CN116620265A - 一种停车控制方法、设备及系统 - Google Patents
一种停车控制方法、设备及系统 Download PDFInfo
- Publication number
- CN116620265A CN116620265A CN202310603422.7A CN202310603422A CN116620265A CN 116620265 A CN116620265 A CN 116620265A CN 202310603422 A CN202310603422 A CN 202310603422A CN 116620265 A CN116620265 A CN 116620265A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- point cloud
- parked
- parking
- parking space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 239000011159 matrix material Substances 0.000 claims abstract description 121
- 238000013519 translation Methods 0.000 claims abstract description 63
- 238000012544 monitoring process Methods 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000004891 communication Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 101100127285 Drosophila melanogaster unc-104 gene Proteins 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请的实施方式提供了一种停车控制方法、设备及系统。该停车控制方法包括:接收车辆控制器发送的待停车辆请求停车的消息;确定一停车位并将停车位的标识发送给车辆控制器;获取激光雷达扫描得到的停车位对应的预定监控区域的点云数据;对点云数据聚类得到待停车辆的点云集合;利用迭代最近点ICP算法对待停车辆的点云集合和车辆点云模型进行计算,得到并发送待停车辆的点云集合与车辆点云模型之间的旋转矩阵和平移矩阵,以使车辆控制器根据旋转矩阵和平移矩阵实时控制待停车辆的行驶方向和速度并最终停止在停车位。本申请提出的停车控制方法具有自动化程度高,精度高等优点,满足在多类型且空间狭小的停车位中实现自动化精准停车的需要。
Description
技术领域
本申请的实施方式涉及智能交通技术领域,更具体地,本申请的实施方式涉及一种停车控制方法、设备及系统。
背景技术
本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着城市化发展和乘用汽车的普及,停车问题已经成为制约很多城市发展的重要难题。为了解决这一问题,自动上锁式停车位、交叉式停车位、多层式停车位等类型的停车位应运而生,并且为了提高土地利用率和停车管理效率,每个停车位的占地面积一般会被设置成恰好容纳一辆车。然而,不论是上述各种停车位类型,还是狭小的停车位面积,都对停车的精准程度提出了较高的要求。
发明内容
为了解决车辆停车问题,现有的一些解决方案例如有:
(1)一些技术方案是利用车载GPS设备采集车辆位置来控制车辆停车,然而GPS设备的定位精度(一般达到米级)不能满足在停车位精准停车的要求(精度需达到厘米级),此外,城市内的停车位多位于地下停车场中,受到地上建筑及其室内设备等的影响,GPS信号很容易被遮挡导致定位失败。
(2)还有一些技术方案是利用车载摄像头对停车标识线进行视觉定位来控制车辆停车,然而受到算法和算力的限制,目前这种方案还不能实现厘米级别的精准停车。
可见,目前常见的车辆停车方式多是通过车载定位设备或车载摄像头等对车辆和停车位进行定位,这种停车方式存在误差大、速度慢等缺点。
鉴于上述问题,本申请提出了一种克服上述问题或者至少部分地解决上述问题的停车控制方法、设备及系统。
在本申请实施方式的第一方面中,提供了一种应用于主控器的停车控制方法,包括:
接收车辆控制器发送的待停车辆请求停车的消息;
确定一停车位并将所述停车位的标识发送给所述车辆控制器,以使所述车辆控制器控制所述待停车辆驶向所述停车位;
获取激光雷达扫描得到的所述停车位对应的预定监控区域的点云数据;所述预定监控区域包括所述停车位和可进入所述停车位的预设区域;
对所述点云数据聚类得到所述待停车辆的点云集合;
利用迭代最近点ICP算法对所述待停车辆的点云集合和车辆点云模型进行计算,得到所述待停车辆的点云集合与所述车辆点云模型之间的旋转矩阵和平移矩阵;其中,所述车辆点云模型是预先利用激光雷达扫描在所述停车位停止的车辆得到的点云集合;
发送所述旋转矩阵和平移矩阵,以使所述车辆控制器根据所述旋转矩阵和平移矩阵实时控制所述待停车辆的行驶方向和速度并最终停止在所述停车位。
在本申请实施方式的第二方面中,提供了一种应用于车辆控制器的停车控制方法,包括:
发送待停车辆请求停车的消息;
接收主控器返回的停车位的标识,并控制所述待停车辆驶向所述停车位;
接收主控器返回的待停车辆的点云集合和车辆点云模型之间的旋转矩阵和平移矩阵;其中,车辆点云模型是利用预先利用激光雷达扫描在所述停车位停止的车辆得到的点云集合;
根据所述旋转矩阵和平移矩阵实时控制所述待停车辆的行驶方向和速度,以使所述待停车辆最终停止在所述停车位。
在本申请实施方式的第三方面中,提供了一种主控器,包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序,所述第一处理器在运行所述计算机程序时,执行前述的应用于主控器的停车控制方法中的各个步骤。
在本申请实施方式的第四方面中,提供了一种车辆控制器,包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序,所述第二处理器在运行所述计算机程序时,执行如前所述的应用于车辆控制器的停车控制方法中的各个步骤。
在本申请实施方式的第五方面中,提供了一种停车控制系统,包括:如前所述的主控器,如前所述的车辆控制器,以及激光雷达。
在本申请实施方式的第六方面中,提供了一种汽车,所述汽车上装设有如前所述的车辆控制器。
在本申请实施方式的第七方面中,提供了一种计算机可读的存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时实现如前所述的应用于主控器的停车控制方法中的各个步骤。
在本申请实施方式的第八方面中,提供了一种计算机可读的存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时实现如前所述的应用于车辆控制器的停车控制方法中的各个步骤。
借助于上述技术方案,本申请利用ICP算法计算行驶中的待停车辆到停车位的旋转量和平移量,并依据该旋转量和平移量控制待停车辆的行驶方向和速度,最终控制待停车辆精准停止在停车位,整个停车过程自动完成,可以达到厘米级别的精度,可满足高精度精准停车的需要。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,其中:
图1示意性地示出了本申请实施例提供的应用场景;
图2示意性地示出了本申请实施例提供的停车控制方法的流程;
图3示意性地示出了本申请一实施例的预设区域;
图4示意性地示出了本申请又一实施例的预设区域;
图5示意性地示出了本申请实施例提供的主控器、激光雷达和预定监控区域的配置模式;
图6示意性地示出了本申请一实施例的初始平移矩阵的确定方式;
图7示意性地示出了本申请实施例提供的应用于主控器的停车控制方法的流程;
图8示意性地示出了本申请实施例提供的应用于车辆控制器的停车控制方法的流程;
图9示意性地示出了本申请实施例提供的汽车;
图10示意性地示出了本申请实施例提供的停车控制系统。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请,而并非以任何方式限制本申请的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术技术人员知道,本申请的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
本申请附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本申请的若干代表性实施方式,详细阐释本申请的原理和精神。
发明概述
目前常见的通过车载定位设备或车载摄像头等实现车辆停车的方式存在精度低、速度慢等缺点,为了满足在各种类型且空间狭小的停车位中实现自动化精准停车的需要,本申请实施例提供一种停车控制方法,该方案首先利用激光雷达扫描已在停车位停车的车辆得到车辆点云模型,然后在待停车辆请求停车时再利用激光雷达实时扫描驶向停车位的车辆得到其点云集合,之后通过ICP算法计算待停车辆的点云集合和车辆点云模型之间的旋转矩阵和平移矩阵,由于该旋转矩阵和平移矩阵分别是行驶中的待停车辆到停车位的旋转量和平移量,因此,可以依据该旋转矩阵和平移矩阵实时控制待停车辆的行驶方向和速度,使得待停车辆精准停止在停车位。
本申请提出的停车控制方法具有自动化程度高,精度高等优点,可以达到厘米级别的精度,满足在多类型且空间狭小的停车位中实现自动化精准停车的需要。
应用场景总览
本申请实施例提供一种应用场景示意,如图1所示,停车位的上方设置有激光雷达,该激光雷达与主控器连接,主控器获取激光雷达扫描得到的点云数据。
车辆控制器发出待停车辆请求停车的消息,主控器获取该消息后,为待停车辆分配一停车位,随后在待停车辆驶向该停车位的过程中,主控器利用激光雷达获取的点云数据聚类得到行驶中的待停车辆的点云集合,并利用ICP算法计算待停车辆的点云集合与该停车位对应的车辆点云模型之间的旋转矩阵和平移矩阵,车辆控制器根据该旋转矩阵和平移矩阵实时控制待停车辆的行驶方向和速度,以使待停车辆精准停止在该停车位。
需要注意的是,图1所示的应用场景仅是为了便于理解本申请的精神和原理而示出,本申请的实施方式在此方面不受任何限制。相反,本申请的实施方式可以应用于适用的任何场景。
示例性方法
下面结合图1的应用场景,参考图2来描述本申请实施例提供的停车控制方法。
如图2所示,本申请实施例提供一种停车控制方法,包括:
步骤S100,车辆控制器发送待停车辆请求停车的消息。
具体实施时,车辆控制器和主控器之间可以通过WIFI、V2X、基站等无线通信方式收发消息,本申请对此不做严格限定。考虑到信号的稳定性,主控器和车辆控制器之间可以通过V2X技术收发消息。在一些实施例中,车辆控制器可以通过待停车辆上装设的V2X设备广播待停车辆请求在停车位停车的消息。
在一些实施例中,车辆控制器可以在判断预定条件满足时才发出消息,例如可以是:
(1)车辆控制器判断待停车辆进入停车场之后发出消息;或,
(2)车辆控制器接收到预设的触发信号(如由停车场入口处设置的路卡设备发出的触发信号)之后发出消息。
在一些实施例中,车辆控制器发出的消息中可以包含如下一些信息中的一种或多种:
(1)待停车辆的车辆标识;
(2)待停车辆的车辆型号;
(3)待停车辆的车载定位设备采集的定位数据;
(4)通信连接标识。
其中,通信连接标识包括但不限于是车辆控制器的MAC地址、车辆控制器连接的V2X通信设备的MAC地址中的一种或两种。
步骤S200,主控器接收车辆控制器发送的待停车辆请求停车的消息。
在一些实施例中,主控器可以通过V2X设备接收车辆控制器发出的消息。
步骤S300,主控器确定一停车位并将该停车位的标识发送给车辆控制器。
为确保主控器和车辆控制器之间建立稳定的通信连接,在一些实施例中,在步骤S300之前,主控器从车辆控制器发出的消息中解析出通信连接标识;并通过该通信连接标识与车辆控制器建立通信连接。在一些实施例中,通信连接标识可以但不限于是车辆控制器的MAC地址,和/或,车辆控制器连接的V2X通信设备的MAC地址。
在一些实施例中,主控器可以用于管理一个或多个停车位(如整个停车场中的所有停车位)的车辆停车业务,主控器可以在本地存储自身管理的所有停车位的标识和是否被占用的状态(即是否已经有车辆停止在停车位上),当主控器收到车辆控制器发送的待停车辆期待停车的请求时,主控器可以从其管理的全部停车位中确定一空闲的停车位,并将其标识发送给车辆控制器。
步骤S400,车辆控制器根据主控器发来的停车位的标识确定停车位,并控制待停车辆驶向该停车位。
在一些实施例中,停车位的标识可以是停车位的编号和/或位置信息。例如,停车位的编号可以是1,2,3之类的序号,也可以是M-N(表示该停车位位于停车场的M排N列),停车位的位置信息可以是经纬度坐标,也可以是M排N列(表示该停车位位于停车场的M排N列)等,本申请对此不作具体限定。
步骤S500,主控器获取激光雷达扫描得到的该停车位对应的预定监控区域的点云数据;其中,预定监控区域包括该停车位和可进入该停车位的预设区域。
在一些实施例中,激光雷达一直处于扫描状态,主控器向车辆控制器发送停车位的标识之后,便立即开始按照一预设的频率获取激光雷达扫描得到的点云数据。
为了达到计算行驶中的待停车辆到停车位的旋转量和平移量的目的,预定监控区域应包括停车位和可进入该停车位的预设区域。
在一些实施例中,预设区域可以是从停车位的各个边界向外扩展一定距离所覆盖的区域,如图3所示,预设区域(虚线所示)为该停车位的各个边界向外5米所覆盖的区域。
在一些实施例中,预设区域可以是连接停车位的车道中与该停车位相接的矩形区域(即车辆驶入停车位之前在车道内行驶经过的区域),该矩形区域的长度可自行设定,宽度与车道同宽。如图4所示,预设区域(虚线所示)连接停车位的车道中与该停车位相接的矩形区域,其长度为15米,宽度为7米。
在一些实施例中,主控器会对激光雷达实时扫描得到的点云数据进行预处理,例如激光雷达的扫描范围大于预定监控区域,则可以根据预定监控区域所在的位置,将预定监控区域以外的区域的点云数据删除,只保留预定监控区域的点云数据。
主控器、激光雷达作为两种独立设备,二者之间存在多种连接模式,预定监控区域和停车位之间存在一一对应的关系。考虑到以上因素,具体实施时,主控器、激光雷达和预定监控区域(停车位)可以有如图5所示的多种配置模式:
(a)一个主控器只连接一个激光雷达,一个激光雷达只负责一个停车位对应的预定监控区域的扫描工作;
(b)一个主控器只连接一个激光雷达,一个激光雷达负责至少两个停车位对应的预定监控区域的扫描工作;
(c)一个主控器连接至少两个激光雷达,一个激光雷达只负责一个停车位对应的预定监控区域的扫描工作;
(d)一个主控器连接至少两个激光雷达,一个激光雷达负责至少两个停车位对应的预定监控区域的扫描工作。
具体实施时,可根据激光雷达的线数和扫描范围等信息综合决定采用哪种配置模式,本申请实施例对此不作具体限定。
鉴于主控器、激光雷达和停车位之间有多种配置模式,为了便于主控器确定负责扫描停车位对应的预定监控区域的激光雷达,在一些实施例中,主控器在为待停车辆确定空闲的停车位之后,根据激光雷达、停车位之间的配置关系,确定用于扫描该停车位对应的预定监控区域的激光雷达,从而获取该激光雷达扫描得到的点云数据。
步骤S600,主控器对点云数据聚类得到待停车辆的点云集合。
具体的,当待停车辆行驶并进入激光雷达的扫描范围内时,激光束会射到待停车辆上并返回被激光雷达接收,扫描得到的点云数据中就会存在待停车辆所对应的点云,通过对点云数据进行聚类就可以提取出待停车辆的点云集合。
该步骤可采用目前常用于对任意形状聚类的算法,例如:WaveCluster、ROCK、CURE、K-Prototypes、DENCLUE、DBSCAN等等。
由于预定监控区域可能会覆盖停车场内的公共区域(如停车位共用的车道)或者其他停车位,获取的点云数据中可能会同时存在多个车辆所对应的点云(例如将要在其他停车位停车的车辆,或者在其他停车位上停止的车辆),这种情况下,对点云数据进行聚类就可能会得到多个车辆(包括待停车辆以及其他车辆)的点云集合,考虑到这点,为了便于主控器从点云数据中聚类得到待停车辆的点云集合,本申请实施例提供了如下几种处理方式:
(1)在一些实施例中,主控器对点云数据聚类得到一个或多个车辆的点云集合,将这些点云集合中对应于行驶状态的车辆的点云集合确定为所述待停车辆的点云集合。
在这类实施例中,待停车辆请求的停车位相邻的其他停车位可能已经被占用,因此聚类得到的点云集合中,只有一个是对应于行驶状态的车辆,其他都是对应于静止状态的车辆,则这些静止状态的车辆可能是已经停止在其他停车位的车辆,这种情况下,无需关注将这类点云集合,而只需关注对应于行驶状态的车辆的点云集合。
(2)在一些实施例中,车辆控制器在发出的消息中包含待停车辆的车载定位设备采集的定位数据,主控器对点云数据聚类得到一个或多个车辆的点云集合,将这些点云集合中包含上述定位数据的点云集合确定为待停车辆的点云集合。
在这类实施例中,不同车辆的车载定位设备采集的定位数据分别是不同车辆的位置信息,通过该定位数据即可区分不同的车辆,因此,包含待停车辆的车载定位设备采集的定位数据的点云集合即为待停车辆的点云集合。
具体实施时,车载定位设备可以是全球定位系统GPS定位设备、载波相位差分RTK定位设备、北斗卫星定位系统定位设备、GLONASS定位系统定位设备、Galileo定位系统定位设备、全球导航卫星系统GNSS定位设备等。
(3)在一些实施例中,车辆控制器在发出的消息中包含待停车辆的车载定位设备采集的定位数据,主控器在点云数据中截取上述定位数据对应的位置及其周围预设长度内的区域所对应的点云数据,并对截取的点云数据聚类得到待停车辆的点云集合。
在这类实施例中,待停车辆的车载定位设备采集的定位数据对应于待停车辆的位置信息,主控器根据上述定位数据可以确定待停车辆的位置,但由于上述定位数据对应的位置是点位置,不能代表整个车身各处的位置,因此,可以根据大多数车辆的车身长度确定一预设长度,进而确定上述定位数据对应的位置及其周围该预设长度内的区域,该区域便可以涵盖整个车身。主控器在点云数据中截取该区域对应的点云数据,其中必然包括待停车辆对应的点云,对其聚类即可得到待停车辆的点云集合。
(4)在一些实施例中,车辆控制器在发出的消息中包含待停车辆所处车道的编号,主控器根据待停车辆所处车道的编号,以及已知的各个车道与激光雷达的相对位置,在点云数据中截取待停车辆所处车道的点云数据;对点云数据聚类得到一个或多个车辆的点云集合;将所述一个或多个车辆的点云集合中与待停车辆所处车道的点云数据存在交集的点云集合确定为待停车辆的点云集合。
在这类实施例中,当激光雷达的位置确定,各个车道与激光雷达的相对位置即可确定并作为已知信息存储于主控器本地;主控器根据待停车辆所处车道的编号可确定待停车辆在哪个车道上行驶;结合各个车道与激光雷达的相对位置关系,主控器可在点云数据中截取待停车辆所处车道的点云数据;主控器对点云数据聚类得到一个或多个车辆的点云集合之后,找到其中与待停车辆所处车道的点云数据存在交集的点云集合,该点云集合即为待停车辆的点云集合。
(5)在一些实施例中,车辆控制器在发出的消息中包含待停车辆所处车道的编号,主控器根据待停车辆所处车道的编号,以及已知的各个车道与激光雷达的相对位置,在点云数据中截取待停车辆所处车道的点云数据,并对截取的点云数据聚类得到待停车辆的点云集合。
在这类实施例中,当激光雷达的位置确定,各个车道与激光雷达的相对位置即可确定并作为已知信息存储于主控器本地;主控器根据待停车辆所处车道的编号可确定待停车辆在哪个车道上行驶;结合各个车道与激光雷达的相对位置关系,主控器可在点云数据中截取待停车辆所处车道的点云数据。
(6)在一些实施例中,车辆控制器在发出的消息中包含待停车辆的车载定位设备采集的定位数据及其所处车道的编号;主控器根据待停车辆所处车道的编号,以及已知的各个车道与激光雷达的相对位置,在点云数据中截取待停车辆所处车道的点云数据;主控器对点云数据聚类得到一个或多个车辆的点云集合,将这些点云集合中包含上述定位数据且与截取的待停车辆所处车道的点云数据存在交集的点云集合确定为待停车辆的点云集合。
在这类实施例中,不同车辆的车载定位设备采集的定位数据分别是不同车辆的位置信息,一般情况下,通过该定位数据即可区分不同的车辆,但是考虑到车载定位设备获取的定位数据存在一定的误差,且相邻的车道可能相距较近,为了区分定位数据接近但处于不同车道上的车辆,可将包含上述定位数据且与截取的待停车辆所处车道的点云数据存在交集的点云集合确定为待停车辆的点云集合。
步骤S700,主控器利用ICP算法对待停车辆的点云集合和车辆点云模型进行计算,得到并发送待停车辆的点云集合与车辆点云模型之间的旋转矩阵和平移矩阵;其中,车辆点云模型是预先对在停车位停车的车辆扫描得到的点云集合。
ICP算法可用于计算不同点集之间的平移矩阵和旋转矩阵,待停车辆的点云集合是行驶中的待停车辆对应的点集,而车辆点云模型是精准停止在停车位的车辆的点集,因此利用ICP算法对上述两种点集进行计算可以得到行驶中的待停车辆与精准停止在停车位的车辆之间的平移矩阵和旋转矩阵。并且,由于车辆点云模型是精准停止在停车位的车辆的点集,因此,待停车辆的点云集合与车辆点云模型之间的旋转矩阵和平移矩阵分别对应于待停车辆到停车位的旋转量和平移量。
考虑到车辆会有不同的车辆型号,激光雷达对不同型号的车辆扫描得到的点云集合也是不同的,因此,在一些实施例中,可预先利用激光雷达对在停车位停车的多个不同车辆型号的车辆扫描所得到的多个车辆点云模型,并将这些车辆点云模型存储在一模型库中,且步骤S700按照如下过程执行:主控器确定待停车辆的车辆型号,在模型库中选择与待停车辆的车辆型号相匹配的车辆点云模型,并利用ICP算法对待停车辆的点云集合和与待停车辆的车辆型号相匹配的车辆点云模型进行计算。
例如,模型库包括多个车辆点云模型a、b、c、d、e、f、g,这些车辆点云模型对应的车辆型号分别为A、B、C、D、E、F、G,当待停车辆的车辆型号为F时,主控器通过匹配可确定与待停车辆的车辆型号相匹配的车辆点云模型为f,然后可利用ICP算法将待停车辆的点云集合与f进行计算。
考虑到对于有些车辆型号,模型库中可能没有存储与其匹配的车辆点云模型,在一些实施例中,本申请实施例提供的停车控制方法还包括:判断模型库中是否包含与待停车辆的车辆型号相匹配的车辆点云模型;若不包含,则从模型库中选取一个已有的车辆点云模型确定为与该待停车辆的车辆型号相匹配的车辆点云模型,并在该待停车辆停止在停车位之后,利用激光雷达扫描该待停车辆并将扫描得到的点云集合存入模型库中。经过这种处理,当再次有相同车辆型号的车辆期望在该停车位停车时,模型库中就可以找到与其相匹配的车辆点云模型了。
在一些实施例中,车辆控制器在发送的消息中包含待停车辆的车辆型号,主控器就可以通过解析接收到消息后从其中解析出待停车辆的车辆型号。
在一些实施例中,主控器可以先获取待停车辆的车辆标识,并根据已知的车辆标识与车辆型号的对应关系来确定待停车辆的车辆型号。其中,车辆标识可以是车牌号码。
在一些实施例中,主控器可以通过拍摄待停车辆的车牌并对其识别来获取待停车辆的车辆标识。例如,主控器利用摄像头拍摄待停车辆的车牌。
在一些实施例中,车辆控制器在发送的消息中包含待停车辆的车辆标识,主控器就可以在接收消息后从中解析出该车辆标识。
ICP算法是通过迭代的方式计算待停车辆的点云集合和车辆点云模型之间的旋转矩阵和平移矩阵,在ICP算法的迭代过程中,所采用的初始旋转矩阵和初始平移矩阵对最终计算出的结果的准确性具有非常重要的影响。
在一些实施例中,步骤S700按照如下过程执行:
步骤S702,确定第一平均中心和第二平均中心,其中,第一平均中心的坐标为待停车辆的点云集合中位于待停车辆的行驶方向上最前方的预设数量个点的坐标的平均值;第二平均中心的坐标为车辆点云模型中位于待停车辆的行驶方向上最前方的预设数量个点的坐标的平均值;
步骤S704,确定初始旋转矩阵和初始平移矩阵;其中,初始旋转矩阵为第一平均中心旋转到第二平均中心所用的矩阵;初始平移矩阵为第一平均中心平移到第二平均中心所用的矩阵;
步骤S706,利用初始旋转矩阵和初始平移矩阵,对待停车辆的点云集合和车辆点云模型进行迭代计算,得到待停车辆的点云集合与车辆点云模型之间的旋转矩阵和平移矩阵。
如图6所示,待停车辆的点云集合位于坐标系1中,车辆点云模型位于坐标系2中;待停车辆的点云集合中位于待停车辆的行驶方向上的最前方的n个点(由虚线框标识出)为Pi(xi,yi,zi),i=1,2,3...n,第一平均中心为 车辆点云模型中位于待停车辆的行驶方向上的最前方的n个点(由虚线框标识出)为Qi(Xi,Yi,Zi),i=1,2,3...n,第二平均中心为/> 将第一平均中心/>旋转到第二平均中心/>所用的矩阵确定为初始旋转矩阵;将第一平均中心/>平移到第二平均中心/>所用的矩阵确定为初始平移矩阵。
在一些实施例中,步骤S700按照如下步骤S708~S712执行:
步骤S708,主控器从车辆控制器发送的消息中解析待停车辆的车载定位设备采集的定位数据;
步骤S710,分别确定初始旋转矩阵和初始平移矩阵;其中,初始旋转矩阵为定位数据对应的点旋转到参考定位点所用的矩阵;初始平移矩阵为定位数据对应的点平移到参考定位点所用的矩阵;参考定位点为确定车辆点云模型的过程中的车辆停止在停车位时其车载定位设备获取的定位数据对应的点;
步骤S712,利用初始旋转矩阵和初始平移矩阵,对待停车辆的点云集合和车辆点云模型进行迭代计算,得到待停车辆的点云集合与车辆点云模型之间的旋转矩阵和平移矩阵。
在确定车辆点云模型的过程中,所使用的车辆上装载有车载定位设备,当车辆停止在停车位时,该车辆上的车载定位设备获取的定位数据所确定的点,即为参考定位点。
在这类实施例中,车载定位设备可以是GPS定位设备、RTK定位设备、北斗卫星定位系统定位设备、GLONASS定位系统定位设备、Galileo定位系统定位设备、全球导航卫星系统GNSS定位设备等。
车辆点云模型是在停车位精准停车的车辆的点集,而通过聚类得到的待停车辆的点云集合是正在行驶的待停车辆的点集,因此通过ICP算法对聚类得到的待停车辆的点云集合和车辆点云模型进行计算,即可得到正在行驶的待停车辆到停车位的旋转量和平移量。在此过程中,车辆点云模型的精准程度对最终计算结果的准确性有直接的影响。然而,目前常见的激光雷达的线数有限(如32线、64线),利用固定位置的激光雷达对静止停在停车位的车辆扫描时,受激光束的数量和发射方向的限制,激光束只能射到车辆车身的较少区域,获得的点云数据也只能体现车辆车身的较少区域,对其聚类得到的点云集合(即车辆点云模型)不能很好地体现车辆整个车身的位置,甚至于不能通过聚类算法得到车辆点云模型。
为了克服上述问题,在一些实施例中,车辆点云模型可按照步骤S714~S718获得:
步骤S714,预先利用激光雷达扫描驶向停车位并最终在停车位停车的车辆。
步骤S716,将车辆未到达停车位时的点云数据转换至到达停车位时的点云数据所在的坐标系中。
具体实施时,该过程可以利用ICP算法实现不同坐标系间点云数据的转换。
步骤S718,将转换后得到的点云集合确定为车辆点云模型。
步骤S714~S718中是利用激光雷达扫描运动中的车辆,这种方式可使激光束射到车辆车身的更多区域,相应的,所获得的点云数据能体现车辆车身的更多区域,所获得的车辆点云模型也能体现车辆车身的更多区域,进而更好地体现车辆整个车身的位置,满足ICP算法的需要,提高计算结果的准确性。
步骤S800,车辆控制器根据待停车辆的点云集合与车辆点云模型之间的旋转矩阵和平移矩阵,实时控制待停车辆的行驶方向和速度,最终使待停车辆停止在停车位。
在一些实施例中,车辆控制器通过控制待停车辆的转向系统、油门控制系统和制动系统来达到实时控制待停车辆的行驶方向和速度的目的。
由于待停车辆的点云集合与车辆点云模型之间的旋转矩阵和平移矩阵分别是行驶中的待停车辆到停车位的旋转量和平移量,因此,根据实时计算得到的旋转矩阵和平移矩阵,即可实时控制待停车辆的行驶方向和速度,使待停车辆驶入停车位。
在一些实施例中,步骤S600中,车辆控制器在控制待停车辆的行驶方向和速度的过程中,除了考虑待停车辆的点云集合与车辆点云模型之间的旋转矩阵和平移矩阵,还考虑了停车位周边的障碍物(例如相邻停车位上静止的车辆),以确保待停车辆的停车过程安全顺利。
本申请实施例提出的停车控制方法中,由于车辆点云模型是通过对精准停止在停车位的车辆扫描得到的点云集合,因此根据旋转矩阵和平移矩阵控制待停车辆的行驶方向和速度,相当于将车辆点云模型作为目标,通过对待停车辆的点云集合进行旋转和平移操作使其与车辆点云模型重合,达到待停车辆精准停止在停车位的目的。本申请实施例提出的停车控制方法具有自动化程度高,精度高等优点,适用于在自动上锁式停车位、交叉式停车位、多层式停车位等多种类型的停车位中应用,有利于解决停车不标准导致的车辆倾斜(轮胎、车门等部件容易受损)、离相邻停车位太近(车门打不开)、驶离停车位困难(耗时长,需要相邻停车位挪车)等问题。
基于相同的发明思想,本申请实施例提供一种应用于主控器的停车控制方法,如图7所示,包括:
步骤A100,接收车辆控制器发送的待停车辆请求停车的消息;
步骤A200,确定一停车位并将所述停车位的标识发送给所述车辆控制器,以使所述车辆控制器控制所述待停车辆驶向所述停车位;
步骤A300,获取激光雷达扫描得到的所述停车位对应的预定监控区域的点云数据;所述预定监控区域包括所述停车位和可进入所述停车位的预设区域;
步骤A400,对所述点云数据聚类得到所述待停车辆的点云集合;
步骤A500,利用迭代最近点ICP算法对所述待停车辆的点云集合和车辆点云模型进行计算,得到所述待停车辆的点云集合与所述车辆点云模型之间的旋转矩阵和平移矩阵;其中,所述车辆点云模型是预先利用激光雷达扫描在所述停车位停止的车辆得到的点云集合;
步骤A600,发送所述旋转矩阵和平移矩阵,以使所述车辆控制器根据所述旋转矩阵和平移矩阵实时控制所述待停车辆的行驶方向和速度并最终停止在所述停车位。
在一些实施例中,接收车辆控制器发送的待停车辆请求停车的消息,包括:通过车联万物V2X设备接收车辆控制器广播的待停车辆请求停车的消息。
在一些实施例中,确定一停车位之前,还包括:从所述消息中解析出通信连接标识;通过所述通信连接标识与所述车辆控制器建立通信连接。
在一些实施例中,所述通信连接标识包括所述车辆控制器的MAC地址、所述车辆控制器连接的车联万物V2X通信设备的MAC地址中的一种或两种。
在一些实施例中,确定一停车位,包括:从预设的多个停车位中确定一空闲的停车位。
在一些实施例中,所述停车位的标识包括:所述停车位的编号和/或位置信息。
在一些实施例中,每个激光雷达只用于扫描一个停车位对应的预定监控区域,每个主控器只用于获取一个激光雷达扫描得到的点云数据。
在一些实施例中,每个激光雷达用于扫描至少两个停车位对应的预定监控区域,每个主控器只用于获取一个激光雷达扫描得到的点云数据。
在一些实施例中,每个激光雷达只用于扫描一个停车位对应的预定监控区域,每个主控器用于获取至少两个激光雷达扫描得到的点云数据。
在一些实施例中,每个激光雷达用于扫描至少两个停车位对应的预定监控区域,每个主控器用于获取至少两个激光雷达扫描得到的点云数据。
在一些实施例中,获取激光雷达扫描得到的所述停车位对应的预定监控区域的点云数据,包括:
确定用于扫描所述停车位对应的预定监控区域的激光雷达;
获取该激光雷达扫描得到的点云数据。
在一些实施例中,获取激光雷达扫描得到的所述停车位对应的预定监控区域的点云数据,还包括:
判断该激光雷达的扫描范围大于所述停车位对应的预定监控区域时,对该激光雷达扫描得到的点云数据进行预处理,以得到所述停车位对应的预定监控区域的点云数据。
在一些实施例中,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
对所述点云数据聚类得到一个或多个车辆的点云集合,将所述一个或多个车辆的点云集合中对应于行驶状态的车辆的点云集合确定为所述待停车辆的点云集合。
在一些实施例中,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析出所述待停车辆的车载定位设备采集的定位数据;
对所述点云数据聚类得到一个或多个车辆的点云集合,将所述一个或多个车辆的点云集合中包含所述定位数据的点云集合确定为所述待停车辆的点云集合。
在一些实施例中,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析出所述待停车辆的车载定位设备采集的定位数据;
在所述点云数据中截取所述定位数据对应的位置及其周围预设长度内的区域所对应的点云数据,并对截取的点云数据聚类得到所述待停车辆的点云集合。
在一些实施例中,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析所述待停车辆所处车道的编号;
根据所述待停车辆所处车道的编号,以及已知的各个车道与所述激光雷达的相对位置,在所述点云数据中截取所述待停车辆所处车道的点云数据;
对所述点云数据聚类得到一个或多个车辆的点云集合;
将所述一个或多个车辆的点云集合中与所述待停车辆所处车道的点云数据存在交集的点云集合确定为所述待停车辆的点云集合。
在一些实施例中,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析所述待停车辆所处车道的编号;
根据所述待停车辆所处车道的编号,以及已知的各个车道与所述激光雷达的相对位置,在所述点云数据中截取所述待停车辆所处车道的点云数据,并对截取的点云数据聚类得到所述待停车辆的点云集合。
在一些实施例中,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析所述待停车辆的车载定位设备采集的定位数据和所述待停车辆所处车道的编号;
根据所述待停车辆所处车道的编号,以及已知的各个车道与所述激光雷达的相对位置,在所述点云数据中截取所述待停车辆所处车道的点云数据;
对所述点云数据聚类得到一个或多个车辆的点云集合,将所述一个或多个车辆的点云集合中包含所述定位数据且与所述待停车辆所处车道的点云数据存在交集的点云集合确定为所述待停车辆的点云集合。
在一些实施例中,利用ICP算法对所述待停车辆的点云集合和车辆点云模型进行计算,包括:
确定所述待停车辆的车辆型号;
在模型库中选择与所述待停车辆的车辆型号相匹配的车辆点云模型;
利用ICP算法对所述待停车辆的点云集合和与所述待停车辆的车辆型号相匹配的车辆点云模型进行计算;其中,所述模型库包括预先利用激光雷达对在所述停车位停车的多个不同车辆型号的车辆扫描所得到的多个车辆点云模型。
在一些实施例中,确定所述待停车辆的车辆型号,包括:从所述消息中解析出所述待停车辆的车辆型号。
在一些实施例中,确定所述待停车辆的车辆型号,包括:从所述消息中解析出所述待停车辆的车辆标识,并根据已知的车辆标识与车辆型号的对应关系来确定所述待停车辆的车辆型号。
在一些实施例中,本申请实施例提供的应用于主控器的停车控制方法,还包括:
判断所述模型库中是否包含与所述待停车辆的车辆型号相匹配的车辆点云模型;
若不包含,则从所述模型库中选取一个已有的车辆点云模型确定为与所述待停车辆的车辆型号相匹配的车辆点云模型,并在所述待停车辆停止在所述停车位之后,利用所述激光雷达扫描所述待停车辆并将扫描得到的点云集合存入所述模型库中。
在一些实施例中,利用ICP算法对所述待停车辆的点云集合和车辆点云模型进行计算,得到所述待停车辆的点云集合与所述车辆点云模型之间的旋转矩阵和平移矩阵,包括:
确定第一平均中心和第二平均中心,其中,所述第一平均中心的坐标为所述待停车辆的点云集合中位于所述待停车辆的行驶方向上最前方的预设数量个点的坐标的平均值;所述第二平均中心的坐标为所述车辆点云模型中位于所述待停车辆的行驶方向上最前方的所述预设数量个点的坐标的平均值;
确定初始旋转矩阵,所述初始旋转矩阵为所述第一平均中心旋转到所述第二平均中心所用的矩阵;
确定初始平移矩阵,所述初始平移矩阵为所述第一平均中心平移到所述第二平均中心所用的矩阵;
利用所述初始旋转矩阵和所述初始平移矩阵,对所述待停车辆的点云集合和所述车辆点云模型进行迭代计算,得到所述待停车辆的点云集合与所述车辆点云模型之间的旋转矩阵和平移矩阵。
在一些实施例中,利用ICP算法对所述待停车辆的点云集合和车辆点云模型进行计算,得到所述待停车辆的点云集合与所述车辆点云模型之间的旋转矩阵和平移矩阵,包括:
从所述消息中解析所述待停车辆的车载定位设备采集的定位数据;
确定初始旋转矩阵,所述初始旋转矩阵为所述定位数据对应的点旋转到参考定位点所用的矩阵,所述参考定位点为确定车辆点云模型的过程中的车辆停止在所述停车位时其车载定位设备获取的定位数据对应的点;
确定初始平移矩阵,所述初始平移矩阵为所述定位数据对应的点平移到所述参考定位点所用的矩阵;
利用所述初始旋转矩阵和所述初始平移矩阵,对所述待停车辆的点云集合和所述车辆点云模型进行迭代计算,得到所述待停车辆的点云集合与所述车辆点云模型之间的旋转矩阵和平移矩阵。
在一些实施例中,所述车辆点云模型按照如下方式确定:
预先利用激光雷达扫描驶向所述停车位并最终在所述停车位停车的车辆;
将所述车辆未到达所述停车位时的点云数据转换至到达所述停车位时的点云数据所在的坐标系中;
将转换后得到的点云集合确定为所述车辆点云模型。
图7所示的应用于主控器的停车控制方法与图2所示的停车控制方法基于相同的发明思想实现,且有相同的非限制性实施方式,具体可参照前述对图2所示的停车控制方法的介绍,此处不再赘述。
基于相同的发明思想,本申请还提供一种应用于车辆控制器的停车控制方法,如图8所示,包括:
步骤B100,发送待停车辆请求停车的消息;
步骤B200,接收主控器返回的停车位的标识,并控制所述待停车辆驶向所述停车位;
步骤B300,接收主控器返回的待停车辆的点云集合和车辆点云模型之间的旋转矩阵和平移矩阵;其中,车辆点云模型是利用预先利用激光雷达扫描在所述停车位停止的车辆得到的点云集合;
步骤B400,根据所述旋转矩阵和平移矩阵实时控制所述待停车辆的行驶方向和速度,以使所述待停车辆最终停止在所述停车位。
在一些实施例中,发送待停车辆请求在停车位停车的消息,包括:通过车联万物V2X设备广播待停车辆请求在停车位停车的消息。
在一些实施例中,所述消息中包含如下信息中的任意一项或多项:
所述待停车辆的车辆标识;
所述待停车辆的车辆型号;
所述待停车辆的车载定位设备采集的定位数据;
通信连接标识。
在一些实施例中,所述通信连接标识包括所述车辆控制器的MAC地址、所述车辆控制器连接的车联万物V2X通信设备的MAC地址中的一种或两种。
在一些实施例中,发送待停车辆请求停车的消息,包括:
判断所述待停车辆进入停车场之后发出所述消息;或,
接收到预设的触发信号之后发出所述消息。
在一些实施例中,根据所述旋转矩阵和平移矩阵实时控制所述待停车辆的行驶方向和速度,包括:根据所述旋转矩阵和平移矩阵,通过控制所述待停车辆的转向系统、油门控制系统和制动系统来实时控制所述待停车辆的行驶方向和速度。
图8所示的应用于车辆控制器的停车控制方法与图2所示的停车控制方法基于相同的发明思想实现,且有相同的非限制性实施方式,具体可参照前述对图2所示的停车控制方法的介绍,此处不再赘述。
基于相同的发明思想,本申请实施例还提供一种计算机可读的存储介质,其上存储有计算机程序,该计算机程序被处理器运行时本申请实施例提供的应用于主控器的停车控制方法中的各个步骤。该计算机可读的存储介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。在一些实施例中,该计算机可读的存储介质可以是:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
基于相同的发明思想,本申请实施例还提供一种计算机可读的存储介质,其上存储有计算机程序,该计算机程序被处理器运行时本申请实施例提供的应用于车辆控制器的停车控制方法中的各个步骤。该计算机可读的存储介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。在一些实施例中,该计算机可读的存储介质可以是:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
示例性设备
基于相同的发明思想,本申请实施例还提供一种主控器,该主控器包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序,第一处理器在运行计算机程序时,执行图7的应用于主控器的停车控制方法。
第一存储器中的计算机程序被运行时所执行的方法与图2所示的停车控制方法基于相同的发明思想实现,且有相同的非限制性实施方式,具体可参照前面示例性方法中对图2所示的停车控制方法的介绍,此处不再赘述。
可选地,本申请中,第一处理器可以通过电路、芯片或其他电子部件来实现。例如,第一处理器还可以包括一个或多个微控制器、一个或多个现场可编程门阵列(FPGA)、一个或多个专用电路(ASIC)、一个或多个数字信号处理器(DSP)、一个或多个集成电路等。
可选地,本申请中,第一存储器可以通过电路、芯片或其他电子部件来实现。例如,第一存储器可以包括一个或多个只读存储器(ROM)、随机存取存储器(RAM)、闪速存储器、电可编程存储器(EPROM)、电可编程和可擦除存储器(EEPROM)、嵌入式多媒体卡(eMMC)、硬盘驱动器或任何易失性或非易失性介质等。
本申请实施例中,主控器可以是工控机、服务器、PC机、便携式电脑、平板电脑、PDA、iMac等形式的计算机设备。
基于相同的发明思想,本申请实施例还提供一种车辆控制器,该车辆控制器包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序,第二处理器在运行计算机程序时,执行图8的应用于车辆控制器的停车控制方法。
第二存储器中的计算机程序被运行时所执行的方法与图2所示的停车控制方法基于相同的发明思想实现,且有相同的非限制性实施方式,具体可参照前面示例性方法中对图2所示的停车控制方法的介绍,此处不再赘述。
可选地,本申请中,第二处理器可以通过电路、芯片或其他电子部件来实现。例如,第二处理器还可以包括一个或多个微控制器、一个或多个现场可编程门阵列(FPGA)、一个或多个专用电路(ASIC)、一个或多个数字信号处理器(DSP)、一个或多个集成电路等。
可选地,本申请中,第二存储器可以通过电路、芯片或其他电子部件来实现。例如,第二存储器可以包括一个或多个只读存储器(ROM)、随机存取存储器(RAM)、闪速存储器、电可编程存储器(EPROM)、电可编程和可擦除存储器(EEPROM)、嵌入式多媒体卡(eMMC)、硬盘驱动器或任何易失性或非易失性介质等。
本申请实施例中,车辆控制器可以是DSP(Digital Signal Processing,数字信号处理器)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)控制器、工业电脑、行车电脑、ECU(Electronic Control Unit,电子控制单元)、ARM或者VCU(Vehicle ControlUnit,整车控制器)等,本申请对此不做具体限定。
基于相同的发明思想,本申请实施例还提供一种汽车,如图9所示,该汽车上装设有车辆控制器。其中,该车辆控制器用于发送待停车辆请求停车的消息,接收主控器返回的停车位的标识,并控制待停车辆驶向该停车位;接收主控器返回的待停车辆的点云集合和车辆点云模型之间的旋转矩阵和平移矩阵;并根据所述旋转矩阵和平移矩阵实时控制待停车辆的行驶方向和速度,以使待停车辆最终停止在该停车位。
在一些实施例中,该车辆控制器连接汽车的转向系统、油门控制系统和制动系统。即,车辆控制器通过控制汽车的转向系统、油门控制系统和制动系统间接达到实时控制待停车辆的行驶方向和速度的目的。
在一些实施例中,该汽车上还装设有与该车辆控制器连接的车联万物V2X设备。
该汽车可以是由人类驾驶的传统车辆(如家用轿车、工程车、消防车、救护车、车辆等),也可以是自动驾驶车,可以是消耗汽油、柴油等传统能源的车辆,也可以是消耗电能、太阳能等新能源的车辆。其中,自动驾驶车是指利用自动驾驶技术实现的具有载人(如家用轿车、公共汽车等类型)、载货(如普通货车、厢式货车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车等类型)或者特殊救援功能(如消防车、救护车等类型)的车辆。
示例性系统
基于相同的发明思想,本申请实施例还提供一种停车控制系统,如图10所示,包括:主控器,车辆控制器,以及激光雷达。
该停车控制系统的工作原理可参考如图2所示的停车控制方法,此处不再赘述。
该停车控制系统中,激光雷达可以选用16线、32线或64线型,激光线束越多,扫描得到的点云数据就越容易覆盖被扫车辆的整个车身,相应的,成本也会越高;主控器和车辆控制器的硬件组成结构已在示例性设备中进行了描述,此处不再赘述;
该停车控制系统与图2所示的停车控制方法基于相同的发明思想实现,且有相同的非限制性实施方式,具体可参照前面示例性方法中对图2所示的停车控制方法的介绍,此处不再赘述。
为了实现激光雷达扫描预定监控区域(包括停车位和可驶入停车位的预设区域)的目的,具体实施时可以将激光雷达安装于停车场的天花板、墙上、机械设备或专业支撑架上。
在一些实施例中,主控器可被安装于停车场的中控室内或安装于停车场的天花板、墙上、机械设备或专业支撑架上,并连接激光雷达。
在一些实施例中,车辆控制器装设于待停车辆上。
在一些实施例中,车辆控制器是装载于待停车辆以外的设备,例如是固定装设于某地的设备,或装设于任意移动设备上的设备,这些实施例中,车辆控制器通过基站、WIFI等无线通信方式控制待停车辆的转向系统、油门控制系统和制动系统,从而间接控制待停车辆停车。
在一些实施例中,如图5中的(a)所示,主控器、激光雷达和预定监控区域(停车位)被设置为如下模式:每个激光雷达只用于扫描一个预定监控区域,每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
在一些实施例中,如图5中的(b)所示,主控器、激光雷达和预定监控区域被设置为如下模式:每个激光雷达用于扫描至少两个预定监控区域,每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
在一些实施例中,如图5中的(c)所示,主控器、激光雷达和预定监控区域被设置为如下模式:每个激光雷达只用于扫描一个预定监控区域,每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
在一些实施例中,如图5中的(d)所示,主控器、激光雷达和预定监控区域被设置为如下模式:每个激光雷达用于扫描至少两个预定监控区域,每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
在一些实施例中,如图10所示,该停车控制系统,还包括:与主控器连接的V2X设备,以及,与车辆控制器连接的V2X设备。
在一些实施例中,如图10所示,该停车控制系统,还包括:用于为主控器和/或激光雷达供电的供电设备。
在一些实施例中,该停车控制系统,还包括:用于在上述供电设备断电时为主控器和/或激光雷达供电的不间断电源UPS。
以上对本申请的目的、技术方案和有益效果进行了详细说明,所应理解的是,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
应当注意,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域技术人员还可以了解到本申请实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本申请实施例保护的范围。
本申请实施例中所描述的各种说明性的逻辑块,或单元,或装置都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本申请实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
Claims (44)
1.一种停车控制方法,其特征在于,包括:
接收车辆控制器发送的待停车辆请求停车的消息;
确定一停车位并将所述停车位的标识发送给所述车辆控制器,以使所述车辆控制器控制所述待停车辆驶向所述停车位;
获取激光雷达扫描得到的所述停车位对应的预定监控区域的点云数据;所述预定监控区域包括所述停车位和可进入所述停车位的预设区域;
对所述点云数据聚类得到所述待停车辆的点云集合;
利用迭代最近点ICP算法对所述待停车辆的点云集合和车辆点云模型进行计算,得到所述待停车辆的点云集合与所述车辆点云模型之间的旋转矩阵和平移矩阵;其中,所述车辆点云模型是预先利用激光雷达扫描在所述停车位停止的车辆得到的点云集合;
发送所述旋转矩阵和平移矩阵,以使所述车辆控制器根据所述旋转矩阵和平移矩阵实时控制所述待停车辆的行驶方向和速度并最终停止在所述停车位。
2.根据权利要求1所述的停车控制方法,其特征在于,接收车辆控制器发送的待停车辆请求停车的消息,包括:通过车联万物V2X设备接收车辆控制器广播的待停车辆请求停车的消息。
3.根据权利要求1所述的停车控制方法,其特征在于,确定一停车位之前,还包括:从所述消息中解析出通信连接标识;通过所述通信连接标识与所述车辆控制器建立通信连接。
4.根据权利要求1所述的停车控制方法,其特征在于,所述通信连接标识包括所述车辆控制器的MAC地址、所述车辆控制器连接的车联万物V2X通信设备的MAC地址中的一种或两种。
5.根据权利要求1所述的停车控制方法,其特征在于,确定一停车位,包括:从预设的多个停车位中确定一空闲的停车位。
6.根据权利要求1所述的停车控制方法,其特征在于,所述停车位的标识包括:所述停车位的编号和/或位置信息。
7.根据权利要求1所述的停车控制方法,其特征在于,每个激光雷达只用于扫描一个停车位对应的预定监控区域,每个主控器只用于获取一个激光雷达扫描得到的点云数据。
8.根据权利要求1所述的停车控制方法,其特征在于,每个激光雷达用于扫描至少两个停车位对应的预定监控区域,每个主控器只用于获取一个激光雷达扫描得到的点云数据。
9.根据权利要求1所述的停车控制方法,其特征在于,每个激光雷达只用于扫描一个停车位对应的预定监控区域,每个主控器用于获取至少两个激光雷达扫描得到的点云数据。
10.根据权利要求1所述的停车控制方法,其特征在于,每个激光雷达用于扫描至少两个停车位对应的预定监控区域,每个主控器用于获取至少两个激光雷达扫描得到的点云数据。
11.根据权利要求1所述的停车控制方法,其特征在于,获取激光雷达扫描得到的所述停车位对应的预定监控区域的点云数据,包括:
确定用于扫描所述停车位对应的预定监控区域的激光雷达;
获取该激光雷达扫描得到的点云数据。
12.根据权利要求11所述的停车控制方法,其特征在于,获取激光雷达扫描得到的所述停车位对应的预定监控区域的点云数据,还包括:
判断该激光雷达的扫描范围大于所述停车位对应的预定监控区域时,对该激光雷达扫描得到的点云数据进行预处理,以得到所述停车位对应的预定监控区域的点云数据。
13.根据权利要求1所述的停车控制方法,其特征在于,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
对所述点云数据聚类得到一个或多个车辆的点云集合,将所述一个或多个车辆的点云集合中对应于行驶状态的车辆的点云集合确定为所述待停车辆的点云集合。
14.根据权利要求1所述的停车控制方法,其特征在于,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析出所述待停车辆的车载定位设备采集的定位数据;
对所述点云数据聚类得到一个或多个车辆的点云集合,将所述一个或多个车辆的点云集合中包含所述定位数据的点云集合确定为所述待停车辆的点云集合。
15.根据权利要求1所述的停车控制方法,其特征在于,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析出所述待停车辆的车载定位设备采集的定位数据;
在所述点云数据中截取所述定位数据对应的位置及其周围预设长度内的区域所对应的点云数据,并对截取的点云数据聚类得到所述待停车辆的点云集合。
16.根据权利要求1所述的停车控制方法,其特征在于,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析所述待停车辆所处车道的编号;
根据所述待停车辆所处车道的编号,以及已知的各个车道与所述激光雷达的相对位置,在所述点云数据中截取所述待停车辆所处车道的点云数据;
对所述点云数据聚类得到一个或多个车辆的点云集合;
将所述一个或多个车辆的点云集合中与所述待停车辆所处车道的点云数据存在交集的点云集合确定为所述待停车辆的点云集合。
17.根据权利要求1所述的停车控制方法,其特征在于,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析所述待停车辆所处车道的编号;
根据所述待停车辆所处车道的编号,以及已知的各个车道与所述激光雷达的相对位置,在所述点云数据中截取所述待停车辆所处车道的点云数据,并对截取的点云数据聚类得到所述待停车辆的点云集合。
18.根据权利要求1所述的停车控制方法,其特征在于,对所述点云数据聚类得到所述待停车辆的点云集合,包括:
从所述消息中解析所述待停车辆的车载定位设备采集的定位数据和所述待停车辆所处车道的编号;
根据所述待停车辆所处车道的编号,以及已知的各个车道与所述激光雷达的相对位置,在所述点云数据中截取所述待停车辆所处车道的点云数据;
对所述点云数据聚类得到一个或多个车辆的点云集合,将所述一个或多个车辆的点云集合中包含所述定位数据且与所述待停车辆所处车道的点云数据存在交集的点云集合确定为所述待停车辆的点云集合。
19.根据权利要求1所述的停车控制方法,其特征在于,利用ICP算法对所述待停车辆的点云集合和车辆点云模型进行计算,包括:
确定所述待停车辆的车辆型号;
在模型库中选择与所述待停车辆的车辆型号相匹配的车辆点云模型;
利用ICP算法对所述待停车辆的点云集合和与所述待停车辆的车辆型号相匹配的车辆点云模型进行计算;其中,所述模型库包括预先利用激光雷达对在所述停车位停车的多个不同车辆型号的车辆扫描所得到的多个车辆点云模型。
20.根据权利要求19所述的停车控制方法,其特征在于,确定所述待停车辆的车辆型号,包括:从所述消息中解析出所述待停车辆的车辆型号。
21.根据权利要求19所述的停车控制方法,其特征在于,确定所述待停车辆的车辆型号,包括:从所述消息中解析出所述待停车辆的车辆标识,并根据已知的车辆标识与车辆型号的对应关系来确定所述待停车辆的车辆型号。
22.根据权利要求19所述的停车控制方法,其特征在于,还包括:
判断所述模型库中是否包含与所述待停车辆的车辆型号相匹配的车辆点云模型;
若不包含,则从所述模型库中选取一个已有的车辆点云模型确定为与所述待停车辆的车辆型号相匹配的车辆点云模型,并在所述待停车辆停止在所述停车位之后,利用所述激光雷达扫描所述待停车辆并将扫描得到的点云集合存入所述模型库中。
23.根据权利要求1所述的停车控制方法,其特征在于,所述车辆点云模型按照如下方式确定:
预先利用激光雷达扫描驶向所述停车位并最终在所述停车位停车的车辆;
将所述车辆未到达所述停车位时的点云数据转换至到达所述停车位时的点云数据所在的坐标系中;
将转换后得到的点云集合确定为所述车辆点云模型。
24.一种停车控制方法,其特征在于,包括:
发送待停车辆请求停车的消息;
接收主控器返回的停车位的标识,并控制所述待停车辆驶向所述停车位;
接收主控器返回的待停车辆的点云集合和车辆点云模型之间的旋转矩阵和平移矩阵;其中,车辆点云模型是利用预先利用激光雷达扫描在所述停车位停止的车辆得到的点云集合;
根据所述旋转矩阵和平移矩阵实时控制所述待停车辆的行驶方向和速度,以使所述待停车辆最终停止在所述停车位。
25.根据权利要求24所述的停车控制方法,其特征在于,发送待停车辆请求在停车位停车的消息,包括:通过车联万物V2X设备广播待停车辆请求在停车位停车的消息。
26.根据权利要求24所述的停车控制方法,其特征在于,所述消息中包含如下信息中的任意一项或多项:
所述待停车辆的车辆标识;
所述待停车辆的车辆型号;
所述待停车辆的车载定位设备采集的定位数据;
通信连接标识。
27.根据权利要求26所述的停车控制方法,其特征在于,所述通信连接标识包括所述车辆控制器的MAC地址、所述车辆控制器连接的车联万物V2X通信设备的MAC地址中的一种或两种。
28.根据权利要求24所述的停车控制方法,其特征在于,发送待停车辆请求停车的消息,包括:
判断所述待停车辆进入停车场之后发出所述消息;或,
接收到预设的触发信号之后发出所述消息。
29.根据权利要求24所述的停车控制方法,其特征在于,根据所述旋转矩阵和平移矩阵实时控制所述待停车辆的行驶方向和速度,包括:根据所述旋转矩阵和平移矩阵,通过控制所述待停车辆的转向系统、油门控制系统和制动系统来实时控制所述待停车辆的行驶方向和速度。
30.一种主控器,包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序,其特征在于,所述第一处理器在运行所述计算机程序时,执行权利要求1~23任一项所述的停车控制方法中的各个步骤。
31.一种车辆控制器,包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序,其特征在于,所述第二处理器在运行所述计算机程序时,执行权利要求24~29任一项所述的停车控制方法中的各个步骤。
32.一种停车控制系统,其特征在于,包括:如权利要求30所述的主控器,如权利要求33所述的车辆控制器,以及激光雷达。
33.根据权利要求32所述的停车控制系统,其特征在于,每个所述激光雷达只用于扫描一个停车位对应的预定监控区域,每个所述主控器只用于获取一个所述激光雷达扫描得到的点云数据。
34.根据权利要求32所述的停车控制系统,其特征在于,每个所述激光雷达用于扫描至少两个停车位对应的预定监控区域,每个所述主控器只用于获取一个所述激光雷达扫描得到的点云数据。
35.根据权利要求32所述的停车控制系统,其特征在于,每个所述激光雷达只用于扫描一个停车位对应的预定监控区域,每个所述主控器用于获取至少两个所述激光雷达扫描得到的点云数据。
36.根据权利要求32所述的停车控制系统,其特征在于,每个所述激光雷达用于扫描至少两个停车位对应的预定监控区域,每个所述主控器用于获取至少两个所述激光雷达扫描得到的点云数据。
37.根据权利要求32所述的停车控制系统,其特征在于,还包括:与所述主控器连接的车联万物V2X设备,以及,与所述车辆控制器连接的V2X设备。
38.根据权利要求32所述的停车控制系统,其特征在于,还包括:用于为所述主控器和/或所述激光雷达供电的供电设备。
39.一种汽车,其特征在于,所述汽车上装设有如权利要求33所述的车辆控制器。
40.根据权利要求39所述的汽车,其特征在于,所述车辆控制器连接所述汽车的转向系统、油门控制系统和制动系统。
41.根据权利要求39所述的汽车,其特征在于,所述汽车上装设有与所述车辆控制器连接的车联万物V2X设备。
42.根据权利要求39所述的汽车,其特征在于,所述汽车上装设有车载定位设备。
43.一种计算机可读的存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时实现权利要求1~23任一项所述的停车控制方法中的各个步骤。
44.一种计算机可读的存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时实现权利要求24~29任一项所述的停车控制方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310603422.7A CN116620265A (zh) | 2018-12-26 | 2018-12-26 | 一种停车控制方法、设备及系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310603422.7A CN116620265A (zh) | 2018-12-26 | 2018-12-26 | 一种停车控制方法、设备及系统 |
CN201811602310.5A CN111367252B (zh) | 2018-12-26 | 2018-12-26 | 一种停车控制方法、设备及系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811602310.5A Division CN111367252B (zh) | 2018-12-26 | 2018-12-26 | 一种停车控制方法、设备及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116620265A true CN116620265A (zh) | 2023-08-22 |
Family
ID=71206087
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310603422.7A Pending CN116620265A (zh) | 2018-12-26 | 2018-12-26 | 一种停车控制方法、设备及系统 |
CN202310597430.5A Pending CN116588083A (zh) | 2018-12-26 | 2018-12-26 | 一种停车控制方法、设备及系统 |
CN201811602310.5A Active CN111367252B (zh) | 2018-12-26 | 2018-12-26 | 一种停车控制方法、设备及系统 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310597430.5A Pending CN116588083A (zh) | 2018-12-26 | 2018-12-26 | 一种停车控制方法、设备及系统 |
CN201811602310.5A Active CN111367252B (zh) | 2018-12-26 | 2018-12-26 | 一种停车控制方法、设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN116620265A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150858B (zh) * | 2020-10-05 | 2021-12-10 | 陈军 | 一种停车场停车区域管理的方法及系统 |
CN114565648A (zh) * | 2022-02-28 | 2022-05-31 | 上海商汤临港智能科技有限公司 | 重建车位评测方法、装置、设备及存储介质 |
CN114882701B (zh) * | 2022-04-28 | 2023-01-24 | 上海高德威智能交通系统有限公司 | 车位检测方法、装置、电子设备及机器可读存储介质 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9007196B2 (en) * | 2011-12-14 | 2015-04-14 | Ford Global Technologies, Llc | Cost effective auto-actuation door check |
US9056395B1 (en) * | 2012-09-05 | 2015-06-16 | Google Inc. | Construction zone sign detection using light detection and ranging |
CN105993125B (zh) * | 2014-02-25 | 2019-07-23 | 日立汽车系统株式会社 | 马达控制系统及马达控制方法 |
US9476730B2 (en) * | 2014-03-18 | 2016-10-25 | Sri International | Real-time system for multi-modal 3D geospatial mapping, object recognition, scene annotation and analytics |
US9773413B1 (en) * | 2014-09-16 | 2017-09-26 | Knighscope, Inc. | Autonomous parking monitor |
CN106054208B (zh) * | 2016-08-16 | 2019-02-19 | 长春理工大学 | 多线激光雷达车辆目标识别方法和汽车的防撞装置 |
CN106371104A (zh) * | 2016-08-16 | 2017-02-01 | 长春理工大学 | 多线点云数据机器学习的车辆目标识别方法及防撞装置 |
CN106291506A (zh) * | 2016-08-16 | 2017-01-04 | 长春理工大学 | 基于单线点云数据机器学习的车辆目标识别方法及装置 |
CN106448254B (zh) * | 2016-12-05 | 2020-04-21 | 深圳市金溢科技股份有限公司 | V2x车联网系统、车载终端、服务端以及车位检测方法 |
KR102056147B1 (ko) * | 2016-12-09 | 2019-12-17 | (주)엠아이테크 | 자율주행차량을 위한 거리 데이터와 3차원 스캔 데이터의 정합 방법 및 그 장치 |
CN106781670A (zh) * | 2016-12-30 | 2017-05-31 | 华勤通讯技术有限公司 | 一种停车位的选取方法和装置 |
CN108733020B (zh) * | 2017-04-19 | 2021-10-01 | 奥迪股份公司 | 用于车辆的远程控制设备和方法 |
CN107015238A (zh) * | 2017-04-27 | 2017-08-04 | 睿舆自动化(上海)有限公司 | 基于三维激光雷达的无人车自主定位方法 |
US11118932B2 (en) * | 2017-04-27 | 2021-09-14 | International Business Machines Corporation | Finding available parking spaces using cognitive algorithms |
US10423162B2 (en) * | 2017-05-08 | 2019-09-24 | Nio Usa, Inc. | Autonomous vehicle logic to identify permissioned parking relative to multiple classes of restricted parking |
US10365650B2 (en) * | 2017-05-25 | 2019-07-30 | GM Global Technology Operations LLC | Methods and systems for moving object velocity determination |
CN107807633A (zh) * | 2017-09-27 | 2018-03-16 | 北京图森未来科技有限公司 | 一种路侧设备、车载设备以及自动驾驶感知方法及系统 |
CN108492615A (zh) * | 2018-04-10 | 2018-09-04 | 深圳市零度智控科技有限公司 | 智能路边停车系统、实现方法及互联网网关、存储介质 |
CN108873865A (zh) * | 2018-07-06 | 2018-11-23 | 杭州和利时自动化有限公司 | 一种智能驾驶的网络控制方法、系统、车载控制器及汽车 |
CN108986450B (zh) * | 2018-07-25 | 2024-01-16 | 北京万集科技股份有限公司 | 车辆环境感知方法、终端及系统 |
-
2018
- 2018-12-26 CN CN202310603422.7A patent/CN116620265A/zh active Pending
- 2018-12-26 CN CN202310597430.5A patent/CN116588083A/zh active Pending
- 2018-12-26 CN CN201811602310.5A patent/CN111367252B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116588083A (zh) | 2023-08-15 |
CN111367252B (zh) | 2024-02-06 |
CN111367252A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12043248B2 (en) | Precise truck parking method, device, and system in quayside container crane area | |
EP4029764B1 (en) | Automatic parking method, parking system, computer device, and storage medium | |
CN111367252B (zh) | 一种停车控制方法、设备及系统 | |
US10023231B2 (en) | Parking autonomous vehicles | |
CN107895504B (zh) | 室内停车场车位引导系统及其地图重构方法 | |
US20200363533A1 (en) | Sensor field of view mapping | |
CN112233443A (zh) | 一种基于agv的无人停车场自动泊车管理系统 | |
US11016175B2 (en) | Transportation infrastructure communication and control | |
CN113375678B (zh) | 一种行车路径规划方法、管理服务器及停车管理系统 | |
US10197412B2 (en) | Electric vehicle charging | |
US20190016583A1 (en) | Vehicle platoon refueling | |
CN110942665A (zh) | 一种车辆的定位方法、车载设备及存储介质 | |
CN109596138A (zh) | 自动驾驶充电车停车路径规划方法及系统 | |
CN110874944B (zh) | 一种停车控制方法、停车服务器、车辆控制器和车辆 | |
CN111368604B (zh) | 一种停车控制方法、设备及系统 | |
EP4294690A1 (en) | Indoor localization of autonomous vehicles | |
US20240075959A1 (en) | Yellow light durations for autonomous vehicles | |
CN116279437B (zh) | 用于记忆泊车的控制系统、车辆及控制方法 | |
US11810458B2 (en) | Parking lot management system, parking lot management method, and storage medium | |
US20210048533A1 (en) | Localizing a moving object | |
KR102700943B1 (ko) | 자율 주행 자동차에게 목적지 정보를 제공함으로써 가이던스하여 충전을 수행하도록 지원하는 방법과 이를 이용한 컴퓨팅 장치 | |
US20220017116A1 (en) | Service area maps for autonomous vehicles | |
US20230059486A1 (en) | Exploiting a non-transmission-designated interval in a cycle of a protocol | |
US20200393250A1 (en) | Enhanced route planning | |
CN116499770A (zh) | 车辆检测方法、车辆、电子设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |