CN116643252A - 一种车辆充电接口的定位方法、装置和存储介质 - Google Patents
一种车辆充电接口的定位方法、装置和存储介质 Download PDFInfo
- Publication number
- CN116643252A CN116643252A CN202310622174.0A CN202310622174A CN116643252A CN 116643252 A CN116643252 A CN 116643252A CN 202310622174 A CN202310622174 A CN 202310622174A CN 116643252 A CN116643252 A CN 116643252A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud model
- vehicle
- standard point
- target
- 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 52
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013145 classification model Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/30—Constructional details of charging stations
- B60L53/35—Means for automatic or assisted adjustment of the relative position of charging devices and vehicles
- B60L53/36—Means for automatic or assisted adjustment of the relative position of charging devices and vehicles by positioning the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/30—Constructional details of charging stations
- B60L53/35—Means for automatic or assisted adjustment of the relative position of charging devices and vehicles
- B60L53/37—Means for automatic or assisted adjustment of the relative position of charging devices and vehicles using optical position determination, e.g. using cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- 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
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种车辆充电接口的定位方法、装置和存储介质,涉及充电技术领域,该方法包括:通过激光雷达获取目标车辆的实际点云模型;实际点云模型包括车辆点云模型;将车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;其中,标准点云模型包括充电接口位置;根据目标标准点云模型、实际点云模型以及目标标准点云模型的充电接口位置,获取目标车辆的实际充电接口位置。本发明实施例的技术方案,不但实现了车辆充电接口的自动定位,节省了定位操作所需的人力成本,而且在不安装任何摄像头的情况下,实现了充电机器人针对任意充电区域中充电接口的定位操作,极大地扩展了目标车辆的可停靠区域。
Description
技术领域
本发明涉及充电技术领域,尤其涉及一种车辆充电接口的定位方法、装置和存储介质。
背景技术
随着新能源汽车行业的迅速发展,自动充电机器人也成为了一个热门的前沿领域,而对新能源汽车的充电接口位置的准确识别,则是自动充电机器人执行自动充电操作的必要前提。
现有的充电机器人,通常仅具备基础的移动能力,仅能自主移动至待充电车辆附近,进而由车主或者工作人员确定充电接口的位置,并手动执行充电枪的插拔操作,或者在指定的充电区域安装不同方位下的多个摄像头,充电机器人通过获取上述多个摄像头拍摄的监测图像,确定车辆的充电接口所在位置。
然而,人工执行充电接口的定位方式,需要耗费较高的人力成本,无法实现充电接口的自动识别;而基于充电区域摄像头的定位方式,不但需要耗费较高的硬件成本,而且仅能针对特定的充电区域,无法适用于更广泛的停车区域。
发明内容
本发明提供了一种车辆充电接口的定位方法、装置、电子设备及存储介质,以解决充电机器人无法定位车辆充电接口的问题。
根据本发明的一方面,提供了一种车辆充电接口的定位方法,包括:
通过激光雷达获取目标车辆的实际点云模型;其中,所述实际点云模型包括车辆点云模型;
将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;其中,所述标准点云模型包括充电接口位置;
根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置。
所述车辆点云模型包括车头点云模型;所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体包括:将所述车头点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;所述根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置,具体包括:根据所述目标标准点云模型和所述车头点云模型,获取所述目标车辆的车体点云模型;根据所述目标标准点云模型的充电接口位置和所述车体点云模型,获取所述目标车辆的实际充电接口位置。由此当目标车辆停留在较为狭窄的区域,无法获取完整的车体信息时,依然可以基于上述车头点云模型实现充电接口的位置获取,极大地扩展了充电机器人的适用范围,同时相比于获取车体点云模型,仅获取车头点云模型也提高了信息获取效率,进而提高了目标车辆充电接口位置的获取效率。
所述将所述车头点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体包括:根据所述车头点云模型,获取所述目标车辆的预测车体点云模型;将所述预测车体点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。由此不但增加了目标车辆的车体数据量,而且避免了车头损伤等异常状况导致车辆比对结果存在较大误差,极大地提高了目标标准点云模型的获取准确性。
所述实际点云模型还包括车位点云模型;所述根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置,具体还包括:根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取目标车辆的充电接口在当前车位中的相对位置。由于车位区域始终以固定位置和固定姿态存在,获取到充电接口相对车位的位置信息后,充电机器人可以基于车位所在位置实现充电接口的快速定位,进一步提高了充电机器人的定位效率。
所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,还包括:通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像;若确定所述车辆点云模型是轮廓形变图像,对所述车辆点云模型进行补偿,并将补偿后的车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;若确定所述车辆点云模型不是轮廓形变图像,将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。由此通过对轮廓形变现象的识别以及轮廓形变区域的补偿,确保了获取到的车辆点云模型的准确性,避免了目标标准点云模型的误匹配,提高了获取到的充电接口位置的准确性。
所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体还包括:将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,依次获取相似度数值最高的第一相似度和第二相似度;若确定所述第一相似度与所述第二相似度的差值大于等于预设差值阈值,则将所述第一相似度对应的第一标准点云模型,作为目标标准点云模型;以提高目标标准点云模型的获取效率。所述通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像,具体包括:若确定所述第一相似度与所述第二相似度的差值小于预设差值阈值,通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像;以提高获取到的目标标准点云模型的准确性。
在将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型之前,还包括:通过后台服务器或者前端摄像组件,获取所述目标车辆的车型标识;根据所述目标车辆的车型标识,在标准点云模型集中获取匹配的第二标准点云模型,并将所述车辆点云模型与所述第二标准点云模型进行比对;以进一步提高目标标准点云模型的获取效率;若确定所述车辆点云模型与所述第二标准点云模型的相似度,大于等于预设相似阈值,将所述第二标准点云模型作为目标标准点云模型;所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体包括:若确定所述车辆点云模型与所述第二标准点云模型的相似度,小于预设相似阈值,将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;以进一步提高目标标准点云模型的获取准确性。
根据本发明的另一方面,提供了一种车辆充电接口的定位装置,包括:
实际点云模型获取模块,用于通过激光雷达获取目标车辆的实际点云模型;其中,所述实际点云模型包括车辆点云模型;
点云模型比对执行模块,用于将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;其中,所述标准点云模型包括充电接口位置;
充电接口位置获取模块,用于根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的车辆充电接口的定位方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的车辆充电接口的定位方法。
本发明实施例的技术方案,通过激光雷达获取目标车辆的实际点云模型,并将车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,进而根据目标标准点云模型、实际点云模型以及目标标准点云模型的充电接口位置,获取目标车辆的实际充电接口位置,由此不但实现了车辆充电接口的自动定位,节省了定位操作所需的人力成本,而且在不安装任何摄像头的情况下,实现了充电机器人针对任意充电区域中充电接口的定位操作,极大地扩展了目标车辆的可停靠区域。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种车辆充电接口的定位方法的流程图;
图2是根据本发明实施例二提供的一种车辆充电接口的定位方法的流程图;
图3是根据本发明实施例三提供的一种车辆充电接口的定位方法的流程图;
图4是根据本发明实施例四提供的一种车辆充电接口的定位装置的结构示意图;
图5是实现本发明实施例的车辆充电接口的定位方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种车辆充电接口的定位方法的流程图,本实施例可适用于获取待充电车辆的充电接口位置,该方法可以由车辆充电接口的定位装置来执行,该车辆充电接口的定位装置可以采用硬件和/或软件的形式实现,该车辆充电接口的定位装置配置于电子设备中。如图1所示,该方法包括:
S101、通过激光雷达获取目标车辆的实际点云模型;其中,所述实际点云模型包括车辆点云模型。
本发明实施例中用于定位车辆充电接口的电子设备,可以是位于固定位置,且与自动充电机器人保持通信连接的终端设备,该电子设备借助激光雷达获取目标车辆的点云数据,并在获取到目标车辆的实际充电接口位置之后,将该位置发送给自动充电机器人;该电子设备也可以是自动充电机器人本身,即自动充电机器人在指定区域中移动时,借助自身具备的激光雷达,获取目标车辆的点云数据;其中,激光雷达(Laser Radar),是以发射激光光束探测目标的位置、速度等特征量的雷达系统。
点云数据,即通过激光雷达获取到的点数据集合,其表示了一个三维坐标系中一组向量的集合,具体包括基于激光雷达获取到目标车辆的位置信息以及反射强度信息等;点云模型也即由各个点云数据组成的聚合图像,用于表示点云数据聚合后形成的目标车辆的轮廓信息,因此,车辆点云模型即为当前待执行充电操作的目标车辆的轮廓信息。
如上述技术方案所述,如果目标车辆停留在较为宽阔的区域,例如,车辆四周既不存在障碍物,也不存在其它车辆,充电机器人根据预先设定的移动轨迹,围绕目标车辆移动一周,并实时记录通过激光雷达获取到的点云数据,此时充电机器人获取到的点云数据可以覆盖车辆的全部车体,也即此时获取到的车辆点云模型可以是车体点云模型。
S102、将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;其中,所述标准点云模型包括充电接口位置。
标准点云模型集中包括了多种车型的标准点云模型,而每个标准点云模型不但包括完整的车体轮廓信息,还标注了充电接口所在的位置,该位置实际上也是充电接口在车体轮廓中的相对位置;如上述技术方案所述,如果目标车辆停留在较为宽阔的区域,车辆点云模型即为目标车辆的车体点云模型,此时将车体点云模型与各个标准点云模型直接进行轮廓比对,以获取车体点云模型与各个标准点云模型的相似度,并将相似度最高的标准点云模型作为目标标准点云模型。
S103、根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置。
根据实际点云模型的位置和姿态,将目标标准点云模型进行姿态旋转,以及尺寸信息的等比例扩展或缩小,以使目标标准点云模型与实际点云模型重合,而目标标准点云模型中的充电接口位置为已知数据,而充电接口显然会随着目标标准点云模型的旋转而旋转,也会伴随着目标标准点云模型的尺寸信息的等比例扩展或缩小而改变,那么旋转后的充电接口位置,即为目标车辆的实际充电接口位置。
可选的,在本发明实例中,所述车辆点云模型包括车头点云模型;所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体包括:将所述车头点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;所述根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置,具体包括:根据所述目标标准点云模型和所述车头点云模型,获取所述目标车辆的车体点云模型;根据所述目标标准点云模型的充电接口位置和所述车体点云模型,获取所述目标车辆的实际充电接口位置。
具体的,如果目标车辆停留在较为狭窄的区域,例如,目标车辆的车身两侧和车尾存在障碍物,或者目标停留在一排连续车位的中间车位区域,车身两侧的车位中停放有其它车辆,那么此时充电机器人并不具备围绕目标车辆移动一周的移动空间;此时,充电机器人只能从车头前方经过;例如,充电机器人从车头右前方45度方向的位置移动至车头左前方45度方向的位置,相应的,充电机器人此时获取到的点云数据,仅能覆盖车头区域的点云数据,此时车辆点云模型实际上为车头点云模型。
由于通过激光雷达仅获取到车头点云模型,因此,在将车辆点云模型与标准点云模型进行比对时,也是将车头点云模型与各个标准点云模型进行匹配,根据车头点云模型与各个标准点云模型的重合程度,将重合度最高的标准点云模型作为目标标注点云模型;进而根据车头点云模型所在的位置和姿态,使用目标标准点云模型替换该车头点云模型,由此获取到目标车辆完整的车体轮廓和车体姿态,同时根据充电接口在目标标准点云模型中的位置,即可获取到目标车辆的充电接口的实际位置,由此当目标车辆停留在较为狭窄的区域,无法获取完整的车体信息时,依然可以基于上述车头点云模型实现充电接口的位置获取,极大地扩展了充电机器人的适用范围,同时相比于获取车体点云模型,仅获取车头点云模型也提高了信息获取效率,进而提高了目标车辆充电接口位置的获取效率。
可选的,在本发明实例中,所述将所述车头点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体包括:根据所述车头点云模型,获取所述目标车辆的预测车体点云模型;将所述预测车体点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
具体的,如上述技术方案所述,由于目标车辆所在的区域狭窄,充电机器人仅能获取到目标车辆车头部分的数据,而仅基于车头部分数据与标准点云模型进行比对时,不但有效数据较少,而且一旦车头部分存在损伤等异常状况,更会极大地影响比对结果;因此,可以基于数模联想或者数模衍生功能(例如,通过已有的数模处理软件执行上述数模联想或者数模衍生操作),基于获取到的车头点云模型,衍生出完整的车体点云模型,即获取到预测车体点云模型,进而基于预测车体点云模型与各个标准点云模型的比对,获取目标标准点云模型;由此不但增加了目标车辆的车体数据量,而且避免了车头损伤等异常状况导致车辆比对结果存在较大误差,极大地提高了目标标准点云模型的获取准确性。
可选的,在本发明实例中,所述实际点云模型还包括车位点云模型;所述根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置,具体还包括:根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取目标车辆的充电接口在当前车位中的相对位置。
具体的,在获取目标车辆的实际点云模型时,不但可以获取到车辆点云模型,还可以同时获取到车位点云模型,进而可以获取车辆点云模型与车位点云模型的相对位置,如上述技术方案所述,充电接口相对于车辆点云模型的相对位置也已获知,那么由此即可获取充电接口相对于车位点云模型的位置,即获取到目标车辆的充电接口在当前车位中的相对位置;由于车位区域始终以固定位置和固定姿态存在,获取到充电接口相对车位的位置信息后,充电机器人可以基于车位所在位置实现充电接口的快速定位,进一步提高了充电机器人的定位效率。
本发明实施例的技术方案,通过激光雷达获取目标车辆的实际点云模型,并将车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,进而根据目标标准点云模型、实际点云模型以及目标标准点云模型的充电接口位置,获取目标车辆的实际充电接口位置,由此不但实现了车辆充电接口的自动定位,节省了定位操作所需的人力成本,而且在不安装任何摄像头的情况下,实现了充电机器人针对任意充电区域中充电接口的定位操作,极大地扩展了目标车辆的可停靠区域。
特别的,本发明实施例公开的车辆充电接口的定位方法,还可以用于对车辆的车轮、车灯和车窗等功能组件的定位,例如,若标准点云模型包括车轮、车灯和车窗等功能组件的位置信息,还可以根据目标标准点云模型、实际点云模型以及目标标准点云模型的上述功能组件位置,获取上述功能组件的实际位置;在本发明实施例中,对车辆类型及功能组件类型均不作具体限定。
实施例二
图2为本发明实施例二提供的一种车辆充电接口的定位方法的流程图,本实施例与上述实施例之间的关系在于,在获取目标车辆的车辆点云模型之后,继续判断该车辆点云模型中是否存在轮廓形变现象。如图2所示,该方法包括:
S201、通过激光雷达获取目标车辆的实际点云模型;其中,所述实际点云模型包括车辆点云模型。
S202、通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像;若否,执行S203;若是,执行S204。
图像分类模型,是基于样本图像预先训练完成的分类模型,其作用在于针对输入的图像信息,进行图像特征的提取并获取特征向量,然后根据获取到的特征向量输出对应的图像分类概率,其中图像分类概率表示了输入的图像信息为正样本(即轮廓形变图像)或负样本(即轮廓未形变图像)的概率,进而根据该图像分类概率进行分类(即二值分类),确定输入的图像是否为轮廓形变图像,并标注轮廓变形区域。
S203、将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;执行S205。
如果确定车辆点云模型不是轮廓形变图像,直接将车辆点云模型与标准点云模型集中的各个标准点云模型进行比对即可。
S204、对所述车辆点云模型进行补偿,并将补偿后的车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
当车辆点云模型存在轮廓形变现象时,如果直接将车辆点云模型与各个标准点云模型进行比对,极易出现误匹配现象;例如,当前目标车辆为车型A,但车型A由于驾驶时的碰撞,导致保险杠出现倾斜,前盖也出现凹陷,即车辆的整体轮廓出现了形变现象;此时如果基于当前获取到的车辆点云模型,在标准点云模型集中进行比对,可能与车型B的标准点云模型的相似度较高,与车型A本身的标准点云模型的相似度较低,由此会出现目标车辆的车型误匹配现象,即获取到错误的目标标准点云模型。
基于上述原因,在确定目标车辆的车辆点云模型存在轮廓形变时,可以对该车辆点云模型进行补偿,例如,若保险杠的弯曲角度大于预设角度阈值,则将保险杠进行拉直处理;若车辆表面存在凹陷深度大于预设深度阈值的凹陷时,对车体表面的凹陷进行凸起补偿;由此通过对轮廓形变现象的识别以及轮廓形变区域的补偿,确保了获取到的车辆点云模型的准确性,避免了目标标准点云模型的误匹配,提高了获取到的充电接口位置的准确性。
可选的,在本发明实例中,所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体还包括:将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,依次获取相似度数值最高的第一相似度和第二相似度;若确定所述第一相似度与所述第二相似度的差值大于等于预设差值阈值,则将所述第一相似度对应的第一标准点云模型,作为目标标准点云模型;所述通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像,具体包括:若确定所述第一相似度与所述第二相似度的差值小于预设差值阈值,通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像。
具体的,当目标车辆存在轻微损伤时,对于车体轮廓的影响往往较小,即不会较大幅度的改变车体的实际轮廓,也即将车辆点云模型与标准点云模型进行比对时,并不会较大幅度的提升或降低相似度比对数值;因此,将车辆点云模型与标准点云模型集中的各个标准点云模型进行比对时,获取相似度最高的两个标准点云模型,并分别获取车辆点云模型与上述两个标准点云模型的相似度数值,即第一相似度和第二相似度,如果上述两个相似度数值的差值较大,其表示目标车辆的轻微损伤即使对车体轮廓产生影响,但并不足以改变目标车辆与第一标准点云模型的高相似度,此时可将第一相似度对应的第一标准点云模型,作为目标标准点云模型,以提高目标标准点云模型的获取效率。
如果上述两个相似度数值的差值较小,表示目标车辆的轻微损伤对车体轮廓产生的影响,可能改变了目标车辆与各个标准点云模型的相似度比对结果,此时需要通过预训练完成的图像分类模型,继续判断所述车辆点云模型是否为轮廓形变图像,并执行后续的补偿操作,以提高获取到的目标标准点云模型的准确性。
S205、根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置。
本发明实施例的技术方案,通过预训练完成的图像分类模型,若确定车辆点云模型是轮廓形变图像,对车辆点云模型进行补偿,并将补偿后的车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,由此通过对轮廓形变现象的识别以及轮廓形变区域的补偿,确保了获取到的车辆点云模型的准确性,避免了目标标准点云模型的误匹配,提高了获取到的充电接口位置的准确性。
实施例三
图3为本发明实施例三提供的一种车辆充电接口的定位方法的流程图,本实施例与上述实施例之间的关系在于,借助后台服务器或者前端摄像组件,获取目标标准点云模型。如图3所示,该方法包括:
S301、通过激光雷达获取目标车辆的实际点云模型;其中,所述实际点云模型包括车辆点云模型。
S302、通过后台服务器或者前端摄像组件,获取所述目标车辆的车型标识。
用户可以借助手机或者现场设备,通过与充电机器人匹配的应用程序(Application,APP)向后台服务器发出车型标识的选择结果,后台服务器再将车型标识发送给充电机器人,或者充电机器人通过自身具备的前端摄像组件通过对车标及车头的图像拍摄及图像识别,确定目标车辆的车型。
S303、根据所述目标车辆的车型标识,在标准点云模型集中获取匹配的第二标准点云模型,并将所述车辆点云模型与所述第二标准点云模型进行比对。
在获取到目标车辆的车型之后,将目标车辆的车辆点云模型与该目标车辆的标准点云模型进行比对。
S304、若确定所述车辆点云模型与所述第二标准点云模型的相似度,大于等于预设相似阈值,将所述第二标准点云模型作为目标标准点云模型。
如果目标车辆的当前车辆点云模型与该目标车辆的标准点云模型的相似度较高,例如,预设相似阈值设定为100%,则可确定当前目标车辆的车型标识获取准确。
S305、若确定所述车辆点云模型与所述第二标准点云模型的相似度,小于预设相似阈值,将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
如果目标车辆的当前车辆点云模型与该目标车辆的标准点云模型的相似度较低,则可确定当前目标车辆的车型标识获取存在异常,例如,用户在应用程序中的车型标识选择有误;车标或车头结构存在损坏,导致充电机器人识别后获取到错误的目标标准点云模型;此时,将目标车辆的车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以通过相似度匹配的方式重新获取目标标准点云模型。
S306、根据目标标准点云模型、实际点云模型以及目标标准点云模型的充电接口位置,获取目标车辆的实际充电接口位置。
本发明实施例的技术方案,通过后台服务器或者前端摄像组件,获取到目标车辆的车型标识之后,如果目标车辆的车辆点云模型与对应的标准点云模型的相似度较高,可以直接将该标准点云模型作为目标车辆的目标标准点云模型,以提高目标标准点云模型的获取效率,如果目标车辆的车辆点云模型与对应的标准点云模型的相似度较低,则继续将车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,已通过相似度比较结果确定目标标准点云模型,提高了目标标准点云模型的获取准确性。
实施例四
图4是本发明实施例四所提供的一种车辆充电接口的定位装置的结构框图,该装置具体包括:
实际点云模型获取模块401,用于通过激光雷达获取目标车辆的实际点云模型;其中,所述实际点云模型包括车辆点云模型;
点云模型比对执行模块402,用于将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;其中,所述标准点云模型包括充电接口位置;
充电接口位置获取模块403,用于根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置。
本发明实施例的技术方案,通过激光雷达获取目标车辆的实际点云模型,并将车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,进而根据目标标准点云模型、实际点云模型以及目标标准点云模型的充电接口位置,获取目标车辆的实际充电接口位置,由此不但实现了车辆充电接口的自动定位,节省了定位操作所需的人力成本,而且在不安装任何摄像头的情况下,实现了充电机器人针对任意充电区域中充电接口的定位操作,极大地扩展了目标车辆的可停靠区域。
可选的,所述车辆点云模型包括车头点云模型;点云模型比对执行模块402,具体用于将所述车头点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
充电接口位置获取模块403,具体用于根据所述目标标准点云模型和所述车头点云模型,获取所述目标车辆的车体点云模型;根据所述目标标准点云模型的充电接口位置和所述车体点云模型,获取所述目标车辆的实际充电接口位置。
可选的,点云模型比对执行模块402,具体用于根据所述车头点云模型,获取所述目标车辆的预测车体点云模型;将所述预测车体点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
可选的,所述实际点云模型还包括车位点云模型;充电接口位置获取模块403,具体用于根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取目标车辆的充电接口在当前车位中的相对位置。
可选的,点云模型比对执行模块402,具体用于通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像;若确定所述车辆点云模型是轮廓形变图像,对所述车辆点云模型进行补偿,并将补偿后的车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;若确定所述车辆点云模型不是轮廓形变图像,将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
可选的,点云模型比对执行模块402,具体用于将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,依次获取相似度数值最高的第一相似度和第二相似度;若确定所述第一相似度与所述第二相似度的差值大于等于预设差值阈值,则将所述第一相似度对应的第一标准点云模型,作为目标标准点云模型;若确定所述第一相似度与所述第二相似度的差值小于预设差值阈值,通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像。
可选的,点云模型比对执行模块402,具体用于通过后台服务器或者前端摄像组件,获取所述目标车辆的车型标识;根据所述目标车辆的车型标识,在标准点云模型集中获取匹配的第二标准点云模型,并将所述车辆点云模型与所述第二标准点云模型进行比对;若确定所述车辆点云模型与所述第二标准点云模型的相似度,大于等于预设相似阈值,将所述第二标准点云模型作为目标标准点云模型;若确定所述车辆点云模型与所述第二标准点云模型的相似度,小于预设相似阈值,将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
上述装置可执行本发明任意实施例所提供的车辆充电接口的定位方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的车辆充电接口的定位方法。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如车辆充电接口的定位方法。
在一些实施例中,车辆充电接口的定位方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元。在一些实施例中,计算机程序的部分或者全部可以经由ROM和/或通信单元而被载入和/或安装到异构硬件加速器上。当计算机程序加载到RAM并由处理器执行时,可以执行上文描述的车辆充电接口的定位方法的一个或多个步骤。备选地,在其他实施例中,处理器可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车辆充电接口的定位方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在异构硬件加速器上实施此处描述的系统和技术,该异构硬件加速器具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给异构硬件加速器。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种车辆充电接口的定位方法,其特征在于,包括:
通过激光雷达获取目标车辆的实际点云模型;其中,所述实际点云模型包括车辆点云模型;
将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;其中,所述标准点云模型包括充电接口位置;
根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置。
2.根据权利要求1所述的方法,其特征在于,所述车辆点云模型包括车头点云模型;
所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体包括:
将所述车头点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;
所述根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置,具体包括:
根据所述目标标准点云模型和所述车头点云模型,获取所述目标车辆的车体点云模型;
根据所述目标标准点云模型的充电接口位置和所述车体点云模型,获取所述目标车辆的实际充电接口位置。
3.根据权利要求2所述的方法,其特征在于,所述将所述车头点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体包括:
根据所述车头点云模型,获取所述目标车辆的预测车体点云模型;
将所述预测车体点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
4.根据权利要求1所述的方法,其特征在于,所述实际点云模型还包括车位点云模型;
所述根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置,具体还包括:
根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取目标车辆的充电接口在当前车位中的相对位置。
5.根据权利要求1所述的方法,其特征在于,所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,还包括:
通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像;
若确定所述车辆点云模型是轮廓形变图像,对所述车辆点云模型进行补偿,并将补偿后的车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;
若确定所述车辆点云模型不是轮廓形变图像,将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
6.根据权利要求5所述的方法,其特征在于,所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体还包括:
将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,依次获取相似度数值最高的第一相似度和第二相似度;
若确定所述第一相似度与所述第二相似度的差值大于等于预设差值阈值,则将所述第一相似度对应的第一标准点云模型,作为目标标准点云模型;
所述通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像,具体包括:
若确定所述第一相似度与所述第二相似度的差值小于预设差值阈值,通过预训练完成的图像分类模型,判断所述车辆点云模型是否为轮廓形变图像。
7.根据权利要求1所述的方法,其特征在于,在将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型之前,还包括:
通过后台服务器或者前端摄像组件,获取所述目标车辆的车型标识;
根据所述目标车辆的车型标识,在标准点云模型集中获取匹配的第二标准点云模型,并将所述车辆点云模型与所述第二标准点云模型进行比对;
若确定所述车辆点云模型与所述第二标准点云模型的相似度,大于等于预设相似阈值,将所述第二标准点云模型作为目标标准点云模型;
所述将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型,具体包括:
若确定所述车辆点云模型与所述第二标准点云模型的相似度,小于预设相似阈值,将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型。
8.一种车辆充电接口的定位装置,其特征在于,包括:
实际点云模型获取模块,用于通过激光雷达获取目标车辆的实际点云模型;其中,所述实际点云模型包括车辆点云模型;
点云模型比对执行模块,用于将所述车辆点云模型与标准点云模型集中的各个标准点云模型进行比对,以获取匹配的目标标准点云模型;其中,所述标准点云模型包括充电接口位置;
充电接口位置获取模块,用于根据所述目标标准点云模型、所述实际点云模型以及所述目标标准点云模型的充电接口位置,获取所述目标车辆的实际充电接口位置。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的车辆充电接口的定位方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的车辆充电接口的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310622174.0A CN116643252A (zh) | 2023-05-29 | 2023-05-29 | 一种车辆充电接口的定位方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310622174.0A CN116643252A (zh) | 2023-05-29 | 2023-05-29 | 一种车辆充电接口的定位方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116643252A true CN116643252A (zh) | 2023-08-25 |
Family
ID=87639467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310622174.0A Pending CN116643252A (zh) | 2023-05-29 | 2023-05-29 | 一种车辆充电接口的定位方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116643252A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117671329A (zh) * | 2023-11-14 | 2024-03-08 | 平安科技(上海)有限公司 | 基于人工智能的车辆损伤分析方法、装置、设备及介质 |
-
2023
- 2023-05-29 CN CN202310622174.0A patent/CN116643252A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117671329A (zh) * | 2023-11-14 | 2024-03-08 | 平安科技(上海)有限公司 | 基于人工智能的车辆损伤分析方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3350746A1 (en) | Systems and methods for non-obstacle area detection | |
CN113392794B (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
WO2020125138A1 (zh) | 一种物体碰撞预测方法及装置 | |
WO2020107326A1 (zh) | 车道线检测方法、设备、计算机可读存储介质 | |
CN116643252A (zh) | 一种车辆充电接口的定位方法、装置和存储介质 | |
US20190331767A1 (en) | Charging station identifying method, device, and robot | |
CN112683228A (zh) | 单目相机测距方法及装置 | |
CN111723724A (zh) | 一种路面障碍物识别方法和相关装置 | |
CN113378969A (zh) | 一种目标检测结果的融合方法、装置、设备及介质 | |
CN109118494B (zh) | 一种基于凹点匹配的重叠区域分割方法及装置 | |
CN114359865A (zh) | 一种障碍物的检测方法及相关装置 | |
CN111709377B (zh) | 特征提取方法、目标重识别方法、装置及电子设备 | |
WO2024007972A1 (zh) | 物体关联方法、计算机设备、计算机可读存储介质及车辆 | |
CN116990768A (zh) | 预测航迹处理方法、装置、电子设备及可读介质 | |
CN112163521A (zh) | 一种车辆行驶行为的识别方法、装置及设备 | |
CN115728772A (zh) | 激光扫描点的类别检测方法、装置及终端设备 | |
CN116447972A (zh) | 一种整车零部件的尺寸参数检测方法、装置和存储介质 | |
CN116469073A (zh) | 目标识别方法、装置、电子设备、介质及自动驾驶车辆 | |
CN114333409B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN115657076A (zh) | 一种基于固态激光雷达语义融合的定位方法 | |
CN112513879B (zh) | 一种车辆姿态识别方法及相关设备 | |
CN114219907B (zh) | 三维地图生成方法、装置、设备以及存储介质 | |
CN115871492B (zh) | 一种充电设备控制方法、装置、设备及存储介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
Chang et al. | Real-time vehicle detection and tracking algorithm for forward vehicle collision warning |
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 |