CN116653931B - 车辆泊车控制方法、装置、电子设备和计算机可读介质 - Google Patents
车辆泊车控制方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116653931B CN116653931B CN202310954419.XA CN202310954419A CN116653931B CN 116653931 B CN116653931 B CN 116653931B CN 202310954419 A CN202310954419 A CN 202310954419A CN 116653931 B CN116653931 B CN 116653931B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- track
- planning
- error value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims description 32
- 238000012937 correction Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开的实施例公开了车辆泊车控制方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像;对停车场图像进行场景识别,得到识别后场景信息;基于场景信息,生成车辆泊车规划轨迹,其中,车辆泊车规划轨迹包括车辆规划坐标序列,车辆规划坐标序列中的每个车辆规划坐标对应一个时间点;确定定位坐标与车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值;基于横向误差值,对车辆泊车规划轨迹进行修正,得到修正后泊车轨迹;将修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。该实施方式可以更加准确地进行车辆泊车控制。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及车辆泊车控制方法、装置、电子设备和计算机可读介质。
背景技术
高阶自动泊车技术运用车端、停车场端和高精地图端“三端合一”的技术方案,使无人驾驶的泊车全过程更加安全可靠。驾驶员仅需在固定点交接车辆,即可实现车辆自主寻找车位、停车入库、取车等代客泊车功能,同时支持地下、夜晚、雨雪天气等复杂停车场景下的智能代客泊车。目前,在进行车辆泊车控制时,通常采用的方式为:在高精地图中以定位坐标为起点,规划车辆泊车路径。
然而,发明人发现,当采用上述方式进行车辆泊车控制时,经常会存在如下技术问题:
由于存在高精地图未覆盖的停车场的情况,导致自动泊车功能对当前车辆在高精地图中的定位以及规划路径与车辆实际位置坐标之间存在偏差,从而,导致生成的车辆泊车规划路径与车辆实际位置不符,进而,导致难以更加准确地进行车辆泊车控制。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了车辆泊车控制方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种车辆泊车控制方法,该方法包括:响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像;对上述停车场图像进行场景识别,得到识别后场景信息;基于上述场景信息,生成车辆泊车规划轨迹,其中,上述车辆泊车规划轨迹包括车辆规划坐标序列,车辆规划坐标序列中的每个车辆规划坐标对应一个时间点;确定上述定位坐标与上述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值;基于上述横向误差值,对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹;将上述修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。
第二方面,本公开的一些实施例提供了一种车辆泊车控制装置,该装置包括:获取单元,被配置成响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像;场景识别单元,被配置成对上述停车场图像进行场景识别,得到识别后场景信息;轨迹生成单元,被配置成基于上述场景信息,生成车辆泊车规划轨迹,其中,上述车辆泊车规划轨迹包括车辆规划坐标序列,车辆规划坐标序列中的每个车辆规划坐标对应一个时间点;确定单元,被配置成确定上述定位坐标与上述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值;修正单元,被配置成基于上述横向误差值,对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹;发送以及控制单元,被配置成将上述修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车辆泊车控制方法,可以更加准确地进行车辆泊车控制。具体来说,造成难以更加准确地进行车辆泊车控制的原因在于:由于存在高精地图未覆盖的停车场的情况,导致自动泊车功能对当前车辆在高精地图中的定位以及规划路径与车辆实际位置坐标之间存在偏差,从而,导致生成的车辆泊车规划路径与车辆实际位置不符,进而。基于此,本公开的一些实施例的车辆泊车控制方法,首先,响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像。通过获取当前车辆的定位坐标可以初步确定车辆的位置。然后,对上述停车场图像进行场景识别,得到识别后场景信息。通过场景识别,可以便于为后续泊车路径规划做场景数据支撑。之后,基于上述场景信息,生成车辆泊车规划轨迹。其中,上述车辆泊车规划轨迹包括车辆规划坐标序列,车辆规划坐标序列中的每个车辆规划坐标对应一个时间点。这里,通过生成车辆泊车规划轨迹可以用于控制车辆进行自动泊车。而后,确定上述定位坐标与上述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值。通过确定横向误差值,可以用于表征车辆实际定位位置与车辆泊车路径中位置坐标的误差。接着,基于上述横向误差值,对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹。通过引入横向误差值,可以用于修正车辆泊车规划轨迹,以便生成更加符合当前车辆所在位置的修正后泊车轨迹。最后,将上述修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。从而,可以极大地消除规划路径上的坐标与车辆实际位置坐标之间存在偏差,使得可以更加准确地进行车辆泊车控制。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的车辆泊车控制方法的一些实施例的流程图;
图2是根据本公开的车辆泊车控制装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的车辆泊车控制方法的一些实施例的流程100。该车辆泊车控制方法,包括以下步骤:
步骤101,响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像。
在一些实施例中,车辆泊车控制方法的执行主体响应于接收到泊车启动指令,可以通过有线的方式或者无线的方式获取当前车辆的定位坐标和停车场图像。其中,泊车启动指令可以是驾驶员通过移动终端发出的指示车辆自动泊车的指令。停车场图像可以是当前车辆的车载相机拍摄的图像。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
在一些实施例的一些可选的实现方式中,上述执行主体获取当前车辆的定位坐标和停车场图像,可以包括以下步骤:
第一步,获取初始定位坐标、停车场图像和惯性测量数据。其中,可以从车辆定位系统中获取当前车辆的初始定位坐标。从惯性测量单元中获取惯性测量数据。
第二步,对上述停车场图像进行特征识别,得到环境特征数据。其中,可以通过预设的特征识别算法,对上述停车场图像进行特征识别,得到环境特征数据。其中,环境特征数据可以是车辆周围环境的特征。这里,环境特征数据可以包括特征点坐标集和每个特征点坐标与当前车辆位置坐标之间的距离值。其次,特征点坐标可以是车体坐标系中的三维坐标。
作为示例,上述特征识别算法可以包括但不限于以下至少一项:SIFT(Scale-invariant Feature Transform,尺度不变特征转换)算法、Surf(Speeded Up RobustFeatures,加速稳健特征)算法、harris角点检测、FAST角点检测、BRIEF(Binary RobustIndependent Elementary Features,特征描述子算法)等。
第三步,基于上述环境特征数据和上述惯性测量数据,对上述初始定位坐标进行调整,得到当前车辆的定位坐标。其中,首先,可以将初始定位坐标转换至车体坐标系,得到转换后定位坐标。然后,可以根据特征点坐标集中各个特征点坐标与当前车辆位置坐标之间的距离值,调整转换后定位坐标,使得生成的当前车辆的定位坐标与各个特征点坐标之间的距离值极大的满足与上述距离值相同的关系。由此,达到对上述初始定位坐标进行调整的目的。
步骤102,对停车场图像进行场景识别,得到识别后场景信息。
在一些实施例中,上述执行主体可以对上述停车场图像进行场景识别,得到识别后场景信息。
在一些实施例的一些可选的实现方式中,上述执行主体对上述停车场图像进行场景识别,得到识别后场景信息,可以包括以下步骤:
第一步,对上述停车场图像进行障碍物检测,得到障碍物检测信息集。其中,可以通过预设的障碍物检测算法,对上述停车场图像进行障碍物检测,得到障碍物检测信息集。每个障碍物检测信息可以表征车辆图像的场景中的一个障碍物。这里,障碍物检测信息可以包括但不限于以下至少一项:障碍物位置坐标、障碍物检测框、障碍物速度值、障碍物位姿矩阵等信息。
作为示例,上述障碍物检测算法可以包括但不限于以下至少一项:FCN(FullyConvolutional Networks,全卷机神经网络)模型、Resnet(Residual Network,残差神经网络)模型、VGG(Visual Geometry Group Network,卷积神经网络)模型和GoogLeNet(深度神经网络)模型等。
第二步,对上述停车场图像进行道路检测,得到道路检测信息。其中,可以通过预设的道路检测算法,对上述停车场图像进行道路检测,得到道路检测信息。其中,道路检测信息可以包括道路检测区域坐标集。道路检测信息可以是从道路图像中检测到的可行驶区域的信息。
作为示例,上述道路检测算法可以包括但不限于以下至少一项:G-CRF(Gaus-conditional random field,高斯条件随机场)模型、DenseCRF(Fully-ConnectedConditional Random Fields,全连接条件随机场)模型、MRF(MRF-Markov Random Field,马尔科夫条件随机场)模型、SPP(Spatial Pyramid Pooling,空间金字塔池化模块)模型等。
第三步,将上述道路检测信息和上述障碍物检测信息集中的各个障碍物检测信息转换至当前车辆的车体坐标系中,以生成转换后道路信息和转换后障碍物信息。其中,将道路检测信息从图像坐标系转换至车体系可以是将道路检测信息包括的道路检测区域坐标集转换至车体坐标系,得到转换后道路信息。将各个障碍物检测信息转换至车体坐标系可以是将障碍物检测信息包括的障碍物位置坐标、障碍物位姿矩阵等信息从图像坐标系转换至车体坐标系,得到转换后障碍物信息。
第四步,将上述转换后道路信息和上述转换后障碍物信息确定为识别后场景信息。
步骤103,基于场景信息,生成车辆泊车规划轨迹。
在一些实施例中,上述执行主体可以基于上述场景信息,生成车辆泊车规划轨迹。其中,上述车辆泊车规划轨迹可以包括车辆规划坐标序列。车辆规划坐标序列中的每个车辆规划坐标可以对应一个时间点。
在一些实施例中的一些可选的实现方式中,上述泊车启动指令可以包括泊车车位坐标。以及上述执行主体基于上述场景信息,生成车辆泊车规划轨迹,可以包括以下步骤:
在上述当前车辆的车体坐标系中,以上述泊车车位坐标为规划终点,基于上述场景信息包括的转换后道路信息和转换后障碍物信息进行轨迹规划,得到车辆泊车规划轨迹。其中,可以通过预设的路径规划算,在上述当前车辆的车体坐标系中,以上述泊车车位坐标为规划终点进行轨迹规划,得到车辆泊车规划轨迹。其次,泊车车位坐标可以是车体坐标系中的泊车车位的位置坐标。
作为示例,上述路径规划算法可以包括但不限于以下至少一项:RRT(Rapidly-Exploring Random Tree,基于采样的路径规划)算法、DWA(dynamic window approach,动态窗口路径规划)算法等。
步骤104,确定定位坐标与车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值。
在一些实施例中,上述执行主体可以确定上述定位坐标与上述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值。其中,车辆泊车规划轨迹中的各个车辆规划坐标中存在与上述定位坐标对应同一时刻的车辆规划坐标。因此,确定上述定位坐标与上述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值,可以用于表征规划轨迹与车辆实际位置之间的偏差。
步骤105,基于横向误差值,对车辆泊车规划轨迹进行修正,得到修正后泊车轨迹。
在一些实施例中,上述执行主体可以基于上述横向误差值,对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹。
在一些实施例中的一些可选的实现方式中,上述执行主体基于上述横向误差值,对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹,可以包括以下步骤:
响应于确定上述横向误差值大于等于第一预设误差阈值、且小于等于第二误差阈值,对当前车辆的控制终端发出限速指令,以及对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹。其中,上述横向误差值大于等于第一预设误差阈值、且小于等于第二误差阈值,可以表征横向误差较大,需要对轨迹进行修正。同时,为了避免出现更大的误差,向当前车辆的控制终端发出限速指令。限度指令可以是预先设置的用于指示控制终端控制车速的指令。例如,限速指令所要求的限制的车速可以在3米每秒以下。其次,修正可以是以上述定位坐标为起始坐标,通过上述路径规划算法,再次进行路径规划,得到修正后泊车轨迹。
另外,若上述横向误差值小于第一预设误差阈值,则当前车辆可以继续按车辆泊车规划轨迹移动。
可选的,上述执行主体还可以执行以下步骤:
第一步,确定当前车辆移动后的定位坐标。其中,可以从定位系统中获取当前车辆在移动过程中的定位坐标。
第二步,确定上述修正后泊车轨迹中与当前车辆移动后的定位坐标对应的车辆规划坐标之间的横向误差值,得到移动中横向误差值。其中,可以确定修正后泊车轨迹中与当前车辆移动后的定位坐标对应同一时间点的车辆规划坐标之间的横向误差值,得到移动中横向误差值。
第三步,响应于确定上述移动中横向误差值大于等于上述第一预设误差阈值、且小于等于上述第二误差阈值,再次对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹。其中,移动中横向误差值大于等于上述第一预设误差阈值、且小于等于上述第二误差阈值,可以表示当前车辆的修正后移动轨迹与当前车辆的实际位置坐标之间的误差仍然存在较大的偏差,因此需要继续对车辆泊车轨迹进行修正。
可选的,上述执行主体还可以执行以下步骤:
响应于确定上述移动中横向误差值小于上述第一预设误差阈值,向当前车辆的控制终端发出取消限速指令,以及将修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。其中,上述移动中横向误差值小于上述第一预设误差阈值,可以表示当前车辆的修正后移动轨迹与当前车辆的实际位置坐标之间的误差值可以忽略不计。因此,可以发出取消限速指令以取消当前车辆的限速以供继续进行泊车操作。
另外,若上述移动中横向误差值大于上述第二预设误差阈值,则可以将轨迹修正失败信息发送目标用户终端,以及控制当前车辆停车。其中,移动中横向误差值大于上述第二预设误差阈值表示修正后泊车轨迹与当前车辆实际位置之间的存在严重的偏差,即使再次进行轨迹修正也难以正常的进行泊车。因此控制当前车辆停车。
可选的,上述执行主体还可以执行以下步骤:
第一步,确定在对车辆泊车规划轨迹进行修正的过程中,当前车辆的移动距离值。其中,可以将当前车辆在第一次进行轨迹修正时的位置坐标与修正结束之前所在位置的坐标之间的距离值,作为当前车辆的移动距离值。
第二步,响应于确定上述移动距离值大于阈值距离阈值,生成轨迹修正失败信息。其中,移动距离值大于阈值距离阈值,可以表征当前车辆在进行轨迹修正的过程中移动的距离较远,即使继续进行路径修正,也难以更好的进行泊车操作。因此,可以生成轨迹修正失败信息。
第三步,将上述轨迹修正失败信息发送目标用户终端,以及控制当前车辆停车。
上述各个实施例及其相关内容作为本公开的实施例的一个发明点,可以进一步解决背景技术提及的技术问题“由于存在高精地图未覆盖的停车场的情况,导致自动泊车功能对当前车辆在高精地图中的定位以及规划路径与车辆实际位置坐标之间存在偏差,从而,导致生成的车辆泊车规划路径与车辆实际位置不符,进而,导致难以更加准确地进行车辆泊车控制”。首先,通过确定定位坐标与车辆泊车规划轨迹中对应相同时间点的位置坐标的横向误差值。可以用于确定规划路径中规划的路径与车辆实际位置坐标之间存在的偏差。同时引入第一预设误差阈值和第二误差阈值。由此,可以确定横向误差值的大小是否需要进行对车辆泊车规划轨迹进行修正。然后,在修正的同时,还可以通过限制车辆速度,以避免误差进一步扩大。之后,修正之后,还可以继续在泊车过程中实时的确定车辆实际位置与路径中对应位置的误差值。最后,还考虑到如果横向误差值过大,则难以通过修正路径的方式进行有效的泊车。因此控制车辆停车。从而,通过修正路径的方式,极大的消除车辆规划路径与车辆实际位置坐标之间的偏差。由此,可以在确保车辆安全泊车的情况下,极大的提升车辆泊车控制的准确度。
步骤106,将修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。
在一些实施例中,上述执行主体可以将上述修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车辆泊车控制方法,可以更加准确地进行车辆泊车控制。具体来说,造成难以更加准确地进行车辆泊车控制的原因在于:由于存在高精地图未覆盖的停车场的情况,导致自动泊车功能对当前车辆在高精地图中的定位以及规划路径与车辆实际位置坐标之间存在偏差,从而,导致生成的车辆泊车规划路径与车辆实际位置不符,进而。基于此,本公开的一些实施例的车辆泊车控制方法,首先,响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像。通过获取当前车辆的定位坐标可以初步确定车辆的位置。然后,对上述停车场图像进行场景识别,得到识别后场景信息。通过场景识别,可以便于为后续泊车路径规划做场景数据支撑。之后,基于上述场景信息,生成车辆泊车规划轨迹。其中,上述车辆泊车规划轨迹包括车辆规划坐标序列,车辆规划坐标序列中的每个车辆规划坐标对应一个时间点。这里,通过生成车辆泊车规划轨迹可以用于控制车辆进行自动泊车。而后,确定上述定位坐标与上述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值。通过确定横向误差值,可以用于表征车辆实际定位位置与车辆泊车路径中位置坐标的误差。接着,基于上述横向误差值,对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹。通过引入横向误差值,可以用于修正车辆泊车规划轨迹,以便生成更加符合当前车辆所在位置的修正后泊车轨迹。最后,将上述修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。从而,可以极大地消除规划路径上的坐标与车辆实际位置坐标之间存在偏差,使得可以更加准确地进行车辆泊车控制。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种车辆泊车控制装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该车辆泊车控制装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的车辆泊车控制装置200包括:获取单元201、场景识别单元202、轨迹生成单元203、确定单元204、修正单元205和发送以及控制单元206。其中,获取单元201,被配置成响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像;场景识别单元202,被配置成对上述停车场图像进行场景识别,得到识别后场景信息;轨迹生成单元203,被配置成基于上述场景信息,生成车辆泊车规划轨迹,其中,上述车辆泊车规划轨迹包括车辆规划坐标序列,车辆规划坐标序列中的每个车辆规划坐标对应一个时间点;确定单元204,被配置成确定上述定位坐标与上述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值;修正单元205,被配置成基于上述横向误差值,对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹;发送以及控制单元206,被配置成将上述修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置301(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像;对上述停车场图像进行场景识别,得到识别后场景信息;基于上述场景信息,生成车辆泊车规划轨迹,其中,上述车辆泊车规划轨迹包括车辆规划坐标序列,车辆规划坐标序列中的每个车辆规划坐标对应一个时间点;确定上述定位坐标与上述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值;基于上述横向误差值,对上述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹;将上述修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、场景识别单元、轨迹生成单元、确定单元、修正单元和发送以及控制单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取当前车辆的定位坐标和停车场图像的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种车辆泊车控制方法,包括:
响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像;
对所述停车场图像进行场景识别,得到识别后场景信息;
基于所述场景信息,生成车辆泊车规划轨迹,其中,所述车辆泊车规划轨迹包括车辆规划坐标序列,车辆规划坐标序列中的每个车辆规划坐标对应一个时间点;
确定所述定位坐标与所述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值,其中,确定定位坐标与车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值,用于表征规划轨迹与车辆实际位置之间的偏差;
基于所述横向误差值,对所述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹;
将所述修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作;
其中,所述基于所述横向误差值,对所述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹,包括:
响应于确定所述横向误差值大于等于第一预设误差阈值、且小于等于第二预设误差阈值,对当前车辆的控制终端发出限速指令,以及对所述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹;
其中,所述方法还包括:
确定当前车辆移动后的定位坐标;
确定所述修正后泊车轨迹中与当前车辆移动后的定位坐标对应的车辆规划坐标之间的横向误差值,得到移动中横向误差值,其中,确定修正后泊车轨迹中与当前车辆移动后的定位坐标对应同一时间点的车辆规划坐标之间的横向误差值,得到移动中横向误差值;
响应于确定所述移动中横向误差值大于等于所述第一预设误差阈值、且小于等于所述第二预设误差阈值,再次对所述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹,其中,移动中横向误差值大于等于所述第一预设误差阈值、且小于等于所述第二预设误差阈值,表征当前车辆的修正后移动轨迹与当前车辆的实际位置坐标之间的误差仍然存在较大的偏差,以继续对车辆泊车轨迹进行修正;
响应于确定所述移动中横向误差值小于所述第一预设误差阈值,向当前车辆的控制终端发出取消限速指令,以及将修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作,其中,移动中横向误差值大于所述第二预设误差阈值,将轨迹修正失败信息发送目标用户终端,以及控制当前车辆停车;
确定在对车辆泊车规划轨迹进行修正的过程中,当前车辆的移动距离值;
响应于确定所述移动距离值大于阈值距离阈值,生成轨迹修正失败信息;
将所述轨迹修正失败信息发送目标用户终端,以及控制当前车辆停车。
2.根据权利要求1所述的方法,其中,所述获取当前车辆的定位坐标和停车场图像,包括:
获取初始定位坐标、停车场图像和惯性测量数据;
对所述停车场图像进行特征识别,得到环境特征数据;
基于所述环境特征数据和所述惯性测量数据,对所述初始定位坐标进行调整,得到当前车辆的定位坐标。
3.根据权利要求1所述的方法,其中,所述对所述停车场图像进行场景识别,得到识别后场景信息,包括:
对所述停车场图像进行障碍物检测,得到障碍物检测信息集;
对所述停车场图像进行道路检测,得到道路检测信息;
将所述道路检测信息和所述障碍物检测信息集中的各个障碍物检测信息转换至当前车辆的车体坐标系中,以生成转换后道路信息和转换后障碍物信息;
将所述转换后道路信息和所述转换后障碍物信息确定为识别后场景信息。
4.根据权利要求3所述的方法,其中,所述泊车启动指令包括泊车车位坐标;以及
所述基于所述场景信息,生成车辆泊车规划轨迹,包括:
在所述当前车辆的车体坐标系中,以所述泊车车位坐标为规划终点,基于所述场景信息包括的转换后道路信息和转换后障碍物信息进行轨迹规划,得到车辆泊车规划轨迹。
5.一种车辆泊车控制装置,包括:
获取单元,被配置成响应于接收到泊车启动指令,获取当前车辆的定位坐标和停车场图像;
场景识别单元,被配置成对所述停车场图像进行场景识别,得到识别后场景信息;
轨迹生成单元,被配置成基于所述场景信息,生成车辆泊车规划轨迹,其中,所述车辆泊车规划轨迹包括车辆规划坐标序列,车辆规划坐标序列中的每个车辆规划坐标对应一个时间点;
确定单元,被配置成确定所述定位坐标与所述车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值,其中,确定定位坐标与车辆泊车规划轨迹中对应相同时间点的车辆规划坐标的横向误差值,用于表征规划轨迹与车辆实际位置之间的偏差;
修正单元,被配置成基于所述横向误差值,对所述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹;
发送以及控制单元,被配置成将所述修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作;
其中,所述基于所述横向误差值,对所述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹,包括:
响应于确定所述横向误差值大于等于第一预设误差阈值、且小于等于第二预设误差阈值,对当前车辆的控制终端发出限速指令,以及对所述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹;
其中,所述车辆泊车控制装置还包括:
确定当前车辆移动后的定位坐标;
确定所述修正后泊车轨迹中与当前车辆移动后的定位坐标对应的车辆规划坐标之间的横向误差值,得到移动中横向误差值,其中,确定修正后泊车轨迹中与当前车辆移动后的定位坐标对应同一时间点的车辆规划坐标之间的横向误差值,得到移动中横向误差值;
响应于确定所述移动中横向误差值大于等于所述第一预设误差阈值、且小于等于所述第二预设误差阈值,再次对所述车辆泊车规划轨迹进行修正,得到修正后泊车轨迹,其中,移动中横向误差值大于等于所述第一预设误差阈值、且小于等于所述第二预设误差阈值,表征当前车辆的修正后移动轨迹与当前车辆的实际位置坐标之间的误差仍然存在较大的偏差,以继续对车辆泊车轨迹进行修正;
响应于确定所述移动中横向误差值小于所述第一预设误差阈值,向当前车辆的控制终端发出取消限速指令,以及将修正后泊车轨迹发送至车辆控制终端以供控制当前车辆进行泊车操作,其中,移动中横向误差值大于所述第二预设误差阈值,将轨迹修正失败信息发送目标用户终端,以及控制当前车辆停车;
确定在对车辆泊车规划轨迹进行修正的过程中,当前车辆的移动距离值;
响应于确定所述移动距离值大于阈值距离阈值,生成轨迹修正失败信息;
将所述轨迹修正失败信息发送目标用户终端,以及控制当前车辆停车。
6.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310954419.XA CN116653931B (zh) | 2023-08-01 | 2023-08-01 | 车辆泊车控制方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310954419.XA CN116653931B (zh) | 2023-08-01 | 2023-08-01 | 车辆泊车控制方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116653931A CN116653931A (zh) | 2023-08-29 |
CN116653931B true CN116653931B (zh) | 2024-02-23 |
Family
ID=87715762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310954419.XA Active CN116653931B (zh) | 2023-08-01 | 2023-08-01 | 车辆泊车控制方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116653931B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009001511A1 (de) * | 2009-03-12 | 2010-09-30 | Ford Global Technologies, LLC, Dearborn | Verfahren und Vorrichtung zur Einparkhilfe |
CN108773374A (zh) * | 2018-06-13 | 2018-11-09 | 禾多科技(北京)有限公司 | 泊车方法及装置 |
CN109324620A (zh) * | 2018-09-25 | 2019-02-12 | 北京主线科技有限公司 | 基于车道线平行偏移进行避障及超车的动态轨迹规划方法 |
CN110949374A (zh) * | 2019-11-14 | 2020-04-03 | 江苏大学 | 基于两段二阶贝塞尔曲线的自动平行泊车路径规划方法 |
CN112026772A (zh) * | 2020-08-14 | 2020-12-04 | 清华大学 | 一种智能网联汽车的路径实时规划与分布式控制方法 |
CN112937555A (zh) * | 2021-03-08 | 2021-06-11 | 华南理工大学 | 一种基于车辆运动学模型的平行泊车轨迹规划方法 |
CN113239986A (zh) * | 2021-04-25 | 2021-08-10 | 浙江吉利控股集团有限公司 | 车辆轨迹评价网络模型的训练方法、装置和存储介质 |
CN113670305A (zh) * | 2020-05-13 | 2021-11-19 | 长沙智能驾驶研究院有限公司 | 泊车轨迹生成方法、装置、计算机设备和存储介质 |
CN114701506A (zh) * | 2022-05-05 | 2022-07-05 | 中国第一汽车股份有限公司 | 车辆速度的控制方法 |
CN116101269A (zh) * | 2023-01-03 | 2023-05-12 | 广州汽车集团股份有限公司 | 一种对自动泊车过程进行安全监控的方法、系统及车辆 |
CN116373912A (zh) * | 2023-06-05 | 2023-07-04 | 禾多科技(北京)有限公司 | 车辆泊车横向控制方法、装置、设备和计算机可读介质 |
-
2023
- 2023-08-01 CN CN202310954419.XA patent/CN116653931B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009001511A1 (de) * | 2009-03-12 | 2010-09-30 | Ford Global Technologies, LLC, Dearborn | Verfahren und Vorrichtung zur Einparkhilfe |
CN108773374A (zh) * | 2018-06-13 | 2018-11-09 | 禾多科技(北京)有限公司 | 泊车方法及装置 |
CN109324620A (zh) * | 2018-09-25 | 2019-02-12 | 北京主线科技有限公司 | 基于车道线平行偏移进行避障及超车的动态轨迹规划方法 |
CN110949374A (zh) * | 2019-11-14 | 2020-04-03 | 江苏大学 | 基于两段二阶贝塞尔曲线的自动平行泊车路径规划方法 |
CN113670305A (zh) * | 2020-05-13 | 2021-11-19 | 长沙智能驾驶研究院有限公司 | 泊车轨迹生成方法、装置、计算机设备和存储介质 |
CN112026772A (zh) * | 2020-08-14 | 2020-12-04 | 清华大学 | 一种智能网联汽车的路径实时规划与分布式控制方法 |
CN112937555A (zh) * | 2021-03-08 | 2021-06-11 | 华南理工大学 | 一种基于车辆运动学模型的平行泊车轨迹规划方法 |
CN113239986A (zh) * | 2021-04-25 | 2021-08-10 | 浙江吉利控股集团有限公司 | 车辆轨迹评价网络模型的训练方法、装置和存储介质 |
CN114701506A (zh) * | 2022-05-05 | 2022-07-05 | 中国第一汽车股份有限公司 | 车辆速度的控制方法 |
CN116101269A (zh) * | 2023-01-03 | 2023-05-12 | 广州汽车集团股份有限公司 | 一种对自动泊车过程进行安全监控的方法、系统及车辆 |
CN116373912A (zh) * | 2023-06-05 | 2023-07-04 | 禾多科技(北京)有限公司 | 车辆泊车横向控制方法、装置、设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116653931A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461981B (zh) | 点云拼接算法的误差估计方法和装置 | |
CN112001287B (zh) | 障碍物的点云信息生成方法、装置、电子设备和介质 | |
CN115326099B (zh) | 局部路径规划方法、装置、电子设备和计算机可读介质 | |
CN116164770B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN115761702B (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
EP3796262B1 (en) | Method and apparatus for calibrating camera | |
CN115616937B (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
CN111680747A (zh) | 用于占据栅格子图的闭环检测的方法和装置 | |
CN114964296B (zh) | 车辆行驶路径规划方法、装置、设备和计算机可读介质 | |
CN115167182A (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
CN110456798B (zh) | 用于控制车辆行驶的方法及装置 | |
CN116740382B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN112649011B (zh) | 车辆避障方法、装置、设备和计算机可读介质 | |
CN111461980B (zh) | 点云拼接算法的性能估计方法和装置 | |
CN116758498B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116653931B (zh) | 车辆泊车控制方法、装置、电子设备和计算机可读介质 | |
CN116161040B (zh) | 车位信息生成方法、装置、电子设备和计算机可读介质 | |
CN115534935B (zh) | 车辆行驶控制方法、装置、电子设备和计算机可读介质 | |
CN116182878B (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
CN117218187A (zh) | 行人位置信息生成方法、装置、设备和计算机可读介质 | |
CN114119973A (zh) | 一种基于图像语义分割网络的空间距离预测方法及系统 | |
CN115848358B (zh) | 车辆泊车方法、装置、电子设备和计算机可读介质 | |
CN116563817B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116010289B (zh) | 自动驾驶仿真场景测试方法、装置、电子设备和可读介质 | |
CN117095052A (zh) | 车辆相对位姿矩阵优化方法、装置、电子设备和可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |