CN116968726B - 记忆泊车方法和装置、车辆、计算机可读取存储介质 - Google Patents
记忆泊车方法和装置、车辆、计算机可读取存储介质 Download PDFInfo
- Publication number
- CN116968726B CN116968726B CN202310943889.6A CN202310943889A CN116968726B CN 116968726 B CN116968726 B CN 116968726B CN 202310943889 A CN202310943889 A CN 202310943889A CN 116968726 B CN116968726 B CN 116968726B
- Authority
- CN
- China
- Prior art keywords
- parking
- path
- paths
- repeated
- vehicle
- 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 48
- 230000004044 response Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 abstract description 16
- 230000006870 function Effects 0.000 description 32
- 238000004422 calculation algorithm Methods 0.000 description 19
- 230000011218 segmentation Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种记忆泊车方法和装置、车辆、计算机可读取存储介质,涉及车辆技术领域。在车辆上电时,获取已保存的多条泊车路径及其前视广角图像和环视图像;采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差;将位姿误差处于指定误差范围内的泊车路径确定为重复路径;根据最近一次保存的泊车路径对应的前视广角图像、环视图像、重复路径,确定固定车位的泊车路径;在下次车辆行驶到固定车位的泊车路径起点的指定范围内时,控制车辆根据固定车位的泊车路径,将车辆泊入固定车位,从而实现轻量化、鲁棒性高、区分度高的重复路径检测,精准激活记忆泊车。
Description
技术领域
本申请实施例涉及车辆技术领域,特别地,涉及一种记忆泊车方法和装置、车辆、计算机可读取存储介质。
背景技术
目前,具有自动驾驶功能和/或辅助驾驶功能的车辆具有记忆泊车功能。记忆泊车是在自动泊车功能的基础上,通过路线记忆、辅助驾驶等功能,实现更加全面、自动的停车场景应用。首次使用记忆泊车功能时,需驾驶员手动驾驶车辆行驶一遍泊车路线,以对泊车路线进行记忆,得到记忆路线。下次使用记忆泊车时,车辆将会依据记忆路线,辅助驾驶员将车辆从记忆路线的起点,开往记忆路线的终点,将车辆泊入记忆路线对应的车位。在记忆泊车过程中,可实现自动调节车速、自动转弯、自动绕行障碍物、自动会车、自动停车避让等功能,从容应对各种复杂的泊车场景。
为了提高记忆泊车功能的使用体验,进一步达到用户无感化,可以通过特定策略在后台自动激活记忆泊车功能进行路线学习。相关技术采用同步定位与建图(Simultaneous Localization and Mapping,简称SLAM)算法对泊车路径进行学习,保存点云或语义特征地图,通过地图匹配算法或回环检测算法实现重复路径检测,这种方法运算复杂,存储数据量大,对车辆算力要求高,且消耗的功耗过大,总体来说成本过高。
发明内容
本申请实施例提供一种记忆泊车方法和装置、车辆、计算机可读取存储介质,以改善上述问题。
第一方面,本申请实施例提供一种记忆泊车方法。该方法包括:在车辆上电时,获取已保存的多条泊车路径以及与多条泊车路径各自对应的前视广角图像和环视图像,每条泊车路径的每个路径点对应一个位姿;采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差;将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径;根据最近一次保存的泊车路径对应的前视广角图像、环视图像以及重复路径,确定固定车位的泊车路径;在下次车辆行驶到固定车位的泊车路径起点的指定范围内时,控制车辆根据所述固定车位的泊车路径,将车辆泊入所述固定车位。
第二方面,本申请实施例提供一种记忆泊车装置。该装置包括:数据获取模块,用于在车辆上电时,获取已保存的多条泊车路径以及与多条泊车路径各自对应的前视广角图像和环视图像,每条泊车路径的每个路径点对应一个位姿;路径筛选模块,用于采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差;将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径;路径确定模块,用于根据最近一次保存的泊车路径对应的前视广角图像、环视图像以及重复路径,确定固定车位的泊车路径;记忆泊车模块,用于在下次车辆行驶到固定车位的泊车路径起点的指定范围内时,控制车辆根据所述固定车位的泊车路径,将车辆泊入所述固定车位。
第三方面,本申请实施例提供一种车辆。该车辆包括存储器和处理器。其中,存储器上存储有应用程序,所述应用程序用于当被所述处理器调用时执行本申请实施例提供的方法。
第四方面,本申请实施例提供一种计算机可读取存储介质。该计算机可读取存储介质中存储有程序代码,该程序代码用于当被处理器调用时执行本申请实施例提供的方法。
本申请实施例提供一种记忆泊车方法和装置、车辆、计算机可读取存储介质,采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差;将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径;根据最近一次保存的泊车路径对应的前视广角图像、环视图像以及重复路径,确定固定车位的泊车路径,可以实现足够轻量化、足够鲁棒、具有区分度的重复路径检测,相比于目前采用同步定位与建图算法对重复路径进行检测的方法,本方法足够轻量级,成本更低,具有更好的鲁棒性和区分度。此外,在下次车辆行驶到固定车位的泊车路径附近时,才启动记忆泊车功能,可以确保在用户含有固定车位的高频重复泊车路径的场景下才激活记忆泊车功能进行后台学习,而不是每次泊车都激活记忆泊车功能,可以避免不必要的记忆泊车学习,从而节省车辆算力。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域技术人员来讲,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它的附图。
图1示出了本申请一实施例提供的记忆泊车方法的流程示意图;
图2示出了本申请一示例性实施例提供的泊车路径的示意图;
图3示出了本申请一实施例提供的图1所示的步骤S130的流程示意图;
图4示出了本申请一实施例提供的图1所示的步骤S140的流程示意图;
图5示出了本申请另一实施例提供的记忆泊车方法的流程示意图;
图6示出了本申请实施例提供的记忆泊车装置的结构框图;
图7示出了本申请实施例提供的车辆的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
请参阅图1,图1示出了本申请一实施例提供的记忆泊车方法的流程示意图。该记忆泊车方法可以应用于车辆或记忆泊车装置。该记忆泊车方法可以包括步骤S110至步骤S140。
步骤S110,在车辆上电时,获取已保存的多条泊车路径以及与多条泊车路径各自对应的前视广角图像和环视图像,每条泊车路径的每个路径点对应一个位姿。
车辆上电包括两种情况,其一是主驾驶位置无人,主驾驶门从关闭到开启时,车辆上电,其二是车辆处于下电状态且钥匙放置在车内,驾驶员踩下制动踏板时,车辆上电。车辆上电时,车辆电源与车内其他用电器电连接并为其他用电器供电,此时车辆处于通电状态。车辆下电时,车辆电源断开与车内其他用电器的电连接,不再为其他用电器供电,此时车辆处于未通电状态。
已保存的泊车路径可以是在本次车辆上电之前,在驾驶员驾驶车辆泊入某个车位(例如下文中的固定车位)的整个泊车过程中,由车辆的后轴中心经过的一系列点形成的泊车路径。每条泊车路径包括多个路径点,每个路径点对应一个位姿、位置偏差以及航向角偏差。车辆的惯性导航系统(Inertial Navigation System,简称INS)可以输出车辆的实时位姿、位置偏差以及航向角偏差,INS系统包括惯性测量单元(Inertial Measurement Unit,简称IMU)和计算单元,通过IMU感知车辆方向、姿态等变化信息,通过计算单元对感知到的变化信息进行各种转换、补偿计算得到更准确的信息,例如,检测车辆的初始位置、初始朝向、初始位姿以及接下来每一时刻朝向、角度的改变,然后将这些信息加在一起推导出车辆现在的朝向和位置,即位姿。同时,计算单元可以获取全球定位系统(Global PositioningSystem,简称GPS)输出的车辆的后轴中心的经纬度和航向,采用投影方法,例如,高斯投影方法、墨卡托投影方法,将GPS输出的经纬度和航向从地理坐标系投影到平面坐标系,得到GPS定位得到的车辆位姿。计算GPS定位得到的车辆位姿中的位置和根据IMU感知到的信息计算得到的位姿中的位置之间的距离,可以得到位置偏差。计算GPS定位得到的车辆位姿中的航向和根据IMU感知到的信息计算得到的位姿中的航向之间的角度差,得到航向角偏差。
前视广角图像指的是通过车辆的前视广角摄像头检测到的图像。前视广角摄像头的作用主要是用于识别距离较近的物体,前视广角摄像头的视场角范围为120度至150度之间,前视广角摄像头的检测距离在50米左右。
环视图像指的是通过车辆的环视影像捕获系统输出的图像。环视影像捕获系统包括四个鱼眼摄像头和中央控制器,四个鱼眼摄像头分别安装在车辆前、后、左、右四个方向。四个鱼眼摄像头中的每个摄像头可以拍摄一个特定角度的视野图像,四个鱼眼摄像头的视野图像通过中央控制器集成在一起,形成一个完整的环视图像。环视图像可以用于检测并显示车辆周围的障碍物和其他车辆,让驾驶员更加容易地掌握车辆周围的情况。
每条泊车路径的路径点包括停车点,停车点指的是车辆泊入某个车位(例如下文中的固定车位)并处于停止状态时,车辆的后轴中心对应的路径点。每条泊车路径对应的前视广角图像和环视图像可以是该泊车路径的停车点对应的前视广角图像和环视图像。每条泊车路径的停车点对应的前视广角图像在下次车辆上电时通过前视广角摄像头输出。每条泊车路径的停车点对应的环视图像在下次车辆上电时通过环视影像捕获系统输出。示例的,请参阅图2,曲线L表示一条泊车路径,箭头所指方向为泊车方向,矩形框ABCD表示车位,矩形框EFHI表示车辆的轮廓,泊车路径L包括路径点a、b、c、d、e、f,点f为车辆泊入车位ABCD并处于停止状态时,车辆EFHI的后轴中心对应的路径点,则点f为泊车路径L的停车点。
多条泊车路径保存在存储器中,为了减少存储数据量以实现算法轻量化,可以设置存储器保存的泊车路径的最大数量,步骤S110中所选取的多条泊车路径的数量可以小于或等于最大数量。例如,可以设置存储器包括10条泊车路径,获取最近10条泊车路径或最近9条泊车路径。关于如何保存泊车路径的具体方法可以参阅下文的步骤S210和步骤S220,在此不展开描述。在本次车辆上电时,可以直接从存储器中获取多条泊车路径以及与多条泊车路径各自对应的前视广角图像和环视图像。其中,存储器可以是数字安全记忆卡(SecureDigital Memory Card,简称SD卡)。
步骤S120,采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差,将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径。
李代数SE2群是二维平面的刚体变换群,李代数SE2群有三个自由度,对应于平移的两个自由度可以用于表示位姿中的位置,对应于旋转的一个自由度可以用于表示位姿中的航向。
采用李代数SE2群表示多条泊车路径的路径点对应的位姿时,每条路径的路径点和最近一次保存的泊车路径中的路径点具有一一对应关系。可以计算李代数SE2群中的具有一一对应关系的路径点对应的位姿之间的位姿误差,得到每条泊车路径的路径点相比于最近一次保存的泊车路径的路径点的位姿误差。具体地,针对多条泊车路径中的每条路径,可以计算李代数SE2群中的当前路径的路径点和最近一次保存的路径点中具有一一对应关系的路径点对应的位姿之间的位姿误差,得到当前路径的路径点对应的位姿误差。计算当前路径的所有路径点对应的位姿误差的均值,得到当前路径相比于最近一次保存的泊车路径的位姿误差。其中,位姿误差包括位置误差和航向角误差,可以计算当前路径的所有点对应的位置误差的均值,作为当前路径相比于最近一次保存的泊车路径的位置误差,计算当前路径的所有点对应的航向角误差的均值,作为当前路径相比于最近一次保存的泊车路径的航向角误差。
示例的,假设最近一次保存的泊车路径为L0,多条泊车路径为LN,其中,N为1到10之间的整数。PoseNn表示候选路径LN中的第n个路径点对应的位姿,Pose0n表示最近一次保存的泊车路径L0中的第n个路径点对应的位姿,其中,n为正整数。多条泊车路径LN的路径点和最近一次保存的泊车路径L0的路径点具有一一对应关系,PoseNn与Pose0n具有对应关系,每条泊车路径中的每个路径点对应的位姿误差可以按照表达式“Error_n=LOG((Pose0n-PoseNn)”计算,从Error_n中可以分解出位置误差和航向角误差。计算每条泊车路径的所有路径点的位置误差的均值,可以得到该泊车路径的位置误差。计算当前路径的所有路径点的航向角误差的均值,可以得到当前路径的航向角误差。
在得到多条泊车路径各自的位姿误差后,可以根据每条泊车路径的路径点的位姿误差,确定每条泊车路径相比于最近一次保存的泊车路径的位姿误差。具体地,可以检测每条泊车路径的位姿误差是否处于指定误差范围内,将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径。指定误差范围可以包括指定位置误差范围和指定航向角误差范围,也即,位姿误差处于指定误差范围包括位置误差处于指定位置误差范围内且航向角误差处于指定航向角误差范围。具体地,可以检测每条泊车路径的位置误差是否处于指定位置误差范围内,每条泊车路径的航向角误差是否处于指定航向角误差范围内,将位置误差处于指定位置误差范围内且航向角误差处于指定航向角误差范围内的泊车路径作为重复路径。其中,指定位置误差范围和指定航向角误差范围可以根据实际对重复路径检测的准确性的要求进行设置,例如,指定位置误差范围可以是小于或等于5米的范围,指定航向角误差范围可以是小于或等于20度。本申请实施例中,设置指定位置误差范围和指定航向角误差范围对多条泊车路径进行筛选,可以选择与最近一次保存的泊车路径比较接近的泊车路径作为重复路径,以便后续根据重复路径的数量确定最近一次保存的泊车路径是否是固定车位的泊车路径,提高重复路径检测精度。
一些实施例中,为了提高确定重复路径的效率以及精度,可以在步骤S120之前对多条泊车路径进行取精操作,保留泊车精度较高的路径,去除泊车精度较低的路径,取精操作之后保留的精度较高的多条泊车路径中的停车点对应的位姿偏差均处于指定位姿偏差范围内。具体地,取精操作可以包括:检测多条泊车路径中的每条泊车路径的停车点对应的位姿偏差是否处于指定偏差范围内,保留位姿偏差处于指定偏差范围内的泊车路径,去除位姿偏差处于指定偏差范围之外的泊车路径。其中,指定偏差范围可以包括指定位置偏差范围和指定航向角偏差范围,位姿偏差处于指定偏差范围包括位置偏差处于指定位置偏差范围且航向角偏差处于指定航向角偏差范围。示例的,可以检测每条泊车路径的停车点对应的位置偏差是否处于指定位置偏差范围,检测每条泊车路径的停车点对应的航向角偏差是否处于指定航向角偏差范围,保留位置偏差处于指定位置偏差范围且航向角偏差处于指定航向角偏差范围内的泊车路径,去除其余泊车路径。其中,指定位置偏差范围和指定航向角偏差范围可以根据实际对记忆泊车准确性的要求进行设置,例如,指定位置偏差范围可以是小于或等于10米的范围,指定航向角偏差范围可以是小于或等于30度的范围。本申请实施例中,设置指定位置偏差范围和指定航向角偏差范围对多条泊车路径进行筛选,可以提取泊车精度较高的泊车路径,去除精度较低的泊车路径,避免泊车精度较低的泊车路径影响重复路径检测的精度以及确定固定车位的泊车路径的精度。
步骤S130,根据最近一次保存的泊车路径对应的前视广角图像、环视图像以及重复路径,确定固定车位的泊车路径。
请参阅图3,步骤S130可以包括步骤S131至步骤S133。
步骤S131,根据重复路径和最近一次保存的泊车路径对应的环视图像,对重复路径进行初步筛选,得到初步重复路径。
可以确定最近一次保存的泊车路径在第一环视图像中的分布区域,第一环视图像为最近一次保存的泊车路径对应的环视图像。示例的,可以对第一环视图像进行语义分割,得到第一环视图像对应的语义信息(例如,车辆周围的柱子、墙面、车位线),计算第一环视图像的语义信息的分布区域(像素坐标区间),作为最近一次保存的泊车路径在第一环视图像中的分布区域。其中,语义分割可以采用语义分割算法中的其中一种或多种组合实现,语义分割算法可以包括但不限于全卷积网络语义分割(Fully Convolutional Networks forSemantic Segmentation,简称FCN)算法、U-net语义分割算法、SegNet语义分割算法以及DeepLab语义分割算法等。
可以确定重复路径在第二环视图像中的分布区域,第二环视图像为重复路径对应的环视图像,每条重复路径对应一幅第二环视图像。示例的,针对每一幅第二环视图像,可以对该第二环视图像进行语义分割,得到该第二环视图像对应的语义信息(例如,车辆周围的柱子、墙面、车位线),计算该第二环视图像的语义信息的分布区域(像素坐标区间),作为该第二环视图像对应的重复路径在该第二环视图像中的分布区域。其中,语义分割操作可以采用上述语义分割算法中的其中一种或多种组合实现。
可以计算最近一次保存的泊车路径的分布区域与重复路径的分布区域的交并比,将重复路径中交并比小于指定交并比的路径剔除,得到初步重复路径。其中,交并比(Intersection Over Union,简称IOU)用于描述两个区域的重叠区域(或重复区域),IOU越大,则两个区域的重叠区域越大,最近一次保存的泊车路径与重复路径的重复程度越高;交并比越小,则两个区域的重叠区域越小,最近一次保存的泊车路径与重复路径的重复程度越低。指定交并比可以根据实际对重复路径检测的精度要求进行设定,例如,指定交并比可以设置为0.7。示例的,可以计算最近一次保存的泊车路径的分布区域与重复路径的分布区域的交集,计算最近一次保存的泊车路径的分布区域与重复路径的分布区域的的并集,计算交集与并集的比值,作为最近一次保存的泊车路径的分布区域与重复路径的分布区域的交并比。
本申请实施例中,根据最近一次保存的泊车路径的分布区域与重复路径的分布区域的交并比对重复路径进行筛选,将重复路径中交并比大于或等于指定交并比的路径筛选出来作为初步重复路径,可以提高重复路径检测精度。
步骤S132,根据重复路径和最近一次保存的泊车路径对应的前视广角图像,对初步重复路径进行再次筛选,得到准重复路径。
可以对最近一次保存的泊车路径对应的前视广角图像进行特征提取,获取响应值最高的指定数量的多个特征点。示例的,对最近一次保存的泊车路径对应的前视广角图像进行特征提取,得到最近一次保存的泊车路径对应的前视广角图像的特征点,按照特征点响应值从高到低的顺序,依次从最近一次保存的泊车路径对应的前视广角图像的特征点中获取指定数量的多个特征点。其中,特征提取可以采用图像特征提取算法实现,图像特征提取算法可以包括但不限于尺度不变特征转换(Scale Invariant Feature Transform,简称SIFT)算法、加速稳健特征(Speeded Up Robust Features,简称SURF)算法以及快速特征点提取和描述(Oriented Fast and Rotated Brief,简称ORB)算法等。对最近一次保存的泊车路径对应的前视广角图像进行特征提取之后,可以得到特征提取的响应图,响应图中的响应值可以反映最近一次保存的泊车路径对应的前视广角图像的特征点的明显程度,响应值越大,则最近一次保存的泊车路径对应的前视广角图像中的特征点越明显。为了提高重复路径检测精度,可以按照特征点响应值从高到低的顺序,依次获取指定数量的多个特征点,以便根据响应值较大的特征点进行再次筛选操作。指定数量可以根据实际对重复路径检测精度的要求进行设置,例如,指定数量可以是500。
可以对初步重复路径对应的前视广角图像与多个特征点进行最近邻匹配,得到初步重复路径对应的前视广角图像与多个特征点的匹配点。示例的,针对初步重复路径中的每条路径,可以采用最近邻(k-Nearest Neighbor,简称KNN)算法,对当前路径对应的前视广角图像和上述多个特征点进行最近邻匹配,对最近邻匹配结果进行随机样本一致性校验(Random Sample Consensus,简称RANSAC),以剔除最近邻匹配结果中的异常值,得到当前路径对应的前视广角图像与多个特征点的匹配点(或称为配对点),从而提高重复路径检测精度。
可以将初步重复路径中匹配点的数量小于指定数量阈值的路径剔除,得到准重复路径。其中,指定数量阈值小于上述指定数量,指定数量阈值可以根据实际对重复路径检测精度的要求进行设定,例如,指定数量阈值可以是200。
本申请实施例中,根据前视广角图像对初步重复路径进行再次筛选,将初步重复路径中前视广角图像的匹配点的数量大于或等于指定数量阈值的路径,确定为准重复路径,可以进一步提高重复路径检测精度,以便根据准确的重复路径判定最近一次保存的泊车路径是否为固定车位的泊车路径。
步骤S133,在准重复路径所包括的路径的数量大于预先设定的重复路径数量时,将最近一次保存的泊车路径确定为固定车位的泊车路径。
在得到准重复路径之后,可以判断准重复路径所包括的路径的数量是否大于预先设定的重复路径数量。其中,预先设定的重复路径数量可以根据实际对确定固定车位的泊车路径的准确性要求进行设定,例如,预先设定的重复路径数量可以是3。
如果准重复路径所包括的路径的数量大于预先设定的重复路径数量,说明最近一次保存的泊车路径具有对应的固定车位的准确性较高,最近一次保存的泊车路径可以作为用户高频使用的固定泊车路径,可以执行步骤S133,将最近一次保存的泊车路径确定为固定车位的泊车路径,并标记固定车位的泊车路径,以便后续根据固定车位的泊车路径进行记忆泊车。
如果准重复路径所包括的路径的数量小于或等于预先设定的重复路径数量,说明最近一次保存的泊车路径具有对应的固定车位的准确性较低,此时不将最近一次保存的泊车路径确定为固定车位的泊车路径,返回执行步骤S110至步骤S130,直到确定固定车位的泊车路径。
本申请实施例中,设置预先设定的重复路径数量来判断最近一次保存的泊车路径是否是用户高频使用的固定泊车路径,可以提高确定固定车位的泊车路径的准确性。
步骤S140,在下次车辆行驶到固定车位的泊车路径起点的指定范围内时,控制车辆根据固定车位的泊车路径,将车辆泊入固定车位。
固定车位的泊车路径起点也即固定车位的泊车路径的停车点,如图2所示,假设矩形框ABCD表示固定车位,图2中的曲线表示固定车位的泊车路径,则点f为固定车位的泊车路径的起点。
指定范围用于触发启动记忆泊车功能。指定范围可以根据对记忆泊车功能的触发灵敏度的要求进行设定,例如,指定范围可以是以固定车位的泊车路径的起点为圆心,圆心角为指定角度(例如30度),半径为指定半径(例如20米)的扇形区域范围。设置指定范围来检测车辆是否处于记忆泊车范围,可以自动激活记忆泊车功能,提高记忆泊车的用户体验。
示例的,请参阅图4,步骤S140可以包括步骤S141至步骤S145。
步骤S141,在下次车辆行驶的过程中,在检测到固定车位的泊车路径中的起点时,获取车辆与起点之间的距离、航向角误差以及车辆的速度。
示例的,可以获取固定车位的泊车路径的起点的位姿,获取INS输出的车辆的后轴中心的位姿。位姿包括位置和航向角。可以计算车辆的后轴中心的位置和起点的位置之间的距离,作为车辆与起点之间的距离。计算起点的航向角与车辆的后轴中心的航向角之间的角度差,作为航向角误差。获取INS输出的车辆的速度。
步骤S142,判断车辆与起点的距离是否处于指定距离范围内。
其中,指定距离范围可以根据对记忆泊车功能的触发灵敏度的要求进行设定,例如,指定距离范围可以是小于或等于20米。
若车辆与起点的距离处于指定距离范围内,则执行步骤S143。若车辆与起点的距离不处于指定距离范围内,则继续执行步骤S142。
步骤S143,判断车辆与起点的航向角误差是否处于指定角度范围内。
其中,指定角度范围可以根据对记忆泊车功能的触发灵敏度的要求进行设定,例如,指定角度范围可以是小于或等于30度。
若车辆与起点的航向角误差处于指定触发角度范围内,则执行步骤S144。若车辆与起点的航向角误差不处于指定触发角度范围内,则返回执行步骤S142。
步骤S144,判断车辆的速度是否连续第一指定时长均小于指定速度。
其中,第一指定时长和指定速度用于判定车辆是否进入最后一公里泊车的状态。第一指定时长和指定速度可以根据实际车型设置,例如,第一指定时长可以是5秒,指定速度可以是20千米每秒。
若车辆的速度连续第一指定时长均小于指定速度,则执行步骤S145。若车辆的速度不是连续第一指定时长均小于指定速度,则返回执行步骤S142。
步骤S145,若车辆与起点的距离处于指定距离范围内,且车辆与起点的航向角偏差处于指定角度范围内,且车辆的速度连续第一指定时长均小于指定速度,则启动记忆泊车功能,将车辆泊入固定车位。
由于步骤S130已确定固定车位的泊车路径,在启动记忆泊车功能后,车辆会根据已确定的固定车位的泊车路径,辅助驾驶员将车辆泊入固定车位,以提升用户体验。本申请实施例中,在下次车辆行驶到固定车位的泊车路径附近时,才启动记忆泊车功能,可以确保在用户含有固定车位的高频重复泊车路径的场景下才激活记忆泊车功能进行后台学习,而不是每次泊车都激活记忆泊车功能,可以避免不必要的记忆泊车学习,从而节省车辆算力。
本申请实施例提供的记忆泊车方法,采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差;将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径;根据最近一次保存的泊车路径对应的前视广角图像、环视图像以及重复路径,确定固定车位的泊车路径,可以实现足够轻量化、足够鲁棒、具有区分度的重复路径检测,相比于目前采用同步定位与建图算法对重复路径进行检测的方法,本方法足够轻量级,成本更低,具有更好的鲁棒性和区分度。此外,在下次车辆行驶到固定车位的泊车路径附近时,才启动记忆泊车功能,可以确保在用户含有固定车位的高频重复泊车路径的场景下才激活记忆泊车功能进行后台学习,而不是每次泊车都激活记忆泊车功能,可以避免不必要的记忆泊车学习,从而节省车辆算力。
请参阅图5,图5示出了本申请另一实施例提供的记忆泊车方法的流程示意图。该记忆泊车方法可以应用于车辆或记忆泊车装置。该记忆泊车方法可以包括以下步骤S210至步骤S260。
步骤S210,在车辆行驶过程中,获取车辆的速度。
可以获取INS输出的车辆的速度。一些实施例中,可以以固定频率获取INS输出的速度、位姿、位置偏差和航向角偏差。固定频率可以根据实际对记忆泊车精度的需求进行设置,例如,固定频率可以是100赫兹。
步骤S220,在车辆的速度连续第一指定时长均小于指定速度时,周期性获取并保存车辆的速度、位姿、位置偏差和航向角偏差至路径队列中,直到检测到车辆的档位置于驻车档位,将路径队列存储到存储器中,路径队列形成一条泊车路径。
其中,第一指定时长和指定速度的具体描述请参阅上述步骤S144的相关部分。周期可以是路径队列存储数据时所采用的数据间隔。例如,假设周期是1米,则可以每间隔1米存储一个路径点对应的速度、位姿、位置偏差和航向角偏差,一个路径点对应的速度、位姿、位置偏差和航向角偏差即为一帧数据。
其中,驻车档位,即P档,通常在车辆熄火停放或车辆静止时使用,用于控制车辆处于停止状态。
为了实现算法的轻量化,降低运算量,一些实施例中,在“周期性获取并保存车辆的速度、位姿、位置偏差和航向角偏差至路径队列中”的过程中,若检测到路径队列的数据量达到指定数据量,可以按照从先到后的保存顺序,将路径队列中的部分数据删除,将最新获取到的车辆的速度、位姿、位置偏差和航向角偏差保存在路径队列中,以使路径队列的数据量保持小于或等于指定数据量。其中,指定数据量可以根据对算法的运算复杂度和记忆泊车精度的要求进行设置,例如,假设指定数据量是1000米,若路径队列中超过1000帧数据,则可以将路径队列中的最旧的一帧数据删除,将最新获取到的一帧数据加入路径队列中,以保持路径队列的长度始终为1000米。
为了提高确定固定车位的泊车路径的精度,一些实施例中,在“周期性获取并保存车辆的速度、位姿、位置偏差和航向角偏差至路径队列中”的过程中,若检测到车辆的速度重新超过指定速度,则可以将路径队列中的数据清除,以避免将非泊车路径存储到路径队列中,导致影响确定固定车位的泊车路径的精度,从而提高确定固定车位的泊车路径的精度,确保在用户含有固定车位的高频重复泊车路径的场景下才触发启动记忆泊车功能。
为了提高确定固定车位的泊车路径的精度,一些实施例中,在执行“检测到车辆的档位置于驻车档位,将所述路径队列存储到存储器中”的步骤之后的第二指定时长内,若检测到车辆的档位置于除驻车档位之外的其他档位,则可以将存储器中已保存的路径队列清除,以避免将短暂停车的泊车路径存储到路径队列中,导致影响确定固定车位的泊车路径的精度,从而提高确定固定车位的泊车路径的精度,确保在用户含有固定车位的高频重复泊车路径的场景下才触发启动记忆泊车功能。其中,第二指定时长大于第一指定时长,第二指定时长可以根据实际对确定固定车位的泊车路径的精度的要求进行设置,例如,第二指定时长可以是10分钟。
步骤S230,在车辆上电时,获取已保存的多条泊车路径以及与多条泊车路径各自对应的前视广角图像和环视图像,每条泊车路径的每个路径点对应一个位姿。
步骤S240,采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差,将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径。
步骤S250,根据最近一次保存的泊车路径对应的前视广角图像、环视图像以及重复路径,确定固定车位的泊车路径。
步骤S260,在下次车辆行驶到固定车位的泊车路径起点的指定范围内时,控制车辆根据固定车位的泊车路径,将车辆泊入固定车位。
其中,步骤S230至步骤S260的具体描述请参阅上述步骤S110至步骤S140。
除了具有图1所示的实施例所具有的技术效果之外,本申请实施例的记忆泊车方法具有以下的技术效果:可以避免将非泊车路径存储到路径队列中,导致影响确定固定车位的泊车路径的精度,从而提高确定固定车位的泊车路径的精度,确保在用户含有固定车位的高频重复泊车路径的场景下才触发启动记忆泊车功能。此外,还可以避免将短暂停车的泊车路径存储到路径队列中,导致影响确定固定车位的泊车路径的精度,从而提高确定固定车位的泊车路径的精度,确保在用户含有固定车位的高频重复泊车路径的场景下才触发启动记忆泊车功能。
请参阅图6,图6示出了本申请实施例提供的记忆泊车装置的结构框图。该记忆泊车装置100可以应用于车辆。记忆泊车装置100可以包括数据获取模块110、重复路径确定模块120、泊车路径确定模块130以及记忆泊车模块140。
数据获取模块110,用于在车辆上电时,获取已保存的多条泊车路径以及与多条泊车路径各自对应的前视广角图像和环视图像,每条泊车路径的每个路径点对应一个位姿。其中,数据获取模块110的具体工作过程请参阅步骤S110。
重复路径确定模块120,用于采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差,将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径。其中,重复路径确定模块120的具体工作过程请参阅步骤S120。
泊车路径确定模块130,用于根据最近一次保存的泊车路径对应的前视广角图像、环视图像以及重复路径,确定固定车位的泊车路径。其中,泊车路径确定模块130的具体工作过程请参阅步骤S130。
记忆泊车模块140,用于在下次车辆行驶到固定车位的泊车路径起点的指定范围内时,控制车辆根据固定车位的泊车路径,将车辆泊入固定车位。其中,记忆泊车模块140的具体工作过程请参阅步骤S140,在此不再赘述。
一些实施例中,记忆泊车装置100还包括泊车路径记录模块,泊车路径记录模块用于在车辆行驶过程中,获取车辆的速度。在车辆的速度连续第一指定时长均小于指定速度时,周期性获取并保存车辆的速度、位姿、位置偏差和航向角偏差至路径队列中,直到检测到车辆的档位置于驻车档位,将所述路径队列存储到存储器中,所述路径队列形成一条泊车路径。其中,泊车路径记录模块的具体工作过程请参阅步骤S210和步骤S220。
本领域技术人员可以清楚地了解到,本申请实施例提供的记忆泊车装置100可以实现本申请实施例提供的记忆泊车方法。上述装置和模块的具体工作过程,可以参阅本申请实施例中的记忆泊车方法对应的过程。
本申请提供的实施例中,所显示或讨论的模块相互之间的耦合、直接耦合或者通信连接,可以是通过一些接口、装置或模块的间接耦合或通信耦合,可以是电性、机械或其他形式,本申请实施例对此不作限制。
另外,在本申请实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件的功能模块的形式实现,本申请实施例在此不作限制。
请参阅图7,图7示出了本申请实施例提供的车辆的结构框图。该车辆200包括存储器210和处理器220。其中,存储器210上存储有应用程序,应用程序用于当被处理器220调用时执行本申请实施例提供的记忆泊车方法。
存储器210可以包括随机存储器(Random Access Memory,简称RAM),也可以包括只读存储器(Read-Only Memory,简称ROM)。存储器210可以用于存储指令、程序、代码、代码集或指令集。存储器210可以包括存储程序区和存储数据区。其中,存储程序区可以存储用于实现操作系统的指令、用于实现至少一个功能的指令、用于实现上述各个方法实施例的指令等。存储数据区可以存储车辆200在使用中所创建的数据等。
处理器220可以包括一个或多个处理核。处理器220利用各种接口和线路连接整个车辆200内各个部分,用于运行或执行存储在存储器210内的指令、程序、代码集或指令集,以及调用运行或执行存储在存储器210内的数据,执行车辆200的各种功能和处理数据。处理器220可以采用数字信号处理(Digital Signal Processing,简称DSP)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)、可编辑逻辑阵列(Programmable LogicArray,简称PLA)中的至少一种硬件形式来实现。处理器220可集成中央处理器(CentralProcessing Unit,简称CPU)、图像处理器(Graphics Processing Unit,简称GPU)和调制解调器中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等。GPU用于负责显示内容的渲染和绘制。调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成于处理器220中,单独通过一块通信芯片进行实现。
本申请实施例还提供一种计算机可读取存储介质。该计算机可读取存储介质中存储有程序代码,该程序代码被配置为当被处理器调用时,使得处理器执行本申请实施例提供的上述记忆泊车方法。
计算机可读取存储介质可以是诸如闪存、电可擦除可编辑只读存储器(Electrically-Erasable Programmable Read-Only Memory,简称EEPROM)、可擦除可编辑只读存储器(Erasable Programmable Read-Only Memory,简称EPROM)、硬盘或者ROM之类的电子存储器。计算机可读取存储介质包括非易失性计算机可读介质(Non-TransitoryComputer-Readable Storage Medium,简称Non-TCRSM)。计算机可读取存储介质具有执行上述方法中的任何方法步骤的程序代码的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码可以以适当的形式进行压缩。
最后应说明的是:以上实施例仅用于说明本申请的技术方案,而非对其限制。尽管参照前述实施例对本申请进行了详细的说明,本领域技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (9)
1.一种记忆泊车方法,其特征在于,包括:
在车辆上电时,获取已保存的多条泊车路径以及与多条泊车路径各自对应的前视广角图像和环视图像,每条泊车路径的每个路径点对应一个位姿;
采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差;将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径;
根据最近一次保存的泊车路径对应的环视图像以及重复路径对应的环视图像,对重复路径进行初步筛选,得到初步重复路径;
根据最近一次保存的泊车路径对应的前视广角图像以及初步重复路径对应的前视广角图像,对初步重复路径进行再次筛选,得到准重复路径;
若准重复路径所包括的路径的数量大于预先设定的重复路径数量,将最近一次保存的泊车路径确定为固定车位的泊车路径;
在下次车辆行驶到固定车位的泊车路径起点的指定范围内时,控制车辆根据所述固定车位的泊车路径,将车辆泊入所述固定车位。
2.根据权利要求1所述的方法,其特征在于,所述李代数SE2群所表示的位姿中,每条泊车路径中的路径点分别与最近一次保存的泊车路径中的路径点具有一一对应关系,所述根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差的步骤包括:
计算李代数SE2群中的具有一一对应关系的路径点对应的位姿之间的位姿误差,得到每条泊车路径的路径点相比于最近一次保存的泊车路径的路径点的位姿误差;
根据每条泊车路径的路径点的位姿误差,确定每条泊车路径相比于最近一次保存的泊车路径的位姿误差。
3.根据权利要求2所述的方法,其特征在于,所述每条泊车路径相比于最近一次保存的泊车路径的位姿误差均包括位置误差和航向角误差,所述将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径的步骤包括:
将多条泊车路径中,位置误差处于指定位置误差范围内且航向误差处于指定航向角误差范围内的路径,确定为重复路径。
4.根据权利要求1所述的方法,其特征在于,所述根据最近一次保存的泊车路径对应的环视图像以及重复路径对应的环视图像,对重复路径进行初步筛选,得到初步重复路径的步骤包括:
确定最近一次保存的泊车路径在第一环视图像中的分布区域,第一环视图像为最近一次保存的泊车路径对应的环视图像;
确定重复路径在第二环视图像中的分布区域,第二环视图像为重复路径对应的环视图像;
计算最近一次保存的泊车路径的分布区域与重复路径的分布区域的交并比;
将重复路径中交并比小于指定交并比的路径剔除,得到初步重复路径。
5.根据权利要求1所述的方法,其特征在于,所述根据最近一次保存的泊车路径对应的前视广角图像以及初步重复路径对应的前
视广角图像,对初步重复路径进行再次筛选,得到准重复路径的步骤包括:
对最近一次保存的泊车路径对应的前视广角图像进行特征提取,获取响应值最高的指定数量的多个特征点;
对初步重复路径对应的前视广角图像与多个特征点进行最近邻匹配,得到初步重复路径对应的前视广角图像与多个特征点的匹配点;
将初步重复路径中匹配点的数量小于指定数量阈值的路径剔除,得到准重复路径,所述指定数量阈值小于所述指定数量。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述多个泊车路径中的停车点具有与该停车点对应的位姿偏差,所述多条泊车路径的停车点对应的位姿偏差均处于指定位姿偏差范围内。
7.一种记忆泊车装置,其特征在于,包括:
数据获取模块,用于在车辆上电时,获取已保存的多条泊车路径以及与多条泊车路径各自对应的前视广角图像和环视图像,每条泊车路径的每个路径点对应一个位姿;
路径筛选模块,用于采用李代数SE2群表示多条泊车路径的路径点对应的位姿,根据李代数SE2群确定多条泊车路径相比于最近一次保存的泊车路径的位姿误差;将多条泊车路径中位姿误差处于指定误差范围内的泊车路径确定为重复路径;
路径确定模块,用于根据最近一次保存的泊车路径对应的环视图像以及重复路径对应的环视图像,对重复路径进行初步筛选,得到初步重复路径;根据最近一次保存的泊车路径对应的前视广角图像以及初步重复路径对应的前视广角图像,对初步重复路径进行再次筛选,得到准重复路径;若准重复路径所包括的路径的数量大于预先设定的重复路径数量,将最近一次保存的泊车路径确定为固定车位的泊车路径;
记忆泊车模块,用于在下次车辆行驶到固定车位的泊车路径起点的指定范围内时,控制车辆根据所述固定车位的泊车路径,将车辆泊入所述固定车位。
8.一种车辆,其特征在于,包括:
存储器和处理器,所述存储器上存储有应用程序,所述应用程序用于当被所述处理器调用时执行如权利要求1-6任一项所述的方法。
9.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质上存储有程序代码,所述程序代码用于当被处理器调用时执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310943889.6A CN116968726B (zh) | 2023-07-28 | 2023-07-28 | 记忆泊车方法和装置、车辆、计算机可读取存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310943889.6A CN116968726B (zh) | 2023-07-28 | 2023-07-28 | 记忆泊车方法和装置、车辆、计算机可读取存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116968726A CN116968726A (zh) | 2023-10-31 |
CN116968726B true CN116968726B (zh) | 2024-04-12 |
Family
ID=88470856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310943889.6A Active CN116968726B (zh) | 2023-07-28 | 2023-07-28 | 记忆泊车方法和装置、车辆、计算机可读取存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116968726B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110497901A (zh) * | 2019-08-30 | 2019-11-26 | 的卢技术有限公司 | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 |
CN112802346A (zh) * | 2020-12-28 | 2021-05-14 | 苏州易航远智智能科技有限公司 | 基于云端共享和地图融合的自主泊车系统和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10565728B2 (en) * | 2018-06-01 | 2020-02-18 | Tusimple, Inc. | Smoothness constraint for camera pose estimation |
-
2023
- 2023-07-28 CN CN202310943889.6A patent/CN116968726B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110497901A (zh) * | 2019-08-30 | 2019-11-26 | 的卢技术有限公司 | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 |
CN112802346A (zh) * | 2020-12-28 | 2021-05-14 | 苏州易航远智智能科技有限公司 | 基于云端共享和地图融合的自主泊车系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116968726A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887033B (zh) | 定位方法及装置 | |
CN108571974B (zh) | 使用摄像机的车辆定位 | |
US11482014B2 (en) | 3D auto-labeling with structural and physical constraints | |
JP6670071B2 (ja) | 車両用画像認識システム、及び対応法 | |
US20180157920A1 (en) | Method and apparatus for recognizing obstacle of vehicle | |
US11157753B2 (en) | Road line detection device and road line detection method | |
JP6520740B2 (ja) | 物体検出方法、物体検出装置、およびプログラム | |
CN110659548B (zh) | 车辆及其目标检测方法、装置 | |
CN110751040B (zh) | 一种三维物体的检测方法和装置、电子设备、存储介质 | |
CN114091521B (zh) | 车辆航向角的检测方法、装置、设备及存储介质 | |
CN116626670B (zh) | 自动驾驶模型的生成方法、装置、车辆及存储介质 | |
CN111210411B (zh) | 图像中灭点的检测方法、检测模型训练方法和电子设备 | |
CN116968726B (zh) | 记忆泊车方法和装置、车辆、计算机可读取存储介质 | |
CN112183381A (zh) | 车辆的可行驶区域检测方法和装置 | |
CN116872957A (zh) | 智能驾驶车辆的预警方法、装置及电子设备、存储介质 | |
CN112654998B (zh) | 一种车道线检测方法和装置 | |
CN111988399B (zh) | 分布式计算方法、装置及系统 | |
RU2767838C1 (ru) | Способы и системы для формирования обучающих данных для обнаружения горизонта и плоскости дороги | |
CN112241717B (zh) | 前车检测方法、前车检测模型的训练获取方法及装置 | |
CN114821517A (zh) | 用于学习神经网络以确定环境中车辆姿态的方法和系统 | |
CN115249407A (zh) | 指示灯状态识别方法、装置、电子设备、存储介质及产品 | |
CN111174796A (zh) | 一种基于单灭点的导航方法、电子设备和存储介质 | |
CN115359460B (zh) | 用于车辆的图像识别方法、装置、车辆和存储介质 | |
CN115496977B (zh) | 一种基于多模态序列数据融合的目标检测方法及装置 | |
CN117131150B (zh) | 电子地图的生成方法、装置、车辆和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |