CN117095551A - 车辆停车导航 - Google Patents
车辆停车导航 Download PDFInfo
- Publication number
- CN117095551A CN117095551A CN202210513185.0A CN202210513185A CN117095551A CN 117095551 A CN117095551 A CN 117095551A CN 202210513185 A CN202210513185 A CN 202210513185A CN 117095551 A CN117095551 A CN 117095551A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- sub
- region
- computer
- data
- 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 claims description 87
- 230000015654 memory Effects 0.000 claims description 26
- 238000012795 verification Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 34
- 238000004891 communication Methods 0.000 description 27
- 230000007246 mechanism Effects 0.000 description 9
- 238000013475 authorization Methods 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000007514 turning Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 240000005020 Acaciella glauca Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/133—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了“车辆停车导航”。基于从第一传感器数据检测到某一区域中的子区域中的第一对象而将所述子区域识别为供车辆进入的授权子区域。然后,根据所述第一传感器数据确定所述第一对象的参数。在从第二传感器数据检测到所述子区域中的第二对象之后,基于所述第二传感器数据而确定所述第二对象的参数。基于确定所述第二对象的所述参数不同于所述第一对象的所述参数而将所述子区域确定为有效。
Description
技术领域
本公开涉及车辆停车导航系统。
背景技术
车辆可配备有电子和机电部件,例如,计算装置、网络、传感器和控制器等。车辆计算机可获取关于车辆的环境的数据,并且可基于所获取的数据而操作车辆或其至少一些部件。车辆传感器可提供关于将行驶的路线以及车辆的环境中要避开的对象的数据。当车辆在操作时,车辆的操作可依赖于获取关于车辆的环境中的对象的准确且及时的数据。
发明内容
一种系统包括计算机,所述计算机包括处理器和存储器,所述存储器存储指令,所述指令能够由所述处理器执行以基于从第一传感器数据检测到某一区域中的子区域中的第一对象而将所述子区域识别为供车辆进入的授权子区域。所述指令还包括用于进行以下操作的指令:之后根据所述第一传感器数据确定所述第一对象的参数。所述指令还包括用于进行以下操作的指令:在从第二传感器数据检测到所述子区域中的第二对象之后,基于所述第二传感器数据而确定所述第二对象的参数。所述指令还包括用于进行以下操作的指令:基于确定所述第二对象的所述参数不同于所述第一对象的所述参数而确定所述子区域是有效的。
所述指令还可包括用于进行以下操作的指令:在确定所述子区域是有效的之后,更新所述区域的地图以包括所述有效子区域。
所述指令还可包括用于进行以下操作的指令:将所述更新的地图提供给远程计算机。
所述指令还可包括用于进行以下操作的指令:在识别所述子区域之后,更新所述区域的地图以包括所述授权子区域。
所述指令还可包括用于进行以下操作的指令:在从第三传感器数据检测到所述有效子区域未被占用之后,将所述车辆操作到所述有效子区域中。
所述指令还可包括用于进行以下操作的指令:在识别所述子区域之后,确定所述车辆的位置,然后操作所述车辆以离开所述位置。
所述指令还可包括用于进行以下操作的指令:基于所述车辆返回到所述位置而获得所述第二传感器数据。
所述指令还可包括用于进行以下操作的指令:基于所述区域的地图而检测所述子区域。
所述指令还可包括用于进行以下操作的指令:基于所述第一传感器数据而检测所述子区域。
所述指令还可包括用于进行以下操作的指令:防止所述车辆操作到无效子区域中。
所述指令还可包括用于进行以下操作的指令:在识别所述第一对象和所述第二对象之后,进一步基于所述第一对象不同于所述第二对象而确定所述子区域是有效的。
每个参数可为相应对象的尺寸。
每个参数可为所述相应对象相对于所述车辆的取向。
所述指令还可包括用于进行以下操作的指令:进一步基于所述区域的地图而确定所述子区域是有效的。
所述系统可包括远程计算机,所述远程计算机包括第二处理器和第二存储器,所述第二存储器存储指令,所述指令能够由所述第二处理器执行以基于包括来自多个车辆的指示所述子区域是有效的消息的聚合数据而在所述地图中更新对所述子区域的验证。
一种方法包括:基于从第一传感器数据检测到某一区域中的子区域中的第一对象而将所述子区域识别为供车辆进入的授权子区域。所述方法还包括:之后根据所述第一传感器数据确定所述第一对象的参数。所述方法还包括:在从第二传感器数据检测到所述子区域中的第二对象之后,基于所述第二传感器数据而确定所述第二对象的参数。所述方法还包括:基于确定所述第二对象的所述参数不同于所述第一对象的所述参数而确定所述子区域是有效的。
所述方法还可包括:在确定所述子区域是有效的之后,更新所述区域的地图以包括所述有效子区域。
所述方法还可包括:在识别所述第一对象和所述第二对象之后,进一步基于所述第一对象不同于所述第二对象而确定所述子区域是有效的。
每个参数可为相应对象的尺寸。
每个参数可为所述相应对象相对于所述车辆的取向。
本文还公开了一种计算装置,所述计算装置被编程为执行上述方法步骤中的任一者。本文还公开了一种计算机程序产品,所述计算机程序产品包括计算机可读介质,所述计算机可读介质存储能够由计算机处理器执行以执行上述方法步骤中的任一者的指令。
一种车辆可在包括多个子区域的区域中操作。例如,用户可在所述区域中操作所述车辆。作为另一个示例,车辆计算机可沿着所述区域中的规划路径操作所述车辆。当所述车辆在所述区域(例如,停车区域)中操作时,所述车辆计算机可经由图像数据搜索供所述车辆进入的可用的子区域,例如,未被占用的停车空间。然而,由于检测到例如子区域标记被碎片、积雪、树叶等覆盖、不完整或重复的子区域标记、其他车辆停放在无效子区域中等,所述车辆计算机可能无法识别有效(即,未被占用且可用的)子区域。有利地,所述车辆计算机可在不同的时间从传感器数据检测所述子区域中的第一对象和第二对象。例如,所述车辆计算机可经由一个图像来检测所述第一对象,并且经由时间上在后面的图像来检测所述第二对象。基于比较所述第一对象和所述第二对象的参数,所述车辆计算机可确定所述子区域是有效的或无效的,这可防止所述车辆计算机将所述车辆操作到无效子区域(例如,已被预订、法律上禁止、行驶车道的一部分等)中的停靠处。
附图说明
图1是示出用于车辆的示例性车辆控制系统的框图。
图2是示出根据图1的系统操作车辆的图示。
图3A是示出识别某一位置处的授权子区域的图示。
图3B是示出确定所述位置处的授权子区域是有效的图示。
图3C是示出将车辆操作到所述位置处的有效子区域中的图示。
图4A是用于操作车辆的示例性过程的流程图的第一部分。
图4B是图4A的流程图的第二部分。
具体实施方式
参考图1至图2,示例性车辆控制系统100包括车辆105。车辆105中的车辆计算机110从传感器115接收数据。车辆计算机110被编程为基于从第一传感器115数据检测到区域200中的子区域210中的第一对象220而将子区域210识别为供车辆105进入的授权子区域210。车辆计算机110还被编程为之后根据第一传感器115数据确定第一对象220的参数。车辆计算机110还被编程为在从第二传感器115数据检测到子区域210中的第二对象225之后,基于第二传感器115数据而确定第二对象225的参数。车辆计算机110还被编程为基于确定第二对象225的参数不同于第一对象220的参数而确定子区域210是有效的。
现在转到图1,车辆105包括车辆计算机110、传感器115、用于致动各种车辆部件125的致动器120以及车辆通信模块130。通信模块130允许车辆计算机110例如经由消息传递或广播协议诸如专用短程通信(DSRC)、蜂窝和/或可支持车辆对车辆、车辆对基础设施、车辆对云通信等的其他协议和/或经由分组网络135来与远程服务器计算机140、用户装置145和/或其他车辆通信。
车辆计算机110包括诸如已知的处理器和存储器。存储器包括一种或多种形式的计算机可读介质,并且存储指令,所述指令可由车辆计算机110执行以用于执行包括如本文所公开的各种操作。车辆计算机110还可包括协同操作以实施车辆105操作(包括如本文所述的操作)的两个或更多个计算装置。此外,车辆计算机110可为具有如上所述的处理器和存储器的通用计算机,和/或可包括专用电子电路,所述专用电子电路包括针对特定操作而制造的ASIC,例如,用于处理传感器数据和/或传送传感器数据的ASIC。在另一个示例中,车辆计算机110可包括FPGA(现场可编程门阵列),所述FPGA是被制造为可由用户配置的集成电路。通常,在电子设计自动化中使用诸如VHDL(超高速集成电路硬件描述语言)的硬件描述语言来描述诸如FPGA和ASIC的数字和混合信号系统。例如,ASIC是基于制造前提供的VHDL编程而制造的,而FPGA内部的逻辑部件可基于例如存储在电连接到FPGA电路的存储器中的VHDL编程而配置。在一些示例中,一个或多个处理器、一个或多个ASIC和/或FPGA电路的组合可包括在车辆计算机110中。
车辆计算机110可以自主、半自主模式或非自主(或手动)模式操作和/或监测车辆105,即可控制和/或监测车辆105的操作,包括控制和/或监测部件125。出于本公开的目的,自主模式被定义为其中车辆105的推进、制动和转向中的每一者都由车辆计算机110控制的模式;在半自主模式中,车辆计算机110控制车辆105的推进、制动和转向中的一者或两者;在非自主模式中,人类操作员控制车辆105的推进、制动和转向中的每一者。
车辆计算机110可包括编程以操作车辆105的制动、推进(例如,通过控制内燃发动机、电动马达、混合动力发动机等中的一者或多者来控制车辆105的加速)、转向、变速器、气候控制、内部灯和/或外部灯、喇叭、车门等中的一者或多者,并且确定车辆计算机110(而非人类操作员)是否以及何时控制此类操作。
车辆计算机110可包括多于一个处理器或例如经由如下文进一步描述的车辆通信网络(诸如,通信总线)通信地耦合到所述多于一个处理器,所述多于一个处理器例如包括在车辆105中所包括的用于监测和/或控制各种车辆部件125的电子控制器单元(ECU)等中,例如变速器控制器、制动控制器、转向控制器等。车辆计算机110通常被布置用于在车辆通信网络上通信,所述车辆通信网络可包括车辆105中的总线,诸如控制器局域网(CAN)等,和/或其他有线和/或无线机制。
经由车辆105网络,车辆计算机110可向车辆105中的各种装置(例如,传感器115、致动器120、ECU等)传输消息和/或从各种装置接收消息(例如,CAN消息)。可替代地或另外地,在车辆计算机110实际上包括多个装置的情况下,车辆通信网络可用于在本公开中表示为车辆计算机110的装置之间的通信。此外,如下文所提及,各种控制器和/或传感器115可经由车辆通信网络向车辆计算机110提供数据。
车辆105传感器115可包括诸如已知为向车辆计算机110提供数据的多种装置。例如,传感器115可包括设置在车辆105的顶部上、在车辆105的前挡风玻璃后面、在车辆105周围等的一个或多个光探测和测距(激光雷达)传感器115等,所述传感器提供车辆105周围的对象的相对位置、大小和形状。作为另一个示例,固定到车辆105保险杠的一个或多个雷达传感器115可提供数据来提供对象、第二车辆等相对于车辆105的位置的位置。可替代地或另外地,传感器115还可例如包括一个或多个相机传感器115(例如,前视、侧视等),所述相机传感器提供来自车辆105周围的区域的图像。在本公开的背景下,对象是具有质量并可通过可由传感器115检测到的物理现象(例如,光或其他电磁波或声音等)来表示的物理(即,物质)物品。因此,车辆105以及包括如下文所讨论的其他物品都落在本文的“对象”的定义内。
车辆计算机110被编程为基本上连续地、周期性地和/或在远程服务器计算机140指示时等从一个或多个传感器115接收数据。数据可例如包括车辆105的位置。位置数据指定地面上的一个或多个点并且可为已知形式,例如经由如所已知的使用全球定位系统(GPS)的导航系统获得的地理坐标,诸如纬度和经度坐标。另外地或可替代地,数据可包括对象(例如,车辆、标志、树木等)相对于车辆105的位置。作为一个示例,数据可为车辆105周围的环境的图像数据。在这种示例中,图像数据可包括道路上或沿着所述道路的一个或多个对象和/或标志,例如车道标志。本文的图像数据意指可由相机传感器115获取的数字图像数据,例如,包括具有强度值和颜色值的像素。传感器115可安装到车辆105之中或之上的任何合适的位置,例如,安装在车辆105保险杠上、在车辆105车顶上等,以收集车辆105周围的环境的图像。
车辆105致动器120经由可根据如所已知的适当的控制信号来致动各种车辆子系统的电路、芯片或其他电子和/或机械部件来实现。致动器120可用于控制部件125,包括车辆105的制动、加速和转向。
在本公开的背景下,车辆部件125是适于执行机械或机电功能或操作(诸如使车辆105移动、使车辆105减速或停止、使车辆105转向等)的一个或多个硬件部件。部件125的非限制性示例包括推进部件(其包括例如内燃发动机和/或电动马达等)、变速器部件、转向部件(例如,其可包括方向盘、转向齿条等中的一者或多者)、悬架部件125(例如,其可包括例如减震器或滑柱的阻尼器、衬套、弹簧、控制臂、球头节、连杆等中的一者或多者)、制动部件、停车辅助部件、自适应巡航控制部件、自适应转向部件、一个或多个被动约束系统(例如,安全气囊)、可移动座椅等。
此外,车辆计算机110可被配置用于经由车辆对车辆通信模块130或接口与车辆105外部的装置通信,例如,通过车辆对车辆(V2V)或车辆对基础设施(V2X)无线通信(蜂窝和/或DSRC等)与另一个车辆和/或远程服务器计算机140(通常经由直接射频通信)通信。通信模块130可包括车辆的计算机可利用来进行通信的一种或多种机制,诸如收发器,包括无线(例如,蜂窝、无线、卫星、微波和射频)通信机制的任何期望的组合以及任何期望的网络拓扑(或当利用多种通信机制时的多种拓扑)。经由通信模块130提供的示例性通信包括提供数据通信服务的蜂窝、蓝牙、IEEE 802.11、专用短程通信(DSRC)和/或包括互联网的广域网(WAN)。
网络135表示车辆计算机110可利用来与远程计算装置(例如,远程服务器计算机140、另一个车辆计算机等)通信的一种或多种机制。因此,网络135可为各种有线或无线通信机制中的一者或多者,包括有线(例如,电缆和光纤)和/或无线(例如,蜂窝、无线、卫星、微波和射频)通信机制的任何期望的组合以及任何期望的网络拓扑(或当利用多种通信机制时的多种拓扑)。示例性通信网络包括提供数据通信服务的无线通信网络(例如,使用低功耗(BLE)、IEEE 802.11、车辆对车辆(V2V)诸如专用短程通信(DSRC)等)、局域网(LAN)和/或包括互联网的广域网(WAN)。
远程服务器计算机140可为被编程为提供诸如本文公开的操作的常规计算装置,即包括一个或多个处理器和一个或多个存储器。此外,可经由网络135(例如,互联网、蜂窝网络和/或某一其他广域网)来访问远程服务器计算机140。
图2是示出车辆105在示例性地面区域200中操作的图示,所述示例性地面区域包括用于车辆的标记的子区域210(例如,停车空间)。区域200可在街道或道路上,例如,沿路沿或街道边缘的限定的停车区域、停车场或停车结构或其一部分等。车辆计算机110可被编程为通过例如基于GPS的地理围栏来确定车辆105在区域200内。在这种示例中,GPS地理围栏指定区域200的周界A。车辆计算机110然后可基于车辆105的指示车辆105在区域200的地理围栏内的位置数据而确定车辆105在区域200内。
车辆计算机110可例如生成规划路径P以在区域200中操作车辆105。可替代地,远程服务器计算机140可生成规划路径P,然后例如经由网络135将规划路径P提供给车辆计算机110。如本文所使用,“路径”是点集合,例如,所述点集合可被指定为相对于车辆坐标系的坐标和/或地理坐标,车辆计算机110被编程为通过常规导航和/或路径规划算法来确定所述点集合。可根据一个或多个路径多项式来指定路径。路径多项式是描述车辆在地面上的运动的三次或更少次的多项式函数。车辆在道路上的运动由多维状态矢量描述,所述多维状态矢量包括车辆位置、取向、速度和加速度。具体地,车辆运动矢量可包括在x、y、z上的位置、横摆、俯仰、侧倾、横摆率、俯仰率、侧倾率、航向速度和航向加速度,其例如可通过将多项式函数拟合到车辆运动矢量中所包括的相对于地面的连续2D位置来确定。
此外,例如,路径多项式p(x)是将路径预测为由多项式方程描绘的线的模型。路径多项式p(x)通过确定横向坐标p来预测路径的预定的即将进入的距离x(例如,以米为单位进行测量):
p(x)=a0+a1x+a2x2+a3x3 (1)
其中a0是偏移量,即,在即将进入的距离x处路径与主车辆105的中心线之间的横向距离,a1是路径的航向角,a2是路径的曲率,并且a3是路径的曲率变化率。
规划路径P可例如沿着子区域210在区域200中定位所沿循的过道或车道引导车辆105以搜索供车辆105进入的可用的子区域210,例如以用于停放车辆105。可替代地,用户可操作车辆105以在区域200中,例如沿着子区域210定位所沿循的过道或车道引导车辆105。当车辆105在区域200中操作时,车辆计算机110可被编程为基于例如经由车辆网络从相机传感器115接收到的图像数据而检测子区域210。子区域210可例如是由常规标记(例如,地面上的涂漆线)指示的停车空间,并且车辆计算机110可采用常规的图像辨识技术来检测子区域210。作为另一个示例,车辆计算机110可例如从远程服务器计算机140接收区域200的地图。地图可包括子区域210,并且车辆计算机110可基于地图而检测子区域210。
在检测到子区域210之后,车辆计算机110可确定车辆105的位置。车辆计算机110可例如基于从传感器115接收到的数据而确定车辆105相对于坐标系的位置,例如GPS(全球定位系统)位置坐标。可替代地,车辆计算机110可例如经由网络135从远程服务器计算机140接收车辆105的位置。车辆计算机110可将所述位置存储在例如存储器中。
然后,车辆计算机110可基于在车辆105处于车辆105位置时获得的图像数据而确定子区域210的位置。例如,车辆计算机110可例如根据图像辨识技术来识别子区域210的边缘或边界(或边界的一部分),例如地面上的涂漆线。车辆计算机110可进一步确定从相机传感器115透镜到子区域210的所识别的边缘的线L与从透镜延伸的平行于车辆105的纵向轴线的轴线A之间的角度α(参见图3A)。然后,车辆计算机110可基于确定地图中的子区域210的所识别的边缘与从车辆105的位置延伸并相对于轴线A成角度α的线L相交而识别区域200的地图中的子区域210。在识别地图中的子区域210之后,可确定子区域210的位置。
现在转到图3A至图3C,当车辆105沿着规划路径P操作时,车辆计算机110可基于第一传感器115数据而检测多个子区域210a、210b、210c、210d。然后,车辆计算机110可基于子区域210a、210c、210d被占用而将每个子区域210a、210b、210c、210d识别为授权子区域210(参见图3A),或者基于子区域210b未被占用而识别为未授权子区域210(参见图3A)。也就是说,车辆计算机110可确定在子区域210中,例如在停车空间的标记之间存在第一对象220,或者在子区域210中不存在第一对象220。第一对象220是从第一传感器115数据检测到的对象。车辆计算机110可接收区域200中的车辆105周围的环境的第一传感器115数据,例如图像数据。第一图像数据可包括区域200中的车辆105周围的一个或多个第一对象220。例如,车辆计算机110可被编程为基于传感器115数据而对一个或多个第一对象220进行分类和/或识别。例如,常规的对象分类或识别技术可例如在车辆计算机110中基于激光雷达传感器115数据、相机传感器115数据等进行使用以识别第一对象220的类型(例如,车辆、行人、无人机等)以及对象的物理特征。对象的非限制性示例包括行人、另一个车辆、自行车、购物车等。
可使用各种技术来解译传感器115数据和/或基于传感器115数据而对对象进行分类。例如,可将相机和/或激光雷达图像数据提供给分类器,所述分类器包括用于利用一种或多种常规的图像分类技术的编程。例如,分类器可使用机器学习技术,其中将已知表示各种对象的数据提供给机器学习程序以用于训练分类器。一旦被训练,分类器就可接受车辆传感器115数据(例如,图像)作为输入,然后针对图像中的一个或多个相应的感兴趣区域(例如,对应于相应的子区域210a、210b、210c、210d)中的每一者提供对一个或多个对象的识别和/或分类(即,可移动的或不可移动的)或者相应的感兴趣区域(例如,对应于子区域210a、210b、210c、210d)中不存在对象的指示作为输出。此外,应用于接近于车辆105的区域的坐标系(例如,极坐标或笛卡尔坐标)可被应用来指定从传感器115数据识别的对象的位置和/或区域(例如,根据车辆105坐标系,被转换为全球纬度和经度地理坐标等)。此外,车辆计算机110可采用各种技术来融合(即,并入到公共坐标系或参考系中)来自不同传感器115和/或多种类型的传感器115的数据,例如激光雷达、雷达和/或光学相机数据。
车辆计算机110可被编程为确定每个子区域210a、210c、210d中的第一对象220的参数。在这种背景下的参数意指车辆的可测量的物理量,即物理现象的测量值,例如,尺寸(例如,高度、长度、宽度)、取向、行驶方向、颜色等。例如,可通过已知表示各种类型(例如,品牌和/或型号)的车辆的数据来进一步训练分类器。因此,除了将第一对象220识别为车辆之外,分类器还可输出第一对象220的类型。一旦被训练,分类器就可接受车辆传感器115数据(例如,包括第一对象220的图像)作为输入,然后提供对图像中的第一对象220的类型的识别作为输出。作为另一个示例,车辆计算机110可基于图像数据例如通过使用图像辨识技术来确定第一对象220的类型。然后,车辆计算机110可基于第一对象220的类型而确定第一对象220的尺寸。例如,车辆计算机110可将使第一对象220的尺寸与第一对象220的类型相关联的查找表等存储在例如存储器中。
作为另一个示例,车辆计算机110可被编程为确定第一对象220相对于车辆105的取向,即二维(2D)位置或方向。例如,车辆计算机110可基于包括第一对象220的第一图像数据例如通过使用图像辨识技术来确定第一对象220的取向。例如,车辆计算机110可确定沿着车辆105的纵向轴线A延伸的线与沿着第一对象220的纵向轴线延伸的线之间的角度β(参见图3A)。根据角度β确定第一对象220的取向。
作为另一个示例,在将第一对象220识别为车辆之后,车辆计算机110可确定第一对象220相对于车辆105的规划路径P的行驶方向,例如向前或向后。例如,车辆计算机110可基于包括第一对象220的第一图像数据例如使用图像辨识技术来识别第一对象220上的外部特征,例如前照灯、尾灯、牌照等。在车辆计算机110识别出第一对象220上的前照灯(例如,面向车辆105的规划路径P)的情况下,车辆计算机110可确定第一对象220的行驶方向相对于车辆105的路径P是向前的。在车辆计算机110识别出尾灯和/或倒车灯(例如,面向车辆105的规划路径P)的情况下,车辆计算机110可确定第一对象220的行驶方向相对于车辆105的路径P是向后的。车辆计算机110可将第一对象220的一个或多个参数存储在例如车辆计算机110的存储器中。
车辆计算机110可继续沿着规划路径P操作车辆105。也就是说,车辆计算机110可致动一个或多个车辆部件125以使车辆105沿着规划路径P移动以离开所述位置。例如,规划路径P可将车辆105引导出区域200。作为另一个示例,规划路径P可将车辆105引导到区域200周围的环路中。然后,车辆计算机110可例如基于绕区域200环行或返回到区域200而在未来时间操作车辆105以返回到所述位置。例如,车辆计算机110可致动一个或多个车辆部件125以使车辆105沿着规划路径P移动并且返回到所述位置。
在未来时间返回到所述位置之后,车辆计算机110可获得第二传感器115数据,例如第二图像数据。第二图像数据包括所述位置处的车辆105周围的环境,并且是在第一图像数据之后获得的。车辆计算机110可基于第二图像数据而确定子区域210a、210b、210c、210d中的每一者是被占用还是未被占用。也就是说,车辆计算机110可确定在相应的子区域210a、210b、210c、210d中存在第二对象225,或者在相应的子区域210a、210b、210c、210d中不存在第二对象225。例如,车辆计算机110可如上文所讨论使用对象分类或识别技术来确定每个子区域210a、210b、210c、210d是被占用还是未被占用。在这种背景下,第二对象225是从第二传感器115数据检测到的对象。第二对象225可为第一对象220或不同的对象。
车辆计算机110可基于第二传感器115数据而确定对未授权子区域210的授权。例如,在未授权子区域210b中没有检测到第二对象225之后,车辆计算机110确定子区域210b保持未授权(参见图3B)。在未授权子区域210b中检测到第二对象225之后,车辆计算机110可将子区域210b识别为授权子区域210,即车辆计算机110授权子区域210b。
车辆计算机110可基于第二传感器115数据而确定对授权子区域210的验证。也就是说,车辆计算机110基于在相应的子区域210中检测到第二对象225而确定每个授权子区域210是有效的或无效的。无论车辆计算机110是否从第二传感器115数据检测到未授权子区域210中的第二对象225,车辆计算机110都可确定每个未授权子区域210是无效的。也就是说,车辆计算机110可能无法确定未授权子区域210是有效的。
在确定授权子区域210a、210c被占用(参见图3B)之后,车辆计算机110可识别相应的子区域210a、210c中的第二对象225。例如,车辆计算机110可将子区域210中的第二对象225的类型与对应的子区域210中的第一对象220的类型进行比较。如果第二对象225的类型(例如,车辆)不同于第一对象220的类型(例如,购物车),则车辆计算机110可验证子区域210。也就是说,车辆计算机110确定子区域210a、210c是有效的。
如果第二对象225的类型与第一对象220的类型(例如,车辆)相同,则车辆计算机110可例如以与上文关于第一对象220参数所讨论的方式基本上相同的方式确定第二对象225的参数。然后,车辆计算机110可将第二对象225参数与对应的第一对象220参数进行比较。如果第二对象225参数基本上匹配第一对象220参数(例如,第一对象220和第二对象225是同一对象,第一对象220和第二对象相对于所述位置处的车辆105具有相同的取向,并且第一对象220和第二对象225具有相同的行驶方向),则车辆计算机110确定子区域210a、210c是无效的。如果第二对象225参数不同于第一对象220参数(例如,第二对象225是不同于第一对象220的对象,第二对象225的取向不同于第一对象220,或者第二对象225的行驶方向不同于第一对象220的行驶方向),则车辆计算机110确定子区域210a、210c是有效的(参见图3B)。
另外地或可替代地,车辆计算机110可基于区域200的地图而确定子区域210是有效的。例如,地图可基于聚合数据而指定子区域210是有效的或无效的(如下文所讨论)。如果地图指定子区域210是有效的,则车辆计算机110可验证子区域210。如果地图指定子区域210是无效的,则车辆计算机110可使子区域210无效。
在根据第二传感器115数据确定授权子区域210d未被占用(参见图3B)之后,车辆计算机110可维持对子区域210d的授权。车辆计算机110可例如维持对子区域210d的授权,直到车辆计算机110根据后续传感器115数据(即,在第二传感器115数据之后获得的传感器115数据)确定子区域210d中存在第二对象225为止。也就是说,车辆计算机110可维持对子区域210d的授权,直到车辆计算机110可确定子区域210d被对象占用为止。在这种情况下,车辆计算机110可基于根据后续传感器115数据确定授权子区域210d被占用而确定子区域210d是有效的。可替代地,车辆计算机110可基于确定子区域210d在预定时间段(例如,1周、1个月等)内保持未被占用而对子区域210d取消授权。
车辆计算机110可被编程为更新(例如,存储在车辆计算机110的存储器中、从远程服务器计算机140接收等)区域200的地图,以指定对区域200内的每个子区域210的授权。例如,车辆计算机110可基于从第一传感器115数据检测到子区域210中的第一对象220或者在子区域210中没有检测到第一对象220而更新对子区域210的授权。在图3A所示的示例中,车辆计算机110可更新地图以指定子区域210a、210c、210d被授权,而子区域210b未被授权。
另外,车辆计算机110可更新地图以指定对区域200内的每个子区域210的验证。例如,车辆计算机110可基于确定第二对象225参数不同于第一对象220参数而更新对子区域210的验证。也就是说,车辆计算机110可更新地图以指定子区域210是有效的。在图3B所示的示例中,车辆计算机110可更新地图以指定子区域210a、210c是有效的,而子区域210b、210d是无效的。车辆计算机110可被编程为基于子区域210在地图中是无效的和/或未被授权而拒绝(即,不选择)子区域210用于停放车辆105。车辆计算机110可将更新的地图存储在例如车辆计算机110的存储器中。另外地或可替代地,车辆计算机110可将更新的地图提供给远程服务器计算机140。
车辆计算机110可继续沿着规划路径P操作车辆105。也就是说,如上文所讨论,车辆计算机110可致动一个或多个车辆部件125以使车辆105沿着规划路径P移动以离开所述位置。如上文所讨论,车辆计算机110之后可在第二未来时间操作车辆105以返回到所述位置。
在第二未来时间返回到所述位置之后,车辆计算机110可获得第三传感器115数据,例如第三图像数据。第三图像数据包括所述位置处的车辆105周围的环境,并且是在第二图像数据之后获得的。车辆计算机110可基于第三图像数据而确定子区域210a、210b、210c、210d是被占用还是未被占用。也就是说,车辆计算机110可确定在相应的子区域210a、210b、210c、210d中存在第三对象230,或者在相应的子区域210a、210b、210c、210d中不存在第三对象230。例如,车辆计算机110可如上文所讨论使用对象分类或识别技术来确定子区域210a、210b、210c、210d是被占用还是未被占用。在这种背景下,第三对象230是从第三传感器115数据检测到的对象。第三对象230可为第一对象220、第二对象225或不同的对象。
在确定有效子区域210c被占用(参见图3C)之后,车辆计算机110可沿着规划路径P操作车辆105以搜索未被占用的有效子区域210。另外,在确定无效子区域210b、210d未被占用(参见图3C)之后,车辆计算机110可被编程为防止车辆105操作到无效子区域210b、210d中。例如,车辆计算机110可继续沿着规划路径P操作车辆105,例如以搜索未被占用的有效子区域210。
在确定有效子区域210a未被占用(参见图3C)之后,车辆计算机110可被编程为将车辆105操作到子区域210a中。例如,车辆计算机110可生成从所述位置到子区域210a的更新的规划路径P2。例如,车辆计算机110之后可致动一个或多个车辆部件125以沿着更新的规划路径P2将车辆105操作到子区域210a中的停靠处。当车辆105基本上全部都在子区域210a的边界内(例如,在停车空间的标记之间)并且车辆105静止时,车辆105处于停靠处。车辆计算机110可例如通过将车辆105的位置与子区域210a的位置进行比较来确定车辆105基本上全部都在子区域210a的边界内。作为另一个示例,车辆计算机110可分析传感器115数据以确定车辆105相对于子区域210a的边界横向地和纵向地大致居中。车辆计算机110可基于例如从车轮转速传感器115等接收到的传感器115数据而确定车辆105是静止的。
远程服务器计算机140可被编程为基于聚合数据而更新例如存储在第二存储器中的区域200的地图。聚合数据意味着来自多个车辆计算机的数据彼此独立地提供验证消息,然后组合(例如,通过求平均值和/或使用某一其他统计度量)结果。也就是说,远程服务器计算机140可被编程为从多个车辆计算机接收指示基于多个车辆的车辆数据,子区域210是有效的验证消息。基于指示子区域210是有效的聚合数据(例如,指示子区域210是有效的消息的平均数量、消息的百分比等高于阈值),远程服务器计算机140可更新地图以指定基于车辆数据,子区域210是有效的。然后,远程服务器计算机140可例如经由网络135将地图传输到包括车辆105的多个车辆。
图4A是用于操作车辆105的示例性过程400的流程图的第一部分(在图4B中示出了第二部分,因为整个流程图不适合于单张图纸)。过程400在框405中开始。过程400可由车辆105中所包括的车辆计算机110来实施,所述车辆计算机执行存储在其存储器中的程序指令。
在框405中,车辆计算机110沿着区域200内的规划路径P操作车辆105。规划路径P可沿着子区域210定位在区域200中所沿循的过道或车道引导车辆105。如上文所讨论,车辆计算机110可例如经由导航和/或路径规划算法来生成规划路径P。过程400在框410中继续进行。
在框410中,车辆计算机110例如经由车辆网络从一个或多个传感器115和/或例如经由网络135从远程服务器计算机140接收数据。例如,车辆计算机110可例如从传感器115、导航系统等接收车辆105的位置数据,从而指定车辆105的位置。另外,车辆计算机110可例如从一个或多个图像传感器115接收第一图像数据。第一图像数据可包括关于车辆105周围的环境,例如区域200、子区域210、一个或多个第一对象220等的数据。过程400在框415中继续进行。
在框415中,车辆计算机110可检测子区域210。例如,如上文所讨论,车辆计算机110可例如通过使用图像辨识技术从第一传感器115数据检测指示子区域210的常规标记。另外地或可替代地,如上文所讨论,车辆计算机110基于区域200的地图而检测子区域210。车辆计算机110可例如经由网络135从远程服务器计算机140接收地图。如上文所讨论,远程服务器计算机140可更新地图以指定对区域200内的每个子区域210的授权和验证。在检测到子区域210之后,如上文所讨论,车辆计算机110可基于例如传感器115数据、地图数据等而确定车辆105的位置。可替代地,车辆计算机110可例如经由网络135从远程服务器计算机140接收车辆105的位置。过程400在框420中继续进行。
在框420中,车辆计算机110确定是否将子区域210识别为授权子区域210。例如,车辆计算机110可基于区域200的地图而确定子区域210是授权子区域210。如果子区域210被识别为授权子区域210,则过程400在框450中继续进行。否则,过程400在框425中继续进行。
在框425中,车辆计算机110基于第一传感器115数据而确定子区域210是否被占用。也就是说,车辆计算机110可确定在子区域210中存在第一对象220,或者在子区域210中不存在第一对象220。例如,车辆计算机110可接收区域200中的车辆105周围的环境的第一传感器115数据,例如图像数据。第一图像数据可包括区域200中的车辆105周围的一个或多个第一对象220。例如,如上文所讨论,可训练分类器以接受车辆传感器115数据(例如,包括第一对象220的图像)作为输入,然后提供对第一对象220的识别和/或分类作为输出。如果子区域210被第一对象220占用,则过程400在框430中继续进行。如果子区域210未被占用,则过程400在框440中继续进行。
在框430中,车辆计算机110将子区域210识别为授权子区域。也就是说,车辆计算机110授权子区域210。在授权子区域210之后,如上文所讨论,车辆计算机110可更新区域200的地图以指定子区域210已被授权。如上文所讨论,车辆计算机110之后可将更新的地图提供给远程服务器计算机140,所述远程服务器计算机可进一步基于聚合数据而更新地图。过程400在框435中继续进行。
在框435中,车辆计算机110基于第一传感器115数据而确定第一对象220的参数。如上文所阐述,参数意指车辆的可测量的物理量,即物理现象的测量值,例如,尺寸(例如,高度、长度、宽度)、取向、行驶方向等。例如,如上文所讨论,可进一步训练分类器以接受车辆传感器115数据(例如,包括第一对象220的图像)作为输入,然后提供对图像中的第一对象220的类型的识别作为输出。然后,如上文所讨论,车辆计算机110可基于第一对象220的类型而确定第一对象220的尺寸。
另外地或可替代地,车辆计算机110可被编程为确定第一对象220相对于车辆105的取向。例如,如上文所讨论,车辆计算机110可基于第一传感器115数据而确定沿着车辆105的纵向轴线A延伸的线与沿着第一对象220的纵向轴线延伸的线之间的角度β。
另外地或可替代地,在将第一对象220识别为车辆之后,车辆计算机110可确定第一对象220相对于车辆105的规划路径P的行驶方向,例如向前或向后。例如,车辆计算机110可基于包括第一对象220的第一图像数据例如使用图像辨识技术来识别第一对象220上的外部特征,例如前照灯、尾灯、牌照等。然后,如上文所讨论,车辆计算机110可基于所识别的外部特征而确定第一对象220的行驶方向。车辆计算机110可将第一对象220的一个或多个参数存储在例如车辆计算机110的存储器中。过程400在框445中继续进行。
在框440中,车辆计算机110将子区域210识别为未授权子区域210。车辆计算机110之后可更新地图以指定子区域210未被授权。如上文所讨论,车辆计算机110之后可将更新的地图提供给远程服务器计算机140,所述远程服务器计算机可进一步基于聚合数据而更新地图。过程400在框445中继续进行。
在框445中,车辆计算机110操作车辆105以离开所述位置。也就是说,车辆计算机110致动一个或多个车辆部件125以使车辆105沿着规划路径P移动离开所述位置。换句话说,车辆计算机110防止车辆105进入未授权子区域210。例如,车辆计算机110可操作车辆105以离开区域200。过程400返回到框405。
现在转到图4B,在图4A所示的框420之后,在框450中,车辆计算机110确定子区域210是否是有效子区域210。例如,车辆计算机110可基于区域200的地图而确定子区域210是有效子区域210。如果子区域210是有效子区域210,则过程400在框485中继续进行。否则,过程400在框455中继续进行。
在框455中,车辆计算机110基于第二传感器115数据而确定子区域210是否被占用。也就是说,车辆计算机110可确定在子区域210中存在第二对象225,或者在子区域210中不存在第二对象225。例如,车辆计算机110可接收区域200中的车辆105周围的环境的第二传感器115数据,例如图像数据。第二图像数据可包括区域200中的车辆105周围的一个或多个第二对象225。例如,如上文所讨论,可训练分类器以接受车辆传感器115数据(例如,包括第二对象225的图像)作为输入,然后提供对第二对象225的识别和/或分类作为输出。如果子区域210被第二对象225占用,则过程400在框465中继续进行。如果子区域210未被占用,则过程400在框460中继续进行。
在框460中,车辆计算机110确定子区域210是无效的。车辆计算机110之后可更新地图以指定子区域210是无效的。如上文所讨论,车辆计算机110之后可将更新的地图提供给远程服务器计算机140,所述远程服务器计算机可进一步基于聚合数据而更新地图。过程400在框480中继续进行。
在框465中,车辆计算机110基于第二传感器115数据而确定第二对象225的参数。车辆计算机110可以与上文在框435中关于第一对象220参数所讨论的方式基本上相同的方式确定第二对象225参数。过程400在框470中继续进行。
在框470中,车辆计算机110确定第二对象225参数是否基本上匹配第一对象220参数。例如,车辆计算机110可将第二对象225参数与对应的第一对象220参数进行比较。如果第二对象225参数基本上匹配对应的第一对象220参数,则过程400在框460中继续进行。如果第二对象225参数不同于(即,明显不匹配)对应的第一对象220参数,则过程400在框475中继续进行。
在框475中,车辆计算机110确定子区域210是有效的。如上文所讨论,车辆计算机110之后可更新区域200的地图以指定子区域210是有效的。如上文所讨论,车辆计算机110之后可将更新的地图提供给远程服务器计算机140,所述远程服务器计算机可进一步基于聚合数据而更新地图。过程400在框480中继续进行。
在框480中,车辆计算机110操作车辆105以离开所述位置。也就是说,车辆计算机110致动一个或多个车辆部件125以使车辆105沿着规划路径P移动离开所述位置。换句话说,车辆计算机110防止车辆105进入无效子区域210。例如,车辆计算机110可操作车辆105以离开区域200。过程400返回到框405。
在框485中,车辆计算机110基于第三传感器115数据而确定子区域210是否被占用。例如,车辆计算机110可接收区域200中的车辆105周围的环境的第三传感器115数据,例如图像数据。第三图像数据可包括区域200中的车辆105周围的一个或多个第三对象230。例如,如上文所讨论,可训练分类器以接受车辆传感器115数据(例如,包括第三对象230的图像)作为输入,然后提供对第三对象230的识别和/或分类作为输出。如果子区域210被第三对象230占用,则过程400在框480中继续进行。如果子区域210未被占用,则过程400在框490中继续进行。
在框490中,车辆计算机110将车辆105操作到子区域210中。例如,车辆计算机110可确定从所述位置到有效子区域210的更新的规划路径P2。如上文所讨论,第一计算机110之后可致动一个或多个车辆部件125以使车辆105沿着更新的规划路径P2移动到子区域210中。在框490之后,过程400结束。
如本文所使用,副词“基本上”意指形状、结构、测量值、数量、时间等可能因为材料、机加工、制造、数据传输、计算速度等的缺陷而偏离精确描述的几何形状、距离、测量值、数量、时间等。
一般来讲,所描述的计算系统和/或装置可采用多种计算机操作系统中的任一种,包括但决不限于以下版本和/或种类:Ford应用;AppLink/Smart Device Link中间件;Microsoft/>操作系统;Microsoft/>操作系统;Unix操作系统(例如,由加利福尼亚州红杉海岸的Oracle公司发布的/>操作系统);由纽约州阿蒙克市的International Business Machines公司发布的AIX UNIX操作系统;Linux操作系统;由加利福尼亚州库比蒂诺市的苹果公司发布的Mac OSX和iOS操作系统;由加拿大滑铁卢的黑莓有限公司发布的黑莓操作系统;以及由谷歌公司和开放手机联盟开发的安卓操作系统;或由QNX软件系统公司提供的/>CAR信息娱乐平台。计算装置的示例包括但不限于机载第一计算机、计算机工作站、服务器、台式计算机、笔记本计算机、膝上型计算机或手持式计算机,或某一其他计算系统和/或装置。
计算机和计算装置通常包括计算机可执行指令,其中所述指令可能够由一个或多个计算装置(诸如上文所列出的那些)执行。可从使用多种编程语言和/或技术创建的计算机程序编译或解译计算机可执行指令,所述编程语言和/或技术单独地或者组合地包括但不限于JavaTM、C、C++、Matlab、Simulink、Stateflow、Visual Basic、Java Script、Perl、HTML等。这些应用程序中的一些可在诸如Java虚拟机、Dalvik虚拟机等虚拟机上编译和执行。通常,处理器(例如,微处理器)接收来自例如存储器、计算机可读介质等的指令,并且执行这些指令,从而执行一个或多个过程,包括本文描述的过程中的一者或多者。此类指令和其他数据可使用多种计算机可读介质来存储和传输。计算装置中的文件通常是存储在诸如存储介质、随机存取存储器等计算机可读介质上的数据的集合。
存储器可包括计算机可读介质(也称为处理器可读介质),所述计算机可读介质包括参与提供可由计算机(例如,由计算机的处理器)读取的数据(例如,指令)的任何非暂时性(例如,有形)介质。此类介质可采用许多形式,包括但不限于非易失性介质和易失性介质。非易失性介质可包括例如光盘或磁盘以及其他持久性存储器。易失性介质可包括例如通常构成主存储器的动态随机存取存储器(DRAM)。此类指令可由一种或多种传输介质传输,所述一种或多种传输介质包括同轴电缆、铜线和光纤,包括构成联接到ECU的处理器的系统总线的导线。计算机可读介质的常见形式包括例如软盘、软磁盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡片、纸带、任何其他具有孔图案的物理介质、RAM、PROM、EPROM、快闪EEPROM、任何其他存储器芯片或盒式磁带、或计算机可从中进行读取的任何其他介质。
数据库、数据储存库或本文描述的其他数据存储区可包括用于存储、访问和检索各种数据的各种机构,包括分层数据库、文件系统中的文件集、呈专用格式的应用程序数据库、关系数据库管理系统(RDBMS)等。每个此类数据存储区通常包括在采用计算机操作系统(诸如上文所提及的那些操作系统中的一者)的计算装置内,并且经由网络以多种方式中的任一种或多种方式来访问。文件系统可能够从计算机操作系统访问,并且可包括以各种格式存储的文件。除了用于创建、存储、编辑和执行所存储的程序的语言(诸如上文提及的PL/SQL语言)之外,RDBMS还通常采用结构化查询语言(SQL)。
在一些示例中,系统元件可被实现为一个或多个计算装置(例如,服务器、个人计算机等)上、存储在与其相关联的计算机可读介质(例如,盘、存储器等)上的计算机可读指令(例如,软件)。计算机程序产品可包括存储在计算机可读介质上的用于实施本文描述的功能的此类指令。
关于本文描述的介质、过程、系统、方法、启发等,应理解,虽然此类过程的步骤等已经被描述为根据某一有序顺序发生,但可通过以与本文描述的次序不同的次序执行所描述的步骤来实践此类过程。还应理解,可同时执行某些步骤,可添加其他步骤,或者可省略本文描述的某些步骤。换句话说,本文对过程的描述出于说明某些实施例的目的而提供,并且决不应被解释为限制权利要求。
因此,应理解,以上描述意图为说明性的而非限制性的。在阅读了以上描述之后,除了所提供的示例之外的许多实施例和应用对于本领域技术人员而言将是显而易见的。不应参考以上描述来确定本发明的范围,而应参考所附权利要求连同这些权利要求所赋予的等同物的全部范围一起来确定。预期并期望本文所讨论的技术未来将有所发展,并且所公开的系统和方法将并入到此类未来实施例中。总之,应理解,本发明能够进行修改和变化,并且仅受所附权利要求的限制。
除非本文作出相反的明确指示,否则权利要求中使用的所有术语意图给出其如本领域技术人员所理解的普通和通常的含义。特别地,除非权利要求叙述相反的明确限制,否则使用诸如“一个/种”、“该”、“所述”等单数冠词应被解读为叙述所指示的要素中的一者或多者。
根据本发明,提供了一种系统,所述系统具有计算机,所述计算机包括处理器和存储器,所述存储器存储指令,所述指令能够由所述处理器执行以进行以下操作:基于从第一传感器数据检测到某一区域中的子区域中的第一对象而将所述子区域识别为供车辆进入的授权子区域;之后根据所述第一传感器数据确定所述第一对象的参数;在从第二传感器数据检测到所述子区域中的第二对象之后,基于所述第二传感器数据而确定所述第二对象的参数;以及基于确定所述第二对象的所述参数不同于所述第一对象的所述参数而确定所述子区域是有效的。
根据一个实施例,所述指令还包括用于进行以下操作的指令:在确定所述子区域是有效的之后,更新所述区域的地图以包括所述有效子区域。
根据一个实施例,所述指令还包括用于进行以下操作的指令:将所述更新的地图提供给远程计算机。
根据一个实施例,所述指令还包括用于进行以下操作的指令:在识别所述子区域之后,更新所述区域的地图以包括所述授权子区域。
根据一个实施例,所述指令还包括用于进行以下操作的指令:在从第三传感器数据检测到所述有效子区域未被占用之后,将所述车辆操作到所述有效子区域中。
根据一个实施例,所述指令还包括用于进行以下操作的指令:在识别所述子区域之后,确定所述车辆的位置,然后操作所述车辆以离开所述位置。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述车辆返回到所述位置而获得所述第二传感器数据。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述区域的地图而检测所述子区域。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述第一传感器数据而检测所述子区域。
根据一个实施例,所述指令还包括用于进行以下操作的指令:防止所述车辆操作到无效子区域中。
根据一个实施例,所述指令还包括用于进行以下操作的指令:在识别所述第一对象和所述第二对象之后,进一步基于所述第一对象不同于所述第二对象而确定所述子区域是有效的。
根据一个实施例,每个参数是相应对象的尺寸。
根据一个实施例,每个参数是所述相应对象相对于所述车辆的取向。
根据一个实施例,所述指令还包括用于进行以下操作的指令:进一步基于所述区域的地图而确定所述子区域是有效的。
根据一个实施例,本发明的特征还在于:远程计算机,所述远程计算机包括第二处理器和第二存储器,所述第二存储器存储指令,所述指令能够由所述第二处理器执行以基于包括来自多个车辆的指示所述子区域是有效的消息的聚合数据而在所述地图中更新对所述子区域的验证。
根据本发明,一种方法包括:基于从第一传感器数据检测到某一区域中的子区域中的第一对象而将所述子区域识别为供车辆进入的授权子区域;之后根据所述第一传感器数据确定所述第一对象的参数;在从第二传感器数据检测到所述子区域中的第二对象之后,基于所述第二传感器数据而确定所述第二对象的参数;以及基于确定所述第二对象的所述参数不同于所述第一对象的所述参数而确定所述子区域是有效的。在本发明的一方面,所述方法包括:在确定所述子区域是有效的之后,更新所述区域的地图以包括所述有效子区域。
在本发明的一方面,所述方法包括:在识别所述第一对象和所述第二对象之后,进一步基于所述第一对象不同于所述第二对象而确定所述子区域是有效的。
在本发明的一方面,每个参数是相应对象的尺寸。
在本发明的一方面,每个参数是所述相应对象相对于所述车辆的取向。
Claims (15)
1.一种方法,所述方法包括计算机,所述计算机包括处理器和存储器,所述存储器存储指令,所述指令能够由所述处理器执行以进行以下操作:
基于从第一传感器数据检测到某一区域中的子区域中的第一对象而将所述子区域识别为供车辆进入的授权子区域;
之后根据所述第一传感器数据确定所述第一对象的物理参数;
在从第二传感器数据检测到所述子区域中的第二对象之后,基于所述第二传感器数据而确定所述第二对象的物理参数;以及
基于确定所述第二对象的所述物理参数不同于所述第一对象的所述物理参数而验证所述子区域。
2.如权利要求1所述的方法,所述方法还包括:在验证所述子区域之后,更新所述区域的地图以包括所述验证的子区域。
3.如权利要求1所述的方法,所述方法还包括:在从第三传感器数据检测到所述验证的子区域未被占用之后,将所述车辆操作到所述验证的子区域中。
4.如权利要求1所述的方法,所述方法还包括:在识别所述子区域之后,确定所述车辆的位置,然后操作所述车辆以离开所述位置。
5.如权利要求4所述的方法,所述方法还包括:基于所述车辆返回到所述位置而获得所述第二传感器数据。
6.如权利要求1所述的方法,所述方法还包括:基于所述区域的地图而检测所述子区域。
7.如权利要求1所述的方法,所述方法还包括:基于所述第一传感器数据而检测所述子区域。
8.如权利要求1所述的方法,所述方法还包括:防止所述车辆操作到无效子区域中。
9.如权利要求1所述的方法,所述方法还包括:在识别所述第一对象和所述第二对象之后,进一步基于所述第一对象不同于所述第二对象而验证所述子区域。
10.如权利要求1所述的方法,其中每个物理参数是相应对象的尺寸或所述相应对象相对于所述子区域的取向中的至少一者。
11.如权利要求1所述的方法,所述方法还包括:进一步基于所述区域的地图而验证所述子区域。
12.如权利要求11所述的方法,所述方法还包括:基于包括来自多个车辆的指示所述子区域是有效的消息的聚合数据而在所述地图中更新对所述子区域的所述验证。
13.一种计算机,所述计算机被编程为执行如权利要求1至12中任一项所述的方法。
14.一种计算机程序产品,所述计算机程序产品包括用于执行如权利要求1至12中任一项所述的方法的指令。
15.一种车辆,所述车辆包括被编程为执行如权利要求1至12中任一项所述的方法的计算机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210513185.0A CN117095551A (zh) | 2022-05-12 | 2022-05-12 | 车辆停车导航 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210513185.0A CN117095551A (zh) | 2022-05-12 | 2022-05-12 | 车辆停车导航 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117095551A true CN117095551A (zh) | 2023-11-21 |
Family
ID=88780878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210513185.0A Pending CN117095551A (zh) | 2022-05-12 | 2022-05-12 | 车辆停车导航 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117095551A (zh) |
-
2022
- 2022-05-12 CN CN202210513185.0A patent/CN117095551A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11348343B1 (en) | Vehicle parking navigation | |
US11400940B2 (en) | Crosswind risk determination | |
US11794787B2 (en) | Vehicle assist feature control | |
US11845431B2 (en) | Enhanced vehicle operation | |
US20220289248A1 (en) | Vehicle autonomous mode operating parameters | |
CN113715806A (zh) | 基于车道的车辆控制 | |
US20220274592A1 (en) | Vehicle parking navigation | |
CN110648547A (zh) | 运输基础设施通信和控制 | |
CN113370969A (zh) | 车辆控制系统 | |
CN113306554A (zh) | 车辆让路决策 | |
US11572731B2 (en) | Vehicle window control | |
CN112446466A (zh) | 在深度神经网络中测量置信度 | |
US11945456B2 (en) | Vehicle control for optimized operation | |
US11794737B2 (en) | Vehicle operation | |
US11667304B2 (en) | Enhanced vehicle operation | |
US20220063671A1 (en) | Vehicle operation along planned path | |
US11897468B2 (en) | Vehicle control system | |
US11639173B2 (en) | Vehicle planned path signal | |
CN115871685A (zh) | 车辆边界控制 | |
CN117095551A (zh) | 车辆停车导航 | |
US11636688B1 (en) | Enhanced vehicle operation | |
US11708075B2 (en) | Enhanced adaptive cruise control | |
US20230159032A1 (en) | Vehicle lane-change operations | |
US11530933B1 (en) | Vehicle navigation | |
US11823465B2 (en) | Neural network object identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |