CN117465421A - 一种车辆的泊车方法、控制系统、电子设备及可读存储介质 - Google Patents
一种车辆的泊车方法、控制系统、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN117465421A CN117465421A CN202311469454.9A CN202311469454A CN117465421A CN 117465421 A CN117465421 A CN 117465421A CN 202311469454 A CN202311469454 A CN 202311469454A CN 117465421 A CN117465421 A CN 117465421A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- information
- parking space
- driver
- 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 77
- 238000004088 simulation Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 23
- 239000000306 component Substances 0.000 description 7
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 5
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 5
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 206010033799 Paralysis Diseases 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007306 functionalization reaction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/10—Change speed gearings
- B60W2510/1005—Transmission ratio engaged
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及辅助驾驶技术领域,尤其涉及一种车辆的泊车方法、控制系统、电子设备及可读存储介质。方法包括:获取车辆的驾驶数据,并根据驾驶数据确定车辆是否触发泊车条件;当驾驶数据触发泊车条件时,开启车位线模拟系统,采集目标停车位信息,根据目标停车位信息和驾驶员身份信息,辅助驾驶员驾驶车辆泊车至目标停车位。本申请提供的车辆泊车方法、控制系统、车辆及可读存储介质通过车位线模拟系统采集车辆在当前位置周围的目标停车位信息,并根据驾驶员的泊车经验,辅助驾驶员控制车辆泊车至目标停车位。解决了在无车位划线路边等地点车辆配备的自动泊车功能不能正常使用,以及无法采取有效的辅助泊车手段,增加车辆使用成本的问题。
Description
技术领域
本申请涉及辅助驾驶技术领域,尤其涉及一种车辆的泊车方法、控制系统、电子设备及可读存储介质。
背景技术
随着科学技术的快速发展,人们在日常生活中对车辆的使用越来越多,其中,车辆的停泊是人们在使用车辆过程中不可缺少的重要环节,目前,车辆中通常会配备有自动泊车功能,在车辆进行自动泊车过程中,通过超声波雷达和摄像头对周围环境进行数据采集,实现泊车车位线的识别,将车辆停泊至识别出的泊车车位中。
但是,在一些典型的应用场景中,例如在未规划车位、或无车位线的路边临时停车的情况下,车辆无法根据识别车位线的方法确定泊车车位,从而导致车辆配备的自动泊车功能受限,甚至完全瘫痪。在这种情况下,用户无法通过自动泊车功能完成泊车过程,泊车效率低、用户体验差。
另外,现有的自动泊车系统无法根据驾驶员泊车经验,采取有效的辅助泊车手段,无形中增加了自动泊车系统的使用成本。
发明内容
有鉴于此,本申请实施例提供了一种车辆的泊车方法、控制系统、电子设备及可读存储介质,以解决现有技术中车辆无法根据识别车位线的方法确定泊车车位,从而导致车辆配备的自动泊车功能受限,甚至完全瘫痪,以及自动泊车系统无法根据驾驶员泊车经验,采取有选择性的辅助泊车手段,增加了自动泊车系统使用成本的问题。
本申请实施例的第一方面,提供了一种车辆的泊车方法,包括:获取车辆的驾驶数据,并根据驾驶数据确定车辆是否触发泊车条件;当驾驶数据触发泊车条件时,开启车位线模拟系统,通过车位线模拟系统采集车辆在当前位置周围的空间信息;根据空间信息,确定车辆的目标停车位信息,并根据目标停车位信息确定空间是否满足车辆的泊车需求;当目标停车位信息满足车辆的泊车需求时,根据目标停车位信息和驾驶员身份信息,辅助驾驶员驾驶车辆泊车至目标停车位。
本申请实施例的第二方面,提供了一种车辆的泊车控制系统,包括:数据采集模块,用于获取车辆的驾驶数据,并根据驾驶数据确定车辆是否触发泊车条件;车位线模拟模块,用于采集车辆在当前位置周围的空间信息,并根据空间信息模拟车位线;数据处理模块,用于根据空间信息,确定车辆的目标停车位信息,并根据目标停车位信息确定空间是否满足车辆的泊车需求;辅助驾驶模块,用于辅助驾驶员驾驶车辆泊车至目标停车位。
本申请实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法的步骤。
本申请实施例的第四方面,提供了一种可读存储介质,该可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:通过车位线模拟系统采集车辆在当前位置周围的目标停车位信息,并根据该目标停车位信息确定是否满足车辆的泊车需求。当目标停车位信息满足车辆的泊车需求时,根据驾驶员的历史泊车数据,辅助驾驶员驾驶车辆泊车至目标停车位,提高了泊车效率。克服了在无车位划线路边等地点车辆配备的自动泊车功能不能正常使用,以及无法采取有效的辅助泊车手段,增加车辆使用成本、泊车效率低的问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术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它的附图。
图1是本申请实施例提供的一种车辆的泊车方法流程示意图;
图2是本申请实施例中获取车辆的驾驶数据,根据驾驶数据确定车辆是否触发泊车条件的方法流程示意图;
图3是本申请实施例中当驾驶数据触发泊车条件时,开启车位线模拟系统,通过车位线模拟系统采集车辆在当前位置周围的空间信息的方法流程示意图;
图4是本申请实施例中在根据垂直距离与最短距离计算得到目标停车位的长度信息之后的方法流程示意图;
图5是本申请实施例中计算目标车位长度方法的示意图;
图6是本申请实施例中根据空间信息,确定车辆的目标停车位信息,并确定目标停车位信息是否满足车辆的泊车需求的方法流程示意图;
图7是本申请实施例中车辆泊车动作分解示意图;
图8是本申请实施例中通过相似三角形与RGB三通道系数校正的方法计算泊车车辆与前车最近距离的计算方法示意图;
图9是本申请实施例中,当目标停车位信息满足车辆的泊车需求时,根据目标停车位信息和驾驶员身份信息,辅助驾驶员驾驶车辆泊车至目标停车位的方法流程示意图;
图10是本申请实施例中当目标停车位信息满足车辆的泊车需求时,根据驾驶员历史泊车数据辅助驾驶员驾驶车辆泊车至目标停车位的方法流程示意图;
图11是本申请实施例提供的一种车辆的泊车控制系统结构示意图;
图12是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
当前,车辆通常会配备有自动泊车功能,在车辆进行自动泊车过程中,通过超声波雷达和摄像头对周围环境进行数据采集,基于泊车车位线的识别,将车辆停泊至识别出的泊车车位中。但是,在一些典型的应用场景中,例如在未规划车位、或无车位线的路边临时停车的情况下,车辆无法根据识别车位线的方法确定泊车车位,从而导致车辆配备的自动泊车功能受限,甚至完全瘫痪。在这种情况下,用户无法通过自动泊车功能完成泊车过程,使用体验极差。另外,现有的自动泊车系统无法根据驾驶员历史泊车数据,采取有选择性的辅助泊车手段,无形中增加了自动泊车系统的使用成本。
因此,本申请实施例提供一种车辆的泊车方法、控制系统、车辆及可读存储介质以解决上述问题。
目前的家用汽车设计更加突出功能化、智能化以及操控舒适性,新能源汽车在这些方面的设计尤为明显。通常车辆均配备多种功能模块以实现自动控制,如车身控制器、移动数据中心、车辆信息单元、高级驾驶辅助系统等。本申请实施例中涉及到相关概念的简单介绍如下:
车身控制器(Body Control Module,BCM)又称为车身电脑,在汽车工程中是指用于控制车身电器系统的电子控制单元,是汽车的重要组成部分之一。车身控制器常见的功能包括控制电动车窗、电动后视镜、空调、大灯、转向灯、防盗锁止系统、中控锁、除霜装置等。车身控制器可以通过总线与其他车载控制相连。
控制器局域网总线(Controller Area Network,CAN)是一种用于实时应用的串行通讯协议总线,它可以使用双绞线来传输信号,是世界上应用最广泛的现场总线之一。CAN协议用于汽车中各种不同元件之间的通信,以此取代昂贵而笨重的配电线束。
移动数据中心(Mobile Data Center,MDC)是华为公司开发的一套开放的平台,具备组件服务化、接口标准化、开发工具化的特性,基于此平台可快速开发、调测、运行自动驾驶算法与功能。本申请实施例定位为智能驾驶的计算平台。
车辆信息单元(Vehicle Information Unit,VIU)是车辆的“神经元”,是负责车辆处理任务指令的控制器,其主要功能是收集车辆的各种信息并进行处理。车辆信息单元拥有区域数据中心、智能配电、智能分区控制等功能,能够实现高阶辅助驾驶冗余备份和对故障实时监测和远程诊断。VIU是汽车电子系统中的一个重要组成部分,是车辆智能化的核心部件之一。VIU可以由众多不同的传感器、执行器和微控制器组成,它们单独或联合工作,从不同的方面监测和分析车辆的各项数据。传感器可以感知发动机状态、温度、湿度、油压、燃油消耗量等各类参数,执行器则能够控制发动机、座椅、车门等车辆各部分,微控制器则负责控制各种数据从传输到处理。VIU可以通过预设算法,对数据进行分析处理,然后将结果传输给各个系统内部及与车主的终端。
高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)是利用安装在车上的各式各样传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航),在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航地图数据,进行系统的运算与分析,为驾驶员提供驾驶决策。
下面将结合附图详细说明根据本申请实施例的一种图像生成方法和装置。
图1是本申请实施例提供的一种车辆的泊车方法流程示意图。如图1所示,泊车方法,包括:
步骤S101,获取车辆的驾驶数据,并根据驾驶数据确定车辆是否触发泊车条件。
步骤S102,当驾驶数据触发泊车条件时,开启车位线模拟系统,通过车位线模拟系统采集车辆在当前位置周围的空间信息。
步骤S103,根据空间信息,确定车辆的目标停车位信息,并确定根据目标停车位信息是否满足车辆的泊车需求。
步骤S104,当目标停车位信息满足车辆的泊车需求时,根据目标停车位信息和驾驶员身份信息,辅助驾驶员驾驶车辆泊车至目标停车位。
该方法可以通过车位线模拟系统采集车辆在当前位置周围的目标停车位信息,并根据该目标停车位信息确定是否满足车辆的泊车需求。当目标停车位信息与所述车辆的长度相匹配时,根据驾驶员的泊车经验,辅助驾驶员控制车辆泊车至目标停车位,提高了泊车效率。克服了在无车位划线路边等地点车辆配备的自动泊车功能不能正常使用,以及无法采取有效的辅助泊车手段,增加车辆使用成本、泊车效率低的问题。
在一些实施例中,车辆的驾驶数据包括汽车档位信息,汽车挡位控制器检测到驾驶员将档位切换到倒车档时,将汽车当前的档位信息(即倒车档信息)发送至BCM,BCM接收到倒车档信息后,通过CAN总线向MDC上报该倒车档信息。MDC再根据接收到的倒车档信息开启倒车雷达和倒车影像采集车辆尾部周围环境信息,如车辆尾部周围环境信息符合预设泊车条件,判断驾驶员具有泊车意图。
在一些实施例中,采集车辆在当前位置周围的空间信息可以是采集车辆尾部周围环境信息。例如,采集车辆尾部周围环境信息包括但不限于获取车辆尾部图像信息、车辆与周围障碍物距离信息等相关信息。通过倒车影像获取的车辆尾部图像信息可以通过图像识别网络进行特征提取,提取出多个特征图像信息,将提取到的多个特征图像信息与预设的多个条件触发信息相比对,如多个特征图像信息中的一个或多个特征图像信息与预设的某一条件触发信息相符合,即可判断驾驶员的泊车意图。例如,驾驶员将车辆档位置于倒车档时,MDC控制开启倒车影像,并通过倒车影像系统获取车辆尾部周围的图像,从中提取如路边、其他车辆或障碍物等特征图像,将提取到的如路边、其他车辆或障碍物等特征图像信息与预设的条件触发信息进行比对,如果提取到的如路边、其他车辆或障碍物等特征图像信息与预设条件触发信息相符合,即可判断驾驶员具有泊车的意图。可以理解的是,预设的条件触发信息包括如路边、其他车辆或障碍物等信息,该条件触发信息用于判断车辆是否触发了泊车条件。
基于前述实施例,当触发泊车条件时,MDC将上述信息发送至VIU,VIU判断驾驶员即将进行临时泊车,此时,VIU控制开启车位线模拟系统,通过车位线模拟系统采集车辆在当前位置周围的空间信息。根据该空间信息确定车辆的目标停车位信息,并根据目标停车位信息确定空间是否满足车辆的泊车需求。
在一些实施例中,车辆在当前位置周围的空间信息包括即将临时泊车的目标停车位前、后的空间信息,以及目标停车位的长度信息。首先通过倒车影像系统采集目标停车位前、后空间信息,判断目标停车位前、后空间是否被占用。当目标停车位前、后空间均被占用时,通过倒车雷达测量目标停车位前空间物体距车辆尾部的垂直距离,以及目标停车位后空间物体距车辆尾部的最短距离。根据上述垂直距离与最短距离计算得到目标车位的长度信息。
将计算得到的目标车位的长度信息与车辆长度信息进行比对,当计算得到的目标车位的长度大于车辆长度时,判断车辆在当前位置周围的空间信息理论上满足车辆的泊车需求。当目标停车位信息满足车辆的泊车需求时,根据目标停车位信息和驾驶员身份信息,辅助驾驶员驾驶车辆泊车至目标停车位。
具体地,可以通过车载人脸识别系统识别驾驶员身份信息,当驾驶员的可驶入的历史泊车数据,满足目标停车位的长度信息时,可以理解为当驾驶员为老驾驶员时,仅监控泊车后车辆车身姿态是否大幅偏移,如监控到泊车后车辆车身姿态未发生大幅偏移,则表明车辆车身姿态正确,不需对驾驶员进行提示。如监控到泊车后车辆车身姿态发生大幅偏移,则表明车辆车身姿态错误,需对驾驶员进行语音或声光报警,提示驾驶员将车身调正。当驾驶员的可驶入的历史泊车数据,不满足目标停车位的长度信息时,也就是说当驾驶员为新驾驶员时,VIU控制开启倒车辅助系统,通过倒车辅助系统辅助新驾驶员泊车入位。
需要说明的是,本申请实施例中,老驾驶员为经常驾驶该车辆的驾驶员,该车数据库中存储有该驾驶员的人脸图像信息及驾驶数据,驾驶数据包括老驾驶员的泊车数据,本申请实施例可以根据老驾驶员的泊车数据判断其泊车能力。新驾驶员为首次或在该时刻前特定的一段时间内未驾驶该车辆的驾驶员,即车辆数据库中未存储有该名驾驶员的人脸图像信息和驾驶数据的驾驶员。通常老驾驶员的泊车能力较新驾驶员的泊车能力强。
在一种实施例中,当识别当前驾驶员为新驾驶员时,可根据该驾驶员驾驶车辆的数据进行训练,预测该名驾驶员的驾驶数据,包括该驾驶员的泊车数据,以此判断新驾驶员可驶入的历史泊车数据是否满足所述目标停车位的长度,即判断新驾驶员的泊车能力,进而继续做出判断是否开启倒车辅助系统,辅助新驾驶员驾驶车辆泊车至目标停车位。
本申请实施例通过车位线模拟系统采集车辆在当前位置周围的目标停车位信息,并根据该目标停车位信息确定是否满足车辆的泊车需求。当目标停车位信息满足车辆的泊车需求时,根据驾驶员的泊车经验,辅助驾驶员控制车辆泊车至目标停车位。克服了在无车位划线路边等地点车辆配备的自动泊车功能不能正常使用,以及采取有选择性的辅助泊车手段,降低了自动泊车系统的使用成本。解决了现有技术中,在未规划车位、或无车位线的路边临时停车的情况下,用户无法通过自动泊车功能完成泊车,以及无法根据驾驶员的泊车经验,采取有效的辅助泊车手段,导致增加车辆的使用成本的问题。
图2是本申请实施例中获取车辆的驾驶数据,根据驾驶数据确定车辆是否触发泊车条件的方法流程示意图。如图2所示,步骤S101具体可以包括:
步骤S201,检测车辆在当前时刻的档位信息。
步骤S202,通过倒车影像系统识别车辆周围图像,包括:从车辆周围图像中提取车辆周围图像信息;将车辆周围图像信息与预设图像信息比对,判断车辆当前位置周边是否具有停车空间。
步骤S203,当车辆在当前时刻的档位信息为倒挡时,且车辆周围图像符合预设条件,确定车辆触发泊车条件。
该方法可以通过检测车辆当前的档位信息,以及通过倒车影像识别车辆周围的图像,判断车辆是否触发了泊车条件,相比仅通过检测档位信息判断车辆是否即将泊车来说,预测结果更准确。
具体地,在本实施例中,可以通过档位控制器检测车辆在当前时刻的档位信息。挡位控制器可以检测车辆当前设置的档位,档位包括前进档、驻车档、空档和倒车档等,本实施例档位控制器被用于检测车辆当前档位是否为倒车档。当档位控制器检测到车辆当前档位信息为倒车挡时,汽车挡位控制器将倒车档信息发送至BCM,BCM将接收到的倒车档信息通过CAN总线向MDC上报。MDC根据接收到的倒车档信息开启倒车影像获取采集车辆周围的图像。
车辆周围图像符合预设条件是指将提取到的多个特征图像信息与预设的多个条件触发信息相比对,判断车辆周围图像是否与预设的多个条件触发信息相匹配,如多个特征图像信息中的一个或多个特征图像信息与预设的某一条件触发信息相符合,即可判断车辆周围图像符合预设条件,也表明驾驶员具有泊车意图。例如,获取到车辆周围图像包括路边、路肩石、未划线的空地、车辆或障碍物时,可以判断当前驾驶员具有临时泊车的意图。VIU根据获取到的倒车档信息和符合预设条件的车辆周围图像确定当前车辆触发了泊车条件,VIU可根据触发的泊车条件开启倒车辅助系统辅助驾驶员进行泊车操作。
当VIU根据获取到的倒车档信息,但车辆周围图像不符合预设条件时,确定当前车辆未触发泊车条件,不开启倒车辅助系统辅助驾驶员进行泊车操作。
在本实施例中,通过倒车影像系统获取的车辆周围图像是可以通过图像识别网络进行特征提取,提取出多个特征图像信息。将提取到的多个特征图像信息与预设的多个条件触发信息相比对,判断车辆周围图像是否与预设的多个条件触发信息相符合。通过获取到的车辆周围图像,如路边、路肩石、未划线的空地、车辆或障碍物等信息判断车辆当前位置周边是否具有停车空间。
图3是本申请实施例中当驾驶数据触发泊车条件时,开启车位线模拟系统,通过车位线模拟系统采集车辆在当前位置周围的空间信息的方法流程示意图。
如图3所示,步骤S102具体可以包括:
步骤S301,通过倒车影像系统采集目标停车位前、后空间是否被占用。
步骤S302,当目标停车位前、后空间均被占用时,通过倒车雷达测量目标停车位前空间物体距车辆尾部的垂直距离,以及目标停车位后空间物体距车辆尾部的最短距离。
步骤S303,根据垂直距离与最短距离计算得到目标车位的长度信息。
该方法可以通过采集到目标停车位前、后空间的物体与待泊车车辆的距离,计算目标停车位的长度。计算得到的目标停车位的长度可为进一步判断该停车位是否与待泊车车辆相匹配提供理论依据。
具体地,在本实施例中,当触发泊车条件时,MDC将上述信息发送至VIU,VIU判断驾驶员即将进行临时泊车,此时,VIU控制开启车位线模拟系统,通过车位线模拟系统采集车辆在当前位置周围的空间信息,包括即将临时泊车的目标停车位的前、后空间是否被占用,本实施例中,可以通过摄像头采集目标停车位的前、后空间是否有其他车辆或障碍物,当目标停车位前、后空间均被占用时,通过倒车雷达测量目标停车位前空间物体距车辆尾部的垂直距离,以及目标停车位后空间物体距车辆尾部的最短距离,根据三角函数关系计算得到目标车位的长度。
图4是本申请实施例中在根据垂直距离与最短距离计算得到目标停车位的长度信息之后的方法流程示意图。如图4所示,方法具体包括:
步骤S401,将目标停车位的长度信息与车辆的长度信息进行比对。
步骤S402,当目标停车位的长度信息大于车辆的长度信息时,确定车辆允许驶入目标停车位。
具体地,在本实施例中,将预测得到的目标停车位长度信息与待泊车车辆的长度信息进行比对,当目标停车位的长度大于泊车车辆的长度时,判断目标停车位满足停车条件,方可允许车辆驶入目标停车位。当目标停车位的长度小于泊车车辆的长度,判断目标停车位不满足停车的条件,不允许车辆驶入。此时,如果驾驶员继续泊车操作,将会发出声光报警,提示驾驶员停止泊车。
参考图5,在一种实施例中,目标停车位的前、后空间均有其他车辆时,当目标车辆的尾部与目标停车位前方车辆(即前车)的尾部平行时,开启汽车尾部的激光雷达测距,测得前车尾部最左侧与泊车车辆尾部最右侧距离为X2,泊车车辆与目标停车位后方车辆(即后车)的头部最右侧距离为X1。根据三角函数关系,得到目标停车位理论长度为根据城市停车位规划标准小车位宽2.4米,长6米,本申请实施例以小车位为例但不限于此,则图示D2默认为标准车位车宽度。为了便于理解,本实施例中,泊车车辆前方的车辆称为前车,泊车车辆后方的车辆称为后车。
图6是本申请实施例中根据空间信息,确定车辆的目标停车位信息,并根据目标停车位信息确定空间是否满足车辆的泊车需求的方法流程示意图。如图6所示,步骤S103具体可以包括:
步骤S601,通过辅助驾驶系统模拟车辆的泊车轨迹,并根据模拟轨迹确定理论最短通过距离信息。
步骤S602,根据目标车位的长度信息与理论最短通过距离信息确定目标停车位信息是否满足车辆的泊车需求。
该方法可以通过模拟车辆的泊车轨迹,并根据理论最短通过的距离的判断目标停车位信息是否满足车辆的泊车需求,提高预测结果的准确性。
如图7-8所示,θ为方向盘向左打死时汽车轮胎的最大转向角度(向右停车同理),X4为目标车辆入库时,车辆左侧距泊车车辆最近距离,已知后视镜的长度,则允许目标车辆驶入该目标车库的条件为:X4≥后视镜长度。X3为目标车辆纵向移动距离,其值可由车辆泊车过程ADAS系统实时监控获取。如图所示,连接两车之间距离最近点,作车辆姿态转向点的延长线并连接图形且等效为矩形。通过相似三角形与RGB三通道系数校正的方法,将四个相似三角形等效为四个区域,A、B、C、D区域的差异之和最小为目标函数,通过求取校正系数,达到X4等效计算的目的,计算公式如下:
F=(F1A1-F3A3)2+(F1B1-F4B4)2+(F3C3-F4C4)2+(F4D4-F2D2)2
式中,F为目标函数,F1为基准三角形,则系数A1、B1为1,A3表示三角形F3与F1的正比例系数,B4为三角形F4与F1的正比例系数,C3为三角形F3与F4的反比例系数,C4为三角形F4与F3的正比例系数,D4为三角形F4与F2的正比例系数,D2为三角形F2与F4的反比例系数。
通过对系数F1-F4求偏导数,整理得到:
F1-F4可以通过奇异值分解上式矩阵得到,只需要分别对RGB图像的三通道按上式求解出各自的系数,再利用其系数乘以RGB通道对应的相似三角形的一条直角边就可以完成数值校正,即得到所求泊车车辆入库时,车辆左侧距前车最近距离:X4=F4X3’,式中,X4车辆左侧距前车最近距离,为X3’为泊车车辆的长度。
在一种实施例中,当目标车位前、后空间均被占用,即目标车位前、后空间均停有其他车辆时,且X4<后视镜长度,则系统判断该目标车位不可驶入。
当目标车位前后有一处未被占用,则不再计算X4的值大小,根据新、老驾驶员的判定,仅监控停车后车身姿态是否大幅偏移或开启倒车辅助系统。
在一种实施例中,车身姿态是否大幅偏移参照标准停车位参数,车头车尾平行于两边宽度车位线,垂直于长度车位线,车头车尾距车位线0.6米,左侧距墙边0.6米。该标准模型即可在上述测距计算过程中嵌入系统作为判断依据,也可在驾驶员倒车途中模拟在车机大屏或HOD显示屏上作为辅助停车手段。当车头车尾偏移角度达到阈值,或车身前后左右四个方向距车位线距离小于阈值时,对驾驶员进行语言提醒或弹窗、声光警报,提示车身姿态大幅偏移,请进行调整。
当目标车位前后均被占用,且X4≥后视镜长度时,系统识别主驾新老驾驶员身份。根据360度全景环视技术,获取目标车位的参数值,包括长度、宽度。当主驾身份为老驾驶员且目标车位的长宽符合该驾驶员可驶入能力,则仅监控停车后车身姿态是否大幅偏移。
当主驾身份为新手驾驶员且目标车位的长宽不符合该驾驶员可驶入能力,但理论可驶入时,开启倒车辅助系统,系统包括:监控驾驶员的操作行为(方向盘、刹车踏板、档位控制),标准车位线辅助线条,当目标车辆车尾与前方所停车辆车尾平行时,开启标准侧方停车语音指导,若驾驶员出现错误操作(方向盘转向错误、档位使用错误、刹车油门踏板错误等)时,语音播报提醒驾驶员立即修正。
图9是本申请实施例中,当目标停车位信息满足车辆的泊车需求时,根据目标停车位信息和驾驶员身份信息,辅助驾驶员驾驶车辆泊车至目标停车位的方法流程示意图。如图9所示,步骤S104具体可以包括:
步骤S901,获取驾驶员身份信息,根据驾驶员身份信息获取驾驶员历史泊车数据。
步骤S902,当目标停车位信息满足车辆的泊车需求时,根据驾驶员历史泊车数据,辅助驾驶员驾驶车辆泊车至目标停车位。
该方法可以根据人脸识别系统识别驾驶员的身份信息,获取驾驶员的历史驾驶数据,根据历史驾驶数据判断驾驶员的泊车能力。进而根据驾驶员的泊车能力控制辅助驾驶系统辅助驾驶员进行泊车。克服了在无车位划线路边等地点车辆配备的自动泊车功能不能正常使用,以及无法采取有效的辅助泊车手段,增加车辆使用成本、泊车效率低的问题。
具体地,在本实施例中,可以通过车载人脸识别系统识别驾驶员身份信息,车载人脸识别系统中的数据库记录了该车辆驾驶人员的身份信息,并通过ADAS系统记录了每个驾驶人员的历史驾驶数据,历史驾驶数据中包括泊车数据,根据记录的历史驾驶数据可以预测驾驶员的泊车能力。当驾驶员为老驾驶员时,仅开启监控泊车后车辆车身姿态是否大幅偏移。当驾驶员为新驾驶员时,则开始倒车辅助系统,辅助驾驶员进行泊车操作。
图10是本申请实施例中当目标停车位信息满足车辆的泊车需求时,根据驾驶员历史泊车数据辅助驾驶员驾驶车辆泊车至目标停车位的方法流程示意图。
如图10所示,步骤S602具体可以包括:
步骤S1001,当驾驶员的可驶入的历史泊车数据满足目标停车位的长度信息时,监控泊车后车辆车身姿态是否大幅偏移。
步骤S1002,当驾驶员的可驶入的历史泊车数据不满足目标停车位的长度信息时,通过倒车辅助系统辅助驾驶员驾驶车辆泊车至目标停车位。
该方法可以根据驾驶员的驾驶能力采取相应的辅助泊车手段,降低了车辆使用成本、泊车效率高。
具体地,在本实施例中,当驾驶员的可驶入的历史泊车数据满足目标停车位的长度信息时,即当驾驶员为老驾驶员时,其驾驶数据显示该驾驶员具有驶入当前目标停车位的泊车能力,此时仅监控泊车后车辆车身姿态是否大幅偏移,如监控到泊车后车辆车身姿态未发生大幅偏移,则表明车辆车身姿态正确,不需对驾驶员进行提示。如监控到泊车后车辆车身姿态发生大幅偏移,则表明车辆车身姿态错误,需对驾驶员进行语音或声光报警,提示驾驶员将车身调正。
当人脸识别系统未记录该驾驶员的身份信息时,判断驾驶员为新驾驶员,相应地,ADAS系统中未记录该名驾驶员的驾驶数据,可以通过ADAS系统持续采集该名驾驶员在行驶过程中的驾驶数据,并通过深度学习网络对驾驶数据进行训练,预测该名驾驶员可驶入的泊车数据,根据预测的泊车数据判断驾驶员的泊车能力。当驾驶员的可驶入的泊车数据不满足目标停车位的长度信息时,VIU控制开启倒车辅助系统,通过倒车辅助系统辅助新驾驶员泊车入位。
在一种实施例中,当未预测出该名驾驶员的泊车能力时,即无法判断该驾驶员的泊车能力时,VIU控制开启倒车辅助系统,通过倒车辅助系统辅助新驾驶员泊车入位。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图11是本申请实施例提供的一种车辆的泊车控制系统结构示意图。如图11所示,本申请实施例还提供了一种车辆的泊车控制系统1100,包括:数据采集模块1101、车位线模拟模块1102、数据处理模块1103和辅助驾驶模块1104。
具体地,数据采集模块1101用于获取车辆的驾驶数据,并根据驾驶数据确定车辆是否触发泊车条件。
车位线模拟模块1102用于采集车辆在当前位置周围的空间信息,并根据空间信息模拟车位线。
数据处理模块1103用于根据空间信息,确定车辆的目标停车位信息,并确定所述目标停车位信息是否满足所述车辆的泊车需求。
辅助驾驶模块1104用于辅助驾驶员驾驶车辆泊车至目标停车位。
在一些实施例中,数据采集模块1101用于检测车辆在当前时刻的档位信息。通过倒车影像系统识别车辆周围图像。当车辆在当前时刻的档位信息为倒挡时,且车辆周围图像符合预设条件,确定车辆触发泊车条件。
基于上述实施例,数据采集模块1101还可以从车辆周围图像中提取车辆周围图像信息。并将车辆周围图像信息与预设图像信息比对,判断车辆当前位置周边是否具有停车空间。
当驾驶数据触发泊车条件时,车位线模拟模块1102开启车位线模拟系统,通过车位线模拟系统采集车辆在当前位置周围的空间信息,具体包括:通过倒车影像系统采集目标停车位前、后空间是否被占用。当目标停车位前、后空间均被占用时,通过倒车雷达测量目标停车位前空间物体距车辆尾部的垂直距离,以及目标停车位后空间物体距车辆尾部的最短距离。根据垂直距离与最短距离计算得到目标车位的长度信息。
数据处理模块1103可以根据空间信息,确定车辆的目标停车位信息,并确定目标停车位信息是否满足车辆的泊车需求。具体包括:通过辅助驾驶系统模拟车辆的泊车轨迹,并根据模拟轨迹确定理论后视镜长度信息。根据目标车位的长度信息与理论后视镜长度信息确定停车位信息是否满足车辆的泊车需求。
基于上述实施例,当目标停车位信息满足车辆的泊车需求时,数据处理模块1103还可以根据目标停车位信息和驾驶员身份信息,辅助驾驶员控制车辆泊车至目标停车位。具体包括:获取驾驶员身份信息,根据驾驶员身份信息获取驾驶员历史泊车数据。当目标停车位信息满足车辆的泊车需求时,根据驾驶员历史泊车数据,辅助驾驶员驾驶车辆泊车至目标停车位。
当目标停车位信息满足车辆的泊车需求时,辅助驾驶模块1104可以根据驾驶员泊车能力辅助驾驶员控制车辆泊车至目标停车位。具体可以包括:当驾驶员的可驶入的历史泊车数据满足目标停车位的长度信息时,即当驾驶员为老驾驶员时,监控泊车后车辆车身姿态是否大幅偏移。当驾驶员的可驶入的历史泊车数据不满足目标停车位的长度信息时,即当驾驶员为新驾驶员时,通过倒车辅助系统辅助驾驶员控制车辆泊车至目标停车位。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图12是本申请实施例提供的电子设备的示意图。如图12所示,该实施例的电子设备12包括:处理器1201、存储器1202以及存储在该存储器1202中并且可在处理器1201上运行的计算机程序1203。处理器1201执行计算机程序1203时实现上述各个方法实施例中的步骤。或者,处理器1201执行计算机程序1203时实现上述各装置实施例中各模块/单元的功能。
电子设备12可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备12可以包括但不仅限于处理器1201和存储器1202。本领域技术人员可以理解,图12仅仅是电子设备12的示例,并不构成对电子设备12的限定,可以包括比图示更多或更少的部件,或者不同的部件。
处理器1201可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器1202可以是电子设备12的内部存储单元,例如,电子设备12的硬盘或内存。存储器1202也可以是电子设备12的外部存储设备,例如,电子设备12上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。存储器1202还可以既包括电子设备12的内部存储单元也包括外部存储设备。存储器1202用于存储计算机程序以及电子设备所需的其它程序和数据。
本申请实施例还提供了一种车辆,包括车辆本体以及上述电子设备,车辆根据电子设备实现前文所述的泊车方法。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读存储介质(例如计算机可读存储介质)中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以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,本领域的普通技术人员应当理解: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,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车辆的泊车方法,其特征在于,包括:
获取所述车辆的驾驶数据,并根据所述驾驶数据确定所述车辆是否触发泊车条件;
当所述驾驶数据触发所述泊车条件时,开启车位线模拟系统,通过所述车位线模拟系统采集所述车辆在当前位置周围的空间信息;
根据所述空间信息,确定所述车辆的目标停车位信息,并确定所述目标停车位信息是否满足所述车辆的泊车需求;
当所述目标停车位信息满足所述车辆的泊车需求时,根据所述目标停车位信息和驾驶员身份信息,辅助所述驾驶员驾驶所述车辆泊车至所述目标停车位。
2.根据权利要求1所述的方法,其特征在于,所述根据所述驾驶数据确定所述车辆是否触发泊车条件包括:
检测所述车辆在当前时刻的档位信息;
通过倒车影像系统识别所述车辆周围图像,包括:从所述车辆周围图像中提取车辆周围图像信息;将所述车辆周围图像信息与预设图像信息比对,判断所述车辆当前位置周边是否具有停车空间;
当所述车辆在当前时刻的档位信息为倒挡时,且所述车辆周围图像符合预设条件,确定所述车辆触发泊车条件。
3.根据权利要求1所述的方法,其特征在于,当所述驾驶数据触发所述泊车条件时,开启车位线模拟系统,通过所述车位线模拟系统采集所述车辆在当前位置周围的空间信息包括:
通过倒车影像系统采集目标停车位前、后空间是否被占用;
当所述目标停车位前、后空间均被占用时,通过倒车雷达测量所述目标停车位前空间物体距所述车辆尾部的垂直距离,以及所述目标停车位后空间物体距所述车辆尾部的最短距离;
根据所述垂直距离与所述最短距离计算得到所述目标停车位的长度信息。
4.根据权利要求3所述的方法,其特征在于,在根据所述垂直距离与所述最短距离计算得到所述目标停车位的长度信息之后还包括:
将所述目标停车位的长度信息与所述车辆的长度信息进行比对;
当所述所述目标停车位的长度信息大于所述车辆的长度信息时,确定所述车辆允许驶入所述目标停车位。
5.根据权利要求4所述的方法,其特征在于,所述根据所述空间信息,确定所述车辆的目标停车位信息,并确定所述目标停车位信息是否满足所述车辆的泊车需求包括:
通过辅助驾驶系统模拟所述车辆的泊车轨迹,并根据所述模拟轨迹确定理论最短通过距离信息;
根据所述目标车位的长度信息与所述理论最短通过距离信息确定所述停车位信息是否满足所述车辆的泊车需求。
6.根据权利要求5所述的方法,其特征在于,当所述目标停车位信息满足所述车辆的泊车需求时,根据所述目标停车位信息和驾驶员身份信息,辅助所述驾驶员驾驶所述车辆泊车至所述目标停车位包括:
获取所述驾驶员身份信息,根据所述驾驶员身份信息获取所述驾驶员历史泊车数据;
当所述目标停车位信息满足所述车辆的泊车需求时,根据所述驾驶员历史泊车数据,辅助所述驾驶员驾驶所述车辆泊车至所述目标停车位。
7.根据权利要求6所述的方法,其特征在于,所述当所述目标停车位信息满足所述车辆的泊车需求时,根据所述驾驶员历史泊车数据辅助所述驾驶员驾驶所述车辆泊车至所述目标停车位包括:
当所述驾驶员的可驶入的历史泊车数据,满足所述目标停车位的长度信息时,监控泊车后所述车辆车身姿态是否大幅偏移,若监控到所述车辆车身姿态大幅偏移,则通过显示360全景环视影像系统,辅助所述驾驶员对所述车辆车身姿态进行修正;
当所述驾驶员的可驶入的历史泊车数据,不满足所述目标停车位的长度信息时,通过倒车辅助系统辅助所述驾驶员驾驶所述车辆泊车至所述目标停车位。
8.一种车辆的泊车控制系统,其特征在于,包括:
数据采集模块,用于获取车辆的驾驶数据,并根据所述驾驶数据确定所述车辆是否触发泊车条件;
车位线模拟模块,用于采集所述车辆在当前位置周围的空间信息,并根据所述空间信息模拟车位线;
数据处理模块,用于根据所述空间信息,确定所述车辆的目标停车位信息,并确定所述目标停车位信息是否满足所述车辆的泊车需求;
辅助驾驶模块,用于辅助驾驶员控制所述车辆泊车至所述目标停车位。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种可读存储介质,所述可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311469454.9A CN117465421A (zh) | 2023-11-07 | 2023-11-07 | 一种车辆的泊车方法、控制系统、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311469454.9A CN117465421A (zh) | 2023-11-07 | 2023-11-07 | 一种车辆的泊车方法、控制系统、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117465421A true CN117465421A (zh) | 2024-01-30 |
Family
ID=89625226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311469454.9A Pending CN117465421A (zh) | 2023-11-07 | 2023-11-07 | 一种车辆的泊车方法、控制系统、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117465421A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117656986A (zh) * | 2024-01-31 | 2024-03-08 | 成都赛力斯科技有限公司 | 一种基于障碍物的车灯控制方法、装置、设备及存储介质 |
-
2023
- 2023-11-07 CN CN202311469454.9A patent/CN117465421A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117656986A (zh) * | 2024-01-31 | 2024-03-08 | 成都赛力斯科技有限公司 | 一种基于障碍物的车灯控制方法、装置、设备及存储介质 |
CN117656986B (zh) * | 2024-01-31 | 2024-04-16 | 成都赛力斯科技有限公司 | 一种基于障碍物的车灯控制方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689761B (zh) | 一种自动泊车方法 | |
CN111081064B (zh) | 一种车载以太网的自动泊车系统及自动代客泊车方法 | |
CN108986540B (zh) | 车辆控制系统和方法、以及行驶辅助服务器 | |
CN109421738B (zh) | 用于监视自主车辆的方法和装置 | |
US10875511B2 (en) | Systems and methods for brake redundancy for an autonomous vehicle | |
US9400897B2 (en) | Method for classifying parking scenarios for a system for parking a motor vehicle | |
CN111583715B (zh) | 一种车辆轨迹预测方法、车辆碰撞预警方法、装置及存储介质 | |
CN113168708B (zh) | 车道线跟踪方法和装置 | |
CN113267199B (zh) | 行驶轨迹规划方法及装置 | |
CN112781887A (zh) | 测试车辆性能的方法、装置和系统 | |
US11069161B2 (en) | Adaptive sensor fusion | |
CN113460033B (zh) | 一种自动泊车方法以及装置 | |
CN117465421A (zh) | 一种车辆的泊车方法、控制系统、电子设备及可读存储介质 | |
EP3570214B1 (en) | Automobile image processing method and apparatus, and readable storage medium | |
CN105684039B (zh) | 用于驾驶员辅助系统的状况分析 | |
CN111071248A (zh) | 一种基于电子助力制动器的智能泊车方法 | |
CN112009462A (zh) | 一种前向自动泊车方法及装置 | |
CN111144330A (zh) | 一种基于深度学习的车道线检测方法、装置以及设备 | |
CN113432615B (zh) | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 | |
US10977876B2 (en) | System and method for modifying vehicle design based on sensors | |
CN116135654A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
CN112224197B (zh) | 倒车检测泊车位的方法、装置、车辆及存储介质 | |
CN114274965A (zh) | 车辆控制方法、车辆控制装置、车载终端设备及存储介质 | |
CN110414756B (zh) | 交通工具驾驶系统评估方法、装置、计算机设备 | |
CN113753069A (zh) | 自动驾驶控制方法及装置 |
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 |