CN117774944A - 自动泊车的方法、装置、设备、车辆及可读存储介质 - Google Patents
自动泊车的方法、装置、设备、车辆及可读存储介质 Download PDFInfo
- Publication number
- CN117774944A CN117774944A CN202410040884.7A CN202410040884A CN117774944A CN 117774944 A CN117774944 A CN 117774944A CN 202410040884 A CN202410040884 A CN 202410040884A CN 117774944 A CN117774944 A CN 117774944A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- scene
- parking space
- information
- 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 136
- 238000001514 detection method Methods 0.000 claims abstract description 149
- 230000004913 activation Effects 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 44
- 230000007613 environmental effect Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 17
- 230000003213 activating effect Effects 0.000 claims description 4
- 230000001976 improved effect Effects 0.000 abstract description 46
- 101150029755 park gene Proteins 0.000 description 27
- 230000006870 function Effects 0.000 description 25
- 238000012545 processing Methods 0.000 description 8
- 239000002699 waste material Substances 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000010485 coping Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种自动泊车的方法、装置、设备、车辆及可读存储介质,方法包括:获取车辆的第一运行数据;在第一运行数据满足第一预设条件的情况下,根据车辆的第二运行数据,确定当前运行场景;在当前运行场景属于泊车场景的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息;在车位检测信息指示当前运行场景中存在可泊入车位的情况下,响应于泊车激活指令,根据可泊入车位的目标轨迹,控制车辆进行泊车;其中,目标轨迹指示车辆从当前位置移动至目标车位的路线信息。通过本申请可以提高自动泊车的效率。
Description
技术领域
本申请涉及自动驾驶技术领域,具体涉及一种自动泊车的方法、装置、设备、车辆及可读存储介质。
背景技术
随着自动驾驶技术的不断迭代,自动驾驶技术慢慢走进人们的生活当中,极大地方便了人们的生活,人们对于自动驾驶的需求日益迫切。对于自动驾驶技术来说,车子自动感知路面情况并自动规划轨迹将乘客送到目的地。在到达目的地附近时,需要进行自动泊车。
相关技术中,用户需要启动全自动泊车功能才能进行车位检测以及泊车激活,用户必须按照既定开启路径来开启自动泊车,用户可能已经行驶到了泊车场景,错过了可泊入车位才开启自动泊车,这时候全自动泊车的相关感知设备才开始协同处理搜索两边车位。这样,造成自动泊车的步骤繁琐,从而导致自动泊车的效率较低。
发明内容
本申请的目的之一在于提供一种自动泊车的方法,以解决现有技术中的自动泊车的步骤繁琐,从而导致自动泊车的效率较低的问题;目的之二在于提供一种自动泊车的装置;目的之三在于提供一种电子设备;目的之四在于提供一种车辆;目的之五在于提供一种计算机可读存储介质。
为了实现上述目的,本申请采用的技术方案如下:
本申请实施例提供了一种自动泊车的方法,方法包括:
获取车辆的第一运行数据;
在第一运行数据满足第一预设条件的情况下,根据车辆的第二运行数据,确定当前运行场景;
在当前运行场景属于泊车场景的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息;
在车位检测信息指示当前运行场景中存在可泊入车位的情况下,响应于泊车激活指令,根据可泊入车位的目标轨迹,控制车辆进行泊车;其中,目标轨迹指示车辆从当前位置移动至可泊入车位的路线信息。
可以理解是,通过自动检测和处理运行场景以及泊车过程中的信息,减少了由于驾驶员误判断或操作不当导致的人为错误,提高了泊车的精准度。自动检测可泊入车位和目标轨迹规划可以提高泊车的效率,车辆能够更快速、安全地找到合适的泊车位并完成泊车操作。
上述方案中,第一运行数据包括:车辆的当前速度信息;第一预设条件包括:车辆的速度信息小于或等于第一阈值;在当前运行场景属于泊车场景的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息,包括:
在当前运行场景属于泊车场景,且当前速度信息满足第二预设条件的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息;其中,
第二预设条件包括:当前速度信息大于第二阈值且小于第三阈值,或者,当前速度信息大于第四阈值且小于第五阈值;第二阈值小于第三阈值,第三阈值小于第四阈值,第四阈值小于第五阈值,第五阈值小于第一阈值。
可以理解是,在当前运行场景属于泊车场景,且当前速度信息满足第二预设条件的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测。一方面,提供了对可泊入车位的实时检测,可以支持车辆进行自动泊车操作,提高泊车的便利性和安全性。一方面,对于驾驶员而言,车位检测信息的提供可以减轻泊车过程中的负担,使驾驶员更轻松地完成泊车操作。一方面,通过检测可泊入车位的位置和可用性,车辆可以更快速地找到合适的泊车位,从而提高泊车的效率。
上述方案中,方法还包括:在车载显示界面显示实时重构场景,并在车载显示界面上显示速度提示信息;速度提示信息用于提醒对车辆的速度信息进行调整以使当前速度信息满足第二预设条件。
可以理解是,一方面,通过速度提示信息,驾驶员可以及时了解当前车速是否符合预设条件。这有助于避免超速行为,提高驾驶的合规性。一方面,提供实时重构的场景和速度提示信息有助于驾驶员更好地适应路况,减少交通事故的风险。驾驶员可以更容易地调整车速以适应道路条件和交通流。一方面,通过集成实时重构场景和速度提示信息,系统可以提供更强大的智能驾驶辅助功能。,这有助于改善整体驾驶体验,使驾驶更智能化和便捷。
上述方案中,第二运行数据包括:车辆的位置信息和环境信息;根据车辆的第二运行数据,确定当前运行场景,包括:根据车辆的位置信息和环境信息,通过目标场景识别模型进行场景识别,确定当前运行场景;方法还包括:
获取第一训练样本集;其中,第一训练样本集包括:运行数据样本和运行数据样本对应的停车场景样本;运行数据样本包括:位置信息样本和环境信息样本;
将位置信息样本和环境信息样本输入至初始场景识别模型中,得到运行数据样本对应的场景识别结果;
根据场景识别结果和对应的停车场景样本之间的差异,对初始场景识别模型进行调整,以得到训练完成的目标场景识别模型。
可以理解是,通过目标场景识别模型进行场景识别并根据训练样本集对初始场景识别模型进行调整,一方面,训练完成的目标场景识别模型经过调整后,可能具有更高的准确性,能够更精准地识别车辆所处的具体运行场景,提高了系统的智能水平。一方面,通过调整模型,可以提高其泛化能力,使其在新的、未见过的场景中也能进行有效的识别,有助于应对不同驾驶环境和道路条件。一方面,通过对差异进行调整,模型更有可能避免对相似场景的误识别,这有助于提高场景识别的精度,避免系统因误判而做出不合适的驾驶决策。
上述方案中,第三运行数据包括:车辆的周围环境的场景重构信息;根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息,包括:根据车辆的场景重构信息,通过目标车位检测模型对当前运行场景中的可泊入车位进行检测,得到车位检测信息;方法还包括:
获取第二训练样本集;其中,第二训练样本集包括:场景重构信息样本和场景重构信息样本对应的车位检测样本;
将场景重构信息样本输入至初始车位检测模型中,得到场景重构信息样本对应的车位检测结果;
根据车位检测结果和对应的车位检测样本之间的差异,对初始车位检测模型进行调整,以得到训练完成的目标车位检测模型。
可以理解是,通过车辆的场景重构信息,使用目标车位检测模型对当前运行场景中的可泊入车位进行检测,一方面,训练完成的目标车位检测模型有望提供更准确的车位检测结果,能够更可靠地识别当前场景中的可泊入车位。一方面,通过对模型进行训练和调整,有助于降低误检率,减少虚假的车位检测结果,提高系统的可靠性。一方面,对于驾驶员或自动驾驶系统的用户,准确的车位检测能够提高停车过程的效率,提升整体的驾驶体验。
上述方案中,根据可泊入车位的目标轨迹,控制车辆进行泊车之前,方法还包括:获取车辆的当前定位信息;当前定位信息包括:当前位置信息和车辆的周围环境的当前地图信息;根据当前位置信息和当前地图信息,通过目标路线规划模型进行轨迹规划,得到目标轨迹;方法还包括:
获取第三训练样本集;其中,第三训练样本集包括:定位信息样本和定位信息样本对应的轨迹规划样本;定位信息样本包括:位置信息样本和地图信息样本;
将位置信息样本和地图信息样本输入至初始路线规划模型中,得到定位信息样本对应的轨迹规划结果;
根据轨迹规划结果和对应的轨迹规划样本之间的差异,对初始路线规划模型进行调整,以得到训练完成的目标路线规划模型。
可以理解是,通过获取车辆的当前定位信息,根据当前位置信息和当前地图信息,通过目标路线规划模型进行轨迹规划,一方面,训练完成的目标路线规划模型有望提供更精准、适应性更强的轨迹规划结果,更好地考虑当前位置、地图信息、交通规则等因素。一方面,通过对初始路线规划模型进行训练和调整,系统可能更快速地生成适应性较强的轨迹规划结果,提高了实时性,使车辆能够更迅速地做出反应。一方面,训练完成的目标路线规划模型有望更好地适应不同类型的地图信息和位置信息,使其在城市、乡村、高速公路等各种道路环境中都能够进行有效的轨迹规划。
上述方案中,方法还包括:在车载显示界面显示至少一个候选泊入车位;响应于作用在至少一个候选泊入车位中的可泊入车位的触发操作,执行根据当前位置信息和当前地图信息,通过目标路线规划模型进行轨迹规划,得到目标轨迹的步骤。
可以理解是,一方面,将候选泊入车位显示在车载显示界面上,使驾驶员能够方便地查看可用的泊车位。这有助于提高泊车的效率,尤其是在繁忙的停车场或拥挤的道路情况下。一方面,显示候选泊入车位可以提高驾驶员对泊车可行性的认知。驾驶员能够直观地看到哪些车位可用,从而更容易选择适合泊车的位置。避免驾驶员在寻找合适泊车位上浪费时间,候选泊入车位的清晰显示可以迅速帮助驾驶员作出决策,减少找车位的时间。
上述方案中,方法还包括:在对当前运行场景中的可泊入车位进行检测的过程中,实时检测车辆的第一运行数据和当前运行场景;在第一运行数据不满足第一预设条件和/或当前运行场景不属于泊车场景的情况下,结束对当前运行场景中的可泊入车位进行检测的过程。
可以理解是,当第一运行数据不满足第一预设条件和/或当前运行场景不属于泊车场景的情况下,结束对当前运行场景中的可泊入车位进行检测的过程,一方面,避免在不适宜泊车的情况下进行检测,节省了计算资源和能源,这有助于提高系统的效率,避免在不必要的情况下浪费计算资源。一方面,当车辆的第一运行数据不符合泊车条件时,结束检测过程可以防止系统误判并执行泊车操作,减少了因不适当的条件导致的误操作和潜在的危险。一方面,通过仅在符合预设条件和泊车场景的情况下进行检测,系统可以更好地确保泊车操作的安全性,有助于防止系统在不适当的情况下引导车辆进行泊车,降低事故风险。
上述方案中,泊车激活指令包括以下至少一种:作用在车载显示界面中的泊车激活控件的触发操作,以及作用在车辆的倒车档位的预设次数的触发操作。
可以理解是,上述两种泊车激活指令的方式,可以提供更灵活的操作选择,从而可以更好地适应驾驶员的习惯和偏好。
上述方案中,车载显示界面中的显示内容包括以下至少一种:泊车激活控件、车辆的实时重构场景、车辆在实时重构场景中的车辆标识、至少一个候选泊入车位,以及系统推荐泊入车位。
可以理解是,包含泊车激活控件、车辆的实时重构场景、车辆在实时重构场景中的车辆标识、至少一个候选泊入车位以及系统推荐泊入车位的车载显示界面,可以为驾驶员提供全面的泊车信息,使其能够方便地操控泊车系统并做出明智的决策,有助于提高泊车的效率和安全性,为驾驶员提供更好的使用体验,同时提高了驾驶员对周围环境的感知。
本申请实施例提供了一种自动泊车的装置,装置包括:获取单元、确定单元和泊车单元;其中,
获取单元,用于获取车辆的第一运行数据;
确定单元,用于在第一运行数据满足第一预设条件的情况下,根据车辆的第二运行数据,确定当前运行场景;在当前运行场景属于泊车场景的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息;
泊车单元,用于在车位检测信息指示当前运行场景中存在可泊入车位的情况下,响应于泊车激活指令,根据可泊入车位的目标轨迹,控制车辆进行泊车;其中,目标轨迹指示车辆从当前位置移动至目标车位的路线信息。
本申请实施例提供了一种电子设备,设备包括:处理器和存储器,存储器用于存储计算机程序,处理器用于调用并运行存储器中存储的计算机程序,执行如上所述的自动泊车的方法。
本申请实施例提供了一种车辆,车辆包括上述的电子设备.
本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被至少一个处理器执行时实现如上所述的自动泊车的方法。
本申请实施例提供了一种自动泊车的方法、装置、设备、车辆及可读存储介质,其中,方法包括:获取车辆的第一运行数据;在第一运行数据满足第一预设条件的情况下,根据车辆的第二运行数据,确定当前运行场景;在当前运行场景属于泊车场景的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息;在车位检测信息指示当前运行场景中存在可泊入车位的情况下,响应于泊车激活指令,根据可泊入车位的目标轨迹,控制车辆进行泊车;其中,目标轨迹指示车辆从当前位置移动至可泊入车位的路线信息。一方面,本申请使得自动泊车系统可以更迅速地找到合适的泊车位,减少了在寻找泊车位上的时间浪费,提高了自动泊车的效率;另一方面,本申请通过自动检测和处理运行场景以及泊车过程中的信息,提高了泊车的精准度,通过自动检测可泊入车位和目标轨迹规划可以提高泊车的效率,车辆能够更快速、安全地找到合适的泊车位并完成泊车操作。
附图说明
图1为本申请实施例提供的一种可选的自动泊车的方法的架构示意图;
图2为本申请实施例提供的一种可选的自动泊车的方法的流程示意图一;
图3为本申请实施例提供的一种可选的自动泊车的方法的流程示意图二;
图4为本申请实施例提供的一种可选的自动泊车的方法的流程示意图三;
图5为本申请实施例提供的一种可选的自动泊车的方法的流程示意图四;
图6为本申请实施例提供的一种可选的自动泊车的方法的流程示意图五;
图7为本申请实施例提供的一种可选的场景重构区域的划分示意图;
图8为本申请实施例提供的一种可选的自动泊车的装置的结构示意图;
图9为本申请实施例提供的一种可选的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围。
除非另有定义,本申请所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
在以下的描述中,涉及到“一些实施例”、“本申请实施例”、“本申请实施例”以及举例等等,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
如果申请文件中出现“第一/第二”的类似描述则增加以下的说明,在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
汽车智能驾驶领域中全自动泊车功能是智能驾驶功能里面重要功能之一。随着人们生活水平的提高,人们对汽车的智能驾驶功能有更高的追求,提高便捷性。例如,用户开车到商圈停车场将车停入车位,或用户回家将车停入地下停车场车位。为解决此问题,单用户搭载了全自动泊车功能,该功能在一般情况下,驾驶员需手动启动自动泊车系统,让驾驶员开车前行,系统通过车载摄像头、感知设备协同处理,检测车辆两侧是否存在可用的停车位,当存在可用停车位时,会识别出目标车位的基本信息并进行路径规划,得到泊车起始点及泊车起始点到泊车重点的泊车路径,通过用户激活控制车辆自动行进至泊车起始点;控制车辆按照规划路径进行自动泊车,从而完成目标车位的自动泊入。
然而,相关技术中的全自动泊车功能存在如下问题:用户需要启动全自动泊车功能才能进行车位检测、泊车激活,用户必须按照既定开启路径来开启自动泊车,用户可能已经行驶到了泊车场景,错过了可泊入车位才开启自动泊车,这时候全自动泊车的相关感知设备才开始协同处理搜索两边车位,并且需要用户通过车载显示屏点击激活,与日常行驶习惯不符,导致用户使用步骤较繁琐,影响用户体验。
基于此,本申请提供了一种自动泊车的方法,一方面,该方法提供了自动泊车的支持,减轻了驾驶员在泊车过程中的负担。系统能够根据环境条件自主完成泊车,提高泊车的便利性。一方面,自动检测可泊入车位和目标轨迹规划可以提高泊车的效率,车辆能够更快速、安全地找到合适的泊车位并完成泊车操作。一方面,自动泊车系统可以更迅速地找到合适的泊车位,减少了在寻找泊车位上的时间浪费,提高了自动泊车的效率。
图1为本申请实施例提供的一种可选的自动泊车的方法的架构示意图,参见图1,在自动泊车系统1中,包括:服务器11、电子设备12和用户13。其中,服务器11和电子设备12可以通过网络14实现通信,网络14可以是广域网或者局域网,又或者是二者的组合。
在本申请实施例中,电子设备12可以通过搭载在车辆中的传感器和感知设备获取车辆的第一运行数据。进一步,电子设备12可以将第一运行数据通过网络14传输至服务器11,服务器11可以根据车辆的第二运行数据确定当前运行场景,或者,电子设备可以执行在第一运行数据满足第一预设条件的情况下,根据车辆的第二运行数据,确定当前运行场景;在当前运行场景属于泊车场景的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息;在车位检测信息指示当前运行场景中存在可泊入车位的情况下,响应于泊车激活指令,根据可泊入车位的目标轨迹,控制车辆进行泊车。
在本申请实施例中,服务器11可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例对此不作限定。
在本申请实施例中,电子设备12可以作为车载设备搭载在自动驾驶车辆、无人驾驶车辆、电动车辆等等,本申请实施例对此不作限定。
在本申请实施例中,电子设备12还可以是移动电话、平板个人电脑(TPC)、媒体播放器、智能电视、笔记本电脑(LC)、个人数字助理(PDA)、个人计算机(PC)、照相机、摄像机、智能手表、可穿戴式设备(WD)或者自动驾驶的车辆等,本申请实施例对此不作限定。
下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述。
图2为本申请实施例提供的一种可选的自动泊车的方法的流程示意图一,如图2所示,该方法包括S101至S104:
S101、获取车辆的第一运行数据。
在本申请实施例中,电子设备获取车辆的第一运行数据。
在本申请实施例中,电子设备为搭载在车辆中的车载设备。
在本申请实施例中,第一运行数据可以包括以下至少一种:车辆行驶数据、车辆引擎数据、车辆位置信息、能源利用情况、传感器数据、驾驶员行为数据和车辆环境数据。其中,车辆行驶数据用于记录车辆的行驶距离、速度、方向等信息,这可以用来分析车辆的运动模式和行为。车辆引擎数据用于记录引擎的工作参数,包括转速、温度、油耗等,这有助于监测引擎的性能和效率。车辆位置信息为使用全球定位系统(GPS)等技术记录车辆的位置信息,这有助于追踪车辆的运动、路径规划和地图显示非。能源利用情况用于记录车辆的能源利用情况,包括电池电量(对于电动车辆)、燃油消耗等,这有助于优化能源管理和提高能源效率。传感器数据包括摄像头、雷达、激光雷达等,记录这些传感器的输出数据,用于分析周围环境和进行感知任务。驾驶员行为数据包括驾驶员摄像头或车辆内部传感器,记录驾驶员的行为,例如急刹车、急加速等。车辆环境数据用于记录车辆运行时的环境条件,包括温度、湿度、天气状况等,这些信息有助于理解车辆在不同环境下的性能表现。需要说明的是,上述列举的第一运行数据仅为一种示例,在实际应用场景中还可以包括其他运行数据,本申请实施例对此不作任何限定。
在本申请的一些实施例中,第一运行数据可以为车辆的当前速度信息。示例性的,当前速度信息可以包括以下至少一种:瞬时速度、平均速度、最大速度以及速度变化率。其中,瞬时速度表示车辆在某一时刻的实时速度。平均速度表示车辆在一段时间内的平均速度,这可以用来评估车辆的整体运行效率。最大速度表示车辆在某一时间段内达到的最高速度。速度变化率表示车辆速度的变化趋势,例如急加速、急刹车等。需要说明的是,上述列举的当前速度信息仅为一种示例,在实际应用场景中还可以包括其他速度信息,本申请实施例对此不作任何限定。
S102、在第一运行数据满足第一预设条件的情况下,根据车辆的第二运行数据,确定当前运行场景。
在本申请实施例中,在电子设备确定第一运行数据满足第一预设条件的情况下,电子设备根据车辆的第二运行数据,确定当前运行场景。
在本申请实施例中,第一预设条件为预先设置好的判断条件。
在本申请的一些实施例中,第一预设条件包括:车辆的速度信息小于或等于第一阈值。
在本申请实施例中,第一阈值为预先设备好的值,示例性的,第一阈值为30km/h。
在本申请的一些实施例中,在当前运行场景属于泊车场景的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息,包括:
在当前运行场景属于泊车场景,且当前速度信息满足第二预设条件的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息;其中,
第二预设条件包括:当前速度信息大于第二阈值且小于第三阈值,或者,当前速度信息大于第四阈值且小于第五阈值;第二阈值小于第三阈值,第三阈值小于第四阈值,第四阈值小于第五阈值,第五阈值小于第一阈值。
在本申请实施例中,只有在电子设备确定出当前运行场景属于泊车场景,且当前速度信息满足第二预设条件时,电子设备才会对当前运行场景中的可泊入车位进行检测。
在本申请实施例中,第二阈值、第三阈值、第四阈值和第五阈值为预先设备好的值,示例性的,第二阈值为-20km/h,第三阈值为-15km/h,第四阈值为15km/h,第五阈值为20km/h。
可以理解的是,在当前运行场景属于泊车场景,且当前速度信息满足第二预设条件的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测。一方面,提供了对可泊入车位的实时检测,可以支持车辆进行自动泊车操作,提高泊车的便利性和安全性。一方面,对于驾驶员而言,车位检测信息的提供可以减轻泊车过程中的负担,使驾驶员更轻松地完成泊车操作。一方面,通过检测可泊入车位的位置和可用性,车辆可以更快速地找到合适的泊车位,从而提高泊车的效率。
可以理解的是,一方面,通过对当前运行场景中的可泊入车位进行检测,得到车位检测信息,有助于识别潜在的障碍物或其他车辆,可以避免碰撞和减少事故风险,提高泊车的安全性。一方面,对于配备自动泊车功能的车辆,提供准确的车位检测信息可以增强用户体验,让驾驶员更加信任自动泊车系统。一方面,在复杂的城市环境中,车位检测信息对于在拥挤的停车场或街道上找到合适的泊车位非常关键。通过快速找到可用泊车位,减少在寻找泊车位上的时间和资源浪费,提高车辆的整体效率。
在本申请实施例中,第二运行数据是根据车辆上安装的感知设备和传感器设备采集相关数据确定的。示例性的,根据车辆的第二运行数据确定当前运行场景,可以包括以下步骤:
1)、数据收集:获取第二运行数据,包括摄像头图像、激光雷达、雷达数据、GPS信息,以及其他可能的传感器数据;
2)、图像和视频数据分析:对摄像头图像和视频进行分析,使用计算机视觉技术来检测和识别道路标志、车辆、行人等。比如,深度学习模型(如卷积神经网络(CNN)),常用于图像分类和对象检测任务;
3)、激光雷达和雷达数据分析:处理激光雷达和雷达数据,通过测量反射光的时间或频率来计算周围物体的距离、速度和方向。聚类和目标跟踪算法用于识别和分类障碍物,如其他车辆、行人或建筑物;
4)、PS数据和地图集成:利用GPS数据确定车辆的准确位置,并将其与地图数据集成,这有助于确定车辆所在的区域,例如城市中的具体位置或高速公路上的位置;
5)、环境传感器数据分析:分析环境传感器(例如温度、湿度)的数据,以提供关于当前天气条件的信息,这有助于区分不同的季节或判断是否有降雨等条件;
6)、车辆动态数据分析:监测车辆的动态数据,包括加速度、转向角度等,以了解车辆当前的运动状态。例如,急剧的加速度变化可能表示紧急制动或急速加速;
7)、场景推断:结合以上所有信息,推断当前的运行场景。例如,如果检测到城市道路标志、大量行人和建筑物,可能是城市区域;如果检测到高速公路标识和高速公路特有的车辆流动模式,可能是高速公路场景;
8)、实时更新:不断更新和调整场景推断,以适应动态的环境变化。实时性对于车辆自动驾驶系统至关重要,因为场景可能随时发生变化,例如交通状况的改变或道路条件的变化。
综上,综合利用传感器设备和感知设备的数据,使得车辆可以实时地对其周围环境进行感知和理解,从而确定当前的运行场景。
S103、在当前运行场景属于泊车场景的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息。
在本申请实施例中,第三运行数据包括:车辆的周围环境的场景重构信息。
在本申请实施例中,第三运行数据(车辆的周围环境的场景重构信息)是利用车辆上搭载的传感器采集到的实时数据确定的。
在本申请实施例中,泊车场景是指车辆在停车的过程中所处的特定环境和情境,泊车场景包括:停车场、街道停车、住宅区、自动泊车场景、车库停车、平行泊车、特殊场景停车和智能停车场。示例性的,停车场包括商业停车场、购物中心停车场、超市停车场等是常见的泊车场景,这些场所通常有专门的停车位,驾驶员需要选择合适的位置进行停车。街道停车是指在城市或社区的道路旁边,可以选择合适的地方进行泊车。住宅区是指在住宅区域,驾驶员需要在家庭车库、街道或小区内选择合适的地方泊车。自动泊车场景是指配备自动泊车系统的车辆可以在特定的停车场场景中自主完成泊车。车库停车是指驾驶员将车辆停放在家庭或商业建筑的车库中,这可能涉及平行入库或倒车入库等方式。平行泊车是指驾驶员需要在平行于道路的停车位之间泊车,这通常发生在城市街道停车场等地方。特殊场景停车是指在大型活动现场、体育场馆、音乐会场地等需要大量停车的地方,驾驶员可能需要找到合适的停车位。
在本申请实施例中,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息可以包括以下步骤:
1)、传感器数据采集:利用车辆上搭载的传感器,如摄像头、激光雷达、超声波传感器等,获取周围环境的实时数据(即第三运行数据),这些传感器将提供有关车辆周围的物体、障碍物和空间的信息;
2)、图像和激光雷达数据处理:对摄像头和激光雷达等传感器的数据进行处理,使用计算机视觉技术分析图像,检测停车标线、空闲车位和其他障碍物,激光雷达数据可用于确定车位的距离、形状和可用性;
3)、车位检测算法:开发或使用车位检测算法,这可能包括目标检测、语义分割或实例分割等技术,这些算法可帮助识别和标记图像中的车位;
4)、车位信息集成:将来自不同传感器的数据集成到一个综合的环境模型中,这涉及将图像、激光雷达和其他传感器数据进行校准和融合,以便更准确地表示车辆周围的环境;
5)、生成车位检测信息:基于处理后的传感器数据和车位检测算法的输出,生成有关可泊入车位的信息,包括车位的位置、大小、可用性等;
6)、信息反馈或展示:将车位检测信息反馈给驾驶员或自动泊车系统,可以通过车辆上的显示屏、声音提示或其他交互手段来实现;
7)、实时更新:持续监测车辆周围的环境,实时更新车位检测信息,以适应动态的停车场景变化。
可以理解的是,通过分析传感器数据、使用先进的计算机视觉技术和感知算法,实现对当前运行场景中可泊入车位的检测,这对于提供智能泊车支持和优化驾驶体验至关重要。
S104、在车位检测信息指示当前运行场景中存在可泊入车位的情况下,响应于泊车激活指令,根据可泊入车位的目标轨迹,控制车辆进行泊车;其中,目标轨迹指示车辆从当前位置移动至可泊入车位的路线信息。
在本申请实施例中,在车位检测信息指示当前运行场景中存在可泊入车位的情况下,电子设备根据车位检测信息,确定可泊入车位的位置,并生成车辆从当前位置到目标车位的目标轨迹,包括路径规划算法,以确保车辆能够安全而有效地移动到目标位置。进一步,电子设备启动车辆导航系统,将目标轨迹信息输入导航系统,以便车辆能够按照规划路径进行移动。进一步,电子设备使用车辆的自动控制系统,例如电动助力转向系统、电子稳定控制系统等,根据目标轨迹信息进行车辆的实时控制,包括转向、加速、减速等操作。进一步,电子设备持续监测车辆周围的环境,确保没有障碍物或其他车辆妨碍泊车过程,这可以通过车辆上搭载的传感器(如摄像头、激光雷达)来实现。进一步,电子设备根据实时感知到的环境信息,系统可能需要实时调整目标轨迹,以适应变化的环境条件,确保泊车的安全性。进一步,电子设备向驾驶员提供泊车进程的实时反馈,可能包括车辆位置、目标轨迹显示、距离障碍物的警告等信息,如果是自动泊车系统,可以通过车辆上的显示屏或其他交互方式进行反馈。进一步,车辆根据目标轨迹成功移动到目标车位后,完成泊车过程,系统可能向驾驶员或用户发送完成泊车的通知。
可以理解的是,通过上述的自动泊车系统的基本流程,该系统能够根据车位检测信息和目标轨迹控制车辆安全地完成泊车过程,可以提高泊车的便利性和安全性,减轻驾驶员的负担。
在本申请实施例中,泊车激活指令是由驾驶员或车辆系统发出的命令,用于启动车辆的泊车操作,泊车激活指令可以以多种形式出现,具体取决于车辆的设计和用户界面。以下是一些可能的泊车激活指令的形式:
1)、按钮或控制杆:在车辆驾驶舱中,可能有专门的按钮、旋钮或控制杆,用于激活泊车模式。驾驶员可以通过按下按钮或操作控制杆来启动泊车系统;
2)、车辆控制面板:在车辆的中央控制面板或仪表板上,可能有一个选项或按钮,用于启动泊车操作。驾驶员可以通过屏幕上的界面进行选择或操作;
3)、遥控器或手机应用:一些先进的车辆可能配备了遥控器或与手机应用相关的功能,通过这些工具,驾驶员可以发送泊车激活指令;
4)、语音控制:某些车辆可能支持语音识别技术,允许驾驶员通过说出特定的口令或指令来启动泊车操作;
5)、智能驾驶辅助系统:如果车辆配备了高级驾驶辅助系统,如ADAS(高级驾驶辅助系统),激活泊车功能可能通过与系统的交互完成,例如在车辆信息娱乐系统中选择相应的选项;
6)、自动检测:某些车辆可能配备了自动检测功能,可以根据检测到的环境条件自动触发泊车模式。例如,当车辆检测到一个合适的泊车机会时,系统可能会自动激活泊车操作。
在本申请的一些实施例中,泊车激活指令包括以下至少一种:
作用在车载显示界面中的泊车激活控件的触发操作,以及作用在车辆的倒车档位的预设次数的触发操作。
在本申请实施例中,作用在车载显示界面中的泊车激活控件的触发操作:这通常是通过车载显示界面上的特定按钮、图标或其他交互元素进行的。驾驶员可以使用触摸屏、物理按钮、旋钮或其他控制方式与车辆的泊车系统进行交互,从而激活泊车模式。
在本申请实施例中,作用在车辆的倒车档位的预设次数的触发操作:这是指驾驶员在车辆的变速器中将档位设置为倒车档。在一些车辆上,将档位从驾驶档位(D档)切换到倒车档(R档)可能会触发泊车模式,使车辆准备好进行泊车操作。
需要说明的是,上述两种方式可能同时存在,以提供更灵活的操作选择。例如,驾驶员可以选择使用显示界面上的控制按钮,也可以通过操作倒车档位来激活泊车模式。这种设计旨在提供多样的操作方式,以适应驾驶员的习惯和偏好。
需要说明的是,泊车激活指令的形式可能因车辆制造商和型号而异,无论是由驾驶员手动发出还是通过自动检测触发,泊车激活指令都是启动车辆泊车系统的信号。
在本申请实施例中,目标轨迹是指示车辆从当前位置移动至目标车位的路线信息,这个路线信息是由车辆导航系统或泊车辅助系统生成的,旨在确保车辆安全而有效地完成泊车操作。
示例性的,首先,电子设备通过车辆上搭载的传感器,如摄像头、激光雷达等,检测和识别可用的泊车位。这可能包括空闲的停车位,其位置和大小等信息。一旦检测到可用泊车位,车辆导航系统或泊车辅助系统会使用路径规划算法生成车辆从当前位置到目标车位的路径。路径规划考虑到车辆的尺寸、环境障碍物、停车位的位置等因素,以确保安全而高效的导航。进一步,电子设备基于路径规划的结果,系统生成车辆的目标轨迹。这包括车辆沿着路线移动时的方向、速度和转弯等控制信息。进一步,在车辆移动的过程中,系统可能会不断地实时调整目标轨迹,以适应环境变化。例如,如果有其他车辆或障碍物进入路径,系统可能会重新规划轨迹以避免碰撞。进一步,车辆导航系统或泊车辅助系统通过车辆的控制系统,例如电动助力转向系统、电子稳定控制系统等,实施目标轨迹,控制车辆按照规划的路线进行移动。进一步,电子设备向驾驶员或车辆上的显示屏提供实时的反馈,显示目标轨迹、距离障碍物的信息,以及泊车过程中的其他重要信息。
可以理解的是,通过上述步骤,目标轨迹被生成和实施,使车辆能够从当前位置安全、准确地移动到目标车位,完成泊车过程,有助于提高泊车的效率和安全性。
本申请实施例提供了一种自动泊车的方法,包括:获取车辆的第一运行数据;在第一运行数据满足第一预设条件的情况下,根据车辆的第二运行数据,确定当前运行场景;在当前运行场景属于泊车场景的情况下,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息;在车位检测信息指示当前运行场景中存在可泊入车位的情况下,响应于泊车激活指令,根据可泊入车位的目标轨迹,控制车辆进行泊车。一方面,提供了自动泊车的支持,减轻了驾驶员在泊车过程中的负担。系统能够根据环境条件自主完成泊车,提高泊车的便利性。一方面,自动检测可泊入车位和目标轨迹规划可以提高泊车的效率,车辆能够更快速、安全地找到合适的泊车位并完成泊车操作。一方面,自动泊车系统可以更迅速地找到合适的泊车位,减少了在寻找泊车位上的时间浪费,提高了自动泊车的效率。
可以理解的是,通过上述步骤,通过自动检测和处理运行场景以及泊车过程中的信息,减少了由于驾驶员误判断或操作不当导致的人为错误,提高了泊车的精准度。自动检测可泊入车位和目标轨迹规划可以提高泊车的效率,车辆能够更快速、安全地找到合适的泊车位并完成泊车操作。通过车位检测和目标轨迹规划,系统能够有效避开障碍物,减少泊车过程中的碰撞风险,提高泊车的成功率。对于驾驶员而言,系统提供了更智能、便捷的泊车体验,减轻了泊车时的压力,提高了整体驾驶体验。通过车位检测和实时调整目标轨迹,系统能够及时响应变化的环境条件,提高了泊车的安全性,减少了与障碍物的碰撞风险。通过检测运行场景和自动泊车系统,车辆能够适应不同的驾驶环境,包括停车场、住宅区、街道停车等多种场景。
在本申请的一些实施例中,方法还包括:在车载显示界面显示实时重构场景,并在车载显示界面上显示速度提示信息;速度提示信息用于提醒对车辆的速度信息进行调整以使当前速度信息满足第二预设条件。
在本申请实施例中,电子设备利用车辆搭载的传感器,如摄像头、激光雷达、超声波传感器等,采集周围环境的实时数据。这些数据将用于实时场景重构和车辆状态监测。电子设备使用计算机视觉和感知算法处理传感器数据,对车辆周围的场景进行实时重构。这可能包括道路、障碍物、其他车辆等的检测和识别。进一步,电子设备从车辆的传感器或车辆控制系统中获取实时的车辆速度信息。进一步,电子设备判断车辆的速度信息是否满足第二预设条件,包括速度的安全范围或特定驾驶场景的要求等。进一步,如果检测到车辆的速度信息不满足第二预设条件,系统会生成相应的速度调整建议,包括提醒驾驶员减速或维持当前速度的建议。进一步,电子设备将实时重构的场景和生成的速度提示信息集成到车载显示界面上,这可能是车辆仪表板、中央控制屏幕或头部显示器等。进一步,电子设备不断更新场景和速度提示信息,以确保驾驶员始终了解当前驾驶环境和速度建议。进一步,电子设备提供驾驶员与系统的交互方式,以便他们能够响应速度提示信息,可以是物理按钮、语音控制、触摸屏输入等。进一步,电子设备持续监控车辆状态和环境,实时调整场景和速度提示信息,以适应变化的驾驶条件。
可以理解的是,通过上述步骤,驾驶员能够在车载显示界面上实时了解到周围场景,并接收有关速度的提示信息,以便更好地适应驾驶条件、提高驾驶安全性。实时显示周围场景和提供速度提示信息可以增强驾驶员对驾驶环境的感知,提高安全意识。驾驶员能够更好地了解道路状况,减少潜在的危险。通过提供速度提示信息,系统可以帮助驾驶员遵守交通法规,确保车辆以安全和法规允许的速度行驶。驾驶员可以根据实时的场景和速度提示信息进行调整,确保车辆的速度符合当前道路和交通条件的要求,有助于及时应对变化的驾驶情境。系统可以根据不同的驾驶场景(城市、高速公路、乡村等)提供定制的速度提示信息,帮助驾驶员更好地适应不同的驾驶环境。总的来说,通过本申请实施例可以提高驾驶的安全性、舒适度和便捷性,使驾驶员更加专注和自信,减少交通事故的风险。
可以理解的是,一方面,通过速度提示信息,驾驶员可以及时了解当前车速是否符合预设条件。这有助于避免超速行为,提高驾驶的合规性。一方面,提供实时重构的场景和速度提示信息有助于驾驶员更好地适应路况,减少交通事故的风险。驾驶员可以更容易地调整车速以适应道路条件和交通流。一方面,通过集成实时重构场景和速度提示信息,系统可以提供更强大的智能驾驶辅助功能。,这有助于改善整体驾驶体验,使驾驶更智能化和便捷。
在本申请的一些实施例中,第二运行数据包括:车辆的位置信息和环境信息。
在本申请实施例中,车辆的位置信息包括:全球定位系统(GPS)数据和车辆方向。其中,GPS数据为通过GPS卫星系统获取,提供了车辆的经度和纬度坐标。车辆方向为车辆当前的行驶方向,即车头的朝向。
在本申请实施例中,车辆的环境信息包括:周围道路结构、障碍物检测、停车场景信息和天气条件。其中,周围道路结构包括车辆所处位置附近的道路结构,如车道数量、道路标线和交叉口等。障碍物检测为利用传感器(如激光雷达、摄像头)检测周围环境中的障碍物,如其他车辆、行人或固定障碍物。停车场景信息为在泊车模式下,可能包括停车场内的车位布局、车辆停放情况等信息。天气条件包括当前的天气状况,如雨雪情况,这对于泊车操作的安全性影响较大。
需要说明的是,第二运行数据为泊车系统提供了关键的上下文和环境信息。这些数据对于进行泊车决策和规划车辆移动路径至关重要,系统可以使用这些信息来理解车辆当前所处的环境,识别潜在的泊车空间,并进行适当的泊车操作。
在本申请的一些实施例中,根据车辆的第二运行数据,确定当前运行场景,包括:
根据车辆的位置信息和环境信息,通过目标场景识别模型进行场景识别,确定当前运行场景。
在本申请实施例中,首先,电子设备获取车辆的位置信息,包括经度、纬度、车头朝向等。收集环境信息,包括周围道路结构、障碍物检测结果、停车场景信息和天气条件等。进一步,电子设备从车辆的位置信息中提取有关车辆位置的特征,例如所在的具体位置、行驶方向等。并且,电子设备从环境信息中提取与场景识别相关的特征,例如道路结构、障碍物位置、停车场景布局等。进一步,电子设备使用目标场景识别模型,该模型可能是基于机器学习或深度学习的模型,训练过程中包含了各种场景的特征,输入车辆的位置信息和环境特征,模型对这些数据进行分析和学习。进一步,模型输出一个或多个场景标签,表示当前运行场景的类别。可能的类别包括行驶在城市道路、高速公路、停车场等。电子设备根据模型的分类预测结果,系统确定当前车辆所处的运行场景,比如,使用预定义的场景类别来匹配模型的输出。进一步,电子设备在车辆行驶过程中,持续更新车辆的位置信息和环境特征,并通过场景识别模型进行实时的场景识别。更新结果用于持续更新系统对当前运行场景的认知,以适应不断变化的驾驶环境。
在本申请的一些实施例中,如图3所示,方法还包括S201至S203:
S201、获取第一训练样本集;其中,第一训练样本集包括:运行数据样本和运行数据样本对应的停车场景样本;运行数据样本包括:位置信息样本和环境信息样本。
S202、将位置信息样本和环境信息样本输入至初始场景识别模型中,得到运行数据样本对应的场景识别结果。
S203、根据场景识别结果和对应的停车场景样本之间的差异,对初始场景识别模型进行调整,以得到训练完成的目标场景识别模型。
在本申请实施例中,电子设备从车载传感器、GPS等设备中收集运行数据样本。这些数据包括车辆的位置信息(经度、纬度、方向等)和环境信息(周围道路结构、障碍物信息、停车场景等)。对于每个运行数据样本,确定其对应的停车场景,这需要人工标注或利用其他手段将运行数据映射到对应的停车场景。进一步,电子设备将位置信息样本和环境信息样本作为输入,传递给初始场景识别模型,其中,初始场景识别模型可能是一个机器学习或深度学习模型,用于学习运行数据和停车场景之间的关联。进一步,初始场景识别模型输出每个运行数据样本对应的场景识别结果,表示车辆所处的运行场景类别,将场景识别结果与对应的停车场景样本进行比较,计算它们之间的差异,这可以通过定义适当的损失函数或评价指标来完成。进一步,电子设备利用差异信息,使用优化算法(如梯度下降)对初始场景识别模型的参数进行调整,以最小化场景识别结果与停车场景样本之间的差异,通过反复迭代调整模型参数,使模型逐渐学习到更准确的场景识别能力。经过多次迭代的训练过程后,得到一个训练完成的目标场景识别模型,它能够根据车辆的位置信息和环境信息准确地识别当前运行场景。
通过上述步骤,允许模型逐步学习从运行数据到停车场景的映射关系,提高了场景识别模型的准确性和泛化能力。
可以理解的是,通过目标场景识别模型进行场景识别并根据训练样本集对初始场景识别模型进行调整,一方面,训练完成的目标场景识别模型经过调整后,可能具有更高的准确性,能够更精准地识别车辆所处的具体运行场景,提高了系统的智能水平。一方面,通过调整模型,可以提高其泛化能力,使其在新的、未见过的场景中也能进行有效的识别,有助于应对不同驾驶环境和道路条件。一方面,通过对差异进行调整,模型更有可能避免对相似场景的误识别,这有助于提高场景识别的精度,避免系统因误判而做出不合适的驾驶决策。
可以理解的是,通过上述步骤,可以更准确的场景识别有助于提高系统的稳定性。在准确理解当前环境的基础上,系统能够更可靠地做出适应性决策,减少潜在的风险。另外,对于驾驶员而言,准确的场景识别将提高驾驶辅助系统的用户体验。系统能够更智能地响应不同的驾驶场景,提供更个性化、安全和舒适的驾驶体验。另外,在泊车场景下,准确的场景识别对于选择适当的泊车策略和路径规划至关重要,优化后的模型可能更好地适应不同类型的停车场景。总的来说,通过调整场景识别模型,系统可以更好地理解和适应车辆所处的环境,从而提高智能驾驶系统的性能和可靠性,这对于实现更安全、智能的驾驶体验具有重要意义。
在本申请的一些实施例中,第三运行数据包括:车辆的周围环境的场景重构信息。
在本申请实施例中,车辆的第三运行数据包括车辆的周围环境的场景重构信息。这意味着系统通过传感器(如激光雷达、摄像头等)采集到的数据,对车辆周围的环境进行了场景重构,以获取更详细和综合的环境信息。
在本申请实施例中,场景重构信息可以包括以下几个方面:
1)、道路结构和标记:重构的场景信息可能包括道路的结构、车道数量、车道宽度以及道路标线的位置和类型。这有助于系统理解车辆当前所处的道路环境;
2)、障碍物检测:通过激光雷达、摄像头等传感器,系统可能重构周围的障碍物信息,包括其他车辆、行人、建筑物或其他道路上的障碍物;
3)、地形和地貌:场景重构信息还可以包括车辆周围地形和地貌的信息,如山地、平原、建筑物等;
4)、交叉口和路口信息:如果车辆接近交叉口或路口,场景重构信息可能包含这些区域的详细信息,包括交通信号、交叉口类型等;
5)、光照和天气条件:场景重构还可以包括当前环境的光照强度和天气条件,例如晴天、阴天、雨天等,这对于调整传感器参数和驾驶决策非常重要;
6)、停车场景布局:如果车辆处于停车场环境,场景重构信息可能包括停车位的布局、车辆停放情况等。
需要说明的是,通过获取这些场景重构信息,系统可以更全面地理解车辆周围的环境,为智能驾驶系统提供更丰富的上下文信息。这对于进行精准的环境感知、障碍物避让、道路规划等任务非常关键。
在本申请的一些实施例中,根据车辆的第三运行数据,对当前运行场景中的可泊入车位进行检测,得到车位检测信息,包括:
根据车辆的场景重构信息,通过目标车位检测模型对当前运行场景中的可泊入车位进行检测,得到车位检测信息。
在本申请实施例中,首先,电子设备利用车辆周围环境的场景重构信息,包括道路结构、障碍物位置、交叉口信息、停车场布局等。其中,目标车位检测模型是一个基于深度学习的神经网络,经过训练以从场景中识别可泊入车位。进一步,电子设备将场景重构信息输入目标车位检测模型中,该信息可能包括图像数据、激光雷达数据或其他传感器提供的环境信息。进一步,目标车位检测模型对输入的场景进行分析,识别可能的可泊入车位,具体涉及对图像中的目标进行定位和分类,以确定车位的位置和可用性。进一步,电子设备根据模型的输出,生成车位检测信息,包括可泊入车位的位置、大小、可用性等,这些信息反映了模型对当前环境中可停车位置的认知。进一步,在车辆行驶过程中,电子设备持续更新场景信息并通过目标车位检测模型进行实时的车位检测,有助于及时发现新的停车位或调整对已检测车位的状态。
在本申请的一些实施例中,如图4所示,方法还包括S301至S303:
S301、获取第二训练样本集;其中,第二训练样本集包括:场景重构信息样本和场景重构信息样本对应的车位检测样本。
S302、将场景重构信息样本输入至初始车位检测模型中,得到场景重构信息样本对应的车位检测结果。
S303、根据车位检测结果和对应的车位检测样本之间的差异,对初始车位检测模型进行调整,以得到训练完成的目标车位检测模型。
在本申请实施例中,首先,电子设备从车载传感器、摄像头、激光雷达等设备中收集场景重构信息样本,这些信息包括道路结构、障碍物位置、交叉口信息、停车场布局等。进一步,电子设备对于每个场景重构信息样本,确定其对应的车位检测样本,这可以通过人工标注或其他方法,将场景中的可泊入车位与其它环境进行区分。进一步,电子设备将场景重构信息样本作为输入,传递给初始车位检测模型,初始车位检测模型可能是一个神经网络或其他机器学习模型。进一步,初始车位检测模型输出每个场景重构信息样本对应的车位检测结果,表示在该场景中可能的可泊入车位的位置、大小、可用性等。进一步,电子设备将车位检测结果与对应的车位检测样本进行比较,计算它们之间的差异,可以通过定义适当的损失函数或评价指标来完成。进一步,电子设备利用差异信息,使用优化算法(例如梯度下降)对初始车位检测模型的参数进行调整,以最小化车位检测结果与车位检测样本之间的差异。进一步,电子设备经过多次迭代的训练过程后,得到一个训练完成的目标车位检测模型,它能够根据场景重构信息准确地检测出可泊入车位。
通过上述步骤,允许模型逐渐学习从场景重构信息到车位检测的映射关系,提高了车位检测模型的准确性和泛化能力,调整后的目标模型能够更好地适应不同类型的停车场景。
可以理解的是,通过车辆的场景重构信息,使用目标车位检测模型对当前运行场景中的可泊入车位进行检测,一方面,训练完成的目标车位检测模型有望提供更准确的车位检测结果,能够更可靠地识别当前场景中的可泊入车位。一方面,通过对模型进行训练和调整,有助于降低误检率,减少虚假的车位检测结果,提高系统的可靠性。一方面,对于驾驶员或自动驾驶系统的用户,准确的车位检测能够提高停车过程的效率,提升整体的驾驶体验。
可以理解的是,通过上述步骤,通过调整模型并使用更多的训练样本,模型的泛化能力可能得到提高,使其在不同环境和场景下都能有效地检测车位。一方面,训练完成的模型可能更好地适应不同类型的停车场景,包括室内停车场、室外停车场、路边停车等,使系统在各种情况下都表现良好。一方面,通过优化模型,车位检测的速度和实时性可能得到改善,使系统更快速地响应变化的环境,并及时提供车位信息。一方面,准确的车位检测是实现自动泊车功能的关键,可以帮助系统做出更安全、精准的停车决策,减少潜在的碰撞风险。
在本申请的一些实施例中,根据可泊入车位的目标轨迹,控制车辆进行泊车之前,方法还包括:
获取车辆的当前定位信息;当前定位信息包括:当前位置信息和车辆的周围环境的当前地图信息;
根据当前位置信息和当前地图信息,通过目标路线规划模型进行轨迹规划,得到目标轨迹。
在本申请实施例中,首先。电子设备从车载GPS或其他定位系统中获取车辆的当前位置信息(当前定位信息),包括经度、纬度、方向等参数等。进一步,电子设备获取车辆周围环境的当前地图信息,这可以包括道路结构、障碍物位置、交叉口信息等。这些信息可以通过车载传感器(如激光雷达、摄像头等)实时采集或者通过预先构建的地图数据获取。进一步,电子设备将当前位置信息和周围环境的当前地图信息输入至目标路线规划模型中,目标路线规划模型可能是一个规划算法、机器学习模型或深度学习模型,用于确定车辆的最佳行驶轨迹。进一步,目标路线规划模型分析输入的当前定位信息和地图信息,规划出一条最优或适应性较强的行车轨迹。这条轨迹考虑了当前位置、目标位置、道路状况、交通规则以及其他因素。目标路线规划模型生成目标轨迹,表示车辆应该沿着规划的轨迹移动以达到目标位置,这个轨迹可以用一系列的路径点或者曲线来表示。进一步,电子设备根据目标路线规划模型输出目标轨迹至车辆控制系统,该系统将根据目标轨迹制定具体的车辆控制策略,如油门、刹车、方向盘转向等,以实现按照规划轨迹行驶。
通过上述步骤,车辆可以根据当前定位信息和环境地图,利用目标路线规划模型得到适应性较强的行车轨迹,从而在当前道路环境中进行智能化的导航和规划,这有助于实现安全、高效的车辆行驶。
在本申请的一些实施例中,如图5所示,方法还包括S401至S403:
S401、获取第三训练样本集;其中,第三训练样本集包括:定位信息样本和定位信息样本对应的轨迹规划样本;定位信息样本包括:位置信息样本和地图信息样本。
S402、将位置信息样本和地图信息样本输入至初始路线规划模型中,得到定位信息样本对应的轨迹规划结果。
S403、根据轨迹规划结果和对应的轨迹规划样本之间的差异,对初始路线规划模型进行调整,以得到训练完成的目标路线规划模型。
在本申请实施例中,首先,电子设备从车载GPS或其他定位系统中获取车辆的位置信息,同时获取车辆周围环境的当前地图信息,构成定位信息样本。进一步,电子设备对于每个定位信息样本,确定其对应的轨迹规划样本,这可以通过人工标注或其他方法,将规划的轨迹与实际情况进行匹配。进一步,电子设备将位置信息样本和地图信息样本作为输入,传递给初始路线规划模型,初始路线规划模型可以是一个规划算法、机器学习模型或深度学习模型。进一步,初始路线规划模型输出每个定位信息样本对应的轨迹规划结果,表示在该位置和地图信息下的建议行车轨迹。进一步,电子设备将轨迹规划结果与对应的轨迹规划样本进行比较,计算它们之间的差异,这通过定义适当的损失函数或评价指标来完成。进一步,电子设备利用差异信息,使用优化算法(例如梯度下降)对初始路线规划模型的参数进行调整,以最小化轨迹规划结果与轨迹规划样本之间的差异。进一步,经过多次迭代的训练过程后,电子设备得到一个训练完成的目标路线规划模型,它能够根据定位信息和地图信息准确地规划出适应性较强的车辆轨迹。
通过上述步骤,使得电子设备可以逐渐学习从定位信息和地图信息到轨迹规划的映射关系,提高了路线规划模型的准确性和泛化能力,调整后的目标模型能够更好地适应不同位置和环境的轨迹规划需求。
可以理解的是,通过获取车辆的当前定位信息,根据当前位置信息和当前地图信息,通过目标路线规划模型进行轨迹规划,一方面,训练完成的目标路线规划模型有望提供更精准、适应性更强的轨迹规划结果,更好地考虑当前位置、地图信息、交通规则等因素。一方面,通过对初始路线规划模型进行训练和调整,系统可能更快速地生成适应性较强的轨迹规划结果,提高了实时性,使车辆能够更迅速地做出反应。一方面,训练完成的目标路线规划模型有望更好地适应不同类型的地图信息和位置信息,使其在城市、乡村、高速公路等各种道路环境中都能够进行有效的轨迹规划。
可以理解的是,通过上述步骤,精准的轨迹规划可以帮助车辆避免障碍物、遵循交通规则,从而提高行车安全性。智能的轨迹规划可以减轻驾驶员的负担,提供更好的导航支持,特别是在复杂的交通环境中,减少驾驶员的决策负担。另外,对于驾驶员或车辆乘客,精准的轨迹规划可以提高整体的驾驶体验,特别是在自动驾驶或辅助驾驶模式下。训练完成的目标路线规划模型可能更具鲁棒性,对于不同类型的环境和不同场景下的变化能够更好地应对。总的来说,训练完成的目标路线规划模型能够提高智能驾驶系统在导航和轨迹规划方面的性能,为车辆提供更智能、安全、高效的行驶策略。
在本申请的一些实施例中,方法还包括:
在车载显示界面显示至少一个候选泊入车位;
响应于作用在至少一个候选泊入车位中的可泊入车位的触发操作,执行根据当前位置信息和当前地图信息,通过目标路线规划模型进行轨迹规划,得到目标轨迹的步骤。
在本申请实施例中,首先,电子设备使用车载传感器(如摄像头、激光雷达等)检测周围停车场域内的可用泊车位。通过车载显示界面,在地图上标识出至少一个候选泊入车位,让驾驶员可以清晰地看到可用的泊车空间。进一步,电子设备在车载显示界面上标识的每个候选泊入车位可能关联一个可操作的触发操作,比如触摸屏上的虚拟按钮或者物理按钮。系统监测是否有触发操作,指示驾驶员选择了某个候选泊入车位。进一步,电子设备通过车辆上搭载的全球定位系统(GPS)或其他位置传感器,获取当前车辆的精确位置信息。进一步,电子设备通过车载导航系统或车载地图服务,获取当前所在区域的地图信息,包括道路结构、停车场布局等。进一步,电子设备使用目标路线规划模型,该模型能够根据当前车辆位置、目标位置(选定的候选泊入车位),以及当前地图信息,生成一条规划好的目标轨迹。进一步,电子设备根据目标路线规划模型的输出,系统计算车辆从当前位置到达目标泊车位的最佳路径,考虑到道路结构、障碍物、安全性等因素。进一步,电子设备将计算得到的目标轨迹在车载显示界面上可视化展示,使驾驶员能够清晰地看到车辆将要行驶的路径。进一步,系统可以向驾驶员提供关于目标轨迹的额外信息,如预计到达时间、可能的障碍物等。驾驶员确认选择该目标轨迹后,系统准备执行泊车操作。
通过上述步骤,驾驶员能够通过车载显示界面选择一个候选泊入车位,并触发系统执行目标轨迹规划,为泊车操作提供最佳路径,提高泊车的效率和安全性。
可以理解的是,一方面,将候选泊入车位显示在车载显示界面上,使驾驶员能够方便地查看可用的泊车位。这有助于提高泊车的效率,尤其是在繁忙的停车场或拥挤的道路情况下。一方面,显示候选泊入车位可以提高驾驶员对泊车可行性的认知。驾驶员能够直观地看到哪些车位可用,从而更容易选择适合泊车的位置。避免驾驶员在寻找合适泊车位上浪费时间,候选泊入车位的清晰显示可以迅速帮助驾驶员作出决策,减少找车位的时间。
可以理解的是,通过目标轨迹规划,系统可以为驾驶员提供最佳的泊车路径。这有助于提高泊车的效率,减少调整和后退的次数。目标轨迹规划考虑了车辆位置、目标位置和地图信息,使驾驶员能够更轻松地执行泊车操作,降低了泊车时的驾驶难度。通过提供清晰的目标轨迹,驾驶员更容易将车辆导航到目标位置,从而增加泊车成功的可能性。显示候选泊入车位和执行目标轨迹规划有助于减少驾驶员的误操作,提高泊车的精准性,降低与其他车辆或障碍物发生事故的风险。通过上述步骤,提供了更智能、便捷的驾驶体验。驾驶员可以更轻松地找到合适的泊车位,并且在泊车过程中得到系统的协助。
在本申请的一些实施例中,方法还包括:
在对当前运行场景中的可泊入车位进行检测的过程中,实时检测车辆的第一运行数据和当前运行场景;
在第一运行数据不满足第一预设条件和/或当前运行场景不属于泊车场景的情况下,结束对当前运行场景中的可泊入车位进行检测的过程。
在本申请实施例中,首先,电子设备实时检测第一运行数据,第一运行数据包括当前的速度、方向、加速度等信息。通过车载传感器(如速度传感器、惯性测量单元等)获取这些实时数据。进一步,电子设备将第一运行数据与预设条件进行比较。第一预设条件可能包括速度信息小于或等于某一阈值。如果第一运行数据不满足第一预设条件,系统会判断为不满足泊车的条件,可能结束泊车检测过程。进一步,电子设备利用车载摄像头、激光雷达等传感器,实时检测当前运行场景,及到识别道路标识、检测其他车辆、监测停车场景等。进一步,电子设备根据检测到的场景信息,系统判断当前运行场景是否属于泊车场景,包括判断是否在停车场内、车道标线的特征、周围环境的布局等。进一步,如果当前运行场景被判断为不属于泊车场景,可能结束对当前运行场景中的可泊入车位进行检测的过程。系统可以继续监测车辆的运动状态以及周围环境,适应不同的驾驶场景。进一步,如果第一运行数据满足第一预设条件且当前运行场景属于泊车场景,系统可以开始检测可泊入车位,包括使用传感器检测周围空闲的停车位,并标记为可泊入。
通过上述步骤,可以确保系统在适当的条件下才会进行泊车场景的检测,以避免在不适宜泊车的情况下执行泊车操作,这有助于提高泊车系统的准确性和可靠性。
可以理解的是,当第一运行数据不满足第一预设条件和/或当前运行场景不属于泊车场景的情况下,结束对当前运行场景中的可泊入车位进行检测的过程,一方面,避免在不适宜泊车的情况下进行检测,节省了计算资源和能源,这有助于提高系统的效率,避免在不必要的情况下浪费计算资源。一方面,当车辆的第一运行数据不符合泊车条件时,结束检测过程可以防止系统误判并执行泊车操作,减少了因不适当的条件导致的误操作和潜在的危险。一方面,通过仅在符合预设条件和泊车场景的情况下进行检测,系统可以更好地确保泊车操作的安全性,有助于防止系统在不适当的情况下引导车辆进行泊车,降低事故风险。
可以理解的是,通过上述步骤,可以避免在不合适的时候启动泊车检测,提高了用户体验。这确保了泊车系统的响应是基于准确的条件和场景,使用户感到更加可靠和舒适。可以避免在不适宜泊车的情况下进行检测可以减少系统对驾驶员的不必要的提示或介入,从而减少对驾驶员的干扰,提高驾驶的自主性。通过及时终止不符合条件的泊车检测,有助于维护系统的稳定性,这有助于防止在不适宜的情况下出现错误和异常。总的来说,这一策略有助于使泊车系统更加智能、精确和安全,确保泊车操作在适宜的条件和场景下进行,提高了系统的可靠性和用户满意度。
在本申请的一些实施例中,车载显示界面中的显示内容包括以下至少一种:
泊车激活控件、车辆的实时重构场景、车辆在实时重构场景中的车辆标识、至少一个候选泊入车位,以及系统推荐泊入车位。
在本申请实施例中,泊车激活控件为一个用于激活泊车模式的控件,通常是一个按钮或图标。驾驶员可以通过操作此控件启动车辆的泊车功能。泊车激活控件放置在界面的合适位置,通常在控制区域或者驾驶员易于访问的位置。
在本申请实施例中,车辆的实时重构场景为在显示屏上实时显示车辆周围的环境,包括道路、障碍物、其他车辆等。这有助于提高驾驶员对周围环境的感知。电子设备确保场景在车辆移动时持续更新,以提供准确的实时信息。电子设备确保车辆标识与实际车辆位置同步更新,以反映车辆的实时移动。
在本申请实施例中,车辆在实时重构场景中的车辆标识为一个标识当前车辆位置的图标或符号,这有助于驾驶员更好地了解车辆在实时场景中的位置。电子设备确保车辆标识与实际车辆位置同步更新,以反映车辆的实时移动。
在本申请实施例中,至少一个候选泊入车位为在屏幕上标识出可用的候选泊入车位,这可能通过图标、颜色标记或其他方式来显示,驾驶员可以选择其中一个车位进行泊车。电子设备提供有关每个泊车位的必要信息,如距离、方向等。
在本申请实施例中,系统推荐泊入车位为系统根据算法和传感器数据推荐的最佳泊车位置,这个车位可以综合考虑了驾驶员偏好、车辆尺寸以及其他因素。电子设备提供有关推荐车位的详细信息,以帮助驾驶员做出最终决策。
可以理解的是,包含泊车激活控件、车辆的实时重构场景、车辆在实时重构场景中的车辆标识、至少一个候选泊入车位以及系统推荐泊入车位的车载显示界面,可以为驾驶员提供全面的泊车信息,使其能够方便地操控泊车系统并做出明智的决策,有助于提高泊车的效率和安全性,为驾驶员提供更好的使用体验,同时提高了驾驶员对周围环境的感知。
可以理解的是,一方面,提供了一个易于使用的激活控件,让驾驶员方便地启动泊车模式,简化了整个泊车操作的流程。一方面,车辆的实时重构场景显示了周围环境的实时信息,帮助驾驶员更全面地了解周围道路、障碍物和其他车辆的情况,提高了驾驶的安全性。一方面,在实时场景中标识车辆的位置,使驾驶员能够清晰地了解车辆在实际场景中的位置,有助于精准导航和操作。一方面,显示至少一个候选泊入车位,使驾驶员可以迅速选择适合的停车位,提高泊车的效率。一方面,提供系统推荐的泊车位,考虑了多个因素,如驾驶员的偏好和车辆尺寸,有助于提高泊车的准确性和匹配度。一方面,显示候选泊入车位和系统推荐车位,使驾驶员更容易选择合适的停车位,从而提高泊车的成功率,使驾驶员能够更轻松地选择和驶入停车位,降低了泊车的难度。一方面,提供了直观的信息,减轻了驾驶员在复杂环境中找寻泊车位和做出决策的压力,提高了驾驶的舒适性。
下面在一个具体的实施例中对本申请提供的自动泊车的方法进行解释。
在本申请实施例中,主要针对现有的全自动泊车功能受限于本身方法缺陷,不能够完全实现实用的、无感的全自动泊车功能的问题。
在本申请实施例中,基于现有全自动泊车功能,本申请通过深度学习模块、融合高清摄像头、疲劳监控摄像头、感知设备、定位设备、车速对泊车场景进行识别,然后在前台车载显示屏进行实时重构场景,显示出符合泊车条件的停车位,用户停车后,系统会自动推荐当前已检测车位,用户只需要通过挡杆操作进行激活全自动泊车,一步完成操作。
在本申请实施例中,自动泊车的方法(即自动搜索车位方法),可以包括以下步骤:
步骤一、当车速≤30km/h时,系统通过定位设备、高清摄像头、感知设备进行场景识别,在实时检测车辆是否处于地下停车场、地上停车场、可停车道路、可临时停车车位的泊车场景。
步骤二、系统检测到车辆处于泊车场景时,系统将在车载显示屏显示实时场景重构,并提示用户降低车速至20km/h以下,系统将检测可泊入车位。
步骤三、当车速减速在-20km/h—-15km/h或15km/h—20km/h时,系统融合高清摄像头、传感设备协同进行检测可泊入车位,并通过前台车载显示屏重构场景中展示并推荐已经检测到的车位,用户可指定车位。
步骤四、当用户停车后,系统感知范围内有可泊入车位时,用户通过短拨两次R挡或点击车载显示屏激活软按钮直接激活泊入,自动按照预设路线进行停车。
步骤五、若用户驶入高速、城区主干道、城区快速路、隧道、涵洞、桥梁等非停车区域,或者变道到中间车道,将会自动结束车位检测。
在本申请实施例中,本申请能够基于现在的功能情况,能够满足用户的基本需求,通过系统综合车速、摄像头、感知设备、定位设备对泊车场景进行判断,实现在符合用户驾车习惯的快速激活,一步到位,极大简化用户流程,提升用户体验,节约用户时间。
在本申请实施例中,当在满足泊车的场景下,系统会自动后台检测车位并在前台向用户展示,并支持用户一步激活。并且,本申请简单,智能高效,使用后将带给用户更好的体验,简化用户流程,节约用户时间。
在本申请实施例中,如图6所示,自动泊车的方法包括S501至S507:
S501、用户驾车前行。
S502、车速是否≤30km/h。
在本申请实施例中,若是,则执行S503;若否,则执行S502。
S503、是否处于泊车场景。
在本申请实施例中,若是,则执行S504;若否,则执行S503。
S504、车速是否在-20—20km/h。
在本申请实施例中,若是,则执行S506;若否,则执行S505。
S505、提醒用户减速至20km/h以下,系统将会自动检测车位。
S506、系统自动检测车位,并展示已检测的可泊入车位,用户可指定车位。
S507、驶出泊车场景或车速超过30km/h结束车位检测或停车一键、短拨2次R挡激活泊车。
在本申请实施例中,图7为本申请实施例提供的一种可选的场景重构区域的划分示意图,如图7所示,图7中的区域41为场景重构视图显示区域,车模42位于区域41;可泊入车位43会根据识别数量进行编号;区域44为系统推荐车位;车位搜索过程中用户在系统要求速度范围内可自行指定可泊入车位,区域45为用户指定车位。
以上结合附图详细描述了本申请的优选实施方式,但是,本申请并不限于上述实施方式中的具体细节,在本申请的技术构思范围内,可以对本申请的技术方案进行多种简单变型,这些简单变型均属于本申请的保护范围。例如,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本申请对各种可能的组合方式不再另行说明。又例如,本申请的各种不同的实施方式之间也可以进行任意组合,只要其不违背本申请的思想,其同样应当视为本申请所公开的内容。又例如,在不冲突的前提下,本申请描述的各个实施例和/或各个实施例中的技术特征可以和现有技术任意的相互组合,组合之后得到的技术方案也应落入本申请的保护范围。
应理解,在本申请的各种方法实施例中,上述各过程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。
基于前述实施例相同的发明构思,图8为本申请实施例提供的一种可选的自动泊车的装置的结构示意图,如图8所示,所述自动泊车的装置20包括获取单元21、确定单元22和泊车单元23;其中,
所述获取单元21,用于获取车辆的第一运行数据;
所述确定单元22,用于在所述第一运行数据满足第一预设条件的情况下,根据所述车辆的第二运行数据,确定当前运行场景;在所述当前运行场景属于泊车场景的情况下,根据所述车辆的第三运行数据,对所述当前运行场景中的可泊入车位进行检测,得到车位检测信息;
所述泊车单元23,用于在所述车位检测信息指示所述当前运行场景中存在所述可泊入车位的情况下,响应于泊车激活指令,根据所述可泊入车位的目标轨迹,控制所述车辆进行泊车;其中,所述目标轨迹指示所述车辆从当前位置移动至所述可泊入车位的路线信息。
在本申请的一些实施例中,所述第一运行数据包括:所述车辆的当前速度信息;所述第一预设条件包括:所述车辆的速度信息小于或等于第一阈值;所述确定单元22,还用于在所述当前运行场景属于泊车场景,且所述当前速度信息满足第二预设条件的情况下,根据所述车辆的第三运行数据,对所述当前运行场景中的所述可泊入车位进行检测,得到所述车位检测信息;其中,所述第二预设条件包括:所述当前速度信息大于第二阈值且小于第三阈值,或者,所述当前速度信息大于第四阈值且小于第五阈值;所述第二阈值小于所述第三阈值,所述第三阈值小于所述第四阈值,所述第四阈值小于所述第五阈值,所述第五阈值小于所述第一阈值。
在本申请的一些实施例中,所述确定单元22,还用于在车载显示界面显示实时重构场景,并在所述车载显示界面上显示速度提示信息;所述速度提示信息用于提醒对所述车辆的速度信息进行调整以使所述当前速度信息满足所述第二预设条件。
在本申请的一些实施例中,所述第二运行数据包括:所述车辆的位置信息和环境信息;所述确定单元22,还用于根据所述车辆的所述位置信息和所述环境信息,通过目标场景识别模型进行场景识别,确定所述当前运行场景。
在本申请的一些实施例中,所述确定单元22,还用于获取第一训练样本集;其中,所述第一训练样本集包括:运行数据样本和所述运行数据样本对应的停车场景样本;所述运行数据样本包括:位置信息样本和环境信息样本;将所述位置信息样本和所述环境信息样本输入至初始场景识别模型中,得到所述运行数据样本对应的场景识别结果;根据所述场景识别结果和对应的所述停车场景样本之间的差异,对所述初始场景识别模型进行调整,以得到训练完成的所述目标场景识别模型。
在本申请的一些实施例中,所述第三运行数据包括:所述车辆的周围环境的场景重构信息;所述确定单元22,还用于根据所述车辆的所述场景重构信息,通过目标车位检测模型对所述当前运行场景中的可泊入车位进行检测,得到所述车位检测信息。
在本申请的一些实施例中,所述确定单元22,还用于获取第二训练样本集;其中,所述第二训练样本集包括:场景重构信息样本和所述场景重构信息样本对应的车位检测样本;所述场景重构信息样本输入至初始车位检测模型中,得到所述场景重构信息样本对应的车位检测结果;根据所述车位检测结果和对应的所述车位检测样本之间的差异,对所述初始车位检测模型进行调整,以得到训练完成的所述目标车位检测模型。
在本申请的一些实施例中,所述确定单元22,还用于获取所述车辆的当前定位信息;所述当前定位信息包括:当前位置信息和所述车辆的周围环境的当前地图信息;根据所述当前位置信息和所述当前地图信息,通过目标路线规划模型进行轨迹规划,得到所述目标轨迹。
在本申请的一些实施例中,所述确定单元22,还用于获取第三训练样本集;其中,所述第三训练样本集包括:定位信息样本和所述定位信息样本对应的轨迹规划样本;所述定位信息样本包括:位置信息样本和地图信息样本;将所述位置信息样本和所述地图信息样本输入至初始路线规划模型中,得到所述定位信息样本对应的轨迹规划结果;根据所述轨迹规划结果和对应的所述轨迹规划样本之间的差异,对所述初始路线规划模型进行调整,以得到训练完成的所述目标路线规划模型。
在本申请的一些实施例中,所述确定单元22,还用于在车载显示界面显示至少一个候选泊入车位;响应于作用在所述至少一个候选泊入车位中的可泊入车位的触发操作,执行根据所述当前位置信息和所述当前地图信息,通过目标路线规划模型进行轨迹规划,得到所述目标轨迹的步骤。
在本申请的一些实施例中,所述确定单元22,还用于在对所述当前运行场景中的可泊入车位进行检测的过程中,实时检测所述车辆的第一运行数据和当前运行场景;在所述第一运行数据不满足所述第一预设条件和/或所述当前运行场景不属于泊车场景的情况下,结束对所述当前运行场景中的可泊入车位进行检测的过程。
在本申请的一些实施例中,所述泊车单元23,还用于作用在车载显示界面中的泊车激活控件的触发操作,以及作用在所述车辆的倒车档位的预设次数的触发操作。
在本申请的一些实施例中,所述车载显示界面中的显示内容包括以下至少一种:泊车激活控件、所述车辆的实时重构场景、所述车辆在所述实时重构场景中的车辆标识、至少一个候选泊入车位,以及系统推荐泊入车位。
图9为本申请实施例提供的一种可选的电子设备的结构示意图,如图9所示,电子设备30包括存储器31和处理器32,其中,
存储器31,用于存储计算机程序;
处理器32,用于调用并运行所述存储器31中存储的计算机程序,实现如上所述的自动泊车的方法。
可以理解,本申请实施例的处理器可能是一种集成电路芯片,具有信息的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本申请实施例还提供了一种车辆,所述车辆包括上述的电子设备30。
本申请实施例还提供了一种计算机可读存储介质,用于存储计算机程序。
在一些实施例中,该计算机可读存储介质可应用于本申请实施例中的电子设备,并且该计算机程序被至少一个处理器执行时实现本申请实施例的各个方法中由电子设备实现的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机程序指令。
在一些实施例中,该计算机程序产品可应用于本申请实施例中的电子设备,并且该计算机程序指令使得计算机执行本申请实施例的各个方法中由电子设备实现的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序。
在一些实施例中,该计算机程序可应用于本申请实施例中的电子设备,当该计算机程序在计算机上运行时,使得计算机执行本申请实施例的各个方法中由电子设备实现的相应流程,为了简洁,在此不再赘述。
本领域普通技术人员可以意识到,结合本申请所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
另外,在本申请各个实施例中的各功能单元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。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种自动泊车的方法,其特征在于,所述方法包括:
获取车辆的第一运行数据;
在所述第一运行数据满足第一预设条件的情况下,根据所述车辆的第二运行数据,确定当前运行场景;
在所述当前运行场景属于泊车场景的情况下,根据所述车辆的第三运行数据,对所述当前运行场景中的可泊入车位进行检测,得到车位检测信息;
在所述车位检测信息指示所述当前运行场景中存在所述可泊入车位的情况下,响应于泊车激活指令,根据所述可泊入车位的目标轨迹,控制所述车辆进行泊车;其中,所述目标轨迹用于指示所述车辆从当前位置移动至所述可泊入车位的路线信息。
2.根据权利要求1所述的方法,其特征在于,所述第一运行数据包括:所述车辆的当前速度信息;所述第一预设条件包括:所述车辆的速度信息小于或等于第一阈值;
所述在所述当前运行场景属于泊车场景的情况下,根据所述车辆的第三运行数据,对所述当前运行场景中的可泊入车位进行检测,得到车位检测信息,包括:
在所述当前运行场景属于泊车场景,且所述当前速度信息满足第二预设条件的情况下,根据所述车辆的第三运行数据,对所述当前运行场景中的所述可泊入车位进行检测,得到所述车位检测信息;其中,
所述第二预设条件包括:所述当前速度信息大于第二阈值且小于第三阈值,或者,所述当前速度信息大于第四阈值且小于第五阈值;所述第二阈值小于所述第三阈值,所述第三阈值小于所述第四阈值,所述第四阈值小于所述第五阈值,所述第五阈值小于所述第一阈值。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在车载显示界面显示实时重构场景,并在所述车载显示界面上显示速度提示信息;所述速度提示信息用于提醒对所述车辆的速度信息进行调整以使所述当前速度信息满足所述第二预设条件。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述第二运行数据包括:所述车辆的位置信息和环境信息;
所述根据所述车辆的第二运行数据,确定当前运行场景,包括:
根据所述车辆的所述位置信息和所述环境信息,通过目标场景识别模型进行场景识别,确定所述当前运行场景;
所述方法还包括:
获取第一训练样本集;其中,所述第一训练样本集包括:运行数据样本和所述运行数据样本对应的停车场景样本;所述运行数据样本包括:位置信息样本和环境信息样本;
将所述位置信息样本和所述环境信息样本输入至初始场景识别模型中,得到所述运行数据样本对应的场景识别结果;
根据所述场景识别结果和对应的所述停车场景样本之间的差异,对所述初始场景识别模型进行调整,以得到训练完成的所述目标场景识别模型。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述第三运行数据包括:所述车辆的周围环境的场景重构信息;
所述根据所述车辆的第三运行数据,对所述当前运行场景中的可泊入车位进行检测,得到车位检测信息,包括:
根据所述车辆的所述场景重构信息,通过目标车位检测模型对所述当前运行场景中的可泊入车位进行检测,得到所述车位检测信息;
所述方法还包括:
获取第二训练样本集;其中,所述第二训练样本集包括:场景重构信息样本和所述场景重构信息样本对应的车位检测样本;
将所述场景重构信息样本输入至初始车位检测模型中,得到所述场景重构信息样本对应的车位检测结果;
根据所述车位检测结果和对应的所述车位检测样本之间的差异,对所述初始车位检测模型进行调整,以得到训练完成的所述目标车位检测模型。
6.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述可泊入车位的目标轨迹,控制所述车辆进行泊车之前,所述方法还包括:
获取所述车辆的当前定位信息;所述当前定位信息包括:当前位置信息和所述车辆的周围环境的当前地图信息;
根据所述当前位置信息和所述当前地图信息,通过目标路线规划模型进行轨迹规划,得到所述目标轨迹;
所述方法还包括:
获取第三训练样本集;其中,所述第三训练样本集包括:定位信息样本和所述定位信息样本对应的轨迹规划样本;所述定位信息样本包括:位置信息样本和地图信息样本;
将所述位置信息样本和所述地图信息样本输入至初始路线规划模型中,得到所述定位信息样本对应的轨迹规划结果;
根据所述轨迹规划结果和对应的所述轨迹规划样本之间的差异,对所述初始路线规划模型进行调整,以得到训练完成的所述目标路线规划模型。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
在车载显示界面显示至少一个候选泊入车位;
响应于作用在所述至少一个候选泊入车位中的可泊入车位的触发操作,执行所述根据所述当前位置信息和所述当前地图信息,通过目标路线规划模型进行轨迹规划,得到所述目标轨迹的步骤。
8.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:
在对所述当前运行场景中的可泊入车位进行检测的过程中,实时检测所述车辆的第一运行数据和当前运行场景;
在所述第一运行数据不满足所述第一预设条件和/或所述当前运行场景不属于泊车场景的情况下,结束对所述当前运行场景中的可泊入车位进行检测的过程。
9.根据权利要求1至3任一项所述的方法,其特征在于,所述泊车激活指令包括以下至少一种:
作用在车载显示界面中的泊车激活控件的触发操作,以及作用在所述车辆的倒车档位的预设次数的触发操作。
10.根据权利要求9所述的方法,其特征在于,所述车载显示界面中的显示内容包括以下至少一种:
泊车激活控件、所述车辆的实时重构场景、所述车辆在所述实时重构场景中的车辆标识、至少一个候选泊入车位,以及系统推荐泊入车位。
11.一种自动泊车的装置,其特征在于,所述装置包括:获取单元、确定单元和泊车单元;其中,
所述获取单元,用于获取车辆的第一运行数据;
所述确定单元,用于在所述第一运行数据满足第一预设条件的情况下,根据所述车辆的第二运行数据,确定当前运行场景;在所述当前运行场景属于泊车场景的情况下,根据所述车辆的第三运行数据,对所述当前运行场景中的可泊入车位进行检测,得到车位检测信息;
所述泊车单元,用于在所述车位检测信息指示所述当前运行场景中存在所述可泊入车位的情况下,响应于泊车激活指令,根据所述可泊入车位的目标轨迹,控制所述车辆进行泊车;其中,所述目标轨迹指示所述车辆从当前位置移动至所述可泊入车位的路线信息。
12.一种电子设备,其特征在于,所述设备包括:处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至10任一项所述的自动泊车的方法。
13.一种车辆,其特征在于,所述车辆包括上述权利要求12所述的电子设备。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时实现如权利要求1至10任一项所述的自动泊车的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410040884.7A CN117774944A (zh) | 2024-01-08 | 2024-01-08 | 自动泊车的方法、装置、设备、车辆及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410040884.7A CN117774944A (zh) | 2024-01-08 | 2024-01-08 | 自动泊车的方法、装置、设备、车辆及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117774944A true CN117774944A (zh) | 2024-03-29 |
Family
ID=90396359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410040884.7A Pending CN117774944A (zh) | 2024-01-08 | 2024-01-08 | 自动泊车的方法、装置、设备、车辆及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117774944A (zh) |
-
2024
- 2024-01-08 CN CN202410040884.7A patent/CN117774944A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020203517B2 (en) | Dynamic routing for autonomous vehicles | |
US20200209857A1 (en) | Multimodal control system for self driving vehicle | |
US11977387B2 (en) | Queueing into pickup and drop-off locations | |
CN113728210A (zh) | 到目标的自主和用户控制的车辆召唤 | |
US20200192365A1 (en) | Operating An Autonomous Vehicle According To Road User Reaction Modeling With Occlusions | |
US20210406559A1 (en) | Systems and methods for effecting map layer updates based on collected sensor data | |
JP2019519420A (ja) | 車両の監視制御方法 | |
CN104574952A (zh) | 车辆导航用航摄数据 | |
US20230168095A1 (en) | Route providing device and route providing method therefor | |
EP3837146A1 (en) | Reducing inconvenience to surrounding road users caused by stopped autonomous vehicles | |
US11966224B2 (en) | Systems and methods for detecting surprise movements of an actor with respect to an autonomous vehicle | |
WO2018089435A2 (en) | Using map information to smooth objects generated from sensor data | |
CN112824150A (zh) | 通信预期交通工具操纵的系统和方法 | |
WO2023177969A1 (en) | Method and system for assessing whether a vehicle is likely to leave an off-road parking area | |
CN117774944A (zh) | 自动泊车的方法、装置、设备、车辆及可读存储介质 | |
CN109564674B (zh) | 便利乘客搭乘的自动驾驶车辆 | |
KR20210083048A (ko) | 경로 제공 장치 및 그것의 경로 제공 방법 | |
US20230391363A1 (en) | User-controlled route selection for autonomous vehicles | |
US20230227065A1 (en) | Managing maneuvers for autonomous vehicles in certain situations | |
US11753029B1 (en) | Off-screen object indications for a vehicle user interface | |
WO2023108455A1 (zh) | 一种智能驾驶方法、装置及包括该装置的车辆 | |
US11854318B1 (en) | User interface for vehicle monitoring | |
US20240230366A1 (en) | Handling Unmapped Speed Limit Signs | |
CN117341695A (zh) | 辅助驾驶引导方法、增强现实设备及可读存储介质 | |
CN115248706A (zh) | 信息显示方法、车载设备、电子装置及存储介质 |
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 |