CN117901847A - 基于泊车场景的泊车方法、装置及电子设备 - Google Patents
基于泊车场景的泊车方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117901847A CN117901847A CN202410090681.9A CN202410090681A CN117901847A CN 117901847 A CN117901847 A CN 117901847A CN 202410090681 A CN202410090681 A CN 202410090681A CN 117901847 A CN117901847 A CN 117901847A
- Authority
- CN
- China
- Prior art keywords
- parking
- scene
- algorithm
- current
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 197
- 230000015654 memory Effects 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 34
- 238000004088 simulation Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 238000007499 fusion processing Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 11
- 238000004590 computer program Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种基于泊车场景的泊车方法、装置、电子设备、计算机可读存储介质及计算机程序产品;方法包括:对车辆所在的当前泊车场景进行感知处理,得到当前泊车场景的场景特征;将当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理;其中,每种已有泊车场景对应一种泊车算法;若当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败,则将当前泊车场景的场景特征发送至泊车平台;接收泊车平台发送的目标泊车算法;将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。通过本申请,能够使得覆盖的泊车场景越来越全面,从而提升泊车效果。
Description
技术领域
本申请涉及车辆技术,尤其涉及一种基于泊车场景的泊车方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
自动泊车是自动驾驶的一个重要能力,拥有自动泊车功能的车辆不需要人工干预,通过车载传感器、处理器和控制系统的协同就可以实现自动泊入或者自动泊出,已经广泛应用于许多车辆中。
在自动泊车功能的开发过程中,通常是针对标准泊车场景开发泊车算法,然而,真实的泊车场景错综复杂,种类繁多,在开发过程中难以覆盖所有的泊车场景,导致基于标准泊车场景开发的泊车算法不能有很好的泊车表现,即泊车效果差。
发明内容
本申请提供一种基于泊车场景的泊车方法、装置、电子设备、计算机可读存储介质及计算机程序产品,能够使得覆盖的泊车场景越来越全面,从而提升泊车效果。
本申请的技术方案是这样实现的:
本申请提供一种基于泊车场景的泊车方法,应用于车辆,所述方法包括:
对所述车辆所在的当前泊车场景进行感知处理,得到所述当前泊车场景的场景特征;
将所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理;其中,每种已有泊车场景对应一种泊车算法;
若当前泊车场景的场景特征与所述至少一种已有泊车场景的场景特征匹配失败,则将所述当前泊车场景的场景特征发送至泊车平台;
接收所述泊车平台发送的目标泊车算法;
将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法。
本申请提供一种基于泊车场景的泊车方法,应用于泊车平台,所述方法包括:
接收车辆发送的当前泊车场景的场景特征;其中,所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败;每种已有泊车场景对应一种泊车算法;
确定针对所述当前泊车场景的场景特征的目标泊车算法
将所述目标泊车算法发送至所述车辆,以使所述车辆将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法。
本申请提供一种基于泊车场景的泊车装置,应用于车辆,所述装置包括:
感知模块,用于对所述车辆所在的当前泊车场景进行感知处理,得到所述当前泊车场景的场景特征;
匹配模块,用于将所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理;其中,每种已有泊车场景对应一种泊车算法;
第一发送模块,用于若当前泊车场景的场景特征与所述至少一种已有泊车场景的场景特征匹配失败时,则将所述当前泊车场景的场景特征发送至泊车平台;
第一接收模块,用于接收所述泊车平台发送的目标泊车算法;
更新模块,用于将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法。
本申请提供一种基于泊车场景的泊车装置,应用于泊车平台,所述装置包括:
第二接收模块,用于接收车辆发送的当前泊车场景的场景特征;其中,所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败;每种已有泊车场景对应一种泊车算法;
确定模块,用于确定针对所述当前泊车场景的场景特征的目标泊车算法;
第二发送模块,用于将所述目标泊车算法发送至所述车辆,以使所述车辆将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法。
本申请提供一种电子设备,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的基于泊车场景的泊车方法。
本申请提供一种计算机可读存储介质,存储有可执行指令,用于引起处理器执行时,实现本申请提供的基于泊车场景的泊车方法。
本申请提供了一种计算机程序产品,该计算机程序产品包括可执行指令,用于引起处理器执行时,实现本申请提供的基于泊车场景的泊车方法。
本申请具有以下有益效果:
本申请对车辆所在的当前泊车场景进行感知处理,得到当前泊车场景的场景特征,将当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理,若当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败,则证明当前泊车场景并非已有泊车场景,因此将当前泊车场景的场景特征发送至泊车平台,以便泊车平台确定针对所述当前泊车场景的场景特征的目标泊车算法。在接收到泊车平台发送的目标泊车算法时,将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。如此,通过车辆与泊车平台之间的交互,能够使得已有泊车场景不断增加,即所覆盖的泊车场景越来越全面,从而提升泊车效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的基于泊车场景的泊车系统的一个架构示意图;
图2是本申请实施例提供的车载设备的一个结构示意图;
图3是本申请实施例提供的服务器的一个结构示意图;
图4A是本申请实施例提供的基于泊车场景的泊车方法的一个流程示意图;
图4B是本申请实施例提供的基于泊车场景的泊车方法的另一个流程示意图;
图5是本申请实施例提供的基于泊车场景的泊车系统的另一个架构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,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。在以下的描述中,所涉及的术语“多个”是指至少两个。
在以下的描述中,所涉及的术语“第一\第二”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”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。
除非另有定义,本文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。本文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。
本申请实施例提供一种基于泊车场景的泊车方法、装置、电子设备、计算机可读存储介质及计算机程序产品,能够使得覆盖的泊车场景越来越全面,从而提升泊车效果。下面说明本申请实施例提供的电子设备的示例性应用,本申请实施例提供的电子设备可以实施为各种类型的终端设备,也可以实施为服务器。
参见图1,图1是本申请实施例提供的基于泊车场景的泊车系统100的一个架构示意图,终端设备200通过网络400-1连接服务器300,车载设备500通过网络400-2连接服务器300,其中,网络(指网络400-1或者网络400-2)可以是广域网或者局域网,又或者是二者的组合。
在一些实施例中,以电子设备是车载设备为例,本申请实施例提供的基于泊车场景的泊车方法可以由车载设备实现。例如,车载设备500对车辆所在的当前泊车场景进行感知处理,得到当前泊车场景的场景特征;将当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理;其中,每种已有泊车场景对应一种泊车算法;若当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败,则将当前泊车场景的场景特征发送至泊车平台;接收泊车平台发送的目标泊车算法;将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。其中,泊车平台至少包括服务器300,还可以包括终端设备200。
在一些实施例中,以电子设备是服务器为例,本申请实施例提供的基于泊车场景的泊车方法也可以由服务器实现。例如,泊车平台仅包括服务器300。服务器300在接收到车载设备500发送的当前泊车场景的场景特征时,确定针对当前泊车场景的场景特征的目标泊车算法。其中,对确定目标泊车算法的方式不做限定,例如可以通过专门的泊车算法计算模型对当前泊车场景的场景特征进行处理,得到目标泊车算法,该泊车算法计算模型基于机器学习原理构建;或者,也可以由专门的开发人员针对当前泊车场景的场景特征进行开发,得到目标泊车算法。服务器300将目标泊车算法发送至车载设备500,以使车载设备500将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。
在一些实施例中,本申请实施例提供的基于泊车场景的泊车方法也可以由服务器与终端设备协同实现。例如,泊车平台包括服务器300以及终端设备200,终端设备200由开发人员使用。服务器300在接收到车载设备500发送的当前泊车场景的场景特征时,根据当前泊车场景的场景特征对当前泊车场景进行可视化还原,即是将当前泊车场景显示于终端设备200的屏幕,以便开发人员根据显示的当前泊车场景进行开发得到目标泊车算法。又例如,终端设备200可以通过服务器300对目标泊车算法进行仿真验证处理,以判断目标泊车算法是否合格,由于服务器300具有较强的计算能力,故能够提升仿真验证效率。
在一些实施例中,车载设备500、服务器300或终端设备200可以通过运行计算机程序来实现本申请实施例提供的基于泊车场景的泊车方法,例如,计算机程序可以是操作系统中的原生程序或软件模块;可以是本地(Native)应用程序(APP,Application),即需要在操作系统中安装才能运行的程序;也可以是小程序,即只需要下载到浏览器环境中就可以运行的程序;还可以是能够嵌入至任意APP中的小程序,小程序可以由用户控制运行或关闭。总而言之,上述计算机程序可以是任意形式的应用程序、模块或插件。
在一些实施例中,服务器300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、内容分发网络(Content DeliveryNetwork,CDN)、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。终端设备200可以是平板电脑、笔记本电脑、台式计算机等,但并不局限于此。
以本申请实施例提供的电子设备是车载设备为例说明。参见图2,图2是本申请实施例提供的车载设备500的结构示意图,图2所示的车载设备500包括:至少一个处理器510、存储器550、至少一个网络接口520和用户接口530。车载设备500中的各个组件通过总线系统540耦合在一起。可理解,总线系统540用于实现这些组件之间的连接通信。总线系统540除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图2中将各种总线都标为总线系统540。
处理器510可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
用户接口530包括使得能够呈现媒体内容的一个或多个输出装置531,包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口530还包括一个或多个输入装置532,包括有助于用户输入的用户接口部件,比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。
存储器550可以是可移除的,不可移除的或其组合。示例性的硬件设备包括固态存储器,硬盘驱动器,光盘驱动器等。存储器550可选地包括在物理位置上远离处理器510的一个或多个存储设备。
存储器550包括易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM,Read Only Memory),易失性存储器可以是随机存取存储器(RAM,Random Access Memory)。本申请实施例描述的存储器550旨在包括任意适合类型的存储器。
在一些实施例中,存储器550能够存储数据以支持各种操作,这些数据的示例包括程序、模块和数据结构或者其子集或超集,下面示例性说明。
操作系统551,包括用于处理各种基本系统服务和执行硬件相关任务的系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务;
网络通信模块552,用于经由一个或多个(有线或无线)网络接口520到达其他计算设备,示例性的网络接口520包括:蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB,Universal Serial Bus)等;
呈现模块553,用于经由一个或多个与用户接口530相关联的输出装置531(例如,显示屏、扬声器等)使得能够呈现信息(例如,用于操作外围设备和显示内容和信息的用户接口);
输入处理模块554,用于对一个或多个来自一个或多个输入装置532之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中,本申请实施例提供的装置可以采用软件方式实现,图2示出了存储在存储器550中的基于泊车场景的泊车装置555,其可以是程序和插件等形式的软件,包括以下软件模块:感知模块5551、匹配模块5552、第一发送模块5553、第一接收模块5554以及更新模块5555,这些模块是逻辑上的,因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。
以本申请实施例提供的电子设备是服务器为例说明,参见图3,图3是本申请实施例提供的服务器300的结构示意图,图3所示的服务器300包括:至少一个处理器310、存储器350和至少一个网络接口320。服务器300中的各个组件通过总线系统340耦合在一起。可理解,总线系统340用于实现这些组件之间的连接通信。总线系统340除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图3中将各种总线都标为总线系统340。
处理器310可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(Digital Signal Processor,DSP),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
存储器350可以是可移除的,不可移除的或其组合。示例性的硬件设备包括固态存储器,硬盘驱动器,光盘驱动器等。存储器350可选地包括在物理位置上远离处理器310的一个或多个存储设备。
存储器350包括易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(Read Only Memory,ROM),易失性存储器可以是随机存取存储器(Random Access Memory,RAM)。本申请实施例描述的存储器350旨在包括任意适合类型的存储器。
在一些实施例中,存储器350能够存储数据以支持各种操作,这些数据的示例包括程序、模块和数据结构或者其子集或超集,下面示例性说明。
操作系统351,包括用于处理各种基本系统服务和执行硬件相关任务的系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务;
网络通信模块352,用于经由一个或多个(有线或无线)网络接口320到达其他计算设备,示例性的网络接口320包括:蓝牙、无线相容性认证(WiFi)、和通用串行总线(Universal Serial Bus,USB)等;
在一些实施例中,本申请实施例提供的基于泊车场景的泊车装置可以采用软件方式实现,图3示出了存储在存储器350中的基于泊车场景的泊车装置355,其可以是程序和插件等形式的软件,包括以下软件模块:第二接收模块3551、确定模块3552以及第二发送模块3553,这些模块是逻辑上的,因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。
将结合本申请实施例提供的车载设备以及泊车平台的示例性应用和实施,说明本申请实施例提供的基于泊车场景的泊车方法。泊车平台可以是基于云技术构建的平台,与车载设备之间基于无线通信协议进行交互。值得说明的是,本申请实施例所涉及的车辆与泊车平台之间的交互,可以是由部署于车辆的车载设备完成的。
参见图4A,图4A是本申请实施例提供的基于泊车场景的泊车方法的一个流程示意图,将结合图4A示出的步骤进行说明。
在步骤101中,车载设备对车辆所在的当前泊车场景进行感知处理,得到当前泊车场景的场景特征。
这里,部署于车辆的车载设备对车辆所在的当前泊车场景进行感知处理,得到当前泊车场景的场景特征。其中,对感知处理所用的传感器(车载传感器)不做限定,例如可以是超声波雷达、环视摄像头、侧视摄像头、激光雷达等。
值得说明的是,场景特征是用于描述泊车场景的参数,不同的泊车场景对应不同的场景特征。场景特征可以包括一种或者多种参数。
值得说明的是,本申请实施例所涉及的泊车场景可以是指车辆位于车位外、需要泊入车位的场景,在该场景下,泊车算法是指泊入算法;也可以是指车辆位于车位内、需要泊出车位的场景,在该场景下,泊车算法是指泊出算法。
在一些实施例中,可以通过这样的方式来实现上述的车载设备对车辆所在的当前泊车场景进行感知处理,得到当前泊车场景的场景特征:车载设备通过车辆的多个传感器分别对车辆所在的当前泊车场景进行数据采集处理;对车辆的多个传感器分别采集到的数据进行数据融合处理,得到当前泊车场景的场景特征。
多传感器融合(Multi-Sensor Fusion,MSF)是利用计算机技术,将来自多传感器或多源的信息和数据以一定的准则进行自动分析和综合,以完成所需的决策和估计而进行的信息处理过程。这里,可以利用多传感器融合技术,例如车载设备可以调用车辆的多个传感器分别对车辆所在的当前泊车场景进行数据采集处理,然后,再对车辆的多个传感器分别采集到的数据进行数据融合处理,得到当前泊车场景的场景特征。本申请实施例对数据融合处理的算法不做限定,例如可以是随机类算法或者人工智能类算法,随机类算法如加权平均法、卡尔曼滤波法、多贝叶斯估计法、D-S证据推理法、产生式规则法等;人工智能类算法如模糊逻辑推理法、人工神经网络法等。通过多传感器融合,能够提升所得到的当前泊车场景的场景特征的准确性,避免仅使用单个传感器所导致的误差。
在一些实施例中,场景特征包括车位方向、车位类型、障碍物信息以及车位尺寸中的至少之一。
这里,可以预先定义场景特征包括车位方向、车位类型、障碍物信息以及车位尺寸中的至少之一,基于场景特征所包括的参数,即可区分不同的泊车场景。其中,车位方向如水平、垂直、斜列等;车位类型如空间车位、线车位等;障碍物信息可以包括障碍物的类型和位置(如悬空或者位于地面);车位尺寸表示车位所占空间的大小,例如可以包括车位的长度、宽度。当然,根据实际应用场景中的需求,场景特征还可以包括更多参数,对此不做限定。
在步骤102中,车载设备将当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理;其中,每种已有泊车场景对应一种泊车算法。
这里,车载设备本地存储有至少一种已有泊车场景的场景特征、以及与每种已有泊车场景对应的泊车算法。其中,泊车算法可以通过特定的算法文件的形式进行存储;泊车算法可以包括与泊车相关的规划算法、控制算法、决策算法。
在通过步骤101得到当前泊车场景的场景特征后,车载设备将当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理,如果当前泊车场景的场景特征与某种已有泊车场景的场景特征相同(或者相似度大于相似度阈值,可以根据实际应用场景设定匹配成功的条件),则匹配成功。
在一些实施例中,车载设备将当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理之前,基于泊车场景的泊车方法还包括:泊车平台将至少一种已有泊车场景的场景特征、以及每种已有泊车场景对应的泊车算法发送至车载设备。
这里,泊车平台可以预先将至少一种已有泊车场景的场景特征、以及每种已有泊车场景对应的泊车算法发送至车载设备,以便车载设备存储于本地。例如,泊车平台可以将至少一种已有泊车场景的场景特征、以及每种已有泊车场景对应的泊车算法打包为一个数据包,并通过空中下载(Over-The-Air,OTA)技术将数据包发送至车载设备。
在步骤103中,若当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败时,则车载设备将当前泊车场景的场景特征发送至泊车平台。
这里,若当前泊车场景的场景特征与所有已有泊车场景的场景特征匹配失败,则证明当前泊车场景并非已有泊车场景,如果使用存储的泊车算法则会导致泊车效果差,因此,车载设备将当前泊车场景的场景特征发送至泊车平台。
在一些实施例中,车载设备将当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理之后,基于泊车场景的泊车方法还包括:若当前泊车场景的场景特征与任意一种已有泊车场景的场景特征匹配成功,则车载设备根据匹配成功的已有泊车场景对应的泊车算法控制车辆运动。
这里,若当前泊车场景的场景特征与任意一种已有泊车场景的场景特征匹配成功,则证明当前泊车场景与匹配成功的已有泊车场景相同,因此,车载设备根据存储的匹配成功的已有泊车场景对应的泊车算法控制车辆运动,从而能够保证泊车效果。
例如,匹配成功的已有泊车场景对应的泊车算法是泊入算法,则“根据存储的匹配成功的已有泊车场景对应的泊车算法控制车辆运动”可以是指计算从车辆的当前位置到车位位置的泊入路径,并控制车辆按照泊入路径行驶。值得说明的是,在匹配成功的已有泊车场景对应的泊车算法的计算过程中,输入参数可以包括当前泊车场景的场景特征和/或多个传感器分别采集到的数据(即原始数据)。
在一些实施例中,若当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败,则基于泊车场景的泊车方法还包括:输出接管请求,以请求车辆的驾驶员接管车辆。
这里,若当前泊车场景的场景特征与所有已有泊车场景的场景特征匹配失败,则证明当前泊车场景并非已有泊车场景,存储的泊车算法均不可用,因此,可以输出接管请求,以请求车辆的驾驶员接管车辆进行手动泊车,从而保证泊车效果。其中,对接管请求的输出方式不做限定,例如可以显示于车载显示屏,或者进行车内语音播报。
在步骤104中,泊车平台确定针对当前泊车场景的场景特征的目标泊车算法。
泊车平台在接收到当前泊车场景的场景特征时,确定针对当前泊车场景的场景特征的目标泊车算法。其中,对确定目标泊车算法的方式不做限定,例如可以通过专门的泊车算法计算模型对当前泊车场景的场景特征进行处理,得到目标泊车算法,该泊车算法计算模型基于机器学习原理构建;或者,也可以由专门的开发人员针对当前泊车场景的场景特征进行开发,得到目标泊车算法。
在一些实施例中,车载设备将当前泊车场景的场景特征发送至泊车平台之后,基于泊车场景的泊车方法还包括:泊车平台根据当前泊车场景的场景特征对当前泊车场景进行可视化还原。
这里,泊车平台可以根据当前泊车场景的场景特征对当前泊车场景进行可视化还原,即在终端设备的屏幕中显示当前泊车场景,其中,终端设备可以是开发人员所使用的,如此,便于开发人员根据屏幕中显示的当前泊车场景开发目标泊车算法。
在步骤105中,泊车平台将目标泊车算法发送至车载设备。
泊车平台在确定出目标泊车算法之后,可以将目标泊车算法发送至车载设备,以便车载设备能够应对当前泊车场景的泊车。
在一些实施例中,泊车平台将目标泊车算法发送至车载设备之前,基于泊车场景的泊车方法还包括:泊车平台对目标泊车算法进行仿真验证处理;可以通过这样的方式来实现上述的泊车平台将目标泊车算法发送至车辆:若仿真验证处理的结果为通过,则泊车平台将目标泊车算法发送至车载设备。
这里,泊车平台可以对目标泊车算法进行仿真验证处理,其中,对仿真验证处理所采用的算法不做限定。若仿真验证处理的结果为未通过,则泊车平台可以输出告警提示,以提示开发人员对目标泊车算法进行优化;若仿真验证处理的结果为通过,则证明目标泊车算法合格,因此泊车平台将目标泊车算法发送至车载设备。通过上述方式,能够保证发送至车载设备的目标泊车算法的质量。
在步骤106中,车载设备将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。
车载设备在接收到目标泊车算法时,将当前泊车场景确定为新的已有泊车场景(即是将当前泊车场景的场景特征存储至本地),并将目标泊车算法确定为该新的已有泊车场景对应的泊车算法(即是将目标泊车算法存储至本地,并建立与当前泊车场景的场景特征之间的对应关系),如此,在后续面对该新的已有泊车场景时,能够根据该新的已有泊车场景对应的泊车算法(即目标泊车算法)控制车辆运动,以顺利完成泊车。
在一些实施例中,泊车平台可以将当前泊车场景的场景特征以及目标泊车算法共同发送至车载设备,车载设备在接收到当前泊车场景的场景特征以及目标泊车算法时,将当前泊车场景确定为新的已有泊车场景(即是将接收到的当前泊车场景的场景特征存储至本地),并将接收到的目标泊车算法确定为该新的已有泊车场景对应的泊车算法(即是将接收到的目标泊车算法存储至本地,并建立与当前泊车场景的场景特征之间的对应关系)。例如,泊车平台可以将当前泊车场景的场景特征以及目标泊车算法打包为一个升级包,并通过OTA技术将升级包发送至车载设备,以使车载设备根据接收到的升级包进行本地升级(即执行步骤106)。
如此,车载设备在步骤106中所执行的操作完全依赖于从泊车平台接收到的信息,能够保证所建立的泊车场景与泊车算法之间的对应关系的准确性。
在一些实施例中,泊车平台可以将目标泊车算法发送至连接的多个车载设备。这里,目标泊车算法的发送对象并不限于步骤101至步骤103中的车载设备,即泊车平台可以将目标泊车算法发送至与泊车平台连接的所有车载设备,以使这些车载设备在面对当前泊车场景(指步骤101中的当前泊车场景)时,能够根据目标泊车算法控制车辆运动,其中,不同车载设备分别部署于不同的车辆。在一些实施例中,泊车平台可以将当前泊车场景的场景特征以及目标泊车算法共同发送至连接的多个车载设备,例如以升级包的形式发送。
如图4A所示,本申请实施例由车载设备对车辆所在的当前泊车场景进行感知处理,得到当前泊车场景的场景特征,将当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理,若当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败,则证明当前泊车场景并非已有泊车场景,因此将当前泊车场景的场景特征发送至泊车平台,以便泊车平台确定针对当前泊车场景的场景特征的目标泊车算法。车载设备在接收到泊车平台发送的目标泊车算法时,将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。如此,通过车辆(车载设备)与泊车平台之间的交互,能够使得已有泊车场景不断增加,即不断地将真实的泊车场景确定为新的已有泊车场景,使得所覆盖的泊车场景越来越全面,从而提升泊车效果。
在一些实施例中,参见图4B,图4B是本申请实施例提供的基于泊车场景的泊车方法的一个流程示意图,基于图4A,在步骤102之前,还可以在步骤201中,车载设备从泊车场景库中获取至少一种已有泊车场景的场景特征;其中,泊车场景库还包括每种已有泊车场景对应的泊车算法。
这里,车载设备可以从本地的泊车场景库中获取至少一种已有泊车场景的场景特征,其中,泊车场景库包括至少一种已有泊车场景的场景特征、以及每种已有泊车场景对应的泊车算法。
值得说明的是,泊车场景库包括有场景特征与泊车算法之间的对应关系,例如可以通过“场景特征-泊车算法”的形式来存储数据,如“已有泊车场景1的场景特征-已有泊车场景1的泊车算法”、“已有泊车场景2的场景特征-已有泊车场景2的泊车算法”。
在图4B中,图4A示出的步骤106可以更新为步骤202,在步骤202中,车载设备将当前泊车场景的场景特征以及目标泊车算法存储至泊车场景库中,以在泊车场景库中将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。
车载设备在接收到泊车平台发送的目标泊车算法时,将当前泊车场景的场景特征以及目标泊车算法存储至泊车场景库中,在存储时也需要一并存储当前泊车场景的场景特征与目标泊车算法之间的对应关系,如通过“当前泊车场景的场景特征-目标泊车算法”的形式进行存储,如此,在泊车场景库中实现将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法的效果。
在一些实施例中,在泊车场景库中通过场景标识来区分不同的泊车场景。例如,在泊车场景库中可以通过“场景标识-场景特征-泊车算法”的形式来存储数据,如“已有泊车场景1的场景标识-已有泊车场景1的场景特征-已有泊车场景1的泊车算法”、“已有泊车场景2的场景标识-已有泊车场景2的场景特征-已有泊车场景2的泊车算法”。在此基础上,当前泊车场景的场景标识可以是泊车平台创建并发送至车载设备的。
在一些实施例中,泊车平台本地同样包括泊车场景库,泊车平台在确定目标泊车算法后,先将当前泊车场景的场景特征以及目标泊车算法存储至泊车平台的泊车场景库中,再将当前泊车场景的场景特征以及目标泊车算法发送至车载设备,以使车载设备将当前泊车场景的场景特征以及目标泊车算法存储至车载设备的泊车场景库中。如此,保证泊车平台的泊车场景库中存储的是最全面且最新的数据,便于实现从泊车平台的泊车场景库到车载设备的泊车场景库的数据同步。
如图4B所示,本申请实施例可以在车载设备本地的泊车场景库中存储至少一种已有泊车场景的场景特征以及每种已有泊车场景对应的泊车算法,并通过更新泊车场景库中的数据来实现将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法的效果。
下面,将说明本申请实施例在一个实际的应用场景中的示例性应用。如图5所示,本申请实施例可以通过车辆与数据云平台(对应上文的泊车平台)协同实现,其中,车辆包括感知模块、场景决策模块、数据回传模块以及规划模块,将结合图5进行分别说明。
1)感知模块。
感知模块通过超声波雷达、环视摄像头、侧视摄像头以及激光雷达等多个传感器分别对车辆所在的当前泊车场景进行数据采集处理,所采集到的数据包括但不限于:车位线角点坐标、车位两侧的障碍物信息、栅格地图、可行驶区域。
然后,通过感知模块中的融合子模块对多个传感器分别采集到的数据进行数据融合处理,得到当前泊车场景的场景特征,并将当前泊车场景的场景特征发送至场景决策模块。其中,场景特征包括车位方向(如水平、垂直、斜列)、车位类型(如空间车位、线车位)、障碍物信息(可以包括障碍物类型、障碍物位置等)以及车位尺寸。
2)场景决策模块。
场景决策模块将接收到的当前泊车场景的场景特征与车辆本地的泊车场景库中所有已有泊车场景的场景特征进行匹配处理。若当前泊车场景的场景特征与任意一种已有泊车场景的场景特征匹配成功,则场景决策模块将匹配成功的已有泊车场景的场景ID(对应上文的场景标识)发送至规划模块;若当前泊车场景的场景特征与所有已有泊车场景的场景特征均匹配失败,则场景决策模块将当前泊车场景的场景特征发送至数据回传模块。
3)数据回传模块。
数据回传模块将当前泊车场景的场景特征打包后上传至数据云平台。
4)规划模块。
规划模块根据接收到的场景ID对应的泊车算法规划泊车路径,以便控制车辆按照泊车路径行驶。
5)数据云平台。
数据云平台在接收到当前泊车场景的场景特征时,针对当前泊车场景生成场景ID,并将当前泊车场景的场景特征以及当前泊车场景的场景ID存储至数据云平台的泊车场景库中。
同时,数据云平台根据当前泊车场景的场景特征对当前泊车场景进行可视化还原,以便开发工程师基于显示的当前泊车场景开发目标泊车算法。数据云平台对目标泊车算法进行仿真验证处理,并在仿真验证处理的结果为通过时,将目标泊车算法存储至数据云平台的泊车场景库中,同时生成升级包,该升级包包括当前泊车场景的场景特征、当前泊车场景的场景ID以及目标泊车算法。
车辆与数据云平台之间定期进行OTA升级,当到达下一个升级周期时,数据云平台将升级包(可以理解为泊车软件的升级包)发送至车辆,以使车辆将升级包中的数据存储至车辆本地的泊车场景库中,如图5所示,该过程会影响车辆中的场景决策模块以及规划模块,即场景决策模块会将当前泊车场景作为新的已有泊车场景,规划模块能够支持根据该新的已有泊车场景对应的泊车算法(即目标泊车算法)规划泊车路径。
如图5所示,本申请实施例通过持续迭代,能够覆盖越来越多的真实泊车场景,更具客观性,更贴近真实的泊车需求;同时,也能够加强应对真实泊车场景的泊车能力。
下面继续说明本申请实施例提供的基于泊车场景的泊车装置555实施为软件模块的示例性结构,在一些实施例中,如图2所示,存储在存储器550的基于泊车场景的泊车装置555中的软件模块可以包括:感知模块5551,用于对车辆所在的当前泊车场景进行感知处理,得到当前泊车场景的场景特征;匹配模块5552,用于将当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理;其中,每种已有泊车场景对应一种泊车算法;第一发送模块5553,用于若当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败,则将当前泊车场景的场景特征发送至泊车平台;第一接收模块5554,用于接收泊车平台发送的目标泊车算法;更新模块5555,用于将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。
在一些实施例中,基于泊车场景的泊车装置555还包括获取模块,用于:从泊车场景库中获取至少一种已有泊车场景的场景特征;其中,泊车场景库还包括每种已有泊车场景对应的泊车算法;更新模块5555还用于:将当前泊车场景的场景特征以及目标泊车算法存储至泊车场景库中,以在泊车场景库中将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。
在一些实施例中,基于泊车场景的泊车装置555还包括控制模块,用于:若当前泊车场景的场景特征与任意一种已有泊车场景的场景特征匹配成功,则根据匹配成功的已有泊车场景对应的泊车算法控制车辆运动。
在一些实施例中,感知模块5551还用于:通过车辆的多个传感器分别对车辆所在的当前泊车场景进行数据采集处理;对车辆的多个传感器分别采集到的数据进行数据融合处理,得到当前泊车场景的场景特征。
在一些实施例中,基于泊车场景的泊车装置555还包括输出模块,用于:输出接管请求,以请求车辆的驾驶员接管车辆。
在一些实施例中,场景特征包括车位方向、车位类型、障碍物信息以及车位尺寸中的至少之一。
下面继续说明本申请实施例提供的基于泊车场景的泊车装置355实施为软件模块的示例性结构,在一些实施例中,如图3所示,存储在存储器350的基于泊车场景的泊车装置355中的软件模块可以包括:第二接收模块3551,用于接收车辆发送的当前泊车场景的场景特征;其中,当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败;每种已有泊车场景对应一种泊车算法;确定模块3552,用于确定针对当前泊车场景的场景特征的目标泊车算法;第二发送模块3553,用于将目标泊车算法发送至车辆,以使车辆将当前泊车场景确定为新的已有泊车场景,并将目标泊车算法确定为新的已有泊车场景对应的泊车算法。
在一些实施例中,基于泊车场景的泊车装置355还包括还原模块,用于:根据当前泊车场景的场景特征对当前泊车场景进行可视化还原。
在一些实施例中,第二发送模块3553还用于:对目标泊车算法进行仿真验证处理;若仿真验证处理的结果为通过,则将目标泊车算法发送至车辆。
本申请实施例提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括可执行指令,该可执行指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该可执行指令,处理器执行该可执行指令,使得该电子设备执行本申请实施例上述的基于泊车场景的泊车方法。
本申请实施例提供一种存储有可执行指令的计算机可读存储介质,其中存储有可执行指令,当可执行指令被处理器执行时,将引起处理器执行本申请实施例提供的基于泊车场景的泊车方法。
在一些实施例中,计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
以上,仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本申请的保护范围之内。
Claims (13)
1.一种基于泊车场景的泊车方法,其特征在于,应用于车辆,所述方法包括:
对所述车辆所在的当前泊车场景进行感知处理,得到所述当前泊车场景的场景特征;
将所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理;其中,每种已有泊车场景对应一种泊车算法;
若所述当前泊车场景的场景特征与所述至少一种已有泊车场景的场景特征匹配失败,则将所述当前泊车场景的场景特征发送至泊车平台;
接收所述泊车平台发送的目标泊车算法;
将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法。
2.根据权利要求1所述的方法,其特征在于,所述将所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理之前,所述方法还包括:
从泊车场景库中获取至少一种已有泊车场景的场景特征;其中,所述泊车场景库还包括每种已有泊车场景对应的泊车算法;
所述将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法,包括:
将所述当前泊车场景的场景特征以及所述目标泊车算法存储至所述泊车场景库中,以在所述泊车场景库中将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法。
3.根据权利要求1所述的方法,其特征在于,所述将所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理之后,所述方法还包括:
若所述当前泊车场景的场景特征与任意一种已有泊车场景的场景特征匹配成功,则根据匹配成功的已有泊车场景对应的泊车算法控制所述车辆运动。
4.根据权利要求1所述的方法,其特征在于,所述对所述车辆所在的当前泊车场景进行感知处理,得到所述当前泊车场景的场景特征,包括:
通过所述车辆的多个传感器分别对所述车辆所在的当前泊车场景进行数据采集处理;
对所述车辆的多个传感器分别采集到的数据进行数据融合处理,得到所述当前泊车场景的场景特征。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述当前泊车场景的场景特征与所述至少一种已有泊车场景的场景特征匹配失败,则输出接管请求,以请求所述车辆的驾驶员接管所述车辆。
6.根据权利要求1至5任一项所述的方法,其特征在于,场景特征包括车位方向、车位类型、障碍物信息以及车位尺寸中的至少之一。
7.一种基于泊车场景的泊车方法,其特征在于,应用于泊车平台,所述方法包括:
接收车辆发送的当前泊车场景的场景特征;其中,所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败;每种已有泊车场景对应一种泊车算法;
确定针对所述当前泊车场景的场景特征的目标泊车算法;
将所述目标泊车算法发送至所述车辆,以使所述车辆将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法。
8.根据权利要求7所述的方法,其特征在于,所述接收车辆发送的当前泊车场景的场景特征之后,所述方法还包括:
根据所述当前泊车场景的场景特征对所述当前泊车场景进行可视化还原。
9.根据权利要求7所述的方法,其特征在于,所述将所述目标泊车算法发送至所述车辆之前,所述方法还包括:
对所述目标泊车算法进行仿真验证处理;
所述将所述目标泊车算法发送至所述车辆,包括:
若仿真验证处理的结果为通过,则将所述目标泊车算法发送至所述车辆。
10.一种基于泊车场景的泊车装置,其特征在于,应用于车辆,所述装置包括:
感知模块,用于对所述车辆所在的当前泊车场景进行感知处理,得到所述当前泊车场景的场景特征;
匹配模块,用于将所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征进行匹配处理;其中,每种已有泊车场景对应一种泊车算法;
第一发送模块,用于若当前泊车场景的场景特征与所述至少一种已有泊车场景的场景特征匹配失败,则将所述当前泊车场景的场景特征发送至泊车平台;
第一接收模块,用于接收所述泊车平台发送的目标泊车算法;
更新模块,用于将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法。
11.一种基于泊车场景的泊车装置,其特征在于,应用于泊车平台,所述装置包括:
第二接收模块,用于接收车辆发送的当前泊车场景的场景特征;其中,所述当前泊车场景的场景特征与至少一种已有泊车场景的场景特征匹配失败;每种已有泊车场景对应一种泊车算法;
确定模块,用于确定针对所述当前泊车场景的场景特征的目标泊车算法;
第二发送模块,用于将所述目标泊车算法发送至所述车辆,以使所述车辆将所述当前泊车场景确定为新的已有泊车场景,并将所述目标泊车算法确定为所述新的已有泊车场景对应的泊车算法。
12.一种电子设备,其特征在于,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至6任一项所述的基于泊车场景的泊车方法,或者权利要求7至9任一项所述的基于泊车场景的泊车方法。
13.一种计算机可读存储介质,其特征在于,存储有可执行指令,用于被处理器执行时,实现权利要求1至6任一项所述的基于泊车场景的泊车方法,或者权利要求7至9任一项所述的基于泊车场景的泊车方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410090681.9A CN117901847A (zh) | 2024-01-22 | 2024-01-22 | 基于泊车场景的泊车方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410090681.9A CN117901847A (zh) | 2024-01-22 | 2024-01-22 | 基于泊车场景的泊车方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117901847A true CN117901847A (zh) | 2024-04-19 |
Family
ID=90683722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410090681.9A Pending CN117901847A (zh) | 2024-01-22 | 2024-01-22 | 基于泊车场景的泊车方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117901847A (zh) |
-
2024
- 2024-01-22 CN CN202410090681.9A patent/CN117901847A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11142190B2 (en) | System and method for controlling autonomous driving vehicle | |
Holstein et al. | Ethical and social aspects of self-driving cars | |
CN111505965A (zh) | 自动驾驶车辆仿真测试的方法、装置、计算机设备及存储介质 | |
US10659382B2 (en) | Vehicle security system | |
CN110209146B (zh) | 自动驾驶车辆的测试方法、装置、设备及可读存储介质 | |
US11740620B2 (en) | Operational testing of autonomous vehicles | |
CN113479195A (zh) | 用于自动代客泊车的方法和用于执行所述方法的系统 | |
CN107015550A (zh) | 诊断测试执行控制系统和方法 | |
CN109165055A (zh) | 一种组件加载方法、装置、计算机设备及存储介质 | |
US11904853B2 (en) | Apparatus for preventing vehicle collision and method thereof | |
CN111338232B (zh) | 自动驾驶仿真方法及装置 | |
CN112671487B (zh) | 一种车辆测试的方法、服务器以及测试车辆 | |
US20220289253A1 (en) | Method for evaluating autonomous driving system, apparatus and storage medium | |
Zimmermann et al. | An adaptive system for autonomous driving | |
CN114779665A (zh) | 自动泊车仿真测试方法、装置及可读存储介质 | |
CN114327185A (zh) | 一种车机屏幕控制方法、装置、介质及电子设备 | |
CN117901847A (zh) | 基于泊车场景的泊车方法、装置及电子设备 | |
KR20210071283A (ko) | 드론을 이용하는 구조물 안전점검 유지관리 방법 및 시스템 | |
CN112317164B (zh) | 一种喷涂机器人轨迹控制方法、装置及电子设备 | |
CN115857942A (zh) | 一种代码处理方法及装置、设备及存储介质 | |
CN115352435A (zh) | 一种记忆泊车方法、装置、电子设备及存储介质 | |
CN115390484A (zh) | 一种车辆远程控制方法、装置、电子设备及存储介质 | |
CN114396963A (zh) | 行驶路径的规划方法、装置、车载终端及存储介质 | |
CN115346288A (zh) | 仿真行车记录采集方法、系统、电子设备及存储介质 | |
CN117539230B (zh) | 智驾域控制器领航辅助功能测试方法、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |