WO2024178671A1 - 用于确定车辆周围环境中障碍物位置的方法及相关装置 - Google Patents

用于确定车辆周围环境中障碍物位置的方法及相关装置 Download PDF

Info

Publication number
WO2024178671A1
WO2024178671A1 PCT/CN2023/079004 CN2023079004W WO2024178671A1 WO 2024178671 A1 WO2024178671 A1 WO 2024178671A1 CN 2023079004 W CN2023079004 W CN 2023079004W WO 2024178671 A1 WO2024178671 A1 WO 2024178671A1
Authority
WO
WIPO (PCT)
Prior art keywords
grid
features
ultrasonic
determining
data
Prior art date
Application number
PCT/CN2023/079004
Other languages
English (en)
French (fr)
Inventor
张凯旋
杨昊
刘澍
顾晨益
操龙徐
Original Assignee
罗伯特·博世有限公司
张凯旋
杨昊
刘澍
顾晨益
操龙徐
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 罗伯特·博世有限公司, 张凯旋, 杨昊, 刘澍, 顾晨益, 操龙徐 filed Critical 罗伯特·博世有限公司
Priority to PCT/CN2023/079004 priority Critical patent/WO2024178671A1/zh
Publication of WO2024178671A1 publication Critical patent/WO2024178671A1/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target

Definitions

  • the present application relates to vehicle automatic control, and more particularly, to a method and apparatus for determining the position of obstacles in the surrounding environment of the vehicle based on ultrasonic signals.
  • Ultrasonic sensors provide a low-cost way to detect obstacles.
  • conventional detection methods using ultrasonic signals are usually rule-based and cannot be effectively applied to more complex scenarios.
  • the accuracy of obstacle positions detected based on ultrasonic signals needs to be improved to help improve the performance of the vehicle's assisted parking function.
  • a method for determining the position of an obstacle in the surrounding environment of a vehicle based on an ultrasonic signal comprises: determining a feature of the grid related to the ultrasonic signal based on ultrasonic data in each grid in at least a portion of the grids in a grid window, wherein the grid window corresponds to a spatial region of a first size, and each grid in the grid window corresponds to a spatial region of a second size in the spatial region of the first size.
  • a method for detecting an empty parking space comprising: determining a position of an obstacle in the surrounding environment of a vehicle based on an ultrasonic signal by executing the method described herein; and detecting the empty parking space based on the determined position of the obstacle.
  • a method for assisted parking comprising: determining the position of an obstacle in the surrounding environment of a vehicle based on an ultrasonic signal by executing the method described herein; detecting an empty parking space based on the determined position of the obstacle; and planning a route for driving the vehicle into the empty parking space based on the detected empty parking space.
  • a control system for a vehicle comprising: one or more processing units, which are configured to perform the method described herein for determining the position of obstacles in the surrounding environment of the vehicle based on ultrasonic signals when executing program instructions.
  • a machine-readable storage medium which stores executable instructions, which, when executed, cause one or more processors to perform the method described herein for determining the position of an obstacle in the surrounding environment of a vehicle based on ultrasonic signals.
  • FIG. 1 shows a schematic diagram of a vehicle according to an embodiment.
  • FIG. 2 shows a schematic diagram of a control system in a vehicle according to an embodiment.
  • FIG. 3 shows a schematic diagram of ultrasound data according to one embodiment.
  • FIG. 4 shows a schematic diagram of a method for determining the position of obstacles around a vehicle according to an embodiment.
  • FIG. 5 shows a simplified schematic diagram of the embodiment shown in FIG. 4 .
  • FIG. 5A is a schematic diagram showing a method for determining a grid category according to an embodiment.
  • FIG. 5B shows a block diagram of a method for determining a grid category according to one embodiment.
  • FIG. 5C shows a block diagram of a method for determining a location of an obstacle according to one embodiment.
  • FIG. 6 shows a block diagram of a method for determining a position of an obstacle according to one embodiment.
  • FIG. 7 shows a flow chart of a method for determining a position of an obstacle in the surroundings of a vehicle according to one embodiment.
  • FIG8 shows a flow chart of a method for detecting a vacant parking space according to an embodiment.
  • FIG. 9 shows a flow chart of a method for assisting parking according to one embodiment.
  • FIG. 10 shows a block diagram of a control system for a vehicle according to one embodiment.
  • the term “including” and its variations are open ended terms meaning “including but not limited to”.
  • the term “based on” means “based at least in part on”.
  • the terms “one embodiment” and “an embodiment” mean “at least one embodiment”.
  • the term “another embodiment” means “at least one other embodiment”.
  • the terms “first”, “second”, etc. may refer to different or similar embodiments. Unless the context clearly indicates otherwise, the definition of a term is consistent throughout the specification.
  • FIG. 1 shows a schematic diagram of a vehicle according to an embodiment.
  • the vehicle 100 is equipped with an ultrasonic sensor 110.
  • the ultrasonic sensor 110 can be installed on the front side, rear side, left side and right side of the vehicle, corresponding to the front, rear, left side and right side of the vehicle, respectively.
  • the number and installation position of the ultrasonic sensor 110 are not limited to the situation shown in FIG. 1.
  • the vehicle 100 can include more or fewer ultrasonic sensors 110, and the installation positions of the ultrasonic sensors can also be different.
  • the ultrasonic sensor 110 can send out an ultrasonic signal 120. When the ultrasonic signal 120 encounters an obstacle and is reflected, the ultrasonic sensor 110 can receive the reflected ultrasonic echo signal. Various ultrasonic data related to the ultrasonic signal can be obtained based on the sent ultrasonic signal and the received echo.
  • the ultrasonic sensor module may include the ultrasonic sensor 110 and a processing unit.
  • the ultrasonic sensor 110 includes a transmitter for sending an ultrasonic signal and a receiver for receiving an ultrasonic signal such as an echo.
  • the corresponding processing unit can obtain various ultrasonic data based on the sent ultrasonic signal and the received echo signal, and the ultrasonic data includes various features related to the ultrasonic signal.
  • the two ultrasonic sensors 110 on the right front side of the vehicle shown in Figure 1 can constitute an ultrasonic sensor module, which includes two ultrasonic sensors for sending and receiving ultrasonic signals and a processing unit, and the processing unit can obtain corresponding various ultrasonic data based on the ultrasonic signals emitted by the corresponding two sensing units and the corresponding received echo signals; similarly, the two ultrasonic sensors 110 on the right rear side of the vehicle shown in Figure 1, the two ultrasonic sensors 110 on the left front side, the two ultrasonic sensors 110 on the left rear side, the four ultrasonic sensors 110 on the front side, and the four ultrasonic sensors 110 on the rear side can all constitute an ultrasonic sensor module with their corresponding processing units.
  • the four ultrasonic sensors 110 on the right side of the vehicle shown in FIG. 1 and their corresponding processing units may constitute an ultrasonic sensor module, and the processing unit may obtain corresponding various ultrasonic data based on the ultrasonic signals emitted by the corresponding four sensors and the corresponding echo signals received; similarly, the four ultrasonic sensors 110 on the left side of the vehicle, the four ultrasonic sensors 110 on the front side, and the four ultrasonic sensors on the rear side may all constitute an ultrasonic sensor module with their corresponding processing units.
  • all ultrasonic sensors 110 shown in FIG. 1 may be combined with their corresponding processing units.
  • An ultrasonic sensor module is formed, and the processing unit can obtain corresponding various ultrasonic data based on the ultrasonic signal emitted by the corresponding sensor and the corresponding received echo signal.
  • the processing unit can control the sending and receiving of signals of each ultrasonic sensor, and obtain corresponding various ultrasonic data based on the ultrasonic signals sent by the corresponding sensors and the corresponding echo signals received.
  • the ultrasonic sensor can refer to an ultrasonic sensing unit for sending and receiving ultrasonic signals and echoes, and can also refer to the ultrasonic sensor module in each of the above examples. Those skilled in the art can distinguish the meaning of the ultrasonic sensor in a specific context.
  • the processing unit of the ultrasonic sensor module can obtain corresponding various ultrasonic data based on the ultrasonic signal emitted by the corresponding sensor 110 and the corresponding received echo signal.
  • the ultrasonic data may include echo data
  • the echo data may include the echo amplitude, echo strength, echo distance, echo first coordinate, echo second coordinate, sensor first coordinate, sensor second coordinate, timestamp, etc.
  • the centerline method can be used to obtain the echo data. For example, in the process of the vehicle moving along the direction 140, the ultrasonic sensor 110 on the right front side of the vehicle sends an ultrasonic signal and receives an ultrasonic echo signal under the control of its processing unit.
  • the processing unit can detect the reflection point of the corresponding ultrasonic signal as the position of the echo, which can be expressed as an echo coordinate, for example.
  • the ultrasound data may include the above-mentioned echo data and/or intersection data, and the ultrasound data may optionally also include other data related to the ultrasound signal, such as data related to the ultrasound signal obtained based on methods known in the art or possible methods in the future.
  • FIG. 2 shows a schematic diagram of a control system in a vehicle according to an embodiment.
  • FIG. 2 In the control system shown in FIG. 2 , the same components as those in FIG. 1 are marked with the same reference numerals, and those skilled in the art will appreciate that FIG. 2 only shows components related to the technical solution of the present disclosure.
  • the ultrasonic sensor modules 105-1 to 105-N include one or more ultrasonic sensors 110 and processing units 115-1 to 115-N, respectively.
  • the vehicle may include only one ultrasonic sensor module 105, which includes, for example, a plurality of ultrasonic sensors 110 and an ultrasonic processing unit 115 installed on the vehicle as shown in FIG1 .
  • the vehicle may include one or more ultrasonic sensor modules 105, and each ultrasonic sensor module 105 may include one or more ultrasonic sensors 110.
  • the vehicle control system may further include a human-machine interface 180, and the control unit 130 may output information that can be understood by a user, such as a driver, via the human-machine interface 180, and may receive information input by the user from the human-machine interface.
  • the user may input a selection regarding entering the assisted parking mode through the human-machine interface 180, and the control unit 130 may control the vehicle to operate in the assisted parking mode after receiving the instruction to enter the assisted parking mode, for example, controlling the vehicle to automatically search for a parking space and automatically park.
  • the control unit 130 may automatically control the vehicle to enter the assisted parking mode or the automatic parking mode.
  • FIG. 3 shows a schematic diagram of ultrasound data according to one embodiment.
  • the ultrasonic sensor module 105 obtains ultrasonic data 320, and the ultrasonic data 320 includes the above-mentioned echo data and/or intersection data.
  • Each ultrasonic data sample point 320 shown in FIG. 3 represents an echo data sample point or an intersection data sample point.
  • Each echo data sample point may include the echo amplitude, echo intensity, echo distance, echo first coordinate, echo second coordinate, sensor first coordinate, sensor second coordinate, timestamp, etc. of the echo.
  • Each intersection data sample point may include the intersection first coordinate, intersection second coordinate, intersection distance, intersection neighbor distance, sensor first coordinate, sensor second coordinate, intersection neighbor first coordinate, intersection neighbor second coordinate, etc. of the intersection.
  • the echo data and intersection data may also include other features related to the ultrasonic signal, and the features of the echo data and intersection data known in the art and that may be adopted in the future can all be applied to the technical solutions disclosed in the present invention.
  • the ultrasound data 320 may also include other data related to the ultrasound signal, such as data related to the ultrasound signal obtained based on methods known in the art or possible methods in the future.
  • the ultrasonic data 320 shown in FIG. 3 may be cached in a cache or memory of a processing system of the vehicle, and the control unit 130 or other processing unit of the vehicle may further process the cached ultrasonic data 320. In one embodiment, the control unit 130 or other processing unit of the vehicle may further process the cached ultrasonic data 320 to determine the location of the obstacle. In one embodiment, the control unit 130 or other processing unit of the vehicle may determine whether there is an empty parking space based on the determined location of the obstacle. In an embodiment, the control unit 130 or other processing unit of the vehicle may plan an automatic parking route based on the detection of an empty parking space.
  • FIG. 4 shows a schematic diagram of a method for determining the position of obstacles around a vehicle according to an embodiment.
  • a grid window 330 is provided, which includes a plurality of grids 335.
  • the grid window 330 corresponds to a spatial region of a first size
  • each grid 335 in the grid window corresponds to a spatial region of a second size in the spatial region of the first size.
  • the grid window 330 may be provided to correspond to a spatial region of 5 meters by 2 meters, which can roughly cover the spatial area of a parking space
  • each grid 335 may be provided to correspond to a spatial region of 0.1 meters by 0.1 meters.
  • the grid window 330 may include 50 by 20 grids.
  • the size of the grid window 330 is not limited to a specific value, and the size of each grid 335 is also not limited to a specific value. In one embodiment, the size of the grid window 330 may be provided based on the size of the buffer. In one embodiment, the size of the grid 335 may be provided based on the requirement for position detection accuracy.
  • the ultrasonic data 320 in the buffer may be extracted according to the grid window 330 or according to each grid 335 in the grid window 330.
  • the ultrasonic signal-related features of the grid may be determined based on the ultrasonic data in each grid 335 in the grid window 330.
  • the grid 335 includes a plurality of ultrasonic data samples, and the plurality of ultrasonic data sample points may include echo data sample points and/or intersection data sample points.
  • Each echo data sample point may include the echo amplitude, echo intensity, echo distance, echo first coordinate, echo second coordinate, sensor first coordinate, sensor second coordinate, timestamp, and other ultrasonic signal-related features of the echo.
  • Each intersection data sample point may include the intersection first coordinate, intersection second coordinate, intersection distance, intersection neighbor distance, sensor first coordinate, sensor second coordinate, intersection neighbor first coordinate, intersection neighbor second coordinate, and other ultrasonic signal-related features of the intersection.
  • the average value of the corresponding features of each ultrasound data sample point in the grid 335 can be calculated as the feature related to the ultrasound signal of the grid 335.
  • the grid 335 includes a plurality of echo data samples (e.g., 10 echo data samples) and a plurality of cross data samples (e.g., 10 cross data samples), each echo data sample includes a plurality of features related to the ultrasound signal (e.g., 8 echo features 1-8) and each cross point data sample includes a plurality of features related to the ultrasound signal (e.g., 8 cross point features 9-16), then for each ultrasound data
  • the sample can obtain a feature vector including multi-dimensional features.
  • a feature vector including 16 features 1-16 can be obtained for each ultrasound data sample, and an average feature vector is calculated for the 20 ultrasound data samples in the grid as the feature vector related to the ultrasound signal of the grid.
  • an average feature vector of echo data for example, including features 1-8) can be calculated for multiple (for example, 10) echo data samples
  • an average feature vector of intersection data for example, including features 9-16
  • the average feature vector of intersection data for example, including features 9-16
  • the average feature vector of echo data and the average feature vector of intersection data are combined into an average feature vector of ultrasound data samples in the grid 335 (for example, including features 1-16) as the feature related to the ultrasound signal of the grid 335.
  • FIG. 5 shows a simplified schematic diagram of the embodiment shown in FIG. 4 .
  • the grid window 330 is shown in FIG5 , and the ultrasound data 320 in the grid is not shown.
  • the grid is identified as one of a first category and a second category based on the characteristics of the grid 335 related to the ultrasound signal.
  • the first category and the second category may be an occupied category and an idle category, respectively, indicating whether there is an obstacle in the grid.
  • FIG. 5A shows a schematic diagram for determining a grid category according to one embodiment.
  • 5A represents one grid 335 to be classified, and grids 338 with diagonal shading represent neighboring grids 335 surrounding the grid 336.
  • the grid 336 is identified as an occupied category or an unoccupied category based on the ultrasound-related features of the grid 336 and the ultrasound-related features of the neighboring grids 338 surrounding it.
  • FIG. 5B shows a block diagram for determining a grid category according to one embodiment.
  • the classification can be performed by a classification module 510.
  • the ultrasound-related feature vector of the grid 336 and the ultrasound-related feature vectors of the eight adjacent grids 338 are used as inputs to the classification module 510.
  • the classification module 510 outputs a category 520 of the grid 336 based on the ultrasound-related features of the grids 336 and 338, and the category 520 is one of occupied and idle.
  • the classification module 510 can be implemented using an extensible gradient boosting (xgboost) model.
  • the category of grid 336 may be determined based on the features of grid 336.
  • grid 336 may be identified as occupied or idle based on the features of grid 336 and one or more adjacent grids.
  • other network models may also be used to implement classification module 510.
  • each grid 335 is classified as an occupied or idle category using the classification module 510 shown in FIG5B .
  • grids 337 with shaded shading represent grids identified as occupied categories.
  • connected grids 337 of occupied categories can be identified as a grid set 337, which can roughly represent the location of obstacles.
  • FIG. 5C shows a block diagram for determining the location of an obstacle according to one embodiment.
  • the features of the grid set 337 related to the ultrasonic signal are determined according to the ultrasonic data in the grid set 337.
  • the features of the grid set 337 related to the ultrasonic signal are used as inputs of the position determination module 530, and the position determination module 530 outputs the position 540 of the obstacle corresponding to the grid set 337 based on the features of the grid set 337 related to the ultrasonic signal.
  • the position output by the position determination module 530 may be two coordinates 339, which respectively represent the positions of the ends of the obstacle.
  • the position determination module 530 may be implemented using an extensible gradient boosting (xgboost) model.
  • FIG. 6 shows a block diagram for determining the location of an obstacle according to one embodiment.
  • the position determination module 530 includes four submodules 610, 620, 630, and 640.
  • the submodules 610, 620, 630, and 640 generate four coordinate values 616, 626, 636, and 646 based on four feature subsets 615, 625, 635, and 645 of the grid set 337 related to the ultrasonic signal, respectively.
  • the coordinate values 616 and 626 represent the abscissa and ordinate of the position 339 of the end of the grid set 337
  • the coordinate values 636 and 646 represent the abscissa and ordinate of the position 339 of the other end of the grid set 337.
  • the coordinates (616, 626) and (636, 646) of the two ends of the grid set 337 can accurately represent the position of the corresponding obstacle, thereby helping to improve the performance of subsequent parking space detection and automatic parking planning.
  • the feature subset 615 may be determined based on ultrasound data in a grid subset 337-1 in the grid set 337.
  • the grid subset 337-1 includes grids at the ends of the grid set 337, such as the leftmost grid in the grid set 337 shown in FIG.
  • the grid subset 337-1 includes the grid at the end of the grid set 337 and the adjacent grids within a predetermined range thereof.
  • the ultrasonic data within a specific range e.g., a range of 50 centimeters
  • the grid within a range of 50 centimeters centered on the end grid in the grid set 337 can be taken as the grid subset 337-1.
  • the grid within a range of 50 centimeters centered on the other end grid in the grid set 337 can be taken as the grid subset 337-2.
  • the feature subset 625 can be determined based on the ultrasonic data in the grid subset 337-1, and the feature subsets 635 and 645 can be determined based on the ultrasonic data in the grid subset 337-2.
  • the statistics of the features of the plurality of ultrasound data samples in the grid subset 337-1 may be used as the feature subset 615.
  • the statistics set may include the mean, minimum, maximum, variance, quantile, and kurtosis.
  • the grid subset 337-1 includes a plurality of echo data samples (e.g., 50 echo data samples) and a plurality of intersection data samples (e.g., 50 intersection data samples), each echo data sample includes a plurality of features related to the ultrasound signal (e.g., 50 echo features 1-50) and each intersection data sample includes a plurality of features related to the ultrasound signal (e.g., 50 intersection features 51-100), and various statistics of the echo data may be calculated for the plurality of (e.g., 50) echo data samples (e.g., if all of the above statistics sets are used).
  • each statistical feature vector includes features 1-50
  • various statistics of intersection data are calculated for multiple (e.g., 50) intersection data samples (e.g., six statistical feature vectors are obtained, each statistical feature vector includes features 51-100)
  • the statistical feature vectors of echo data and the corresponding statistical feature vectors of intersection data are combined into statistical feature vectors of ultrasound data samples in the grid 335 (e.g., six statistical feature vectors, each vector includes features 1-100), as feature subset 615.
  • the statistics of the features of multiple ultrasound data samples in the grid subset 337-1 can be used as feature subset 625
  • the statistics of the features of multiple ultrasound data samples in the grid subset 337-2 can be used as feature subsets 635 and 645.
  • a first number of features e.g., 16 features
  • a second number of features e.g., 100 features
  • the second number is greater than the first number.
  • the same ultrasound data features may be used for submodules 610 to 640, for example, the amplitude, intensity and echo travel distance of echo data and the intersection point coordinates, the distance from the intersection point to the first reference point, the distance from the intersection point to the second reference point, and the coordinates of the sensor of the intersection point data are used for submodules 610 to 640.
  • different ultrasound data features may be used for submodules 610 to 640. Those skilled in the art will appreciate that in the training process of models 610 to 640, the optimal ultrasound data features for submodules 610 to 640 may be determined.
  • the first statistical subset in the above statistical set can be used as a feature subset 615
  • the second statistical subset in the above statistical set can be used as a feature subset 625
  • the third statistical subset in the above statistical set can be used as a feature subset 635
  • the fourth statistical subset in the above statistical set can be used as a feature subset 645.
  • the first statistical subset to the fourth statistical subset can be different.
  • the first statistical subset includes the mean, minimum, variance, and quartile in the statistical set
  • the second statistical subset includes the mean, maximum, variance, and kurtosis in the statistical set
  • the third statistical subset includes the mean, maximum, variance, and quartile in the statistical set
  • the fourth statistical subset includes the mean, maximum, variance, and quartile in the statistical set.
  • the first position determination submodule 610, the second position determination submodule 620, the third position determination submodule 630 and the fourth position determination submodule 640 may be implemented using a scalable gradient boosting (xgboost) model.
  • xgboost scalable gradient boosting
  • the first position determination submodule 610, the second position determination submodule 620, the third position determination submodule 630 and the fourth position determination submodule 640 may have different model structures. For example, when the xgboost model is used for implementation, the submodules 610 to 640 have different numbers of layers and the number of decision nodes per layer.
  • the optimal first xgboost model, the second xgboost model, the third xgboost model and the fourth xgboost model may be determined. Structure. Those skilled in the art will appreciate that the technical solution disclosed herein is not limited to the structure of a specific xgboost model.
  • the feature subset 615 may include features of the multiple ultrasound data samples in the grid subset 337-1 in addition to the above-mentioned statistical features of the features of the multiple ultrasound data samples in the grid subset 337-1.
  • the feature subsets 625, 635, and 645 may include features of the multiple ultrasound data samples in the grid subset 337-1 or 337-2 in addition to the above-mentioned statistical features of the features of the multiple ultrasound data samples in the grid subset 337-1 or 337-2.
  • FIG. 7 shows a flow chart of a method for determining a position of an obstacle in the surroundings of a vehicle according to one embodiment.
  • step 710 characteristics of the grid related to the ultrasound signal are determined based on the ultrasound data within each grid in the grid window, wherein the grid window corresponds to a spatial region of a first size and each grid in the grid window corresponds to a spatial region of a second size in the spatial region of the first size.
  • the grid is identified as one of a first category and a second category based on a feature of the grid related to the ultrasound signal.
  • a plurality of grids of the first category in the grid window are identified as a grid set.
  • features of the grid set related to the ultrasound signal are determined based on the ultrasound data in the grid set.
  • the location of the obstacle corresponding to the grid set is determined based on the characteristics of the grid set related to the ultrasonic signal.
  • the grid window slides according to a step length. For each sliding grid window, steps 710 to 750 are repeatedly performed.
  • the step length is smaller than the length of the grid window along the sliding direction.
  • the step length can be 0.5 meters, 1 meter, 1.5 meters, etc.
  • step 710 further comprises determining the characteristic related to the ultrasound signal of the grid by averaging the corresponding characteristics of each ultrasound data point within the grid.
  • step 720 further includes: identifying the grid based on the characteristics of the grid related to the ultrasonic signal and the characteristics of the grids adjacent to the grid related to the ultrasonic signal. is one of the first category and the second category. According to one embodiment, step 720 is performed by a first xgboost model.
  • step 730 further includes: identifying a plurality of connected grids of the first category in the grid window as a grid set.
  • step 740 further includes: determining the ultrasonic signal-related features of the grid set based on the ultrasonic data in the first grid subset at the end of the grid set and the ultrasonic data in the second grid subset at the other end.
  • the first grid subset and the second grid subset include the first grid at the end of the grid set and the second grid at the other end, respectively.
  • the first grid subset and the second grid subset include the first grid at the end of the grid set and the adjacent grids within a predetermined range thereof and the second grid at the other end and the adjacent grids within a predetermined range thereof, respectively.
  • step 740 further includes: determining a first set of features and a second set of features of the grid set related to the ultrasonic signal based on the ultrasonic data in the first grid subset, and determining a third set of features and a fourth set of features of the grid set related to the ultrasonic signal based on the ultrasonic data in the second grid subset.
  • step 740 further includes: determining a first group of features and a second group of features related to the ultrasonic signal of the grid set by respectively calculating a first part of the statistics and a second part of the statistics in a plurality of statistics for the first part of the features and the second part of the features of the ultrasonic data in the first grid subset, and determining a third group of features and a fourth group of features related to the ultrasonic signal of the grid set by respectively calculating a third part of the statistics and a fourth part of the statistics in a plurality of statistics for the third part of the features and the fourth part of the features of the ultrasonic data in the second grid subset.
  • the first part of the features, the second part of the features, the third part of the features, and the fourth part of the features may be the same features or different features.
  • step 750 further includes: determining a first coordinate value and a second coordinate value of a first position of an obstacle corresponding to the grid set based on the first set of features and the second set of features of the grid set related to the ultrasonic signal, and determining a third coordinate value and a fourth coordinate value of a second position of the obstacle corresponding to the grid set based on the third set of features and the fourth set of features of the grid set related to the ultrasonic signal.
  • FIG. 8 shows a method for detecting a vacant parking space according to one embodiment.
  • the position of obstacles around the vehicle is determined based on the ultrasonic signal.
  • the various embodiments described herein in conjunction with FIGS. 1-7 may be employed to determine the position of obstacles around the vehicle based on the ultrasonic signal.
  • step 820 an empty parking space is detected based on the determined position of the obstacle.
  • step 810 outputs the position of one or more obstacles in the sliding window, and the position of the obstacle can be determined based on the position data in step 820, and the position and size of the space outside the obstacle can be determined accordingly, so as to accurately identify the position and size of the empty parking space.
  • Various suitable methods in the art can be used to implement the detection of the empty parking space based on the position of the obstacle in step 820.
  • FIG. 9 shows a method for assisting parking according to one embodiment.
  • step 910 an empty parking space around the vehicle is detected.
  • Various embodiments described herein in conjunction with FIGS. 1-8 may be used to determine an empty parking space around the vehicle based on an ultrasonic signal.
  • step 920 a route for driving the vehicle into the vacant parking space is planned based on the detected vacant parking space.
  • the parking route planning in step 920 can be implemented in various suitable ways in the art. Row.
  • FIG. 10 shows a block diagram of a control system for a vehicle according to one embodiment.
  • control system or processing system 1000 may include one or more control units or processing units 1010, and the control unit 1010 executes one or more machine-readable instructions stored or encoded in a machine-readable storage medium (i.e., memory 1020).
  • a machine-readable storage medium i.e., memory 1020.
  • control system 1000 may include various other components, such as various communication modules, bus modules, and possible user interface modules, etc.
  • control system 1000 may include the control unit 130 and/or the processing unit 115 shown in Figures 1 and 2, which are configured to perform the various operations and functions described above in conjunction with Figures 1-9 when executing program instructions.
  • a program product such as a non-transitory machine-readable medium.
  • the non-transitory machine-readable medium may have instructions that, when executed by a machine such as the control unit 1010, cause a device such as the control unit 1010, a vehicle, etc. to perform various operations and functions described above in conjunction with FIGS. 1-9 in various embodiments of the present application.
  • a vehicle which has an ultrasonic sensor such as that shown in FIG. 1 for emitting and receiving ultrasonic signals, and has a control system 100 as shown in FIG. 10 .

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

一种基于超声信号确定在车辆的周围环境中的障碍物的位置的方法及相关装置，方法包括：基于栅格窗中的至少部分栅格中的每个栅格内的超声数据确定该栅格的与超声信号有关的特征，其中，栅格窗对应于第一尺寸的空间区域，栅格窗中的每个栅格对应于第一尺寸的空间区域中的第二尺寸的空间区域（710）；针对栅格窗中的至少部分栅格中的每个栅格，基于该栅格的与超声信号有关的特征将该栅格识别为第一类别和第二类别中的一种类别（720）；将栅格窗中的多个第一类别的栅格识别为一个栅格集合（730）；基于该栅格集合中的超声数据确定该栅格集合的与超声信号有关的特征（740）；以及基于该栅格集合的与超声信号有关的特征确定与该栅格集合对应的障碍物的位置（750）。

Description

用于确定车辆周围环境中障碍物位置的方法及相关装置 技术领域
本申请涉及车辆自动控制，更具体地，涉及用于基于超声信号确定在车辆的周围环境中的障碍物的位置的方法和装置。
背景技术
停车位的检测是实现车辆辅助停放功能的一个重要环节，可以通过利用传感信号来检测车辆周围环境中障碍物的方式帮助实现停车位的检测。如果能够更加准确地检测障碍物的位置，则能够更加准确的判断停车位的位置，进而改善车辆辅助停车功能的性能。
超声传感器(USS，ultrasonic sensor)提供了一种低成本的障碍物检测方式，然而常规的使用超声信号的检测方法通常是基于规则的，不能有效地适用于比较复杂的场景，并且基于超声信号检测的障碍物位置的精度需要提高，从而帮助改善车辆辅助停车功能的性能。
发明内容
提供下面的简介是为了以简单的形式介绍选择的一些概念，在后面的详细说明中会进一步描述这些概念。该简介不是想要突出所要求保护主题的关键特征或必要特征，也不是想要限制所要求保护主题的范围。
根据本申请的一个方面，提供了一种基于超声信号确定在车辆的周围环境中的障碍物的位置的方法，其中所述车辆具有对所述车辆的周围环境进行监视的用于发出和接收超声信号的超声传感器。所述方法包括：基于栅格窗中的至少部分栅格中的每个栅格内的超声数据确定该栅格的与超声信号有关的特征，其中，所述栅格窗对应于第一尺寸的空间区域，所述栅格窗中的每个栅格对应于所述第一尺寸的空间区域中的第二尺寸的空间 区域；针对所述栅格窗中的至少部分栅格中的每个栅格，基于该栅格的与超声信号有关的特征将该栅格识别为第一类别和第二类别中的一种类别；将所述栅格窗中的多个第一类别的栅格识别为一个栅格集合；基于所述栅格集合中的超声数据确定所述栅格集合的与超声信号有关的特征；以及基于所述栅格集合的与超声信号有关的特征确定与所述栅格集合对应的障碍物的位置。
根据本申请的一个方面，提供了一种用于检测空闲车位的方法，包括：通过执行本文中描述的方法基于超声信号确定在车辆的周围环境中的障碍物的位置；以及基于所确定的障碍物的位置检测空闲车位。
根据本申请的一个方面，提供了一种用于辅助停车的方法，包括：通过执行本文中描述的方法基于超声信号确定在车辆的周围环境中的障碍物的位置；基于所确定的障碍物的位置检测空闲车位；以及基于所检测的空闲车位规划用于将车辆驶入空闲车位的路线。
根据本申请的一个方面，提供了一种用于车辆的控制系统，包括：一个或多个处理单元，所述处理单元当执行程序指令时被配置为执行本文中描述的基于超声信号确定在车辆的周围环境中的障碍物的位置的方法。
根据本申请的一个方面，提供了一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得一个或多个处理器执行本文中描述的基于超声信号确定在车辆的周围环境中的障碍物的位置的方法。
利用根据本申请的基于超声信号确定在车辆的周围环境中的障碍物的位置的方法，能够在各种复杂的场景中基于超声信号准确的检测障碍物的位置，进而实现空闲停车位的准确检测，有助于改善辅助停车功能的性能。
附图说明
通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一步理解。在附图中，类似组件或特征可以具有相同的附图标记。
图1示出了根据一个实施例的车辆的示意图。
图2示出了根据一个实施例的车辆中的控制系统的示意图。
图3示出了根据一个实施例的超声数据的示意图。
图4示出了根据一个实施例的用于确定车辆周围的障碍物位置的方法的示意图。
图5示出了图4所示实施例的简化示意图。
图5A示出了根据一个实施例的用于确定栅格类别的方法的示意图。
图5B示出了根据一个实施例的用于确定栅格类别的方法的方框图。
图5C示出了根据一个实施例的用于确定障碍物的位置的方法的方框图。
图6示出了根据一个实施例的用于确定障碍物的位置的方法的方框图。
图7示出了根据一个实施例的用于确定在车辆的周围环境中的障碍物的位置的方法的流程图。
图8示出了根据一个实施例的用于检测空闲车位的方法的流程图。
图9示出了根据一个实施例的用于辅助停车的方法的流程图。
图10示出了根据一个实施例的用于车辆的控制系统的方框图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。
如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相 同的对象。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。
图1示出了根据一个实施例的车辆的示意图。
车辆100上安装有超声传感器110，如图所示，超声传感器110可以安装在车辆的前侧、后侧、左侧和右侧，分别对应于车辆的车头、车尾、车身左侧和车身右侧。超声传感器110的数目和安装位置不限于图1所示的情形，在不同的实现中，车辆100可以包括更多或更少的超声传感器110，超声传感器的安装位置也可以有所不同。
超声传感器110可以发出超声信号120，当超声信号120遇到障碍物而被反射后，超声传感器110可以接收所反射的超声回波信号。基于所发送的超声信号和所接收的回波可以得到与超声信号有关的各种超声数据。在一个实施例中，超声传感器模块可以包括超声传感器110和处理单元。超声传感器110包括发送超声信号的发送器和接收诸如回波的超声信号的接收器，相应的处理单元可以基于所发出的超声信号和所接收的回波信号来得到各种超声数据，该超声数据包括与超声信号有关的各种特征。
例如，图1所示的车辆右前侧的两个超声传感器110可以构成一个超声传感器模块，其包括两个用于发送和接收超声信号的超声传感器和一个处理单元，该处理单元可以基于相应的两个传感单元所发出的超声信号和相应的所接收的回波信号来得到相应的各种超声数据；类似地，图1所示的车辆右后侧的两个超声传感器110、左前侧的两个超声传感器110、左后侧的两个超声传感器110、前侧的四个超声传感器110、后侧的四个超声传感器110均可以和其相应的处理单元构成一个超声传感器模块。
又例如，图1所示的车辆右侧的四个超声传感器110和其相应的处理单元可以构成一个超声传感器模块，该处理单元可以基于相应的四个传感器所发出的超声信号和相应的所接收的回波信号来得到相应的各种超声数据；类似地，车辆左侧的四个超声传感器110、前侧的四个超声传感器110、后侧的四个超声传感器均可以和其相应的处理单元构成一个超声传感器模块。
又例如，图1所示的所有超声传感器110可以和其相应的处理单元 构成一个超声传感器模块，该处理单元可以基于相应的传感器所发出的超声信号和相应的所接收的回波信号来得到相应的各种超声数据。
在上面的各个例子中，处理单元可以控制各个超声传感器的信号的发送和接收，以及基于相应的传感器所发出的超声信号和相应的所接收的回波信号来得到相应的各种超声数据。在本文中，根据上下文的语境，超声传感器可以表示用于发送和接收超声信号和回波的超声传感单元，也可以表示上述各个例子中的超声传感器模块。本领域技术人员能够区分超声传感器在特定上下文中的含义。
超声传感器模块的处理单元可以基于相应的传感器110所发出的超声信号和相应的所接收的回波信号来得到相应的各种超声数据。在一个实施例中，该超声数据可以包括回波数据，该回波数据可以包括回波的回波幅度(amplitude)、回波强度(significance)、回波距离、回波第一坐标、回波第二坐标、传感器第一坐标、传感器第二坐标、时间戳等。在一个实施例中，可以使用中心线法来得到回波数据。例如，在车辆沿着方向140前进的过程中，车辆右前侧的超声传感器110在其处理单元的控制下发送超声信号和接收超声回波信号。在中心线法中，假定所检测的障碍物上的反射点在超声弧的中心线150上，基于此，处理单元可以检测到相应超声信号的反射点作为回波的位置，该位置例如可以表示为回波坐标。
在一个实施例中，该超声数据可以包括交叉点数据，该交叉点数据可以包括交叉点的交叉点第一坐标、交叉点第二坐标、交叉点距离、交叉点近邻距离、传感器第一坐标、传感器第二坐标、交叉点近邻第一坐标、交叉点近邻第二坐标等。例如，在车辆沿着方向140前进的过程中，车辆右前侧的超声传感器110在其处理单元的控制下发送超声信号和接收超声回波信号。在图1所示的例子中，两个传感器110发出两个超声信号120，根据两个传感器110的已知位置关系、发送两个超声信号120的发射时间、接收相应回波的接收时间等，处理单元可以计算出两个超声信号120的超声弧的交叉点160，该交叉点160可以表示所检测的障碍物上的反射点，将关于该交叉点160的数据作为上述交叉点数据。在一个实施例中，交叉点不限于是两个传感器发送的超声信号的两个超声弧的交叉点，也可以是同 一个传感器在不同时间发送的超声信号的两个超声弧的交叉点。本领域技术人员可以理解，交叉点数据是基于回波数据计算得到的，基于一定范围内的任意两个回波数据的超声弧可能得到相应的交叉点数据。
在一个实施例中，该超声数据可以包括上述回波数据和/或交叉点数据，该超声数据可选地还可以包括其他与超声信号有关的数据，例如基于本领域已知的方法或将来的可能方法得到的与超声信号有关的数据。
超声传感器模块的处理单元可以将得到的超声数据提供给车辆的控制单元130。在一个实施例中，车辆的控制单元130可以是车辆的电子控制单元(ECU)。在一个实施例中，超声传感器模块的处理单元所执行的部分运算或全部运算也可以由车辆的控制单元130来替代地执行。例如，上述基于相应的传感器110所发出的超声信号和相应的所接收的回波信号来得到相应的回波数据和/或交叉点数据的操作可选地可以由控制单元130或传感器模块之外的其他处理单元来执行。
图2示出了根据一个实施例的车辆中的控制系统的示意图。
在图2所示的控制系统中，与图1相同的组件采用了相同的附图标记，本领域技术人员能够理解，图2中仅示出了与本公开的技术方案有关的组件。
如图2所示，超声传感器模块105-1到105-N分别包括一个或多个超声传感器110以及处理单元115-1到115-N。如上文结合图1所描述的，车辆中可以仅包括一个超声传感器模块105，该超声传感器模块105包括例如图1所示的安装在车辆上的多个超声传感器110和超声处理单元115。本领域技术人员可以理解，在不同的实现中，车辆上可以包括一个或多个超声传感器模块105，每个超声传感器模块105中可以包括一个或多个超声传感器110。
车辆的控制单元130可以控制超声传感器模块105的操作，可以从超声传感器模块105接收超声数据，以及基于超声数据来进行进一步的操作。如上所述，超声传感模块105的处理单元115执行的部分运算或全部运算也可以由车辆的控制单元130或超声传感器模块105之外的其他处理单元来替代地执行。
车辆控制系统还可以包括人机接口180，控制单元130可以经由人机接口180输出可以由例如驾驶员的用户理解的信息，以及可以从人机接口接收由用户输入的信息。在一个实施例中，用户可以通过人机接口180输入关于进入辅助停车模式的选择，控制单元130在接收到该进入辅助停车模式的指令后，可以控制车辆在辅助停车模式下操作，例如，控制车辆自动寻找停车位以及自动泊车。在另一个实施例中，控制单元130可以自动地控制车辆进入辅助停车模式或自动停车模式。
图3示出了根据一个实施例的超声数据的示意图。
在图3所示的实施例中，例如在停车场中，车辆沿方向310行驶的同时超声传感器模块105获得超声数据320，该超声数据320包括上述回波数据和/或交叉点数据。图3所示的各个超声数据样本点320表示一个回波数据样本点或一个交叉数据样本点。每个回波数据样本点可以包括该回波的回波幅度、回波强度、回波距离、回波第一坐标、回波第二坐标、传感器第一坐标、传感器第二坐标、时间戳等。每个交叉数据样本点可以包括该交叉点的交叉点第一坐标、交叉点第二坐标、交叉点距离、交叉点近邻距离、传感器第一坐标、传感器第二坐标、交叉点近邻第一坐标、交叉点近邻第二坐标等等。本领域技术人员可以理解，除了上述举例的回波数据和交叉点数据的特征，回波数据和交叉点数据还可以包括其他的与超声信号相关的特征，本领域已知的和未来可能采用的回波数据和交叉点数据的特征均可以应用于本公开的技术方案。本领域技术人员可以理解，除了举例的回波数据和交叉点数据之外，超声数据320还可以包括其他与超声信号有关的数据，例如基于本领域已知的方法或将来的可能方法得到的与超声信号有关的数据。
在一个实施例中，例如图3所示的超声数据320可以缓存在车辆的处理系统的缓存器或存储器中，车辆的控制单元130或其他处理单元可以对缓存的超声数据320进行进一步的处理。在一个实施例中，车辆的控制单元130或其他处理单元可以对缓存的超声数据320进行进一步的处理，以确定障碍物的位置。在一个实施例中，车辆的控制单元130或其他处理单元可以基于所确定障碍物的位置来确定是否有空闲的停车位。在一个实 施例中，车辆的控制单元130或其他处理单元可以基于空闲停车位的检测来规划自动停车线路。
图4示出了根据一个实施例的用于确定车辆周围的障碍物位置的方法的示意图。
在图4所示的实施例中，设置一个栅格窗330，其包括多个栅格335。栅格窗330对应于第一尺寸的空间区域，栅格窗中的每个栅格335对应于第一尺寸的空间区域中的第二尺寸的空间区域。例如，栅格窗330可以设置为对应于5米乘2米的空间区域，其大概能够覆盖一个停车位的空间面积，每个栅格335可以设置为对应于0.1米乘0.1米的空间区域。在该例中，栅格窗330可以包括50乘20个栅格。栅格窗330的大小不限于特定的数值，每个栅格335的大小也不限于特定的数值。在一个实施例中，可以基于缓存器的大小来设置栅格窗330的大小。在一个实施例中，可以基于对于位置检测精度的需求来设置栅格335的大小。
可以根据栅格窗330或者根据栅格窗330中的每个栅格335提取缓存器中的超声数据320。在一个实施例中，可以基于栅格窗330中的每个栅格335内的超声数据确定该栅格的与超声信号有关的特征。例如，栅格335中包括多个超声数据样本，该多个超声数据样本点可以包括回声数据样本点和/或交叉点数据样本点。每个回波数据样本点可以包括该回波的回波幅度、回波强度、回波距离、回波第一坐标、回波第二坐标、传感器第一坐标、传感器第二坐标、时间戳等等与超声信号有关的特征。每个交叉数据样本点可以包括该交叉点的交叉点第一坐标、交叉点第二坐标、交叉点距离、交叉点近邻距离、传感器第一坐标、传感器第二坐标、交叉点近邻第一坐标、交叉点近邻第二坐标等与超声信号有关的特征。
在一个实施例中，可以对栅格335中的各个超声数据样本点的相应特征计算平均值来作为该栅格335的与超声信号有关的特征。例如，栅格335中包括多个回波数据样本(例如10个回波数据样本)和多个交叉数据样本(例如10个交叉数据样本)，每个回波数据样本包括多个与超声信号有关的特征(例如8个回声特征1-8)以及每个交叉点数据样本包括多个与超声信号有关的特征(例如8个交叉点特征9-16)，那么针对每个超声数据 样本可以得到包括多维特征的特征向量，例如在该例中，可以针对每个超声数据样本得到包括16个特征1-16的特征向量，并且针对该栅格中的20个超声数据样本计算平均的特征向量，作为该栅格的与超声信号有关的特征向量。又例如，在上述例子中，可以针对多个(例如10个)回波数据样本计算回波数据的平均特征向量(例如包含特征1-8)以及针对多个(例如10个)交叉点数据样本计算交叉点数据的平均特征向量(例如，包含特征9-16)，并将回波数据的平均特征向量和交叉点数据的平均特征向量组成栅格335内的超声数据样本的平均特征向量(例如，包含特征1-16)，作为该栅格335的与超声信号有关的特征。本领域技术人员可以理解，可以采用适当的方法来基于栅格内的超声数据确定栅格的与超声信号有关的特征，本公开的技术方案不限于上述例子中的具体实现方法。
图5示出了图4所示实施例的简化示意图。
为了便于图示，在图5中仅示出了栅格窗330，没有示出栅格内的超声数据320。在一个实施例中，针对栅格窗330中的至少部分栅格中的每个栅格335，基于该栅格335的与超声信号有关的特征将该栅格识别为第一类别和第二类别中的一种类别。该第一类别和第二类别可以分别是占用类别和空闲类别，分别表示该栅格中是否有障碍物。
图5A示出了根据一个实施例的用于确定栅格类别的示意图。
图5A所示的中心栅格336表示要被分类的一个栅格335，具有斜线底纹的栅格338表示围绕栅格336的相邻栅格335。在一个实施例中，基于栅格336的与超声有关的特征和其周围的相邻栅格338的与超声有关的特征将栅格336识别为占用类别或空闲类别。
图5B示出了根据一个实施例的用于确定栅格类别的方框图。
如图5B所示，可以通过分类模块510来执行该分类。将栅格336的与超声有关的特征向量以及相邻的八个栅格338的与超声有关的特征向量，作为分类模块510的输入。分类模块510基于栅格336和338的与超声有关的特征来输出栅格336的类别520，类别520是占用和空闲中的一个。在一个实施例中，可以采用可扩展梯度提升(xgboost)模型来实现分类模块510。
在另一个实施例中，可以基于栅格336的特征来确定栅格336的类别是占用还是空闲。在另一实施例中，可以基于栅格336和一个或多个相邻栅格的特征来将栅格336识别为占用或空闲。在另一个实施例中，也可以采用其他的网络模型来实现分类模块510。
在图5所示的例子中，利用图5B所示的分类模块510将每个栅格335分类为占用或空闲类别。如图5所示，具有阴影底纹的栅格337表示被识别为占用类别的栅格。在一个实施例中，可以将相连的占用类别的栅格337识别为一个栅格集合337，该栅格集合337可以粗略地表示障碍物的位置。
图5C示出了根据一个实施例的用于确定障碍物的位置的方框图。
在一个实施例中，根据栅格集合337中的超声数据确定栅格集合337的与超声信号有关的特征。如图5C所示，将栅格集合337的与超声信号有关的特征作为位置确定模块530的输入，位置确定模块530基于栅格集合337的与超声信号有关的特征来输出与栅格集合337对应的障碍物的位置540。如图5所示，位置确定模块530输出的位置可以是两个坐标339，其分别表示障碍物的端部的位置。在一个实施例中，可以采用可扩展梯度提升(xgboost)模型来实现位置确定模块530。
图6示出了根据一个实施例的用于确定障碍物的位置的方框图。
在图6所示的实施例中，位置确定模块530包括四个子模块610、620、630和640。子模块610、620、630和640分别基于栅格集合337的与超声信号有关的四个特征子集615、625、635和645生成四个坐标值616、626、636和646。坐标值616和626表示栅格集合337的端部的位置339的横坐标和纵坐标，坐标值636和646表示栅格集合337的另一端部的位置339的横坐标和纵坐标。栅格集合337的两个端部的坐标(616,626)和(636,646)能够精确地表示相应障碍物的位置，进而能够帮助提高后续的车位检测和自动停车规划的性能。
可以基于栅格集合337中的一个栅格子集337-1中的超声数据来确定特征子集615。在一个实施例中，该栅格子集337-1包括栅格集合337的端部的栅格，例如图5所示的栅格集合337中最左端的栅格。在一个实施例 中，该栅格子集337-1包括栅格集合337的端部的栅格及其预定范围内的相邻栅格。例如，在上述栅格窗大小为5米乘2米以及栅格大小为0.1米乘0.1米的例子中，端部栅格的特定范围(例如50厘米范围)内的超声数据对于障碍物位置的估计准确度具有影响，因此在该例中可以取栅格集合337中以端部栅格为中心的50厘米范围内的栅格作为栅格子集337-1。类似地，可以取栅格集合337中以另一端部栅格为中心的50厘米范围内的栅格作为栅格子集337-2。可以基于栅格子集337-1中的超声数据来确定特征子集625，可以基于栅格子集337-2中的超声数据来确定特征子集635和645。
在一个实施例中，可以将栅格子集337-1内的多个超声数据样本的特征的统计量作为特征子集615。例如，统计量集合可以包括平均值、最小值、最大值、方差、四分位数(quantile)和峰度(kurtosis)。例如，栅格子集337-1内包括多个回波数据样本(例如50个回波数据样本)和多个交叉数据样本(例如50个交叉数据样本)，每个回波数据样本包括多个与超声信号有关的特征(例如50个回声特征1-50)以及每个交叉点数据样本包括多个与超声信号有关的特征(例如50个交叉点特征51-100)，可以针对多个(例如50个)回波数据样本计算回波数据的各种统计量(例如，如果采用上述统计量集合中的所有六个统计量，则得到六个统计特征向量，每个统计特征向量包括特征1-50)以及针对多个(例如50个)交叉点数据样本计算交叉点数据的各种统计量(例如，得到六个统计特征向量，每个统计特征向量包含特征51-100)，并将回波数据的统计特征向量和交叉点数据的相应统计特征向量组成栅格335内的超声数据样本的统计特征向量(例如，六个统计特征向量，每个向量包含特征1-100)，作为特征子集615。类似地，可以将栅格子集337-1内的多个超声数据样本的特征的统计量作为特征子集625，可以将栅格子集337-2内的多个超声数据样本的特征的统计量作为特征子集635和645。在上述实施例中，在计算栅格335的与超声信号有关的特征时采用了第一数量的特征(例如16个特征)，在计算作为分类模块510的输入的统计特征时采用了第二数量的特征(例如100个特征)，其中第二数量大于第一数量。通过采用这样的实现方式，能够利用更低的计算量完成在对栅格的粗略分类，同时在精确位置确定阶段保证更准确地确定 障碍物的位置。本领域技术人员能够理解，本公开的技术方案不限于所采用的特征的特定数目。
在一个实施例中，针对子模块610到640可以采用相同的超声数据特征，例如，针对子模块610到640均采用回波数据的幅度、强度和回波行程距离以及交叉点数据的交叉点坐标、交叉点到第一参考点的距离、交叉点到第二参考点的距离、传感器的坐标。在另一个实施例中，针对子模块610到640可以采用不同的超声数据特征。本领域技术人员可以理解，在模型610到640的训练过程中，可以确定针对子模块610到640的分别最优的超声数据特征。
在一个实施例中，可以采用上述统计量集合中的第一统计量子集作为特征子集615，可以采用上述统计量集合中的第二统计量子集作为特征子集625，可以采用上述统计量集合中的第三统计量子集作为特征子集635，可以采用上述统计量集合中的第四统计量子集作为特征子集645。第一统计量子集到第四统计量子集可以是不同的。例如，第一统计量子集包含统计量集合中的平均值、最小值、方差、四分位数，第二统计量子集包含统计量集合中的平均值、最大值、方差、峰度，第三统计量子集包含统计量集合中的平均值、最大值、方差、四分位数，第四统计量子集包含统计量集合中的平均值、最大值、方差、四分位数。本领域技术人员可以理解，在模型610到640的训练过程中，可以确定最优的第一统计量子集、第二统计量子集、第三统计量子集、第四统计量子集。本领域技术人员可以理解，本公开的技术方案不限于特定的统计量集合，也不限于特定的统计量子集。
在一个实施例中，第一位置确定子模块610、第二位置确定子模块620、第三位置确定子模块630和第四位置确定子模块640可以是利用可扩展梯度提升(xgboost)模型来实现的。在一个实施例中，第一位置确定子模块610、第二位置确定子模块620、第三位置确定子模块630和第四位置确定子模块640可以具有不同的模型结构，例如，当采用xgboost模型来实现时，子模块610到640具有不同的层数和每层判决节点数。本领域技术人员可以理解，在子模型610到640的训练过程中，可以确定最优的第一xgboost模型、第二xgboost模型、第三xgboost模型和第四xgboost模型的 结构。本领域技术人员可以理解，本公开的技术方案不限于特定的xgboost模型的结构。
在一个实施例中，特征子集615除了包括栅格子集337-1内的多个超声数据样本的特征的上述统计特征之外，还可以包括栅格子集337-1内的多个超声数据样本的特征。类似的，特征子集625、635、645除了包括栅格子集337-1或337-2内的多个超声数据样本的特征的上述统计特征之外，也可以包括栅格子集337-1或337-2中的多个超声数据样本的特征。
图7示出了根据一个实施例的用于确定在车辆的周围环境中的障碍物的位置的方法的流程图。
在步骤710，基于栅格窗中的每个栅格内的超声数据确定该栅格的与超声信号有关的特征，其中，该栅格窗对应于第一尺寸的空间区域，该栅格窗中的每个栅格对应于所述第一尺寸的空间区域中的第二尺寸的空间区域。
在步骤720，针对该栅格窗中的至少部分栅格中的每个栅格，基于该栅格的与超声信号有关的特征将该栅格识别为第一类别和第二类别中的一种类别。
在步骤730，将该栅格窗中的多个第一类别的栅格识别为一个栅格集合。
在步骤740，基于该栅格集合中的超声数据确定该栅格集合的与超声信号有关的特征。
在步骤750，基于该栅格集合的与超声信号有关的特征确定与该栅格集合对应的障碍物的位置。
根据一个实施例，该栅格窗按照步长滑动。针对每次滑动的栅格窗，重复地执行步骤710到750。该步长小于栅格窗的沿滑动方向的长度。例如，该步长可以是0.5米、1米、1.5米等，
根据一个实施例，步骤710进一步包括：通过对在该栅格内的各个超声数据点的相应特征求平均来确定该栅格的与超声信号有关的特征。
根据一个实施例，步骤720进一步包括：基于该栅格的与超声信号有关的特征和与该栅格相邻的栅格的与超声信号有关的特征将该栅格识别 为第一类别和第二类别中的一种类别。根据一个实施例，步骤720是通过第一xgboost模型执行的。
根据一个实施例，步骤730进一步包括：将该栅格窗中的相连的多个第一类别的栅格识别为一个栅格集合。
根据一个实施例，步骤740进一步包括：基于该栅格集合的端部的第一栅格子集中的超声数据和另一端部的第二栅格子集中的超声数据来确定该栅格集合的与超声信号有关的特征。根据一个实施例，该第一栅格子集和该第二栅格子集分别包括该栅格集合的端部的第一栅格和另一端部的第二栅格。根据一个实施例，该第一栅格子集和该第二栅格子集分别包括该栅格集合的端部的第一栅格及其预定范围内的相邻栅格和另一端部的第二栅格及其预定范围内的相邻栅格。
根据一个实施例，步骤740进一步包括：基于该第一栅格子集中的超声数据确定该栅格集合的与超声信号有关的第一组特征和第二组特征，以及基于该第二栅格子集中的超声数据确定该栅格集合的与超声信号有关的第三组特征和第四组特征。
根据一个实施例，步骤740进一步包括：通过对该第一栅格子集中的超声数据的第一部分特征和第二部分特征分别计算多个统计量中的第一部分统计量和第二部分统计量来确定该栅格集合的与超声信号有关的第一组特征和第二组特征，以及通过对该第二栅格子集中的超声数据的第三部分特征和第四部分特征分别计算该多个统计量中的第三部分统计量和第四部分统计量来确定该栅格集合的与超声信号有关的第三组特征和第四组特征。上述第一部分特征、第二部分特征、第三部分特征、第四部分特征可以是相同的特征，也可以是不同的特征。
根据一个实施例，步骤750进一步包括：基于该栅格集合的与超声信号有关的该第一组特征和该第二组特征确定与该栅格集合对应的障碍物的第一位置的第一坐标值和第二坐标值，以及基于该栅格集合的与超声信号有关的该第三组特征和该第四组特征确定与该栅格集合对应的障碍物的第二位置的第三坐标值和第四坐标值。
根据一个实施例，步骤740是通过第二xgboost模型执行的。根据一 个实施例，该第二xgboost模型包括第一xgboost子模型、第二xgboost子模型、第三xgboost子模型和第四xgboost子模型，其中，该第一xgboost子模型、第二xgboost子模型、第三xgboost子模型和第四xgboost子模型分别基于该栅格集合的与超声信号有关的该第一组特征、第二组特征、第三组特征和第四组特征生成该第一坐标值、第二坐标值、第三坐标值和第四坐标值。
根据一个实施例，该超声数据包括：回波数据，其表示所发出的各个超声信号的相应回波的特征；和/或交叉点数据，其表示不同的超声信号之间的交叉点的特征。根据一个实施例，该回波数据包括基于中心线检测法得到的各个超声信号的相应回波的坐标、该相应回波的回波第一坐标、回波第二坐标、回波幅度、回波强度和回波距离中的至少一部分；和/或，其中，该交叉点数据包括交叉点的交叉点第一坐标、交叉点第二坐标、交叉点距离、交叉点近邻距离、传感器第一坐标、传感器第二坐标、交叉点近邻第一坐标、交叉点近邻第二坐标中的至少一部分。
图8示出了根据一个实施例的用于检测空闲车位的方法。
在步骤810，基于超声信号确定车辆周围的障碍物的位置。可以采用本文中结合图1-7描述的各种实施例来基于超声信号确定车辆周围的障碍物的位置。
在步骤820，基于所确定的障碍物的位置检测空闲车位。在一个实施例中，针对滑动栅格窗的每次滑动，步骤810输出滑动窗中的一个或多个障碍物的位置，可以在步骤820中基于所述位置数据确定障碍物的位置，以及相应地确定障碍物之外的空间的位置和大小，从而准确地识别空闲车位的位置和大小。可以采用本领域的各种合适的方式来实现步骤820中基于障碍物位置的空闲车位检测。
图9示出了根据一个实施例的用于辅助停车的方法。
在步骤910，检测车辆周围的空闲车位。可以采用本文中结合图1-8描述的各种实施例来基于超声信号确定车辆周围的空闲车位。
在步骤920，基于所检测的空闲车位规划用于将车辆驶入空闲车位的路线。可以采用本领域的各种合适的方式来实现步骤920中的停车路线规 划。
图10示出了根据一个实施例的用于车辆的控制系统的方框图。
根据一个实施例，控制系统或处理系统1000可以包括一个或多个控制单元或处理单元1010，控制单元1010执行在机器可读存储介质(即，存储器1020)中存储或编码的一个或多个机器可读指令。虽然没有在图10中示出，但是本领域技术人员能够理解，控制系统1000可以包括各种其他组件，例如各种通信模块、总线模块、以及可能的用户接口模块等。
在一个实施例中，控制系统1000可以包括图1和2所示的控制单元130和/或处理单元115，其当执行程序指令时被配置为执行上文中结合图1-9描述的各种操作和功能。
根据一个实施例，提供了一种比如非暂时性机器可读介质的程序产品。所述非暂时性机器可读介质可以具有指令，该指令当被例如控制单元1010的机器执行时，使得诸如控制单元1010、车辆等的设备执行本申请的各个实施例中以上结合图1-9描述的各种操作和功能。
根据一个实施例，提供了一种车辆。所述车辆具有诸如图1所示的超声传感器，用于发出和接收超声信号，以及具有图10所述的控制系统100。
上面结合附图阐述的具体实施方式描述了示例性实施例，但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例”或意味着“用作示例、实例或例示”，并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况下实施这些技术。在一些实例中，为了避免对所描述的实施例的概念造成难以理解，公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。

Claims (20)

  1. 一种基于超声信号确定在车辆的周围环境中的障碍物的位置的方法，包括：
    基于栅格窗中的至少部分栅格中的每个栅格内的超声数据确定该栅格的与超声信号有关的特征，其中，所述栅格窗对应于第一尺寸的空间区域，所述栅格窗中的每个栅格对应于所述第一尺寸的空间区域中的第二尺寸的空间区域；
    针对所述栅格窗中的至少部分栅格中的每个栅格，基于该栅格的与超声信号有关的特征将该栅格识别为第一类别和第二类别中的一种类别；
    将所述栅格窗中的多个第一类别的栅格识别为一个栅格集合；
    基于所述栅格集合中的超声数据确定所述栅格集合的与超声信号有关的特征；以及
    基于所述栅格集合的与超声信号有关的特征确定与所述栅格集合对应的障碍物的位置。
  2. 如权利要求1所述的方法，其中，所述栅格窗按照步长滑动，针对每次滑动的栅格窗，执行所述确定栅格的与超声信号有关的特征、所述将栅格识别为第一类别和第二类别中的一种类别、所述将栅格窗中的多个第一类别的栅格识别为一个栅格集合、所述确定栅格集合的与超声信号有关的特征、所述确定与所述栅格集合对应的障碍物的位置。
  3. 如权利要求1所述的方法，其中，所述基于该栅格的与超声信号有关的特征将该栅格识别为第一类别和第二类别中的一种类别包括：基于该栅格的与超声信号有关的特征和与该栅格相邻的栅格的与超声信号有关的特征将该栅格识别为第一类别和第二类别中的一种类别。
  4. 如权利要求1到3中的一个所述的方法，其中，所述基于该栅格的与超声信号有关的特征将该栅格识别为第一类别和第二类别中的一种类别 是通过第一xgboost模型执行的。
  5. 如权利要求1所述的方法，其中，所述将所述栅格窗中的多个第一类别的栅格识别为一个栅格集合包括：将所述栅格窗中的相连的多个第一类别的栅格识别为一个栅格集合。
  6. 如权利要求1所述的方法，其中，所述确定所述栅格集合的与超声信号有关的特征包括：基于所述栅格集合的端部的第一栅格子集中的超声数据和另一端部的第二栅格子集中的超声数据来确定所述栅格集合的与超声信号有关的特征。
  7. 如权利要求6所述的方法，其中，所述第一栅格子集和所述第二栅格子集分别包括所述栅格集合的端部的第一栅格和另一端部的第二栅格；或者其中，所述第一栅格子集和所述第二栅格子集分别包括所述栅格集合的端部的第一栅格及其预定范围内的相邻栅格和另一端部的第二栅格及其预定范围内的相邻栅格。
  8. 如权利要求7所述的方法，其中，所述确定所述栅格集合的与超声信号有关的特征包括：基于所述第一栅格子集中的超声数据确定所述栅格集合的与超声信号有关的第一组特征和第二组特征，以及基于所述第二栅格子集中的超声数据确定所述栅格集合的与超声信号有关的第三组特征和第四组特征。
  9. 如权利要求8所述的方法，其中，所述确定所述栅格集合的与超声信号有关的特征包括：通过对所述第一栅格子集中的超声数据的第一部分特征和第二部分特征分别计算多个统计量中的第一部分统计量和第二部分统计量来确定所述栅格集合的与超声信号有关的第一组特征和第二组特征，以及通过对所述第二栅格子集中的超声数据的第三部分特征和第四部分特征分别计算所述多个统计量中的第三部分统计量和第四部分统计量来 确定所述栅格集合的与超声信号有关的第三组特征和第四组特征。
  10. 如权利要求8中的一个所述的方法，其中，所述确定与所述栅格集合对应的障碍物的位置包括：基于所述栅格集合的与超声信号有关的所述第一组特征和所述第二组特征确定与所述栅格集合对应的障碍物的第一位置的第一坐标值和第二坐标值，以及基于所述栅格集合的与超声信号有关的所述第三组特征和所述第四组特征确定与所述栅格集合对应的障碍物的第二位置的第三坐标值和第四坐标值。
  11. 如权利要求10所述的方法，其中，所述基于所述栅格集合的与超声信号有关的特征确定与所述栅格集合对应的障碍物的位置是通过第二xgboost模型执行的。
  12. 如权利要求11所述的方法，其中，所述第二xgboost模型包括第一xgboost子模型、第二xgboost子模型、第三xgboost子模型和第四xgboost子模型，其中，所述第一xgboost子模型、第二xgboost子模型、第三xgboost子模型和第四xgboost子模型分别基于所述栅格集合的与超声信号有关的所述第一组特征、第二组特征、第三组特征和第四组特征生成所述第一坐标值、第二坐标值、第三坐标值和第四坐标值。
  13. 如权利要求1所述的方法，其中，所述基于栅格窗中的至少部分栅格中的每个栅格内的超声数据确定该栅格的与超声信号有关的特征包括：
    通过对在该栅格内的各个超声数据点的相应特征求平均来确定该栅格的与超声信号有关的特征。
  14. 如权利要求1到13中的一个所述的方法，其中，所述超声数据包括：回波数据，其表示所发出的各个超声信号的相应回波的特征；和/或交叉点数据，其表示不同的超声信号之间的交叉点的特征。
  15. 如权利要求14所述的方法，其中，所述回波数据包括基于中心线检测法得到的所述各个超声信号的相应回波的回波第一坐标、回波第二坐标、回波幅度、回波强度和回波距离中的至少一部分；和/或，其中，所述交叉点数据包括交叉点第一坐标、交叉点第二坐标、交叉点距离、交叉点近邻距离、传感器第一坐标、传感器第二坐标、交叉点近邻第一坐标、交叉点近邻第二坐标中的至少一部分。
  16. 一种用于检测空闲车位的方法，包括：
    通过权利要求1到15中的一个所述的方法确定障碍物的位置；
    基于所确定的障碍物的位置检测空闲车位。
  17. 一种用于辅助停车的方法，包括：
    通过权利要求16所述的方法检测空闲车位；
    基于所检测的空闲车位规划用于将车辆驶入空闲车位的路线。
  18. 一种用于车辆的控制系统，包括：
    一个或多个处理单元，所述处理单元当执行程序指令时被配置为执行如权利要求1到17中的一个所述的方法。
  19. 一种车辆，包括：
    超声传感器，用于发出和接收超声信号；
    如权利要求18所述的控制系统。
  20. 一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得一个或多个处理器执行如权利要求1到17中任一个所述的方法。
PCT/CN2023/079004 2023-03-01 2023-03-01 用于确定车辆周围环境中障碍物位置的方法及相关装置 WO2024178671A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2023/079004 WO2024178671A1 (zh) 2023-03-01 2023-03-01 用于确定车辆周围环境中障碍物位置的方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2023/079004 WO2024178671A1 (zh) 2023-03-01 2023-03-01 用于确定车辆周围环境中障碍物位置的方法及相关装置

Publications (1)

Publication Number Publication Date
WO2024178671A1 true WO2024178671A1 (zh) 2024-09-06

Family

ID=92589305

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2023/079004 WO2024178671A1 (zh) 2023-03-01 2023-03-01 用于确定车辆周围环境中障碍物位置的方法及相关装置

Country Status (1)

Country Link
WO (1) WO2024178671A1 (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107966702A (zh) * 2017-11-21 2018-04-27 北京进化者机器人科技有限公司 环境地图的构建方法及装置
CN112644480A (zh) * 2021-01-18 2021-04-13 广州小鹏自动驾驶科技有限公司 一种障碍物检测方法、检测系统、计算机设备和存储介质
DE102020211237A1 (de) * 2020-09-08 2022-03-10 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Fahrerassistenzsystem zur Erkennung und Bestimmung geometrischer Eigenschaften von Objekten unter Verwendung von Ultraschall
CN114565906A (zh) * 2022-03-04 2022-05-31 京东鲲鹏(江苏)科技有限公司 障碍物检测方法、装置、电子设备及存储介质
DE102020215773A1 (de) * 2020-12-14 2022-06-15 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Erkennen von Objekten in Sensordaten einer Ultraschallsensorik eines Fahrzeugs
CN115407344A (zh) * 2022-11-01 2022-11-29 小米汽车科技有限公司 栅格地图创建方法、装置、车辆及可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107966702A (zh) * 2017-11-21 2018-04-27 北京进化者机器人科技有限公司 环境地图的构建方法及装置
DE102020211237A1 (de) * 2020-09-08 2022-03-10 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Fahrerassistenzsystem zur Erkennung und Bestimmung geometrischer Eigenschaften von Objekten unter Verwendung von Ultraschall
DE102020215773A1 (de) * 2020-12-14 2022-06-15 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Erkennen von Objekten in Sensordaten einer Ultraschallsensorik eines Fahrzeugs
CN112644480A (zh) * 2021-01-18 2021-04-13 广州小鹏自动驾驶科技有限公司 一种障碍物检测方法、检测系统、计算机设备和存储介质
CN114565906A (zh) * 2022-03-04 2022-05-31 京东鲲鹏(江苏)科技有限公司 障碍物检测方法、装置、电子设备及存储介质
CN115407344A (zh) * 2022-11-01 2022-11-29 小米汽车科技有限公司 栅格地图创建方法、装置、车辆及可读存储介质

Similar Documents

Publication Publication Date Title
US20200269874A1 (en) Track prediction method and device for obstacle at junction
CN110834644B (zh) 一种车辆控制方法、装置、待控制车辆及存储介质
US20200209848A1 (en) Service degradation in an autonomous driving system
CN110268413A (zh) 低电平传感器融合
KR20180060784A (ko) 비정상 객체 판단 방법 및 장치
JP2019509552A (ja) コンテキスト及び深さ順序を用いる、部分的に遮られた物体の検出
CN110867132B (zh) 环境感知的方法、装置、电子设备和计算机可读存储介质
CN110850859B (zh) 一种机器人及其避障方法和避障系统
CN110936959B (zh) 车辆感知系统在线诊断和预测
CN105172713A (zh) 停车区域识别装置及其控制方法
US20220365210A1 (en) Autonomous vehicle that comprises ultrasonic sensors
CN107004367A (zh) 车辆的行驶控制装置、行驶控制方法以及行驶控制程序
US20220215197A1 (en) Data processing method and apparatus, chip system, and medium
CN113650607B (zh) 一种低速场景自动驾驶方法、系统及汽车
CN109884639A (zh) 用于移动机器人的障碍物探测方法及装置
JP2021012133A (ja) 測距装置、情報処理装置、測距方法、車載装置、移動体、測距システム
WO2024178671A1 (zh) 用于确定车辆周围环境中障碍物位置的方法及相关装置
JP2014203340A (ja) 駐車車室検知装置およびコンピュータプログラム
CN109263649A (zh) 车辆及其自动驾驶模式下的物体识别方法和物体识别系统
CN114556146A (zh) 用于将尤其是在机动车环境中的对象分类的方法和设备
JP6952914B2 (ja) 運動状態判定装置
JP4644590B2 (ja) 周辺車両位置検出装置および周辺車両位置検出方法
WO2024207424A1 (zh) 用于识别车辆周围环境中的障碍物的方法和装置
CN111284337B (zh) 运载工具无线充电对准的方法及其系统
CN113126101B (zh) 自动泊车车位识别方法及其系统、计算机设备