CN107933548A - 一种自动泊车的车位识别方法及*** - Google Patents
一种自动泊车的车位识别方法及*** Download PDFInfo
- Publication number
- CN107933548A CN107933548A CN201711132246.4A CN201711132246A CN107933548A CN 107933548 A CN107933548 A CN 107933548A CN 201711132246 A CN201711132246 A CN 201711132246A CN 107933548 A CN107933548 A CN 107933548A
- Authority
- CN
- China
- Prior art keywords
- parking
- parking stall
- vehicle
- speed
- park
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 27
- 230000004888 barrier function Effects 0.000 claims description 56
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000006748 scratching Methods 0.000 claims description 3
- 230000002393 scratching effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 15
- 230000004927 fusion Effects 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 18
- WHGYBXFWUBPSRW-FOUAGVGXSA-N beta-cyclodextrin Chemical compound OC[C@H]([C@H]([C@@H]([C@H]1O)O)O[C@H]2O[C@@H]([C@@H](O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O3)[C@H](O)[C@H]2O)CO)O[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@@H]3O[C@@H]1CO WHGYBXFWUBPSRW-FOUAGVGXSA-N 0.000 description 17
- 238000001914 filtration Methods 0.000 description 12
- 238000011161 development Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 208000010877 cognitive disease Diseases 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供一种自动泊车的车位识别方法及***，其中方法包括通过手机APP连接车辆网络，还包括以下步骤：寻找并前往合适的泊车空位；使用泊车控制模块控制车辆自动进行挡位、方向和速度控制，进行泊车；泊车完成，手机APP显示泊车成功，断开车辆网络。本发明的应用让车辆在自动泊车过程都处于无人驾驶的自动状态，车辆通过超声波测距传感器和激光测距传感器融合检测车位，并自动将车辆停放在车位上。
Description
技术领域
本发明涉及自动停车的技术领域，特别是一种自动泊车的车位识别方法及***。
背景技术
近几年，自动泊车***(APS)在汽车市场上流行，但从整体的泊车功能上，实际上它远没有达到自动泊车的效果，只能说是一种辅助泊车***。因为在泊车的过程中，驾驶员还必须参与到油门控制、车位识别等环节，也就是说整个泊车的过程中必须要有人的干预和监督。在基于自动驾驶技术的基础上，对整车实现真正的全自动泊车就成为了可能。在整个自动泊车的过程中，车位的识别是其关键的环节之一。它是车辆在驾驶过程中通过传感器收集障碍物的数据，确定障碍物的位置，从而判断是否有可停车的区域。就目前的自动泊车***而言，要完全依靠车自身的传感器去识别车位，继而在此基础上完成完全无人干预的自动泊车技术是一个新的课题。
在现有技术当中存在着很多不足与缺陷：(1)自动泊车的过程中，车位的寻找需要依靠驾驶员对车辆的操控，没有达到全过程自动控制的功能；(2)超声波传测距感器因为其波束角和数据不稳定，在检测障碍物时会带来很大的误差，车位识别率低。
公开号为CN105946853A的发明申请公开了一种基于多传感器融合的长距离自动泊车的***及方法，其中***包括中央数据处理模块、路线规划模块、建图模块、泊车入库模块、通讯模块以及控制单元。所用传感器包括但不局限于：IMU、车载环视相机、超声波雷达、双目相机。该***比较复杂，需要在进入停车场之前绕行停车场一周并制作停车场三维地图后才能够进行泊车，使用不方便且使用设备较多，成本较高。
公开号为CN103754219A的发明申请公开了一种多传感器信息融合的自动泊车***，所述自动泊车***包括超声波控制模块、图像处理模块、电子助力转向控制模块、车速控制模块以及整车控制模块，所述的超声波控制模块，可采集泊车车位以及周围障碍物与车辆之间的距离，实现车位识别功能；所述的图像处理模块，可采集车辆周围的泊车环境信息，并可在图像中调节虚拟车位，实现车位匹配功能；所述的电子助力转向控制模块，可根据轨迹信息实现对车辆的转向控制，实现轨迹控制功能；所述的车速控制模块，可控制车辆的行驶速度，实现车辆的低速控制功能；所述的整车控制模块可根据图像处理***获取的车辆与车位之间的位置关系生成泊车轨迹，并产生相应的控制信号控制车辆完成泊车操作。该***需要使用图像处理设备配合泊车，成本较高。
发明内容
为了解决上述的技术问题，本发明提出了一种自动泊车的车位识别方法和***，解决了在整个自动泊车的车位识别过程的自动化和在没有驾驶操作车辆的情况下完成车位识别和后续的自动泊车的问题。
本发明的第一目的是提供一种自动泊车的车位识别方法，包括通过手机APP连接车辆网络，还包括以下步骤：
步骤1：寻找并前往合适的泊车空位；
步骤2：使用泊车控制模块控制车辆自动进行挡位、方向和速度控制，进行泊车；
步骤3：泊车完成，手机APP显示泊车成功，断开车辆网络。
优选的是，所述通过手机APP连接车辆网络还包括在所述手机APP上选择泊车方式。
在上述任一方案中优选的是，所述步骤1包括以下子步骤：
步骤01：使用轮速计或霍尔传感器获取车速，当车速小于第一车速阈值时，执行步骤02；
步骤02：搜索泊车空位，并根据车位判断规则确定车位是否合适；
步骤03：根据环境信息，规划出一条无碰安全的轨迹供车辆行驶；
步骤04：使用轨迹跟踪算法跟踪轨迹规划的结果，车辆安全到达泊车位。
在上述任一方案中优选的是，所述步骤01包括当车速大于等于第一车速阈值时，提醒驾驶员降低车速。
在上述任一方案中优选的是，所述车位判断规则为使用超声波雷达确定泊车位长度和宽度，判断是否符合泊车条件。
在上述任一方案中优选的是，在平行泊车条件下，所述泊车位长度Lb的公式为：Lb＝(T1-T2)×V，其中，T1为开始时间，T2为结束时间，V为车辆速度。
在上述任一方案中优选的是，在垂直泊车条件下，所述泊车位宽度Wb的公式为：Wb＝(T1-T2)×V，其中，T1为开始时间，T2为结束时间，V为车辆速度。
在上述任一方案中优选的是，所述车位判断规则为在平行泊车条件下，Lb≥Lc+La1,Wb≥Wc+Wa1，表示车位可以进行泊车，其中，Lc为车身长度，Wc为车身宽度，La1为第一长度阈值，Wa1为第一宽度阈值。
在上述任一方案中优选的是，所述车位判断规则还为在垂直泊车条件下，Lb≥Lc+La2,Wb≥Wc+Wa2，表示车位可以进行泊车，其中，La2为第二长度阈值，Wa2为第二宽度阈值。
在上述任一方案中优选的是，所述轨迹跟踪算法为采用线性滤波算法结合卡尔曼滤波算法对车辆轨迹进行跟踪。
在上述任一方案中优选的是，所述线性滤波算法是指在空间中以稳定的速度运动的单目标的运动状态描述为X(k+1)＝ΦX(k)+V(k)，Z(k)＝HX(k)+W(k)，其中，X(k)为状态向量，Φ为状态转移矩阵，V(k)是均值为零、协方差矩阵为Q的***噪声(高斯白噪声)，Z(k)为观测向量，H为观测转移矩阵，W(k)是均值为零，协方差矩阵为R的观测噪声。
在上述任一方案中优选的是，所述卡尔曼滤波算法是指当目标的所述状态向量和所述观测向量分别表示为上述公式时，其时间更新方程为P(K|K-1)＝ΦP(K-1|K-1)Φ+Q，其中，P(k|k-1)代表一步预测误差协方差矩阵，P(k-1|k-1)是k-1时刻的状态估计误差协方差；测量更新方程为S(k)＝HP(k|k-1)H′+R，K(k)＝P(k|k-1)H′/S(k)，P(k|k)＝(1-K(k)H)P(k|k-1)，其中，S(k)为新息协方差，K(k)为卡尔曼增益矩阵,为k时刻最优估计值。
在上述任一方案中优选的是，所述超声波传感器包括前后车位雷达和左右车位雷达。
在上述任一方案中优选的是，所述前后车位雷达用于在泊车过程中对前后障碍物进行检测。
在上述任一方案中优选的是，所述左右车位雷达用于停车位的检测。
在上述任一方案中优选的是，所述步骤2包括将车辆停放在待泊车区域。
在上述任一方案中优选的是，在平行泊车时，所述待泊车区域是指汽车车身距停车位外侧的距离DL1≤DL≤DL2的位置，其中DL表示汽车车身距停车位外侧的距离，DL1为第一长度距离阈值，DL2为第二长度距离阈值。
在上述任一方案中优选的是，在垂直时，所述待泊车区域是指汽车车身距停车位外侧的距离Dw1≤Dw≤Dw2的位置，其中Dw表示汽车车身距停车位外侧的距离，Dw1为第一长度距离阈值，Dw2为第二长度距离阈值。
在上述任一方案中优选的是，所述泊车控制模块具有如下功能：1)自动转向功能：自动控制方向盘转向；
2)车速控制功能：自动控制车速，将车速V保持在V2-V3之间，其中，V2为第二车速阈值，V3为第三车速阈值；
3)车速保持功能：保持车速稳定；
4)***失效功能：在泊车过程中，当驾驶员有操作动作时，退出泊车过程，并提示驾驶员接管车辆；
5)主动避撞功能：防止车辆与障碍物发生碰撞、刮蹭。
在上述任一方案中优选的是，所述操作动作包括向方向盘施加的扭矩≥A、踩刹车踏板和踩油门踏板中至少一种，其中，A为第一扭矩阈值。
在上述任一方案中优选的是，所述步骤3包括根据泊车标准确定泊车是否完成。
在上述任一方案中优选的是，所述泊车标准为在平行泊车条件下，车辆前后端距障碍物距离df和da均需大于等于DL3，汽车车身距车位线或障碍物的横向距离DL4≤h≤DL5，其中。DL3为第三长度距离阈值，DL4为第四长度距离阈值，DL5为第五长度距离阈值。
在上述任一方案中优选的是，所述泊车标准为在垂直泊车条件下，泊车完成时，汽车车身距离左右障碍物距离dl和dr至少要大于等于DW3；车尾距障碍物的距离h≥DW4，其中，DW3为第三宽度距离阈值，DW4为第四宽度距离阈值。
在上述任一方案中优选的是，在确保所述车尾距障碍物的距离h≥DW4的前提下，车头应与障碍物平齐。
本发明的第二目的是提供一种自动泊车的车位识别方法，包括用于通过手机APP连接车辆网络的网络模块，还包括以下模块：
泊车位定位模块：寻找并前往合适的泊车空位；
泊车控制模块：控制车辆自动进行挡位、方向和速度控制，进行泊车；
泊车完成模块：泊车完成，手机APP显示泊车成功，断开车辆网络。
优选的是，所述网络模块还具有在所述手机APP上选择泊车方式的功能。
在上述任一方案中优选的是，所述泊车位定位模块包括如下子模块：
车速获取模块：用于使用轮速计或霍尔传感器获取车速，当车速小于第一车速阈值时，启动车位寻找模块；
车位寻找模块：用于搜索泊车空位，并根据车位判断规则确定车位是否合适；
轨迹规划模块：根据环境信息，规划出一条无碰安全的轨迹供车辆行驶；
轨迹跟踪模块：使用轨迹跟踪算法跟踪轨迹规划的结果，车辆安全到达泊车位。
在上述任一方案中优选的是，所述车速获取模块具有当车速大于等于第一车速阈值时，提醒驾驶员降低车速的功能。
在上述任一方案中优选的是，所述车位判断规则为使用超声波雷达确定泊车位长度和宽度，判断是否符合泊车条件。
在上述任一方案中优选的是，在平行泊车条件下，所述泊车位长度Lb的公式为：Lb＝(T1-T2)×V，其中，T1为开始时间，T2为结束时间，V为车辆速度。
在上述任一方案中优选的是，在垂直泊车条件下，所述泊车位宽度Wb的公式为：Wb＝(T1-T2)×V，其中，T1为开始时间，T2为结束时间，V为车辆速度。
在上述任一方案中优选的是，所述车位判断规则为在平行泊车条件下，Lb≥Lc+La1,Wb≥Wc+Wa1，表示车位可以进行泊车，其中，Lc为车身长度，Wc为车身宽度，La1为第一长度阈值，Wa1为第一宽度阈值。
在上述任一方案中优选的是，所述车位判断规则还为在垂直泊车条件下，Lb≥Lc+La2,Wb≥Wc+Wa2，表示车位可以进行泊车，其中，La2为第二长度阈值，Wa2为第二宽度阈值。
在上述任一方案中优选的是，所述轨迹跟踪算法为采用线性滤波算法结合卡尔曼滤波算法对车辆轨迹进行跟踪。
在上述任一方案中优选的是，所述线性滤波算法是指在空间中以稳定的速度运动的单目标的运动状态描述为X(k+1)＝ΦX(k)+V(k)，Z(k)＝HX(k)+W(k)，其中，X(k)为状态向量，Φ为状态转移矩阵，V(k)是均值为零、协方差矩阵为Q的***噪声(高斯白噪声)，Z(k)为观测向量，H为观测转移矩阵，W(k)是均值为零，协方差矩阵为R的观测噪声。
在上述任一方案中优选的是，所述卡尔曼滤波算法是指当目标的所述状态向量和所述观测向量分别表示为权利要求11中所示公式时，其时间更新方程为P(K|K-1)＝ΦP(K-1|K-1)Φ+Q，其中，P(k|k-1)代表一步预测误差协方差矩阵，P(k-1|k-1)是k-1时刻的状态估计误差协方差；测量更新方程为S(k)＝HP(k|k-1)H′+R，K(k)＝P(k|k-1)H′/S(k)，P(k|k)＝(1-K(k)H)P(k|k-1)，其中，S(k)为新息协方差，K(k)为卡尔曼增益矩阵,为k时刻最优估计值。
在上述任一方案中优选的是，所述超声波传感器包括前后车位雷达和左右车位雷达。
在上述任一方案中优选的是，所述前后车位雷达用于在泊车过程中对前后障碍物进行检测。
在上述任一方案中优选的是，所述左右车位雷达用于泊车位的检测。
在上述任一方案中优选的是，所述泊车位定位模块具有将车辆停放在待泊车区域的功能。
在上述任一方案中优选的是，平行泊车时，所述待泊车区域是指汽车车身距停车位外侧的距离DL1≤DL≤DL2的位置，其中DL表示汽车车身距停车位外侧的距离，DL1为第一长度距离阈值，DL2为第二长度距离阈值。
在上述任一方案中优选的是，在垂直时，所述待泊车区域是指汽车车身距停车位外侧的距离Dw1≤Dw≤Dw2的位置，其中Dw表示汽车车身距停车位外侧的距离，Dw1为第一长度距离阈值，Dw2为第二长度距离阈值。
在上述任一方案中优选的是，所述泊车控制模块具有如下功能：
1)自动转向功能：自动控制方向盘转向；
2)车速控制功能：自动控制车速，将车速V保持在V2-V3之间，其中，V2为第二车速阈值，V3为第三车速阈值；
3)车速保持功能：保持车速稳定；
4)***失效功能：在泊车过程中，当驾驶员有操作动作时，退出泊车过程，并提示驾驶员接管车辆；
5)主动避撞功能：防止车辆与障碍物发生碰撞、刮蹭。
在上述任一方案中优选的是，所述操作动作包括向方向盘施加的扭矩≥A、踩刹车踏板和踩油门踏板中至少一种，其中，A为第一扭矩阈值。
在上述任一方案中优选的是，所述泊车完成模块具有根据泊车标准确定泊车是否完成的功能。
在上述任一方案中优选的是，所述泊车标准为在平行泊车条件下，车辆前后端距障碍物距离df和da均需大于等于DL3，汽车车身距车位线或障碍物的横向距离DL4≤h≤DL5，其中。DL3为第三长度距离阈值，DL4为第四长度距离阈值，DL5为第五长度距离阈值。
在上述任一方案中优选的是，所述泊车标准为在垂直泊车条件下，泊车完成时，汽车车身距离左右障碍物距离dl和dr至少要大于等于DW3；车尾距障碍物的距离h≥DW4，其中，DW3为第三宽度距离阈值，DW4为第四宽度距离阈值。
在上述任一方案中优选的是，在确保所述车尾距障碍物的距离h≥DW4的前提下，车头应与障碍物平齐。
本发明提供的自动泊车的车位识别方法，让自动泊车过程都是无人驾驶的自动状态，驾驶员只需要将车停在车位附近，车辆通过超声波测距传感器和激光测距传感器融合检测车位。驾驶员在泊车之前就可下车，整个泊车过程都交给车自己完成。
附图说明
图1为按照本发明的自动泊车的车位识别方法的一优选实施例的流程图。
图2为按照本发明的自动泊车的车位识别***的一优选实施例的的模块结构图。
图3为按照本发明的自动泊车的车位识别***的另一优选实施例的***结构图。
图4为按照本发明的自动泊车的车位识别***的超声波雷达的一实施例的安装位置图。
图5为按照本发明的自动泊车的车位识别***的实际应用的一实施例的自动车位识别***信号图。
图5A为按照本发明的自动泊车的车位识别***的如图5所示实施例的超声波雷达实时数据图。
图5B为按照本发明的自动泊车的车位识别***的如图5所示实施例的激光测距模块实时数据图。
图5C为按照本发明的自动泊车的车位识别***的如图5所示实施例的车位识别数据反馈图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
如图1、图2所示，执行步骤100，驾驶员在手机上启动自动泊车***，通过网络模块200连接车辆。顺序执行步骤110和步骤111，选择泊车方式并判断是否完成方式选择。如果未完成泊车方式选择，则重新执行步骤110。如果完成泊车方式选择，则执行步骤120，通过车位寻找模块212根据车位判断规则寻找合适的车位，在寻找过程中通过车速获取模块211控制车辆慢速行驶，车速小于20km/h时，***开始搜索车位；车速大于等于20km/h时，***提示驾驶员减速行驶。车位判断规则为使用超声波雷达确定泊车位长度和宽度，在平行泊车条件下，所述泊车位长度Lb的公式为：Lb＝(T1-T2)×V，其中，T1为开始时间，T2为结束时间，V为车辆速度；在垂直泊车条件下，所述泊车位宽度Wb的公式为：Wb＝(T1-T2)×V，其中，T1为开始时间，T2为结束时间，V为车辆速度。车位判断规则还为判断是否符合泊车条件，在平行泊车条件下，Lb≥Lc+La1,Wb≥Wc+Wa1，表示车位可以进行泊车，其中，Lc为车身长度，Wc为车身宽度，La1(第一长度阈值)＝2.0m，Wa1(第一宽度阈值)＝0.6m；在垂直泊车条件下，Lb≥Lc+La2,Wb≥Wc+Wa2，表示车位可以进行泊车，其中，La2(第二长度阈值)＝0.5m，Wa2(第二宽度阈值)＝1.0m。执行步骤121，判断是否找到合适的车位。如果未找到合适的车位，则执行步骤120，继续寻找合适的车位。如果找到了合适的车位，则执行步骤130，使用轨迹规划模块213生成泊车轨迹并在轨迹跟踪模块214使用轨迹跟踪算法跟踪轨迹规划的结果。轨迹跟踪算法为采用线性滤波算法结合卡尔曼滤波算法对车辆轨迹进行跟踪。线性滤波算法是指在空间中以稳定的速度运动的单目标的运动状态描述为X(k+1)＝ΦX(k)+V(k)，Z(k)＝HX(k)+W(k)，其中，X(k)为状态向量，Φ为状态转移矩阵，V(k)是均值为零、协方差矩阵为Q的***噪声(高斯白噪声)，Z(k)为观测向量，H为观测转移矩阵，W(k)是均值为零，协方差矩阵为R的观测噪声；卡尔曼滤波算法是指当目标的所述状态向量和所述观测向量分别表示为权利要求11中所示公式时，其时间更新方程为 P(K|K-1)＝ΦP(K-1|K-1)Φ+Q，其中，P(k|k-1)代表一步预测误差协方差矩阵，P(k-1|k-1)是k-1时刻的状态估计误差协方差；测量更新方程为S(k)＝HP(k|k-1)H′+R，K(k)＝P(k|k-1)H′/S(k)，P(k|k)＝(1-K(k)H)P(k|k-1)，其中，S(k)为新息协方差，K(k)为卡尔曼增益矩阵,为k时刻最优估计值。执行步骤140，挂入倒挡，使用泊车控制模块220开始泊车。执行步骤150，判断是否挂入倒挡。如果没有挂入倒挡，则重新执行步骤140。如果已经挂入倒挡，同时执行步骤154和步骤155，进行角度控制和距离控制。在平行泊车时，所述待泊车区域是指汽车车身距停车位外侧的距离DL1≤DL≤DL2的位置，其中DL表示汽车车身距停车位外侧的距离，DL1(第一长度距离阈值)＝0.5m，DL2(第二长度距离阈值)＝1.8m；在垂直时，所述待泊车区域是指汽车车身距停车位外侧的距离Dw1≤Dw≤Dw2的位置，其中Dw表示汽车车身距停车位外侧的距离，Dw1(第一长度距离阈值)＝0.5m，Dw2(第二长度距离阈值)＝2.0m。执行步骤160，判断车辆停放位置时是否已经满足角度和距离控制：在平行泊车条件下，车辆前后端距障碍物距离df和da均需大于等于DL3，汽车车身距车位线或障碍物的横向距离DL4≤h≤DL5，其中。DL3(第三长度距离阈值)＝0.4m，DL4(第四长度距离阈值)＝0.2m，DL5(第五长度距离阈值)＝0.4m；在垂直泊车条件下，泊车完成时，汽车车身距离左右障碍物距离dl和dr至少要大于等于DW3；车尾距障碍物的距离h≥DW4，其中，DW3(第三宽度距离阈值)＝0.3m，DW4(第四宽度距离阈值)＝0.3m，在确保车尾距障碍物的距离h≥0.3m的前提下，车头应与障碍物平齐(若两边的障碍物长度不等，以较短侧障碍物为基准)。如果车辆不满足角度条件，则执行步骤154，重新调整角度；如果车辆满足距离条件，则执行步骤155，重新调整距离。如果车辆满足角度和距离控制条件，执行步骤161，方向盘回正，泊车结束。序执行步骤170和步骤180，停止车辆，并按照提示退出***。在执行步骤154和步骤155的同时，并行执行步骤151、步骤152和步骤153，判断在自动泊车的过程中，是否有脚踩刹车踏板、脚踩油门踏板和触碰方向盘(驾驶员向方向盘施加的扭矩≥4N*m)中至少一种动作。如果没有上述动作，则继续自动泊车。如果有上述至少一种动作，则顺序执行步骤170和步骤180，停止车辆，并按照提示退出***。
实施例二
本发明需要解决的问题：
1、解决在整个自动泊车的车位识别过程的自动化，在没有驾驶操作车辆的情况下完成车位识别和后续的自动泊车。
2、利用超声波测距传感器和激光测距传感器的融合，对障碍物以及障碍物的边缘进行检测，使得车位的识别达到100％。
发明目的：
让自动泊车过程都是无人驾驶的自动状态，驾驶员只需要将车停在车位附近，车辆通过超声波测距传感器和激光测距传感器融合检测车位。驾驶员在泊车之前就可下车，整个泊车过程都交给车自己完成。
本申请的技术手段为：
超声波测距和激光测距的联合使用，利用超声波测距在不同环境下的稳定性和激光测距在边缘检测的准确性，确定车辆侧边的障碍物以及障碍我的具***置。在目前市场上安装的障碍物检测模块中仅仅使用了超声波模块，并且在障碍物识别时仅仅探测车辆前方和后侧的障碍物达到辅助泊车的目的。在自动泊车的障碍物识别上，超声波雷达除了前后安装用来检测障碍物外，在车的侧边同时装有长距超声波雷达和激光测距模块。常规的超声波雷达在其探测范围上是不定的，它发出的超声波呈圆锥状，它只能确定在某一个范围内有障碍物，并且在实际环境中没有固定的补偿系数来确定障碍物的具***置。激光测距模块发射的是激光点，激光点和模块间为直线接收，所以它在测距的时候不会带来波束角的误差。特别是在障碍物边缘检测时，误差较小，在车辆低速的情况下，能完全满足车位识别的需求。
本申请的工作原理如下：
车辆从停止位置向前低速运动，并开始检测车位。一下四种情况满足停车位的要求：
一、车辆向前运行了一个车位的距离后，探测到侧边没有障碍物，视为无障碍物泊车。
无障碍物泊车利用的是超声波雷达对障碍物检测的原理，在车辆向前运动过程中，超声波雷达始终都没有检测到障碍物。车辆将其起始位置(超声波雷达所在的位置)作为停车位的一个边缘。将位移计统计的一个车位距离的另一侧作为停车位的另一个边缘。
二、车辆向前运行的过程中，在不满足停车位距离的情况下探测到障碍物，在超越障碍物一个车位距离后没有探测到障碍物，视为后向有障碍物泊车。
后向有障碍物泊车是通过超声波雷达探测障碍物以及激光测距模块识别障碍物边缘的原理实现的，在车辆向前运动的过车中超声波雷达探测到有障碍物，这时要启动激光测距模块的道路边缘检测，也就是需要知道障碍物在何时结束，同时将障碍物的边缘作为泊车为的一个边缘。在车辆向前运动一个车位后，将其定位为泊车为的另一个边缘。
三、车辆向前运行一个车位的过程中，没有探测到障碍物，但在运行一个车位的距离后探测到障碍物的存在，视为前向有障碍物泊车。
前向有障碍物泊车的车位检测过程中，车辆经过无障碍物区域，超声波雷达检测到前向的障碍物，并利用激光测距模块确定前向障碍物的边缘，将其作为泊车位的一个边缘。在此边缘的基础上，将其在无障碍区域向后推一个车位的距离作为另一个泊车位的边缘。
四、车辆在向前运行的过程中，在不满足停车位距离的情况下探测到第一个障碍物，在超越障碍物一个车位距离后探测到第二个障碍，视为前后向有障碍物泊车。
前后向有障碍物泊车的原理则是利用车辆在前进的过程中，将泊车位后的障碍物边缘做泊车位的一个边缘，将泊车位前的障碍物边缘作为泊车位的另一个边缘。
实施例三
全自动泊车***关键技术的具体技术指标要求如下：
一、具有自动搜索车位的功能。
①当驾驶员需要泊车时，驾驶员按下泊车按钮，***启动，***根据车速做出判断：车速小于20km/h时，***开始搜索车位，搜索到可泊车车位时，***提示驾驶员刹车并确认是否泊车；车速大于等于20km/h时，***提示驾驶员减速行驶。
②泊车位识别准确率不低于90％。
③在平行泊车条件下，***能够识别的泊车位：L≥车身长度+2.0m,0.6m+车身宽度≤W,能够完成泊车。
④在垂直泊车条件下，***能够识别的泊车位：L≥车身长度+0.5m，W≥车身宽度+1.0m，能够完成泊车。
二、具有基于整车参数的路径规划功能。
在车位检测完成后，***规划出无碰路径
三、具有基于路径规划的轨迹跟随功能。
①在平行泊车条件下，在待泊车区域，汽车车身距停车位外侧的距离0.5m≤D≤1.8m，可进行泊车操作。
②在垂直泊车条件下，在待泊车区域，汽车与障碍车辆横向距离为0.5m≤D≤2.0m，可进行泊车操作。
③在平行泊车条件下，泊车完成时，汽车前后端距障碍物距离df和dr均需大于等于0.4m，汽车车身距车位线或障碍物的横向距离0.2m≤h≤0.4m。
④在垂直泊车条件下，泊车完成时，汽车车身距离左右障碍物距离dl和dr均需0.3m；车尾距障碍物的距离h≥0.3m，在确保车尾距障碍物的距离h≥0.3m的前提下，车头应与障碍物平齐(若两边的障碍物长度不等，以较短侧障碍物为基准)。
⑤泊车完成时，***控制方向盘回正，提示驾驶员驻车、熄火。
四、具有方向自动控制功能。
在泊车过程中，***自动控制方向盘转向
五、具有车速自动控制功能。
①在泊车过程中，车速应控制在2km/h-8km/h之间。
②在泊车过程中，***自动控制车速。
③在泊车过程中，车速需保持稳定，泊车过程流畅。
六、具有***失效功能。
①在泊车过程中，驾驶员向方向盘施加的扭矩≥4N*m，***对车辆进行制动操作，退出泊车过程，并提示驾驶员接管车辆。
②在泊车过程中，驾驶员踩刹车踏板，***退出泊车过程，并提示驾驶员接管车辆。
七、具有主动避撞功能。
在整个泊车过程中，车辆不能与障碍物发生碰撞、刮蹭。车辆具备自主停障避撞的功能
实施例四
***软件组成如下：
1)基于超声波的车位识别算法：利用加装于车身的超声波传感器，检测可供车辆停泊的车位。
2)基于环视***的车位识别算法：利用加装于车身的全景环视***，检测车位线，检测可供车辆停泊的车位。
3)车位识别融合算法：根据超声波传感器和环视***共同提供的数据信息进行车位检测，提高车位识别的准确率以及车位识别的适应度。
4)车身信息获取：利用车身可以提供的信息结合外加传感器获取车身速度等信息。
5)轨迹规划算法：根据环境信息，规划出一条无碰安全的轨迹供车辆行驶
6)轨迹跟踪算法：有效的跟踪轨迹规划的结果，实现车辆安全的到达泊车位。
7)车载显控：显示车辆信息和程序调试数据，用于其他算法程序的调试，以及实际车辆测试效果的显示。
8)手机App：实现app对整个***的控制。控制行为包括：启动泊车***；选择泊车方式；终止自动泊车。
实施例五
如图3所示。自动泊车***硬件主要包括超声波传感器301(超声波传感器***)、环视摄像头302(环视摄像头***)、轮速计303、里程计304、英伟达TK1开发板320、MCU控制器330等，分别与用户手中的交互触摸屏310、汽车上的转向***340和制动***341相连。
一、英伟达TK1开发板320。
功能：以英伟达TK1开发板作为自动泊车***的主控制器，在英伟达TK1开发板上搭建基于ubantu14.04的Ros开发环境，基于Ros进行车位识别算法、车位识别的融合算法、轨迹生成算法以及轨迹跟踪算法的开发，并与手机app实现基于zmq的通信。
二、MCU控制器330。
型号：MC9S12XEP100，
功能：串口接收主控制器英伟达TK1发送的数据，转换成CAN信息发送给底层执行控制器。
MCU***主要资源如下表所示。
| 接口 | RS232串口 | MSCAN | GPIO | IIC | 12v电源 | GND | DA输出 |
| 通道/路 | 1 | 2 | 7 | 1 | 2 | 2 | 2 |
三、车身信息获取。
对于车身信息的获取拟采用两种方案：
①可以直接利用现有的GPS/IMU设备提供车身速度和姿态信息，辅助进行车位检测算法和路径规划算法的实验和研究；
②利用型号为WPT700的轮速计303或霍尔传感器获取车速，利用型号为MEASGY407D的陀螺仪获取车辆姿态，从而向***提供车身信息(具体传感器型号仍需继续确认)。
四、超声波传感器301。
超声波雷达***组成：超声波***拟采用由前后8个PDC(parking distacnecontrol停车距离控制***)sensor，左右4个APA(automatic parking ass itance自动泊车***)sensor共同组成，从而实现对车身的全覆盖，安装位置如图4所示，灰色点为PDC(parking distacne control停车距离控制***)sensor，黑色点为APA(automat icparking ass itance自动泊车***)sensor。
功能：侧边APA sensor主要用于停车位的检测，前后PDC sensor主要用于泊车过程中，前后障碍物的检测，实现车辆的停障避撞。
超声波雷达的要求：
APA Sensor：侧方检测车位雷达，探测距离较远，最小探测距离需达3.5m。
PDC Sensor：倒车辅助障碍物检测雷达，探测距离稍近，最小探测距离需达1m。
型号：超声波传感器的具体型号目前暂定东荣电子的超声波雷达。
用户手中的交互触摸屏310可以是智能手机、平板电脑、笔记本电脑、PDA等带有网络功能的智能设备。
实施例六
在北汽EV260新能源汽车上实现的自动车位识别：
1.对汽车的改造(如图5所示)。
汽车改造主要包括刹车和转向的改造，使得车辆能通过控制器进行线控。油门、档位、车速的获取可以从本身的车身CAN上获取。改造的目的是使得车辆在速度、档位、转向上可以被控制。
2.传感器的安装。
超声波雷达安装有12个，其中前向4个，后向4个，侧向各2个。侧向的两个分别安装在前轮和后轮中心的正上方。激光测距模块安装有2个，分别安装在两个前轮中轴线正上方的位置。
3.车位识别障碍物的检测(如图5A所示)。
车位识别中，障碍物的检测是通过超声波传感器来完成的，前后向雷达为短距，主要用作紧急避障。侧向雷达为长距，主要用作侧边障碍物的检测。
4.车位识别障碍物边缘的检测(如图5B所示)。
车位识别中，障碍物边缘的检测是通过机关测距模块来完成的，在障碍物有到没有，或者是没有到有的过程都会引起传感器的跳变，捕捉距离的跳变，同过对位移的推算就能确定跳变边缘的位置。
5.车位识别结果的反馈(如图5C所示)。
通过车辆在自动前行过程中收集到的数据，判定车位的位置，形成车位信息，反馈到自动泊车控制***。
Claims (10)
1.一种自动泊车的车位识别方法，包括通过手机APP连接车辆网络，其特征在于，还包括以下步骤：
步骤1：寻找并前往合适的泊车空位；
步骤2：使用泊车控制模块控制车辆自动进行挡位、方向和速度控制，进行泊车；
步骤3：泊车完成，手机APP显示泊车成功，断开车辆网络。
2.如权利要求1所述的自动泊车的车位识别方法，其特征在于：所述步骤1包括以下子步骤：
步骤01：使用轮速计或霍尔传感器获取车速，当车速小于第一车速阈值时，执行步骤02；
步骤02：搜索泊车空位，并根据车位判断规则确定车位是否合适；
步骤03：根据环境信息，规划出一条无碰安全的轨迹供车辆行驶；
步骤04：使用轨迹跟踪算法跟踪轨迹规划的结果，车辆安全到达泊车位。
3.如权利要求2所述的自动泊车的车位识别方法，其特征在于：所述车位判断规则为在平行泊车条件下，Lb≥Lc+La1,Wb≥Wc+Wa1，表示车位可以进行泊车，其中，Lc为车身长度，Wc为车身宽度，La1为第一长度阈值，Wa1为第一宽度阈值。
4.如权利要求3所述的自动泊车的车位识别方法，其特征在于：所述车位判断规则还为在垂直泊车条件下，Lb≥Lc+La2,Wb≥Wc+Wa2，表示车位可以进行泊车，其中，La2为第二长度阈值，Wa2为第二宽度阈值。
5.如权利要求4述的自动泊车的车位识别方法，其特征在于：所述泊车控制模块具有如下功能：
1)自动转向功能：自动控制方向盘转向；
2)车速控制功能：自动控制车速，将车速V保持在V2-V3之间，其中，V2为第二车速阈值，V3为第三车速阈值；
3)车速保持功能：保持车速稳定；
4)***失效功能：在泊车过程中，当驾驶员有操作动作时，退出泊车过程，并提示驾驶员接管车辆；
5)主动避撞功能：防止车辆与障碍物发生碰撞、刮蹭。
6.一种自动泊车的车位识别***，包括用于通过手机APP连接车辆网络的网络模块，其特征在于，还包括以下模块：
泊车位定位模块：寻找并前往合适的泊车空位；
泊车控制模块：控制车辆自动进行挡位、方向和速度控制，进行泊车；
泊车完成模块：泊车完成，手机APP显示泊车成功，断开车辆网络。
7.如权利要求6所述的自动泊车的车位识别***，其特征在于：所述泊车位定位模块包括如下子模块：
车速获取模块：用于使用轮速计或霍尔传感器获取车速，当车速小于第一车速阈值时，启动车位寻找模块；
车位寻找模块：用于搜索泊车空位，并根据车位判断规则确定车位是否合适；
轨迹规划模块：根据环境信息，规划出一条无碰安全的轨迹供车辆行驶；
轨迹跟踪模块：使用轨迹跟踪算法跟踪轨迹规划的结果，车辆安全到达泊车位。
8.如权利要求7述的自动泊车的车位识别***，其特征在于：所述车位判断规则为使用超声波雷达确定泊车位长度和宽度，判断是否符合泊车条件。
9.如权利要求8所述的自动泊车的车位识别***，其特征在于：在平行泊车条件下，所述泊车位长度Lb的公式为：Lb＝(T1-T2)×V，其中，T1为开始时间，T2为结束时间，V为车辆速度。
10.如权利要求9所述的自动泊车的车位识别***，其特征在于：所述泊车完成模块具有根据泊车标准确定泊车是否完成的功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711132246.4A CN107933548A (zh) | 2017-11-15 | 2017-11-15 | 一种自动泊车的车位识别方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711132246.4A CN107933548A (zh) | 2017-11-15 | 2017-11-15 | 一种自动泊车的车位识别方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107933548A true CN107933548A (zh) | 2018-04-20 |
Family
ID=61932352
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711132246.4A Withdrawn CN107933548A (zh) | 2017-11-15 | 2017-11-15 | 一种自动泊车的车位识别方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107933548A (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108583685A (zh) * | 2018-05-25 | 2018-09-28 | 成都师范学院 | 一种辅助汽车转向操作装置、行车安全***及车辆 |
| CN108773374A (zh) * | 2018-06-13 | 2018-11-09 | 禾多科技（北京）有限公司 | 泊车方法及装置 |
| CN108860141A (zh) * | 2018-06-26 | 2018-11-23 | 奇瑞汽车股份有限公司 | 泊车方法、装置及存储介质 |
| CN109059927A (zh) * | 2018-08-21 | 2018-12-21 | 南京邮电大学 | 复杂环境下多传感器的移动机器人slam建图方法和*** |
| CN109738900A (zh) * | 2019-01-02 | 2019-05-10 | 广州小鹏汽车科技有限公司 | 一种可停车位的检测方法及装置 |
| CN109800658A (zh) * | 2018-12-26 | 2019-05-24 | 中汽研（天津）汽车工程研究院有限公司 | 基于神经网络的泊车位类型在线识别与定位***及方法 |
| CN110901631A (zh) * | 2019-11-29 | 2020-03-24 | 长城汽车股份有限公司 | 一种自动泊车方法、装置及*** |
| CN111028534A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视数字技术股份有限公司 | 一种泊车位检测方法及装置 |
| CN111907516A (zh) * | 2019-05-09 | 2020-11-10 | 广州汽车集团股份有限公司 | 一种全自动泊车方法和*** |
| CN112124301A (zh) * | 2019-06-25 | 2020-12-25 | 上海擎感智能科技有限公司 | 一种自动泊车的控制方法及装置 |
| CN112130120A (zh) * | 2019-06-06 | 2020-12-25 | 北京车和家信息技术有限公司 | 基于硬件在环测试***的泊车模型生成方法、装置、车辆 |
| CN112141082A (zh) * | 2019-06-27 | 2020-12-29 | 博世汽车部件(苏州)有限公司 | 用于泊车辅助的控制单元和方法以及驾驶辅助*** |
| CN112158192A (zh) * | 2020-06-24 | 2021-01-01 | 上汽通用五菱汽车股份有限公司 | 泊车控制方法以及泊车控制*** |
| CN112455432A (zh) * | 2020-12-07 | 2021-03-09 | 安徽江淮汽车集团股份有限公司 | 自动泊车安全控制方法、装置、设备及存储介质 |
| CN112489475A (zh) * | 2020-09-29 | 2021-03-12 | 广州巨时信息科技股份有限公司 | 一种无人驾驶停车*** |
| CN112550275A (zh) * | 2019-09-26 | 2021-03-26 | 比亚迪股份有限公司 | 车辆及其泊车方法、泊车装置和计算机可读存储介质 |
| CN113561966A (zh) * | 2021-08-18 | 2021-10-29 | 东南大学 | 一种基于超声测距技术的自动泊车***车位检测方法 |
| CN114265403A (zh) * | 2021-12-10 | 2022-04-01 | 智己汽车科技有限公司 | 一种基于迎宾引导的自动泊车方法、***、设备及车辆 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202641690U (zh) * | 2012-05-15 | 2013-01-02 | 王伟东 | 驾驶员辅助行车自适应巡航控制*** |
| CN103241239A (zh) * | 2013-04-27 | 2013-08-14 | 重庆邮电大学 | 一种自动泊车***车位识别方法 |
| CN104691544A (zh) * | 2015-04-03 | 2015-06-10 | 重庆瓦力仪器有限公司 | 全自动泊车***及其泊车方法 |
| CN106494395A (zh) * | 2016-09-30 | 2017-03-15 | 惠州华阳通用电子有限公司 | 一种基于数据融合的自动泊车控制方法及装置 |
| CN106843212A (zh) * | 2017-02-08 | 2017-06-13 | 重庆长安汽车股份有限公司 | 自动驾驶基于偏航角修正的车辆应急辅助定向***及方法 |
| CN106945660A (zh) * | 2017-02-24 | 2017-07-14 | 宁波吉利汽车研究开发有限公司 | 一种自动泊车*** |
-
2017
- 2017-11-15 CN CN201711132246.4A patent/CN107933548A/zh not_active Withdrawn
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202641690U (zh) * | 2012-05-15 | 2013-01-02 | 王伟东 | 驾驶员辅助行车自适应巡航控制*** |
| CN103241239A (zh) * | 2013-04-27 | 2013-08-14 | 重庆邮电大学 | 一种自动泊车***车位识别方法 |
| CN104691544A (zh) * | 2015-04-03 | 2015-06-10 | 重庆瓦力仪器有限公司 | 全自动泊车***及其泊车方法 |
| CN106494395A (zh) * | 2016-09-30 | 2017-03-15 | 惠州华阳通用电子有限公司 | 一种基于数据融合的自动泊车控制方法及装置 |
| CN106843212A (zh) * | 2017-02-08 | 2017-06-13 | 重庆长安汽车股份有限公司 | 自动驾驶基于偏航角修正的车辆应急辅助定向***及方法 |
| CN106945660A (zh) * | 2017-02-24 | 2017-07-14 | 宁波吉利汽车研究开发有限公司 | 一种自动泊车*** |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108583685A (zh) * | 2018-05-25 | 2018-09-28 | 成都师范学院 | 一种辅助汽车转向操作装置、行车安全***及车辆 |
| CN108773374A (zh) * | 2018-06-13 | 2018-11-09 | 禾多科技（北京）有限公司 | 泊车方法及装置 |
| CN108860141A (zh) * | 2018-06-26 | 2018-11-23 | 奇瑞汽车股份有限公司 | 泊车方法、装置及存储介质 |
| CN109059927A (zh) * | 2018-08-21 | 2018-12-21 | 南京邮电大学 | 复杂环境下多传感器的移动机器人slam建图方法和*** |
| CN111028534A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视数字技术股份有限公司 | 一种泊车位检测方法及装置 |
| CN109800658A (zh) * | 2018-12-26 | 2019-05-24 | 中汽研（天津）汽车工程研究院有限公司 | 基于神经网络的泊车位类型在线识别与定位***及方法 |
| CN109800658B (zh) * | 2018-12-26 | 2023-05-26 | 中汽研（天津）汽车工程研究院有限公司 | 基于神经网络的泊车位类型在线识别与定位***及方法 |
| CN109738900A (zh) * | 2019-01-02 | 2019-05-10 | 广州小鹏汽车科技有限公司 | 一种可停车位的检测方法及装置 |
| CN111907516A (zh) * | 2019-05-09 | 2020-11-10 | 广州汽车集团股份有限公司 | 一种全自动泊车方法和*** |
| CN112130120A (zh) * | 2019-06-06 | 2020-12-25 | 北京车和家信息技术有限公司 | 基于硬件在环测试***的泊车模型生成方法、装置、车辆 |
| CN112124301A (zh) * | 2019-06-25 | 2020-12-25 | 上海擎感智能科技有限公司 | 一种自动泊车的控制方法及装置 |
| CN112141082A (zh) * | 2019-06-27 | 2020-12-29 | 博世汽车部件(苏州)有限公司 | 用于泊车辅助的控制单元和方法以及驾驶辅助*** |
| CN112141082B (zh) * | 2019-06-27 | 2024-03-22 | 博世汽车部件(苏州)有限公司 | 用于泊车辅助的控制单元和方法以及驾驶辅助*** |
| CN112550275A (zh) * | 2019-09-26 | 2021-03-26 | 比亚迪股份有限公司 | 车辆及其泊车方法、泊车装置和计算机可读存储介质 |
| CN112550275B (zh) * | 2019-09-26 | 2022-04-15 | 比亚迪股份有限公司 | 车辆及其泊车方法、泊车装置和计算机可读存储介质 |
| CN110901631B (zh) * | 2019-11-29 | 2021-07-06 | 长城汽车股份有限公司 | 一种自动泊车方法、装置及*** |
| CN110901631A (zh) * | 2019-11-29 | 2020-03-24 | 长城汽车股份有限公司 | 一种自动泊车方法、装置及*** |
| CN112158192A (zh) * | 2020-06-24 | 2021-01-01 | 上汽通用五菱汽车股份有限公司 | 泊车控制方法以及泊车控制*** |
| CN112489475A (zh) * | 2020-09-29 | 2021-03-12 | 广州巨时信息科技股份有限公司 | 一种无人驾驶停车*** |
| CN112455432A (zh) * | 2020-12-07 | 2021-03-09 | 安徽江淮汽车集团股份有限公司 | 自动泊车安全控制方法、装置、设备及存储介质 |
| CN113561966A (zh) * | 2021-08-18 | 2021-10-29 | 东南大学 | 一种基于超声测距技术的自动泊车***车位检测方法 |
| CN114265403A (zh) * | 2021-12-10 | 2022-04-01 | 智己汽车科技有限公司 | 一种基于迎宾引导的自动泊车方法、***、设备及车辆 |
| CN114265403B (zh) * | 2021-12-10 | 2024-03-19 | 智己汽车科技有限公司 | 一种基于迎宾引导的自动泊车方法、***、设备及车辆 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107933548A (zh) | 一种自动泊车的车位识别方法及*** | |
| CN110775052B (zh) | 一种基于视觉与超声波感知融合的自动泊车方法 | |
| US11060874B2 (en) | Map information update system and map information update server | |
| US20220121215A1 (en) | Target abnormality determination device | |
| CN110362077A (zh) | 无人驾驶车辆紧急避险决策***、方法及介质 | |
| CN109131317A (zh) | 基于多段式规划与机器学习的自动垂直泊车***及方法 | |
| CN111923927B (zh) | 用于交互感知交通场景预测的方法和装置 | |
| CN111422196A (zh) | 一种适用于微巴的智能网联自动驾驶***及方法 | |
| CN107807634A (zh) | 用于车辆的驾驶辅助装置 | |
| CN107472350A (zh) | 车辆控制装置、车辆控制方法和车辆控制程序 | |
| CN113460033B (zh) | 一种自动泊车方法以及装置 | |
| CN105702083A (zh) | 基于分布式视觉的停车场-车辆协同智能停车***及方法 | |
| CN110060467A (zh) | 预测装置、预测方法及存储介质 | |
| CN102044170A (zh) | 车辆的驾驶辅助控制装置 | |
| CN111289978A (zh) | 一种车辆无人驾驶行为决策的方法和*** | |
| CN113631452B (zh) | 一种变道区域获取方法以及装置 | |
| CN103781685A (zh) | 车辆用自主行驶控制*** | |
| CN107650906B (zh) | 智能泊车***及其控制方法 | |
| CN111522350A (zh) | 感知方法、智能控制设备及自动驾驶车辆 | |
| US11814072B2 (en) | Method and system for conditional operation of an autonomous agent | |
| JP2019191694A (ja) | 進路決定装置 | |
| JP2018063476A (ja) | 運転支援装置、運転支援方法及び運転支援用コンピュータプログラム | |
| AU2022200113A1 (en) | Proactive lane change for autonomous vehicles | |
| JP2718033B2 (ja) | 自律走行車両制御装置 | |
| CN113589685B (zh) | 一种基于深度神经网络的挪车机器人控制***及其方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180420 |