CN109313031B - 车载处理装置 - Google Patents
车载处理装置 Download PDFInfo
- Publication number
- CN109313031B CN109313031B CN201780031226.XA CN201780031226A CN109313031B CN 109313031 B CN109313031 B CN 109313031B CN 201780031226 A CN201780031226 A CN 201780031226A CN 109313031 B CN109313031 B CN 109313031B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- coordinate system
- parking lot
- information
- processing device
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 181
- 230000033001 locomotion Effects 0.000 claims abstract description 34
- 238000006243 chemical reaction Methods 0.000 claims description 34
- 230000000737 periodic effect Effects 0.000 claims description 16
- 230000002093 peripheral effect Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 2
- 230000010365 information processing Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 61
- 230000008569 process Effects 0.000 description 52
- 238000010586 diagram Methods 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000036544 posture Effects 0.000 description 7
- 230000009466 transformation Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010422 painting Methods 0.000 description 3
- 240000004050 Pentaglottis sempervirens Species 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004092 self-diagnosis Methods 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/027—Parking aids, e.g. instruction means
- B62D15/0285—Parking performed automatically
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的车载处理装置能够进行抗干扰强的位置推断。本发明的车载处理装置具备:存储部,其存放点群数据,所述点群数据包含表示物体的一部分的点在第1坐标系中的多个坐标;传感器输入部,其获取传感器的输出,所述传感器获取车辆周围的信息;移动信息获取部,其获取与车辆的移动相关的信息;局部周边信息制作部,其根据传感器输入部及移动信息获取部所获取的信息来生成局部周边信息,所述局部周边信息包含第2坐标系中的车辆的位置以及表示物体的一部分的点在第2坐标系中的多个坐标;以及位置推断部,根据点群数据和局部周边信息来推断第1坐标系与第2坐标系的关系,从而推断第1坐标系中的车辆的位置。
Description
技术领域
本发明涉及一种车载处理装置。
背景技术
近年来,业界在积极开展实现汽车的自动驾驶的活动。所谓自动驾驶,是指利用相机、超声波雷达、雷达等外界传感器来感测车辆周围,根据感测结果来进行判断,使得车辆在没有用户的操作的情况下自主行驶。该自动驾驶中需要车辆的位置推断。
专利文献1中揭示有一种自动行驶装置,其特征在于,具备:位置检测单元,其测量车辆的位置;摄像单元,其拍摄车辆周边而生成影像数据;位置算出单元,其根据道路构成物的位置误差来设定影像数据中的道路构成物的探索范围,对该探索范围内进行处理而算出所述道路构成物的位置;自身车辆位置修正单元,其根据由所述位置算出单元算出的道路构成物的位置来修正由所述位置检测单元测量出的车辆位置;以及控制指令输出单元,其输出基于修正后的车辆位置的自动行驶用控制指令。
现有技术文献
专利文献
专利文献1:日本专利特开2007-183432号公报
发明内容
发明要解决的问题
专利文献1中并未提及干扰相关的内容,而室外环境下通常会产生各种干扰,因此需要抗干扰强的位置推断。
解决问题的技术手段
根据本发明的第1实施方式,车载处理装置具备:存储部,其存放点群数据,所述点群数据包含表示物体的一部分的点在第1坐标系中的多个坐标;传感器输入部,其获取传感器的输出,所述传感器获取车辆周围的信息;移动信息获取部,其获取与所述车辆的移动相关的信息;局部周边信息制作部,其根据所述传感器输入部及所述移动信息获取部所获取的信息来生成局部周边信息,所述局部周边信息包含第2坐标系中的所述车辆的位置以及表示物体的一部分的点在所述第2坐标系中的多个坐标;以及位置推断部,其根据所述点群数据和所述局部周边信息来推断所述第1坐标系与所述第2坐标系的关系,从而推断所述第1坐标系中的所述车辆的位置。
发明的效果
根据本发明,车载处理装置能够进行抗干扰强的位置推断。
附图说明
图1为自动泊车***100的构成图。
图2为表示停车场点群124A的一例的图。
图3为表示车载处理装置120的记录阶段的动作的流程图。
图4为表示车载处理装置120的自动泊车阶段的整体动作的流程图。
图5为表示自动泊车阶段的自身位置推断处理的流程图。
图6为表示自动泊车阶段的匹配处理的流程图。
图7为表示自动泊车阶段的自动泊车处理的流程图。
图8的(a)为表示停车场901的一例的俯视图,图8的(b)为将RAM 122中保存的地面标记的点群可视化的图。
图9的(a)为表示将停车场点群124A的点群数据可视化的一例的图,图9的(b)为表示将新检测到的点群数据可视化的一例的图。
图10为表示停车场901中的车辆1的当前位置的图。
图11为表示将从车辆1在图10所示的位置上拍摄到的影像中提取到的点群转换成停车场坐标而得的数据的图。
图12为表示车辆1在停车场坐标系中的位置的推断含有误差的情况下的、停车场点群124A与图11所示的局部周边信息122B的对比的图。
图13的(a)~(c)为表示使图13所示的局部周边信息122B移动泊车框宽度的整数倍的情况下的与停车场点群124A的关系的图。
图14为第2实施方式中的自动泊车***100A的构成图。
图15为表示第2实施方式中的停车场的一例的图。
图16的(a)为表示动作例中的局部周边信息122B的图,图16的(b)为表示停车场点群124A与局部周边信息122B的对应的图。
图17为第3实施方式中的自动泊车***100B的构成图。
图18的(a)~(c)为表示第3实施方式中的动作例的图。
具体实施方式
(第1实施方式)
下面,参考图1~图13,对本发明的车载处理装置的第1实施方式进行说明。
图1为包含本发明的车载处理装置的自动泊车***100的构成图。自动泊车***100搭载于车辆1中。自动泊车***100由传感器组102、107~109、输入输出装置组110、111、114、控制车辆1的控制装置组130~133以及车载处理装置120构成。传感器组、输入输出装置组及控制装置组以信号线与车载处理装置120连接,与车载处理装置120发送接收各种数据。
车载处理装置120具备运算部121、RAM 122、ROM 123、存储部124及接口125。运算部121为CPU。也可构成为利用FPGA等其他运算处理装置来执行全部或一部分运算处理。RAM122为可读写的存储区域,作为车载处理装置120的主存储装置进行动作。RAM 122中存放后文叙述的离群值列表122A以及后文叙述的局部周边信息122B。ROM 123为读取专用的存储区域,存放后文叙述的程序。该程序在RAM 122中展开而由运算部121加以执行。运算部121读入并执行程序,由此作为点群数据获取部121A、局部周边信息制作部121B及位置推断部121C而进行动作。
存储部124为非易失性存储装置,作为车载处理装置120的辅助存储装置进行动作。存储部124中存放停车场点群124A。所谓停车场点群124A,是指1个或多个停车场数据。所谓停车场数据,是指某一停车场的位置信息即纬度-经度、表示泊车区域的坐标以及构成存在于该停车场的地面标记的点的坐标的集合。地面标记将于后文叙述。接口125进行车载处理装置120与构成自动泊车***100的其他设备的信息的发送接收。
传感器组包含拍摄车辆1周围的相机102、GPS接收器107、车速传感器108及舵角传感器109。
相机102将拍摄获得的影像(以下记作拍摄影像)输出至车载处理装置120。车载处理装置120使用相机102的拍摄影像来进行后文叙述的地面标记的定位。相机102的焦距、摄像元件尺寸等内部参数以及相机102在车辆1上的安装位置、安装姿态等外部参数是已知的,预先保存在ROM 123中。车载处理装置120使用ROM 123中存放的内部参数及外部参数来算出被摄体与相机102的位置关系。
GPS接收器107从构成卫星导航***的多个卫星接收信号,通过基于接收到的信号的运算来算出GPS接收器107的位置即纬度及经度。再者,由GPS接收器107算出的纬度及经度的精度可不高,例如可含有数m~10m左右的误差。GPS接收器107将算出的纬度及经度输出至车载处理装置120。
车速传感器108以及舵角传感器109分别测定车辆1的车速和舵角并输出至车载处理装置120。车载处理装置120使用车速传感器108及舵角传感器109的输出、通过公知的推算定位技术来算出车辆1的移动量及移动方向。
在输入装置110中输入用户对车载处理装置120的动作指令。输入装置110包含记录开始按钮110A、记录完成按钮110B及自动泊车按钮110C。显示装置111例如为液晶显示器,显示从车载处理装置120输出的信息。再者,输入装置110与显示装置111也能以一体的形式构成为例如支持触摸操作的液晶显示器。在该情况下,可触摸液晶显示器的规定区域,由此判断记录开始按钮110A、记录完成按钮110B或自动泊车按钮110C被按下。
通信装置114用于车辆1外部的设备与车载处理装置120以无线方式发送接收信息。例如,在用户位于车辆1之外时,与用户携带的移动终端进行通信而发送接收信息。通信装置114进行通信的对象不限定于用户的移动终端。
车辆控制装置130根据车载处理装置120的动作指令来控制操舵装置131、驱动装置132及制动装置133。操舵装置131操作车辆1的转向。驱动装置132对车辆1赋予驱动力。驱动装置132例如通过增加车辆1所配备的发动机的目标转速来增加车辆1的驱动力。制动装置133对车辆1赋予制动力。
(地面标记定位)
所谓地面标记,是指具有可以通过传感器加以识别这一特征的物体,例如作为路面涂绘物的1种的泊车框线、成为妨碍车辆行驶的障碍物的建筑物的墙壁等。在本实施方式中,作为移动体的车辆、人不包含在地面标记之内。车载处理装置120根据从相机102输入的信息来检测存在于车辆1周边的地面标记,也就是检测具有可以通过传感器加以识别的特征的点。以下,将基于从外界传感器即相机102输入的信息的地面标记的检测称为“地面标记定位”。
车载处理装置120以相机102的拍摄影像为对象、以如下方式使影像识别程序动作,由此检测泊车框等路面涂绘物等。泊车框的检测中,首先通过索贝尔滤波等从输入影像中提取边缘。接着,例如提取从白到黑的变化即边缘的上升与从黑到白的变化即边缘的下降的边缘对。继而,若该边缘对的间隔与预先规定的第1规定距离也就是构成泊车框的白线的粗细大致一致,则将该边缘对作为泊车框的候选。通过同样的处理来检测多个泊车框的候选,若泊车框的候选彼此的间隔与预先规定的第2规定距离也就是泊车框的白线的间隔大致一致,则将它们检测为泊车框。泊车框以外的路面涂绘物通过执行以下处理的影像识别程序来加以检测。首先,通过索贝尔滤波等从输入影像中提取边缘。探索边缘强度比预先规定的一定的值大、边缘彼此的间隔相当于白线的宽度的预先规定的距离的像素,由此可以检测出来。
车载处理装置120例如通过已知的模板匹配来检测车辆、人,并从测定结果中去除。此外,也可以如下方式将检测到的移动体从测定结果中去除。即,车载处理装置120使用内部参数及外部参数来算出拍摄影像中的被摄体与相机102的位置关系。接着,车载处理装置120在相机102连续获取到的拍摄影像中追踪被摄体,由此算出车辆1与被摄体的相对速度。最后,车载处理装置120使用车速传感器108及舵角传感器109的输出来算出车辆1的速度,若与同被摄体的相对速度不一致,则判断被摄体为移动体,从而将该移动体相关的信息从测定结果中去除。
(停车场点群124A)
图2为表示存储部124中存放的停车场点群124A的一例的图。图2中,展示了存放有2个停车场数据作为停车场点群124A的例子。1个停车场数据由该停车场的位置即纬度及经度(以下称为纬度经度)、泊车区域的坐标以及构成地面标记的点在二维平面上的坐标构成。所谓停车场的位置,例如为停车场的入口附近、停车场的中央附近、或者泊车位置的纬度经度。泊车区域的坐标以及构成地面标记的点的坐标是该停车场数据固有的坐标系中的坐标。以下,将停车场数据中的坐标系称为“停车场坐标系”。停车场坐标系例如以记录开始时的车辆1的坐标为原点,以记录开始时的车辆1的行进方向为Y轴,以记录开始时的车辆1的右方为X轴。关于泊车区域的坐标,例如在将泊车区域设为矩形的情况下,以该矩形区域的4个顶点的坐标的形式加以记录。但泊车区域并不限定于矩形,也可为矩形以外的多角形、椭圆形状。
(离群值列表122A)
离群值列表122A中存放被车载处理装置120排除在处理对象之外的局部周边信息122B的点的信息。离群值列表122A像后文叙述那样由车载处理装置120酌情加以更新。
(局部周边信息122B)
局部周边信息122B中存放车载处理装置120在后文叙述的自动泊车阶段下检测到的构成地面标记的点的坐标。该坐标为如下坐标系:以开始局部周边信息122B的记录时的车辆1的位置及姿态为基准,例如将该位置设为原点,将车辆1的行进方向设为Y轴,将行进方向右方设为X轴。以下,将该坐标系称为“局部坐标系”。
(车载处理装置120的动作概要)
车载处理装置120主要有2个动作阶段也就是记录阶段和自动泊车阶段。若没有来自用户的特别的指示,则车载处理装置120以自动泊车阶段进行动作。即,记录阶段是通过用户的指示来开始。
在记录阶段,由用户驾驶车辆1,车载处理装置120根据来自车辆1所配备的传感器的信息来采集停车场数据也就是存在于停车场的白线、障碍物的信息以及泊车位置的信息。车载处理装置120将采集到的信息作为停车场点群124A存放至存储部124。
在自动泊车阶段,由车载处理装置120控制车辆1,根据存储部124中存放的停车场点群124A以及来自车辆1所配备的传感器的信息将车辆1停泊至预先规定的泊车位置。车载处理装置120根据来自传感器的信息来检测存在于车辆1周围的白线、障碍物并与停车场点群124A进行对照,由此推断当前位置。即,车载处理装置120在不使用从GPS接收器107获得的信息的情况下推断停车场坐标系中的车辆1的当前位置。下面,对记录阶段和自动泊车阶段进行详细说明。
(记录阶段)
用户在停车场的入口附近按下记录开始按钮110A,使车载处理装置120开始记录阶段的动作。其后,用户通过自己的驾驶使车辆1移动至泊车位置,停车后按下记录完成按钮110B,使车载处理装置120结束记录阶段的动作。
当用户按下记录开始按钮110A时,车载处理装置120开始记录阶段的动作,当用户按下记录完成按钮110B时,车载处理装置120结束记录阶段的动作。车载处理装置120进行的记录阶段的动作分为构成地面标记的点群的提取和提取到的点群的记录这2个动作。
对车载处理装置120进行的点群的提取处理进行说明。
当用户按下记录开始按钮110A时,车载处理装置120在RAM 122中确保暂时性记录区域。继而,车载处理装置120重复以下处理直至记录完成按钮110B被按下为止。即,车载处理装置120根据相机102的拍摄影像来提取构成地面标记的点群。此外,车载处理装置120根据车速传感器108及舵角传感器109的输出来算出从相机102上一次拍摄起到本次拍摄为止车辆1移动过的移动量及移动方向。继而,车载处理装置120将与车辆1的位置关系以及根据车辆1的移动量和移动方向提取到的点群记录至RAM 122。车载处理装置120重复该处理。
车辆1的位置以及点群的坐标以记录坐标系的坐标值的形式加以记录。“记录坐标系”例如可以处理为以开始记录时的车辆1的位置为原点(0,0)、以记录开始时的车辆1的行进方向(姿态)为Y轴、以记录开始时的车辆1的右方为X轴的坐标系的坐标值。因此,即便是在同一停车场中记录点群,所设定的记录坐标系也会因开始记录时的车辆1的位置、姿态而不同,因此,构成地面标记的点群记录至不同坐标。
用户使车辆停泊至目标泊车位置并操作记录完成按钮110B。当记录完成按钮110B被按下时,车载处理装置120将当前位置作为泊车位置记录至RAM 122。泊车位置例如以将车辆1近似为矩形时的四个角落的坐标的形式加以记录。进而,车载处理装置120将GPS接收器107所输出的纬度经度作为停车场的坐标而一并加以记录。接着,车载处理装置120以如下方式进行点群的记录处理。但也可将记录开始按钮110A被按下时GPS接收器107所输出的纬度经度记录为停车场的坐标。
车载处理装置120判断通过记录完成按钮110B的操作加以记录的停车场的坐标即纬度经度是否与已记录在停车场点群124A中的任一停车场的坐标大致一致。在两者未大致一致的情况下,车载处理装置120将RAM 122中保存的点群的信息作为新的停车场数据记录至停车场点群124A。在两者大致一致的情况下,车载处理装置120判断是否将停车场的坐标大致一致的点群的信息合并为1个停车场的点群。要进行该判断,车载处理装置120首先以停车场数据中包含的泊车位置与RAM中记录的泊车位置一致的方式进行坐标变换,接着,算出停车场点群124A的点群与RAM 122中保存的点群的一致度即点群一致度。继而,若算出的点群一致度大于阈值,则车载处理装置120判断对两者进行统合,若为阈值以下,则碰到不进行统合。点群一致度的算出将于后文叙述。
在判断不进行统合的情况下,车载处理装置120将RAM 122中保存的点群作为新的停车场数据记录至停车场点群124A。在判断进行统合的情况下,车载处理装置120在停车场点群124A的现有的停车场数据中追加RAM 122中保存的点群。
(记录阶段的流程图)
图3为表示车载处理装置120的记录阶段的动作的流程图。以下所说明的各步骤的执行主体为车载处理装置120的运算部121。在进行图3所示的处理的情况下,运算部121作为点群数据获取部121A而发挥功能。
在步骤S501中,判断记录开始按钮110A是否被按下。在判断记录开始按钮110A被按下的情况下,进入至步骤S501A,在判断未被按下的情况下,留在步骤S501。在步骤S501A中,在RAM 122中确保新的记录区域。该存储区域中,以前文所述的记录坐标系的坐标的形式记录提取到的点群和车辆1的当前位置。
在步骤S502中,从传感器组获取信息来进行前文所述的地面标记定位,也就是进行使用相机102的拍摄影像的、构成地面标记的点群的提取。在接下来的步骤S503中,推断从相机102上一次拍摄起到进行最新的拍摄为止的时间内的车辆1的移动量,对RAM 122中记录的记录坐标系中的车辆1的当前位置进行更新。车辆1的移动量可以通过多种方法来推断,例如,可以像前文所述那样根据相机102的拍摄影像中的存在于路面的被摄体的位置的变化来推断车辆1的移动量。此外,在搭载有误差较小的高精度GPS接收器作为GPS接收器107的情况下,也可利用其输出。接着,进入至步骤S504。
在步骤S504中,根据步骤S503中更新过的当前位置将步骤S502中提取到的点群以记录坐标系的坐标的形式保存至RAM 122。在接下来的步骤S505中,判断记录完成按钮110B是否被按下,在判断记录完成按钮110B被按下的情况下,进入至步骤S505A,在判断记录完成按钮110B未被按下的情况下,返回至步骤S502。在步骤S505A中,从GPS接收器107获取车辆1的当前的纬度经度,并记录泊车位置即车辆1的当前位置而且是车辆1的四个角落的记录坐标系中的坐标。接着,进入至步骤S506。
在步骤S506中,判断停车场点群124A中是否记录有具有与步骤S505A中获取到的车辆1的当前的纬度经度大致一致的纬度经度的停车场数据。在判断车辆1的当前的纬度经度与停车场点群124A中记录的任一停车场数据的纬度经度大致一致的情况下,进入至步骤S507,在这之外的情况下,进入至步骤S510。以下,将被判断为纬度经度与车辆1的当前的纬度经度大致一致的停车场点群124A的停车场数据称为目标停车场数据。
在步骤S507中,以泊车位置为基准,将RAM 122中保存的点群数据的坐标系即记录坐标系变换为目标停车场数据的点群数据的坐标系。即,以目标停车场数据中包含的泊车位置与步骤S505A中记录的泊车位置一致的方式导出记录坐标系与停车场坐标系的坐标变换式。继而,使用该坐标变换式,将RAM 122中以记录坐标系的形式保存的构成地面标记的点的坐标变换为目标停车场数据的停车场坐标系。
在接下来的步骤S507A中,算出RAM 122中保存的点群数据与目标停车场数据的点群一致率IB。点群一致率IB通过下式1算出。
IB=2*Din/(D1+D2)···式1
其中,式1中,“Din”为步骤S507中进行了坐标变换的点群数据的各点与目标停车场数据的点群数据的各点的距离在规定距离以内的点的数量。此外,式1中,“D1”为RAM122中保存的点群数据中的点的数量,“D2”为目标停车场数据的点群数据中的点的数量。接着,进入至步骤S508。
在步骤S508中,判断步骤S507A中算出的点群一致率是否大于规定阈值。在判断大于阈值的情况下,进入至步骤S509,在判断为阈值以下的情况下,进入至步骤S510。
在步骤S509中,进行合并处理,也就是在存储部124中存放的停车场点群124A的目标停车场数据中追加步骤S507中进行了坐标变换的点群数据。在步骤S506或步骤S508中作出否定判断的情况下执行的步骤S510中,将RAM 122中保存的点群数据以及步骤S505A中记录的车辆1的纬度经度及泊车位置作为新的停车场数据记录至停车场点群124A。以上,结束图3的流程图。
(自动泊车阶段)
当用户驾驶车辆1而移动到停车场点群124A中记录的任一停车场的附近时,显示装置111显示可以进行自动泊车这一内容。此时,若用户按下自动泊车按钮110C,则开始车载处理装置120进行的自动泊车处理。
下面,使用流程图,对车载处理装置120的动作进行说明。
(自动泊车处理的整体流程)
图4为表示车载处理装置120的自动泊车阶段的整体动作的流程图。以下所说明的各步骤的执行主体为车载处理装置120的运算部121。
车载处理装置120首先使用GPS接收器107对当前的纬度经度进行定位(步骤S601),并判定该纬度经度是否与停车场点群124A的任一停车场数据的纬度经度大致一致。换句话说,判断有无存在于距车辆1的位置在规定距离以内的停车场(步骤S602)。在判断任一停车场数据的纬度经度与车辆1的纬度经度大致一致的情况下,进入至步骤S603,在判断与任何停车场数据的纬度经度都不是大致一致的情况下,返回至步骤S601。再者,在返回至步骤S601的情况下,有可能因通过用户的驾驶使得车辆1移动而在步骤S602中作出肯定判断。
继而,车载处理装置120确定停车场点群124A中包含的多个停车场数据当中具有与车辆1的当前位置大致一致的纬度经度的停车场数据(步骤S603)。接着,车载处理装置120进行作为初始化处理的RAM 122中存放的局部周边信息122B的初始化以及RAM 122中保存的车辆1的当前位置的初始化。具体而言,若记录有以前的信息,则将其删掉,设定新的坐标系。在本实施方式中,将该坐标系称为局部坐标系。该局部坐标系是根据执行步骤S603A时的车辆1的位置及姿态来设定。例如,将执行步骤S603A时的车辆1的位置设定为局部坐标系的原点,并根据执行步骤S603A时的朝向来设定X轴及Y轴。此外,车辆1的当前位置的初始化是将车辆1的当前位置设定为原点(0,0)。
接着,通过图5所示的次序来进行自身位置推断,也就是推断车辆1在停车场坐标系中的位置(步骤S604),并在步骤S605中判断是否推断出了自身位置。在判断推断出的情况下,进入至步骤S606,在判断未推断出的情况下,返回至步骤S604。
在步骤S606中,车载处理装置120在显示装置111上显示可以进行自动泊车这一内容,在接下来的步骤S607中,判断用户是否按下了自动泊车按钮110C。在判断自动泊车按钮110C被按下的情况下,进入至步骤S608,通过图7所示的次序来执行自动泊车处理,在判断自动泊车按钮110C未被按下的情况下,返回至步骤S606。
参考图5,对图4的步骤S604中执行的自身位置推断处理的详情进行说明。在进行图5的步骤S621~S623所示的处理的情况下,运算部121作为局部周边信息制作部121B而发挥功能。
步骤S621的地面标记定位、步骤S622的自身车辆移动量推断以及步骤S623的局部周边信息122B的记录分别与图3的步骤S502~S504的处理大致相同。不同点在于,记录RAM122中存储的数据作为局部周边信息122B。当步骤S623的执行完成时,车载处理装置120进行在图6中展示详情的匹配处理(步骤S624)。在该匹配处理中,获得停车场坐标系与局部坐标系的对应关系也就是停车场坐标系与局部坐标系的坐标变换式。在接下来的步骤S625中,车载处理装置120使用步骤S622中更新过的局部坐标系中的车辆1的坐标和步骤S624中获得的坐标变换式来算出停车场坐标系中的车辆1的坐标即自身位置。接着,进入至步骤S626。
在步骤S626中,车载处理装置120执行判断步骤S625中算出的位置的可靠性的自诊断。自诊断例如使用以下3个指标来进行判断。
在第1指标中,对使用车速传感器108及舵角传感器109的输出而通过公知的推算定位技术推断出的车辆1的移动量与通过自身位置推断而推断出的规定期间内的移动量进行比较,在差比预先规定的阈值大的情况下,判断可靠度较低。
在第2指标中,利用匹配时计算的对应点的误差量来进行判断。在误差量比预先规定的阈值大的情况下,判断可靠度较低。
在第3指标中,实施是否有类似解的判定。在探索到从所获得的解平移泊车框宽度程度等类似解的情况下,在对应点误差为一定以内的点有大致相同的数量时,判断可靠度较低。在这3个指标下均未判断可靠度较低的情况下,判断推断出了自身位置。
参考图6,对图5的步骤S624中执行的匹配处理的详情进行说明。在进行图6所示的处理的情况下,运算部121作为位置推断部121C而发挥功能。
在步骤S641中,对局部周边信息122B运用RAM 122中存放的离群值列表122A,将局部周边信息122B中包含的点群当中记载于离群值列表122A中的点暂时排除在处理对象之外。该运用范围为步骤S642~S653,在步骤S654中,以前包含在离群值列表122A中的点也成为对象。但在图6所示的流程图的初次执行时,无法执行步骤S641~S643,因此从步骤S650起开始执行。接着,进入至步骤S641A。
在步骤S641A中,将从最新的拍摄影像检测到的点群也就是图5的步骤S621中检测到的构成地面标记的点群的坐标变换为停车场坐标系的坐标。该变换是通过使用步骤S622中更新过的车辆1的局部坐标系中的位置以及上一次算出的局部坐标系向停车场坐标系的坐标变换式来实现。
在接下来的步骤S642中,算出瞬间一致度IC。瞬间一致度IC通过下式2算出。
IC=DIin/DIall···式2
其中,式2中,“DIin”是步骤S641A中变换成停车场坐标系的从最新的拍摄影像检测到的点群当中、到构成停车场点群124A的最近的点为止的距离为预先规定的阈值以下的点的数量。此外,式2中,“DIall”是步骤S621中检测到的点群的数量。接着,进入至步骤S643。
在步骤S643中,判断步骤S642中算出的瞬间一致度IC是否大于阈值。在判断瞬间一致度IC大于阈值的情况下,进入至步骤S650,在判断瞬间一致度IC为阈值以下的情况下,进入至步骤S644。
在步骤S644中,从成为停车场点群124A的对象的停车场数据即点群数据中检测周期性特征例如并排的多个泊车框。如前文所述,停车场点群中包含的点群是提取影像的边缘等而获得,因此,利用以相当于白线的粗细的间隔排列的点,可以检测泊车框线。在接下来的步骤S645中,判断步骤S644中是否检测到了周期性特征,在判断检测到的情况下,进入至步骤S646,在判断未检测到的情况下,进入至步骤S650。在步骤S646中,算出周期性特征的周期例如泊车框的宽度。此处所说的所谓泊车框的宽度,是指构成泊车框的白线彼此的间隔。接着,进入至步骤S647。
在步骤S647中,以上一次的步骤S653中算出的坐标变换式为基准使该坐标变换式按多种形式变化而分别算出整体一致度IW。坐标变换式以停车场点群所检测到的周期性特征的整数倍移动的方式按多种形式变化。整体一致度IW通过下式3算出。
IW=DWin/DWall···式3
其中,式3中,“DWin”是使用前文所述的坐标变换式将构成局部周边信息122B的点变换为停车场坐标系的点当中、到构成停车场点群124A的最近的点为止的距离为预先规定的阈值以下的点的数量。此外,式3中,“DWall”是步骤S621中检测到的点的数量。接着,进入至步骤S648。
在步骤S648中,将给出步骤S647中算出的多个整体一致度IW当中最大的整体一致度IW的坐标变换式存储至RAM 122并进入至步骤S650。
步骤S650中的关联处理、步骤S651中的误差最小化处理以及步骤S625中的收敛判定处理可以利用已知的点群匹配技术即ICP(Iterative Closest Point)算法。其中,步骤S650中的初始值的设定是本实施方式中特有的,因此详细进行说明,其他仅说明概略。
在步骤S643中作出肯定判定的情况、步骤S645中作出否定判定的情况、步骤S648的执行结束的情况、或者步骤S652中作出否定判定的情况下执行的步骤S650中,算出停车场点群124A的停车场数据中包含的点群与局部周边信息122B中包含的点群的关联。在接着步骤S643或步骤S648之后执行的情况下,局部周边信息122B的点群数据使用利用RAM 122中记录的坐标变换式进行坐标变换而得的值。即,在步骤S643中作出肯定判定而执行步骤S650的情况下,使用上一次执行的步骤S653中算出的坐标变换式。另一方面,在接着步骤S648之后执行步骤S650的情况下,使用步骤S648中存储的坐标变换式。接着,进入至步骤S651。
在步骤S651中,以对应点的误差达到最小的方式变更坐标变换式。例如,以步骤S650中进行了关联的点彼此的距离的指标的和达到最小的方式变更坐标变换式。可以采用距离的绝对值的和作为进行了关联的点彼此的距离的指标的和。在接下来的步骤S652中,判断误差是否已收敛,在判断已收敛的情况下,进入至步骤S653,在判断未收敛的情况下,返回至步骤S650。在接下来的步骤S653中,将最后在步骤S651中进行了变更的坐标变换式保存至RAM 122并进入至步骤S654。
在步骤S654中,以如下方式更新离群值列表122A。首先,将RAM 122中存放的现有的离群值列表122A清空。接着,使用步骤653中记录的坐标变换式将局部周边信息122B的点群变换为停车场坐标系,并算出构成局部周边信息122B的各点与该点所对应的构成停车场点群124A的点的距离即欧式距离。继而,在算出的距离比预先规定的距离长的情况下,将该局部周边信息122B的点加入至离群值列表122A。其中,此时也可将在空间上位于端部这一情况作为加入离群值列表122A的进一步的条件。所谓空间上的端部,是指开始记录时获取到的点等与其他点的距离较远的点。通过以上处理,离群值列表122A得到更新。以上,结束图6的流程图。
参考图7,对图4的步骤S608中执行的自动泊车处理的详情进行说明。以下所说明的各步骤的执行主体为车载处理装置120。
在步骤S661中,推断停车场坐标系中的车辆1的位置。本步骤中的处理与图4的步骤S604相同,因此省略说明。在接下来的步骤S662中,通过已知的路径生成方法来生成从步骤S661中推断出的位置起到停车场点群124A中存放的泊车位置为止的行驶路径。接着,进入至步骤S663。
在步骤S663中,经由车辆控制装置130来控制操舵装置131、驱动装置132及制动装置133,使车辆1沿着步骤S662中生成的路径移动至泊车位置。其中,可仅在自动泊车按钮110C被用户持续按住的情况下对驱动装置132输出动作指令。此外,当从相机102的拍摄影像中提取到人物或移动车辆等时,使制动装置133动作而使车辆1停止。在接下来的步骤S664中,与步骤S661同样地推断车辆1的位置。在接下来的步骤S665中,判断泊车是否已完成也就是车辆1是否已到达泊车位置,在判断泊车未完成的情况下,返回至步骤S663,在判断泊车已完成的情况下,结束图7的流程图。
(动作例)
参考图8~图13,对记录阶段及自动泊车阶段的具体动作进行说明。
图8的(a)为表示停车场901的一例的俯视图。停车场901设置在建筑物902的周围。停车场901的出入口仅有图示左下的1处。图8的(a)所示的四角表示作为路面涂绘物的泊车框,以影线表示的泊车框903为车辆1的泊车区域(泊车已完成时成为泊车位置的区域)。在本动作例中,地面标记仅以泊车框线的形式进行说明。在本动作例中,像图8的(a)所示那样以三角形表示车辆1,三角形的锐角表示车辆1的行进方向。
(动作例|记录阶段之一)
当用户在停车场901的入口附近按下记录开始按钮110A时,车载处理装置120开始地面标记定位,记录构成泊车框线的点的坐标(图3的步骤S501:是,S502~S504)。继而,重复图3的步骤S502~S504的处理直至车辆1记录完成按钮110B被按下为止。
图8的(b)为将RAM 122中保存的地面标记的点群可视化的图。图8的(b)中,实线表示RAM 122中保存的地面标记的点群,虚线表示RAM 122中未保存的地面标记。车辆1的相机102可拍摄的范围是有极限的,因此,如图8的(b)所示,在车辆1位于停车场901的入口附近时,仅记录停车场901的入口附近的泊车框线。当用户使车辆1移动至停车场901的内部时,车载处理装置120可以记录整个停车场901的地面标记的点群。
当用户使车辆1停泊至泊车框903中并按下记录完成按钮110B时,车载处理装置120从GPS接收器107获取车辆1的纬度经度,而且记录车辆1的四个角落的坐标(步骤S505:是,S505A)。在停车场点群124A中未记录有与车辆1的当前的纬度经度大致一致的纬度经度的情况下(S506:否),记录RAM 122中保存的点群作为构成停车场点群124A的新的数据即新的停车场数据。
(动作例|记录阶段之二)
作为另一例,对记录有图9的(a)所示的点群数据作为停车场点群124A的停车场数据、新获得图9的(b)所示的点群数据的情况进行说明。图9的(a)所示的点群数据例如是从图8的(a)所示的停车场901的入口靠右行驶而到达泊车位置的情况下获得的点群数据。由于与图8的(a)相比靠右行驶,因此未获取到图9的(a)中以虚线表示的泊车框的点群数据。
图9的(b)所示的点群数据例如是从停车场901的入口靠左行驶而到达泊车位置的情况下获得的点群数据。由于与图8的(a)相比靠左行驶,因此未获取到图9的(b)中以虚线表示的泊车框的点群数据。此外,由于用户在按下记录开始按钮110A时车辆1尚未正对停车场901,因此,图9的(b)所示的点群数据与图9的(a)相比是以停车场901倾斜的方式加以记录的。
在这种状态下用户按下记录完成按钮110B时,若判断停车场点群124A中记录有与车辆1的当前的纬度经度大致一致的纬度经度(S506:是),则以图9的(a)和图9的(b)的泊车位置即泊车框903为基准进行坐标变换(步骤S507)。继而,算出点群一致率IB(步骤S507A),若判断点群一致率IB大于规定阈值(步骤S508:是),则在图9的(a)所示的点群数据中统合图9的(b)所示的点群数据(步骤S509)。通过该统合,得以新记录图9的(a)中尚未记录的图示左侧的泊车框线的点群,而且,已记录有的构成图示右侧、图示上部的泊车框线的点群的密度变密。
(动作例|执行阶段)
对执行阶段下的匹配处理的动作例进行说明。在该动作例中,停车场点群124A中预先存放有相当于图8的(a)所示的整个停车场901的点群数据。
图10为表示图8的(a)所示的停车场901中的车辆1的当前位置的图。车辆1朝向图示上方。图11~图12中,展示车辆1的前方区域即图10中以虚线的圆围住的部分的泊车框线。
图11为将从车辆1在图10所示的位置拍摄到的影像中提取到的点群变换为停车场坐标而得的数据的图。即,图11所示的点群是局部周边信息122B当中从最新的拍摄影像检测到的点群,是图6的步骤S641A中经处理得到的数据。但图11中是以虚线表示而不是点。此外,图11中还一并显示有车辆1,以实现与图10的对比。如图11所示,在车辆1的左侧无间断地存在泊车框线的点群数据,在车辆1的右侧,仅在近前侧存在泊车框线的点群数据。
图12为表示车辆1在停车场坐标系中的位置的推断含有误差的情况下的、停车场点群124A与图11所示的局部周边信息122B的对比的图。图12中,以前的位置推断大致偏移了1个泊车框宽度程度,因此,存在于车辆1右侧的局部周边信息122B与停车场点群124A发生了偏移。当在这种状态下算出瞬间一致度IC时(图6的步骤S642),因车辆1的右侧的前文所述的偏移而导致瞬间一致度IC成为较低值。若判断该值低于阈值(步骤S643:否),则将泊车框检测为周期性特征(步骤S644,S645:是),根据停车场点群124A算出泊车框的宽度(步骤S646),并移动泊车框宽度的整数倍而算出整体一致度IW(步骤S647)。
图13的(a)~(c)为表示使图13所示的局部周边信息122B移动泊车框宽度的整数倍的情况下的与停车场点群124A的关系的图。图13的(a)~(c)中,图13所示的局部周边信息122B分别朝图示上方移动了泊车框宽度的+1倍、0倍、-1倍程度。图13的(a)中,局部周边信息122B朝图示上侧移动了1个泊车框宽度程度,局部周边信息122B与停车场点群124A的偏移扩大。因此,图13的(a)中的整体一致度IW相较于不移动的情况而言变小。图13的(b)中,局部周边信息122B未作移动,像图12中观察到的那样,局部周边信息122B与停车场点群124A偏移1个泊车框宽度程度。图13的(c)中,局部周边信息122B朝图示下侧移动了1个泊车框宽度程度,局部周边信息122B与停车场点群124A大致一致。因此,图13的(c)中的整体一致度IW相较于不移动的情况而言变大。
由于局部周边信息122B的移动量与整体一致度IW的增减处于上述关系,因此,在图13所示的例子中,判断与图13的(c)相对应的整体一致度IW最大,从而将与该移动相对应的坐标变换式存储至RAM 122(步骤S648)。以如此方式提高车载处理装置120所推断的位置精度。
根据上述第1实施方式,获得以下作用效果。
(1)车载处理装置120具备:存储部124,其存放点群数据(停车场点群124A),所述点群数据包含表示物体的一部分的点在第1坐标系(停车场坐标系)中的多个坐标;传感器输入部(接口125),其获取相机102的输出,所述相机102获取车辆1周围的信息;移动信息获取部(接口125),其获取车辆1的移动相关的信息;局部周边信息制作部121B,其根据传感器输入部及移动信息获取部所获取的信息来生成局部周边信息122B,所述局部周边信息122B包含第2坐标系(局部坐标系)中的车辆的位置以及表示物体的一部分的点在第2坐标系(局部坐标系)中的多个坐标;以及位置推断部121C,其根据停车场点群124A及局部周边信息122B来推断停车场坐标系与局部坐标系的关系,从而推断第1坐标系中的车辆1的位置。
车载处理装置120根据停车场点群124A和局部周边信息122B来推断停车场坐标系与局部坐标系的坐标变换式,从而推断停车场坐标系中的车辆1的位置。停车场点群124A是预先存储在存储部124中的信息,局部周边信息122B是根据相机102、车速传感器108及舵角传感器109的输出而生成。即,车载处理装置120获取与记录有的点群的坐标系不一样的坐标系的点群的信息,根据不同坐标系之间的对应关系,可以推断记录有的坐标系中的车辆1的位置。此外,由于车载处理装置120根据停车场点群124A和局部周边信息122B来推断停车场坐标系与局部坐标系的坐标变换式,因此,即便局部周边信息122B的点群数据的一部分含有噪声,也不易受到影响。即,车载处理装置120进行的车辆1的位置推断抗干扰强。
(2)位置推断部121C从点群数据中探索与构成局部周边信息122B的各点相对应的点(图6的步骤S650),以对应的点彼此的距离达到最小的方式推断第1坐标系与第2坐标系的坐标变换式(图6的步骤S651)。
(3)位置推断部121C将点群数据或者构成局部周边信息122B的点与对应于该点的点的距离比预先规定的阈值远的局部周边信息的点数据排除,也就是运用离群值列表122A(图6的步骤S641、S653)来进行探索及推断。因此,将相隔可以视为噪声分量的距离的点群数据从计算对象中排除,所以坐标变换式的精度能够提高。
(4)点群数据以及局部周边信息中包含的点以二维空间上的坐标的形式表示。位置推断部121C将对应的点彼此的距离比预先规定的阈值远以及局部周边信息122B中的在空间上位于端部的点排除来进行探索及推断。
停车场点群124A的停车场数据中存放的点群是相较于用户按下记录开始按钮110A的地点而言靠泊车位置附近的地面标记相关的点群。若在比该地点离泊车区域还远的地点开始图4所示的流程图的动作,则局部周边信息122B中会包含与停车场数据中存放的任何点都不对应的点。若是包含这种点来进行ICP也就是图6的步骤S650~S652的处理,则得不到恰当的解。因此,通过将这些内容排除来获得恰当的解。
(5)点群数据中包含周期性特征。位置推断部121C在推断出第1坐标系与第2坐标系的坐标变换式之后,以对应的点彼此的距离缩短的方式、根据周期性特征的1周期程度的距离对第1坐标系与第2坐标系的坐标变换式进行修正(图6的步骤S646~S648)。
通常而言,若点群数据中包含周期性特征,则存在移动相当于该周期的距离的整数倍而容易匹配的倾向。一旦如此移动来进行匹配,则会因反复处理的性质而难以朝正确的位置匹配。因此,通过在反复处理的解收敛之后移动该周期的整数倍来解决该问题。换句话说,考虑到因反复计算而陷入与全局解发生周期性特征的数周期程度偏离的局部解的可能性,可以通过移动前文所述的周期的数周期程度来获得全局解或者更接近全局解的局部解。
(6)在瞬间一致度IC小于预先规定的阈值的情况下,位置推断部进行修正(图6的步骤S641A~步骤S643),瞬间一致度IC是表示第1坐标系中的局部周边信息与第1坐标系中的点群数据的一致度的指标,其根据以前推断出的第1坐标系中的车辆的位置、传感器输入部所获取的最新的信息以及移动信息获取部所获取的最新的信息而制作。因此,不会经常执行图6的步骤S644~S648的处理,而是探讨该处理的必要性,仅在判断需要的情况下执行。
(7)车载处理装置120具备点群数据获取部121A,所述点群数据获取部121A根据传感器输入部及移动信息获取部所获取的信息来制作第2点群数据,并作为停车场点群124A存放至存储部124,所述第2点群数据包含表示移动体除外的物体的一部分的点在第3坐标系(记录坐标系)中的多个坐标。因此,车载处理装置120可以在搭载车载处理装置120的车辆1行驶时制作停车场点群124A。停车场点群124A的制作处理与车辆1的位置推断处理在地面标记定位这一点上是共通的,可以共用程序模块。
(8)第3坐标系(记录坐标系)是根据开始第2点群数据的制作时的车辆的位置及姿态而设定。当点群数据获取部121A获得因开始第2点群数据的制作时的车辆的位置或姿态不同而导致坐标系不同的多个第2点群数据时,以车辆1的泊车位置为基准来推断不同坐标系的关系而统合多个第2点群数据(图3的步骤S507、S509)。因此,即便每次获取点群数据都设定不同记录坐标系,也能将多个点群数据统合。这是着眼于开始点群数据的获取的位置和此时的车辆1的姿态虽多种多样、但将车辆1停泊至相同泊车位置这一点。
(9)车载处理装置120具备:车辆控制装置130,其根据位置推断部121C的输出来驱动车辆,使车辆移动至第1坐标系中的预先指定的泊车位置;以及位置信息获取部(接口125),其从接收与车辆1的位置相关的信息(纬度经度)的GPS接收器107获取车辆1的纬度经度。构成停车场点群124A的点是表示停车场的构成物的一部分的点。存储部124中还一并存放有点群数据的静止物构成的停车场的纬度经度。车载处理装置120具备控制部即运算部121,在GPS接收器107所测定的位置与停车场的位置的距离的差比预先规定的距离短的情况下,所述运算部121使用车辆控制装置130使车辆1移动至泊车位置。因此,车载处理装置120能以车辆1中搭载的任何传感器都无法直接观测泊车位置的远方为开始地点使车辆1自动停泊至停车场点群124A中包含的泊车位置。
上述第1实施方式也能以如下方式变形。
(1)车载处理装置120也可与多个相机连接。车载处理装置120可以通过使用多个相机的拍摄影像而从存在于车辆1周边的广大范围的地面标记提取点群。
(2)车载处理装置120也可不从车速传感器108及舵角传感器109接收感测结果。在该情况下,车载处理装置120使用相机102的拍摄影像来推断车辆1的移动。车载处理装置120使用ROM 123中存放的内部参数及外部参数来算出被摄体与相机102的位置关系。继而,在多个拍摄影像中追踪该被摄体,由此推断车辆1的移动量及移动方向。
(3)停车场点群124A、局部周边信息122B等点群信息也能以三维信息的形式加以存放。三维的点群信息可通过在二维平面上投影而与第1实施方式同样地以二维形式与其他点群进行比较,也可三维彼此进行比较。在该情况下,车载处理装置120能以如下方式获得地面标记的三维点群。即,使用根据车速传感器108及舵角传感器109的输出算出的车辆1的移动量和相机102所输出的多个拍摄影像,并使用公知的运动立体技术或者利用内部传感器或定位传感器对其运动推断部分进行了修正的信息,由此,可以获得静止立体物的三维点群。
(4)在图6的步骤S643中,车载处理装置120也可在连续数次作出否定判定的情况下进入至步骤S644而不是仅靠1次否定判定便进入至步骤S644。
(5)车载处理装置120也可判断局部周边信息122B中的被判断为离群值的点的比例是否大于预先规定的阈值来代替图6的步骤S643的判断。在该比例大于阈值的情况下,进入至步骤S644,在该比例为阈值以下的情况下,进入至步骤S650。进而,车载处理装置120也可仅在除了图6的步骤S643的判断以外前文所述的比例也较大的情况下进入至步骤S644。
(6)车载处理装置120也可预先进行图6的步骤S644、S646的处理。进而,也可将其处理结果记录至存储部124。
(7)车载处理装置120也可不仅从设置在车辆1内部的输入装置110还从通信装置114接收来自用户的动作指令。例如,也可为,通信装置114与用户所持的移动终端进行通信,用户操作移动终端,由此,车载处理装置120进行与自动泊车按钮110C被按下的情况同样的动作。在该情况下,不仅在用户位于车辆1内部的情况下,在用户下车之后车载处理装置120也能进行自动泊车。
(8)车载处理装置120也可不仅在停车场点群124A中记录的泊车位置进行泊车,也在由用户指定的位置进行泊车。用户对泊车位置的指定例如通过车载处理装置120在显示装置111上显示泊车位置的候选、用户借助输入装置110选择其中任一候选来进行。
(9)车载处理装置120也可经由通信装置114从外部接收停车场点群124A,也可经由通信装置114将制作好的停车场点群124A发送至外部。此外,车载处理装置120收发停车场点群124A的对象也可为搭载于其他车辆的别的车载处理装置120,也可为管理停车场的组织所管理的装置。
(10)自动泊车***100也可具备移动终端代替GPS接收器107、记录移动终端进行通信的基站的识别信息代替纬度经度。其原因在于,基站的通信范围限制在数百m左右,所以,若进行通信的基站相同,则为同一停车场的可能性较高。
(11)停车场数据中包含的周期性特征不限定于泊车框。例如,构成作为路面涂绘物之一的人行横道的多条直线等也是周期性特征。此外,在停车场数据由通过激光雷达等获取到的墙壁等障碍物的信息构成的情况下,规则地排列的柱子也是周期性特征。
(12)在上述实施方式中,作为移动体的车辆、人未包含在地面标记中,但也可将移动体包含在地面标记中。在该情况下,可将为移动体的地面标记和移动体以外的地面标记以能够识别的方式加以存储。
(13)车载处理装置120也可在记录阶段识别检测到的地面标记并将各地面标记的识别结果一并记录至停车场点群124A。在地面标记的识别中,使用根据拍摄影像获得的地面标记的形状信息、颜色信息、还有源于公知的运动立体技术的地面标记的立体形状信息。地面标记例如被识别为泊车框、泊车框以外的路面涂绘物、路缘、护栏、墙壁等。进而,车载处理装置120也可将作为移动体的车辆或人包含在地面标记中,并与其他地面标记同样地将识别结果一并记录至停车场点群124A。在该情况下,能以“移动体”的形式统一识别及记录车辆和人,也可单独识别及记录车辆和人。
(第2实施方式)
参考图14~图16,对本发明的车载处理装置的第2实施方式进行说明。在以下说明中,对与第1实施方式相同的构成要素标注相同符号,主要对不同点进行说明。不特别说明的内容则与第1实施方式相同。本实施方式与第1实施方式的不同点主要在于,具备激光雷达代替相机来获取静止立体物的点群数据。
(构成)
图14为第2实施方式中的自动泊车***100A的构成图。自动泊车***100A具有如下构成:从第1实施方式中的自动泊车***100的构成中去掉相机102而加入激光雷达106。车载处理装置120的构成与第1实施方式相同。自动泊车***100A配备在车辆1A中。在本实施方式中,使用静止立体物的形状作为地面标记。
激光雷达106根据从发射激光起到观测到其反射波为止的时间来测定到对象物的距离,并对车载处理装置120输出测定出的距离。进而,通过使该激光的出射方向朝上下方向、左右方向变化,可以获取地面标记的三维信息。进而,根据物质所决定的反射率的差异等,车载处理装置120可以检测路面的涂绘物。
车载处理装置120可以使用从激光雷达106获得的信号、通过二维或三维形状的模板匹配来识别人及车辆,并在地面标记定位中将人及车辆排除。此外,也可在到物体的距离的变化速度与车辆1的移动速度不一致的情况下判断为移动物体,并在地面标记定位中将该移动物体相关的数据排除。车载处理装置120的动作与第1实施方式相同。
(动作例)
图15为表示第2实施方式中的停车场的一例的图。停车场920是由作为静止立体物的建筑物921、建筑物922、护栏923及护栏924围成的区域。停车场920中的车辆1的泊车区域是以符号930表示的区域。
车载处理装置120的存储部124中,以停车场点群124A的形式存放有车辆1A预先以记录阶段行驶而通过激光雷达106获得的停车场920的停车场数据。车辆1A以记录阶段在停车场920行驶了多次,已通过前文所述的合并处理(图3的步骤S509)而获得了密集的点群数据。
在这种前提下,车辆1A从图15的上方行进至停车场920,当到达图15中以虚线表示的位置时,车载处理装置120以局部周边信息122B的形式获得图16的(a)所示的点群数据。继而,车载处理装置120通过匹配处理算出局部周边信息122B与停车场点群124A的对应关系也就是局部坐标系与停车场坐标系的坐标变换式,从而推断停车场坐标系中的车辆1A的位置。图16的(b)是使用算出的坐标变换式使图16的(a)所示的局部周边信息122B重合在停车场点群124A的点群上而得的图。
根据上述第2实施方式,除了第1实施方式中的作用效果以外,还获得以下作用效果。即,激光雷达106能以比相机短的周期获取信息,因此车载处理装置120能够更频繁地进行位置推断。
(第2实施方式的变形例)
在上述第2实施方式中,车辆1A是配备的激光雷达106,但也可配备超声波雷达代替激光雷达106。超声波雷达与激光雷达106一样,可以测定到障碍物的距离。此外,车辆1A也可除了激光雷达106还配备超声波雷达。
(第3实施方式)
参考图17~图18,对本发明的车载处理装置的第3实施方式进行说明。在以下说明中,对与第1实施方式相同的构成要素标注相同符号,主要对不同点进行说明。不特别说明的内容则与第1实施方式相同。本实施方式与第1实施方式的不同点主要在于,使用俯瞰影像来推断位置。
(构成)
图17为第3实施方式中的自动泊车***100B的构成图。自动泊车***100B搭载于车辆1B中。自动泊车***100B在第1实施方式中的自动泊车***100的构成中追加了3个相机。即,自动泊车***100B具备安装在车辆1B的前方而拍摄车辆1B的前方的前相机101a、安装在车辆1B的左侧方而拍摄车辆1B的左侧方的左相机101b、安装在车辆1B的右侧方而拍摄车辆1B的右侧方的右相机101c、以及安装在车辆1B的后方而拍摄车辆1B的后方的后相机101d。以下,将前相机101a、左相机101b、右相机101c及后相机101d统称为相机101。
车载处理装置120的构成与第1实施方式相同。在本实施方式中,通过ROM 123中存放的程序来执行的处理有一部分不一样。存储部124中,以停车场点群124A及局部周边信息122B的形式存放后文叙述的连续俯瞰影像。ROM 123中存放相机101的内部参数及外部参数。
(地面标记定位)
第3实施方式中的地面标记定位处理为以下所说明的连续俯瞰影像的制作。
车载处理装置120对相机101的拍摄影像进行视点变换处理,由此制作从正上方观察车辆1B的俯瞰影像。在该视点变换处理中,使用内部参数和外部参数。车载处理装置120使用在第1地点拍摄到的拍摄影像来制作第1俯瞰影像,使用在第2地点拍摄到的拍摄影像来制作第2俯瞰影像。继而,车载处理装置120根据利用车速传感器108及舵角传感器109的输出算出的第1地点与第2地点的位置关系来合成第1俯瞰影像与第2俯瞰影像。随着车辆1B的移动而连续进行该处理,由此制作大量俯瞰影像经合成而得的连续俯瞰影像。
第1俯瞰影像与第2俯瞰影像的合成能以从拍摄时刻较新的拍摄影像拍摄到的俯瞰影像始终优先的方式进行合成,也可仅切出以车辆1B为基准的特定方向例如相当于正侧方或前方45度的方向的俯瞰影像来进行合成。
(动作例)
图18的(a)为表示车辆1B的行驶路线以及车载处理装置120制作出的连续俯瞰影像的图。图18中,车辆1B是在图示单点划线的路径上从地点A行驶到地点B来制作连续俯瞰影像。在该连续俯瞰影像以停车场点群124A的形式存放在存储部124中的情况下,当车载处理装置120进行自动泊车阶段的动作时,以如下方式推断地图坐标系的位置。
车载处理装置120根据相机101、车速传感器108及舵角传感器109的输出来制作连续俯瞰影像,并以局部周边信息122B的形式保存至RAM 122。在车辆1B行驶到了某一地点时,车载处理装置120获得了图18的(b)所示的连续俯瞰影像即局部周边信息122B。车载处理装置120通过匹配处理来算出局部周边信息122B与停车场点群124A的对应关系也就是局部坐标系与停车场坐标系的坐标变换式。由此,像图18的(c)所示那样推断出停车场坐标系中的车辆1A的位置。
根据上述第3实施方式,除了第1实施方式中的作用效果以外,还获得以下作用效果。即,由于停车场点群124A及局部周边信息122B由相机101的拍摄影像构成,因此用户容易确认位置。
(第3实施方式的变形例1)
在第3实施方式中,是对拍摄影像进行视点变换处理来制作俯瞰影像,但也可从拍摄影像中提取特征点、仅以提取到的特征点为对象来进行视点变换处理而制作俯瞰影像。在该情况下,连续俯瞰影像仅由特征点构成。
上述各实施方式及变形例也可各自组合。
上文中,对各种实施方式及变形例进行了说明,但本发明并不限定于这些内容。在本发明的技术思想的范围内思索的其他形态也包含在本发明的范围内。
符号说明
1、1A、1B 车辆
100、100A、100B 自动泊车***
102 相机
107 GPS接收器
108 车速传感器
109 舵角传感器
120 车载处理装置
121 运算部
121A 点群数据获取部
121B 局部周边信息制作部
121C 位置推断部
122A 离群值列表
122B 局部周边信息
124 存储部
124A 停车场点群
125 接口
130 车辆控制装置
IB 点群一致率
IC 瞬间一致度
IW 整体一致度。
Claims (7)
1.一种车载处理装置,其特征在于,具备:
存储部,其存放点群数据,所述点群数据包含表示物体的一部分的点在停车场坐标系中的多个坐标;
传感器输入部,其获取传感器的输出,所述传感器获取车辆周围的信息;
移动信息获取部,其获取与所述车辆的移动相关的信息;
局部周边信息制作部,其根据所述传感器输入部及所述移动信息获取部所获取的信息来生成局部周边信息,所述局部周边信息包含局部坐标系中的所述车辆的位置以及表示物体的一部分的点在所述局部坐标系中的多个坐标;以及
位置推断部,其根据所述点群数据和所述局部周边信息来推断所述停车场坐标系与所述局部坐标系的关系,从而推断所述停车场坐标系中的所述车辆的位置,
所述位置推断部从所述点群数据中探索与构成所述局部周边信息的各点相对应的点,以所述相对应的点彼此的距离达到最小的方式推断所述停车场坐标系与所述局部坐标系的坐标变换式,
所述位置推断部将如下所述局部周边信息的点数据排除来进行所述探索及所述推断,即,所述点群数据或所述局部周边信息的所述点与对应于该点的点之间的距离比预先规定的阈值远的所述局部周边信息的点数据,
所述位置推断部对所述局部周边信息运用离群值列表,将所述离群值列表的一部分暂时排除在处理对象之外,从而推断所述停车场坐标系与所述局部坐标系的关系,并推断所述停车场坐标系中的所述车辆的位置。
2.根据权利要求1所述的车载处理装置,其特征在于,
所述点群数据及所述局部周边信息中包含的点以二维空间上的坐标或者三维空间上的坐标的形式表示,
所述位置推断部将所述相对应的点彼此的距离比预先规定的阈值远以及所述局部周边信息中的在空间上位于端部的点排除来进行所述探索及所述推断。
3.根据权利要求1所述的车载处理装置,其特征在于,
所述点群数据包含周期性特征,
所述位置推断部在推断出所述停车场坐标系与所述局部坐标系的坐标变换式之后,以所述对应的点彼此的距离缩短的方式、根据所述周期性特征的1周期程度距离对所述停车场坐标系与所述局部坐标系的坐标变换式进行修正。
4.根据权利要求3所述的车载处理装置,其特征在于,
在瞬间一致度小于预先规定的阈值的情况下,所述位置推断部进行所述修正,所述瞬间一致度是表示所述停车场坐标系中的所述局部周边信息与所述停车场坐标系中的所述点群数据的一致度的指标,根据以前推断出的所述停车场坐标系中的所述车辆的位置、所述传感器输入部所获取的最新的信息以及所述移动信息获取部所获取的最新的信息而制作。
5.根据权利要求1所述的车载处理装置,其特征在于,
进而具备点群数据获取部,所述点群数据获取部根据所述传感器输入部及所述移动信息获取部所获取的信息来制作第2点群数据并存放至所述存储部,所述第2点群数据包含表示移动体除外的物体的一部分的点在第3坐标系中的多个坐标。
6.根据权利要求5所述的车载处理装置,其特征在于,
所述第3坐标系是根据开始所述第2点群数据的制作时的所述车辆的位置及姿态来设定的、相互不同的坐标系,
当所述点群数据获取部获得因开始所述第2点群数据的制作时的所述车辆的位置或姿态不同而导致的相互不同的所述第3坐标系的多个所述第2点群数据时,以所述车辆的泊车位置为基准来推断不同的所述第3坐标系彼此的关系,并将该第2点群数据追加到表示同一停车场的所述停车场坐标系中的所述点群数据中。
7.根据权利要求1所述的车载处理装置,其特征在于,进而具备:
车辆控制部,其根据所述位置推断部的输出来驱动所述车辆,并使所述车辆移动至所述停车场坐标系中的预先指定的泊车位置;以及
位置信息获取部,其从接收与所述车辆的位置相关的信息的接收器获取与车辆的位置相关的信息,
构成所述点群数据的点是表示停车场的构成物的一部分的点,
所述存储部中还一并存放由所述点群数据的静止物构成的停车场的位置,
该车载处理装置进而具备控制部,在与所述位置信息获取部所获取的所述位置相关的信息所表示的位置与所述停车场的位置的距离的差比预先规定的距离短的情况下,所述控制部使用所述车辆控制部使所述车辆移动至所述泊车位置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016-128530 | 2016-06-29 | ||
JP2016128530A JP6649191B2 (ja) | 2016-06-29 | 2016-06-29 | 車載処理装置 |
PCT/JP2017/020707 WO2018003406A1 (ja) | 2016-06-29 | 2017-06-02 | 車載処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109313031A CN109313031A (zh) | 2019-02-05 |
CN109313031B true CN109313031B (zh) | 2022-09-30 |
Family
ID=60785383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780031226.XA Active CN109313031B (zh) | 2016-06-29 | 2017-06-02 | 车载处理装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11433880B2 (zh) |
EP (1) | EP3480559A4 (zh) |
JP (1) | JP6649191B2 (zh) |
CN (1) | CN109313031B (zh) |
WO (1) | WO2018003406A1 (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3637054B1 (en) | 2017-05-19 | 2023-09-06 | Pioneer Corporation | Measurement device, measurement method, and program |
JP6838522B2 (ja) * | 2017-08-10 | 2021-03-03 | トヨタ自動車株式会社 | 画像収集システム、画像収集方法、画像収集装置、および記録媒体 |
JP7137359B2 (ja) * | 2018-05-30 | 2022-09-14 | フォルシアクラリオン・エレクトロニクス株式会社 | 情報処理装置 |
JP7132037B2 (ja) * | 2018-08-29 | 2022-09-06 | フォルシアクラリオン・エレクトロニクス株式会社 | 車載処理装置 |
JP6997057B2 (ja) * | 2018-09-07 | 2022-01-17 | Kddi株式会社 | 不動物体情報から端末位置を推定する装置、プログラム及び方法 |
JP7212486B2 (ja) * | 2018-09-26 | 2023-01-25 | フォルシアクラリオン・エレクトロニクス株式会社 | 位置推定装置 |
JP7135690B2 (ja) * | 2018-10-04 | 2022-09-13 | ソニーグループ株式会社 | 情報処理装置および方法、プログラム、並びに移動体制御システム |
US11841437B2 (en) | 2018-10-12 | 2023-12-12 | Baidu Usa Llc | Automatic lidar calibration based on pre-collected static reflection map for autonomous driving |
US20200132473A1 (en) * | 2018-10-26 | 2020-04-30 | Ford Global Technologies, Llc | Systems and methods for determining vehicle location in parking structures |
JP7218172B2 (ja) * | 2018-12-25 | 2023-02-06 | フォルシアクラリオン・エレクトロニクス株式会社 | 車載処理装置、及び車載処理装置の制御方法 |
JP7227763B2 (ja) * | 2018-12-28 | 2023-02-22 | フォルシアクラリオン・エレクトロニクス株式会社 | 車載処理装置、位置推定方法、出庫システム |
JP7176421B2 (ja) * | 2019-01-25 | 2022-11-22 | トヨタ自動車株式会社 | 駐車支援装置 |
US11608078B2 (en) * | 2019-01-30 | 2023-03-21 | Baidu Usa Llc | Point clouds registration system for autonomous vehicles |
JP7393128B2 (ja) * | 2019-03-20 | 2023-12-06 | フォルシアクラリオン・エレクトロニクス株式会社 | 車載処理装置、移動支援システム |
KR20200130883A (ko) | 2019-04-26 | 2020-11-23 | 현대모비스 주식회사 | 주차 지원 장치 및 방법 |
CN112116654B (zh) * | 2019-06-20 | 2024-06-07 | 杭州海康威视数字技术股份有限公司 | 一种车辆位姿确定方法、装置及电子设备 |
JP7269804B2 (ja) * | 2019-07-02 | 2023-05-09 | 日立Astemo株式会社 | 自動駐車システムおよび自動駐車方法 |
JP7421923B2 (ja) * | 2019-12-23 | 2024-01-25 | フォルシアクラリオン・エレクトロニクス株式会社 | 位置推定装置、及び位置推定方法 |
JP7092741B2 (ja) * | 2019-12-25 | 2022-06-28 | 財団法人車輌研究測試中心 | 自己位置推定方法 |
US11037328B1 (en) | 2019-12-31 | 2021-06-15 | Lyft, Inc. | Overhead view image generation |
KR20210086904A (ko) * | 2019-12-31 | 2021-07-09 | 현대자동차주식회사 | 자율 발렛 주차를 지원하는 시스템 및 방법, 그리고 이를 위한 인프라 및 차량 |
JP7412234B2 (ja) | 2020-03-13 | 2024-01-12 | フォルシアクラリオン・エレクトロニクス株式会社 | 駐車情報管理サーバ、駐車支援装置及び駐車支援システム |
US11928406B2 (en) * | 2020-07-02 | 2024-03-12 | Ford Global Technologies, Llc | Systems and methods for creating infrastructure models |
CN111812698A (zh) * | 2020-07-03 | 2020-10-23 | 北京图森未来科技有限公司 | 一种定位方法、装置、介质和设备 |
CN112859088B (zh) * | 2021-01-04 | 2022-11-11 | 北京科技大学 | 一种基于三维雷达的车辆位置信息获取方法及*** |
CN112863234B (zh) * | 2021-01-05 | 2022-07-01 | 广州小鹏自动驾驶科技有限公司 | 一种车位显示方法、装置、电子设备及存储介质 |
CN115235525B (zh) * | 2021-12-07 | 2023-05-23 | 上海仙途智能科技有限公司 | 传感器检测方法、装置、电子设备及可读储存介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6321158B1 (en) * | 1994-06-24 | 2001-11-20 | Delorme Publishing Company | Integrated routing/mapping information |
CA2280677A1 (en) * | 1998-08-31 | 2000-02-29 | Delorme Publishing Company, Inc. | Integrated routing/mapping information system |
US20070027597A1 (en) | 2003-09-23 | 2007-02-01 | Daimlerchrysler Ag | Method and device for recognising lane changing operations for a motor vehicle |
JP4277717B2 (ja) * | 2004-03-17 | 2009-06-10 | 株式会社日立製作所 | 車両位置推定装置およびこれを用いた運転支援装置 |
JP2006072431A (ja) * | 2004-08-31 | 2006-03-16 | Matsushita Electric Ind Co Ltd | 自動駐車システム |
JP5157067B2 (ja) | 2006-01-06 | 2013-03-06 | トヨタ自動車株式会社 | 自動走行用マップ作成装置、及び自動走行装置。 |
JP5065210B2 (ja) * | 2008-09-17 | 2012-10-31 | トヨタ自動車株式会社 | 車線認識装置 |
GB201116959D0 (en) * | 2011-09-30 | 2011-11-16 | Bae Systems Plc | Vehicle localisation with 2d laser scanner and 3d prior scans |
US8897826B2 (en) * | 2012-01-05 | 2014-11-25 | Tara Chand Singhal | System and method for a cellular communication networks originated 911 call emergency response system |
GB2501466A (en) * | 2012-04-02 | 2013-10-30 | Univ Oxford | Localising transportable apparatus |
US9062979B1 (en) * | 2013-07-08 | 2015-06-23 | Google Inc. | Pose estimation using long range features |
US8886387B1 (en) * | 2014-01-07 | 2014-11-11 | Google Inc. | Estimating multi-vehicle motion characteristics by finding stable reference points |
-
2016
- 2016-06-29 JP JP2016128530A patent/JP6649191B2/ja active Active
-
2017
- 2017-06-02 EP EP17819771.1A patent/EP3480559A4/en active Pending
- 2017-06-02 WO PCT/JP2017/020707 patent/WO2018003406A1/ja unknown
- 2017-06-02 US US16/304,899 patent/US11433880B2/en active Active
- 2017-06-02 CN CN201780031226.XA patent/CN109313031B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109313031A (zh) | 2019-02-05 |
WO2018003406A1 (ja) | 2018-01-04 |
EP3480559A4 (en) | 2020-07-29 |
US20190291721A1 (en) | 2019-09-26 |
US11433880B2 (en) | 2022-09-06 |
EP3480559A1 (en) | 2019-05-08 |
JP6649191B2 (ja) | 2020-02-19 |
JP2018004343A (ja) | 2018-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109313031B (zh) | 车载处理装置 | |
JP7301909B2 (ja) | 地図データ、レーザ、およびカメラからのヨー誤差の確定 | |
CN110945578B (zh) | 车载处理装置 | |
US20200353914A1 (en) | In-vehicle processing device and movement support system | |
JP7137359B2 (ja) | 情報処理装置 | |
WO2018131258A1 (ja) | 車載処理装置 | |
CN115803781A (zh) | 用于生成与对象相关联的鸟瞰图边界框的方法和*** | |
JP7132037B2 (ja) | 車載処理装置 | |
JP7227763B2 (ja) | 車載処理装置、位置推定方法、出庫システム | |
JP7302966B2 (ja) | 移動体 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |