CN109739243A - 一种车辆定位方法、自动驾驶控制方法及相关*** - Google Patents
一种车辆定位方法、自动驾驶控制方法及相关*** Download PDFInfo
- Publication number
- CN109739243A CN109739243A CN201910092058.6A CN201910092058A CN109739243A CN 109739243 A CN109739243 A CN 109739243A CN 201910092058 A CN201910092058 A CN 201910092058A CN 109739243 A CN109739243 A CN 109739243A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- scanning
- profile
- planning path
- 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.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆定位方法、自动驾驶控制方法及相关***。利用停车场内的多个多线激光雷达扫描车辆,获得车辆的扫描信息;根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息;将所述扫描信息与所述轮廓信息进行匹配,如果匹配成功,则根据所述扫描信息和所述轮廓信息确定所述车辆的位置。该方法不依赖于GPS或车辆上设置的惯性导航设备,直接利用停车场内设置的激光雷达即可确定车辆位置,在车辆行驶过程中能够不断追踪车辆,从而无论人工驾驶或是自动驾驶均可采用本方法获得车辆位置作为行车或控制行车的依据。由于该方法提高了车辆定位准确性,因此,能够有效避免因车辆定位不准而造成的驾驶不便或驾驶事故等问题。
Description
技术领域
本申请涉及智能交通技术领域,特别是涉及一种车辆定位方法、自动驾驶控制方法及相关***。
背景技术
随着人们生活水平的不断提高,汽车数量也在逐渐增多,汽车已经成为人们生活中最便捷的交通工具之一。越来越多的停车场希望能够通过自动驾驶技术控制车辆自动泊车。一直以来,在自动驾驶技术中获取车辆的实时高精度位置都是一个关键难题。
目前,通常采用全球定位***(Global Positioning System,GPS)与惯性导航设备结合的方式对车辆进行定位,然而,由于GPS与惯性导航设备输出的数据误差较大,导致车辆定位精度较低。另外,在地下停车场或者周围高楼林立的停车场中,车辆上的***难以接收到GPS卫星信号,从而影响车辆定位功能。
如果车辆定位不准确,则影响自动驾驶的控制精度,严重时还可能引发自动驾驶交通事故。此外,人工驾驶车辆时对于车辆定位的精度也有较高的需求,定位不准容易耽误驾驶员的计划安排,导致驾驶行程不必要地延长。由此可见,车辆定位的准确性不足影响用户体验。
发明内容
基于上述问题,本申请提供了一种车辆定位方法、自动驾驶控制方法及相关***,以准确定位车辆,解决因车辆定位不准带来的驾驶问题。
本申请实施例公开了如下技术方案:
第一方面,本申请提供一种车辆定位方法,包括:
利用停车场内的多个多线激光雷达扫描车辆,获得车辆的扫描信息;
根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息;
将所述扫描信息与所述轮廓信息进行匹配,如果匹配成功,则根据所述扫描信息和所述轮廓信息确定所述车辆的位置。
可选地,在所述根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息之前,所述方法还包括:
利用多个信息采集激光雷达扫描不同车型的车辆的轮廓;所述多个信息采集激光雷达与所述多个多线激光雷达的设置高度差距小于预设值;
根据所述不同车型的车辆的轮廓信息构建所述车型轮廓特征库;在所述车型轮廓特征库中,车辆的车型与轮廓信息存在映射关系。
可选地,在所述根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息之前,所述方法还包括:
利用停车场的摄像装置获得所述车辆的图像;
根据所述图像识别所述车辆的车型。
可选地,在所述利用停车场内的多个多线激光雷达扫描车辆之前,所述方法还包括:
在所述停车场的车道两侧的建筑体上设置所述多个多线激光雷达;所述建筑体为所述车道两侧的墙体和/或立柱;每个所述多线激光雷达相对于所述停车场地面的垂直高度相同;
所述利用停车场内设置的多个多线激光雷达扫描车辆,获得车辆的扫描信息,具体包括:
利用所述多个多线激光雷达,获得扫描时刻所述车辆的扫描信息,所述扫描信息包括:在相对于所述停车场地面的所述垂直高度上所述车辆的完整轮廓上每个扫描点相对于所述多线激光雷达的距离和方向。
可选地,所述将所述扫描信息与所述轮廓信息进行匹配,具体包括:
如果所述完整轮廓上的扫描点与所述轮廓信息的重合比例超过预设比例,则确定匹配成功;如果所述完整轮廓上的扫描点与所述轮廓信息的重合比例未超过预设比例,则确定匹配失败。
可选地,所述根据所述扫描信息和所述轮廓信息确定所述车辆的位置,具体包括:
根据所述轮廓信息获得所述完整轮廓构成的形状的质心与所述完整轮廓上每个扫描点的相对位置;
根据所述相对位置和所述每个扫描点相对于所述多线激光雷达的距离和方向,获得所述车辆的位置。
第二方面,本申请提供一种自动驾驶控制方法,包括:
按照如前述第一方面所述的方法获得的车辆的位置;
获得所述车辆在停车场内的规划路径;
根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
可选地,该自动驾驶控制方法还可以包括:
根据所述车辆对应的轮廓信息,获得所述车辆的朝向;
所述根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点,具体包括:
根据所述车辆的位置、所述车辆的朝向以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
可选地,所述根据所述车辆的位置、所述车辆的朝向以及所述规划路径,控制所述车辆行驶至所述规划路径的终点,具体包括:
控制所述车辆行驶时缩小所述朝向与所述规划路径的夹角。
可选地,所述根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点,具体包括:
控制所述车辆行驶时缩小所述车辆的位置相对于所述规划路径的横向偏移距离。
可选地,所述方法还包括:根据所述停车场内设置的多个多线激光雷达,获得所述车辆的行驶速度;
所述根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点,具体包括:
根据所述车辆的位置、所述行驶速度以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
第三方面,本申请提供一种车辆定位***,包括:
多个多线激光雷达,用于扫描车辆,获得车辆的扫描信息;
轮廓信息获取模块,用于根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息;
信息匹配模块,用于将所述扫描信息与所述轮廓信息进行匹配;
车辆定位模块,用于当所述信息匹配模块匹配成功,根据所述扫描信息和所述轮廓信息确定所述车辆的位置。
第四方面,本申请提供一种自动驾驶控制***,包括:如第三方面所述的车辆定位***;还包括:路径规划模块和控制模块;
所述路径规划模块,用于获得所述车辆在停车场内的规划路径;
所述控制模块,用于根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
相较于现有技术,本申请具有以下有益效果:
本申请提供的车辆定位方法,首先,利用停车场内的多个多线激光雷达扫描车辆,获得车辆的扫描信息;其后,根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息;最后,将所述扫描信息与所述轮廓信息进行匹配,如果匹配成功,则根据所述扫描信息和所述轮廓信息确定所述车辆的位置。
由于激光雷达的探测精度非常高,能够达到毫米量级,因此,采用该方法获得的车辆的扫描信息准确度非常高。通过将车辆标准的轮廓信息与扫描信息进行匹配,匹配成功时可以确定出实际扫描的车辆对应的标准轮廓信息。基于车辆的实际扫描信息中各个轮廓点相对于激光雷达的距离和方向,相应地可以得到车辆标准轮廓中各点相对于激光雷达的距离和方向。进一步地,根据标准轮廓中各点相对于激光雷达的距离和方向,即可获得车辆的实际位置。
该方法不依赖于GPS或车辆上设置的惯性导航设备,直接利用停车场内设置的激光雷达即可确定车辆位置,在车辆行驶过程中能够不断追踪车辆,从而无论人工驾驶或是自动驾驶均可采用本方法获得车辆位置作为行车或控制行车的依据。由于该方法提高了车辆定位准确性,因此,能够有效避免因车辆定位不准而造成的驾驶不便或驾驶事故等问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种车辆定位方法的流程图;
图2为本申请实施例提供的另一种车辆定位方法的流程图;
图3为本申请实施例提供的一种自动驾驶控制方法的流程图。
具体实施方式
根据前文描述,目前,人工驾驶与自动驾驶技术对于车辆的定位功能均具有较高的依赖性。车辆定位功能为人们的驾驶提供便利,例如寻路等。但是,人们也经常因车辆定位不准而遇到诸多烦恼,例如在地下停车场因接收不到GPS信号而难以确定自车在停车场中的准确位置,延长了驾驶员寻找空余车位的时间,从而延误驾驶员的既定行程安排。另外,在室外也经常发生因定位不准导致导航路线规划更为复杂的问题。
由此可见,车辆定位不准确容易引发各种各样的驾驶不便,严重时甚至引发驾驶事故,影响车辆和人身安全。
基于以上问题,发明人经过研究,提供了一种车辆定位方法、自动驾驶控制方法及相关***。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一实施例
参见图1,该图为本申请实施例提供的一种车辆定位方法的流程图。
如图1所示,本实施例提供的车辆定位方法,包括:
步骤101:利用停车场内的多个多线激光雷达扫描车辆,获得车辆的扫描信息。
本实施例中,预先在停车场内设置了多个多线激光雷达。具体地,多线激光雷达可以设置在停车场车道两侧的建筑体上,例如墙体或立柱上,当然,也可以设置在停车场车道两侧的其他设施上,例如照明灯或路障上。
当车辆在车道上行驶时,车道两侧的多线激光雷达向车辆发送光脉冲,当光脉冲触及车辆的轮廓后,光脉冲反射回多线激光雷达。多线激光雷达根据发射的光脉冲和接收到的光脉冲获得车辆的扫描信息,例如在多线激光雷达探测范围内车辆车轮廓的反射点相对于该多线激光雷达的距离和方向等。
可以理解的是,当车辆在车道上行驶时,车道两侧的多个多线激光雷达中,每个多线激光雷达分别获得车辆的一部分轮廓的扫描信息。如果车道两侧的多个多线激光雷达能够共同获得车辆的完整轮廓的扫描信息,则通过步骤101可以得到车辆轮廓上每个点相对于多线激光雷达的距离和方向等。
另外,考虑到车辆泊入或者泊出车位时也需要准确定位车辆,本实施例中,还可以将多线激光雷达设置在车位周围的建筑体上,例如墙体或立柱上。当然,多线激光雷达也可以设置在车位周围的其他设施上,例如照明灯或路障上。可以理解的是,为保证车位周围的多线激光雷达获得扫描信息的准确性,优选地,多线激光雷达的设置位置与其探测的车位之间没有其他车位或障碍物。
当车辆泊入或者泊出车位时,车位周围的多线激光雷达向车辆发送光脉冲,当光脉冲触及车辆的轮廓后,光脉冲反射回多线激光雷达。多线激光雷达根据发射的光脉冲和接收到的光脉冲获得车来那个的扫描信息,例如在多线激光雷达探测范围内车辆车轮廓的反射点相对于该多线激光雷达的距离和方向等。
可以理解的是,当车辆泊入或者泊出车位时,车位周围的多个多线激光雷达中,每个多线激光雷达分别获得车辆的一部分轮廓的扫描信息。如果车位周围的多个多线激光雷达能够共同获得车辆的完整轮廓的扫描信息,则通过步骤101可以得到车辆轮廓上每个点相对于多线激光雷达的距离和方向等。
需要说明的是,本实施例中,多线激光雷达获得的车辆的扫描信息可以包括但不限于:扫描的车辆轮廓上的点相对于多线激光雷达的距离和方向。
需要说明的是,本实施例中,车辆轮廓可以是三维的轮廓,也可以二维的轮廓。因此,车辆的扫描信息可以是三维轮廓上的点相对于多线激光雷达的距离和方向,也可以是二维轮廓上的点相对于多线激光雷达的距离和方向。
步骤102:根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息。
目前市面上存在多种车型的车辆,例如:SUV,房车,跑车等。显然不同车型的车辆,其轮廓特征是互不相同的。
本实施例根据此特点,预先建立了关于车辆的车型轮廓特征库。在该特征库中,存在车型与轮廓信息的映射关系。当获取车辆的车型后,可以在该车型轮廓特征库中依据车型直接索引得到该车辆的轮廓信息。
车辆的轮廓信息具体可以是三维轮廓信息,当然,也可以是二维轮廓信息,例如,同一水平面上的车辆轮廓信息。车辆的轮廓信息包括但不限于车辆的车身长度和宽度。
需要说明的是,本实施例中,步骤102可以先于步骤101执行,可以与步骤101同时执行,当然,也可以在步骤101之后执行。因此,本实施例中,对于步骤101与步骤102的执行顺序不进行具体限定。
步骤103:将所述扫描信息与所述轮廓信息进行匹配,如果匹配成功,则根据所述扫描信息和所述轮廓信息确定所述车辆的位置。
可以理解的是,根据多个多线激光雷达获得的车辆的扫描信息,能够构建出车辆完整的实测轮廓。本步骤中,将扫描信息与轮廓信息进行匹配,实质上是将车辆完整的实测轮廓与标准轮廓进行匹配。如果扫描信息与轮廓信息匹配成功,表明多线激光雷达实时扫描的是具有前述轮廓信息的车辆。
进而,本步骤中,可以根据扫描信息和轮廓信息的匹配性,获得车辆轮廓上各点相对于多线激光雷达的距离和方向。如果已知激光雷达的位置,则可以进一步获得车辆轮廓上各点的实际位置。获得车辆轮廓上各点的实际位置后,即可获得车辆的实际位置。
以上,即为本申请实施例提供的一种车辆定位方法,该方法,首先,利用停车场内的多个多线激光雷达扫描车辆,获得车辆的扫描信息;其后,根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息;最后,将所述扫描信息与所述轮廓信息进行匹配,如果匹配成功,则根据所述扫描信息和所述轮廓信息确定所述车辆的位置。
由于激光雷达的探测精度非常高,能够达到毫米量级,因此,采用该方法获得的车辆的扫描信息准确度非常高。通过将车辆标准的轮廓信息与扫描信息进行匹配,匹配成功时可以确定出实际扫描的车辆对应的标准轮廓信息。基于车辆的实际扫描信息中各个轮廓点相对于激光雷达的距离和方向,相应地可以得到车辆标准轮廓中各点相对于激光雷达的距离和方向。进一步地,根据标准轮廓中各点相对于激光雷达的距离和方向,即可获得车辆的实际位置。
该方法不依赖于GPS或车辆上设置的惯性导航设备,直接利用停车场内设置的激光雷达即可确定车辆位置,在车辆行驶过程中能够不断追踪车辆,从而无论人工驾驶或是自动驾驶均可采用本方法获得车辆位置作为行车或控制行车的依据。由于该方法提高了车辆定位准确性,因此,能够有效避免因车辆定位不准而造成的驾驶不便或驾驶事故等问题。
基于前述实施例,本申请还提供另一种车辆定位方法。下面结合实施例和附图对该方法进行详细描述。
第二实施例
参见图2,该图为本实施例提供的车辆定位方法的流程图。
如图2所示,本实施例提供的车辆定位方法,包括:
步骤201:利用多个信息采集激光雷达扫描不同车型的车辆的轮廓。
在前述第一实施例中曾提及,本申请是预先构建了车型轮廓特征库,后利用车型轮廓特征库进行车辆的轮廓信息的获取。下面结合本步骤和下述步骤202对车型轮廓特征库的构建过程进行描述。
本实施例中,预先利用多个信息采集激光雷达对不同车型的车辆进行轮廓扫描。本步骤中,信息采集激光雷达具体可以是与设置于停车场内用于获取待定位车辆的扫描信息的多线激光雷达具有相同性能参数的雷达。此处将激光雷达称为信息采集激光雷达,主要目的是突出其作用,将其与用于获取待定位车辆的扫描信息的多线激光雷达加以区分。
多个信息采集激光雷达扫描不同车型的车辆的轮廓,进而得到轮廓信息。作为示例,轮廓信息可以是三维轮廓信息,也可以是二维轮廓信息。
作为一具体示例,通过多个信息采集激光雷达,得到不同车型的车辆在某一水平面上的二维轮廓信息。
为降低车辆的扫描信息和轮廓信息的匹配难度,作为一种可能的实现方式,可以在是指信息采集激光雷达时,使所述多个信息采集激光雷达与所述多个多线激光雷达的设置高度差距小于预设值。优选地,信息采集激光雷达的高度与多线激光雷达的高度设置一致,例如,均设置距离停车场地面1m的垂直高度。
可以理解的是,相比于动态获取车辆的轮廓信息,在静止状态下获取车来的轮廓信息由于变量较少,轮廓信息的准确性较高。因此,本实施例中,优选在不同车型的车辆处于静止状态时,扫描获得车辆的轮廓信息。
需要说明的是,本实施例中,对于信息采集激光雷达的具体设置位置不进行限定。
步骤202:根据所述不同车型的车辆的轮廓信息构建所述车型轮廓特征库。
通过多个信息采集激光雷达得到不同车型的车辆的轮廓信息。从而,能够根据车辆车型与轮廓信息之间一一对应的关系,构建车型轮廓特征库。
在所述车型轮廓特征库中,车辆的车型与轮廓信息存在映射关系。根据车型和车型轮廓特征库,即能够得到该车型车辆对应的标准轮廓信息。
步骤203:在所述停车场的车道两侧的建筑体上设置所述多个多线激光雷达,每个所述多线激光雷达相对于所述停车场地面的垂直高度相同。
本实施例中,建筑体可以为所述车道两侧的墙体和/或立柱。
如前述步骤201所述,本步骤中,具体可以将停车场内的多线激光雷达与信息采集激光雷达设置为同一高度。另外,还可以通过具体设置,使得多线激光雷达与信息采集激光雷达的设置高度差距小于预设值。如此,可以降低后续将车辆的扫描信息和轮廓信息进行匹配的操作难度。
步骤204:利用所述多个多线激光雷达,获得扫描时刻所述车辆的扫描信息。
在本实施例中,多个多线激光雷达获得的扫描信息,包括:在相对于所述停车场地面的所述垂直高度上所述车辆的完整轮廓上每个扫描点相对于所述多线激光雷达的距离和方向。
为获取车辆的标准轮廓信息,首先需要确定车辆的车型。下面,将结合步骤205和步骤206对车型的获取方式进行描述。
步骤205:利用停车场的摄像装置获得所述车辆的图像。
在实际应用中,用于采集车辆图像的摄像装置可以设置于停车场内的任意位置,例如停车场入口处,停车场内路障、照明灯的灯杆上等位置。
在具体实现时,也可以由摄像装置采集预设时间内的一段车辆的视频。在提取视频中的若干帧图像。
步骤206:根据所述图像识别所述车辆的车型。
通过图像识别的方法,很容易能够根据车辆照片确定出车辆的车型。例如,SUV,跑车,房车等。
步骤207:根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息。
显然,不同车型的车辆,其轮廓信息是互不相同的。由于步骤202构建的车型轮廓特征库中,车辆的车型与轮廓信息存在映射关系,因此根据步骤206识别出的车辆的车型,能够从车型信息特征库中对应地获取到车型对应地轮廓信息。
步骤208:将所述扫描信息与所述轮廓信息进行匹配。如果所述完整轮廓上的扫描点与所述轮廓信息的重合比例超过预设比例,则确定匹配成功,并执行步骤209;如果所述完整轮廓上的扫描点与所述轮廓信息的重合比例未超过预设比例,则确定匹配失败。
本实施例通过步骤208提供了一种扫描信息与轮廓信息进行匹配的具体实现方式。
当扫描信息中,完整轮廓上扫描点与轮廓信息的重合比例超过预设比例,可以确定多线激光雷达实际扫描的车轮廓与标准轮廓信息相符,多线激光雷达追踪的车辆是摄像装置拍摄的图像中的车辆。
然而,如果所述完整轮廓上的扫描点与所述轮廓信息的重合比例未超过预设比例,表明多线激光雷达实际扫描的车轮廓与标准轮廓信息相符,对于车辆的追踪可能存在失误。
作为示例,本实施例中,预设比例可以为80%。
步骤209:根据所述轮廓信息获得所述完整轮廓构成的形状的质心与所述完整轮廓上每个扫描点的相对位置。
当扫描信息与轮廓信息匹配成功时,完整轮廓构成的形状的质心即为多线激光雷达扫描的车辆轮廓各点构成的形状的质心。本实施例中,具体可以根据轮廓信息中各个轮廓点的位置关系获得标准轮廓的质心,作为扫描获得的完整轮廓构成的形状的质心。
可以理解的是,轮廓信息中各个轮廓点与标准轮廓的质心存在特定的位置关系,而由于扫描信息与轮廓信息匹配成功,完整轮廓上的扫描点中存在多个轮廓信息相重合的扫描点,因此,根据轮廓信息中各个轮廓点与标准轮廓的质心存在特定的位置关系,以及完整轮廓上的扫描点与轮廓信息相重合的特性,能够对应地获得完整轮廓构成的形状的质心与所述完整轮廓上每个扫描点的相对位置。
步骤210:根据所述相对位置和所述每个扫描点相对于所述多线激光雷达的距离和方向,获得所述车辆的位置。
由于在利用多线激光雷达对车辆进行扫描时,所获得的扫描信息中包含每个扫描点相对于对其进行扫描的多线激光雷达的距离和方向,因此在已知多线激光雷达的位置、扫描信息,可以得到每个扫描点的位置。
其后,由于步骤209获得了完整轮廓构成的形状的质心与所述完整轮廓上每个扫描点的相对位置,因此,根据相对位置以及每个扫描点的位置,能够相应地获得车辆完整轮廓构成的形状的质心的实际位置,并将质心的实际位置作为车辆的实际探测位置。
以上为本申请实施例提供的另一种车辆定位方法,该方法通过预先设置信息采集激光雷达获得不同车型的轮廓信息,并据此建立车型轮廓特征库;通过摄像装置采集车辆图片并进行车型识别,依据车型和车型轮廓特征库获得车辆的标准轮廓信息。其后将多个多线激光雷达实际扫描获得的扫描信息与索引出的轮廓信息进行匹配,匹配成功后,最终根据轮廓信息获得完整轮廓构成的形状的质心,并以质心位置作为车辆的位置。该方法提供了一种简单便捷获取车辆轮廓信息的方式,即通过识别车型和预先建立车型轮廓特征库,实现对车辆轮廓信息的快速索引。另外,依据车辆轮廓信息和扫描信息的匹配情况实现车辆的定位。由于该方法无需车辆配置任何定位设备或者任何与激光雷达交互的设备,因此,节省了车辆的制造成本,同时实现停车场内车辆的定位。
通过前述描述可知,车辆的准确定位可以应用于自动驾驶技术中。因此,本申请仍以停车场为应用场景,提供一种自动驾驶控制方法。下面结合实施例和附图对该方法的具体实现进行说明。
第三实施例
参见图3,该图为本实施例提供的一种自动驾驶控制方法的流程图。
如图3所示,本实施例提供的自动驾驶控制方法,包括:
步骤301:获得车辆的位置。
需要说明的是,本实施例中,步骤301具体是按照前述第一实施例或第二实施例提供的车辆定位方法获得车辆的位置。关于本步骤的实现过程具体可参见前述实施例,此处不再赘述。
步骤302:获得所述车辆在停车场内的规划路径。
本步骤提供两种获得规划路径的方式,这两种方式分别针对控制车辆自动泊入和自动泊出停车场的情况。下面结合这两种场景对本步骤的实现方式进行说明。
第一种:控制车辆自动泊入停车场的情况。
本实施例中,规划路径具体可以是利用车辆的位置、空余车位的位置以及停车场内车道分布情况获得的。
例如,利用多线激光雷达获得车辆在停车场入口处的位置为PM,停车场为车辆规划的空余车位的位置为PN,根据停车场内车道分布情况确定从PM至PN的最便捷的路径为LMN,因此可以将LMN作为将车辆泊入停车场空余车位的规划路径。
第二种:控制车辆自动泊出停车场的情况。
本实施例中,规划路径具体可以是利用车辆的位置(此时车辆在车位上)、停车场出口的位置以及停车场内车道分布情况获得的。
例如,利用激光雷达获得车辆在车位上的位置为PE,停车场出口的位置为PF,根据停车场内车道分布情况确定从PE至PF的最便捷的路径为LEF,因此可以将LEF作为将车辆泊出停车场的规划路径。
步骤303:根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
在自动驾驶控制车辆按照规划路径实际行驶过程中,车辆的位置相对于规划路径,仍然可能存在某种程度的偏移,例如横向偏移(即车辆位置与规划路径不重合)和角度偏移(车头方向与路径方向不一致)等。因此,本步骤303还需结合车辆的实时位置和规划路径,控制车辆沿着规划路径行驶至终点。
作为一种实现方式,控制车辆将车辆相对于规划路径的横向偏移缩小。
作为另一种实现方式,控制车辆将车头方向与路径方向的夹角缩小。
当然,以上控制方式仅为示例。在实际应用中,还可结合车辆的实时位置以及规划路径的具体情况,采用其他方式进行控制。
以上即为本申请实施例提供的一种自动驾驶控制方法。该方法,首先获得车辆的位置,其后获得所述车辆在停车场内的规划路径,最终根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
该方法利用多线激光雷达获得车辆的位置,由于多线激光雷达的探测精度非常高,能够达到毫米量级,因此,采用该方法获得的车辆的位置准确度非常高。另外,该方法综合根据车辆的实时位置以及规划路径对车辆进行控制,有效提高车辆自动驾驶控制的准确度,减少控制误差,从而实现车辆的精准泊入和/或泊出,避免车辆在停车场内自动驾驶过程中与其他车位的车辆或障碍物发生不必要的碰撞事故。
可以理解的是,在实际应用中,车辆的长度通常大于车辆前后轮之间的长度距离,车辆的宽度也可能大于车辆左右轮之间的宽度距离。为了保证车辆在停车场内的窄车道或者弯道等位置也能够准确沿着规划路径行驶,避免车辆与停车场内建筑体发生剐蹭碰撞,本申请在前述实施例的基础上,进一步提供了另一种自动驾驶控制方法。下面结合实施例对该方法进行详细描述。
第四实施例
本实施例提供的自动驾驶控制方法,包括:
步骤401:获得的车辆的位置。
需要说明的是,本实施例中,步骤401具体是按照前述第一实施例或第二实施例提供的车辆定位方法获得车辆的位置。关于本步骤的实现过程具体可参见前述实施例,此处不再赘述。
步骤402:获得所述车辆的规划路径。
可以理解的是,控制车辆自动驾驶的前提是获得车辆在停车场内的规划路径。此处,规划路径可以是车辆从停车场入口至为车辆分配的空余车位的路径,也可以是车辆从车位至停车场出口的路径。进行路径规划时,需考虑车辆的轮廓信息,例如,车辆在停车场内从起始点至终止点可能存在多种路径,但是考虑其中最便捷的车道对于车辆的宽度来说较窄,车辆按照该路径行驶容易出现剐蹭、碰撞事故,因此,可以从多条可选路径中选择一条各车道较宽的路径作为车辆行车的规划路径。
作为另一种实现方式,如果根据车辆的轮廓信息获知车辆的长度较长和/或宽度过宽,则可以在具体规划弯道的路径时,对于左转弯道将路径向偏右规划,对于右转弯道将路径向偏左规划。
步骤403:根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
可以理解的是,车辆的朝向与车辆的同侧(左侧或右侧)两车轮中后轮指向前轮的方向相同。因此,可选地,本实施例中,还可根据停车场内的激光雷达获得的车轮位置信息,获得车辆的朝向。
作为本步骤的第一种具体实现方式,根据所述车辆的位置、所述车辆的朝向以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。在控制车辆自动驾驶时,控制所述车辆行驶时缩小所述朝向与所述规划路径的夹角。
可以理解的是,车辆的实时位置相对于规划路径的横向偏移距离越小,说明自动驾驶控制越精准,不易发生行车事故。
作为本步骤的第二种具体实现形式,控制所述车辆行驶时缩小所述车辆的位置相对于所述规划路径的横向偏移距离。
另外,当车辆即将进入规划路径中的弯道时,为避免相对于规划路径的偏移量过大、车辆转弯过猛等问题,当车辆即将进入弯道时,需要控制其降速。为此,本实施例还可以根据所述停车场内设置的激光雷达,获得所述车辆的行驶速度,从而对车辆行驶进行控制。
作为本步骤的第三种具体实现形式,根据所述车辆的位置、所述行驶速度以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。当车辆即将进入弯道且行驶速度过快时,控制车辆降速,以安全度过弯道;当车辆从弯道驶离,如果行驶速度过缓,可控制车辆适当加速。
另外,由于激光雷达能够获取点云分布图,而点云分布图上,当车辆存在转向角时,车辆前轮在点云分布图上形成的线段与车辆后轮在点云分布图上形成的线段存在夹角。该夹角即为车辆的转向角。因此,本实施例中还可利用停车场内设置的激光雷达获取车辆的转向角。
作为本步骤的第四种具体实现形式,根据车辆的位置、车辆的转向角以及规划路径,控制车辆行驶至规划路径的终点。
可以理解的是,上述提供的步骤403的四种具体实现形式还可以结合应用。
以上为本申请实施例提供的另一种自动驾驶控制方法。该方法还考虑到行驶车速、车辆朝向、车辆相对于规划路径的实际横向偏移量以及车辆的转向角等参数,对车辆进行实时的控制和调整。从而,该方法不但提高了路径规划的适应性,同时保障车辆的安全自动驾驶,避免车辆与停车场内建筑体发生剐蹭、碰撞的问题。
基于前述实施例提供的车辆定位方法,相应地,本申请还提供一种车辆定位***。下面结合实施例对该***进行描述。
第五实施例
本实施例提供的车辆定位***,包括:多个多线激光雷达,轮廓信息获取模块,信息匹配模块以及车辆定位模块。
多个多线激光雷达,用于扫描车辆,获得车辆的扫描信息;
轮廓信息获取模块,用于根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息;
信息匹配模块,用于将所述扫描信息与所述轮廓信息进行匹配;
车辆定位模块,用于当所述信息匹配模块匹配成功,根据所述扫描信息和所述轮廓信息确定所述车辆的位置。
以上,即为本实施例提供的一种车辆定位***,由于多线激光雷达的探测精度非常高,能够达到毫米量级,因此,采用该***获得的车辆的扫描信息准确度非常高。通过将车辆标准的轮廓信息与扫描信息进行匹配,匹配成功时可以确定出实际扫描的车辆对应的标准轮廓信息。基于车辆的实际扫描信息中各个轮廓点相对于激光雷达的距离和方向,相应地可以得到车辆标准轮廓中各点相对于激光雷达的距离和方向。进一步地,根据标准轮廓中各点相对于激光雷达的距离和方向,即可获得车辆的实际位置。
该***不依赖于GPS或车辆上设置的惯性导航设备,直接利用***中的激光雷达和车辆位置获取装置即可确定车辆位置,在车辆行驶过程中能够不断追踪车辆,从而无论人工驾驶或是自动驾驶均可采用激光雷达获得的车辆位置作为行车或控制行车的依据。由于该***提高了车辆定位准确性,因此能够有效避免因车辆定位不准而造成的驾驶不便或驾驶事故等问题。
可选的,上述车辆定位***还可以包括:
多个信息采集激光雷达,用于扫描不同车型的车辆的轮廓;所述多个信息采集激光雷达与所述多个多线激光雷达的设置高度差距小于预设值;
特征库构建模块,用于根据所述不同车型的车辆的轮廓信息构建所述车型轮廓特征库;在所述车型轮廓特征库中,车辆的车型与轮廓信息存在映射关系。
可选的,上述车辆定位***还可以包括:
摄像装置,设置于停车场内,用于获得所述车辆的图像;
车型识别模块,用于根据所述图像识别所述车辆的车型。
可选的,上述车辆定位***还可以包括:
激光雷达设置模块,用于在所述停车场的车道两侧的建筑体上设置所述多个多线激光雷达;所述建筑体为所述车道两侧的墙体和/或立柱;每个所述多线激光雷达相对于所述停车场地面的垂直高度相同;
所述多线激光雷达,具体用于获得扫描时刻所述车辆的扫描信息,所述扫描信息包括:在相对于所述停车场地面的所述垂直高度上所述车辆的完整轮廓上每个扫描点相对于所述多线激光雷达的距离和方向。
可选地,信息匹配模块,具体可以用于当所述完整轮廓上的扫描点与所述轮廓信息的重合比例超过预设比例时,确定匹配成功;当所述完整轮廓上的扫描点与所述轮廓信息的重合比例未超过预设比例时,确定匹配失败。
可选地,车辆定位模块,具体可以包括:
相对位置获取单元,用于根据所述轮廓信息获得所述完整轮廓构成的形状的质心与所述完整轮廓上每个扫描点的相对位置;
定位单元,用于根据所述相对位置和所述每个扫描点相对于所述多线激光雷达的距离和方向,获得所述车辆的位置。
上述车辆定位***无需车辆配置任何定位设备或者任何与激光雷达交互的设备,因此,节省了车辆的制造成本,同时实现停车场内车辆的定位。
基于前述实施例提供的自动驾驶控制方法,相应地,本申请还提供一种自动驾驶控制***。下面结合实施例对该***进行描述。
第六实施例
本实施例提供的自动驾驶控制***,包括:车辆定位***,路径规划模块和控制模块;其中车辆定位***为前述第五实施例提供的车辆定位***。
所述路径规划模块,用于获得所述车辆在停车场内的规划路径;
所述控制模块,用于根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
以上为本实施例提供的自动驾驶控制***,该***利用多线激光雷达获得车辆的位置,由于多线激光雷达的探测精度非常高,能够达到毫米量级,因此,采用该***获得的车辆的位置准确度非常高。另外,该***综合根据车辆的实时位置以及规划路径对车辆进行控制,有效提高车辆自动驾驶控制的准确度,减少控制误差,从而实现车辆的精准泊入和/或泊出,避免车辆在停车场内自动驾驶过程中与其他车位的车辆或障碍物发生不必要的碰撞事故。
作为一种可能的实现方式,本实施例中,自动驾驶控制***还可以包括:朝向获取模块,朝向获取模块用于获取车辆的朝向;
控制模块,具体用于根据所述车辆的位置、所述车辆的朝向以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
可选地,控制模块包括第一控制子模块,用于控制所述车辆行驶时缩小所述朝向与所述规划路径的夹角。
作为一种可能的实现方式,控制模块还可以具体用于控制所述车辆行驶时缩小所述车辆的位置相对于所述规划路径的横向偏移距离。
作为一种可能的实现方式,本实施例中,自动驾驶控制***的激光雷达还可用于获得车辆的行驶速度;
控制模块,具体用于根据所述车辆的位置、所述行驶速度以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
以上即为本申请实施例提供的一种自动驾驶控制***。该***考虑到行驶车速、车辆朝向、车辆相对于规划路径的实际横向偏移量等参数,对车辆进行实时的控制和调整。从而,该***不但提高了路径规划的适应性,同时保障车辆的安全自动驾驶,避免车辆与停车场内建筑体发生剐蹭、碰撞的问题。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备及***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的设备及***实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元提示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本申请的一种具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (13)
1.一种车辆定位方法,其特征在于,包括:
利用停车场内的多个多线激光雷达扫描车辆,获得车辆的扫描信息;
根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息;
将所述扫描信息与所述轮廓信息进行匹配,如果匹配成功,则根据所述扫描信息和所述轮廓信息确定所述车辆的位置。
2.根据权利要求1所述的车辆定位方法,其特征在于,在所述根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息之前,所述方法还包括:
利用多个信息采集激光雷达扫描不同车型的车辆的轮廓;所述多个信息采集激光雷达与所述多个多线激光雷达的设置高度差距小于预设值;
根据所述不同车型的车辆的轮廓信息构建所述车型轮廓特征库;在所述车型轮廓特征库中,车辆的车型与轮廓信息存在映射关系。
3.根据权利要求1所述的车辆定位方法,其特征在于,在所述根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息之前,所述方法还包括:
利用停车场的摄像装置获得所述车辆的图像;
根据所述图像识别所述车辆的车型。
4.根据权利要求1所述的车辆定位方法,其特征在于,在所述利用停车场内的多个多线激光雷达扫描车辆之前,所述方法还包括:
在所述停车场的车道两侧的建筑体上设置所述多个多线激光雷达;所述建筑体为所述车道两侧的墙体和/或立柱;每个所述多线激光雷达相对于所述停车场地面的垂直高度相同;
所述利用停车场内设置的多个多线激光雷达扫描车辆,获得车辆的扫描信息,具体包括:
利用所述多个多线激光雷达,获得扫描时刻所述车辆的扫描信息,所述扫描信息包括:在相对于所述停车场地面的所述垂直高度上所述车辆的完整轮廓上每个扫描点相对于所述多线激光雷达的距离和方向。
5.根据权利要求4所述的车辆定位方法,其特征在于,所述将所述扫描信息与所述轮廓信息进行匹配,具体包括:
如果所述完整轮廓上的扫描点与所述轮廓信息的重合比例超过预设比例,则确定匹配成功;如果所述完整轮廓上的扫描点与所述轮廓信息的重合比例未超过预设比例,则确定匹配失败。
6.根据权利要求4所述的车辆定位方法,其特征在于,所述根据所述扫描信息和所述轮廓信息确定所述车辆的位置,具体包括:
根据所述轮廓信息获得所述完整轮廓构成的形状的质心与所述完整轮廓上每个扫描点的相对位置;
根据所述相对位置和所述每个扫描点相对于所述多线激光雷达的距离和方向,获得所述车辆的位置。
7.一种自动驾驶控制方法,其特征在于,包括:
按照如权利要求1-6任一项所述的方法获得的车辆的位置;
获得所述车辆在停车场内的规划路径;
根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
8.根据权利要求7所述的自动驾驶控制方法,其特征在于,还包括:
根据所述车辆对应的轮廓信息,获得所述车辆的朝向;
所述根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点,具体包括:
根据所述车辆的位置、所述车辆的朝向以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
9.根据权利要求8所述的自动驾驶控制方法,其特征在于,所述根据所述车辆的位置、所述车辆的朝向以及所述规划路径,控制所述车辆行驶至所述规划路径的终点,具体包括:
控制所述车辆行驶时缩小所述朝向与所述规划路径的夹角。
10.根据权利要求7所述的自动驾驶控制方法,其特征在于,所述根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点,具体包括:
控制所述车辆行驶时缩小所述车辆的位置相对于所述规划路径的横向偏移距离。
11.根据权利要求7所述的自动驾驶控制方法,其特征在于,所述方法还包括:根据所述停车场内设置的多个多线激光雷达,获得所述车辆的行驶速度;
所述根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点,具体包括:
根据所述车辆的位置、所述行驶速度以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
12.一种车辆定位***,其特征在于,包括:
多个多线激光雷达,用于扫描车辆,获得车辆的扫描信息;
轮廓信息获取模块,用于根据车辆的车型,从车型轮廓特征库中获得所述车辆对应的轮廓信息;
信息匹配模块,用于将所述扫描信息与所述轮廓信息进行匹配;
车辆定位模块,用于当所述信息匹配模块匹配成功,根据所述扫描信息和所述轮廓信息确定所述车辆的位置。
13.一种自动驾驶控制***,其特征在于,包括:如权利要求12所述的车辆定位***;还包括:路径规划模块和控制模块;
所述路径规划模块,用于获得所述车辆在停车场内的规划路径;
所述控制模块,用于根据所述车辆的位置以及所述规划路径,控制所述车辆行驶至所述规划路径的终点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910092058.6A CN109739243B (zh) | 2019-01-30 | 2019-01-30 | 一种车辆定位方法、自动驾驶控制方法及相关*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910092058.6A CN109739243B (zh) | 2019-01-30 | 2019-01-30 | 一种车辆定位方法、自动驾驶控制方法及相关*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109739243A true CN109739243A (zh) | 2019-05-10 |
CN109739243B CN109739243B (zh) | 2022-07-08 |
Family
ID=66366719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910092058.6A Active CN109739243B (zh) | 2019-01-30 | 2019-01-30 | 一种车辆定位方法、自动驾驶控制方法及相关*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109739243B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208739A (zh) * | 2019-05-29 | 2019-09-06 | 北京百度网讯科技有限公司 | 辅助车辆定位的方法、装置、设备和计算机可读存储介质 |
CN111207688A (zh) * | 2020-01-16 | 2020-05-29 | 睿镞科技(北京)有限责任公司 | 在载运工具中测量目标对象距离的方法、装置和载运工具 |
CN112214021A (zh) * | 2020-09-23 | 2021-01-12 | 北京智远弘业机器人科技有限公司 | 自动泊车方法、装置、电子设备及计算机可读存储介质 |
CN113309169A (zh) * | 2021-07-01 | 2021-08-27 | 吉林大学 | 一种无人驾驶装载机室内自主卸料***及方法 |
CN113822930A (zh) * | 2020-06-19 | 2021-12-21 | 黑芝麻智能科技(重庆)有限公司 | 用于高精度定位停车场中的物体的***和方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178305A (zh) * | 2006-10-25 | 2008-05-14 | 弥荣精机株式会社 | 车轮定位测量装置 |
CN101281403A (zh) * | 2008-05-07 | 2008-10-08 | 上海大学 | 异型玻璃加工图形定位方法及*** |
JP2009096306A (ja) * | 2007-10-16 | 2009-05-07 | Hiroshima Industrial Promotion Organization | 駐車支援方法 |
DE102009009211A1 (de) * | 2008-02-20 | 2009-09-10 | Continental Teves Ag & Co. Ohg | Verfahren und Assistenzsystem zum Erfassen von Objekten im Umfeld eines Fahrzeugs |
US20140257621A1 (en) * | 2013-03-08 | 2014-09-11 | Oshkosh Corporation | Terrain classification system for a vehicle |
CN105987697A (zh) * | 2016-04-26 | 2016-10-05 | 重庆大学 | 一种直角弯下Mecanum轮式AGV导航定位方法及*** |
CN106569492A (zh) * | 2016-11-01 | 2017-04-19 | 西安合众思壮导航技术有限公司 | 车辆自动驾驶方法及*** |
CN106949848A (zh) * | 2017-03-15 | 2017-07-14 | 深圳市深视智能科技有限公司 | 一种高精度激光3d轮廓手机结构件检测方法 |
CN106969768A (zh) * | 2017-04-22 | 2017-07-21 | 深圳力子机器人有限公司 | 一种无轨导航agv的精确定位及停车方法 |
CN206502529U (zh) * | 2017-01-06 | 2017-09-19 | 北京国泰星云科技有限公司 | 基于物体轮廓跟踪的集装箱码头场桥防撞控制*** |
CN107514167A (zh) * | 2017-07-18 | 2017-12-26 | 武汉智象机器人有限公司 | 基于固定雷达和移动雷达的车辆识别***及入库方法 |
CN107558775A (zh) * | 2017-07-18 | 2018-01-09 | 武汉智象机器人有限公司 | 用于智能车库的基于固定雷达的车辆识别***及入库方法 |
CN107729876A (zh) * | 2017-11-09 | 2018-02-23 | 重庆医科大学 | 基于计算机视觉的老人室内跌倒检测方法 |
CN107978172A (zh) * | 2017-11-30 | 2018-05-01 | 邓敏智 | 停车场定位方法及装置 |
CN108132025A (zh) * | 2017-12-24 | 2018-06-08 | 上海捷崇科技有限公司 | 一种车辆三维轮廓扫描构建方法 |
CN108592797A (zh) * | 2018-03-28 | 2018-09-28 | 华南理工大学 | 一种车辆外廓尺寸与轴距的动态测量方法与*** |
CN108805924A (zh) * | 2018-05-22 | 2018-11-13 | 湘潭大学 | 一种百合花采摘点定位方法及*** |
-
2019
- 2019-01-30 CN CN201910092058.6A patent/CN109739243B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178305A (zh) * | 2006-10-25 | 2008-05-14 | 弥荣精机株式会社 | 车轮定位测量装置 |
JP2009096306A (ja) * | 2007-10-16 | 2009-05-07 | Hiroshima Industrial Promotion Organization | 駐車支援方法 |
DE102009009211A1 (de) * | 2008-02-20 | 2009-09-10 | Continental Teves Ag & Co. Ohg | Verfahren und Assistenzsystem zum Erfassen von Objekten im Umfeld eines Fahrzeugs |
CN101281403A (zh) * | 2008-05-07 | 2008-10-08 | 上海大学 | 异型玻璃加工图形定位方法及*** |
US20140257621A1 (en) * | 2013-03-08 | 2014-09-11 | Oshkosh Corporation | Terrain classification system for a vehicle |
CN105987697A (zh) * | 2016-04-26 | 2016-10-05 | 重庆大学 | 一种直角弯下Mecanum轮式AGV导航定位方法及*** |
CN106569492A (zh) * | 2016-11-01 | 2017-04-19 | 西安合众思壮导航技术有限公司 | 车辆自动驾驶方法及*** |
CN206502529U (zh) * | 2017-01-06 | 2017-09-19 | 北京国泰星云科技有限公司 | 基于物体轮廓跟踪的集装箱码头场桥防撞控制*** |
CN106949848A (zh) * | 2017-03-15 | 2017-07-14 | 深圳市深视智能科技有限公司 | 一种高精度激光3d轮廓手机结构件检测方法 |
CN106969768A (zh) * | 2017-04-22 | 2017-07-21 | 深圳力子机器人有限公司 | 一种无轨导航agv的精确定位及停车方法 |
CN107514167A (zh) * | 2017-07-18 | 2017-12-26 | 武汉智象机器人有限公司 | 基于固定雷达和移动雷达的车辆识别***及入库方法 |
CN107558775A (zh) * | 2017-07-18 | 2018-01-09 | 武汉智象机器人有限公司 | 用于智能车库的基于固定雷达的车辆识别***及入库方法 |
CN107729876A (zh) * | 2017-11-09 | 2018-02-23 | 重庆医科大学 | 基于计算机视觉的老人室内跌倒检测方法 |
CN107978172A (zh) * | 2017-11-30 | 2018-05-01 | 邓敏智 | 停车场定位方法及装置 |
CN108132025A (zh) * | 2017-12-24 | 2018-06-08 | 上海捷崇科技有限公司 | 一种车辆三维轮廓扫描构建方法 |
CN108592797A (zh) * | 2018-03-28 | 2018-09-28 | 华南理工大学 | 一种车辆外廓尺寸与轴距的动态测量方法与*** |
CN108805924A (zh) * | 2018-05-22 | 2018-11-13 | 湘潭大学 | 一种百合花采摘点定位方法及*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208739A (zh) * | 2019-05-29 | 2019-09-06 | 北京百度网讯科技有限公司 | 辅助车辆定位的方法、装置、设备和计算机可读存储介质 |
CN111207688A (zh) * | 2020-01-16 | 2020-05-29 | 睿镞科技(北京)有限责任公司 | 在载运工具中测量目标对象距离的方法、装置和载运工具 |
CN113822930A (zh) * | 2020-06-19 | 2021-12-21 | 黑芝麻智能科技(重庆)有限公司 | 用于高精度定位停车场中的物体的***和方法 |
CN113822930B (zh) * | 2020-06-19 | 2024-02-09 | 黑芝麻智能科技(重庆)有限公司 | 用于高精度定位停车场中的物体的***和方法 |
CN112214021A (zh) * | 2020-09-23 | 2021-01-12 | 北京智远弘业机器人科技有限公司 | 自动泊车方法、装置、电子设备及计算机可读存储介质 |
CN113309169A (zh) * | 2021-07-01 | 2021-08-27 | 吉林大学 | 一种无人驾驶装载机室内自主卸料***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109739243B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109739243A (zh) | 一种车辆定位方法、自动驾驶控制方法及相关*** | |
CN109596140A (zh) | 一种车辆定位方法、自动驾驶控制方法及相关*** | |
US11024055B2 (en) | Vehicle, vehicle positioning system, and vehicle positioning method | |
US11346926B2 (en) | Detection device and method for adjusting parameter thereof | |
CN110962843B (zh) | 一种自动泊车控制决策方法及*** | |
CN113002396B (zh) | 一种用于自动驾驶矿用车辆的环境感知***及矿用车辆 | |
CN108628324B (zh) | 基于矢量地图的无人车导航方法、装置、设备及存储介质 | |
US11085774B2 (en) | System and method of matching of road data objects for generating and updating a precision road database | |
US10384679B2 (en) | Travel control method and travel control apparatus | |
EP3130945B1 (en) | System and method for precision vehicle positioning | |
CN108482366A (zh) | 基于车辆自动驾驶的代客泊车***及方法 | |
US20170285649A1 (en) | Autonomous vehicle with improved visual detection ability | |
CN111746504B (zh) | 记忆泊车方法、***、装置及计算机可读存储介质 | |
CN110316182A (zh) | 一种自动泊车***及方法 | |
CN107600067A (zh) | 一种基于多视觉惯导融合的自主泊车***及方法 | |
WO2017025341A1 (en) | System and method of a two-step object data processing by a vehicle and a server database for generating, updating and delivering a precision road property database | |
JPH06230115A (ja) | 車間距離検出装置 | |
CN111796299A (zh) | 一种障碍物的感知方法、感知装置和无人驾驶清扫车 | |
US11774981B2 (en) | Driver aid and autonomous tractor-trailer parking and loading dock alignment system | |
CN112985425A (zh) | 基于异构感知数据融合的车辆定位方法、装置及*** | |
EP2676845A1 (en) | A method and system for dynamically adjusting a vehicle mirror | |
JP2020166123A (ja) | 地図データ作成方法及び地図データ作成装置 | |
CN113655486B (zh) | 基于单后视相机及多雷达的自动泊车方法 | |
Takatori | NLOS Obstacle Position Estimation from Reflected Image | |
CN109828581B (zh) | 一种带有自动驾驶***的多模式智能电动清扫车 |
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 |