CN110167827A - 用于识别未被占用的停车位置的***和方法 - Google Patents
用于识别未被占用的停车位置的***和方法 Download PDFInfo
- Publication number
- CN110167827A CN110167827A CN201680090110.9A CN201680090110A CN110167827A CN 110167827 A CN110167827 A CN 110167827A CN 201680090110 A CN201680090110 A CN 201680090110A CN 110167827 A CN110167827 A CN 110167827A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- controller
- unappropriated
- unappropriated position
- feature
- 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
- 238000000034 method Methods 0.000 title claims description 44
- 238000010801 machine learning Methods 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract 3
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000005012 migration Effects 0.000 claims description 4
- 238000013508 migration Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 13
- 238000007781 pre-processing Methods 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005036 potential barrier Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- 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
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
- G01C21/3685—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities the POI's being parking facilities
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9314—Parking operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9327—Sensor installation details
- G01S2013/93274—Sensor installation details on the side of the vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations
- G01S2015/933—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations for measuring the dimensions of the parking space when driving past
- G01S2015/935—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations for measuring the dimensions of the parking space when driving past for measuring the contour, e.g. a trajectory of measurement points, representing the boundary of the parking space
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Acoustics & Sound (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
一种车辆,包括一个或多个侧向安装的传声器和控制器,所述控制器被编程为在所述传声器的输出中检测邻近所述车辆的未被占用的位置的特征。所述特征可以使用机器学习算法来识别。响应于检测到未被占用的位置,所述控制器可以调用自主停车、存储所述未被占用的位置的位置以供后续使用和/或将所述未被占用的位置报告给服务器,所述服务器然后向其他车辆通知可用的停车处。所述未被占用的位置可以通过评估地图数据是否指示所述位置处的合法停车处来验证。所述未被占用的位置还可以用一个或多个其他传感器,诸如相机、LIDAR、RADAR、SONAR或其他类型的传感器来确认。
Description
背景技术
发明领域
本发明涉及一种用于车辆的传感器***和方法。
发明背景
在城市环境中寻找平行停车位可能非常具有挑战性。在寻找停车处时会消耗大量燃料。尤其是在驾驶员寻找停车位的同时车辆以中等速度行驶的情况下,特别是在交通繁忙时,寻找紧挨着车辆的停车位可能是一个富有挑战性的问题。
本文公开的***和方法提供了一种从移动车辆识别停车位的改进方法。
附图说明
为了易于理解本发明的优点,将通过参考附图中所示的特定实施例来呈现对上文简要描述的本发明的更具体的描述。应理解,这些附图仅示出本发明的典型实施例,并且因此不应被理解为限制本发明的范围,将通过使用附图更详细和具体地描述和解释本发明,在附图中:
图1是用于实施本发明的实施例的***的示意性框图;
图2是适合于实施根据本发明的实施例的方法的示例计算装置的示意性框图;
图3是示出根据本发明的实施例的可以使用听觉数据来检测未被占用的停车位置的情形的图;
图4是根据本发明的实施例的用于使用听觉数据检测未被占用的停车位置的部件的示意性框图;
图5是根据本发明的实施例的检测未被占用的停车位置的方法的过程流程图;
图6是示出根据本发明的实施例的传声器信号的关联的图。
具体实施方式
参考图1,控制器102可以容纳在车辆内。车辆可以包括本领域已知的任何车辆。车辆可以具有本领域已知的任何车辆的所有结构和特征,包括车轮、联接到车轮的传动系、联接到传动系的发动机、转向***、制动***和本领域已知的要包括在车辆中的其他***。
如本文更详细地讨论,控制器102可以执行自主导航和碰撞避免。控制器102可以从一个或多个成像装置104接收一个或多个图像流。例如,一个或多个相机可以安装到车辆并且输出由控制器102接收的图像流。控制器102可以从一个或多个传声器106接收一个或多个音频流。例如,一个或多个传声器106或传感器阵列106可以安装到车辆并且输出由控制器102接收的音频流。传声器106可以包括定向传声器,所述定向传声器的灵敏度随角度变化。
控制器102可以执行碰撞避免模块108,所述碰撞避免模块108接收图像流和音频流,并且识别可能的障碍物并采取措施来避开所述可能的障碍物。
其他传感器的输出可以用于识别障碍物。例如,成像装置104可以包括传感器,诸如RADAR(无线电探测和测距)、LIDAR(光探测和测距)、SONAR(声音导航和测距)等等。因此,由控制器102接收的“图像流”可以包括由相机检测的光学图像和使用一个或多个其他装置感测的对象和拓扑中的一者或两者。控制器102之后可以分析图像和感测到的对象和拓扑,以便识别潜在的障碍物。
碰撞避免模块108可以包括音频检测模块110a。音频检测模块110a可以包括音频预处理模块112a,所述音频预处理模块112a被编程为处理一个或多个音频流,以便强调对应于未被占用的停车空间的声音特征。音频检测模块110a还可以包括机器学习模块112b,所述机器学习模块112b实施一个模型,所述模型评估来自预处理模块112a的处理后的音频流并且尝试检测未被占用的停车位置的特征。机器学习模块112b可以输出指示分类正确的可能性的置信度分数。以下相对于图5的方法500更详细地描述音频检测模块110a的模块112a、112b的功能。
音频检测模块110a还可以包括图像相关模块112c,所述图像相关模块112c被编程为评估来自一个或多个成像装置104的图像输出并且尝试识别未被占用的停车位置。特别地,图像相关模块112c可以用于确认根据本文公开的方法使用音频数据检测到的未被占用的停车位置的存在。
音频检测模块110a还可以包括地图相关模块112d。地图相关模块112d评估地图数据以确定诸如合法的平行停车位置或成角度停车位置的停车位置是否位于根据本文公开的方法被确定为未被占用的位置。如果是这样的话,则可以存储未被占用的停车位置以供后续使用或将所述未被占用的停车位置报告给服务器以供其他车辆使用。
碰撞避免模块108还可以包括障碍物识别模块110b、碰撞预测模块110c和决策模块110d。障碍物识别模块110b分析一个或多个图像流并且识别潜在的障碍物,包括人、动物、车辆、建筑物、路沿以及其他物体和结构。特别地,障碍物识别模块110b可以识别图像流中的车辆图像。
碰撞预测模块110c基于其当前轨迹或当前预期路径而预测哪些障碍物图像可能与车辆碰撞。碰撞预测模块110c可以评估与由障碍物识别模块110b识别的物体以及使用音频检测模块110a检测到的障碍物碰撞的可能性。特别地,其发动机运行由音频检测模块110a识别为具有高于阈值的置信度的车辆,尤其是这类车辆的潜在移动可以被添加到一组潜在的障碍物。决策模块110d可以做出停止、加速、转弯等决策,以便避开障碍物。碰撞预测模块110c预测潜在碰撞的方式和决策模块110d采取行动以避免潜在碰撞的方式可以是根据自主车辆领域中已知的任何方法或***。
决策模块110d可以通过致动控制车辆的方向和速度的一个或多个致动器114来控制车辆的轨迹。例如,致动器114可以包括转向致动器116a、加速器致动器116b和制动致动器116c。致动器116a至116c的配置可以是根据自主车辆领域中已知的此类致动器的任何实现方式。
在本文公开的实施例中,碰撞避免模块108可以执行自主停车。特别地,碰撞避免模块108可以借助于致动器114自主地将车辆停放在根据本文公开的方法识别的未被占用的停车位置处。
控制器102可以是联网的并且通过网络118检索信息。例如,可以从服务器***122访问地图数据120,以便识别容纳控制器102的自主车辆附近的潜在的停车空间。地图数据120可以包括记录合法停车位置的位置的停车数据124。停车数据124还可以包括反映停车位置的状态的状态信息。停车位置的状态可以包括诸如“被占用”、“未知”和“未被占用”的状态。在一些实施例中,在状态是“未被占用”的情况下,停车数据可以记录根据本文公开的方法停车位置被报告为未被占用的时间。
当根据本文公开的方法确定时,未被占用的停车位置可以报告给服务器***122,所述服务器***122更新停车数据124。控制器102可以进一步报告车辆何时停放在停车位置处,诸如控制器102何时自主地在停车位置停车。
图2是示出示例计算装置200的框图。计算装置200可以用于执行各种程序,诸如本文所讨论的那些程序。控制器102和服务器***122可以具有计算装置200的一些或所有属性。
计算装置200包括全部都联接到总线212的一个或多个处理器202、一个或多个存储器装置204、一个或多个接口206、一个或多个大容量存储装置208、一个或多个输入/输出(I/O)装置210和显示装置230。处理器202包括执行存储在存储器装置204和/或大容量存储装置208中的指令的一个或多个处理器或控制器。处理器202还可以包括各种类型的计算机可读介质,诸如高速缓冲存储器。
存储器装置204包括各种计算机可读介质,诸如易失性存储器(例如,随机存取存储器(RAM)214)和/或非易失性存储器(例如,只读存储器(ROM)216)。存储器装置204还可以包括可重写ROM,诸如快闪存储器。
大容量存储装置208包括各种计算机可读介质,诸如磁带、磁盘、光盘、固态存储器(例如,快闪存储器)等等。如图2所示,特定大容量存储装置是硬盘驱动器224。各种驱动器也可以被包括在大容量存储装置208中,以支持从各种计算机可读介质进行读取和/或写入各种计算机可读介质。大容量存储装置208包括可移除介质226和/或不可移除介质。
I/O装置210包括允许将数据和/或其他信息输入到计算装置200中或从所述计算装置200检索数据和/或其他信息的各种装置。示例I/O装置210包括光标控制装置、键盘、小键盘、传声器、监视器或其他显示装置、扬声器、打印机、网络接口卡、调制解调器、镜头、CCD或其他图像捕获装置等等。
显示装置230包括能够向计算装置200的一个或多个用户显示信息的任何类型的装置。显示装置230的示例包括监视器、显示终端、视频投影装置等等。
接口206包括允许计算装置200与其他***、装置或计算环境交互的各种接口。示例接口206包括任何数量的不同网络接口220,诸如到局域网(LAN)、广域网(WAN)、无线网络和互联网的接口。其他接口包括用户接口218和***装置接口222。接口206还可以包括一个或多个***接口,诸如用于打印机、指示装置(鼠标、轨迹板等)、键盘等等的接口。
总线212允许处理器202、存储器装置204、接口206、大容量存储装置208、I/O装置210和显示装置230彼此通信以及与联接到总线212的其他装置或部件通信。总线212表示几种类型的总线结构中的一种或多种,诸如***总线、PCI总线、IEEE 1394总线、USB总线等等。
出于说明的目的,虽然程序和其他可执行程序部件在本文中被示出为离散的方框,但是应理解,这类程序和部件可以在各种时间驻留在计算装置200的不同存储部件中,并且由处理器202执行。可替代地,本文描述的***和程序可以用硬件或硬件、软件和/或固件的组合来实施。例如,可以编程一个或多个专用集成电路(ASIC)以执行本文描述的***和程序中的一个或多个。
现转到图3,在许多情况下,容纳控制器102的车辆(在下文中被称为车辆300)可以沿着准许平行或成角度停车的街道行驶。许多可用的停车位置可能会被其他车辆302占用,而其他位置304可能未被占用。传声器106可以包括一个或多个传声器106a至106c,所述一个或多个传声器106a至106c沿着车辆,诸如在驾驶员靠着道路右侧行驶的管辖区中沿着右侧定位。以下公开内容假设沿着道路的右侧行驶。在左侧行驶的情况下,对车辆右侧或左侧的提及将是相反的。
传声器106a至106c的竖直位置可以定位在车辆的典型高度内,例如定位在距离地面2到4英尺处。成像装置104还可以包括面向右侧的相机104,所述面向右侧的相机104被定位成使在车辆右侧的停车位置都在所述相机的视野内。其他成像传感器(例如LIDAR、RADAR、SONAR)可以使车辆的右侧在其视野内。
在车辆300经过车辆302和空的停车位置304时,传声器106a至106c的输出将检测到明显不同的声音特征。例如,可能会被已停放车辆302阻断的声音不会被空的停车位置304阻断。类似地,由车辆302反射到传声器106a至106c上的声音在空的停车位置304处不会得到相同程度的反射。因此,在空的停车位置304处会发生检测到的声音的特性的明显改变。
机器学习模块112b可以被训练来检测检测到的声音的特性的这种明显变化。例如,训练数据集可以包括在车辆以给定速度经过一排被占用和未被占用的停车位置时记录的音频文件。音频文件的期望输出可以是一组状态指示符,所述状态指示符指示音频文件中的特定时间点是否对应于在经过被占用或未被占用的停车位置时记录的声音。例如,状态指示符可以被包括在期望输出中并且对应于一组N个样本,其中N是1到1000的值,或某一其他值。状态指示符可以简单地是二进制值:1表示被占用,并且0表示未被占用。
可以使用不同对的音频文件和期望输出组来训练机器模型。可以在各种交通状况下并在各种速度下记录音频文件,以便针对多种情况训练模型。在一些实施例中,可以针对给定的一对音频文件和期望输出组输入车辆速度,使得可以针对未被占用的停车位置的特征可能改变的特定状况训练机器学习模型。
参考图4,每个传声器106a至106c的输出信号可以输入到对应的预处理模块112a-1至112a-3。每个预处理模块112a-1至112a-3的输出可以进一步由噪声消除滤波器400a至400c处理。噪声消除模块400a至400c的输出之后可以输入到机器学习模块112b。特别地,噪声消除模块400a至400c的输出可以输入到机器学习模型402,所述机器学习模型402将对输出的分类404输出为对应于经过被占用或未被占用的停车位置。机器学习模型402可以进一步输出分类的置信度。
预处理模块112a-1至112a-3可以处理来自传声器106a至106c的原始输出,并且产生处理后的输出,所述处理后的输出被输入到噪声消除模块400a至400c或被直接输入到机器学习模块112b。处理后的输出可以是原始输出的滤波版本,处理后的输出具有相对于原始输出增强的音频特征。增强的音频特征可以是片段、频带或原始输出的在识别被占用和未被占用的停车位置中特别有用的其他分量。因此,预处理模块112a-1至112a-3可以包括带通滤波器,所述带通滤波器使原始输出的在对应于由车辆和车辆发动机生成的声音的频带中的一部分通过,同时阻断在所述频带之外的原始输出的部分。预处理模块112a-1至112a-3可以是数字滤波器,所述数字滤波器的系数被选择为使具有对应于车辆发动机或其他车辆噪声(例如,风噪声)的频谱内容和/或时间轮廓的信号通过,诸如具有根据经验选择的系数的自适应滤波器,所述自适应滤波器将使车辆生成的声音通过,同时使其他声音衰减。预处理模块112a-1至112a-3的输出可以是时域信号或频域信号,或两者。预处理模块112a-1至112a-3的输出可以包括多个信号,包括在时域和频域中的一个或两个中的信号。例如,可以在频域或时域中输出作为使用不同带通滤波器进行滤波的结果的信号。
噪声消除模块400a至400c可以包括本领域已知的任何噪声消除滤波器,或实施本领域已知的任何噪声消除方法。特别地,噪声消除模块400a至400c可以进一步将车辆300的速度、车辆300的发动机的旋转速度或描述发动机状态的其他信息、车辆300的通风扇的速度或其他信息作为输入。这种信息可以由噪声消除模块400a至400c使用来消除由发动机和风扇引起的噪声以及车辆风噪声。
在一些实施例中,从被占用的停车位置反射的噪声可以对应于由车辆300引起的风噪声和发动机噪声。因此,可以将噪声消除模块400a至400c的输出与预处理模块112a-1至112a-3的输出进行比较,以便确定车辆自身的发动机和风噪声从停放的汽车或空的停车位置反射的变化。
机器学习模型402可以是深度神经网络,但是可以使用其他类型的机器学习模型,诸如决策树、聚类、贝叶斯网络、遗传或其他类型的机器学习模型。如上文相对于图3所述,机器学习模型402可以在各种类型的情况下用各种类型的噪声进行训练。
图5示出了可以由控制器102通过处理来自传声器106a至106c的音频信号来执行的方法500。方法500可以包括使用传声器106a至106c检测502表示检测到的声音的音频信号,并且对音频信号进行预处理504以增强音频特征。这可以包括执行上文相对于预处理模块112a-1至112a-3描述的任何滤波功能。特别地,预处理504可以包括在时域或频域中生成一个或多个预处理信号,每个输出可以是来自传声器106a至106c中的一个的音频信号的带通滤波版本,或可以使用其他技术,诸如使用自适应滤波器或其他音频处理技术来滤波或以其他方式进行处理。预处理504还可以包括如上文相对于噪声消除模块400a至400c所描述对预处理模块112a-1至112a-3的输入或输出执行噪声消除。
方法500还可以包括将预处理信号输入506到机器学习模型402中。机器学习模型402之后将声音分类508,即,将根据机器学习模型402处理预处理信号中的音频特征的属性,所述机器学习模型402然后将输出一个或多个分类和所述一个或多个分类的置信度分数。在所示实施例中,声音可以被分类为指示邻近的停放的汽车或邻近的空的停车位置。
方法500可以包括尝试使来自各种传声器106a至106c的声音分类相关联510。例如,图6包括曲线图,其中竖直轴线602表示检测到的声音的样本的幅度,而水平轴线604表示时间,例如样本序列中的样本的位置。
曲线图600a至600c分别表示传声器106a至106c的输出。区域606a至606c分别表示曲线图600a至600c的区域,其中未被占用的停车位置的特征由机器学习模型检测。显而易见的是,由于传声器106a至106c位于车辆300上的不同纵向位置,区域606a至606c是偏离的。
因此,相关联510可以包括确定区域606a至606c的位置是否与经过未被占用的停车位置的所有传声器106a至106c相一致。传声器106a与106b之间的时间偏移可以被估计为Dab/V,其中Dab是传声器106a、106b之间的纵向间隔,并且V是检测到信号时车辆300的速度。类似地,传声器106a与106c之间的时间偏移可以被估计为Dac/V,其中Dac是传声器106a、106c之间的纵向间隔。
使传声器的输出相关联510可以包括使机器学习模型的输出对准以抵消由纵向偏移引起的延迟。如果机器学习模型的针对传声器106a至106c对准的输出指示相同特征(例如,未被占用),则可以增加对停车位置未被占用的确定的置信度。
例如,只有在所有三个传声器的所有三个(或在使用更多传声器的情况下为某一其他数量)特征都确定停车位置是未被占用的情况下,才可以确定停车位置是未被占用的。
在一些实施例中,可以使用多个传声器106a至106c或体现为传声器阵列的传声器106a至106c来检测相对于未被占用的停车位置所成的角度。确切地说,可以使用由各种传声器106a至106c检测未被占用的停车位置的时间之间的延时以使用本领域已知的任何三角测量算法来确定相对于未被占用的停车位置的方向。
方法500可以包括根据分类步骤508和相关联步骤510中的一者或两者来确定512是否已检测到未被占用的停车位置。例如,步骤512可以包括评估传声器106a至106c的输出的被确定为指示未被占用的位置的一部分的持续时间,以确定未被占用的位置是否足够大到准许停车。例如,如果持续时间至少与L/V一样大,则可以确定已识别到未被占用的停车位置,其中L是车辆的长度加上操纵到平行停车位置所需的距离,并且V是测量传声器输出时车辆的速度。
如果确定512已检测到未被占用的位置,则方法500可以包括评估514地图数据是否指示所述区域处的合法停车位置。例如,可以诸如使用全球定位***(GPS)接收器确定车辆300的位置,同时记录传声器输出。因此,可以使传声器106a至106c的输出中的给定时间位置与检测到输出时的车辆的位置相关联。因此,可以从到对应的位置测量确定输出中被确定为指示未被占用的位置的区域的位置。可以评估对应的位置测量以确定地图数据是否指示在所述位置处的合法停车位置。如果是这样的话,则可以报告516未被占用的停车位置,存储所述未被占用的停车位置以供后续使用,或可以由控制器102执行未被占用的停车位置的自主停车。
报告516可以包括向服务器***122报告未被占用的位置。其他控制器102或其他移动装置之后可以像多个其他车辆报告那样从服务器***接收当前未被占用的停车位置的报告。其他车辆的控制器102之后可以导航到这些未被占用的停车位置或提供到所述未被占用的停车位置的导航指令。
可以执行对方法500的各种修改。例如,尽管听觉数据单独就可以使用来检测未被占用的停车位置,但是成像装置104(相机、LIDAR、RADAR、SONAR等)的输出也可以用于检测未被占用的停车位置。
例如,在如上所述使用听觉数据检测未被占用的停车位置的情况下,还可以评估使用成像装置104对检测到的未被占用的停车位置进行的测量,以验证车辆或其他障碍物不位于未被占用的停车位置。在这类实施例中,只有在使用成像装置104进行的测量确认了未被占用的停车位置的情况下才可以执行步骤516。
报告516未被占用的停车位置可以包括传输以下中的一些或全部:传声器106a至106c的输出;根据机器学习模型对传声器输出的分类;以及来自成像装置104的对未被占用的停车位置的测量(例如,来自相机的图像或使用LIDAR、RADAR和/或SONAR测量的点云)。服务器***122可以使用这种数据来验证未被占用的停车位置。
在以上公开中,已经参考了附图,所述附图形成了本公开的一部分,并且其中通过图示的方式示出可以实践本公开的具体实现方式。应理解,在不脱离本公开的范围的情况下,可以利用其他实现方式并且可以进行结构改变。说明书中对“一个实施例”、“实施例”、“示例实施例”等的引用指示所描述的实施例可以包括特定特征、结构或特性,但是每个实施例可能未必包括特定特征、结构或特性。此外,这类短语不一定指代相同的实施例。另外,当结合实施例描述特定特征、结构或特性时,所服从的是,无论是否明确描述,结合其他实施例影响这类特征、结构或特性在本领域技术人员的知识范围内。
本文公开的***、装置和方法的实现方式可以包括或利用专用或通用计算机,所述专用或通用计算机包括计算机硬件,例如像本文所讨论的一个或多个处理器和***存储器。本公开范围内的实现方式还可以包括用于承载或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。这类计算机可读介质可以是可以由通用或专用计算机***访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(装置)。承载计算机可执行指令的计算机可读介质是传输介质。因此,作为举例,但不带限制性,本公开的实现方式可以包括至少两种截然不同的计算机可读介质:计算机存储介质(装置)和传输介质。
计算机存储介质(装置)包括RAM、ROM、EEPROM、CD-ROM、固态驱动器(“SSD”)(例如,基于RAM)、快闪存储器、相变存储器(“PCM”)、其他类型的存储器、其他光盘存储装置、磁盘存储装置或其他磁存储装置、或可以用于以计算机可执行指令或数据结构的形式存储所需程序代码单元并可以由通用或专用计算机访问的任何其他介质。
本文公开的装置、***和方法的实现方式可以通过计算机网络进行通信。“网络”被定义为使得电子数据能够在计算机***和/或模块和/或其他电子装置之间传输的一个或多个数据链路。当信息通过网络或另一个通信连接(硬连线、无线或硬连线或无线的组合)传递或提供给计算机时,计算机适当地将连接视为传输介质。传输介质可以包括网络和/或数据链路,所述网络和/或数据链路可以用于以计算机可执行指令或数据结构的形式承载所需程序代码单元并且可以由通用或专用计算机访问。上述的组合也应当包括在计算机可读介质的范围内。
例如,计算机可执行指令包括在处理器上执行时致使通用计算机、专用计算机或专用处理装置执行特定功能或功能组的指令和数据。例如,计算机可执行指令可以是二进制文件、诸如汇编语言的中间格式指令、或甚至是源代码。尽管已经用结构特征和/或方法动作专用的语言描述了主题,但应理解,所附权利要求中限定的主题不必限于上述特征或动作。而是,所描述的特征和动作被公开为实施权利要求的示例形式。
本领域技术人员将了解,本公开可以在具有许多类型的计算机***配置的网络计算环境中实践,所述计算机***配置包括:内置式车辆计算机、个人计算机、台式计算机、膝上型计算机、消息处理器、手持式装置、多处理器***、基于微处理器的或可编程的消费电子设备、网络PC、小型计算机、大型计算机、移动电话、PDA、平板计算机、寻呼机、路由器、交换机、各种存储装置等等。本公开还可以在分布式***环境中实践,其中通过网络(通过硬连线数据链路、无线数据链路或者通过硬连线和无线数据链路的组合)链接的本地和远程计算机***两者都执行任务。在分布式***环境中,程序模块可以位于本地和远程存储器存储装置两者中。
此外,在适当的情况下,可以在以下中的一者或多者中执行本文描述的功能:硬件、软件、固件、数字部件或模拟部件。例如,可以对一个或多个专用集成电路(ASIC)进行编程以执行本文描述的***和程序中的一个或多个。某些术语贯穿本说明书和权利要求用于指代特定***部件。如本领域技术人员将了解,可以通过不同的名称来引用部件。本文件不意图区分名称不同但功能相同的部件。
应注意,上文讨论的传感器实施例可以包括计算机硬件、软件、固件或其任何组合以执行其功能的至少一部分。例如,传感器可以包括被配置为在一个或多个处理器中执行的计算机代码,并且可以包括由计算机代码控制的硬件逻辑/电路。这些示例装置在本文中被提供用于说明的目的,而不意图进行限制。如相关领域的技术人员将知晓,本公开的实施例可以在其他类型的装置中实施。
本公开的至少一些实施例涉及计算机程序产品,所述计算机程序产品包括存储在任何计算机可用介质上的这种逻辑(例如,呈软件的形式)。这种软件在一个或多个数据处理装置中执行时致使装置如本文所述的那样进行操作。
虽然上文已描述了本公开的各种实施例,但是应理解,所述实施例仅通过举例而非限制的方式呈现。对于相关领域的技术人员来说将显而易见的是,在不脱离本公开的精神和范围的情况下,可以在其中进行形式和细节上的各种改变。因此,本公开的广度和范围不应受任何上述示例性实施例的限制,而是应当仅根据以下权利要求以及其等效形式进行限定。前文描述仅出于说明和描述的目的而呈现。并不意图穷举或将本公开限制于所公开的确切形式。鉴于以上教导,许多修改和变化是可能的。另外,应注意,任何或所有前述替代实现方式可以形成本公开的其他混合实现方式所需的任何组合使用。
Claims (20)
1.一种用于车辆的***,所述***包括:
一个或多个传声器,所述一个或多个传声器安装到所述车辆;以及
控制器,所述控制器被编程为--
在所述一个或多个传声器的一个或多个输出中检测邻近所述车辆的未被占用的位置的特征;以及
进行以下中的至少一者:(a)存储所述未被占用的位置,以及(b)将所述未被占用的位置传输到服务器。
2.如权利要求1所述的***,其中所述控制器被进一步编程为:
检索所述车辆的当前位置的地图数据;
评估所述地图数据是否指示所述未被占用的位置处的至少一个停车区;以及
如果所述地图数据指示所述未被占用的位置处的至少一个停车区,则执行(a)和(b)中的至少一者。
3.如权利要求1所述的***,其中碰撞避免模块被进一步编程为:
通过将所述一个或多个输出输入到机器学习模型中来检测所述未被占用的位置的所述特征。
4.如权利要求3所述的***,其中所述机器学习模型是深度神经网络。
5.如权利要求1所述的***,其中所述控制器被进一步编程为自主地将所述车辆停放在所述未被占用的位置处。
6.如权利要求1所述的***,其中所述控制器被进一步编程为通过对一个或多个音频流进行滤波以获得一个或多个已滤波的信号来检测邻近所述车辆的所述未被占用的位置的所述特征。
7.如权利要求1所述的***,其中所述一个或多个传声器包括沿着所述车辆纵向地分布的多个传声器;并且
其中所述控制器被进一步编程为用对应于所述车辆的速度的时间偏移来使所述多个传声器的输出中的所述未被占用的位置的所述特征的出现相关联。
8.如权利要求1所述的***,所述***还包括安装到所述车辆的一个或多个附加传感器;
其中所述控制器被进一步编程为根据所述一个或多个附加传感器的输出来确认所述未被占用的位置的存在。
9.如权利要求8所述的***,其中所述一个或多个附加传感器包括相机。
10.如权利要求8所述的***,其中所述一个或多个附加传感器包括以下中的至少一者:LIDAR传感器、RADAR传感器和SONAR传感器。
11.一种检测停车位置的方法,所述方法包括:
提供车辆,所述车辆具有安装到其上的一个或多个传声器;
由控制器接收一个或多个输出形式所述一个或多个传声器;
由所述控制器在所述一个或多个传声器的所述一个或多个输出中检测邻近所述车辆的未被占用的位置的特征;以及
响应于检测到邻近所述车辆的所述未被占用的位置的所述特征,由所述控制器执行以下中的至少一者:(a)存储所述未被占用的位置,以及(b)将所述未被占用的位置传输到服务器。
12.如权利要求11所述的方法,所述方法还包括:
由所述控制器和其他计算机***中的一者检索所述车辆的当前位置的地图数据;
由所述控制器和所述其他计算机***中的所述一者确定所述地图数据指示所述未被占用的位置处的至少一个停车区;以及
响应于确定所述地图数据指示所述未被占用的位置处的至少一个停车区,由所述控制器执行(a)和(b)中的至少一者。
13.如权利要求11所述的方法,所述方法还包括通过由所述控制器将所述一个或多个输出输入到机器学习模型中来检测所述未被占用的位置的所述特征。
14.如权利要求13所述的方法,其中所述机器学习模型是深度神经网络。
15.如权利要求11所述的方法,其中所述控制器被进一步编程为自主地将所述车辆停放在所述未被占用的位置处。
16.如权利要求11所述的方法,所述方法还包括通过对一个或多个音频流进行滤波以获得一个或多个已滤波的信号来检测邻近所述车辆的未被占用的位置的特征。
17.如权利要求11所述的方法,其中所述一个或多个传声器包括沿着所述车辆纵向地分布的多个传声器,所述方法还包括由所述控制器使用对应于所述车辆的速度的时间偏移来使所述多个传声器的输出中的所述未被占用的位置的所述特征的出现相关联。
18.如权利要求11所述的方法,其中一个或多个附加传感器安装到所述车辆并且耦合到所述控制器,所述方法还包括由所述控制器根据所述一个或多个附加传感器的输出来确认所述未被占用的位置的存在。
19.如权利要求18所述的方法,其中所述一个或多个附加传感器包括相机。
20.如权利要求18所述的方法,其中所述一个或多个附加传感器包括以下中的至少一者:LIDAR传感器、RADAR传感器和SONAR传感器。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2016/057748 WO2018075036A1 (en) | 2016-10-19 | 2016-10-19 | A system and methods for identifying unoccupied parking positions |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110167827A true CN110167827A (zh) | 2019-08-23 |
CN110167827B CN110167827B (zh) | 2022-04-12 |
Family
ID=62018989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680090110.9A Active CN110167827B (zh) | 2016-10-19 | 2016-10-19 | 用于识别未被占用的停车位置的***和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10817736B2 (zh) |
CN (1) | CN110167827B (zh) |
DE (1) | DE112016007237T5 (zh) |
WO (1) | WO2018075036A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028537A (zh) * | 2019-12-13 | 2020-04-17 | 中国联合网络通信集团有限公司 | 判断停车位的使用状态的方法、停车场管理方法和*** |
CN111627246A (zh) * | 2020-06-12 | 2020-09-04 | 桂林电子科技大学 | 基于图像识别与用户偏好的智能车位推荐方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180335503A1 (en) * | 2017-05-19 | 2018-11-22 | Magna Electronics Inc. | Vehicle system using mems microphone module |
US20190094858A1 (en) * | 2017-09-25 | 2019-03-28 | Uber Technologies, Inc. | Parking Location Prediction |
US20200258385A1 (en) * | 2019-02-11 | 2020-08-13 | Byton North America Corporation | Advanced detection of parking spot for vehicle |
DE102019215668A1 (de) * | 2019-10-11 | 2021-04-15 | Zf Friedrichshafen Ag | Verfahren zur Erfassung und Interpretation von Schallereignissen bei einem autonom fahrenden Fahrzeug |
CN112874510B (zh) * | 2021-02-02 | 2022-09-16 | 江苏大学 | 一种基于半监督学习的自动编码器在自动泊车中车位探测的方法 |
CN113223326B (zh) * | 2021-04-28 | 2022-11-11 | 上海电科智能***股份有限公司 | 基于路侧的多车多控多源低速辅助停车*** |
US20230012392A1 (en) * | 2021-07-12 | 2023-01-12 | Panasonic Automotive Systems Company Of America, Division Of Panasonic Corporation Of North America | Exterior Microphone Camera System |
DE102021211515A1 (de) | 2021-10-13 | 2023-04-13 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs |
US20240027577A1 (en) * | 2022-07-20 | 2024-01-25 | Applied Concepts, Inc. | Adaptive fan noise suppression for traffic radar systems |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136544A1 (en) * | 1998-10-02 | 2006-06-22 | Beepcard, Inc. | Computer communications using acoustic signals |
CN101398981A (zh) * | 2007-09-28 | 2009-04-01 | 爱信艾达株式会社 | 驻车辅助***、驻车辅助方法以及程序 |
US20120262305A1 (en) * | 2011-04-14 | 2012-10-18 | Google Inc. | Identifying Parking Spots |
US20130113936A1 (en) * | 2010-05-10 | 2013-05-09 | Park Assist Llc. | Method and system for managing a parking lot based on intelligent imaging |
US20140121883A1 (en) * | 2012-10-30 | 2014-05-01 | Robert Bosch Gmbh | System And Method For Using Gestures In Autonomous Parking |
CN104210440A (zh) * | 2013-06-04 | 2014-12-17 | 现代摩比斯株式会社 | 停车空间探索装置及自动停车控制*** |
US20150256928A1 (en) * | 2013-06-27 | 2015-09-10 | Panasonic Intellectual Property Corporation Of America | Control device and control method |
US20160084958A1 (en) * | 2014-09-24 | 2016-03-24 | Lg Electronics Inc. | Parking assistance for a vehicle |
US20160110619A1 (en) * | 2014-10-17 | 2016-04-21 | Hyundai Motor Company | Smart parking assist apparatus and method |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10113323C2 (de) * | 2001-03-20 | 2003-04-03 | Bosch Gmbh Robert | Radarsensorplattform |
DE10257722A1 (de) | 2002-12-11 | 2004-07-01 | Robert Bosch Gmbh | Einparkhilfe |
DE102004035539B4 (de) | 2004-07-22 | 2014-02-27 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung in einem Fahrzeug zum Erkennen von Parklücken |
JP5105149B2 (ja) * | 2007-04-18 | 2012-12-19 | アイシン精機株式会社 | 駐車支援装置 |
JP2010230366A (ja) * | 2009-03-26 | 2010-10-14 | Denso Corp | 障害物検出装置 |
WO2010132677A1 (en) | 2009-05-13 | 2010-11-18 | Rutgers, The State University | Vehicular information systems and methods |
DE102009039086A1 (de) | 2009-08-27 | 2011-03-03 | Valeo Schalter Und Sensoren Gmbh | Verfahren und Vorrichtung zur Erfassung von Parkplätzen für ein Fahrzeug |
JP5522434B2 (ja) * | 2009-09-01 | 2014-06-18 | アイシン精機株式会社 | 運転支援装置 |
US20110080304A1 (en) | 2009-10-07 | 2011-04-07 | Ford Global Technologies, Llc | Vehicle Park Assist System and Method for Parking a Vehicle Using Such System |
US8799037B2 (en) * | 2010-10-14 | 2014-08-05 | Palto Alto Research Center Incorporated | Computer-implemented system and method for managing motor vehicle parking reservations |
DE102013209298A1 (de) | 2013-05-21 | 2014-11-27 | Bayerische Motoren Werke Aktiengesellschaft | System und Verfahren zum Erkennen von einem potentiell frei werdenden Parkplatz |
US9286803B2 (en) * | 2014-06-28 | 2016-03-15 | Volkswagen Ag | Directional parking availability visualization system |
KR101521842B1 (ko) * | 2014-08-27 | 2015-05-20 | 현대모비스 주식회사 | 주차 공간 탐색 장치 및 그 탐색 방법 |
CN104608715B (zh) | 2014-12-29 | 2016-11-30 | 江苏大学 | 一种自动泊车***的泊车位探测装置及方法 |
KR101755819B1 (ko) * | 2015-08-10 | 2017-07-07 | 현대자동차주식회사 | 차량의 주차 제어 장치 및 방법 |
WO2017072956A1 (ja) * | 2015-10-30 | 2017-05-04 | 三菱電機株式会社 | 運転支援装置 |
EP3188149A1 (de) * | 2015-12-30 | 2017-07-05 | Skidata Ag | Verfahren zur identifizierung von fahrzeugen zum betreiben eines parkhauses oder eines parkplatzes |
DE102016209810A1 (de) * | 2016-06-03 | 2017-12-07 | Robert Bosch Gmbh | Verfahren zur Erkennung wenigstens einer Parklücke für ein Fahrzeug |
US10269242B2 (en) * | 2016-07-12 | 2019-04-23 | Ford Global Technologies, Llc | Autonomous police vehicle |
US20180025640A1 (en) * | 2016-07-19 | 2018-01-25 | Ford Global Technologies, Llc | Using Virtual Data To Test And Train Parking Space Detection Systems |
US9942513B1 (en) * | 2016-10-31 | 2018-04-10 | Cisco Technology, Inc. | Automated configuration of behavior of a telepresence system based on spatial detection of telepresence components |
KR20180091313A (ko) * | 2017-02-06 | 2018-08-16 | 현대자동차주식회사 | 센서 기반의 주차공간 탐색 시스템 및 그 방법 |
-
2016
- 2016-10-19 US US16/342,595 patent/US10817736B2/en active Active
- 2016-10-19 CN CN201680090110.9A patent/CN110167827B/zh active Active
- 2016-10-19 WO PCT/US2016/057748 patent/WO2018075036A1/en active Application Filing
- 2016-10-19 DE DE112016007237.6T patent/DE112016007237T5/de active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136544A1 (en) * | 1998-10-02 | 2006-06-22 | Beepcard, Inc. | Computer communications using acoustic signals |
CN101398981A (zh) * | 2007-09-28 | 2009-04-01 | 爱信艾达株式会社 | 驻车辅助***、驻车辅助方法以及程序 |
US20130113936A1 (en) * | 2010-05-10 | 2013-05-09 | Park Assist Llc. | Method and system for managing a parking lot based on intelligent imaging |
US20120262305A1 (en) * | 2011-04-14 | 2012-10-18 | Google Inc. | Identifying Parking Spots |
US20140121883A1 (en) * | 2012-10-30 | 2014-05-01 | Robert Bosch Gmbh | System And Method For Using Gestures In Autonomous Parking |
CN104210440A (zh) * | 2013-06-04 | 2014-12-17 | 现代摩比斯株式会社 | 停车空间探索装置及自动停车控制*** |
US20150256928A1 (en) * | 2013-06-27 | 2015-09-10 | Panasonic Intellectual Property Corporation Of America | Control device and control method |
US20160084958A1 (en) * | 2014-09-24 | 2016-03-24 | Lg Electronics Inc. | Parking assistance for a vehicle |
US20160110619A1 (en) * | 2014-10-17 | 2016-04-21 | Hyundai Motor Company | Smart parking assist apparatus and method |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028537A (zh) * | 2019-12-13 | 2020-04-17 | 中国联合网络通信集团有限公司 | 判断停车位的使用状态的方法、停车场管理方法和*** |
CN111627246A (zh) * | 2020-06-12 | 2020-09-04 | 桂林电子科技大学 | 基于图像识别与用户偏好的智能车位推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110167827B (zh) | 2022-04-12 |
DE112016007237T5 (de) | 2019-06-27 |
US10817736B2 (en) | 2020-10-27 |
US20190266422A1 (en) | 2019-08-29 |
WO2018075036A1 (en) | 2018-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110167827A (zh) | 用于识别未被占用的停车位置的***和方法 | |
US11170567B2 (en) | Dynamic object detection model based on static map collection data | |
US10625748B1 (en) | Approaches for encoding environmental information | |
US11209279B2 (en) | Systems and methods for autonomous vehicle performance evaluation | |
CN107527092B (zh) | 使用听觉数据训练用于碰撞躲避的算法 | |
CN107031622B (zh) | 用于碰撞避免的训练算法 | |
US20180068206A1 (en) | Object recognition and classification using multiple sensor modalities | |
CN107128304A (zh) | 使用听觉数据的碰撞避免 | |
US20180067488A1 (en) | Situational awareness determination based on an annotated environmental model | |
US11157655B2 (en) | Determining vehicle data integrity | |
US11157007B2 (en) | Approaches for encoding environmental information | |
US11567211B2 (en) | Systems and methods for estimating vehicle speed based on radar | |
US11816900B2 (en) | Approaches for encoding environmental information | |
KR102493930B1 (ko) | 강화학습 기반 신호 제어 장치 및 신호 제어 방법 | |
US11449475B2 (en) | Approaches for encoding environmental information | |
US11614753B2 (en) | Approaches for mapping geographic regions | |
CN111094095A (zh) | 自动地接收行驶信号 | |
US11912265B2 (en) | Methods and systems for parking a vehicle | |
US20200378776A1 (en) | Approaches for mapping geographic regions | |
CN113753040B (zh) | 预测弱势道路用户乱穿马路行为 | |
JP6755095B2 (ja) | 余裕度判定装置、余裕度判定方法および運転支援システム | |
CN111612140A (zh) | 基于路侧单元的自动驾驶安全判别方法、设备、存储介质 | |
US12039785B2 (en) | Approaches for encoding environmental information | |
US20210124355A1 (en) | Approaches for encoding environmental information | |
CN117589168A (zh) | 位置检测方法、装置、电子设备、车辆和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |