CN110517527A - 异构多源无线传感网络及其自主无人泊车方法 - Google Patents
异构多源无线传感网络及其自主无人泊车方法 Download PDFInfo
- Publication number
- CN110517527A CN110517527A CN201910774379.4A CN201910774379A CN110517527A CN 110517527 A CN110517527 A CN 110517527A CN 201910774379 A CN201910774379 A CN 201910774379A CN 110517527 A CN110517527 A CN 110517527A
- Authority
- CN
- China
- Prior art keywords
- node
- parking
- vehicle
- wireless sensor
- dynamic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000003068 static effect Effects 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 10
- 230000033001 locomotion Effects 0.000 claims abstract description 5
- 239000002245 particle Substances 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 10
- 238000013439 planning Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 239000004744 fabric Substances 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 5
- 230000006835 compression Effects 0.000 abstract description 2
- 238000007906 compression Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- 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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种异构多源无线传感网络及其自主无人泊车方法，该无线传感网络用于引导无人车自主泊车，其包括通过通讯网络连接的云控平台和异构边缘智能节点，其中，异构边缘智能节点的种类包括：动态节点，对应于正在移动或准备移动的车辆；静态节点，对应于分布在不同空间位置的边缘智能体；动态节点将车速、加减速度、转向角的实时信息上传，云控平台根据边缘智能体和动态节点之间的位置关系，结合边缘智能体自身位置引导动态节点自主泊车。与现有技术相比，本发明有助于实现无人化智慧车库应用推广，实现规范停车，智慧停车，无人停车，无人值守等功能，进一步压缩车位空间，缩短停车时间，改善用户体验，从而更好地节约城市空间。
Description
技术领域
本发明涉及智能网联汽车自主泊车领域，尤其是涉及一种异构多源无线传感网络及其自主无人泊车方法。
背景技术
以无人驾驶为发展方向的智能网联汽车技术成为研究热点，并有望引领新一代汽车工业革命，变革民众出行方式。但目前业内一致认为，在实际交通道路上实现L5等级的无人驾驶还遥遥无期，而固定场景下的自主无人泊车技术有望较早落地，有助于解决人口密集城区的一些停车和交通问题。
随着泊车技术研究的深入，目前主流采用的单车智能自主泊车技术存在很大缺陷，导致完全无人驾驶的自主泊车落地存在很大挑战。首先，环境感知***涉及到激光雷达、毫米波雷达、视觉摄像头，高精度导航定位***、360环视***等，传感器成本较高，不适合应用推广。其次，由于车库环境复杂多变，存在很大不确定性，基于多传感器融合的环境感知技术受光线、天气、室内等影响，感知能力受限，导致泊车失败。
随着人工智能与5G通讯技术的发展，边缘智能可以为城市的百亿终端提供AI能力，让本地设备、网关、控制器、服务器具备数据通讯、本地计算、云端配置同步等能力。车库作为城市重要频繁应用场所，其智能化水平将会不断提高，车库智能化替代部分单车智能化功能，有望为成千上万的汽车提供更好的泊车技术，大大降低停车成本，解决停车难的问题。本发明公开了基于智慧车库的完全自主无人泊车方法，为智慧车库提供建设指导。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种异构多源无线传感网络及其自主无人泊车方法。
本发明的目的可以通过以下技术方案来实现：
一种异构多源无线传感网络，该无线传感网络用于引导无人车自主泊车，其包括通过通讯网络连接的云控平台和异构边缘智能节点，
其中，所述异构边缘智能节点的种类包括：
动态节点，对应于正在移动或准备移动的车辆；
静态节点，对应于分布在不同空间位置的边缘智能体；
所述动态节点将车速、加减速度、转向角的实时信息上传，所述云控平台根据边缘智能体和动态节点之间的位置关系，结合边缘智能体自身位置引导动态节点自主泊车。
所述静态节点的分布位置至少包括：车库车位、路口和闸门。
所述动态节点接入后与静态节点的信息共享，退出后停止与静态节点的信息共享。
所述静态节点分为：
感知节点，用于感知车库环境信息，其中，所述车库环境信息包括车库内部道路车道线、车位角、十字路口状态、指引标志和空余车位信息；
汇聚节点，用于多传感器的信息融合与滤波处理；
管理节点，用于实现网络动态配置与管理；
锚节点，用于利用包括自身位置在内的状态信息，为动态节点提供状态参照；
目标节点，对应于动态节点的可选择停车位。
所述通讯网络为5G网络、UWB、Zigbee、DSRC、WIFI或LTE。
一种如上述的异构多源无线传感网络的自主无人泊车方法，包括：
步骤S1：收到车辆的泊车请求后，判断该车辆是否具备接入停车场的无线传感网络的动态节点身份，若为是，则执行步骤S2，反之则提示需在云控平台注册；
步骤S2：确定可用于当前车辆泊车的有效空余车位，并将得到的有效空余车位作为对应于当前动态节点的目标节点；
步骤S3：基于改进的粒子群优化算法，按照所有动态节点能够实现在不造成拥堵的条件下，完成进出车库的总距离最短的原则，实现所有动态节点的全局路径规划；
步骤S4：引导动态节点行驶至选定的目标车位以及泊车入库。
所述步骤S1中判断该车辆是否具备接入停车场的无线传感网络的动态节点身份的条件为：
具备转向、制动、车速控制的自主行驶能力，以及
在云控平台查询到车辆识别参数及停车历史记录。
所述步骤S3中粒子群优化算法的表达式为：
vid k+1＝w*vid k+c1*r1*(pbestid k-xid k)+c2*r2*gbestd k-xid k)
xid k+1＝xid k+vid k+1
其中：vid k+1为粒子Mi在k+1时的速度，w为权重因子，vid k为粒子Mi在k时的速度，c1为学习因子，r1、r2为随机因子，pbestid k为单个粒子的最佳位置，xid k为粒子Mi在k时的位置，c2为加速因子，d k为所有粒子的最佳位置，xid k+1为粒子Mi在k+1时的位置。
所述步骤S4中泊车入库过程具体为利用每个车位节点的四个库位角坐标实现。
与现有技术相比，本发明具有以下有益效果：
1)本发明有助于实现无人化智慧车库应用推广，实现规范停车，智慧停车，无人停车，无人值守等功能，促进人工智能技术应用与完善，避免停车位寻找难，停车位争抢、停车库拥堵等问题，进一步压缩车位空间，缩短停车时间，改善用户体验，从而更好地节约城市空间。
2)本发明不依赖卫星导航的局部高精度地图构建，通过停车场智慧改造进行实现，改善了单车智能水平不高，环境感知能力受限的现状，实现车位引导以及无人泊车、安全防卫等。
3)本发明的功能实现主要为布置在车库的静态节点，与在道路行驶的车辆相比传感器受损率大大减少，有效降低了传感器的维护成本。
附图说明
图1为本发明的方法流程图；
图2为本发明局部路径规划的泊车示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
一种基于分布式无线传感导航定位的自主无人泊车方法，包括构建基于云边协同计算框架的异构多源的无线传感网络和根据构建的无线传感网络辅助泊车，无线传感网络包括通讯网路、云控平台以及异构边缘智能节点。
云控平台与异构边缘智能节点组成云边协同计算框架，提供海量数据处理与存储的算力与智力支撑，支持入库车辆协同控制及自主泊车流程。
异构边缘智能节点包括动态节点与静态节点。
动态节点为可自动驾驶的待泊车入库的车辆或者准备驶出车库的车辆，实时将车速、加减速度、转向角的数据信息上传网络，用于路径规划与轨迹跟踪控制。同时动态节点有网络接入与退出机制，网络接入之后可实现动态节点与静态节点的信息共享，退出后可降低网络通讯负载。根据动态节点的对外传播，形成基于时间序列位置变化的车辆运动轨迹，作为云控平台的协同控制反馈。
静态节点为分布在车库车位、路口、闸门的边缘智能体，包括智能传感器、高精度定位单元、信息发射端、智能路由网关、数字滤波器，提供更为精准的语义丰富的高精地图信息，为泊车全过程提供环境信息，从而间接增强车辆自身的环境感知能力。
静态节点按功能分为感知节点、汇聚节点、管理节点、锚节点和目标节点，其中感知节点包括车库摄像头、UWB室内导航基站，主要感知车库环境信息，包括车库内部道路车道线、车位角、十字路口状态、指引标志、空余车位信息等；汇聚节点用于多传感器的信息融合与滤波处理；管理节点包括终端用户及边缘智能计算单元，实现网络动态配置与管理；锚节点为利用自身位置等状态信息，为动态节点(移动车辆)提供状态参照的静态节点，异构无线传感网络中的静态节点均为锚节点的可选集；目标节点为动态节点的可选择停车位对应的网络节点。
如图1所示，辅助泊车具体包括以下步骤：
步骤S1：待泊车辆身份识别与无线传感网络接入，具体为：通过车载V2X模块实现车辆身份识别或者基于停车库闸门处摄像头识别车辆身份，判断车辆是否具备接入停车场无线传感网络的动态节点身份。判断依据包括车辆是否具备与无线传感网络进行通信的接口；是否具备转向、制动、车速控制等自主行驶能力；是否在云控平台查询到车辆识别参数(车牌、车型配置、外形尺寸等)及停车历史记录。若首次接入，需要在云控平台建立身份档案，为后续泊车提供节点信息。
步骤S2：待泊车辆与剩余车位进行匹配，具体为：将待泊车辆作为无线传感网络中的动态节点，通过无线传感网络中静态节点感知空余停车位，结合动态节点实时传递的速度、位置信息、车型尺寸的数据信息进行车位优化匹配，确定可配对的目标节点群。
步骤S3：根据云边协同计算框架的计算结果，规划待泊车辆通往目标车位的全局路径，具体为：将所有待泊车辆组成粒子群{M1,M2…Mi…Mn},所有可供选择的空闲停车位组成目标节点集合{T1,T2…Tj…Tm}，其中，n≤m。通过Dijkstra最短路径法与改进的粒子群优化算法相结合进行待泊车辆在车库内的全局最优路径规划，实现{M1,M2…Mi…Mn}i映射到{T1,T2…Tj…Tm}的最短路径。改进的粒子群优化算法表达式如下：
vid k+1＝w*vid k+c1*r1*(pbestid k-xid k)+c2*r2*gbestd k-xid k)
xid k+1＝xid k+vid k+1
其中，k为时序状态，xid k为k状态下Mi粒子的位置，vid k为k状态下Mi粒子的速度，1为学习因子，c2为加速因子，r1和r2为随机因子，w为权重因子，pbestid k为k状态下单个粒子的最佳位置，gbestd k为k状态下所有粒子的最佳位置。
根据粒子群理论算法的可行性，需要基于车辆动力学特点对粒子速度与位置变化进行条件限制，同时引入粒子相斥的概念避免车辆集聚下的优选集，使得(xid k-xjd k)≤2dT时，vid k-vjd k＝0或vid k*vjd k＝0，其中，dT为前车倒车入库所需最短距离。
之后，待泊车辆进入停车场后，根据步骤S3规划的全局路径行驶，同时对其进行实时定位与运动跟踪，具体为：将已知静态节点作为锚节点，利用TOA测距原理耦合DV-HOP定位算法实现动态节点的位置定位。其中TOA测距主要通过车库中分布的UWB基站对动态节点进行三维定位，基站布局保证同时有四个以上的基站可以同时与动态节点建立通讯；DV-HOP定位算法主要通过车位上的静态节点与动态节点建立节点信息通讯，进一步消除UWB的定位误差。云控平台需要基于实时动态定位，在云端形成泊车轨迹路线，发送到后台监控***或者汽车所有人手机进行展示。
步骤S4：待泊车辆到达目标车位时进行局部路径规划，控制待泊车辆停入目标车位。每个车位节点包括四个库位角坐标，T＝{(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)}，具体为：基于DV-HOP定位算法将车辆坐标系转换为车位库位角组成的局部坐标，控制待泊车辆停入目标车位。如图2所示，相邻车库的车位角为泊车定位及路径规划提供锚节点定位，车位角P1～P9的坐标可作为车辆倒车的参考坐标点，引导车辆完成泊车，具体步骤如下：
步骤S41：通过P1～P4的XY坐标对待泊车辆的具***置进行定位，引导待泊车辆驶过目标车位，使待泊车辆到达准备泊车位置，准备泊车位置具体指通过P1-P4和P2-P5的连线计算待泊车辆距离目标车位的横向距离，使驾驶员位置对准P1-P2和P4-P5对应的中心线；
步骤S42：开始倒车，通过库位角P2-P3坐标对倒车进行辅助，避免车头发生碰撞，通过库位角P6-P7坐标调整倒车入库的轨迹，避免刮擦邻车；
步骤S43：根据库位角P8-P9坐标进行待泊车辆入库后的定位并调整，最后完成泊车。
Claims (9)
1.一种异构多源无线传感网络，其特征在于，该无线传感网络用于引导无人车自主泊车，其包括通过通讯网络连接的云控平台和异构边缘智能节点，
其中，所述异构边缘智能节点的种类包括：
动态节点，对应于正在移动或准备移动的车辆；
静态节点，对应于分布在不同空间位置的边缘智能体；
所述动态节点将车速、加减速度、转向角的实时信息上传，所述云控平台根据边缘智能体和动态节点之间的位置关系，结合边缘智能体自身位置引导动态节点自主泊车。
2.根据权利要求1所述的一种异构多源无线传感网络，其特征在于，所述静态节点的分布位置至少包括：车库车位、路口和闸门。
3.根据权利要求1所述的一种异构多源无线传感网络，其特征在于，所述动态节点接入后与静态节点的信息共享，退出后停止与静态节点的信息共享。
4.根据权利要求1所述的一种异构多源无线传感网络，其特征在于，所述静态节点分为：
感知节点，用于感知车库环境信息，其中，所述车库环境信息包括车库内部道路车道线、车位角、十字路口状态、指引标志和空余车位信息；
汇聚节点，用于多传感器的信息融合与滤波处理；
管理节点，用于实现网络动态配置与管理；
锚节点，用于利用包括自身位置在内的状态信息，为动态节点提供状态参照；
目标节点，对应于动态节点的可选择停车位。
5.根据权利要求1所述的一种异构多源无线传感网络，其特征在于，所述通讯网络为5G网络、UWB、Zigbee、DSRC、WIFI或LTE。
6.一种如权利要求1所述的异构多源无线传感网络的自主无人泊车方法，其特征在于，包括：
步骤S1：收到车辆的泊车请求后，判断该车辆是否具备接入停车场的无线传感网络的动态节点身份，若为是，则执行步骤S2，反之则提示需在云控平台注册；
步骤S2：确定可用于当前车辆泊车的有效空余车位，并将得到的有效空余车位作为对应于当前动态节点的目标节点；
步骤S3：基于改进的粒子群优化算法，按照所有动态节点能够实现在不造成拥堵的条件下，完成进出车库的总距离最短的原则，实现所有动态节点的全局路径规划；
步骤S4：引导动态节点行驶至选定的目标车位以及泊车入库。
7.根据权利要求6所述的自主无人泊车方法，其特征在于，所述步骤S1中判断该车辆是否具备接入停车场的无线传感网络的动态节点身份的条件为：
具备转向、制动、车速控制的自主行驶能力，以及在云控平台查询到车辆识别参数及停车历史记录。
8.根据权利要求6所述的自主无人泊车方法，其特征在于，所述步骤S3中粒子群优化算法的表达式为：
vid k+1＝w*vid k+c1*r1*(pbestid k-xid k)+c2*r2*(gbestd k-xid k)
xid k+1＝xid k+vid k+1
其中：vid k+1为粒子Mi在k+1时的速度，w为权重因子，vid k为粒子Mi在k时的速度，c1为学习因子，r1、r2为随机因子，pbestid k为单个粒子的最佳位置，xid k为粒子Mi在k时的位置，c2为加速因子，gbestd k为所有粒子的最佳位置，xid k+1为粒子Mi在k+1时的位置。
9.根据权利要求6所述的自主无人泊车方法，其特征在于，所述步骤S4中泊车入库过程具体为利用每个车位节点的四个库位角坐标实现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910774379.4A CN110517527A (zh) | 2019-08-21 | 2019-08-21 | 异构多源无线传感网络及其自主无人泊车方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910774379.4A CN110517527A (zh) | 2019-08-21 | 2019-08-21 | 异构多源无线传感网络及其自主无人泊车方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110517527A true CN110517527A (zh) | 2019-11-29 |
Family
ID=68626097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910774379.4A Pending CN110517527A (zh) | 2019-08-21 | 2019-08-21 | 异构多源无线传感网络及其自主无人泊车方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110517527A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111002978A (zh) * | 2019-12-03 | 2020-04-14 | 湖北文理学院 | 一种车库自动泊车方法及终端、存储介质 |
| CN112950975A (zh) * | 2019-12-10 | 2021-06-11 | 中兴通讯股份有限公司 | 自动停车方法、装置、计算机设备及计算机可读介质 |
| CN114613193A (zh) * | 2022-03-22 | 2022-06-10 | 重庆长安汽车股份有限公司 | 基于算力共享的停车位获取方法、存储介质、***及车辆 |
| CN115909518A (zh) * | 2021-09-30 | 2023-04-04 | 博泰车联网科技(上海)股份有限公司 | 基于uwb定位的无人驾驶车辆停车支付的实现方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040068433A1 (en) * | 2002-09-23 | 2004-04-08 | Eximsoft International | Parking system with centralized reservation, payment and enforcement |
| CN102800212A (zh) * | 2012-07-22 | 2012-11-28 | 江南大学 | 一种物联网环境下的智能泊车*** |
| CN102963355A (zh) * | 2012-11-01 | 2013-03-13 | 同济大学 | 一种智能辅助泊车方法及其实现*** |
| CN105429877A (zh) * | 2015-11-10 | 2016-03-23 | 中山大学 | 一种基于粒子群优化的路径寻优方法 |
| CN105679068A (zh) * | 2016-02-26 | 2016-06-15 | 重庆邮电大学 | 一种与智能停车场协同的智能车辆自动驾驶***和方法 |
| CN107697065A (zh) * | 2017-10-16 | 2018-02-16 | 北方工业大学 | 一种面向一般停车场景的自动泊车控制方法 |
| CN109035785A (zh) * | 2018-09-19 | 2018-12-18 | 禾多科技（北京）有限公司 | 基于传感器网络及自动驾驶的自动取/泊车方法 |
-
2019
- 2019-08-21 CN CN201910774379.4A patent/CN110517527A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040068433A1 (en) * | 2002-09-23 | 2004-04-08 | Eximsoft International | Parking system with centralized reservation, payment and enforcement |
| CN102800212A (zh) * | 2012-07-22 | 2012-11-28 | 江南大学 | 一种物联网环境下的智能泊车*** |
| CN102963355A (zh) * | 2012-11-01 | 2013-03-13 | 同济大学 | 一种智能辅助泊车方法及其实现*** |
| CN105429877A (zh) * | 2015-11-10 | 2016-03-23 | 中山大学 | 一种基于粒子群优化的路径寻优方法 |
| CN105679068A (zh) * | 2016-02-26 | 2016-06-15 | 重庆邮电大学 | 一种与智能停车场协同的智能车辆自动驾驶***和方法 |
| CN107697065A (zh) * | 2017-10-16 | 2018-02-16 | 北方工业大学 | 一种面向一般停车场景的自动泊车控制方法 |
| CN109035785A (zh) * | 2018-09-19 | 2018-12-18 | 禾多科技（北京）有限公司 | 基于传感器网络及自动驾驶的自动取/泊车方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吕英丽: "停车场车辆出入管理***的研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111002978A (zh) * | 2019-12-03 | 2020-04-14 | 湖北文理学院 | 一种车库自动泊车方法及终端、存储介质 |
| CN112950975A (zh) * | 2019-12-10 | 2021-06-11 | 中兴通讯股份有限公司 | 自动停车方法、装置、计算机设备及计算机可读介质 |
| CN115909518A (zh) * | 2021-09-30 | 2023-04-04 | 博泰车联网科技(上海)股份有限公司 | 基于uwb定位的无人驾驶车辆停车支付的实现方法 |
| CN115909518B (zh) * | 2021-09-30 | 2024-06-28 | 博泰车联网科技(上海)股份有限公司 | 基于uwb定位的无人驾驶车辆停车支付的实现方法 |
| CN114613193A (zh) * | 2022-03-22 | 2022-06-10 | 重庆长安汽车股份有限公司 | 基于算力共享的停车位获取方法、存储介质、***及车辆 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220229436A1 (en) | Real-time lane change selection for autonomous vehicles | |
| US10023231B2 (en) | Parking autonomous vehicles | |
| US20220227394A1 (en) | Autonomous Vehicle Operational Management | |
| CA3052952C (en) | Autonomous vehicle operational management control | |
| CA3052953C (en) | Autonomous vehicle operational management blocking monitoring | |
| US9805605B2 (en) | Using autonomous vehicles in a taxi service | |
| CN110517527A (zh) | 异构多源无线传感网络及其自主无人泊车方法 | |
| US20210072756A1 (en) | Solution Path Overlay Interfaces for Autonomous Vehicles | |
| RU2744640C1 (ru) | Варианты управления работой автономного транспортного средства | |
| US8676466B2 (en) | Fail-safe speed profiles for cooperative autonomous vehicles | |
| EP3802254A1 (en) | Trajectory planning | |
| WO2016121572A1 (ja) | 駐車場と目的地との関連付け | |
| CN113375678B (zh) | 一种行车路径规划方法、管理服务器及停车管理*** | |
| US20220063660A1 (en) | Drive Mode Selection | |
| JP2023030100A (ja) | コネクテッド自動運転車のハイウエイシステムとそれを用いた方法 | |
| CN109141428A (zh) | 室内导航方法及停车管理*** | |
| CN110494341A (zh) | 一种智能驾驶车辆让行方法、装置及车载设备 | |
| US20210124348A1 (en) | Autonomous Clustering for Light Electric Vehicles | |
| CN112486163A (zh) | 基于导航信息的可用性的自主运载工具的操作 | |
| CN112394384A (zh) | 基于环境的预定义特征的定位 | |
| WO2022155031A1 (en) | Timing of pickups for autonomous vehicles | |
| CN116469249A (zh) | HDMap与5G车路协的智慧交通云管理平台 | |
| Hartmannsgruber et al. | CUbE: A Research Platform for Shared Mobility and Autonomous Driving in Urban Environments | |
| JP2024517167A (ja) | 系統的最適化を伴う車両案内 | |
| US11845469B2 (en) | Yellow light durations for autonomous vehicles |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191129 |
|
| RJ01 | Rejection of invention patent application after publication |