CN110853399A - 一种基于超声波传感器车位检测***的车位识别补偿方法 - Google Patents

一种基于超声波传感器车位检测***的车位识别补偿方法 Download PDF

Info

Publication number
CN110853399A
CN110853399A CN201910968753.4A CN201910968753A CN110853399A CN 110853399 A CN110853399 A CN 110853399A CN 201910968753 A CN201910968753 A CN 201910968753A CN 110853399 A CN110853399 A CN 110853399A
Authority
CN
China
Prior art keywords
parking space
ranging data
target parking
ultrasonic radar
radar ranging
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
Application number
CN201910968753.4A
Other languages
English (en)
Inventor
赵宇鹏
罗作煌
胡坤福
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huizhou Desai Xiwei Intelligent Transportation Technology Research Institute Co Ltd
Huizhou Desay SV Intelligent Transport Technology Research Institute Co Ltd
Original Assignee
Huizhou Desai Xiwei Intelligent Transportation Technology Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huizhou Desai Xiwei Intelligent Transportation Technology Research Institute Co Ltd filed Critical Huizhou Desai Xiwei Intelligent Transportation Technology Research Institute Co Ltd
Priority to CN201910968753.4A priority Critical patent/CN110853399A/zh
Priority to PCT/CN2019/121203 priority patent/WO2021068378A1/zh
Publication of CN110853399A publication Critical patent/CN110853399A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种基于超声波传感器车位检测***的车位识别补偿方法，包括：分别通过超声波雷达获取目标车位上边缘和下边缘的障碍物形状类型，同时计算目标车位上边缘和下边缘的障碍物宽度以及目标车位上边缘与下边缘之间的距离；分别确定目标车位上边缘和下边缘的补偿值；根据目标车位上边缘与下边缘之间的距离、目标车位上边缘和下边缘的补偿值计算目标车位长度。本发明通过超声波传感器获取目标车位上边缘和下边缘的障碍物特征，同时结合车速对目标车位的上边缘和下边缘进行补偿，从而识别出准确的目标车位，该识别方法具有更强的鲁棒性、适用性，可有效提高超声波传感器的边缘识别精度，为自动泊车***提供更加精确地车位决策信息。

Description

一种基于超声波传感器车位检测***的车位识别补偿方法
技术领域
本发明涉及自动泊车技术领域，特别是涉及一种基于超声波传感器车位检测***的车位识别补偿方法。
背景技术
随着我国汽车保有量的逐年递增，城市公共泊车空间也变得日趋紧张，因泊车而造成的交通事故率也逐渐上升。如何提升现代城市交通中汽车的驾驶安全性及舒适性已成为各大汽车制造商及汽车电子供应商研究的重点。自动泊车***作为智能辅助驾驶***，可满足人们对于在城市窄小泊车空间实现精确泊车的需求，能够有效降低泊车事故率。车位识别作为自动泊车***中重要的感知环节，其对泊车精度有着至关重要的影响。如何提高车位识别精度也是提升自动泊车***性能的关键。
目前市场现有的车位识别技术主要有三种：利用AVM（360全景环视***）感知当前车辆周围环境信息以及与目标车位间的相对位置信息；利用视觉传感器以及超声波传感器信息融合的方式，在目标车位库口进行初始寻库偏差矫正的方法；利用超声波传感器感知车辆与障碍物之间的距离信息，计算判断得出可泊车位信息。
但这三种方式均有不足之处，对于AVM***它仅能获取目标车位的占用情况，而无法感知车位内的障碍物（锥形交通路标、车位锁等）信息；而泊车初始寻库偏差矫正法则很难适应实际中复杂的泊车环境，因而无法保证其鲁棒性，且标定工作量巨大；而依靠超声波传感器的车位识别技术，由于超声波传感器单发单收的收发机制，在车位识别过程中目标车位的上、下边缘识别精度主要受限于车速以及障碍物形状的影响而存在较大的识别误差；虽然该技术易落地、成本低、经济效益好，但如何克服超声波传感器测距特性造成的车位边缘识别误差大的问题是其核心技术难题。
针对以上车位识别技术所面临的问题，本文提出了一种基于超声波传感器自动泊车***的车位识别补偿计算方法，以解决超声波传感器在车位识别过程中对于车位边缘识别误差大、精度低的问题，有效降低了标定成本， 提升了车位识别***的鲁棒性。
发明内容
本发明为克服上述现有技术所述的不足，提供一种基于超声波传感器车位检测***的车位识别补偿方法。
为解决上述技术问题，本发明的技术方案如下：
一种基于超声波传感器车位检测***的车位识别补偿方法，包括如下步骤：
识别当前车速，并获取多帧超声波雷达测距数据；
根据获取的超声波雷达测距数据分别计算目标车位上边缘和目标车位下边缘的障碍物宽度、目标车位上边缘与目标车位下边缘之间的距离；
根据获取的超声波雷达测距数据分别获取目标车位上边缘和目标车位下边缘的障碍物形状类型；
根据车速、目标车位上边缘的障碍物宽度和目标车位上边缘的障碍物形状类型确定目标车位上边缘的补偿值；
根据车速、目标车位下边缘的障碍物宽度和目标车位下边缘的障碍物形状类型确定目标车位下边缘的补偿值；
根据目标车位上边缘与目标车位下边缘之间的距离、目标车位上边缘的补偿值和目标车位下边缘的补偿值计算目标车位长度。
进一步的，作为优选技术方案，障碍物形状类型的获取具体包括：
获取多帧超声波雷达测距数据，并对超声波雷达测距数据进行滤波处理；
对处理后的超声波雷达测距数据进行缓存并计算每帧超声波雷达测距数据权重值；
根据每帧超声波雷达测距数据权重值及连续获取的三帧超声波雷达测距数据之间的变化情况对缓存的超声波雷达测距数据进行处理得到有效超声波雷达测距数据；
提取有效超声波雷达测距数据所构建的障碍物轮廓特征，从而得到障碍物形状类型。
进一步的，作为优选技术方案，获取有效超声波雷达测距数据具体包括：
分别判断每帧超声波雷达测距数据权重值是否大于第一预设阈值，若是，执行下一步，否则，从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据；
判断连续获取的三帧超声波雷达测距数据是否超出超声波雷达测距范围，若是，从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据，否则，执行下一步；
判断获取的当前帧超声波雷达测距数据是否大于上一帧超声波雷达测距数据，同时判断获取的当前帧超声波雷达测距数据是否大于下一帧超声波雷达测距数据，若是，从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据，否则，执行下一步；
判断获取的当前帧超声波雷达测距数据是否小于上一帧超声波雷达测距数据，同时判断获取的当前帧超声波雷达测距数据是否小于下一帧超声波雷达测距数据，若是，从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据，否则，执行下一步；
保留当前帧超声波雷达测距数据，从而得到有效超声波雷达测距数据。
进一步的，作为优选技术方案，在计算每帧超声波雷达测距数据的权重值之前，需先判断所缓存的超声波雷达测距数据的数量是否大于第二预设阈值，若是，计算每帧超声波雷达测距数据的权重值，否则，重新获取超声波雷达测距数据。
进一步的，作为优选技术方案，所述第一预设阈值的设置范围为0.3-0.7，所述第二预设阈值的设置范围为3-7。
进一步的，作为优选技术方案，每帧超声波雷达测距数据权重值的计算具体包括：
缓存的超声波雷达测距数据中最大权重值和每帧超声波雷达测距数据的探测次数与测距概率因数的乘积之比。
进一步的，作为优选技术方案，障碍物形状类型包括：方形、圆形和未知型。
进一步的，作为优选技术方案，障碍物宽度的获取具体包括：
识别障碍物起始边缘并记录当前时刻为第一时刻；
识别障碍物终止边缘并记录当前时刻为第二时刻；
计算车辆在第一时刻到第二时刻之间的行驶距离为障碍物宽度。
进一步的，作为优选技术方案，还包括：
识别障碍物起始边缘，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的变化值是否大于第三预设阈值，若是，记录当前时刻为第一时刻，否则，重新识别障碍物起始边缘；
识别障碍物终止边缘，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的变化值是否大于第三预设阈值，若是，记录当前时刻为第二时刻，否则，重新识别障碍物终止边缘。
进一步的，作为优选技术方案，所述第三预设阈值根据车辆宽度设置。
进一步的，作为优选技术方案，确定目标车位上边缘的补偿值和目标车位下边缘的补偿值具体包括：
根据目标车位上边缘的障碍物宽度确定目标车位上边缘补偿系数，根据车速和目标车位上边缘的障碍物形状类型确定目标车位上边缘补偿参数，目标车位上边缘的补偿值为目标车位上边缘补偿系数与目标车位上边缘补偿参数的乘积；
根据目标车位下边缘的障碍物宽度确定目标车位下边缘补偿系数，根据车速和目标车位下边缘的障碍物形状类型确定目标车位下边缘补偿参数，目标车位下边缘的补偿值为目标车位下边缘补偿系数与目标车位下边缘补偿参数的乘积。
进一步的，作为优选技术方案，目标车位上边缘补偿系数和目标车位下边缘补偿系数的获取具体包括：
补偿系数的设置随障碍物宽度的增大而减小。
进一步的，作为优选技术方案，目标车位上边缘补偿参数和目标车位下边缘补偿参数的获取具体包括：
补偿参数的设置随车速的增大以及障碍物形状类型所对应的边缘曲率的增大而增大。
进一步的，作为优选技术方案，目标车位长度通过以下方式计算：
目标车位长度为目标车位上边缘与目标车位下边缘之间的距离、目标车位上边缘的补偿值和目标车位下边缘的补偿值求和。
与现有技术相比，本发明技术方案的有益效果是：
本发明通过超声波传感器获取目标车位上边缘和目标车位下边缘的障碍物形状类型以及宽度，同时结合车速对超声波传感器测距计算的目标车位的上边缘和下边缘进行补偿计算，从而识别出准确的目标车位，该识别方法具有更强的鲁棒性、适用性，可有效提高超声波传感器的边缘识别精度，为自动泊车***提供更加精确地车位决策信息。
附图说明
图1为本发明方法步骤流程图。
图2为本发明障碍物宽度的计算方法步骤流程图。
图3为本发明障碍物形状类型的计算方法步骤流程图。
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的；相同或相似的标号对应相同或相似的部件；附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征更易被本领域技术人员理解，从而对本发明的保护范围作出更为清楚的界定。
实施例1
一种基于超声波传感器车位检测***的车位识别补偿方法，如图1所示：包括如下步骤：
S10. 识别当前车速，并获取多帧超声波雷达测距数据。
在本步骤中，将车速划分为6阶段，分别为0~5km/h，5~10km/h，10~15km/h，15~20km/h，20~25km/h，25~30km/h。
本步骤具体为：识别当前车速，并获取当前车速下的多帧超声波雷达测距数据。
S20. 根据获取的超声波雷达测距数据计算目标车位上边缘的障碍物宽度以及目标车位上边缘的补偿系数。
本步骤中，目标车位上边缘的障碍物宽度的计算如图2所示，具体包括：
S201. 识别目标车位上边缘的障碍物起始边缘并记录当前时刻为第一时刻。
本步骤具体为：识别目标车位上边缘的障碍物起始边缘，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的变化值是否大于第三预设阈值，即，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的差值是否大于第三预设阈值，若是，记录当前时刻为第一时刻，否则，重新识别目标车位上边缘的障碍物起始边缘。
S202. 识别目标车位上边缘的障碍物终止边缘并记录当前时刻为第二时刻。
本步骤具体为：识别目标车位上边缘的障碍物终止边缘，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的变化值是否大于第三预设阈值，即，判断上一帧所获取的超声波雷达测距数据与当前帧所获取的超声波雷达测距数据之间的差值是否大于第三预设阈值，若是，记录当前时刻为第二时刻，否则，重新识别目标车位上边缘的障碍物终止边缘。
其中，第三预设阈值根据车辆宽度设置，其设置范围为车辆宽度与一固定值之和，在本实施例中，该固定值设置范围为0.6-1.0，优选的，固定值设置为0.8。
S203. 计算车辆在第一时刻到第二时刻之间的行驶距离为目标车位上边缘的障碍物宽度。
其中，目标车位上边缘的障碍物宽度为车速与第二时刻与第一时刻时差乘积。
举例说明，目标车位上边缘的障碍物宽度通过以下公式计算：
W1=V*（T2-T1）
其中，W1表示目标车位上边缘的障碍物宽度，V表示车速，T1表示第一时刻，T2表示第二时刻。
S204. 根据目标车位上边缘的障碍物宽度确定目标车位上边缘的补偿系数。
在目标车位识别过程中，由于目标车位障碍物的宽度越窄小，越易引起目标车位边缘识别误差较大，因此，在本步骤中，该补偿系数的设置与障碍物宽度成反比，即补偿系数的设置随障碍物宽度的增大而减小。
S30. 根据获取的超声波雷达测距数据计算目标车位上边缘的障碍物形状类型以及目标车位上边缘的补偿参数。
本步骤中，目标车位上边缘的障碍物形状类型的获取如图3所示，具体包括：
S301. 获取多帧超声波雷达测距数据，并对超声波雷达测距数据进行滤波处理。
此步骤中，多帧超声波雷达测距数据为第一时刻到第二时刻之间所获取的。
S302. 对处理后的超声波雷达测距数据进行缓存并计算每帧超声波雷达测距数据权重值。
本步骤中，在计算每帧超声波雷达测距数据权重值之前，需先判断所缓存的超声波雷达测距数据的数量是否大于第二预设阈值，若是，计算每帧超声波雷达测距数据的权重值，否则，重新获取超声波雷达测距数据。其中，第二预设阈值的设置范围为3-7，优选的，第二预设阈值最小设置为3。
本步骤中，每帧超声波雷达测距数据权重值的计算具体包括：
缓存的超声波雷达测距数据中最大权重值和每帧超声波雷达测距数据的探测次数与测距概率因数的乘积之比。
举例说明，每帧超声波雷达测距数据权重值通过以下公式计算：
Figure DEST_PATH_IMAGE002
其中，WeightCoe表示每帧超声波雷达测距数据权重值，MaxWeightCoefficient表示超声波雷达测距数据中最大权重值，ObjDetProbabilityPercentage表示测距概率因数，DtdTimes表示每帧超声波雷达测距数据的探测次数。
S303. 根据每帧超声波雷达测距数据权重值及连续获取的三帧超声波雷达测距数据之间的变化情况对缓存的超声波雷达测距数据进行处理得到有效超声波雷达测距数。
本步骤具体为：
S3031. 分别判断每帧超声波雷达测距数据权重值是否大于第一预设阈值，若是，执行S3032，否则，执行S3035；
S3032. 判断连续获取的三帧超声波雷达测距数据是否超出超声波雷达测距范围，若是，执行S3035，否则，执行S3036；
S3033. 判断获取的当前帧超声波雷达测距数据是否大于上一帧超声波雷达测距数据，同时判断获取的当前帧超声波雷达测距数据是否大于下一帧超声波雷达测距数据，若是，执行S3035，否则，执行S3036；
S3034. 判断获取的当前帧超声波雷达测距数据是否小于上一帧超声波雷达测距数据，同时判断获取的当前帧超声波雷达测距数据是否小于下一帧超声波雷达测距数据；若是，执行S3035，否则，执行S3036；
S3035. 从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据；
S3036. 保留当前帧超声波雷达测距数据，从而得到有效超声波雷达测距数据。
在本步骤中，第一预设阈值的设置范围为0.3-0.7，优选的第一预设阈值设置为0.5；
同时，本步骤中还包括，当当前帧超声波雷达测距数据大于等于上一帧超声波雷达测距数据，同时当前帧超声波雷达测距数据小于等于下一帧超声波雷达测距数据，或者，当前帧超声波雷达测距数据小于等于上一帧超声波雷达测距数据，同时当前帧超声波雷达测距数据大于等于下一帧超声波雷达测距数据时，保留当前帧超声波雷达测距数据，从而得到有效超声波雷达测距数据。
在本步骤中，当超出超声波雷达测距范围时，所获取的超声波雷达测距数据为超声波雷达测距默认值。
S304. 提取有效超声波雷达测距数据所构建的障碍物轮廓特征，从而得到目标车位上边缘的障碍物形状类型，同时输出该障碍物形状类型。
本步骤中，障碍物形状类型包括：方形、圆形和不规则形。
S305. 根据目标车位上边缘的障碍物的形状类型确定目标车位上边缘的补偿参数。
在目标车位识别过程中，由于车速越快，通常识别出的目标车位长度越小，其边缘曲率较大的目标车位障碍物往往会引起较大的目标车位边缘识别误差，因此，在本步骤中，该补偿参数的设置与车速和障碍物形状类型所对应的边缘曲率呈正比，即补偿参数的设置随车速的增大以及障碍物形状类型所对应的边缘曲率的增大而增大。
S40. 确定目标车位上边缘的补偿值。
本步骤中，目标车位上边缘的补偿值为目标车位上边缘补偿系数与目标车位上边缘补偿参数的乘积。
S50. 根据获取的超声波雷达测距数据计算目标车位下边缘的障碍物宽度以及目标车位下边缘的补偿系数。
本步骤中，目标车位下边缘的障碍物宽度的计算与目标车位上边缘的障碍物宽度的计算方式相同，如图2所示，具体包括：
S501. 识别目标车位下边缘的障碍物起始边缘并记录当前时刻为第三时刻。
本步骤具体为：识别目标车位下边缘的障碍物起始边缘，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的变化值是否大于第三预设阈值，即，判断上一帧所获取的超声波雷达测距数据与当前帧所获取的超声波雷达测距数据之间的差值是否大于第三预设阈值，若是，记录当前时刻为第三时刻，否则，重新识别目标车位下边缘的障碍物起始边缘。
S502. 识别目标车位下边缘的障碍物终止边缘并记录当前时刻为第四时刻。
本步骤具体为：识别目标车位下边缘的障碍物终止边缘，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的变化值是否大于第三预设阈值，即，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的差值是否大于第三预设阈值，若是，记录当前时刻为第四时刻，否则，重新识别目标车位下边缘的障碍物终止边缘。
其中，第三预设阈值根据车辆宽度设置，其设置范围为车辆宽度与一固定值之和，在本实施例中，该固定值设置为0.8。
S503. 计算车辆在第三时刻到第四时刻之间的行驶距离为目标车位下边缘的障碍物宽度。
其中，目标车位下边缘的障碍物宽度为车速与第四时刻与第三时刻时差乘积。
举例说明，目标车位下边缘的障碍物宽度通过以下公式计算：
W2=V*（T4-T3）
其中，W2表示目标车位下边缘的障碍物宽度，V表示车速，T3表示第三时刻，T4表示第四时刻。
S504. 根据目标车位下边缘的障碍物宽度确定目标车位下边缘的补偿系数。
目标车位下边缘的补偿系数的确定与目标车位上边缘的补偿系数的确定规则相同，在本步骤中，该补偿系数的设置与障碍物宽度成反比，即补偿系数的设置随障碍物宽度的增大而减小。
S60. 根据获取的超声波雷达测距数据计算目标车位下边缘的障碍物形状类型以及目标车位下边缘的补偿参数。
本步骤中，目标车位下边缘的障碍物形状类型的获取与目标车位上边缘的障碍物形状类型的获取方法相同，如图3所示，具体包括：
S601. 获取多帧超声波雷达测距数据，并对超声波雷达测距数据进行滤波处理。
此步骤中，多帧超声波雷达测距数据为第三时刻到第四时刻之间所获取的。
S602. 对处理后的超声波雷达测距数据进行缓存并计算每帧超声波雷达测距数据权重值。
本步骤中，在计算每帧超声波雷达测距数据权重值之前，需先判断所缓存的超声波雷达测距数据的数量是否大于第二预设阈值，若是，计算每帧超声波雷达测距数据的权重值，否则，重新获取超声波雷达测距数据。其中，第二预设阈值的设置范围为3-7，优选的，第二预设阈值最小设置为3。
本步骤中，每帧超声波雷达测距数据权重值的计算具体包括：
缓存的超声波雷达测距数据中最大权重值和每帧超声波雷达测距数据的探测次数与测距概率因数的乘积之比。
举例说明，每帧超声波雷达测距数据权重值通过以下公式计算：
Figure DEST_PATH_IMAGE002A
其中，WeightCoe表示每帧超声波雷达测距数据权重值，MaxWeightCoefficient表示超声波雷达测距数据中最大权重值，ObjDetProbabilityPercentage表示测距概率因数，DtdTimes表示每帧超声波雷达测距数据的探测次数。
S603. 根据每帧超声波雷达测距数据权重值及连续获取的三帧超声波雷达测距数据之间的变化情况对缓存的超声波雷达测距数据进行处理得到有效超声波雷达测距数。
本步骤具体为：
S6031. 分别判断每帧超声波雷达测距数据权重值是否大于第一预设阈值，若是，执行S6032，否则，执行S6035；
S6032. 判断连续获取的三帧超声波雷达测距数据是否超出超声波雷达测距范围，若是，执行S6035，否则，执行S6036；
S6033. 判断获取的当前帧超声波雷达测距数据是否大于上一帧超声波雷达测距数据，同时判断获取的当前帧超声波雷达测距数据是否大于下一帧超声波雷达测距数据，若是，执行S6035，否则，执行S6036；
S6034. 判断获取的当前帧超声波雷达测距数据是否小于上一帧超声波雷达测距数据，同时判断获取的当前帧超声波雷达测距数据是否小于下一帧超声波雷达测距数据；若是，执行S6035，否则，执行S6036；
S6035. 从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据；
S6036. 保留当前帧超声波雷达测距数据，从而得到有效超声波雷达测距数据。
在本步骤中，第一预设阈值的设置范围为0.3-0.7，优选的第一预设阈值设置为0.5；
同时，本步骤中还包括，当当前帧超声波雷达测距数据大于等于上一帧超声波雷达测距数据，同时当前帧超声波雷达测距数据小于等于下一帧超声波雷达测距数据，或者，当前帧超声波雷达测距数据小于等于上一帧超声波雷达测距数据，同时当前帧超声波雷达测距数据大于等于下一帧超声波雷达测距数据时，保留当前帧超声波雷达测距数据，从而得到有效超声波雷达测距数据。
在本步骤中，当超出超声波雷达测距范围时，所获取的超声波雷达测距数据为超声波雷达测距默认值。
S604. 提取有效超声波雷达测距数据所构建的障碍物轮廓特征，从而得到目标车位下边缘的障碍物形状类型，同时输出该障碍物形状类型。
本步骤中，由于障碍物形状类型包括：方形、圆形和未知形。
因此，此步骤具体为：提取有效超声波雷达测距数据所构建的障碍物轮廓特征，并对其进行分析，初始化该障碍物轮廓特征所构建的形状类型为未知形，然后判断该障碍物形状类型是否为方形，若是，则输出该障碍物形状类型，否则，再次判断障碍物形状类型是否为圆形，若是，则输出该障碍物形状类型，否则，判断障碍物形状类型为未知形并输出。
在平行车位中，目标车位的上边缘和下边缘所存在的障碍物仅为车辆的前端和后端，而车辆的前端和后端呈方形或圆形，因此当识别出的障碍物形状类型不是方形或圆形时，则表示目标车位的上边缘和下边缘所存在的障碍物不是车辆，对此不进行再次识别，直接输出其为未知形。
S605. 根据目标车位下边缘的障碍物的形状类型确定目标车位下边缘的补偿参数。
该目标车位下边缘的补偿参数的确定与目标车位上边缘的补偿参数的确定方式相同，在本步骤中，该补偿参数的设置与车速和障碍物形状类型所对应的边缘曲率呈正比，即补偿参数的设置随车速的增大以及障碍物形状类型所对应的边缘曲率的增大而增大。
S70. 确定目标车位下边缘的补偿值。
本步骤中，目标车位下边缘的补偿值为目标车位下边缘补偿系数与目标车位下边缘补偿参数的乘积。
S80. 计算目标车位上边缘与目标车位下边缘之间的距离。
本步骤中，目标车位上边缘与目标车位下边缘之间的距离为：
车辆在超声波雷达识别到目标车位下边缘的障碍物的起始边缘的第三时刻与超声波雷达识别到目标车位上边缘的障碍物的终止边缘的第二时刻之间的行驶位移。
目标车位上边缘与目标车位下边缘之间的距离的通过以下公式计算：
L=V*（T3-T2）
其中，L表示目标车位上边缘与目标车位下边缘之间的距离，V表示车速，T3表示第三时刻，T2表示第二时刻。
本步骤计算目标车位上边缘与目标车位下边缘之间的距离，可在识别出目标车位下边缘的障碍物的形状类型后计算，也可在识别出目标车位下边缘的障碍物宽度后计算，同样，还可在仅识别出目标车位下边缘的障碍物起始边缘时计算；
同时，目标车位上边缘与目标车位下边缘之间的距离可通过车速与超声波雷达识别到目标车位下边缘的障碍物的起始边缘的第三时刻与超声波雷达识别到目标车位上边缘的障碍物的终止边缘的第二时刻时差乘积计算，还可通过超声波雷达识别到目标车位下边缘的障碍物的起始边缘的测距数据与超声波雷达识别到目标车位上边缘的障碍物的终止边缘的测距数据之间的间隔计算。
S90. 计算目标车位长度。
在本步骤中，目标车位的长度根据目标车位上边缘与目标车位下边缘之间的距离、目标车位上边缘的补偿值和目标车位下边缘的补偿值计算。
具体包括：目标车位长度为目标车位上边缘与目标车位下边缘之间的距离、目标车位上边缘的补偿值和目标车位下边缘的补偿值求和。
举例说明，目标车位的长度通过以下公式计算：
SlotLen= L+K1*Kh+K2*Kt
其中，SlotLen表示目标车位长度，L表示目标车位上边缘与目标车位下边缘之间的距离，K1表示目标车位上边缘的补偿系数，Kh表示目标车位上边缘的补偿参数，K1*Kh表示目标车位上边缘的补偿值，K2表示目标车位下边缘的补偿系数， Kt表示目标车位下边缘的补偿参数，K2*Kt表示目标车位下边缘的补偿值。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (14)

1.一种基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，包括如下步骤：
识别当前车速，并获取多帧超声波雷达测距数据；
根据获取的超声波雷达测距数据分别计算目标车位上边缘和目标车位下边缘的障碍物宽度、目标车位上边缘与目标车位下边缘之间的距离；
根据获取的超声波雷达测距数据分别获取目标车位上边缘和目标车位下边缘的障碍物形状类型；
根据车速、目标车位上边缘的障碍物宽度和目标车位上边缘的障碍物形状类型确定目标车位上边缘的补偿值；
根据车速、目标车位下边缘的障碍物宽度和目标车位下边缘的障碍物形状类型确定目标车位下边缘的补偿值；
根据目标车位上边缘与目标车位下边缘之间的距离、目标车位上边缘的补偿值和目标车位下边缘的补偿值计算目标车位长度。
2.根据权利要求1所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，障碍物形状类型的获取具体包括：
获取多帧超声波雷达测距数据，并对超声波雷达测距数据进行滤波处理；
对处理后的超声波雷达测距数据进行缓存并计算每帧超声波雷达测距数据权重值；
根据每帧超声波雷达测距数据权重值及连续获取的三帧超声波雷达测距数据之间的变化情况对缓存的超声波雷达测距数据进行处理得到有效超声波雷达测距数据；
提取有效超声波雷达测距数据所构建的障碍物轮廓特征，从而得到障碍物形状类型。
3.根据权利要求2所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，获取有效超声波雷达测距数据具体包括：
分别判断每帧超声波雷达测距数据权重值是否大于第一预设阈值，若是，执行下一步，否则，从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据；
判断连续获取的三帧超声波雷达测距数据是否超出超声波雷达测距范围，若是，从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据，否则，执行下一步；
判断获取的当前帧超声波雷达测距数据是否大于上一帧超声波雷达测距数据，同时判断获取的当前帧超声波雷达测距数据是否大于下一帧超声波雷达测距数据，若是，从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据，否则，执行下一步；
判断获取的当前帧超声波雷达测距数据是否小于上一帧超声波雷达测距数据，同时判断获取的当前帧超声波雷达测距数据是否小于下一帧超声波雷达测距数据，若是，从缓存的超声波雷达测距数据中剔除该帧超声波雷达测距数据，否则，执行下一步；
保留当前帧超声波雷达测距数据，从而得到有效超声波雷达测距数据。
4.根据权利要求3所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，在计算每帧超声波雷达测距数据的权重值之前，需先判断所缓存的超声波雷达测距数据的数量是否大于第二预设阈值，若是，计算每帧超声波雷达测距数据的权重值，否则，重新获取超声波雷达测距数据。
5.根据权利要求4所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，所述第一预设阈值的设置范围为0.3-0.7，所述第二预设阈值的设置范围为3-7。
6.根据权利要求2所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，每帧超声波雷达测距数据权重值的计算具体包括：
缓存的超声波雷达测距数据中最大权重值和每帧超声波雷达测距数据的探测次数与测距概率因数的乘积之比。
7.根据权利要求2所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，障碍物形状类型包括：方形、圆形和未知形。
8.根据权利要求1所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，障碍物宽度的获取具体包括：
识别障碍物起始边缘并记录当前时刻为第一时刻；
识别障碍物终止边缘并记录当前时刻为第二时刻；
计算车辆在第一时刻到第二时刻之间的行驶距离为障碍物宽度。
9.根据权利要求8所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，还包括：
识别障碍物起始边缘，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的变化值是否大于第三预设阈值，若是，记录当前时刻为第一时刻，否则，重新识别障碍物起始边缘；
识别障碍物终止边缘，判断当前帧所获取的超声波雷达测距数据与上一帧所获取的超声波雷达测距数据之间的变化值是否大于第三预设阈值，若是，记录当前时刻为第二时刻，否则，重新识别障碍物终止边缘。
10.根据权利要求9所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，所述第三预设阈值根据车辆宽度设置。
11.根据权利要求1所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，确定目标车位上边缘的补偿值和目标车位下边缘的补偿值具体包括：
根据目标车位上边缘的障碍物宽度确定目标车位上边缘补偿系数，根据车速和目标车位上边缘的障碍物形状类型确定目标车位上边缘补偿参数，目标车位上边缘的补偿值为目标车位上边缘补偿系数与目标车位上边缘补偿参数的乘积；
根据目标车位下边缘的障碍物宽度确定目标车位下边缘补偿系数，根据车速和目标车位下边缘的障碍物形状类型确定目标车位下边缘补偿参数，目标车位下边缘的补偿值为目标车位下边缘补偿系数与目标车位下边缘补偿参数的乘积。
12.根据权利要求11所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，目标车位上边缘补偿系数和目标车位下边缘补偿系数的获取具体包括：
补偿系数的设置随障碍物宽度的增大而减小。
13.根据权利要求11所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，目标车位上边缘补偿参数和目标车位下边缘补偿参数的获取具体包括：
补偿参数的设置随车速的增大以及障碍物形状类型所对应的边缘曲率的增大而增大。
14.根据权利要求1所述的基于超声波传感器车位检测***的车位识别补偿方法，其特征在于，目标车位长度通过以下方式计算：
目标车位长度为目标车位上边缘与目标车位下边缘之间的距离、目标车位上边缘的补偿值和目标车位下边缘的补偿值求和。
CN201910968753.4A 2019-10-12 2019-10-12 一种基于超声波传感器车位检测***的车位识别补偿方法 Pending CN110853399A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910968753.4A CN110853399A (zh) 2019-10-12 2019-10-12 一种基于超声波传感器车位检测***的车位识别补偿方法
PCT/CN2019/121203 WO2021068378A1 (zh) 2019-10-12 2019-11-27 一种基于超声波传感器车位检测***的车位识别补偿方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910968753.4A CN110853399A (zh) 2019-10-12 2019-10-12 一种基于超声波传感器车位检测***的车位识别补偿方法

Publications (1)

Publication Number Publication Date
CN110853399A true CN110853399A (zh) 2020-02-28

Family

ID=69597439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910968753.4A Pending CN110853399A (zh) 2019-10-12 2019-10-12 一种基于超声波传感器车位检测***的车位识别补偿方法

Country Status (2)

Country Link
CN (1) CN110853399A (zh)
WO (1) WO2021068378A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111414843A (zh) * 2020-03-17 2020-07-14 森思泰克河北科技有限公司 手势识别方法及终端设备
CN111985772A (zh) * 2020-07-15 2020-11-24 惠州市德赛西威智能交通技术研究院有限公司 一种评价标准协议的鲁棒性与完整度实现方法
CN112622885A (zh) * 2020-12-30 2021-04-09 惠州市德赛西威汽车电子股份有限公司 一种基于超声波雷达的斜列车位构建方法及***
CN113251962A (zh) * 2021-03-29 2021-08-13 英博超算(南京)科技有限公司 基于机器学习的超声波车位补偿***
CN113298044A (zh) * 2021-06-23 2021-08-24 上海西井信息科技有限公司 基于定位补偿的障碍物检测方法、***、设备及存储介质
CN114454874A (zh) * 2022-02-21 2022-05-10 岚图汽车科技有限公司 一种自动泊车防止急刹的方法及***
CN114572223A (zh) * 2022-02-25 2022-06-03 智己汽车科技有限公司 一种超声波雷达障碍物车位感知***和方法
CN114594712A (zh) * 2022-03-15 2022-06-07 胜斗士(上海)科技技术发展有限公司 基于传感器的管理设备及其方法
CN115083172A (zh) * 2022-06-17 2022-09-20 深圳智优停科技有限公司 车位占用状态的障碍物检测方法及车位检测***

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113687337B (zh) * 2021-08-02 2024-05-31 广州小鹏自动驾驶科技有限公司 车位识别性能测试方法、装置、测试车辆及存储介质
CN113869432A (zh) * 2021-09-28 2021-12-31 英博超算(南京)科技有限公司 一种超声波传感器自动泊车的轮廓点距离相似度计算方法
CN114125253A (zh) * 2021-12-27 2022-03-01 上海映驰科技有限公司 一种机械车位检测***及检测方法
CN114582163B (zh) * 2022-03-14 2023-05-16 深圳市捷顺科技实业股份有限公司 一种车位管控方法、装置、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103241239A (zh) * 2013-04-27 2013-08-14 重庆邮电大学 一种自动泊车***车位识别方法
US20150348414A1 (en) * 2014-05-30 2015-12-03 Mando Corporation Parking zone recognizing apparatus and control method thereof
CN106981215A (zh) * 2017-03-23 2017-07-25 北京联合大学 一种多传感器组合式的自动泊车车位引导方法
CN109283539A (zh) * 2018-09-20 2019-01-29 清华四川能源互联网研究院 一种适用于高层非平整结构的定位方法
CN109341544A (zh) * 2018-11-15 2019-02-15 上海航天精密机械研究所 一种激光位移传感器测距数值优化方法
CN109544990A (zh) * 2018-12-12 2019-03-29 惠州市德赛西威汽车电子股份有限公司 一种基于实时电子地图识别可用泊车位的方法及***
CN109559555A (zh) * 2018-12-21 2019-04-02 联创汽车电子有限公司 车位识别***及其识别方法
CN109633687A (zh) * 2018-11-28 2019-04-16 浙江中车电车有限公司 一种补偿汽车激光雷达识别障碍物盲区的***及方法
CN110058222A (zh) * 2019-03-29 2019-07-26 杭州电子科技大学 一种基于传感器选择的双层粒子滤波检测前跟踪方法
CN110276988A (zh) * 2019-06-26 2019-09-24 重庆邮电大学 一种基于碰撞预警算法的辅助驾驶***

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3473378B2 (ja) * 1998-03-10 2003-12-02 日産自動車株式会社 駐車空間検出装置
DE10216346A1 (de) * 2002-04-13 2003-10-23 Valeo Schalter & Sensoren Gmbh Einparkhilfesystem für Fahrzeuge und Verfahren
CN106671974B (zh) * 2015-11-10 2019-09-20 新乡航空工业(集团)有限公司 一种用于智能泊车***的车位检测方法
CN108569279A (zh) * 2017-12-15 2018-09-25 蔚来汽车有限公司 用于识别车位的方法和装置
CN109738900A (zh) * 2019-01-02 2019-05-10 广州小鹏汽车科技有限公司 一种可停车位的检测方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103241239A (zh) * 2013-04-27 2013-08-14 重庆邮电大学 一种自动泊车***车位识别方法
US20150348414A1 (en) * 2014-05-30 2015-12-03 Mando Corporation Parking zone recognizing apparatus and control method thereof
CN106981215A (zh) * 2017-03-23 2017-07-25 北京联合大学 一种多传感器组合式的自动泊车车位引导方法
CN109283539A (zh) * 2018-09-20 2019-01-29 清华四川能源互联网研究院 一种适用于高层非平整结构的定位方法
CN109341544A (zh) * 2018-11-15 2019-02-15 上海航天精密机械研究所 一种激光位移传感器测距数值优化方法
CN109633687A (zh) * 2018-11-28 2019-04-16 浙江中车电车有限公司 一种补偿汽车激光雷达识别障碍物盲区的***及方法
CN109544990A (zh) * 2018-12-12 2019-03-29 惠州市德赛西威汽车电子股份有限公司 一种基于实时电子地图识别可用泊车位的方法及***
CN109559555A (zh) * 2018-12-21 2019-04-02 联创汽车电子有限公司 车位识别***及其识别方法
CN110058222A (zh) * 2019-03-29 2019-07-26 杭州电子科技大学 一种基于传感器选择的双层粒子滤波检测前跟踪方法
CN110276988A (zh) * 2019-06-26 2019-09-24 重庆邮电大学 一种基于碰撞预警算法的辅助驾驶***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
匡兵 等: "基于超声波雷达的车位检测算法", 《桂林电子科技大学学报》 *
苏松恺: "基于超声波传感器的车位边缘误差分析及补偿", 《上海汽车》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111414843A (zh) * 2020-03-17 2020-07-14 森思泰克河北科技有限公司 手势识别方法及终端设备
CN111414843B (zh) * 2020-03-17 2022-12-06 森思泰克河北科技有限公司 手势识别方法及终端设备
CN111985772A (zh) * 2020-07-15 2020-11-24 惠州市德赛西威智能交通技术研究院有限公司 一种评价标准协议的鲁棒性与完整度实现方法
CN111985772B (zh) * 2020-07-15 2024-02-20 惠州市德赛西威智能交通技术研究院有限公司 一种评价标准协议的鲁棒性与完整度实现方法
CN112622885A (zh) * 2020-12-30 2021-04-09 惠州市德赛西威汽车电子股份有限公司 一种基于超声波雷达的斜列车位构建方法及***
CN112622885B (zh) * 2020-12-30 2022-03-22 惠州市德赛西威汽车电子股份有限公司 一种基于超声波雷达的斜列车位构建方法及***
CN113251962B (zh) * 2021-03-29 2022-07-05 英博超算(南京)科技有限公司 基于机器学习的超声波车位补偿***
CN113251962A (zh) * 2021-03-29 2021-08-13 英博超算(南京)科技有限公司 基于机器学习的超声波车位补偿***
CN113298044A (zh) * 2021-06-23 2021-08-24 上海西井信息科技有限公司 基于定位补偿的障碍物检测方法、***、设备及存储介质
CN114454874A (zh) * 2022-02-21 2022-05-10 岚图汽车科技有限公司 一种自动泊车防止急刹的方法及***
CN114454874B (zh) * 2022-02-21 2023-06-23 岚图汽车科技有限公司 一种自动泊车防止急刹的方法及***
CN114572223A (zh) * 2022-02-25 2022-06-03 智己汽车科技有限公司 一种超声波雷达障碍物车位感知***和方法
CN114594712A (zh) * 2022-03-15 2022-06-07 胜斗士(上海)科技技术发展有限公司 基于传感器的管理设备及其方法
CN115083172A (zh) * 2022-06-17 2022-09-20 深圳智优停科技有限公司 车位占用状态的障碍物检测方法及车位检测***

Also Published As

Publication number Publication date
WO2021068378A1 (zh) 2021-04-15

Similar Documents

Publication Publication Date Title
CN110853399A (zh) 一种基于超声波传感器车位检测***的车位识别补偿方法
US8576055B2 (en) Collision avoidance assisting system for vehicle
CN106647776B (zh) 车辆变道趋势的判断方法、判断装置和计算机存储介质
US9015100B2 (en) Preceding-vehicle identifying apparatus and following-distance control apparatus
JP6019646B2 (ja) 位置ずれ検出装置、車両及び位置ずれ検出方法
KR101103526B1 (ko) 스테레오 카메라를 이용한 충돌회피 방법
US20130054049A1 (en) Driving assistance apparatus
KR101240499B1 (ko) 실시간 차선 인식 및 차량 검출 장치 및 방법
US11574541B2 (en) Information processing device, information processing system, program, and information processing method
WO2023273780A1 (zh) 车辆定位方法、装置、电子设备和存储介质
CN114312783A (zh) 用于车辆的道路进入***和方法及计算机可读存储介质
CN113011255A (zh) 基于rgb图像的路面检测方法、***和智能终端
JP5209656B2 (ja) 車載白線認識装置
CN112817006B (zh) 一种车载智能道路病害检测方法及***
CN113029185B (zh) 众包式高精度地图更新中道路标线变化检测方法及***
US20230005249A1 (en) Information processing apparatus, information processing system, information processing method, and information processing program
KR20190134303A (ko) 영상 인식 장치 및 그 방법
US20230034979A1 (en) Method and device for determining reliability of visual detection
CN113160605B (zh) 一种融合的车位识别方法
CN113129603B (zh) 平行道路超速判定方法、装置、终端及存储介质
CN112241004B (zh) 物体识别装置
EP4224365A1 (en) Dynamic event classification method and device
CN115662167B (zh) 自动驾驶地图构建方法、自动驾驶方法及相关装置
JP5024165B2 (ja) 視認物体推定装置
CN116302727A (zh) 一种车载摄像头的检测方法、装置及汽车

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200228