CN113724525A - 一种基于大数据平台的自动代客巡逻式泊车方法、***和存储设备 - Google Patents

Abstract

本发明涉及车辆技术领域，特别涉及一种基于大数据平台的自动代客巡逻式泊车方法、***和存储设备。所述一种基于大数据平台的自动代客巡逻式泊车方法，包括步骤：通过云平台获取当前停车场地图和预设轨迹数据；根据所述当前停车场地图和预设轨迹控制汽车行驶；行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。以上方法过程中，无需停车场设置复杂的各种传感器来获取各种数据，只需车辆自身具备与云平台数据通讯，且车辆配备有车辆摄像头即可实现对车辆的自动代客巡逻式泊车，无需对停车场进行任何改造，可更广泛更便捷地被推广应用。

Description

一种基于大数据平台的自动代客巡逻式泊车方法、***和存 储设备

技术领域

本发明涉及车辆技术领域，特别涉及一种基于大数据平台的自动代客巡逻式泊车方法、***和存储设备。

背景技术

目前我们在小区或者商场停车，没有固定车位，当前车位又是满的情况，寻找车位是十分让人苦恼的问题。目前的代客泊车***，是基于车联网，高精地图等技术，停车场需要布置传感器和网络来实现信息化管理，将获得信息传给汽车。

然而仍然有很多的停车场为了节约成本，并未设置有传感器，故此在这些未配置有传感器的停车场实现自动代客泊车则成了亟需解决的技术问题。

发明内容

为此，需要提供一种基于大数据平台的自动代客巡逻式泊车方法，用以解决现有未配置有传感器的停车场无法实现自动代客泊车的技术问题。具体技术方案如下：

一种基于大数据平台的自动代客巡逻式泊车方法，包括步骤：

通过云平台获取当前停车场地图和预设轨迹数据；

根据所述当前停车场地图和预设轨迹控制汽车行驶；

行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。

进一步的，所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

识别车位标识对象，根据识别结果判断当前车位类型，所述标识对象包括但不限于：标示灯、颜色车位线、二维码标记，所述车位类型包括但不限于：私人车位、公共车位、专用车位。

进一步的，所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

通过车辆扫描并记录路过的停车位上停的车辆的车牌号；

所述“判断所述车位是否符合停车条件”后，还包括步骤：

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，直至找到可用车位自动泊入；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆在预设时间内继续按预设轨迹行驶，当超过预设时间仍未找到可用车位时，反馈结果至车主，接收车主发送的操作指令，并执行所述操作指令；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，行驶过程中捕获其它行驶车辆的车牌，若发现行驶车辆的车牌与之前记录的停车位上的车牌一致的话，则改变车辆行驶轨迹，行驶至所述车牌对应的车辆之前泊车的位置；

或

若泊入错误的空车位，判断是否收到被通知离开的信息，若是，则自动泊出并重新按预设轨迹行驶。

进一步的，所述“通过云平台获取当前停车场地图和预设轨迹数据”前，还包括步骤：

云平台获取不同车辆上传的当前停车场相关信息，所述当前停车场相关信息包括但不限于：车辆自身行驶过程绘制的地图信息、轨迹信息、停车位信息；

云平台对所述不同车辆上传的当前停车场相关信息进行分析处理得当前停车场的完整地图及预设轨迹。

进一步的，所述车辆设置有激光雷达和/或摄像头传感器；

所述车辆安装有智能驾驶***的软硬件；

所述车辆通过惯导模块或SLAM进行定位和建图。

为解决上述技术问题，还提供了一种存储设备，具体技术方案如下：

一种存储设备，其中存储有指令集，所述指令集用于执行：

通过云平台获取当前停车场地图和预设轨迹数据；

根据所述当前停车场地图和预设轨迹控制汽车行驶；

行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。

进一步的，所述指令集还用于执行：所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

识别车位标识对象，根据识别结果判断当前车位类型，所述标识对象包括但不限于：标示灯、颜色车位线、二维码标记，所述车位类型包括但不限于：私人车位、公共车位、专用车位。

进一步的，所述指令集还用于执行：

所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

通过车辆扫描并记录路过的停车位上停的车辆的车牌号；

所述“判断所述车位是否符合停车条件”后，还包括步骤：

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，直至找到可用车位自动泊入；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆在预设时间内继续按预设轨迹行驶，当超过预设时间仍未找到可用车位时，反馈结果至车主，接收车主发送的操作指令，并执行所述操作指令；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，行驶过程中捕获其它行驶车辆的车牌，若发现行驶车辆的车牌与之前记录的停车位上的车牌一致的话，则改变车辆行驶轨迹，行驶至所述车牌对应的车辆之前泊车的位置；

或

若泊入错误的空车位，判断是否收到被通知离开的信息，若是，则自动泊出并重新按预设轨迹行驶。

进一步的，所述存储设备包括车辆；所述车辆设置有激光雷达和/或摄像头传感器；

所述车辆安装有智能驾驶***的软硬件；

所述车辆通过惯导模块或SLAM进行定位和建图。

为解决上述技术问题，还提供了一种基于大数据平台的自动代客巡逻式泊车***，具体技术方案如下：

一种基于大数据平台的自动代客巡逻式泊车***，包括：云平台和车辆；

所述车辆用于：通过云平台获取当前停车场地图和预设轨迹数据；

根据所述当前停车场地图和预设轨迹控制汽车行驶；

行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入；

所述云平台还用于：获取不同车辆上传的当前停车场相关信息，所述当前停车场相关信息包括但不限于：车辆自身行驶过程绘制的地图信息、轨迹信息、停车位信息；对所述不同车辆上传的当前停车场相关信息进行分析处理得当前停车场的完整地图及预设轨迹。

本发明的有益效果是：一种基于大数据平台的自动代客巡逻式泊车方法，包括步骤：通过云平台获取当前停车场地图和预设轨迹数据；根据所述当前停车场地图和预设轨迹控制汽车行驶；行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。以上方法过程中，无需停车场设置复杂的各种传感器来获取各种数据，只需车辆自身具备与云平台数据通讯，且车辆配备有车辆摄像头即可实现对车辆的自动代客巡逻式泊车，无需对停车场进行任何改造，可更广泛更便捷地被推广应用。

附图说明

图1为具体实施方式所述一种基于大数据平台的自动代客巡逻式泊车方法的流程图；

图2为具体实施方式所述SLAM框架示意图；

图3a为具体实施方式所述汽车A记录的地图以及行驶轨迹示意图；

图3b为具体实施方式所述汽车B记录的地图以及行驶轨迹示意图；

图3c为具体实施方式所述汽车A记录的地图以及行驶轨迹示意图与汽车 B记录的地图以及行驶轨迹示意图的重叠区域示意图；

图3d为具体实施方式所述完善的地图；

图3e为具体实施方式所述预设轨迹示意图；

图4为具体实施方式所述一种存储设备的模块示意图；

图5为具体实施方式所述一种基于大数据平台的自动代客巡逻式泊车***的模块示意图。

附图标记说明：

400、存储设备，

500、一种基于大数据平台的自动代客巡逻式泊车***，

501、云平台，

502、车辆。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

请参阅图1至图3e，在本实施方式中，一种基于大数据平台的自动代客巡逻式泊车方法可应用在一种存储设备上，在本实施方式中，所述存储设备可以为车辆，所述车辆设置有激光雷达和/或摄像头传感器；所述车辆安装有智能驾驶***的软硬件；所述车辆通过惯导模块或SLAM进行定位和建图。

以下对惯导模块(包含IMU)用于定位和建图，和摄像头和激光雷达通过 SLAM定位和建图分别展开如下说明：

惯导模块：惯导模块主要用于卫星信号受屏蔽的区域，如地下停车场，天桥，这个时候车辆无法定位，就不知道自己在哪里，惯导模块主要通过IMU 来获取车辆的所在的水平高度，加速度方向，姿态等信息。完成汽车定位。主要元器件包括1、陀螺仪2、加速度计，加速度计检测物体在载体坐标***独立三轴的加速度信号，而陀螺仪检测载体相对于导航坐标系的角速度信号，对这些信号进行处理之后，便可解算出物体的姿态。

惯性导航的基本工作原理就是利用这些元器件以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。

请参阅图2，对SLAM定位和建图进行说明：

SLAM(simultaneous localization and mapping),也称为CML (ConcurrentMapping and Localization),即时定位与地图构建，或并发建图与定位。

传感器数据：主要用于采集实际环境中的各类型原始数据。包括激光扫描数据、视频图像数据、点云数据等。

视觉里程计：主要用于不同时刻间移动目标相对位置的估算。包括特征匹配、直接配准等算法的应用。

后端：主要用于优化视觉里程计带来的累计误差。包括滤波器、图优化等算法应用。

建图：用于三维地图构建。

回环检测：主要用于空间累积误差消除。

其工作流程大致为：传感器读取数据后，视觉里程计估计两个时刻的相对运动(Ego-motion)，后端处理视觉里程计估计结果的累积误差，建图则根据前端与后端得到的运动轨迹来建立地图，回环检测考虑了同一场景不同时刻的图像，提供了空间上约束来消除累积误差。

目前用在SLAM上的传感器主要分为这两类，一种是基于激光雷达的激光 SLAM(Lidar SLAM)和基于视觉的VSLAM(Visual SLAM)。

激光SLAM***通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。

视觉SLA：眼睛是人类获取外界信息的主要来源。视觉SLAM也具有类似特点，它可以从环境中获取海量的、富于冗余的纹理信息，拥有超强的场景辨识能力。视觉SLAM的优点是它所利用的丰富纹理信息。例如两块尺寸相同内容却不同的广告牌，基于点云的激光SLAM算法无法区别他们，而视觉则可以轻易分辨。这带来了重定位、场景分类上无可比拟的巨大优势。同时，视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标，如行人、车辆等，对于在复杂动态场景中的应用这是至关重要的。

对以上两种定位和建图方式说明完后，以下对一种基于大数据平台的自动代客巡逻式泊车方法具体展开说明：

步骤S101：通过云平台获取当前停车场地图和预设轨迹数据。

步骤S102：根据所述当前停车场地图和预设轨迹控制汽车行驶。

步骤S103：行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。

需要说明的是，本申请的一个核心技术点在于云平台共享机制，即：云平台地图的数据共享基于一个原则：数据的使用者也是数据的提供者，也就是要使用数据，也要贡献数据，车主使用该***需同意共享数据。在云平台和本车未建立地图的停车场，车主使用该***时，需要建地图数据。开启***后，车主开始寻找车位，此过程中，激光雷达或摄像头开始扫描，根据特征物和IMU来定位并建立地图。

故所述“通过云平台获取当前停车场地图和预设轨迹数据”前，还包括步骤：

云平台获取不同车辆上传的当前停车场相关信息，所述当前停车场相关信息包括但不限于：车辆自身行驶过程绘制的地图信息、轨迹信息、停车位信息；

云平台对所述不同车辆上传的当前停车场相关信息进行分析处理得当前停车场的完整地图及预设轨迹。如：泊好车后，上传这次地图信息,轨迹信息，停车位信息等。停车场的地图数据可能不完整，随着车主数据的不断上传，云平台会根据采集的同一停车场地图信息和轨迹信息对数据进行融合，根据轨迹重合，特征点定位对地图进行重构，完善地图区域，形成更加完整的数据。

如图3a所示，为汽车A记录的地图以及行驶轨迹，入口后直走向右转寻找车位。如图3b所示，为汽车B记录的地图以及行驶轨迹，入口后直走向左寻找车位。这两辆车的数据可以根据轨迹和定位实现地图融合，完成地图扩展，形成一个更大区域的地图。其中地图融合的原理：地图融合的基础是基于统一标准的SLAM建图，采用相同的坐标系，不同的汽车采集的地图数据不一样，但是他们的地图有重叠的区域。已重叠的区域为基础，通过特征比较，如图像的纹理分析，就可以获取一样的区域，根据定位信息，和坐标系转换统一坐标系，取双方的并集，就实现地图的扩展。如上方的汽车A和汽车B 建立的地图，他们重合的部分如图3c所示，以其为基础，通过定位信息和车辆轨迹就可以对不重合的地方进行扩展。相当于家庭扫地机器人多次扫图，完成全屋地图扫描，实现全屋轨迹规划。我们是使用不同车辆完成，但是使用同一标准进行。

随着地图的扩展和轨迹的增多，地图会越来越趋于完善，如图3d为完善的地图，根据轨迹汇总，可以根据路线规划算法，形成一个预设轨迹，完成围绕一个闭环的轨迹线，让车辆在这个区域行走，查看是否有空车位，完成泊入。如图3e的箭头线所示，显示了一个闭环的轨迹线。

在完成上述停车场的地图和轨迹数据收集后，车主在有数据覆盖的停车场使用，配置智能驾驶***车辆通过云平台获取当前停车场地图和预设轨迹数据，根据所述当前停车场地图和预设轨迹控制汽车行驶；

其中所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

识别车位标识对象，根据识别结果判断当前车位类型，所述标识对象包括但不限于：标示灯、颜色车位线、二维码标记，所述车位类型包括但不限于：私人车位、公共车位、专用车位。

若识别到符合停车条件的车位，即可以停的公共车位，并且没有车辆或障碍物在车位上，则汽车会自动泊入。

进一步的，所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

通过车辆扫描并记录路过的停车位上停的车辆的车牌号；

所述“判断所述车位是否符合停车条件”后，还包括步骤：

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，直至找到可用车位自动泊入。

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆在预设时间内继续按预设轨迹行驶，当超过预设时间仍未找到可用车位时，反馈结果至车主，接收车主发送的操作指令，并执行所述操作指令。车主接收到未找到可用车位的相关信息后，可通过手机APP进行操作选择是否继续巡逻。

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，行驶过程中捕获其它行驶车辆的车牌，若发现行驶车辆的车牌与之前记录的停车位上的车牌一致的话，则改变车辆行驶轨迹，行驶至所述车牌对应的车辆之前泊车的位置；若该位置空闲，则完成泊入，否则继续按轨迹巡逻。

或

若泊入错误的空车位，判断是否收到被通知离开的信息，若是，则自动泊出并重新按预设轨迹行驶。若错误泊入专用车位或私人车位，可通过二维码识别获取车位业主的联系方式，通过发送信息咨询业主是否能临时停车，若能，则临时停车，当接收到被通知离开的信息时，则通过APP，实现自动泊出，重新巡逻泊车。

一种基于大数据平台的自动代客巡逻式泊车方法，包括步骤：通过云平台获取当前停车场地图和预设轨迹数据；根据所述当前停车场地图和预设轨迹控制汽车行驶；行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。以上方法过程中，无需停车场设置复杂的各种传感器来获取各种数据，只需车辆自身具备与云平台数据通讯，且车辆配备有车辆摄像头即可实现对车辆的自动代客巡逻式泊车，无需对停车场进行任何改造，可更广泛更便捷地被推广应用。

进一步的，以上方法中的地图基于大数据，随着数据量增加，将带来更大区域覆盖和精度提升。此外路径规划来源于大量的车主数据，会更贴近实际驾驶情况，更加合理。

整个过程无需人工泊车，在车位较满的情况下，代替车主完成自动巡逻泊车，节省时间。支持大部分停车场，停车场只需增加简单的识别如二维码或者地标识别物等即可，无需投入大量资金对停车场进行改造，不需要高精度地图的覆盖，通过数据共享，完成地图和轨迹共用。

请参阅图2至图4，在本实施方式中，一种存储设备400的具体实施方式如下：

一种存储设备400，其中存储有指令集，所述指令集用于执行：

通过云平台获取当前停车场地图和预设轨迹数据；

根据所述当前停车场地图和预设轨迹控制汽车行驶；

行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。

其中通过云平台获取当前停车场地图和预设轨迹数据，具体可如下：

云平台获取不同车辆上传的当前停车场相关信息，所述当前停车场相关信息包括但不限于：车辆自身行驶过程绘制的地图信息、轨迹信息、停车位信息；

云平台对所述不同车辆上传的当前停车场相关信息进行分析处理得当前停车场的完整地图及预设轨迹。如：泊好车后，上传这次地图信息,轨迹信息，停车位信息等。停车场的地图数据可能不完整，随着车主数据的不断上传，云平台会根据采集的同一停车场地图信息和轨迹信息对数据进行融合，根据轨迹重合，特征点定位对地图进行重构，完善地图区域，形成更加完整的数据。

如图3a所示，为汽车A记录的地图以及行驶轨迹，入口后直走向右转寻找车位。如图3b所示，为汽车B记录的地图以及行驶轨迹，入口后直走向左寻找车位。这两辆车的数据可以根据轨迹和定位实现地图融合，完成地图扩展，形成一个更大区域的地图。其中地图融合的原理：地图融合的基础是基于统一标准的SLAM建图，采用相同的坐标系，不同的汽车采集的地图数据不一样，但是他们的地图有重叠的区域。已重叠的区域为基础，通过特征比较，如图像的纹理分析，就可以获取一样的区域，根据定位信息，和坐标系转换统一坐标系，取双方的并集，就实现地图的扩展。如上方的汽车A和汽车B 建立的地图，他们重合的部分如图3c所示，以其为基础，通过定位信息和车辆轨迹就可以对不重合的地方进行扩展。相当于家庭扫地机器人多次扫图，完成全屋地图扫描，实现全屋轨迹规划。我们是使用不同车辆完成，但是使用同一标准进行。

随着地图的扩展和轨迹的增多，地图会越来越趋于完善，如图3d为完善的地图，根据轨迹汇总，可以根据路线规划算法，形成一个预设轨迹，完成围绕一个闭环的轨迹线，让车辆在这个区域行走，查看是否有空车位，完成泊入。如图3e的箭头线所示，显示了一个闭环的轨迹线。

在完成上述停车场的地图和轨迹数据收集后，车主在有数据覆盖的停车场使用，配置智能驾驶***车辆通过云平台获取当前停车场地图和预设轨迹数据，根据所述当前停车场地图和预设轨迹控制汽车行驶；

进一步的，所述指令集还用于执行：所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

识别车位标识对象，根据识别结果判断当前车位类型，所述标识对象包括但不限于：标示灯、颜色车位线、二维码标记，所述车位类型包括但不限于：私人车位、公共车位、专用车位。

若识别到符合停车条件的车位，即可以停的公共车位，并且没有车辆或障碍物在车位上，则汽车会自动泊入。

进一步的，所述指令集还用于执行：

所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

通过车辆扫描并记录路过的停车位上停的车辆的车牌号；

所述“判断所述车位是否符合停车条件”后，还包括步骤：

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，直至找到可用车位自动泊入；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆在预设时间内继续按预设轨迹行驶，当超过预设时间仍未找到可用车位时，反馈结果至车主，接收车主发送的操作指令，并执行所述操作指令；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，行驶过程中捕获其它行驶车辆的车牌，若发现行驶车辆的车牌与之前记录的停车位上的车牌一致的话，则改变车辆行驶轨迹，行驶至所述车牌对应的车辆之前泊车的位置；

或若泊入错误的空车位，判断是否收到被通知离开的信息，若是，则自动泊出并重新按预设轨迹行驶。

进一步的，所述存储设备包括车辆；所述车辆设置有激光雷达和/或摄像头传感器；

所述车辆安装有智能驾驶***的软硬件；

所述车辆通过惯导模块或SLAM进行定位和建图。

一种存储设备400，其中存储有指令集，所述指令集用于执行：通过云平台获取当前停车场地图和预设轨迹数据；根据所述当前停车场地图和预设轨迹控制汽车行驶；行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。以上指令集执行过程中，无需停车场设置复杂的各种传感器来获取各种数据，只需车辆自身具备与云平台数据通讯，且车辆配备有车辆摄像头即可实现对车辆的自动代客巡逻式泊车，无需对停车场进行任何改造，可更广泛更便捷地被推广应用。

请参阅图3a至图3e及图5，一种基于大数据平台的自动代客巡逻式泊车***500的具体实施方式如下：

一种基于大数据平台的自动代客巡逻式泊车***500，包括：云平台501 和车辆502；

所述车辆502用于：通过云平台501获取当前停车场地图和预设轨迹数据；

根据所述当前停车场地图和预设轨迹控制汽车行驶；

行驶过程中，通过车辆502摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆502自动泊入；

所述云平台501还用于：在通过云平台501获取当前停车场地图和预设轨迹数据前，云平台501获取不同车辆502上传的当前停车场相关信息，所述通过云平台501获取当前停车场地图和预设轨迹数据包括但不限于：车辆 502自身行驶过程绘制的地图信息、轨迹信息、停车位信息；云平台501对所述不同车辆502上传的当前停车场相关信息进行分析处理得当前停车场的完整地图及预设轨迹。如：泊好车后，上传这次地图信息,轨迹信息，停车位信息等。停车场的地图数据可能不完整，随着车主数据的不断上传，云平台501 会根据采集的同一停车场地图信息和轨迹信息对数据进行融合，根据轨迹重合，特征点定位对地图进行重构，完善地图区域，形成更加完整的数据。

如图3a所示，为汽车A记录的地图以及行驶轨迹，入口后直走向右转寻找车位。如图3b所示，为汽车B记录的地图以及行驶轨迹，入口后直走向左寻找车位。这两辆车的数据可以根据轨迹和定位实现地图融合，完成地图扩展，形成一个更大区域的地图。其中地图融合的原理：地图融合的基础是基于统一标准的SLAM建图，采用相同的坐标系，不同的汽车采集的地图数据不一样，但是他们的地图有重叠的区域。已重叠的区域为基础，通过特征比较，如图像的纹理分析，就可以获取一样的区域，根据定位信息，和坐标系转换统一坐标系，取双方的并集，就实现地图的扩展。如上方的汽车A和汽车B 建立的地图，他们重合的部分如图3c所示，以其为基础，通过定位信息和车辆502轨迹就可以对不重合的地方进行扩展。相当于家庭扫地机器人多次扫图，完成全屋地图扫描，实现全屋轨迹规划。我们是使用不同车辆502完成，但是使用同一标准进行。

随着地图的扩展和轨迹的增多，地图会越来越趋于完善，如图3d为完善的地图，根据轨迹汇总，可以根据路线规划算法，形成一个预设轨迹，完成围绕一个闭环的轨迹线，让车辆502在这个区域行走，查看是否有空车位，完成泊入。如图3e的箭头线所示，显示了一个闭环的轨迹线。

在完成上述停车场的地图和轨迹数据收集后，车主在有数据覆盖的停车场使用，配置智能驾驶***车辆502通过云平台501获取当前停车场地图和预设轨迹数据，根据所述当前停车场地图和预设轨迹控制汽车行驶；

所述车辆502还用于：识别车位标识对象，根据识别结果判断当前车位类型，所述标识对象包括但不限于：标示灯、颜色车位线、二维码标记，所述车位类型包括但不限于：私人车位、公共车位、专用车位。

若识别到符合停车条件的车位，即可以停的公共车位，并且没有车辆502 或障碍物在车位上，则汽车会自动泊入。

进一步的，车辆502在当前停车场行驶完预轨迹后，若仍没有空位，则继续按预设轨迹行驶，直至找到可用车位自动泊入。

或

车辆502在当前停车场行驶完预轨迹后，若仍没有空位，则车辆502在预设时间内继续按预设轨迹行驶，当超过预设时间仍未找到可用车位时，反馈结果至车主，接收车主发送的操作指令，并执行所述操作指令。车主接收到未找到可用车位的相关信息后，可通过手机APP进行操作选择是否继续巡逻。

或

车辆502在当前停车场行驶完预轨迹后，若仍没有空位，则车辆502继续按预设轨迹行驶，行驶过程中捕获其它行驶车辆502的车牌，若发现行驶车辆502的车牌与之前记录的停车位上的车牌一致的话，则改变车辆502行驶轨迹，行驶至所述车牌对应的车辆502之前泊车的位置；若该位置空闲，则完成泊入，否则继续按轨迹巡逻。

或若泊入错误的空车位，判断是否收到被通知离开的信息，若是，则自动泊出并重新按预设轨迹行驶。若错误泊入专用车位或私人车位，可通过二维码识别获取车位业主的联系方式，通过发送信息咨询业主是否能临时停车，若能，则临时停车，当接收到被通知离开的信息时，则通过APP，实现自动泊出，重新巡逻泊车。

一种基于大数据平台的自动代客巡逻式泊车***500，包括：云平台501 和车辆502；

所述车辆502用于：通过云平台501获取当前停车场地图和预设轨迹数据；

根据所述当前停车场地图和预设轨迹控制汽车行驶；

行驶过程中，通过车辆502摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆502自动泊入。以上***中，无需停车场设置复杂的各种传感器来获取各种数据，只需车辆502自身具备与云平台 501数据通讯，且车辆502配备有车辆502摄像头即可实现对车辆502的自动代客巡逻式泊车，无需对停车场进行任何改造，可更广泛更便捷地被推广应用。

进一步的，以上***中的地图基于大数据，随着数据量增加，将带来更大区域覆盖和精度提升。此外路径规划来源于大量的车主数据，会更贴近实际驾驶情况，更加合理。

整个***无需人工泊车，在车位较满的情况下，代替车主完成自动巡逻泊车，节省时间。支持大部分停车场，停车场只需增加简单的识别如二维码或者地标识别物等即可，无需投入大量资金对停车场进行改造，不需要高精度地图的覆盖，通过数据共享，完成地图和轨迹共用。

需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。

Claims (10)

1.一种基于大数据平台的自动代客巡逻式泊车方法，其特征在于，包括步骤：

通过云平台获取当前停车场地图和预设轨迹数据；

根据所述当前停车场地图和预设轨迹控制汽车行驶；

行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。

2.根据权利要求1所述的一种基于大数据平台的自动代客巡逻式泊车方法，其特征在于，所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

识别车位标识对象，根据识别结果判断当前车位类型，所述标识对象包括但不限于：标示灯、颜色车位线、二维码标记，所述车位类型包括但不限于：私人车位、公共车位、专用车位。

3.根据权利要求1所述的一种基于大数据平台的自动代客巡逻式泊车方法，其特征在于，所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

通过车辆扫描并记录路过的停车位上停的车辆的车牌号；

所述“判断所述车位是否符合停车条件”后，还包括步骤：

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，直至找到可用车位自动泊入；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆在预设时间内继续按预设轨迹行驶，当超过预设时间仍未找到可用车位时，反馈结果至车主，接收车主发送的操作指令，并执行所述操作指令；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，行驶过程中捕获其它行驶车辆的车牌，若发现行驶车辆的车牌与之前记录的停车位上的车牌一致的话，则改变车辆行驶轨迹，行驶至所述车牌对应的车辆之前泊车的位置；

或

若泊入错误的空车位，判断是否收到被通知离开的信息，若是，则自动泊出并重新按预设轨迹行驶。

4.根据权利要求1所述的一种基于大数据平台的自动代客巡逻式泊车方法，其特征在于，所述“通过云平台获取当前停车场地图和预设轨迹数据”前，还包括步骤：

云平台获取不同车辆上传的当前停车场相关信息，所述当前停车场相关信息包括但不限于：车辆自身行驶过程绘制的地图信息、轨迹信息、停车位信息；

云平台对所述不同车辆上传的当前停车场相关信息进行分析处理得当前停车场的完整地图及预设轨迹。

5.根据权利要求1至4任一所述的一种基于大数据平台的自动代客巡逻式泊车方法，其特征在于，所述车辆设置有激光雷达和/或摄像头传感器；

所述车辆安装有智能驾驶***的软硬件；

所述车辆通过惯导模块或SLAM进行定位和建图。

6.一种存储设备，其中存储有指令集，其特征在于，所述指令集用于执行：

通过云平台获取当前停车场地图和预设轨迹数据；

根据所述当前停车场地图和预设轨迹控制汽车行驶；

行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入。

7.根据权利要求6所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

识别车位标识对象，根据识别结果判断当前车位类型，所述标识对象包括但不限于：标示灯、颜色车位线、二维码标记，所述车位类型包括但不限于：私人车位、公共车位、专用车位。

8.根据权利要求6所述的一种存储设备，其特征在于，所述指令集还用于执行：

所述“通过车辆摄像头对车位进行判断”，具体还包括步骤：

通过车辆扫描并记录路过的停车位上停的车辆的车牌号；

所述“判断所述车位是否符合停车条件”后，还包括步骤：

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，直至找到可用车位自动泊入；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆在预设时间内继续按预设轨迹行驶，当超过预设时间仍未找到可用车位时，反馈结果至车主，接收车主发送的操作指令，并执行所述操作指令；

或

控制车辆在当前停车场行驶完预设轨迹后，若仍没有空位，则控制车辆继续按预设轨迹行驶，行驶过程中捕获其它行驶车辆的车牌，若发现行驶车辆的车牌与之前记录的停车位上的车牌一致的话，则改变车辆行驶轨迹，行驶至所述车牌对应的车辆之前泊车的位置；

或

若泊入错误的空车位，判断是否收到被通知离开的信息，若是，则自动泊出并重新按预设轨迹行驶。

9.根据权利要求6至8任一所述的一种存储设备，其特征在于，所述存储设备包括车辆；所述车辆设置有激光雷达和/或摄像头传感器；

所述车辆安装有智能驾驶***的软硬件；

所述车辆通过惯导模块或SLAM进行定位和建图。

10.一种基于大数据平台的自动代客巡逻式泊车***，其特征在于，包括：云平台和车辆；

所述车辆用于：通过云平台获取当前停车场地图和预设轨迹数据；

根据所述当前停车场地图和预设轨迹控制汽车行驶；

行驶过程中，通过车辆摄像头对车位进行判断，判断所述车位是否符合停车条件，若符合，则控制车辆自动泊入；

所述云平台还用于：获取不同车辆上传的当前停车场相关信息，所述当前停车场相关信息包括但不限于：车辆自身行驶过程绘制的地图信息、轨迹信息、停车位信息；对所述不同车辆上传的当前停车场相关信息进行分析处理得当前停车场的完整地图及预设轨迹。

Images