CN114648882A - 一种车位检测方法及装置 - Google Patents
一种车位检测方法及装置 Download PDFInfo
- Publication number
- CN114648882A CN114648882A CN202210122837.8A CN202210122837A CN114648882A CN 114648882 A CN114648882 A CN 114648882A CN 202210122837 A CN202210122837 A CN 202210122837A CN 114648882 A CN114648882 A CN 114648882A
- Authority
- CN
- China
- Prior art keywords
- radar
- data
- value
- frame
- probability value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 68
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000013461 design Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 101100391172 Dictyostelium discoideum forA gene Proteins 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 101150049349 setA gene Proteins 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例公开了一种车位检测方法及装置,所述方法应用于车辆,所述车辆安装有雷达,包括:获取所述车辆在移动过程中所述雷达检测到的多帧数据,根据所述多帧数据实时生成代价地图,其中,所述多帧数据包括无穷远数据和非无穷远数据;当所述雷达检测到第一帧所述无穷远数据、且连续检测到所述无穷远数据的帧数超过第一预设阈值时,进入工作状态,在所述工作状态下增加空闲概率值,所述空闲概率值为所述雷达的包络在所述代价地图中的栅格为空闲状态的概率;根据增加后的所述空闲概率值,确定所述车位的第一边界。采用本申请实施例,可以提高车位检测的准确度。
Description
技术领域
本申请涉及汽车技术领域,尤其涉及一种车位检测方法及装置。
背景技术
在智能网联汽车技术组成单元中,环境感知***是至关重要的一环,是智能网联汽车安全性和智能性的保障。智能网联汽车中对外部环境感知最重要的传感器之一是雷达,雷达可以很好的提供障碍物的位置、距离以及速度的信息,这些信息对智能网联汽车都是至关重要的。由于超声波雷达的特性,单颗超声波雷达并不能给出障碍物的具***置,只能给出距离信息。因此窄角雷达或宽角雷达都会认为在车位边界上雷达的包络所在的位置都是有障碍物的,导致车位检测不够准确。
发明内容
本申请实施例提供一种车位检测方法及装置,提高了车位检测的准确度。
第一方面,本申请实施例提供了一种车位检测方法,包括:
获取所述车辆在移动过程中所述雷达检测到的多帧数据,根据所述多帧数据实时生成代价地图,其中,所述多帧数据包括无穷远数据和非无穷远数据;
当所述雷达检测到第一帧所述无穷远数据、且连续检测到所述无穷远数据的帧数超过第一预设阈值时,进入工作状态,在所述工作状态下增加空闲概率值,所述空闲概率值为所述雷达的包络在所述代价地图中的栅格为空闲状态的概率;
根据增加后的所述空闲概率值,确定所述车位的第一边界。
在一种可能的设计中,在所述工作状态下,将所述雷达检测到所述第一帧无穷远数据时所述代价地图中所述雷达的包络中所占的区域的所有概率值配置为第一数值,所述第一数值小于第二预设阈值;根据所述第一数值,确定所述车位的第二边界。
在另一种可能的设计中,所述在所述工作状态下增加空闲概率值包括:
在所述工作状态下,当每次检测到一帧所述无穷远数据时,按照预设倍数增加一次所述空闲概率值。
在另一种可能的设计中,当增加后的所述空闲概率值为所述空闲概率值的初始值的N倍时,停止增加所述空闲概率值,其中,所述N为根据所述车辆的移动速度、所述雷达的包络的宽度以及所述雷达的帧率确定,所述N为大于等于1的整数。
在另一种可能的设计中,当所述雷达检测到第一帧所述非无穷远数据、且连续检测到所述非无穷远数据的帧数超过第一预设阈值时,退出所述工作状态。
其中,当在所述工作状态下检测到最后一帧所述无穷远数据时,增加后的所述空闲概率值用于将所述代价地图中所述雷达的包络中所占的区域的概率值调整为第二数值,所述第二数值小于第二预设阈值。
在另一种可能的设计中,所述获取所述车辆在移动过程中所述雷达检测到的多帧数据包括:
控制所述雷达发射探测信号;
接收所述障碍物反射的反射信号;
根据所述障碍物反射的反射信号确定所述雷达与所述障碍物的距离。
在另一种可能的设计中,所述无穷远数据为所述雷达与所述障碍物的距离大于第三预设阈值的数据,所述非无穷远数据为所述雷达与所述障碍物的距离不大于所述第三预设阈值的数据。
第二方面,本申请实施例提供了一种车位检测装置,所述装置应用于车辆,所述车辆安装有雷达,包括:
获取模块,用于获取所述车辆在移动过程中所述雷达检测到的多帧数据,根据所述多帧数据实时生成代价地图,其中,所述多帧数据包括无穷远数据和非无穷远数据;
处理模块,用于当所述雷达检测到第一帧所述无穷远数据、且连续检测到所述无穷远数据的帧数超过第一预设阈值时,进入工作状态,在所述工作状态下增加空闲概率值,所述空闲概率值为所述雷达的包络在所述代价地图中的栅格为空闲状态的概率;以及根据增加后的所述空闲概率值,确定所述车位的第一边界。
在另一种可能的设计中,所述处理模块,还用于在所述工作状态下,将所述雷达检测到所述第一帧无穷远数据时所述代价地图中所述雷达的包络中所占的区域的所有概率值配置为第一数值,所述第一数值小于第二预设阈值;根据所述第一数值,确定所述车位的第二边界。
在另一种可能的设计中,所述处理模块,还用于在所述工作状态下,当每次检测到一帧所述无穷远数据时,按照预设倍数增加一次所述空闲概率值。
在另一种可能的设计中,所述处理模块,还用于当增加后的所述空闲概率值为所述空闲概率值的初始值的N倍时,停止增加所述空闲概率值,其中,所述N为根据所述车辆的移动速度、所述雷达的包络的宽度以及所述雷达的帧率确定,所述N为大于等于1的整数。
在另一种可能的设计中,所述处理模块,还用于当所述雷达检测到第一帧所述非无穷远数据、且连续检测到所述非无穷远数据的帧数超过第一预设阈值时,退出所述工作状态。
其中,当在所述工作状态下检测到最后一帧所述无穷远数据时,增加后的所述空闲概率值用于将所述代价地图中所述雷达的包络中所占的区域的概率值调整为第二数值,所述第二数值小于第二预设阈值。
在另一种可能的设计中,所述处理模块,还用于控制所述雷达发射探测信号;接收所述障碍物反射的反射信号;根据所述障碍物反射的反射信号确定所述雷达与所述障碍物的距离。
在另一种可能的设计中,所述无穷远数据为所述雷达与所述障碍物的距离大于第三预设阈值的数据,所述非无穷远数据为所述雷达与所述障碍物的距离不大于所述第三预设阈值的数据。
第三方面,本申请提供了一种车位检测装置,可以是车辆中的装置,或者是能够和车辆匹配使用的装置。其中,该车位检测装置还可以为芯片***。该车位检测装置可执行第一方面所述的方法。该通信装置的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。该模块可以是软件和/或硬件。
第四方面,本申请提供了一种车位检测装置,所述车位检测装置包括处理器和存储器,所述存储器用于存储计算机执行指令;所述处理器用于执行所述存储器所存储的计算机执行指令,以使所述通信装置执行如第一方面中任意一项所述的方法。
第五方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,当所述计算机程序被执行时,使得如第一方面中任意一项所述的方法被实现。
第六方面,本申请提供一种包括计算机程序的计算机程序产品,当所述计算机程序被执行时,使得如第一方面中任意一项所述的方法被实现。
实施本申请实施例,当雷达检测到第一帧无穷远数据、且连续检测到无穷远数据的帧数超过第一预设阈值时,进入工作状态,通过在工作状态下增加空闲概率值,即使误认为在车位边界上雷达的包络所在的位置存在障碍物的情况下,也能够保障代价地图中处于空闲状态栅格的准确性,提高了车位检测的准确度。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案,下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
图1是本申请提供的一种车辆的示意图;
图2(A)是一种通过窄角雷达探测障碍物的边界的示意图;
图2(B)是一种通过宽角雷达探测障碍物的边界的示意图;
图3是一种使用宽角雷达检测车位的示意图;
图4是本申请实施例提供的一种车辆检测方法的流程示意图;
图5是本申请实施例提供的一种车位检测的示意图;
图6是本申请实施例提供的一种数据更新代价地图的示意图;
图7是本申请实施例提供的一种车位检测过程的示意图;
图8是本申请实施例提供的一种车位检测效果的示意图;
图9是本申请实施例提供的一种车位检测装置的结构示意图;
图10是本申请实施例提供的另一种车位检测装置的结构示意图。
具体实施方式
请参阅图1,本申请提供的一种车辆100的示意图。车辆100包括车位检测装置10、车体20和雷达30。空车位检测装置10设置在车体20内。此外,雷达30安装在车辆100上,本申请以如图1所示的雷达安装的方式进行说明,即车辆100安装有4个雷达30,每个雷达的规格可以为相同的规格,车辆的每一侧前后各设置两个雷达30,能够同时探测车辆前后两个区域的障碍物,保障不遗漏任何一个探测区域,保障探测数据的准确度。其中,雷达可以为超声波雷达,即雷达发射的探测信号可以是超声波信号。超声波信号是振动频率高于20kHz的机械波。超声波信号它具有频率高、波长短、绕射现象小,特别是方向性好、能够成为射线而定向传播等特点。超声波对液体、固体的穿透本领很大,尤其是在阳光不透明的固体中。超声波碰到杂质或分界面会产生显著反射形成反射回波。超声波雷达接收障碍物反射的反射信号为反射回波。在本申请的其他的实施例中,雷达还可以是激光雷达,激光雷达发射的探测信号则为飞行时间探测信号(time-of-flight,TOF)以实时、准确地获取障碍物的深度信息,深度信息包括障碍物与雷达之间的距离。
如图2(A)所示,图2(A)是一种通过窄角雷达探测障碍物的边界的示意图。图2(B)是一种通过宽角雷达探测障碍物的边界的示意图。对于窄角雷达或宽角雷达,都会认为在车位边界上雷达的包络所在的位置都是有障碍物的。而实际上,在车位边界上雷达的包络的一半有障碍物,而雷达的包络的另一半是没有障碍物的。其中,窄角雷达的检测宽度为80cm左右,宽角雷达的检测宽度为2m左右。
在建立代价(costmap)地图时,大多数都是基于窄角雷达,但是由于窄角雷达的检测区域较窄,在车辆后方的盲区较大且窄角雷达成本较高,因此某些厂商更倾向于使用宽角雷达来进行检测。但是,如果基于宽角雷达使用传统的方法来建立costmap,建立的costmap精度会很差,不利于通过costmap对车位进行定位。如图3所示,图3是一种使用宽角雷达检测车位的示意图。在对车位的边界进行检测时,在实际没有障碍物的情况下,会检测到宽角雷达的包络所在的位置有障碍物。由于宽角雷达的检测宽度为2m左右,使得检测到的车位明显小于实际车位的大小,导致车位检测的准确度较差。
为了解决上述技术问题,本申请实施例提供了如下解决方案。
如图4所示,图4是本申请实施例提供的一种车辆检测方法的流程示意图,本申请实施例的步骤至少包括:
S401,获取所述车辆在移动过程中所述雷达检测到的多帧数据,根据所述多帧数据实时生成代价地图,其中,所述多帧数据包括无穷远数据和非无穷远数据。
具体的,可以控制所述雷达发射探测信号;接收所述障碍物反射的反射信号;根据所述障碍物反射的反射信号确定所述雷达与所述障碍物的距离。所述无穷远数据为所述雷达与所述障碍物的距离大于第三预设阈值的数据,也即在没有障碍物的情况下,可以检测到无穷远数据。所述非无穷远数据为所述雷达与所述障碍物的距离不大于所述第三预设阈值的数据,也即在有障碍物的情况下,可以检测到非无穷远数据。其中,第三预设阈值可以为20m或30m等。
进一步的,可以确定超声波雷达发射超声波信号和接收反射信号之间的时间差;根据时间差计算障碍物与雷达之间的距离。具体地,超声波雷达发射超声波信号时的时刻记为t1时刻,超声波雷达接收到反射信号的时刻记为t2时刻,时间差即为t2-t1。根据时间差t2-t1的大小可以确定不同距离的障碍物距离雷达的位置远近。例如,超声波雷达t2-t1分别为1S、1.5S和2S,其中,最近的障碍物与超声波雷达的距离为发射信号发出后0.5S的距离,最远的障碍物与超声波雷达的距离为发射信号发出后1S的距离,也即障碍物占有区域的超声波数据。如果未接收到反射信号,则为无穷远数据,也即空闲区域的超声波数据。
需要说明的是,本申请中的障碍物与雷达之间的距离可以认为是障碍物与车辆之间的距离。
如图5所示,图5中的箭头指向的A方向为车辆的移动方向,图中黑色方块代表车辆。车辆100在A方向行驶,获取安装在车辆的雷达检测到的多帧数据。其中,雷达的数量可以为一个或多个。当雷达数量为一个时,该雷达可以设置在可旋转的底座上并设置在车辆的车顶指定位置,间隔预设角度旋转检测车辆周围的障碍物。例如,预设角度可以为1°、2°、3°、4°、5°、6°、7°、8°、9°或10°等,预设角度可以是用户预先设置的角度,在此不做限制。当雷达数量为1个时,该雷达也可以固定安装在车头预定位置,在车辆的行驶过程中实时向车辆的一侧发送超声波信号、并接收反射信号。从而能够在车速较快的情况下,使得车辆检测装置能够获取车辆一侧的雷达检测到的多帧数据,实时形成代价地图。当雷达数量为多个时,则多个雷达可以分别固定安装在车辆的两侧,用于在同一时间发射超声波信号、并接收车辆两侧的反射信号,从而在车速较快的情况下,使得车辆检测装置能够获取车辆两侧雷达检测到的多帧数据,实时形成代价地图,进一步加快车位检测的过程。
可以理解地,在通常的尺度地图中,对于一个点,要么有(Occupied状态,下面用1来表示)障碍物,要么没有(Free状态,下面用0来表示)障碍物。在代价地图中,对于一个点S,可以用P(S=1)来表示栅格是空闲(free)状态的概率,用P(S=0)来表示栅格是占用(occupied)状态的概率,两个概率之和为1。由于P(S=1)和P(S=0)的数值太多了,因此,将两者的比值作为该点的状态。对于一个点S,在获取到一个测量值(Measurement,Z~{0,1})之后,需要更新该点的状态。假设在获取测量值之前,该点的状态为odd(S),则更新该点的状态为:这种表达方式类似于条件概率,表示在Z发生的条件下点S的状态。
由于贝叶斯公式为:
P(S=1|Z)=P(Z|S=1)P(S=1)/P(Z),P(S=0|Z)=P(Z|S=0)P(S=1)/P(Z);
测量值的模型只有两种:
和而且都是定值。我们的更新规则就进一步简化成了:S+=S-+lomeas。其中,S+和S-分别表示点S的测量值之后的状态和测量值之前的状态。在没有任何测量值的状态下,一个点的初始状态S0=0。经过上述建模之后,更新一个点的状态就只需要做简单的加减法。
假设Lofree=-0.6,Looccu=0.8,则一个点的状态的数值越大,表示该点是Occupied状态的概率越大,相反数值越小,表示该点是Free状态的概率越大。可以通过logodd(S)表示位置点S的状态。图6提供了一种使用超声波雷达30的数据更新代价地图的示意图。在代价地图中,一个点颜色越浅表示该点为空闲状态的概率越大,颜色越深表示该点为占用状态的概率越大。
通过上述过程更新代价地图,可以确定当前时刻雷达的包络在代价地图中的所在栅格的概率P(S=1|Z)和P(S=0|Z),并根据概率确定雷达的包络在代价地图的位置及根据雷达探测的多帧数据确定探测区域中栅格的占用状态。
S402,当所述雷达检测到第一帧所述无穷远数据、且连续检测到所述无穷远数据的帧数超过第一预设阈值时,进入工作状态,在所述工作状态下增加空闲概率值,所述空闲概率值为所述雷达的包络在所述代价地图中的栅格为空闲状态的概率。
具体的,当雷达开始工作时,进入初始(init)状态。如果车辆是运动的,当所述雷达检测到第一帧所述无穷远数据、且连续检测到所述无穷远数据的帧数超过第一预设阈值时,从初始状态切换到工作状态。如果所述雷达检测到第一帧所述无穷远数据、但连续检测到无穷远数据的帧数未超过第一预设阈值时,保持在初始状态,并且重新开始检测第一帧无穷远数。在进入工作状态后,可以记录当检测到第一帧所述无穷远数据时所述雷达的包络在代价地图中所在的位置。
其中,第一预设阈值可以根据获得的雷达的数据的频率确定。如果每40ms获取到雷达的一帧数据,则第一预设阈值可以为5,如果获取雷达的数据频率越高,则第一预设阈值越大,反之第一预设阈值越小。
可选的,在所述工作状态下,当每次检测到一帧所述无穷远数据时,按照预设倍数增加一次所述空闲概率值。其中,预设倍数可以为0.5倍或其他倍数。
可选的,当增加后的所述空闲概率值为所述空闲概率值的初始值的N倍时,停止增加所述空闲概率值,其中,所述N为根据所述车辆的移动速度、所述雷达的包络的宽度以及所述雷达的帧率确定,所述N为大于等于1的整数,N可以为10。例如,当车辆按照10km/h(2.8m/s)的速度行驶过程中对车位进行检测时,假设雷达的包络为2m,检测的帧率为40ms。因此一个障碍物最多被检测的次数=2/2.8/0.04≈17次,如果考虑车辆整个***的延迟,N大约在10次左右,因此可以将增加后的所述空闲概率值的最大值确定为所述空闲概率值的初始值的10倍。
S403,根据增加后的所述空闲概率值,确定所述车位的第一边界。
其中,当在所述工作状态下检测到最后一帧所述无穷远数据时,增加后的所述空闲概率值用于将所述代价地图中所述雷达的包络中所占的区域的概率值调整为第二数值,所述第二数值小于第二预设阈值,第二数值可以为一个较小的值。这样,在检测到最后一帧无穷远数据的下一帧非无穷远数据时,减小了下一帧非无穷远数据对最后一帧无穷远数据检测到的空闲区域的影响,从而可以准确地确定车位的第一边界。
例如,假设两车之间有空车位,雷达检测的多帧数据为(雷达检测到障碍物的数据为x,雷达未检测到障碍物的数据为∞):x、x、x、…、∞、∞、∞、…∞、∞、∞、x、x、x、…。在工作状态下,由于空闲概率值逐渐增加,当到最后一帧∞数据时,此时通过增加后的空闲概率值将雷达的包络中所占的区域的概率值调整为一个较小的值,当检测到最后一帧∞数据的下一帧x数据时,由于占有概率值没有经过加强,因此对最后一帧∞数据检测到的空闲区域的影响极小,以此类推最后认为占有的区域只有∞数据没有发射到的地方。
可选的,在所述工作状态下,将所述雷达检测到所述第一帧无穷远数据时所述代价地图中所述雷达的包络中所占的区域的所有概率值配置为第一数值,所述第一数值小于第二预设阈值;根据所述第一数值,确定所述车位的第二边界。其中,第一数值可以为一个较小的值。
其中,第一边界为右边界,第二边界为左边界。或者,第一边界为左边界,第二边界为右边界。
可选的,当所述雷达检测到第一帧所述非无穷远数据、且连续检测到所述非无穷远数据的帧数超过第一预设阈值时,退出所述工作状态,结束车位检测。此时可以从工作状态切换到初始状态,如果雷达再次检测到第一帧所述无穷远数据、且连续检测到所述无穷远数据的帧数超过第一预设阈值,则重新进入工作状态。
例如,如图7所示,车辆从左至右开始行驶,当雷达检测到第一帧无穷远数据时,说明雷达已经检测到车位的左边界,如果连续出现多帧无穷远数据,则说明一定存在空车位,此时进入工作状态,对车位继续进行检测,并且将雷达检测到第一帧无穷远数据时雷达的包络在代价地图中所占的位置的所有概率值配置为一个较小的值(只要在图中显示为白色即可),表示检测到第一帧无穷远数据时,雷达包络所在的位置对应车位的左边界。然后车辆继续从左至右行驶,每次检测到一帧无穷远数据,则增加一次0.5倍的空闲概率值,空闲概率值越大,代价地图中的栅格为空闲状态的概率越大,直到空闲概率值的最大值为初始值的10倍。当雷达检测到第一帧非无穷远数据时,说明雷达已经检测到车位的右边界。即使在开始检测到障碍物时,雷达的包络有一定的宽度会导致误认为雷达的包络所在的位置存在障碍物(实际上一部分是不存在障碍物的)。但是,由于在检测到车位的右边界之前空闲概率值是一个较大的值,使得在检测到障碍物之前的代价地图中所有栅格显示为空闲状态,因此可以准确的确定车位的右边界。如果连续出现多帧无穷远数据,则说明靠近车位的右边界一定存在障碍物,切换到初始状态。
如图8所示,图8中的左图表示使用原始算法建立代价地图,图8中右图使用本申请实施例中的方法建立的代价地图。在使用原始算法建立代价地图过程中,由于使用雷达检测时认为在车位边界上雷达的包络所在的位置都是有障碍物的,导致检测到的车位的宽度小于实际的车位宽度。在本申请实施例中,当雷达检测到第一帧所述无穷远数据、且连续检测到无穷远数据的帧数超过第一预设阈值时,进入工作状态,通过在工作状态下逐渐增加空闲概率值,使得检测到的车位的宽度与实际的车位宽度相接近,检测的车位更加准确。
上述主要从各个交互的角度对本申请实施例提供的方案进行了介绍。可以理解的是,对于车位检测装置,为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对车位检测装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以使用硬件的形式实现,也可以使用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。下面以使用对应各个功能划分各个功能模块为例进行说明。
以上,结合4详细说明了本申请实施例提供的方法。以下,结合图9详细说明本申请实施例提供的车位检测装置。应理解,装置实施例的描述与方法实施例的描述相互对应,因此,未详细描述的内容可以参见上文方法实施例,为了简洁,这里不再赘述。
请参见图9,图9是本申请实施例提供的一种车位检测装置的结构示意图。该车位检测装置可以包括获取模块901和处理模块902。获取模块901可以与外部进行通信,例如发送探测信号和接收反射信号,处理模块902用于进行处理,如确定车位的边界等。获取模块901还可以称为通信接口、收发单元或收发模块。该获取模块901可以用于执行上文方法实施例中车位检测装置所执行的动作。
例如:获取模块901也可以称为收发模块或收发单元(包括接收单元和/或发送单元),分别用于执行上文方法实施例中车位检测装置发送和接收的步骤。
在一种可能的设计中,该车位检测装置可实现对应于上文方法实施例中的车位检测装置执行的步骤或者流程,例如,可以为配置于车位检测装置中的芯片或电路。获取模块901用于执行上文方法实施例中车位检测装置的收发相关操作,处理模块902用于执行上文方法实施例中车位检测装置的处理相关操作。
获取模块901,用于获取所述车辆在移动过程中所述雷达检测到的多帧数据,根据所述多帧数据实时生成代价地图,其中,所述多帧数据包括无穷远数据和非无穷远数据;
处理模块902,用于当所述雷达检测到第一帧所述无穷远数据、且连续检测到所述无穷远数据的帧数超过第一预设阈值时,进入工作状态,在所述工作状态下增加空闲概率值,所述空闲概率值为所述雷达的包络在所述代价地图中的栅格为空闲状态的概率;以及根据增加后的所述空闲概率值,确定所述车位的第一边界。
可选的,处理模块902,还用于在所述工作状态下,将所述雷达检测到所述第一帧无穷远数据时所述代价地图中所述雷达的包络中所占的区域的所有概率值配置为第一数值,所述第一数值小于第二预设阈值;根据所述第一数值,确定所述车位的第二边界。
可选的,处理模块902,还用于在所述工作状态下,当每次检测到一帧所述无穷远数据时,按照预设倍数增加一次所述空闲概率值。
可选的,处理模块902,还用于当增加后的所述空闲概率值为所述空闲概率值的初始值的N倍时,停止增加所述空闲概率值,其中,所述N为根据所述车辆的移动速度、所述雷达的包络的宽度以及所述雷达的帧率确定,所述N为大于等于1的整数。
其中,当在所述工作状态下检测到最后一帧所述无穷远数据时,增加后的所述空闲概率值用于将所述代价地图中所述雷达的包络中所占的区域的概率值调整为第二数值,所述第二数值小于第二预设阈值。
可选的,处理模块902,还用于当所述雷达检测到第一帧所述非无穷远数据、且连续检测到所述非无穷远数据的帧数超过第一预设阈值时,退出所述工作状态。
可选的,获取模块901,还用于控制所述雷达发射探测信号;接收所述障碍物反射的反射信号;处理模块902,还用于根据所述障碍物反射的反射信号确定所述雷达与所述障碍物的距离。
可选的,所述无穷远数据为所述雷达与所述障碍物的距离大于第三预设阈值的数据,所述非无穷远数据为所述雷达与所述障碍物的距离不大于所述第三预设阈值的数据。
需要说明的是,各个模块的实现还可以对应参照图4所示的方法实施例的相应描述,执行上述实施例中车位检测装置所执行的方法和功能。
图10是本申请实施例提供的一种车位检测装置的结构示意图。所述车位检测装置为车辆中的车载设备。如图10所示,该车位检测装置包括处理器1001和收发器1002。可选地,该车位检测装置还包括存储器1003。其中,处理器1001、收发器1002和存储器1003之间可以通过内部连接通路互相通信,传递控制和/或数据信号,该存储器1003用于存储计算机程序,该处理器1001用于从该存储器1003中调用并运行该计算机程序,以控制该收发器1002收发信号。可选地,车位检测装置还可以包括天线,用于将收发器1002输出的信号通过无线信号发送出去。
上述处理器1001可以和存储器1003可以合成一个处理装置,处理器1001用于执行存储器1003中存储的程序代码来实现上述功能。具体实现时,该存储器1003也可以集成在处理器1001中,或者独立于处理器1001。该处理器1001可以与图9中的处理模块对应。
上述收发器1002可以与图9中的获取模块对应,也可以称为收发单元或收发模块。收发器1002可以包括接收器(或称接收机、接收电路)和发射器(或称发射机、发射电路)。其中,接收器用于接收信号,发射器用于发射信号。
应理解,图10所示的车位检测装置能够实现图4所示方法实施例中涉及车位检测装置的各个过程。车位检测装置中的各个模块的操作和/或功能,分别为了实现上述方法实施例中的相应流程。具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详述描述。
上述处理器1001可以用于执行前面方法实施例中描述的由车位检测装置内部实现的动作,而收发器1002可以用于执行前面方法实施例中描述的车位检测装置的收发动作。具体请见前面方法实施例中的描述,此处不再赘述。
其中,处理器1001可以是中央处理器单元,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器1001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,数字信号处理器和微处理器的组合等等。通信总线1004可以是外设部件互连标准PCI总线或扩展工业标准结构EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信总线1004用于实现这些组件之间的连接通信。其中,本申请实施例中收发器1002用于与其他节点设备进行信令或数据的通信。存储器1003可以包括易失性存储器,例如非挥发性动态随机存取内存(nonvolatile random access memory,NVRAM)、相变化随机存取内存(phasechange RAM,PRAM)、磁阻式随机存取内存(magetoresistive RAM,MRAM)等,还可以包括非易失性存储器,例如至少一个磁盘存储器件、电子可擦除可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、闪存器件,例如反或闪存(NORflash memory)或是反及闪存(NAND flash memory)、半导体器件,例如固态硬盘(solidstate disk,SSD)等。存储器1003可选的还可以是至少一个位于远离前述处理器1001的存储装置。存储器1003中可选的还可以存储一组计算机程序代码或配置信息。可选的,处理器1001还可以执行存储器1003中所存储的程序。处理器可以与存储器和收发器相配合,执行上述申请实施例中车位检测装置的任意一种方法和功能。
本申请实施例还提供了一种芯片***,该芯片***包括处理器,用于支持车位检测装置以实现上述任一实施例中所涉及的功能,例如处理上述方法中所涉及的确定的车位的边界。在一种可能的设计中,所述芯片***还可以包括存储器,所述存储器,用于车位检测装置必要的程序指令和数据。该芯片***,可以由芯片构成,也可以包含芯片和其他分立器件。其中,芯片***的输入和输出,分别对应方法实施例车位检测装置的接收与发送操作。
本申请实施例还提供了一种处理装置,包括处理器和接口。所述处理器可用于执行上述方法实施例中的方法。
应理解,上述处理装置可以是一个芯片。例如,该处理装置可以是现场可编程门阵列(field programmable gate array,FPGA),可以是专用集成芯片(applicationspecific integrated circuit,ASIC),还可以是***芯片(system on chip,SoC),还可以是中央处理器(central processor unit,CPU),还可以是网络处理器(networkprocessor,NP),还可以是数字信号处理电路(digital signal processor,DSP),还可以是微控制器(micro controller unit,MCU),还可以是可编程控制器(programmable logicdevice,PLD)或其他集成芯片。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
应注意,本申请实施例中的处理器可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
根据本申请实施例提供的方法,本申请还提供一种计算机程序产品,该计算机程序产品包括:计算机程序,当该计算机程序在计算机上运行时,使得该计算机执行图4所示实施例中任意一个实施例的方法。
根据本申请实施例提供的方法,本申请还提供一种计算机可读介质,该计算机可读介质存储有程序代码,当该程序代码在计算机上运行时,使得该计算机执行图4所示实施例中任意一个实施例的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(digital video disc,DVD))、或者半导体介质(例如,固态硬盘(solid state disc,SSD))等。
Claims (16)
1.一种车位检测方法,其特征在于,所述方法应用于车辆,所述车辆安装有雷达,包括:
获取所述车辆在移动过程中所述雷达检测到的多帧数据,根据所述多帧数据实时生成代价地图,其中,所述多帧数据包括无穷远数据和非无穷远数据;
当所述雷达检测到第一帧所述无穷远数据、且连续检测到所述无穷远数据的帧数超过第一预设阈值时,进入工作状态,在所述工作状态下增加空闲概率值,所述空闲概率值为所述雷达的包络在所述代价地图中的栅格为空闲状态的概率;
根据增加后的所述空闲概率值,确定所述车位的第一边界。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
在所述工作状态下,将所述雷达检测到所述第一帧无穷远数据时所述代价地图中所述雷达的包络中所占的区域的所有概率值配置为第一数值,所述第一数值小于第二预设阈值;
根据所述第一数值,确定所述车位的第二边界。
3.如权利要求1所述的方法,其特征在于,所述在所述工作状态下增加空闲概率值包括:
在所述工作状态下,当每次检测到一帧所述无穷远数据时,按照预设倍数增加一次所述空闲概率值。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
当增加后的所述空闲概率值为所述空闲概率值的初始值的N倍时,停止增加所述空闲概率值,其中,所述N为根据所述车辆的移动速度、所述雷达的包络的宽度以及所述雷达的帧率确定,所述N为大于等于1的整数。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
当所述雷达检测到第一帧所述非无穷远数据、且连续检测到所述非无穷远数据的帧数超过第一预设阈值时,退出所述工作状态。
6.如权利要求1-5任一项所述的方法,其特征在于,当在所述工作状态下检测到最后一帧所述无穷远数据时,增加后的所述空闲概率值用于将所述代价地图中所述雷达的包络中所占的区域的概率值调整为第二数值,所述第二数值小于第二预设阈值。
7.如权利要求1-5任一项所述的方法,其特征在于,所述获取所述车辆在移动过程中所述雷达检测到的多帧数据包括:
控制所述雷达发射探测信号;
接收所述障碍物反射的反射信号;
根据所述障碍物反射的反射信号确定所述雷达与所述障碍物的距离。
8.如权利要求7所述的方法,其特征在于,所述无穷远数据为所述雷达与所述障碍物的距离大于第三预设阈值的数据,所述非无穷远数据为所述雷达与所述障碍物的距离不大于所述第三预设阈值的数据。
9.一种车位检测装置,其特征在于,所述装置应用于车辆,所述车辆安装有雷达,包括:
获取模块,用于获取所述车辆在移动过程中所述雷达检测到的多帧数据,根据所述多帧数据实时生成代价地图,其中,所述多帧数据包括无穷远数据和非无穷远数据;
处理模块,用于当所述雷达检测到第一帧所述无穷远数据、且连续检测到所述无穷远数据的帧数超过第一预设阈值时,进入工作状态,在所述工作状态下增加空闲概率值,所述空闲概率值为所述雷达的包络在所述代价地图中的栅格为空闲状态的概率;以及根据增加后的所述空闲概率值,确定所述车位的第一边界。
10.如权利要求9所述的装置,其特征在于,
所述处理模块,还用于在所述工作状态下,将所述雷达检测到所述第一帧无穷远数据时所述代价地图中所述雷达的包络中所占的区域的所有概率值配置为第一数值,所述第一数值小于第二预设阈值;根据所述第一数值,确定所述车位的第二边界。
11.如权利要求9所述的装置,其特征在于,
所述处理模块,还用于在所述工作状态下,当每次检测到一帧所述无穷远数据时,按照预设倍数增加一次所述空闲概率值。
12.如权利要求9所述的装置,其特征在于,
所述处理模块,还用于当所述雷达检测到第一帧所述非无穷远数据、且连续检测到所述非无穷远数据的帧数超过第一预设阈值时,退出所述工作状态。
13.如权利要求9-12任一项所述的装置,其特征在于,当在所述工作状态下检测到最后一帧所述无穷远数据时,增加后的所述空闲概率值用于将所述代价地图中所述雷达的包络中所占的区域的概率值调整为第二数值,所述第二数值小于第二预设阈值。
14.如权利要求9-12任一项所述的装置,其特征在于,
所述获取模块,还用于控制所述雷达发射探测信号;接收所述障碍物反射的反射信号;
所述处理模块,还用于根据所述障碍物反射的反射信号确定所述雷达与所述障碍物的距离。
15.一种芯片,其特征在于,所述芯片为车辆内的芯片,所述芯片包括处理器和与所述处理器连接的输入接口和输出接口,所述芯片还包括存储器,当所述存储器中计算机程序被执行时,所述权利要求1-8中任一项所述的方法被执行。
16.一种计算机可读存储介质,其特征在于,用于存储计算机程序,当所述计算机程序在计算机上运行时,使所述计算机执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210122837.8A CN114648882B (zh) | 2022-02-09 | 2022-02-09 | 一种车位检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210122837.8A CN114648882B (zh) | 2022-02-09 | 2022-02-09 | 一种车位检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114648882A true CN114648882A (zh) | 2022-06-21 |
CN114648882B CN114648882B (zh) | 2023-05-09 |
Family
ID=81993693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210122837.8A Active CN114648882B (zh) | 2022-02-09 | 2022-02-09 | 一种车位检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648882B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115410408A (zh) * | 2022-08-31 | 2022-11-29 | 南京慧尔视智能科技有限公司 | 停车位状态变化的检测方法、装置、设备和介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170031361A1 (en) * | 2015-07-31 | 2017-02-02 | Ford Global Technologies, Llc | Vehicle trajectory determination |
CN108594849A (zh) * | 2018-04-10 | 2018-09-28 | 深圳市易飞行科技有限公司 | 一种基于毫米波雷达的无人机避障方法 |
CN108801269A (zh) * | 2018-08-29 | 2018-11-13 | 山东大学 | 一种室内云机器人导航***及方法 |
CN111353512A (zh) * | 2018-12-20 | 2020-06-30 | 长沙智能驾驶研究院有限公司 | 障碍物分类方法、装置、存储介质和计算机设备 |
CN111497827A (zh) * | 2020-02-17 | 2020-08-07 | 湖北亿咖通科技有限公司 | 一种自动泊车方法、装置、介质及设备 |
CN112639821A (zh) * | 2020-05-11 | 2021-04-09 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、***以及采用该***的自动驾驶车辆 |
CN112644480A (zh) * | 2021-01-18 | 2021-04-13 | 广州小鹏自动驾驶科技有限公司 | 一种障碍物检测方法、检测***、计算机设备和存储介质 |
CN112863230A (zh) * | 2020-12-30 | 2021-05-28 | 上海欧菲智能车联科技有限公司 | 空车位检测方法及装置、车辆和计算机设备 |
US20210341603A1 (en) * | 2020-05-04 | 2021-11-04 | Hyundai Motor Company | Obstacle recognition device, vehicle system including the same, and method thereof |
WO2021226852A1 (zh) * | 2020-05-13 | 2021-11-18 | 上海欧菲智能车联科技有限公司 | 车位检测方法、装置、计算机设备和存储介质 |
-
2022
- 2022-02-09 CN CN202210122837.8A patent/CN114648882B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170031361A1 (en) * | 2015-07-31 | 2017-02-02 | Ford Global Technologies, Llc | Vehicle trajectory determination |
CN108594849A (zh) * | 2018-04-10 | 2018-09-28 | 深圳市易飞行科技有限公司 | 一种基于毫米波雷达的无人机避障方法 |
CN108801269A (zh) * | 2018-08-29 | 2018-11-13 | 山东大学 | 一种室内云机器人导航***及方法 |
CN111353512A (zh) * | 2018-12-20 | 2020-06-30 | 长沙智能驾驶研究院有限公司 | 障碍物分类方法、装置、存储介质和计算机设备 |
CN111497827A (zh) * | 2020-02-17 | 2020-08-07 | 湖北亿咖通科技有限公司 | 一种自动泊车方法、装置、介质及设备 |
US20210341603A1 (en) * | 2020-05-04 | 2021-11-04 | Hyundai Motor Company | Obstacle recognition device, vehicle system including the same, and method thereof |
CN112639821A (zh) * | 2020-05-11 | 2021-04-09 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、***以及采用该***的自动驾驶车辆 |
WO2021226776A1 (zh) * | 2020-05-11 | 2021-11-18 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、***以及采用该***的自动驾驶车辆 |
WO2021226852A1 (zh) * | 2020-05-13 | 2021-11-18 | 上海欧菲智能车联科技有限公司 | 车位检测方法、装置、计算机设备和存储介质 |
CN112863230A (zh) * | 2020-12-30 | 2021-05-28 | 上海欧菲智能车联科技有限公司 | 空车位检测方法及装置、车辆和计算机设备 |
CN112644480A (zh) * | 2021-01-18 | 2021-04-13 | 广州小鹏自动驾驶科技有限公司 | 一种障碍物检测方法、检测***、计算机设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115410408A (zh) * | 2022-08-31 | 2022-11-29 | 南京慧尔视智能科技有限公司 | 停车位状态变化的检测方法、装置、设备和介质 |
CN115410408B (zh) * | 2022-08-31 | 2024-05-24 | 南京慧尔视智能科技有限公司 | 停车位状态变化的检测方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114648882B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3812793B1 (en) | Information processing method, system and equipment, and computer storage medium | |
US11754668B2 (en) | Detection method, detection apparatus, and system | |
WO2020156133A1 (zh) | 一种目标物探测方法及对应的探测装置 | |
WO2016063530A1 (ja) | 物体検知装置及び車両制御装置 | |
WO2021164311A1 (zh) | 一种探测方法和装置 | |
JP7361804B2 (ja) | 通信方法および通信装置 | |
WO2020177647A1 (zh) | 一种利用无线电信号进行目标物探测的方法及相关装置 | |
CN114648882A (zh) | 一种车位检测方法及装置 | |
CN112433214A (zh) | 一种雷达信号发送方法及装置 | |
CN112835045A (zh) | 一种雷达探测方法、装置、存储介质及电子设备 | |
CN110596708A (zh) | 一种车辆间距检测方法、装置、车辆和存储介质 | |
CN116774228A (zh) | 可行驶区域的确定方法、装置、电子设备和存储介质 | |
WO2020238311A1 (zh) | 一种雷达信号发送方法及设备 | |
CN112863230A (zh) | 空车位检测方法及装置、车辆和计算机设备 | |
WO2021052262A1 (zh) | 一种信息上报、信息接收的方法及装置 | |
CN114779257A (zh) | 一种车位检测方法、装置、存储介质和车辆 | |
US20220404465A1 (en) | Target Detection Method and Radar Apparatus | |
WO2023173898A1 (zh) | 一种占据栅格地图生成方法及装置 | |
US20220413087A1 (en) | Signal transmission method and related apparatus | |
US20230384444A1 (en) | Autonomous movement device and autonomous movement system | |
WO2021129751A1 (zh) | 一种频带的状态判断方法以及相关设备 | |
CN118469945A (zh) | 雷达多径噪声识别方法、车辆、存储介质及程序产品 | |
CN118330617A (zh) | 一种超声波雷达同频干扰消除方法、装置、车辆及介质 | |
CN115856812A (zh) | 基于毫米波雷达的目标物显示方法、装置、设备、介质 | |
CN117805824A (zh) | 隧道场景内的跟车目标确定方法、装置、设备及存储介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240705 Address after: No. 1, Intersection of Chuangye Avenue and Tongzhong Road, Huanglu Town, Chaohu City, Hefei City, Anhui Province, 238000 Patentee after: Anhui Oufei Intelligent Vehicle Technology Co.,Ltd. Country or region after: China Address before: Room 1701, No. 888, Moyu South Road, Anting Town, Jiading District, Shanghai Patentee before: SHANGHAI OFILM INTELLIGENT VEHICLE Co.,Ltd. Country or region before: China |
|
TR01 | Transfer of patent right |