CN114708570B - 泊车终了位置评价***与方法 - Google Patents
泊车终了位置评价***与方法 Download PDFInfo
- Publication number
- CN114708570B CN114708570B CN202210178415.2A CN202210178415A CN114708570B CN 114708570 B CN114708570 B CN 114708570B CN 202210178415 A CN202210178415 A CN 202210178415A CN 114708570 B CN114708570 B CN 114708570B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- module
- virtual
- overlooking
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000005259 measurement Methods 0.000 claims description 21
- 238000007405 data analysis Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000013441 quality evaluation Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 12
- 238000012854 evaluation process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Traffic Control Systems (AREA)
Abstract
泊车终了位置评价***和方法中,基于库位俯视图获取库位俯视中心和库位俯视中心线;基于自车虚拟俯视图获取自车虚拟俯视中心和自车虚拟俯视中心线;虚拟俯视模块将自车虚拟俯视图等比例还原到库位俯视图中,形成车辆泊入图;泊车终了位置评估模块从虚拟俯视模块获取车辆泊入图;泊车终了位置评估模块依据自车虚拟俯视中心与库位俯视中心间距以及自车虚拟俯视中心线与库位俯视中心线夹角;计算并输出泊车终了位置评价值。建立了泊车质量评价的规则,将泊车质量通过具体的参数制表来体现,方便计算机参与计算和输出,不再需要人工进行识别和判断泊车状态和泊车质量。
Description
技术领域
本申请属汽车控制技术领域,尤其涉及泊车终了位置评价***与方法技术领域。
背景技术
随着智能驾驶车辆控制器远程升级技术日渐成熟,软件版本迭代的脚步愈发加快。自主泊车作为智能驾驶***中常用功能之一,其软件的优化与新版本的发布会越来越多,每个版本的软件在上市之前都需要进行硬件在环测试,测试效率与准确度就越来越重要。智能驾驶泊车时,尤其是一些非常狭窄的空间中,其泊入车位的准确度对后续的其他操控也越来越重要。
目前智能驾驶控制器的测试中,泊车终了位置的评价方法大多是用人肉眼直接在3D模型中观测车辆停泊位置与库位线的关系,一方面容易受到观测角度影响造成视觉误差,缺乏统一的判断标准,造成评价结果的不准确;另一方面在软件版本频繁更新的条件下,每一次更新测试都需要人工参与评价过程,测试效率低下;更关键的是,由于对泊车终了位置评价***和方法的缺失,使测试无法直接输出泊车评价参数,无法完成闭环测试。针对自主泊车的硬件在环测试,还未形成业内公认行之有效的自动化评价***和方法。此发明可以填补这一部分的技术空白。
现有技术中也有配备了摄像装置的汽车,在人工泊车时,也是通过泊车人肉眼观察摄像反馈的图像数据来判断泊车终了位置状态;容易受到观测角度影响造成视觉误差,很难准确判断泊车质量的高低,无法及时提示泊车终了位置状态。往往是下车后才发现,导致泊车效率降低。
发明内容
本申请中为了解决现有技术中泊车效率低下,无法实时在线判断泊车质量的技术问题而提出了一种泊车终了位置评价***和方法,能自动完成泊车终了位置进行评价,对泊车质量有了明确量化的参数指引,方便输出泊车质量评价数据,方便人工泊车提高泊车效率,更能用于智能泊车软件测试过程,成为测试闭环中的一个数字化节点,避免人工参与泊车质量的评价带来的不确定性和效率低下问题。
本申请解决上述技术问题的技术方案是一种泊车终了位置评价***,包括传感器模块和主控模块;传感器模块包括摄像头传感器模块;主控模块包括泊车终了位置评价子***;泊车终了位置评价子***中包括传感器数据分析模块、虚拟俯视模块、泊车终了位置评估模块;传感器模块与主控模块电信号连接,摄像头传感器模块将图像数据传输给主控模块;传感器数据分析模块中包括摄像头数据分析子模块,摄像头数据分析子模块分析从主控模块获取的图像数据;虚拟俯视模块基于主控模块获取的图像数据采用全景拼接算法获取所泊入库位的库位俯视图;基于库位俯视图获取库位俯视中心和库位俯视中心线;虚拟俯视模块还从主控模块获取自车虚拟俯视图,基于自车虚拟俯视图获取自车虚拟俯视中心和自车虚拟俯视中心线;虚拟俯视模块将自车虚拟俯视图等比例还原到库位俯视图中,形成车辆泊入图;泊车终了位置评估模块从虚拟俯视模块获取车辆泊入图;泊车终了位置评估模块计算自车虚拟俯视中心与库位俯视中心间距;泊车终了位置评估模块计算自车虚拟俯视中心线与库位俯视中心线夹角;泊车终了位置评估模块依据自车虚拟俯视中心与库位俯视中心间距以及自车虚拟俯视中心线与库位俯视中心线夹角;计算并输出泊车终了位置评价值。
所述传感器模块还包括超声波传感器模块;传感器数据分析模块还包括超声波数据分析子模块;超声波传感器模块将超声波数据传输给主控模块;超声波数据分析子模块分析从主控模块获取的超声波数据。
所述主控模块包括自主泊车子***。
所述泊车终了位置评价子***包括入库效果评估模块,入库效果评估模块接收虚拟俯视模块输出的车辆泊入图,进行入库效果评估。
所述入库效果评估模块包括是否泊入车位测量模块、是否压库位线测量模块;是否泊入车位测量模块计算库位俯视图与自车虚拟俯视图的四条边线外超级像素点做差的绝对差值△A,如果△A大于1,则判断为车辆未完全泊入车位;是否压库位线测量模块计算库位俯视图与自车虚拟俯视图的四条边线内超级像素点做差的绝对差值△B,如果△B大于1,则判断为车辆泊入车位,但压库位线。
所述泊车终了位置评估模块包括中心线角度测量模块、中心距离测量模块;中心
线角度测量模块测量自车虚拟俯视中心线与库位俯视中心线的角度为α;中心距离测量模
块测量自车虚拟俯视中心与库位俯视中心的距离为;
公式1:;
公式2:;
其中,为库位长边的长度,为库位短边的长度,为车辆轮廓外最小矩
形长边的长度,为车辆轮廓外最小矩形短边的长度;如果公式1成立,公式2不成立,表
示车辆泊入车位,未压库位线,但泊入质量不高;如果公式2成立,公式1不成立,表示车辆泊
入车位,未压库位线,但泊入质量不高。
所述摄像头传感器模块中的摄像头为环视摄像头,FOV参数为 H=210°, V=152°;焦距参数为0.89mm;分辨率为1280*960;帧率为30FPS。
本申请解决上述技术问题的技术方案还可以是一种泊车终了位置评价方法,包括步骤10:获得传感器数据;步骤20:对步骤10中获得的传感器数据进行处理,获得车库测量数据;步骤30:根据车库测量数据生成泊入库位的库位俯视图;步骤40:将自车虚拟俯视图等比例还原到库位俯视图中,形成车辆泊入图;步骤60:计算自车虚拟俯视中心与库位俯视中心间距;计算自车虚拟俯视中心线与库位俯视中心线夹角;评估自车虚拟俯视中心与库位俯视中心间距以及自车虚拟俯视中心线与库位俯视中心线夹角,获得泊车终了位置评价值;步骤70:向外输出评价值。
步骤40与步骤60之间还包括步骤51、步骤52;步骤51:计算库位俯视图与自车虚拟俯视图的四条边线外超级像素点做差的绝对差值△A,如果△A大于1,则判断为车辆未完全泊入车位,跳转至步骤70;步骤52:计算库位俯视图与自车虚拟俯视图的四条边线内超级像素点做差的绝对差值△B,如果△B大于1,则判断为车辆泊入车位,但压库位线;跳转至步骤70。
步骤60中,设定中心线角度测量模块测量自车虚拟俯视中心线与库位俯视中心线
的角度为α;设定中心距离测量模块测量自车虚拟俯视中心与库位俯视中心的距离为;
公式1:;
公式2:;
其中,为库位长边的长度,为库位短边的长度,为车辆轮廓外最小矩
形长边的长度,为车辆轮廓外最小矩形短边的长度;如果设定公式1成立,公式2不成
立,表示车辆泊入车位,未压库位线,但泊入质量不高;如果设定公式2成立,公式1不成立,
表示车辆泊入车位,未压库位线,但泊入质量不高。
本申请中技术方案的有益效果之一是将泊车质量通过具体的参数制表来体现,方便计算机参与计算和输出,不再需要人工进行识别和判断泊车状态和泊车质量。
本申请中技术方案的有益效果之二是建立了泊车质量评价的规则,该规则就是同时采用自车虚拟俯视中心与库位俯视中心间距以及自车虚拟俯视中心线与库位俯视中心线夹角与设定公式的对比,通过该两个数式的成立情况表达泊车质量;将泊车质量能用数字量化来表达。
附图说明
图1是泊车终了位置评价***实施例之一的示意框图;
图2是泊车终了位置评价子***实施例之一的示意框图;
图3是泊车终了位置评价子***实施例之二的示意框图;
图4是泊车终了位置评价子***实施例之三的示意框图;
图5是泊车终了位置评价子***实施例之四的示意框图;
图6是泊车终了位置评价***实施例之二的示意框图;
图7是泊车终了位置评价方法流程示意图之一;
图8是泊车终了位置评价方法流程示意图之二;
图9是泊车示意图之二;
图10是泊车终了位置状态示意图之一;
图11是泊车终了位置状态示意图之二。
具体实施方式
以下结合各附图对本申请内容做进一步详述。需要说明的是,以下是本发明较佳实施例的说明,并不对本发明构成任何限制。本发明较佳实施例的说明只是作为本发明一般原理的说明。
如图1至图2所示的一种泊车终了位置评价***实施例中,包括传感器模块和主控模块;传感器模块包括摄像头传感器模块;主控模块包括泊车终了位置评价子***;泊车终了位置评价子***中包括传感器数据分析模块、虚拟俯视模块、泊车终了位置评估模块;传感器模块与主控模块电信号连接,摄像头传感器模块将图像数据传输给主控模块;传感器数据分析模块中包括摄像头数据分析子模块,摄像头数据分析子模块分析从主控模块获取的图像数据;虚拟俯视模块基于主控模块获取的图像数据采用全景拼接算法获取所泊入库位的库位俯视图;基于库位俯视图获取库位俯视中心和库位俯视中心线;虚拟俯视模块还从主控模块获取自车虚拟俯视图,基于自车虚拟俯视图获取自车虚拟俯视中心和自车虚拟俯视中心线;虚拟俯视模块将自车虚拟俯视图等比例还原到库位俯视图中,形成车辆泊入图;泊车终了位置评估模块从虚拟俯视模块获取车辆泊入图;泊车终了位置评估模块计算自车虚拟俯视中心与库位俯视中心间距;泊车终了位置评估模块计算自车虚拟俯视中心线与库位俯视中心线夹角;泊车终了位置评估模块依据自车虚拟俯视中心与库位俯视中心间距以及自车虚拟俯视中心线与库位俯视中心线夹角;计算并输出泊车终了位置评价值。
自车虚拟俯视中心与库位俯视中心间距和自车虚拟俯视中心线与库位俯视中心
线夹角可以分别用于计算。如图5所示的一种泊车终了位置评价***实施例中,泊车终了位
置评估模块包括中心线角度测量模块、中心距离测量模块;中心线角度测量模块测量自车
虚拟俯视中心线与库位俯视中心线的角度为α;中心距离测量模块测量自车虚拟俯视中心
与库位俯视中心的距离为;
公式1:;
公式2:;
其中,为库位长边的长度,为库位短边的长度,为车辆轮廓外最小矩
形长边的长度,为车辆轮廓外最小矩形短边的长度;如果公式1成立,公式2不成立,表
示车辆泊入车位,未压库位线,但泊入质量不高;如果公式2成立,公式1不成立,表示车辆泊
入车位,未压库位线,但泊入质量不高。
在泊车终了位置评价值获取时,先计算公式1和公式2两端的数式并做对比,看公式1和公式2是否成立;以公式1和公式2是否同时成立作为泊车终了位置评价值输出;若公式1和公式2同时成立则输出一个评价值,该评价值代表泊车质量好。若公式1和公式2不能同时成立则输出另一个评价值,该评价值代表泊车质量不好。具体的评价值可以另行约定,如以十进制数字大小代表不同的泊车质量;或以二进制数值标识不同的泊车质量。具体不在此展开赘述。
在一些附图中未显示的实施例中,还可以直接将自车虚拟俯视中心线与库位俯视
中心线的角度为α与一个固定数值对比;同时,将自车虚拟俯视中心与库位俯视中心的距离
为与一个固定数值对比;当α和都无限趋近于零时,代表泊车质量越高;当然对能接受
的最差泊车质量可以设定一个合适的固定数值进行比对。将α和分别与对应固定数值对
比的结果状态,用评价值的方式输出即可。比如当α小于等于5°或小于等于10cm等等;具
体的数值可以根据车型、车库具体情况进行灵活设置。
在一些附图中未显示的泊车终了位置评价***实施例中,摄像头传感器模块中的摄像头为环视摄像头,FOV参数为 H=210°, V=152°;焦距参数为0.89mm;分辨率为1280*960;帧率为30FPS。
如图1至图6所示的一种泊车终了位置评价***实施例中,主控模块包括自主泊车子***。传感器模块还包括超声波传感器模块;传感器数据分析模块还包括超声波数据分析子模块。超声波传感器模块将超声波数据传输给主控模块;超声波数据分析子模块分析从主控模块获取的超声波数据。
如图4至图6所示的一种泊车终了位置评价***实施例中,泊车终了位置评价子***包括入库效果评估模块,入库效果评估模块接收虚拟俯视模块输出的车辆泊入图,进行入库效果评估。
如图5所示的一种泊车终了位置评价***实施例中,所述入库效果评估模块包括是否泊入车位测量模块、是否压库位线测量模块;是否泊入车位测量模块计算库位俯视图与自车虚拟俯视图的四条边线外超级像素点做差的绝对差值△A,如果△A大于1,则判断为车辆未完全泊入车位;是否压库位线测量模块计算库位俯视图与自车虚拟俯视图的四条边线内超级像素点做差的绝对差值△B,如果△B大于1,则判断为车辆泊入车位,但压库位线。
如图7至图8所示的一种泊车终了位置评价方法的实施例中,包括步骤10:获得传感器数据;步骤20:对步骤10中获得的传感器数据进行处理,获得车库测量数据;步骤30:根据车库测量数据生成泊入库位的库位俯视图;步骤40:将自车虚拟俯视图等比例还原到库位俯视图中,形成车辆泊入图;步骤60:计算自车虚拟俯视中心与库位俯视中心间距;计算自车虚拟俯视中心线与库位俯视中心线夹角;评估自车虚拟俯视中心与库位俯视中心间距以及自车虚拟俯视中心线与库位俯视中心线夹角,获得泊车终了位置评价值;步骤70:向外输出评价值。
步骤40与步骤60之间还包括步骤51、步骤52;步骤51:计算库位俯视图与自车虚拟
俯视图的四条边线外超级像素点做差的绝对差值△A,如果△A大于1,则判断为车辆未完全
泊入车位,跳转至步骤70;步骤52:计算库位俯视图与自车虚拟俯视图的四条边线内超级像
素点做差的绝对差值△B,如果△B大于1,则判断为车辆泊入车位,但压库位线;跳转至步骤
70。步骤60中,设定中心线角度测量模块测量自车虚拟俯视中心线与库位俯视中心线的角
度为α;设定中心距离测量模块测量自车虚拟俯视中心与库位俯视中心的距离为;
公式1:;
公式2:;
其中,为库位长边的长度,为库位短边的长度,为车辆轮廓外最小矩
形长边的长度,为车辆轮廓外最小矩形短边的长度;如果设定公式1成立,公式2不成
立,表示车辆泊入车位,未压库位线,但泊入质量不高;如果设定公式2成立,公式1不成立,
表示车辆泊入车位,未压库位线,但泊入质量不高。
在图7所示的流程图中,在泊车终了位置评价时,计算公式1和公式2两端的数式并作对比,看公式1和公式2是否成立;以公式1和公式2是否同时成立作为泊车终了位置评价值输出;若公式1和公式2同时成立则输出一个评价值,该评价值代表泊车质量好。若公式1和公式2不能同时成立则输出另一个评价值,该评价值代表泊车质量不好。
图9至图11中,标号10是摄像头传感器模块中的摄像头;标号20是超声波传感器模
块中设置的超声波传感器;图10中α1是自车虚拟俯视中心线与库位俯视中心线夹角,α1 和
α2是等角;图11中α3是自车虚拟俯视中心线与库位俯视中心线夹角,图11和图10中标号
表示自车虚拟俯视中心与库位俯视中心的距离;图10中标号31和32分别代表自车虚拟俯视
中心与库位俯视中心。
以图10为例,将图10中α1或α2和值分别带入公式1和公式2中:α1或α2值过大,不
满足公式2;值满足公式1;则此判断条件“满足公式1且α1或α2满足公式2”不满足,结
论为“车辆泊入车位,未压库位线,但泊入质量不高”。
以图11为例,将此图11中α3和值分别带入公式1和公式2中:α值满足公式2;值
过大,不满足公式1;则此判断条件“满足公式1且α满足公式2”不满足,结论为“车辆泊入
车位,未压库位线,但泊入质量不高”。
本申请中通过摄像头的画面获取,对泊车终了位置的库位画面进行拍摄,图像获取可以使用VTD导入泊车虚拟场景,并在库位正上方5m位置配置一个虚拟摄像头,镜头方向竖直向下。可以从俯视角度捕捉泊车画面。利用全景拼接算法(非本专利技术点)拼接出所泊入库位的库位俯视图;将自车虚拟俯视画面等比例还原到泊入库位中,形成新的图片即车辆泊入图。
本申请中的“超级像素点做差”:是指两张图片对比色彩、纹理不同的超像素点(此处使用SLIC算法生成超像素点)的个数。
泊车终了位置的评价***和方法是为了评价泊车终了位置,虽然能用于指导泊车,但与在泊车过程中的泊车位置指引是有差异的。本申请中的泊车终了位置的评价***和方法,利用仿真数学模型中获取取泊入车辆与库位线的距离值,进行评价;加入图像处理手段、取值方法和自动化评价过程,形成一套自主泊车终了位置的自动化评价***方法,能输出评价结果,用于提示车主或自动泊车***。该评价***和方法能适用不同的应用场景,从库位角度可应用于包括垂直库位、平行库位、多种角度斜库位的泊车终了位置的评价,从场景来源角度可应用于CarMaker、VTD、Dspace等仿真场景源以及实景拍摄视频回注数据源的泊车终了位置的评价。从乘用车分级角度可包含A00级、A0级、A级、B级、C级、D级等各种级别的车辆。
本发明设计了的评价***和方法,在多路环视摄像头获取图像进行拼接后,基于环视摄像头获取图像,采用图像语义分割自动识别车辆和库位线;多路环视摄像头可以包括4路或者更多路环视摄像头。
自动识别车辆在库位中的位置,取值车辆泊入的偏差的角度和距离,带入公式1和公式2获得评价值,并按照测试接收标准生成测试结果反馈给自主泊车***。车辆泊入的偏差角度和距离自动取值,并按照相应的算法得出泊入质量的结果,并将结果反馈给自主泊车***。
本发明虽然根据优选实施例和若干备选方案进行说明和描述,但发明不会被本说明书中的特定描述所限制。其他另外的替代或等同组件也可以用于实践本发明。
Claims (8)
1.一种泊车终了位置评价***,其特征在于,
包括传感器模块和主控模块;传感器模块包括摄像头传感器模块;
主控模块包括泊车终了位置评价子***;泊车终了位置评价子***中包括传感器数据分析模块、虚拟俯视模块、泊车终了位置评估模块;
传感器模块与主控模块电信号连接,摄像头传感器模块将图像数据传输给主控模块;传感器数据分析模块中包括摄像头数据分析子模块,摄像头数据分析子模块分析从主控模块获取的图像数据;
虚拟俯视模块基于主控模块获取的图像数据采用全景拼接算法获取所泊入库位的库位俯视图;基于库位俯视图获取库位俯视中心和库位俯视中心线;虚拟俯视模块还从主控模块获取自车虚拟俯视图,基于自车虚拟俯视图获取自车虚拟俯视中心和自车虚拟俯视中心线;
虚拟俯视模块将自车虚拟俯视图等比例还原到库位俯视图中,形成车辆泊入图;泊车终了位置评估模块从虚拟俯视模块获取车辆泊入图;泊车终了位置评估模块计算自车虚拟俯视中心与库位俯视中心间距;泊车终了位置评估模块计算自车虚拟俯视中心线与库位俯视中心线夹角;
泊车终了位置评估模块依据自车虚拟俯视中心与库位俯视中心间距以及自车虚拟俯视中心线与库位俯视中心线夹角;计算并输出泊车终了位置评价值;其中
所述泊车终了位置评估模块包括中心线角度测量模块、中心距离测量模块;
中心线角度测量模块测量自车虚拟俯视中心线与库位俯视中心线的角度为α;
中心距离测量模块测量自车虚拟俯视中心与库位俯视中心的距离为d;
公式1:;
公式2:;
其中,L库为库位长边的长度,W库为库位短边的长度,L车为车辆轮廓外最小矩形长边的长度,W车为车辆轮廓外最小矩形短边的长度;
如果公式1成立,公式2不成立,表示车辆泊入车位,未压库位线,但泊入质量不高;
如果公式2成立,公式1不成立,表示车辆泊入车位,未压库位线,但泊入质量不高。
2.根据权利要求1所述的泊车终了位置评价***,其特征在于,
所述传感器模块还包括超声波传感器模块;
传感器数据分析模块还包括超声波数据分析子模块;
超声波传感器模块将超声波数据传输给主控模块;
超声波数据分析子模块分析从主控模块获取的超声波数据。
3.根据权利要求2所述的泊车终了位置评价***,其特征在于,
所述主控模块包括自主泊车子***。
4.根据权利要求3所述的泊车终了位置评价***,其特征在于,
所述泊车终了位置评价子***包括入库效果评估模块,入库效果评估模块接收虚拟俯视模块输出的车辆泊入图,进行入库效果评估。
5.根据权利要求4所述的泊车终了位置评价***,其特征在于,
所述入库效果评估模块包括是否泊入车位测量模块、是否压库位线测量模块;
是否泊入车位测量模块计算库位俯视图与自车虚拟俯视图的四条边线外超级像素点做差的绝对差值△A,如果△A大于1,则判断为车辆未完全泊入车位;
是否压库位线测量模块计算库位俯视图与自车虚拟俯视图的四条边线内超级像素点做差的绝对差值△B,如果△B大于1,则判断为车辆泊入车位,但压库位线。
6.根据权利要求1所述的泊车终了位置评价***,其特征在于,
所述摄像头传感器模块中的摄像头为环视摄像头,FOV参数为 H=210°,V=152°;焦距参数为0.89mm;分辨率为1280*960;帧率为30FPS。
7.一种泊车终了位置评价方法,其特征在于,
包括步骤10:获得传感器数据;
步骤20:对步骤10中获得的传感器数据进行处理,获得车库测量数据;
步骤30:根据车库测量数据生成泊入库位的库位俯视图;
步骤40:将自车虚拟俯视图等比例还原到库位俯视图中,形成车辆泊入图;
步骤60:计算自车虚拟俯视中心与库位俯视中心间距;计算自车虚拟俯视中心线与库位俯视中心线夹角;
评估自车虚拟俯视中心与库位俯视中心间距以及自车虚拟俯视中心线与库位俯视中心线夹角,获得泊车终了位置评价值;
步骤70:向外输出评价值;其中
步骤60中,设定中心线角度测量模块测量自车虚拟俯视中心线与库位俯视中心线的角度为α;
设定中心距离测量模块测量自车虚拟俯视中心与库位俯视中心的距离为d;
公式1:;
公式2:;
其中,L库为库位长边的长度,W库为库位短边的长度,L车为车辆轮廓外最小矩形长边的长度,W车为车辆轮廓外最小矩形短边的长度;
如果设定公式1成立,公式2不成立,表示车辆泊入车位,未压库位线,但泊入质量不高;
如果设定公式2成立,公式1不成立,表示车辆泊入车位,未压库位线,但泊入质量不高。
8.根据权利要求7所述的泊车终了位置评价方法,其特征在于,
步骤40与步骤60之间还包括步骤51、步骤52;
步骤51:计算库位俯视图与自车虚拟俯视图的四条边线外超级像素点做差的绝对差值△A,如果△A大于1,则判断为车辆未完全泊入车位,跳转至步骤70;
步骤52:计算库位俯视图与自车虚拟俯视图的四条边线内超级像素点做差的绝对差值△B,如果△B大于1,则判断为车辆泊入车位,但压库位线;跳转至步骤70。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210178415.2A CN114708570B (zh) | 2022-02-25 | 2022-02-25 | 泊车终了位置评价***与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210178415.2A CN114708570B (zh) | 2022-02-25 | 2022-02-25 | 泊车终了位置评价***与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114708570A CN114708570A (zh) | 2022-07-05 |
CN114708570B true CN114708570B (zh) | 2024-07-09 |
Family
ID=82167172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210178415.2A Active CN114708570B (zh) | 2022-02-25 | 2022-02-25 | 泊车终了位置评价***与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708570B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109131317A (zh) * | 2018-07-23 | 2019-01-04 | 同济大学 | 基于多段式规划与机器学习的自动垂直泊车***及方法 |
CN109579798A (zh) * | 2018-12-29 | 2019-04-05 | 中国汽车技术研究中心有限公司 | 一种应用于自动泊车***的视频量测方法及量测装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011251660A (ja) * | 2010-06-03 | 2011-12-15 | Aisin Aw Co Ltd | 駐車評価システム、駐車評価方法、及び駐車評価プログラム |
CN110517507B (zh) * | 2019-08-27 | 2022-10-11 | 纵目科技(上海)股份有限公司 | 基于超声波传感器的车辆位姿检测方法、***、终端和存储介质 |
CN111559372B (zh) * | 2020-05-20 | 2021-05-18 | 湖北亿咖通科技有限公司 | 一种泊车***的车位检测性能的评价方法和电子设备 |
CN111982532B (zh) * | 2020-08-07 | 2021-07-20 | 湖北亿咖通科技有限公司 | 一种自动泊车性能测试方法 |
-
2022
- 2022-02-25 CN CN202210178415.2A patent/CN114708570B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109131317A (zh) * | 2018-07-23 | 2019-01-04 | 同济大学 | 基于多段式规划与机器学习的自动垂直泊车***及方法 |
CN109579798A (zh) * | 2018-12-29 | 2019-04-05 | 中国汽车技术研究中心有限公司 | 一种应用于自动泊车***的视频量测方法及量测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114708570A (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949305B (zh) | 产品表面缺陷检测方法、装置及计算机设备 | |
CN107481292B (zh) | 车载摄像头的姿态误差估计方法和装置 | |
CN109872366B (zh) | 一种物体的三维位置检测方法和装置 | |
CN101021413A (zh) | 汽车外廓自动测量*** | |
CN108256554A (zh) | 基于深度学习的车辆逆向停车判断方法、服务器及*** | |
CN110853085B (zh) | 基于语义slam的建图方法和装置及电子设备 | |
CN113554004B (zh) | 搅拌车溢料检测方法、检测***、电子设备及搅拌站 | |
CN110255318B (zh) | 基于图像语义分割的电梯轿厢闲置物品检测的方法 | |
CN110796104A (zh) | 目标检测方法、装置、存储介质及无人机 | |
EP3782363B1 (en) | Method for dynamic stereoscopic calibration | |
CN115880296A (zh) | 基于机器视觉的预制构件质量检测方法及装置 | |
CN114494466B (zh) | 外参标定方法、装置及设备、存储介质 | |
CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
CN113281780B (zh) | 对图像数据进行标注的方法、装置及电子设备 | |
CN114708570B (zh) | 泊车终了位置评价***与方法 | |
CN108986249B (zh) | 基于全景环视图像的车辆远程定损方法和*** | |
CN113420704A (zh) | 一种基于视觉传感器的物体识别方法、装置及机器人 | |
EP4250245A1 (en) | System and method for determining a viewpoint of a traffic camera | |
RU2650857C1 (ru) | Система определения геометрических параметров трехмерных объектов | |
CN113513984B (zh) | 一种车位识别精度检测方法、装置、电子设备和存储介质 | |
Reway et al. | Simulation-based test methods with an automotive camera-in-the-loop for automated driving algorithms | |
CN114359891A (zh) | 一种三维车辆检测方法、***、装置及介质 | |
CN116402871B (zh) | 一种基于场景平行要素的单目测距方法、***及电子设备 | |
CN117745598A (zh) | 一种室内鱼眼图像的全自动恢复方法及*** | |
CN117037138A (zh) | 三维目标检测方法、装置、电子设备和存储介质 |
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 |