CN116101265A - 无人自主学习泊车控制方法、电子设备及存储介质 - Google Patents
无人自主学习泊车控制方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116101265A CN116101265A CN202111331844.0A CN202111331844A CN116101265A CN 116101265 A CN116101265 A CN 116101265A CN 202111331844 A CN202111331844 A CN 202111331844A CN 116101265 A CN116101265 A CN 116101265A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle
- parking
- autonomous learning
- driver
- 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 89
- 230000008569 process Effects 0.000 claims abstract description 35
- 239000003550 marker Substances 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 17
- 238000001514 detection method Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000000523 sample Substances 0.000 description 8
- 238000005070 sampling Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
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
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开一种无人自主学习泊车控制方法、电子设备及存储介质。方法包括:响应于自动泊车请求,控制本车沿自主学习泊车轨迹执行自动泊车;在本车沿自主学习泊车轨迹执行自动泊车过程中,如果在本车前方预设距离内,检测到自主学习泊车轨迹上存在障碍物,则检测本车与障碍物的行驶空间是否满足***行驶阈值,***行驶阈值根据车辆的当前功能场景和/或车辆当前车速确定,如果满足***行驶阈值则继续行驶,否则控制本车绕开障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车。本发明通过不同的场景车速去设定不同的通行可行驶距离阈值,保证车辆安全也保证可通过概率,提升用户体验。
Description
技术领域
本发明涉及汽车相关技术领域,特别是一种无人自主学习泊车控制方法、电子设备及存储介质。
背景技术
目前,低速泊车分为自动泊车和代客泊车,而代客泊车分为2个阶段,分为自主学习泊车和自主代客泊车。代客泊车即最后一公里,车辆在预设的停车场入口即可开始自动驾驶然后泊车入位,但代客泊车因涉及到法规,实现方案复杂等目前还处于预研阶段。而自主学习泊车,基于目前的自动驾驶技术可以实现量产落地。
自主学习泊车大致功能是需要驾驶员设置起点驾驶员亲自驾驶泊入目标车位,然后将该车位设置为学习的终点,车辆通过车身上布置的传感器采集的数据进行分析学习,自动的形成语义地图,即学习完成轨迹,下一次用户行驶到起点位置时即可开始使用无人自主学习泊车功能,车辆无需人为干预,自己从起点位置自动驾驶到终点位置,此功能可以在车辆上通过点击中控屏功能开关使用,也可以通过手机APP在车外进行操作。
但是现有的自主学习泊车存在一个问题就是路线学习成功之后,当用户使用时,***会按照已经学习好的路线去进行轨迹的控制。然而,例如在拐弯处的墙体,柱子或者锥桶等障碍物,用户在学习的时候距离特别近,驾驶员虽然在学习时能行驶通过,但是在***执行自动泊车时,由于障碍物距离已经到达***设定的盲区范围,此时车辆就会停止在当前位置,等待障碍物离开。另外,在自动驾驶过程中,如果出现障碍物(例如行人,车辆以及其他障碍物等),则***会持续等待障碍物离开,而实际上用户感觉是可以通过的。如果障碍物未离开,则车辆会一直等待直到超时退出,这种实现方式给用户带来非常不好的体验。
发明内容
基于此,有必要针对现有技术使用无人自主学习泊车功能时未能自动绕开障碍物的技术问题,提供一种无人自主学习泊车控制方法、电子设备及存储介质。
本发明提供一种无人自主学习泊车控制方法,包括:
响应于自动泊车请求,控制本车沿自主学习泊车轨迹执行自动泊车,所述自主学习泊车轨迹由本车对驾驶员人工泊车进行自主学习得到;
在本车沿所述自主学习泊车轨迹执行自动泊车过程中,如果在本车前方预设距离内,检测到所述自主学习泊车轨迹上存在障碍物,则检测本车与所述障碍物的行驶空间是否满足***行驶阈值,所述***行驶阈值根据车辆的当前功能场景和/或车辆当前车速确定,如果满足***行驶阈值则继续行驶,否则控制本车绕开所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车。
本发明在学习一条路线后,路线使用过程中通过***的传感器对障碍物的识别以及对可行驶空间与***行驶阈值的比较计算,实现自动驾驶过程中可以绕开障碍物,提升自动驾驶功能使用的成功概率。同时,通过不同的场景车速去设定不同的通行可行驶距离阈值,保证车辆安全也保证可通过概率,提升用户体验。
进一步地,所述功能场景包括直线行驶场景和转弯场景,在直线行驶场景下的***行驶阈值小于等于在转弯场景下的***行驶阈值。
本实施例对于直线行驶场景和转弯场景的***行驶阈值进行区分,使得在续航时候能够采用更小的***行驶阈值,提升可行驶空间,而在转弯场景时,通过增大***行驶阈值,来避免转弯时候出现意外。
进一步地,较慢的车速所对应的***行驶阈值小于等于较快的车速所对应的***行驶阈值。
本实施例对于不同车速的***行驶阈值进行区分,使得在慢速行驶时能够采用更小的***行驶阈值,提升可行驶空间,而在快速行驶时,通过增大***行驶阈值,来避免车速过快时出现意外。
进一步地,还包括:
在对驾驶员人工泊车进行自主学习得到自主学习泊车轨迹的过程中,记录驾驶员在人工泊车过程中多个功能场景下本车与障碍物的最小距离;
对于每个功能场景,如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离。
本实施例基于驾驶员在不同功能场景下本车与障碍物的最小距离来更新***行驶阈值,从而使得***行驶阈值更为符合驾驶员在不同场景下的驾驶行为。避免出现驾驶员认为可以通行但车辆却停止行驶的情况。
更进一步地,所述如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离,具体包括:
如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,且该最小距离大于等于最小允许阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离。
本实施例的***行驶阈值仅在最小距离大于等于最小允许阈值时进行更新,避免驾驶员的误操作导致过小的距离。
进一步地,还包括:
在对驾驶员人工泊车进行自主学习得到自主学习泊车轨迹的过程中,记录驾驶员人工泊车时本车与每个障碍物的最小距离,将最小距离小于***行驶阈值的障碍物作为标记障碍物,将驾驶员人工泊车时本车与标记障碍物的最小距离作为该标记障碍物的标记行驶阈值;
所述如果在本车前方预设距离内,检测到所述自主学习泊车轨迹上存在障碍物,则检测本车与所述障碍物的行驶空间是否满足***行驶阈值,具体包括:
如果在本车前方预设距离内,检测到所述自主学习泊车轨迹上存在障碍物,判断所述障碍物是否为标记障碍物,如果所述障碍物为标记障碍物,则检测与所述标记障碍物的行驶空间是否满足该标记障碍物的标记行驶阈值,如果所述障碍物为非标记障碍物,则检测所述障碍物的行驶空间是否满足***行驶阈值。
本实施例通过记录驾驶员在人工驾驶时本车与障碍物的最小距离,从而使得对于行驶空间的判断更为符合驾驶员的驾驶习惯。
更进一步地,所述记录驾驶员人工泊车时本车与每个障碍物的最小距离,将最小距离小于***行驶阈值的障碍物作为标记障碍物,具体包括:
记录驾驶员人工泊车时本车与每个障碍物的最小距离,将最小距离小于***行驶阈值的障碍物作为标记障碍物,记录所述标记障碍物的位置和/或形状;
所述判断所述障碍物是否为标记障碍物,具体包括:如果所述障碍物的位置与任一标记障碍物的位置和/或形状一致,则判断所述障碍物为标记障碍物。
本实施例基于位置和/或形状定位标记障碍物,使得标记障碍物的判断更为准确。
更进一步地,所述将驾驶员人工泊车时本车与标记障碍物的最小距离作为该标记障碍物的标记行驶阈值,具体包括:
如果驾驶员人工泊车时本车与标记障碍物的最小距离大于等于最小允许阈值,则将该最小距离作为该标记障碍物的标记行驶阈值。
本实施例的***行驶阈值仅在最小距离大于等于最小允许阈值时进行更新,避免驾驶员的误操作导致过小的距离。
再进一步地,所述控制本车绕开所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车,具体包括:
计算车辆满足所述***行驶阈值所需要的偏移距离,控制车辆偏移所述距离后继续行驶,并在经过所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车。
本实施例实现绕开障碍物的操作。
本发明提供一种电子设备,包括:
至少一个处理器;以及,
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够执行如前所述的无人自主学习泊车控制方法。
本发明在学习一条路线后,路线使用过程中通过***的传感器对障碍物的识别以及对可行驶空间与***行驶阈值的比较计算,实现自动驾驶过程中可以绕开障碍物,提升自动驾驶功能使用的成功概率。同时,通过不同的场景车速去设定不同的通行可行驶距离阈值,保证车辆安全也保证可通过概率,提升用户体验。
本发明提供一种存储介质,所述存储介质存储计算机指令,当计算机执行所述计算机指令时,用于执行如前所述的无人自主学习泊车控制方法的所有步骤。
本发明在学习一条路线后,路线使用过程中通过***的传感器对障碍物的识别以及对可行驶空间与***行驶阈值的比较计算,实现自动驾驶过程中可以绕开障碍物,提升自动驾驶功能使用的成功概率。同时,通过不同的场景车速去设定不同的通行可行驶距离阈值,保证车辆安全也保证可通过概率,提升用户体验。
附图说明
图1为本发明一种无人自主学习泊车控制方法的工作流程图;
图2为本发明一实施例中基于障碍物绕行轨迹点对自主学习泊车轨迹进行修正示意图;
图3为本发明一例子对车位内障碍物的绕障示意图;
图4为本发明一例子对路线上的障碍物的绕障示意图;
图5为本发明最佳实施例的***原理图;
图6为本发明最佳实施例传感器的安装位置示意图;
图7为本发明最佳实施例一种无人自主学习泊车控制方法的工作流程图;
图8为本发明一种电子设备的硬件结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细的说明。
如图1所示为本发明一种无人自主学习泊车控制方法的工作流程图,包括:
步骤S101,响应于自动泊车请求,控制本车沿自主学习泊车轨迹执行自动泊车,所述自主学习泊车轨迹由本车对驾驶员人工泊车进行自主学习得到;
步骤S102,在本车沿所述自主学习泊车轨迹执行自动泊车过程中,如果在本车前方预设距离内,检测到所述自主学习泊车轨迹上存在障碍物,则检测本车与所述障碍物的行驶空间是否满足***行驶阈值,所述***行驶阈值根据车辆的当前功能场景和/或车辆当前车速确定,如果满足***行驶阈值则继续行驶,否则控制本车绕开所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车。
具体来说,本发明可以应用在本车的电子控制器单元(Electronic ControlUnit,ECU)上。车辆预先对驾驶员人工泊车进行自主学习,驾驶员设置学习的起点,然后驾驶车辆泊入目标车位,将该车位设置为学习的终点,车辆通过车身上布置的传感器采集的数据进行分析学习,自动的形成语义地图,即学习完成泊入轨迹得到泊车轨迹。泊车轨迹也可以为泊出轨迹,即驾驶员设置当前车位为学习的起点,然后驾驶车辆离开车位到达停车场出口附近位置,将停车位置设置为学习的终点。车辆通过车身上布置的传感器采集的数据进行分析学习,自动的形成语义地图,即学习完成泊出轨迹得到泊车轨迹。下一次用户行驶到起点位置时即可开始使用无人自主学习泊车功能,车辆无需人为干预,自己从起点位置自动驾驶到终点位置。在开始执行自动泊车过程时,例如用户按下自主学习泊车按键,则触发步骤S101,控制本车沿自主学习泊车轨迹执行自动泊车。
然后步骤S102中,本车沿自主学习泊车轨迹进行自动泊车,自动泊车可以是泊入车位也可以是泊出车位。在车辆学习泊车轨迹时的情况与自动泊车时的情况不同。在车辆学习泊车轨迹时,自主学习泊车轨迹没有障碍物,但在自动泊车时,自主学习泊车轨迹可能会出现障碍物。同时,自主学习泊车轨迹是用户驾驶车辆所产生的,用户对于某些障碍物,可能会以一个比较近的距离去行驶。而这个距离对于自动泊车来说,其达到了***设定的安全行驶距离阈值,将会被认为是障碍物。因此,在自动泊车的过程中,很可能会检测到自主学习泊车轨迹上存在障碍物,当检测到存在障碍物,则触发步骤S102,判断行驶空间是否满足***行驶阈值。可行驶空间即车身与障碍物的实时距离。***行驶阈值根据车辆的当前功能场景和/或车辆当前车速确定。不同的功能场景可以具有不同的***行驶阈值,不同的车速区间也可以具有不同的***行驶阈值。
例如:
a)如图3所示,用户车辆31在路线示教过程中(即学习路线的时候)压着车位线行驶,车位32内无障碍物,而路线使用过程时这个车位32停了一个车辆33,首先AVP检测行驶空间是否满足***行驶阈值,***行驶阈值根据标定所得到,也可以根据车辆预设的功能场景设定不同的行驶阈值(例如:车辆在续航阶段和转弯时因车辆速度不同可设置不同的可行驶空间阈值),若不满足则需要实施绕障的策略。
b)如图4所示,用户车辆41在路线示教过程中(即学习路线的时候),靠近障碍物42(柱子、墙、锥桶等)用户自行驾驶过去,但是在路线使用过程时,***会检测行驶空间距离是否大于***行驶阈值,若不满足,则需要实施绕障的策略。
在绕开障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车。
本发明在学习一条路线后,路线使用过程中通过***的传感器对障碍物的识别以及对可行驶空间与***行驶阈值的比较计算,实现自动驾驶过程中可以绕开障碍物,提升自动驾驶功能使用的成功概率。同时,通过不同的场景车速去设定不同的通行可行驶距离阈值,保证车辆安全也保证可通过概率,提升用户体验。
在其中一个实施例中,所述功能场景包括直线行驶场景和转弯场景,在直线行驶场景下的***行驶阈值小于等于在转弯场景下的***行驶阈值。
具体来说,直线行驶场景下,车身没有太多的转向,即使本车与障碍物距离较近也不会造成意外,因此,在该场景下的***行驶阈值可以设置较小值。通过设置较小值的***行驶阈值,则能够使更多场合下的可行驶空间满足***行驶阈值的要求,使得车辆在更多的场合下也能通过。而在转弯时,由于车身发生转向,因此需要预留更大的距离以避免碰撞,因此设置较大的***行驶阈值,来提高安全性。
本实施例对于直线行驶场景和转弯场景的***行驶阈值进行区分,使得在续航时候能够采用更小的***行驶阈值,提升可行驶空间,而在转弯场景时,通过增大***行驶阈值,来避免转弯时候出现意外。
在其中一个实施例中,较慢的车速所对应的***行驶阈值小于等于较快的车速所对应的***行驶阈值。
具体来说,当车速较慢时,车辆有足够的时间应对突发事件,因此可以适当减少***行驶阈值,从而使更多场合下的可行驶空间满足***行驶阈值的要求。而当车速较快时,为了避免意外,则增加***行驶阈值,使得车辆与障碍物保持更大的距离,在出现突发意外时,给予车辆足够的反应时间。
本实施例对于不同车速的***行驶阈值进行区分,使得在慢速行驶时能够采用更小的***行驶阈值,提升可行驶空间,而在快速行驶时,通过增大***行驶阈值,来避免车速过快时出现意外。
在其中一个实施例中,还包括:
在对驾驶员人工泊车进行自主学习得到自主学习泊车轨迹的过程中,记录驾驶员在人工泊车过程中多个功能场景下本车与障碍物的最小距离;
对于每个功能场景,如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离。
具体来说,每个功能场景的***行驶阈值可以由***预先设定,例如通过标定得到。然后对于驾驶员人工泊车的过程进行记录。自主学习泊车轨迹由本车对驾驶员人工泊车进行自主学习得到,具体包括:本车在驾驶员人工泊车时进行连续采样,每次采样记录一个泊车学习轨迹点,根据多个所述泊车学习轨迹点规划得到自主学习泊车轨迹。因此,可以在每次采样时,记录与周围的障碍物的距离,从中选出最小距离作为该泊车学习轨迹点与障碍物的距离。然后对泊车学习轨迹点进行分析,确定其中的不同功能场景,例如直线行驶场景和转弯场景,将同一功能场景中所有泊车学习轨迹点与障碍物的距离的最小值,则得到该功能场景下本车与障碍物的最小距离。最后通过比较每个功能场景下驾驶员在人工泊车时本车与障碍物的最小距离与该功能场景的***行驶阈值,如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离。
本实施例基于驾驶员在不同功能场景下本车与障碍物的最小距离来更新***行驶阈值,从而使得***行驶阈值更为符合驾驶员在不同场景下的驾驶行为。避免出现驾驶员认为可以通行但车辆却停止行驶的情况。
在其中一个实施例中,所述如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离,具体包括:
如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,且该最小距离大于等于最小允许阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离。
具体来说,最小允许阈值是***允许的最小距离阈值,该最小允许阈值可以是***预先设置得到。当功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,且该最小距离大于等于最小允许阈值,则该最小距离被允许设定为***行驶阈值。
本实施例的***行驶阈值仅在最小距离大于等于最小允许阈值时进行更新,避免驾驶员的误操作导致过小的距离。
在其中一个实施例中,还包括:
在对驾驶员人工泊车进行自主学习得到自主学习泊车轨迹的过程中,记录驾驶员人工泊车时本车与每个障碍物的最小距离,将最小距离小于***行驶阈值的障碍物作为标记障碍物,将驾驶员人工泊车时本车与标记障碍物的最小距离作为该标记障碍物的标记行驶阈值;
所述如果在本车前方预设距离内,检测到所述自主学习泊车轨迹上存在障碍物,则检测本车与所述障碍物的行驶空间是否满足***行驶阈值,具体包括:
如果在本车前方预设距离内,检测到所述自主学习泊车轨迹上存在障碍物,判断所述障碍物是否为标记障碍物,如果所述障碍物为标记障碍物,则检测与所述标记障碍物的行驶空间是否满足该标记障碍物的标记行驶阈值,如果所述障碍物为非标记障碍物,则检测所述障碍物的行驶空间是否满足***行驶阈值。
具体来说,自主学习泊车轨迹由本车对驾驶员人工泊车进行自主学习得到,具体包括:本车在驾驶员人工泊车时进行连续采样,每次采样记录一个泊车学习轨迹点,根据多个所述泊车学习轨迹点规划得到自主学习泊车轨迹。因此,可以在每次采样时,记录与周围的障碍物的距离,从而得到本车与障碍物的多个距离。对于同一个障碍物,从多个距离中选择最小距离,则得到本车与该障碍物的最小距离。如果障碍物的最小距离小于***行驶阈值,则该障碍物标记为标记障碍物。标记障碍物的最小距离表示驾驶员在人工驾驶经过该标记障碍物时与标记障碍物的最小距离。即驾驶员在人工驾驶经过该标记障碍物时认为能够采用该最小距离通过。通过记录驾驶员在人工驾驶时本车与障碍物的最小距离,从而获得驾驶员的驾驶习惯。在本车沿自主学习泊车轨迹执行自动泊车的过程中,当判断到标记障碍物,则采用驾驶员所习惯的最小距离对行驶空间进行判断,从而符合驾驶员的驾驶习惯。避免驾驶员觉得其驾车能通过但自动泊车时候则需要绕行,影响驾驶员体验。
本实施例通过记录驾驶员在人工驾驶时本车与障碍物的最小距离,从而使得对于行驶空间的判断更为符合驾驶员的驾驶习惯。
在其中一个实施例中,所述记录驾驶员人工泊车时本车与每个障碍物的最小距离,将最小距离小于***行驶阈值的障碍物作为标记障碍物,具体包括:
记录驾驶员人工泊车时本车与每个障碍物的最小距离,将最小距离小于***行驶阈值的障碍物作为标记障碍物,记录所述标记障碍物的位置和/或形状;
所述判断所述障碍物是否为标记障碍物,具体包括:如果所述障碍物的位置与任一标记障碍物的位置和/或形状一致,则判断所述障碍物为标记障碍物。
具体来说,在驾驶员人工泊车时,通过定位装置定位标记障碍物的位置,通过摄像头确定标记障碍物的形状,则当判断时,能够根据障碍物的位置和/或障碍物的形状,判断是否为标记障碍物。具体来说,障碍物的位置与标记障碍物的位置一致,指的是障碍物的位置在以标记障碍物的位置为中心的预设区域范围内。障碍物的形状与标记障碍物的形状一致,指的是障碍物的形状与标记障碍物的形状的相似度大于等于预设相似度阈值。
本实施例基于位置和/或形状定位标记障碍物,使得标记障碍物的判断更为准确。
在其中一个实施例中,所述将驾驶员人工泊车时本车与标记障碍物的最小距离作为该标记障碍物的标记行驶阈值,具体包括:
如果驾驶员人工泊车时本车与标记障碍物的最小距离大于等于最小允许阈值,则将该最小距离作为该标记障碍物的标记行驶阈值。
具体来说,最小允许阈值是***允许的最小距离阈值,该最小允许阈值可以是***预先设置得到。当驾驶员在人工泊车时本车与标记障碍物的最小距离大于等于最小允许阈值,则该最小距离被允许用于对行驶空间的比较。
本实施例的***行驶阈值仅在最小距离大于等于最小允许阈值时进行更新,避免驾驶员的误操作导致过小的距离。
在其中一个实施例中,所述控制本车绕开所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车,具体包括:
计算车辆满足所述***行驶阈值所需要的偏移距离,控制车辆偏移所述距离后继续行驶,并在经过所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车。
在其中一个实施例中,所述障碍物包括停车位。
具体来说,停车位内的车辆并不固定。因此,在学习泊车轨迹的过程中,由于停车位没车,泊车轨迹可能会经过停车位。为了避免泊车时影响其他车辆泊入,因此,将停车位也作为障碍物,进行绕障操作。
本实施例将停车位也作为障碍物,由于停车位可能会泊入车辆,因此,本实施例能够避免在自动驾驶时进入停车位,从而减少对停车位内的车辆的影响。
在其中一个实施例中,还包括:
在本车沿所述自主学习泊车轨迹执行自动泊车过程中,如果在本车前方预设距离内,检测到所述自主学习泊车轨迹经过停车位,则对所述自主学习泊车轨迹进行修正,得到绕开停车位的修正后自主学习泊车轨迹,控制本车沿修正后自主学习泊车轨迹继续执行自动泊车。
具体来说,停车位内的车辆并不固定。因此,在学习泊车轨迹的过程中,由于停车位没车,泊车轨迹可能会经过停车位。为了避免泊车时影响其他车辆泊入,因此,对自主学习泊车轨迹进行修正,绕开停车位。
本实施例当检测到停车位时,对自主学习泊车轨迹进行修正,使得修正后的自主学习泊车轨迹能绕开停车位,避免在停车位中出现车辆导致经常绕行。
在其中一个实施例中:
所述自主学习泊车轨迹由本车对驾驶员人工泊车进行自主学习得到,具体包括:
本车在驾驶员人工泊车时进行连续采样,每次采样记录一个泊车学习轨迹点,根据多个所述泊车学习轨迹点规划得到自主学习泊车轨迹;
所述对所述自主学习泊车轨迹进行修正,得到绕开停车位的修正后自主学习泊车轨迹,具体包括:
获取停车位的位置信息,确定绕开所述停车位的停车位绕行轨迹,获取所述停车位绕行轨迹所经过的多个停车位绕行轨迹点;
将经过停车位的泊车学习轨迹点替换为所述停车位绕行轨迹点;
基于替换后的泊车学习轨迹点规划泊车轨迹,得到修正后自主学习泊车轨迹。
在其中一个实施例中:
所述自主学习泊车轨迹由本车对驾驶员人工泊车进行自主学习得到,具体包括:
本车在驾驶员人工泊车时进行连续采样,每次采样记录一个泊车学习轨迹点,根据多个所述泊车学习轨迹点规划得到自主学习泊车轨迹;
所述计算车辆满足所述***行驶阈值所需要的偏移距离,控制车辆偏移所述距离后继续行驶,并在经过所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车,具体包括:
获取障碍物的位置和/或形状信息,计算车辆满足所述***行驶阈值所需要的偏移距离,基于偏移距离确定绕开所述障碍物的障碍物绕行轨迹,获取所述障碍物绕行轨迹所经过的多个障碍物绕行轨迹点;
将经过障碍物的泊车学习轨迹点替换为所述障碍物绕行轨迹点;
基于替换后的泊车学习轨迹点规划泊车轨迹,得到修正后自主学习泊车轨迹,控制本车沿修正后自主学习泊车轨迹执行自动泊车。
具体来说,如图2所示,在驾驶员人工泊车时,进行连续采样,每次采样将记录泊车学***滑。
本实施例实现对障碍物区域的泊车轨迹修正。
如图5所示为本发明最佳实施例的***原理图,包括:12颗超声波探头、4颗环视摄像头、1颗前摄像头、代客泊车主机、电动助力转向***、车身稳定***、电子驻车、整车控制器、中控屏、组合开关、转角传感器等***,传感器单元(超声波探头)通过私有通讯与代客泊车主机通信,其他相关联***通过控制器局域网络(Control ler Area Network,CAN)与代客泊车主机通信。主要相关***主要工作实施方式进行简述。
其中,如图6所示为传感器的安装位置示意图,包括:
超声波远距离探头S1、S6、S7、S12,探测距离为4.5m,安装于前后保左右侧面,安装高度500mm;
超声波探头S2、S3、S4、S5、S8、S9、S10、S11,探测距离为2.2m,安装于前后保,按照倒车雷达***安装要求布置;
环视摄像头C1、C2、C3、C4,130万像素,190鱼眼摄像头,有效输出720P,可探测距离至少8m;
前摄像头C5,130万像素,100°广角摄像头,有效输出720P,可探测距离约70m。
代客泊车主机6,实现前述无人自主学习泊车控制方法。
本***实现功能:自主学***车位入库、垂直车位入库、垂直车位出库、水平车位出库。更具体地:
组合开关即泊车功能开启开关1,泊车开启开关1为硬开关或者是HU里面设置的软开关,用于开启自动泊车功能。
超声波探头2和超声波远距离探头3产生方波信号,经过放大电路驱动超声波探头发送超声波脉冲信号,当超声波经过障碍物发射后再由超声波探头测量并接收,当MCU检测到回波后,根据当前温度进行温度补偿,通过公式d=1/2Ct(C=343m/s(20℃))计算出障碍物距离。
环视摄像头4是190°的鱼眼摄像头,可实时运用图像算法运算捕捉车位信息和周围环境信息。对于超声波无法探测到的近端障碍物(如:矮小物体、移动物体等)进行探测识别,可准确识别车位的长度、深度、车道线以及车位周围障碍物类型等。
前摄像头5是广角100°的广角,可实时运用图像算法运算捕捉车位信息和周围环境信息。对于超声波和鱼眼摄像头无法探测到的远处障碍物(如:矮小物体、移动物体等)进行探测识别,实现建图以及车辆定位等作用。
代客泊车主机6(简称AVP模块)通过获取感知模块的数据(感知模块包括超声波、鱼眼摄像头、广角摄像头以及集成于其内部的IMU等)进行路线的建图、车辆的定位、以及空车位的检测、车位识别等,再结合车辆当前的位置进行车位的定位计算,再经过车辆控制模型计算入库路线或者出库路线的轨迹规划,再通过车辆横向以及纵向控制进行自动驾驶到终点目标位置。代客泊车主机模块轨迹规划计算完成后,发送转向角度、停车距离、驾驶员提示信息等指令给相关联***,以执行前述无人自主学习泊车控制方法的相应步骤。
车身稳定***7(简称ESC)用于收到代客泊车主机发送的制动指令,包括减速度、驻车控制等,并同时反馈车辆的减速度、横摆角、车速、轮速等车身数据供AVP进行车辆纵向控制计算。
电动助力转向***8(简称EPS)用于执行代客泊车主机发出的转向角度和转向角加速度请求,控制方向盘转向到代客泊车主机指令的角度,如果EPS出现故障或者是驾驶员干预泊车,需向AVP反馈退出控制原因。
整车控制器9(简称VCU)7)用于接收到代客泊车的扭矩和换挡请求,执行加速控制和换挡控制,并实时反馈车辆的档位,响应扭矩等。
中控屏10用于在泊车过程中提示文字、用户操作界面和动画的显示,蜂鸣器报警音等。
电子驻车11用于当泊车完成或是泊车***退出时,执行AVP发送的置起释放请求。
远程监控模块12,用于手机APP和整车通讯模块。
手机13,用于用户在车外用手机通过蓝牙或者4G网络与车辆连接后,打开自主泊车功能后,控制泊车时文字交互,界面显示等。
车联网平台14(简称TSP云端),用于APP虚拟账户登录,APP通过4G网络与整车连接的通路。
车身控制模块15,用于整车上下电控制和车辆解闭锁控制。
如图7所示为本发明最佳实施例一种无人自主学习泊车控制方法的工作流程图,包括:
步骤S701,整车上电;
步骤S702,AVP自检完成,HAVP_status=standby;
步骤S703,当驾驶员按下AVP泊车按钮,功能开启,中控屏显示路线卡片信息;
步骤S704,驾驶员选择使用路线,提前轨迹规划,开始泊车;
步骤S705,如果行驶过程中不存在影响车辆行驶的障碍物,则入库/出库完成,否则执行步骤S706;
步骤S706,如果判断探测行驶空间≥设定的距离阈值,则入库/出库完成,否则执行步骤S707;
步骤S707,计算绕障偏移距离;
步骤S708,AVP计算出车辆轨迹横向移动(远离障碍物方向);
步骤S709,AVP控制车辆平滑绕开探测到的障碍物行驶,泊车完成。
具体来说:
1)整车上电后,AVP自动完成后,用户打开AVP功能按钮,HU显示路线卡片界面,用户点击使用路线,***会提前根据学习的路线的轨迹提前规划行驶轨迹,作为车辆的预设轨迹,***会实施检测预设轨迹的障碍物是否在车辆的预设轨迹内。
2)若使用路线过程中未出现意外的障碍物则可泊车完成,入库成功或者出库成功。
3)若自动驾驶过程中***探测到障碍物,此时还没有达到障碍物所在位置,遭遇上述情况:
a)用户在学习路线的时候压着车位线行驶,车位内无障碍物,而使用路线时这个车位停了一个车辆,首先AVP检测行驶空间是否满足设定阈值,行驶空间的阈值根据标定所得到,也可以根据车辆预设的功能场景设定不同的行驶阈值(例如:车辆在巡航阶段和转弯时因车辆速度不同可设置不同的可行驶空间阈值),若不满足则需要实施绕障的策略。
b)用户在学习路线的时候,靠近障碍物(柱子、墙、锥桶等)用户自行驾驶过去,但是***在使用时会检测行驶空间距离是否大于设定阈值,若不满足,则需要实施绕障的策略。
4)***重新轨迹规划:因车辆已经提前检测到车辆行驶轨迹上的障碍物,实时的计算出车辆需要偏移的横向距离,远离障碍物方向。
车辆检测到障碍物处需要偏移的距离后,则AVP***控制车辆实时地平滑的行驶绕过障碍物直到泊车完成。
本实施例通过增加行驶过程中障碍物检测以及车辆可行驶空间的计算偏移等,实现了自动驾驶过程中不再只是按照学习的路线原路去行驶,而是针对行驶过程中出现的障碍物可实时的检测障碍物实时的去重新规划轨迹,在允许范围内,可以绕过这个障碍物目标,增加泊车完成的成功率,提升***在不同的场景下的鲁棒性,提升用户体验。
同时,通过不同的场景车速去设定不同的通行可行驶距离阈值,保证车辆安全也保证可通过概率,提升用户体验。
如图8所示为本发明一种电子设备的硬件结构示意图,包括:
至少一个处理器801;以及,
与至少一个所述处理器801通信连接的存储器802;其中,
所述存储器802存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够执行如前所述的无人自主学习泊车控制方法。
图8中以一个处理器801为例。
电子设备还可以包括:输入装置803和显示装置804。
处理器801、存储器802、输入装置803及显示装置804可以通过总线或者其他方式连接,图中以通过总线连接为例。
存储器802作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的无人自主学习泊车控制方法对应的程序指令/模块,例如,图1所示的方法流程。处理器801通过运行存储在存储器802中的非易失性软件程序、指令以及模块,从而执行各种功能应用以及数据处理,即实现上述实施例中的无人自主学习泊车控制方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据无人自主学习泊车控制方法的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至执行无人自主学习泊车控制方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置803可接收输入的用户点击,以及产生与无人自主学习泊车控制方法的用户设置以及功能控制有关的信号输入。显示装置804可包括显示屏等显示设备。
在所述一个或者多个模块存储在所述存储器802中,当被所述一个或者多个处理器801运行时,执行上述任意方法实施例中的无人自主学习泊车控制方法。
本发明在学习一条路线后,路线使用过程中通过***的传感器对障碍物的识别以及对可行驶空间与***行驶阈值的比较计算,实现自动驾驶过程中可以绕开障碍物,提升自动驾驶功能使用的成功概率。同时,通过不同的场景车速去设定不同的通行可行驶距离阈值,保证车辆安全也保证可通过概率,提升用户体验。
本发明一实施例提供一种存储介质,所述存储介质存储计算机指令,当计算机执行所述计算机指令时,用于执行如前所述的无人自主学习泊车控制方法的所有步骤。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种无人自主学习泊车控制方法,其特征在于,包括:
响应于自动泊车请求,控制本车沿自主学习泊车轨迹执行自动泊车,所述自主学习泊车轨迹由本车对驾驶员人工泊车进行自主学习得到;
在本车沿所述自主学习泊车轨迹执行自动泊车过程中,如果在本车前方预设距离内,检测到所述自主学习泊车轨迹上存在障碍物,则检测本车与所述障碍物的行驶空间是否满足***行驶阈值,所述***行驶阈值根据车辆的当前功能场景和/或车辆当前车速确定,如果满足***行驶阈值则继续行驶,否则控制本车绕开所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车。
2.根据权利要求1所述的无人自主学习泊车控制方法,其特征在于,所述功能场景包括直线行驶场景和转弯场景,在直线行驶场景下的***行驶阈值小于等于在转弯场景下的***行驶阈值。
3.根据权利要求1所述的无人自主学习泊车控制方法,其特征在于,较慢的车速所对应的***行驶阈值小于等于较快的车速所对应的***行驶阈值。
4.根据权利要求1所述的无人自主学习泊车控制方法,其特征在于,还包括:
在对驾驶员人工泊车进行自主学习得到自主学习泊车轨迹的过程中,记录驾驶员在人工泊车过程中多个功能场景下本车与障碍物的最小距离;
对于每个功能场景,如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离。
5.根据权利要求4所述的无人自主学习泊车控制方法,其特征在于,所述如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离,具体包括:
如果该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离小于该功能场景的***行驶阈值,且该最小距离大于等于最小允许阈值,则将该功能场景的***行驶阈值更新为该功能场景下驾驶员在人工泊车时本车与障碍物的最小距离。
6.根据权利要求1所述的无人自主学习泊车控制方法,其特征在于,还包括:
在对驾驶员人工泊车进行自主学习得到自主学习泊车轨迹的过程中,记录驾驶员人工泊车时本车与每个障碍物的最小距离,将最小距离小于***行驶阈值的障碍物作为标记障碍物,将驾驶员人工泊车时本车与标记障碍物的最小距离作为该标记障碍物的标记行驶阈值;
所述如果在本车前方预设距离内,检测到所述自主学习泊车轨迹上存在障碍物,则检测本车与所述障碍物的行驶空间是否满足***行驶阈值,具体包括:
如果在本车前方预设距离内,检测到所述自主学习泊车轨迹上存在障碍物,判断所述障碍物是否为标记障碍物,如果所述障碍物为标记障碍物,则检测与所述标记障碍物的行驶空间是否满足该标记障碍物的标记行驶阈值,如果所述障碍物为非标记障碍物,则检测所述障碍物的行驶空间是否满足***行驶阈值。
7.根据权利要求6所述的无人自主学习泊车控制方法,其特征在于,所述记录驾驶员人工泊车时本车与每个障碍物的最小距离,将最小距离小于***行驶阈值的障碍物作为标记障碍物,具体包括:
记录驾驶员人工泊车时本车与每个障碍物的最小距离,将最小距离小于***行驶阈值的障碍物作为标记障碍物,记录所述标记障碍物的位置和/或形状;
所述判断所述障碍物是否为标记障碍物,具体包括:如果所述障碍物的位置与任一标记障碍物的位置和/或形状一致,则判断所述障碍物为标记障碍物。
8.根据权利要求6所述的无人自主学习泊车控制方法,其特征在于,所述将驾驶员人工泊车时本车与标记障碍物的最小距离作为该标记障碍物的标记行驶阈值,具体包括:
如果驾驶员人工泊车时本车与标记障碍物的最小距离大于等于最小允许阈值,则将该最小距离作为该标记障碍物的标记行驶阈值。
9.根据权利要求1至8任一项所述的无人自主学习泊车控制方法,其特征在于,所述控制本车绕开所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车,具体包括:
计算车辆满足所述***行驶阈值所需要的偏移距离,控制车辆偏移所述距离后继续行驶,并在经过所述障碍物后,控制本车沿剩余的自主学习泊车轨迹继续执行自动泊车。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够执行如权利要求1至9任一项所述的无人自主学习泊车控制方法。
11.一种存储介质,其特征在于,所述存储介质存储计算机指令,当计算机执行所述计算机指令时,用于执行如权利要求1~9任一项所述的无人自主学习泊车控制方法的所有步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111331844.0A CN116101265A (zh) | 2021-11-11 | 2021-11-11 | 无人自主学习泊车控制方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111331844.0A CN116101265A (zh) | 2021-11-11 | 2021-11-11 | 无人自主学习泊车控制方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116101265A true CN116101265A (zh) | 2023-05-12 |
Family
ID=86264349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111331844.0A Pending CN116101265A (zh) | 2021-11-11 | 2021-11-11 | 无人自主学习泊车控制方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116101265A (zh) |
-
2021
- 2021-11-11 CN CN202111331844.0A patent/CN116101265A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106864454B (zh) | 用于辅助机动车辆的操纵过程的方法和装置 | |
JP6022447B2 (ja) | 駐車スペースへの駐車時における自動車運転者支援方法、運転者支援装置、および自動車 | |
CN110834630A (zh) | 一种车辆的驾驶控制方法、装置、车辆及存储介质 | |
EP4018427A1 (en) | Method of handling occlusions at intersections in operation of autonomous vehicle | |
CN107209518A (zh) | 代客泊车方法和代客泊车*** | |
US20150329111A1 (en) | Elevated perception system for automated vehicles | |
US20210284131A1 (en) | Method for operating a transportation vehicle and a control unit for carrying out the method | |
US20200385016A1 (en) | Control device, getting-into/out facility, control method, and storage medium | |
EP4026756B1 (en) | Automated valet parking system, control method for an automated valet parking system, and autonomous driving vehicle | |
JP2020056733A (ja) | 車両制御装置 | |
CN110588639A (zh) | 自动泊车控制方法、电子设备及汽车 | |
CN116022126A (zh) | 自主学习泊车方法、电子设备及存储介质 | |
US12030483B2 (en) | Automated valet parking system, control method of automated valet parking system, and autonomous driving vehicle | |
CN110356410A (zh) | 动作调节后的车辆控制 | |
CN110588638B (zh) | 自动泊车控制方法、电子设备及汽车 | |
JP2021146905A (ja) | 制御装置、制御方法およびプログラム | |
CN115035707B (zh) | 自动泊车***及自动泊车***的控制方法 | |
CN116101265A (zh) | 无人自主学习泊车控制方法、电子设备及存储介质 | |
JP6897068B2 (ja) | 駐車支援方法及び駐車支援装置 | |
CN115273536A (zh) | 代客泊车控制方法、装置、控制终端及存储介质 | |
JP7192309B2 (ja) | 車両制御装置、および車両制御方法 | |
CN115973133A (zh) | 无人自主学习泊车控制方法、电子设备及存储介质 | |
CN114303181A (zh) | 移动体和移动体控制方法 | |
CN116238417A (zh) | 无人自主学习泊车外后视镜控制方法、电子设备及存储介质 | |
EP4212411A1 (en) | Method and device for automatically driving an automated vehicle into a parking garage |
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 |