CN116442991B - 自动泊车规划方法、装置、车辆及存储介质 - Google Patents
自动泊车规划方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN116442991B CN116442991B CN202310462184.2A CN202310462184A CN116442991B CN 116442991 B CN116442991 B CN 116442991B CN 202310462184 A CN202310462184 A CN 202310462184A CN 116442991 B CN116442991 B CN 116442991B
- Authority
- CN
- China
- Prior art keywords
- area
- vehicle
- target object
- parking
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000014759 maintenance of location Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种自动泊车规划方法、装置、车辆及存储介质,通过获取车辆的状态信息和初始泊车路径,根据所述车辆的状态信息以及所述初始泊车路径,预测所述车辆在所述预设时间后到达的车辆位置区域,并根据所述车辆位置区域基于预定义的规定确定多个预测位置区域;识别所述车辆预设范围内的目标对象,确定所述目标对象的当前位置信息,并预测所述目标对象在预设时间后到达的预测位置的预测位置信息;根据所述预测位置信息以及所述多个预测位置区域确定所述目标对象在预设时间后到达的目标预测位置区域;根据所述目标预测位置区域确定泊车路径规划策略,所述多个预测位置区域对应的泊车路径规划策略不同。提升泊车安全性及泊车效率。
Description
技术领域
本申请涉及自动驾驶技术领域,更具体地,涉及一种自动泊车规划方法、装置、车辆及存储介质。
背景技术
目前,自动泊车方法已经在汽车领域得到广泛应用,但通常在自动泊车过程中,自动泊车规划路径上的环境较为复杂,其中可能包括其他车辆或行人,存在潜在的碰撞危险。
在相关技术中,通常在泊车路径中遇到行人时仅做避障处理,路径规划不合理,难以泊入目标车位,,泊车规划方式的灵活性较差,效率较低,且在有行人的泊车场景下安全性较低。
发明内容
鉴于上述问题,本申请提出了一种自动泊车规划方法、装置、车辆及存储介质,能够根据车辆自身在预先泊车路径中的行进过程,以及路程中可能遇到的目标综合判断,对车辆泊车路径进行实时规划。
第一方面,本申请实施例提供了一种自动泊车规划方法,该方法包括:获取车辆的状态信息和初始泊车路径,根据车辆的状态信息以及初始泊车路径,预测车辆在预设时间后到达的车辆位置区域,并根据车辆位置区域基于预定义的规定确定多个预测位置区域;多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,重合区与车辆位置区域重合,危险区、观察区以及无效区距离车辆位置区域的距离依次变大;识别车辆预设范围内的目标对象,确定目标对象的当前位置信息,并预测目标对象在预设时间后到达的预测位置的预测位置信息;根据预测位置信息以及多个预测位置区域确定目标对象在预设时间后到达的目标预测位置区域;根据目标预测位置区域确定泊车路径规划策略,多个预测位置区域对应的泊车路径规划策略不同。
第二方面,本申请实施例提供了一种自动泊车规划装置,该装置包括:车辆位置预测单元,用于获取车辆的状态信息和初始泊车路径,根据车辆的状态信息以及初始泊车路径,预测车辆在预设时间后到达的车辆位置区域,并根据车辆位置区域基于预定义的规定确定多个预测位置区域;多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,重合区与车辆位置区域重合,危险区、观察区以及无效区距离车辆位置区域的距离依次变大;行人位置预测单元,用于识别车辆预设范围内的目标对象,确定目标对象的当前位置信息,并预测目标对象在预设时间后到达的预测位置信息;位置区域预测单元,用于根据预测位置信息以及多个预测位置区域确定目标对象在预设时间后到达的目标预测位置区域;路径规划单元,用于根据目标预测位置区域确定泊车路径规划策略,多个预测位置区域对应的泊车路径规划策略不同。
第三方面,本申请实施例提供了一种车辆,该车辆包括一个或多个处理器;存储器;一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置用于执行上述的自动泊车规划方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质中存储有程序代码,程序代码可被处理器调用执行上述自动泊车规划方法。
本发明提供的技术方案,通过获取车辆的状态信息和初始泊车路径,根据车辆的状态信息以及初始泊车路径,预测车辆在预设时间后到达的车辆位置区域,并根据车辆位置区域基于预定义的规定确定多个预测位置区域;多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,重合区与车辆位置区域重合,危险区、观察区以及无效区距离车辆位置区域的距离依次变大;识别车辆预设范围内的目标对象,确定目标对象的当前位置信息,并预测目标对象在预设时间后到达的预测位置的预测位置信息;根据预测位置信息以及多个预测位置区域确定目标对象在预设时间后到达的目标预测位置区域;根据目标预测位置区域确定泊车路径规划策略,多个预测位置区域对应的泊车路径规划策略不同。该方法在初始泊车路径的基础上,对车辆的位置区域进行实时预测,并对行驶在初始泊车路径上的车辆周围可能遇到的目标对象,实时进行位置预测,从而根据两者的位置关系进行目标对象避障以及泊车路径规划,该方法结合目标对象以及车辆两者的实时状态,对车辆进行控制以及确定新的目标泊车路径,增强了泊车规划方式的灵活性以及可控性,提升泊车过程中的安全性以及泊车效率,使泊车规划更加合理。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请实施例提供的一种自动泊车规划方法的流程示意图。
图2示出了本申请实施例提供的一种预设范围的示意图。
图3示出了本申请实施例提供的一种二维坐标系的示意图。
图4示出了本申请实施例提供的一种应用场景示意图。
图5示出了本申请实施例提供的一种规划区域的示意图。
图6示出了本申请实施例提供的一种自动泊车规划装置的结构示意图。
图7示出了本申请实施例提供的的一种车辆的结构示意图。
图8示出了本申请实施例提供的一种计算机可读存储介质的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
目前,自动泊车技术在汽车领域快速发展,但通常在自动泊车过程中,自动泊车规划路径上的环境较为复杂,其中可能包括其他车辆或行人,存在潜在的碰撞危险。
在相关技术中,通常在泊车路径中遇到行人时仅做避障处理,路径规划不合理,难以泊入目标车位,,泊车规划方式的灵活性较差,效率较低,且在有行人的泊车场景下安全性较低。。
为解决上述问题,发明人提出了本申请提供的自动泊车规划方法、装置、车辆及存储介质,通过过获取车辆的状态信息和初始泊车路径,根据车辆的状态信息以及初始泊车路径,预测车辆在预设时间后到达的车辆位置区域,并根据车辆位置区域基于预定义的规定确定多个预测位置区域;多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,重合区与车辆位置区域重合,危险区、观察区以及无效区距离车辆位置区域的距离依次变大;识别车辆预设范围内的目标对象,确定目标对象的当前位置信息,并预测目标对象在预设时间后到达的预测位置的预测位置信息;根据预测位置信息以及多个预测位置区域确定目标对象在预设时间后到达的目标预测位置区域;根据目标预测位置区域确定泊车路径规划策略,多个预测位置区域对应的泊车路径规划策略不同。该方法在初始泊车路径的基础上,对车辆的位置区域进行实时预存,并对行驶在初始泊车路径上的车辆周围可能遇到的目标对象,实时进行位置预测,从而根据两者的位置关系进行目标对象避障以及泊车路径规划,该方法结合目标对象以及车辆两者的实时状态,对车辆进行控制以及确定新的目标泊车路径,增强了泊车规划方式的灵活性以及可控性,提升泊车过程中的安全性以及泊车效率,使泊车规划更加合理。
下面将结合附图具体描述本申请的各实施例。
请参阅图1,图1示出了本申请实施例提出的一种自动泊车规划方法的流程示意图。本申请提供的实施例的自动泊车规划方法包括步骤110至步骤140。
在步骤110中,获取车辆的状态信息和初始泊车路径,根据车辆的状态信息以及初始泊车路径,预测车辆在预设时间后到达的车辆位置区域,并根据车辆位置区域基于预定义的规定确定多个预测位置区域。
在一些实施方式中,通常可以利用现有技术对获取车辆的初始泊车路径,其输入通常是对车辆周围感知到的环境信息,包括如车道线、道路曲率、道路障碍物以及停车场建筑等环境静态信息,或是车辆状态信息,如当前位置信息、速度、加速度以及行驶方向等,通过对自车建立可靠的坐标系,并根据地图信息以及目标停车位置,利用预设算法对车辆进行初始泊车规划,输出初始泊车路径。
在一些实施方式中,地图信息可以包括停车场的车位占用信息。
在一些实施方式中,预设算法可以是AVM(Around View Monitor,全景式监控影像***)环视***算法、ADA(Auto Parking Asist,自动泊车辅助)算法、决策规划算法等,本申请对此不做限制。
在进行自动泊车的过程中,判断目标对象的移动是否可能与车辆发生碰撞,产生潜在危险,除了需要考虑目标对象的行动轨迹外,还需要考虑车辆自身的状态信息以及下一时刻的行动轨迹。
可以结合车辆的行驶方向、行驶速度等参数,预测车辆按照初始泊车路径进行行驶,在预设时间后的所到达的车辆位置区域。
在一些实施方式中,状态信息包括车辆的方向盘转角、档位以及车速,根据方向盘转角、档位以及车速,确定车辆按照初始泊车路径行驶,经过预设时间后车辆位置区域。
根据方向盘的转角,可以确定车辆是否即将转向以及转向方向,根据车辆的档位,可以确定车辆的行驶方向以及行驶基本的速度状态,根据车辆当前的车速,可以结合车辆的行驶方向、转向方向以及初始泊车路径,预测车辆的行驶状态。
在一些实施方式中,车辆的状态信息还可以包括车辆的加速度、车身长度等,获取车辆加速度可以确定车辆是否处于刹车或加速状态,进而更加精确地预测车辆的速度;不同车型的车头以及车尾(如前保险杠以及后保险杆)距离车辆中心的距离不同,则预设时间后,车辆到达的位置区域的结果会受到影响,例如,在实际情况中,在同样的条件下,车辆发动机机舱的长度较长(如前挡风玻璃与前保险杠的距离较长)的车辆更先进入车辆位置区域。
在一些实施方式中,车辆按照初始泊车路径行驶,车辆的转向通常符合初始泊车规划,如车辆向正前方向,以车速10.8km/h的速度匀速行驶,进而可以确定,车辆在2s后行驶至距离当前位置向前6米的位置,在2s后,车辆即将到达的区域即为车辆位置区域。
根据车辆位置区域基于预定义的规定确定多个预测位置区域可以是根据与车辆位置区域的距离大小,确定多个预测区域。如多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,其中,重合区与车辆位置区域重合,危险区、观察区以及无效区距离车辆位置区域的距离依次变大。
在步骤120中,识别车辆预设范围内的目标对象,确定目标对象的当前位置信息,并预测目标对象在预设时间后到达的预测位置的预测位置信息。
在一些实施方式中,步骤识别车辆预设范围内的目标对象,确定目标对象的当前位置信息,并预测目标对象在预设时间后到达的预测位置的预测位置信息,可以包括以下步骤。
(1)识别车辆预设范围内的初始对象。
(2)确定初始对象的初始位置。
(3)基于初始对象的初始位置,从初始对象中确定目标对象。
(4)确定目标对象在预设时间后到达的预测位置的预测位置信息。
在一些实施方式中,可以通过摄像头采集车辆预设范围内的环境的图像数据,根据该图像数据识别出初始目标,此外还通过超声波传感器初始目标与车身中心的距离信息,进而获得初始对象的初始位置。
在同一时刻,车辆预设范围内可能会存在多个移动的初始对象,每隔预设检测周期对该初始对象进行识别,不断获取初始对象的初始位置信息,通过比较相邻两次初始位置信息之间的误差,确定两次检测的初始对象是否为同一对象,进而确定目标对象,并保存所有的初始位置信息,作为目标对象的跟踪位置信息。
请参阅图2,图2示出了一种预设范围的示意图,在一些实施方式中,以俯视角度为例,预设范围可以是以车辆自身为中心的矩形区域,预设范围的横向两边缘与车辆左右侧边缘的最大距离均为dw_max,预设范围的纵向两边缘与车辆前后保险杠的最大距离均为dl_max,也即该矩形范围的横向长度为车身宽度+2dw_max,矩形范围的纵向长度为车身长度+2dl_max。
在一些实施方式中,可以对处于该矩形范围内、车身外的目标进行识别。其中,dw_max以及dl_max可以根据实际情况具体设置,以保证在识别结果足够准确的情况下,检测更大范围内的目标,例如dw_max可以是3m,dl_max可以是5m。
可以理解的是,对象识别以现实世界为基础,通过摄像头以及超声波传感器获取的车辆预设范围内的环境信息为三维数据,为了减少计算的复杂程度,可以将三维数据转换至二维坐标系中,得到用二维数据表征的初始对象的初始位置,便于数据处理。
在一些实施方式中,可以通过摄像头采集车辆预设范围内的环境的图像数据,根据该图像数据识别出初始目标,此外还通过超声波传感器初始目标与车身中心的距离信息,进而获得初始对象的初始位置。
在同一时刻,车辆预设范围内可能会存在多个移动的初始对象,每隔预设检测周期对该初始对象进行识别,不断获取初始对象的初始位置信息,通过比较相邻两次初始位置信息之间的误差,确定两次检测的初始对象是否为同一对象,进而确定目标对象,并保存所有的初始位置信息,作为目标对象的跟踪位置信息。
由于检测到的初始对象可能在不断移动,且车辆也在移动过程中,因此需要对检测到的初始对象持续进行跟踪检测,以确定是否为同一目标。
在一些实施方式中,每隔预设检测周期,对检测到的初始对象进行跟踪检测,获取该初始对象当前时刻的位置信息,若相邻两次检测的位置信息之间的误差在预设误差范围内,则确定该初始对象为车辆需要规避的对象,并将多次跟踪检测获得的位置信息保存,作为跟踪位置信息。其中,确定目标对象当前时刻的位置信息为目标对象的当前位置信息。
步骤确定初始对象的初始位置,可以包括以下步骤。
(1)获取初始对象的三维数据。
(2)基于车辆,建立与车辆行驶平面平行的二维坐标系。
(3)将初始对象的三维数据投影至二维坐标系,根据投影结果确定初始对象的初始位置。
请参阅图3,图3示出了一种二维坐标系的示意图。在本申请提供的实施例中,二维坐标系以车身中心为坐标原点,包括X以及Y两个互相垂直的方向,其中,X方向对应车辆的横向方向,即从车身最左侧到最右侧的方向,Y方向对应车辆的纵向方向,即从车身最后方到最前方的方向。
在一些实施方式中,车辆所检测到的初始对象以及车辆自身的三维数据从垂直于二维坐标系平面的方向,向该二维坐标系进行投影,去除高度维度,完成三维数据至二维数据的转换。
可选地,在进行三维数据到二维数据的投影,使数据降维的过程中,可以利用正交法、透视法、主成分分析法(Principal Component Analysis,PCA)、线性判别分析(LinearDiscriminant Analysis,简称LDA)或KITTI车辆传感器配置及其坐标等实现,对此本申请不做限制。
所获取到的初始对象的三维数据投影至二维坐标系内后,该初始对象的表现形式通常为二维坐标系内的点集,为了便于数据处理,可以将点集简化为投影线段。
在一些实施方式中,在完成投影后的二维坐标系中,投影结果包括初始对象在二维坐标系的投影线段;投影线段包括第一端和第二端;初始位置包括第一端在二维坐标系的第一坐标以及第二端在二维坐标系的第二坐标。
如图3所示,以检测到的初始对象之一自行车为例,自行车在该二维坐标系中的投影包括第一端P1以及第二端P2,第一端以及第二端为该投影相对于二维坐标系原点,投影最左侧与投影最右侧的两个端点,且从原点分别连接至第一端P1以及第二端P2并延长,自行车的投影恰好全部落入∠P1OP2内部。该自行车的初始位置包括第一端在二维坐标系中的第一坐标P1(x1,y1)、第二端在二维坐标系中的第二坐标P2(x2,y2)、以及分别与第一坐标和第二坐标对应的时间戳,线段P1P2的长度用于表征初始对象的宽度,二维坐标系的原点距离该线段P1P2的中点的距离,用于表征该初始对象与车辆的距离。
在一些实施方式中,步骤基于初始对象的初始位置,从初始对象中确定目标对象,包括以下步骤。
(1)以预设检测周期采集初始对象的初始位置。
(2)确定初始对象的当前采集的初始位置与初始对象的上一检测周期采集的初始位置的位置误差;
(3)若位置误差位于预设位置误差范围内,则确定初始对象为目标对象。
在一些实施方式中,每隔预设检测周期,对已识别出的初始对象进行一次跟踪检测,进一步确定相对于车辆不断移动的初始对象,是否为同一目标,其中预设检测周期的时长可以根据实际情况具体设置。例如预设检测周期可以是0.3s。
在一些实施方式中,初始对象在第一时刻检测到的初始位置为线段P1P2,其中,P1(x1,y1)、P2(x2,y2),线段P1P2的中点为M((x1+x2)/2,(y1+y2)/2),线段P1P2的长度为
在经过预设检测周期后,初始对象在第二时刻检测到的初始位置为线段P1’P2’,其中,P1’(x1’,y1’)、P2’(x2’,y2’),线段P1’P2’的中点为M’((x1’+x2’)/2,(y1’+y2’)/2),线段P1’P2’的长度
在一些实施方式中,比较相邻两次初始位置的数据,包括获取相邻两次投影线段的长度之差,以及相邻两次投影线段的中点的位置差,根据该长度之差以及中点的位置差,确定相邻两次初始位置的位置误差,当该位置误差小于或等于预设位置误差时,则确定连续进行两次跟踪检测的初始对象为同一目标,并将该初始对象确定为用于泊车规划的目标对象,便于后续对目标对象持续进行跟踪检测以及位置预测。
在一些实施方式中,若位置误差大于预设位置误差,则可以确定相邻两次检测的目标非同一目标,并对该初始对象不再继续进行检测,以此减少数据的处理量,还能降低误检带来的影响,提高检测的准确率与效率。
在一些实施方式中,步骤确定目标对象在预设时间后到达的预测位置的预测位置信息,可以包括步骤:
(1)将目标对象在预设检测时间范围内的确定的所有初始位置作为目标对象的跟踪位置信息。
(2)将跟踪位置信息输入至预先训练的目标神经网络中,得到目标对象在预设时间后的预测位置的预测位置信息。
对被确定为目标对象的初始对象,保存所有对其跟踪检测到的初始位置信息,作为该目标对象的跟踪位置信息。
在一些实施方式中,为后续对目标对象进行轨迹预测的需要,需要在预设时间间隔内,获取足够数量的初始位置信息,例如,从t0时刻到tNmax时刻,每隔时间间隔△t获取的初始位置信息进行存储。
其中,初始位置信息包括,每次跟踪检测获得的目标对象投影线段的第一端与第二端的坐标,以及分别每次进行数据采集时的时间戳。
在一些实施方式中,数据的存储空间有一定上限,若在预设时间内存储的初始位置的数量超过该上限,则将部分旧数据继续删除,即仅保存最新获取的预设数量的位置信息,以确保最新检测到的初始位置数据可以正确保存。
在车辆按照原有泊车规划行驶时,通常车速较慢,在行驶至目标车位的过程中,可能会存在一些如行人或小型自行车的移动目标进入初始泊车路径,而这些移动目标的速度往往差异较大,如部分行人在车辆靠近时会停止,主动避让正在行驶的车辆,但部分行人可能未注意或移速较高,无法避让车辆并进入初始泊车路径中。为了针对各种可能出现的情况,需要对目标对象的轨迹进行预测,预测在经过预设时间后,该目标对象是否会进入初始泊车路径中,进而影响原有的初始泊车规划。
在本申请提供的实施例中,跟踪位置信息中包括目标对象所在位置的坐标信息以及时间信息,因此可以根据多个坐标信息以及对应的时间信息,通过机器学习的多项式拟合的方式计算目标对象的预测轨迹。
在一些实施方式中,以每个坐标信息中的x坐标为例,可以建立多项式
其中M为该多项式的阶数,xj表示x的j次方,w≡(w0,w1,...wM)表示多项式的系数,其中多项式中的系数可以通过数据拟合得到,t表示与该多项式中x坐标信息对应的检测时间。将跟踪位置信息中的横坐标值x代入上述多项式得到j次多项式在给定跟踪位置信息的横坐标处的纵坐标/>
此时需要一个指标来评判所有的和跟踪位置信息中的y坐标相差值,因此可以在训练集上最小化一个关于/>和t的损失函数。
在一些实施方式中,损失函数可以是平方误差和形式,定义为 该损失函数为关于w的二次函数,当坐标信息中所有的坐标(x,y)都符合上述多项式时,E(w)才为0,E(w)越小,拟合情况越好。因此为了得到最佳的拟合函数,需要得到一组使E(w)最小化的系数。不同的w可以通过计算得到唯一解w*,代回到上述E(w)的式子中,即可得到最小的损失函数,带回多项式/>中,得到最佳的拟合函数。
以此类推,根据上述方法,可以预测出目标对象在下一次跟踪检测时刻的位置,即线段P1’P2’中P1’以及P2’的坐标信息,并将所预测出的下一次跟踪检测时刻的位置作为目标对象的预测位置,预测位置对应的位置信息为预测位置信息。
在一些实施方式中,目标对象的轨迹预测方还可以通过卡尔曼滤波、神经网络、差分自回归移动平均、动力学模型等方法实现,具体可以根据实际使用需要进行设置,本申请对此不作限制。
在步骤130中,根据预测位置信息以及多个预测位置区域确定目标对象在预设时间后到达的目标预测位置区域。
在一些实施方式中,步骤根据预测位置信息以及多个预测位置区域确定目标对象在预设时间后到达的目标预测位置区域,可以包括以下步骤。
(1)确定目标对象在预设坐标系中,预测位置信息对应的位置坐标。
(2)根据位置坐标确定预测位置与车辆位置区域的相对距离。
(3)根据相对距离,确定目标对象在预设时间后到达的目标预测位置区域。
在一些实施方式中,预设坐标系即如图3所示的二维坐标系,预测位置信息包括目标对象的在预设坐标系中的投影中,第一端的第一预测坐标以及第二端的第二预测坐标;即根据前述步骤,目标对象在预设坐标系中,线段P1’P2’中P1’以及P2’的坐标信息。其中,P1’的坐标为第一预测坐标,P2’的坐标为第二预测坐标,线段P1’P2’的中点坐标为中点预测坐标。
在一些实施方式中,步骤根据位置坐标确定预测位置与车辆位置区域的相对距离,可以包括以下步骤。
(1)根据第一预测坐标与第二预测坐标确定中点预测坐标。
(2)根据中点预测坐标,确定中点到车辆位置区域的距离作为相对距离。
预测位置的在二维坐标系的投为线段P1’P2’,线段P1’P2’的两端点坐标分别为P1’(x1’,y1’)以及P2’(x2’,y2’)。由此可以确定中点预测坐标为M’((x1’+x2’)/2,(y1’+y2’)/2)。
在确定相对距离时,应尽可能计算相对位置距离的最小值,根据距离-速度公式,由此获得的预测时间更短,因此车辆对相对距离更近的目标对象进行泊车规划,可以更早地对控制。
请参阅图4,图4示出了本申请实施例提供的一种应用场景示意图。在一些实施方式中,该中点M’与车辆位置区域的边缘的切点之间的距离,为最短距离,也即相对距离d。
相对距离可以用于预测目标对象是否即将进入车辆位置区域,例如当相对距离较小时,则可以判断该目标对象与车辆的距离较近,且将很快进入易与车辆发生碰撞的区域,进而初始的泊车过程产生影响,易发生安全事故;当相对距离较大时,则可以判断该目标对象与车辆的距离较远,目标对象即将进入的区域较为安全,与车辆发生碰撞的几率较小,对初始的泊车过程的影响较小。
在本申请提供的实施例中,多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,重合区与车辆位置区域重合,危险区、观察区以及无效区距离车辆位置区域的距离依次变大;
步骤根据预测位置信息以及多个预测位置区域确定目标对象在预设时间后到达的目标预测位置区域,可以包括步骤:若预测位置位于多个预测位置区域中的一个,则确定目标预测位置区域为预测位置位于到的预测位置区域。
在一些实施方式中,步骤根据相对距离,确定目标对象在预设时间后到达的目标预测位置区域,可以包括以下步骤。
(1)若相对距离处于第一范围内,则确定目标对象位于无效区。
(2)若相对距离处于第二范围内,则确定目标对象位于观察区。
(3)若相对距离处于第三范围内,则确定目标对象位于危险区。
(4)若相对距离处于第四范围内,则确定目标对象位于重合区。
其中,第一范围值大于第二范围值;第二范围值大于第三范围值;第三范围值大于第四范围值。
在一些实施方式中,可以根据目标对象与车辆位置区域的相对距离,从远到近,对目标对象即将进入的区域进行区分,也即根据目标对象对初始泊车规划影响程度以及对初始泊车过程的影响程度,对目标对象即将进入的区域进行进一步的区分。
在一些实施方式中,相对距离的值可能处于第一范围内、第二范围内、第三范围内或第四范围内,第一范围内的值均大于第二范围内的值,第二范围内的值均大于第三范围内的值,第三范围内的值均大于第四范围内的值,且第一范围、第二范围、第三范围以及第四范围可以组成一个完整的数值取值集合。其中第一范围、第二范围、第三范围以及第四范围的数值可以根据实际需求具体设置,例如,按照相对距离的远近,可以将第一范围设置为大于15m的范围,第二范围可以设置为10~15m,第三范围可以设置为5~10m,第四范围可以设置为0~5m。
在一些实施方式中,当相对距离的值处于第一范围内时,即目标对象距离车辆即将行驶进入的车辆位置区域的距离,相距15m以上时,则可以推断该目标对象对初始泊车规划无影响,在该情况下,车辆与目标对象发生碰撞的几率较小,沿初始泊车路径继续行驶的安全性较高,因此可以将目标对象即将进入的预测位置区域确定为无效区S1。
在一些实施方式中,当相对距离的值处于第二范围内时,即目标对象距离车辆即将行驶进入的车辆位置区域的距离相距10~15m时,则可以推断该目标对象可能会对初始泊车规划产生影响,在该情况下,车辆有可能会与目标对象发生碰撞,但通过对车辆进行控制可以避免(如降低车速或鸣笛提示),对于是否可以继续沿初始泊车路径继续行驶,可以进行进一步的观察,因此可以将目标对象即将进入的预测位置区域确定为观察区S2。
在一些实施方式中,当相对距离的值处于第三范围内时,即目标对象距离车辆即将行驶进入的车辆位置区域的距离相距5~10m时,则可以推断该目标对象会对初始泊车规划产生影响,在该情况下,车辆与目标对象发生碰撞的几率较大,继续沿初始泊车路径行驶,危险性较高,可以通过对车辆进行控制避免,如停车等待,但对于是否可以继续沿初始泊车路径继续行驶,还需要进一步的判定,因此可以将目标对象即将进入的预测位置区域确定为危险区S3。
在一些实施方式中,当相对距离的值处于第四范围内时,即目标对象距离车辆即将行驶进入的车辆位置区域的距离相距0~5m时,则可以推断该目标对象会影响该初始泊车路径的继续行进,在该情况下,目标对象进入车辆位置区域的几率很大,车辆与目标对象发生碰撞的几率很大,继续沿初始泊车路径行驶,危险性很高,并可以确定该初始泊车路径已经不适合行进,需要对泊车路径进行重新规划,因此可以将目标对象即将进入的预测位置区域确定为重合区S4。
可以理解的是,当多个目标对象分别处于无效区、观察区、危险区或重合区时,或当多个目标对象同时处于无效区、观察区、危险区或重合区时,与各个预测位置区域所对应的车辆控制方法,可以同时进行。即当初始泊车路径中存在来自多个方向的多个目标对象时,能够同时根据多个目标对象的预测位置区域,对车辆进行控制以及对泊车路径进行规划。
在一些实施方式中,因为目标对象是可移动的,在目标对象经过不同区域时,***不断执行对应的方法,为防止在改变执行不同区域对应的方法时引起的逻辑跳动,可以在各个区域之间,设置回滞区间,以提高***的抗干扰性能。
在步骤140中,根据目标预测位置区域确定泊车路径规划策略,多个预测位置区域对应的泊车路径规划策略不同。
在一些实施方式中,步骤根据目标预测位置区域确定泊车路径规划策略,多个预测位置区域对应的泊车路径规划策略不同,可以包括以下步骤。
(1)若目标对象位于无效区,则将初始泊车路径作为目标泊车路径,并保持当前车辆的状态信息不变。
(2)若目标对象位于观察区,则将初始泊车路径作为目标泊车路径;并将车辆的车速控制在预设范围内。
(3)若目标对象位于危险区,则停止车辆,并根据目标对象处于危险区内的滞留时间以及预设等待时间确定是否进行路径规划;若进行路径规划,则基于危险区以外的区域进行路径规划,以确定目标泊车路径;若不进行路径规划,则将初始路径作为目标泊车路径。
(4)若目标对象位于重合区,则停止车辆,并根据重合区以外的区域进行路径规划,以确定目标泊车路径。
在一些实施方式中,当目标对象位于无效区时,目标对象不影响初始泊车的规划,因此车辆可以继续沿当前初始泊车路径继续行驶,且车辆保持当前的状态信息不变,如车速、方向转角等。车辆无需对泊车路径重新进行规划,因此确定当前的初始泊车路径为目标泊车路径。
在一些实施方式中,当目标对象位于观察区S2时,目标对象可能会影响初始泊车的规划,但可以通过对车辆进行控制,避免与目标对象发生碰撞,如将车速控制在预设范围内,能增大车辆与目标对象的接近时间,使目标对象有更多的时间离开观察区,还能够使车辆在预设碰避障时间以及预设避障距离内刹停。
其中,预设范围可以根据实际情况具体设置,例如预设范围可以是2~4m/s。
例如当车速从10m/s控制至4m/s时,车辆在距离目标对象12m时,车辆行驶至目标对象的位置区域所需的时间,从1.2s增加至3s,所增加的1.8s为目标对象提供足够的时间离开观察区,同时可以通过鸣笛提示行人加速通过,
例如当车速控制为4m/s时,车辆可以在距离目标对象4m时进行刹车。通常车辆的刹车加速度为6m/s2,则4m/s时的刹车时间为0.67s,刹车距离为1.33m,刹车后距离目标对象2.67m,此时车辆仍能够与目标对象保持一定的距离,不会发生碰撞,从而保证了在初始泊车路径上继续行驶的安全性,因此可以确定初始泊车路径为目标泊车路径。
在一些实施方式中,当目标对象位于危险区S3时,以当前的车辆状态信息继续行驶,易与目标对象发生碰撞,需要立刻停车,等待目标对象通过,但是目标对象的移速并不确定,例如老人的移速较慢,儿童在奔跑时的移速较快,此外还存在目标对象停止在原地的情况,因此需要对目标对象的轨迹进行预测,确定目标对象滞留在危险区内的时间,进而对泊车路径进行进一步的规划。
车辆在停车等待时,可以为目标对象预留出通过的时间,将该时间确定为预设等待时间。利用前述方法,预测目标对象的行动轨迹,根据该行动轨迹计算出目标对象从当前位置,到离开危险区时所移动的距离。由于在对目标对象进行跟踪检测时,保存有目标对象在每个位置区域的对应时间戳,因此可以根据距离-时间关系,预测目标对象的移动速度,根据目标对象的移动速度以及移动距离,预测目标对象在危险区内的滞留时间,并比较滞留时间以及预设等待时间。
在一些实施方式中,步骤根据目标对象处于危险区内的滞留时间以及预设等待时间确定是否进行路径规划,包括以下步骤。
(1)若目标对象处于危险区内的滞留时间大于预设等待时间,则确定进行路径规划。
(2)若目标对象处于危险区内的滞留时间小于或等于预设等待时间,则确定不进行路径规划。
当滞留时间大于预设等待时间时,则认为车辆经等待后,危险区内仍然有目标对象,此时继续行进仍然有碰撞的危险,而如果继续等待,则影响泊车效率,故确定当前的初始泊车路径无法继续行进,并确定该危险区为无效区域,车辆需要利用无效区域以外的区域重新进行泊车规划。
当滞留时间小于或等于预设等待时间,则认为车辆经等待后,危险区内将不存在目标对象,此时继续行进不会有碰撞的危险,继续沿该初始路径行进时的泊车效率较高,因此确定当前的初始泊车路径为目标泊车路径。
在一些实施方式中,当目标对象位于重合区S4时,目标对象与车辆的距离很近,一旦继续行驶,就极有可能与目标对象发生碰撞,确定当前的初始泊车路径已经不适合继续行进,并确定该重合区为无效区域,车辆需要利用无效区以外的区域重新进行泊车规划。
可以理解的是,当被确定为无效区域的区域内,又重新满足可用于泊车路径规划的条件时,(如该区域内的目标对象已经离开)将该无效区域重新纳入可进行泊车路径规划的区域。
在上述方法中,对于需要对泊车路径重新规划的情况,步骤根据目标预测位置区域确定泊车路径规划策略,多个预测位置区域对应的泊车路径规划策略不同,还包括以下步骤。
(1)若目标对象处于观察区、危险区、重合区中的其中一个,则预测目标对象离开观察区、危险区、重合区的行进时间。
(2)确定车辆按照初始泊车路径的初始泊车时间。
(3)根据目标对象的位置和车辆的位置确定规划区域。
(4)基于规划区域确定规划泊车路径;规划泊车路径不进入规划区域;
(5)确定车辆按照规划泊车路径的规划泊车时间。
(6)基于初始泊车时间、行进时间和规划泊车时间确定目标泊车路径。
在一些实施方式中,利用前述方法,预测目标对象的行动轨迹,根据该行动轨迹计算出目标对象从当前位置,到离开观察区、危险区或重合区时所移动的距离。由于在对目标对象进行跟踪检测时,保存有目标对象在每个位置区域时的对应时间戳,因此可以根据距离-时间关系,预测目标对象的移动速度,根据移动速度以及移动距离,预测目标对象在观察区、危险区或重合区内的行进时间△T3。
根据初始泊车路径,获取车辆从当前位置到泊车结束所需要继续行驶的行驶距离,在该过程中,为理想状态,即假设在后续的泊车过程中,车辆无需避障。因此可以根据车辆当前的车速以及加速度,确定车辆从当前位置到泊车结束阶段的平均速度,根据距离-速度关系,预测车辆从当前位置,继续沿初始泊车路径行驶,至泊车结束,所需要的初始泊车时间△T1。
在本申请提供的实施例中,目标对象通常被简化成一条投影线段,但实际中目标对象通常具有一定的体积,为了提升自动泊车的安全性,以及对目标对象位置预测的准确性,可以对目标对象周围划分出规划区域,规划区域可以表征因目标对象具有体积而使得车辆无法行进的区域,因此车辆在对泊车路径进行重新规划时,以不进入规划区域为标准,对规划区域以外的区域重新进行泊车规划。
其中,对规划区域的确定方式,可以参阅图5,图5示出了一种规划区域的示意图,如图5所示,在前述以车辆中心为原点的二维坐标系中,假设在第一时刻T0对目标对象进行跟踪检测,目标对象在第二时刻T1时进入观察区、危险区或重合区(即与初始泊车路径的边缘重合),目标对象将在T1时刻进入观察区、危险区或重合区,目标对象在第一时刻的位置为M0,目标对象在第二时刻的位置为M1,则目标对象在从T0时刻到T1时刻,所行进的距离为线段M0M1所表示的距离。
以线段M0M1为中心线,以垂直于线段M0M1,分别经过点M1和点M2,两边各扩展D0长度,建立矩形区域Z1;以M1为圆心,以R0为半径,建立圆形区域Z0,取矩形区域Z1与圆形区域Z0的合集,作为规划区域。
车辆在以不进入规划区域为目标重新进行泊车规划时,需要获取重新规划的泊车路径所需要继续行驶的距离,并根据车辆的平均速度计算车辆按照规划泊车路径行驶至泊车结束所需要的规划泊车时间△T2。
为了保证泊车效率,需要根据沿当前初始泊车路径所需要继续行驶的时间,以及沿规划泊车路径行驶所需要的规划泊车时间,确定车辆以何种方式继续行驶,泊车效率更高。
在一些实施方式中,步骤基于初始泊车时间、行进时间和规划泊车时间确定目标泊车路径,可以包括以下步骤。
(1)根据初始泊车时间和行进时间之和确定初始总时间。
(2)若初始总时间超过规划泊车时间的值大于预设阈值,则将规划泊车路径作为目标泊车路径。
在实际情况中,通常需要对初始泊车路径中的目标对象进行避让,如减速或停车,避障时间最快为目标对象的行进时间△T3,在经过△T3时间后,车辆继续以原有的车辆状态信息行驶。因此,若车辆按照初始泊车路径继续行驶,则初始泊车时间△T3与行进时间△T1之和,即为初始总时间。
在一些实施方式中,可以根据以下式子确定是否将规划泊车路径作为目标泊车路径:
△T3+△T1-△T2>Td
其中,△T3+△T1为初始总时间,用于表示沿当前初始泊车路径所需要继续行驶的时间,△T2为规划泊车时间,Td为预设阈值。
当初始总时间超过规划泊车时间的的值,即△T3+△T1-△T2,大于预设阈值Td时,则认为车辆沿初始泊车路径进行泊车所需要的时间远远大于沿规划泊车路径进行泊车所需要的时间,进而确定车辆沿泊规划泊车路径进行泊车的效率更高,因此将规划泊车路径作为目标泊车路径。
当初始总时间超过规划泊车时间的的值,即△T3+△T1-△T2,小于或等于预设阈值Td时,则认为车辆沿初始泊车路径进行泊车所需要的时间与沿规划泊车路径进行泊车所需要的时间相等,或者车辆沿初始泊车路径进行泊车所需要的时间比沿规划泊车路径进行泊车所需要的时间短,进而确定车辆沿初始泊车路径进行泊车的效率更高,因此将初始泊车路径作为目标泊车路径。
请参阅图6,图6示出了本申请一实施例提供的自动泊车规划装置200,该自动泊车规划装置200包括:车辆位置预测单元210、行人位置预测单元220、位置区域预测单元230、路径规划单元240。
车辆位置预测单元210用于获取车辆的状态信息和初始泊车路径,根据车辆的状态信息以及初始泊车路径,预测车辆在预设时间后到达的车辆位置区域,并根据车辆位置区域基于预定义的规定确定多个预测位置区域。多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,重合区与车辆位置区域重合,危险区、观察区以及无效区距离车辆位置区域的距离依次变大。
行人位置预测单元220用于识别车辆预设范围内的目标对象,确定目标对象的当前位置信息,并预测目标对象在预设时间后到达的预测位置信息。
位置区域预测单元230用于根据预测位置信息以及多个预测位置区域确定目标对象在预设时间后到达的目标预测位置区域。
路径规划单元240用于根据目标预测位置区域确定泊车路径规划策略,多个预测位置区域对应的泊车路径规划策略不同。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。对于方法实施例中的所描述的任意的处理方式,在装置实施例中均可以通过相应的处理模块实现,装置实施例中不再一一赘述。
在本申请所提供的几个实施例中,模块相互之间的耦合可以是电性,机械或其它形式的耦合。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
请参考图7,其示出了本申请实施例提供的一种车辆的结构框图。本申请中的车辆300可以包括一个或多个如下部件:处理器310、存储器320、以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器320中并被配置为由一个或多个处理器310执行,一个或多个程序配置用于执行如前述方法实施例所描述的方法。
处理器310可以包括一个或者多个处理核。处理器310利用各种接口和线路连接整个车辆300内的各个部分,通过运行或执行存储在存储器320内的指令、程序、代码集或指令集,以及调用存储在存储器320内的数据,执行车辆300的各种功能和处理数据。可选地,处理器310可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器310可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器310中,单独通过一块通信芯片进行实现。
存储器320可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器320可用于存储指令、程序、代码、代码集或指令集。存储器320可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于实现至少一个功能的指令、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端300在使用中所创建的数据等。
请参考图8,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质400中存储有程序代码,程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质400可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质400包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质400具有执行上述方法中的任何方法步骤的程序代码410的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码410可以例如以适当形式进行压缩。
综上,本申请提供的一种自动泊车规划方法、装置、车辆及存储介质,通过获取车辆的状态信息和初始泊车路径,根据车辆的状态信息以及初始泊车路径,预测车辆在预设时间后到达的车辆位置区域,并根据车辆位置区域基于预定义的规定确定多个预测位置区域;多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,重合区与车辆位置区域重合,危险区、观察区以及无效区距离车辆位置区域的距离依次变大;识别车辆预设范围内的目标对象,确定目标对象的当前位置信息,并预测目标对象在预设时间后到达的预测位置的预测位置信息;根据预测位置信息以及多个预测位置区域确定目标对象在预设时间后到达的目标预测位置区域;根据目标预测位置区域确定泊车路径规划策略,多个预测位置区域对应的泊车路径规划策略不同。该方法在初始泊车路径的基础上,对车辆的位置区域进行实时预存,并对行驶在初始泊车路径上的车辆周围可能遇到的目标对象,实时进行位置预测,从而根据两者的位置关系进行目标对象避障以及泊车路径规划,该方法结合目标对象以及车辆两者的实时状态,对车辆进行控制以及确定新的目标泊车路径,增强了泊车规划方式的灵活性以及可控性,提升泊车过程中的安全性以及泊车效率,使泊车规划更加合理。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种自动泊车规划方法,其特征在于,包括:
获取车辆的状态信息和初始泊车路径,根据所述车辆的状态信息以及所述初始泊车路径,预测所述车辆在预设时间后到达的车辆位置区域,并根据所述车辆位置区域基于预定义的规定确定多个预测位置区域;多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,所述重合区与所述车辆位置区域重合,所述危险区、所述观察区以及所述无效区距离所述车辆位置区域的距离依次变大;
识别所述车辆预设范围内的目标对象,确定所述目标对象的当前位置信息,并预测所述目标对象在预设时间后到达的预测位置的预测位置信息;
根据所述预测位置信息以及所述多个预测位置区域确定所述目标对象在预设时间后到达的目标预测位置区域;
根据所述目标预测位置区域确定泊车路径规划策略,所述多个预测位置区域对应的泊车路径规划策略不同;
其中,所述根据所述目标预测位置区域确定泊车路径规划策略,所述多个预测位置区域对应的泊车路径规划策略不同,包括:
若所述目标对象处于所述观察区、所述危险区、所述重合区中的其中一个,则预测所述目标对象离开所述观察区、所述危险区、所述重合区的行进时间;
确定所述车辆按照所述初始泊车路径的初始泊车时间;
根据所述目标对象的位置和所述车辆的位置确定规划区域;其中,所述规划区域通过划分所述目标对象周围区域得到;所述规划区域表征因所述目标对象具有体积而使得所述车辆无法行进的区域;
以不经过所述规划区域为目标确定规划泊车路径;
确定所述车辆按照所述规划泊车路径的规划泊车时间;
基于所述初始泊车时间、所述行进时间和所述规划泊车时间确定目标泊车路径。
2.根据权利要求1所述的方法,其特征在于,所述根据预测位置信息以及所述多个预测位置区域确定所述目标对象在预设时间后到达的目标预测位置区域,包括:
确定所述目标对象在预设坐标系中,所述预测位置信息对应的位置坐标;
根据所述位置坐标确定所述预测位置与所述车辆位置区域的相对距离;
根据所述相对距离,确定所述目标对象在预设时间后到达的目标预测位置区域。
3.根据权利要求2所述的自动泊车规划方法,其特征在于,其特征在于,所述根据所述目标预测位置区域确定泊车路径规划策略,所述多个预测位置区域对应的泊车路径规划策略不同,还包括:
若所述目标对象位于所述无效区,则将所述初始泊车路径作为目标泊车路径,并保持当前所述车辆的状态信息不变;
若所述目标对象位于所述观察区,则将所述初始泊车路径作为目标泊车路径;并将所述车辆的车速控制在预设范围内;
若所述目标对象位于所述危险区,则控制所述车辆停止,并根据所述目标对象处于所述危险区内的滞留时间以及预设等待时间确定是否重新进行路径规划;若确定重新进行路径规划,则基于所述危险区以外的区域进行路径规划,以确定目标泊车路径;若确定不重新进行路径规划,则将所述初始路径作为目标泊车路径;
若所述目标对象位于重合区,则控制所述车辆停止,并根据所述重合区以外的区域进行路径规划,以确定目标泊车路径。
4.根据权利要求3所述的自动泊车规划方法,其特征在于,所述根据所述目标对象处于所述危险区内的滞留时间以及预设等待时间确定是否进行路径规划,包括:
若所述目标对象处于所述危险区内的滞留时间大于所述预设等待时间,则确定重新进行路径规划;
若所述目标对象处于所述危险区内的滞留时间小于或等于所述预设等待时间,则确定不重新进行路径规划。
5.根据权利要求1所述的自动泊车规划方法,其特征在于,所述基于所述初始泊车时间、所述行进时间和所述规划泊车时间确定目标泊车路径,包括:
根据所述初始泊车时间和所述行进时间之和确定初始总时间;
若所述初始总时间超过所述规划泊车时间的值大于预设阈值,则将所述规划泊车路径作为目标泊车路径。
6.一种自动泊车规划装置,其特征在于,包括:
车辆位置预测单元,用于获取车辆的状态信息和初始泊车路径,根据所述车辆的状态信息以及所述初始泊车路径,预测所述车辆在预设时间后到达的车辆位置区域,并根据所述车辆位置区域基于预定义的规定确定多个预测位置区域;多个预测位置区域包括依次邻接的重合区、危险区、观察区、无效区,所述重合区与所述车辆位置区域重合,所述危险区、所述观察区以及所述无效区距离所述车辆位置区域的距离依次变大;
行人位置预测单元,用于识别所述车辆预设范围内的目标对象,确定所述目标对象的当前位置信息,并预测所述目标对象在预设时间后到达的预测位置的预测位置信息;
位置区域预测单元,用于根据所述预测位置信息以及所述多个预测位置区域确定所述目标对象在预设时间后到达的目标预测位置区域;
路径规划单元,用于根据所述目标预测位置区域确定泊车路径规划策略,所述多个预测位置区域对应的泊车路径规划策略不同;其中,所述根据所述目标预测位置区域确定泊车路径规划策略,所述多个预测位置区域对应的泊车路径规划策略不同,包括:若所述目标对象处于所述观察区、所述危险区、所述重合区中的其中一个,则预测所述目标对象离开所述观察区、所述危险区、所述重合区的行进时间;确定所述车辆按照所述初始泊车路径的初始泊车时间;根据所述目标对象的位置和所述车辆的位置确定规划区域;其中,所述规划区域通过划分所述目标对象周围区域得到;所述规划区域表征因所述目标对象具有体积而使得所述车辆无法行进的区域;以不经过所述规划区域为目标确定规划泊车路径;确定所述车辆按照所述规划泊车路径的规划泊车时间;基于所述初始泊车时间、所述行进时间和所述规划泊车时间确定目标泊车路径。
7.一种车辆,其特征在于,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如权利要求1-5任一项所述的自动泊车规划方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-5任一项所述的自动泊车规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310462184.2A CN116442991B (zh) | 2023-04-25 | 2023-04-25 | 自动泊车规划方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310462184.2A CN116442991B (zh) | 2023-04-25 | 2023-04-25 | 自动泊车规划方法、装置、车辆及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116442991A CN116442991A (zh) | 2023-07-18 |
CN116442991B true CN116442991B (zh) | 2024-06-11 |
Family
ID=87133664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310462184.2A Active CN116442991B (zh) | 2023-04-25 | 2023-04-25 | 自动泊车规划方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116442991B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108121205A (zh) * | 2017-12-13 | 2018-06-05 | 深圳市航盛电子股份有限公司 | 一种用于多种泊车场景的路径规划方法、***及介质 |
CN113200040A (zh) * | 2021-06-17 | 2021-08-03 | 广州小鹏自动驾驶科技有限公司 | 一种自动泊车的方法和装置 |
WO2022021910A1 (zh) * | 2020-07-25 | 2022-02-03 | 华为技术有限公司 | 一种车辆碰撞检测方法、装置及计算机可读存储介质 |
JP2022055046A (ja) * | 2020-09-28 | 2022-04-07 | ダイハツ工業株式会社 | 運転支援装置 |
CN114572196A (zh) * | 2022-03-18 | 2022-06-03 | 重庆长安汽车股份有限公司 | 自动泊车***针对静止障碍物的避撞处理办法 |
CN115092125A (zh) * | 2022-07-08 | 2022-09-23 | 浙江吉利控股集团有限公司 | 一种自动泊车控制方法和装置 |
WO2023005223A1 (zh) * | 2021-07-27 | 2023-02-02 | 北京三快在线科技有限公司 | 轨迹规划方法、装置、存储介质、设备及计算机程序产品 |
-
2023
- 2023-04-25 CN CN202310462184.2A patent/CN116442991B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108121205A (zh) * | 2017-12-13 | 2018-06-05 | 深圳市航盛电子股份有限公司 | 一种用于多种泊车场景的路径规划方法、***及介质 |
WO2022021910A1 (zh) * | 2020-07-25 | 2022-02-03 | 华为技术有限公司 | 一种车辆碰撞检测方法、装置及计算机可读存储介质 |
JP2022055046A (ja) * | 2020-09-28 | 2022-04-07 | ダイハツ工業株式会社 | 運転支援装置 |
CN113200040A (zh) * | 2021-06-17 | 2021-08-03 | 广州小鹏自动驾驶科技有限公司 | 一种自动泊车的方法和装置 |
WO2023005223A1 (zh) * | 2021-07-27 | 2023-02-02 | 北京三快在线科技有限公司 | 轨迹规划方法、装置、存储介质、设备及计算机程序产品 |
CN114572196A (zh) * | 2022-03-18 | 2022-06-03 | 重庆长安汽车股份有限公司 | 自动泊车***针对静止障碍物的避撞处理办法 |
CN115092125A (zh) * | 2022-07-08 | 2022-09-23 | 浙江吉利控股集团有限公司 | 一种自动泊车控制方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116442991A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9688272B2 (en) | Surroundings monitoring apparatus and drive assistance apparatus | |
CN112389466B (zh) | 车辆自动避让方法、装置、设备及存储介质 | |
JP5167051B2 (ja) | 車両の運転支援装置 | |
CN106794840B (zh) | 车辆行驶控制装置 | |
CN113267199B (zh) | 行驶轨迹规划方法及装置 | |
CN114523963B (zh) | 预测与宿主车辆的道路碰撞的***和方法 | |
CN114258366A (zh) | 对于自主车辆的折线轮廓表示 | |
CN109204311A (zh) | 一种汽车速度控制方法和装置 | |
US11685406B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
JP2019093764A (ja) | 車両制御装置 | |
CN114291116B (zh) | 周围车辆轨迹预测方法、装置、车辆及存储介质 | |
CN113631452A (zh) | 一种变道区域获取方法以及装置 | |
CN113442917A (zh) | 用于宿主机动车辆的警告*** | |
US11087147B2 (en) | Vehicle lane mapping | |
CN111985850A (zh) | 行车风险控制方法及行车风险控制装置、计算机存储介质 | |
JP5771930B2 (ja) | 走行軌跡作成装置 | |
CN113335311B (zh) | 一种车辆碰撞检测方法、装置、车辆及存储介质 | |
CN112703140A (zh) | 控制方法和控制装置 | |
CN116442991B (zh) | 自动泊车规划方法、装置、车辆及存储介质 | |
US20230053243A1 (en) | Hybrid Performance Critic for Planning Module's Parameter Tuning in Autonomous Driving Vehicles | |
CN115071701A (zh) | 车辆控制装置及车辆控制方法 | |
JP2022071393A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN113060135A (zh) | 一种车辆防碰装置和方法 | |
JP7470584B2 (ja) | 走行支援方法及び走行支援装置 | |
CN115534943A (zh) | 车辆与待监测车辆碰撞预测的方法和装置 |
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 |