CN114906129B - 基于超声聚类的泊车目标位姿确定方法 - Google Patents

Abstract

本发明公开了一种基于超声聚类的泊车目标位姿确定方法，包括如下步骤：S1，基于车辆感知系统获取泊车车位信息和障碍物信息，根据泊车车位信息和车辆长宽信息确定预泊车目标车位区域，所述，所述预泊车目标车位区域为一块宽度大于车辆宽度的长方形区域，由P0、P1、P2、P3四个角点组成，其中，P0、P1为车头左右两侧角点，P2、P3为车尾左右两侧角点；S2，根据预目标车位区域向外扩展一定距离，得到感兴趣的障碍物监测区域；S3，搜索障碍物监测区域内所有障碍物，并选出距离障碍物监测区域中心多方位最近的障碍物后，通过计算获得最终泊车目标位姿点。

Description

基于超声聚类的泊车目标位姿确定方法

技术领域

本发明涉及智能汽车领域，具体涉及一种基于超声聚类的泊车目标位姿确定方法。

背景技术

近年来，随着汽车数量的不断增加及有限的城市空间，使得泊车环境越来越复杂，泊车难的问题越发凸显。驾驶员驾驶车辆到目的地时，会花费大量时间寻找空闲车位并泊车，同时由于泊车环境的复杂性，泊车过程也会有一定的风险性。为了解决上述问题，现有很多智能汽车都提供了自主代客泊车系统。路径规划作为自主代客泊车系统的重要组成部分，对泊车的结果有着显著的影响。而期望泊车目标位姿点和车位信息、障碍物信息等作为路径规划的基础，为泊车路径规划提升了准确性和效率。

目前，公开号为111674390的中国专利公开了一种自动泊车路径规划的避障方法，包括：根据车辆初始位置、停车位以及障碍物信息规划泊车路径轨迹；在泊车路径轨迹上根据预设步长选取若干节点，确定各节点对应的位姿；根据各节点对应的位姿，将车辆轮廓依次拟合至各节点上；建立坐标系，判断是否存在与障碍物在X轴方向以及Y轴方向均发生投影重叠的车辆轮廓，若是，则认为泊车路径轨迹不合格，重新规划泊车路径；否则，认为泊车路径轨迹合格。该方法对以车辆后轴中点为质点规划的泊车路径轨迹进行了障碍物碰撞检测，避免了泊车过程中发生碰撞风险。其确定最终停车位姿时，需要建立坐标系后，判断障碍物在各个方向上与坐标系的投影是否重叠，只能规避碰撞风险，缺少对目标泊车位姿具体确认方式。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种实施方式简单，计算步骤少，且能够规避障碍物重新确定泊车目标位姿的一种基于超声聚类的泊车目标位姿确定方法。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于超声聚类的泊车目标位姿确定方法，其特征在于，包括如下步骤：S1，基于车辆感知系统获取泊车车位信息和障碍物信息，根据泊车车位信息和车辆长宽信息确定预泊车目标车位区域，所述，所述预泊车目标车位区域为一块宽度大于车辆宽度的长方形区域，由P0、P1、P2、P3四个角点组成，其中，P0、P2为车位左侧角点，P1、P3为车位右侧角点；S2，根据预目标车位区域向外扩展一定距离，得到感兴趣的障碍物监测区域；S3，搜索障碍物监测区域内所有障碍物，并选出距离障碍物监测区域中心多方位最近的障碍物后，通过计算获得最终泊车目标位姿点(x,y,θ)。

进一步的，S1中，若感知系统获取到的车位为画线车位，则画线车位的矩形区域为预泊车目标车位区域；若感知系统没有获取到车位线，则在车辆首次检测到车位边沿下降沿处为起点搜索一块矩形区域(初始超声车位)为预泊车目标车位区域。

进一步的，S3中，搜索障碍物监测区域内所有障碍物，并选出距离障碍物监测区域中心多方位最近的障碍物，包括：首先，基于超声波拟合确定障碍物监测区域各方位障碍物拟合线段；然后判断各障碍物拟合线段端点是否在障碍物监测区域的左右及下边界内，如果满足，则进入备选线段，否则排除；最后，在备选线段中选择距离过障碍物监测区域中心并垂直于P0P1的直线最近的线段端点，若一侧有障碍物线段处于影响泊车安全距离内，则对另一侧边界进行扩大，补偿具有障碍物线段一侧对泊车影响。

进一步的，在计算最终泊车目标位姿点时，若存在画线车位，左右两侧的最近障碍物与过障碍物监测区域中心并垂直于P0P1的直线的距离大于一安全距离d_safe，即d_r≥d_safe,d_l≥d_safe，其中，d_r为右侧最近障碍物到过障碍物监测区域中心线并垂直P0P1的直线的距离，d_l为左侧最近左侧障碍物到过障碍物监测区域中心并垂直于P0P1的直线的距离，由此，若车位为水平车位，若车位为垂直车位，其中，P0_x为P0的x坐标，P1_x为P1的x坐标，l_r为后悬长度。

进一步的，在计算最终泊车目标位姿点时，若存在画线车位，左右两侧只有一侧具有障碍物，且最近障碍物距离过障碍物监测区域中心并垂直于P0P1的直线的距离小于一安全距离d_safe，即d_r<d_safe或d_l<d_safe，由此，若车位为水平车位，x＝x_rightobs-d_safe-l_r或x＝x_leftobs+d_safe+l_r，若车位为垂直车位，或其中，x_rightobs为预泊车目标车位区域右侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直P0P1的直线最近的端点的x坐标，x_leftobs为预泊车目标车位区域左侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直P0P1的直线最近的端点的x坐标，l_r为后悬长度。

进一步的，在计算最终泊车目标位姿点时，若障碍物离垂直车位画线边界太近，画线车位较窄时，即或且|x_rightobs-P0_x|-W≥d_minsafe或|x_leftobs-P1_x|-W≥d_minsafe，则垂直车位更新x为：或若存在画线车位，左右两侧最近障碍物与过障碍物监测区域中心并垂直于P0P1的直线的距离小于安全距离d_safe，若车位为垂直车位，若车位为水平车位，则其中，d_minsafe为障碍物距离车辆的最小安全距离，x_rightobs为预泊车目标车位区域右侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直于P0P1的直线最近的端点的x坐标，x_leftobs为预泊车目标车位区域左侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直于P0P1的直线最近的端点的x坐标，W为预泊车车辆的宽度，P0_x为P0点的x坐标，P1_x为P1点的x坐标，l_r为泊车车辆后悬长度。

进一步的，根据在画线车位P0P2下端障碍物监测区域内部是否存在障碍物，若当前车位为平行车位，且则否则，其中，d_botsafe为车辆离底部障碍物的安全距离，d_bottom为障碍物与P0、P1连线之间的垂直距离，y_bottomobs为底部最近障碍物Cluster两端点中y坐标绝对值的最小值；若当前车位为垂直车位，且则否则，y＝y_bottomobs-d_botsafe-l_r。

进一步的，若不存在画线车位，若车位类型为垂直车位，左右两侧最近障碍物距离都大于W+2d_safe，即|x_rightobs-x_leftobs|≥W+2d_safe，则若不存在画线车位，且在障碍物监测区域只有一侧有障碍物，另一侧障碍物虚拟为对应障碍物监测区域的x坐标，否则，若和范围内不存在障碍物，那么，否则，y＝y_bottomobs-d_botsafe-l_r；其中，W为预泊车车辆的宽度，l_r为泊车车辆后悬长度，x_rightobs为预泊车目标车位区域右侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直于P0P1的直线最近的端点的x坐标，x_leftobs为预泊车目标车位区域左侧的障碍物拟合线段中距离过障碍物监测区域中心并且垂直于P0P1的直线最近的端点的x坐标，y_left为首次探测到下降沿时障碍物拟合线段的端点y坐标绝对值的最小值，y_right为另一侧最近障碍物端点y坐标绝对值的最小值，若障碍物监测区域另一侧不存在障碍物拟合线段，则y_right被赋值为y_left，同理，y_left被赋值为y_right。

进一步的，若当前车位为平行车位，左右两侧最近障碍物距离大于VehL+2d_safe，即|x_rightobs-x_leftobs|≥VehL+2d_safe，则，x＝x_leftobs+d_safe+l_r，否则，若和范围内不存在障碍物，那么，否则，y＝y_bottombs-d_botsafe；其中，W为预泊车车辆的宽度，VehL为泊车车辆车长，y_bottomobs为底部最近障碍物Cluster两端点中y坐标绝对值的最小值，d_botsafe为车辆离底部障碍物的安全距离。

进一步的，若泊车车位为画线垂直车位，目标航向角θ为P0、P2连线角度和P1、P3连线角度的均值，若泊车车位为画线平行车位，目标航向角θ为P0、P1连接角度；若泊车车位为超声车位，目标航向角θ为左右两侧或单侧障碍物拟合线段的角度。

附图说明

图1为实施例中泊车目标位姿确定方法的流程图；

图2为实施例中画线水平车位的障碍物监测区域示意图；

图3为实施例中泊车车位为画线垂直车位时，障碍物监测区域示意图；

图4为实施例中泊车车位为无画线水平车位的障碍物监测区域示意图；

图5为实施例中泊车车位为无画线垂直车位时，障碍物监测区域示意图。；

图6为实施例中画线垂直车位下，左侧具有障碍物的车辆泊车目标位姿；

图7为左右两侧具有障碍物情况下，画线垂直车位的车辆泊车目标位姿；

图8为画线垂直车位尾部具有障碍物情况下，车辆泊车目标位姿；

图9为无画线垂直车位左右两侧均有障碍物情况下，车辆泊车目标位姿；

图10为无画线垂直车位左侧和车位尾部均有障碍物情况下，车辆泊车目标位姿。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

实施例：

如图1所示，本实施例提供的基于超声聚类的泊车目标位姿确定方法，包括如下步骤：S1，基于车辆感知系统获取泊车车位信息(包括车位是否为画线车位，车位的方向，以及确定画线车位四个端点坐标)和障碍物信息(障碍物信息由拟合的线段来表征，包含障碍物ID、端点坐标以及宽度和高度信息)，根据泊车车位信息和车辆长宽信息确定预泊车目标车位区域，所述，所述预泊车目标车位区域为一块宽度大于车辆宽度的长方形区域，由P0、P1、P2、P3四个角点组成，其中，P0、P2为车位左侧角点，P1、P3为车位右侧角点；S2，根据预目标车位区域向外扩展一定距离，得到感兴趣的障碍物监测区域(本实施例中，进行扩展时，是向预目标车位区域左侧、右侧和靠近车位一侧进行扩展，如图2-图10中虚线所示区域)；S3，搜索障碍物监测区域内所有障碍物，并选出距离障碍物监测区域中心多方位最近的障碍物后，通过计算获得最终泊车目标位姿点(x,y,θ)。

S1中，若感知系统获取到的车位为画线车位，则画线车位的矩形区域为预泊车目标车位区域；若感知系统没有获取到车位线，则在车辆首次检测到车位边沿下降沿处为起点搜索一块矩形区域为预泊车目标车位区域。

S3中，搜索障碍物监测区域内所有障碍物，并选出距离障碍物监测区域中心多方位最近的障碍物，包括：首先，基于超声波拟合确定障碍物监测区域各方位障碍物拟合线段；然后判断各障碍物拟合线段端点是否在障碍物监测区域的左右及下边界内，如果满足，则进入备选线段，否则排除；最后，在备选线段中选择距离障碍物监测区域中心最近的线段端点，若一侧有障碍物线段处于影响泊车安全距离内，则对另一侧边界进行扩大，补偿具有障碍物线段一侧对泊车影响。

进一步的，在计算最终泊车目标位姿点时，若存在画线车位，左右两侧的最近障碍物与过障碍物监测区域中心并垂直于P0P1的直线的距离大于一安全距离d_safe，即d_r≥d_safe,d_l≥d_safe，其中，d_r为右侧最近障碍物到过障碍物监测区域中心点并垂直于P0P1的直线的距离，d_l为左侧最近障碍物到过障碍物监测区域中心并垂直于P0P1的直线的距离，由此，若车位为水平车位，若车位为垂直车位，其中，P0_x为P0的x坐标，P1_x为P1的x坐标，l_r为后悬长度。

在计算最终泊车目标位姿点时，若存在画线车位，左右两侧只有一侧具有障碍物，且最近障碍物距离过障碍物监测区域中心并垂直于P0P1的直线的距离小于一安全距离d_safe，即d_r<d_safe或d_l<d_safe，由此，若车位为水平车位，x＝x_rightobs-d_safe-l_r或x＝x_leftobs+d_safe+l_r，若车位为垂直车位，或其中，x_rightobs为预泊车目标车位区域右侧的障碍物拟合线段中距离过障碍物监测区域中心并且垂直于P0P1最近的端点的x坐标，x_leftobs为预泊车目标车位区域左侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直于P0P1的直线最近的端点的x坐标，l_r为后悬长度。图6为画线垂直车位下，左侧具有障碍物的车辆泊车目标位姿。

在计算最终泊车目标位姿点时，若障碍物离垂直画线边界太近，画线车位较窄时，即或且|x_rightobs-P0_x|-W≥d_minsafe或|x_leftobs-P1_x|-W≥d_minsafe，则垂直车位更新x为：或若存在画线车位，左右两侧最近障碍物与过障碍物监测区域中心并垂直于P0P1的直线的距离小于安全距离d_safe，若车位为垂直车位，若车位为水平车位，则其中，d_minsafe为在考虑车辆不压线或少压线情况下障碍物距离汽车最小安全距离，x_rightobs为预泊车目标车位区域右侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直于P0P1的直线距离最近的端点的x坐标，x_leftobs为预泊车目标车位区域左侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直于P0P1的直线的最近的端点的x坐标，W为预泊车车辆的宽度，P0_x为P0的x坐标，P1_x为P1的x坐标，l_r为泊车车辆后悬长度。图7为左右两侧具有障碍物情况下，画线垂直车位的泊车目标位姿。

若在画线车位P2P3下端的障碍物监测区域内部存在障碍物，若当前车位为平行车位，且则否则，其中，d_botsafe为车辆离底部障碍物的安全距离，d_bottom为障碍物与P0、P1连线之间的垂直距离，y_bottomobs为下端障碍物距离P0、P1连线最近的端点的y坐标；若当前车位为垂直车位，且则否则，y＝y_bottomobs-d_botsafe-l_r。图8为画线垂直车位尾部具有障碍物情况下，车辆泊车目标位姿。

若不存在画线车位，车位类型为垂直车位，若左右两侧最近障碍物距离都大于W+2d_safe，即|x_rightobs-x_leftobs|≥W+2d_safe，则若不存在画线车位，且在障碍物监测区域只有一侧有障碍物，另一侧障碍物虚拟为对应障碍物监测区域的x坐标，否则，若和范围内不存在障碍物，那么，否则，y＝y_bottomobs-d_botsafe-l_r；其中，W为预泊车车辆的宽度，l_r为泊车车辆后悬长度，x_rightobs为预泊车目标车位区域右侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直P0P1的直线最近的端点的x坐标，x_leftobs为预泊车目标车位区域左侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直P0P1的直线最近的端点的x坐标，y_left为首次探测到下降沿时障碍物拟合线段的端点y坐标绝对值的最小值，y_right为另一侧最近障碍物端点y坐标绝对值的最小值，若障碍物监测区域另一侧不存在障碍物拟合线段，则y_right被赋值为y_left，同理，y_left被赋值为y_right。图9为无画线垂直车位左右两侧均有障碍物情况下，车辆泊车目标位姿。图10为无画线垂直车位左侧和车位尾部均有障碍物情况下，车辆泊车目标位姿。

若当前车位为平行车位，左右两侧最近障碍物距离大于VehL+2d_safe，即|x_rightobs-x_leftobs|≥VehL+2d_safe，则，x＝x_leftobs+d_safe+l_r，否则，若和范围内不存在障碍物，那么，否则，y＝y_bottomobs-d_botsafe；其中，W为预泊车车辆的宽度，VehL为泊车车辆车长，y_bottomobs为底部最近障碍物Cluster两端点中y坐标绝对值的最小值，d_botsafe为车辆离底部障碍物的安全距离。

进一步的，若泊车车位为画线垂直车位，目标航向角θ为P0、P2连线角度和P1、P3连线角度的均值，若泊车车位为画线平行车位，目标航向角θ为P0、P1连接角度；若泊车车位为超声车位，目标航向角θ为左右侧或单侧(只有一侧存在障碍物)障碍物拟合线段的角度。

本方法采用由超声波检测得到的障碍物拟合线段及环视得到得画线车位信息来计算期望泊车位姿，由于考虑了不同位置障碍物的影响，有利于路径规划，提高了泊车的安全性。同时考虑自车与环境的交互，使得最终的停车位姿更为协调、自然。

最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，尽管申请人参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于超声聚类的泊车目标位姿确定方法，其特征在于，包括如下步骤：S1，基于车辆感知系统获取泊车车位信息和障碍物信息，根据泊车车位信息和车辆长宽信息确定预泊车目标车位区域，所述，所述预泊车目标车位区域为一块宽度大于车辆宽度的长方形区域，由P0、P1、P2、P3四个角点组成，其中，P0、P2为车位左侧角点，P1、P3为车位右侧角点；S2，根据预目标车位区域向外扩展一定距离，得到感兴趣的障碍物监测区域；S3，搜索障碍物监测区域内所有障碍物，并选出距离障碍物监测区域中心多方位最近的障碍物后，通过计算获得最终泊车目标位姿点(x,y,θ)；

在计算最终泊车目标位姿点时，若存在画线车位，左右两侧的最近障碍物与过障碍物监测区域中心并垂直于P0P1的直线的距离大于一安全距离d_safe，即d_r≥d_safe,d_l≥d_safe，其中，d_r为右侧最近障碍物到过障碍物监测区域中心并垂直于P0P1直线的距离，d_l为左侧最近左侧障碍物到过障碍物监测区域中心并垂直于P0P1直线的距离，由此，若车位为水平车位，若车位为垂直车位，其中，P0_x为P0的x坐标，P1_x为P1的x坐标，l_r为后悬长度；

根据在画线车位P2P3以下障碍物监测区域内部是否存在障碍物，若当前车位为平行车位，且则否则，其中，W为预泊车车辆的宽度，d_botsafe为车辆离底部障碍物的安全距离，d_bottom为障碍物与P0P1连线之间的垂直距离，y_bottomobs为底部最近障碍物Cluster两端点中y坐标绝对值的最小值；若当前车位为垂直车位，且则否则，y＝y_bottomobs-d_botsafe-l_r；其中，VehL为泊车车辆车长；

若泊车车位为画线垂直车位，目标航向角θ为P0、P2连线角度和P1、P3连线角度的均值，若泊车车位为画线平行车位，目标航向角θ为P0、P1连接角度；若泊车车位为超声车位，目标航向角θ为左右或单侧障碍物聚类拟合线段的角度。

2.根据权利要求1所述的基于超声聚类的泊车目标位姿确定方法，其特征在于，S1中，若感知系统获取到的车位为画线车位，则画线车位的矩形区域为预泊车目标车位区域；若感知系统没有获取到车位线，则在车辆首次检测到车位边沿下降沿处为起点搜索一块矩形区域为预泊车目标车位区域。

3.根据权利要求1或2所述的基于超声聚类的泊车目标位姿确定方法，其特征在于，S3中，搜索障碍物监测区域内所有障碍物，并选出距离障碍物监测区域中心多方位最近的障碍物，包括：首先，基于超声波拟合确定障碍物监测区域各方位障碍物拟合线段；然后判断各障碍物拟合线段端点是否在障碍物监测区域的上下边界或车位宽度范围内，如果满足，则进入备选线段，否则排除；最后，在备选线段中选择距离障碍物监测区域中心最近的线段端点，若一侧有障碍物线段处于影响泊车安全距离内，则对另一侧边界进行扩大，补偿具有障碍物线段一侧对泊车影响。

4.根据权利要求3所述的基于超声聚类的泊车目标位姿确定方法，其特征在于，在计算最终泊车目标位姿点时，若存在画线车位，左右两侧只有一侧具有障碍物，且最近障碍物距离过障碍物监测区域中心并垂直于P0P1的直线的距离小于一安全距离d_safe，即d_r<d_safe或d_l<d_safe，d_r为右侧最近障碍物到过障碍物监测区域中心点并垂直于P0P1的直线的距离，由此，若车位为水平车位，x＝x_rightobs-d_safe-l_r或x＝x_leftobs+d_safe+l_r，若车位为垂直车位，或其中，x_rightobs为预泊车目标车位区域右侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直P0P1的直线的距离最近的障碍物端点的x坐标，x_leftobs为预泊车目标车位区域左侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直P0P1的直线的距离最近的障碍物端点的x坐标，l_r为后悬长度；d_l为左侧最近障碍物到过障碍物监测区域中心并垂直于P0P1的直线的距离。

5.根据权利要求4所述的基于超声聚类的泊车目标位姿确定方法，其特征在于，在计算最终泊车目标位姿点时，若障碍物离画线边界太近，画线车位较窄时，即或且|x_rightobs-P0_x|-W≥d_minsafe或|x_leftobs-P1_x|-W≥d_minsafe，则垂直车位更新x为：或若存在画线车位，左右两侧最近障碍物与过障碍物监测区域中心并垂直于P0P1的直线的距离小于安全距离d_safe；若车位为垂直车位，若车位为水平车位，则其中，d_minsafe为障碍物距离车辆最小安全距离，x_rightobs为预泊车目标车位区域右侧的障碍物拟合线段中距离过障碍物监测区域中心点并垂直于P0P1的直线的最近端点的x坐标，x_leftobs为预泊车目标车位区域左侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直P0P1的直线最近的端点的x坐标，W为预泊车车辆的宽度，P0_x为P0的x坐标，P1_x为P1的x坐标，l_r为泊车车辆后悬长度。

6.根据权利要求3所述的基于超声聚类的泊车目标位姿确定方法，其特征在于，若不存在画线车位，若车位类型为垂直车位，左右两侧最近障碍物距离都大于W+2d_safe，即|x_rightobs-x_leftobs|≥W+2d_safe，则若不存在画线车位，且在障碍物监测区域只有一侧有障碍物，另一侧障碍物虚拟为对应障碍物监测区域的x坐标，否则，若和范围内不存在障碍物，那么，否则，y＝y_bottomobs-d_botsafe-l_r；其中，W为预泊车车辆的宽度，l_r为泊车车辆后悬长度，x_rightobs为预泊车目标车位区域右侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直P0P1的直线最近的端点的x坐标，x_leftobs为预泊车目标车位区域左侧的障碍物拟合线段中距离过障碍物监测区域中心并垂直P0P1的直线最近的端点的x坐标，y_left为首次探测到下降沿时障碍物拟合线段的端点y坐标绝对值的最小值，y_right为另一侧最近障碍物端点y坐标绝对值的最小值，若障碍物监测区域另一侧不存在障碍物拟合线段，则y_right被赋值为y_left，同理，y_left被赋值为y_right。

7.根据权利要求6所述的基于超声聚类的泊车目标位姿确定方法，其特征在于，若当前车位为平行车位，左右两侧最近障碍物距离大于VehL+2d_safe，即|x_rightobs-x_leftobs|≥VehL+2d_safe，则，x＝x_leftobs+d_safe+l_r，否则，若和范围内不存在障碍物，那么，否则，y＝y_bottombs-d_botsafe；其中，W为预泊车车辆的宽度，VehL为泊车车辆车长，y_bottomobs为底部最近障碍物Cluster两端点中y坐标绝对值的最小值，d_botsafe为车辆离底部障碍物的安全距离。