CN111231945A - 自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车 - Google Patents
自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车 Download PDFInfo
- Publication number
- CN111231945A CN111231945A CN202010161774.8A CN202010161774A CN111231945A CN 111231945 A CN111231945 A CN 111231945A CN 202010161774 A CN202010161774 A CN 202010161774A CN 111231945 A CN111231945 A CN 111231945A
- Authority
- CN
- China
- Prior art keywords
- parking
- parking space
- mark
- space
- type
- 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
- 238000012549 training Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000015654 memory Effects 0.000 claims description 31
- 238000012360 testing method Methods 0.000 claims description 26
- 230000004044 response Effects 0.000 claims description 6
- 239000000523 sample Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003032 molecular docking Methods 0.000 description 3
- 230000000087 stabilizing effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001012 protector Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization 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
-
- 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
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车，车位寻找方法包括：响应于自动泊车请求，开始寻找可泊车位；检测到可泊车位，对所述可泊车位进行检测；如果所述可泊车位为正常车位，则进行自动泊车操作；如果所述可泊车位为禁停类型车位，则继续寻找车位；如果所述可泊车位为道德类型车位，则展示提示信息，如果接收到继续停车信息，则进行自动泊车操作，如果接收到拒绝停车信息，则继续寻找车位。本发明提供一种禁停车位的自动泊车策略，专门针对特定类型车位进行识别，在系统检测到明确的禁停类型车位或道德类型车位时不自动泊入，提高用户体验性。
Description
技术领域
本发明涉及汽车相关技术领域，特别是一种自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车。
背景技术
目前现有全自动自动泊车技术中基本是基于超声波或者图像做自动泊车系统，由于摄像头受光照等天气影响严重，再加之成本和技术瓶颈等因素，所以基于超声波方案较多。但是由于超声波的本身特性，探测范围、盲区、场景覆盖范围窄等缺陷，现在融合摄像头的泊车技术也备受青睐。
但是目前现有的融合泊车产品中，仅增加了泊车场景覆盖率和泊车性能，比如可以支持线性车位，泊车功能多样化或者泊车控制过程更舒适，但却无法对禁停车位或不符合道德规范的车位进行识别，还是当成普通车位进行泊车，导致用户错误将车辆停泊在不合适的车位。
发明内容
基于此，有必要针对现有技术的自动泊车容易将车辆自动停泊在不合适的车位的技术问题，提供一种自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车。
本发明提供一种自动泊车车位寻找方法，包括：
响应于自动泊车请求，开始寻找可泊车位；
检测到可泊车位，对所述可泊车位进行检测；
如果所述可泊车位为正常车位，则进行自动泊车操作；
如果所述可泊车位为禁停类型车位，则继续寻找车位；
如果所述可泊车位为道德类型车位，则展示提示信息，如果接收到继续停车信息，则进行自动泊车操作，如果接收到拒绝停车信息，则继续寻找车位。
本发明提供一种禁停车位的自动泊车策略，专门针对特定类型车位进行识别，在系统检测到明确的禁停类型车位或道德类型车位时不自动泊入，提高用户体验性。
进一步地，所述对所述可泊车位进行检测，具体包括：
对可泊车位进行拍摄得到当前车位拍摄图像，对所述当前车位拍摄图像进行目标停车标记识别；
如果所述当前车位拍摄图像中没有目标停车标记，则判断所述可泊车位为正常车位；
如果所述当前车位拍摄图像中存在目标停车标记，根据所述目标停车标记的类型进行判断。
本实施例通过融合摄像头技术，对可泊车位的当前车位拍摄图像进行分析，从而判断可泊车位的车位类型。
更进一步地，所述根据所述目标停车标记的类型进行判断，具体包括：
如果所述目标停车标记的类型为禁止停车标记或不可停靠标记，则判断所述可泊车位为禁停类型车位；
如果所述目标停车标记的类型为道德类型停车标记，则获取当前车辆的车辆类型，如果当前车辆的车辆类型符合所述道德类型停车标记，则判断所述可泊车位为正常车位，否则判断所述可泊车位为道德类型车位。
本实施例根据禁止停车标记或不可停靠标记，确定禁停类型车位，能够准确识别禁停车位，避免将车辆停泊至禁停车位造成损失。本实施例针对道德类型车位，根据本车的车辆类型，判断是否符合目标停车标记，从而简化用户操作，提高用户体验性。
更进一步地，所述对所述当前车位拍摄图像进行目标停车标记识别，具体包括：
将所述当前车位拍摄图像输入目标停车标记识别模型，获取所述目标停车标记识别模型返回的识别结果，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练。
本实施例通过训练后的目标停车标记识别模型，以提高识别准确度。
本发明提供一种自动泊车车位寻找电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
响应于自动泊车请求，开始寻找可泊车位；
检测到可泊车位，对所述可泊车位进行检测；
如果所述可泊车位为正常车位，则进行自动泊车操作；
如果所述可泊车位为禁停类型车位，则继续寻找车位；
如果所述可泊车位为道德类型车位，则展示提示信息，如果接收到继续停车信息，则进行自动泊车操作，如果接收到拒绝停车信息，则继续寻找车位。
本发明提供一种禁停车位的自动泊车策略，专门针对特定类型车位进行识别，在系统检测到明确的禁停类型车位或道德类型车位时不自动泊入，提高用户体验性。
进一步地，所述对所述可泊车位进行检测，具体包括：
对可泊车位进行拍摄得到当前车位拍摄图像，对所述当前车位拍摄图像进行目标停车标记识别；
如果所述当前车位拍摄图像中没有目标停车标记，则判断所述可泊车位为正常车位；
如果所述当前车位拍摄图像中存在目标停车标记，根据所述目标停车标记的类型进行判断。
本实施例通过融合摄像头技术，对可泊车位的当前车位拍摄图像进行分析，从而判断可泊车位的车位类型。
更进一步地，所述根据所述目标停车标记的类型进行判断，具体包括：
如果所述目标停车标记的类型为禁止停车标记或不可停靠标记，则判断所述可泊车位为禁停类型车位；
如果所述目标停车标记的类型为道德类型停车标记，则获取当前车辆的车辆类型，如果当前车辆的车辆类型符合所述道德类型停车标记，则判断所述可泊车位为正常车位，否则判断所述可泊车位为道德类型车位。
本实施例根据禁止停车标记或不可停靠标记，确定禁停类型车位，能够准确识别禁停车位，避免将车辆停泊至禁停车位造成损失。本实施例针对道德类型车位，根据本车的车辆类型，判断是否符合目标停车标记，从而简化用户操作，提高用户体验性。
更进一步地，所述对所述当前车位拍摄图像进行目标停车标记识别，具体包括：
将所述当前车位拍摄图像输入目标停车标记识别模型，获取所述目标停车标记识别模型返回的识别结果，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练。
本实施例通过训练后的目标停车标记识别模型，以提高识别准确度。
本发明提供一种自动泊车车位识别训练方法，包括：
接收到车辆发送的当前车位拍摄图像，将所述当前车位拍摄图像输入目标停车标记识别模型，所述当前车位拍摄图像为车辆响应于自动泊车请求寻找到可泊车位后，对所述可泊车位进行拍摄得到；
获取所述目标停车标记识别模型返回的识别结果，将所述识别结果发送到车辆，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练，所述识别结果用于所述车辆判断所述可泊车位为正常车位、禁停类型车位、或者道德类型车位。
本发明通过训练后的目标停车标记识别模型，以提高识别准确度，使得自动泊车系统能够检测到明确的禁停类型车位或道德类型车位，提高用户体验性。
进一步地，所述训练车位拍摄图像和训练停车标记类型采用如下方式获得：
获取在路试或专业场景测试中拍摄的泊车场景；
从所述泊车场景中选定训练车位拍摄图像和对应的训练停车标记类型。
本实施例提出通过路试或场景测试记录测试数据并上传至云端，后期将数据提取并虚拟成泊车场景，不断增加特殊场景泊车库，增加自动泊车系统场景覆盖率，使系统更加智能化科技化。
本发明提供一种自动泊车车位识别训练服务器，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
接收到车辆发送的当前车位拍摄图像，将所述当前车位拍摄图像输入目标停车标记识别模型，所述当前车位拍摄图像为车辆响应于自动泊车请求寻找到可泊车位后，对所述可泊车位进行拍摄得到；
获取所述目标停车标记识别模型返回的识别结果，将所述识别结果发送到车辆，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练，所述识别结果用于所述车辆判断所述可泊车位为正常车位、禁停类型车位、或者道德类型车位。
本发明通过训练后的目标停车标记识别模型，以提高识别准确度，使得自动泊车系统能够检测到明确的禁停类型车位或道德类型车位，提高用户体验性。
进一步地，所述训练车位拍摄图像和训练停车标记类型采用如下方式获得：
获取在路试或专业场景测试中拍摄的泊车场景；
从所述泊车场景中选定训练车位拍摄图像和对应的训练停车标记类型。
本实施例提出通过路试或场景测试记录测试数据并上传至云端，后期将数据提取并虚拟成泊车场景，不断增加特殊场景泊车库，增加自动泊车系统场景覆盖率，使系统更加智能化科技化。
本发明提供一种汽车，包括车体、以及如前所述的电子设备，所述电子设备控制所述车体进行自动泊车。
本发明提供一种禁停车位的自动泊车策略，专门针对特定类型车位进行识别，在系统检测到明确的禁停类型车位或道德类型车位时不自动泊入，提高用户体验性。
附图说明
图1为本发明一实施例一种自动泊车车位寻找方法的工作流程图；
图2为本发明最佳实施例的系统示意图；
图3为本发明一最佳实施例的工作流程图；
图4为禁停车位标志示意图；
图5为道德性车位标志示意图；
图6为本发明一种自动泊车车位寻找电子设备的硬件结构示意图；
图7为本发明一种自动泊车车位识别训练方法的工作流程图；
图8为本发明一种自动泊车车位识别训练服务器的硬件结构示意图。
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所示为本发明一实施例一种自动泊车车位寻找方法的工作流程图，包括：
步骤S101，响应于自动泊车请求，开始寻找可泊车位；
步骤S102，检测到可泊车位，对所述可泊车位进行检测；
步骤S103，如果所述可泊车位为正常车位，则进行自动泊车操作；
步骤S104，如果所述可泊车位为禁停类型车位，则继续寻找车位；
步骤S105，如果所述可泊车位为道德类型车位，则展示提示信息，如果接收到继续停车信息，则进行自动泊车操作，如果接收到拒绝停车信息，则继续寻找车位。
具体来说，本发明主要应用在车载电子控制单元(Electronic Control Unit，ECU)，例如集成在车辆的自动泊车(Auto Parking Assist，APA)系统。
当驾驶员按下车辆自动泊车(Auto Parking Assist，APA)开关，则触发步骤S101开始寻找可泊车位。当寻找到可泊车位，触发步骤S102对可泊车位进行检测。
如果检测到可泊车位为正常车位，在触发步骤S103，进行自动泊车操作。具体为，驾驶员点击开始泊车，开始进入泊车控制过程，这个过程中刹车、油门、方向盘等都由自动泊车系统(APA系统)控制，从而将车辆停泊进入可泊车位。
如果检测到可泊车位为禁停类型车位，则触发步骤S104，不释放可泊车位，继续寻找车位。
如果检测到可泊车位为道德类型车位，则触发步骤S105，展示提示信息，由用户决定。例如泊车系统发送信号仪表进行提醒用户“发现XX车位，请确认是否泊入”，经用户确认后可泊入，若用户选择不泊入，则系统可继续寻找泊车车位。
本发明提供一种禁停车位的自动泊车策略，专门针对特定类型车位进行识别，在系统检测到明确的禁停类型车位或道德类型车位时不自动泊入，提高用户体验性。
在其中一个实施例中，所述对所述可泊车位进行检测，具体包括：
对可泊车位进行拍摄得到当前车位拍摄图像，对所述当前车位拍摄图像进行目标停车标记识别；
如果所述当前车位拍摄图像中没有目标停车标记，则判断所述可泊车位为正常车位；
如果所述当前车位拍摄图像中存在目标停车标记，根据所述目标停车标记的类型进行判断。
具体来说，由于当前车位拍摄图像为图像，因此可以采用深度学习的方式，采用现有的图像分析技术，从当前车位拍摄图像中分析是否有目标停车标记。目标停车标记为预设场景的标志物，例如目标图标或目标物。
本实施例通过融合摄像头技术，对可泊车位的当前车位拍摄图像进行分析，从而判断可泊车位的车位类型。
在其中一个实施例中，所述根据所述目标停车标记的类型进行判断，具体包括：
如果所述目标停车标记的类型为禁止停车标记或不可停靠标记，则判断所述可泊车位为禁停类型车位；
如果所述目标停车标记的类型为道德类型停车标记，则获取当前车辆的车辆类型，如果当前车辆的车辆类型符合所述道德类型停车标记，则判断所述可泊车位为正常车位，否则判断所述可泊车位为道德类型车位。
具体来说，禁止停车标记可以为黄颜色网格车位等禁停标志，不可停靠标记可以为锁闭状态的地锁。道德类型停车标记包括但不限于：女性车位、残疾人车位、非机动车停车位、电动车充电停车位、带“请勿泊车”标牌车位等。当检测到目标停车标记为道德类型停车标记时，获取当前车辆的车辆类型。当前车辆的车辆类型可以通过预先设定或后台服务器获取，例如如果当前车辆的车主登记为女性，则当前车辆的车辆类型记录为女性车辆，则遇到女性车位时，可以判断可泊车位为正常车位。而如果当前车辆的车辆类型记录为男性车辆或未登记性别车辆，则遇到女性车位时，判断可泊车位为道德类型车位，向用户发出通知，由用户进行选择。例如如果当前车辆为电动车，则遇到电动车充电停车位时，可以判断可泊车位为正常车位。而如果当前车辆为汽油车，则遇到电动车充电停车位时，判断可泊车位为道德类型车位，向用户发出通知，由用户进行选择。
本实施例根据禁止停车标记或不可停靠标记，确定禁停类型车位，能够准确识别禁停车位，避免将车辆停泊至禁停车位造成损失。本实施例针对道德类型车位，根据本车的车辆类型，判断是否符合目标停车标记，从而简化用户操作，提高用户体验性。
在其中一个实施例中，所述对所述当前车位拍摄图像进行目标停车标记识别，具体包括：
将所述当前车位拍摄图像输入目标停车标记识别模型，获取所述目标停车标记识别模型返回的识别结果，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练。
具体来说，目标停车标记识别模型可以采用深度学习方式训练。将事先获取的训练车位拍摄图像，设定对应的训练停车标记类型，采用深度学习模型进行训练，得到关于车位拍摄图像中是否包括目标停车标记、或者所包括的目标停车标记的类型的目标停车标记识别模型。模型的输出为识别结果。
本实施例通过训练后的目标停车标记识别模型，以提高识别准确度。
如图2所示为本发明最佳实施例的系统示意图，包括：包含12颗超声波探头和超声波探头(远距离)、4颗环视摄像头、自动泊车主机1、电动助力转向、车身稳定系统、车身控制器、整车控制器、仪表、组合开关、转角传感器系统，传感器单元(超声波探头和摄像头)通过私有通讯与自动泊车主机通信，其他相关联系统通过控制器局域网络(Controller AreaNetwork，CAN)或可调数据速率控制器局域网络(CAN with Flexible Data-Rate，CAN-FD)与自动泊车主机通信。
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，按照倒车雷达系统安装要求布置；
环视摄像头C1、C2、C3、C4，200万像素，有效输出1080P；
自动泊车系统实现功能：水平泊入、垂直泊入、水平泊出。
其中：
超声波探头产生方波信号，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。
自动泊车主机通过前左/右侧探头监测车辆周边障碍物信息，搜索车位信息，当探测到空间时，通过传感器探测的空间进行模拟车位信息，判断车位空间范围是否为合格车位(水平车位长度：车长+1m；垂直车位宽度：车宽+0.8m，但是由于超声波探头的性能局限性及，对于低于15cm的台阶或是地面上的凹坑无法探测出来，故本发明描述的特殊场景若车位空间足够情况下，自动泊车主机也会判定为可泊车车位)，但是基于融合摄像头的自动泊车系统，可融合摄像头检测的障碍物信息，进行轨迹规划计算，发送转向角度、停车距离、驾驶员提示信息等指令给相关联系统。
电动助力转向用于执行自动泊车主机发出的转向角度和转向角加速度请求，控制方向盘转向到自动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APA反馈退出控制原因。
车身稳定系统用于收到自动泊车主机发送的制动距离、制动最高速度限制和换挡请求，以及自动泊车系统发送的是否可跨越等信号时，给整车控制器发送增扭、降扭及换挡请求，同时反馈当前轮速、车速等。
整车控制器用于接收到车身稳定系统发送的增扭、降扭及换挡请求实时响应扭矩增减、档位切换等。
电子驻车用于当泊车完成或是泊车系统退出时，车身稳定系统发送的置起释放请求。
仪表用于在泊车过程中提示文字和动画的显示，蜂鸣器报警音等。
如图3所示为本发明一最佳实施例的工作流程图，包括：
步骤S301，整车上电，系统正常进入standby状态；
步骤S302，驾驶员按下APA开关，激活功能；
步骤S303，APA系统进入searching找车位状态，系统开始寻找车位；
步骤S304，当找到正常车位时，执行步骤S308；
步骤S305，当系统准确识别到黄颜色网格车位等禁停车位或带地锁锁闭车位时，系统不释放该车位，重新执行步骤S303；
步骤S306，当系统准确检测到道德性车位时，泊车系统发送信号仪表进行提醒用户“发现XX车位，请确认是否泊入”，XX车位根据系统的车位类型，例如女性车位、残疾人车位、非机动车停车位、带“请勿泊车”标牌车位等；
步骤S307，用户确认后可泊入，执行步骤S308，用户选择不泊入，则重新执行步骤S303，系统可继续寻找泊车车位；
步骤S308，提示用户停车，用户点击开始泊车后，系统则开始自动泊入；
本系统适用于场景是禁停车位、道德性车位(残疾人车位、女士车位、电动车专用车位、非机动车停车位、包含标志牌车位等)、不可停靠车位(包含地锁车位)，如图4和图5所示，不限于图4、图5示例。将上述车位的标志采用深度学习的方法使系统进行学习，使泊车寻找车位的过程能准确识别出相应的标志，当寻找到以下车位时设计特殊逻辑策略，规避违法车位或不可泊车车位误释放。当识别到道德类车位时，通过用户自行选择是否泊入。
目前全自动泊车系统量产车型中，基于目前的硬件平台及软件策略，均无法识别出上述特殊泊车场景，无法区分可泊车车位和上述车位类型。本发明系统是基于摄像头和超声波融合的硬件平台，采用深度学习的方式，识别出相应的目标图标或目标物组成的特殊泊车场景，采用不同的识别车位策略，极大的提提升了自动泊车系统的性能以及场景覆盖率，更加智能化、人性化，提升用户体验感。
本发明基于融合摄像头和超声波泊车系统方案，通过摄像头和超声波信息深度融合，通过深度学习的算法软件识别特殊场景的标志物，有效检测出禁停车位、不可泊车车位以及道德类车位，避免造成用户不便，提升用户体验。
如图6所示为本发明一种自动泊车车位寻找电子设备的硬件结构示意图，包括：
至少一个处理器601；以及，
与所述至少一个处理器601通信连接的存储器602；其中，
所述存储器602存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
响应于自动泊车请求，开始寻找可泊车位；
检测到可泊车位，对所述可泊车位进行检测；
如果所述可泊车位为正常车位，则进行自动泊车操作；
如果所述可泊车位为禁停类型车位，则继续寻找车位；
如果所述可泊车位为道德类型车位，则展示提示信息，如果接收到继续停车信息，则进行自动泊车操作，如果接收到拒绝停车信息，则继续寻找车位。
电子设备优选为当前车辆的电子控制器单元(Electronic Control Unit，ECU)。图6中以一个处理器601为例。
电子设备还可以包括：输入装置603和显示装置604。
处理器601、存储器602、输入装置603及显示装置604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602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自动泊车车位寻找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601通过运行存储在存储器602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自动泊车车位寻找方法。
存储器602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系统、至少一个功能所需要的应用程序；存储数据区可存储根据自动泊车车位寻找方法的使用所创建的数据等。此外，存储器602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602可选包括相对于处理器601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自动泊车车位寻找方法的装置。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603可接收输入的用户点击，以及产生与自动泊车车位寻找方法的用户设置以及功能控制有关的信号输入。显示装置604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602中，当被所述一个或者多个处理器601运行时，执行上述任意方法实施例中的自动泊车车位寻找方法。
本发明提供一种禁停车位的自动泊车策略，专门针对特定类型车位进行识别，在系统检测到明确的禁停类型车位或道德类型车位时不自动泊入，提高用户体验性。
在其中一个实施例中，所述对所述可泊车位进行检测，具体包括：
对可泊车位进行拍摄得到当前车位拍摄图像，对所述当前车位拍摄图像进行目标停车标记识别；
如果所述当前车位拍摄图像中没有目标停车标记，则判断所述可泊车位为正常车位；
如果所述当前车位拍摄图像中存在目标停车标记，根据所述目标停车标记的类型进行判断。
本实施例通过融合摄像头技术，对可泊车位的当前车位拍摄图像进行分析，从而判断可泊车位的车位类型。
在其中一个实施例中，所述根据所述目标停车标记的类型进行判断，具体包括：
如果所述目标停车标记的类型为禁止停车标记或不可停靠标记，则判断所述可泊车位为禁停类型车位；
如果所述目标停车标记的类型为道德类型停车标记，则获取当前车辆的车辆类型，如果当前车辆的车辆类型符合所述道德类型停车标记，则判断所述可泊车位为正常车位，否则判断所述可泊车位为道德类型车位。
本实施例根据禁止停车标记或不可停靠标记，确定禁停类型车位，能够准确识别禁停车位，避免将车辆停泊至禁停车位造成损失。本实施例针对道德类型车位，根据本车的车辆类型，判断是否符合目标停车标记，从而简化用户操作，提高用户体验性。
在其中一个实施例中，所述对所述当前车位拍摄图像进行目标停车标记识别，具体包括：
将所述当前车位拍摄图像输入目标停车标记识别模型，获取所述目标停车标记识别模型返回的识别结果，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练。
本实施例通过训练后的目标停车标记识别模型，以提高识别准确度。
如图7所示为本发明一种自动泊车车位识别训练方法的工作流程图，包括：
步骤S701，接收到车辆发送的当前车位拍摄图像，将所述当前车位拍摄图像输入目标停车标记识别模型，所述当前车位拍摄图像为车辆响应于自动泊车请求寻找到可泊车位后，对所述可泊车位进行拍摄得到；
步骤S702，获取所述目标停车标记识别模型返回的识别结果，将所述识别结果发送到车辆，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练，所述识别结果用于所述车辆判断所述可泊车位为正常车位、禁停类型车位、或者道德类型车位。
具体来说，本实施例优选应用于服务器。车辆在拍摄到车位拍摄图像后，上传到服务器，触发步骤S701，将当前车位拍摄图像输入目标停车标记识别模型。然后步骤S702，将目标停车标记识别模型返回的识别结果发送到车辆，由车辆进行后续的车位识别。
本发明通过训练后的目标停车标记识别模型，以提高识别准确度，使得自动泊车系统能够检测到明确的禁停类型车位或道德类型车位，提高用户体验性。
在其中一个实施例中，所述训练车位拍摄图像和训练停车标记类型采用如下方式获得：
获取在路试或专业场景测试中拍摄的泊车场景；
从所述泊车场景中选定训练车位拍摄图像和对应的训练停车标记类型。
因目前禁停车位、女性车位、残疾车位、充电车位等特殊车位目前暂无国标或法规规范，所以无法使系统完善各类的特殊车位，故本实施例通过路试或场景测试记录测试数据并上传至服务器。
本实施例提出通过路试或场景测试记录测试数据并上传至云端，后期将数据提取并虚拟成泊车场景，不断增加特殊场景泊车库，增加自动泊车系统场景覆盖率，使系统更加智能化科技化。
如图8所示为本发明一种自动泊车车位识别训练服务器的硬件结构示意图，包括：
至少一个处理器801；以及，
与所述至少一个处理器801通信连接的存储器802；其中，
所述存储器802存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
接收到车辆发送的当前车位拍摄图像，将所述当前车位拍摄图像输入目标停车标记识别模型，所述当前车位拍摄图像为车辆响应于自动泊车请求寻找到可泊车位后，对所述可泊车位进行拍摄得到；
获取所述目标停车标记识别模型返回的识别结果，将所述识别结果发送到车辆，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练，所述识别结果用于所述车辆判断所述可泊车位为正常车位、禁停类型车位、或者道德类型车位。
电子设备优选为服务器。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自动泊车车位识别训练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自动泊车车位识别训练方法。
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系统、至少一个功能所需要的应用程序；存储数据区可存储根据自动泊车车位识别训练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自动泊车车位识别训练方法的装置。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，以及产生与自动泊车车位识别训练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自动泊车车位识别训练方法。
本发明通过训练后的目标停车标记识别模型，以提高识别准确度，使得自动泊车系统能够检测到明确的禁停类型车位或道德类型车位，提高用户体验性。
在其中一个实施例中，所述训练车位拍摄图像和训练停车标记类型采用如下方式获得：
获取在路试或专业场景测试中拍摄的泊车场景；
从所述泊车场景中选定训练车位拍摄图像和对应的训练停车标记类型。
本实施例提出通过路试或场景测试记录测试数据并上传至云端，后期将数据提取并虚拟成泊车场景，不断增加特殊场景泊车库，增加自动泊车系统场景覆盖率，使系统更加智能化科技化。
本发明提供一种汽车，包括车体、以及如前所述的电子设备，所述电子设备控制所述车体进行自动泊车。
本发明提供一种禁停车位的自动泊车策略，专门针对特定类型车位进行识别，在系统检测到明确的禁停类型车位或道德类型车位时不自动泊入，提高用户体验性。
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 (13)
1.一种自动泊车车位寻找方法，其特征在于，包括：
响应于自动泊车请求，开始寻找可泊车位；
检测到可泊车位，对所述可泊车位进行检测；
如果所述可泊车位为正常车位，则进行自动泊车操作；
如果所述可泊车位为禁停类型车位，则继续寻找车位；
如果所述可泊车位为道德类型车位，则展示提示信息，如果接收到继续停车信息，则进行自动泊车操作，如果接收到拒绝停车信息，则继续寻找车位。
2.根据权利要求1所述的自动泊车车位寻找方法，其特征在于，所述对所述可泊车位进行检测，具体包括：
对可泊车位进行拍摄得到当前车位拍摄图像，对所述当前车位拍摄图像进行目标停车标记识别；
如果所述当前车位拍摄图像中没有目标停车标记，则判断所述可泊车位为正常车位；
如果所述当前车位拍摄图像中存在目标停车标记，根据所述目标停车标记的类型进行判断。
3.根据权利要求2所述的自动泊车车位寻找方法，其特征在于，所述根据所述目标停车标记的类型进行判断，具体包括：
如果所述目标停车标记的类型为禁止停车标记或不可停靠标记，则判断所述可泊车位为禁停类型车位；
如果所述目标停车标记的类型为道德类型停车标记，则获取当前车辆的车辆类型，如果当前车辆的车辆类型符合所述道德类型停车标记，则判断所述可泊车位为正常车位，否则判断所述可泊车位为道德类型车位。
4.根据权利要求2所述的自动泊车车位寻找方法，其特征在于，所述对所述当前车位拍摄图像进行目标停车标记识别，具体包括：
将所述当前车位拍摄图像输入目标停车标记识别模型，获取所述目标停车标记识别模型返回的识别结果，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练。
5.一种自动泊车车位寻找电子设备，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
响应于自动泊车请求，开始寻找可泊车位；
检测到可泊车位，对所述可泊车位进行检测；
如果所述可泊车位为正常车位，则进行自动泊车操作；
如果所述可泊车位为禁停类型车位，则继续寻找车位；
如果所述可泊车位为道德类型车位，则展示提示信息，如果接收到继续停车信息，则进行自动泊车操作，如果接收到拒绝停车信息，则继续寻找车位。
6.根据权利要求5所述的自动泊车车位寻找电子设备，其特征在于，所述对所述可泊车位进行检测，具体包括：
对可泊车位进行拍摄得到当前车位拍摄图像，对所述当前车位拍摄图像进行目标停车标记识别；
如果所述当前车位拍摄图像中没有目标停车标记，则判断所述可泊车位为正常车位；
如果所述当前车位拍摄图像中存在目标停车标记，根据所述目标停车标记的类型进行判断。
7.根据权利要求6所述的自动泊车车位寻找电子设备，其特征在于，所述根据所述目标停车标记的类型进行判断，具体包括：
如果所述目标停车标记的类型为禁止停车标记或不可停靠标记，则判断所述可泊车位为禁停类型车位；
如果所述目标停车标记的类型为道德类型停车标记，则获取当前车辆的车辆类型，如果当前车辆的车辆类型符合所述道德类型停车标记，则判断所述可泊车位为正常车位，否则判断所述可泊车位为道德类型车位。
8.根据权利要求6所述的自动泊车车位寻找电子设备，其特征在于，所述对所述当前车位拍摄图像进行目标停车标记识别，具体包括：
将所述当前车位拍摄图像输入目标停车标记识别模型，获取所述目标停车标记识别模型返回的识别结果，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练。
9.一种自动泊车车位识别训练方法，其特征在于，包括：
接收到车辆发送的当前车位拍摄图像，将所述当前车位拍摄图像输入目标停车标记识别模型，所述当前车位拍摄图像为车辆响应于自动泊车请求寻找到可泊车位后，对所述可泊车位进行拍摄得到；
获取所述目标停车标记识别模型返回的识别结果，将所述识别结果发送到车辆，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练，所述识别结果用于所述车辆判断所述可泊车位为正常车位、禁停类型车位、或者道德类型车位。
10.根据权利要求9所述的自动泊车车位识别训练方法，其特征在于，所述训练车位拍摄图像和训练停车标记类型采用如下方式获得：
获取在路试或专业场景测试中拍摄的泊车场景；
从所述泊车场景中选定训练车位拍摄图像和对应的训练停车标记类型。
11.一种自动泊车车位识别训练服务器，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
接收到车辆发送的当前车位拍摄图像，将所述当前车位拍摄图像输入目标停车标记识别模型，所述当前车位拍摄图像为车辆响应于自动泊车请求寻找到可泊车位后，对所述可泊车位进行拍摄得到；
获取所述目标停车标记识别模型返回的识别结果，将所述识别结果发送到车辆，所述识别结果为所述当前车位拍摄图像是否包括目标停车标记、或者所包括的目标停车标记的类型，所述目标停车标记识别模型采用预先匹配的训练车位拍摄图像和训练停车标记类型进行训练，所述识别结果用于所述车辆判断所述可泊车位为正常车位、禁停类型车位、或者道德类型车位。
12.根据权利要求11所述的自动泊车车位识别训练服务器，其特征在于，所述训练车位拍摄图像和训练停车标记类型采用如下方式获得：
获取在路试或专业场景测试中拍摄的泊车场景；
从所述泊车场景中选定训练车位拍摄图像和对应的训练停车标记类型。
13.一种汽车，其特征在于，包括车体、以及如权利要求5至8任一项所述的电子设备，所述电子设备控制所述车体进行自动泊车。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010161774.8A CN111231945B (zh) | 2020-03-10 | 2020-03-10 | 自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010161774.8A CN111231945B (zh) | 2020-03-10 | 2020-03-10 | 自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111231945A true CN111231945A (zh) | 2020-06-05 |
| CN111231945B CN111231945B (zh) | 2021-11-12 |
Family
ID=70876828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010161774.8A Active CN111231945B (zh) | 2020-03-10 | 2020-03-10 | 自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111231945B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862678A (zh) * | 2020-07-22 | 2020-10-30 | 斑马网络技术有限公司 | 无障碍停车位的引导方法、装置、设备和存储介质 |
| CN111881897A (zh) * | 2020-09-27 | 2020-11-03 | 广州汽车集团股份有限公司 | 一种停车场地面中文标志识别方法及其系统、存储介质 |
| CN112572418A (zh) * | 2020-12-15 | 2021-03-30 | 北京百度网讯科技有限公司 | 一种无人驾驶车辆的控制方法、装置及电子设备 |
| CN113276843A (zh) * | 2021-06-22 | 2021-08-20 | 上海追势科技有限公司 | 一种倒车搜索车位的自动泊车方法 |
| CN113593296A (zh) * | 2021-07-26 | 2021-11-02 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、车辆和介质 |
| CN113665565A (zh) * | 2021-08-27 | 2021-11-19 | 集度汽车有限公司 | 一种自动泊车方法、汽车及存储介质 |
| CN114063086A (zh) * | 2021-11-10 | 2022-02-18 | 安徽江淮汽车集团股份有限公司 | 自动泊车车位防误释放方法 |
| CN114220290A (zh) * | 2021-11-30 | 2022-03-22 | 广州领世汽车科技有限公司 | 一种车辆自动寻找车位和自动泊车的方法及系统 |
| CN114454185A (zh) * | 2022-01-11 | 2022-05-10 | 上海擎朗智能科技有限公司 | 一种机器人控制方法、装置、机器人及存储介质 |
| CN114512019A (zh) * | 2021-12-30 | 2022-05-17 | 浙江创泰科技有限公司 | 一种智能停车识别群控方法及系统 |
| CN116206482A (zh) * | 2023-03-08 | 2023-06-02 | 重庆赛力斯新能源汽车设计院有限公司 | 车位释放方法、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106027749A (zh) * | 2015-03-24 | 2016-10-12 | Lg电子株式会社 | 车辆、移动终端及其控制方法 |
| US20170267233A1 (en) * | 2016-03-15 | 2017-09-21 | Cruise Automation, Inc. | Method for autonomous vehicle parking |
| JP2019139655A (ja) * | 2018-02-14 | 2019-08-22 | アイシン精機株式会社 | 車両制御装置および駐車場 |
| US10423162B2 (en) * | 2017-05-08 | 2019-09-24 | Nio Usa, Inc. | Autonomous vehicle logic to identify permissioned parking relative to multiple classes of restricted parking |
| CN110304051A (zh) * | 2019-07-12 | 2019-10-08 | 威马智慧出行科技（上海）有限公司 | 自动泊车推荐方法、电子设备及汽车 |
| CN110497901A (zh) * | 2019-08-30 | 2019-11-26 | 的卢技术有限公司 | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 |
-
2020
- 2020-03-10 CN CN202010161774.8A patent/CN111231945B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106027749A (zh) * | 2015-03-24 | 2016-10-12 | Lg电子株式会社 | 车辆、移动终端及其控制方法 |
| US20170267233A1 (en) * | 2016-03-15 | 2017-09-21 | Cruise Automation, Inc. | Method for autonomous vehicle parking |
| US10423162B2 (en) * | 2017-05-08 | 2019-09-24 | Nio Usa, Inc. | Autonomous vehicle logic to identify permissioned parking relative to multiple classes of restricted parking |
| JP2019139655A (ja) * | 2018-02-14 | 2019-08-22 | アイシン精機株式会社 | 車両制御装置および駐車場 |
| CN110304051A (zh) * | 2019-07-12 | 2019-10-08 | 威马智慧出行科技（上海）有限公司 | 自动泊车推荐方法、电子设备及汽车 |
| CN110497901A (zh) * | 2019-08-30 | 2019-11-26 | 的卢技术有限公司 | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862678A (zh) * | 2020-07-22 | 2020-10-30 | 斑马网络技术有限公司 | 无障碍停车位的引导方法、装置、设备和存储介质 |
| CN111881897A (zh) * | 2020-09-27 | 2020-11-03 | 广州汽车集团股份有限公司 | 一种停车场地面中文标志识别方法及其系统、存储介质 |
| US11891085B2 (en) | 2020-12-15 | 2024-02-06 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method and apparatus of controlling driverless vehicle and electronic device |
| CN112572418A (zh) * | 2020-12-15 | 2021-03-30 | 北京百度网讯科技有限公司 | 一种无人驾驶车辆的控制方法、装置及电子设备 |
| CN113276843A (zh) * | 2021-06-22 | 2021-08-20 | 上海追势科技有限公司 | 一种倒车搜索车位的自动泊车方法 |
| CN113593296A (zh) * | 2021-07-26 | 2021-11-02 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、车辆和介质 |
| CN113665565A (zh) * | 2021-08-27 | 2021-11-19 | 集度汽车有限公司 | 一种自动泊车方法、汽车及存储介质 |
| CN114063086A (zh) * | 2021-11-10 | 2022-02-18 | 安徽江淮汽车集团股份有限公司 | 自动泊车车位防误释放方法 |
| CN114063086B (zh) * | 2021-11-10 | 2024-03-08 | 安徽江淮汽车集团股份有限公司 | 自动泊车车位防误释放方法 |
| CN114220290A (zh) * | 2021-11-30 | 2022-03-22 | 广州领世汽车科技有限公司 | 一种车辆自动寻找车位和自动泊车的方法及系统 |
| CN114512019A (zh) * | 2021-12-30 | 2022-05-17 | 浙江创泰科技有限公司 | 一种智能停车识别群控方法及系统 |
| CN114454185A (zh) * | 2022-01-11 | 2022-05-10 | 上海擎朗智能科技有限公司 | 一种机器人控制方法、装置、机器人及存储介质 |
| CN114454185B (zh) * | 2022-01-11 | 2024-09-03 | 上海擎朗智能科技有限公司 | 一种机器人控制方法、装置、机器人及存储介质 |
| CN116206482A (zh) * | 2023-03-08 | 2023-06-02 | 重庆赛力斯新能源汽车设计院有限公司 | 车位释放方法、电子设备及存储介质 |
| CN116206482B (zh) * | 2023-03-08 | 2024-05-24 | 重庆赛力斯新能源汽车设计院有限公司 | 车位释放方法、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111231945B (zh) | 2021-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111231945B (zh) | 自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车 | |
| US10852741B2 (en) | Using cameras for detecting objects near a vehicle | |
| US10606257B2 (en) | Automatic parking system and automatic parking method | |
| US11027723B2 (en) | Parking support method and parking support device | |
| KR102335309B1 (ko) | 차량을 주차 구획에 자동으로 주차하는 것 | |
| CN110203196B (zh) | 斜坡自动泊车方法、电子设备及汽车 | |
| CN110103951A (zh) | 自动泊车方法、电子设备及汽车 | |
| CN110588639B (zh) | 自动泊车控制方法、电子设备及汽车 | |
| CN110228466A (zh) | 汽车受控泊车方法、电子设备、汽车及移动终端 | |
| CN111114537B (zh) | 自动泊车倒车入库控制方法、电子设备及汽车 | |
| CN110466509A (zh) | 自动泊车模式选择方法、电子设备及汽车 | |
| EP3342681B1 (en) | Automatic parking system and automatic parking method | |
| CN112172793B (zh) | 泊车路径规划方法、装置、车辆及存储介质 | |
| CN110304051B (zh) | 自动泊车推荐方法、电子设备及汽车 | |
| CN111301395B (zh) | 自动泊车控制方法、电子设备及汽车 | |
| CN112261357A (zh) | 远程移车方法、装置、车辆及存储介质 | |
| CN112406855A (zh) | 自动泊车方法、装置、车辆及存储介质 | |
| CN112799391A (zh) | 用于狭窄车位的泊车方法、装置、车辆及存储介质 | |
| CN115195729A (zh) | 车辆自动泊出方法、电子设备及存储介质 | |
| CN110588637A (zh) | 自动泊车控制方法、电子设备及汽车 | |
| CN113548037B (zh) | 自动泊车过程中障碍物出现响应处理方法、电子设备及汽车 | |
| CN115195704A (zh) | 自动泊车控制方法、电子设备及存储介质 | |
| CN116022126A (zh) | 自主学习泊车方法、电子设备及存储介质 | |
| CN112224197B (zh) | 倒车检测泊车位的方法、装置、车辆及存储介质 | |
| CN110588638A (zh) | 自动泊车控制方法、电子设备及汽车 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 201702 room 1106, area J, 11 / F, building 1, 158 Shuanglian Road, Qingpu District, Shanghai Patentee after: Weima smart travel technology (Shanghai) Co.,Ltd. Address before: Room 510-1, No. 77, Laigang Road, Qingpu District, Shanghai, 201702 Patentee before: WM SMART MOBILITY (SHANGHAI) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220424 Address after: 438031 No. 1, Gaoxin Avenue, Huangzhou District, Huanggang City, Hubei Province Patentee after: Hubei Xinghui new energy Intelligent Vehicle Co.,Ltd. Address before: 201702 room 1106, area J, 11 / F, building 1, 158 Shuanglian Road, Qingpu District, Shanghai Patentee before: Weima smart travel technology (Shanghai) Co.,Ltd. |