本申请涉及汽车技术领域，特别涉及一种空车位检测方法及装置、车辆和计算机设备。
背景技术：
目前在apa、avp中建立栅格地图(costmap)的方式有：基于激光雷达建立costmap、基于超声雷达建立costmap、基于毫米波雷达建立costmap。其中，基于激光雷达建立costmap精度高、速度快，但是激光雷达价格昂贵导致应用成本太高。基于超声雷达建立costmap的优势是超声雷达价格便宜，但是建图精度较低。基于毫米波雷达建立costmap可以兼顾价格低、精度高的优势。
技术实现要素：
本申请实施方式提供一种空车位检测方法及装置、车辆和计算机设备。
本申请实施方式提供一种空车位检测方法，应用于车辆，所述车辆安装有毫米波雷达。所述方法包括：控制所述车辆沿预设的障碍物测试方向移动并获取所述毫米波雷达检测的障碍物边缘数据；根据所述障碍物边缘数据实时生成代价地图；和对所述代价地图进行处理以确定所述空车位。
本申请的空车位检测方法利用毫米波雷达检测得到障碍物边缘数据，根据障碍物边缘数据实时生成代价地图，从而可以精确地确定空车位中的障碍物边缘区域，使得确定的空车位区域更加准确。
在某些实施方式中，所述控制所述车辆沿预设的障碍物测试方向移动并获取所述毫米波雷达检测的障碍物边缘数据包括：获取所述毫米波雷达检测的定位点，将所述毫米波雷达所在的位置点与所述检测的定位点连接构成第一线段；在垂直所述第一线段的方向上取距离所述定位点预设距离处的点为截止点，连接所述毫米波雷达所在的位置点与所述截止点构成第二线段；以所述毫米波雷达为圆心，将定位点向预设方向旋转得到与所述第二线段相交的弧线段；将所述弧线段作为所述毫米波雷达建立栅格地图的占有区域，所述占有区域为所述栅格地图中障碍物的边缘区域；获取所述障碍物的边缘区域对应的位置数据得到所述障碍物边缘数据。
本申请的空车位检测方法通过获取毫米波雷达检测的定位点，并将毫米波雷达与检测的定位点连接构成第一线段，然后在垂直第一线段的方向上取距离定位点预设距离处的点为截止点，连接毫米波雷达与截止点构成第二线段。再以毫米波雷达为圆心，将定位点向预设方向旋转得到第二线段相交的弧线段，将弧线段作为毫米波雷达建立栅格地图的占有区域，该占有区域即为栅格地图中障碍物的边缘区域，再获取该障碍物的边缘区域对应的位置数据得到障碍物边缘数据，可以准确地得到障碍物边缘数据，使得确定的障碍物边缘区域更为精准。
在某些实施方式中，所述弧线段与所述第二线段围成的区域为空闲区域，所述空闲区域表示不存在障碍物。
本申请的空车位检测方法将弧线段与第二线段围成的区域为不存在障碍物的空闲区域，能够进一步区分不存在障碍物的空闲区域和存在障碍物的障碍物边缘区域，便于后续代价地图的生成。
在某些实施方式中，所述根据所述障碍物边缘数据实时生成代价地图包括：根据贝叶斯公式与马尔可夫链确定当前时刻所述毫米波雷达在所述代价地图中的所在栅格的占用概率；根据所述占用概率确定所述毫米波雷达在所述代价地图的位置并根据所述障碍物边缘数据确定探测区域中栅格的占用状态。
本申请的空车位检测方法利用贝叶斯公式与马尔可夫链确定当前时刻毫米波雷达在代价地图中的所在栅格的占用概率，能够准确地检测出毫米波雷达所处的当前位置，并确定毫米波雷达相应位置的探测区域的栅格的占有状态，从而实时确定障碍物边缘的位置。
在某些实施方式中，所述根据所述障碍物边缘数据实时生成代价地图还包括：根据多个时刻所述雷达采集的多帧障碍物边缘数据，所述障碍物边缘数据即为所述栅格的占用状态对应的像素数据；根据所述多帧障碍物边缘数据和车辆运动轨迹累加形成所述代价地图。
本申请的空车位检测方法通过多个时刻毫米波雷达采集的多帧数据，结合车辆的运动轨迹可以形成代价地图，因此能够从代价地图中能够直观地看出障碍物边缘的位置。
在某些实施方式中，所述对所述代价地图进行处理以确定所述空车位包括：将沿预设方向上占用状态突变的栅格边缘线标记为障碍物边缘线；根据障碍物边缘线确定障碍物边缘；及根据障碍物边缘确定车位。
本申请的空车位检测方法通过将沿预设方向上占用状态突变的栅格边缘线标记为障碍物边缘线，根据障碍物边缘线确定障碍物边缘及根据障碍物边缘确定车位，能够准确地确定空车位中障碍物的边缘位置。
在某些实施方式中，所述根据所述障碍物边缘确定车位包括：将在所述预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘；确定所述车位边缘之间的栅格为所述空车位。
本申请的空车位检测方法通过将代价地图上的预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘，从而确定车位边缘之间的栅格为车位，能够准确地确定具有足够停车空间的空车位的位置。
本申请还提供一种空车位检测装置，应用于车辆，所述车辆安装有毫米波雷达。所述装置包括：获取模块、地图生成模块和处理模块。所述获取模块用于控制所述车辆沿预设的障碍物测试方向移动并获取所述毫米波雷达检测的障碍物边缘数据；所述地图生成模块用于根据所述障碍物边缘数据实时生成代价地图；和所述处理模块用于对所述代价地图进行处理以确定所述空车位。
本申请的空车位检测装置利用毫米波雷达检测得到障碍物边缘数据，根据障碍物边缘数据实时生成代价地图，从而可以精确地确定空车位中的障碍物边缘区域，使得确定的空车位区域更加准确。
本申请还提供一种车辆。所述车辆包括：车体、毫米波雷达和上述实施方式所述的空车位检测装置。所述毫米波雷达安装在所述车体上；所述空车位检测装置设置于所述车体上。
本申请的车辆可以通过获取毫米波雷达检测的障碍物边缘数据，再通过空车位检测装置根据障碍物边缘数据实时生成代价地图，从而获得更为精准的障碍物边缘位置，使得确定的空车位区域更加准确。
本申请还提供一种计算机设备，包括存储器及处理器。所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现上述任意一项实施方式所述的空检测方法。
本申请的计算机设备利用毫米波雷达检测得到障碍物边缘数据，根据障碍物边缘数据实时生成代价地图，从而可以精确地确定空车位中的障碍物边缘区域，使得确定的空车位区域更加准确。
本申请实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点可以从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的空车位检测方法的流程示意图；
图2是本申请某些实施方式的空车位检测装置的结构示意图；
图3是本申请某些实施方式的空车位检测方法的场景示意图；
图4是本申请某些实施方式的空车位检测方法中的代价地图的示意图；
图5是本申请某些实施方式的车辆的结构示意图；
图6是本申请某些实施方式的计算机设备的结构示意图；
图7是本申请某些实施方式的空车位检测方法的流程示意图；
图8本申请某些实施方式的空车位检测方法中毫米波雷达的作用场景示意图；
图9是本申请某些实施方式的生成代价地图的原理示意图；
图10是本申请某些实施方式的空车位检测方法的场景示意图；
图11是本申请某些实施方式的空车位检测方法的场景示意图；
图12是本申请某些实施方式的空车位检测方法的场景示意图。
具体实施方式
下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
目前在apa、avp中建立栅格地图(costmap)的方式有：基于激光雷达建立costmap、基于超声雷达建立costmap、基于毫米波雷达建立costmap。其中，基于激光雷达建立costmap精度高、速度快，但是激光雷达价格昂贵导致应用成本太高。基于超声雷达建立costmap的优势是超声雷达价格便宜，但是建图精度较低。基于毫米波雷达建立costmap可以兼顾价格低、精度高的优势。
为了解决上述问题，请参阅图1，本申请提供一种空车位检测方法，应用于车辆，车辆安装有毫米波雷达。方法包括：
s12：控制车辆沿预设的障碍物测试方向移动并获取毫米波雷达检测的障碍物边缘数据；
s14：根据障碍物边缘数据实时生成代价地图；和
s16：对代价地图进行处理以确定空车位。
请参阅图2，本申请还提供一种空车位检测装置10，应用于车辆，车辆安装有毫米波雷达。装置10包括：获取模块12、地图生成模块14和处理模块16。
步骤s12可以由获取模块12实现，步骤s14可以由地图生成模块14实现，步骤s16可以由处理模块16实现。也即是说，获取模块12用于控制车辆沿预设的障碍物测试方向移动并获取毫米波雷达检测的障碍物边缘数据；地图生成模块14用于根据障碍物边缘数据实时生成代价地图；处理模块16用于对代价地图进行处理以确定空车位。
具体地，请参阅图3，预设的障碍物测试方向指的是车辆行驶的方向，本申请实施例以图3中的箭头指向的a方向作为预设的障碍物测试方向，图中黑色方块代表车辆，获取模块12可以在控制车辆100在a方向行驶，并同时获取安装在车辆的毫米波雷达检测的障碍物边缘数据。
毫米波雷达的数量可以为一个或多个。当毫米波雷达数量为一个时，该毫米波雷达可以设置在可旋转的底座上并设置在车辆的车顶指定位置，间隔预设角度旋转检测车辆周围的障碍物数据，例如预设角度可以为1°、2.5°、3°、3.4°、5°、5.6°、7.5°、9°、10°或20°等，预设角度可以是用户预先设置的角度，在此不做限制。当雷达数量为1个时，该雷达也可以固定安装在车头预定位置，随着车辆的行驶实时向车辆的一侧发送雷达信号检测障碍物边缘数据，从而能够在车速较快的情况下，检测车辆周围的障碍物边缘数据，实时形成较为完整而精确的代价地图。
当毫米波雷达数量为多个时，则多个毫米波雷达可以分别固定安装在车辆的两侧及车辆的前侧和后侧，多个毫米波雷达用于同时检测雷达所在一侧的障碍物数据，能够在同一时间同时发射雷达信号检测车辆两侧、前端和后端的障碍物数据，能够在车速较快的情况下同时检测车辆周围的障碍物数据，实时形成车辆周围较为完整的代价地图，进一步加快车位检测的过程。本申请以6个毫米波雷达为例进行说明(如图4所示)，本申请的空车位检测方法在车辆两侧各设置两个毫米波雷达共4个毫米波雷达的基础上，还可以在车辆的前端和后端各设置一个毫米波雷达，可以检测车辆前方和后方检测距离范围内是否有障碍物，例如前方检测距离范围内是否有车辆或柱体等障碍物，保障车辆行车安全的同时，可以使得车辆在行驶时能够检测的空车位不仅限于车辆两侧的空车位，车辆前方和后方的空车位也能及时检测到，缩短车位检测的时间，提高效率。
代价地图指的是利用颜色深浅来表示空白区域和占有区域的栅格地图(如图4所示)。代价地图中的栅格中的像素点颜色越浅表示它是空白的，颜色越深表示它是占有的。
本申请的空车位检测方法利用毫米波雷达检测得到障碍物边缘数据，根据障碍物边缘数据实时生成代价地图，从而可以精确地确定空车位中的障碍物边缘区域，使得确定的空车位区域更加准确。
请参阅图5，本申请还提供一种车辆100。车辆100包括空车位检测装置10、车体20和毫米波雷达30。空车位检测装置10设置在车体20上。此外，毫米波雷达30安装在车体20上，本申请以如图5所示的毫米波雷达安装的方式进行说明，即车辆100安装有6个毫米波雷达30，每个毫米波雷达的规格可以为相同的规格，车辆的每一侧前后各设置两个毫米波雷达30，车辆的前端和后端各设置一个毫米波雷达30，能够同时探测车辆前后左右周围各个区域的障碍物，能够保证不遗漏任何一个探测区域，保证探测数据的准确性。6个毫米波雷达30探测的得到的代价地图如图4所示。
请参阅图6，本申请还提供一种计算机设备200。计算机设备200包括存储器210及处理器220。存储器210中存储有计算机程序211。计算机程序211被处理器220执行的情况下，实现上述任意一种实施方式的检测方法的步骤。
例如，计算机程序211被处理器220执行时实现以下检测方法的步骤：
s12：控制车辆沿预设的障碍物测试方向移动并获取毫米波雷达检测的障碍物边缘数据；
s14：根据障碍物边缘数据实时生成代价地图；和
s16：对代价地图进行处理以确定空车位。
可以理解，计算机程序211包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、以及软件分发介质等。
本申请的计算机设备利用毫米波雷达检测得到障碍物边缘数据，根据障碍物边缘数据实时生成代价地图，从而可以精确地确定空车位中的障碍物边缘区域，使得确定的空车位区域更加准确。
请参阅图7，在某些实施例中，步骤s12包括：
s121：获取毫米波雷达检测的定位点，将毫米波雷达所在的位置点与检测的定位点连接构成第一线段；
s122：在垂直第一线段的方向上取距离定位点预设距离处的点为截止点，连接毫米波雷达所在的位置点与截止点构成第二线段；
s123：以毫米波雷达为圆心，将定位点向预设方向旋转得到与第二线段相交的弧线段；
s124：将弧线段作为毫米波雷达建立栅格地图的占有区域，占有区域为栅格地图中障碍物的边缘区域；
s125：获取障碍物的边缘区域对应的位置数据得到障碍物边缘数据。
步骤s121、步骤s122、步骤s123、步骤s124和步骤s125可以由获取模块12实现。也即是说，请结合图2，获取模块12还用于获取毫米波雷达检测的定位点，将毫米波雷达所在的位置点与检测的定位点连接构成第一线段；在垂直第一线段的方向上取距离定位点预设距离处的点为截止点，连接毫米波雷达所在的位置点与截止点构成第二线段；以毫米波雷达为圆心，将定位点向预设方向旋转得到与第二线段相交的弧线段；将弧线段作为毫米波雷达建立栅格地图的占有区域，占有区域为栅格地图中障碍物的边缘区域；获取障碍物的边缘区域对应的位置数据得到障碍物边缘数据。
请结合图6，处理器220用于：获取毫米波雷达检测的定位点，将毫米波雷达所在的位置点与检测的定位点连接构成第一线段；在垂直第一线段的方向上取距离定位点预设距离处的点为截止点，连接毫米波雷达所在的位置点与截止点构成第二线段；以毫米波雷达为圆心，将定位点向预设方向旋转得到与第二线段相交的弧线段；将弧线段作为毫米波雷达建立栅格地图的占有区域，占有区域为栅格地图中障碍物的边缘区域；获取障碍物的边缘区域对应的位置数据得到障碍物边缘数据。
具体地，定位点即为毫米波雷达发射至障碍物表面的探测点。请参阅图8，本申请的空车位检测方法利用毫米波雷达30发射毫米波检测障碍物数据，先获取毫米波雷达检测的定位点o1，将每颗毫米波雷达30所在的位置点m1与对应检测的定位点o1连接构成第一线段k1。也即是，第一线段k1指的是毫米波雷达30所在的位置点m1到定位点o1之间的距离线段。
然后，在垂直第一线段的方向上取距离定位点预设距离处的点为截止点，连接毫米波雷达所在的位置点与截止点构成第二线段。例如，图8中截止点为o2，预设距离指的是o1与o2之间的距离，例如可以为5cm，也即是，在垂直第一线段的方向包括第一线段上方和第一线段下方的方向各取距离定位点5cm处的点作为截止点o2。可以理解地，由于毫米波雷达的距离检测精度一般为10cm，预设距离一般取5cm。由此可知，预设距离是由毫米波雷达检测的精度相关的，预设距离可以取毫米波雷达的距离检测精度值的一半，使得毫米波雷达检测的障碍物距离数据范围最大、精度更高。需要说明的是，预设距离还可以取小于毫米波雷达的距离检测精度值的一半的数值，使得毫米波雷达检测的障碍物距离数据精度更高，在此不做限制。
接着，请一并参阅图2和图8，获取模块12以毫米波雷达为圆心，将定位点向预设方向旋转得到与第二线段相交的弧线段，将弧线段作为毫米波雷达建立栅格地图的占有区域，占有区域为栅格地图中障碍物的边缘区域，获取障碍物的边缘区域对应的位置数据得到障碍物边缘数据，即，该弧线段即为基于毫米波雷达的距离检测功能建立栅格地图后得到的障碍物边缘区域。例如，确定距离毫米波雷达1的障碍物边缘区域确定的弧线段s1如图8所示，则弧线段s1与毫米波雷达1之间的相对位置数据即为障碍物边缘数据，即可以以毫米波雷达1作横坐标和纵坐标，弧线段s1可以看成由有限个坐标点构成的弧线段，那么该有限个坐标点的坐标就是毫米波雷达检测得到的障碍物边缘数据。需要说明的是，由于毫米波雷达探测点探测的精度比较准确，该弧线段在一定程度上可以看成是直线段，且一个毫米波雷达在一个时刻只探测一个定位点，因此，经过毫米波雷达的移动探测多个障碍物表面的定位点得到多个弧线段的连线可以构成一条障碍物边缘的直线，由该直线即可准确地确定障碍物边缘(如图4所示)。
可以理解地，目前方案通常是利用毫米波雷达的角分辨率作为定位点的检测区域，毫米波雷达的角分辨率指的是雷达的指向精度，例如，一个雷达的角分辨率是1度，即说明在100米处能有1.74米的分辨力，利用角分辨率作为定位点的检测区域存在的缺陷为检测精度不够。另外，如果毫米波雷达的性能较差时，角分辨率大的情况下，毫米波雷达检测障碍物边缘数据的误差是极大的。而本申请的定位点的检测区域与毫米波雷达的角分辨率无关，只与毫米波雷达的检测距离精度有关，由于毫米波雷达的距离精度很高，所以毫米波雷达检测的障碍物边缘数据误差是很小的，并且实现也简单。
请再次参阅图8，弧线段与第二线段围成的区域为空闲区域，空闲区域表示不存在障碍物。伞形内的区域为空闲区域，伞形边沿为占有区域，这可以让最后形成的代价地图中占有区域和空闲区域对比更明显，更容易确定障碍物边缘区域，从而获得更加精准的障碍物边缘数据。
在某些实施例中，根据障碍物边缘数据实时生成代价地图包括：根据贝叶斯公式与马尔可夫链确定当前时刻毫米波雷达在代价地图中的所在栅格的占用概率；根据占用概率确定毫米波雷达在代价地图的位置并根据障碍物边缘数据确定探测区域中栅格的占用状态。
也即是说，请结合图2，地图生成模块14用于根据贝叶斯公式与马尔可夫链确定当前时刻毫米波雷达在代价地图中的所在栅格的占用概率；根据占用概率确定毫米波雷达在代价地图的位置并根据障碍物边缘数据确定探测区域中栅格的占用状态。
请结合图6，处理器220用于：根据贝叶斯公式与马尔可夫链确定当前时刻毫米波雷达在代价地图中的所在栅格的占用概率；根据占用概率确定毫米波雷达在代价地图的位置并根据障碍物边缘数据确定探测区域中栅格的占用状态。
可以理解地，在通常的尺度地图中，对于一个点，它要么有(occupied状态，下面用1来表示)障碍物，要么没有(free状态，下面用0来表示)障碍物。
在代价地图中，对于一个点s，可以用p(s＝1)来表示栅格是空闲(free)状态的概率，用p(s＝0)来表示栅格是占用(occupied)状态的概率，两个概率之和为1。由于p(s＝1)和p(s＝0)的数值太多了，因此，将两者的比值
由于贝叶斯公式为：
p(s＝1|z)＝p(z|s＝1)p(s＝1)/p(z)，p(s＝0|z)＝p(z|s＝0)p(s＝1)/p(z)；
将上述贝叶斯公式带入
测量值的模型只有两种：
假设lofree＝0.6，looccu＝-0.8，则一个点状态的数值越大，就表示它是occupied状态，相反数值越小，就表示越肯定它是free状态。可以用logodd(s)来表示位置s的状态s。图9就展示了用毫米波雷达30的数据更新代价地图的过程。在地图中，一个点颜色越浅表示越肯定该点是空闲的，颜色越深表示越肯定它是占用的。
可以理解地，由于毫米波雷达的定位点可能会检测到障碍物的内部区域，因此，通过上述毫米波雷达检测方法直接建立代价地图的过程会将外层的定位点的占有概率消除，导致建立的代价地图还是不能精确地确定障碍物边缘区域。
为了解决此问题，本申请的毫米波雷达检测方法还可以动态设置定位点的占有及空闲概率。其中，毫米波雷达动态设置占有、空闲概率的基本规则是：定位点距离雷达越远，雷达的空闲概率越低；定位点的占有概率(即障碍物边缘的占有概率)不变，且定位点的占有概率在初始时根据毫米波雷达的实际测试特性具体设置，毫米波雷达越好占有值越高。例如，如图10所示，毫米波雷达发射的定位点中，定位点f与雷达30之间的距离小于定位点f’与雷达30之间的距离，则设定为：定位点f’的空闲概率低于定位点o1的弧线区域内部点(点f)的空闲概率，例如定位点f的空闲概率p1为-0.5，定位点f’的弧线区域内部点f的空闲概率p2为-0.25，即定位点f’检测为空闲区域的概率更小，不会将靠近毫米波雷达的处于障碍物边缘外层的定位点o1检测的占有概率消除，从而影响障碍物边缘区域的探测，因此，本申请的毫米波雷达检测方法可以更加精确地确定为障碍物边缘的占有区域和空闲区域。
进一步地，定位点(即为障碍物表面的探测点)的占有区域的概率高低可以根据毫米波雷达的实际测试特性具体设置，毫米波雷达测试性能越好，则定位点测试的占有概率值越高。例如，毫米波雷达1的性能测试结果相较于毫米波雷达2的性能测试结果更好，则基于距离毫米波雷达同样距离的定位点，毫米波雷达1的定位点测试的占有概率可以设置为90％，毫米波雷达2的定位点测试的占有概率可以设置为80％。当毫米波雷达1与毫米波雷达2检测到相同定位点的占有区域，则以占有概率高的毫米波雷达1的检测结果为准，使得检测得到的障碍物边缘占有概率更加精准。
通过上述过程更新代价地图可以动态确定当前时刻毫米波雷达在代价地图中的所在栅格的概率p(s＝1|z)和p(s＝0|z)，并根据占用概率
可以理解地，马尔可夫链指的是满足下面两个假设的一种随机过程：假设1：t l时刻系统状态的概率分布只与t时刻的状态有关，与t时刻以前的状态无关。假设2：从t时刻到t l时刻的状态转移与t的值无关，一个马尔可夫链模型可表示为＝(s，p，q)。s是系统所有可能的状态所组成的非空的状态集，有时也称之为系统的状态空间，有时也称之为系统的状态空间。p是系统的状态转移概率矩阵，其中pi表示系统在时刻t处于状态i，在下一时刻t l处于状态i的概率。对于任意i∈s。q是系统的初始概率分布，qi是系统在初始时刻处于状态i的概率。因此，结合马尔可夫链的原理将上述系统替代为雷达，即可以确定下一时刻毫米波雷达在代价地图中的所在栅格的占用概率，并根据占用概率确定毫米波雷达在代价地图的位置并根据障碍物边缘数据确定探测区域中栅格的占用状态。
在某些实施例中，根据障碍物边缘数据实时生成代价地图还包括：根据多个时刻雷达采集的多帧障碍物边缘数据，障碍物边缘数据即为栅格的占用状态对应的像素数据；根据多帧障碍物边缘数据和车辆运动轨迹累加形成代价地图。
也即是说，请结合图2，地图生成模块14用于根据多个时刻雷达采集的多帧障碍物边缘数据，障碍物边缘数据即为栅格的占用状态对应的像素数据；根据多帧障碍物边缘数据和车辆运动轨迹累加形成代价地图。
请结合图6，处理器220用于：根据多个时刻雷达采集的多帧障碍物边缘数据，障碍物边缘数据即为栅格的占用状态对应的像素数据；根据多帧障碍物边缘数据和车辆运动轨迹累加形成代价地图。
可以理解地，可以将概率确定雷达周围的栅格的占用状态，由于在形成的代价地图(如图4或图12所示)中，一个点颜色越浅表示越肯定该点是空闲的，颜色越深表示越肯定它是占用的，即可以将障碍物占有的概率转换为像素点的颜色深浅进行表示，如黑色像素点代表占有障碍物的边缘区域，白色像素点代表空闲区域，灰色代表占有障碍物的内部区域。
具体地，在车辆进入停车位的初始时刻，毫米波雷达的采集的数据可以为如图4所示的栅格的占有状态对应的像素数据，其中，黑色的像素点组成的像素区域代表占有障碍物的边缘，白色的像素点组成的像素区域代表空闲区域，灰色像素点组成的像素区域代表未知区域。
由于毫米波雷达安装在车辆100上，随着车辆的移动，毫米波雷达也跟着移动，因此毫米波雷达的运动轨迹可以视为与车辆的运动轨迹一致。车辆从初始时刻进入停车位，控制开始启动毫米波雷达发射探测信号，可以设置毫米波雷达发射探测信号的间隔时间与车辆移动速度呈比例关系，车辆速度越快，则雷达发射探测信号的间隔时间越短，可以保证毫米波雷达能够及时在车辆经过停车位时及时发出探测信号和接收反射信号得到多个时刻采集的多帧像素点数据，确保车速较快的情况下也能生成代价地图。如图11所示，毫米波雷达30可以在随着车辆行驶在不同时刻(t1、t2、t3和t4时刻)及时发射出不同定位点，进行不同区域的检测，将障碍物边缘的连线(图11中为线段ce)作为最终的障碍物边缘占有区域。
最后，车辆100停止前进时，可以控制毫米波雷达将多帧像素点数据累加形成一个完整的代价地图(如图12所示)。
在某些实施例中，对代价地图进行处理以确定空车位包括：将沿预设方向上占用状态突变的栅格边缘线标记为障碍物边缘线；根据障碍物边缘线确定障碍物边缘；及根据障碍物边缘确定车位。
也即是说，请结合图2，处理模块16用于：将沿预设方向上占用状态突变的栅格边缘线标记为障碍物边缘线；根据障碍物边缘线确定障碍物边缘；及根据障碍物边缘确定车位。
请结合图6，处理器用于：将沿预设方向上占用状态突变的栅格边缘线标记为障碍物边缘线；根据障碍物边缘线确定障碍物边缘；及根据障碍物边缘确定车位。
具体地，预设方向可以包括代价地图中像素点的列方向，即与车辆行驶方向平行的方向，预设方向也可以包括代价地图中像素点的行方向，即与车辆行驶方向垂直的方向。如图12所示，本申请的空车位检测方法可以从像素点的列方向从b方向往c方向或从c方向往b方向可以寻找到占有状态突变的栅格边缘线，同时也可以从像素点的行方向从d方向往e方向或从e方向往d方向可以寻找到占有状态突变的栅格边缘线，并将突变的栅格边缘线标记为障碍物边缘线。例如，如图12所示，以从b方向往c方向寻找占有状态突变的删格，形成的栅格边缘线依次为ab、cd、ef、gh和ij。以从d方向往e方向寻找占有状态突变的删格，形成的栅格边缘线依次为ka、ce和gi。将突变的栅格边缘线标记为障碍物边缘线，则可以根据障碍物边缘线确定障碍物的边缘分别为ab、cd、ef、gh、ij、ka、ce和gi。然后根据障碍物边缘可以确定空车位的位置。本申请的空车位检测方法确定的障碍物边缘包括相对于车辆行驶方向的横向与纵向的边缘，可以使得确定的障碍物边缘位置更为精准，进而使得确定的空车位区域更加准确。
在某些实施例中，根据障碍物边缘确定车位包括：将在预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘；确定车位边缘之间的栅格为空车位。
也即是说，请结合图2，处理模块16用于：将在预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘；确定车位边缘之间的栅格为车位。
请结合图6，处理器220用于：将在预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘；确定车位边缘之间的栅格为车位。
具体地，预设值为正常一个停车位的最长边的边缘线之间的宽度值，即将多个非占用栅格组合后的预设宽度最小值设置为一个正常停车位的宽度。
以前述障碍物边缘为ab、cd、ef、gh、ij为例进行说明，若确定在b至c方向上间隔非占用栅格大于预设值的相邻的两个障碍物边缘分别为ab与cd、ef与gh，即将ab与cd、ef与gh标记为车位边缘，可以将ab与cd之间的非占用栅格确定为第一空车位t1，ef与gh之间的非占用栅格确定为第二空车位t2(如图12所示)。
综上所述，本申请的空车位检测方法及装置、车辆和计算机设备利用毫米波雷达检测得到障碍物边缘数据，根据障碍物边缘数据实时生成代价地图，从而可以精确地确定空车位中的障碍物边缘区域，障碍物边缘区域包括相对于车辆行驶方向的横向与纵向的车辆周边的障碍物边缘区域，使得确定的空车位区域更加准确。
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
