一种基于立体车位的泊车方法和装置与流程

1.本发明涉及自动驾驶技术领域，尤其是涉及一种基于立体车位的泊车方法和装置。


背景技术：

2.随着科学技术的发展及人们生活水平的提升，汽车的使用以及购买数量大大提升，但随着汽车数量的大幅提升，车辆多停车位少导致的停车难已经成为城市交通的诟病。为了充分利用城市空间，尽可能多的增加停车位，越来越多的停车场使用了立体车位。
3.为了辅助用户泊车，目前车辆一般采用超声波雷达检测的方式，即通过超声波雷达检测特定区域内的障碍物信息进行车位的检测，在理想状态下，超声波雷达将返回两辆车中间的空车位，根据返回信息再筛选判断该空车位是否可以停车，从而实现自动泊车。
4.但是由于超声波雷达检测空车位依赖于空车位两边有车辆或较大物体，而立体车位的形状特殊，具有间隔大、两侧不具备车辆及较大物体等特点，使得超声波雷达检测的方式无法检测到立体车位，进而无法实现辅助用户泊车的目的。


技术实现要素：

5.针对上述问题，本技术提供一种基于立体车位的泊车方法和装置，用于检测立体车位，辅助用户泊车。
6.本技术实施例第一方面提供了一种基于立体车位的泊车方法，所述方法包括：
7.获取车辆周围的图像；
8.根据所述图像识别空闲立体车位的角点距离，所述角点距离为处于立体车位泊入侧的两个角点之间的距离；
9.将所述角点距离满足第一阈值条件的空闲立体车位确定为目标车位，所述第一阈值条件是根据所述车辆的宽度确定的；
10.基于飞行时间tof相机，得到表征所述目标车位两侧的保护沿位置的有效点云数据；
11.根据所述有效点云数据确定所述目标车位对应的点云函数，所述点云函数为所述目标车位中心线的函数表示；
12.基于所述点云函数控制所述车辆泊入所述目标车位。
13.可选的，所述方法还包括：
14.获取所述车辆的轮脉冲和方向盘转角；
15.根据所述轮脉冲和所述方向盘转角确定所述车辆的航迹；
16.确定所述航迹与所述点云函数之间的偏差；
17.所述基于所述点云函数控制所述车辆泊入所述目标车位，包括：
18.若所述偏差满足第二阈值条件，基于所述点云函数控制所述车辆泊入所述目标车位。
19.若所述位置不满足所述第二阈值条件，调整所述车辆的位置，直至所述车辆调整后的航迹与所述点云函数之间的偏差满足所述第二阈值条件。
20.可选的，所述基于飞行时间tof相机，得到位于所述目标车位两侧的保护沿位置的有效点云数据，包括：
21.通过所述tof相机获得表征所述目标车位的点云数据；
22.基于高度信息将所述点云数据进行聚类，得到位于所述目标车位两侧的保护沿位置的有效点云数据。
23.可选的，所述获取车辆周围的图像，包括：
24.基于环视鱼眼相机获取表征车辆周围环境的四路环视鱼眼拼接图像；
25.所述根据所述图像识别空闲立体车位的角点距离，包括：
26.根据所述四路环视鱼眼拼接图像，确定处于空闲立体车位泊入侧的两个角点之间的角点距离。
27.可选的，所述第一阈值条件为根据车辆的宽度和所述环视鱼眼相机的失衡比例确定。
28.可选的，所述将所述角点距离满足第一阈值条件的空闲立体车位确定为目标车位，包括：
29.获取m个空闲立体车位分别对应的角点距离；
30.将m个所述角点距离满足第一阈值条件的n个空闲立体车位确定为待定立体车位；
31.确定所述待定立体车位分别与所述车辆间的距离，将所述距离满足第三阈值条件的立体车位确定为目标车位。
32.本技术实施例第二方面提供了一种基于立体车位的泊车装置，所述装置包括：获取单元、识别单元、目标车位确定单元、点云数据获取单元、点云函数确定单元和控制单元；
33.所述获取单元，用于获取车辆周围的图像；
34.所述识别单元，用于根据所述图像识别空闲立体车位的角点距离，所述角点距离为处于立体车位泊入侧的两个角点之间的距离；
35.所述目标车位确定单元，用于将所述角点距离满足第一阈值条件的空闲立体车位确定为目标车位，所述第一阈值条件是根据所述车辆的宽度确定的；
36.所述点云数据获取单元，用于基于飞行时间tof相机，得到表征所述目标车位两侧的保护沿位置的有效点云数据；
37.所述点云函数确定单元，用于根据所述有效点云数据确定所述目标车位对应的点云函数，所述点云函数为所述目标车位中心线的函数表示；
38.所述控制单元，用于基于所述点云函数控制所述车辆泊入所述目标车位。
39.可选的，所述装置还包括偏差确定单元，用于：
40.获取所述车辆的轮脉冲和方向盘转角；
41.根据所述轮脉冲和所述方向盘转角确定所述车辆的航迹；
42.确定所述航迹与所述点云函数之间的偏差；
43.所述控制单元，用于：
44.若所述偏差满足第二阈值条件，基于所述点云函数控制所述车辆泊入所述目标车位。
45.若所述位置不满足所述第二阈值条件，调整所述车辆的位置，直至所述车辆调整后的航迹与所述点云函数之间的偏差满足所述第二阈值条件。
46.可选的，所述点云数据获取单元，用于：
47.通过所述tof相机获得表征所述目标车位的点云数据；
48.基于高度信息将所述点云数据进行聚类，得到位于所述目标车位两侧的保护沿位置的有效点云数据。
49.可选的，所述获取单元，用于：
50.基于环视鱼眼相机获取表征车辆周围环境的四路环视鱼眼拼接图像；
51.所述识别单元，用于：
52.根据所述四路环视鱼眼拼接图像，确定处于空闲立体车位泊入侧的两个角点之间的角点距离。
53.相对于现有技术，本技术上述技术方案的优点在于：
54.在获取车辆周围的图像后，由于立体车位一般不具有车位线信息，故不再基于车位线信息在图像中识别空闲立体车位，而是根据立体车位泊入侧的两个角点在图像中识别空闲立体车位。若两个角点之间的角点距离满足第一阈值条件，则该车辆可以泊入该空闲立体车位，将该空闲立体车位确定为目标车位。为了能够将车辆正确泊入目标车位，基于tof相机获取表征目标车位两侧的保护沿位置的有效点云数据，根据该有效点云数据可以确定出表征目标车位与该车辆的相对位置关系，从而可以基于点云函数控制该车辆泊入目标车位。由此，通过立体车位泊入侧的两个角点识别空闲立体车位，可以快速缩小范围，提高了目标车位的检测效率，在泊入时，通过tof相机二次感知精准定位，不依赖于目标车位两侧具备车辆及较大物体的环境，提高了泊车的准确性。
附图说明
55.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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技术中记载的一些实施例，对于本领域普通技术人员来讲，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它的附图。
56.图1为本技术实施例提供的一种基于立体车位的泊车方法的流程图；
57.图2为本技术提供的一种基于立体车位的泊车装置的示意图。
具体实施方式
58.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
59.为了辅助用户泊车，相关技术中除了采用超声波雷达检测的方式还会采用纯视觉检测的方式，在获取车辆周围的图像后，在图像中识别车位的四个角点和车位线信息，从而确定出车位。
60.但是，纯视觉检测的方式依赖于车位四条边沿具有强烈的颜色或者对比度特征，
而目前对于立体车位还没健全的法律法规，很多停车场为了节省成本，不会在立体车位上画上车位线，且由于立体车位多数为金属材质，难以保证边沿具有强烈的颜色特征及对比度，导致纯视觉检测的方式检测精度低。另外，纯视觉检测的方式的检测精度依赖于地面平缓，车位与地面高度相同，而立体车位常常具有一个坡度，且立体车位停车平面距离地面具有一定高度，导致纯视觉检测的方式检测精度低，无法完成狭窄的立体车位高精度的检测与定位要求。
61.基于此，本技术实施例提供了一种基于立体车位的泊车方法，在获取车辆周围的图像后，由于立体车位一般不具有车位线信息，故不再基于车位线信息在图像中识别空闲立体车位，而是根据立体车位泊入侧的两个角点在图像中识别空闲立体车位。若两个角点之间的角点距离满足第一阈值条件，则该车辆可以泊入该空闲立体车位，将该空闲立体车位确定为目标车位。为了能够将车辆正确泊入目标车位，基于tof相机获取表征目标车位两侧的保护沿位置的有效点云数据，根据该有效点云数据可以确定出表征目标车位与该车辆的相对位置关系，从而可以基于点云函数控制该车辆泊入目标车位。由此，通过立体车位泊入侧的两个角点识别空闲立体车位，可以快速缩小范围，提高了目标车位的检测效率，在泊入时，通过tof相机二次感知精准定位，不依赖于目标车位两侧具备车辆及较大物体的环境，提高了泊车的准确性。
62.下面结合附图，对本技术实施例提供的基于立体车位的泊车方法进行具体说明。
63.参见图1，图1是本技术提供的一种基于立体车位的泊车方法的流程图，该方法可以包括以下步骤101-106。
64.s101：获取车辆周围的图像。
65.为了检测空闲立体车位，可以先获取车辆周围的图像。
66.作为一种可能的实现方式，在车辆距离立体车位一段距离，如车辆纵向距离立体车位5-10米，横向距离立体车位1-2米，且车辆的前进方向与立体车位泊入方向垂直时，获取车辆周围的图像，以便检测空闲立体车位。
67.作为一种可能的实现方式，可以基于环视鱼眼相机获取能够表征车辆周围环境的四路环视鱼眼拼接图像，环视鱼眼相机视角较大，可以达到180
°
以上，对近距离的感知较好，可以安装于车辆左右后视镜下方以及前后车牌下方等位置做图像的拼接、车位检测、可视化等功能。
68.s102：根据图像识别空闲立体车位的角点距离。
69.在获得车辆周围的图像后，可以基于图像识别空闲立体车位，从而确定出位于空闲立体车位泊入侧两个角点之间的角点距离。
70.作为一种可能的实现方式，可以将图像，如四路环视鱼眼拼接图像输入至深度学习模型中，通过深度学习模型获得两个角点的信息，从而确定角点距离。
71.其中，深度学习(deep learning，dl)是机器学习(machine learning，ml)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(artificial intelligence，ai)。
72.s103：将角点距离满足第一阈值条件的空闲立体车位确定为目标车位。
73.在获得角点距离后，需要判断角点距离对应的立体车位是否可以泊入车辆，由此，判断角点距离是否满足第一阈值条件，若满足，则该立体车位的空间足够大可以泊入车辆，
将其确定为目标车位，若不满足，则该立体车位的空间较小，无法使车辆泊入，实现根据角点距离确定车辆是否能够泊入立体车位。
74.其中，第一阈值条件是根据车辆的宽度确定的，以便保证车辆的宽度不会超过立体车位的宽度，从而可以正确泊入立体车位。
75.由此，利用最简单的角点信息确定目标车位可以克服相关技术中纯视觉检测的方式对于强光、阴影及部分遮挡存在检测失效问题，还可以为后续车辆尾部对准立体车位泊入侧的位置提供先验信息，而且后续使用的tof相机视场角很小，由此可以快速确定目标车位，提高单帧图像的检出率及多场景的鲁棒性，
76.作为一种可能的实现方式，若车辆周围的图像是根据环视鱼眼相机获得的，则可以根据环视鱼眼相机的失衡比例和车辆的宽度共同确定。因为环视鱼眼相机属于广角相机，广角相机存在一定的畸变现象，且由前述可知立体车位停车平面距离地面具有一定高度，由此导致基于图像确定出的角点距离，相比于实际的角点距离偏小，故可以根据环视鱼眼相机的失衡比例和车辆的宽度共同确定第一阈值条件，如将第一阈值条件设置为下限距离值至上限距离值，下限距离值低于车辆宽度，上限距离值高于车辆的宽度。从而提高立体车位的检测正确性。
77.例如，车辆的宽度为2米，可以将第一阈值条件设置为1.8米至2.2米之间。即使基于图像确定出的角点距离为1.9米，小于车辆的宽度，依然可以将其确定为目标车位，从而通过设置第一阈值条件克服了由于环视鱼眼相机的畸变带来的误差，提高了空闲立体车位的利用率。
78.作为一种可能的实现方式，若基于图像获取了m个空闲立体车位分别对应的角点距离，可以基于第一阈值条件，从m个空闲立体车位中筛选出n个空闲立体车位确定为待定立体车位，其中，n小于等于m，根据待定立体车位与车辆之间的距离，将距离满足第三阈值条件的立体车位确定为目标车位。例如，按照距离的大小将n个待定立体车位排序，将距离最小的，即离车辆最近的待定立体车位作确定为目标车位。又如，将n个待定立体车位展示在车载电脑中，响应于用户的选择确定目标车位。
79.s104：基于飞行时间tof相机，得到表征目标车位两侧的保护沿位置的有效点云数据。
80.需要说明的是，车辆控制模块根据前述确定出的立体车位的两个角点及两个角点所形成的中点进行路径规划，旨在将车辆尾部对准在立体车位泊入口前侧，以便后续车辆可以泊入目标车位。
81.为了将车辆正确泊入目标车位，需要确定目标车位的位置。由于立体车位两侧的保护沿较高，可以基于飞行时间(time of flight，tof)相机得到目标车位两侧的保护沿位置对应的有效点云数据。其中，tof相机通过传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。
82.作为一种可能的实现方式，目标车位至少包括立体车位两侧的保护沿位置和立体车位停车平面，通过tof相机获得表征目标车位的点云数据，获得的点云数据包括上述保护沿位置和立体车位停车平面对应的点云数据。由于保护沿位置和立体车位停车平面的高度
不同，故可以基于高度信息将获取的点云数据进行聚类，从而筛选出表征保护沿位置的有效点云数据，实现去噪的目的。
83.s105：根据有效点云数据确定目标车位对应的点云函数。
84.其中，点云函数是目标车位中心线的函数表示.
85.作为一种可能的实现方式，可以使用最小二乘法拟合有效点云数据，从而确定出点云函数。
86.s106：基于点云函数控制车辆泊入目标车位。
87.由此，结合tof相机只需要角点信息就可以进行第一次的立体车位的检测，能大大提升立体车位检测的成功率，而且使用tof相机进行第二阶段的二次定位，大大提升了立体车位在具有一定高度差及坡度时候的定位精度。而且不依赖于立体车位具有明显的颜色和对比度的特征，也不依赖于空位两侧具有大型车位的环境，就可完成狭小空间立体车位的泊入功能。
88.作为一种可能的实现方式，车辆控制模块在将车辆尾部对准在立体车位泊入口前侧的过程中，车辆将进行位置调整，从而会使车辆位于目标车位较远的位置，从而丢失对目标车位的实时检测，故引入航迹推算。其中，航迹推算是根据车辆转角及车辆轮速等在不借助外界导航物标的条件下，求取航迹和车辆周围信息的方法。需要说明的是，此处对目标车位进行实时检测的装置可以为环视鱼眼相机，由于其存在畸变的可能，故通过环视鱼眼相机拍摄的角点可能会失真等，导致角点无法捕捉，进而出现检测不到目标车位的问题。
89.由此，在s106之前，可以获取车辆的轮脉冲和方向盘转角，根据轮脉冲和方向盘转角确定车辆的航迹，例如，通过车辆运动模型，使用车辆前进距离以及角度进行积分，通过航迹推算，预测车辆的航迹。然后确定航迹与点云函数之间的偏差，若该偏差满足第二阈值条件，则说明此时车辆处于的位置可以实现泊入目标车位，基于点云函数控制车辆泊入目标车位。若该偏差不满足第二阈值条件，则说明此时车辆处于的位置无法实现泊入目标车位，故调整车辆的位置，再次获取车辆的轮脉冲和方向盘转角确定车辆调整后的航迹，确定二者之间的偏差，直至车辆调整后的航迹与点云函数之间的偏差满足第二阈值条件。
90.第二阈值条件为可允许偏差，可以为航迹与点云函数之间存在5厘米等偏差。例如，从航迹在车底中心的位置向点云函数做垂线，垂线的长度不超过5厘米即可认为此时车辆可以泊入目标车位。
91.在获取车辆周围的图像后，由于立体车位一般不具有车位线信息，故不再基于车位线信息在图像中识别空闲立体车位，而是根据立体车位泊入侧的两个角点在图像中识别空闲立体车位。若两个角点之间的角点距离满足第一阈值条件，则该车辆可以泊入该空闲立体车位，将该空闲立体车位确定为目标车位。为了能够将车辆正确泊入目标车位，基于tof相机获取表征目标车位两侧的保护沿位置的有效点云数据，根据该有效点云数据可以确定出表征目标车位与该车辆的相对位置关系，从而可以基于点云函数控制该车辆泊入目标车位。由此，通过立体车位泊入侧的两个角点识别空闲立体车位，可以快速缩小范围，提高了目标车位的检测效率，在泊入时，通过tof相机二次感知精准定位，不依赖于目标车位两侧具备车辆及较大物体的环境，提高了泊车的准确性。
92.本技术实施例除了提供的基于立体车位的泊车方法外，还提供了一种基于立体车位的泊车装置，如图2所示，包括：获取单元201、识别单元202、目标车位确定单元203、点云
数据获取单元204、点云函数确定单元205和控制单元206；
93.所述获取单元201，用于获取车辆周围的图像；
94.所述识别单元202，用于根据所述图像识别空闲立体车位的角点距离，所述角点距离为处于立体车位泊入侧的两个角点之间的距离；
95.所述目标车位确定单元203，用于将所述角点距离满足第一阈值条件的空闲立体车位确定为目标车位，所述第一阈值条件是根据所述车辆的宽度确定的；
96.所述点云数据获取单元204，用于基于飞行时间tof相机，得到表征所述目标车位两侧的保护沿位置的有效点云数据；
97.所述点云函数确定单元205，用于根据所述有效点云数据确定所述目标车位对应的点云函数，所述点云函数为所述目标车位中心线的函数表示；
98.所述控制单元206，用于基于所述点云函数控制所述车辆泊入所述目标车位。
99.作为一种可能的实现方式，所述装置还包括偏差确定单元207，用于：
100.获取所述车辆的轮脉冲和方向盘转角；
101.根据所述轮脉冲和所述方向盘转角确定所述车辆的航迹；
102.确定所述航迹与所述点云函数之间的偏差；
103.所述控制单元206，用于：
104.若所述偏差满足第二阈值条件，基于所述点云函数控制所述车辆泊入所述目标车位。
105.若所述位置不满足所述第二阈值条件，调整所述车辆的位置，直至所述车辆调整后的航迹与所述点云函数之间的偏差满足所述第二阈值条件。
106.作为一种可能的实现方式，所述点云数据获取单元204，用于：
107.通过所述tof相机获得表征所述目标车位的点云数据；
108.基于高度信息将所述点云数据进行聚类，得到位于所述目标车位两侧的保护沿位置的有效点云数据。
109.作为一种可能的实现方式，所述获取单元201，用于：
110.基于环视鱼眼相机获取表征车辆周围环境的四路环视鱼眼拼接图像；
111.所述识别单元202，用于：
112.根据所述四路环视鱼眼拼接图像，确定处于空闲立体车位泊入侧的两个角点之间的角点距离。
113.作为一种可能的实现方式，所述第一阈值条件为根据车辆的宽度和所述环视鱼眼相机的失衡比例确定。
114.作为一种可能的实现方式，所述目标车位确定单元203，用于：
115.获取m个空闲立体车位分别对应的角点距离；
116.将m个所述角点距离满足第一阈值条件的n个空闲立体车位确定为待定立体车位；
117.确定所述待定立体车位分别与所述车辆间的距离，将所述距离满足第三阈值条件的立体车位确定为目标车位。
118.由此，本技术实施例提供了基于立体车位的泊车装置，在获取车辆周围的图像后，由于立体车位一般不具有车位线信息，故不再基于车位线信息在图像中识别空闲立体车位，而是根据立体车位泊入侧的两个角点在图像中识别空闲立体车位。若两个角点之间的
角点距离满足第一阈值条件，则该车辆可以泊入该空闲立体车位，将该空闲立体车位确定为目标车位。为了能够将车辆正确泊入目标车位，基于tof相机获取表征目标车位两侧的保护沿位置的有效点云数据，根据该有效点云数据可以确定出表征目标车位与该车辆的相对位置关系，从而可以基于点云函数控制该车辆泊入目标车位。由此，通过立体车位泊入侧的两个角点识别空闲立体车位，可以快速缩小范围，提高了目标车位的检测效率，在泊入时，通过tof相机二次感知精准定位，不依赖于目标车位两侧具备车辆及较大物体的环境，提高了泊车的准确性。
119.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
120.以上所述仅是本技术的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。