CN111257893A - 一种停车位检测方法及自动泊车方法 - Google Patents
一种停车位检测方法及自动泊车方法 Download PDFInfo
- Publication number
- CN111257893A CN111257893A CN202010067655.6A CN202010067655A CN111257893A CN 111257893 A CN111257893 A CN 111257893A CN 202010067655 A CN202010067655 A CN 202010067655A CN 111257893 A CN111257893 A CN 111257893A
- Authority
- CN
- China
- Prior art keywords
- parking space
- point
- sampling point
- parking
- distance
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000009191 jumping Effects 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 23
- 238000009499 grossing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations
- G01S2015/933—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations for measuring the dimensions of the parking space when driving past
- G01S2015/935—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations for measuring the dimensions of the parking space when driving past for measuring the contour, e.g. a trajectory of measurement points, representing the boundary of the parking space
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2015/937—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles sensor installation details
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种停车位检测方法及自动泊车方法，涉及汽车安全辅助技术领域；其特征在于，所述停车位检测方法，包括以下步骤：S1、利用车辆的超声波传感器对车辆与障碍物间的距离进行测量；S2、以车辆的位置为采样点，在不同采样点采取超声波传感器探测的距离，以获取车辆周围的障碍物的初始轮廓；S3、对各个所述采样点对应的所述距离进行平滑滤波处理，以滤掉无效边界跳变点，得到与实际停车位的轮廓相同或相似的停车位轮廓数据。本发明的停车位检测方法及自动泊车方法能够准确的对停车位进行检测，从何提高了自动泊车率。
Description
技术领域
本发明涉及汽车安全辅助技术领域，特别是涉及一种停车位检测方法及自动泊车方法。
背景技术
随着人们生活水平的提高，汽车(机动车辆)已经成为家庭必备品，汽车已经普及到每个家庭，大量驾驶员的驾驶技能不够熟练，特别是泊车时容易发生刮碰，造成双方当事人的经济损失。
目前市场上出现的自动泊车产品主要包括三大部分：环境感知、控制算法、执行机构。现有的产品在环境感知方面对停车位搜索不够精确，导致后续的泊车轨迹规划以及控制算法有偏差，最终影响自动泊车成功率；另外，现有的自动泊车产品没有对泊车空间进行修正，第一次识别过程存在的偏差可能会导致泊车过程发生碰撞，或者无法泊车入位。
参考图1、2，目前市面上的APA超声波传感器的水平探测角度比较大，例如常用的APA超声波传感器的探测角度水平/垂直为90°/50°，水平探测角度较大导致回波范围亦较大，由于超声波的探测波瓣非线性结构，故在辨别泊车空间轮廓时会产生较大的偏差。参考图6，在泊车空间的测量存在偏差的情况下(探测车位拐点为C点，实际应为C’点)，在泊车过程中没有对偏差进行修正，则路径规划不合理，从而造成自动泊车的成功率低。
发明内容
本发明的第一目的旨在提供一种停车位检测方法，能够准确的对停车位进行检测，从何提高了自动泊车率。本发明的第一目的通过以下技术方案实现：
一种停车位检测方法，其特征在于，包括以下步骤：
S1、利用车辆的超声波传感器对车辆与障碍物间的距离进行测量；
S2、以车辆的位置为采样点，在不同采样点采取超声波传感器探测的距离，以获取车辆周围的障碍物的初始轮廓；
S3、对各个所述采样点对应的所述距离进行平滑滤波处理，以滤掉无效边界跳变点，得到与实际停车位的轮廓相同或相似的停车位轮廓数据。
具体地，步骤S2具体包括，车辆每移动一单位距离SA，采样一次。
具体地，步骤S3所述的平滑滤波处理包括对无效边界跳变点的条件限幅处理，具体地，从第三个采样点开始，依次对各采样点依次做如下处理，直至最后一个采样点判断完成：
(1)若某一采样点对应的距离与其上一个采样点对应的距离的差值的绝对值大于限制幅度MA，则判断该采样点为边界跳变点；如果该采样点是边界跳变点，则执行步骤(2)，如果该采样点不是边界跳变点，则对下一采样点执行步骤(1)；
(2)如果该采样点对应的距离与之前的N个采样点各自对应的距离的差值的绝对值均大于限制幅度MA，则该采样点为有效边界跳变点，之后对下一采样点执行步骤(1)；否则该边界跳变点为无效边界跳变点,执行步骤(3)；其中N的取值满足N*SA介于40～60cm间；其中N>＝2；
(3)对无效边界跳变点的限幅处理具体包括：如果该无效边界跳变点对应的所述距离大于其前一个采样点对应的距离，则将该无效边界跳变点的前一个采样点对应的距离加上限制幅度MA，以此来修正该无效边界跳变点对应的距离；如果该无效边界跳变点对应的距离小于其前一个采样点对应的距离，则将该无效边界跳变点的前一个采样点对应的距离减去限制幅度MA，以此来修正该无效边界跳变点对应的距离；之后对下一采样点执行步骤(1)。
优选地，所述平滑滤波处理还包括条件限幅处理之后的加权递推处理；
所述加权递推处理具体包括对各个采样点的距离按公式一进行加权计算，得到各个采样点的滤波距离：
公式一：
其中distance(n)-第n个采样点对应的距离；
A(i)-第i个采样点对应的距离的加权系数，各所述加权系数均>0，且
k-各采样点加权递推的计算个数，k的取值满足k*SA介于40～60cm间，k>＝2。
优选地，公式一中，A(n)的取值范围为0.5～0.8。
作为具体地技术方案，所述单位距离SA为10cm～30cm；k＝2；N＝2。
优选地，所述限制幅度MA为30～80cm。
具体地，所述超声波传感器设置在车头和/或车尾的左侧及右侧；所述超声波传感器的探测角度为水平/垂直角度：为50°/50°。
本发明的第二目的旨在提供一种自动泊车方法，能够准确的对停车位进行检测，从何提高了自动泊车率。本发明的第二目的通过以下技术方案实现：
一种自动泊车方法，其特征在于，包括以下步骤：
(1)按照第一目的的技术方案所述的停车位检测方法进行停车位检测；
(2)按照所述停车位轮廓数据计算泊车运行轨迹；
(3)控制档位、刹车、油门、转向实现自动泊车。
作为优选地技术方案，步骤(3)包括执行第一次倒车的步骤；在第一次倒车之后，还包括停车位的二次检测的步骤，停车位的二次检测采用第一目的的技术方案所述的停车位检测方法；之后重新计算泊车运行轨迹，之后控制档位、刹车、油门、转向实现自动泊车。
本发明的有益技术效果：
本发明的停车位检测方法能够准确地识别停车位的轮廓，从而使车位识别误差在30cm以内，再通过泊车过程中的第一次倒车后进行停车位的二次检测，从而让泊车过程中的关键位置进行二次坐标修正算法，重新计算泊车路径轨迹，自动泊车成功率达到95％以上；同时并且通过车头左侧及右侧和车尾左侧及右侧的超声波传感器采用较窄的探测角度，能够提高对障碍物的距离探测的准确性。
附图说明
图1是现有技术的APA超声波传感器的探测角度示意图；
图2是现有技术的APA超声波传感器应用在车辆上的探测角度示意图；
图3是本发明实施例提供的APA超声波传感器的探测角度示意图；
图4是本发明实施例提供的APA超声波传感器应用在车辆上的探测角度示意图；
图5是本发明实施例提供的自动泊车控制系统的架构示意图；
图6是应用APA超声波传感器采集的原始数据的停车位轮廓以及应用本发明的停车位搜索方法处理后的滤波数据的停车位轮廓；
图7是本发明实施例提供的关键位置二次坐标修正示意图；
图8是本发明实施例提供的另一个停车位的示意图。
具体实施方式
为了便于说明，本申请中定义了上、下、左、右、前、后等方位，该方位的定义旨在结合附图和文字描述确定相对的位置关系，并不构成对本申请所涉及的装置、组件、零件在生产、使用、销售等过程中实际方位的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。
如图5所示，本发明提供了一种泊车环境探测方法和超声波装置，包括设置在车身前端、后端、车头左侧及右侧、车尾左侧及右侧的若干传感器、自动泊车控制器、车辆CAN总线；设置在车身上的各个传感器均与自动泊车控制器连接，自动泊车控制器通过所述车辆CAN总线连接车辆人机交互组件以及自动泊车执行组件。
具体地，本实施例中的所述的传感器均采用超声波传感器，其中设置在车身前端、后端的超声波传感器(即UPA超声波传感器1)各有4个，分别安装与车辆的前、后保险杠上，并且其具体的安装角度依车身的造型适配；设置在车身前端的UPA超声波传感器1间隔设置，沿车身纵向中线对称设置；设置在车身后端的UPA超声波传感器1间隔设置，沿车身纵向中线对称设置。
设置于车头左侧及右侧、车尾左侧及右侧的窄波束超声波传感器(即APA超声波传感器2)共4个，呈对称方式安装于前后保险杠的左右两侧。优选的，如图2，本发明的各个APA超声波传感器2的探测角度为水平/垂直为50°/50°(即水平方向50°以内、垂直方向50°以内)，其中水平角度的探测角度较窄，能够更加有利于辨别泊车空间的轮廓，垂直方向也不容易扫到地面造成误报，能够提高探测精度。这样的波束角度选择相对较窄，回波范围小，干扰小，同时兼顾低矮障碍物的探测。
本实施例中，APA超声波传感器是窄波束传感器。如图3、4所示，APA超声波传感器发射超声波后，声波的物理特性呈扇状散开。当遇到障碍物时，障碍物对声波反射，反射波回到传感器被接收到。波束角度越大，则能够接收到回波的范围越大，从而会造成干扰越多，会让系统无法判断回波来自哪个方向，从而造成自动泊车失败。本发明的APA超声波传感器的探测角度窄，波束的方向性好，发散小，探测泊车空间时更有利于判别车位空间拐点。当本车探测泊车车位时，窄波束的探测误差S’(参考图4)较宽波束的探测误差S(参考图2)要小得多，从而能够提高周围障碍物的探测精度。
结合图7，搜索车位时，通常是通过车头侧方和车尾侧方的窄波束超声波传感器2即APA超超声波传感器，根据当前车速以相应的时间间隔扫描可用车位，两个传感器同时探测，互相参考比较，有利于提高搜索车位的精度。
以车头侧方的APA超超声波传感器为为例说明以下本发明的停车位检测方法，包括以下步骤：
S1、利用车辆的超声波传感器对车辆与障碍物间的距离进行测量；
S2、以车辆的位置为采样点，在不同采样点采取超声波传感器探测的距离，以获取车辆周围的障碍物的初始轮廓；
采样点的设置为根据汽车行驶间距来确定，比如让汽车每驶过约25cm(即单位距离SA为25cm)设置一个采样点，在每个采样点采集一个距离数据，数据采集时间Δt的大小取决于本车车速，车速为30km/h对应Δt为30ms，车速为10km/h对应的Δt为90ms；采样点的距离数据依次记录在distance()中，distance()用于记录搜索车位过程中声波回波的距离采样值，单位为cm。
S3、对各个所述采样点对应的所述距离进行平滑滤波处理，以滤掉无效边界跳变点，得到与实际停车位的轮廓相同或相似的停车位轮廓数据。
具体地，所述平滑滤波处理包括对无效边界跳变点的条件限幅处理以及条件限幅处理之后的加权递推处理。
条件限幅处理具体包括，从第二个采样点开始，依次对各采样点依次做如下处理，直至最后一个采样点判断完成：
(1)若某一采样点对应的距离与其上一个采样点对应的距离的差值的绝对值大于限制幅度MA，则判断该采样点为边界跳变点；如果该采样点是边界跳变点，则执行步骤(2)，如果该采样点不是边界跳变点，则对下一采样点执行步骤(1)；
(2)如果该采样点对应的距离与其后的N个采样点各自对应的距离的差值的绝对值均大于限制幅度MA，则该采样点为有效边界跳变点，之后对下一采样点执行步骤(1)；否则该边界跳变点为无效边界跳变点,执行步骤(3)；其中N的取值满足N*SA介于40～60cm间；本实施例中单位距离SA为25cm，N取值为2
(3)对无效边界跳变点的限幅处理具体包括：如果该无效边界跳变点对应的所述距离大于其前一个采样点对应的距离，则将该无效边界跳变点的前一个采样点对应的距离加上限制幅度MA，以此来修正该无效边界跳变点对应的距离；如果该无效边界跳变点对应的距离小于其前一个采样点对应的距离，则将该无效边界跳变点的前一个采样点对应的距离减去限制幅度MA，以此来修正该无效边界跳变点对应的距离；之后对下一采样点执行步骤(1)。
如果某一个采样点m对应的距离得到修正，那么其后一个采样点m+1进行步骤(1)的判断时，使用的采样点m对应的距离为修正后的距离。
上述的限制幅度MA的取值要根据实际调试情况确定，优选地为30～80cm之间。经过条件限幅处理，把无效边界跳变点(或者叫做干扰边界跳变点)范围限制在MA以内，而真实的车位拐点(有效边界跳变点)则不受限制。
加权递推处理具体为：
所述加权递推处理具体包括对各个采样点的距离按公式一进行加权计算，得到各个采样点的滤波距离：
公式一：
其中distance(n)-第n个采样点对应的距离；
A(i)-第i个采样点对应的距离的加权系数，各所述加权系数均>0，且
k-各采样点加权递推的计算个数，k的取值满足k*SA介于40～60cm间。
应当知道当n<k时的distance(n)的值不做加权递推处理。
在本实施例中，单位距离SA为25cm；k取值为2；distance(1)与distance(2)的数据不做加权递推处理。
公式一中，A(n)的取值范围为0.5～0.8，其他加权系数的值则根据实际调试效果确定。
即当对采样点n进行加权递推处理时，其自身的加权系数A(n)尽量选取较高的权重，已让得到的停车位轮廓曲线更接近真实的停车位轮廓。
经过加权递推平均处理，干扰的边界跳变点会被平滑过滤，而真实车位拐点则能保持其突变性，最终得到的滤波数据是平滑的曲线。
由于停车位两侧的不同车型(或者障碍物)的个性化造型变化较大，探测的停车位得到的回波距离原始数据存在一些干扰边界跳变点，会影响停车位宽度的判断。比如图6给出一种实际停车位的情况下，经由APA超声波传感器采集的原始数据得到的停车位轮廓以及上述两种处理方法得出的滤波数据的停车位轮廓；可以看出，经过条件限幅以及加权递推处理，图6的一些干扰边界跳变点已经被过滤掉，得到了与实际的停车位轮廓的形状的相似度较高的停车位数据。
在一个实施例中比如distance()为能够容纳18个采样数据的数组，该数组为一个环形缓冲数组，其中的数据采用先进先出的方式循环存入和取出。
采集到的初始距离数据通过上述两种处理方法后，由distance()数组依次顺序转存入数组space[j]中，其中j＝0～249。当系统识别判断车位拐点时，只须对判断space[j]-space[j-1]是否大于设定值MB，则可判断出关键拐点的坐标，侧方停车时，关键拐点即图6中C点；通常MB的取值大于50cm，可根据实际调试效果确定，自动停车时，自动泊车控制系统根据space[j]中的数据进行停车控制。
在自动泊车控制系统中，在相对较平滑的车位数据(滤波数据)基础上，只要识别出车位数据的突变点(判断突变点的标准视障碍物的不同类型可做分类处理)即可作为停车位的拐点，从而计算出停车位空间是否适用。
本发明还提供了一种自动泊车方法，包括以下步骤：
(1)按照上述的停车位检测方法进行停车位检测；
(2)按照所述停车位轮廓数据计算泊车运行轨迹；
(3)控制档位、刹车、油门、转向实现自动泊车。
其中步骤(3)包括执行第一次倒车的步骤；在第一次倒车之后，还包括停车位的二次检测的步骤，停车位的二次检测亦采用上述的停车位检测方法；之后重新计算泊车运行轨迹，之后控制档位、刹车、油门、转向实现自动泊车。
如图7，探测泊车位有两个关键坐标点B和C’，其准确性影响到泊车空间计算、泊车路径规划以至最终的泊车成功率。特别是坐标点C’，是泊车控制的第一个转向点，若识别偏差过大会导致碰撞到邻车(障碍物)。一般情况下，搜索车位的车速要大于泊车入位时的车速，因此泊车入位过程对关键坐标点的探测准确性更高。本技术在第一次倒车过程中利用车尾侧方传感器再次探测C点，做二次坐标修正，并根据新的坐标点C’做泊车轨迹修正，从而避免碰撞邻车(或者障碍物)，从而提高泊车成功率；做坐标点C’修正时，采用的方法与本发明的停车位检测方法法相同；本实施例中上述停车位检测方法是对连续3个数据做判断处理，当数据量少于3个时不能使用，所以在检测停车位的起始点(即采样点的起点)要比可用停车位提前200cm，保证获得超过3个数据。
如图8，检测停车位并不限于两台车辆形成的泊车空间，也可以是含一个目标物以上的场景，当只有单个目标物时(例如柱子)，本发明的探测方法同样可以探测出泊车空间以及关键位置坐标C，从而规划泊车路径进行自动泊车。
以上实施方式的说明图例只示意了探测水平泊车空间，但并不局限于水平泊车，本泊车环境探测方法同样适用于垂直泊车的场境。
本实施例中，超声波装置具有32针的插座，各个超声波传感器为具有3个插针(一个接地、一个接电源、一个为信号输出接口)，各个超声波传感器的接地线与电源线分别并置，并置后分别连接自动泊车控制器的插座的接地针与电源针上；各个超声波传感器的信号输出接口对应连接到自动泊车控制器的插座的各个信号接收接口上。
本发明的自动泊车执行组件包括车身稳定控制系统ESC、电动助力单元EPS；超声波装置通过车辆CAN总线分别连接车身稳定控制系统ESC、电动助力单元EPS。
本发明的8个UPA超声波传感器1安装于汽车的前、后保险杠正面，在自动泊车或手动泊车过程中，对前后方的障碍物进行探测，并输出障碍回波信号给自动泊车控制器，保证在泊车过程中的碰撞预警功能。4个APA超声波传感器2安装于汽车前后保杠的侧面，在自动泊车时进行车位搜索探测，识别泊车空间，并把回波信号发给自动泊车控制器，其APA超声波传感器的特殊设计的探测角度，为车位搜索准确度提供必要条件。
泊车环境探测方法及超声波装置是自动泊车的核心，对接收到的各个超声波传感器的回波信号计算出各个点位的距离，并根据车身的速度信号进行运算(采用平滑滤波、车位数据突变点识别算法和关键位置二次坐标修正算法)，计算出泊车空间大小、空间拐点坐标、本车当前坐标等信息，并根据当前坐标数据计算规划出泊车轨迹路径，然后按照泊车轨迹，通过车身稳定控制系统ESC控制汽车档位、刹车、油门，通过电动助力单元EPS控制方向盘转向，实现全自动泊车功能；本发明的车位识别误差在30cm以内，自动泊车成功率在达到95％以上。
本发明兼容了自动泊车系统与泊车辅助系统两大系统功能。在自动泊车时工作于自动泊车模式状态，可实现全自动搜索车位，泊车轨迹规划算法，控制档位、刹车、油门、转向完成自动水平车位泊车、垂直车位泊车、遥控泊车功能。在手动泊车时，本系统对周围障碍进行探测，并通过车辆仪表上通过距离显示以及声音报警提示驾驶员安全泊车。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，不经创造性所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种停车位检测方法，其特征在于，包括以下步骤：
S1、利用车辆的超声波传感器对车辆与障碍物间的距离进行测量；
S2、以车辆的位置为采样点，在不同采样点采取超声波传感器探测的距离，以获取车辆周围的障碍物的初始轮廓；
S3、对各个所述采样点对应的所述距离进行平滑滤波处理，以滤掉无效边界跳变点，得到与实际停车位的轮廓相同或相似的停车位轮廓数据。
2.根据权利要求1所述的停车位检测方法，其特征在于，步骤S2具体包括，车辆每移动一单位距离SA，采样一次。
3.根据权利要求2所述的停车位检测方法，其特征在于，步骤S3所述的平滑滤波处理包括对无效边界跳变点的条件限幅处理，具体地，从第三个采样点开始，依次对各采样点依次做如下处理，直至最后一个采样点判断完成：
(1)若某一采样点对应的距离与其上一个采样点对应的距离的差值的绝对值大于限制幅度MA，则判断该采样点为边界跳变点；如果该采样点是边界跳变点，则执行步骤(2)，如果该采样点不是边界跳变点，则对下一采样点执行步骤(1)；
(2)如果该采样点对应的距离与其后的N个采样点各自对应的距离的差值的绝对值均大于限制幅度MA，则该采样点为有效边界跳变点，之后对下一采样点执行步骤(1)；否则该边界跳变点为无效边界跳变点,执行步骤(3)；其中N>＝2，且N的取值满足N*SA介于40～60cm间；
(3)对无效边界跳变点的限幅处理具体包括：如果该无效边界跳变点对应的所述距离大于其前一个采样点对应的距离，则将该无效边界跳变点的前一个采样点对应的距离加上限制幅度MA，以此来修正该无效边界跳变点对应的距离；如果该无效边界跳变点对应的距离小于其前一个采样点对应的距离，则将该无效边界跳变点的前一个采样点对应的距离减去限制幅度MA，以此来修正该无效边界跳变点对应的距离；之后对下一采样点执行步骤(1)。
4.根据权利要求3所述的停车位检测方法，其特征在于，所述平滑滤波处理还包括条件限幅处理之后的加权递推处理；
所述加权递推处理具体包括对各个采样点的距离按公式一进行加权计算，得到各个采样点的滤波距离：
公式一：
其中distance(n)-第n个采样点对应的距离；
A(i)-第i个采样点对应的距离的加权系数，各所述加权系数均>0，且
k-各采样点加权递推的计算个数，k的取值满足k*SA介于40～60cm间。
5.根据权利要求4所述的停车位检测方法，其特征在于，公式一中，A(n)的取值范围为0.5～0.8。
6.根据权利要求5所述的停车位检测方法，其特征在于，所述单位距离SA为10cm～30cm；k＝2；N＝2。
7.根据权利要求3～6任意一项所述的停车位检测方法，其特征在于，所述限制幅度MA为30～80cm。
8.根据权利要求1～6任意一项所述的停车位检测方法，其特征在于，所述超声波传感器设置在车头和/或车尾的左侧及右侧；所述超声波传感器的探测角度为水平/垂直角度：为50°/50°。
9.一种自动泊车方法，其特征在于，包括以下步骤：
(1)按照权利要求1～8任意一项所述的停车位检测方法进行停车位检测；
(2)按照所述停车位轮廓数据计算泊车运行轨迹；
(3)控制档位、刹车、油门、转向实现自动泊车。
10.根据权利要求9所述的自动泊车方法，其特征在于，步骤(3)包括执行第一次倒车的步骤；在第一次倒车之后，还包括停车位的二次检测的步骤，停车位的二次检测采用权利要求1～8任意一项所述的停车位检测方法；之后重新计算泊车运行轨迹，之后控制档位、刹车、油门、转向实现自动泊车。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010067655.6A CN111257893B (zh) | 2020-01-20 | 2020-01-20 | 一种停车位检测方法及自动泊车方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010067655.6A CN111257893B (zh) | 2020-01-20 | 2020-01-20 | 一种停车位检测方法及自动泊车方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111257893A true CN111257893A (zh) | 2020-06-09 |
| CN111257893B CN111257893B (zh) | 2024-05-10 |
Family
ID=70947058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010067655.6A Active CN111257893B (zh) | 2020-01-20 | 2020-01-20 | 一种停车位检测方法及自动泊车方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111257893B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112562412A (zh) * | 2020-12-07 | 2021-03-26 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
| CN112874510A (zh) * | 2021-02-02 | 2021-06-01 | 江苏大学 | 一种基于半监督学习的自动编码器在自动泊车中车位探测的方法 |
| CN113246971A (zh) * | 2021-06-24 | 2021-08-13 | 珠海上富电技股份有限公司 | 一种车位轮廓精度提高方法以及自动泊车系统 |
| CN113253278A (zh) * | 2021-04-28 | 2021-08-13 | 奇瑞汽车股份有限公司 | 车位的识别方法、装置及计算机存储介质 |
| CN113869432A (zh) * | 2021-09-28 | 2021-12-31 | 英博超算(南京)科技有限公司 | 一种超声波传感器自动泊车的轮廓点距离相似度计算方法 |
| CN114114286A (zh) * | 2021-11-04 | 2022-03-01 | 广州小鹏自动驾驶科技有限公司 | 一种车辆的超声波雷达控制方法和装置 |
| WO2022083832A1 (de) * | 2020-10-22 | 2022-04-28 | Continental Automotive Gmbh | Verfahren zum erfassen eines objekts in einer umgebung eines kraftfahrzeugs und assistenzsystem |
| CN115457760A (zh) * | 2022-08-03 | 2022-12-09 | 北京云星宇交通科技股份有限公司 | 车辆车牌与泊位的识别绑定方法及装置 |
| CN116400362A (zh) * | 2023-06-08 | 2023-07-07 | 广汽埃安新能源汽车股份有限公司 | 一种行车边界检测方法、装置、存储介质及设备 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464519A (zh) * | 2009-01-06 | 2009-06-24 | 深圳市航盛电子股份有限公司 | 一种停车辅助系统抗干扰方法及其障碍探测法 |
| US20110074604A1 (en) * | 2009-09-29 | 2011-03-31 | Automotive Research & Testing Center | Automatic parallel parking device |
| DE102013202915A1 (de) * | 2013-02-22 | 2014-08-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Vermessen einer Parklücke für ein Einparkassistenzsystem eines Kraftfahrzeugs |
| CN105608924A (zh) * | 2016-02-18 | 2016-05-25 | 广州橙行智动汽车科技有限公司 | 一种基于超声波雷达的泊车车位检测方法 |
| CN106203398A (zh) * | 2016-07-26 | 2016-12-07 | 东软集团股份有限公司 | 一种检测车道边界的方法、装置和设备 |
| CN106671974A (zh) * | 2015-11-10 | 2017-05-17 | 新乡航空工业(集团)有限公司 | 一种用于智能泊车系统的车位检测方法 |
| CN107697045A (zh) * | 2017-09-07 | 2018-02-16 | 厦门大学 | 一种无人驾驶汽车自动刹车控制装置及方法 |
| CN108181906A (zh) * | 2018-01-07 | 2018-06-19 | 珠海上富电技股份有限公司 | 一种泊车辅助控制系统及方法 |
| CN108845327A (zh) * | 2018-08-13 | 2018-11-20 | 河南城建学院 | 一种大货车视野盲区障碍物的智能检测及提醒系统 |
| CN109493633A (zh) * | 2018-12-20 | 2019-03-19 | 广州小鹏汽车科技有限公司 | 一种可停车位的检测方法及装置 |
| CN109895763A (zh) * | 2018-05-17 | 2019-06-18 | 华为技术有限公司 | 基于超声波雷达的泊车车位检测方法和终端 |
| CN110517507A (zh) * | 2019-08-27 | 2019-11-29 | 纵目科技（上海）股份有限公司 | 基于超声波传感器的车辆位姿检测方法、系统、终端和存储介质 |
| CN110618420A (zh) * | 2019-10-15 | 2019-12-27 | 广州小鹏汽车科技有限公司 | 一种超声波数据的处理方法、系统、车辆及存储介质 |
-
2020
- 2020-01-20 CN CN202010067655.6A patent/CN111257893B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464519A (zh) * | 2009-01-06 | 2009-06-24 | 深圳市航盛电子股份有限公司 | 一种停车辅助系统抗干扰方法及其障碍探测法 |
| US20110074604A1 (en) * | 2009-09-29 | 2011-03-31 | Automotive Research & Testing Center | Automatic parallel parking device |
| DE102013202915A1 (de) * | 2013-02-22 | 2014-08-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Vermessen einer Parklücke für ein Einparkassistenzsystem eines Kraftfahrzeugs |
| CN106671974A (zh) * | 2015-11-10 | 2017-05-17 | 新乡航空工业(集团)有限公司 | 一种用于智能泊车系统的车位检测方法 |
| CN105608924A (zh) * | 2016-02-18 | 2016-05-25 | 广州橙行智动汽车科技有限公司 | 一种基于超声波雷达的泊车车位检测方法 |
| CN106203398A (zh) * | 2016-07-26 | 2016-12-07 | 东软集团股份有限公司 | 一种检测车道边界的方法、装置和设备 |
| CN107697045A (zh) * | 2017-09-07 | 2018-02-16 | 厦门大学 | 一种无人驾驶汽车自动刹车控制装置及方法 |
| CN108181906A (zh) * | 2018-01-07 | 2018-06-19 | 珠海上富电技股份有限公司 | 一种泊车辅助控制系统及方法 |
| CN109895763A (zh) * | 2018-05-17 | 2019-06-18 | 华为技术有限公司 | 基于超声波雷达的泊车车位检测方法和终端 |
| CN108845327A (zh) * | 2018-08-13 | 2018-11-20 | 河南城建学院 | 一种大货车视野盲区障碍物的智能检测及提醒系统 |
| CN109493633A (zh) * | 2018-12-20 | 2019-03-19 | 广州小鹏汽车科技有限公司 | 一种可停车位的检测方法及装置 |
| CN110517507A (zh) * | 2019-08-27 | 2019-11-29 | 纵目科技（上海）股份有限公司 | 基于超声波传感器的车辆位姿检测方法、系统、终端和存储介质 |
| CN110618420A (zh) * | 2019-10-15 | 2019-12-27 | 广州小鹏汽车科技有限公司 | 一种超声波数据的处理方法、系统、车辆及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| MD SAIFUL ISLAM 等: "Design and implementation of an automated monitoring system", 《THE JOURNAL OF SUPERCOMPUT》, vol. 72, 21 April 2016 (2016-04-21), pages 4247 - 4261, XP036087150, DOI: 10.1007/s11227-016-1723-x * |
| 韩鸿凌 等: "基于单片机的智能小车泊车系统设计", 《信息通信》, no. 10, 15 October 2015 (2015-10-15), pages 70 - 71 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022083832A1 (de) * | 2020-10-22 | 2022-04-28 | Continental Automotive Gmbh | Verfahren zum erfassen eines objekts in einer umgebung eines kraftfahrzeugs und assistenzsystem |
| CN112562412A (zh) * | 2020-12-07 | 2021-03-26 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
| CN112874510A (zh) * | 2021-02-02 | 2021-06-01 | 江苏大学 | 一种基于半监督学习的自动编码器在自动泊车中车位探测的方法 |
| CN112874510B (zh) * | 2021-02-02 | 2022-09-16 | 江苏大学 | 一种基于半监督学习的自动编码器在自动泊车中车位探测的方法 |
| CN113253278A (zh) * | 2021-04-28 | 2021-08-13 | 奇瑞汽车股份有限公司 | 车位的识别方法、装置及计算机存储介质 |
| CN113246971B (zh) * | 2021-06-24 | 2022-06-28 | 珠海上富电技股份有限公司 | 一种车位轮廓精度提高方法以及自动泊车系统 |
| CN113246971A (zh) * | 2021-06-24 | 2021-08-13 | 珠海上富电技股份有限公司 | 一种车位轮廓精度提高方法以及自动泊车系统 |
| CN113869432A (zh) * | 2021-09-28 | 2021-12-31 | 英博超算(南京)科技有限公司 | 一种超声波传感器自动泊车的轮廓点距离相似度计算方法 |
| CN114114286A (zh) * | 2021-11-04 | 2022-03-01 | 广州小鹏自动驾驶科技有限公司 | 一种车辆的超声波雷达控制方法和装置 |
| CN114114286B (zh) * | 2021-11-04 | 2024-08-09 | 广州小鹏自动驾驶科技有限公司 | 一种车辆的超声波雷达控制方法和装置 |
| CN115457760A (zh) * | 2022-08-03 | 2022-12-09 | 北京云星宇交通科技股份有限公司 | 车辆车牌与泊位的识别绑定方法及装置 |
| CN115457760B (zh) * | 2022-08-03 | 2023-09-01 | 北京云星宇交通科技股份有限公司 | 车辆车牌与泊位的识别绑定方法及装置 |
| CN116400362A (zh) * | 2023-06-08 | 2023-07-07 | 广汽埃安新能源汽车股份有限公司 | 一种行车边界检测方法、装置、存储介质及设备 |
| CN116400362B (zh) * | 2023-06-08 | 2023-08-08 | 广汽埃安新能源汽车股份有限公司 | 一种行车边界检测方法、装置、存储介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111257893B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111257893B (zh) | 一种停车位检测方法及自动泊车方法 | |
| CN109649384B (zh) | 一种泊车辅助方法 | |
| CN106646491B (zh) | 一种超声波防撞雷达系统及其障碍物定位方法 | |
| US8487782B2 (en) | Method for detecting objects having a low height | |
| US9359009B2 (en) | Object detection during vehicle parking | |
| KR101954547B1 (ko) | 초음파 센서에 의해 자동차의 주변 구역에서 적어도 하나의 물체의 확인 방법, 운전자 보조 시스템 및 자동차 | |
| CN108068800B (zh) | 自动泊车控制系统、探头模块、车辆和自动泊车控制方法 | |
| US20160063861A1 (en) | Device and method of detecting parking space | |
| WO2016063529A1 (ja) | 物体検知装置 | |
| CN102016635A (zh) | 用于使机动车运动的驾驶员辅助方法和驾驶员辅助装置 | |
| US6100796A (en) | Obstacle recognition system in a motor vehicle | |
| KR20140075746A (ko) | 차량의 주차 시스템을 위한 주차 시나리오의 판별 방법 | |
| CN110371125A (zh) | 用于提供车辆的行驶路径的装置及方法 | |
| CN112839854B (zh) | 一种信息处理方法及相关装置 | |
| CN112558049A (zh) | 用于识别在车辆的周围环境中的对象的方法和控制设备 | |
| CN112771591B (zh) | 用于评价运输工具的环境中的对象对运输工具的行驶机动动作的影响的方法 | |
| ATE467139T1 (de) | Verfahren und system zur detektion von hindernissen, besonders für einparkhilfe für fahrzeuge | |
| CN110843767A (zh) | 一种基于样条理论的自动入库泊车方法及系统 | |
| CN112002125B (zh) | 一种垂直车位融合识别方法及系统 | |
| CN110834587B (zh) | 一种基于激光测距的汽车纵向防碰撞系统 | |
| CN116148860A (zh) | 静止障碍物的识别方法、装置、车辆及存储介质 | |
| CN108020839A (zh) | 外部对象的车辆检测 | |
| CN113022593B (zh) | 障碍物处理方法、装置和行驶设备 | |
| EP3053808B1 (en) | Driver assistance system and method | |
| CN113954822A (zh) | 一种车辆侧方位自动泊车的方法 |
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 |