一种基于杆载鸟瞰视角的自主泊车方法及装置

1.本发明涉及自动泊车的技术领域，尤其涉及一种基于杆载鸟瞰视角的自主泊车方法及装置。


背景技术：

2.在新一代信息技术不断发展的背景下，汽车与城市道路的“交流”成为可能。自动驾驶技术作为汽车产业与人工智能、大数据、物联网等新一代信息技术深度融合的产物，已成为汽车产业的发展方向。
3.目前，自动驾驶的一些长尾技术问题仍待解决，导致落地场景有限制。泊车是重要的城市应用场景，现有研究多采用车端雷达或摄像头实现感知，利用车端算力实现路径规划。该方法存在感知区域小、受地面环境影响大、单车成本高，在泊车场景中仍存在一定的局限性和不稳定性。


技术实现要素：

4.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
5.鉴于上述现有存在的问题，提出了本发明。
6.因此，本发明提供了一种基于杆载鸟瞰视角的自主泊车方法及装置解决现有的泊车方法感知区域小，环境因素影响大，成本高导致汽车泊车局限性强，稳定性差的问题。
7.为解决上述技术问题，本发明提供如下技术方案：
8.第一方面，本发明实施例提供了一种基于杆载鸟瞰视角的自主泊车方法，包括：
9.依据杆载感知模块获取的停车位鸟瞰图，对目标车辆、行人、停车位以及车辆可行驶区域进行识别分割，通过调整函数对行人与车辆进行目标定位；
10.基于所述识别目标信息和所述车辆可行驶区域以及几何连接，规划无人车辆泊车路径；
11.跟踪控制所述泊车路径并控制调整车辆位姿，实现无人车辆自主泊车。作为本发明所述的基于杆载鸟瞰视角的自主泊车方法的一种优选方案，其中：所述调整函数包括：
12.对所述获取的停车位鸟瞰图场景中不同车辆的模型进行简化，并设定原始图像中车辆的标准位姿；
13.建立第一映射f
c1
，根据当前位姿与标准位姿差值，将当前识别框中心向标准位姿下识别框中心映射；
14.建立第二映射f
c2
，将所述标准位姿下识别框中心点向变换鸟瞰图上的坐标映射，所述坐标即为垂直俯瞰视角下汽车的位置；
15.建立行人位置从原始鸟瞰图到变换鸟瞰图的映射f
p
，表示为：
16.(x
bp
,y
bp
)＝(x
p
,y
p
+h
p
/2)+o
17.其中，(x
bc
,y
bc
),l
bc
,w
bc
分别为车辆在变换后鸟瞰图下的坐标，长度以及宽度；(x
p
,y
p
)为原始图像行人识别框的中心，h
p
为行人识别框高度，(x
bp
,y
bp
)为行人变换鸟瞰图下的坐标，o为一微小向量。
18.作为本发明所述的基于杆载鸟瞰视角的自主泊车方法的一种优选方案，其中：对目标车辆、行人、停车位以及车辆可行驶区域进行识别分割，包括：
19.所述目标识别通过yolov5s识别车辆、停车位角点和行人，将所述变换鸟瞰图像素坐标系设为基础坐标系，获得关键物体的坐标，进行定位；
20.所述可行驶区域分割是根据收集的停车场俯瞰图，使用标注工具进行人工标注得到的精细的语义分割标签数据，将所述数据作为停车场场景的数据集对bisenetv2模型进行训练；
21.通过bisenetv2对鸟瞰图作为一个batch进行推断，以获取自由空间分割；
22.所述自由空间分割主要为路面与有高度物体交界。
23.作为本发明所述的基于杆载鸟瞰视角的自主泊车方法的一种优选方案，其中：还包括：
24.车位识别定位，仅考虑单车位情况；
25.识别到四个角点：生成四边形停车位；识别到两个角点：根据角点距离判断是平行还是垂直车位，生成两个可能车位四边形；
26.根据与车的相对位置进行取舍，通过计算停车位内部灰度变化差异值，判定所选停车位是否被占用。
27.作为本发明所述的基于杆载鸟瞰视角的自主泊车方法的一种优选方案，其中：规划无人车辆泊车路径包括：基于目标信息的地图和简化的车辆二自由度模型进行无人车泊车路径规划，所述路径规划方法基于圆弧与直线的几何连接，根据实际情况主要分为垂直和平行泊入。
28.作为本发明所述的基于杆载鸟瞰视角的自主泊车方法的一种优选方案，其中：还包括：
29.所述规划方法判断由车位长宽关系对平行和垂直泊入方法进行选择，表示为：
30.d＝((r-l
bc
/2-δ1)
2-(r-w
p
/2)2)
1/2
；h
min
＝r-d；
31.d
min
＝((r+l
bc
/2)2+(w
bc-h
ro
)2)
1/2-d+δ232.其中，l
bc
,w
bc
分别为车辆在变换后鸟瞰图下的长度，宽度，r为后轴中心处的最小转向半径，h
ro
为后悬，w
p
为车位宽度，d
min
为最小通车道宽度，δ1为第一安全距离，δ2为第二安全距离，d为转向圆心到两个角点即靠近车辆连线的距离，h
min
为汽车到近车角点连线的最小距离；
33.采用c字泊车表示为：
34.h∈[h
min
,h
min
+h
f-d
min
]
[0035]
其中，hf为可行域高度，h为汽车到近车角点连线的距离；
[0036]
采用人字泊车表示为：
[0037]
h∈(h
f-r-δ2,h
min
)
[0038]
人字泊车航向角表示为：
[0039]
θ＝arccos[(h+r)/2r]
[0040]
其中，θ为航向角；
[0041]
平行泊入航向角表示为：
[0042]
θ＝arccos[2r-h-w
bc
/2]/2r
[0043]
作为本发明所述的基于杆载鸟瞰视角的自主泊车方法的一种优选方案，其中：跟踪控制所述泊车路径并控制调整车辆位姿，包括：
[0044]
根据所述路径规划，设定参考点，并计算参考前轮转角δr，参考速度vr，参考航向角θr；
[0045]
基于目标车辆信息建立状态空间方程，表示为：
[0046]
x(k+1)＝ax(k)+bu(k)
[0047]
其中，x(k)为k时刻空间状态的误差量，u(k)为k时刻控制量与参考值差量,k＝1,2,
…
,n,n为设置的参考点数目,a为k时刻的采样间隔、参考速度、参考航向角、轴距表示的第一矩阵，b为k时刻的采样间隔、参考速度、参考航向角、轴距表示的第二矩阵；
[0048]
多目标优化最优控制表示为：
[0049]
j＝σ(x
t
qx(k)+u
t
gu(k))
[0050]
其中，j为目标函数即跟踪过程累计的跟踪偏差与累计的控制输入的加权，q为第一权重矩阵，g为第二权重矩阵；
[0051]
通过lqr解得最优控制率为：
[0052]
u＝-kx
[0053]
其中，k由a、b与黎卡提方程的解p共同决定；
[0054]
根据所述控制率对路径跟踪控制，实时更新车辆状态，实现无人车辆自主泊车。
[0055]
第二方面，本发明提供了一种基于杆载鸟瞰视角的自主泊车装置，进行对如权利要求1-7中任一项所述的基于杆载鸟瞰视角的自主泊车方法的应用，所述基于杆载鸟瞰视角的自主泊车装置，包括：
[0056]
杆载鸟瞰感知模块用于停车位及车辆的俯瞰感知，为停车路径动态规划提供感知数据；所述杆载鸟瞰感知模块考虑灯杆高度，鸟瞰视角下车辆大而车位角点和行人小，yolov5s的neck结构中用bi-fpn替换pan-net，bi-fpn引入了权重，平衡不同尺度的特征信息；
[0057]
边端智能规划模块基于感知模块生成的富含感知目标信息的地图和简化的车辆二自由度模型进行无人车泊车路径规划。
[0058]
作为本发明所述的基于杆载鸟瞰视角的自主泊车装置的一种优选方案，其中：还包括：
[0059]
v2l无线通讯模块用于将动态规划路径传送给无人车运动控制模块，实现车路协同交互；
[0060]
所述v2l无线通讯模块基于蜂窝通信c-v2x无线通信技术，与车载单元obu之间建立稳定的双向无线加密通信信道；
[0061]
所述v2l无线通讯模块通过与车载单元obu握手通信，获得泊车需求事件触发，开启基于鸟瞰视角的泊车协同感知与路径规划决策；
[0062]
基于通讯协议将协同感知信息进行压缩传送至车载单元obu；
[0063]
所述协同感知信息为边端智能规划模块的规划路径以及边缘感知模块生成的地
图信息；
[0064]
车载单元obu将协同感知信息解压缩并通过车载网络传递给无人车运动控制模块，无人车运动控制模块通过vcu执行智能决策及运动规划任务。
[0065]
作为本发明所述的基于杆载鸟瞰视角的自主泊车装置的一种优选方案，其中：还包括：
[0066]
所述无人车运动控制模块接收v2l无线通讯模块的指令进行泊车路径跟踪控制和车辆位姿调整控制；
[0067]
所述无人车运动控制模块通过v2l接收来自灯杆协同感知信息，并通过车载通讯将速度与前轮转角信号传输给vcu以修正车辆位姿；
[0068]
泊车路径跟踪控制基于汽车运动学，使用线性二次调节器法实现路径跟踪控制。
[0069]
与现有技术相比，本发明的有益效果：通过信息交互实现协同感知与协同决策控制,使得车端场端结合，能够忽略复杂地面环境的干扰，高效地获取位置信息，实现在不同环境下的室外停车场的无人泊车规划，极大地拓展了汽车的感知范围、改善了汽车的感知能力，实现不需要车辆环境感知的全自主无人泊车，提高了自动驾驶的安全性和稳定性以及规模化落地速度，使得更具可行性。
附图说明
[0070]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0071]
图1为本发明一个实施例所述的一种基于杆载鸟瞰视角的自主泊车方法及装置的方法流程图；
[0072]
图2为本发明一个实施例所述的一种基于杆载鸟瞰视角的自主泊车方法及装置的模块连接示意图；
[0073]
图3为本发明一个实施例所述的一种基于杆载鸟瞰视角的自主泊车方法及装置的双端初始化示意图；
[0074]
图4为本发明一个实施例所述的一种基于杆载鸟瞰视角的自主泊车方法及装置的杆载鸟瞰感知模块示意图；
[0075]
图5为本发明一个实施例所述的一种基于杆载鸟瞰视角的自主泊车方法及装置的边端智能规划模块示意图；
[0076]
图6为本发明一个实施例所述的一种基于杆载鸟瞰视角的自主泊车方法及装置的v2l无线通信模块示意图。
具体实施方式
[0077]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
[0078]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0079]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0080]
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0081]
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0082]
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0083]
实施例1
[0084]
参照图1，为本发明的一个实施例，该实施例提供了一种基于杆载鸟瞰视角的自主泊车方法，包括：
[0085]
s102:依据杆载感知模块获取的停车位鸟瞰图，对目标车辆、行人、停车位以及车辆可行驶区域进行识别分割，通过调整函数对行人与车辆进行目标定位；
[0086]
更进一步的，调整函数包括：
[0087]
对获取的停车位鸟瞰图场景中不同车辆的模型进行简化，并设定原始图像中车辆的标准位姿；
[0088]
建立第一映射f
c1
，根据当前位姿与标准位姿差值，将当前识别框中心向标准位姿下识别框中心映射；
[0089]
建立第二映射f
c2
，将标准位姿下识别框中心点向变换鸟瞰图上的坐标映射，坐标即为垂直俯瞰视角下汽车的位置；
[0090]
建立行人位置从原始鸟瞰图到变换鸟瞰图的映射f
p
，表示为：
[0091]
(x
bp
,y
bp
)＝(x
p
,y
p
+h
p
/2)+o
[0092]
其中，(x
bc
,y
bc
),l
bc
,w
bc
分别为车辆在变换后鸟瞰图下的坐标，长度以及宽度；(x
p
,y
p
)为原始图像行人识别框的中心，h
p
为行人识别框高度，(x
bp
,y
bp
)为行人变换鸟瞰图下的坐标，o为一微小向量。
[0093]
应说明的是，获取的原始鸟瞰图用于车辆、行人的识别定位和可行驶区域的分割，原始鸟瞰图经三维透视变换后用于停车位角点的识别定位，最终利用汇聚在变换图像上的关键信息生成栅格图，便于对自主泊车进行规划泊车训练。
[0094]
还应说明的是，利用灯杆的鸟瞰视角获得车辆与车位的俯瞰图，俯瞰图拥有更广
阔的全域视野，感知范围大大增加，对可行域、车位和行人的检测更加即时准确，受地面视障干扰更小；俯瞰图特性在更大范围内避免了三维图像转二维产生的扭曲失真问题，经构造函数的调整，鸟瞰图的位置信息可用于更大范围的路径规划，增加了泊车效率和稳定性，为自主泊车提供支持。
[0095]
更进一步的，对目标车辆、行人、停车位以及车辆可行驶区域进行识别分割，包括：
[0096]
目标识别通过yolov5s识别车辆、停车位角点和行人，将变换鸟瞰图像素坐标系设为基础坐标系，获得关键物体的坐标，进行定位；
[0097]
可行驶区域分割是根据收集的停车场俯瞰图，使用标注工具进行人工标注得到的精细的语义分割标签数据，将数据作为停车场场景的数据集对bisenetv2模型进行训练；
[0098]
通过bisenetv2对鸟瞰图作为一个batch进行推断，以获取自由空间分割；
[0099]
自由空间分割主要为路面与有高度物体交界。
[0100]
应说明的是，为了克服yolov5s检测、自由空间语义分割、规划计算和无线通讯模块产生的时延。引入时延参数t，间隔时间t，根据两次连续采样预测车辆位置，作为目标识别输出(xo,yo)；
[0101]
具体公式为：
[0102]
t＝tr+tc+t
t
[0103]
(xo,yo)＝(x
bc2-x
bc1
,y
bc2-y
bc1
)t/t+(x
bc2
,y
bc2
)
[0104]
其中，tr为图像处理时延，tc为计算时延，t
t
为传输时延。
[0105]
还应说明的是，yolov5s快速识别的特性能够最大程度减小时延，结合离散系统的预测克服时延，能够快速准确反馈规划路线。
[0106]
具体的，车位识别定位，仅考虑单车位情况；
[0107]
识别到四个角点：生成四边形停车位；识别到两个角点：根据角点距离判断是平行还是垂直车位，生成两个可能车位四边形；
[0108]
根据与车的相对位置进行取舍，通过计算停车位内部灰度变化差异值，判定所选停车位是否被占用。
[0109]
应说明的是，停车标记线内部区域灰度差异值计算，是由于停车位被占用时和未被占用时，停车标记线内部区域灰度值变化差异具有明显不同，需先计算出停车位标记线内部灰度变化差异值，再通过设置车位未被占用时灰度变化差异平均阈值，将停车位区域内部灰度变化差异值与车位未被占用时灰度变化差异平均阈值进行比较，以初步判定停车位内部是否被占用。
[0110]
s104:基于识别目标信息和车辆可行驶区域以及几何连接，规划无人车辆泊车路径；
[0111]
更进一步的，规划无人车辆泊车路径包括：基于目标信息的地图和简化的车辆二自由度模型进行无人车泊车路径规划，路径规划方法基于圆弧与直线的几何连接，根据实际情况主要分为垂直和平行泊入。
[0112]
具体的，规划方法判断由车位长宽关系对平行和垂直泊入方法进行选择，表示为：
[0113]
d＝((r-l
bc
/2-δ1)
2-(r-w
p
/2)2)
1/2
；h
min
＝r-d；
[0114]dmin
＝((r+l
bc
/2)2+(w
bc-h
ro
)2)
1/2-d+δ2[0115]
其中，l
bc
,w
bc
分别为车辆在变换后鸟瞰图下的长度，宽度，r为后轴中心处的最小
转向半径，h
ro
为后悬，w
p
为车位宽度，d
min
为最小通车道宽度，δ1为第一安全距离，δ2为第二安全距离，d为转向圆心到两个角点即靠近车辆连线的距离，h
min
为汽车到近车角点连线的最小距离；
[0116]
采用c字泊车表示为：
[0117]
h∈[h
min
,h
min
+h
f-d
min
]
[0118]
其中，hf为可行域高度，h为汽车到近车角点连线的距离；
[0119]
采用人字泊车表示为：
[0120]
h∈(h
f-r-δ2,h
min
)
[0121]
人字泊车航向角表示为：
[0122]
θ＝arccos[(h+r)/2r]
[0123]
其中，θ为航向角；
[0124]
平行泊入航向角表示为：
[0125]
θ＝arccos[2r-h-w
bc
/2]/2r
[0126]
s106:跟踪控制泊车路径并控制调整车辆位姿，实现无人车辆自主泊车；
[0127]
更进一步的，跟踪控制泊车路径并控制调整车辆位姿，包括：
[0128]
根据路径规划，设定参考点，并计算参考前轮转角δr，参考速度vr，参考航向角θr；
[0129]
基于目标车辆信息建立状态空间方程，表示为：
[0130]
x(k+1)＝ax(k)+bu(k)
[0131]
其中，x(k)为k时刻空间状态的误差量，u(k)为k时刻控制量与参考值差量,k＝1,2,
…
,n,n为设置的参考点数目,a为k时刻的采样间隔、参考速度、参考航向角、轴距表示的第一矩阵，b为k时刻的采样间隔、参考速度、参考航向角、轴距表示的第二矩阵；
[0132]
多目标优化最优控制表示为：
[0133]
j＝σ(x
t
qx(k)+u
t
gu(k))
[0134]
其中，j为目标函数即跟踪过程累计的跟踪偏差与累计的控制输入的加权，q为第一权重矩阵，g为第二权重矩阵；
[0135]
通过lqr解得最优控制率为：
[0136]
u＝-kx
[0137]
其中，k由a、b与黎卡提方程的解p共同决定；
[0138]
根据控制率对路径跟踪控制，实时更新车辆状态，实现无人车辆自主泊车。
[0139]
实施例2
[0140]
参照图2～6，为本发明的一个实施例，提供了一种基于杆载鸟瞰视角的自主泊车装置，包括，
[0141]
杆载鸟瞰感知模块用于行人、可行域、停车位及车辆的俯瞰感知，为停车路径动态规划提供感知数据；杆载鸟瞰感知模块考虑灯杆高度，鸟瞰视角下车辆大而车位角点和行人小，yolov5s的neck结构中用bi-fpn替换pan-net，bi-fpn引入了权重，平衡不同尺度的特征信息；
[0142]
应说明的是，杆载鸟瞰感知模块包括图像处理器和目标识别定位器，用于获取像素坐标下可行域、目标车和车位以及行人坐标信息；
[0143]
由灯杆初始化获取基础参数，应用双边滤波器，保留边缘，降低噪音，对获取的鸟
瞰图图像进行锐化处理，并进行目标识别定位，将车辆、车位、动态行人、可行域的位置叠加映射到一张地图，用于运动轨迹规划。
[0144]
还应说明的是，行人位置即时感知更新，在泊车开始到结束期间，可利用杆端杆载鸟瞰感知模块实现移动行人识别定位，通过v2l传输给车端，有利于后续车辆运动决策。
[0145]
边端智能规划模块基于感知模块生成的富含感知目标信息的地图和简化的车辆二自由度模型进行无人车泊车路径规划。
[0146]
应说明的是，边端智能规划模块与无人车运动控制模块充分利用其他模块参数，结合实际泊车场景进行决策，决定泊车方法，规划泊车路径，实现倒车入库。其中，路径规划简化为根据车辆侧边距离判断泊车方法和根据航向角规划路线问题；运动控制简化车辆模型，基于lqr方法实现路径跟踪，过渡过程具有较好的性能。
[0147]
更进一步的，还包括：
[0148]
v2l无线通讯模块用于将动态规划路径传送给无人车运动控制模块，实现车路协同交互；
[0149]
v2l无线通讯模块基于蜂窝通信c-v2x无线通信技术，与车载单元obu之间建立稳定的双向无线加密通信信道；
[0150]
v2l无线通讯模块通过与车载单元obu握手通信，获得泊车需求事件触发，开启基于鸟瞰视角的泊车协同感知与路径规划决策；
[0151]
基于通讯协议将协同感知信息进行压缩传送至车载单元obu；
[0152]
协同感知信息为边端智能规划模块的规划路径以及边缘感知模块生成的地图信息；
[0153]
车载单元obu将协同感知信息解压缩并通过车载网络传递给无人车运动控制模块，无人车运动控制模块通过vcu执行智能决策及运动规划任务。
[0154]
更进一步的，还包括：
[0155]
无人车运动控制模块接收v2l无线通讯模块的指令进行泊车路径跟踪控制和车辆位姿调整控制；
[0156]
无人车运动控制模块通过v2l接收来自灯杆协同感知信息，并通过车载通讯将速度与前轮转角信号传输给vcu以修正车辆位姿；
[0157]
泊车路径跟踪控制基于汽车运动学，使用线性二次调节器法实现路径跟踪控制。
[0158]
应说明的是，合理利用灯杆的鸟瞰视角、图像识别与定位技术、v2x技术以及路径规划控制技术，实现车端场端协同决策规划，避免单车或单杆过高造价的问题，以实现可行度更高的无人泊车。
[0159]
在一个实施例中，灯杆初始化，包括，
[0160]
获取汽车大小、后悬、最小转向半径,标准停车位数据，以及两个不同坐标系下的映射；
[0161]
装载深度学习模型；
[0162]
搭建杆载鸟瞰感知模块、边端智能规划模块、v2l无线通讯模块；
[0163]
汽车初始化，包括，
[0164]
获取参考泊车速度；
[0165]
搭建v2l无线通讯模块、无人车运动控制模块。
[0166]
需要说明的是，该基于杆载鸟瞰视角的自主泊车装置技术方案与上述的基于杆载鸟瞰视角的自主泊车方法的技术方案属于同一构思，本实施例中基于杆载鸟瞰视角的自主泊车装置的技术方案均可以参见上述实施例基于杆载鸟瞰视角的自主泊车方法的技术方案的描述。
[0167]
本实施例提出的存储介质与上述实施例提出的实现基于杆载鸟瞰视角的自主泊车方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
[0168]
应说明的是，以上实施例仅用于说明本发明的技术方案而非限制，尽管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，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
[0169]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本技术实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。
[0170]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0171]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0172]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0173]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0174]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。

技术特征：
1.一种基于杆载鸟瞰视角的自主泊车方法，其特征在于，包括：依据杆载感知模块获取的停车位鸟瞰图，对目标车辆、行人、停车位以及车辆可行驶区域进行识别分割，通过调整函数对行人与车辆进行目标定位；基于所述识别目标信息和所述车辆可行驶区域以及几何连接，规划无人车辆泊车路径；跟踪控制所述泊车路径并控制调整车辆位姿，实现无人车辆自主泊车。2.如权利要求1所述的基于杆载鸟瞰视角的自主泊车方法，其特征在于，所述调整函数包括：对所述获取的停车位鸟瞰图场景中不同车辆的模型进行简化，并设定原始图像中车辆的标准位姿；建立第一映射f
c1
，根据当前位姿与标准位姿差值，将当前识别框中心向标准位姿下识别框中心映射；建立第二映射f
c2
，将所述标准位姿下识别框中心点向变换鸟瞰图上的坐标映射，所述坐标即为垂直俯瞰视角下汽车的位置；建立行人位置从原始鸟瞰图到变换鸟瞰图的映射f
p
，表示为：(x
bp
,y
bp
)＝(x
p
,y
p
+h
p
/2)+o其中，(x
bc
,y
bc
),l
bc
,w
bc
分别为车辆在变换后鸟瞰图下的坐标，长度以及宽度；(x
p
,y
p
)为原始图像行人识别框的中心，h
p
为行人识别框高度，(x
bp
,y
bp
)为行人变换鸟瞰图下的坐标，o为一微小向量。3.如权利要求2所述的基于杆载鸟瞰视角的自主泊车方法，其特征在于，对目标车辆、行人、停车位以及车辆可行驶区域进行识别分割，包括：所述目标识别通过yolov5s识别车辆、停车位角点和行人，将所述变换鸟瞰图像素坐标系设为基础坐标系，获得关键物体的坐标，进行定位；所述可行驶区域分割是根据收集的停车场俯瞰图，使用标注工具进行人工标注得到的精细的语义分割标签数据，将所述数据作为停车场场景的数据集对bisenetv2模型进行训练；通过bisenetv2对鸟瞰图作为一个batch进行推断，以获取自由空间分割；所述自由空间分割主要为路面与有高度物体交界。4.如权利要求3所述的基于杆载鸟瞰视角的自主泊车方法，其特征在于，还包括：车位识别定位，仅考虑单车位情况；识别到四个角点：生成四边形停车位；识别到两个角点：根据角点距离判断是平行还是垂直车位，生成两个可能车位四边形；根据与车的相对位置进行取舍，通过计算停车位内部灰度变化差异值，判定所选停车位是否被占用。5.如权利要求3或4所述的基于杆载鸟瞰视角的自主泊车方法，其特征在于，规划无人车辆泊车路径包括：基于目标信息的地图和简化的车辆二自由度模型进行无人车泊车路径规划，所述路径规划方法基于圆弧与直线的几何连接，根据实际情况主要分为垂直和平行泊入。6.如权利要求5所述的基于杆载鸟瞰视角的自主泊车方法，其特征在于，还包括：所述
规划方法判断由车位长宽关系对平行和垂直泊入方法进行选择，表示为：d＝((r-l
bc
/2-δ1)
2-(r-w
p
/2)2)
1/2
；h
min
＝r-d；d
min
＝((r+l
bc
/2)2+(w
bc-h
ro
)2)
1/2-d+δ2其中，l
bc
,w
bc
分别为车辆在变换后鸟瞰图下的长度，宽度，r为后轴中心处的最小转向半径，h
ro
为后悬，w
p
为车位宽度，d
min
为最小通车道宽度，δ1为第一安全距离，δ2为第二安全距离，d为转向圆心到两个角点即靠近车辆连线的距离，h
min
为汽车到近车角点连线的最小距离；采用c字泊车表示为：h∈[h
min
,h
min
+h
f-d
min
]其中，h
f
为可行域高度，h为汽车到近车角点连线的距离；采用人字泊车表示为：h∈(h
f-r-δ2,h
min
)人字泊车航向角表示为：θ＝arccos[(h+r)/2r]其中，θ为航向角；平行泊入航向角表示为：θ＝arccos[2r-h-w
bc
/2]/2r。7.如权利要求5或6所述的基于杆载鸟瞰视角的自主泊车方法，其特征在于，跟踪控制所述泊车路径并控制调整车辆位姿，包括：根据所述路径规划，设定参考点，并计算参考前轮转角δ
r
，参考速度v
r
，参考航向角θ
r
；基于目标车辆信息建立状态空间方程，表示为：x(k+1)＝ax(k)+bu(k)其中，x(k)为k时刻空间状态的误差量，u(k)为k时刻控制量与参考值差量,k＝1,2,
…
,n,n为设置的参考点数目,a为k时刻的采样间隔、参考速度、参考航向角、轴距表示的第一矩阵，b为k时刻的采样间隔、参考速度、参考航向角、轴距表示的第二矩阵；多目标优化最优控制表示为：j＝σ(x
t
qx(k)+u
t
gu(k))其中，j为目标函数即跟踪过程累计的跟踪偏差与累计的控制输入的加权，q为第一权重矩阵，g为第二权重矩阵；通过lqr解得最优控制率为：u＝-kx其中，k由a、b与黎卡提方程的解p共同决定；根据所述控制率对路径跟踪控制，实时更新车辆状态，实现无人车辆自主泊车。8.一种基于杆载鸟瞰视角的自主泊车装置，其特征在于，进行对如权利要求1-7中任一项所述的基于杆载鸟瞰视角的自主泊车方法的应用，所述基于杆载鸟瞰视角的自主泊车装置，包括：杆载鸟瞰感知模块用于停车位及车辆的俯瞰感知，为停车路径动态规划提供感知数据；所述杆载鸟瞰感知模块考虑灯杆高度，鸟瞰视角下车辆大而车位角点和行人小，yolov5s的neck结构中用bi-fpn替换pan-net，bi-fpn引入了权重，平衡不同尺度的特征信
息；边端智能规划模块基于感知模块生成的富含感知目标信息的地图和简化的车辆二自由度模型进行无人车泊车路径规划。9.如权利要求8所述的基于杆载鸟瞰视角的自主泊车装置，其特征在于，还包括：v2l无线通讯模块用于将动态规划路径传送给无人车运动控制模块，实现车路协同交互；所述v2l无线通讯模块基于蜂窝通信c-v2x无线通信技术，与车载单元obu之间建立稳定的双向无线加密通信信道；所述v2l无线通讯模块通过与车载单元obu握手通信，获得泊车需求事件触发，开启基于鸟瞰视角的泊车协同感知与路径规划决策；基于通讯协议将协同感知信息进行压缩传送至车载单元obu；所述协同感知信息为边端智能规划模块的规划路径以及边缘感知模块生成的地图信息；车载单元obu将协同感知信息解压缩并通过车载网络传递给无人车运动控制模块，无人车运动控制模块通过vcu执行智能决策及运动规划任务。10.如权利要求9所述的基于杆载鸟瞰视角的自主泊车装置，其特征在于，还包括：所述无人车运动控制模块接收v2l无线通讯模块的指令进行泊车路径跟踪控制和车辆位姿调整控制；所述无人车运动控制模块通过v2l接收来自灯杆协同感知信息，并通过车载通讯将速度与前轮转角信号传输给vcu以修正车辆位姿；泊车路径跟踪控制基于汽车运动学，使用线性二次调节器法实现路径跟踪控制。

技术总结
本发明公开了一种基于杆载鸟瞰视角的自主泊车方法及装置，包括：依据杆载感知模块获取的停车位鸟瞰图，对目标车辆、行人、停车位以及车辆可行驶区域进行识别分割，通过调整函数对行人与车辆进行目标定位；基于识别目标信息和车辆可行驶区域以及几何连接，规划无人车辆泊车路径；跟踪控制泊车路径并控制调整车辆位姿，实现无人车辆自主泊车。本发明通过信息交互实现协同感知与协同决策控制，能够忽略复杂地面环境的干扰，高效地获取位置信息，实现在不同环境下的室外停车场的无人泊车规划，极大地拓展了汽车的感知范围、改善了汽车的感知能力，实现不需要车辆环境感知的全自主无人泊车，提高了自动驾驶的安全性和稳定性以及规模化落地速度。化落地速度。化落地速度。


技术研发人员：朱忠攀 马明骏 何斌 张朋朋
受保护的技术使用者：同济大学
技术研发日：2022.12.02
技术公布日：2023/7/11