[发明专利]一种基于视觉识别的自动泊车系统及方法

说明书

本发明属于智能驾驶领域，具体涉及一种自动泊车系统及泊车方法；现有技术中，自动泊车系统基于传统的路径规划算法，效果较差，本发明提供了一种基于视觉识别的自动泊车系统，所述系统包括建图定位子模块和规划控制子模块，由于采用的地图融合了局部障碍的信息地图，提高了自动泊车系统对非正常状态的适应性；此外通过深度学习获得视觉信息并根据环境的更新实时调用Reeds‑Shepp曲线规划技术，与无视觉反馈的位姿规划这一技术相比，提高了位姿估算精度及泊车系统的响应速度。

技术领域

本申请属于智能驾驶领域，具体涉及一种基于视觉识别的自动泊车系统

背景技术

目前对于自动泊车技术主要的技术路线是基于传统的路径规划算法，如RRT、PRM、A*等。其基本思路是通过超声波识别出车位的大致位置，随机产生路径，之后对随机生成的路径进行碰撞检测，即检测路径是否会穿过障碍物，或路径是否在车辆可行驶区域内。再在所有可行的路径中，利用迪杰斯特拉算法等方法选择其中最优的停车路径。

但是，上述现有技术存在以下缺陷：

(1)单纯依靠超声波不能准确的识别车位位置，不能处理除平行泊车、垂直泊车之外的泊车场景；这带来了泊车条件的局限。

(2)整个泊车功能启动后，没有视觉反馈的位姿估算精度较差；

发明内容

鉴于现有技术中存在的问题，本发明采用以下技术方案：

一种基于视觉识别的自动泊车系统，其特征在于：所述系统包括建图定位子模块和规划控制子模块；

所述建图定位子模块利用设置在车辆的摄像头获取所述车辆四周的图像；

所述建图定位子模块从所述图像中识别出车位点、车位线和/或引导线，建立地图。

所述规划控制子模块针对所述地图，采用Reeds-Shepp曲线生成平滑的路径；通过比例-积分-微分(PID)控制算法控制所述车辆完成对规划出的所述路径的跟踪，将所述车辆运动到泊车目标点。

优选的，其特征在于：识别图像中的车位、车位线和/或引导线是通过深度学习算法实现的。

优选的，其特征在于：所述地图是通过所述车位点、所述车位线和/或引导线信息的输入，使用优化算法得到的。

优选的，其特征在于：所述车辆四周的图像是由各所述摄像头获得的图像拼接而成的图像。

优选的，其特征在于：所述摄像头为鱼眼广角摄像头，其畸变校正公式为：

x_cor＝x+x(k₁r²+k₂r⁴+k₃r⁶)+[2p₁y+p₂(r²+2x²)]， (1)

其中(x,y)是图像中某一像素点的原始坐标；(x_cor,y_cor)是此像素点校正畸变后的坐标；[k₁,k₂,k₃]是径向畸变参数；[p₁,p₂]是切向畸变参数。

根据本发明的另一方面，提供了一种自动泊车系统，

所述系统包括建图定位子模块和规划控制子模块；

所述建图定位子模块利用设置在车辆四周的摄像头获取所述车辆四周的图像；

所述建图定位子模块从所述图像中识别出车位点、车位线和/或引导线，建立地图。