[发明专利]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

说明书

本发明提供了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。该包括以下步骤：车载超声波传感器采集车位检测数据；数据预处理模块；构建初始的半监督学习自动编码器结构；模型训练阶段；模型测试及车位边界检测坐标确定模块。所述编码器采用四种目标约束，即权重衰减约束、稀疏正则化约束、重构损失约束、标签约束。该模型在无监督学习下能获得更加独特，局部的特征；此外在有监督下能生成输出与期望输出反馈有效地提取特征从属类别，已调整优化进度。编码器能提取数据集中有效特征，并通过分类网络以较高准确率和召回率分出边界点，最终以边界点密度最高处确定车位左右边界。因此，本发明能准确确定车位边界的需求。

技术领域

本发明应用于自动泊车领域，涉及到车载超声波传感器数据采集和处理，人工智能，及数学建模等技术，尤其运用半监督学习的自动编码器提取超声波传感器的本质边界特征和密度平均值数学建模技术确定车位边界，是车位探测的有效方法之一，是自动泊车后续路径规划，路劲跟踪的前提。

背景技术

如今，伴随着工业4.0时代的发展，人工智能技术在各行各业都具有广泛的应用，自动化将逐渐成为社会工业发展的必然。在智能汽车领域，同样由于计算机技术的迅速发展，使得汽车不断发展成网联化，智能化，便捷化，改变着人们的出行。人工智能在智能汽车上的发展一直在进步，从目标检测，到路径规划。正是人工智能结合自动化控制技术，形成了对外界环境感知能力的不断增强，具有不断学习的能力，这也离不开车载传感器和雷达的帮助，例如，车载距离传感器，GPS,激活雷达等。

随着经济的不断发展，人均汽车拥有率逐年上升，而增长趋势可能会一直延续。尽管汽车给人们生活带来极大的便利，但是也造成了出行拥堵的问题，尤其是在路边泊车时。显然，目前存在的一个尴尬问题是较多驾驶员拥有驾驶汽车的能力，却无法成功的泊车。如今，自动泊车系统已成为全国各大汽车厂商的卖点之一后，自动泊车技术的研究热度从未消散，也帮助了众多驾驶员解决泊车的问题，间接提高了交通效率。

然而，目前在自动泊车的初始化阶段，车位检测一直困扰着该技术的成熟。目前，无法通过超声波雷达较为准确的确定车位的具体位置，即车位的左右边界坐标。这个问题阻碍了后续泊车路径规划和跟踪技术的发展。为了更好的解决这个问题，本方法提出基于半监督学习的自动编码器提取泊车雷达返回的关键特征，以密度平均值法建模，从而较为准确的确定车位的边界坐标。

发明内容

本发明的目的在于，基于半监督学习的自动编码器，实现自动泊车中的车位边界坐标检测，建立一种更加高效，准确的自动泊车模型。

为了实现上述目的，本发明实施提供的技术方案如下：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，包括以下步骤：

S1：在自动泊车模型中，首先通过车载超声波传感器采集和车位障碍物返回的时间戳，距离横坐标，距离纵坐标，回波宽度，回波峰值，并通过CANoe连接车载OBD-II端口导出构建初始数据集；此外，计算横纵坐标的梯度和梯度变化率；