[发明专利]自动泊车方法、系统、计算机可读存储介质及车机端

说明书

本发明提供一种自动泊车方法、系统、计算机可读存储介质及车机端，自动泊车方法包括：获取实时泊车环视图像数据，并于所述泊车环视图像数据中提取未占用车位，以形成车位待检测图像数据；于所述车位待检测图像数据中提取车位轮廓的点云数据，并判断该车位轮廓的区域内是否存在障碍物；若是，则过滤掉存在障碍物的车位；若否，则表示该车位为可泊入车位；控制车辆泊入所述可泊入车位内。本发明自动泊车方法、系统、计算机可读存储介质及车机端实现车机端在实现立体车位的自动泊车功能时，若面临立体车位空间狭窄，车位平面高于地平面的情况，可以精确感知车位顶点位置坐标，提升泊车准确度。

技术领域

本发明属于驾驶辅助技术领域，特别是涉及一种自动泊车方法、系统、计算机可读存储介质及车机端。

背景技术

目前，随着人们对交通安全的重视，高级驾驶辅助系统(ADAS)在汽车中成为了重要的功能。自动泊车是其中一个产品，可帮助司机自动检测车位和泊入车位，在越来越多的车型上成为了一种标配。

车位检测在自动泊车中是一个重要的功能模块，目前基于超声波和视觉的融合自动泊车功能中，超声波检测空间车位和视觉检测划线车位的自动泊车都得到了很好的解决。但随着城市车辆数量的持续增加，停车位将持续紧张，越来越多的立体停车位出现在日常生活中。

而目前的自动泊车产品还无法很好的支持立体停车位，主要原因是立体停车位的宽度较小，从而对检测精度有更高的要求，另外立体车位平面与地平面存在高度差(通常高出地面10cm至40cm)，对目前基于图片检测的方法制造了更大的难度，尤其在确定立体车位顶点坐标与自车车身的对应位置关系方面，这关系到了后面泊车路线的规划。

现有技术在检测和泊车时，基于深度神经网络检测立体车位和自动泊车，会面临一些较大的挑战。虽然神经网络在识别立体车位方面有较强的能力，但是也存在测距不准的情况。相对于测量的摄像头传感器位置，网络很难将车位坐标的距离精确到5％以内，对于鱼眼摄像头，10％的精度都比较困难。而立体车位对车位坐标点的精度要求在3％以内，显然单纯基于图像的车位检测没有办法支持这种精度要求。

另外，单目鱼眼摄像头缺少尺度信息，通常要测量划线车位精确的车位顶点坐标，要先假设车位处于地平面上，从而可以利用车子标定信息估计点的坐标，但现有技术不适用于立体车位的车位顶点坐标。因为，立体车位通常高于地平面10cm至40cm，不能直接假设位于地平面上，需要给出一种估计车位顶点高度值的方法。

即使现有技术考虑了立体车位平面高于地面10cm至40cm的问题。因此，提出了使用环视鱼眼摄像头加后视双面摄像头的方案，基于图像SLAM方法实时定位车子的位置。但是该技术计算量较大，实时性有较大挑战，同时需要的硬件摄像头数量较多，不适用于低成本的方案。

因此，如何提供一种自动泊车方法、系统、计算机可读存储介质及车机端，以解决现有技术启动自动泊车功能后，若面临立体车位空间狭窄，车位平面高于地平面时，无法精确感知立体车位等缺陷，实已成为本领域技术人员亟待解决的技术问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种自动泊车方法、系统、计算机可读存储介质及车机端，用于解决现有技术启动自动泊车功能后，若面临立体车位空间狭窄，车位平面高于地平面时，无法精确感知立体车位的问题。

为实现上述目的及其他相关目的，本发明一方面提供一种自动泊车方法，包括：获取实时泊车环视图像数据，并于所述泊车环视图像数据中提取未占用车位，以形成车位待检测图像数据；于所述车位待检测图像数据中提取车位轮廓的点云数据，并判断该车位轮廓的区域内是否存在障碍物；若是，则过滤掉存在障碍物的车位；若否，则表示该车位为可泊入车位；控制车辆泊入所述可泊入车位内。