停车场导航系统和方法技术方案

本发明专利技术公开了一种用于辅助或自主停放车辆的系统和方法。该方法可以在车辆接近停车场内的引道时开始。此时，计算机系统可以决定车辆是否应该进入引道。计算机系统可以使用机器学习、计算机视觉和距离测量中的至少一个来确定是否存在进入引道的先决条件。先决条件可以包括在引道上的入界箭头和/或与引道相邻的限定小于或等于90度的离去角的停车线或停放车辆。如果先决条件存在，则车辆可以进入引道。如果先决条件不存在，则车辆可以移动到另一条引道。

【技术实现步骤摘要】
停车场导航系统和方法
本专利技术涉及车辆系统，并且更具体地涉及用于确定车辆是否应当进入停车场内的当前呈现的引道(feederlane)的系统和方法。
技术介绍
停车是车辆使用中不可避免的组成部分。停车通常涉及在停车场找到可用的空间。因此，需要安全地辅助车辆在停车场导航的计算机化系统。
技术实现思路
根据本专利技术，提供一种方法，该方法包含：由自主车辆接近停车场内的车道；由自主车辆使用机器学习和计算机视觉中的至少一个来识别下面中的至少一个：在车道上的入界箭头，和与车道相邻的限定小于或等于90度的离去角的停车线或停放车辆；和由自主车辆响应于识别而前进到车道中。根据本专利技术的一个实施例，方法进一步包含使用自主车辆上的一个或多个传感器来收集表征车道的至少一部分的数据。根据本专利技术的一个实施例，识别包含由在自主车辆上携带的计算机系统来将机器学习和计算机视觉中的至少一个应用于数据。根据本专利技术的一个实施例，一个或多个传感器包含摄像机。根据本专利技术的一个实施例，数据包含由摄像机输出的至少一个图像帧。根据本专利技术的一个实施例，识别进一步包含由计算机系统使用计算机视觉来选择包含少于至少一个图像帧的全部的至少一个感兴趣区域。根据本专利技术的一个实施例，识别进一步包含由计算机系统通过从至少一个图像帧剪切至少一个感兴趣区域来生成至少一个图像帧的至少一个剪切子集。根据本专利技术的一个实施例，识别进一步包含由计算机系统使用人工神经网络来对至少一个剪切子集进行分类。根据本专利技术的一个实施例，识别进一步包含由计算机系统使用人工神经网络来确定至少一个剪切子集与多个类别中的每个类别之间的亲和性分数；和多个类别包括无箭头类别，仅入界箭头类别，仅出界箭头类别，和入界和出界箭头类别。根据本专利技术的一个实施例，识别进一步包含由计算机系统使用人工神经网络来确定至少一个剪切子集与多个类别中的每个类别之间的亲和性分数；和多个类别包括无停车线类别，离去角小于或等于90度的停车线类别，和离去角大于90度的停车线类别。根据本专利技术的一个实施例，识别进一步包含由计算机系统使用人工神经网络来确定至少一个剪切子集与多个类别中的每个类别之间的亲和性分数；和多个类别包括无停放车辆类别，离去角小于或等于90度的停放车辆类别，和离去角大于90度的停放车辆类别。根据本专利技术，提供一种方法，该方法包含：由自主车辆接近停车场内的第一引道；由在自主车辆上的一个或多个传感器收集表征第一引道的至少一部分的第一数据；由自主车辆上携带的计算机系统确认用于前进到第一引道的先决条件的存在；确认包含通过将机器学习算法应用于第一数据、将计算机视觉技术应用于第一数据以及从第一数据提取第一距离测量结果中的至少一者来检测先决条件；确认其中用于前进到第一引道的先决条件包含下面中的至少一个：第一引道上的入界箭头，与第一引道相邻的限定小于或等于90度的离去角的停车线，和与第一引道相邻的限定小于或等于90度的离去角的至少一个停放车辆；和由自主车辆响应于确认来前进到第一引道中。根据本专利技术的一个实施例，方法进一步包含由自主车辆接近停车场内的第二引道。根据本专利技术的一个实施例，方法进一步包含由一个或多个传感器收集表征第二引道的至少一部分的第二数据。根据本专利技术的一个实施例，方法进一步包含由在自主车辆上携带的计算机系统确认用于前进到第二引道的先决条件的不存在。根据本专利技术的一个实施例，确认不存在包含将机器学习算法应用于第二数据、将计算机视觉技术应用于第二数据和从第二数据提取第二距离测量结果中的至少一个。根据本专利技术的一个实施例，用于前进到第二引道的先决条件包含下面中的至少一个：第二引道上的入界箭头；与第二引道相邻的限定小于或等于90度的离去角的停车线；和与第二引道相邻的限定小于或等于90度的离去角的至少一个停放车辆。根据本专利技术的一个实施例，方法进一步包含由自主车辆响应于确认不存在来避开第二引道。根据本专利技术的一个实施例，一个或多个传感器包含摄像机；数据包含由摄像机输出的至少一个图像帧；识别进一步包含由计算机系统使用计算机视觉来选择包含少于至少一个图像帧的全部的至少一个感兴趣区域；识别进一步包含由计算机系统通过从至少一个图像帧剪切至少一个感兴趣区域来生成至少一个图像帧的至少一个剪切子集；和识别进一步包含由计算机系统使用人工神经网络来对至少一个剪切子集进行分类。根据本专利技术，提供一种自主车辆，该自主车辆包含：在自主车辆上携带的一个或多个传感器；在自主车辆上携带的至少一个处理器；和可操作地连接到至少一个处理器的存储器，存储器存储被编程为执行下面的操作的软件，将自主车辆引导到停车场内的第一引道，收集由一个或多个传感器输出的表征第一引道的至少一部分的数据，使用机器学习、计算机视觉和距离测量中的至少一个来确定用于进入第一引道的先决条件是否被反映在数据中，其中先决条件包含存在下面中的至少一个：第一引道上的入界箭头，与第一引道相邻的限定小于或等于90度的离去角的停车线，与第一引道相邻的限定小于或等于90度的离去角的至少一个停放车辆，当先决条件存在时，将自主车辆引导到进入第一引道，和当先决条件不存在时，将自主车辆引导到第二引道。附图说明为了容易理解本专利技术的优点，通过参考附图中示出的具体实施例，将给出上面简要描述的本专利技术的更具体的描述。应当理解的是，这些附图仅描绘了本专利技术的典型实施例，并且因此不被认为是对本专利技术范围的限制，本专利技术将通过使用附图以附加的特征和细节来描述和解释，附图中：图1是示出停车场的一部分的俯视图的示意图，其中停车位相对于引道正交并且车辆在右侧行驶；图2是示出停车场的一部分的俯视图的示意图，其中停车位相对于引道不正交并且车辆在右侧行驶；图3是示出停车场的一部分的俯视图的示意图，其中停车位相对于引道不正交并且车辆在左侧行驶；图4是示出根据本专利技术的在车辆上携带一种用于辅助车辆在停车场内导航的系统的车辆的一个实施例的示意图；图5是示出可以由在车辆上携带的前视摄像机捕获的示例性图像的示意图；图6是示出根据本专利技术的一种辅助车辆在停车场内导航的系统的一个实施例的示意性框图；图7是根据本专利技术的一种辅助车辆在停车场内导航的方法的一个实施例的示意性框图；图8是示出以第一示例性情况或结构布置的停车场的一部分的俯视图的示意图；图9是示出以第二示例性情况或结构布置的停车场的一部分的俯视图的示意图；图10是示出以第三示例性情况或结构布置的停车场的一部分的俯视图的示意图；图11是示出以第四示例性情况或结构布置的停车场的一部分的俯视图的示意图；和图12是示出以第五示例性情况或结构布置的停车场的一部分的俯视图的示意图。具体实施方式将容易理解的是，如本文附图中总体描述和示出的，本专利技术的部件可以以各种不同的结构来布置和设计。因此，如在附图中表示的本专利技术的实施例的以下更详细的描述并不旨在限制如要求保护的本专利技术的范围，而仅仅是表示根据本专利技术的当前设想的实施例的某些示例。通过参考附图将最好地理解当前描述的实施例，其中相同的部分始终由相同的附图标记表示。参照图1，停车位10可以是适合于停放车辆12的地理区域。停车场14可以是包含多个停车位10的地理区域。在所选实施例中，停车场14的多个停车位10可以按照一定的顺序布置。例如，在停车场14内，线16(例如涂漆或以其他方式粘附到停车场14的表面的线16本文档来自技高网...

【技术保护点】
1.一种方法，包含：由自主车辆接近停车场内的车道；由所述自主车辆使用机器学习和计算机视觉中的至少一个来识别下面中的至少一个：在所述车道上的入界箭头，和与所述车道相邻的限定小于或等于90度的离去角的停车线或停放车辆；和由所述自主车辆响应于所述识别而前进到所述车道中。

【技术特征摘要】
2016.12.09 US 15/373,8451.一种方法，包含：由自主车辆接近停车场内的车道；由所述自主车辆使用机器学习和计算机视觉中的至少一个来识别下面中的至少一个：在所述车道上的入界箭头，和与所述车道相邻的限定小于或等于90度的离去角的停车线或停放车辆；和由所述自主车辆响应于所述识别而前进到所述车道中。2.根据权利要求1所述的方法，进一步包含使用所述自主车辆上的一个或多个传感器来收集表征所述车道的至少一部分的数据。3.根据权利要求2所述的方法，其中所述识别包含由在所述自主车辆上携带的计算机系统来将所述机器学习和所述计算机视觉中的至少一个应用于所述数据。4.根据权利要求3所述的方法，其中所述一个或多个传感器包含摄像机，并且其中所述数据包含由所述摄像机输出的至少一个图像帧。5.根据权利要求4所述的方法，其中所述识别进一步包含下面中的至少一个：由所述计算机系统使用所述计算机视觉来选择包含少于所述至少一个图像帧的全部的至少一个感兴趣区域；和由所述计算机系统通过从所述至少一个图像帧剪切所述至少一个感兴趣区域来生成所述至少一个图像帧的至少一个剪切子集。6.根据权利要求5所述的方法，其中所述识别进一步包含由所述计算机系统使用人工神经网络来对所述至少一个剪切子集进行分类；所述识别进一步包含由所述计算机系统使用所述人工神经网络来确定所述至少一个剪切子集与多个类别中的每个类别之间的亲和性分数；和所述多个类别包括无箭头类别，仅入界箭头类别，仅出界箭头类别，和入界和出界箭头类别。7.根据权利要求6所述的方法，其中：所述识别进一步包含由所述计算机系统使用所述人工神经网络来确定所述至少一个剪切子集与多个类别中的每个类别之间的亲和性分数；和所述多个类别包括无停车线类别，离去角小于或等于90度的停车线类别，和离去角大于90度的停车线类别。8.根据权利要求6所述的方法，其中：所述识别进一步包含由所述计算机系统使用所述人工神经网络来确定所述至少一个剪切子集与多个类别中的每个类别之间的亲和性分数；和所述多个类别包括无停放车辆类别，离去角小于或等于90度的停放车辆类别，和离去角大于90度的停放车辆类别。9.一种方法，包含：由自主车辆接近停车场内的第一引道；由在所述自主车辆上携带的一个或多个传感器收集表征所述第一引道的至少一部分的第一数据；由所述自主车辆上携带的计算机系统确认用于前进到所述第一引道的先决条件的存在；所述确认包含通过将机器学习算法应用于所述第一数据...

【专利技术属性】
技术研发人员：马里亚姆·穆萨埃，吉内什·J·杰恩，哈珀丽特辛格·班瓦伊特，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：美国,US