一种用于手机地下停车场导航方法技术

本发明专利技术涉及定位导航技术领域，具体为一种用于手机地下停车场导航方法，基于手机传感器的数据，利用深度学习训练行为动作判断模型；采集停车场数据，并提前建立停车场高精地图；定位车辆起始位置，选择目标车位；通过车辆起始位置和目标车位位置，规划出车辆在停车场高精地图中的行驶路径；基于手机传感器的数据推算车辆的移动距离和方向，获得定位结果，并记录移动轨迹点；对移动轨迹点进行配准，修正定位结果；预测车辆的驾驶行为；结合预测的车辆驾驶行为对车辆下一移动轨迹点进行纠偏校正。本发明专利技术实现地下停车场中的连续定位导航，利用手机自带传感器及事先采集的停车场地图实现低成本的定位导航。低成本的定位导航。低成本的定位导航。

【技术实现步骤摘要】
一种用于手机地下停车场导航方法


[0001]本专利技术涉及定位导航
，具体为一种用于手机地下停车场导航方法。

技术介绍

[0002]随着经济的快速发展与城市化的快速推进，越来越多的家庭拥有私家车，随之而来的是越来越多的对大型地下停车场的需求。但是大型地下停车场往往存在规模庞大、地形复杂、道路交错、寻路困难等问题，严重影响用户体验与使用效率，因此地下停车场内的导航系统越来越受重视。
[0003]由于地下停车场内GPS信号受到遮蔽，无法对汽车直接定位，在室外常用的卫星定位导航系统失效。目前室内常用的定位方式包括WIFI热点定位、蓝牙信标定位、红外线定位、超声波技术、超宽带技术、惯性导航、视觉定位等，但是这些技术大部分依赖于大规模的硬件部署、数据采集更新以及定期维护等，而且都各有各的局限性，比如WIFI易受环境干扰，蓝牙传播距离短、稳定性差，红外、UWB大范围覆盖价格昂贵，惯性导航存在累计误差、无法全局定位，视觉定位对操作限制大、使用功耗高等，因此如何在地下停车场实现汽车稳定的定位导航是目前普遍存在的问题。鉴于此，我们提出一种用于手机地下停车场导航方法。

技术实现思路

[0004]本专利技术的目的在于提供一种用于手机地下停车场导航方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种用于手机地下停车场导航方法，包括以下步骤：
[0007]步骤1：基于手机传感器的数据，利用深度学习训练行为动作判断模型；
[0008]步骤2：采集停车场数据，并提前建立停车场高精地图；
[0009]步骤3：定位车辆起始位置，选择目标车位；
[0010]步骤4：通过车辆起始位置和目标车位位置，规划出车辆在停车场高精地图中的行驶路径；
[0011]步骤5：基于手机传感器的数据推算车辆的移动距离和方向，通过累计相对位移量获得定位结果，并记录移动轨迹点；
[0012]步骤6：对行驶路径上的路网节点进行插值，并与移动轨迹点进行配准，修正定位结果；
[0013]步骤7：实时获取车辆CAN信号，将车辆CAN信号输入车辆驾驶行为预测模型内预测车辆的驾驶行为；
[0014]步骤8：将修正的定位结果与移动轨迹点周边的路网节点进行匹配，并结合预测的车辆驾驶行为对车辆下一移动轨迹点进行纠偏校正。
[0015]优选的，所述停车场高精地图包括但不限于路网节点、上下坡、左右转、车位位置以及车位编号信息。
[0016]优选的，所述驾驶行为包括但不限于直行、上坡、下坡、即将左转、即将右转、结束左转、结束右转。
[0017]优选的，所述行为动作判断模型通过获取行驶车辆实时的CAN信号，利用深度学习算法对获取的CAN信号进行训练建立。
[0018]优选的，所述车辆起始位置定位通过车载前视摄像头识别停车场入口或闸机进行定位。
[0019]优选的，所述车辆起始位置定位通过人工输入车辆周边任意一车位编号进行定位。
[0020]优选的，所述车辆实时定位通过实时获取车辆CAN信号，从车辆CAN信号内实时获取车辆的轮速、车轮脉冲以及方向盘转角数据，计算车辆的相对位移量，获取车辆实时定位结果。
[0021]与现有技术相比，本专利技术的有益效果是：将车辆周边图像和预测的车辆驾驶行为与高精地图内的路网节点进行匹配，避免车辆行驶偏离行驶路径，保证车辆到目标车位行驶路径的准确性，实现地下停车场中的连续定位导航，利用手机自带传感器及事先采集的停车场地图实现低成本的定位导航。
附图说明
[0022]图1为本专利技术的用于手机地下停车场导航方法工作流程图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术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，都属于本专利技术保护的范围。
[0024]本专利技术提供一种用于手机地下停车场导航方法，如图1所示，包括以下步骤：
[0025]步骤1：基于手机传感器的数据，利用深度学习训练行为动作判断模型，且行为动作判断模型通过获取行驶车辆实时的CAN信号，利用深度学习算法对获取的CAN信号进行训练建立；
[0026]步骤2：采集停车场数据，并提前建立停车场高精地图，其中，停车场高精地图包括但不限于路网节点、上下坡、左右转、车位位置以及车位编号信息；
[0027]步骤3：定位车辆起始位置，选择目标车位，其中，通过车载前视摄像头识别停车场入口或闸机进行定位，定位车辆起始位置可以通过人工输入车辆周边任意一车位编号进行定位、通过实时获取车辆CAN信号，从车辆CAN信号内实时获取定位；
[0028]步骤4：通过车辆起始位置和目标车位位置，规划出车辆在停车场高精地图中的行驶路径；
[0029]步骤5：基于手机传感器的数据推算车辆的移动距离和方向，通过累计相对位移量获得定位结果，并记录移动轨迹点，车辆实时定位通过实时获取车辆CAN信号，从车辆CAN信号内实时获取车辆的轮速、车轮脉冲以及方向盘转角数据，计算车辆的相对位移量，获取车辆实时定位结果；
[0030]步骤6：对行驶路径上的路网节点进行插值，并与移动轨迹点进行配准，修正定位结果；
[0031]步骤7：实时获取车辆CAN信号，将车辆CAN信号输入车辆驾驶行为预测模型内预测车辆的驾驶行为，其中，驾驶行为包括但不限于直行、上坡、下坡、即将左转、即将右转、结束左转、结束右转；
[0032]步骤8：将修正的定位结果与移动轨迹点周边的路网节点进行匹配，并结合预测的车辆驾驶行为对车辆下一移动轨迹点进行纠偏校正。
[0033]按照上述方法执行上述步骤，实现地下停车场中的连续定位导航，利用手机自带传感器及事先采集的停车场地图实现低成本的定位导航。
[0034]该导航方法基于停车场高精地图和行为动作判断模型，将车辆周边图像和预测的车辆驾驶行为与高精地图内的路网节点进行匹配，避免车辆行驶偏离行驶路径，保证车辆到目标车位行驶路径的准确性。
[0035]以上显示和描述了本专利技术的基本原理、主要特征和本专利技术的优点。本行业的技术人员应该了解，本专利技术不受上述实施例的限制，上述实施例和说明书中描述的仅为本专利技术的优选例，并不用来限制本专利技术，在不脱离本专利技术精神和范围的前提下，本专利技术还会有各种变化和改进，这些变化和改进都落入要求保护的本专利技术范围内。本专利技术要求保护范围由所附的权利要求书及其等效物界定。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于手机地下停车场导航方法，其特征在于，包括以下步骤：步骤1：基于手机传感器的数据，利用深度学习训练行为动作判断模型；步骤2：采集停车场数据，并提前建立停车场高精地图；步骤3：定位车辆起始位置，选择目标车位；步骤4：通过车辆起始位置和目标车位位置，规划出车辆在停车场高精地图中的行驶路径；步骤5：基于手机传感器的数据推算车辆的移动距离和方向，通过累计相对位移量获得定位结果，并记录移动轨迹点；步骤6：对行驶路径上的路网节点进行插值，并与移动轨迹点进行配准，修正定位结果；步骤7：实时获取车辆CAN信号，将车辆CAN信号输入车辆驾驶行为预测模型内预测车辆的驾驶行为；步骤8：将修正的定位结果与移动轨迹点周边的路网节点进行匹配，并结合预测的车辆驾驶行为对车辆下一移动轨迹点进行纠偏校正。2.根据权利要求1所述的用于手机地下停车场导航方法，其特征在于：所述停车场高精地图包括但不限于路网节点、上下坡、左右转、车位位置以...

【专利技术属性】
技术研发人员：张祎，蒋如意，马光林，于萌萌，田钧，
申请(专利权)人：上海追势科技有限公司，
类型：发明
国别省市：