【技术实现步骤摘要】
一种基于深度学习的人工辅助泊车方法及系统
[0001]本专利技术属于自动驾驶
，涉及一种基于深度学习的人工辅助泊车方法及系统。
技术介绍
[0002]为了自动驾驶车辆准确高效的行驶和泊车，目前通过在自动驾驶车辆上安装的智能驾驶传感器，如摄像头、激光雷达、超声波雷达、毫米波雷达等，可以准确捕捉到车辆周围环境物体，这些会作为深度学习算法的输入，经过复杂的计算，完成对周围车辆、行人、红绿灯、车道线及库位线等的识别，可以准确地给出相关速度、角度及位置坐标等。
[0003]目前自动泊车技术主要是通过高清摄像头识别和超声波识别两种技术方案完成。通过高清摄像头输入的图片信息，深度学习算法可以准确地提取三个或四个库位角点的特征信息，通过复杂计算，得到库位角点的三维坐标，从而生成库位，实现泊车过程。而利用超声波泊车主要是针对没法得到库位角点信息而库位前后有其他车辆的情况，超声波可以感知到近距离的车辆，并能通过相关算法给出准确的位置信息，同样也可以得到有效的库位信息，从而完成自动泊车的过程。
[0004]然而，当库位信息不...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的人工辅助泊车方法，包括如下步骤：步骤 S1：当人机交互设备提示无法获取库位信息时，切出自动泊车模式，切入人工接管模式；步骤S2：在所述人机交互设备显示的图像上人工选择两个点作为初始库位角点；步骤S3：根据所述初始库位角点的信息，利用深度学习算法计算得到另外两个库位角点的坐标信息，在所述人机交互设备上显示一个完整库位；步骤S4：人机交互设备提示切出人工接管模式，切入自动泊车模式，完成自动泊车操作。2.根据权利要求1所述的基于深度学习的人工辅助泊车方法，其特征在于，两个所述初始库位角点为同侧两点。3.根据权利要求1所述的基于深度学习的人工辅助泊车方法，其特征在于，还包括步骤S3
‑
1：在所述人机交互设备显示的图像上提示是否确认所述完整库位，选择是时进入所述步骤S4。4.根据权利要求3所述的基于深度学习的人工辅助泊车方法，其特征在于，当步骤S3
‑
1选择否时进入步骤S3
‑
2：在所述人机交互设备显示的图像上对生成的所述完整库位进行人工微调和矫正，结束后进入所述步骤S4。5.根据权利要求4所述的基于深度学习的人工辅助泊车方法，其特征在于，当所述人工微调和矫正超出允许范围时，人机交互设备提示为无效操作。6.一种基于深度学习的人工辅助泊车系统，包括：模式切换模块，用于切出自动泊车模式，切入人工接管模式；初始输入模块，用于接收人工在人机交互设备上输入的两个初始库位角点坐标信息；库位生成模块，用于根据初始库位角点坐标信息，利用深度学习算法计算得到库位的另外两个角点的三维坐标，然后在所述人机交互设备上显示一个完整的库位；自动泊车模块，用于切出人工接管模式，切入自动泊车模式，执行自动泊车操作。7.根据权利要求6所述的基于深度学习的人工辅助泊车系统，其特征在于，还包括库位确认模块，用于在所述人机交互设备显示的图像上提示是否确认所述完整库位，选择是时运行所述自动泊车模块。8.根据权利要求7所述的基于深度学习的人工辅助泊车系统，其特征在于，还包括库位矫正模块，当运行库位确认模块选择否时运行库位矫正模块：接收在所述人机交互设备显示的图像上对生成的所述完整库位的人工微调和矫正操作，结束后运行所述自动泊车模块。9.一种基于深度学习的人工辅助泊车装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，运行上述基于深度学习的人工辅助泊车系统。10.根据权利要求9所述的基于深度学习的人工辅助泊车装置，其特征在于，还包括人机交互设备，所述人机交互设备用于显示所述处理器输出的信息，以及接收人工操作。11.根据权利要求10所述的基于深度学习的人工辅助泊车装置，其特征在于，所述人机交互设备为具备触屏功能的车载大屏。
12.一种基于深度学习的人工辅助泊车方法，包括如下步骤：获取用户在环...
【专利技术属性】
技术研发人员：张强，姚杰，
申请(专利权)人：智己汽车科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。