一种基于空间车位的跟踪方法及系统技术方案

本发明专利技术公开了一种基于空间车位的跟踪方法，包括：获取当前时刻检测到的各个空间车位信息，并投影至本车辆的栅格地图中；获取各个空间车位周边的点云信息；基于各空间车位的点云信息，获得每一空间车位对应的车位特征；根据每一空间车位对应的车位特征，在车辆栅格地图中生成至少一候选车位；将每一候选车位所对应车位特征，与上一时刻获取的车位跟踪结果中的各个被检车位的车位特征进行特征匹配处理，根据匹配结果获得当前时刻的车位跟踪结果。本发明专利技术还公开了相应的系统。实施本发明专利技术，可以基于空间车位进行车位跟踪，具有计算成本低、计算快速准确的特点，并提高了用户的驾驶体验。并提高了用户的驾驶体验。并提高了用户的驾驶体验。

【技术实现步骤摘要】
一种基于空间车位的跟踪方法及系统


[0001]本专利技术涉及智能驾驶感知领域，主要涉及一种基于空间车位的跟踪方法及系统。

技术介绍

[0002]对于自动泊车等停车场场景内的自动驾驶功能来说，车辆对停车场周围车位的感知能力十分重要，其直接决定泊车的成功率和准确率。
[0003]对于车位的分类，从整体上可以分为线车位和空间车位两种，其中，线车位指含车位线的车位，空间车位指不含车位线或者车位线已重度模糊或损坏的车位。对于国内许多停车场而言，由于前期建设规划不足、后期维护成本较高等问题，很多的车位都属于空间车位。由于传统的基于摄像头采集图像的车位跟踪算法非常依赖于车位线特征，该类算法并不能有效应用于空间车位的跟踪。与摄像头相反，使用毫米波雷达进行车位跟踪能够有效地避免车位线已重度模糊或损坏对跟踪算法的影响，从而保证车位跟踪结果的质量，但常用的跟踪算法是基于车位视觉特征进行的，导致相应的特征提取及模型更新需要较高的算力支持，且泛化能力较差。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，提供一种基于空间车位的跟踪方法及系统，可以基于空间车位进行车位跟踪，具有计算成本低、计算快速准确的特点，并能提高驾驶体验。
[0005]为解决上述技术问题，作为本专利技术的一方面，提供一种基于空间车位跟踪方法，其包括如下步骤：
[0006]步骤S10，获取车辆行驶路径中当前时刻检测到的各个空间车位信息，并投影至本车辆的栅格地图中；
[0007]步骤S11，根据所获取的空间车位信息，获取各个空间车位周边的点云信息；
[0008]步骤S12，基于各空间车位的点云信息，获得每一空间车位对应的车位特征，所述车位特征至少包括有第一类特征和第二类特征；
[0009]步骤S13，根据每一空间车位对应的车位特征，在车辆栅格地图中生成至少一候选车位；
[0010]步骤S14，将每一候选车位所对应车位特征，与上一时刻获取的车位跟踪结果中的各个被检车位的车位特征进行特征匹配处理，根据匹配结果获得当前时刻的车位跟踪结果。
[0011]其中，所述步骤S10进一步包括：
[0012]获取车辆行驶路径中当前时刻检测到的各个空间车位信息；
[0013]将各个空间车位信息投影至本车辆的栅格地图，在车辆栅格地图坐标系下的形成对应的矩形框，每一矩形框包含四个顶点的坐标；
[0014]根据每一矩形框的坐标计算出所述空间车位到本车辆的距离，并根据距离的长
度，由近到远地对各个空间车位进行排序。
[0015]其中，所述步骤S11进一步包括：
[0016]利用毫米波雷达获取车辆栅格地图范围内的所有点云信息；
[0017]根据所获取的各空间车位对应的矩形框的坐标，将栅格地图内对应的车位区域的点云数据挖掘出来并保存。
[0018]其中，所述步骤S12进一步包括：
[0019]根据各空间车位对应的点云数据，计算各空间车位对应的第一类特征，所述第一类特征包括所述空间车位的长宽比和斜度比；
[0020]将各空间车位对应的点云数据输入至一预先训练好的特征提取网络，获得每一空间车位所对应的多个第二类特征；所述特征提取网络包含3个卷积层、3个池化层及1个全连接层，其输出层为softmax层，输出的每一第二类特征为处于0到1之间的数值。
[0021]其中，在将各空间车位对应的点云数据输入至一预先训练好的特征提取网络之前，进一步包括：
[0022]对每一空间车位的点云数据按照预定的规则进行降采样；
[0023]对上一步得到的降采样后的数据进行裁剪和排序，最终得到一个尺寸为128*128的二维点云数组，作为所述特征提取网络的输入。
[0024]其中，所述步骤S13进一步包括：
[0025]将所有车位空间对应的各第一类特征以及第二类特征输入一粒子滤波器，由上一时刻粒子群的状态和权重，利用蒙特卡洛方法生成高斯分布随机数，形成新的粒子群的位置和状态，并进行KNN聚类处理，获得候选车位的位置和状态，其中，位置包括候选车位在车辆栅格地图下的四个顶点坐标，状态表示该候选车位的置信度大小；
[0026]获取所述每一候选车位对应的第一类特征及第二类特征。
[0027]其中，所述步骤S14进一步包括：
[0028]将每一候选车位所对应车位特征，与上一时刻获取的车位跟踪结果中的各个被检车位的车位特征进行两两匹配处理，计算相应车位特征之间的方差之和，如果所述和大于一预定匹配阈值，则判定为匹配成功；
[0029]对于同一个被检车位，如果存在两个或以上的配对成功的候车车位，则选择匹配计算结果最高的一个作为所述被检车位的跟踪结果；若只存在一个配对成功的候选车位，则直接选择其作为所述被检车位的跟踪结果；若没有成功配对的候选车位，则认为该被检车位在当前时刻已不存在从而无法进行泊车操作；
[0030]获得当前时刻的车位跟踪结果并在本车辆中进行显示。
[0031]本专利技术的另一方面，还提供一种基于空间车位跟踪系统，其包括：
[0032]空间车位信息获取单元，用于获取车辆行驶路径中当前时刻检测到的各个空间车位信息，并投影至本车辆的栅格地图中；
[0033]点云信息获取单元，用于根据所获取的空间车位信息，获取各个空间车位周边的点云信息；
[0034]车位特征获取单元，用于基于各空间车位的点云信息，获得每一空间车位对应的车位特征，所述车位特征至少包括有第一类特征和第二类特征；
[0035]候选车位获取单元，用于根据每一空间车位对应的车位特征，在车辆栅格地图中
生成至少一候选车位；
[0036]车位跟踪结果获取单元，用于将每一候选车位所对应车位特征，与上一时刻获取的车位跟踪结果中的各个被检车位的车位特征进行特征匹配处理，根据匹配结果获得当前时刻的车位跟踪结果。
[0037]其中，所述空间车位信息获取单元，进一步包括：
[0038]第一获取单元，用于获取车辆行驶路径中当前时刻检测到的各个空间车位信息；
[0039]投影处理单元，用于将各个空间车位信息投影至本车辆的栅格地图，在车辆栅格地图坐标系下的形成对应的矩形框，每一矩形框包含四个顶点的坐标；
[0040]排序单元，用于根据每一矩形框的坐标计算出所述空间车位到本车辆的距离，并根据距离的长度，由近到远地对各个空间车位进行排序。
[0041]其中，所述点云信息获取单元进一步包括：
[0042]第二获取单元，用于利用毫米波雷达获取车辆栅格地图范围内的所有点云信息；
[0043]数据挖掘单元，用于根据所获取的各空间车位对应的矩形框的坐标，将栅格地图内对应的车位区域的点云数据挖掘出来并保存。
[0044]其中，所述车位特征获取单元进一步包括：
[0045]第一类特征获取单元，用于根据各空间车位对应的点云数据，计算各空间车位对应的第一类特征，所述第一类特征包括所述空间车位的长宽比和斜度比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空间车位的跟踪方法，其特征在于，包括如下步骤：步骤S10，获取车辆行驶路径中当前时刻检测到的各个空间车位信息，并投影至本车辆的栅格地图中；步骤S11，根据所获取的空间车位信息，取各个空间车位周边的点云信息；步骤S12，基于各空间车位的点云信息，获得每一空间车位对应的车位特征，所述车位特征至少包括有第一类特征和第二类特征；步骤S13，根据每一空间车位对应的车位特征，在车辆栅格地图中生成至少一候选车位；步骤S14，将每一候选车位所对应车位特征，与上一时刻获取的车位跟踪结果中的各个被检车位的车位特征进行特征匹配处理，根据匹配结果获得当前时刻的车位跟踪结果。2.如权利要求2所述的一种基于空间车位的跟踪方法，其特征在于，所述步骤S10进一步包括：获取车辆行驶路径中当前时刻检测到的各个空间车位信息；将各个空间车位信息投影至本车辆的栅格地图，在车辆栅格地图坐标系下的形成对应的矩形框，每一矩形框包含四个顶点的坐标；根据每一矩形框的坐标计算出所述空间车位到本车辆的距离，并根据距离的长度，由近到远地对各个空间车位进行排序。3.如权利要求2所述的一种基于空间车位的跟踪方法，其特征在于，所述步骤S11进一步包括：利用毫米波雷达获取车辆栅格地图范围内的所有点云信息；根据所获取的各空间车位对应的矩形框的坐标，将栅格地图内对应的车位区域的点云数据挖掘出来并保存。4.如权利要求3所述的一种基于空间车位的跟踪方法，其特征在于，所述步骤S12进一步包括：根据各空间车位对应的点云数据，计算各空间车位对应的第一类特征，所述第一类特征包括所述空间车位的长宽比和斜度比；将各空间车位对应的点云数据输入至一预先训练好的特征提取网络，获得每一空间车位所对应的多个第二类特征；所述特征提取网络包含3个卷积层、3个池化层及1个全连接层，其输出层为softmax层，输出的每一第二类特征为处于0到1之间的数值。5.如权利要求4所述的一种基于空间车位的跟踪方法，其特征在于，在将各空间车位对应的点云数据输入至一预先训练好的特征提取网络之前，进一步包括：对每一空间车位的点云数据按照预定的规则进行降采样；对上一步得到的降采样后的数据进行裁剪和排序，最终得到一个尺寸为128*128的二维点云数组，作为所述特征提取网络的输入。6.如权利要求2所述的一种基于空间车位的跟踪方法，其特征在于，所述步骤S13进一步包括：将所有车位空间对应的各第一类特征以及第二类特征输入一粒子滤波器，由上一时刻粒子群的状态和权重，利用蒙特卡洛方法生成高斯分布随机数，形成新的粒子群的位置和状态，并进行KNN聚类处理，获得候选车位的位置和状态，其中，位置包括候选车位在车辆栅
格地图下的四个顶点坐标，状态表示该候选车位的置信度大小；获取所述每一候选车位对应的第一类特征及第二类特征。7.如权利要求7所述的一种基于空间车位的跟踪方法，其特征在于，所述步骤S14进一步包括：将每一候选车位所对应车位特征，与上一时刻获取的车位跟踪结果中的各个被检车位的车位特征进行两两匹配处理，计算相应车位特征之间的方差之和，如果所述和大于一预定匹配阈值，则判定为匹配成功；对于同一个被检车位，如果存在两个或以上的配对成功的候车车位，则选择匹配计算结果最高的一个作为所述被检车位的跟踪结果；若只存在一个配对成功的候选车位，则直接选择其作为所述被检车位的跟踪结果；若没有成功配对的候选车位，则认为该被检车位在当前时刻已不存在从而无法进行泊车操作；获得当前时刻的车位跟踪结果并在本车辆中进行显示。8.一种基于空间车位的跟踪系统，其特征在于，包括：空间车位信息获取单元，用于获取车辆行驶路径中当前时刻检测到的各个空间车位信息，并投影至本车辆的栅格地图...

【专利技术属性】
技术研发人员：钟力阳，何俏君，李梓龙，付颖，张志德，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：