一种基于障碍物的车位识别方法技术

本发明专利技术提供基于障碍物的车位识别方法，方法包括：启动车位检测程序，获取障碍物距离数据；将所述障碍物距离数据转换到车位检测坐标系中，得到障碍物距离点集；将所述障碍物距离点集按照预设规则进行拟合，得到特征线段集；计算所述特征线段集中各特征线段的长度及斜率；根据各特征线段识别是否存在车位及车位类型。本发明专利技术实现了车位的准确识别。本发明专利技术实现了车位的准确识别。本发明专利技术实现了车位的准确识别。

【技术实现步骤摘要】
一种基于障碍物的车位识别方法


[0001]本专利技术涉及车位检测
，尤其涉及一种基于障碍物的车位识别方法。

技术介绍

[0002]当前基于超声波雷达的自动泊车系统，其车位检测需要依赖障碍物。在车位检测过程中，由于自车与目标车位的纵向距离不同、自车的行驶路径不平直等因素，可能将垂直车位的识别为水平车位或斜向车位，从而导致后续泊车路径规划错误。
[0003]例如，当在垂直车位中的车辆停放姿态如图4所示时，基于超声波雷达的自动泊车系统则会将两个障碍车之间的车位错误地判断为斜式车位，从而对后续的自动泊车的路径规划给出错误的前提。

技术实现思路

[0004]本专利技术提供一种基于障碍物的车位识别方法，旨在解决现有技术中的缺陷，实现车位的准确识别。
[0005]为达到上述目的，本专利技术所采取的技术方案为：
[0006]本专利技术提供一种基于障碍物的车位识别方法，包括：
[0007]步骤1、启动车位检测程序，获取障碍物距离数据；
[0008]步骤2、将所述障碍物距离数据转换到车位检测坐标系中，得到障碍物距离点集；
[0009]步骤3、将所述障碍物距离点集按照预设规则进行拟合，得到特征线段集；
[0010]步骤4、计算所述特征线段集中各特征线段的长度及斜率，将斜率绝对值大于第一斜率阈值的左侧特征线段记为第一特征线段，将斜率绝对值大于第一斜率阈值的右侧特征线段记为第二特征线段，将与所述第一特征线段右端点相接或相邻，或者与第二特征线段左端点相接或相邻的特征线段记为第三特征线段；
[0011]步骤5、根据各特征线段识别是否存在车位及车位类型。
[0012]具体地，所述步骤2包括：
[0013]步骤201、将超声波雷达发射第一个探测波的时间定义为起始时刻，在获取各障碍物距离数据的同时，获取对应时长的车速。
[0014]步骤202、计算所述各障碍物距离数据对应的行驶距离。
[0015]步骤203、以所述起始时刻的超声波雷达中心为原点，所述行驶距离为横轴，所述各障碍物距离数据为纵轴，建立车位检测坐标系。
[0016]步骤204、根据所述各障碍物距离数据与所述行驶距离的对应关系，将所述各障碍物距离数据转换到所述车位检测坐标系中，得到障碍物距离点集。
[0017]具体地，所述步骤3包括：
[0018]步骤301、以所述障碍物距离点集中任意一点为起始点，计算所述起始点与相邻点的欧氏距离；
[0019]步骤302、判断所述欧氏距离是否大于第一距离阈值，是则判定所述相邻点属于不
连续点，否则判定所述相邻点属于连续点；
[0020]步骤303、将各连续点标记为初始连续数据类，其中的数据点记为连续数据点；
[0021]步骤304、按照预设顺序遍历各初始连续数据类，读取其中一个作为当前初始连续数据类，连接所述当前初始连续数据类中起始连续数据点和末尾连续数据点构造一基准线；
[0022]步骤305、计算所述初始连续数据类中各中间数据点到所述基准线的第一距离；
[0023]步骤306、若所述第一距离中最大者大于第二距离阈值，则以所述第一距离中最大者对应的点为分界点将所述当前初始连续数据类分割为两个子连续数据类；
[0024]步骤307、根据上一步的分割结果更新所述初始连续数据类，得到优化连续数据类；
[0025]步骤308、对所述优化连续数据类中的各数据点进行直线拟合，得到特征线段集。
[0026]具体地，所述步骤5包括：
[0027]当所述第一特征线段、第二特征线段均存在时：
[0028]若所述第一特征线段或第二特征线段与第三特征线段的比值小于1，则判定当前车位为平行车位；
[0029]若所述第一特征线段或第二特征线段与第三特征线段的比值大于或等于1，且所述第一特征线段、第二特征线段中至少一个的倾斜角大于第一角度，则判定当前车位为垂直车位；
[0030]若所述第一特征线段或第二特征线段与第三特征线段的比值大于或等于1，且所述第一特征线段、第二特征线段的倾斜角之差小于第二角度，则判定当前车位为斜式车位，否则判定当前车位为垂直车位。
[0031]具体地，所述步骤5包括：
[0032]当所述第一特征线段、第二特征线段仅存在一个时：
[0033]若所述第一特征线段或者第二特征线段的长度等于或小于标准平行车位长度，则判定当前车位为平行车位；
[0034]若所述第一特征线段或者第二特征线段的长度大于标准平行车位长度，且所述第一特征线段或者第二特征线段的倾斜角与90
°
之差绝对值小于第三角度，则判定当前车位为垂直车位，否则判定当前车位为斜式车位。
[0035]具体地，所述第一角度为85
°
，第二角度为10
°
。
[0036]具体地，所述第三角度为5
°
。
[0037]具体地，所述第一斜率阈值范围为[1,1.73]。
[0038]具体地，所述获取障碍物距离数据包括：获取超声波雷达探测到的障碍物距离数据，并进行预处理。
[0039]具体地，所述预处理为采用最小值滤波算法滤除噪点。
[0040]本专利技术的有益效果在于：本专利技术通过获取障碍物距离数据，进而得到障碍物距离点集，并按照预设规则进行拟合得到特征线段集，然后通过计算各特征线段的长度及斜率，从而判断是否存在车位及车位类型，实现了车位的准确识别。
附图说明
[0041]图1是本专利技术的基于障碍物的车位识别方法的流程示意图；
[0042]图2是本专利技术的障碍物距离点集示意图；
[0043]图3是本专利技术的特征线段集示意图；
[0044]图4是本专利技术的垂直车位停车示意图。
具体实施方式
[0045]下面结合附图具体阐明本专利技术的实施方式，附图仅供参考和说明使用，不构成对本专利技术专利保护范围的限制。
[0046]本实施例以探测本车进行方向左侧的车位为例进行说明，探测本车进行方向右侧的车位的方法与其相同。
[0047]在本实施例中，定义与车位检测坐标系横轴垂直的方向为车位长度方向，记为L；与车位检测坐标系横轴平行的方向为车位宽度方向，记为W。
[0048]如图1所示，本实施例提供一种基于障碍物的车位识别方法，包括：
[0049]步骤1、启动车位检测程序，获取障碍物距离数据u(i)(i＝1,2,3
…
n)。
[0050]在本实施例中，所述获取障碍物距离数据u(i)包括：获取超声波雷达探测到的障碍物距离数据，并进行预处理。
[0051]在本实施例中，所述预处理为采用最小值滤波算法滤除噪点。
[0052]步骤2、将所述障碍物距离数据u(i)转换到车位检测坐标系中，得到障碍物距离点集d(i)。
[0053]在本实施例中，所述步骤2包括：
[0054]步骤201、将超声波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于障碍物的车位识别方法，其特征在于，包括：步骤1、启动车位检测程序，获取障碍物距离数据；步骤2、将所述障碍物距离数据转换到车位检测坐标系中，得到障碍物距离点集；步骤3、将所述障碍物距离点集按照预设规则进行拟合，得到特征线段集；步骤4、计算所述特征线段集中各特征线段的长度及斜率，将斜率绝对值大于第一斜率阈值的左侧特征线段记为第一特征线段，将斜率绝对值大于第一斜率阈值的右侧特征线段记为第二特征线段，将与所述第一特征线段右端点相接或相邻，或者与第二特征线段左端点相接或相邻的特征线段记为第三特征线段；步骤5、根据各特征线段识别是否存在车位及车位类型。2.根据权利要求1所述的基于障碍物的车位识别方法，其特征在于，所述步骤2包括：步骤201、将超声波雷达发射第一个探测波的时间定义为起始时刻，在获取各障碍物距离数据的同时，获取对应时长的车速。步骤202、计算所述各障碍物距离数据对应的行驶距离。步骤203、以所述起始时刻的超声波雷达中心为原点，所述行驶距离为横轴，所述各障碍物距离数据为纵轴，建立车位检测坐标系。步骤204、根据所述各障碍物距离数据与所述行驶距离的对应关系，将所述各障碍物距离数据转换到所述车位检测坐标系中，得到障碍物距离点集。3.根据权利要求1所述的基于障碍物的车位识别方法，其特征在于，所述步骤3包括：步骤301、以所述障碍物距离点集中任意一点为起始点，计算所述起始点与相邻点的欧氏距离；步骤302、判断所述欧氏距离是否大于第一距离阈值，是则判定所述相邻点属于不连续点，否则判定所述相邻点属于连续点；步骤303、将各连续点标记为初始连续数据类，其中的数据点记为连续数据点；步骤304、按照预设顺序遍历各初始连续数据类，读取其中一个作为当前初始连续数据类，连接所述当前初始连续数据类中起始连续数据点和末尾连续数据点构造一基准线；步骤305、计算所述初始连续数据类中各中间数据点到所述基准线的第一距离；步骤306、若所述第一距离中最大者大于第二距离阈值，则以所述第一距离中最大者对应的点为分界点将所述当前初始连续数据类分割为两个子连续数据类；步骤30...

【专利技术属性】
技术研发人员：黎伟，刘凌云，
申请(专利权)人：惠州华阳通用智慧车载系统开发有限公司，
类型：发明
国别省市：