本申请提供了一种自动泊车方法、装置、存储介质、计算机设备。该方法包括：利用场景识别模型进行场景识别，确定目标停车场景；根据目标停车场景从多个车位选取模型中选择与目标停车场景对应的车位选取模型为车位选取目标模型，并从多个轨迹规划模型中选择与目标停车场景对应的轨迹规划模型为轨迹规划目标模型；利用车位选取目标模型在当前的道路环境中选择目标车位；利用轨迹规划目标模型规划目标轨迹，目标轨迹用于指示车辆从当前位置运动至目标车位；根据目标停车场景对应的停车方式和目标轨迹控制车辆泊车。该方法可适配于各类复杂场景，提高了灵活性，且所使用的模型在对应的场景下有最优的车位选取能力和路径规划能力，提高了准确性。提高了准确性。提高了准确性。
【技术实现步骤摘要】
自动泊车方法、装置、存储介质、计算机设备
[0001]本申请涉及自动驾驶
，尤其涉及一种自动泊车方法、装置、存储介质、计算机设备。
技术介绍
[0002]随着自动驾驶技术的不断迭代，自动驾驶技术慢慢走进人们的生活当中，极大地方便了人们的生活，人们对于自动驾驶的需求日益迫切。对于自动驾驶技术来说，车子自动感知路面情况并自动规划轨迹将乘客送到目的地。在到达目的地附近时，需要进行自动泊车。传统的自动泊车方法存在车位和轨迹选择不合理的问题。
技术实现思路
[0003]本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中车位和轨迹选择不合理的问题的技术缺陷。
[0004]第一方面，本申请提供了一种自动泊车方法，包括：利用场景识别模型进行场景识别，确定目标停车场景；根据目标停车场景从多个车位选取模型中选择与目标停车场景对应的车位选取模型为车位选取目标模型，并从多个轨迹规划模型中选择与目标停车场景对应的轨迹规划模型为轨迹规划目标模型；利用车位选取目标模型在当前的道路环境中选择目标车位；利用轨迹规划目标模型规划目标轨迹，目标轨迹用于指示车辆从当前位置运动至目标车位；根据目标停车场景对应的停车方式和目标轨迹控制车辆泊车。
[0005]在其中一个实施例中，根据目标停车场景对应的停车方式和目标轨迹控制车辆泊车，包括：根据目标停车场景对应的停车方式和目标轨迹控制车辆泊车，并在以当前的目标轨迹泊车的时长达到预设时长时，返回利用车位选取目标模型在当前的道路环境中选择目标车位的步骤继续执行，以更新目标车位和目标轨迹，直至车辆到达更新后的目标车位。
[0006]在其中一个实施例中，利用场景识别模型进行场景识别，确定目标停车场景，包括：在车辆与理想停车点的距离小于预设距离的情况下，获取车辆周边的路基结构图；将路基结构图输入场景识别模型进行场景识别，确定目标停车场景。
[0007]在其中一个实施例中，场景识别模型的训练过程包括：获取第一训练集；第一训练集包括不同停车场景对应的标注路基结构图，标注路基结构图的标注用于指示标注路基结构图对应的停车场景；将第一训练集输入初始场景识别模型，以得到各标注路基结构图的场景识别结果；根据各场景识别结果与对应的标注之间的差异，调整初始场景识别模型，以得到训练完成的场景识别模型。
[0008]在其中一个实施例中，任意一个停车场景对应的车位选取模型的训练过程包括：获取第二训练集；第二训练集包括车位选取模型对应的停车场景的多个第一训练地图，第一训练地图的标注用于指示标准车位；将第二训练集输入初始车位选取模型，以得到各第一训练地图对应的预测车位；根据各第一训练地图对应的预测车位、标准车位之间的差异，调整初始车位选取模型，以得到训练完成的车位选取模型。
[0009]在其中一个实施例中，获取第二训练集，包括：获取多个不同的环境地图包；各环境地图包中包括在车位选取模型对应的停车场景进行泊车的连续多帧环境地图；对于任意一个环境地图包，从环境地图包中每间隔预设帧数提取一帧环境地图，并根据提取出的环境地图得到第一训练地图；在各第一训练地图进行标注，得到第二训练集。
[0010]在其中一个实施例中，根据提取出的环境地图得到第一训练地图，包括：在提取出的环境地图中放置拥挤程度不同的障碍物，以得到与各提取出的环境地图对应的多个第一训练地图。
[0011]在其中一个实施例中，根据各第一训练地图对应的预测车位与各第一训练地图的标注之间的差异，调整初始车位选取模型，包括：根据各第一训练地图对应的预测车位与各第一训练地图的标注之间的差异以及预测稳定性，调整初始车位选取模型；预测稳定性用于反映属于同一环境地图包的各第一训练地图对应的预测车位之间的波动。
[0012]在其中一个实施例中，任意一个停车场景对应的轨迹规划模型的训练过程包括：获取第三训练集；第三训练集包括轨迹规划模型对应的停车场景的多个第二训练地图，第二训练地图的标注用于指示标准轨迹；将第三训练集输入初始轨迹规划模型，以得到各第二训练地图对应的预测轨迹；根据各第二训练地图对应的预测轨迹、标准轨迹之间的差异，调整初始轨迹规划模型，以得到训练完成的轨迹规划模型。
[0013]第二方面，本申请实施例提供了一种自动泊车装置，包括：场景确定模块，用于利用场景识别模型进行场景识别，确定目标停车场景；模型选取模块，用于根据目标停车场景从多个车位选取模型中选择与目标停车场景对应的车位选取模型为车位选取目标模型，并从多个轨迹规划模型中选择与目标停车场景对应的轨迹规划模型为轨迹规划目标模型；车位确定模块，用于利用车位选取目标模型在当前的道路环境中选择目标车位；轨迹确定模块，用于利用轨迹规划目标模型规划目标轨迹，目标轨迹用于指示车辆从当前位置运动至目标车位；泊车模块，用于根据目标停车场景对应的停车方式和目标轨迹控制车辆泊车。
[0014]第三方面，本申请实施例提供了一种计算机设备，包括一个或多个处理器，以及存储器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，执行上述任一实施例中的自动泊车方法的步骤。
[0015]第四方面，本申请实施例提供了一种存储介质，存储介质中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例中的自动泊车方法的步骤。
[0016]从以上技术方案可以看出，本申请实施例具有以下优点：
[0017]基于上述任一实施例，考虑车辆所处的道路环境，识别车辆所处的停车场景，以此停车场景为目标停车场景，利用适配于目标停车场景的车位选取目标模型选取目标车位以及轨迹规划目标模型规划目标轨迹，最后选用目标停车场景对应的停车方式控制车辆沿着目标轨迹停泊入目标车位。该方法可适配于各类复杂场景下的自动泊车，提高了自动泊车的灵活性，且所使用的模型在对应的场景下有最优的车位选取能力和路径规划能力，提高了自动泊车的准确性。
附图说明
[0018]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0019]图1为本申请实施例提供的自动泊车方法的流程示意图；
[0020]图2为本申请实施例提供的场景识别模型的训练流程示意图；
[0021]图3为本申请实施例提供的车位选取模型的训练流程示意图；
[0022]图4为本申请实施例提供的获取第二训练集的流程示意图；
[0023]图5为本申请实施例提供的轨迹规划模型的训练流程示意图；
[0024]图6为本申请实施例提供的自动泊车装置的模块示意图；
[0025]图7为本申请实施例提供的计算机设备的内部结构图。
具体实施方式
[0026]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自动泊车方法，其特征在于，包括：利用场景识别模型进行场景识别，确定目标停车场景；根据所述目标停车场景从多个车位选取模型中选择与所述目标停车场景对应的所述车位选取模型为车位选取目标模型，并从多个轨迹规划模型中选择与所述目标停车场景对应的所述轨迹规划模型为轨迹规划目标模型；利用所述车位选取目标模型在当前的道路环境中选择目标车位；利用所述轨迹规划目标模型规划目标轨迹，所述目标轨迹用于指示车辆从当前位置运动至所述目标车位；根据所述目标停车场景对应的停车方式和所述目标轨迹控制所述车辆泊车。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标停车场景对应的停车方式和所述目标轨迹控制所述车辆泊车，包括：根据所述目标停车场景对应的停车方式和所述目标轨迹控制所述车辆泊车，并在以当前的所述目标轨迹泊车的时长达到预设时长时，返回所述利用所述车位选取目标模型在当前的道路环境中选择目标车位的步骤继续执行，以更新所述目标车位和所述目标轨迹，直至所述车辆到达更新后的所述目标车位。3.根据权利要求1所述的方法，其特征在于，所述利用场景识别模型进行场景识别，确定目标停车场景，包括：在所述车辆与理想停车点的距离小于预设距离的情况下，获取所述车辆周边的路基结构图；将所述路基结构图输入所述场景识别模型进行场景识别，确定目标停车场景。4.根据权利要求3所述的方法，其特征在于，所述场景识别模型的训练过程包括：获取第一训练集；所述第一训练集包括不同停车场景对应的标注路基结构图，所述标注路基结构图的标注用于指示所述标注路基结构图对应的所述停车场景；将所述第一训练集输入初始场景识别模型，以得到各所述标注路基结构图的场景识别结果；根据各所述场景识别结果与对应的所述标注之间的差异，调整所述初始场景识别模型，以得到训练完成的所述场景识别模型。5.根据权利要求1所述的方法，其特征在于，任意一个所述停车场景对应的所述车位选取模型的训练过程包括：获取第二训练集；所述第二训练集包括所述车位选取模型对应的所述停车场景的多个第一训练地图，所述第一训练地图的标注用于指示标准车位；将所述第二训练集输入初始车位选取模型，以得到各所述第一训练地图对应的预测车位；根据各所述第一训练地图对应的所述预测车位、所述标准车位之间的差异，调整所述初始车位选取模型，以得到训练完成的所述车位选取模型。6.根据权利要求5所述的方法，其特征在于，所述获取第二训练集，包括：获取多个不同的环境地图包；各所述环境地图包中包括在所述车位选取模型对应的所述停车场景进行泊车的连续多帧环境地图；对于任意一个所述环境地图...
【专利技术属性】
技术研发人员：林冬烁，
申请(专利权)人：文远苏行江苏科技有限公司，
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。