首页 > 专利信息

一种方便用户下车的自动泊车优化方法与流程

1.本发明专利属于自动驾驶中的自动泊车技术领域,会涉及apa(auto parking assistance)自动泊车辅助与rpa(remote parking assistance)远程泊车控制，特别涉及一种方便用户下车的自动泊车优化方法。

背景技术：

2.apa技术主要是利用超声波雷达传感器与摄像头的感知融合结果，搜索到有效车位，在大屏上显示有效车位供用户选择，当用户选择目标车位后，再进入规划控制阶段，将车辆自动泊入到用户选择的车位。所以，apa主要分为两个阶段，第一阶段是搜车阶段，在车位附近搜索可泊的车位，第二阶段是泊入阶段，根据用户选择的目标车位，车辆通过规划控制算法与域控制器将车辆自动泊入；
3.rpa是指在用户手机安装了一个远程遥控泊车app或使用遥控钥匙作为遥控装置，手机app一般通过车载蓝牙模块进行通讯，车载蓝牙模块可集成在t-box上或智能进入及启动系统peps上，而遥控钥匙与整车间可采用现有lf/rf射频通讯，用户在车外就可以使用app完成自动泊车。
4.当前不论是apa泊车还是hpp泊车，如果当靠近驾驶员车门旁边的障碍物是一辆车或者是一堵墙，按原来的目标规划，很有可能出现车辆泊入完成后，用户不方便下车的问题。
5.亟需一种自动泊车优化方法，解决用户不方便下车的缺陷。

技术实现要素：

6.本发明的目的是构建一种方便用户下车的自动泊车优化方法，包括以下步骤：
7.步骤1，通过分类算法基于超声波雷达与车载摄像头的反馈数据，分别对障碍物的高低类型进行分类；
8.步骤2，给出障碍物距离车位线的距离；
9.步骤3，大屏交互，选择泊车方案。
10.进一步的，分类算法是基于超声波雷达与车载摄像头的反馈数据分别做分类算法检测，并给出一个综合的高度分类信息结果。
11.进一步的，高度分类信息是通过雷达回波距离信息转换成自车坐标系的结果，再通过车辆信息转换成世界坐标系的结果。
12.进一步的，在世界坐标系数据中提取有效的特征数据，基本的数据属性做归一化处理，前后超声波驻车辅助雷达有交叉回波的列向量；对基本属性做特征拓展，再做主成分分析，预留三个主成分，再用传统机器学习方法做二分类处理。
13.进一步的，对采集之后的数据先做分类测试处理，并优化特征向量，根据最终的特征向量的表现，记录对应的主成份参数，根据前三个主成份特征在不同障碍物分类结果的表现，到对应的阈值，并给出准确率，召回率合适的阈值，完成障碍物高度分类算法。
14.进一步的，环视相机先使用张正友标定法进行参数标定，再对畸变进行校正处理，并进行ipm转换，再通过拼接算法得到四个环视相机形成的鸟瞰图，使用yolov3架构完成障碍物的分类，和障碍物的位置信息转换成物理坐标系的高度和宽度，完成障碍物的类别分类和高度计算。
15.进一步的，超声波雷达分为超声波驻车辅助雷达和自动泊车辅助雷达，超声波驻车辅助雷达水平视场角度为120度，垂直视场角度60度，自动泊车辅助雷达水平视场角度为60度，垂直视场角度60度。
16.进一步的，超声波驻车辅助雷达分别在车子的前端和后端各安装4个，并且缓存4个原始的一次回波数据信息和6个交叉回波数据，两个相邻的超声波驻车辅助雷达生成对应的障碍物高度结果。
17.进一步的，超声波驻车辅助雷达一共检测三组数据，当其中一组数据给出了高障碍物的结果，就会触发该用户体验优化方案。
18.进一步的，自动泊车辅助雷达使用4个环视相机，分别在车子侧边各安装2个，自动泊车辅助雷达会缓存4个原始的一次回波信息，每一个回波数据会包含回波时间差，回波宽度,回波高度，自动泊车辅助雷达能够早于超声波驻车辅助雷达给出障碍物高度分类结果，当超声波驻车辅助雷达没有检测到障碍物高度信息时，会依赖自动泊车辅助雷达给出的障碍物高度信息。
19.进一步的，当搜车结束和泊入过程中，出现侧边近距离的高障碍物时，在大屏上会提醒用户是否将车辆停靠远离高障碍物的一侧，如果用户选择是，则会更新tmp点；然后再提醒用户是否需要提前让乘客下车，如果用户选择是，则提醒用户可以下车开启rpa功能，完成泊车。
20.有益效果：
21.本发明主要基于超声波雷达有效识别障碍物高度的分类算法，并在泊车场景中与视觉的障碍物类型，位置，高度进行感知融合，继而提出一种方便用户下车的泊车优化方法；该方案可以解决停靠车位狭小，不方便下车的场景下，提醒车上人员可以下车以及提醒用户开启rpa功能；如果单边有高障碍物，可以优化目标泊入点，让用户更加方便下车；给用户一种更好的自动泊车体验；并减少泊入过程中与障碍物的碰撞可能性。
附图说明
22.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
23.图1自动泊车流程图；
24.图2超声波雷达安装位置图；
25.图3第一种目标车位图；
26.图4第二种目标车位图；
27.图5第三种目标车位图。
具体实施方式
28.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实
施例仅用于说明和解释本发明，并不用于限定本发明。
29.通过分类算法基于超声波雷达与车载摄像头的反馈数据，分别对障碍物的高低类型进行分类，给出障碍物距离车位线的距离，在目标融合阶段给出一个融合结果。
30.如果搜车阶段能给出明确的侧边障碍物高低信息，比如高障碍物的置信度是0.7，并且距离车位线的距离差在1m以内，在用户选择完目标车位之后，就提醒用户是否需要将车辆的目标点距离左侧的高障碍物更远一些，再提醒用户可以选择先下车，再开启rpa功能，完成车辆泊入；如果在搜车阶段，上述两个条件不满足，则在泊入阶段的前5次倒车过程中，继续识别两侧障碍物的高度信息与距离信息，如果感知结果可以触发泊入终点优化事件，则会在大屏上提醒用户，交互过程和搜车阶段一样。
31.在实际场景中，普通轿车的车门距离地面高度在30cm左右，一般suv距离地面高度会更高一些，在30-50cm；考虑到普通客户的胖瘦不一样，如果车门旁边是高障碍物，车门应该打开的角度是45度以上。
32.需要检测高度的障碍物类型主要包括高障碍物(车辆，墙，柱子，大石墩)，低矮障碍物(路沿，小石柱)；根据车门距离地面的高度信息主要以30cm为界限，高于30cm的障碍物就分类到高障碍物类别，低于25cm被分成低障碍物，其余一些分类结果置信度不高的划分到未知类型。
33.每一个超声波雷达都有一定的视场角度，一般超声波驻车辅助雷达的水平视场角度在120度左右，自动泊车辅助雷达的水平视场角度在60度左右，垂直视场角度都在60度左右，但是垂直视场角度的分辨率比较低，所以直接用垂直视场角度去判断障碍物高度往往不准确；所以在实际使用过程中，前端，后端4个超声波驻车辅助雷达会缓存4个原始的一次回波数据信息和6个交叉回波数据，所以两个相邻的超声波雷达会生成对应的障碍物高度结果；一共三组数据，只要其中有一组数据给出了高障碍物的结果，就会触发该用户体验优化方案；侧边自动泊车辅助雷达会缓存4个原始的一次回波信息；每一个回波数据会包含回波时间差，回波宽度(echowidth),回波高度(echoheight)；所以侧边雷达能够更快的给出障碍物高度分类结果。
34.所有的高度计算信息都是通过雷达回波距离信息转换成自车坐标系的结果，再通过车辆信息转换成世界坐标系的结果；所以每一个障碍物能够得到在世界坐标系有坐标信息，长度信息，回波宽度，回波强度等基本信息，即(x,y,len,echowidth,echoheight)，在这些列向量数据中提取有效的特征数据，基本的数据属性会做归一化处理，涉及(δxhori,δyhori,xver,yver,δlen,headangle,avgechowidth,avgechoheight)等基本属性，前后超声波驻车辅助雷达会有交叉回波的列向量；对基本属性做特征拓展，再做主成分分析，预留三个主成分，再用传统机器学习方法做二分类处理。
35.需要采集的数据包含搜车和泊车阶段各超声波探测到不同场景下高矮障碍物信息，并记录对应的时间戳，一共需采集20个场景，每一类障碍物至少有100组数据，对采集之后的数据先做前述分类测试处理，并优化特征向量，根据最终的特征向量的表现，记录对应的主成份分析参数，根据前三个主成份特征在不同障碍物分类结果的表现，到对应的阈值，并给出准确率，召回率合适的阈值，至此，基于超声波雷达的障碍物高度分类算法完成。
36.当前泊车功能使用的侧边相机是4个环视相机(鱼眼相机，广角相机)，相机会先使用张正友标定法进行参数标定，再对畸变进行校正处理，并进行ipm转换，再通过拼接算法
可以得到车辆的鸟瞰图，分类目标有高障碍物(车辆，墙，柱子)，低矮障碍物(路沿，石墩)，主要是使用yolov3架构完成障碍物的分类，和障碍物的位置信息转换成物理坐标系的高度和宽度，完成障碍物的类别分类和高度计算。
37.在实际场景中，搜车过程中，视觉释放的障碍物类型与高度信息会准确很多，如果目标车位在墙角，在泊入过程中就需要超声波雷达给出的障碍物高度信息，所以基于超声波与摄像头的对障碍物的感知融合是必要的，对于障碍物的高度信息也一样。
38.由于视觉释放的障碍物高度信息会早于超声波雷达，所以在时间融合中，当超声波没有障碍物高度信息时，会只依赖视觉给出的障碍物高度信息；超声波雷达给出的障碍物位置信息与高度也会至少有5s的缓存。
39.在空间上，在目标车位周边如果出现高障碍物，都会缓存到一个变量中，供后续的tpm(泊入终点)和路径规划使用。
40.当搜车结束和泊入过程中，出现了侧边有距离很近的高障碍时，在大屏上会提醒用户是否将车辆停靠远离一点侧边高障碍物，如果用户选择是，则会更新tmp点；然后再提醒用户是否需要提前让乘客下车，如果用户选择是，则提醒用户可以下车开启rpa功能，完成泊车。
41.最后应说明的是：以上所述仅为本发明的优选实施例，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种方便用户下车的自动泊车优化方法，其特征在于，包括以下步骤：步骤1，通过分类算法基于超声波雷达与车载摄像头的反馈数据，分别对障碍物的高低类型进行分类；步骤2，给出障碍物距离车位线的距离；步骤3，大屏交互，选择泊车方案。2.根据权利要求1所述的一种方便用户下车的自动泊车优化方法，其特征在于，所述分类算法是基于超声波雷达与车载摄像头的反馈数据分别做分类算法检测并给出一个综合的高度分类信息结果。3.根据权利要求2所述的一种方便用户下车的自动泊车优化方法，其特征在于，高度分类信息是通过雷达回波距离信息转换成自车坐标系的结果，再通过车辆信息转换成世界坐标系的结果。4.根据权利要求3所述的一种方便用户下车的自动泊车优化方法，其特征在于，在世界坐标系数据中提取有效的特征数据，基本的数据属性做归一化处理，前后超声波驻车辅助雷达有交叉回波的列向量；对基本属性做特征拓展，再做主成分分析，预留三个主成分，再用传统机器学习方法做二分类处理。5.根据权利要求4所述的一种方便用户下车的自动泊车优化方法，其特征在于，对采集之后的数据先做分类测试处理，并优化特征向量，根据最终的特征向量的表现，记录对应的主成份参数，根据前三个主成份特征在不同障碍物分类结果的表现，到对应的阈值，并给出准确率，召回率合适的阈值，完成障碍物高度分类算法。6.根据权利要求5所述的一种方便用户下车的自动泊车优化方法，其特征在于，环视相机先使用张正友标定法进行参数标定，再对畸变进行校正处理，并进行ipm转换，再通过拼接算法得到四个环视相机形成的鸟瞰图，使用yolov3架构完成障碍物的分类，和障碍物的位置信息转换成物理坐标系的高度和宽度，完成障碍物的类别分类和高度计算。7.根据权利要求2所述的一种方便用户下车的自动泊车优化方法，其特征在于，所述超声波雷达分为超声波驻车辅助雷达和自动泊车辅助雷达，所述超声波驻车辅助雷达水平视场角度为120度，垂直视场角度60度，所述自动泊车辅助雷达水平视场角度为60度，垂直视场角度60度。8.根据权利要求7所述的一种方便用户下车的自动泊车优化方法，其特征在于，所述超声波驻车辅助雷达分别在车子的前端和后端各安装4个，并且缓存4个原始的一次回波数据信息和6个交叉回波数据，两个相邻的超声波驻车辅助雷达生成对应的障碍物高度结果。9.根据权利要求8所述的一种方便用户下车的自动泊车优化方法，其特征在于，所述超声波驻车辅助雷达一共检测三组数据，当其中一组数据给出了高障碍物的结果，就会触发该用户体验优化方案。10.根据权利要求7所述的一种方便用户下车的自动泊车优化方法，其特征在于，所述自动泊车辅助雷达使用4个环视相机，分别在车子侧边各安装2个，自动泊车辅助雷达会缓存4个原始的一次回波信息，每一个回波数据会包含回波时间差，回波宽度,回波高度，自动泊车辅助雷达能够早于超声波驻车辅助雷达给出障碍物高度分类结果，当超声波驻车辅助雷达没有检测到障碍物高度信息时，会依赖自动泊车辅助雷达给出的障碍物高度信息。11.根据权利要求1所述的一种方便用户下车的自动泊车优化方法，其特征在于，当搜
车结束和泊入过程中，出现侧边近距离的高障碍物时，在大屏上会提醒用户是否将车辆停靠远离高障碍物的一侧，如果用户选择是，则会更新tmp点；然后再提醒用户是否需要提前让乘客下车，如果用户选择是，则提醒用户可以下车开启rpa功能，完成泊车。

技术总结

本发明主要基于超声波雷达有效识别障碍物高度的分类算法，并在泊车场景中与视觉的障碍物类型，位置，高度进行感知融合，继而提出一种方便用户下车的泊车优化方法；该方案可以解决停靠车位狭小，不方便下车的场景下，提醒车上人员可以下车以及提醒用户开启RPA功能；如果单边有高障碍物，可以优化目标泊入点，让用户更加方便下车；给用户一种更好的自动泊车体验；并减少泊入过程中与障碍物的碰撞可能性。并减少泊入过程中与障碍物的碰撞可能性。并减少泊入过程中与障碍物的碰撞可能性。