本發(fā)明涉及車位檢測，特別涉及一種基于毫米波雷達的斜列車位檢測與管理方法。

背景技術(shù)：

1、近年來，隨著自動泊車技術(shù)進步和成本降低，國內(nèi)新車自動泊車前裝滲透率持續(xù)上升，其中，由于自動泊車的成功率很大程度上取決于車位識別的成功率以及準確率，因此車位識別技術(shù)也需對應(yīng)持續(xù)進步。

2、當前車位識別主流方案通常采用超聲波雷達以及攝像頭結(jié)合實現(xiàn)，但是，在低光/積水/車位線不清晰/惡劣天氣等情況下，由于超聲波雷達易受惡劣天氣、雨水粉塵、溫濕度、信號干擾等影響，攝像頭易受惡劣天氣、光線不充足、積水反光影響、車位線不清晰/不完整/不存在等影響，無論是基于單個傳感器的全自動泊車方案還是基于超聲波和視覺融合的全自動泊車方案，均存在斜列車位識別成功率低，準確率低，甚至錯誤識別為垂直車位的情況。這將導致泊車過程中，容易發(fā)生無法泊入斜列車位或造成刮碰的情況，降低車輛泊車功能可靠性，影響用戶泊車體驗。

3、因此，本發(fā)明提出了一種基于毫米波雷達的斜列車位檢測與管理方法，以解決上述問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的
技術(shù)實現(xiàn)要素：
在于提供一種基于毫米波雷達的斜列車位檢測與管理方法，主要解決了現(xiàn)有的超聲波雷達與攝像頭易受影響，導致無論是基于單個傳感器的全自動泊車方案還是基于超聲波和視覺融合的全自動泊車方案，均存在斜列車位識別成功率低，準確率低，甚至錯誤識別為垂直車位的問題。

2、本發(fā)明提出了一種基于毫米波雷達的斜列車位檢測與管理方法，包括以下步驟：

3、基于毫米波雷達獲取點云數(shù)據(jù)與車身數(shù)據(jù)；

4、獲取多個目標邊緣點并進行目標邊緣擬合；

5、根據(jù)目標邊緣擬合結(jié)果進行角點識別，并判斷得出角點；

6、基于所述角點及預(yù)設(shè)規(guī)則構(gòu)造形成局部地圖坐標系原點，進行局部地圖重建，并根據(jù)重建結(jié)果檢測斜列車位位置并進行空間參數(shù)提取。

7、優(yōu)選地，基于所述點云數(shù)據(jù)的密集分布空間判斷當前車位為正向斜列車位或反向斜列車位；

8、根據(jù)目標邊緣擬合結(jié)果進行角點識別中，根據(jù)目標邊緣擬合結(jié)果及預(yù)先判斷的正向斜列車位或反向斜列車位進行針對性的角點識別。

9、優(yōu)選地，所述獲取多個目標邊緣點并進行目標邊緣擬合，包括：

10、以本車后軸中心為坐標原點建立本車坐標系；

11、將所述點云數(shù)據(jù)按預(yù)設(shè)范圍及預(yù)設(shè)分辨率進行網(wǎng)格化；

12、采用預(yù)設(shè)算法，在當前縱向坐標下對橫向距離本車最近的所述點云數(shù)據(jù)提取形成目標邊緣點，并沿縱向持續(xù)獲取所述目標邊緣點；

13、對所有所述目標邊緣點擬合形成第一傾斜直線，并將所述第一傾斜直線的斜率轉(zhuǎn)換為第一角度，判斷所述第一角度的絕對值是否在第一預(yù)設(shè)角度范圍內(nèi)，若是則進行下一步。

14、優(yōu)選地，所述根據(jù)目標邊緣擬合結(jié)果進行角點識別，并判斷是否存在角點，包括：

15、當判斷本車位為正向斜列車位時，定義所述第一傾斜直線沿本車航向角方向上的第一個邊緣點與最后一個邊緣點分別為首點與尾點；

16、當判斷本車位為反向斜列車位時，定義所述第一傾斜直線沿本車航向角方向上的第一個邊緣點與最后一個邊緣點分別為尾點與首點；

17、在判斷到首點與待測點間的所有邊緣點滿足橫向相對速度同號且首點與待測點間距離大于第一預(yù)設(shè)距離，且待測點與尾點間所有邊緣點滿足橫向相對速度同號且所述待測點與尾點間距離大于第二預(yù)設(shè)距離時，所述待測點為角點。

18、優(yōu)選地，所述基于所述角點及預(yù)設(shè)規(guī)則構(gòu)造形成局部地圖坐標系原點，包括：

19、沿所述首點至角點的所有邊緣點擬合形成第二傾斜直線；

20、沿所述角點至尾點的所有邊緣點擬合形成第三傾斜直線；

21、將所述第二傾斜直線的斜率轉(zhuǎn)化為第二角度，并判斷所述第二角度是否滿足第二預(yù)設(shè)角度范圍，若是轉(zhuǎn)換所述第三傾斜直線的斜率為第三角度；

22、令所述角點沿所述第三角度方向移動第三預(yù)設(shè)距離，并沿第二角度相反方向移動第四預(yù)設(shè)距離后定義為局部地圖坐標系原點。

23、優(yōu)選地，所述進行局部地圖重建，包括：

24、定義所述局部地圖坐標系原點向外延伸的第二角度方向為x軸垂直于x軸且位于其右側(cè)的方向為y軸建立局部坐標系；

25、按照第二預(yù)設(shè)范圍及第二預(yù)設(shè)分辨率將局部點云進行二次精細網(wǎng)格化；

26、其中，在所述局部坐標系中將角點所在車位定義為角點占用車位，將斜列目標車位旁不存在角點的車位定義為非角點未知車位。

27、優(yōu)選地，所述根據(jù)重建結(jié)果檢測斜列車位位置并進行空間參數(shù)提取，包括：

28、在所述局部坐標系的第一象限與第二象限中，計算存在點云的最近縱向網(wǎng)格距離，若存在有所述非角點未知車位，且其所在象限中存在點云的最近縱向網(wǎng)格距離為0時，令y軸負方向上斜列車位a點和y軸正方向上斜列車位b點的縱向距離調(diào)整為第六預(yù)設(shè)距離；若勛在有所述非角點未知車位，且其所在象限中存在點云的最近縱向網(wǎng)格距離不為0時，取斜列車位a點的縱向距離與斜列車位上b點的縱向距離的均勻作為a點與b點的縱向距離；

29、將a點與b點的縱向距離與預(yù)設(shè)車位深度之和作為y軸負方向上斜列車位c點與y軸正方向上斜列車位d點的縱向距離；

30、分別計算所述局部坐標系第一象限與第二象限中縱向距離小于c點的、且存在點云的橫向最近網(wǎng)格距離，若第一象限與第二象限中計算得出的點之間距離的絕對值大于車位閾值，則代表存在斜列車位；若小于車位閾值，則將該車位轉(zhuǎn)為非角點占用車位，并將y軸負方向上的橫向最近網(wǎng)格距離作為a點與c點的橫向距離，y軸正方向上的橫向最近網(wǎng)格距離作為b點和d點的橫向距離；若等于車位閾值，則將該車位轉(zhuǎn)為非角點非占用車位；

31、在所述角點占用車位處橫向最近網(wǎng)格距離中，若位于y軸負方向上，則將其距離作為a點和c點的橫向距離，若位于y軸正方向上，將其距離作為b點和c點的橫向距離；在所述非角點非占用車位處其余兩點的橫向距離，則在角點占用車位橫向距離的基礎(chǔ)上，移動第七預(yù)設(shè)距離；

32、將abcd點從局部坐標系轉(zhuǎn)為本車坐標系完成abcd空間參數(shù)提取。

33、優(yōu)選地，還包括：

34、判斷當前位置是否記錄過歷史斜列車位，若是則進行車位更新，若否則按照提取的空間參數(shù)生成車位信息。

35、優(yōu)選地，所述車位更新時，分別計算歷史斜列車位與當前斜列車位中，第二傾斜直線包含的邊緣點個數(shù)、第三角度與第二角度與90°的角度差值、a點深度以及車位長度；

36、若當前深度小于等于歷史深度時，進一步檢測當前邊緣點個數(shù)是否大于歷史邊緣點個數(shù)，以及當前角度差值是否小于歷史角度差值，若是則使用當前斜列車位信息替換歷史斜列車位信息；

37、若當前深度小于等于歷史深度時，進一步檢測當前邊緣點個數(shù)是否小于預(yù)設(shè)范圍，以及當前車位長度是否小于預(yù)設(shè)車位長度條件中的任一一個，若是則使用當前斜列車位信息替換歷史斜列車位信息。

38、優(yōu)選地，檢測本車后軸中心與更新的所述斜列車位的中心點距離超過第八預(yù)設(shè)距離，則刪除當前所述斜列車位并清空車位信息。

39、由上可知，應(yīng)用本發(fā)明提供的技術(shù)方案可以得到以下有益效果：

40、第一，本發(fā)明提出的檢測與管理方法中通過點云數(shù)據(jù)的密集分布范圍，可簡單且直觀地判斷當前車位為正向斜列車位或反向斜列車位，且該判斷方式較為準確，為后續(xù)的斜列車位檢測提供基礎(chǔ)；

41、第二，本發(fā)明提出的檢測與管理方法中采用最小二乘法進行目標邊緣直線擬合，更適配斜列車位雷達檢測中的l型特征，該擬合結(jié)果較為準確且擬合過程更為直觀；

42、第三，本發(fā)明提出的檢測與管理方法中還根據(jù)檢測的車位信息與歷史車位記錄進行對比，并根據(jù)對比結(jié)果進行數(shù)據(jù)的更新或替換，進而令云端存儲的車位記錄數(shù)據(jù)保持時效性。