自动泊车方法、装置、电子设备、存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114987449A(43)申请公布日2022.09.02(21)申请号202210612982.4(22)申请日2022.05.31(71)申请人重庆长安汽车股份有限公司地址400023重庆市江北区建新东路260号(72)发明人李巍任凡刘松涛谢一江王立力(74)专利代理机构上海光华专利事务所(普通合伙)31219专利代理师梁风霞(51)Int.Cl.B60W30/06(2006.01)B60W40/12(2012.01)G06N20/00(2019.01)权利要求书2页说明书9页附图4页(54)发明名称自动泊车方法、装置、电子设备、存储介质(57)摘要本申请提供一种自动泊车方法、装置、电子设备、存储介质，涉及自动泊车领域，包括，获取样本数据，所述样本数据包括图像参数和车辆参数数据；对所述惯性测量单元数据和里程计数据进行数据融合得到车辆的惯导位姿，以形成样本数据集；根据所述样本数据集建立深度学习模型；获取目标图像数据和当前车辆参数数据，并输入至训练后的深度学习模型，得到当前惯导位姿，以使车辆根据所述当前惯导位姿执行自动泊车。本申请泊车操作时，实现任意当前惯导位姿执行自动泊车，除了初始样本数据需要用户参与，后续泊车可以自动进行，通过深度学习模块可以进行自学习、自调整，提高自动泊车的准确度。CN114987449ACN114987449A权利要求书1/2页1.一种自动泊车方法，其特征在于，包括：获取样本数据，所述样本数据包括图像参数和车辆参数数据，所述车辆参数数据至少包括惯性测量单元数据和里程计数据；对所述惯性测量单元数据和里程计数据进行数据融合得到车辆的惯导位姿，以形成样本数据集；根据所述样本数据集建立深度学习模型，并对所述深度学习模型进行训练；获取目标图像数据和当前车辆参数数据，并输入至训练后的深度学习模型，得到当前惯导位姿，以使车辆根据所述当前惯导位姿执行自动泊车。2.根据权利要求1所述的自动泊车方法，其特征在于，对所述惯性测量单元数据和里程计数据进行数据融合得到车辆的惯导位姿，以形成样本数据集，包括：所述惯性测量单元数据和所述里程计数据进行时空同步；所述惯性测量单元数据和里程计数据进行数据融合，其中时空同步包括对惯性测量单元时钟和里程计时钟进行同步。3.根据权利要求2所述的自动泊车方法，其特征在于，所述惯性测量单元数据和所述里程计数据进行时空同步，包括：将所述惯性测量单元数据和所述里程计数据分别转换到车体坐标系下。4.根据权利要求1所述的自动泊车方法，其特征在于，根据所述样本数据集建立深度学习模型，并对所述深度学习模型进行训练，包括：对所述深度学习模型进行自调整，所述自调整包括定期用历史数据作为新的训练集，对所述深度学习模型进行训练。5.根据权利要求1所述的自动泊车方法，其特征在于，所述样本数据包括图像参数和车辆参数数据，其中所述图像参数的获得包括：获取泊车学习中的图像数据；实时提取图像数据的特征信息；当前帧与过去帧特征信息匹配生成地图点，若干所述地图点构建所述图像参数。6.根据权利要求5所述的自动泊车方法，其特征在于，实时提取图像数据的特征信息，包括：采用深度学习方法获得图像数据的点特征、线特征、面特征、物理特征或语义分割特征。7.根据权利要求5所述的自动泊车方法，其特征在于，当前帧与过去帧特征信息匹配生成地图点，包括：根据相机的外参、目标当前的惯导位姿，得到相机的先验位姿；根据第二帧与第一帧的先验位姿信息和特征信息匹配信息，完成初始化，生成初始地图点；初始化成功后，将当前帧与过去帧进行特征匹配，生成地图点；根据特征信息匹配关系，剔除出错的地图点，融合冗余的地图点。8.一种自动泊车装置，其特征在于，包括：采集模块，所述采集模块采集样本数据，所述样本数据包括图像参数和车辆参数数据，所述车辆参数数据至少包括惯性测量单元数据和里程计数据；2CN114987449A权利要求书2/2页数据处理模块，所述处理模块将惯性测量单元数据和里程计数据进行数据融合得到车辆的惯导位姿，形成样本数据集；根据所述样本数据集建立深度学习模型，并对所述深度学习模型进行训练；所述采集模块获取目标图像数据和当前车辆参数数据，并输入至训练后的深度学习模型，得到当前惯导位姿，以使车辆根据所述当前惯导位姿执行自动泊车。9.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如权利要求1至7中任一项所述的自动泊车方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行权利要求1至7中任一项所述的自动泊车方法。3CN1149874