CN109131317A - 基于多段式规划与机器学习的自动垂直泊车系统及方法 - Google Patents

Abstract

本发明提供了一种基于多段式规划与机器学习的自动垂直泊车系统及泊车方法，通过环视摄像头采集图像，超声波传感器检测障碍物信息判断相对库位的位置、航向信息和库位的有效性信息。当识别到合适大小和无车辆占用的库位时，开始进入自动泊车过程。自动泊车系统根据当前自车位姿和库位信息进行泊车路径的规划，如有需要利用多段R‑S曲线调整自车位姿至合适位置，再根据学习网络生成二次螺旋线泊车轨迹。通过电控装置控制方向盘、油门和制动踏板进行泊车入库。本发明利用二次螺旋线训练集和学习网络，改善泊车过程的效率和对路径偏移的适应能力，结合R‑S曲线进行多段式规划，实现极小范围内的泊车规划高成功率，适用范围更广，泊车过程更加可靠。

Description

基于多段式规划与机器学习的自动垂直泊车系统及方法

技术领域

本发明涉及智能汽车的自动泊车规划领域，尤其是涉及一种基于多段式规划与机器学习的自动垂直泊车系统及方法。

背景技术

近些年国内汽车保有量和交通基础设施建设的不平衡发展，使得泊车空间日益狭小，泊车技术要求越来越高。泊车空间的限制，要求车辆应依照车位线规范停车，能使泊车空间资源得到最大化的合理利用，也有利于停车场和市容的统筹规划。另一方面，泊车空间的限制，同样是对驾驶员技术的极大挑战，泊车问题耗费人们极大的时间和精力，严重时产生刮擦、碰撞等事故。因而，自动泊车技术备受市场的拥趸和期待。

传统的自动泊车系统，其轨迹规划方法一般考虑使用R-S曲线、螺旋线、样条曲线等中的一种进行全局规划，并且仅考虑理论上的车辆运动学约束。基于R-S曲线的规划方法，轨迹生成思路清晰，计算简单，对环境的适应性强，需要的泊车空间小。但是，R-S曲线存在曲率不连续的问题，使得车辆需多次停下后调整方向盘转角，对轮胎磨耗严重。与之相反，使用螺旋线、样条曲线等曲线作为泊车轨迹，不存在曲率不连续的问题，但是需要的泊车空间较大，且对泊车初始位姿要求高，不适合直接应用于现在的泊车环境中。此外，虽然泊车时车速较低，车轮侧偏角小，车辆侧向滑移少。但是，可能存在路边车位路面倾斜、转向电机跟踪延迟等状况，单纯控制车辆跟踪规划的轨迹，时常出现非常大的跟踪误差。

因此，如何提供一种解决上述问题的泊车策略和系统是本领域技术人员亟待解决的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多段式规划与机器学习的自动垂直泊车系统及方法。

本发明的目的可以通过以下技术方案来实现：

一种基于多段式规划与机器学习的自动垂直泊车系统，该系统包括：

传感模块：包括环视摄像头和超声波雷达，所述的环视摄像头用于采集图像，识别库位线并采用双目匹配方法判断相对库位位姿信息，所述的超声波雷达用于检测障碍物信息，判断库位是否被占用；

决策模块：根据传感模块的融合信息和指令记录，判断库位的有效性以及当前所处的泊车阶段，并为规划模块提供位姿信息用于规划泊车路径；

规划模块：根据库位信息和自车相对库位的位姿，规划R-S轨迹或者将位姿信息发送给机器学习模块，得到规划路径后，发送到运动控制模块进行跟踪；

机器学习模块：为工业用计算机，通过机器学习方法确定垂直泊车起始点位姿输入与二次螺旋线参数的关系，并将规划好的螺旋线泊车轨迹发送给规划模块；

运动控制模块：包含ECU和线控系统，接收规划模块传来的轨迹散点，通过控制器控制方向盘、档位、油门与制动踏板，并控制车辆跟踪规划路径。

所述的环视摄像头为CMOS摄像头，其屏幕像素尺寸为640:480。

所述的环视摄像头和超声波传感器均设有多个，包括设置在车身前后左右的四个摄像头和以及车身周围的12个超声波传感器，左右侧环视摄像头安装在后视镜下方，车身前方后方各设置4个超声波雷达，左右两侧各设置2个超声波雷达。

一种基于多段式规划与机器学习的自动垂直泊车方法，包括以下步骤：

1)当驾驶员控制待泊车车辆至泊车库位周边后，开启自动泊车模式；

2)运动控制模块控制车辆缓速直线行驶；

3)通过车身周围的环视摄像头和超声波雷达进行库位角点坐标和限位块位置的检测，获取库位区域位置与大小，判断该库位是否符合停车位的要求，确定停车位，并进行步骤4)，否则，返回步骤2)；

4)根据自车相对库位的坐标和当前姿态，规划泊车路径；

5)由第一段泊车曲线是否能实现无碰撞入库，判断是否需要多段路径规划，若是，则进行步骤6)，若否，则进行步骤7)；

6)多段路径规划采用多段R-S曲线调整得到，具体包括以下步骤：

61)以车辆后轴右侧不碰到库位角点为前提，确定第一段R-S曲线的第一段直线轨迹；

62)车辆向右打方向盘至极限位置，并向右后方倒车，当车辆左后方点位于库位左侧线或其延长线上时停止；

63)车辆向左打方向盘至极限位置，并向左前方前进，直到车辆位姿调整到能够通过二次螺旋线轨迹实现一次泊车入库的角度或者与前方障碍物的距离位于安全距离内；

64)根据环视摄像头和超声波传感器重新检测库位坐标，结合航位重新确定库位信息和自车位姿，消除航位的误差，并返回步骤4)；

7)根据当前车辆位置坐标和航向角信息，采用基于二次螺旋线的机器学习网络计算求取入库轨迹；

8)运动控制模块根据入库轨迹，控制车辆入库，泊车结束，并退出泊车模式。

所述的步骤3)中，当检测到多个库位时，优先选择距离本车最近的库位，并判断是否符合要求，若不符合，则选择并判断下一库位。

所述的步骤3)中，库位符合停车位的要求同时满足以下条件：

库位类型匹配、库位大小适当且库位内不存在障碍物。

所述的步骤7)具体包括以下步骤：

71)根据设定的坐标范围和航向角范围，获取各起始状态下的二次螺旋线轨迹参数；

72)利用初始坐标值和航向角以及对应的二次螺旋线参数，训练学习网络参数；

73)将当前车辆的坐标信息和航向角作为输入，输入训练后的学习网络，获取入库的轨迹信息，发送至运动控制模块。

当驾驶人将车辆停泊到库位位置时，开启自动驾驶模式：

当决策模块未获取到传感模块发来的库位融合信息时，规划模块发送直线规划路径给运动控制模块，控制车辆低速前行，传感模块继续进行检测；

当检测到可用库位后，由决策模块判断库位是否可用并获取库位类型，判断当前车辆处于何种泊车阶段，规划模块根据库位信息规划此阶段路径，并发送路径散点至运动控制模块进行跟踪；

当自动泊车模式终止时，决策模块通过控制制动踏板完成停车后退出自动驾驶模式。

与现有技术相比，本发明具有以下优点：

一、适应性强、稳定可靠：本发明提供了一种结合R-S曲线和二次螺旋线的泊车规划方法，减少泊车过程原地调整方向次数，适用于城市内的狭小泊车环境，对环境的适应性强，计算时间短，且能够在出现跟踪偏移时进行调整，泊车过程稳定可靠。

二、自动泊车：本发明中驾驶员仅需要在合适位置打开泊车系统开关，系统能够自动识别库位边线并判断库位类型、相对位置和有效性等信息，规划此后动作，无需人类参与判断；

三、提高效率：本发明中泊车系统获取库位信息后，能够完全自动地进行泊车规划和运动控制，将泊车过程程序化和自动化，提高人们工作生活效率。

四、规划简便：本发明使用机器学习的方法生成螺旋线轨迹，提高轨迹生成速度和成功率，使规划过程更为简便。

附图说明

图1为本发明的自动泊车方法过程的流程图。

图2为本发明多段式R-S路径示意图。

图3为本发明使用的组合组合定位方法的结构示意图。

图4为本发明的自动泊车系统的结构示意图。

图5为本发明机器学习网络结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

图1为本发明的自动泊车方法过程的流程图，该方法具体步骤包括：

步骤1：由驾驶员控制至泊车库位周边后，开启自动泊车模式，泊车系统接管车辆控制；

步骤2：泊车模块控制车辆缓速直线行驶；

步骤3：通过车身周围的环视摄像头和超声波传感器进行库位角点坐标和限位块位置的检测，推算库位区域位置与大小，并检测库位区域以内障碍物存在与否；若库位区域形状大小符合要求，且不存在障碍物，确定停车位，进入步骤4；否则，回到步骤2；

作为优选，步骤3中若检测到多个库位，选择距离本车最近的库位，判断是否符合标准；若不符合，再选择判断下一库位。

步骤3中判断库位合适与否的判断标准包括库位类型、库位大小和库位内是否存在障碍物。

如图2所示，作为优选地，先规划基于R-S曲线的轨迹(图2中点1至点4段轨迹)。

步骤4：根据自车相对库位的坐标和当前姿态，规划泊车路径；

步骤5：由第一段泊车曲线是否能实现无碰撞入库，判断是否需要多段路径规划，若是，进入步骤6；若否，进入步骤7；

作为优选地，步骤6如图2所示，调整的具体步骤为：利用多段R-S曲线调整，调整方法(以向右泊车为例)如下：

步骤61：以车辆后轴右侧不碰到库位角点为前提，确定第一段R-S曲线第一段直线轨迹(图2中点1至点2段)；

步骤62：车辆向右打方向盘至极限位置，向右后倒车，至车辆左后方点在库位左侧线或其延长线上(图2中点2至点3段)；

步骤63：车辆向左打方向盘至极限位置，向左前方前进，至车辆位姿调整到易于通过二次螺旋线轨迹实现一次泊车入库的角度(其存于二次螺旋线轨迹簇中)或到距离前方障碍物安全距离处(图2中点3至点4段)；

步骤64：利用环视和超声波传感器重新检测库位坐标，结合航位推算重新确定库位信息和自车位姿，消除航位推算的误差，回到步骤4；

步骤64中重新检测相对库位坐标的方法，如图3所示，需要融合二次定位、航位推算、惯性导航等定位信息，如在室外，也可考虑融合GPS信息判断自车位姿。

步骤7：按照当前车辆位置坐标与航向角信息(图2中点4处的坐标与航向角)，利用基于二次螺旋线的机器学习网络计算求取入库轨迹，具体步骤为：学习网络结构如图5所示，机器学习网络训练方法如下：

步骤71：根据预期的坐标范围和航向角范围，计算各起始状态下合适的二次螺旋线轨迹参数；

步骤72：利用初始状态信息(坐标值和航向角)以及对应的二次螺旋线参数，训练学习网络参数；

步骤73：将当前车辆的坐标信息和航向角作为输入，通过训练后的学习网络进行计算，得到入库的轨迹信息(图2中点4至点5段)，发送至控制模块。

步骤8：控制模块根据预期轨迹，控制车辆入库，泊车结束，退出泊车模式。

作为优选地，步骤8中，自动驾驶模式下泊车控制的具体步骤为：

当驾驶人将车辆停泊到合理位置时，选择开启自动驾驶模式；

当决策模块未获取到传感模块发来的库位融合信息时，规划模块发送直线规划路径，控制车辆低速前行，传感模块继续进行检测；

当检测到可用库位后，由决策模块判断库位是否可用和库位类型，并判断当前车辆处于何种泊车阶段，规划模块根据库位信息规划此阶段路径，并发送路径散点至控制模块进行跟踪；

当自动泊车模式终止时，决策模块通过控制制动踏板完成停车后退出自动驾驶模式。

如图4所示，图4为本发明提供的一种自动泊车系统的结构示意图，包括传感模块，决策模块，规划模块，机器学习模块以及运动控制模块：

传感模块，包括环视摄像头和超声波雷达，环视摄像头用于采集图像，识别库位线并采用双目匹配方法判断相对库位位姿信息，超声波雷达用于检测障碍物信息，判断库位是否被占用。

决策模块，根据传感模块的融合信息和指令记录，判断库位的有效性以及当前所处的泊车阶段，提供给规划模块位姿信息用于规划泊车路径；

规划模块，根据库位信息和自车相对库位的位姿，规划R-S轨迹或是将位姿信息发送给机器学习模块，得到规划路径后，发送到控制模块进行跟踪；

机器学习模块为工业用计算机，通过机器学习方法确定垂直泊车起始点位姿输入与二次螺旋线参数的关系，并将规划好的螺旋线泊车轨迹发送给规划模块；

运动控制模块包含ECU和线控系统，接受规划模块传来的轨迹散点，通过控制器控制方向盘、档位、油门与制动踏板，控制车辆跟踪规划路径。

作为优选地，机器学习模块优先采用神经网络的学习方法，结构如图5所示，具体包括：

输入归一化单元，将输入的车辆位姿信息进行归一化，便于计算；

神经网络单元，根据机器学习方法根据输入计算输出；

轨迹生成单元，根据输出的螺旋线参数，计算螺旋线轨迹点坐标，生成轨迹散点。

本发明提供了一种自动垂直泊车系统，通过车身四周布置的环视摄像头采集图像，超声波传感器检测障碍物信息判断相对库位的位置、航向信息和库位的有效性信息。当识别到合适大小和无车辆占用的库位时，进入自动泊车过程。自动泊车系统根据当前自车位姿和库位信息进行泊车路径的规划，如有需要利用多段R-S曲线调整自车位姿至合适位置，再根据学习网络生成二次螺旋线参数计算泊车轨迹。最后，通过电控装置控制方向盘、油门和制动踏板进行泊车入库，能够自行判断库位类型和有效性，实现全自动化地垂直泊车。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种基于多段式规划与机器学习的自动垂直泊车系统，其特征在于，该系统包括：

传感模块：包括环视摄像头和超声波雷达，所述的环视摄像头用于采集图像，识别库位线并采用双目匹配方法判断相对库位位姿信息，所述的超声波雷达用于检测障碍物信息，判断库位是否被占用；

决策模块：根据传感模块的融合信息和指令记录，判断库位的有效性以及当前所处的泊车阶段，并为规划模块提供位姿信息用于规划泊车路径；

规划模块：根据库位信息和自车相对库位的位姿，规划R-S轨迹或者将位姿信息发送给机器学习模块，得到规划路径后，发送到运动控制模块进行跟踪；

机器学习模块：为工业用计算机，通过机器学习方法确定垂直泊车起始点位姿输入与二次螺旋线参数的关系，并将规划好的螺旋线泊车轨迹发送给规划模块；

运动控制模块：包含ECU和线控系统，接收规划模块传来的轨迹散点，通过控制器控制方向盘、档位、油门与制动踏板，并控制车辆跟踪规划路径。

2.根据权利要求1所述的一种基于多段式规划与机器学习的自动垂直泊车系统，其特征在于，所述的环视摄像头为CMOS摄像头，其屏幕像素尺寸为640:480。

3.根据权利要求1所述的一种基于多段式规划与机器学习的自动垂直泊车系统，其特征在于，所述的环视摄像头和超声波传感器均设有多个，包括设置在车身前后左右的四个摄像头和以及车身周围的12个超声波传感器，左右侧环视摄像头安装在后视镜下方，车身前方后方各设置4个超声波雷达，左右两侧各设置2个超声波雷达。

4.一种应用如权利要求1-3任一项所述的基于多段式规划与机器学习的自动垂直泊车系统的泊车方法，其特征在于，包括以下步骤：

1)当驾驶员控制待泊车车辆至泊车库位周边后，开启自动泊车模式；

2)运动控制模块控制车辆缓速直线行驶；

3)通过车身周围的环视摄像头和超声波雷达进行库位角点坐标和限位块位置的检测，获取库位区域位置与大小，判断该库位是否符合停车位的要求，确定停车位，并进行步骤4)，否则，返回步骤2)；

4)根据自车相对库位的坐标和当前姿态，规划泊车路径；

5)由第一段泊车曲线是否能实现无碰撞入库，判断是否需要多段路径规划，若是，则进行步骤6)，若否，则进行步骤7)；

6)多段路径规划采用多段R-S曲线调整得到，具体包括以下步骤：

61)以车辆后轴右侧不碰到库位角点为前提，确定第一段R-S曲线的第一段直线轨迹；

62)车辆向右打方向盘至极限位置，并向右后方倒车，当车辆左后方点位于库位左侧线或其延长线上时停止；

63)车辆向左打方向盘至极限位置，并向左前方前进，直到车辆位姿调整到能够通过二次螺旋线轨迹实现一次泊车入库的角度或者与前方障碍物的距离位于安全距离内；

64)根据环视摄像头和超声波传感器重新检测库位坐标，结合航位重新确定库位信息和自车位姿，消除航位的误差，并返回步骤4)；

7)根据当前车辆位置坐标和航向角信息，采用基于二次螺旋线的机器学习网络计算求取入库轨迹；

8)运动控制模块根据入库轨迹，控制车辆入库，泊车结束，并退出泊车模式。

5.根据权利要求4所述的一种泊车方法，其特征在于，所述的步骤3)中，当检测到多个库位时，优先选择距离本车最近的库位，并判断是否符合要求，若不符合，则选择并判断下一库位。

6.根据权利要求4所述的一种泊车方法，其特征在于，所述的步骤3)中，库位符合停车位的要求同时满足以下条件：

库位类型匹配、库位大小适当且库位内不存在障碍物。

7.根据权利要求4所述的一种泊车方法，其特征在于，所述的步骤7)具体包括以下步骤：

71)根据设定的坐标范围和航向角范围，获取各起始状态下的二次螺旋线轨迹参数；

72)利用初始坐标值和航向角以及对应的二次螺旋线参数，训练学习网络参数；

73)将当前车辆的坐标信息和航向角作为输入，输入训练后的学习网络，获取入库的轨迹信息，发送至运动控制模块。

8.根据权利要求4所述的一种泊车方法，其特征在于，在本方法中，

当驾驶人将车辆停泊到库位位置时，开启自动驾驶模式：

当决策模块未获取到传感模块发来的库位融合信息时，规划模块发送直线规划路径给运动控制模块，控制车辆低速前行，传感模块继续进行检测；

当检测到可用库位后，由决策模块判断库位是否可用并获取库位类型，判断当前车辆处于何种泊车阶段，规划模块根据库位信息规划此阶段路径，并发送路径散点至运动控制模块进行跟踪；

当自动泊车模式终止时，决策模块通过控制制动踏板完成停车后退出自动驾驶模式。