[发明专利]基于神经网络的泊车位类型在线识别与定位系统及方法

说明书

本发明提供了一种基于神经网络的泊车位类型在线识别与定位系统，包括停车位离线训练模块，对神经网络模型进行训练，构建神经网络分类器；停车位在线识别模块，将特征数据输入到训练好的切比雪夫神经网络分类器中，进行识别并输出识别结果；停车位定位模块，根据采集到的停车位先关数据信息计算得到停车位的位置坐标信息；轨迹规划及控制模块，根据坐标信息规划泊车路线并控制泊车。本发明解决了基于超声波的自动泊车系统的局限性带来的问题；解决了车主手动选择停车位类型和由于目标停车位相邻停车位上的车辆停驻位置不规则导致寻找停车位失败或自动泊车停放的位置不准确甚至泊车失败的问题。

技术领域

本发明属于无人驾驶技术领域，尤其是涉及一种基于神经网络的泊车位类型在线识别与定位系统及方法。

背景技术

随着科技的进步，汽车工业得以飞速发展，并朝着智能化的方向不断进步。在汽车保有量不断上升的今天，自动泊车逐渐成为汽车本身不可或缺的一项技术。自主泊车技术可尽量减少由于人为泊车带来的刮蹭、碰撞等事故，同时使车辆准确入位，使得泊车更加安全准确。

目前自动泊车系统采用超声波雷达或视觉传感器两种方法实现对周围的障碍物、车辆、停车线进行探测识别。当某一车位的前后或左右两个车位有车停驻时，通过超声波雷达等传感器可探测到周围驻车的存在，并可测得本车与相邻停车位驻车的距离以及相邻驻车之间的距离，当某一车位的前后或左右均没有停车位时，此时可使用视觉传感器对停车线进行识别和定位。根据所测得的上述信息，规划泊车路径，进而完成自动泊车操作。

由于视觉传感器识别停车位对光线、天气等环境条件具有较强的要求，同时考虑到视觉处理技术的成熟度问题，目前通过超声波雷达传感器来探测环境进行自动泊车的方法成为主流。然而使用超声波雷达实现泊车位的检测依旧存在一定的局限性。第一，该方法在使用时需要车主自主选定垂直泊车、平行泊车、斜向泊车三种类型中的一种才能进行正常的泊车操作，严重影响泊车效率及顾客体验。第二，理想情况下，车辆在停车位中的停放位置位于停车位中央且车辆纵轴线与停车位纵向标识线平行。而实际情况下，车辆在停车位中的停驻位置是无规则的且车身纵向轴线不一定与停车位纵向标识线平行，超声波雷达等传感器在测量目标停车位相邻停车位上的车辆之间的距离时将产生误差，导致无法正确识别停车位或自动泊车时停车位置偏向停车位的某一侧甚至超出停车位以致泊车失败。

发明内容

有鉴于此，本发明旨在提出一种基于神经网络的泊车位类型在线识别与定位系统，以解决基于超声波的自动泊车系统的局限性带来的问题。

为达到上述目的，本发明的技术方案是这样实现的：

基于神经网络的泊车位类型在线识别与定位系统，包括：

停车位离线训练模块，将提取的多种不同类型停车位的多种不同停车情形的实车特征数据作为训练样本，对神经网络模型进行训练，构建神经网络分类器；

停车位在线识别模块，通过数据采集模块以一定频率采集数据，通过数据处理模块对采集到的数据进行数据处理，计算得到特征数据，将特征数据输入到训练好的切比雪夫神经网络分类器中，进行识别并输出识别结果；

停车位定位模块，接收到停车位在线识别模块输出的停车位类型后，根据采集到的停车位先关数据信息计算得到停车位的位置坐标信息，并将结果输入到轨迹规划及控制模块中；

轨迹规划及控制模块，接收所述停车位定位模块输出的停车位的坐标信息，根据坐标信息规划泊车路线并控制泊车；同时将相应数据发送到泊车显示模块，泊车显示模块可以实时动态显示规划的泊车路线和实际的泊车路线。