[发明专利]停车场自动泊车方法、装置、服务器和机器可读存储介质

说明书

本发明提供了一种停车场自动泊车方法、装置、服务器和机器可读存储介质，涉及自动泊车技术领域，该方法包括获取通过设置在挪车机器人的深度相机采集的停车场的实时场景图像；基于实时场景图像构建停车场场景地图；停车场场景地图包括空闲车位；在空闲车位中确定目标泊车车位；基于目标泊车车位的车位类型确定待泊车辆的泊车路径，并控制挪车机器人按照泊车路径进行待泊车辆的自动泊车。本发明无需人工指挥即可将待泊车辆挪车至目标泊车车位，提升了挪车效率，并且减少了人力成本。

技术领域

本发明涉及自动泊车技术领域，尤其是涉及一种停车场自动泊车方法、装置、服务器和机器可读存储介质。

背景技术

自动泊车，即不用人工干预，自动停车入位。一般地，普通车辆并未装载自动泊车系统，为此，停车场使用挪车机器人搬运车辆，以达到自动泊车的目的。

通过停车场自动泊车的挪车机器人可以实现搬运车辆至指定车位。然而，目前通过停车场挪车机器人进行自动泊车时，挪车机器人在运行过程中仍然需要停车场工作人员遥控指挥，导致挪车效率较低，并且十分耗费人力资源。

发明内容

本发明的目的在于提供一种停车场自动泊车方法、装置、服务器和机器可读存储介质，无需人工指挥即可将待泊车辆挪车至目标泊车车位，提升了挪车效率，并且减少了人力成本。

第一方面，本发明提供一种停车场自动泊车方法，包括：获取通过设置在挪车机器人的深度相机采集的停车场的实时场景图像；基于实时场景图像构建停车场场景地图；停车场场景地图包括空闲车位；在空闲车位中确定目标泊车车位；基于目标泊车车位的车位类型确定待泊车辆的泊车路径，并控制挪车机器人按照泊车路径进行待泊车辆的自动泊车。

在可选的实施方式中，实时场景图像包括深度图像；基于实时场景图像构建停车场场景地图的步骤，包括：基于深度图像生成停车场点云信息；停车场点云信息包括点云三维坐标、点云深度信息和纹理信息；基于点云三维坐标确定点云语义标签；基于深度图像的特征描述信息确定挪车机器人的当前位姿信息；对点云深度信息和挪车机器人的当前位姿信息进行体素融合，得到初始三维模型；对初始三维模型进行结构化处理，生成停车场场景三维模型；基于停车场场景三维模型和点云语义标签构建停车场场景地图。

在可选的实施方式中，基于点云三维坐标确定点云语义标签的步骤，包括：对停车场点云信息中的每个点云信息进行局部特征检测，得到对应的3D局部特征点；将3D局部特征点进行球面投影，确定2D投影图像；2D投影图像包括多个2D像素点；基于预先训练好的语义分割模型对2D投影图像进行语义分割，得到每个2D像素点对应的点云语义标签；其中，点云语义标签用于标识停车场信息；停车场信息至少包括停车场道路信息、车位信息、障碍物信息。

在可选的实施方式中，基于深度图像的特征描述信息确定挪车机器人的当前位姿信息，包括：提取深度图像的特征点，并对提取出的特征点进行特征匹配，将存在匹配关系的特征点确定为对应在世界坐标系的共视点；基于共视点的坐标信息进行最近点迭代，确定挪车机器人的当前位姿信息。

在可选的实施方式中，获取通过设置在挪车机器人的深度相机采集的停车场的实时场景图像之前，还包括：响应于用户终端的泊车请求，确定待挪车辆的位置信息；向挪车机器人发送自动泊车指令，控制挪车机器人根据自动泊车指令移动至待挪车辆的位置；其中，自动泊车指令包括待挪车辆的位置信息。

在可选的实施方式中，在空闲车位中确定目标泊车车位的步骤，包括：基于预先选择的规避导航算法在空闲车位确定初始泊车车位；对空闲车位进行遍历，在空闲车位中查找待匹配车位；基于初始泊车车位和待匹配车位确定目标泊车车位。

在可选的实施方式中，基于目标泊车车位的车位类型确定待泊车辆的泊车路径，包括：基于挪车机器人的当前位姿信息确定挪车机器人的当前转向角；基于目标泊车车位的车位类型和当前转向角确定待泊车辆的泊车路径；其中，车位类型包括非字形停车位、一字形停车位、斜线停车位以及靠柱一侧停车位。