适用于机械车位的定位方法、装置及电子设备与流程

1.本公开涉及计算机技术领域，具体涉及人工智能、无人驾驶、自主泊车等技术领域，尤其涉及一种适用于机械车位的定位方法、装置及电子设备。


背景技术：

2.自主泊车能够实现车辆在无人情况下自主泊入到车位内。根据目前调研情况，当前市面上的自主泊车产品仅能支持在线、空间车位普通场景下的车辆自主泊入功能，无法支持机械式立体停车位场景。
3.机械式立体车位具有存取方便，运行经济，维修方便，占地面积少等特点，是当前应对车辆较多而停车面积较少的一种解决方案，在未来具有非常大的市场占比。但同时，机械式立体车位也具有泊车空间窄、视野不佳等问题，是人们在日常常常要面对的困难。


技术实现要素：

4.本公开提供了一种用于适用于机械车位的定位方法、装置、电子设备及存储介质。
5.根据本公开的第一方面，提供了一种适用于机械车位的定位方法，包括：通过车辆的多路传感器对待泊机械车位的相关信息进行检测；获取车辆在世界坐标系下的第一定位信息，并基于第一定位信息和相关信息，获取机械车位的目标离地高度；基于目标离地高度和相关信息，确定机械车位在相机坐标下的第一位置信息；将机械车位在相机坐标下的第一位置信息向世界坐标进行投影，以得到车辆与机械车位在世界坐标下的位置关系。
6.根据本公开的第二方面，提供了一种适用于机械车位的定位装置，包括：检测模块，用于通过车辆的多路传感器对待泊机械车位的相关信息进行检测；获取模块，用于获取车辆在世界坐标系下的第一定位信息，并基于第一定位信息和相关信息，获取机械车位的目标离地高度；处理模块，用于基于目标离地高度和相关信息，确定机械车位在相机坐标下的第一位置信息；投影模块，用于将机械车位在相机坐标下的第一位置信息向世界坐标进行投影，以得到车辆与机械车位在世界坐标下的位置关系。
7.根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的适用于机械车位的定位方法。
8.根据本公开第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序/指令，所述计算机指令用于使所述计算机执行上述一方面实施例所述的适用于机械车位的定位方法。
9.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现上述一方面实施例所述的适用于机械车位的定位方法。
10.通过确定机械车位的目标离地高度，并基于目标离地高度和机械车位的相关信息
确定第一位置信息，以此可以确定车辆和机械车位的位置关系，以此，可以避免由于机械车位离地高度对车辆定位的干扰，提升了机械车位的识别精度以及自动泊车的成功率和用户的使用体验。
11.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
12.附图用于更好地理解本方案，不构成对本公开的限定。其中：
13.图1为本公开实施例提供的一适用于机械车位的定位方法的流程示意图；
14.图2为本公开实施例提供的一适用于机械车位的定位方法的机械车位融合框架的生成示意图；
15.图3为本公开实施例提供的一适用于机械车位的定位方法的投影示意图；
16.图4为本公开实施例提供的另一适用于机械车位的定位方法的流程示意图；
17.图5为本公开实施例提供的一适用于机械车位的定位方法的车辆移动的示意图；
18.图6为本公开实施例提供的一适用于机械车位的定位方法的投影示意图；
19.图7为本公开实施例提供的另一适用于机械车位的定位方法的流程示意图；
20.图8为本公开实施例提供的一适用于机械车位的定位装置的结构示意图；
21.图9为根据本公开实施例的适用于机械车位的定位方法的电子设备的框图。
具体实施方式
22.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
23.下面参考附图描述本公开实施例的适用于机械车位的定位方法、装置和电子设备。
24.人工智能(artificial intelligence，简称ai)，是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术，也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。
25.计算机视觉，计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取“信息”的人工智能系统，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
26.图像处理(image processing)技术，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度
值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
27.自动驾驶采用先进的通信、计算机、网络和控制技术，对列车实现实时、连续控制。采用现代通信手段，直接面对列车，可实现车地间的双向数据通信，传输速率快，信息量大，后续追踪列车和控制中心可以及时获知前行列车的确切位置，使得运行管理更加灵活，控制更为有效，更加适应列车自动驾驶的需求。
28.自主泊车(valet parking)是指汽车自动泊车入位不需要人工控制。汽车制造商之所以开发能够自动泊车的汽车，是因为他们意识到消费者的需求。自动泊车能够帮助驾驶员自动停车。对于许多驾驶员而言，顺列式驻车是一种痛苦的经历，大城市停车空间有限，将汽车驶入狭小的空间已成为一项必备技能。很少有不费一番周折就停好车的情况。技术的发展为之提供了解决之道，这就是自动泊车功能。只需轻轻启动按钮、坐定、放松，其他一切即可自动完成。
29.freespace技术已经成为不可或缺的一部分，这里的freespace是指汽车的可行驶区域，其包括避开其他汽车、行人、马路边等的区域。其中，freespace边缘点是指可行驶区域的边界上的散点，一般情况下，freespace边缘点的分辨率为1deg。准确的freespace边缘点的信息能够为自动驾驶系统提供有效的感知输入，从而为决策规划层提供数据保障。然而，目前现有的freespace边缘点的信息往往存在跳变频繁、稳定性差等问题。
30.图1为本公开实施例提供的一种适用于机械车位的定位方法的流程示意图。
31.如图1所示，该适用于机械车位的定位方法，可包括：
32.s101，通过车辆的多路传感器对待泊机械车位的相关信息进行检测。
33.在本公开实施例中，待泊机械车位的相关信息会对车辆正常入库至待泊机械车位的影响因素或参数等，可通过对相关信息进行分析，确定适合车辆的入库策略或者方法。相关信息可为多种，此处不作任何限定，举例来说，可包括待泊机械车位周围的环境信息、车位类型、车位线位置和车道线位置等。需要说明的是，车位类型可包括多种，举例来说，可包括正常车位、残疾人车位和机械车位等。对应的多路传感器可包括车辆的雷达、图像采集装置等，此处不作任何限定。通过多路传感器采集待泊机械车位的相关信息。举例来说，如图2所示，可通过多路传感器感知车位角点、车道线、机械车位导轮梁等信息。
34.s102，获取车辆在世界坐标系下的第一定位信息，并基于第一定位信息和相关信息，获取机械车位的目标离地高度。
35.需要说明的是，世界坐标系是系统的绝对坐标系，在没有建立用户坐标系之前画面上所有点的坐标都是以该坐标系的原点来确定各自的位置的。世界坐标系可为人工进行设定的，也可为实际的公认坐标系，此处不作任何限定，具体可根据实际的设计需要进行设定。
36.在实际的操作中，实际导轮梁检测点都在车位平面上，具有共面数据，在世界坐标系下的高度认为为车辆的离地高度。由于机械车位的损耗、机械车位的运行状态不固定等原因，测量的离地高度与实际的离地高度会存在误差。因此，车辆在自动泊车进入机械车位时，需要基于第一定位信息和相关信息确定当前的离地的最佳高度，以此可以保证车辆在机械车位自动泊车的效率和安全性，避免发生事故。
37.在本公开实施例中，车辆在世界坐标系下的第一定位信息可包括多种，举例来说，可包括车辆的初始高度、车辆的俯仰角等。
38.需要说明的是，并基于第一定位信息和相关信息，获取机械车位的目标离地高度的方法可为多种。
39.可选地，可通过将第一定位信息和相关信息输入至目标离地高度生成模型中，以获取机械车位当前的目标离地高度。需要说明的是，该目标离地高度生成模型为提前训练好的，并可根据实际的设计需要进行变更，此处不作任何限定。
40.可选地，还可根据对相关信息进行处理，并将与相关信息对第一定位信息进行校检，并基于校验结果对第一定位信息进行调整，以确定机械车位的目标离地高度。
41.s103，基于目标离地高度对多路检测的相关信息，确定机械车位在相机坐标下的第一位置信息。
42.由于摄像机可安放在环境中的任意位置，在环境中选择一个基准坐标系来描述摄像机的位置，并用它描述环境中任何物体的位置，该坐标系称为相机坐标系。需要说明的是，相机坐标系和世界坐标系存在一定的位置关系，该位置关系为提前设定好的，并可根据实际的设计需要进行变更，此处不作任何限定。
43.在本公开实施例中，由于机械车位存在离地高度，车辆在上坡过程中存在视角俯仰的变化，对车辆在相机坐标系下的检测精度产生影响。其中，降低精度原因主要是因为车辆检测在车体局部坐标系下投影时，假设检测点和车体是同个水平面，因此如果车身存在倾斜，检测点会往高处投(往近处投)，且检测点纵向位置距离相机越远，偏差效应越严重。如图3所示，由于距离越远，检测高度偏差越大，因此投影点坐标和真值偏差越大。
44.在获取到目标离地高度后，可通过目标离地高度对多路检测的相关信息进行处理，以防止由于高度偏差造成坐标的偏离。该处理方法可为多种，此处不作任何限定。
45.可选地，可基于目标离地高度对相关信息进行补偿，并根据补偿后的相关信息进行数据处理，以获取机械车位在相机坐标下的第一位置信息。
46.可选地，还可将目标离地高度和多路检测的相关信息输入至第一位置信息生成模型中，以获取机械车位在相机坐标下的第一位置信息。需要说明的是，该第一位置信息生成模型为提前训练好的，并可根据实际的设计需要进行变更，此处不作任何限定。可选地，如图2所述，还可通过对多路检测的相关信息进行数据融合，举例来说，该数据融合可为卡尔曼融合，并基于融合结果，生成融合机械车位，并展示在相机坐标中，以确定机械车位在相机坐标下的第一位置信息。
47.s104，将机械车位在相机坐标下的第一位置信息向世界坐标进行投影，以得到车辆与机械车位在世界坐标下的位置关系。
48.在本公开实施例中，通过相机坐标下的第一位置信息向世界坐标进行投影的方法可为多种，此处不作任何限定。
49.可选地，可基于相机坐标和世界坐标的关系，将相机坐标下的第一位置信息通过旋转矩阵的方式，转换为世界坐标，该旋转矩阵为提前设定好的，并可根据实际的设计需要进行变更，此处不作任何限定。
50.可选地，还可基于平移向量，将机械车位在相机坐标下的第一位置信息向世界坐标进行投影，该平移向量为提前设定好的，并可根据实际的设计需要进行变更，此处不作任何限定。
51.在本公开实施例中，首先通过车辆的多路传感器对待泊机械车位的相关信息进行
检测，然后获取车辆在世界坐标系下的第一定位信息，并基于第一定位信息和相关信息，获取机械车位的目标离地高度，而后基于目标离地高度对多路检测的相关信息深度补偿和车位融合，以确定机械车位在相机坐标下的第一位置信息，最后将机械车位在相机坐标下的第一位置信息向世界坐标进行投影，以得到车辆与机械车位在世界坐标下的位置关系。通过对待泊机械车位进行检测，确定机械车位的目标离地高度，并基于目标离地高度对机械车位的相关信息进行补偿后进行车位信息融合，从而确定车辆和机械车位的位置关系，以此，可以避免由于机械车位离地高度对车辆定位的干扰，提升了机械车位的识别精度以及自动泊车的成功率和用户的使用体验。需要说明的是，通过车辆的多路传感器对待泊机械车位的相关信息进行检测，可包括对机械车位的导轨梁障碍物进行检测，得到障碍物检测信息；对机械车位的车位角点进行检测，得到车位角点检测信息，以及对机械车位的车位前车道线进行检测，得到车道线检测信息。由此，通过对机械车位的导轨梁障碍物、车位角点和前车道线进行检测，得到检测信息，可以准确的定位机械车位的关键点，为后续的信息融合提供数据基础。
52.上述实施例中，基于第一定位信息和相关信息，获取机械车位的目标离地高度，还可通过图4进一步解释，该方法包括：
53.s401，根据相关信息中的导轨梁障碍物检测信息，确定机械车位的导轨梁的检测接地点在相机坐标系下的第二位置信息。
54.在本公开实施例中，第二位置信息可包括多种，举例来说可包括接地点的高度、坐标和俯仰角等，此处不作任何限定。
55.s402，根据第一定位信息，获取车辆进入机械车位时的初始高度、车辆的实时定位高度和实时俯仰角。
56.在本公开实施例中，可通过对第一定位信息进行数据分析，以确定车辆进入机械车位时的初始高度、车辆的实时定位高度和实时俯仰角。
57.s403，获取机械车位的初始离地高度和相机在车辆坐标下的俯仰角。
58.s404，根据第二位置信息、初始高度、实时定位高度、初始离地高度以及实时俯仰角和相机的俯仰角，构建优化方程，并在预设约束下迭代出优化方程的最优解，作为机械车位的目标离地高度。
59.在本公开实施例中，由于机械车位存在离地高度，车辆在上坡过程中存在视角俯仰的变化，对freespace在车体坐标系下的检测精度有影响。如需要提高机械车位的泛化性能，在场景数据集有限的情况下，需要尽可能充分提高检测数据的准确性，提升融合车位的精确度。
60.如下图5所示，图中的长方形可代表车辆，车辆在移动过程中倾斜角度从4
°
变成8
°
再变成6
°
。根据目前车位融合策略，车辆后轴中心开过车位前线时停止融合车位，此时俯仰角是最大的，因此freespace检测精度是最差的，如果车身和车位存在倾斜角度时，检测点容易降低车位融合精度。
61.在本公开实施例中，如图6所示，实际导轮梁检测点都在车位平面上，具有共面数据，在世界坐标系下的高度都为车位离地高度。初始估计车位高度与实际有偏差时，会造成投影点高度计算不一致的问题。因此可以通过构建投影点如图6所示的(x
car
、y
car
)，和车位高度差的优化方程，通过最小残差估计出最佳车位离地高度。可通过如下公式确定机械车
位的目标离地高度：
[0062][0063]
其中，z0为车辆的初始高度，x
ic
、y
ic
为第二位置信息，z为车辆的实时定位高度，h0为车辆的初始高度，α
car
为实时俯仰角，，α
cam
为相机的俯仰角，g()为求和函数。
[0064]
在本公开实施例中，首先根据相关信息中的导轨梁障碍物检测信息，确定机械车位的导轨梁的检测接地点在相机坐标系下的第二位置信息，然后根据第一定位信息，获取车辆进入机械车位时的初始高度、车辆的实时定位高度和实时俯仰角，而后获取机械车位的初始离地高度和相机在车辆坐标下的俯仰角，最后根据第二位置信息、初始高度、实时定位高度、初始离地高度以及实时俯仰角和相机的俯仰角，构建优化方程，并在预设约束下迭代出优化方程的最优解，作为机械车位的目标离地高度。通过对机械车位和车辆进行建立投影，可以准确的确定目标离地高度，为后续确定车辆与机械车位在世界坐标下的位置关系提供准确的数据基础。
[0065]
上述实施例中，基于目标离地高度对多路检测的相关信息深度补偿和车位融合，以确定机械车位在相机坐标下的第一位置信息，还可通过图7进一步解释，该方法包括：
[0066]
s701，基于目标离地高度，确定机械车位的导轨梁障碍物的补偿深度。
[0067]
在本公开实施例中，如图5所示，可首先根据目标离地高度，确定机械车位的补偿高度，然后基于机械车位的补偿高度，确定机械车位的导轨梁障碍物的补偿深度。
[0068]
可选地，获取相机的俯仰角与实时俯仰角之间的角度差，并根据补偿高度和角度差，得到补偿深度。
[0069]
需要说明的是，获取补偿高度，可首先根据目标离地高度、初始高度和实时定位高度，得到接地检测点在车辆坐标系下的检测高度，然后获取接地检测点在车辆坐标系下与车辆之间的距离，继而根据距离、相机的俯仰角和检测高度，得到补偿高度。由此，通过目标离地高度，确定补偿高度，进而确定准确的补偿深度，可以提升相关信息的有效性和最终的融合效果。
[0070]
基于目标离地高度，确定机械车位的导轨梁障碍物的补偿深度可通过如下公式进行确认：
[0071]
δh＝d*sin(α
cam
)-h
[0072]
δd＝δh/sin(α
cam-α
car
)
[0073]
其中，δh为补偿高度，δd为补偿深度，d为接地检测点在车辆坐标系下与车辆之间的距离，α
cam
为相机的俯仰角，h为目标离地高度，α
car
为实时俯仰角，d*sin(α
cam
)为实时定位高度。
[0074]
s702，根据补偿深度，对多路检测的相关信息进行深度补偿，得到补偿后相关信息。
[0075]
在本公开实施例中，如图3所示，由于目前感知接地点障碍物是基于单张图像检测，再根据逆投影技术进行处理投射到世界坐标系上，由于机械车位存在离地高度，真实的点不在地平面上，因此会出现深度的偏差，举例来说，如图3所示的灰色点位和黑色点位，由于投影问题，存在深度偏差。因此需要通过计算出补偿深度，对相关信息进行深度补偿，以提升数据的精度。
[0076]
在本公开实施例中，在获取到补偿深度后，可根据补偿深度对相关信息与补偿深
度进行对应的变更，以获取补偿后相关信息。
[0077]
s703，根据补偿后相关信息，确定机械车位在相机坐标下的第一位置信息。
[0078]
在本公开实施例中，数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理技术。数据融合技术，包括对各种信息源给出的有用信息的采集、传输、综合、过滤、相关及合成，以便辅助人们进行态势/环境判定、规划、探测、验证、诊断。通过对多路检测的补偿后相关信息进行融合，可以结合多路检测的信息，对机械车位周围的环境以及机械车位和车辆的相对位置关系进行更加具体的展现，为后续的数据分析和位置信息的获取提供精确的数据基础。
[0079]
在本公开实施例中，可根据补偿后障碍物检测信息对机械车位的车位侧线进行卡尔曼滤波融合，预估机械车位的车位侧线，其中车位侧线包括导轨梁的检测接地点，然后根据补偿后车位角点检测信息对车位角点进行卡尔曼滤波融合，预估机械车位的车位角点，最后基于预估的车位侧线、预估的车位角点和补偿后车道线检测信息，对机械车位进行融合，得到机械车位在相机坐标下的第一位置信息。由此，通过卡尔曼滤波对多路检测的补偿后相关信息进行融合，可以估算出最优的数据，提升数据融合的效果。
[0080]
在本公开实施例中，首先基于目标离地高度，确定机械车位的导轨梁障碍物的补偿深度，然后根据补偿深度，对多路检测的相关信息进行深度补偿，得到补偿后相关信息，最后对多路检测的补偿后相关信息进行融合，以确定机械车位在相机坐标下的第一位置信息。通过两次补偿，可以降低机械车位的目标离地高度对最终定位结果的影响。
[0081]
具体地，可首先感知与融合车位进行卡尔曼滤波得到当前帧的融合车位，然后将当前帧融合车位计算宽度值，并采用宽度卡尔曼滤波进行宽度滤波，而后将上一帧宽度值递归更新为当前宽度值，宽度卡尔曼滤波器的输出也去更新当前帧车位宽度数，最后用当前数值车位坐标去递。
[0082]
需要说明的是，基于预估的车位侧线、预估的车位角点和补偿后车道线检测信息，对机械车位进行融合，需要首先对车位场景进行识别，以判断车位场景是否为机械车位场景，若车位场景为机械车位场景，执行基于预估的车位侧线、预估的车位角点和补偿后车道线检测信息，对机械车位进行融合的步骤。通过确定当前的车位场景，判断是否执行融合操作，可以避免非机械车位场景下进行的冗余操作，以此可以降低车辆自主倒车的成本。
[0083]
在本公开实施例中，可根据环境信息增加机车位置信度，举例来说，当左右两侧都是机械车位时，该车位一定是机械车位；车位前线左右侧有小块路沿障碍物时，该车位有大概率是机械车位。
[0084]
当车位场景为非机械车位场景时，则无需执行上述的方法，通过传统技术中的定位与地图构建(simultaneous localization and mapping，slam)方案进行自动倒车入库。
[0085]
在本公开实施例中，得到车辆与机械车位在世界坐标下的位置关系之后，还可根据相关信息确定车辆和机械车位覆盖范围内的障碍物，然后将障碍物的位置信息从相机坐标向世界坐标系进行投影，生成全局融合信息。
[0086]
进一步地，还可根据全局融合信息，判断机械车位是否满足泊车条件，然后在确定满足泊车条件时，根据全局融合信息为车辆规划泊车路径，最后按照泊车路径引导车辆进入机械车位。通过确定全局融合信息，可以避免车辆不满足泊车条件而自主泊车造成的事
故，提升自主泊车的实用性。
[0087]
与上述几种实施例提供的适用于机械车位的定位方法相对应，本公开的一个实施例还提供了一种适用于机械车位的定位装置，由于本公开实施例提供的适用于机械车位的定位装置与上述几种实施例提供的适用于机械车位的定位方法相对应，因此上述适用于机械车位的定位方法的实施方式也适用于本公开实施例提供的适用于机械车位的定位装置，在下述实施例中不再详细描述。
[0088]
图8为本公开实施例提供的一种适用于机械车位的定位装置的结构示意图。如图8所示，该适用于机械车位的定位装置800包括：检测模块810、获取模块820、处理模块830和投影模块840。
[0089]
其中，检测模块810，用于通过车辆的多路传感器对待泊机械车位的相关信息进行检测。
[0090]
获取模块820，用于获取车辆在世界坐标系下的第一定位信息，并基于第一定位信息和相关信息，获取机械车位的目标离地高度。
[0091]
处理模块830，用于基于目标离地高度和相关信息，确定机械车位在相机坐标下的第一位置信息。
[0092]
投影模块840，用于将机械车位在相机坐标下的第一位置信息向世界坐标进行投影，以得到车辆与机械车位在世界坐标下的位置关系。
[0093]
在本公开的一个实施例中，获取模块820，还用于：根据相关信息中的导轨梁障碍物检测信息，确定机械车位的导轨梁的检测接地点在相机坐标系下的第二位置信息；根据第一定位信息，获取车辆进入机械车位时的初始高度、车辆的实时定位高度和实时俯仰角；获取机械车位的初始离地高度和相机在车辆坐标下的俯仰角；根据第二位置信息、初始高度、实时定位高度、初始离地高度以及实时俯仰角和相机的俯仰角，构建优化方程，并在预设约束下迭代出优化方程的最优解，作为机械车位的目标离地高度。
[0094]
在本公开的一个实施例中，相关信息包括障碍物检测信息、车位角点检测信息和车道线检测信息，处理模块830，还用于：根据补偿后障碍物检测信息对机械车位的车位侧线进行卡尔曼滤波融合，预估机械车位的车位侧线，其中车位侧线包括导轨梁的检测接地点；根据补偿后车位角点检测信息对车位角点进行卡尔曼滤波融合，预估机械车位的车位角点；基于预估的车位侧线、预估的车位角点和补偿后车道线检测信息，确定机械车位在相机坐标下的第一位置信息。
[0095]
在本公开的一个实施例中，处理模块830，还用于：根据补偿后障碍物检测信息对机械车位的车位侧线进行卡尔曼滤波融合，预估机械车位的车位侧线，其中车位侧线包括导轨梁的检测接地点；根据补偿后车位角点检测信息对车位角点进行卡尔曼滤波融合，预估机械车位的车位角点；基于预估的车位侧线、预估的车位角点和补偿后车道线检测信息，确定机械车位在相机坐标下的第一位置信息。
[0096]
在本公开的一个实施例中，处理模块830，还用于：根据目标离地高度，确定机械车位的补偿高度；基于机械车位的补偿高度，确定机械车位的导轨梁障碍物的补偿深度。
[0097]
在本公开的一个实施例中，处理模块830，还用于：根据目标离地高度、初始高度和实时定位高度，得到接地检测点在车辆坐标系下的检测高度；获取接地检测点在车辆坐标系下与车辆之间的距离；根据距离、相机的俯仰角和检测高度，得到补偿高度。
[0098]
在本公开的一个实施例中，处理模块830，还用于：将接地检测点在相机坐标系下的第二位置信息，向车辆坐标下投影得到接地检测点在车辆坐标系下的第三位置信息；根据第三位置信息和车辆实时的第一定位信息，得到接地检测点与车辆之间的距离。
[0099]
在本公开的一个实施例中，处理模块830，还用于：获取相机的俯仰角与实时俯仰角之间的角度差，并根据补偿高度和角度差，得到补偿深度。
[0100]
在本公开的一个实施例中，处理模块830，还用于：对车位场景进行识别，以判断车位场景是否为机械车位场景；若车位场景为机械车位场景，执行基于预估的车位侧线、预估的车位角点和补偿后车道线检测信息，对机械车位进行融合的步骤。
[0101]
在本公开的一个实施例中，投影模块840，还用于：根据相关信息确定车辆和机械车位覆盖范围内的障碍物；将障碍物的位置信息从相机坐标向世界坐标系进行投影，生成全局融合信息。
[0102]
在本公开的一个实施例中，投影模块840，还用于：根据全局融合信息，判断机械车位是否满足泊车条件；在确定满足泊车条件时，根据全局融合信息为车辆规划泊车路径；按照泊车路径引导车辆进入机械车位。
[0103]
通过对待泊机械车位进行检测，确定机械车位的目标离地高度，并基于目标离地高度对机械车位的相关信息进行补偿后进行车位信息融合，从而确定车辆和机械车位的位置关系，以此，可以避免由于机械车位离地高度对车辆定位的干扰，提升了机械车位的识别精度以及自动泊车的成功率和用户的使用体验。
[0104]
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
[0105]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0106]
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0107]
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(rom)902中的计算机程序/指令或者从存储单元906载到随机访问存储器(ram)903中的计算机程序/指令，来执行各种适当的动作和处理。在ram 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、rom 902以及ram 903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
[0108]
设备900中的多个部件连接至i/o接口905，包括：输入单元906如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0109]
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工
智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如适用于机械车位的定位方法。例如，在一些实施例中，适用于机械车位的定位方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元906些实施例中，计算机程序/指令的部分或者全部可以经由rom 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序/指令加载到ram 903并由计算单元901执行时，可以执行上文描述的适用于机械车位的定位方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行适用于机械车位的定位方法。
[0110]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序/指令中，该一个或者多个计算机程序/指令可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0111]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0112]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0113]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0114]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界
面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网和区块链网络。
[0115]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序/指令来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0116]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0117]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种适用于机械车位的定位方法，其中，包括：通过车辆的多路传感器对待泊机械车位的相关信息进行检测；获取所述车辆在世界坐标系下的第一定位信息，并基于所述第一定位信息和所述相关信息，获取所述机械车位的目标离地高度；基于所述目标离地高度和所述相关信息，确定所述机械车位在相机坐标下的第一位置信息；将所述机械车位在相机坐标下的第一位置信息向世界坐标进行投影，以得到所述车辆与所述机械车位在世界坐标下的位置关系。2.根据权利要求1所述的方法，其中，所述基于所述第一定位信息和所述相关信息，获取所述机械车位的目标离地高度，包括：根据所述相关信息中的导轨梁障碍物检测信息，确定所述机械车位的导轨梁的检测接地点在相机坐标系下的第二位置信息；根据所述第一定位信息，获取所述车辆进入所述机械车位时的初始高度、所述车辆的实时定位高度和实时俯仰角；获取所述机械车位的初始离地高度和相机在车辆坐标下的俯仰角；根据所述第二位置信息、所述初始高度、所述实时定位高度、所述初始离地高度以及所述实时俯仰角和所述相机的俯仰角，构建优化方程，并在预设约束下迭代出优化方程的最优解，作为所述机械车位的目标离地高度。3.根据权利要求2所述的方法，其中，所述基于所述目标离地高度和所述相关信息，确定所述机械车位在相机坐标下的第一位置信息，包括：基于所述目标离地高度，确定所述机械车位的导轨梁障碍物的补偿深度；根据所述补偿深度，对多路检测的相关信息进行深度补偿，得到补偿后相关信息；根据补偿后相关信息，确定所述机械车位在相机坐标下的第一位置信息。4.根据权利要求3所述的方法，其中，所述相关信息包括障碍物检测信息、车位角点检测信息和车道线检测信息，所述根据补偿后相关信息，确定所述机械车位在相机坐标下的第一位置信息，包括：根据补偿后障碍物检测信息对所述机械车位的车位侧线进行卡尔曼滤波融合，预估所述机械车位的车位侧线，其中所述车位侧线包括导轨梁的检测接地点；根据补偿后车位角点检测信息对车位角点进行卡尔曼滤波融合，预估所述机械车位的车位角点；基于预估的车位侧线、预估的车位角点和补偿后车道线检测信息，确定所述机械车位在相机坐标下的第一位置信息。5.根据权利要求4所述的方法，其中，所述基于所述目标离地高度，确定所述机械车位的导轨梁障碍物的补偿深度，包括：根据所述目标离地高度，确定所述机械车位的补偿高度；基于所述机械车位的补偿高度，确定所述机械车位的导轨梁障碍物的补偿深度。6.根据权利要求5所述的方法，其中，所述根据所述目标离地高度，确定所述机械车位的补偿高度，包括：根据所述目标离地高度、所述初始高度和所述实时定位高度，得到所述接地检测点在
车辆坐标系下的检测高度；获取所述接地检测点在车辆坐标系下与所述车辆之间的距离；根据所述距离、所述相机的俯仰角和所述检测高度，得到所述补偿高度。7.根据权利要求6所述的方法，其中，所述获取所述接地检测点在车辆坐标系下与所述车辆之间的距离，包括：将所述接地检测点在相机坐标系下的第二位置信息，向车辆坐标下投影得到所述接地检测点在车辆坐标系下的第三位置信息；根据所述第三位置信息和所述车辆实时的第一定位信息，得到所述接地检测点与所述车辆之间的距离。8.根据权利要求5所述的方法，其中，基于所述补偿高度得到所述补偿深度，包括：获取所述相机的俯仰角与所述实时俯仰角之间的角度差，并根据所述补偿高度和所述角度差，得到所述补偿深度。9.根据权利要求4所述的方法，其中，所述基于预估的车位侧线、预估的车位角点和补偿后车道线检测信息，确定所述机械车位在相机坐标下的第一位置信息，包括：对车位场景进行识别，以判断所述车位场景是否为机械车位场景；若所述车位场景为所述机械车位场景，执行所述基于所述预估的车位侧线、所述预估的车位角点和补偿后车道线检测信息，对所述机械车位进行融合的步骤。10.根据权利要求1-3中任一项所述的方法，其中，所述得到所述车辆与所述机械车位在世界坐标下的位置关系之后，还包括：根据所述相关信息确定所述车辆和所述机械车位覆盖范围内的障碍物；将所述障碍物的位置信息从相机坐标向世界坐标系进行投影，生成全局融合信息。11.根据权利要求10所述的方法，其中，所述方法还包括：根据所述全局融合信息，判断所述机械车位是否满足泊车条件；在确定满足所述泊车条件时，根据所述全局融合信息为所述车辆规划泊车路径；按照所述泊车路径引导所述车辆进入所述机械车位。12.一种适用于机械车位的定位装置，包括：检测模块，用于通过车辆的多路传感器对待泊机械车位的相关信息进行检测；获取模块，用于获取所述车辆在世界坐标系下的第一定位信息，并基于所述第一定位信息和所述相关信息，获取所述机械车位的目标离地高度；处理模块，用于基于所述目标离地高度和所述相关信息，确定所述机械车位在相机坐标下的第一位置信息；投影模块，用于将所述机械车位在相机坐标下的第一位置信息向世界坐标进行投影，以得到所述车辆与所述机械车位在世界坐标下的位置关系。13.根据权利要求12所述的装置，其中，所述获取模块，还用于：根据所述相关信息中的导轨梁障碍物检测信息，确定所述机械车位的导轨梁的检测接地点在相机坐标系下的第二位置信息；根据所述第一定位信息，获取所述车辆进入所述机械车位时的初始高度、所述车辆的实时定位高度和实时俯仰角；获取所述机械车位的初始离地高度和相机在车辆坐标下的俯仰角；
根据所述第二位置信息、所述初始高度、所述实时定位高度、所述初始离地高度以及所述实时俯仰角和所述相机的俯仰角，构建优化方程，并在预设约束下迭代出优化方程的最优解，作为所述机械车位的目标离地高度。14.根据权利要求13所述的装置，其中，所述处理模块，还用于：基于所述目标离地高度，确定所述机械车位的导轨梁障碍物的补偿深度；根据所述补偿深度，对多路检测的相关信息进行深度补偿，得到补偿后相关信息；根据补偿后相关信息，确定所述机械车位在相机坐标下的第一位置信息。15.根据权利要求14所述的装置，其中，所述相关信息包括障碍物检测信息、车位角点检测信息和车道线检测信息，所述处理模块，还用于：根据补偿后障碍物检测信息对所述机械车位的车位侧线进行卡尔曼滤波融合，预估所述机械车位的车位侧线，其中所述车位侧线包括导轨梁的检测接地点；根据补偿后车位角点检测信息对车位角点进行卡尔曼滤波融合，预估所述机械车位的车位角点；基于预估的车位侧线、预估的车位角点和补偿后车道线检测信息，确定所述机械车位在相机坐标下的第一位置信息。16.根据权利要求15所述的装置，其中，所述处理模块，还用于：根据所述目标离地高度，确定所述机械车位的补偿高度；基于所述机械车位的补偿高度，确定所述机械车位的导轨梁障碍物的补偿深度。17.根据权利要求16所述的装置，其中，所述处理模块，还用于：根据所述目标离地高度、所述初始高度和所述实时定位高度，得到所述接地检测点在车辆坐标系下的检测高度；获取所述接地检测点在车辆坐标系下与所述车辆之间的距离；根据所述距离、所述相机的俯仰角和所述检测高度，得到所述补偿高度。18.根据权利要求17所述的装置，其中，所述处理模块，还用于：将所述接地检测点在相机坐标系下的第二位置信息，向车辆坐标下投影得到所述接地检测点在车辆坐标系下的第三位置信息；根据所述第三位置信息和所述车辆实时的第一定位信息，得到所述接地检测点与所述车辆之间的距离。19.根据权利要求16所述的装置，其中，所述处理模块，还用于：获取所述相机的俯仰角与所述实时俯仰角之间的角度差，并根据所述补偿高度和所述角度差，得到所述补偿深度。20.根据权利要求14所述的装置，其中，所述处理模块，还用于：对车位场景进行识别，以判断所述车位场景是否为机械车位场景；若所述车位场景为所述机械车位场景，执行所述基于所述预估的车位侧线、所述预估的车位角点和补偿后车道线检测信息，对所述机械车位进行融合的步骤。21.根据权利要求12-14中任一项所述的装置，其中，所述投影模块，还用于：根据所述相关信息确定所述车辆和所述机械车位覆盖范围内的障碍物；将所述障碍物的位置信息从相机坐标向世界坐标系进行投影，生成全局融合信息。22.根据权利要求21所述的装置，其中，所述投影模块，还用于：
根据所述全局融合信息，判断所述机械车位是否满足泊车条件；在确定满足所述泊车条件时，根据所述全局融合信息为所述车辆规划泊车路径；按照所述泊车路径引导所述车辆进入所述机械车位。23.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-11中任一项所述的适用于机械车位的定位方法。24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的适用于机械车位的定位方法。25.一种计算机程序产品，包括计算机程序/指令，其中，该计算机程序/指令被处理器执行时实现权利要求1-11中所述方法的适用于机械车位的定位步骤。

技术总结
本公开提供了一种适用于机械车位的定位方法、装置及电子设备，具体涉及人工智能、无人驾驶、自主泊车等技术领域。具体实施方案为：对待泊机械车位的相关信息进行检测；获取车辆在世界坐标系下的第一定位信息，基于第一定位信息和相关信息，获取机械车位的目标离地高度；确定机械车位在相机坐标下的第一位置信息；将第一位置信息向世界坐标进行投影，以得到车辆与机械车位的位置关系。通过确定机械车位的目标离地高度，并基于目标离地高度和机械车位的相关信息确定第一位置信息，以此可以确定车辆和机械车位的位置关系，以此，可以避免由于机械车位离地高度对车辆定位的干扰，提升了机械车位的识别精度以及自动泊车的成功率和用户的使用体验。的使用体验。的使用体验。


技术研发人员：王德雄 陈文洋 王玉斌 常松涛
受保护的技术使用者：阿波罗智联（北京）科技有限公司
技术研发日：2023.02.14
技术公布日：2023/6/7