自动泊车车位识别方法及其系统、计算机设备与流程

1.本发明涉及自动泊车车位识别技术领域，具体涉及一种自动泊车车位识别方法及其系统、计算机设备。


背景技术：

2.传统的自动泊车系统一般使用超声波传感器对车位进行识别，普遍采用边界跳变法进行车位检测，由于超声波传感器根据发射和接收超声波时间间隔进行测距，发射的超声波具有较大的波束角，并且不同的反射面会影响超声波的传播路径，因此现有的仅采用边界跳变法进行车位检测的方法存在车位边界检测不准确、易出现多次跳变的现象，导致车位位置、大小识别误差大，最终影响用户对自动泊车的体验感。


技术实现要素：

3.本发明旨在提出一种自动泊车车位识别方法及其系统、计算机设备，以提高自动泊车中车位识别的精度。
4.第一方面，本发明实施例提出一种自动泊车车位识别方法，包括如下步骤：
5.自动泊车过程中，接收多个超声波传感器检测到的本车与左右两侧障碍物的距离数据；
6.根据所述距离数据确定本车左侧或右侧候选车位的多个预估车位长度、以及本车经过候选车位时本车方向盘转角值；
7.根据所述多个预估车位长度和所述本车方向盘转角值生成特征量，输入预先训练好的随机森林模型，输出待定车位的长度；
8.根据所述距离数据确定待定车位的深度；
9.根据所述待定车位的长度和深度确定所述本车左侧或右侧待定车位为可泊车位或不可泊车位。
10.优选地，所述多个超声波传感器分别设置于本车左右两侧，所述距离数据包括每一超声波传感器的一次回波距离数据和二次回波距离数据；
11.根据所述距离数据确定本车左侧或右侧候选车位的多个预估车位长度、以及本车经过候选车位时本车方向盘转角值具体包括：
12.对本车左侧或右侧障碍物的距离数据进行跳变沿分析，确定本车左侧或右侧所有超声波传感器的一次回波距离数据及二次回波距离数据所分别对应的上升沿时刻和下降沿时刻；
13.根据本车左侧或右侧所有超声波传感器的一次回波距离数据及二次回波距离数据所分别对应的上升沿时刻和下降沿时刻，分别确定本车左侧或右侧候选车位的多个预估车位长度；
14.根据以下公式获取方向盘转角值f；其中，2n表示候选车位的数量，m
i
表示本车左侧或右侧第i个超声波传感器一次回波距离数据所对应的上升
沿时刻到下降沿时刻之间时间段方向盘转角；n
i
表示本车左侧或右侧第i个超声波传感器二次回波距离数据所对应的上升沿时刻到下降沿时刻之间时间段方向盘转角。
15.优选地，所述对本车左侧或右侧障碍物的距离数据进行跳变沿分析包括：
16.确定本车左侧或右侧所有超声波传感器的一次回波距离数据或二次回波距离数据中的跳变沿；其中，对于任一超声波传感器的一次回波距离数据或二次回波距离数据，若相邻两个采样时刻获取的距离数据的差值
△
d的绝对值大于距离阈值，则为跳变沿；
17.确定本车左侧或右侧所有超声波传感器的一次回波距离数据或二次回波距离数据中的有效跳变沿；其中，当一跳变沿前的r个数据与跳变沿前的第一个数据的差值均小于距离阈值，且跳变沿后的r个数据与跳变沿后的第一个数据的差值均小于距离阈值时，则该跳变沿为有效跳变沿；r为设定值；
18.确定本车左侧或右侧所有超声波传感器的一次回波距离数据或二次回波距离数据中上升沿时刻和下降沿时刻；其中，若
△
d大于0，则有效跳变沿为上升沿，其对应的时刻为上升沿时刻；若
△
d小于0，则有效跳变沿为下降沿，其对应的时刻为下降沿时刻。
19.优选地，根据本车左侧或右侧所有超声波传感器的一次回波距离数据及二次回波距离数据所分别对应的上升沿时刻和下降沿时刻，分别确定本车左侧或右侧候选车位的多个预估车位长度具体包括：
20.根据以下公式(1)确定本车左侧或右侧超声波传感器的一次回波所对应候选车位的多个预估车位长度；
[0021][0022]
其中，l1为一次回波所对应候选车位的多个预估车位长度，d1为超声波传感器的一次回波距离数据中上升沿时刻到下降沿时刻之间时间段本车所行驶的距离，d1为本车与候选车位一侧车辆的距离，d2为本车与候选车位另一侧车辆的距离；
[0023]
根据以下公式(2)确定本车左侧或右侧超声波传感器的二次回波所对应候选车位的多个预估车位长度；
[0024][0025]
其中，l2为二次回波所对应候选车位的多个预估车位长度，d2为超声波传感器的二次回波距离数据中上升沿时刻到下降沿时刻之间时间段本车所行驶的距离，d1为本车与候选车位一侧车辆的距离，d2为本车与候选车位另一侧车辆的距离。
[0026]
优选地，根据所述多个预估车位长度和所述本车方向盘转角值生成特征量，输入预先训练好的随机森林模型，输出待定车位的长度具体包括：
[0027]
对本车左侧或右侧所有候选车位的多个预估车位长度和本车方向盘转角f分别进行归一化处理得到多个特征值，根据所述多个特征值生成特征量；
[0028]
将所述特征量输入预先训练好的随机森林模型，所述随机森林模型的多个决策树分别对所述特征量进行处理得到多个车位长度，并取所述多个车位长度的均值作为随机森林模型输出的本车左侧或右侧待定车位的长度。
[0029]
优选地，根据所述距离数据确定待定车位的深度具体包括：
[0030]
根据所述距离数据确定候选车位的多个预估深度；其中，所述预估深度为每一超声波传感器的一次回波距离数据或二次回波距离数据中的最小距离值；
[0031]
根据候选车位的多个预估深度确定待定车位的深度；其中所述待定车位的深度为多个预估深度中的最小值。
[0032]
优选地，根据所述待定车位的长度和深度确定所述本车左侧或右侧待定车位为可泊车位或不可泊车位具体包括：
[0033]
响应于车位长度值大于等于第一阈值，且车位深度值大于等于第二阈值，则确定待定车位为可泊车位；
[0034]
响应于车位长度值小于第一阈值，或车位深度值小于第二阈值，则确定待定车位为不可泊车位。
[0035]
优选地，所述多个超声波传感器包括设置于本车前部左右两侧的第一长距超声波传感器和第二长距超声波传感器，以及设置于本车后部左右两侧的第三长距超声波传感器和第四长距超声波传感器，且所述第一长距超声波传感器和第二长距超声波传感器关于本车中轴线左右对称，所述第三长距超声波传感器和第四长距超声波传感器关于本车中轴线左右对称。
[0036]
第二方面，本发明实施例提出一种自动泊车车位识别系统，用于实现实施例所述的自动泊车车位识别方法，所述系统包括：
[0037]
数据接收单元，用于在自动泊车过程中，接收多个超声波传感器检测到的本车与左右两侧障碍物的距离数据；
[0038]
候选车位分析单元，用于根据所述距离数据确定本车左侧或右侧候选车位的多个预估车位长度、以及本车经过候选车位时本车方向盘转角值；
[0039]
车位长度确定单元，用于根据所述多个预估车位长度和所述本车方向盘转角值生成特征量，输入预先训练好的随机森林模型，输出待定车位的长度；
[0040]
车位深度确定单元，用于根据所述距离数据确定待定车位的深度；
[0041]
车位识别单元，用于根据所述待定车位的长度和深度确定所述本车左侧或右侧待定车位为可泊车位或不可泊车位。
[0042]
第三方面，本发明实施例提出一种计算机设备，包括：根据实施例所述自动泊车车位识别系统；或者，存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行根据实施例所述自动泊车车位识别方法的步骤。
[0043]
本发明实施例提出一种自动泊车车位识别方法及其系统、计算机设备，其具体为一种基于机器学习的车位自动识别技术，应用本发明实施例，在进行自动泊车过程中，通过设置在本车车身左右两侧的多个长距超声波传感器检测本车与左右两侧障碍物的距离数据，并对该距离数据进行处理分析，得到本车左侧或右侧候选车位的多个预估车位长度、以及本车经过候选车位时本车方向盘转角值，并输入预先训练好的随机森林模型，输出待定车位的长度；并根据所述距离数据获取待定车位的深度，最后根据所述待定车位的长度和深度确定待定车位为可泊车位或不可泊车位。基于以上内容，本实施例方案利用随机森林模型对检测到的车位数据进行处理，确定车位长度，相对于现有技术而言，能够在一定程度上减小了由于超声波发散角引起的空间车位测量误差，提高空间车位识别的准确率，进而优化自动泊车的效果。
[0044]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变
得显而易见，或者通过实施本发明而得以体现。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
[0045]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0046]
图1为实施例一中一种自动泊车车位识别方法流程图。
[0047]
图2为实施例一中一种汽车结构示意图。
[0048]
图3为实施例二中一种自动泊车车位识别系统框架图。
具体实施方式
[0049]
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
[0050]
另外，为了更好的说明本发明，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本发明的主旨。
[0051]
实施例一
[0052]
本发明实施例提出一种自动泊车车位识别方法，图1为实施例一所述自动泊车车位识别方法的流程图，该方法可以应用于设置有多个长距超声波传感器的汽车，举例而言，例如图2所示的汽车100，4个超声波传感器分别设置于图2汽车100的左右两侧，用于在自动泊车过程中检测汽车100与左右两侧障碍物的距离数据。其中，所述4个超声波传感器包括设置于汽车100的前部左右两侧的第一长距超声波传感器101和第二长距超声波传感器102，以及设置于汽车100的后部左右两侧的第三长距超声波传感器103和第四长距超声波传感器104，且所述第一长距超声波传感器101和第二长距超声波传感器102关于汽车100的中轴线左右对称，所述第三长距超声波传感器103和第四长距超声波传感器104关于汽车100的中轴线左右对称。
[0053]
下面结合图2所示的汽车100对本实施例所述自动泊车车位识别方法进行具体说明。
[0054]
请一并参阅图1-2，本实施例方法包括如下步骤s101至步骤s105：
[0055]
步骤s101、自动泊车过程中，接收多个超声波传感器检测到的本车与左右两侧障碍物的距离数据；
[0056]
具体而言，图2所示汽车(即本车)启动自动泊车功能，本车以速度v平行行驶经过本车两侧的车位，行驶过程中多个超声波传感器按照预设时间发射和接收超声波信号，检测本车与左右两侧障碍物的距离数据，所述距离数据包括每一超声波传感器的一次回波距离数据和二次回波距离数据，该一次回波距离数据包括本车行驶过程中多个采样时刻一次
回波所对应的距离数据，该二次回波距离数据包括本车行驶过程中多个采样时刻二次回波所对应的距离数据。
[0057]
步骤s102、根据所述距离数据确定本车左侧或右侧候选车位的多个预估车位长度、以及本车经过候选车位时本车方向盘转角值；
[0058]
具体而言，步骤中选取泊车行驶过程中，本车左侧障碍物的距离数据或本车右侧障碍物的距离数据进行分析，得到对应左侧或右侧的候选车位。以识别本车左侧车位为例，当本车经过本车左侧一具有一定空间的车位时，本车左侧的每一超声波传感器进行检测，会得到一次回波距离数据和二次回波距离数据具体到图2所示的汽车，其左侧具有两个长距超声波传感器，即可以得到4组距离数据。
[0059]
具体地，根据一次回波距离数据或二次回波距离数据确定候选车位的方式如下：
[0060]
对本车左侧或右侧障碍物的距离数据进行跳变沿分析，确定本车左侧或右侧所有超声波传感器的一次回波距离数据及二次回波距离数据所分别对应的上升沿时刻和下降沿时刻；
[0061]
可以理解的是，当本车经过本车左侧一具有一定空间的车位时，本车左侧的超声波传感器的一次回波距离数据或二次回波距离数据中均会出现一个上升沿和一个下降沿，该上升沿和下降沿所对应的数据采集时刻即为上升沿时刻和下降沿时刻。
[0062]
在本实施例中，所述对本车左侧或右侧障碍物的距离数据进行跳变沿分析具体包括如下子步骤s201至步骤s203：
[0063]
步骤s201、确定本车左侧或右侧所有超声波传感器的一次回波距离数据或二次回波距离数据中的跳变沿；其中，对于任一超声波传感器的一次回波距离数据或二次回波距离数据，若相邻两个采样时刻t1和t2获取的距离数据d
t1
和d
t2
差值
△
d的绝对值大于距离阈值t，则为跳变沿；
[0064]
其中，
△
d＝d
t2-d
t1
，所述距离阈值t优选设为最小有效车位的深度。
[0065]
步骤s202、确定本车左侧或右侧所有超声波传感器的一次回波距离数据或二次回波距离数据中的有效跳变沿；其中，当一跳变沿前的r个数据与跳变沿前的第一个数据的差值均小于距离阈值t，且跳变沿后的r个数据与跳变沿后的第一个数据的差值均小于距离阈值t时，则该跳变沿为有效跳变沿；
[0066]
其中，r为一设定值，具体根据超声波传感器的采样周期设定。
[0067]
步骤s203、确定本车左侧或右侧所有超声波传感器的一次回波距离数据或二次回波距离数据中上升沿时刻和下降沿时刻；其中，若
△
d大于0，则有效跳变沿为上升沿，其对应的时刻为上升沿时刻；若
△
d小于0，则有效跳变沿为下降沿，其对应的时刻为下降沿时刻。
[0068]
基于以上步骤s201至步骤s203，可以得到每一超声波传感器的一次回波距离数据和二次回波距离数据的上升沿时刻和下降沿时刻，如图2所示的汽车，可以得到4组上升沿时刻和下降沿时刻，分别对应候选车位的四组检测数据，分别对每一组检测数据进行计算可以得到一个预估车位长度。其中，每一组上升沿时刻和下降沿时刻之间的时间段，所检测到的一次回波距离数据或二次回波距离数据即为本车与候选车位的距离数据。
[0069]
针对上述候选车位的四组检测数据，步骤中还进一步估算它们分别所对应的预估车位长度。
[0070]
作为一种估算方式，对于每一组上升沿时刻和下降沿时刻，具体计算汽车从上升沿时刻到下降沿时刻这一时间段t中本车所行驶的路程，假设时间段t本车车速为v，则对应候选车位的多个预估车位长度l为t时间内本车行驶的路程d，即t时间内车速v的积分。
[0071]
作为另一种估算方式，对于每一组上升沿时刻和下降沿时刻，由于实际情况中汽车行驶方向同停车位通常不完全平行，一般空间车位是由两辆车及其中间的车位构成，即“车1-车位-车2”这样的排列。通常情况，车1和车2在停放时不会完全平行，因此超声波传感器检测到的本车与车位两侧车1和车2的相对距离不同，此处分别设为d1和d2，则按如下公式(1)或(2)进一步优化估算各候选车位的多个预估车位长度l；
[0072]
具体地，根据以下公式(1)确定超声波传感器的一次回波所对应候选车位的多个预估车位长度；
[0073][0074]
其中，l1为一次回波所对应候选车位的多个预估车位长度，d1为超声波传感器的一次回波距离数据中上升沿时刻到下降沿时刻之间时间段本车所行驶的距离，d1为本车与候选车位一侧车辆的距离，d2为本车与候选车位另一侧车辆的距离；
[0075]
具体地，根据以下公式(2)确定超声波传感器的二次回波所对应候选车位的多个预估车位长度；
[0076][0077]
其中，l2为二次回波所对应候选车位的多个预估车位长度，d2为超声波传感器的二次回波距离数据中上升沿时刻到下降沿时刻之间时间段本车所行驶的距离，d1为本车与候选车位一侧车辆的距离，d2为本车与候选车位另一侧车辆的距离。
[0078]
针对上述候选车位，步骤中还进一步获取本车经过候选车位时方向盘转角值f；
[0079][0080]
其中，2n表示候选车位的数量，对于图2所示的汽车而言，2n＝4；m
i
表示本车左侧或右侧第i个超声波传感器一次回波距离数据所对应的上升沿时刻到下降沿时刻之间时间段方向盘转角；n
i
表示本车左侧或右侧第i个超声波传感器二次回波距离数据所对应的上升沿时刻到下降沿时刻之间时间段方向盘转角。
[0081]
具体而言，对于图2所示的汽车而言，步骤中获取每一组上升沿时刻和下降沿时刻之间所对应的时间段，本车的方向盘转角值；由此，步骤中可以得到4个方向盘转角值，分别为θ1、θ2、θ3和θ4，即f＝(θ1+θ2+θ3+θ4)/4；其中，方向盘转角的实时数据可以从本车的can总线获取。
[0082]
即对于图2所示的汽车而言，最终步骤s102得到的候选车位的多个预估车位长度和所述本车方向盘转角值生成特征量具体为：候选车位的多个预估车位长度和方向盘转角值f。
[0083]
步骤s103、根据所述多个预估车位长度和所述本车方向盘转角值生成特征量，输入预先训练好的随机森林模型，输出待定车位的长度；
[0084]
具体而言，结合上文内容，步骤s103对步骤s102得到的候选车位的多个预估车位
长度和方向盘转角值θ进行处理，得到特征量，具体包括如下子步骤s301至s302：
[0085]
步骤s301、对候选车位的多个预估车位长度和本车方向盘转角f分别进行归一化处理得到5个特征值x1,x2,x3,x4,x5；
[0086]
步骤s302、根据所述5个特征值生成特征量x＝(x1,x2,x3,x4,x5)。
[0087]
下面以图2所示汽车为例，对本实施例的随机森林模型的训练过程进行具体描述。
[0088]
将多个超声波传感器多次采集的距离数据进行处理，此处仅选取车位所在一侧的超声波传感器获取的距离数据进行处理，借鉴步骤s102的方式确定候选车位的多个预估车位长度、以及本车经过候选车位时本车方向盘转角值f，将上述数据进行归一化处理作为特征值，结合经过的车位的实际长度得到一个样本数据集。通过上述方式，经过多次数据采集，可以得到多个样本数据集用于进行训练。
[0089]
其中，归一化即将所有数据归一化到(0,1)；数据集中每个样本gi包含k个特征值，本实施例中k＝5，记为gi＝(xi,yi)，xi＝(xi1,xi2,...,xik)表示第i个样本中的特征，分别对应归一化后的候选车位的多个预估车位长度和方向盘转角值f；yi表示第i个样本对应的真实车位长度；其中，建立数据集的时候会测量车位的真实长度，本实施例训练过程可以简单理解为通过对比预测值和真实值之间的差距然后不断缩小该差距的过程。
[0090]
需说明的是，汽车方向盘转角控制汽车泊车过程中行驶的路线，即汽车的相对于车位的位置或姿态，因此，汽车方向盘转角对车位的识别具有影响，本实施例方法在对车位的长度识别过程中考虑方向盘转角因素，极大地提高了车位长度识别的精度。
[0091]
进一步地，训练过程中从样本数据集中有放回地随机选取m个样本，每个样本中均包含k个特征值(此处k＝5)，每选取一次后将所选数据放回数据集重新选取，共选取n次，形成n个大小一致的样本集；在每个样本集中，对m个样本随机选择k个特征中的a个特征，a≤k，在a个特征中选择最优的分裂特征来决定左右子树的分裂，分裂的原则是能够使得分裂后两部分残差平方和最小。对新生成的结点继续按照相同的方法分裂，直到叶子结点无法分裂或者里面的样本都属于同一类，这样就生成一棵完整的决策树。重复n次即可得到n棵决策树，所有的决策树共同构成随机森林模型。
[0092]
基于以上训练得到的随机森林模型，在实际应用过程中，步骤中具体将步骤s302得到的特征量x＝(x1,x2,x3,x4,x5)输入训练好的随机森林模型中，得到每棵决策树的预测值，将所有决策树的预测值取值即为特征量x＝(x1,x2,x3,x4,x5)所对应的待定车位的长度。
[0093]
具体而言，本实施例在对待定车位的长度进行识别时，考虑多个超声波传感器的一次回波距离数据、二次回波距离数据、本车经过车位时的方向盘转角等数据，并利用随机森林模型进行识别，能够得到更为精确的待定车位长度，相对于现有采用的边界跳变法，能够解决因为超声波传感器发射的超声波具有较大的波束角，并且不同的反射面对超声波传播有影响，难以保证使用超声波进行边沿检测的精准度，导致车位检测存在较大误差，从而造成对于狭窄空间车位的识别结果不满足可停车位要求的技术问题。
[0094]
步骤s104、根据所述距离数据确定待定车位的深度；
[0095]
所述步骤s104包括如下子步骤s401至s402：
[0096]
步骤s401、根据所述距离数据确定候选车位的多个预估深度；其中，所述预估深度为每一超声波传感器的一次回波距离数据或二次回波距离数据中的最小距离值；
[0097]
具体而言，候选车位的多个预估深度对应的是每一组上升沿时刻和下降沿时刻之间的时间段，所采集的一次回波距离数据或二次回波距离数据。可以理解的是，采集的距离数据包括了不同采集时刻的距离数据，所述预估深度为每一超声波传感器的一次回波距离数据或二次回波距离数据中的最小距离值。因此，对于图2所示的汽车而言，此处可以得到4个车位预估深度s1、s2、s3和s4。
[0098]
步骤s402、根据候选车位的多个预估深度确定待定车位的深度s；其中所述待定车位的深度为候选车位的多个预估深度中的最小值。
[0099]
具体而言，步骤中对4个车位预估深度s1、s2、s3和s4进行取最小值，即s＝min(s1,s2,s3,s4)。
[0100]
步骤s105、根据所述待定车位的长度和深度确定所述本车左侧或右侧待定车位为可泊车位或不可泊车位。
[0101]
具体而言，步骤s105结合待定车位的长度和深度判断待定车位是否满足泊车条件，若满足，则确定其为可泊车位，若不满足，则确定其为不可泊车位。进一步地，可以在识别到可泊车位时，生成可泊车位信号，自动驾驶系统根据所述可泊车位信号生成泊车策略，包括泊车路径、方向盘转角、车速、档位等控制指令内容，并控制执行机构执行所述泊车策略，完成自动泊车。
[0102]
其中，所述步骤s105具体包括：
[0103]
响应于车位长度值大于等于第一阈值，且车位深度值大于等于第二阈值，则确定待定车位为可泊车位；其中，所述第一阈值优选但不限于为本车车长+80cm。
[0104]
响应于车位长度值小于第一阈值，或车位深度值小于第二阈值，则确定待定车位为不可泊车位。其中，对于平行泊车，所述第二阈值优选但不限于为本车车宽；对于垂直泊车，所述第二阈值优选但不限于为本车车长。
[0105]
基于以上实施例的描述可知，本实施例方法利用随机森林模型对检测到的车位数据进行处理，确定车位长度，其考虑了多个超声波传感器的一次回波距离数据、二次回波距离数据以及本车经过车位时的方向盘转角，相对于现有技术而言，能够在一定程度上减小了由于超声波发散角引起的空间车位测量误差，提高空间车位识别的准确率，进而优化自动泊车的效果。
[0106]
实施例二
[0107]
本发明实施例二提出一种自动泊车车位识别系统，用于实现根据实施例一所述的自动泊车车位识别方法，图3为实施例二所述系统的框架图，参阅图3，实施例二所述自动泊车车位识别系统包括：
[0108]
数据接收单元1，用于在自动泊车过程中，接收多个超声波传感器检测到的本车与左右两侧障碍物的距离数据；
[0109]
候选车位分析单元2，用于根据所述距离数据确定本车左侧或右侧候选车位的多个预估车位长度、以及本车经过候选车位时本车方向盘转角值；
[0110]
车位长度确定单元3，用于根据所述多个预估车位长度和所述本车方向盘转角值生成特征量，输入预先训练好的随机森林模型，输出待定车位的长度；
[0111]
车位深度确定单元4，用于根据所述距离数据确定待定车位的深度；
[0112]
车位识别单元5，用于根据所述待定车位的长度和深度确定所述本车左侧或右侧
待定车位为可泊车位或不可泊车位。
[0113]
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0114]
需说明的是，实施例二所述系统与实施例一所述方法对应，因此，实施例二所述系统未详述部分可以参阅实施例一所述方法的内容得到，此处不再赘述。
[0115]
并且，实施例二所述所述自动泊车车位识别系统如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
[0116]
实施例三
[0117]
本发明实施例三提出一种计算机设备，包括：根据本发明实施例二所述自动泊车车位识别系统；或者，存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行根据本发明实施例一所述自动泊车车位识别方法的步骤。
[0118]
当然，所述计算机设备还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该计算机设备还可以包括其他用于实现设备功能的部件，在此不做赘述。
[0119]
示例性的，所述计算机程序可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述计算机设备中的执行过程。
[0120]
所述处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机设备的控制中心，利用各种接口和线路连接整个所述计算机设备的各个部分。
[0121]
所述存储器可用于存储所述计算机程序和/或单元，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或单元，以及调用存储在存储器内的数据，实现所述计算机设备的各种功能。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0122]
实施例四
[0123]
本发明实施例四提出一种汽车，包括实施例三所述的计算机设备、以及多个超声波传感器，所述多个超声波传感器分别设置于本车左右两侧，所述多个超声波传感器用于在自动泊车过程中检测本车与左右两侧障碍物的距离数据。
[0124]
优选地，本实施例中所述多个超声波传感器包括设置于本车前部左右两侧的第一长距超声波传感器和第二长距超声波传感器，以及设置于本车后部左右两侧的第三长距超
声波传感器和第四长距超声波传感器，且所述第一长距超声波传感器和第二长距超声波传感器关于本车中轴线左右对称，所述第三长距超声波传感器和第四长距超声波传感器关于本车中轴线左右对称。
[0125]
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。