一种自动泊车的车位识别方法及系统与流程

本发明涉及自动停车的
技术领域：
，特别是一种自动泊车的车位识别方法及系统。
背景技术：
：近几年，自动泊车系统(aps)在汽车市场上流行，但从整体的泊车功能上，实际上它远没有达到自动泊车的效果，只能说是一种辅助泊车系统。因为在泊车的过程中，驾驶员还必须参与到油门控制、车位识别等环节，也就是说整个泊车的过程中必须要有人的干预和监督。在基于自动驾驶技术的基础上，对整车实现真正的全自动泊车就成为了可能。在整个自动泊车的过程中，车位的识别是其关键的环节之一。它是车辆在驾驶过程中通过传感器收集障碍物的数据，确定障碍物的位置，从而判断是否有可停车的区域。就目前的自动泊车系统而言，要完全依靠车自身的传感器去识别车位，继而在此基础上完成完全无人干预的自动泊车技术是一个新的课题。在现有技术当中存在着很多不足与缺陷：(1)自动泊车的过程中，车位的寻找需要依靠驾驶员对车辆的操控，没有达到全过程自动控制的功能；(2)超声波传测距感器因为其波束角和数据不稳定，在检测障碍物时会带来很大的误差，车位识别率低。公开号为cn105946853a的发明申请公开了一种基于多传感器融合的长距离自动泊车的系统及方法，其中系统包括中央数据处理模块、路线规划模块、建图模块、泊车入库模块、通讯模块以及控制单元。所用传感器包括但不局限于：imu、车载环视相机、超声波雷达、双目相机。该系统比较复杂，需要在进入停车场之前绕行停车场一周并制作停车场三维地图后才能够进行泊车，使用不方便且使用设备较多，成本较高。公开号为cn103754219a的发明申请公开了一种多传感器信息融合的自动泊车系统，所述自动泊车系统包括超声波控制模块、图像处理模块、电子助力转向控制模块、车速控制模块以及整车控制模块，所述的超声波控制模块，可采集泊车车位以及周围障碍物与车辆之间的距离，实现车位识别功能；所述的图像处理模块，可采集车辆周围的泊车环境信息，并可在图像中调节虚拟车位，实现车位匹配功能；所述的电子助力转向控制模块，可根据轨迹信息实现对车辆的转向控制，实现轨迹控制功能；所述的车速控制模块，可控制车辆的行驶速度，实现车辆的低速控制功能；所述的整车控制模块可根据图像处理系统获取的车辆与车位之间的位置关系生成泊车轨迹，并产生相应的控制信号控制车辆完成泊车操作。该系统需要使用图像处理设备配合泊车，成本较高。技术实现要素：为了解决上述的技术问题，本发明提出了一种自动泊车的车位识别方法和系统，解决了在整个自动泊车的车位识别过程的自动化和在没有驾驶操作车辆的情况下完成车位识别和后续的自动泊车的问题。本发明的第一目的是提供一种自动泊车的车位识别方法，包括通过手机app连接车辆网络，还包括以下步骤：步骤1：寻找并前往合适的泊车空位；步骤2：使用泊车控制模块控制车辆自动进行挡位、方向和速度控制，进行泊车；步骤3：泊车完成，手机app显示泊车成功，断开车辆网络。优选的是，所述通过手机app连接车辆网络还包括在所述手机app上选择泊车方式。在上述任一方案中优选的是，所述步骤1包括以下子步骤：步骤01：使用轮速计或霍尔传感器获取车速，当车速小于第一车速阈值时，执行步骤02；步骤02：搜索泊车空位，并根据车位判断规则确定车位是否合适；步骤03：根据环境信息，规划出一条无碰安全的轨迹供车辆行驶；步骤04：使用轨迹跟踪算法跟踪轨迹规划的结果，车辆安全到达泊车位。在上述任一方案中优选的是，所述步骤01包括当车速大于等于第一车速阈值时，提醒驾驶员降低车速。在上述任一方案中优选的是，所述车位判断规则为使用超声波雷达确定泊车位长度和宽度，判断是否符合泊车条件。在上述任一方案中优选的是，在平行泊车条件下，所述泊车位长度lb的公式为：lb＝(t1-t2)×v，其中，t1为开始时间，t2为结束时间，v为车辆速度。在上述任一方案中优选的是，在垂直泊车条件下，所述泊车位宽度wb的公式为：wb＝(t1-t2)×v，其中，t1为开始时间，t2为结束时间，v为车辆速度。在上述任一方案中优选的是，所述车位判断规则为在平行泊车条件下，lb≥lc+la1,wb≥wc+wa1，表示车位可以进行泊车，其中，lc为车身长度，wc为车身宽度，la1为第一长度阈值，wa1为第一宽度阈值。在上述任一方案中优选的是，所述车位判断规则还为在垂直泊车条件下，lb≥lc+la2,wb≥wc+wa2，表示车位可以进行泊车，其中，la2为第二长度阈值，wa2为第二宽度阈值。在上述任一方案中优选的是，所述轨迹跟踪算法为采用线性滤波算法结合卡尔曼滤波算法对车辆轨迹进行跟踪。在上述任一方案中优选的是，所述线性滤波算法是指在空间中以稳定的速度运动的单目标的运动状态描述为x(k+1)＝φx(k)+v(k)，z(k)＝hx(k)+w(k)，其中，x(k)为状态向量，φ为状态转移矩阵，v(k)是均值为零、协方差矩阵为q的系统噪声(高斯白噪声)，z(k)为观测向量，h为观测转移矩阵，w(k)是均值为零，协方差矩阵为r的观测噪声。在上述任一方案中优选的是，所述卡尔曼滤波算法是指当目标的所述状态向量和所述观测向量分别表示为上述公式时，其时间更新方程为p(k|k-1)＝φp(k-1|k-1)φ+q，其中，p(k|k-1)代表一步预测误差协方差矩阵，p(k-1|k-1)是k-1时刻的状态估计误差协方差；测量更新方程为s(k)＝hp(k|k-1)h′+r，k(k)＝p(k|k-1)h′/s(k)，p(k|k)＝(1-k(k)h)p(k|k-1)，其中，s(k)为新息协方差，k(k)为卡尔曼增益矩阵,为k时刻最优估计值。在上述任一方案中优选的是，所述超声波传感器包括前后车位雷达和左右车位雷达。在上述任一方案中优选的是，所述前后车位雷达用于在泊车过程中对前后障碍物进行检测。在上述任一方案中优选的是，所述左右车位雷达用于停车位的检测。在上述任一方案中优选的是，所述步骤2包括将车辆停放在待泊车区域。在上述任一方案中优选的是，在平行泊车时，所述待泊车区域是指汽车车身距停车位外侧的距离dl1≤dl≤dl2的位置，其中dl表示汽车车身距停车位外侧的距离，dl1为第一长度距离阈值，dl2为第二长度距离阈值。在上述任一方案中优选的是，在垂直时，所述待泊车区域是指汽车车身距停车位外侧的距离dw1≤dw≤dw2的位置，其中dw表示汽车车身距停车位外侧的距离，dw1为第一长度距离阈值，dw2为第二长度距离阈值。在上述任一方案中优选的是，所述泊车控制模块具有如下功能：1)自动转向功能：自动控制方向盘转向；2)车速控制功能：自动控制车速，将车速v保持在v2-v3之间，其中，v2为第二车速阈值，v3为第三车速阈值；3)车速保持功能：保持车速稳定；4)系统失效功能：在泊车过程中，当驾驶员有操作动作时，退出泊车过程，并提示驾驶员接管车辆；5)主动避撞功能：防止车辆与障碍物发生碰撞、刮蹭。在上述任一方案中优选的是，所述操作动作包括向方向盘施加的扭矩≥a、踩刹车踏板和踩油门踏板中至少一种，其中，a为第一扭矩阈值。在上述任一方案中优选的是，所述步骤3包括根据泊车标准确定泊车是否完成。在上述任一方案中优选的是，所述泊车标准为在平行泊车条件下，车辆前后端距障碍物距离df和da均需大于等于dl3，汽车车身距车位线或障碍物的横向距离dl4≤h≤dl5，其中。dl3为第三长度距离阈值，dl4为第四长度距离阈值，dl5为第五长度距离阈值。在上述任一方案中优选的是，所述泊车标准为在垂直泊车条件下，泊车完成时，汽车车身距离左右障碍物距离dl和dr至少要大于等于dw3；车尾距障碍物的距离h≥dw4，其中，dw3为第三宽度距离阈值，dw4为第四宽度距离阈值。在上述任一方案中优选的是，在确保所述车尾距障碍物的距离h≥dw4的前提下，车头应与障碍物平齐。本发明的第二目的是提供一种自动泊车的车位识别方法，包括用于通过手机app连接车辆网络的网络模块，还包括以下模块：泊车位定位模块：寻找并前往合适的泊车空位；泊车控制模块：控制车辆自动进行挡位、方向和速度控制，进行泊车；泊车完成模块：泊车完成，手机app显示泊车成功，断开车辆网络。优选的是，所述网络模块还具有在所述手机app上选择泊车方式的功能。在上述任一方案中优选的是，所述泊车位定位模块包括如下子模块：车速获取模块：用于使用轮速计或霍尔传感器获取车速，当车速小于第一车速阈值时，启动车位寻找模块；车位寻找模块：用于搜索泊车空位，并根据车位判断规则确定车位是否合适；轨迹规划模块：根据环境信息，规划出一条无碰安全的轨迹供车辆行驶；轨迹跟踪模块：使用轨迹跟踪算法跟踪轨迹规划的结果，车辆安全到达泊车位。在上述任一方案中优选的是，所述车速获取模块具有当车速大于等于第一车速阈值时，提醒驾驶员降低车速的功能。在上述任一方案中优选的是，所述车位判断规则为使用超声波雷达确定泊车位长度和宽度，判断是否符合泊车条件。在上述任一方案中优选的是，在平行泊车条件下，所述泊车位长度lb的公式为：lb＝(t1-t2)×v，其中，t1为开始时间，t2为结束时间，v为车辆速度。在上述任一方案中优选的是，在垂直泊车条件下，所述泊车位宽度wb的公式为：wb＝(t1-t2)×v，其中，t1为开始时间，t2为结束时间，v为车辆速度。在上述任一方案中优选的是，所述车位判断规则为在平行泊车条件下，lb≥lc+la1,wb≥wc+wa1，表示车位可以进行泊车，其中，lc为车身长度，wc为车身宽度，la1为第一长度阈值，wa1为第一宽度阈值。在上述任一方案中优选的是，所述车位判断规则还为在垂直泊车条件下，lb≥lc+la2,wb≥wc+wa2，表示车位可以进行泊车，其中，la2为第二长度阈值，wa2为第二宽度阈值。在上述任一方案中优选的是，所述轨迹跟踪算法为采用线性滤波算法结合卡尔曼滤波算法对车辆轨迹进行跟踪。在上述任一方案中优选的是，所述线性滤波算法是指在空间中以稳定的速度运动的单目标的运动状态描述为x(k+1)＝φx(k)+v(k)，z(k)＝hx(k)+w(k)，其中，x(k)为状态向量，φ为状态转移矩阵，v(k)是均值为零、协方差矩阵为q的系统噪声(高斯白噪声)，z(k)为观测向量，h为观测转移矩阵，w(k)是均值为零，协方差矩阵为r的观测噪声。在上述任一方案中优选的是，所述卡尔曼滤波算法是指当目标的所述状态向量和所述观测向量分别表示为权利要求11中所示公式时，其时间更新方程为p(k|k-1)＝φp(k-1|k-1)φ+q，其中，p(k|k-1)代表一步预测误差协方差矩阵，p(k-1|k-1)是k-1时刻的状态估计误差协方差；测量更新方程为s(k)＝hp(k|k-1)h′+r，k(k)＝p(k|k-1)h′/s(k)，p(k|k)＝(1-k(k)h)p(k|k-1)，其中，s(k)为新息协方差，k(k)为卡尔曼增益矩阵,为k时刻最优估计值。在上述任一方案中优选的是，所述超声波传感器包括前后车位雷达和左右车位雷达。在上述任一方案中优选的是，所述前后车位雷达用于在泊车过程中对前后障碍物进行检测。在上述任一方案中优选的是，所述左右车位雷达用于泊车位的检测。在上述任一方案中优选的是，所述泊车位定位模块具有将车辆停放在待泊车区域的功能。在上述任一方案中优选的是，平行泊车时，所述待泊车区域是指汽车车身距停车位外侧的距离dl1≤dl≤dl2的位置，其中dl表示汽车车身距停车位外侧的距离，dl1为第一长度距离阈值，dl2为第二长度距离阈值。在上述任一方案中优选的是，在垂直时，所述待泊车区域是指汽车车身距停车位外侧的距离dw1≤dw≤dw2的位置，其中dw表示汽车车身距停车位外侧的距离，dw1为第一长度距离阈值，dw2为第二长度距离阈值。在上述任一方案中优选的是，所述泊车控制模块具有如下功能：1)自动转向功能：自动控制方向盘转向；2)车速控制功能：自动控制车速，将车速v保持在v2-v3之间，其中，v2为第二车速阈值，v3为第三车速阈值；3)车速保持功能：保持车速稳定；4)系统失效功能：在泊车过程中，当驾驶员有操作动作时，退出泊车过程，并提示驾驶员接管车辆；5)主动避撞功能：防止车辆与障碍物发生碰撞、刮蹭。在上述任一方案中优选的是，所述操作动作包括向方向盘施加的扭矩≥a、踩刹车踏板和踩油门踏板中至少一种，其中，a为第一扭矩阈值。在上述任一方案中优选的是，所述泊车完成模块具有根据泊车标准确定泊车是否完成的功能。在上述任一方案中优选的是，所述泊车标准为在平行泊车条件下，车辆前后端距障碍物距离df和da均需大于等于dl3，汽车车身距车位线或障碍物的横向距离dl4≤h≤dl5，其中。dl3为第三长度距离阈值，dl4为第四长度距离阈值，dl5为第五长度距离阈值。在上述任一方案中优选的是，所述泊车标准为在垂直泊车条件下，泊车完成时，汽车车身距离左右障碍物距离dl和dr至少要大于等于dw3；车尾距障碍物的距离h≥dw4，其中，dw3为第三宽度距离阈值，dw4为第四宽度距离阈值。在上述任一方案中优选的是，在确保所述车尾距障碍物的距离h≥dw4的前提下，车头应与障碍物平齐。本发明提供的自动泊车的车位识别方法，让自动泊车过程都是无人驾驶的自动状态，驾驶员只需要将车停在车位附近，车辆通过超声波测距传感器和激光测距传感器融合检测车位。驾驶员在泊车之前就可下车，整个泊车过程都交给车自己完成。附图说明图1为按照本发明的自动泊车的车位识别方法的一优选实施例的流程图。图2为按照本发明的自动泊车的车位识别系统的一优选实施例的的模块结构图。图3为按照本发明的自动泊车的车位识别系统的另一优选实施例的系统结构图。图4为按照本发明的自动泊车的车位识别系统的超声波雷达的一实施例的安装位置图。图5为按照本发明的自动泊车的车位识别系统的实际应用的一实施例的自动车位识别系统信号图。图5a为按照本发明的自动泊车的车位识别系统的如图5所示实施例的超声波雷达实时数据图。图5b为按照本发明的自动泊车的车位识别系统的如图5所示实施例的激光测距模块实时数据图。图5c为按照本发明的自动泊车的车位识别系统的如图5所示实施例的车位识别数据反馈图。具体实施方式下面结合附图和具体的实施例对本发明做进一步的阐述。实施例一如图1、图2所示，执行步骤100，驾驶员在手机上启动自动泊车系统，通过网络模块200连接车辆。顺序执行步骤110和步骤111，选择泊车方式并判断是否完成方式选择。如果未完成泊车方式选择，则重新执行步骤110。如果完成泊车方式选择，则执行步骤120，通过车位寻找模块212根据车位判断规则寻找合适的车位，在寻找过程中通过车速获取模块211控制车辆慢速行驶，车速小于20km/h时，系统开始搜索车位；车速大于等于20km/h时，系统提示驾驶员减速行驶。车位判断规则为使用超声波雷达确定泊车位长度和宽度，在平行泊车条件下，所述泊车位长度lb的公式为：lb＝(t1-t2)×v，其中，t1为开始时间，t2为结束时间，v为车辆速度；在垂直泊车条件下，所述泊车位宽度wb的公式为：wb＝(t1-t2)×v，其中，t1为开始时间，t2为结束时间，v为车辆速度。车位判断规则还为判断是否符合泊车条件，在平行泊车条件下，lb≥lc+la1,wb≥wc+wa1，表示车位可以进行泊车，其中，lc为车身长度，wc为车身宽度，la1(第一长度阈值)＝2.0m，wa1(第一宽度阈值)＝0.6m；在垂直泊车条件下，lb≥lc+la2,wb≥wc+wa2，表示车位可以进行泊车，其中，la2(第二长度阈值)＝0.5m，wa2(第二宽度阈值)＝1.0m。执行步骤121，判断是否找到合适的车位。如果未找到合适的车位，则执行步骤120，继续寻找合适的车位。如果找到了合适的车位，则执行步骤130，使用轨迹规划模块213生成泊车轨迹并在轨迹跟踪模块214使用轨迹跟踪算法跟踪轨迹规划的结果。轨迹跟踪算法为采用线性滤波算法结合卡尔曼滤波算法对车辆轨迹进行跟踪。线性滤波算法是指在空间中以稳定的速度运动的单目标的运动状态描述为x(k+1)＝φx(k)+v(k)，z(k)＝hx(k)+w(k)，其中，x(k)为状态向量，φ为状态转移矩阵，v(k)是均值为零、协方差矩阵为q的系统噪声(高斯白噪声)，z(k)为观测向量，h为观测转移矩阵，w(k)是均值为零，协方差矩阵为r的观测噪声；卡尔曼滤波算法是指当目标的所述状态向量和所述观测向量分别表示为权利要求11中所示公式时，其时间更新方程为p(k|k-1)＝φp(k-1|k-1)φ+q，其中，p(k|k-1)代表一步预测误差协方差矩阵，p(k-1|k-1)是k-1时刻的状态估计误差协方差；测量更新方程为s(k)＝hp(k|k-1)h′+r，k(k)＝p(k|k-1)h′/s(k)，p(k|k)＝(1-k(k)h)p(k|k-1)，其中，s(k)为新息协方差，k(k)为卡尔曼增益矩阵,为k时刻最优估计值。执行步骤140，挂入倒挡，使用泊车控制模块220开始泊车。执行步骤150，判断是否挂入倒挡。如果没有挂入倒挡，则重新执行步骤140。如果已经挂入倒挡，同时执行步骤154和步骤155，进行角度控制和距离控制。在平行泊车时，所述待泊车区域是指汽车车身距停车位外侧的距离dl1≤dl≤dl2的位置，其中dl表示汽车车身距停车位外侧的距离，dl1(第一长度距离阈值)＝0.5m，dl2(第二长度距离阈值)＝1.8m；在垂直时，所述待泊车区域是指汽车车身距停车位外侧的距离dw1≤dw≤dw2的位置，其中dw表示汽车车身距停车位外侧的距离，dw1(第一长度距离阈值)＝0.5m，dw2(第二长度距离阈值)＝2.0m。执行步骤160，判断车辆停放位置时是否已经满足角度和距离控制：在平行泊车条件下，车辆前后端距障碍物距离df和da均需大于等于dl3，汽车车身距车位线或障碍物的横向距离dl4≤h≤dl5，其中。dl3(第三长度距离阈值)＝0.4m，dl4(第四长度距离阈值)＝0.2m，dl5(第五长度距离阈值)＝0.4m；在垂直泊车条件下，泊车完成时，汽车车身距离左右障碍物距离dl和dr至少要大于等于dw3；车尾距障碍物的距离h≥dw4，其中，dw3(第三宽度距离阈值)＝0.3m，dw4(第四宽度距离阈值)＝0.3m，在确保车尾距障碍物的距离h≥0.3m的前提下，车头应与障碍物平齐(若两边的障碍物长度不等，以较短侧障碍物为基准)。如果车辆不满足角度条件，则执行步骤154，重新调整角度；如果车辆满足距离条件，则执行步骤155，重新调整距离。如果车辆满足角度和距离控制条件，执行步骤161，方向盘回正，泊车结束。序执行步骤170和步骤180，停止车辆，并按照提示退出系统。在执行步骤154和步骤155的同时，并行执行步骤151、步骤152和步骤153，判断在自动泊车的过程中，是否有脚踩刹车踏板、脚踩油门踏板和触碰方向盘(驾驶员向方向盘施加的扭矩≥4n*m)中至少一种动作。如果没有上述动作，则继续自动泊车。如果有上述至少一种动作，则顺序执行步骤170和步骤180，停止车辆，并按照提示退出系统。实施例二本发明需要解决的问题：1、解决在整个自动泊车的车位识别过程的自动化，在没有驾驶操作车辆的情况下完成车位识别和后续的自动泊车。2、利用超声波测距传感器和激光测距传感器的融合，对障碍物以及障碍物的边缘进行检测，使得车位的识别达到100％。发明目的：让自动泊车过程都是无人驾驶的自动状态，驾驶员只需要将车停在车位附近，车辆通过超声波测距传感器和激光测距传感器融合检测车位。驾驶员在泊车之前就可下车，整个泊车过程都交给车自己完成。本申请的技术手段为：超声波测距和激光测距的联合使用，利用超声波测距在不同环境下的稳定性和激光测距在边缘检测的准确性，确定车辆侧边的障碍物以及障碍我的具体位置。在目前市场上安装的障碍物检测模块中仅仅使用了超声波模块，并且在障碍物识别时仅仅探测车辆前方和后侧的障碍物达到辅助泊车的目的。在自动泊车的障碍物识别上，超声波雷达除了前后安装用来检测障碍物外，在车的侧边同时装有长距超声波雷达和激光测距模块。常规的超声波雷达在其探测范围上是不定的，它发出的超声波呈圆锥状，它只能确定在某一个范围内有障碍物，并且在实际环境中没有固定的补偿系数来确定障碍物的具体位置。激光测距模块发射的是激光点，激光点和模块间为直线接收，所以它在测距的时候不会带来波束角的误差。特别是在障碍物边缘检测时，误差较小，在车辆低速的情况下，能完全满足车位识别的需求。本申请的工作原理如下：车辆从停止位置向前低速运动，并开始检测车位。一下四种情况满足停车位的要求：一、车辆向前运行了一个车位的距离后，探测到侧边没有障碍物，视为无障碍物泊车。无障碍物泊车利用的是超声波雷达对障碍物检测的原理，在车辆向前运动过程中，超声波雷达始终都没有检测到障碍物。车辆将其起始位置(超声波雷达所在的位置)作为停车位的一个边缘。将位移计统计的一个车位距离的另一侧作为停车位的另一个边缘。二、车辆向前运行的过程中，在不满足停车位距离的情况下探测到障碍物，在超越障碍物一个车位距离后没有探测到障碍物，视为后向有障碍物泊车。后向有障碍物泊车是通过超声波雷达探测障碍物以及激光测距模块识别障碍物边缘的原理实现的，在车辆向前运动的过车中超声波雷达探测到有障碍物，这时要启动激光测距模块的道路边缘检测，也就是需要知道障碍物在何时结束，同时将障碍物的边缘作为泊车为的一个边缘。在车辆向前运动一个车位后，将其定位为泊车为的另一个边缘。三、车辆向前运行一个车位的过程中，没有探测到障碍物，但在运行一个车位的距离后探测到障碍物的存在，视为前向有障碍物泊车。前向有障碍物泊车的车位检测过程中，车辆经过无障碍物区域，超声波雷达检测到前向的障碍物，并利用激光测距模块确定前向障碍物的边缘，将其作为泊车位的一个边缘。在此边缘的基础上，将其在无障碍区域向后推一个车位的距离作为另一个泊车位的边缘。四、车辆在向前运行的过程中，在不满足停车位距离的情况下探测到第一个障碍物，在超越障碍物一个车位距离后探测到第二个障碍，视为前后向有障碍物泊车。前后向有障碍物泊车的原理则是利用车辆在前进的过程中，将泊车位后的障碍物边缘做泊车位的一个边缘，将泊车位前的障碍物边缘作为泊车位的另一个边缘。实施例三全自动泊车系统关键技术的具体技术指标要求如下：一、具有自动搜索车位的功能。①当驾驶员需要泊车时，驾驶员按下泊车按钮，系统启动，系统根据车速做出判断：车速小于20km/h时，系统开始搜索车位，搜索到可泊车车位时，系统提示驾驶员刹车并确认是否泊车；车速大于等于20km/h时，系统提示驾驶员减速行驶。②泊车位识别准确率不低于90％。③在平行泊车条件下，系统能够识别的泊车位：l≥车身长度+2.0m,0.6m+车身宽度≤w,能够完成泊车。④在垂直泊车条件下，系统能够识别的泊车位：l≥车身长度+0.5m，w≥车身宽度+1.0m，能够完成泊车。二、具有基于整车参数的路径规划功能。在车位检测完成后，系统规划出无碰路径三、具有基于路径规划的轨迹跟随功能。①在平行泊车条件下，在待泊车区域，汽车车身距停车位外侧的距离0.5m≤d≤1.8m，可进行泊车操作。②在垂直泊车条件下，在待泊车区域，汽车与障碍车辆横向距离为0.5m≤d≤2.0m，可进行泊车操作。③在平行泊车条件下，泊车完成时，汽车前后端距障碍物距离df和dr均需大于等于0.4m，汽车车身距车位线或障碍物的横向距离0.2m≤h≤0.4m。④在垂直泊车条件下，泊车完成时，汽车车身距离左右障碍物距离dl和dr均需0.3m；车尾距障碍物的距离h≥0.3m，在确保车尾距障碍物的距离h≥0.3m的前提下，车头应与障碍物平齐(若两边的障碍物长度不等，以较短侧障碍物为基准)。⑤泊车完成时，系统控制方向盘回正，提示驾驶员驻车、熄火。四、具有方向自动控制功能。在泊车过程中，系统自动控制方向盘转向五、具有车速自动控制功能。①在泊车过程中，车速应控制在2km/h-8km/h之间。②在泊车过程中，系统自动控制车速。③在泊车过程中，车速需保持稳定，泊车过程流畅。六、具有系统失效功能。①在泊车过程中，驾驶员向方向盘施加的扭矩≥4n*m，系统对车辆进行制动操作，退出泊车过程，并提示驾驶员接管车辆。②在泊车过程中，驾驶员踩刹车踏板，系统退出泊车过程，并提示驾驶员接管车辆。七、具有主动避撞功能。在整个泊车过程中，车辆不能与障碍物发生碰撞、刮蹭。车辆具备自主停障避撞的功能实施例四系统软件组成如下：1)基于超声波的车位识别算法：利用加装于车身的超声波传感器，检测可供车辆停泊的车位。2)基于环视系统的车位识别算法：利用加装于车身的全景环视系统，检测车位线，检测可供车辆停泊的车位。3)车位识别融合算法：根据超声波传感器和环视系统共同提供的数据信息进行车位检测，提高车位识别的准确率以及车位识别的适应度。4)车身信息获取：利用车身可以提供的信息结合外加传感器获取车身速度等信息。5)轨迹规划算法：根据环境信息，规划出一条无碰安全的轨迹供车辆行驶6)轨迹跟踪算法：有效的跟踪轨迹规划的结果，实现车辆安全的到达泊车位。7)车载显控：显示车辆信息和程序调试数据，用于其他算法程序的调试，以及实际车辆测试效果的显示。8)手机app：实现app对整个系统的控制。控制行为包括：启动泊车系统；选择泊车方式；终止自动泊车。实施例五如图3所示。自动泊车系统硬件主要包括超声波传感器301(超声波传感器系统)、环视摄像头302(环视摄像头系统)、轮速计303、里程计304、英伟达tk1开发板320、mcu控制器330等，分别与用户手中的交互触摸屏310、汽车上的转向系统340和制动系统341相连。一、英伟达tk1开发板320。功能：以英伟达tk1开发板作为自动泊车系统的主控制器，在英伟达tk1开发板上搭建基于ubantu14.04的ros开发环境，基于ros进行车位识别算法、车位识别的融合算法、轨迹生成算法以及轨迹跟踪算法的开发，并与手机app实现基于zmq的通信。二、mcu控制器330。型号：mc9s12xep100，功能：串口接收主控制器英伟达tk1发送的数据，转换成can信息发送给底层执行控制器。mcu系统主要资源如下表所示。接口rs232串口mscangpioiic12v电源gndda输出通道/路1271222三、车身信息获取。对于车身信息的获取拟采用两种方案：①可以直接利用现有的gps/imu设备提供车身速度和姿态信息，辅助进行车位检测算法和路径规划算法的实验和研究；②利用型号为wpt700的轮速计303或霍尔传感器获取车速，利用型号为measgy407d的陀螺仪获取车辆姿态，从而向系统提供车身信息(具体传感器型号仍需继续确认)。四、超声波传感器301。超声波雷达系统组成：超声波系统拟采用由前后8个pdc(parkingdistacnecontrol停车距离控制系统)sensor，左右4个apa(automaticparkingassitance自动泊车系统)sensor共同组成，从而实现对车身的全覆盖，安装位置如图4所示，灰色点为pdc(parkingdistacnecontrol停车距离控制系统)sensor，黑色点为apa(automaticparkingassitance自动泊车系统)sensor。功能：侧边apasensor主要用于停车位的检测，前后pdcsensor主要用于泊车过程中，前后障碍物的检测，实现车辆的停障避撞。超声波雷达的要求：apasensor：侧方检测车位雷达，探测距离较远，最小探测距离需达3.5m。pdcsensor：倒车辅助障碍物检测雷达，探测距离稍近，最小探测距离需达1m。型号：超声波传感器的具体型号目前暂定东荣电子的超声波雷达。用户手中的交互触摸屏310可以是智能手机、平板电脑、笔记本电脑、pda等带有网络功能的智能设备。实施例六在北汽ev260新能源汽车上实现的自动车位识别：1.对汽车的改造(如图5所示)。汽车改造主要包括刹车和转向的改造，使得车辆能通过控制器进行线控。油门、档位、车速的获取可以从本身的车身can上获取。改造的目的是使得车辆在速度、档位、转向上可以被控制。2.传感器的安装。超声波雷达安装有12个，其中前向4个，后向4个，侧向各2个。侧向的两个分别安装在前轮和后轮中心的正上方。激光测距模块安装有2个，分别安装在两个前轮中轴线正上方的位置。3.车位识别障碍物的检测(如图5a所示)。车位识别中，障碍物的检测是通过超声波传感器来完成的，前后向雷达为短距，主要用作紧急避障。侧向雷达为长距，主要用作侧边障碍物的检测。4.车位识别障碍物边缘的检测(如图5b所示)。车位识别中，障碍物边缘的检测是通过机关测距模块来完成的，在障碍物有到没有，或者是没有到有的过程都会引起传感器的跳变，捕捉距离的跳变，同过对位移的推算就能确定跳变边缘的位置。5.车位识别结果的反馈(如图5c所示)。通过车辆在自动前行过程中收集到的数据，判定车位的位置，形成车位信息，反馈到自动泊车控制系统。当前第1页12