【技術實現步驟摘要】
本專利技術涉及智能泊車，尤其涉及一種城市道路停車位智能泊車方法、系統、設備及可存儲介質。
技術介紹
1、目前行業內的自動泊車技術，都是基于軌跡規劃，軌跡跟蹤，或者車位線識別，然而，隨著城市道路車輛增多，城市路況日益復雜，以及駕駛員的駕駛水平參差不齊，很多車輛的停車操作并沒有保證規范和安全，很多車輛停車時因為上述情況，或者城市交通設施不完善的路況，并沒有嚴格按照車位線來進行停車動作，如果自動駕駛車輛還按照規范的停車位識別方式，檢測到符合要求的車位才進行自動泊車操作的話，將會導致大量本能夠停車但又不夠規范的停車位被浪費掉，也會造成駕駛員時間上的浪費，而針對于非標準化的停車位，目前行業內的自動泊車方式都無法做到安全高效。
技術實現思路
1、有鑒于此，本專利技術提出一種城市道路停車位智能泊車方法、系統、設備及可存儲介質，可以解決現有技術所存在的針對非標準化停車位無法做到安全高效自動泊車的缺陷。
2、本專利技術的技術方案是這樣實現的：
3、一種城市道路停車位智能泊車方法，具體包括：
4、依據軌跡識別算法，識別出城市道路的停車空間；
5、依據停車空間，獲取車輛和車位的狀態信息；
6、基于td3算法對車輛和車位的狀態信息進行處理，得到停車方案；
7、依據停車方案進行泊車，從而實現城市道路停車位的智能泊車。
8、作為所述城市道路停車位智能泊車方法的進一步可選方案，所述依據軌跡識別算法，識別出城市道路的停車空間，具體
9、基于psdet目標檢測算法，獲取當前車輛的目標停車空間；
10、基于單目視覺slam建圖，得到目標停車空間的鳥瞰圖；
11、依據所述目標停車空間的鳥瞰圖，確定當前車輛在目標停車空間下的坐標；
12、依據車輛的超聲波雷達測距，確定目標停車空間的最大可用面積；
13、對目標停車空間的障礙物進行識別，得到城市道路的停車空間。
14、作為所述城市道路停車位智能泊車方法的進一步可選方案，所述對目標停車空間的障礙物進行識別和定位，具體包括：
15、依據視覺傳感器采集目標停車空間的障礙物圖像信息；
16、依據目標檢測網絡對障礙物圖像信息進行識別，識別障礙物類別和體積，若目標檢測網絡無法判斷障礙物類型，則由超聲波雷達進行距離判斷，通過超聲波雷達返回的距離信息，結合障礙物在圖片上的大小，進行類別以及體積的估算。
17、作為所述城市道路停車位智能泊車方法的進一步可選方案，所述依據停車空間，獲取車輛和車位的狀態信息，具體包括：
18、以停車空間的幾何中心為原點，建立平面直角坐標系；
19、以車輛的幾何中心為圓心，確定檢測區域；
20、依據超聲波雷達對檢測區域的實體障礙物進行檢測，依據視覺傳感器對檢測區域的車道線和車位線進行檢測；
21、依據平面直角坐標系，確定車輛、實體障礙物、車道線和車位線的坐標信息。
22、作為所述城市道路停車位智能泊車方法的進一步可選方案，所述基于td3算法對車輛和車位的狀態信息進行處理，得到停車方案，具體包括：
23、基于critic神經網絡對車輛和車位的狀態信息進行計算，得到車輛和車位的狀態值；
24、將車輛和車位的狀態值輸入至actor神經網絡中進行處理，得到車輛的轉向角和加速度，從而確定出停車方案。
25、作為所述城市道路停車位智能泊車方法的進一步可選方案，所述actor神經網絡確定出停車方案，將停車方案存儲至經驗池中，當actor神經網絡更新后，使用經驗池中的停車方案對critic神經網絡進行訓練更新，并用m均方差誤差作為訓練更新的loss函數。
26、作為所述城市道路停車位智能泊車方法的進一步可選方案，所述actor神經網絡的構建具體包括：
27、獲取仿真環境狀態集合、車輛動作集合、狀態轉移概率、單步停車決策得到的獎勵值和衰減率；
28、基于所述仿真環境狀態集合、車輛動作集合、狀態轉移概率、單步停車決策得到的獎勵值和衰減率進行訓練，構建出actor神經網絡。
29、一種城市道路停車位智能泊車系統，包括：
30、識別模塊，用于依據軌跡識別算法，識別出城市道路的停車空間；
31、獲取模塊，用于依據停車空間，獲取車輛和車位的狀態信息；
32、處理模塊，用于基于td3算法對車輛和車位的狀態信息進行處理，得到停車方案；
33、執行模塊，用于依據停車方案進行泊車，從而實現城市道路停車位的智能泊車。
34、一種計算設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述任意一項城市道路停車位智能泊車方法的步驟。
35、一種計算機可讀存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現上述任意一項城市道路停車位智能泊車方法的步驟。
36、本專利技術的有益效果是：通過依據軌跡識別算法，識別出城市道路的停車空間，依據停車空間，獲取車輛和車位的狀態信息，基于td3算法對車輛和車位的狀態信息進行處理，得到停車方案，能夠對標準以及非標準化的停車位進行泊車動作，一方面解決大量不夠規范的停車位被浪費的問題，另外也能保證泊車動作的安全可靠。
本文檔來自技高網...【技術保護點】
1.一種城市道路停車位智能泊車方法，其特征在于，具體包括：
2.根據權利要求1所述的一種城市道路停車位智能泊車方法，其特征在于，所述依據軌跡識別算法，識別出城市道路的停車空間，具體包括：
3.根據權利要求2所述的一種城市道路停車位智能泊車方法，其特征在于，所述對目標停車空間的障礙物進行識別和定位，具體包括：
4.根據權利要求3所述的一種城市道路停車位智能泊車方法，其特征在于，所述依據停車空間，獲取車輛和車位的狀態信息，具體包括：
5.根據權利要求4所述的一種城市道路停車位智能泊車方法，其特征在于，所述基于TD3算法對車輛和車位的狀態信息進行處理，得到停車方案，具體包括：
6.根據權利要求5所述的一種城市道路停車位智能泊車方法，其特征在于，所述Actor神經網絡確定出停車方案，將停車方案存儲至經驗池中，當Actor神經網絡更新后，使用經驗池中的停車方案對Critic神經網絡進行訓練更新，并用M均方差誤差作為訓練更新的Loss函數。
7.根據權利要求6所述的一種城市道路停車位智能泊車方法，其特征在于，所述Acto
8.一種城市道路停車位智能泊車系統，其特征在于，包括：
9.一種計算設備，其特征在于，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現權利要求1-7中任意一項城市道路停車位智能泊車方法的步驟。
10.一種計算機可讀存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-7中任意一項城市道路停車位智能泊車方法的步驟。
...【技術特征摘要】
1.一種城市道路停車位智能泊車方法，其特征在于，具體包括：
2.根據權利要求1所述的一種城市道路停車位智能泊車方法，其特征在于，所述依據軌跡識別算法，識別出城市道路的停車空間，具體包括：
3.根據權利要求2所述的一種城市道路停車位智能泊車方法，其特征在于，所述對目標停車空間的障礙物進行識別和定位，具體包括：
4.根據權利要求3所述的一種城市道路停車位智能泊車方法，其特征在于，所述依據停車空間，獲取車輛和車位的狀態信息，具體包括：
5.根據權利要求4所述的一種城市道路停車位智能泊車方法，其特征在于，所述基于td3算法對車輛和車位的狀態信息進行處理，得到停車方案，具體包括：
6.根據權利要求5所述的一種城市道路停車位智能泊車方法，其特征在于，所述actor神經網絡確定出停車方...
【專利技術屬性】
技術研發人員：胡勇，馬屈楊，張應坤，郭長帥，陳銳坤，張林飛，朱家寶，黃云壇，高良松，
申請(專利權)人：廣東科學技術職業學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。