車輛和車輛停車系統(tǒng)的制作方法
【專利摘要】本公開涉及一種車輛和車輛停車系統(tǒng)。提供一種車輛。所述車輛包括：相機(jī)和控制器，相機(jī)被配置為檢測停車位中的目標(biāo)物體，控制器被配置為：響應(yīng)于相機(jī)檢測到目標(biāo)物體的存在，基于所述車輛的橫擺角和到目標(biāo)物體的距離將車輛駛?cè)胪＼囄恢小Ｋ龅侥繕?biāo)物體的距離基于表示目標(biāo)物體的邊界的向量。
【專利說明】
車輛和車輛停車系統(tǒng)
技術(shù)領(lǐng)域
[0001 ]本公開設(shè)及車輛和停放車輛的方法。
【背景技術(shù)】
[0002] 車輛可包括自動停車系統(tǒng)，其中，自動停車系統(tǒng)能夠不依賴于來自人工控制件(例 如，方向盤、加速器踏板、制動器踏板等)的駕駛員輸入來停放車輛。

【發(fā)明內(nèi)容】

[0003] 提供一種停放車輛的方法。所述方法包括:使用相機(jī)來檢測停車位中的目標(biāo)物體； 基于目標(biāo)物體和相機(jī)的視場的垂直面之間的角度W及從相機(jī)到目標(biāo)物體的距離，將車輛駛 入停車位中。從相機(jī)到目標(biāo)物體的距離基于表示目標(biāo)物體的邊界的向量。
[0004] 提供一種車輛。所述車輛包括:相機(jī)和控制器，相機(jī)被配置為檢測停車位中的目標(biāo) 物體，控制器被配置為：響應(yīng)于相機(jī)檢測到目標(biāo)物體的存在，基于所述車輛的橫擺角和到目 標(biāo)物體的距離將所述車輛駛?cè)胪＼囄恢小５侥繕?biāo)物體的距離基于表示目標(biāo)物體的邊界的向 量。
[0005] 根據(jù)本發(fā)明，提供一種車輛，所述車輛包括:相機(jī)，被配置為檢測停車位中的目標(biāo) 物體;控制器，被配置為：響應(yīng)于相機(jī)檢測到目標(biāo)物體的存在，基于車輛的橫擺角和到目標(biāo) 物體的距離將車輛駛?cè)胪＼囄恢?，所述距離基于表示目標(biāo)物體的邊界的向量。
[0006] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述向量基于所述邊界的第一段的水平投影和目標(biāo)物 體的扭曲。
[0007] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述距離還基于所述向量和所述水平投影之間的角 度。
[000引根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述距離還基于目標(biāo)物體在相機(jī)的視場中的位置。
[0009] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述扭曲基于相機(jī)檢測到的目標(biāo)物體的幾何中屯、和預(yù) 期的目標(biāo)物體的幾何中屯、。
[0010] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述預(yù)期的幾何中屯、基于所述邊界的第二段。
[0011] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述橫擺角為目標(biāo)物體和相機(jī)的視場的垂直面之間的 角度。
[0012] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，相機(jī)面向車輛的前端。
[OOU]提供一種車輛。所述車輛包括:相機(jī)和控制器，相機(jī)被配置為輸出指示在停車位中 目標(biāo)物體的存在的信號，控制器與相機(jī)進(jìn)行通信。控制器被配置為：響應(yīng)于從相機(jī)接收到指 示目標(biāo)物體的存在的信號，基于目標(biāo)物體和相機(jī)的視場的垂直面之間的角度W及從相機(jī)到 目標(biāo)物體的距離，將車輛駛?cè)胪＼囄恢?。從相機(jī)到目標(biāo)物體的距離基于表示目標(biāo)物體的邊 界的向量、表示目標(biāo)物體的邊界的向量和目標(biāo)物體的邊界的第一段的水平投影之間的角 度、W及目標(biāo)物體在相機(jī)的視場中的位置。
[0014]根據(jù)本發(fā)明，提供一種車輛，所述車輛包括:相機(jī)，被配置為輸出指示在停車位中 目標(biāo)物體的存在的信號;控制器，與相機(jī)進(jìn)行通信，并且被配置為:響應(yīng)于接收到所述信號， 基于從相機(jī)到目標(biāo)物體的距離W及目標(biāo)物體和相機(jī)的視場的垂直面之間的角度，將車輛駛 入停車位中，所述距離基于表示目標(biāo)物體的邊界的向量、所述向量和所述邊界的第一段的 水平投影的角度、W及目標(biāo)物體在所述視場中的位置。
[0015] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述向量基于所述水平投影和目標(biāo)物體的扭曲。
[0016] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述扭曲基于相機(jī)檢測到的目標(biāo)物體的幾何中屯、和預(yù) 期的目標(biāo)物體的幾何中屯、。
[0017] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述預(yù)期的目標(biāo)物體的幾何中屯、基于所述邊界的第二 段。
[0018] 根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述目標(biāo)物體和相機(jī)的視場的垂直面之間的角度是車 輛的橫擺角。
【附圖說明】
[0019] 圖1是示出車輛相對于停車位的俯視圖的示意圖；
[0020] 圖2示出了安裝到車輛上的相機(jī)的視場W及在相機(jī)的視場中檢測到的目標(biāo)物體； [0021 ]圖3示出了相機(jī)的視場中的目標(biāo)物體的特寫，所述特寫設(shè)及相機(jī)檢測到的目標(biāo)物 體的幾何中屯、和預(yù)期的目標(biāo)物體的幾何中屯、；
[0022] 圖4示出了相機(jī)的視場中的目標(biāo)物體的另一特寫，所述另一特寫設(shè)及表示目標(biāo)物 體的實(shí)際邊界的向量和表示目標(biāo)物體沿X軸的投影邊界的向量；
[0023] 圖5示出了使用回歸分析來確定從相機(jī)到目標(biāo)物體的距離的方法；
[0024] 圖6示出了用于當(dāng)在停車位中檢測到目標(biāo)物體時(shí)停放車輛的方法。
【具體實(shí)施方式】
[0025] 在此描述了本公開的實(shí)施例。然而，將理解的是，所公開的實(shí)施例僅是示例，并且 其它實(shí)施例可W采用各種替代形式。附圖無需按比例繪制；一些特征會可被夸大或最小化 W示出特定組件的細(xì)節(jié)。因此，在此公開的具體結(jié)構(gòu)和功能細(xì)節(jié)不應(yīng)被解釋為具有限制性， 而僅作為用于教導(dǎo)本領(lǐng)域的技術(shù)人員W多種方式利用本發(fā)明的代表性基礎(chǔ)。如本領(lǐng)域技術(shù) 人員將理解的，參考任一附圖示出和描述的各種特征可W與在一個(gè)或更多個(gè)其它附圖中示 出的特征組合，W產(chǎn)生未被明確示出或描述的實(shí)施例。示出的特征的組合提供用于典型應(yīng) 用的代表性實(shí)施例。然而，可期望與本公開的教導(dǎo)一致的特征的各種組合和變型用于特定 的應(yīng)用或?qū)嵤┓绞健?br>[0026] 參照圖1，示出了車輛10相對于停車位12的俯視圖。車輛10可包括相機(jī)14,其中，相 機(jī)14被配置為檢測位于停車位12中的目標(biāo)物體16。相機(jī)14還可被配置為產(chǎn)生指示目標(biāo)物體 16的存在W及與目標(biāo)物體16的存在相關(guān)的信息的輸出信號。相機(jī)14可W是任何類型的相 機(jī)，但是優(yōu)選地，相機(jī)14可W是數(shù)碼相機(jī)。盡管相機(jī)14被示出為背對車輛10的前端，但是相 機(jī)14可被改變位置為背對車輛10的后端。相機(jī)14可與控制器18進(jìn)行通信，控制器18被配置 為響應(yīng)于從相機(jī)14接收到指示目標(biāo)物體的存在的信號，基于橫擺角0(橫擺角0是目標(biāo)物體 16和相機(jī)的視場的垂直面之間的角度m及從相機(jī)14到目標(biāo)物體16的距離而將車輛10駛?cè)?停車位12中。第一向量20可表示相機(jī)的視場的垂直面，第二向量22可表示從相機(jī)14到目標(biāo) 物體16的距離。
[0027] 雖然控制器18被示出為一個(gè)控制器，但是控制器18可W是更大的控制系統(tǒng)的一部 分，并且可由整個(gè)車輛10中的各種其它控制器(諸如車輛的系統(tǒng)控制器(VSC))來控制。因 此，應(yīng)當(dāng)理解的是，控制器18和一個(gè)或更多個(gè)其它控制器可被統(tǒng)稱為控制車輛10的多種功 能的"控制器"和/或響應(yīng)于來自多種傳感器的信號的致動器?？刂破?8可包括與各種類型 的計(jì)算機(jī)可讀存儲裝置和介質(zhì)進(jìn)行通信的微處理器或中央處理單元(CPU)。例如，計(jì)算機(jī)可 讀存儲裝置或介質(zhì)可包括只讀存儲器(ROM)、隨機(jī)存取存儲器(RAM)和磨損修正系數(shù)存儲器 化AM)中的易失性存儲器和非易失性存儲器。KAM是可被用于在CPU斷電時(shí)存儲各種操作變 量的持久性存儲器或非易失性存儲器。計(jì)算機(jī)可讀存儲裝置或介質(zhì)可使用任意數(shù)量的已知 存儲裝置(諸如PROM(可編程只讀存儲器）、EPR0M(電可編程只讀存儲器）、邸PROM(電可擦除 可編程只讀存儲器）、閃存或能夠存儲數(shù)據(jù)(所述數(shù)據(jù)中的一些表示可執(zhí)行的指令，所述可 執(zhí)行的指令由控制器在控制車輛時(shí)使用）的任何其它的電存儲裝置、磁存儲裝置、光學(xué)存儲 裝置、或它們的組合)來被實(shí)現(xiàn)。
[0028] 現(xiàn)在參照圖2至圖5,使用一系列的步驟來推算橫擺角0 W及從相機(jī)14到目標(biāo)物體 16的距離。所述步驟可由存儲在控制器18中的程序來執(zhí)行，其中，存儲在控制器18中的程序 包括被用于基于從在相機(jī)的視場中的觀測到目標(biāo)物體16導(dǎo)出的信息來推導(dǎo)出橫擺角0W及 從相機(jī)14到目標(biāo)物體16的距離的算法或一系列的算法。
[0029] 參照圖2,示出了相機(jī)的視場24。相機(jī)14首先檢測目標(biāo)物體16。運(yùn)種檢測可使用被 配置為識別特定物體的物體識別軟件來被完成。物體檢測軟件可被存儲在控制器18或者其 它適當(dāng)?shù)陌〝?shù)據(jù)存儲區(qū)的硬件中的程序庫（1化rary)中。接著，表示相機(jī)的視場24的垂直 面的第一向量20 W及表示從相機(jī)14到目標(biāo)物體16的距離的第二向量22基于目標(biāo)物體16在 相機(jī)的視場24中的位置。然而，在該步驟中，僅產(chǎn)生第一向量20和第二向量22的方向（未產(chǎn) 生第一向量20和第二向量22的大?。?。在第一向量20和第二向量22之間的可觀測到的角度 與橫擺角0相對應(yīng)。
[0030] 參照圖3,示出了相機(jī)的視場24中的目標(biāo)物體16的特寫。產(chǎn)生檢測到的目標(biāo)物體16 的幾何中屯、26和預(yù)期的目標(biāo)物體16的幾何中屯、28?？上鄬τ谀繕?biāo)物體16的一段邊界來產(chǎn)生 預(yù)期的幾何中屯、28,其中，目標(biāo)物體16的一段邊界基于預(yù)期的目標(biāo)物體16的形狀?？苫谙?定目標(biāo)物體16的邊界的多個(gè)段的中屯、來產(chǎn)生檢測到的幾何中屯、26。
[0031] 在示出的示例中，目標(biāo)物體16的邊界包括四段:右側(cè)30、左側(cè)32、上側(cè)34和下側(cè)36。 另外，在示出的示例中，預(yù)期的目標(biāo)物體16的形狀是矩形?；趯δ繕?biāo)物體16的邊界的右側(cè) 30的檢測和預(yù)期的目標(biāo)物體16的矩形形狀來產(chǎn)生預(yù)期的幾何中屯、28?；谀繕?biāo)物體16的邊 界的右側(cè)30、左側(cè)32、上側(cè)34和下側(cè)36的中屯、來產(chǎn)生檢測到的幾何中屯、26。預(yù)期的幾何中屯、 28與檢測到的幾何中屯、26之間的位置上的差異限定了相機(jī)的視場24中的目標(biāo)物體16的扭 曲（目標(biāo)物體16的扭曲還可被稱為歪斜）。可W使用檢測幾何圖案、幾何形狀、幾何配置并與 幾何圖案、幾何形狀、幾何配置等相關(guān)的軟件來產(chǎn)生檢測到的幾何中屯、26和預(yù)期的幾何中 屯、28。
[0032] 在示出的示例中，盡管目標(biāo)物體16是矩形的，并且目標(biāo)物體16的右側(cè)30邊界被用 于產(chǎn)生預(yù)期的幾何中屯、28,但是應(yīng)當(dāng)注意的是，目標(biāo)物體16可由其它形狀構(gòu)成，并且可關(guān)于 包括目標(biāo)物體16的邊界的任何段來產(chǎn)生預(yù)期的幾何中屯、28。
[0033] 可用于量化所述扭曲（歪斜)的方法的示例包括邊緣檢測、過濾/闊值、使用霍夫變 換(霍夫變換還可被稱為霍夫轉(zhuǎn)換)來計(jì)算從平面上的線的垂直面到所述平面的水平軸線 (在下文中，所述平面將被稱為XY平面，且水平軸線將被稱為X軸）的角度，W及將從XY平面 上的線的垂直面到X軸的角度(所述角度使用霍夫變換來計(jì)算)與從目標(biāo)物體16的一段邊界 的垂直面到相機(jī)的視場24的水平面的預(yù)期的角度進(jìn)行比較。
[0034] 可使用邊緣檢測軟件來檢測目標(biāo)物體16的邊緣。邊緣檢測軟件被用于通過比較灰 度圖像或單色圖像的相機(jī)的視場24中的相鄰像素的值來產(chǎn)生梯度。一旦將相機(jī)的視場24中 的相鄰像素進(jìn)行比較，則將產(chǎn)生指示示出檢測到的邊緣的一組差異的結(jié)果圖像(其中，高對 比度邊緣被表示為較大差異）。
[0035] 邊緣檢測算法可W基于下列等式（1) - (3):
[0036]
(1)
[0037] Bh(j，k)=A(j，k+l)-A(j，k-l) (2)
[003引 B^j，k)=A(j+l，k)-A(j-l，k) (3)
[0039] A是表示灰度圖像或單色圖像的具有j行和k列的矩陣。
[0040] B是表示通過對灰度圖像或單色圖像中的相鄰像素的值進(jìn)行比較而產(chǎn)生的梯度的 矩陣。
[0041] 邊緣檢測軟件還可包括過濾/闊值。例如，可W設(shè)置闊值，使得僅所產(chǎn)生的梯度（由 矩陣B表示）的最顯著的變化將在結(jié)果圖像中被示出，其中，結(jié)果圖像表示在灰度圖像或單 色圖像中檢測到的邊緣。此外，矩陣A可被預(yù)處理，W在相機(jī)的視場中顯示特定的顏色通道 或感興趣的區(qū)域。
[0042] 使用邊緣檢測軟件檢測到的單個(gè)邊緣在相機(jī)的視場24中的XY平面上沿著線形成 一系列的點(diǎn)?？蓪τ蓹z測到的邊緣所形成的一系列的點(diǎn)（或像素)執(zhí)行霍夫變換。所述霍夫 變換設(shè)及通過由單個(gè)檢測到的邊緣所形成的每個(gè)點(diǎn)（或一組被選擇的點(diǎn)）而生成一系列的 線。通過由檢測到的邊緣所形成的每個(gè)點(diǎn)而繪制的一系列的線中的每一條線通過垂線與XY 平面相關(guān)。接著，生成垂線和X軸之間的角度W及從原點(diǎn)到垂線與感興趣的單個(gè)邊緣相交處 的點(diǎn)的垂線的長度。檢測到的邊緣的每個(gè)點(diǎn)隨后可在霍夫空間被表示為根據(jù)所述角度相對 于從原點(diǎn)到感興趣的單個(gè)邊緣的垂線的距離而繪制的正弦曲線。在繪制正弦曲線時(shí)，在相 機(jī)的視場24中的平面XY上，通過由檢測到的邊緣所形成的所有的點(diǎn)的線由與所述正弦曲線 重疊的霍夫空間中的點(diǎn)來表示。與所述正弦曲線重疊的空間中的點(diǎn)給出垂直于形成一系列 的點(diǎn)的檢測到的邊緣的線的坐標(biāo)(從原點(diǎn)到形成一系列的點(diǎn)的檢測到的邊緣的長度W及相 對于X軸的角度）。隨后可通過與所述正弦曲線重疊的霍夫空間中的點(diǎn)處的角度和從目標(biāo)物 體16的一段邊界的垂直面到相機(jī)的視場24的水平面的預(yù)期的角度之間的差異來確定歪斜。 在霍夫的第3,069,654號美國專利W及杜達(dá)? R ? 0和P ? E ?哈特在《美國計(jì)算機(jī)學(xué)會通訊》 第1期第15卷的第11-15頁的"利用霍夫變換來檢測圖像中的線條和曲線"中示出了霍夫變 換的示例（1972年1月），其中的每個(gè)示例的全部內(nèi)容通過引用被包含于此。
[0043] 應(yīng)當(dāng)注意的是，除了霍夫變換之外，可使用其它方法來檢測目標(biāo)物體16的歪斜(扭 曲），所述其它方法包括但不局限于傅立葉法、投影輪廓法、最近鄰聚類法和關(guān)聯(lián)法。
[0044] 在確定目標(biāo)物體16的歪斜時(shí)，所述處理還可W考慮在相機(jī)的圖像平面上引起投影 圖像扭曲（所述扭曲包括徑向扭曲和/或切向扭曲）的鏡頭的內(nèi)部屬性。在本領(lǐng)域中存在若 干被已知的在此應(yīng)該被視為公開的算法和等式，所述算法和等式被用于校正相機(jī)鏡頭的桶 型扭曲或枕型扭曲（barrel or pincushion type disto;rtion)。
[0045] 參照圖4,示出了相機(jī)的視場24中的目標(biāo)物體16的另一特寫。一旦目標(biāo)物體16的歪 斜已經(jīng)被確定，則可W確定表示目標(biāo)物體16的一段邊界的向量38的方向和大小。為了說明 目的，向量38與表示目標(biāo)物體16的下側(cè)36的段相對應(yīng)。然而，應(yīng)當(dāng)理解的是，在該示例中，所 述方法可被用于確定表示包括目標(biāo)物體16的邊界的任何段的向量的方向和大?。繕?biāo)物體 16的邊界包括右側(cè)30、左側(cè)32、上側(cè)34或下側(cè)36)。此外，所述方法可被應(yīng)用于具有任何特定 形狀的目標(biāo)物體的任何一側(cè)。一旦通過W上描述的邊緣檢測方法已經(jīng)檢測到目標(biāo)物體16的 邊界，則可生成目標(biāo)物體16的一段邊界沿已知軸的投影的向量40的方向和大小?？墒褂脵z 測幾何圖案、幾何形狀、幾何配置并與幾何圖案、幾何形狀、幾何配置等相關(guān)的軟件來生成 向量40,其中，向量40是目標(biāo)物體16的一段邊界的投影。運(yùn)里，向量40與目標(biāo)物體16的下側(cè) 36的水平投影相對應(yīng)。一旦生成了表示目標(biāo)物體16的下側(cè)36的水平投影的向量40,則將早 先確定的歪斜(扭曲）應(yīng)用于向量40，從而產(chǎn)生與目標(biāo)物體16的一段邊界的方向和大小對應(yīng) 的向量38,其中，所述目標(biāo)物體16的一段邊界與目標(biāo)物體16的下側(cè)相對應(yīng)。一旦兩個(gè)向量38 和40已被確定，則位于兩個(gè)向量38和40之間的角度〇隨后可被確定。
[0046] 參照圖5,示出了使用回歸分析來確定從相機(jī)14到目標(biāo)物體16的距離的方法。使用 回歸分析的方法包括將一系列的變量輸入到回歸分析算法42中。所述一系列的變量可包括 與表示目標(biāo)物體16的一段邊界的方向和大小的向量38相對應(yīng)的第一輸入44、與位于向量38 和向量40之間的角度相對應(yīng)的第二輸入46、W及與目標(biāo)物體16在相機(jī)的視場24中的位置相 對應(yīng)的第S輸入48。所述回歸分析算法42的輸出50與從相機(jī)14到目標(biāo)物體16的距離相對 應(yīng)。從相機(jī)14到目標(biāo)物體16的距離與圖1中所描繪的第二向量22的大小相對應(yīng)。結(jié)合角度0 (角度e是目標(biāo)物體16和表示相機(jī)的視場的垂直面的第一向量20之間的角度），現(xiàn)在已知第 二向量22的方向和大小。如果相機(jī)14是在道路表面上的已知高度，則可隨后應(yīng)用勾股定理 (使用包括直角=角形的斜邊的第二向量22)來確定沿著道路表面從相機(jī)14到目標(biāo)物體16 的距離(所述距離可相當(dāng)于水平距離）。
[0047] 回歸分析算法42可包括將新的數(shù)據(jù)與先前累積的數(shù)據(jù)(所述先前累積的數(shù)據(jù)還可 被稱為訓(xùn)練數(shù)據(jù))進(jìn)行比較。該訓(xùn)練數(shù)據(jù)被用于創(chuàng)建輸入和輸出的映射，并且應(yīng)當(dāng)被設(shè)計(jì)， 使得新的數(shù)據(jù)在與訓(xùn)練數(shù)據(jù)相比時(shí)達(dá)到最小的誤差。運(yùn)里，訓(xùn)練數(shù)據(jù)和新的數(shù)據(jù)可使相機(jī) 的視場24中的像素位置與距離相機(jī)14的距離相關(guān)聯(lián)。因此，一旦確定了表示目標(biāo)物體16的 一段邊界的向量38的方向和大小，則可通過將向量38的像素位置與表示像素位置和距離的 先前學(xué)習(xí)的數(shù)據(jù)進(jìn)行比較來確定到向量38的距離(即，從相機(jī)14到目標(biāo)物體16的距離）。
[0048] 回歸分析算法42可由用于映射數(shù)據(jù)點(diǎn)的假設(shè)函數(shù)和用于計(jì)算假設(shè)函數(shù)的精確度 的代價(jià)函數(shù)組成?；貧w分析算法42的示例可包括但不局限于線性模型、多項(xiàng)式模型、邏輯模 型和神經(jīng)網(wǎng)絡(luò)。
[0049] 線性回歸分析可W基于下列假設(shè)函數(shù)等式(4)和代價(jià)函數(shù)等式(5):
[0050] H(目）=目\二目0+目 i*x (4)
[0051]
巧
[0052] 多項(xiàng)式回歸分析可W基于下列假設(shè)函數(shù)等式(6)和代價(jià)函數(shù)等式(7):
[0化4]
[0053] H(目）=目\二目0+目 i*x+目 3村2+目3相3... (6)
[0化5]
[0化6]
[0化7]
[0058] 參照圖6,示出了用于當(dāng)在停車位中檢測到目標(biāo)物體時(shí)停放車輛的方法100。方法 100中的第一步驟102包括利用安裝到車輛10上的相機(jī)14來檢測停車位12中的目標(biāo)物體16。 一旦目標(biāo)物體16已經(jīng)被檢測到，則方法100移動到步驟104,在步驟104,確定相機(jī)的視場的 垂直面和目標(biāo)物體16之間的橫擺角0。方法100隨后移動到步驟106,在步驟106,基于W上參 照圖2至圖5描述的方法來確定從相機(jī)14到目標(biāo)物體16的距離。然后，在步驟108,可基于橫 擺角ew及從相機(jī)14到目標(biāo)物體16的距離將車輛10駛?cè)胪＼囄?2中。
[0059] 在說明書中所使用的詞語為描述性詞語而非限制性詞語，并且應(yīng)理解的是，可在 不脫離本公開的精神和范圍的情況下做出各種改變。如前所述，可將各種實(shí)施例的特征進(jìn) 行組合W形成本發(fā)明的可能未被明確描述或示出的進(jìn)一步的實(shí)施例。盡管針對一個(gè)或更多 個(gè)期望特性，各種實(shí)施例已經(jīng)被描述為提供在其它實(shí)施例或現(xiàn)有技術(shù)實(shí)施方式之上的優(yōu)點(diǎn) 或優(yōu)于其它實(shí)施例或現(xiàn)有技術(shù)實(shí)施方式，但是本領(lǐng)域的普通技術(shù)人員應(yīng)認(rèn)識到，根據(jù)特定 的應(yīng)用和實(shí)施方式，一個(gè)或更多個(gè)特征或特性可被折衷W實(shí)現(xiàn)期望的整體系統(tǒng)屬性。運(yùn)些 屬性可包括但不限于成本、強(qiáng)度、耐用性、生命周期成本、市場性、外觀、包裝、尺寸、可維護(hù) 性、重量、可制造性、裝配的容易性等。如此，被描述為在一個(gè)或更多個(gè)特性方面不如其它實(shí) 施例或現(xiàn)有技術(shù)實(shí)施方式滿足期望的實(shí)施例并非在本公開的范圍之外，并可被期望用于特 定應(yīng)用。
【主權(quán)項(xiàng)】
1. 一種停放車輛的方法，包括： 使用相機(jī)來檢測停車位中的目標(biāo)物體； 基于目標(biāo)物體和相機(jī)的視場的垂直面之間的角度以及從相機(jī)到目標(biāo)物體的距離，將車 輛駛?cè)胪＼囄恢?，其中，所述距離基于表示目標(biāo)物體的邊界的向量。2. 如權(quán)利要求1所述的方法，其中，所述向量基于所述邊界的第一段的水平投影和目標(biāo) 物體的扭曲。3. 如權(quán)利要求2所述的方法，其中，所述距離還基于所述向量和所述水平投影之間的角 度。4. 如權(quán)利要求3所述的方法，其中，所述距離還基于目標(biāo)物體在相機(jī)的視場中的位置。5. 如權(quán)利要求3所述的方法，其中，所述扭曲基于相機(jī)檢測到的目標(biāo)物體的幾何中心和 預(yù)期的目標(biāo)物體的幾何中心。6. 如權(quán)利要求5所述的方法，其中，所述預(yù)期的目標(biāo)物體的幾何中心基于所述邊界的第 二段。7. 如權(quán)利要求1所述的方法，其中，所述角度是車輛的橫擺角。
【文檔編號】G05D1/02GK106020182SQ201610178803
【公開日】2016年10月12日
【申請日】2016年3月25日
【發(fā)明人】阿里·哈薩尼, 阿迪力·尼扎姆·西迪基
【申請人】福特全球技術(shù)公司