有哪些PG电子游戏得分高的小技巧和攻略？有哪些PG电子游戏得分高的小技巧和攻略？
本发明涉及车辆技术领域，特别是涉及一种自学习自动泊车控制方法、控制系统及车辆。
自动泊车辅助系统(autoparkingassist,apa，以下简称apa)是利用车载传感器(超声波雷达或摄像头)识别有效的泊车空间，并通过控制单元控制车辆进行泊车。相比于传统的倒车辅助功能，如倒车影像以及倒车雷达，自动泊车的功能智能化程度更高，有效的降低了驾驶员的倒车困难。
目前的自动泊车系统中，自适应学习的过程仅仅有对地图精确性的学习、对标准泊车的学习等。这些自适应的学习过程均是针对自动泊车时能够准确、快速且标准。当前apa的功能当中，整个自动泊车中车辆的车速和加速度/减速度，是工程师在系统中的标定值。但是每个客户对于泊车中的加速度/减速度的感觉是不同的，随着技术的发展，当前的apa系统的方案已经无法达到驾驶员的期望了。在使用apa时车速超过驾驶员的预期，会带来恐慌；但如果车速低于驾驶员的预期，又会带来焦急等待感。
本发明的第一方面的一个目的是要提供一种自学习自动泊车控制方法，解决现有技术中自动泊车不够智能的问题。
本发明的第一方面的一个目的是解决现有技术中的自动泊车针对不同用户不能调整泊车速度或加速度的问题。
当车辆处于人工泊车模式时，对人工泊车的过程进行自适应学习，其中，自适应学习的内容包括人工泊车时车辆的速度和/或加速度；
当累计自适应学习次数大于预设次数时，根据自适应学习了所述预设次数的人工泊车的平均速度和/或平均加速度判定驾驶员类型；
当所述车辆处于自动泊车模式时，控制车辆按照预先存储的所述驾驶员类型对应地速度和/或加速度进行泊车。
可选地，根据自适应学习了所述预设次数的人工泊车的平均速度和/或平均加速度判定驾驶员类型包括：
将自适应学习的泊车的平均速度和/或平均加速度与标准速度和/或标准加速度进行比对，根据比对后的结果判定得到所述驾驶员类型。
当所述平均速度和/或平均加速度为所述标准速度和/或标准加速度的0～0.7倍时，则判定所述驾驶员类型为所述轻缓型；
当所述平均速度和/或平均加速度为所述标准速度和/或标准加速度的0.7～1.3倍时，则判定所述驾驶员类型为所述舒适型；
当所述平均速度和/或平均加速度大于所述标准速度和/或标准加速度的1.3倍时，则判定所述驾驶员类型为所述激进型。
可选地，当所述驾驶员类型为所述轻缓型时，所述车辆进行自动泊车时对应地速度和加速度为所述标准速度和标准加速度的0.7倍；
当所述驾驶员类型为所述舒适型时，所述车辆进行自动泊车时对应地速度和加速度为所述标准速度和标准加速度；
当所述驾驶员类型为所述激进型时，所述车辆进行自动泊车时对应地速度和加速度是为所述标准速度和标准加速度的1.3倍。
在所述车辆处于所述人工泊车模式时，对人工泊车的过程进行自适应学习之前，所述自学习自动泊车控制方法还包括：
当满足以下第一条件中的全部时，则判断为人工泊车，其中，所述第一条件包括：
在所述车辆处于r挡开始的第一预设时间内，所述车辆倒车的车速大于预设车速；
所述车辆的挡位从所述车辆处于r挡开始的第二预设时间内切换到了p档。可选地，所述预设次数为5-10次。
人工泊车的过程进行自适应学习之前要满足以下第二条件中的全部，才进行一次自适应学习，所述第二条件包括：
在所述车辆的挡位切换到r档时，获取所述车辆在倒车的过程中的车速和时间，并获得所述车辆从切换到r档开始到挡位变为p档的整个倒车过程中的最高车速，其中，所述最高车速小于自动泊车车速学习值的最大限值，大于自动泊车车速学习值的最小限值；和
可选地，所述平均速度为所述车辆进行了所述预设次数的人工泊车的最高速度的平均值，所述平均加速度为所述车辆进行了所述预设次数的人工泊车的最高加速度的平均值。
控制装置，包括存储器和处理器，所述存储器内存储有控制程序，所述控制程序被所述处理器执行时用于实现根据权利要求1-7中任一项所述的自学习自动泊车控制方法。
本发明的自学习自动泊车控制方法和控制系统，根据人工泊车时驾驶人员的泊车的车速，判定驾驶人员的类型，在进行自动泊车时，车辆会根据不同驾驶人员的类型对应的速度或加速度进行泊车，从而满足不同驾驶员对车辆的要求。通过深度学习驾驶员的泊车习惯，使泊车的车速和加速度/减速度符合驾驶员的期望，最大化的避免驾驶员的对于自助泊车的不适感，使车辆表现的更智能。
当车辆经过自适应学习后，标定了车辆的驾驶人员的类型，再根据驾驶人员的类型对应地速度或加速度进行自动泊车，且自动泊车的速度或加速度的值也不会比标准速度或标准加速度的值大很多或小很多，使得舒缓型的人员不会因车速太快而恐惧，而激进型的人员则不会因车速太慢而感觉到缓慢而变得焦躁，保证驾驶人员有较好的体验感觉。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：
图1是根据本发明一个实施例的自学习自动泊车控制方法的示意性流程图。本实施例中自学习自动泊车控制方法可以包括：
s10当车辆处于人工泊车模式时，对人工泊车的过程进行自适应学习，其中，自适应学习的内容包括人工泊车时车辆的速度和/或加速度。
s20当累计自适应学习次数大于预设次数时，根据自适应学习了预设次数的人工泊车的平均速度和/或平均加速度判定驾驶员类型。其中，平均速度为车辆进行了预设次数的人工泊车的最高速度的平均值，平均加速度为车辆进行了预设次数的人工泊车的最高加速度的平均值。换句话说，平均车速为进行多次人工泊车后，将每一次人工泊车的最高速度取出来求平均值得到。同样，平均加速度为进行多次人工泊车后，将每一次人工泊车后的加速度求平均值得到。
具体地，预设次数为5-10次。例如可以是5次、6次、8次或10次。本实施例以5次为例进行说明。也就是，本是实施例中，在自适应学习了5次后，通过5次人工泊车的速度和/或加速度求平均值，得到驾驶人员的类型。
s30当车辆处于自动泊车模式时后，控制车辆按照预先存储的驾驶员类型对应地速度和/或加速度进行泊车。
预先存储在车辆内内容包括不同的驾驶员类型，以及不同驾驶员类型在车辆进行自动泊车时对应地速度和/或加速度。此时不同类型的驾驶人员在自动泊车时对应地速度或加速度不一样。而同一类型的驾驶人员对应地速度或加速度则是一样的。当然，优选可以在某一范围类进行微调。
本实施例的自学习自动泊车控制方法，根据人工泊车时驾驶人员的泊车的车速，判定驾驶人员的类型，在进行自动泊车时，车辆会根据不同驾驶人员的类型对应的速度或加速度进行泊车，从而满足不同驾驶员对车辆的要求。通过深度学习驾驶员的泊车习惯，使泊车的车速和加速度/减速度符合驾驶员的期望。最大化的避免驾驶员的对于自助泊车的不适感，使车辆表现的更智能。
作为本发明一个具体地实施例，本实施例中的根据自适应学习了所述预设次数的人工泊车的平均速度和/或平均加速度判定驾驶员类型包括：将自适应学习的泊车的平均速度和/或平均加速度与标准速度和/或标准加速度进行比对，根据比对后的结果判定得到驾驶员类型。
当平均速度和/或平均加速度为标准速度和/或标准加速度的0～0.7倍时，则判定驾驶员类型为轻缓型。
当平均速度和/或平均加速度为标准速度和/或标准加速度的0.7～1.3倍时，则判定驾驶员类型为舒适型。
当平均速度和/或平均加速度大于标准速度和/或标准加速度的1.3～1.5倍时，则判定驾驶员类型为激进型。
具体地，标准速度和标准加速度为在本领域车辆在进行自动泊车时常用的速度或者加速度，一般情况速度或者加速度设置的数值比较小，让车辆在自动泊车过程中大部分人员感觉比较舒缓。
更为具体地，当驾驶员类型为轻缓型时，车辆进行自动泊车时对应地速度和加速度为标准速度和标准加速度的0.7倍，或者约0.7倍，可以根据实际情况进行调整。
当驾驶员类型为舒适型时，车辆进行自动泊车时对应地速度和加速度为标准速度和标准加速度。该速度也可以为标准速度和标准加速度相近的某一个值，可以根据实际情况进行调整。
当驾驶员类型为激进型时，车辆进行自动泊车时对应地速度和加速度是为标准速度和标准加速度的1.3倍，或者约为1.3倍，可以根据实际情况进行调整。
很显然，当车辆经过自适应学习后，标定了车辆的驾驶人员的类型，再根据驾驶人员的类型对应地速度或加速度进行自动泊车，且自动泊车的速度或加速度的值也不会比标准速度或标准加速度的值大很多或小很多，使得舒缓型的人员不会因车速太快而恐惧，而激进型的人员则不会因车速太慢而感觉到缓慢而变得焦躁，保证驾驶人员有较好的体验感觉。
在所述车辆处于所述人工泊车模式时，对人工泊车的过程进行自适应学习之前，所述自学习自动泊车控制方法还包括：
当满足以下第一条件中的全部时，则判断为人工泊车，其中，所述第一条件包括：
在所述车辆处于r挡开始的第一预设时间内，所述车辆倒车的车速大于预设车速；
所述车辆的挡位从所述车辆处于r挡开始的第二预设时间内切换到了p档。本实施例中的预设车约为0-5km/s，方向盘的转角大于90-120度，而第二预设时间约为0.5-3min。
具体上述的条件需要全部满足，才能判断车辆进行一次人工泊车过程。并且，在进行人工泊车的判断时，自动泊车系统后台计算出车位类型。具体车位类型可以包括垂直车位、水平车位或斜列车位。该对人工泊车的判断的过程，保证了车辆的泊车属于有效泊车，而不是短暂的倒车，或者是短暂的调头等情况。而只有对有效的人工泊车的过程进行监控，才能更准确的把握及时人员的习惯通过习惯看出驾驶人员的类型。
作为本发明的一个具体地实施例，本实施例人工泊车的过程进行自适应学习之前要满足以下第二条件中的全部，才进行一次自适应学习，第二条件包括：
在所述车辆的挡位切换到r档时，获取所述车辆在倒车的过程中的车速和时间，并获得所述车辆从切换到r档开始到挡位变为p档的整个倒车过程中的最高车速，其中，所述最高车速小于自动泊车车速学习值的最大限值，大于自动泊车车速学习值的最小限值；和
该过程保证了即便前面判定进行了一次有效的人工泊车过程，但是该过程有很多障碍物或者停顿或者异常的速度等情况，则该次人工泊车过程并不能作为一次有效学习的过程。本实施例对自适应学习过程的判断主要为了剔除异常数据，使得统计的数据更趋于真实，保证对驾驶人员的类型的判断更加准确。
图2是根据本发明一个实施例的自学习自动泊车控制系统的示意性框图。如图2所示，作为本发明一个具体地实施例，本实施例还提供一种自学习自动泊车控制系统100，该自学习自动泊车控制系统100可以包括控制装置101，包括存储器10和处理器20，所述存储器10内存储有控制程序，所述控制程序被所述处理器20执行时用于实现根据上面所述的自学习自动泊车控制方法。处理器20可以是一个中央处理单元(centralprocessingunit，简称cpu)，或者为数字处理单元等等。处理器20通过通信接口收发数据。存储器10用于存储处理器20执行的程序。存储器20是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何介质，也可以是多个存储器的组合。上述计算程序可以从计算机可读存储介质下载到相应计算/处理设备或者经由网络(例如因特网、局域网、广域网和/或无线网络)下载到计算机或外部存储设备。
本实施例的自学习自动泊车控制方法，根据人工泊车时驾驶人员的泊车的车速，判定驾驶人员的类型，在进行自动泊车时，车辆会根据不同驾驶人员的类型对应的速度或加速度进行泊车，从而满足不同驾驶员对车辆的要求。通过深度学习驾驶员的泊车习惯，使泊车的车速和加速度/减速度符合驾驶员的期望。最大化的避免驾驶员的对于自助泊车的不适感，使车辆表现的更智能。
作为本发明一个具体地实施例，本实施例还提供一种车辆，该车辆具体可以包括上面的自学习自动泊车控制系统100。具有该自学习自动泊车控制系统100的车辆可以通过深度学习驾驶员的泊车习惯，使泊车的车速和加速度/减速度符合驾驶员的期望。最大化的避免驾驶员的对于自助泊车的不适感，使车辆表现的更智能。
至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
如您需求助技术专家，请点此查看客服电线.智能汽车人机交互研究 3.自动驾驶预期功能安全及可靠性 4.驾驶功能与车辆动力学数据融合 5.驾驶场景大数据分析技术 6.车辆性能研究
1.新能源汽车电驱动技术 2.轮毂电机驱动与控制 3.开关磁阻电机驱动系统控制 4.智能电动汽车
1.内燃机节能及排放控制技术 2.汽车节能与新能源汽车技术 3. 车辆现代设计理论与方法
