一种现场监控与导航系统协作的停车位精准导航方法
技术领域
本发明涉及车辆定位技术,更具体地说,涉及一种现场监控与导航系统协作的停车位精准导航方法。
背景技术
随着物联网技术的发展,现有技术的文献或理论、实际应用中,均提供了预约停车位的功能。而由于停车位紧张,停车场的面积越来越大,停车位越来越多,则岔路的数量较多;并且越来越多的停车场为了提高空间利用率,建成立体停车场,其内部的楼层、道路也非常多。则停车时,往往较难快速找到预约的停车位,需要花较多的时间才能找到停车位,效率低下。
对于导航,第一选择即是卫星定位导航,但卫星定位的工作条件是必须处于室外的开阔空间,即不适合在室内或遮挡较多的场所使用。则当车辆进入室内停车场,卫星导航基本失效。虽然随着智能手机的功能完美,可获得车辆的速度与方向,进而可以计算的实时位置。
但由于定位技术的技术限制以及导航地图的缺失,要将车辆精确定准与准确导航到停车位,则仍然无法完成。司机仍然需要凭借地上或墙上的指导标志在大方向上寻找停车位。而此时,停车位预约功能,特别是指定了停车位的情况下,车辆无法随意地停在沿途出现的停车位上,反倒降低了停车效率。
发明内容
本发明的目的在于克服现有技术的不足,提供一种能够精准地定位并导航至指定停车位的现场监控与导航系统协作的停车位精准导航方法。
本发明的技术方案如下:
一种现场监控与导航系统协作的停车位精准导航方法,在导航系统设置目的地并预约停车位后,覆盖目的地的预设范围内的监控设备获取车辆信息;当监控设备识别出车辆信息对应的车辆并确定该车辆的精准位置,导航系统接收车辆的精准位置信息与停车位的位置信息,计算得到导航路线。
作为优选,当车辆从被识别的位置至停车位的过程中,在设定的位置识别车辆,如果车辆偏离导航路线,则重新规划导航路线。
作为优选,如果导航系统缺少停车场的地图信息,则发送地图获取请求,并接收停车场的地图信息。
作为优选,导航系统接收的停车场地图信息为图像数据,并显示于导航系统的屏幕,且自动将导航系统的显示比例设置为与图像数据对应的显示比例一致。
作为优选,图像数据为图片,以一定的透明度进行显示。
作为优选,导航系统预约停车位后,并指定标志位,则先从停车场的可用停车位数量减1,再在监控设备在现场识别车辆信息对应的车辆时,分配最靠近指定标志位的停车位。
作为优选,当车辆驶入停车位后,再次识别当前车辆是否对应当前停车位,如果否,则发出报警或提醒信息。
作为优选,提醒信息包括错误停车提醒、对应的停车位与当前停车位的位置关系信息。
作为优选,通过图像识别对车辆进行识别。
作为优选,提取车辆的特征信息,基于特征信息追踪车辆的动态位置。
作为优选,基于图像识别提取车辆的特征信息,并在预设的位置进行图像识别、特征信息比较,进而追踪车辆的动态位置。
作为优选,基于图像识别确认车辆的型号,从预设的车型数据库中获取该型号的车型参数,根据监控设备通过图像识别获得的车辆与道路背景的位置关系,进而追踪车辆的动态位置。
作为优选,基于对多张监控图像的图像识别,累积识别该车辆的特征信息和车型参数。
作为优选,基于图像识别确认车辆的型号,从预设的车型数据库中获取该型号的车型参数,标定预设的位置的监控图像内的路面各点的坐标,识别出同一侧两车轮与地面的接触点的坐标F(x1,y1)、B(x2,y2),根据坐标F(x1,y1)、B(x2,y2)结合车型参数,确定车辆在路面的具体位置,进而追踪车辆的动态位置。
作为优选,根据车辆的前进方向,筛选得到车辆在后进入的图像识别区域,如果监控图像中,车辆被不完全遮挡,则先进行车型识别,如果车型与被追踪车辆一致,则判定为被追踪车辆,并通过车型参数确定车头朝向,以及在路面的具体位置。
作为优选,根据车辆位移的连续性,当通过监控图像识别出车辆被完全遮挡,则统计被完全遮挡的车辆从被完全遮挡前的监控图像至解除被完全遮挡后的监控图像之间的时间和路线,在识别解除被完全遮挡状态而露出的部分图像的车辆时,优先比对在时间和路线上可能出现的车辆特征。
作为优选,对于已识别出型号的车辆,根据监控图像上该车辆能够被识别的部件的画面尺寸,结合该监控设备的安装位置、角度,以几何透视方法计算该车辆在路面的具体位置。
作为优选,在连续的监控图像中,根据像素移动规律性判断属于同一辆车的色块,如果在若干连续的监控图像中,有任一帧监控图像可以准确识别出该车辆,则将所有画面中属于该车辆的色块均标记为对应于该车辆。
作为优选,连续两个监控设备存在重叠的监控图像,则根据前一个监控设备对色块的追踪,在监控图像的重叠区将该色块的车辆身份延续给下一个监控设备的同一色块。
本发明的有益效果如下:
本发明所述的现场监控与导航系统协作的停车位精准导航方法,包括道路导航与停车位导航两个阶段,通过卫星定位导航完成道路导航,通过现场监控手段与导航系统协作,将车辆精准导航至停车位上。本发明中,在停车场现场将导航路线发送至导航系统,以指导车辆前往具体的停车位,并且实时追踪车辆的位置,并规划最新的导航路线,解决了卫星定位无法实现的室内导航,解决了导航系统无法提供的停车场导航,进而实现停车位精准导航。
本发明采用图像识别与分析处理,根据车辆的车型参数确定车辆在道路上的具体位置,提供一种全新的位置追踪的技术方案,基于机器学习,能够在车辆被不完全遮挡的情况下,判断出目标车辆,不需要获取整车的图像,在摄像头连续覆盖的条件下,车辆哪怕只露出无任何特征的一小部分,都能够被精确识别和定位,并进行连续追踪。
具体实施方式
以下结合实施例对本发明进行进一步的详细说明。
本发明为了解决现有技术存在的无法完成停车位导航的不足,提供一种现场监控与导航系统协作的停车位精准导航方法,通过导航系统获取现场监控提供的导航信息,不需要导航系统的地图与卫星定位功能,避免地图与卫星定位功能存在的先天缺陷,实现了停车位精准导航。
本发明所述的停车位精准导航方法,包括道路导航与停车位导航两个阶段,在导航系统设置目的地并预约停车位后,通过卫星定位完成道路导航,行驶至停车位所在的方向与区域,覆盖目的地的预设范围内(实施时,可划定停车位所在位置的一定距离范围,如室内、外停车场的入口,或包围停车位的所有道路的交叉路口)的监控设备获取车辆信息,通过车辆信息好可确定当前车辆是否预约了停车位。当监控设备识别出车辆信息对应的车辆并确定该车辆的精准位置,导航系统接收车辆的精准位置信息与停车位的位置信息,计算得到导航路线,根据导航路线,即可得知停车位的具体位置,并进行指引。
为了保证导航路线的正确性,纠正因错误行驶造成的路线偏离问题,当车辆从被识别的位置至停车位的过程中,在设定的位置识别车辆,如果车辆偏离导航路线,则重新规划导航路线。
由于导航系统的地图信息一般只包括道路信息与POI信息,如停车场、及其入口与出口等,而不包括停车场内的停车位的具体位置,因为卫星定位较难实现微小的高度差的识别,以及相临停车位之间的微小距离精度判断,则对停车位的位置信息采集并加入地图信息中,并无意义。而此时又需要地图信息作为直观的线路指引之用,则如果导航系统缺少停车场的地图信息,发送地图获取请求,并接收停车场的地图信息。具体实施时,可通过智能终端的导航系统利用无线网络实现地图获取请求的发送,以及停车场的地图信息的接收等操作。
作为一种直观的视觉,图像格式的地图是更优的选择,而且能够结合导航系统的陀螺仪等技术进行速度与方向的计算,进而模拟道路导航过程中的使用习惯与体验。则本发明中,导航系统接收的停车场地图信息为图像数据,并显示于导航系统的屏幕,且自动将导航系统的显示比例设置为与图像数据对应的显示比例一致。由于导航系统的地图图像大小与车辆在地图图像上的定位有直接关联性,即地图图像的显示比例越大,车辆在地图上的模拟移动越快,反之则越慢。而即使缺少地图信息,车辆的模拟移动仍然有效,故而,为了进行精准匹配,停车场的图像数据进行跟随调整。
图像数据为图片,以一定的透明度进行显示,目的是为了便于实现,甚至可以不对导航系统的导航软件进行修改,而只增加接口,用于显示图片,则可以将图片显示在导航软件的上层,而为了方便观察车辆在屏幕上的位置,将图片设置为一定的透明度,则可观察到车辆在图片上的位置。
为了最优化安排停车位,导航系统预约停车位后,并指定标志位,则先从停车场的可用停车位数量减1,再在监控设备在现场识别车辆信息对应的车辆时,分配最靠近指定标志位的停车位。所述的标志位包括停车场的出口、标志性位置,如最靠近某商场入口的出口、最靠近某条路的出口等。由于可用停车位的数量是动态变化的,在预约的时段外,可用停车位的位置也是动态变化的,则在现场再指定停车位,能够以所有车辆为考虑前提,并提供针对当前车辆最优位置的停车位。
为了确保停车位被正确使用,当车辆驶入停车位后,再次识别当前车辆是否对应当前停车位,如果否,则发出报警或提醒信息。实施时,提醒信息包括错误停车提醒、对应的停车位与当前停车位的位置关系信息。
作为成熟的技术手段,通过图像识别对车辆进行识别,包括现场监控设备对车辆信息的识别,停车场内沿途的识别,以及停车位上的车辆信息的识别,均可通过图像识别的方式识别车牌号进行车辆的身份确认。
对于车辆在停车场内的位置追踪,即在设定的位置对识别车辆,作为另一种位置追踪技术,本发明提供的方式为:提取车辆的特征信息,并基于特征信息追踪车辆的动态位置。本实施例中,采用图像识别技术,基于图像识别提取车辆的特征信息,并在预设的位置进行图像识别、特征信息比较,进而追踪车辆的动态位置。
本实施例中,基于图像识别确认车辆的型号,从预设的车型数据库中获取该型号的车型参数,根据监控设备通过图像识别获得的车辆与道路背景的位置关系,进而追踪车辆的动态位置。对于指定的位置,只要车辆出现在该位置的监控区域内,即可判断出车辆所在的区域。通过图像识别的方法进行监控,识别范围小,即精度高,能够较精确地追踪车辆的位置。
由于车辆的改款与升级,或者改装,在一定程度上会改变原车辆的外观与车型参数,或者室内环境的光线不均,墙体遮挡等等因素,造成某些角度较难准确地识别出车辆型号,则为了保证车型参数的获得,本发明中,基于对多张监控图像的图像识别,从每张监控图像中识别并累积部分车型参数,多个监控设备同时获取多张不同角度的监控图像,逐步累积该车辆的车型参数和特征信息,即累积识别该车辆的车型参数和特征信息。
通常情况下,以路面作为参照面更直观,且监控设备对准的方向通常包括更多的路面信息,则本实施例中,以路面作为主要道路背景,标定预设的位置的监控图像内的路面各点的坐标,识别出同一侧两车轮与地面的接触点的坐标F(x1,y1)、B(x2,y2),根据坐标F(x1,y1)、B(x2,y2)结合车型参数,确定车头朝向,确定车辆在路面的具体位置,进而追踪车辆的动态位置。即根据车轮和地面的接触点,两个车轮和地面接触点的连线的角度和方向以及车轮在路面上的落点位置(路面的每个点都可以和实际物理坐标对应),结合车型参数,就能够计算该车辆的物理位置。
追踪车辆需要连续进行,为了提高运算效率,本实施例中不在每个位置都进行一次完整的识别与计算,而是依照连续性原则,在已识别车辆的特征信息的基础上,根据车辆的前进方向,筛选得到车辆在后进入的图像识别区域,即车辆可能进入的下一个图像识别区域。基于全局数据,可以快速统计出所有可能进入的图像识别区域,并结合导航路线,能够预测最有可能进入的图像识别区域,并可进行优先级排列,按优先级顺序,识别车辆。而对于极可能出现的车辆被遮挡的情况,如果监控图像中,车辆被不完全遮挡,则先进行车型识别,如果车辆型号与被追踪车辆一致,且该区域不存在其它同型号车辆时,则判定为被追踪车辆,并通过车型参数确定车头朝向,以及在路面的具体位置,以保证持续识别车辆。例如,当车轮被挡住时,依照之前车轮露出时的监控位置,结合当前露出的部位和角度,推算当前车辆所在位置。如前一个图像识别区域中采集到完整车辆图像,后面一个画面有车遮挡了部分车辆图像,由于物理位移是移动的,所以该车辆未被遮挡的部分通过车型参数仍然能够判断出准确位置。
对于可能出现的情况,即车辆在连续的几处监控设备的监控图像中,均被完全遮挡,为了保证该情况下能够第一时间重新获得追踪。本发明中,根据车辆位移的连续性(即车辆将连续出现在有序排列的监控设备的监控图像中,进而只预测车辆下一个出现的地方所对应的监控设备),当通过监控图像识别出车辆被完全遮挡,则统计被完全遮挡的车辆从被完全遮挡前的监控图像至解除被完全遮挡状态后的监控图像之间的时间和路线,在识别解除被完全遮挡状态后而露出的部分图像的车辆时,优先比对在时间和路线上所有可能出现的的车辆特征。而未被连续完全遮挡的车辆则允许被降低识别优先级,如果在前一监控设备由于处理不及时而错过,可在下一监控设备中进行识别,即可认为被完全遮挡,以提高追踪的有效性。
本发明还提供另一种车辆识别、定位与追踪的技术思路,即对于已识别出车辆型号的车辆,根据监控图像上该车辆能够被识别的部件的画面尺寸,结合该监控设备的安装位置、角度,以几何透视方法计算该车辆在路面的具体位置。例如识别出车辆的天窗,从天窗被拍摄到的监控图像上,长宽像素数量及方向,与监控设备的位置角度构成一个三角椎体,椎体顶端是监控设备,椎体底面是被识别的部件(即天窗),由监控设备的位置、角度结合该天窗在监控图像上的像素大小和边缘方向,即可计算出天窗的实际三维物理位置,再由车型参数,依据天窗的实际三维物理位置可推算出整车的实际三维物理位置。再例如,当知道车辆的实际尺寸(从车型参数获知),也知道监控设备的安装位置和角度,根据监控图像上车辆某一面上沿的长度和方向,以及边缘或者下沿的长度和方向,(由于三维物体在被摄像头拍摄时因为几何透视原理,在画面上的尺寸会因角度和距离发生变化),就能推算出该车辆的实际空间位置。
对于车辆的追踪,则以色块作为标识,通过色块的连续性进行识与追踪。即在连续的监控图像中,根据像素移动规律性(色块在不同监控设备的监控图像中,像素与颜色具有一定规律性,这规律性可证明这些像素和颜色构成的色块是同一物理物体)判断属于同一辆车的色块,如果在若干连续的监控图像中,有任一帧监控图像可以准确识别出该车辆,则将所有画面中属于该车辆的色块均标记为对应于该车辆,是一种逆向反推与统计的技术思路。对于在前发生的未能够被识别的数据进行保留,当识别成功时,以色块为标识,反推在前发生的未能够被识别的数据,进行逆向识别。该部分也可以用机器学习的方式实现,如通过对大量车辆的轮廓标定,实现基于画面判断哪些色块属于同一辆车,与色块追踪的原理相同。从效果上看,只要某个监控图像中哪怕只露出一小部分,也知道这部分实际是哪辆车。
为了实现追踪的连续性与高效过渡,连续两个监控设备存在重叠的监控图像,则根据前一个监控设备对色块的追踪,在监控图像的重叠区将该色块的车辆身份延续给下一个监控设备的同一色块。跨监控设备对监控图像上哪些色块是同一车辆也可以用机器学习方式实现,通过对两个监控设备重叠区域同一辆车的大量标定,用机器学习训练出可以识别色块属于同一辆车的模型。
上述实施例仅是用来说明本发明,而并非用作对本发明的限定。只要是依据本发明的技术实质,对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。