CN111986508A - 基于多目标跟踪和视觉定位的路侧停车管理方法及系统 - Google Patents

基于多目标跟踪和视觉定位的路侧停车管理方法及系统 Download PDF

Info

Publication number
CN111986508A
CN111986508A CN202010856316.6A CN202010856316A CN111986508A CN 111986508 A CN111986508 A CN 111986508A CN 202010856316 A CN202010856316 A CN 202010856316A CN 111986508 A CN111986508 A CN 111986508A
Authority
CN
China
Prior art keywords
parking
vehicle
license plate
information
parking space
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010856316.6A
Other languages
English (en)
Inventor
邓家青
宋海娜
杨春宁
王昊苏
梁波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Information Investment Co ltd
Original Assignee
Guangzhou Information Investment Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Information Investment Co ltd filed Critical Guangzhou Information Investment Co ltd
Priority to CN202010856316.6A priority Critical patent/CN111986508A/zh
Publication of CN111986508A publication Critical patent/CN111986508A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/14Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/017Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/14Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148Management of a network of parking areas
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625License plates
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07Target detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08Detecting or categorising vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于多目标跟踪和视觉定位的路侧停车管理方法,包括停车环境标定步骤和实时停车监控步骤;停车环境标定步骤完成后,实时停车监控步骤通过多目标跟踪技术,基于跟踪队列对整个停车过程进行车牌识别。本发明避免了车辆停车过程中车牌有时处于视频盲区,从而导致识别失败的问题;采用评估车牌图像质量并对车牌识别结果引入投票机制的方法,将多目标跟踪和车牌识别技术结合,提高了高位视频设备的可靠性、准确性。

Description

基于多目标跟踪和视觉定位的路侧停车管理方法及系统
技术领域
本发明涉及停车路段智能管理领域,特别涉及基于多目标跟踪和视觉定位的路侧停车管理方法及系统。
背景技术
近年来,随着汽车保有量逐年增多,停车压力日渐增大,随停、乱停现象十分普遍,这也加剧了城市拥堵。为解决停车难题,推动实现“停车入位、停车付费、违停受罚”,已有多地推进路侧停车改革。
专用于城市路侧停车管理的设备,包括POS机、咪表、车牌扫描PDA设备、地磁、视频桩等,而随着人工智能技术获得长足发展,基于智能视频分析的实现方式也获得更多的关注和应用。
与POS机、矮桩视频收费设备相比,基于高位视频多目标跟踪和视觉定位的方法不仅对车位的覆盖率更高,且不容易受到人为破坏,维护成本低;从识别率和智能化的角度来说,基于高位视频的方法采用先进的人工智能视频分析技术,能有效避免感应不准确、无法识别收费等弊端;在实施中通过与智慧路灯相结合,无需重复架杆,对城市景观影响降到最低,并压缩实施成本。
目前各大城市路侧停车管理主要采用地磁和视频桩两种技术。地磁感应设置在车位中间,有车驶入车位即可进行监测,它的稳定性高、安装便捷,缺点是还需配合人工拍照留证。视频桩则是在车位的某个角落安装视频装置,监测车辆驶入驶出,全程无需人管,能够施行停车、收费自动一条龙,但造价高,施工较为复杂。
许多路侧停车管理越来越多的偏向于采用视频设备,也就是基于车牌识别的停车收费解决方案。在视频设备中,也会更多的采用高位视频;经过算法优化的高位视频停车设备表现出色,能够适应诸多光线条件下的停车环境。
目前高位视频设备在路侧停车管理领域已经获得了越来越多的应用。在高位视频路侧停车管理中,主要存在以下难点:
(1)车牌识别效果因车辆角度的影响变化比较大,会出现识别不到的情况,特别是在车辆驶入停车位的阶段;
(2)为了补漏识别不到的情况,就需要补充人工巡查、或者视频桩辅助,会增加人力成本和施工成本;
(3)车辆与车位匹配不够准确,存在匹配出错的情况。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供基于多目标跟踪和视觉定位的路侧停车管理方法,该方法通过多目标跟踪和视觉定位技术,提高车牌识别和车位匹配的准确性,降低人力成本和施工成本。
本发明的另一目的在于提供基于多目标跟踪和视觉定位的路侧停车管理系统。
本发明的目的通过以下的技术方案实现:
基于多目标跟踪和视觉定位的路侧停车管理方法,包括停车环境标定步骤和实时停车监控步骤,其中:
停车环境标定步骤,用于标定停车位、道路标线,以及相机坐标系建模;
实时停车监控步骤,包括以下步骤:
1)获取高分辨率相机视频流解码后图片;从视频解码模块获取高分辨率相机视频流解码后图片,进入后续步骤;
2)视域内车辆实时检测;采用基于yolo v4算法训练好的车辆检测模型对视域内车辆进行实时检测;如果没有检测到车辆,则直接返回;如果检测到了车辆,则将车辆加入到多目标跟踪队列;
3)车辆多目标跟踪;采用DeepSort多目标跟踪算法结合卡尔曼滤波,实时更新车辆跟踪队列;
4)车牌抓拍;针对步骤3)中跟踪队列的最新检测目标,进行车牌抓拍;
5)车牌识别;通过训练好的CCPD算法模型进行车牌识别;对车牌方向相较于正对摄像头方向偏转较大的情况进行偏斜扭转,并判断车牌图像质量;车牌质量超过质量阈值的车牌识别结果保存到跟踪队列关联的车牌识别队列中;最终对车牌识别队列中的结果采用投票机制以确定最终车牌识别结果;车牌识别结果以及车型、车辆颜色作为车辆信息关联到相应的跟踪队列;
6)对各目标进行视觉定位;基于环境标定阶段得到的世界坐标系模型,以及相机像素和平面坐标的映射关系,对步骤3)中跟踪队列中的最新检测目标进行视觉定位;
7)通过位置匹配判定停车状态;基于步骤6)中的视觉定位结果,进行位置匹配;
8)通过步骤6)中结果结合车位信息数据库,得到实时车位状态信息,所述实时车位状态信息包括当前使用车位和空置车位信息;
9)输出停车信息、车辆信息、车位状态信息到运营管理后台;所述停车信息包括停车位编号、停车起始和终止时间,所述车辆信息包括车牌号、车型、车辆颜色,所述车位状态信息包括当前使用车位、空置车位。
所述步骤7),包括以下步骤:
g)通过跟踪队列中目标的移动方向矢量判断车辆的行驶方向,基于车辆行驶方向关联待匹配的同向停车位;
h)通过标定的道路标线信息,判断车辆是否进入到停车位所在车道;
i)如果车辆进入到停车位所在车道,则通过标定的车位电子围栏,判断车辆是否进入到停车区域;
j)如果车辆进入到停车区域,通过标定的车位坐标信息,判断车辆进入到哪一个车位中;
k)通过移动方向矢量判断来确定车辆进入停车位的起始和终止时间;
l)得到车辆停止信息。
步骤b)中,所述停车位所在车道为道路最外侧车道。
步骤f)中,所述车辆停止信息包括停车位编号、停车起始和终止时间。
停车环境标定步骤中,所述标定停车位,具体为:采用北斗高精度定位终端(达到厘米级定位精度,作为位置标定的工具)标定每个停车位的四个角,并对呈条状的路侧停车区域建立电子围栏;通过对每个车位和停车区域的编号和标定,形成车位信息数据库,是后续车位匹配的基础;
所述标定道路标线,具体为:采用北斗高精度定位终端标定道路标线,后续用于辅助判断车辆位置信息;
所述相机坐标系建模,具体为:采用北斗高精度定位终端标定智慧灯杆和其他标定点,通过相机标定程序进行相机视域内世界坐标系建模,得到的相机像素和平面坐标的映射关系,是后续对车辆进行视觉定位的基础。
所述道路标线包括道路边线、道路中心线、车道边线。
本发明的另一目的通过以下的技术方案实现:
基于多目标跟踪和视觉定位的路侧停车管理系统,包括视频解码模块、路侧停车管理模块、运营管理后台、共享停车APP/公众号;其中
视频解码模块,按需求提供高位摄像头实时视频解码后的图片信息,所述图片信息包括图像时间戳、解码后的jpg图片、该路摄像头的ID;
路侧停车管理模块,基于车辆目标检测、多目标跟踪、车牌识别、视觉定位技术来实现输出停车信息、车辆信息、车位状态信息;所述停车信息包括停车位编号、停车起始和终止时间,所述车辆信息包括车牌号、车型、车辆颜色,所述车位状态信息包括当前使用车位、空置车位;
运营管理后台,实现收费、发票、信用稽查、车位位置及状态查询、充电桩位置及状态查询、其他车辆服务增值业务或公共服务;
共享停车APP/公众号,提供缴费、发票、查询和其他服务入口。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明通过多目标跟踪技术,基于跟踪队列对整个停车过程进行车牌识别,避免了车辆停车过程中车牌有时处于视频盲区,从而导致识别失败的问题;采用评估车牌图像质量并对车牌识别结果引入投票机制的方法,将多目标跟踪和车牌识别技术结合,提高了高位视频设备的可靠性、准确性。
2、本发明通过高精度标定和视觉定位技术,提高了高位视频路侧停车管理中车牌识别的可靠性;提高了基于视觉定位的车位匹配的可靠性;降低人力消耗和施工成本,路侧停车管控更加便利。
附图说明
图1是本发明所述高位视频路侧停车管理示意图;
图2是本发明所述基于多目标跟踪和视觉定位的路侧停车管理系统的各个模块的调用逻辑关系图;
图3是本发明所述基于多目标跟踪和视觉定位的路侧停车管理方法的停车环境标定步骤的流程图;
图4是本发明所述基于多目标跟踪和视觉定位的路侧停车管理方法的实时停车监控步骤的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
基于多目标跟踪和视觉定位的路侧停车管理系统,包括视频解码模块、路侧停车管理模块、运营管理后台、共享停车APP/公众号等四个模块。路侧停车管理方法属于路侧停车管理模块,不涉及其他三个模块的具体实现,它们需要具备一些功能。高位视频路侧管理建设如图1所示。
视频解码模块,按需求提供高位摄像头实时视频解码后的图片信息,信息包括图像时间戳、解码后的jpg图片、该路摄像头的ID等。
路侧停车管理模块基于车辆目标检测、多目标跟踪、车牌识别、视觉定位、等技术,实现输出停车信息、车辆信息、车位状态信息。停车信息包括停车位编号、停车起始和终止时间等,车辆信息包括车牌号、车型、车辆颜色等,车位状态信息包括当前使用车位、空置车位等。
运营管理后台实现收费、发票、信用稽查、车位位置及状态查询、充电桩位置及状态查询、其他车辆服务等增值业务或公共服务。
共享停车APP/公众号提供缴费、发票、查询和其他服务入口。
各个模块的调用逻辑关系如图2。
路侧停车管理模块包括停车环境标定和实时停车监控两个部分。
停车环境标定流程:
如图3,停车环境标定包括停车位标定、道路标线标定、相机坐标系建模三个部分。
1)停车位标定:采用高精度定位终端标定每个停车位的四个角,并对呈条状的路侧停车区域建立电子围栏。通过对每个车位和停车区域的编号和标定,形成车位信息数据库,是后续车位匹配的基础。
2)道路标线标定:采用高精度终端标定道路边线、道路中心线、车道边线等道路标线,后续用于辅助判断车辆位置信息等。
3)相机坐标系建模:采用高精度终端标定智慧灯杆和其他标定点,通过相机标定程序进行相机视域内世界坐标系建模,得到的相机像素和平面坐标的映射关系,是后续对车辆进行视觉定位的基础。
实时停车监控流程:
1)获取高分辨率相机视频流解码后图片。从视频解码模块获取高分辨率相机视频流解码后图片,进入后续步骤。
2)视域内车辆实时检测。采用基于最新的yolo v4算法训练好的车辆检测模型对视域内车辆进行实时检测。如果没有检测到车辆,则直接返回;如果检测到了车辆,则将车辆加入到多目标跟踪队列。
3)车辆多目标跟踪。采用DeepSort多目标跟踪算法结合卡尔曼滤波,实时更新车辆跟踪队列。
4)车牌抓拍。针对3)中跟踪队列的最新检测目标,进行车牌抓拍。
5)车牌识别。通过训练好的CCPD算法模型进行车牌识别。对车牌方向相较于正对摄像头方向偏转较大的情况进行偏斜扭转,并判断车牌图像质量;车牌质量超过质量阈值的车牌识别结果保存到跟踪队列关联的车牌识别队列中。最终对车牌识别队列中的结果采用投票机制以确定最终车牌识别结果。
车牌识别结果以及车型、车辆颜色作为车辆信息关联到相应的跟踪队列。
6)对各目标进行视觉定位。基于环境标定阶段得到的世界坐标系模型,以及相机像素和平面坐标的映射关系,对3)中跟踪队列中的最新检测目标进行视觉定位。
7)通过位置匹配判定停车状态。基于6)中的视觉定位结果,进行位置匹配,主要包括以下流程:
m)通过跟踪队列中目标的移动方向矢量判断车辆的行驶方向,基于车辆行驶方向关联待匹配的同向停车位;
n)通过标定的道路标线信息,判断车辆是否进入到停车位所在车道,通常是道路最外侧车道;
o)如果满足条件b),通过标定的车位电子围栏,判断车辆是否进入到停车区域;
p)如果满足条件c),通过标定的车位坐标信息,判断车辆进入到哪一个车位中;
q)通过移动方向矢量判断来确定车辆进入停车位的起始和终止时间。
r)得到车辆停止信息,包括停车位编号、停车起始和终止时间。
8)通过6)中结果结合车位信息数据库,得到实时车位状态信息,包括当前使用车位和空置车位信息。
9)输出停车信息、车辆信息、车位状态信息到运营管理后台。停车信息包括停车位编号、停车起始和终止时间等,车辆信息包括车牌号、车型、车辆颜色等,车位状态信息包括当前使用车位、空置车位等。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (7)

1.基于多目标跟踪和视觉定位的路侧停车管理方法,其特征在于,包括停车环境标定步骤和实时停车监控步骤,其中:
停车环境标定步骤,用于标定停车位、道路标线,以及相机坐标系建模;
实时停车监控步骤,包括以下步骤:
1)获取高分辨率相机视频流解码后图片;从视频解码模块获取高分辨率相机视频流解码后图片,进入后续步骤;
2)视域内车辆实时检测;采用基于yolo v4算法训练好的车辆检测模型对视域内车辆进行实时检测;如果没有检测到车辆,则直接返回;如果检测到了车辆,则将车辆加入到多目标跟踪队列;
3)车辆多目标跟踪;采用DeepSort多目标跟踪算法结合卡尔曼滤波,实时更新车辆跟踪队列;
4)车牌抓拍;针对步骤3)中跟踪队列的最新检测目标,进行车牌抓拍;
5)车牌识别;通过训练好的CCPD算法模型进行车牌识别;对车牌方向相较于正对摄像头方向偏转较大的情况进行偏斜扭转,并判断车牌图像质量;车牌质量超过质量阈值的车牌识别结果保存到跟踪队列关联的车牌识别队列中;最终对车牌识别队列中的结果采用投票机制以确定最终车牌识别结果;车牌识别结果以及车型、车辆颜色作为车辆信息关联到相应的跟踪队列;
6)对各目标进行视觉定位;基于环境标定阶段得到的世界坐标系模型,以及相机像素和平面坐标的映射关系,对步骤3)中跟踪队列中的最新检测目标进行视觉定位;
7)通过位置匹配判定停车状态;基于步骤6)中的视觉定位结果,进行位置匹配;
8)通过步骤6)中结果结合车位信息数据库,得到实时车位状态信息,所述实时车位状态信息包括当前使用车位和空置车位信息;
9)输出停车信息、车辆信息、车位状态信息到运营管理后台;所述停车信息包括停车位编号、停车起始和终止时间,所述车辆信息包括车牌号、车型、车辆颜色,所述车位状态信息包括当前使用车位、空置车位。
2.根据权利要求1所述基于多目标跟踪和视觉定位的路侧停车管理方法,其特征在于,所述步骤7),包括以下步骤:
a)通过跟踪队列中目标的移动方向矢量判断车辆的行驶方向,基于车辆行驶方向关联待匹配的同向停车位;
b)通过标定的道路标线信息,判断车辆是否进入到停车位所在车道;
c)如果车辆进入到停车位所在车道,则通过标定的车位电子围栏,判断车辆是否进入到停车区域;
d)如果车辆进入到停车区域,通过标定的车位坐标信息,判断车辆进入到哪一个车位中;
e)通过移动方向矢量判断来确定车辆进入停车位的起始和终止时间;
f)得到车辆停止信息。
3.根据权利要求2所述基于多目标跟踪和视觉定位的路侧停车管理方法,其特征在于,步骤b)中,所述停车位所在车道为道路最外侧车道。
4.根据权利要求2所述基于多目标跟踪和视觉定位的路侧停车管理方法,其特征在于,步骤f)中,所述车辆停止信息包括停车位编号、停车起始和终止时间。
5.根据权利要求1所述基于多目标跟踪和视觉定位的路侧停车管理方法,其特征在于,停车环境标定步骤中,所述标定停车位,具体为:采用北斗高精度定位终端标定每个停车位的四个角,并对呈条状的路侧停车区域建立电子围栏;通过对每个车位和停车区域的编号和标定,形成车位信息数据库,是后续车位匹配的基础;
所述标定道路标线,具体为:采用北斗高精度定位终端标定道路标线,后续用于辅助判断车辆位置信息;
所述相机坐标系建模,具体为:采用北斗高精度定位终端标定智慧灯杆和其他标定点,通过相机标定程序进行相机视域内世界坐标系建模,得到的相机像素和平面坐标的映射关系,是后续对车辆进行视觉定位的基础。
6.根据权利要求5所述基于多目标跟踪和视觉定位的路侧停车管理方法,其特征在于,所述道路标线包括道路边线、道路中心线、车道边线。
7.基于多目标跟踪和视觉定位的路侧停车管理系统,其特征在于,包括视频解码模块、路侧停车管理模块、运营管理后台、共享停车APP/公众号;其中
视频解码模块,按需求提供高位摄像头实时视频解码后的图片信息,所述图片信息包括图像时间戳、解码后的jpg图片、该路摄像头的ID;
路侧停车管理模块,基于车辆目标检测、多目标跟踪、车牌识别、视觉定位技术来实现输出停车信息、车辆信息、车位状态信息;所述停车信息包括停车位编号、停车起始和终止时间,所述车辆信息包括车牌号、车型、车辆颜色,所述车位状态信息包括当前使用车位、空置车位;
运营管理后台,实现收费、发票、信用稽查、车位位置及状态查询、充电桩位置及状态查询、其他车辆服务增值业务或公共服务;
共享停车APP/公众号,提供缴费、发票、查询和其他服务入口。
CN202010856316.6A 2020-08-24 2020-08-24 基于多目标跟踪和视觉定位的路侧停车管理方法及系统 Pending CN111986508A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010856316.6A CN111986508A (zh) 2020-08-24 2020-08-24 基于多目标跟踪和视觉定位的路侧停车管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010856316.6A CN111986508A (zh) 2020-08-24 2020-08-24 基于多目标跟踪和视觉定位的路侧停车管理方法及系统

Publications (1)

Publication Number Publication Date
CN111986508A true CN111986508A (zh) 2020-11-24

Family

ID=73443720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010856316.6A Pending CN111986508A (zh) 2020-08-24 2020-08-24 基于多目标跟踪和视觉定位的路侧停车管理方法及系统

Country Status (1)

Country Link
CN (1) CN111986508A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669613A (zh) * 2020-12-25 2021-04-16 高新兴智联科技有限公司 一种基于汽车电子标识的智慧控制系统及其方法
CN112686923A (zh) * 2020-12-31 2021-04-20 浙江航天恒嘉数据科技有限公司 一种基于双阶段卷积神经网络的目标跟踪方法及系统
CN113139442A (zh) * 2021-04-07 2021-07-20 青岛以萨数据技术有限公司 一种图像跟踪方法、装置、存储介质及电子设备
CN113313964A (zh) * 2021-05-08 2021-08-27 深圳市大道至简信息技术有限公司 一种路边停车管理方法及其系统
CN113327453A (zh) * 2021-05-27 2021-08-31 山东巍然智能科技有限公司 一种基于高点视频分析的停车场空位引导系统
CN113450575A (zh) * 2021-05-31 2021-09-28 超级视线科技有限公司 一种路侧停车的管理方法及装置
CN113516852A (zh) * 2021-07-22 2021-10-19 珠海小可乐科技有限公司 一种多车位多目标车辆停车识别方法及其系统
CN113658449A (zh) * 2021-07-27 2021-11-16 上海交通大学 停车场车辆定位系统及方法
CN113888881A (zh) * 2021-09-10 2022-01-04 福州大学 基于微型电脑的城市路侧停车资源分析规划方法及系统
CN114038232A (zh) * 2021-10-28 2022-02-11 超级视线科技有限公司 一种基于边缘端算存结合的路侧停车管理方法及系统
CN114724404A (zh) * 2022-04-19 2022-07-08 城云科技(中国)有限公司 一种停车管理方法及系统
CN115223374A (zh) * 2022-07-15 2022-10-21 北京精英路通科技有限公司 车辆跟踪方法、装置及电子设备
CN116386152A (zh) * 2023-03-09 2023-07-04 南京地铁运营有限责任公司 一种基于路边无道闸智慧停车管理系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180301031A1 (en) * 2015-04-26 2018-10-18 Parkam (Israel) Ltd. A method and system for automatically detecting and mapping points-of-interest and real-time navigation using the same
CN109147374A (zh) * 2017-06-15 2019-01-04 深圳市金溢科技股份有限公司 停车场管理方法、系统、车载单元及后台服务器
CN109410634A (zh) * 2018-10-26 2019-03-01 西安艾润物联网技术服务有限责任公司 车辆管理方法、系统及存储介质
CN109509368A (zh) * 2018-12-21 2019-03-22 深圳信路通智能技术有限公司 一种基于车顶模型的停车行为算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180301031A1 (en) * 2015-04-26 2018-10-18 Parkam (Israel) Ltd. A method and system for automatically detecting and mapping points-of-interest and real-time navigation using the same
CN109147374A (zh) * 2017-06-15 2019-01-04 深圳市金溢科技股份有限公司 停车场管理方法、系统、车载单元及后台服务器
CN109410634A (zh) * 2018-10-26 2019-03-01 西安艾润物联网技术服务有限责任公司 车辆管理方法、系统及存储介质
CN109509368A (zh) * 2018-12-21 2019-03-22 深圳信路通智能技术有限公司 一种基于车顶模型的停车行为算法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669613A (zh) * 2020-12-25 2021-04-16 高新兴智联科技有限公司 一种基于汽车电子标识的智慧控制系统及其方法
CN112669613B (zh) * 2020-12-25 2022-09-30 高新兴智联科技有限公司 一种基于汽车电子标识的智慧控制系统及其方法
CN112686923A (zh) * 2020-12-31 2021-04-20 浙江航天恒嘉数据科技有限公司 一种基于双阶段卷积神经网络的目标跟踪方法及系统
CN113139442A (zh) * 2021-04-07 2021-07-20 青岛以萨数据技术有限公司 一种图像跟踪方法、装置、存储介质及电子设备
CN113313964A (zh) * 2021-05-08 2021-08-27 深圳市大道至简信息技术有限公司 一种路边停车管理方法及其系统
CN113327453A (zh) * 2021-05-27 2021-08-31 山东巍然智能科技有限公司 一种基于高点视频分析的停车场空位引导系统
CN113450575A (zh) * 2021-05-31 2021-09-28 超级视线科技有限公司 一种路侧停车的管理方法及装置
CN113516852B (zh) * 2021-07-22 2022-09-09 珠海小可乐科技有限公司 一种多车位多目标车辆停车识别方法及其系统
CN113516852A (zh) * 2021-07-22 2021-10-19 珠海小可乐科技有限公司 一种多车位多目标车辆停车识别方法及其系统
CN113658449A (zh) * 2021-07-27 2021-11-16 上海交通大学 停车场车辆定位系统及方法
CN113888881A (zh) * 2021-09-10 2022-01-04 福州大学 基于微型电脑的城市路侧停车资源分析规划方法及系统
CN114038232B (zh) * 2021-10-28 2022-09-20 超级视线科技有限公司 一种基于边缘端算存结合的路侧停车管理方法及系统
CN114038232A (zh) * 2021-10-28 2022-02-11 超级视线科技有限公司 一种基于边缘端算存结合的路侧停车管理方法及系统
CN114724404A (zh) * 2022-04-19 2022-07-08 城云科技(中国)有限公司 一种停车管理方法及系统
CN114724404B (zh) * 2022-04-19 2023-07-21 城云科技(中国)有限公司 一种停车管理方法及系统
CN115223374A (zh) * 2022-07-15 2022-10-21 北京精英路通科技有限公司 车辆跟踪方法、装置及电子设备
CN116386152A (zh) * 2023-03-09 2023-07-04 南京地铁运营有限责任公司 一种基于路边无道闸智慧停车管理系统

Similar Documents

Publication Publication Date Title
CN111986508A (zh) 基于多目标跟踪和视觉定位的路侧停车管理方法及系统
CN110501018B (zh) 一种服务于高精度地图生产的交通标志牌信息采集方法
WO2022027873A1 (zh) 基于多模态信息融合的车辆再识别方法及装置
CN112509333A (zh) 一种基于多传感器感知的路侧停车车辆轨迹识别方法及系统
US8830322B2 (en) Controlling use of a single multi-vehicle parking space and a restricted location within the single multi-vehicle parking space using multiple cameras
CN107563419A (zh) 图像匹配和二维码相结合的列车定位方法
CN110491168B (zh) 一种基于车轮着地点检测车辆停车状态的方法及装置
CN108765975B (zh) 路侧垂直停车场管理系统及方法
CN104599502A (zh) 一种基于视频监控的车流量统计方法
CN110444043B (zh) 一种基于定位技术的停车位巡检系统及其方法
CN113055823B (zh) 一种基于路侧停车管理共享单车的方法及装置
CN107885795A (zh) 一种卡口数据的数据校验方法、系统和装置
CN108154146A (zh) 一种基于图像识别的车辆追踪方法
CN111931673B (zh) 一种基于视觉差的车辆检测信息的校验方法及装置
CN113205692B (zh) 一种路侧停车泊位异常变动的自动识别方法
CN115690061B (zh) 一种基于视觉的集装箱码头集卡车检测方法
CN115223019B (zh) 一种基于相机与激光雷达融合的全天时停车位检测方法
Tsai et al. Horizontal roadway curvature computation algorithm using vision technology
CN111369824B (zh) 一种基于图像识别定位的引导泊车方法及系统
CN112085018A (zh) 基于神经网络的车牌识别系统
CN113029185B (zh) 众包式高精度地图更新中道路标线变化检测方法及系统
CN113468911B (zh) 一种车载闯红灯检测方法、装置、电子设备及存储介质
CN112560814A (zh) 一种车辆进出停车位的识别方法
CN110659534B (zh) 一种共享单车检测方法和装置
CN203020184U (zh) 一种基于双ccd的纯电动汽车车道标识线检测装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20201124

RJ01 Rejection of invention patent application after publication