CN112053584B - 一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法 - Google Patents
一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法 Download PDFInfo
- Publication number
- CN112053584B CN112053584B CN202010850041.5A CN202010850041A CN112053584B CN 112053584 B CN112053584 B CN 112053584B CN 202010850041 A CN202010850041 A CN 202010850041A CN 112053584 B CN112053584 B CN 112053584B
- Authority
- CN
- China
- Prior art keywords
- parking
- parking space
- target
- distance
- change trend
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法,构建标准距离变化趋势图;判断地磁信号的变化是否超过第一阈值和/或光线强度的变化是否超过第一强度变化阈值,若是,执行下一步;基于回波信号及雷达微波信号确定目标对象的距离;绘制目标距离变化趋势图;获取标准距离变化趋势图;判断目标是否处于停车模式,若是,将车位状态设置为正在停车;当目标停车模式为车头一次性入库或车尾一次性入库时,采集目标区域图像;基于目标尺寸判断目标对象是否为汽车,若否,向管理员推送警告信息;若是,经过第一预定时间后,将车位设置为占用状态。本发明能够准确管理车位状态,提升车位的利用率,降低停车时间。
Description
技术领域
本发明涉及车位管理技术领域,具体涉及一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法。
背景技术
随着经济全球化和产业化的不断发展,汽车出行为人们的日常生活提供了便利,但汽车数量的迅速增长也带来了交通拥培、停车难等一系列社会问题。传统方式的车位管理模式已经不能使原本紧缺的停车资源得到有效利用,停车难、人力成本高、乱收费等情况不时发生。因此,在现有停车位数量有限的情况下,我们更应该考虑如何提高车位的利用率,改善车位管理方式,缓解停车难等问题。
车位检测系统是通过设备监视和数据采集、分析处理等方式检测车位信息,自动得出被测车位上有无车辆驶入、驶出或停靠的结果,作为有效车位管理和司机寻找空车位的主要依据。NB-IoT(Narrow Band Internet ofThings)是一种革新性的基于蜂窝移动网络的窄带物联网技术,聚焦于低功耗广域物联网市场,可在全球范围内广泛应用的3GPP通信标准的技术,也是4.5G关键技术之一,未来会向5G演进。NB-IoT构建于蜂窝网络,只消耗大约180KHz的资源,可直接部署于GSM、UMTS或者LTE网络,实现平滑升级。因此,现有对车位的检测与管理主要通过NB-IoT实现。
公开号为CN 108682177A的发明专利申请公开了一种采用多传感器的车位探测器及控制方法,通过设置双传感器从而能够提高车位探测准确率,同时能够有效限制功耗长期使用的技术方案。所述车位探测器,包括供电模块、数据处理模块和通讯模块,数据处理模块连接通讯模块,还包括磁阻传感器和测距传感器,所述磁阻传感器和测距传感器分别连接数据处理模块。所述控制方法步骤包括数据处理模块通过磁阻传感器探测到车位有车辆经过时,唤醒测距传感器探测车位上方是否停留有车辆;若测距传感器探测到车司位停留有车辆,通过通讯模块向上位系统发送巳车位占用信息。
上述申请虽然能通过地磁、雷达进行车位检测,但是仅能对已被占用的车位进行检测。当用户正在停车的过程中,仍然显示车位未被占用,其余用户进行车位查询时,仍显示车位未被占用,可能前往该车位,造成停车时间的大大浪费。因此,如何提高车位管理的效率,降低停车时间,是本领域亟待解决的问题。
发明内容
本发明的目的是针对现有技术的缺陷,提供了一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法。本发明在地磁检测到车位附近有车辆出入后,启动雷达对车辆的停车模式进行判断,以预测出车辆即将停入车位,通过将车位状态设置为“正在停车”,当其它用户获取到车位的“正在停车”状态时,能够避免前往该车位造成的停车时间浪费,实现了对车位的有效管理。
为了实现以上目的,本发明采用以下技术方案:
一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法,包括步骤:
S1、基于车位类型及尺寸为各停车模式构建标准距离变化趋势图;
S2、接收地磁传感器采集的地磁信号、照度传感器采集的光线强度,判断所述地磁信号的变化是否超过第一阈值和/或所述光线强度的变化是否超过第一强度变化阈值,若是,执行步骤S3;
S3、启动雷达辐射雷达微波信号,接收所述雷达微波信号的回波信号;基于所述回波信号及雷达微波信号确定目标对象的距离;
S4、判断所述目标对象的距离是否小于第二阈值,若是,在预设时间段内继续控制雷达传感器辐射雷达微波信号,绘制目标的距离变化趋势图;
S5、基于雷达传感器获取关联的车位信息,基于车位信息获取相应的标准距离变化趋势图;
S6、将目标的距离变化趋势图与获取的标准距离变化趋势图进行对比,判断目标是否处于任一停车模式,若是,将该车位的状态设置为正在停车;若否,继续执行步骤S2;
S7、当目标的停车模式为车头一次性入库或车尾一次性入库时,启动图像采集装置采集目标区域图像;
S8、识别目标区域图像中的目标尺寸,基于所述目标尺寸判断目标对象是否为汽车,若否,向管理员终端推送警告信息;若是,经过第一预定时间后,将该车位设置为占用状态。
进一步地,所述步骤S1包括:
S11、对于每种车位类型,采集车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库模式下各时间点的距离;距离为车位后侧中心点与车辆最近点间的水平距离;当停车过程中出现没有车辆最近点时,将相应的距离值设置为:
d none=L+M
d none为没有车辆最近点时的距离,L为车位长度,M为预设距离值;对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度;所述距离值根据不同年龄、不同性别用户进行划分;
S12、基于所述各时间点的距离求取各车位类型、入库模式下各时间点的标准距离值;所述相对距离值变化趋势图与不同年龄、不同性别对应;
S13、基于所示标准距离值计算相对距离值,生成相对距离值变化趋势图,具体为:
d r=d a-L
d a为标准距离值,d r为相对距离值,L为车位长度对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度;
S14、基于车位的尺寸,将所述相对距离值变化趋势图沿y轴方向纵向平移车位长度值,以为针对不同尺寸的车位生成不同停车模式下的标准距离变化趋势图。
进一步地,所述步骤S6包括:
S61、分别将目标的距离变化趋势图、获取的标准距离变化趋势图中与x轴平行的线段压缩成对应距离值的点,得到目标的距离变化趋势压缩图、标准距离变化趋势压缩图;
S62、依次计算目标的距离变化趋势压缩图与各标准距离变化趋势压缩图间的相关系数,生成相关系数集合;目标的距离变化趋势压缩图J与第i幅标准距离变化趋势压缩图K i间相关系数为:
其中,σ(J)、σ(K i)分别为J与K i的方差,cov(J,K i)为J与K i的协方差;
S63、获取所述相关系数集合中大于第一相关系数阈值的相关系数个数N,判断所述相关系数个数N是否大于0,若是,执行步骤S64,若否,则目标不处于任一停车模式;继续执行步骤S2;
S64、判断所述相关系数个数N是否为1,若是,则目标处于大于第一相关系数阈值的相关系数对应的停车模式;若否,则目标处于相关系数集合中最大相关系数对应的停车模式;将该车位的状态设置为正在停车状态。
进一步地,所述步骤S8包括:
S81、对目标区域图像进行预处理;
S82、基于特征提取算法分别提取目标区域图像中的目标图像尺寸及车位图像尺寸;
S83、计算目标图像尺寸及车位图像尺寸间的比例,判断所述比例是否小于第一比例阈值,若是,向管理员终端推送警告信息;若否,经过第一预定时间后,将该车位设置为占用状态。
进一步地,所述车位状态预测管理方法还包括:
S9、接收用户发送得状态设置请求,将关联车位设置为准备驶离状态,并设置准备驶离时间;
当用户在准备驶离时间驶离,则:
其中,C d为折扣停车费,C为实际停车费,t为设置的准备驶离时间,T为停车时间,λ为调节因子;
当用户未在准备驶离时间驶离,则:
其中,C I为上调停车费,C为实际停车费,t为设置的准备驶离时间,T I为从设置准备驶离状态后的实际驶离时间,β为调节因子。
本发明还提出一种基于地磁、雷达及摄像的车位状态预测管理系统,包括:
标准距离变化趋势图构建模块,用于基于车位类型及尺寸为各停车模式构建标准距离变化趋势图;
地磁、照度采集模块,用于接收地磁传感器采集的地磁信号、照度传感器采集的光线强度,判断所述地磁信号的变化是否超过第一阈值和/或所述光线强度的变化是否超过第一强度变化阈值,若是,调用雷达测距模块;
雷达测距模块,用于启动雷达辐射雷达微波信号,接收所述雷达微波信号的回波信号;基于所述回波信号及雷达微波信号确定目标对象的距离;
第一判断模块,用于判断所述目标对象的距离是否小于第二阈值,若是,在预设时间段内继续控制雷达传感器辐射雷达微波信号,绘制目标的距离变化趋势图;
获取模块,用于基于雷达传感器获取关联的车位信息,基于车位信息获取相应的标准距离变化趋势图;
第二判断模块,用于将目标的距离变化趋势图与获取的标准距离变化趋势图进行对比,判断目标是否处于任一停车模式,若是,将该车位的状态设置为正在停车;若否,调用地磁采集模块;
图像采集模块,用于当目标的停车模式为车头一次性入库或车尾一次性入库时,启动图像采集装置采集目标区域图像;
目标识别模块,用于识别目标区域图像中的目标尺寸,基于所述目标尺寸判断目标对象是否为汽车,若否,向管理员终端推送警告信息;若是,经过第一预定时间后,将该车位设置为占用状态。
进一步地,所述标准距离变化趋势图构建模块包括:
距离采集模块,用于对于每种车位类型,采集车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库模式下各时间点的距离;距离为车位后侧中心点与车辆最近点间的水平距离;当停车过程中出现没有车辆最近点时,将相应的距离值设置为:
d none=L+M
d none为没有车辆最近点时的距离,L为车位长度,M为预设距离值;对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度;所述距离值根据不同年龄、不同性别用户进行划分;
第一计算模块,用于基于所述各时间点的距离求取各车位类型、入库模式下各时间点的标准距离值;所述相对距离值变化趋势图与不同年龄、不同性别对应;
第一生成模块,用于基于所示标准距离值计算相对距离值,生成相对距离值变化趋势图,具体为:
d r=d a-L
d a为标准距离值,d r为相对距离值,L为车位长度对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度;
第二生成模块,用于基于车位的尺寸,将所述相对距离值变化趋势图沿y轴方向纵向平移车位长度值,以为针对不同尺寸的车位生成不同停车模式下的标准距离变化趋势图。
进一步地,所述第二判断模块包括:
压缩模块,用于分别将目标的距离变化趋势图、获取的标准距离变化趋势图中与x轴平行的线段压缩成对应距离值的点,得到目标的距离变化趋势压缩图、标准距离变化趋势压缩图;
第二计算模块,用于依次计算目标的距离变化趋势压缩图与各标准距离变化趋势压缩图间的相关系数,生成相关系数集合;目标的距离变化趋势压缩图J与第i幅标准距离变化趋势压缩图K i间相关系数为:
其中,σ(J)、σ(K i)分别为J与K i的方差,cov(J,K i)为J与K i的协方差;
第三判断模块,第三判断模块,用于获取所述相关系数集合中大于第一相关系数阈值的相关系数个数N,判断所述相关系数个数N是否大于0,若是,调用第四判断模块,若否,则目标不处于任一停车模式;调用地磁采集模块;;
第四判断模块,用于判断所述相关系数个数N是否为1,若是,则目标处于大于第一相关系数阈值的相关系数对应的停车模式;若否,则目标处于相关系数集合中最大相关系数对应的停车模式;将该车位的状态设置为正在停车状态。
进一步地,所述目标识别模块包括:
预处理模块,用于对目标区域图像进行预处理;
尺寸提取模块,用于基于特征提取算法分别提取目标区域图像中的目标图像尺寸及车位图像尺寸;
第五判断模块,用于计算目标图像尺寸及车位图像尺寸间的比例,判断所述比例是否小于第一比例阈值,若是,向管理员终端推送警告信息;若否,经过第一预定时间后,将该车位设置为占用状态。
进一步地,所述车位状态预测管理方法还包括:
状态设置模块,用于接收用户发送得状态设置请求,将关联车位设置为准备驶离状态,并设置准备驶离时间;
当用户在准备驶离时间驶离,则:
其中,C d为折扣停车费,C为实际停车费,t为设置的准备驶离时间,T为停车时间,λ为调节因子;
当用户未在准备驶离时间驶离,则:
其中,C I为上调停车费,C为实际停车费,t为设置的准备驶离时间,T I为从设置准备驶离状态后的实际驶离时间,β为调节因子。
与现有技术相比,本发明具有如下优点:
1、本发明结合地磁、雷达、照度及摄像对车位进行有效管理,在地磁和/或照度传感器检测到车位附近有车辆出入后,启动雷达对车辆的停车模式进行判断,以预测出车辆即将停入车位,通过将车位状态设置为“正在停车”,当其它用户获取到车位的“正在停车”状态时,能够避免前往该车位造成的停车时间浪费,实现了对车位的有效管理;
2、本发明只要地磁信号、光线强度中任一项的变化超过设定的阈值,则说明车位附近可能有车辆出入,进一步进行下一步的判断;本发明通过地磁传感器、照度传感器的结合,避免因为环境等干扰造成传感器检测精度弱,遗漏停车车辆的问题;
3、本发明对“正在停车”的车辆通过图像采集装置采集目标区域图像,对目标对象进行进一步筛选,避免车位被摩托车、自行车等非法占用的问题;将可能非法占用车位的信息发送到管理员终端,以便管理员终端对非法占用的车位进行进一步管理,及时清除非法停车的车辆,提高车位的利用率;
4、本发明能够接收用户发送的状态设置请求,将关联车位设置为准备驶离状态,使用户能够及时查找出即将不被占用的车位,方便用户根据需要选择是否等待,避免用户到下一停车区域继续进行查询,大大降低了停车的时间,使用户能够更好地规划停车路线;
5、本发明基于距离变化趋势图进行停车模式的识别,数据处理量小,大大提高了停车模式识别的效率,避免过多的数据处理造成的处理时延;
6、本发明针对不同类型的车位、不同年龄、不同性别用户的距离分别处理,分别构建相应的标准距离变化趋势图,使构建的标准距离变化趋势图更加准确,能够更准确地判断车辆的停车模式。
附图说明
图1是实施例一提供的一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法流程图;
图2是雷达微波信号的处理模块示意图;
图3是实施例二提供的一种基于地磁、雷达及摄像的路牙车位状态预测管理系统结构图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
实施例一
如图1所示,本实施例提出了一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法,包括:
S1、基于车位类型及尺寸为各停车模式构建标准距离变化趋势图;
车位的管理主要是方便用户实时了解车位状况,快速找到空余车位泊车。除了已经被停车占用的车位外,当用户正在停车状态时,其它用户也不能使用该车位。为了避免用户查找别人正在停车的车位,造成停车时间的浪费,本发明对车辆是否处于停车模式进行识别,以及时获取用户的停车状态,对未来可能占用该车位进行预测,避免其它用户再次查找该车位造成的车位冲突及停车时间的浪费。
具体地,本发明中,距离为车位后侧中心点延平行于左右两侧方向,与汽车最近点间的水平距离。也就是说,车位后侧中心点与车辆最近点间的连线在水平方向与车位左右两侧平行。距离为车位后侧中心点与车辆最近点间的水平距离。在停车过程中,随着车辆的移动,车位后侧中心点与汽车最近点间的水平距离会不断变化,并遵循一定的变化规律。因此,本发明构建标准距离变化趋势图,基于距离变化趋势图对停车模式进行识别,将车辆实时的距离变化趋势图与标准的距离变化趋势图进行比较,确定车辆的停车模式。仅通过距离变化趋势图进行停车模式的识别,数据处理量小,大大提高了停车模式识别的效率,避免过多的数据处理造成的处理时延。
在停车过程中,针对不同类型的车位,其停车的模式不同。因此,本发明基于不同类型车位构建不同的标准距离变化趋势图。此外,即使对于同一类型的车位,其停车模式也可能包括多种。因此,本发明基于车位类型及尺寸为各停车模式构建标准距离变化趋势图具体为:
S11、对于每种车位类型,采集车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库模式下各时间点的距离;
根据车位的形状及多个车位间组合关系,常见的车位类型包括横向车位、纵向车位、斜线车位。不同类型的车位,其停车的过程及模式也不相同。因此,本发明为每种车位类型分别建立标准距离变化趋势图。针对每种车位类型,也可以采用不同的方式停车入库。不同的人其停车入库的方式也不尽相同。因此,本发明将入库模式大致分为车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库。
车头一次性入库是指车辆前进入库,车头首先驶入车位,且入库过程中不存在倒车操作;车头多次调整入库是指车辆前进入库,车头首先驶入车位,且入库过程中存在倒车操作;车尾一次性入库是指车辆倒车入库,车尾首先驶入车位,且入库过程中不存在前进操作;车尾一次性入库是指车辆倒车入库,车尾首先驶入车位,且入库过程中存在前进操作。对于在入库过程中多次反复进行的前进与倒车操作,无论具体的反复次数,统称为多次调整入库。值得注意的是,在停车过程中,由于不同用户操作的熟练程度不同,因此,本发明中,不考虑用户在停车过程中是否中途停车,只要满足相应的入库方式,则属于相应的入库模式。
如上所述,距离为车位后侧中心点与车辆最近点间的水平距离。车位后侧为与车辆入库方向相对的车位边界线。对于不同类型的车位,其车位后侧也不同。具体地,对于横向车位,车位内测的长边界线为车位后侧,对于纵向车位及斜线车位,车位内测的短边界线为车位后侧。
为了构建标准距离变化趋势图,本发明针对每种车位类型,采集不同用户分别在车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库模式下的距离变化。具体地,可以采集不同年龄、不同性别用户的停车距离数据,以适应不同用户的停车习惯。用户停车过程中,距离信息不断变化,因此,本发明每隔时间间隔t 1获取相应的距离,由此得到各入库模式下入库过程中各时间点的距离。此外,由于本发明中,距离为车位后侧中心点与车辆最近点间的水平距离,车位后侧中心点与车辆最近点间的连线在水平方向与车位左右两侧平行,在停车过程中可能存在没有车辆最近点的情况。为了绘制有效的标准距离变化趋势图,当停车过程中出现没有车辆最近点时,将相应的距离值设置为:
d none=L+M
d none为没有车辆最近点时的距离,L为车位长度,M为预设距离值。对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度。预设距离值可以根据经验进行设置,远大于停车过程中距离车位的正常值,如100米等。
S12、基于所述各时间点的距离求取各车位类型、入库模式下各时间点的标准距离值;
如上所述,本发明针对车位类型,采集不同年龄、不同性别用户在不同停车模式下的停车距离数据。为了适应不同年龄、不同性别用户的停车习惯,本发明设置不同的年龄段,针对各年龄段、不同性别用户分别生成相应的标准距离变化趋势图,共同作为对应车位类型、对应停车模式下的标准距离变化趋势图。
本发明根据用户年龄分别设置青年、中年、老年年龄段。结合用户性别,针对特定的车位类型、停车模式,至少包括六个标准距离变化趋势图,具体为青年女性、中年女性、老年女性、青年男性、中年男性、老年男性所对应的标准距离变化趋势图。
本发明将采集的不同车位类型、不同入库模式下的各时间点的距离信息在同一文件夹保存。针对每个文件夹,根据驾驶对象的年龄段、性别信息,对距离数据进行进一步划分,将属于同一年龄段、性别的距离数据存入相同的子文件夹,具体包括六个字文件夹。
因此,对于各车位类型、入库模式下的标准距离变化趋势,本发明调用该车位类型、入库模式对应的文件夹,针对文件夹中的子文件夹依次获取距离数据,对提取的距离数据根据相应的时间点提取平均值,得到该车位类型、入库模式中的一个标准距离变化信息。如上所述,车位类型、入库模式对应的文件夹包括六个字文件夹,因此得到六个相应的标准距离变化信息。本发明针对所有的车位类型、入库模式进行依次处理,得到所有车位类型、入库模式下的标准距离变化信息。
S13、基于所示标准距离值计算相对距离值,生成相对距离值变化趋势图;
即使是同种类型的车位,其车位尺寸也不尽相同。而标准距离值受车位尺寸影响较大。因此,为了适应不同车位尺寸的变化,本发明基于标准距离值计算相对距离值,具体为:
d r=d a-L
d a为标准距离值,d r为相对距离值,L为车位长度对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度。
本发明依次计算各时刻标准距离值对应的相对距离值,基于各时刻的相对距离值,生成相对距离值变化趋势图。相对距离值变化趋势图的横坐标为时间,纵坐标为距离相对距离值。
S14、基于车位的尺寸,将所述相对距离值变化趋势图沿y轴方向纵向平移车位长度值,以为针对不同尺寸的车位生成不同停车模式下的标准距离变化趋势图。
为了适应不同车位的尺寸,本发明基于相对距离值变化趋势图及对应的具体车位尺寸为该尺寸车位生成不同停车模式下的标准距离变化趋势图。具体地,将相对距离值变化趋势图沿y轴方向纵向平移车位长度值,得到该尺寸车位相应的标准距离变化趋势图。
本发明基于相对距离值变化趋势图依次为各尺寸的车位生成相应的标准距离变化趋势图,不需要为不同尺寸的车位单独进行停车数据的采集,大大降低了数据处理的复杂度,同时能够自适应于不同尺寸的车位变化。
由此,本发明为不同车位尺寸生成了不同停车模式下的标准距离变化趋势图,不同停车模式包括了车位类型、入库模式的不同。本发明将标准距离变化趋势图根据车位类型进行划分存储。属于同一车位类型的标准距离变化趋势图属于同一文件夹。此外,还可以根据车位尺寸对同一车位类型中的文件进行进一步划分,在此不作限定。
S2、接收地磁传感器采集的地磁信号、照度传感器采集的光线强度,判断所述地磁信号的变化是否超过第一阈值和/或所述光线强度的变化是否超过第一强度变化阈值,若是,执行步骤S3;
为了避免不断进行车辆停车模式识别,本发明首先利用地磁传感器检测车位附近有车辆出入,当车位附近有车辆出入时,再进行进一步的停车模式识别。具体地,地磁传感器首先计算磁场背景值,即传感器上方没有车辆时的磁场值。本发明地磁传感器不断采集地磁信号,将采集的地磁信号与磁场背景值进行比较,当采集的地磁信号与磁场背景值间的差值超过第一阈值时,即地磁信号的变化超过第一阈值,则说明车位附近有车辆出入,继续进行车辆停车模式识别。否则车位附近没有车辆出入,不需要进行车辆停车模式识别,大大节省了车位管理与检测过程中的能耗。
由于地磁传感器受环境影响大,因此,本发明同步利用照度传感器采集光线强度。当车位附近有车辆出入时,相应的光线强度会发生较大的变化。因此,本发明照度传感器不断采集光线强度,将采集的光线强度与标准光线强度进行比较,当采集的光线强度与标准光线强度间的差值超过第一强度变化阈值时,即光线强度的变化是否超过第一强度变化阈值,则说明车位附近有车辆出入,继续进行车辆停车模式识别。
因此,本发明中,只要地磁信号、光线强度中任一项的变化超过设定的阈值,则说明车位附近可能有车辆出入,进一步进行下一步的判断。本发明通过地磁传感器、照度传感器的结合,避免因为环境等干扰造成传感器检测精度弱,遗漏停车车辆的问题。
S3、启动雷达辐射雷达微波信号,接收所述雷达微波信号的回波信号;基于所述回波信号及雷达微波信号确定目标对象的距离;
本发明基于毫米波雷达获取目标对象的距离,由此绘制距离变化趋势图。具体地,本发明将雷达设置在车位后侧中心点。地磁传感器检测到车位周围有车辆出入时,启动雷达辐射雷达微波信号,并接收雷达微波信号的回波信号。回波信号是指雷达微波信号遇到车位中的车辆或空车位时所形成的反射信号,简称回波信号。本发明基于回波信号及雷达微波信号确定目标对象的距离。
图2示出了雷达微波信号的具体处理。MCU输出连续锯齿波由雷达收发器混频发射,通过D/A转换器转换输出。毫米波雷达模块首先发射毫米波,对差频信号进行运放,采集毫米波回波数据到通过AD采样到MCU,通过加汉宁窗、数字滤波和傅里叶变换后,再取出中心频点并计算出目标距离。本发明中,MCU采用意法半导体STM32L151芯片,毫米波发射和接收采用SG24TR12芯片。
S4、判断所述目标对象的距离是否小于第二阈值,若是,在预设时间段内继续控制雷达传感器辐射雷达微波信号,绘制目标的距离变化趋势图;
确定目标对象的距离后,本发明首先判断目标对象的距离是否小于第二阈值,若是,则说明车辆仍然处于当前车位附近,继续控制雷达传感器辐射雷达微波信号,追踪目标对象的距离信息,进一步绘制目标的距离变化趋势图,判断目标对象是否处于停车过程,以进一步预测目标对象是否会停入该车位。
此外,本申请设置预设时间段,以限定目标的距离变化趋势图的绘制时间,避免长时间的目标距离检测造成车辆是否处于停车模式的预测时间过长,丧失停车状态预测的意义。这是因为预设时间段过长,车辆可能已经完成停车,且不能快速地更新车位状态,不能为快速、有效地寻找车位提供支持。
具体地,在检测到目标对象处于当前车位附近后的10秒左右时间对于判断目标对象是否准备停入当前车位最有意义。因此,本发明可以根据需要设置预设时间段为8秒、10秒或12秒等。
S5、基于雷达传感器获取关联的车位信息,基于车位信息获取相应的标准距离变化趋势图;
本发明中,雷达传感器与各车位一一对应。因此,本发明基于当前的雷达传感器,获取与雷达传感器相对应的车位信息。具体地,雷达传感器可以进行相应的编号,与车位信息关联存储于数据库中。车位信息包括了车位的类型、尺寸等。因此,本发明根据关联车位的类型,获取相应类型文件夹中的标准距离变化趋势图。此外,当根据车位尺寸对同一车位类型中的文件进行进一步划分时,可以基于车位的尺寸信息进一步获取相应子文件夹中的标准距离变化趋势图。
S6、将目标的距离变化趋势图与获取的标准距离变化趋势图进行对比,判断目标是否处于任一停车模式,若是,将该车位的状态设置为正在停车;若否,继续执行步骤S2;
本申请将采集的距离变化趋势图与基于车位信息获取的标准距离变化趋势图依次进行对比,以判断目标是否处于停车模式。具体为:
S61、分别将目标的距离变化趋势图、获取的标准距离变化趋势图中与x轴平行的线段压缩成对应距离值的点,得到目标的距离变化趋势压缩图、标准距离变化趋势压缩图;
如上所述,不同用户在操作过程中的熟练程度不同,因此在停车过程中可能中途停车。然而,中途停车的过程不能很好地指示停车过程中的距离变化趋势。因此,本发明分别对目标的距离变化趋势图、获取的标准距离变化趋势图进行处理,剔除连续相同的距离点,避免中途停车对距离变化趋势图的影响。具体地,本发明获取距离变化趋势图中与x轴平行的线段,将该线段压缩成对应距离值的点。具体地,对于与x轴平行的线段,例如线段的x轴坐标范围为[t1、t2],y值为D,则该线段压缩成对应距离值的点的横坐标值为t1,y值为D。
S62、依次计算目标的距离变化趋势压缩图与各标准距离变化趋势压缩图间的相关系数,生成相关系数集合;
对目标的距离变化趋势图与获取的标准距离变化趋势图进行预处理后,就能将目标的距离变化趋势压缩图与各标准距离变化趋势压缩图进行相似性计算。对于目标的距离变化趋势压缩图J与第i幅标准距离变化趋势压缩图K i,其相关系数为:
其中,σ(J)、σ(K i)分别为J与K i的方差,cov(J,K i)为J与K i的协方差。
本发明将目标的距离变化趋势压缩图与各标准距离变化趋势压缩图依次进行计算,生成多个相关系数,共同组成相关系数集合。
S63、获取所述相关系数集合中大于第一相关系数阈值的相关系数个数N,判断所述相关系数个数N是否大于0,若是,执行步骤S64,若否,则目标不处于任一停车模式;继续执行步骤S2;
目标的距离变化趋势压缩图与标准距离变化趋势压缩图间的第一相关系数越大,则说明目标越可能处于相应的停车模式。本发明设置相关系数阈值,将相关系数集合中的值与第一相关系数阈值进行比较。当目标的距离变化趋势压缩图与标准距离变化趋势压缩图间的相关系数大于第一相关系数阈值时,则目标很可能处于相应的停车模式。只有当相关系数集合中所有的相关系数均不大于第一相关系数阈值时,则不处于任一停车模式,否则,则可能处于某一停车模式。
S64、判断所述相关系数个数N是否为1,若是,则目标处于大于第一相关系数阈值的相关系数对应的停车模式;若否,则目标处于相关系数集合中最大相关系数对应的停车模式;将该车位的状态设置为正在停车状态。
当相关系数集合中存在相关系数大于第一相关系数阈值时,则当前目标处于某一停车模式。具体地,当仅一个停车模式对应的相关系数大于第一相关系数阈值时,则将该停车模式作为当前目标的停车模式。否则,选择最大相关系数对应的停车模式。
本发明对车位的状态进行管理,具体地,车位状态包括“未占用”、“占用”、“正在停车”、“准备驶离”。“未占用”是指车位当前没有任何车辆停放;“占用”是指车位当前已有车辆停放;“正在停车”是指车位当前有车辆准备停放;“准备驶离”是指车位当前有车辆准备驶离。
本发明对车位的状态进行全面管理与预测,避免车位仅指示“未占用”、“占用”时存在查找的车位已有用户正在停车的问题。因此,本发明对用户的停车模式进行判断与预测,当判断出用户正在处于停车模式时,将对应的车位设置为“正在停车”,当其它用户获取到车位的“正在停车”状态时,能够避免前往该车位造成的停车时间浪费,实现了对车位的有效管理。值得注意的是,本发明中用户可以通过终端设备查询各车位的状态信息,根据相应的状态规划停车的路线,实现车位的快速查找。
S7、当目标的停车模式为车头一次性入库或车尾一次性入库时,启动图像采集装置采集目标区域图像;
为了避免车位被摩托车、自行车等非法占用,本发明对目标进行进一步筛选。由于摩托车、自行车等的停车模式通常为车头一次性入库或车尾一次性入库,因此,为了降低图像的处理量,本发明判断目标的停车模式,当停车模式为车头一次性入库或车尾一次性入库时,目标可能为摩托车、自行车等,因此对目标进行进一步筛选,启动图像采集装置采集目标区域图像。启动图像采集装置设置在车位后侧中心点,可以与雷达传感器关联设置,在此不作限定。
S8、识别目标区域图像中的目标尺寸,基于所述目标尺寸判断目标对象是否为汽车,若否,向管理员终端推送警告信息;若是,经过第一预定时间后,将该车位设置为占用状态。
由于摩托车、自行车等与机动汽车的尺寸相差较大,因此,本发明基于目标对象的尺寸来区分目标对象。具体包括:
S81、对目标区域图像进行预处理;
采集的目标区域图像可能存在不清楚等问题,因此,本发明首先对采集的目标图像进行预处理,对图像的预处理包括高斯滤波、灰度处理等,在此不作限定。
S82、基于特征提取算法分别提取目标区域图像中的目标图像尺寸及车位图像尺寸;
本发明对预处理后的目标区域图像进行特征提取,进一步提取目标及车位的图像尺寸。特征提取算法可以采用尺度不变特征变换(Scale invariant feature transform,SIFT)算法、加速稳健特征(Speeded Up Robust Features,SURF)算法等,本发明不作限定。
为了降低目标尺寸的计算量,本发明仅需要获取目标图像尺寸及车位图像尺寸。
S83、计算目标图像尺寸及车位图像尺寸间的比例,判断所述比例是否小于第一比例阈值,若是,向管理员终端推送警告信息;若否,经过第一预定时间后,将该车位设置为占用状态。
由于摩托车、自行车等的尺寸与机动汽车存在较大的差异,因此,本发明预先设置第一比例阈值。根据目标图像尺寸S1及车位图像尺寸S2计算比例R=S1/S2,当比例R小于第一比例阈值时,则说明目标对象为非机动汽车,向管理员终端推送警告信息,提醒管理员进行车位的维护与处理。第一比例阈值可以根据摩托车等尺寸进行设定。
当R不小于第一比例阈值,说明当前正在停车的车辆为机动汽车,因此,当经过第一预定时间后,将车位的状态切换为占用状态。第一预定时间可以根据用户通常的停车时间进行设置。
此外,在实际使用车位的过程中,当用户准备驶离车位时,此时其它用户通过对车位状态的查询,仍然是显示被占用的状态。查询用户可能会到下一停车区域继续进行查询,大大浪费了停车的时间,而用户刚刚经过的车位则可能当前所停车辆准备驶离。因此,本发明中,当用户准备驶离车位时,可以通过终端设备向服务器发送设置请求,将相应的车位设置为“准备驶离”状态。因此,本发明所述方法还包括:
S9、接收用户发送得状态设置请求,将关联车位设置为准备驶离状态。
具体地,用户可以与具体的终端设备相关联,当用户停入相应车位后,将车位与用户信息绑定。用户可以在驾车离开车位前的5min、10min等进行“准备驶离”状态设置,具体不作限定。用户可以触发“准备驶离”状态设置,同步设置具体的时间,发送的设置请求如“2min后离开”等。
针对用户主动设置“准备驶离”状态,服务器可以提供相应的激励措施,使用户积极参与到主动报告离开车位的过程中。例如,可以根据用户的设置时间减少停车费等,提供相应的停车费折扣。因此,当用户在准备驶离时间驶离,则为用户提供相应的奖励,具体为:
其中,C d为折扣停车费,C为实际停车费,t为设置的准备驶离时间,T为停车时间,λ为调节因子。
当用户未设置准备驶离时间时,t为0,C d=C,不对实际停车费进行任何优惠。
同时,为了避免恶意用户任意设置“准备驶离”状态,当准备驶离时间未驶离时,可以增加停车费用,具体为:
其中,C I为上调停车费,C为实际停车费,t为设置的准备驶离时间,T I为从设置准备驶离状态后的实际驶离时间,β为调节因子。
当用户按时驶离时,T I=t,C I=C,不对增加停车费用。
由于用户准备驶离的时间为预估时间,因此,本发明为准备驶离时间设置相应的宽限期。只要用户的实际驶离时间位于[t-Δt,t+Δt]时间段内,则判断用户在准备驶离时间驶离,其中Δt为宽限期。
当用户进行当前停车区域车位查询时,可以获取到“准备驶离”状态,用户可以根据具体的准备驶离时间选择是否进行等待,根据自身需要选择合适的车位。
实施例二
如图3所示,本实施例提出了一种基于地磁、雷达及摄像的车位状态预测管理系统,包括:
标准距离变化趋势图构建模块,用于基于车位类型及尺寸为各停车模式构建标准距离变化趋势图;
车位的管理主要是方便用户实时了解车位状况,快速找到空余车位泊车。除了已经被停车占用的车位外,当用户正在停车状态时,其它用户也不能使用该车位。为了避免用户查找别人正在停车的车位,造成停车时间的浪费,本发明对车辆是否处于停车模式进行识别,以及时获取用户的停车状态,对未来可能占用该车位进行预测,避免其它用户再次查找该车位造成的车位冲突及停车时间的浪费。
具体地,本发明中,距离为车位后侧中心点延平行于左右两侧方向,与汽车最近点间的水平距离。也就是说,车位后侧中心点与车辆最近点间的连线在水平方向与车位左右两侧平行。距离为车位后侧中心点与车辆最近点间的水平距离。在停车过程中,随着车辆的移动,车位后侧中心点与汽车最近点间的水平距离会不断变化,并遵循一定的变化规律。因此,本发明构建标准距离变化趋势图,基于距离变化趋势图对停车模式进行识别,将车辆实时的距离变化趋势图与标准的距离变化趋势图进行比较,确定车辆的停车模式。仅通过距离变化趋势图进行停车模式的识别,数据处理量小,大大提高了停车模式识别的效率,避免过多的数据处理造成的处理时延。
在停车过程中,针对不同类型的车位,其停车的模式不同。因此,本发明基于不同类型车位构建不同的标准距离变化趋势图。此外,即使对于同一类型的车位,其停车模式也可能包括多种。因此,本发明标准距离变化趋势图构建模块具体包括:
距离采集模块,用于对于每种车位类型,采集车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库模式下各时间点的距离;
根据车位的形状及多个车位间组合关系,常见的车位类型包括横向车位、纵向车位、斜线车位。不同类型的车位,其停车的过程及模式也不相同。因此,本发明为每种车位类型分别建立标准距离变化趋势图。针对每种车位类型,也可以采用不同的方式停车入库。不同的人其停车入库的方式也不尽相同。因此,本发明将入库模式大致分为车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库。
车头一次性入库是指车辆前进入库,车头首先驶入车位,且入库过程中不存在倒车操作;车头多次调整入库是指车辆前进入库,车头首先驶入车位,且入库过程中存在倒车操作;车尾一次性入库是指车辆倒车入库,车尾首先驶入车位,且入库过程中不存在前进操作;车尾一次性入库是指车辆倒车入库,车尾首先驶入车位,且入库过程中存在前进操作。对于在入库过程中多次反复进行的前进与倒车操作,无论具体的反复次数,统称为多次调整入库。值得注意的是,在停车过程中,由于不同用户操作的熟练程度不同,因此,本发明中,不考虑用户在停车过程中是否中途停车,只要满足相应的入库方式,则属于相应的入库模式。
如上所述,距离为车位后侧中心点与车辆最近点间的水平距离。车位后侧为与车辆入库方向相对的车位边界线。对于不同类型的车位,其车位后侧也不同。具体地,对于横向车位,车位内测的长边界线为车位后侧,对于纵向车位及斜线车位,车位内测的短边界线为车位后侧。
为了构建标准距离变化趋势图,本发明针对每种车位类型,采集不同用户分别在车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库模式下的距离变化。具体地,可以采集不同年龄、不同性别用户的停车距离数据,以适应不同用户的停车习惯。用户停车过程中,距离信息不断变化,因此,本发明每隔时间间隔t 1获取相应的距离,由此得到各入库模式下入库过程中各时间点的距离。此外,由于本发明中,距离为车位后侧中心点与车辆最近点间的水平距离,车位后侧中心点与车辆最近点间的连线在水平方向与车位左右两侧平行,在停车过程中可能存在没有车辆最近点的情况。为了绘制有效的标准距离变化趋势图,当停车过程中出现没有车辆最近点时,将相应的距离值设置为:
d none=L+M
d none为没有车辆最近点时的距离,L为车位长度,M为预设距离值。对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度。预设距离值可以根据经验进行设置,远大于停车过程中距离车位的正常值,如100米等。
第一计算模块,用于基于所述各时间点的距离求取各车位类型、入库模式下各时间点的标准距离值;
如上所述,本发明针对车位类型,采集不同年龄、不同性别用户在不同停车模式下的停车距离数据。为了适应不同年龄、不同性别用户的停车习惯,本发明设置不同的年龄段,针对各年龄段、不同性别用户分别生成相应的标准距离变化趋势图,共同作为对应车位类型、对应停车模式下的标准距离变化趋势图。
本发明根据用户年龄分别设置青年、中年、老年年龄段。结合用户性别,针对特定的车位类型、停车模式,至少包括六个标准距离变化趋势图,具体为青年女性、中年女性、老年女性、青年男性、中年男性、老年男性所对应的标准距离变化趋势图。
本发明将采集的不同车位类型、不同入库模式下的各时间点的距离信息在同一文件夹保存。针对每个文件夹,根据驾驶对象的年龄段、性别信息,对距离数据进行进一步划分,将属于同一年龄段、性别的距离数据存入相同的子文件夹,具体包括六个字文件夹。
因此,对于各车位类型、入库模式下的标准距离变化趋势,本发明调用该车位类型、入库模式对应的文件夹,针对文件夹中的子文件夹依次获取距离数据,对提取的距离数据根据相应的时间点提取平均值,得到该车位类型、入库模式中的一个标准距离变化信息。如上所述,车位类型、入库模式对应的文件夹包括六个字文件夹,因此得到六个相应的标准距离变化信息。本发明针对所有的车位类型、入库模式进行依次处理,得到所有车位类型、入库模式下的标准距离变化信息。
第一生成模块,用于基于所述标准距离值计算相对距离值,生成相对距离值变化趋势图;
即使是同种类型的车位,其车位尺寸也不尽相同。而标准距离值受车位尺寸影响较大。因此,为了适应不同车位尺寸的变化,本发明基于标准距离值计算相对距离值,具体为:
d r=d a-L
d a为标准距离值,d r为相对距离值,L为车位长度对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度。
本发明依次计算各时刻标准距离值对应的相对距离值,基于各时刻的相对距离值,生成相对距离值变化趋势图。相对距离值变化趋势图的横坐标为时间,纵坐标为距离相对距离值。
第二生成模块,用于基于车位的尺寸,将所述相对距离值变化趋势图沿y轴方向纵向平移车位长度值,以为针对不同尺寸的车位生成不同停车模式下的标准距离变化趋势图。
为了适应不同车位的尺寸,本发明基于相对距离值变化趋势图及对应的具体车位尺寸为该尺寸车位生成不同停车模式下的标准距离变化趋势图。具体地,将相对距离值变化趋势图沿y轴方向纵向平移车位长度值,得到该尺寸车位相应的标准距离变化趋势图。
本发明基于相对距离值变化趋势图依次为各尺寸的车位生成相应的标准距离变化趋势图,不需要为不同尺寸的车位单独进行停车数据的采集,大大降低了数据处理的复杂度,同时能够自适应于不同尺寸的车位变化。
由此,本发明为不同车位尺寸生成了不同停车模式下的标准距离变化趋势图,不同停车模式包括了车位类型、入库模式的不同。本发明将标准距离变化趋势图根据车位类型进行划分存储。属于同一车位类型的标准距离变化趋势图属于同一文件夹。此外,还可以根据车位尺寸对同一车位类型中的文件进行进一步划分,在此不作限定。
地磁、照度采集模块,用于接收地磁传感器采集的地磁信号、照度传感器采集的光线强度,判断所述地磁信号的变化是否超过第一阈值和/或所述光线强度的变化是否超过第一强度变化阈值,若是,调用雷达测距模块;
为了避免不断进行车辆停车模式识别,本发明首先利用地磁传感器检测车位附近有车辆出入,当车位附近有车辆出入时,再进行进一步的停车模式识别。具体地,地磁传感器首先计算磁场背景值,即传感器上方没有车辆时的磁场值。本发明地磁传感器不断采集地磁信号,将采集的地磁信号与磁场背景值进行比较,当采集的地磁信号与磁场背景值间的差值超过第一阈值时,即地磁信号的变化超过第一阈值,则说明车位附近有车辆出入,继续进行车辆停车模式识别。否则车位附近没有车辆出入,不需要进行车辆停车模式识别,大大节省了车位管理与检测过程中的能耗。
由于地磁传感器受环境影响大,因此,本发明同步利用照度传感器采集光线强度。当车位附近有车辆出入时,相应的光线强度会发生较大的变化。因此,本发明照度传感器不断采集光线强度,将采集的光线强度与标准光线强度进行比较,当采集的光线强度与标准光线强度间的差值超过第一强度变化阈值时,即光线强度的变化是否超过第一强度变化阈值,则说明车位附近有车辆出入,继续进行车辆停车模式识别。
因此,本发明中,只要地磁信号、光线强度中任一项的变化超过设定的阈值,则说明车位附近可能有车辆出入,进一步进行下一步的判断。本发明通过地磁传感器、照度传感器的结合,避免因为环境等干扰造成传感器检测精度弱,遗漏停车车辆的问题。
雷达测距模块,用于启动雷达辐射雷达微波信号,接收所述雷达微波信号的回波信号;基于所述回波信号及雷达微波信号确定目标对象的距离;
本发明基于毫米波雷达获取目标对象的距离,由此绘制距离变化趋势图。具体地,本发明将雷达设置在车位后侧中心点。地磁传感器检测到车位周围有车辆出入时,启动雷达辐射雷达微波信号,并接收雷达微波信号的回波信号。回波信号是指雷达微波信号遇到车位中的车辆或空车位时所形成的反射信号,简称回波信号。本发明基于回波信号及雷达微波信号确定目标对象的距离。
第一判断模块,用于判断所述目标对象的距离是否小于第二阈值,若是,在预设时间段内继续控制雷达传感器辐射雷达微波信号,绘制目标的距离变化趋势图;
确定目标对象的距离后,本发明首先判断目标对象的距离是否小于第二阈值,若是,则说明车辆仍然处于当前车位附近,继续控制雷达传感器辐射雷达微波信号,追踪目标对象的距离信息,进一步绘制目标的距离变化趋势图,判断目标对象是否处于停车过程,以进一步预测目标对象是否会停入该车位。
此外,本申请设置预设时间段,以限定目标的距离变化趋势图的绘制时间,避免长时间的目标距离检测造成车辆是否处于停车模式的预测时间过长,丧失停车状态预测的意义。这是因为预设时间段过长,车辆可能已经完成停车,且不能快速地更新车位状态,不能为快速、有效地寻找车位提供支持。
具体地,在检测到目标对象处于当前车位附近后的10秒左右时间对于判断目标对象是否准备停入当前车位最有意义。因此,本发明可以根据需要设置预设时间段为8秒、10秒或12秒等。
获取模块,用于基于雷达传感器获取关联的车位信息,基于车位信息获取相应的标准距离变化趋势图;
本发明中,雷达传感器与各车位一一对应。因此,本发明基于当前的雷达传感器,获取与雷达传感器相对应的车位信息。具体地,雷达传感器可以进行相应的编号,与车位信息关联存储于数据库中。车位信息包括了车位的类型、尺寸等。因此,本发明根据关联车位的类型,获取相应类型文件夹中的标准距离变化趋势图。此外,当根据车位尺寸对同一车位类型中的文件进行进一步划分时,可以基于车位的尺寸信息进一步获取相应子文件夹中的标准距离变化趋势图。
第二判断模块,用于将目标的距离变化趋势图与获取的标准距离变化趋势图进行对比,判断目标是否处于任一停车模式,若是,将该车位的状态设置为正在停车;若否,调用地磁采集模块;
本申请将采集的距离变化趋势图与基于车位信息获取的标准距离变化趋势图依次进行对比,以判断目标是否处于停车模式。具体包括:
压缩模块,用于分别将目标的距离变化趋势图、获取的标准距离变化趋势图中与x轴平行的线段压缩成对应距离值的点,得到目标的距离变化趋势压缩图、标准距离变化趋势压缩图;
如上所述,不同用户在操作过程中的熟练程度不同,因此在停车过程中可能中途停车。然而,中途停车的过程不能很好地指示停车过程中的距离变化趋势。因此,本发明分别对目标的距离变化趋势图、获取的标准距离变化趋势图进行处理,剔除连续相同的距离点,避免中途停车对距离变化趋势图的影响。具体地,本发明获取距离变化趋势图中与x轴平行的线段,将该线段压缩成对应距离值的点。具体地,对于与x轴平行的线段,例如线段的x轴坐标范围为[t1、t2],y值为D,则该线段压缩成对应距离值的点的横坐标值为t1,y值为D。
第二计算模块,用于依次计算目标的距离变化趋势压缩图与各标准距离变化趋势压缩图间的相关系数,生成相关系数集合;
对目标的距离变化趋势图与获取的标准距离变化趋势图进行预处理后,就能将目标的距离变化趋势压缩图与各标准距离变化趋势压缩图进行相似性计算。对于目标的距离变化趋势压缩图J与第i幅标准距离变化趋势压缩图K i,其相关系数为:
其中,σ(J)、σ(K i)分别为J与K i的方差,cov(J,K i)为J与K i的协方差。
本发明将目标的距离变化趋势压缩图与各标准距离变化趋势压缩图依次进行计算,生成多个相关系数,共同组成相关系数集合。
第三判断模块,用于获取所述相关系数集合中大于第一相关系数阈值的相关系数个数N,判断所述相关系数个数N是否大于0,若是,调用第四判断模块,若否,则目标不处于任一停车模式;调用地磁采集模块;
目标的距离变化趋势压缩图与标准距离变化趋势压缩图间的第一相关系数越大,则说明目标越可能处于相应的停车模式。本发明设置相关系数阈值,将相关系数集合中的值与第一相关系数阈值进行比较。当目标的距离变化趋势压缩图与标准距离变化趋势压缩图间的相关系数大于第一相关系数阈值时,则目标很可能处于相应的停车模式。只有当相关系数集合中所有的相关系数均不大于第一相关系数阈值时,则不处于任一停车模式,否则,则可能处于某一停车模式。
第四判断模块,用于判断所述相关系数个数N是否为1,若是,则目标处于大于第一相关系数阈值的相关系数对应的停车模式;若否,则目标处于相关系数集合中最大相关系数对应的停车模式;将该车位的状态设置为正在停车状态。
当相关系数集合中存在相关系数大于第一相关系数阈值时,则当前目标处于某一停车模式。具体地,当仅一个停车模式对应的相关系数大于第一相关系数阈值时,则将该停车模式作为当前目标的停车模式。否则,选择最大相关系数对应的停车模式。
本发明对车位的状态进行管理,具体地,车位状态包括“未占用”、“占用”、“正在停车”、“准备驶离”。“未占用”是指车位当前没有任何车辆停放;“占用”是指车位当前已有车辆停放;“正在停车”是指车位当前有车辆准备停放;“准备驶离”是指车位当前有车辆准备驶离。
本发明对车位的状态进行全面管理与预测,避免车位仅指示“未占用”、“占用”时存在查找的车位已有用户正在停车的问题。因此,本发明对用户的停车模式进行判断与预测,当判断出用户正在处于停车模式时,将对应的车位设置为“正在停车”,当其它用户获取到车位的“正在停车”状态时,能够避免前往该车位造成的停车时间浪费,实现了对车位的有效管理。值得注意的是,本发明中用户可以通过终端设备查询各车位的状态信息,根据相应的状态规划停车的路线,实现车位的快速查找。
图像采集模块,用于当目标的停车模式为车头一次性入库或车尾一次性入库时,启动图像采集装置采集目标区域图像;
为了避免车位被摩托车、自行车等非法占用,本发明对目标进行进一步筛选。由于摩托车、自行车等的停车模式通常为车头一次性入库或车尾一次性入库,因此,为了降低图像的处理量,本发明判断目标的停车模式,当停车模式为车头一次性入库或车尾一次性入库时,目标可能为摩托车、自行车等,因此对目标进行进一步筛选,启动图像采集装置采集目标区域图像。启动图像采集装置设置在车位后侧中心点,可以与雷达传感器关联设置,在此不作限定。
目标识别模块,用于识别目标区域图像中的目标尺寸,基于所述目标尺寸判断目标对象是否为汽车,若否,向管理员终端推送警告信息;若是,经过第一预定时间后,将该车位设置为占用状态。
由于摩托车、自行车等与机动汽车的尺寸相差较大,因此,本发明基于目标对象的尺寸来区分目标对象。具体包括:
预处理模块,用于对目标区域图像进行预处理;
采集的目标区域图像可能存在不清楚等问题,因此,本发明首先对采集的目标图像进行预处理,对图像的预处理包括高斯滤波、灰度处理等,在此不作限定。
尺寸提取模块,用于基于特征提取算法分别提取目标区域图像中的目标图像尺寸及车位图像尺寸;
本发明对预处理后的目标区域图像进行特征提取,进一步提取目标及车位的图像尺寸。特征提取算法可以采用尺度不变特征变换(Scaleinvariant featuretransform,SIFT)算法、加速稳健特征(SpeededUpRobustFeatures,SURF)算法等,本发明不作限定。
为了降低目标尺寸的计算量,本发明仅需要获取目标图像尺寸及车位图像尺寸。
第五判断模块,用于计算目标图像尺寸及车位图像尺寸间的比例,判断所述比例是否小于第一比例阈值,若是,向管理员终端推送警告信息;若否,经过第一预定时间后,将该车位设置为占用状态。
由于摩托车、自行车等的尺寸与机动汽车存在较大的差异,因此,本发明预先设置第一比例阈值。根据目标图像尺寸S1及车位图像尺寸S2计算比例R=S1/S2,当比例R小于第一比例阈值时,则说明目标对象为非机动汽车,向管理员终端推送警告信息,提醒管理员进行车位的维护与处理。第一比例阈值可以根据摩托车等尺寸进行设定。
当R不小于第一比例阈值,说明当前正在停车的车辆为机动汽车,因此,当经过第一预定时间后,将车位的状态切换为占用状态。第一预定时间可以根据用户通常的停车时间进行设置。
此外,在实际使用车位的过程中,当用户准备驶离车位时,此时其它用户通过对车位状态的查询,仍然是显示被占用的状态。查询用户可能会到下一停车区域继续进行查询,大大浪费了停车的时间,而用户刚刚经过的车位则可能当前所停车辆准备驶离。因此,本发明中,当用户准备驶离车位时,可以通过终端设备向服务器发送设置请求,将相应的车位设置为“准备驶离”状态。因此,本发明所述系统还包括:
状态设置模块,用于接收用户发送得状态设置请求,将关联车位设置为准备驶离状态。
具体地,用户可以与具体的终端设备相关联,当用户停入相应车位后,将车位与用户信息绑定。用户可以在驾车离开车位前的5min、10min等进行“准备驶离”状态设置,具体不作限定。用户可以触发“准备驶离”状态设置,同步设置具体的时间,发送的设置请求如“2min后离开”等。
针对用户主动设置“准备驶离”状态,服务器可以提供相应的激励措施,使用户积极参与到主动报告离开车位的过程中。例如,可以根据用户的设置时间减少停车费等,提供相应的停车费折扣。因此,当用户在准备驶离时间驶离,则为用户提供相应的奖励,具体为:
其中,C d为折扣停车费,C为实际停车费,t为设置的准备驶离时间,T为停车时间,λ为调节因子。
当用户未设置准备驶离时间时,t为0,C d=C,不对实际停车费进行任何优惠。
同时,为了避免恶意用户任意设置“准备驶离”状态,当准备驶离时间未驶离时,可以增加停车费用,具体为:
其中,C I为上调停车费,C为实际停车费,t为设置的准备驶离时间,T I为从设置准备驶离状态后的实际驶离时间,β为调节因子。
当用户按时驶离时,T I=t,C I=C,不对增加停车费用。
由于用户准备驶离的时间为预估时间,因此,本发明为准备驶离时间设置相应的宽限期。只要用户的实际驶离时间位于[t-Δt,t+Δt]时间段内,则判断用户在准备驶离时间驶离,其中Δt为宽限期。
当用户进行当前停车区域车位查询时,可以获取到“准备驶离”状态,用户可以根据具体的准备驶离时间选择是否进行等待,根据自身需要选择合适的车位。
本发明提出一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法,结合地磁、雷达及摄像对车位进行有效管理,在地磁检测到车位附近有车辆出入后,启动雷达对车辆的停车模式进行判断,以预测出车辆即将停入车位,通过将车位状态设置为“正在停车”,当其它用户获取到车位的“正在停车”状态时,能够避免前往该车位造成的停车时间浪费,实现了对车位的有效管理;对“正在停车”的车辆通过图像采集装置采集目标区域图像,对目标对象进行进一步筛选,避免车位被摩托车、自行车等非法占用的问题;将可能非法占用车位的信息发送到管理员终端,以便管理员终端对非法占用的车位进行进一步管理,及时清除非法停车的车辆,提高车位的利用率;能够接收用户发送的状态设置请求,将关联车位设置为准备驶离状态,使用户能够及时查找出即将不被占用的车位,方便用户根据需要选择是否等待,避免用户到下一停车区域继续进行查询,大大降低了停车的时间,使用户能够更好地规划停车路线;基于距离变化趋势图进行停车模式的识别,数据处理量小,大大提高了停车模式识别的效率,避免过多的数据处理造成的处理时延;针对不同类型的车位、不同年龄、不同性别用户的距离分别处理,分别构建相应的标准距离变化趋势图,使构建的标准距离变化趋势图更加准确,能够更准确地判断车辆的停车模式。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (2)
1.一种基于地磁、雷达及摄像的路牙车位状态预测管理方法,其特征在于,包括步骤:
S1、基于车位类型及尺寸为各停车模式构建标准距离变化趋势图;
S2、接收地磁传感器采集的地磁信号、照度传感器采集的光线强度,判断所述地磁信号的变化是否超过第一阈值和/或所述光线强度的变化是否超过第一强度变化阈值,若是,执行步骤S3;
S3、启动雷达辐射雷达微波信号,接收所述雷达微波信号的回波信号;基于所述回波信号及雷达微波信号确定目标对象的距离;
S4、判断所述目标对象的距离是否小于第二阈值,若是,在预设时间段内继续控制雷达传感器辐射雷达微波信号,绘制目标的距离变化趋势图;
S5、基于雷达传感器获取关联的车位信息,基于车位信息获取相应的标准距离变化趋势图;
S6、将目标的距离变化趋势图与获取的标准距离变化趋势图进行对比,判断目标是否处于任一停车模式,若是,将该车位的状态设置为正在停车;若否,继续执行步骤S2;
S7、当目标的停车模式为车头一次性入库或车尾一次性入库时,启动图像采集装置采集目标区域图像;
S8、识别目标区域图像中的目标尺寸,基于所述目标尺寸判断目标对象是否为汽车,若否,向管理员终端推送警告信息;若是,经过第一预定时间后,将该车位设置为占用状态;
所述步骤S1包括:S11、对于每种车位类型,采集车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库模式下各时间点的距离;距离为车位后侧中心点与车辆最近点间的水平距离;当停车过程中出现没有车辆最近点时,将相应的距离值设置为:
dnone=L+M
dnone为没有车辆最近点时的距离,L为车位长度,M为预设距离值;对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度;所述距离值根据不同年龄、不同性别用户进行划分;
S12、基于所述各时间点的距离求取各车位类型、入库模式下各时间点的标准距离值;相对距离值变化趋势图与不同年龄、不同性别对应;
S13、基于所示标准距离值计算相对距离值,生成相对距离值变化趋势图,具体为:
dr=da-L
da为标准距离值,dr为相对距离值,L为车位长度对于横向车位,车位长度是指车位短边的长度,对于纵向车位及斜线车位,车位长度是指车位长边的长度;
S14、基于车位的尺寸,将所述相对距离值变化趋势图沿y轴方向纵向平移车位长度值,以为针对不同尺寸的车位生成不同停车模式下的标准距离变化趋势图;
所述步骤S6包括:S61、分别将目标的距离变化趋势图、获取的标准距离变化趋势图中与x轴平行的线段压缩成对应距离值的点,得到目标的距离变化趋势压缩图、标准距离变化趋势压缩图;
S62、依次计算目标的距离变化趋势压缩图与各标准距离变化趋势压缩图间的相关系数,生成相关系数集合;目标的距离变化趋势压缩图J与第i幅标准距离变化趋势压缩图Ki间相关系数为:
其中,σ(J)、σ(Ki)分别为J与Ki的方差,cov(J,Ki)为J与Ki的协方差;
S63、获取所述相关系数集合中大于第一相关系数阈值的相关系数个数N,判断所述相关系数个数N是否大于0,若是,执行步骤S64,若否,则目标不处于任一停车模式;继续执行步骤S2;
S64、判断所述相关系数个数N是否为1,若是,则目标处于大于第一相关系数阈值的相关系数对应的停车模式;若否,则目标处于相关系数集合中最大相关系数对应的停车模式;将该车位的状态设置为正在停车状态;
所述步骤S8包括:S81、对目标区域图像进行预处理;
S82、基于特征提取算法分别提取目标区域图像中的目标图像尺寸及车位图像尺寸;
S83、计算目标图像尺寸及车位图像尺寸间的比例,判断所述比例是否小于第一比例阈值,若是,向管理员终端推送警告信息;若否,经过第一预定时间后,将该车位设置为占用状态;
所述路牙车位状态预测管理方法还包括:
S9、接收用户发送的状态设置请求,将关联车位设置为准备驶离状态,并设置准备驶离时间;
当用户在准备驶离时间驶离,则:
其中,Cd为折扣停车费,C为实际停车费,t为设置的准备驶离时间,T为停车时间,λ为调节因子;
当用户未在准备驶离时间驶离,则:
其中,CI为上调停车费,C为实际停车费,t为设置的准备驶离时间,TI为从设置准备驶离状态后的实际驶离时间,β为调节因子。
2.一种基于地磁、雷达及摄像的路牙车位状态预测管理系统,其特征在于,包括:标准距离变化趋势图构建模块,用于基于车位类型及尺寸为各停车模式构建标准距离变化趋势图;
地磁、照度采集模块,用于接收地磁传感器采集的地磁信号、照度传感器采集的光线强度,判断所述地磁信号的变化是否超过第一阈值和/或所述光线强度的变化是否超过第一强度变化阈值,若是,调用雷达测距模块;
雷达测距模块,用于启动雷达辐射雷达微波信号,接收所述雷达微波信号的回波信号;基于所述回波信号及雷达微波信号确定目标对象的距离;
第一判断模块,用于判断所述目标对象的距离是否小于第二阈值,若是,在预设时间段内继续控制雷达传感器辐射雷达微波信号,绘制目标的距离变化趋势图;
获取模块,用于基于雷达传感器获取关联的车位信息,基于车位信息获取相应的标准距离变化趋势图;
第二判断模块,用于将目标的距离变化趋势图与获取的标准距离变化趋势图进行对比,判断目标是否处于任一停车模式,若是,将该车位的状态设置为正在停车;若否,调用地磁采集模块;
图像采集模块,用于当目标的停车模式为车头一次性入库或车尾一次性入库时,启动图像采集装置采集目标区域图像;
目标识别模块,用于识别目标区域图像中的目标尺寸,基于所述目标尺寸判断目标对象是否为汽车,若否,向管理员终端推送警告信息;若是,经过第一预定时间后,将该车位设置为占用状态;
所述标准距离变化趋势图构建模块包括:距离采集模块,用于对于每种车位类型,采集车头一次性入库、车尾一次性入库、车头多次调整入库、车尾多次调整入库模式下各时间点的距离;距离为车位后侧中心点与车辆最近点间的水平距离;当停车过程中出现没有车辆最近点时,将相应的距离值设置为:
第一计算模块,用于基于所述各时间点的距离求取各车位类型、入库模式下各时间点的标准距离值;相对距离值变化趋势图与不同年龄、不同性别对应;
第一生成模块,用于基于所示标准距离值计算相对距离值,生成相对距离值变化趋势图,具体为:
第二生成模块,用于基于车位的尺寸,将所述相对距离值变化趋势图沿y轴方向纵向平移车位长度值,以为针对不同尺寸的车位生成不同停车模式下的标准距离变化趋势图;
所述第二判断模块包括:压缩模块,用于分别将目标的距离变化趋势图、获取的标准距离变化趋势图中与x轴平行的线段压缩成对应距离值的点,得到目标的距离变化趋势压缩图、标准距离变化趋势压缩图;
第二计算模块,用于依次计算目标的距离变化趋势压缩图与各标准距离变化趋势压缩图间的相关系数,生成相关系数集合;目标的距离变化趋势压缩图J与第i幅标准距离变化趋势压缩图Ki间相关系数为:
第三判断模块,第三判断模块,用于获取所述相关系数集合中大于第一相关系数阈值的相关系数个数N,判断所述相关系数个数N是否大于0,若是,调用第四判断模块,若否,则目标不处于任一停车模式;调用地磁采集模块;
第四判断模块,用于判断所述相关系数个数N是否为1,若是,则目标处于大于第一相关系数阈值的相关系数对应的停车模式;若否,则目标处于相关系数集合中最大相关系数对应的停车模式;将该车位的状态设置为正在停车状态;
所述目标识别模块包括:预处理模块,用于对目标区域图像进行预处理;
尺寸提取模块,用于基于特征提取算法分别提取目标区域图像中的目标图像尺寸及车位图像尺寸;
第五判断模块,用于计算目标图像尺寸及车位图像尺寸间的比例,判断所述比例是否小于第一比例阈值,若是,向管理员终端推送警告信息;若否,经过第一预定时间后,将该车位设置为占用状态;
所述车位状态预测管理方法还包括:状态设置模块,用于接收用户发送的状态设置请求,将关联车位设置为准备驶离状态,并设置准备驶离时间;
当用户在准备驶离时间驶离,则:
其中,Cd为折扣停车费,C为实际停车费,t为设置的准备驶离时间,T为停车时间,λ为调节因子;
当用户未在准备驶离时间驶离,则:
其中,CI为上调停车费,C为实际停车费,t为设置的准备驶离时间,TI为从设置准备驶离状态后的实际驶离时间,β为调节因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010850041.5A CN112053584B (zh) | 2020-08-21 | 2020-08-21 | 一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010850041.5A CN112053584B (zh) | 2020-08-21 | 2020-08-21 | 一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112053584A CN112053584A (zh) | 2020-12-08 |
CN112053584B true CN112053584B (zh) | 2021-07-27 |
Family
ID=73600600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010850041.5A Active CN112053584B (zh) | 2020-08-21 | 2020-08-21 | 一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053584B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689706B (zh) * | 2021-05-21 | 2023-02-28 | 北京筑梦园科技有限公司 | 一种车辆管理方法、装置及停车管理系统 |
CN113192337A (zh) * | 2021-07-01 | 2021-07-30 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的车位检测方法 |
CN114067603A (zh) * | 2021-11-16 | 2022-02-18 | 深圳市捷顺科技实业股份有限公司 | 低功耗车位管理方法及其系统 |
CN115346391B (zh) * | 2022-08-16 | 2024-02-02 | 深圳市中智车联科技有限责任公司 | 一种基于激光测距的泊位车况监测方法、装置及系统 |
CN117079473A (zh) * | 2023-09-19 | 2023-11-17 | 广州巨时信息科技股份有限公司 | 一种基于雷达的三模车辆检测装置及其方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5361576B2 (ja) * | 2009-07-02 | 2013-12-04 | 公立大学法人大阪府立大学 | 駐車場における車両の検知システムおよび検知方法 |
CN106056968A (zh) * | 2016-07-29 | 2016-10-26 | 北京华航无线电测量研究所 | 一种基于光学图像的车位检测方法 |
CN106503840A (zh) * | 2016-10-17 | 2017-03-15 | 中国科学院深圳先进技术研究院 | 停车场可用车位预测方法及系统 |
CN106781659A (zh) * | 2016-12-21 | 2017-05-31 | 迈锐数据(北京)有限公司 | 一种车位状态基准值标定方法和装置 |
CN106935037A (zh) * | 2017-04-25 | 2017-07-07 | 程萌 | 一种基于光照度与地磁联合探测的复合型车位检测方法与检测装置 |
CN107945520A (zh) * | 2017-11-20 | 2018-04-20 | 青岛比特信息技术有限公司 | 一种路边停车检测及计费系统及方法 |
CN108682177A (zh) * | 2018-05-28 | 2018-10-19 | 杭州目博科技有限公司 | 采用多传感器的车位探测器及控制方法 |
CN109272772A (zh) * | 2018-08-20 | 2019-01-25 | 中国科学院深圳先进技术研究院 | 一种停车场车位检测方法、装置及终端设备 |
CN110636224A (zh) * | 2019-10-21 | 2019-12-31 | 和昌未来科技(深圳)有限公司 | 摄像头启动方法、装置、设备和计算机可读存储介质 |
CN111192478A (zh) * | 2020-04-10 | 2020-05-22 | 南京楚航科技有限公司 | 一种基于毫米波雷达的道路车位状态识别方法 |
CN111292353A (zh) * | 2020-01-21 | 2020-06-16 | 成都恒创新星科技有限公司 | 一种停车状态变化识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106340188A (zh) * | 2016-09-29 | 2017-01-18 | 深圳普智联科机器人技术有限公司 | 一种路边车位检测装置及其检测方法 |
CN111028535B (zh) * | 2018-10-09 | 2021-04-27 | 杭州海康威视数字技术股份有限公司 | 车位检测装置及方法、车位管理系统 |
CN110246341A (zh) * | 2019-07-29 | 2019-09-17 | 深圳市万泊科技有限公司 | 一种基于地磁雷达检测的路侧停车低高位视频融合检测方法 |
TWM595302U (zh) * | 2020-03-02 | 2020-05-11 | 尼采實業股份有限公司 | 停車在席偵測裝置 |
CN111461026B (zh) * | 2020-04-02 | 2024-03-12 | 北京爱笔科技有限公司 | 车辆姿态识别方法、停车场内车辆状态的检测方法及装置 |
-
2020
- 2020-08-21 CN CN202010850041.5A patent/CN112053584B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5361576B2 (ja) * | 2009-07-02 | 2013-12-04 | 公立大学法人大阪府立大学 | 駐車場における車両の検知システムおよび検知方法 |
CN106056968A (zh) * | 2016-07-29 | 2016-10-26 | 北京华航无线电测量研究所 | 一种基于光学图像的车位检测方法 |
CN106503840A (zh) * | 2016-10-17 | 2017-03-15 | 中国科学院深圳先进技术研究院 | 停车场可用车位预测方法及系统 |
CN106781659A (zh) * | 2016-12-21 | 2017-05-31 | 迈锐数据(北京)有限公司 | 一种车位状态基准值标定方法和装置 |
CN106935037A (zh) * | 2017-04-25 | 2017-07-07 | 程萌 | 一种基于光照度与地磁联合探测的复合型车位检测方法与检测装置 |
CN107945520A (zh) * | 2017-11-20 | 2018-04-20 | 青岛比特信息技术有限公司 | 一种路边停车检测及计费系统及方法 |
CN108682177A (zh) * | 2018-05-28 | 2018-10-19 | 杭州目博科技有限公司 | 采用多传感器的车位探测器及控制方法 |
CN109272772A (zh) * | 2018-08-20 | 2019-01-25 | 中国科学院深圳先进技术研究院 | 一种停车场车位检测方法、装置及终端设备 |
CN110636224A (zh) * | 2019-10-21 | 2019-12-31 | 和昌未来科技(深圳)有限公司 | 摄像头启动方法、装置、设备和计算机可读存储介质 |
CN111292353A (zh) * | 2020-01-21 | 2020-06-16 | 成都恒创新星科技有限公司 | 一种停车状态变化识别方法 |
CN111192478A (zh) * | 2020-04-10 | 2020-05-22 | 南京楚航科技有限公司 | 一种基于毫米波雷达的道路车位状态识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112053584A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112053584B (zh) | 一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法 | |
CN109191898B (zh) | 一种在线智能停车系统 | |
CN107818411B (zh) | 基于WiFi检测和GPS定位的公交车动态调度系统及调度方法 | |
Nawaz et al. | Parksense: A smartphone based sensing system for on-street parking | |
CN106373427B (zh) | 一种停车管理方法及停车管理系统 | |
CN107591005B (zh) | 动静态检测相结合的停车区域管理方法、服务器及系统 | |
Kaewkamnerd et al. | Vehicle classification based on magnetic sensor signal | |
CN111540072B (zh) | 一种车位管理服务方法、设备及系统 | |
CN107844856B (zh) | 基于车载GPS和站点WiFi的公交车客流预测方法 | |
CN109285357B (zh) | 基于地磁模式识别技术的车辆信息获取及自动扣费系统 | |
CN104221065A (zh) | 利用照明网络进行交通管理的系统和方法 | |
CN111429725B (zh) | 一种基于智能商业化的电动汽车智能识别充电方法 | |
CN113033479B (zh) | 一种基于多层感知的泊位事件识别方法及系统 | |
CN114120641A (zh) | 基于光栅阵列传感光纤网络进行交通流信息检测的方法及系统 | |
CN111311957A (zh) | 一种基于rfid和无人机的停车引导系统及工作方法 | |
CN111739338A (zh) | 一种基于多类型传感器的停车管理方法及系统 | |
CN111243185A (zh) | 充电车位占用判定方法、设备及介质 | |
CN110942662A (zh) | 一种停车场实时反向寻车系统及其方法 | |
CN108399753B (zh) | 基于超声波录波信息的车辆轨迹跟踪方法与系统 | |
CN113436442B (zh) | 一种利用多地磁传感器的车速估计方法 | |
CN108154709B (zh) | 一种获取停车位信息的方法及系统 | |
CN113870555B (zh) | 基于手机imsi码与电子车牌的人车协同识别方法 | |
CN112735175B (zh) | 一种基于无线信标的停车方法及系统 | |
KR102248658B1 (ko) | 인공지능을 이용한 교통관리 시스템 | |
CN116434595B (zh) | 一种基于大数据的室内停车位智能推荐系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |