CN112489112A - 加油枪与车辆匹配方法、装置、电子设备及存储介质 - Google Patents
加油枪与车辆匹配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112489112A CN112489112A CN202011343785.4A CN202011343785A CN112489112A CN 112489112 A CN112489112 A CN 112489112A CN 202011343785 A CN202011343785 A CN 202011343785A CN 112489112 A CN112489112 A CN 112489112A
- Authority
- CN
- China
- Prior art keywords
- target
- gun
- image
- vehicle
- fuel
- 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.)
- Granted
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000013507 mapping Methods 0.000 claims description 62
- 230000009466 transformation Effects 0.000 claims description 47
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000013011 mating Effects 0.000 claims 2
- 230000008569 process Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种加油枪与车辆匹配方法、装置、电子设备及存储介质，涉及智能控制技术领域。该方法包括：获取加油岛中处于非在位状态的目标加油枪在针对其拍摄的第一图像中的第一位置；获取同一加油岛的加油区域内的车辆在针对其所拍摄的第二图像中的第二位置，其中，所述第一图像与所述第二图像之间的采集时间差值小于预设差值；根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆。相比于现有技术中通过NFC识别装置识别匹配关系的方式，本方案基于采集的图像即可实现精准匹配，成本更低。
Description
技术领域
本申请涉及智能控制技术领域，具体而言，涉及一种加油枪与车辆匹配方法、装置、电子设备及存储介质。
背景技术
随着智能网联技术的创新和普及，智联网汽车车主对于加油场景有了更多的期待，传统的加油体验已无法满足车主对于更安全、更便捷的加油需求。现有的智能加油场景中，为了实现加油的自动扣费，油枪与车辆的匹配关系识别是比较重要的一环。
目前的匹配方式是在车辆和加油枪上都安装一个用于匹配的装置，如近距离无线通信技术(Near Field Communication，NFC)识别装置，这样在油枪和车辆的加油口连接时通过NFC识别装置可实现油枪和车辆的匹配关系的识别，但是这种方式需要对车辆和油枪进行改装，以在车辆和油枪上安装NFC识别装置，成本较高。
发明内容
本申请实施例的目的在于提供一种加油枪与车辆匹配方法、装置、电子设备及存储介质，用以改善现有技术中通过在车辆和油枪上安装NFC识别装置来实现车辆与油枪的匹配关系的识别，导致成本较高的问题。
第一方面，本申请实施例提供了一种加油枪和车辆匹配方法，所述方法包括：获取加油岛中处于非在位状态的目标加油枪在针对其拍摄的第一图像中的第一位置；获取同一加油岛的加油区域内的车辆在针对其所拍摄的第二图像中的第二位置，其中，所述第一图像与所述第二图像之间的采集时间差值小于预设差值；根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆。
在上述实现过程中，通过采集的图像来获得加油枪的位置和车辆的位置，然后可根据加油枪的位置与车辆的位置来确定与该加油枪匹配的车辆，从而实现了车辆与加油枪的精准匹配，相比于现有技术中通过NFC识别装置识别匹配关系的方式，本方案基于采集的图像即可实现精准匹配，成本更低。
可选地，所述方法还包括：
在没有确定出与所述目标加油枪匹配的车辆时，获取针对所述目标加油枪拍摄的第三图像以及针对所述加油岛的加油区域内的车辆拍摄的第四图像；
确定所述第三图像中所述目标加油枪的第三位置，以及确定所述第四图像中车辆的第四位置；
根据所述第三位置与所述第四位置确定与所述目标加油枪匹配的车辆。
在上述实现过程中，通过在没有与目标加油枪匹配的车辆时，继续采集图像获取加油枪和车辆的位置来进行匹配，从而可更加准确地找到与目标加油枪匹配的车辆。
可选地，所述根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆，包括：
将所述第一位置映射到目标坐标系下，获得第一映射位置；
将所述第二位置映射到所述目标坐标系下，获得第二映射位置；
在所述第一映射位置与所述第二映射位置之间的距离小于预设距离时，确定与所述目标加油枪匹配的车辆为所述第二映射位置对应的目标车辆。
在上述实现过程中，通过将第一位置和第二位置映射到同一目标坐标系下进行比较，这样可实现目标加油枪与车辆的位置的精准比较，进而实现目标加油枪与车辆的匹配关系的精准识别。
可选地，所述将所述第一位置映射到目标坐标系下，获得第一映射位置，包括：
利用获得的第一仿射变换矩阵将所述第一位置进行仿射变换，获得所述目标加油枪在所述目标坐标系下的第一映射位置；
所述将所述第二位置映射到所述目标坐标系下，获得第二映射位置，包括：
利用获得的第二仿射变换矩阵将所述第二位置进行仿射变换，获得车辆在所述目标坐标系上的第二映射位置。
在上述实现过程中，利用仿射变换矩阵对位置进行变换，可实现位置的快速变换。
可选地，所述目标坐标系为针对所述加油岛所在的加油站的平面视图所建立的，这样可将第一位置与第二位置映射到平面视图后，便于进行位置之间的比较。
可选地，通过以下方式获得所述第一位置，包括：
基于所述最新一张图像之前的图像中所述目标加油枪的历史位置预测获得所述目标加油枪在所述最新一张图像中的第一位置，实现第一位置的快速获取。
可选地，通过以下方式获得所述第一位置，包括：
基于所述最新一张图像之前的图像中所述目标加油枪的历史位置预测获得所述目标加油枪在所述最新一张图像中的第一预测位置；
通过位置检测模型预测获得所述最新一张图像中所述目标加油枪的第二预测位置；
根据所述第一预测位置与所述第二预测位置获得所述目标加油枪在所述最新一张图像中的第一位置。
在上述实现过程中，通过根据第一预测位置和第二预测位置获得第一位置，这样可以考虑到基于历史位置获得的第一预测位置和通过位置检测模型获得的第二预测位置的误差，使得获得的第一位置更准确。
可选地，所述方法还包括：
通过在位识别模型对针对所述目标加油枪拍摄的图像进行识别，获取所述目标加油枪的在位状态，可实现对目标加油枪的在位状态的准确识别。
可选地，所述方法还包括：
在所述目标加油枪处于非在位状态时，获取针对所述目标加油枪拍摄的第一图像以及针对同一加油岛的加油区域内的车辆拍摄的第二图像，这样可避免目标加油枪处于在位状态时采集无用的图像而导致后续计算量较大的问题。
第二方面，本申请实施例提供了一种加油枪与车辆匹配装置，所述装置包括：
第一位置获取模块，用于获取加油岛中处于非在位状态的目标加油枪在针对其拍摄的第一图像中的第一位置；
第二位置获取模块，用于获取同一加油岛的加油区域内的车辆在针对其所拍摄的第二图像中的第二位置，其中，所述第一图像与所述第二图像之间的采集时间差值小于预设差值；
匹配模块，用于根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆。
可选地，所述装置还包括：
第三位置获取模块，用于在没有确定出与所述目标加油枪匹配的车辆时，获取针对所述目标加油枪拍摄的第三图像以及针对所述加油岛的加油区域内的车辆拍摄的第四图像；确定所述第三图像中所述目标加油枪的第三位置，以及确定所述第四图像中车辆的第四位置；
所述匹配模块，用于根据所述第三位置与所述第四位置确定与所述目标加油枪匹配的车辆。
可选地，所述匹配模块，用于将所述第一位置映射到目标坐标系下，获得第一映射位置；将所述第二位置映射到所述目标坐标系下，获得第二映射位置；在所述第一映射位置与所述第二映射位置之间的距离小于预设距离时，确定与所述目标加油枪匹配的车辆为所述第二映射位置对应的目标车辆。
可选地，所述匹配模块，用于利用获得的第一仿射变换矩阵将所述第一位置进行仿射变换，获得所述目标加油枪在所述目标坐标系下的第一映射位置；利用获得的第二仿射变换矩阵将所述第二位置进行仿射变换，获得车辆在所述目标坐标系上的第二映射位置。
可选地，所述目标坐标系为针对所述加油岛所在的加油站的平面视图所建立的。
可选地，所述第一位置为所述目标加油枪在针对其拍摄的多张图像中最新一张图像中的位置，所述第一位置与所述目标加油枪在所述最新一张图像的上一张图像中位置之间的位移小于预设值。
可选地，所述第一位置获取模块，用于基于所述最新一张图像之前的图像中所述目标加油枪的历史位置预测获得所述目标加油枪在所述最新一张图像中的第一位置。
可选地，所述第一位置获取模块，用于基于所述最新一张图像之前的图像中所述目标加油枪的历史位置预测获得所述目标加油枪在所述最新一张图像中的第一预测位置；通过位置检测模型预测获得所述最新一张图像中所述目标加油枪的第二预测位置；根据所述第一预测位置与所述第二预测位置获得所述目标加油枪在所述最新一张图像中的第一位置。
可选地，所述装置还包括：
在位状态识别模块，用于通过在位识别模型对针对所述目标加油枪拍摄的图像进行识别，获取所述目标加油枪的在位状态。
可选地，所述装置还包括：
图像获取模块，用于在所述目标加油枪处于非在位状态时，获取针对所述目标加油枪拍摄的第一图像以及针对同一加油岛的加油区域内的车辆拍摄的第二图像。
第三方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
第四方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种用于执行加油枪与车辆匹配方法的电子设备的结构示意图；
图2为本申请实施例提供的一种加油枪与车辆匹配方法的流程图；
图3为本申请实施例提供一种加油枪与车辆匹配装置的结构框图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提供一种加油枪与车辆匹配方法，通过采集的图像来获得加油枪的位置和车辆的位置，然后可根据加油枪的位置与车辆的位置来确定与该加油枪匹配的车辆，从而实现了车辆与加油枪的精准匹配，相比于现有技术中通过NFC识别装置识别加油枪与车辆的匹配关系的方式，本方案可基于采集的图像即可实现精准匹配，成本更低。
请参照图1，图1为本申请实施例提供的一种用于执行加油枪与车辆匹配方法的电子设备的结构示意图，所述电子设备可以包括：至少一个处理器110，例如CPU，至少一个通信接口120，至少一个存储器130和至少一个通信总线140。其中，通信总线140用于实现这些组件直接的连接通信。其中，本申请实施例中设备的通信接口120用于与其他节点设备进行信令或数据的通信。存储器130可以是高速RAM存储器，也可以是非易失性的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器130可选的还可以是至少一个位于远离前述处理器的存储装置。存储器130中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器110执行时，电子设备执行下述图2所示方法过程。例如，存储器130可用于存储摄像头采集的图像，处理器110可用于从存储器130中获取相应的图像进行相应的处理，如获取加油枪的位置以及车辆的位置等，然后基于位置实现加油枪与车辆的匹配。
可以理解，电子设备可以为计算机、服务器、移动终端等设备。图1所示的结构仅为示意，所述电子设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2，图2为本申请实施例提供的一种加油枪与车辆匹配方法的流程图，该方法包括如下步骤：
步骤S110：获取加油岛中处于非在位状态的目标加油枪在针对其拍摄的第一图像中的第一位置。
目前的智慧加油站内，为了实现对车辆的检测跟踪和车牌识别，一般安装有多个摄像头，这些摄像头一般具有较大的视野，以便于实现对加油站区域的所有车辆实现检测跟踪和识别，如车辆位置的追踪和车辆的车牌的识别。
加油站内还可以安装有用于对加油枪进行跟踪检测的摄像头，这些摄像头一般安装在加油岛的两侧上方的顶棚上，以一定的俯角拍摄加油岛上安装的加油机的正面，使得该侧加油机的油枪在油枪座、或者被操作员手持离开油枪座、或者与车辆连接时，都能够在该摄像头的视野内清晰成像。
针对加油枪进行图像采集的摄像头可以实时采集获得图像，然后可将采集的图像发送给电子设备进行存储，这样电子设备在进行加油枪与车辆匹配时，可以从存储器中读取相应的图像，或者电子设备在进行加油枪与车辆匹配时，也可以控制对加油枪进行图像采集的摄像头采集加油枪的图像。
其中，一个加油岛上的加油机可能有多个加油枪，为了提高对加油枪与车辆匹配的效率，可以先识别出处于非在位状态的加油枪，即本申请实施例中的目标加油枪是指处于非在位状态的加油枪，非在位状态是指加油枪离开其所在的加油座，若加油枪处于在位状态，则表示该加油枪未离开其加油座。
在一些实施方式中，识别加油枪的在位状态的方式可以通过在加油座上安装的传感器来检测。如在加油枪离开加油座时，触发传感器发送信号(如高电平信号)至电子设备，此时表明加油枪处于非在位状态，在加油枪重新放置在加油座上时，传感器则发送相应的如低电平信号至电子设备，此时表明加油枪处于在位状态，这样电子设备可基于传感器发送的信号来判断加油枪的在位状态。
在另一些实施方式中，也可以通过图像来识别加油枪的在位状态，如可以通过在位识别模型对针对目标加油枪拍摄的图像进行识别，获取目标加油枪的在位状态。
其中，在位识别模型可以为神经网络模型，如卷积神经网络模型、循环神经网络模型等，其可以通过识别图像中目标加油枪的位置与预先标记的加油座所在的位置之间的位移，若目标加油枪的位置与加油座所在的位置之间的位移重合或小于预设值(预设值可以根据实际需求设定)，则认为目标加油枪处于在位状态，否则，目标加油枪处于非在位状态。
由于可能有多个加油枪，针对每个加油枪的在位状态的判断方式也如上述方式一样，而本申请中的目标加油枪是指其中一个处于非在位状态的加油枪，如目前处于非在位状态的加油枪有两个，则目标加油枪为其中一个。
电子设备在确定目标加油枪处于非在位状态时，可获取针对目标加油枪拍摄的第一图像，如可控制拍摄目标加油枪的摄像头采集针对目标加油枪的第一图像，也可以从存储器中查找当前时间点采集获得的针对目标加油枪拍摄的第一图像。
需要说明的是，一般加油岛的两侧均可进行加油，而加油岛两侧均设有多个加油枪，为了拍摄这些加油枪的图像，可以分别在加油岛一侧安装一个摄像头，每侧的摄像头可以拍摄这一侧的所有加油枪的图像。例如，目标加油枪位于加油岛的第一侧，则电子设备可控制第一侧的摄像头进行图像采集，将采集获得的图像作为第一图像，或者电子设备可从存储器中查找获得当前时间点采集的图像作为第一图像(可以理解地，这种情况下摄像头是实时采集图像的)。
若采集的第一图像中有至少两个加油枪都处于非在位状态时，则可以针对每个加油枪获取对应的第一位置。
步骤S120：获取同一加油岛的加油区域内的车辆在针对其所拍摄的第二图像中的第二位置。
在获得第一图像中目标加油枪的第一位置后，可以获取针对同一加油岛的加油区域内的车辆的第二图像。其中，采集加油区域内的车辆的图像的摄像头可以是指采集加油枪的图像的摄像头，即采集加油枪的摄像头也可以用于采集车辆的图像，当然，也可以采用另外视野更大的摄像头来采集车辆的图像，如加油岛两侧均设置有加油区域，则该摄像头的拍摄区域可覆盖加油岛两侧的加油区域。
若拍摄加油枪的摄像头和拍摄车辆的摄像头是同一个时，可以在获得第一位置后，控制摄像头继续采集图像，其采集的图像作为第二图像，或者从存储器中获取当前时间点采集的图像作为第二图像。若拍摄加油枪的摄像头和拍摄车辆的摄像头不是同一个时，则电子设备可在获得第一位置后，控制拍摄车辆的摄像头采集图像，将获得的图像作为第二图像，或者从存储器中查找获得拍摄车辆的摄像头在当前时间点采集的图像，作为第二图像。
同样地，可以获取第二图像中车辆的第二位置，若第二图像中存在多个车辆时，则可获取每个车辆的第二位置。上述的第一位置可以理解为是目标加油枪在第一图像中的坐标，第二位置可以理解为是车辆在第二图像中的坐标。
另外，为了实现加油枪与车辆的精确匹配，则第一图像与第二图像之间的采集时间差值小于预设差值，其预先差值可以根据实际需求设定，如1s或2s等，这样可以对当前处于非在位状态的目标加油枪与当前正在该加油岛的加油区域内的车辆进行匹配，以避免实现误匹配。
在一些实施方式中，上述第一图像与第二图像可以是在目标加油枪处于非在位状态时所获取的，即在目标加油枪处于非在位状态时，获取针对目标加油枪拍摄第一图像和针对同一加油岛的加油区域内的车辆拍摄的第二图像，这样可避免目标加油枪处于在位状态时采集无用的图像而导致后续计算量较大的问题。
也就是说，电子设备可在确定目标加油枪处于非在位状态时，控制相应的摄像头来采集第一图像和第二图像，或者从存储器中获取相应的第一图像和第二图像，这样可有效减少在加油枪与车辆匹配过程中的数据量。
当然，为了标识针对加油枪拍摄的第一图像和针对车辆拍摄的第二图像，在采集第一图像和第二图像后，可对第一图像和第二图像进行标记，这样电子设备在获得第一图像和第二图像后，可根据标记对相应的图像进行相应的处理。
步骤S130：根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆。
若存在多个目标加油枪时，则会获得多个第一位置，且若存在多个车辆时，也会获得多个第二位置，在进行目标加油枪与车辆匹配时，可以将每个第一位置与每个第二位置进行比较。
例如，目标加油枪1对应的第一位置为X1，目标加油枪2对应的第一位置为X2，车辆1对应的第二位置为Y1，车辆2对应的第二位置为Y2，此时可将X1分别与Y1和Y2进行比较，以及将X2分别与Y1和Y2进行比较，其比较的方式可以是进行位置差值计算，此时可获得四个位置差值，然后判断四个位置差值是否小于预设差值，若小于，则可确定匹配的目标加油枪和车辆，如若X1与Y2之间的位置差值小于预设差值，则确定与目标加油枪1匹配的车辆为车辆2。
其中，预设差值可以根据实际情况灵活设置，理想情况下，若目标加油枪1与车辆2匹配，则目标加油枪1的第一位置X1与车辆2的第二位置Y2有重合，即表示目标加油枪1位于车辆2上，车辆2正在使用目标加油枪1进行加油。
可以理解地，若出现与某个目标加油枪匹配的车辆有两个时，表示有两个车辆使用同一目标加油枪在加油，或者出现与两个目标加油枪匹配的车辆为同一个时，表示一个车辆使用两个目标加油枪加油，这两种情况下可能出现了误判，此时可重新获取图像，然后继续按照上述的方式实现匹配。当然，一般在加油岛一侧的加油区域内同时只能停一辆车，所以，很大可能不会出现上述的两种情况，若出现上述两种情况后，也可以输出提示信息，提示人工参与确认。
需要说明的是，上述实施过程中匹配的加油站与车辆是指一个加油岛内的，由于加油站中可能存在有多个加油岛，则针对每个加油岛上的加油枪与该加油岛的加油区域内的车辆的匹配方式与上述实现过程类似，在此不一一描述。这样可实现对加油站内的车辆与加油枪的匹配，从而确定每个加油车辆所使用的加油枪，进而便于实现车辆加油的自动扣费。
在上述实现过程中，通过采集的图像来获得加油枪的位置和车辆的位置，然后可根据加油枪的位置与车辆的位置来确定与该加油枪匹配的车辆，从而实现了车辆与加油枪的精准匹配，相比于现有技术中通过NFC识别装置识别匹配关系的方式，本方案基于采集的图像即可实现精准匹配，成本更低。
另外，为了实现对目标加油抢的检测追踪，还可以在没有确定出与目标加油枪匹配的车辆时，获取针对目标加油枪拍摄的第三图像以及针对加油区域内的车辆拍摄第四图像，然后确定第三图像中目标加油枪的第三位置，以及确定第四图像中车辆的第四位置，再根据第三位置与第四位置确定与目标加油枪匹配的车辆。
可以理解地，上述第一图像可能为目标加油枪刚离开加油座时所采集的，此时目标加油枪可能还处于移动过程中，还未处于车辆上，所以无法找到与该目标加油枪匹配的车辆，这种情况下，电子设备可继续控制摄像头继续采集图像，然后同样按照上述方式进行目标加油枪与车辆的匹配，在此不再重复描述。
若根据第三位置与第四位置还是无法确定与目标加油枪匹配的车辆时，则继续采集图像，并继续按照上述方式进行匹配，直至找到与目标加油枪匹配的车辆，或者在进行多次匹配后，依然没有找到与目标加油枪匹配的车辆时，可放弃进行匹配，输出提示信息，提示人工参与确认与目标加油枪匹配的车辆。
在上述实现过程中，通过在没有与目标加油枪匹配的车辆时，继续采集图像获取加油枪和车辆的位置来进行匹配，从而可更加准确地找到与目标加油枪匹配的车辆。
在一些实施方式中，为了减少匹配数据，提高匹配速率，上述获得的第一位置为目标加油枪在针对其拍摄的多张图像中最新一张图像中的位置，该第一位置与目标加油枪在最新一张图像的上一张图像中位置之间的位移小于预设值。
在检测到目标加油枪处于非在位状态时，摄像头可连续拍摄多张第一图像，电子设备可针对每张第一图像识别其目标加油枪的第一位置。为了实现位置追踪，电子设备需对每张第一图像中的目标加油枪进行识别，即识别多张第一图像中的同一个目标加油枪，其采用的识别方式可以为线性匹配。其线性匹配的过程如：获取当前图像中目标加油枪的检测框，计算该检测框的中心点坐标与前一张图像中目标加油枪的检测框的中心点坐标之间的聚类，若距离小于预设值，则认为这两个目标加油枪为同一个加油枪，从而可实现对同一目标加油枪的跟踪。
然后在获取同一个目标加油枪在每张第一图像中的第一位置，其中，第一张第一图像中目标加油枪的位置可以通过神经网络模型(如卷积神经网络模型等)来识别获得，而为了减少计算量，第二张第一图像中目标加油枪的位置可以基于第一张第一图像中目标加油枪的位置获得，如图像1(第一张第一图像)中目标加油枪的位置为a1，则图像2(第二张第一图像)中目标加油枪的位置的计算方式可以为：a1+vt，其中，v为估算的目标加油枪的移动速度，t为图像1与图像2之间的采集时间间隔。如此，按照同样的方式，可继续获取后续第一图像中目标加油枪的位置，直至获得最新一张图像中的位置，该位置即为第一位置。也就是说，可以基于最新一张图像之前的图像中目标加油抢的历史位置预测获得目标加油枪在最新一张图像中的第一位置。
当然，若摄像头采集的第一图像有很多时，为了减少计算量，可以在检测到某张第一图像中目标加油枪的位置与上一张图像中目标加油枪的位置之间的位移小于预设值(该预设值可以根据实际需求设置)时，停止计算后续图像中目标加油枪的位置，而将该张图像作为最新一张图像，该张图像中目标加油枪的位置即为第一位置。
在第一位置与上一张图像中目标加油枪的位置之间的位移小于预设值时，表明此时目标加油枪的移动位移很小或者没有移动，说明此时目标加油枪很可能已经位于车辆上进行加油了，所以没有必要在继续计算后续图像中目标加油枪的位置了，因为其位置可能并不会发生变化。
或者，电子设备可以控制摄像头采集的第一图像的数量，如工作人员可以预先估计出加油枪从加油座上取下达到车辆的加油口之前的时间，然后在电子设备中这时间段内可以采集的第一图像的数量，这样电子设备可直接控制摄像头采集这些数量的第一图像即可。
在一些实施方式中，其每张第一图像中目标加油枪的位置也可以通过神经网络模型来进行检测获得，这样可以获得更准确的位置。
在一些实施方式中，为了获得更准确的第一位置，还可以基于最新一张图像之前的图像中目标加油枪的历史位置预测获得目标加油枪在最新一张图像中的第一预测位置，以及通过位置检测模型预测获得最新一张图像中目标加油枪的第二预测位置，然后根据第一预测位置与第二预测位置获得目标加油枪在最新一张图像中的第一位置。
其中，第一预测位置获得的方式和上述类似，在此不重复描述。位置检测模型可以为卷积神经网络模型、循环神经网络模型等，其可以用于对图像中目标加油枪的位置进行检测。
由于基于历史位置获得第一预测位置可能存在一定的误差，所以，还可以根据第一预测位置与第二预测位置来确定第一位置，其获得第一位置的方式可以为将第一预测位置与第二预测位置进行求平均值运算，获得的平均值即可作为第一位置。或者也可以将第一预测位置与第二预测位置进行加权求和之后求平均，获得的值作为第一位置。
当然，根据第一预测位置与第二预测位置获得第一位置的方式还可以有其他，如可以将第一预测位置与第二预测位置进行差值计算，若差值小于预设差值，则可以将第一预测位置或第二预测位置作为第一位置。对于其他实现方式不一一举例说明，可以理解，对于根据第一预测位置与第二预测位置获得第一位置的其他实现方式也应在本申请的保护范围之类。
在上述实现过程中，通过根据第一预测位置和第二预测位置获得第一位置，这样可以考虑到基于历史位置获得的第一预测位置和通过位置检测模型获得的第二预测位置的误差，使得获得的第一位置更准确。
在一些实施方式中，上述根据第一位置与第二位置确定与目标加油枪匹配的车辆的实现方式包括：
将第一位置映射到目标坐标系下，获得第一映射位置；以及将第二位置映射到目标坐标系下，获得第二映射位置，在第一映射位置与第二映射位置之间的距离小于预设距离时，确定与目标加油枪匹配的车辆为第二映射位置对应的目标车辆。
其中，目标坐标系可以为针对加油岛所在的加油站的平面视图所建立的。
平面视图可以是预先通过无人机或摄像头拍摄的加油站的整个视图所构建的。这样可以预先建立平面视图与第一图像之间的坐标映射关系，以及建立平面视频与第二图像之间的坐标映射关系，然后在将第一位置与第二位置映射到目标坐标系下时，可以通过对应的坐标映射关系进行映射，从而获得目标加油枪在目标坐标系下的第一映射位置以及车辆在目标坐标系下的第二映射位置，在同一坐标系下比较两个映射位置之间的距离，若距离小于预设距离，则认为该车辆与目标加油枪匹配，反之，则不匹配。
其中，预设距离可以根据实际需求灵活设置。
当然，目标坐标系也可以不仅仅是加油站的平面视图坐标系，其也可以是指第一图像或第二图像对应的坐标系，若第一图像和第二图像分别是两个摄像头不同位置或不同角度拍摄的，则两个图像中的坐标存在差异，所以在进行坐标映射时，可以将第一位置映射到第二图像中的坐标系下，获得第一预测位置，然后将第一预测位置与第二位置之间的距离与预设距离进行比较，若小于预设距离，则确定目标加油枪与对应的车辆匹配，反之，则不匹配。或者也可以将第二位置映射到第一图像的坐标系下，获得第二预测位置，然后将第二预测位置与第一位置之间的距离与预设距离比较，若小于预设距离，则确定目标加油枪与对应的车辆匹配，反之，则不匹配。
在上述实现过程中，通过将第一位置和第二位置映射到同一目标坐标系下进行比较，这样可实现目标加油枪与车辆的位置的精准比较，进而实现目标加油枪与车辆的匹配关系的精准识别。
在一些实施方式中，上述进行坐标映射时，可以利用仿射变换矩阵进行映射，由于拍摄第一图像和第二图像的摄像头与拍摄加油站的平面视图的摄像头的安装位置和角度存在查找，其中一个摄像头的成像视野中的一点在另一摄像头的成像视野中的一点具有一定映射关系，例如，拍摄第一图像的摄像头的某点(x,y)映射到拍摄平面视图的摄像头中的某点(x’，y’)，则其对应的变换关系为：
其中，T即为仿射变换矩阵，该仿射变换矩阵可以是通过预先试验获得的，如获拍摄第一图像的摄像头的拍摄区域的多个坐标点，以及获取拍摄平面视图的摄像头的拍摄区域的多个坐标点，根据这些坐标点即可按照上述公式反解出相应的仿射变换矩阵。
同理，按照同样的方式也可获得第二图像与平面视图之间进行坐标转换的仿射变换矩阵。这样可以利用获得第一仿射变换矩阵将第一位置进行仿射变换，获得目标加油枪在目标坐标系下的第一映射位置，以及利用获得的第二仿射变换矩阵将第二位置进行仿射变换，获得车辆在目标坐标系下的第二映射位置。
若目标坐标系为基于加油站的平面视图构建的，则第一仿射变换矩阵为第一图像与平面视图之间进行坐标转换的仿射变换矩阵，第二仿射变换矩阵为第二图像与平面视图之间进行坐标转换的仿射变换矩阵。
若目标坐标系为第一图像下的坐标系时，此时可无需将第一位置进行仿射变换，或者第一位置进行仿射变换后获得的第一映射位置与第一位置相同，第二仿射变换矩阵则为第一图像与第二图像之间进行坐标转换的仿射变换矩阵。
若目标坐标系为第二图像下的坐标系时，此时可无需将第二位置进行仿射变换，或者第二位置进行仿射变换后获得的第二映射位置与第二位置相同，第一仿射变换矩阵则为第一图像与第二图像之间进行坐标转换的仿射变换矩阵。
进行仿射变换时，可按照上述的变换关系计算获得对应的映射位置，如在将第一位置变换为第一映射位置时，则(x,y)表示第一位置，T表示第一仿射变换矩阵，(x’,y’)表示第一映射位置。在将第二位置变换为第二映射位置时，则(x,y)表示第二位置，T表示第二仿射变换矩阵，(x’,y’)表示第二映射位置。
在上述实现过程中，利用仿射变换矩阵对位置进行变换，可实现位置的快速变换。
上述实现目标加油枪与车辆的匹配后，则可对车辆实现加油自动扣费，车辆的车牌信息可以通过加油站内的摄像头通过追踪获得，在知晓该车辆加油所使用的目标加油枪后，在可获取目标加油枪的加油数据，如加油费用，然后可从与该车牌信息绑定的账户中自动扣除加油费用，实现加油的自动扣费，提高了加油效率。
请参照图3，图3为本申请实施例提供一种加油枪与车辆匹配装置200的结构框图，该装置200可以是电子设备上的模块、程序段或代码。应理解，该装置200与上述图2方法实施例对应，能够执行图2方法实施例涉及的各个步骤，该装置200具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。
可选地，所述装置200包括：
第一位置获取模块210，用于获取加油岛中处于非在位状态的目标加油枪在针对其拍摄的第一图像中的第一位置；
第二位置获取模块220，用于获取同一加油岛的加油区域内的车辆在针对其所拍摄的第二图像中的第二位置，其中，所述第一图像与所述第二图像之间的采集时间差值小于预设差值；
匹配模块230，用于根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆。
可选地，所述装置200还包括：
第三位置获取模块，用于在没有确定出与所述目标加油枪匹配的车辆时，获取针对所述目标加油枪拍摄的第三图像以及针对所述加油岛的加油区域内的车辆拍摄的第四图像；确定所述第三图像中所述目标加油枪的第三位置，以及确定所述第四图像中车辆的第四位置；
所述匹配模块230，用于根据所述第三位置与所述第四位置确定与所述目标加油枪匹配的车辆。
可选地，所述匹配模块230，用于将所述第一位置映射到目标坐标系下，获得第一映射位置；将所述第二位置映射到所述目标坐标系下，获得第二映射位置；在所述第一映射位置与所述第二映射位置之间的距离小于预设距离时，确定与所述目标加油枪匹配的车辆为所述第二映射位置对应的目标车辆。
可选地，所述匹配模块230，用于利用获得的第一仿射变换矩阵将所述第一位置进行仿射变换，获得所述目标加油枪在所述目标坐标系下的第一映射位置；利用获得的第二仿射变换矩阵将所述第二位置进行仿射变换，获得车辆在所述目标坐标系上的第二映射位置。
可选地，所述目标坐标系为针对所述加油岛所在的加油站的平面视图所建立的。
可选地，所述第一位置为所述目标加油枪在针对其拍摄的多张图像中最新一张图像中的位置，所述第一位置与所述目标加油枪在所述最新一张图像的上一张图像中位置之间的位移小于预设值。
可选地，所述第一位置获取模块210，用于基于所述最新一张图像之前的图像中所述目标加油枪的历史位置预测获得所述目标加油枪在所述最新一张图像中的第一位置。
可选地，所述第一位置获取模块210，用于基于所述最新一张图像之前的图像中所述目标加油枪的历史位置预测获得所述目标加油枪在所述最新一张图像中的第一预测位置；通过位置检测模型预测获得所述最新一张图像中所述目标加油枪的第二预测位置；根据所述第一预测位置与所述第二预测位置获得所述目标加油枪在所述最新一张图像中的第一位置。
可选地，所述装置200还包括：
在位状态识别模块，用于通过在位识别模型对针对所述目标加油枪拍摄的图像进行识别，获取所述目标加油枪的在位状态。
可选地，所述装置200还包括：
图像获取模块，用于在所述目标加油枪处于非在位状态时，获取针对所述目标加油枪拍摄的第一图像以及针对同一加油岛的加油区域内的车辆拍摄的第二图像。
需要说明的是，本领域技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再重复描述。
本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，执行如图2所示方法实施例中电子设备所执行的方法过程。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如，包括：获取加油岛中处于非在位状态的目标加油枪在针对其拍摄的第一图像中的第一位置；获取同一加油岛的加油区域内的车辆在针对其所拍摄的第二图像中的第二位置，其中，所述第一图像与所述第二图像之间的采集时间差值小于预设差值；根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆。
综上所述，本申请实施例提供一种加油枪与车辆匹配方法、装置、电子设备及存储介质，通过采集的图像来获得加油枪的位置和车辆的位置，然后可根据加油枪的位置与车辆的位置来确定与该加油枪匹配的车辆，从而实现了车辆与加油枪的精准匹配，相比于现有技术中通过NFC识别装置识别匹配关系的方式，本方案基于采集的图像即可实现精准匹配，成本更低。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (13)
1.一种加油枪与车辆匹配方法，其特征在于，所述方法包括：
获取加油岛中处于非在位状态的目标加油枪在针对其拍摄的第一图像中的第一位置；
获取同一加油岛的加油区域内的车辆在针对其所拍摄的第二图像中的第二位置，其中，所述第一图像与所述第二图像之间的采集时间差值小于预设差值；
根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在没有确定出与所述目标加油枪匹配的车辆时，获取针对所述目标加油枪拍摄的第三图像以及针对所述加油岛的加油区域内的车辆拍摄的第四图像；
确定所述第三图像中所述目标加油枪的第三位置，以及确定所述第四图像中车辆的第四位置；
根据所述第三位置与所述第四位置确定与所述目标加油枪匹配的车辆。
3.根据权利要求1所述的方法，其特征在于，所述根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆，包括：
将所述第一位置映射到目标坐标系下，获得第一映射位置；
将所述第二位置映射到所述目标坐标系下，获得第二映射位置；
在所述第一映射位置与所述第二映射位置之间的距离小于预设距离时，确定与所述目标加油枪匹配的车辆为所述第二映射位置对应的目标车辆。
4.根据权利要求3所述的方法，其特征在于，所述将所述第一位置映射到目标坐标系下，获得第一映射位置，包括：
利用获得的第一仿射变换矩阵将所述第一位置进行仿射变换，获得所述目标加油枪在所述目标坐标系下的第一映射位置；
所述将所述第二位置映射到所述目标坐标系下，获得第二映射位置，包括：
利用获得的第二仿射变换矩阵将所述第二位置进行仿射变换，获得车辆在所述目标坐标系上的第二映射位置。
5.根据权利要求3所述的方法，其特征在于，所述目标坐标系为针对所述加油岛所在的加油站的平面视图所建立的。
6.根据权利要求1所述的方法，其特征在于，所述第一位置为所述目标加油枪在针对其拍摄的多张图像中最新一张图像中的位置，所述第一位置与所述目标加油枪在所述最新一张图像的上一张图像中位置之间的位移小于预设值。
7.根据权利要求6所述的方法，其特征在于，通过以下方式获得所述第一位置，包括：
基于所述最新一张图像之前的图像中所述目标加油枪的历史位置预测获得所述目标加油枪在所述最新一张图像中的第一位置。
8.根据权利要求6所述的方法，其特征在于，通过以下方式获得所述第一位置，包括：
基于所述最新一张图像之前的图像中所述目标加油枪的历史位置预测获得所述目标加油枪在所述最新一张图像中的第一预测位置；
通过位置检测模型预测获得所述最新一张图像中所述目标加油枪的第二预测位置；
根据所述第一预测位置与所述第二预测位置获得所述目标加油枪在所述最新一张图像中的第一位置。
9.根据权利要求1-8任一所述的方法，其特征在于，所述方法还包括：
通过在位识别模型对针对所述目标加油枪拍摄的图像进行识别，获取所述目标加油枪的在位状态。
10.根据权利要求1-8任一所述的方法，其特征在于，所述方法还包括：
在所述目标加油枪处于非在位状态时，获取针对所述目标加油枪拍摄的第一图像以及针对同一加油岛的加油区域内的车辆拍摄的第二图像。
11.一种加油枪与车辆匹配装置，其特征在于，所述装置包括：
第一位置获取模块，用于获取加油岛中处于非在位状态的目标加油枪在针对其拍摄的第一图像中的第一位置；
第二位置获取模块，用于获取同一加油岛的加油区域内的车辆在针对其所拍摄的第二图像中的第二位置，其中，所述第一图像与所述第二图像之间的采集时间差值小于预设差值；
匹配模块，用于根据所述第一位置与所述第二位置确定与所述目标加油枪匹配的车辆。
12.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-10任一所述的方法。
13.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-10任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011343785.4A CN112489112B (zh) | 2020-11-25 | 2020-11-25 | 加油枪与车辆匹配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011343785.4A CN112489112B (zh) | 2020-11-25 | 2020-11-25 | 加油枪与车辆匹配方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112489112A true CN112489112A (zh) | 2021-03-12 |
| CN112489112B CN112489112B (zh) | 2023-06-30 |
Family
ID=74934839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011343785.4A Active CN112489112B (zh) | 2020-11-25 | 2020-11-25 | 加油枪与车辆匹配方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112489112B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113496211A (zh) * | 2021-06-22 | 2021-10-12 | 北京格灵深瞳信息技术股份有限公司 | 目标车辆确定方法、装置、电子设备及存储介质 |
| CN113566824A (zh) * | 2021-07-02 | 2021-10-29 | 广州小鹏自动驾驶科技有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6024137A (en) * | 1998-02-18 | 2000-02-15 | R. Strnad Enterprises, Llc | Automatic fueling system and components therefor |
| US6279624B1 (en) * | 1997-05-28 | 2001-08-28 | Autofill Patent Ab | Device for positioning at automatic fuelling of vehicles |
| CN108229570A (zh) * | 2018-01-11 | 2018-06-29 | 北京微油科技服务有限公司 | 一种车辆加油过程中图像处理方法及装置 |
| CN108328558A (zh) * | 2018-01-11 | 2018-07-27 | 北京微油科技服务有限公司 | 一种自助加油方法以及装置 |
| CN108985734A (zh) * | 2018-06-27 | 2018-12-11 | 四川英卓科技有限责任公司 | 基于视频分析与跟踪的加油站支付和管理系统及方法 |
| US20190050697A1 (en) * | 2018-06-27 | 2019-02-14 | Intel Corporation | Localizing a vehicle's charging or fueling port - methods and apparatuses |
| CN110713161A (zh) * | 2018-07-12 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 加油系统 |
| CN111302293A (zh) * | 2020-03-05 | 2020-06-19 | 博识峰云(深圳)信息技术有限公司 | 车辆加油自动识别系统和服务器 |
| CN111340480A (zh) * | 2020-05-21 | 2020-06-26 | 八维通科技有限公司 | 基于蓝牙定位实现的加油站无感支付方法及系统 |
| CN211787323U (zh) * | 2020-05-12 | 2020-10-27 | 鸿洋集团有限公司 | 一种基于uwb技术的加油站车辆识别加油支付系统 |
-
2020
- 2020-11-25 CN CN202011343785.4A patent/CN112489112B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6279624B1 (en) * | 1997-05-28 | 2001-08-28 | Autofill Patent Ab | Device for positioning at automatic fuelling of vehicles |
| US6024137A (en) * | 1998-02-18 | 2000-02-15 | R. Strnad Enterprises, Llc | Automatic fueling system and components therefor |
| CN108229570A (zh) * | 2018-01-11 | 2018-06-29 | 北京微油科技服务有限公司 | 一种车辆加油过程中图像处理方法及装置 |
| CN108328558A (zh) * | 2018-01-11 | 2018-07-27 | 北京微油科技服务有限公司 | 一种自助加油方法以及装置 |
| CN108985734A (zh) * | 2018-06-27 | 2018-12-11 | 四川英卓科技有限责任公司 | 基于视频分析与跟踪的加油站支付和管理系统及方法 |
| US20190050697A1 (en) * | 2018-06-27 | 2019-02-14 | Intel Corporation | Localizing a vehicle's charging or fueling port - methods and apparatuses |
| CN110713161A (zh) * | 2018-07-12 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 加油系统 |
| CN111302293A (zh) * | 2020-03-05 | 2020-06-19 | 博识峰云(深圳)信息技术有限公司 | 车辆加油自动识别系统和服务器 |
| CN211787323U (zh) * | 2020-05-12 | 2020-10-27 | 鸿洋集团有限公司 | 一种基于uwb技术的加油站车辆识别加油支付系统 |
| CN111340480A (zh) * | 2020-05-21 | 2020-06-26 | 八维通科技有限公司 | 基于蓝牙定位实现的加油站无感支付方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113496211A (zh) * | 2021-06-22 | 2021-10-12 | 北京格灵深瞳信息技术股份有限公司 | 目标车辆确定方法、装置、电子设备及存储介质 |
| CN113566824A (zh) * | 2021-07-02 | 2021-10-29 | 广州小鹏自动驾驶科技有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112489112B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921068B (zh) | 一种基于深度神经网络的汽车外观自动定损方法及系统 | |
| CN105761541B (zh) | 一种自动化停车场预约取车系统与方法 | |
| CN110490125B (zh) | 一种基于手势自动检测的加油区服务质量检测系统 | |
| WO2021226912A1 (zh) | 泊车位确定方法、装置、计算机设备和存储介质 | |
| CN108986242B (zh) | 一种用于高速公路不停车移动支付车道的二次车牌识别系统及方法 | |
| CN112489112A (zh) | 加油枪与车辆匹配方法、装置、电子设备及存储介质 | |
| CN107305627A (zh) | 一种车辆视频监控方法、服务器及系统 | |
| CN111723659A (zh) | 泊车位确定方法、装置、计算机设备和存储介质 | |
| CN110751788A (zh) | 识别车辆方位与道路的角度和距离是否正确的系统和方法 | |
| CN111860352B (zh) | 一种多镜头车辆轨迹全跟踪系统及方法 | |
| CN102509457A (zh) | 一种车辆跟踪的方法及装置 | |
| US20190251365A1 (en) | Customer identification at filling station | |
| CN111302293B (zh) | 车辆加油自动识别系统和服务器 | |
| CN111275890A (zh) | 基于油枪识别的加油方法及装置 | |
| TWI597692B (zh) | 停車計費方法 | |
| CN111611884A (zh) | 一种道路安全设施巡查系统及方法 | |
| CN113591643A (zh) | 一种基于计算机视觉的地下交通工具进出站检测系统及方法 | |
| CN112133027B (zh) | 加油支付方法、装置、电子设备及可读存储介质 | |
| CN112215222A (zh) | 车牌识别方法、装置、设备及存储介质 | |
| CN115601738B (zh) | 停车信息获取方法、装置、设备、存储介质及程序产品 | |
| CN112116723A (zh) | 一种基于车牌识别的无感收费方法及装置 | |
| CN115452400A (zh) | 机器人检测方法、装置及机器人 | |
| CN109360471A (zh) | 一种驾驶人实车考试扣分取证方法与装置 | |
| CN113537664B (zh) | 确定车辆的方法、装置和系统 | |
| CN110659534A (zh) | 一种共享单车检测方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 19 / F, building B, Xingzhi science and Technology Park, 6 Xingzhi Road, Nanjing Economic and Technological Development Zone, Jiangsu Province, 210000 Patentee after: AINNOVATION (NANJING) TECHNOLOGY Co.,Ltd. Address before: Floor 19, building B, Xingzhi science and Technology Park, 6 Xingzhi Road, Jiangning Economic and Technological Development Zone, Nanjing, Jiangsu Province Patentee before: AINNOVATION (NANJING) TECHNOLOGY Co.,Ltd. |