CN112562400A - 一种车位线获取方法、装置及停车管理系统 - Google Patents
一种车位线获取方法、装置及停车管理系统 Download PDFInfo
- Publication number
- CN112562400A CN112562400A CN202011550691.4A CN202011550691A CN112562400A CN 112562400 A CN112562400 A CN 112562400A CN 202011550691 A CN202011550691 A CN 202011550691A CN 112562400 A CN112562400 A CN 112562400A
- Authority
- CN
- China
- Prior art keywords
- parking space
- image
- point
- obtaining
- parking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000010438 heat treatment Methods 0.000 claims description 11
- 230000001629 suppression Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种车位线获取方法、装置及停车管理系统,它采用获取停车位图像,并针对停车位图像输入预设神经网络训练模型,得到停车位的热力值图像和方向图像,根据热力值得到备选关键点,通过备选关键点结合方向图形得到角点,利用角点与预设停车位的车位线关系,得到停车位的车位线。以上方式不用获取停车位上的所有角点即可获取停车位的车位线,自动标定车位线的准确度较高。因此,本申请可以广泛用于停车管理技术领域。
Description
技术领域
本申请涉及停车管理技术领域,尤其涉及一种车位线获取方法、装置及停车管理系统。
背景技术
路内车辆识别中,识别停车位的车位线是识别停车位上是否有车辆的基础。目前识别停车位的车位线采用以下两种形式:
1)人工标定车位线,工作量大且自动化程度低,且易出错;
2)自动标定车位线,不但可以校准人工标定车位线是否正确,而且能够批量画出车位线。
现有针对停车位的四个角点自动标定车位线的方式,需要识别停车位上的四个点才能获得完整的车位线,然而停车位上总是有车辆停靠,遮挡后的角点不足四个,且通常只有一两个,因此造成自动标定车位线的准确度较低的问题。
发明内容
本申请所要解决的技术问题是针对现有技术的不足,提供一种车位线获取方法、装置及停车管理系统。
本申请解决上述技术问题的技术方案如下:
一种车位线获取方法,其特征在于,它包括:
获取停车位图像,其中所述停车位图像至少包括一个停车位的车位线;
利用所述停车位图像并根据预设神经网络训练模型,得到停车位的热力值图像和方向图像,其中所述方向图像包括每一点的方向;
基于所述热力值图像中热力值得到多个备选关键点,其中所述备选关键点包括停车位的角点;
基于所述备选关键点并利用所述方向图像得到角点;
基于所述角点并利用角点与预设停车位的车位线关系,得到停车位的车位线。
所述基于所述热力值图像中热力值得到多个备选关键点,具体包括:
获取所述热力值图像中每一预设范围内的热力值大小;
确定每一所述预设范围内的最大热力值;
将每一所述预设范围内的最大热力值确定为备选关键点,得到多个备选关键点。
所述基于所述热力值图像中热力值得到多个备选关键点采用非极大值抑制。
所述基于所述备选关键点并利用所述方向图像得到角点,具体包括:
获取所述热力值图像中备选关键点在所述方向图像上对应的点;
获取任意两个所述点之间线段上的多个备选点;
将每一所述备选点的方向值向所述线段上投影,得到每一投影值;
判断每一所述投影值是否大于预设阈值;
若大于,则确定所述备选关键点为所述停车位的角点。
若所述备选点的所述投影值不大于预设阈值,则所述备选关键点不是所述停车位的角点。
所述基于所述备选关键点并利用所述方向图像得到角点采用PAF。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述一种车位线获取方法的步骤。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述一种车位线获取方法的步骤。
一种车位线获取装置,其特征在于,所述装置包括:
获取模块,用于获取停车位图像,其中所述停车位图像至少包括一个停车位的车位线;
第一处理模块,用于利用所述停车位图像并根据预设神经网络训练模型,得到停车位的热力值图像和方向图像,其中所述方向图像包括每一点的方向;
第二处理模块,用于基于所述热力值图像中热力值得到多个备选关键点,其中所述备选关键点包括停车位的角点;
第三处理模块,用于基于所述备选关键点并利用所述方向图像得到角点;
第四处理模块,用于基于所述角点并利用角点与预设停车位的车位线关系,得到停车位的车位线。
一种停车管理系统,其特征在于,它包括所述的停车位的车位线获取装置。
本申请采用以上方案,它采用获取停车位图像,并针对停车位图像输入预设神经网络训练模型,得到停车位的热力值图像和方向图像,根据热力值得到备选关键点,通过备选关键点结合方向图形得到角点,利用角点与预设停车位的车位线关系,得到停车位的车位线。以上方式不用获取停车位上的所有角点即可获取停车位的车位线,自动标定车位线的准确度较高。
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或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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的附图。
图1为停车位的角点示意图;
图2为本申请一实施例提供的一种车位线获取方法的示意图;
图3为停车位的车位状态示意图;
图4为图2中步骤13的示意图;
图5为图2中步骤14的示意图;
图6为本申请一实施例提供的一种车位线获取装置的示意图;
图7为图6中第二处理模块的示意图;
图8为图6中第三处理模块的示意图;
图9为本申请一实施例提供的一种停车管理系统的示意图;
图10是本申请一实施例中计算机设备的内部结构图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
如图2所示,本申请一实施例提供的一种车位线获取方法10,它包括:
步骤11、获取停车位图像,其中停车位图像至少包括一个停车位的车位线;
其中,如图3所示,停车位图像中停车位状态包括空位和占用。停车位空位时角点四个能够完整获取,从而采用现有方式能够得到相应的车位线,而停车位占用时,只能获取1-3个角点,采用现有方式则不能得到相应的车位线,从而影响识别结果准确度。图3中包括若干停车位的车位线。
步骤12、利用停车位图像并根据预设神经网络训练模型,得到停车位的热力值图像和方向图像,其中方向图像包括每一点的方向;
其中,将停车位图像、停车位图像对应的热力值图像以及停车位图像中点的方向图像输入神经网络模型进行训练,得到预设神经网络训练模型
神经网络训练模型可以采用神经网络模型,包括但不限于主干使用ResNet50,后接1x1卷积作为热力的模型和方向的模型,在此不做限定。
步骤13、基于热力值图像中热力值得到多个备选关键点,其中备选关键点包括停车位的角点;
其中,基于热力值图像中热力值得到多个备选关键点可以采用包括但不限于非极大值抑制(非极大值抑制(Non-Maximum Suppression,NMS),就是抑制不是极大值的元素,即局部最大搜索,在此不做限定。
如图4所示,现以NMS为例进行说明,具体包括:
131、获取热力值图像中每一预设范围内的热力值大小;
132、确定每一预设范围内的最大热力值;
133、将每一预设范围内的最大热力值确定为备选关键点,得到多个备选关键点。
步骤14、基于备选关键点并利用方向图像得到角点;
其中,基于备选关键点并利用方向图像得到角点可以采用包括但不限于部分亲和字段(PAF,Part Affinity Field),在此不做限定。
如图5所示,现以PAF为例进行说明,具体包括:
141、获取热力值图像中备选关键点在方向图像上对应的点;
142、获取任意两个点之间线段上的多个备选点;
143、将每一备选点的方向值向线段上投影,得到每一投影值;
144、确定每一投影值是否大于预设阈值;
145、若大于,则确定备选关键点为停车位的角点。
146、若不大于,则备选关键点不是停车位的角点。
步骤15、基于角点并利用角点与预设停车位的车位线关系,得到停车位的车位线。
其中,角点与停车位的车位线的位置关系是预先设定的,此为本领域技术人员常用的技术手段,在此不做详述。
即使一个车位只得到一个角点,也可以获取车位线,即已知角点位置及方向,由于停车位都是相邻相同设置,因此相应的延长线与其他车位的车位线相交,则同样得出车位线。
综上可知,本申请一实施例提供的一种车位线获取方法,它采用获取停车位图像,并针对停车位图像输入预设神经网络训练模型,得到停车位的热力值图像和方向图像,根据热力值得到备选关键点,通过备选关键点结合方向图形得到角点,利用角点与预设停车位的车位线关系,得到停车位的车位线。以上方式不用获取停车位上的所有角点即可获取停车位的车位线,自动标定车位线的准确度较高。
如图6所示,本申请一实施例提供的一种车位线获取装置20,包括:
获取模块21,用于获取停车位图像,其中停车位图像至少包括一个停车位的车位线;
第一处理模块22,用于利用停车位图像并根据预设神经网络训练模型,得到停车位的热力值图像和方向图像,其中方向图像包括每一点的方向;
第二处理模块23,用于基于热力值图像中热力值得到多个备选关键点,其中备选关键点包括停车位的角点;
第三处理模块24,用于基于备选关键点并利用方向图像得到角点;
第四处理模块25,用于基于角点并利用角点与预设停车位的车位线关系,得到停车位的车位线。
综上可知,本申请一实施例提供的一种车位线获取装置,它采用获取停车位图像,并针对停车位图像输入预设神经网络训练模型,得到停车位的热力值图像和方向图像,根据热力值得到备选关键点,通过备选关键点结合方向图形得到角点,利用角点与预设停车位的车位线关系,得到停车位的车位线。以上方式不用获取停车位上的所有角点即可获取停车位的车位线,此种自动标定车位线的方式准确度高。
上述实施例中,如图7所示,第二处理模块23包括
第一获取单元231,用于获取热力值图像中每一预设范围内的热力值大小;
第一确定单元232,用于确定每一预设范围内的最大热力值;
第一处理单元233,用于将每一预设范围内的最大热力值确定为备选关键点,得到多个备选关键点。
上述实施例中,如图8所示,第三处理模块24包括
第二获取单元241,用于获取热力值图像中备选关键点在方向图像上对应的点;
第三获取单元242,用于获取任意两个点之间线段上的多个备选点;
第二处理单元243,用于将每一备选点的方向值向线段上投影,得到每一投影值;
第二确定单元244,用于确定每一投影值是否大于预设阈值;
第三处理单元245,用于当投影值大于预设阈值时,确定备选关键点为停车;
第四处理单元246,用于当投影值不大于预设阈值时,确定备选关键点不是停车位的角点。
如图9所示,本申请一实施例提供的一种停车管理系统30,它包括车位线获取装置20。
本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如任一实施例中车位线获取方法的步骤。
图10示出了一个实施例中计算机设备的内部结构图。如图10所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现车位线获取方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行车位线获取方法。本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述各实施例中车位线获取方法的方法步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均包含在本申请的保护范围之内。
Claims (10)
1.一种车位线获取方法,其特征在于,它包括:
获取停车位图像,其中所述停车位图像至少包括一个停车位的车位线;
利用所述停车位图像并根据预设神经网络训练模型,得到停车位的热力值图像和方向图像,其中所述方向图像包括每一点的方向;
基于所述热力值图像中热力值得到多个备选关键点,其中所述备选关键点包括停车位的角点;
基于所述备选关键点并利用所述方向图像得到角点;
基于所述角点并利用角点与预设停车位的车位线关系,得到停车位的车位线。
2.根据权利要求1所述的一种车位线获取方法,其特征在于:
所述基于所述热力值图像中热力值得到多个备选关键点,具体包括:
获取所述热力值图像中每一预设范围内的热力值大小;
确定每一所述预设范围内的最大热力值;
将每一所述预设范围内的最大热力值确定为备选关键点,得到多个备选关键点。
3.根据权利要求2所述的一种车位线获取方法,其特征在于:
所述基于所述热力值图像中热力值得到多个备选关键点采用非极大值抑制。
4.根据权利要求1所述的一种车位线获取方法,其特征在于:
所述基于所述备选关键点并利用所述方向图像得到角点,具体包括:
获取所述热力值图像中备选关键点在所述方向图像上对应的点;
获取任意两个所述点之间线段上的多个备选点;
将每一所述备选点的方向值向所述线段上投影,得到每一投影值;
判断每一所述投影值是否大于预设阈值;
若大于,则确定所述备选关键点为所述停车位的角点。
5.根据权利要求4所述的一种车位线获取方法,其特征在于:
若所述备选点的所述投影值不大于预设阈值,则所述备选关键点不是所述停车位的角点。
6.根据权利要求4所述的一种车位线获取方法,其特征在于:
所述基于所述备选关键点并利用所述方向图像得到角点采用PAF。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述一种车位线获取方法的步骤。
8.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述一种车位线获取方法的步骤。
9.一种车位线获取装置,其特征在于,所述装置包括:
获取模块,用于获取停车位图像,其中所述停车位图像至少包括一个停车位的车位线;
第一处理模块,用于利用所述停车位图像并根据预设神经网络训练模型,得到停车位的热力值图像和方向图像,其中所述方向图像包括每一点的方向;
第二处理模块,用于基于所述热力值图像中热力值得到多个备选关键点,其中所述备选关键点包括停车位的角点;
第三处理模块,用于基于所述备选关键点并利用所述方向图像得到角点;
第四处理模块,用于基于所述角点并利用角点与预设停车位的车位线关系,得到停车位的车位线。
10.一种停车管理系统,其特征在于,它包括如权利要求9所述的停车位的车位线获取装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011550691.4A CN112562400B (zh) | 2020-12-24 | 2020-12-24 | 一种车位线获取方法、装置及停车管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011550691.4A CN112562400B (zh) | 2020-12-24 | 2020-12-24 | 一种车位线获取方法、装置及停车管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112562400A true CN112562400A (zh) | 2021-03-26 |
CN112562400B CN112562400B (zh) | 2024-01-12 |
Family
ID=75033423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011550691.4A Active CN112562400B (zh) | 2020-12-24 | 2020-12-24 | 一种车位线获取方法、装置及停车管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562400B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113903188A (zh) * | 2021-08-17 | 2022-01-07 | 浙江大华技术股份有限公司 | 车位检测方法、电子设备及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201504586D0 (en) * | 2015-03-18 | 2015-05-06 | Sudak Menachem M | Car parks |
CN109614913A (zh) * | 2018-12-05 | 2019-04-12 | 北京纵目安驰智能科技有限公司 | 一种斜车位识别方法、装置和存储介质 |
CN109614914A (zh) * | 2018-12-05 | 2019-04-12 | 北京纵目安驰智能科技有限公司 | 车位顶点定位方法、装置和存储介质 |
CN110232835A (zh) * | 2019-06-27 | 2019-09-13 | 浙江工业大学 | 一种基于图像处理的地下车库停车位检测方法 |
CN111178295A (zh) * | 2019-12-31 | 2020-05-19 | 华为技术有限公司 | 车位检测和模型训练方法、装置、车辆、设备及存储介质 |
-
2020
- 2020-12-24 CN CN202011550691.4A patent/CN112562400B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201504586D0 (en) * | 2015-03-18 | 2015-05-06 | Sudak Menachem M | Car parks |
CN109614913A (zh) * | 2018-12-05 | 2019-04-12 | 北京纵目安驰智能科技有限公司 | 一种斜车位识别方法、装置和存储介质 |
CN109614914A (zh) * | 2018-12-05 | 2019-04-12 | 北京纵目安驰智能科技有限公司 | 车位顶点定位方法、装置和存储介质 |
CN110232835A (zh) * | 2019-06-27 | 2019-09-13 | 浙江工业大学 | 一种基于图像处理的地下车库停车位检测方法 |
CN111178295A (zh) * | 2019-12-31 | 2020-05-19 | 华为技术有限公司 | 车位检测和模型训练方法、装置、车辆、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113903188A (zh) * | 2021-08-17 | 2022-01-07 | 浙江大华技术股份有限公司 | 车位检测方法、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112562400B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110473242B (zh) | 一种纹理特征提取方法、纹理特征提取装置及终端设备 | |
CN110850872A (zh) | 机器人巡检方法、装置、计算机可读存储介质及机器人 | |
CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
CN114170303A (zh) | 雷达和摄像头的联合标定方法、装置、系统、设备及介质 | |
CN114255233A (zh) | 散斑图的质量评价方法、装置、电子设备和存储介质 | |
CN112562400A (zh) | 一种车位线获取方法、装置及停车管理系统 | |
CN109978903B (zh) | 一种标识点识别方法、装置、电子设备及存储介质 | |
CN113658345A (zh) | 一种样本标注方法及装置 | |
CN111136655B (zh) | 一种获取巡检点的方法及装置 | |
CN112629828B (zh) | 一种光学信息检测方法、装置及设备 | |
CN115984786A (zh) | 车辆损伤检测方法及装置、终端、存储介质 | |
CN110220639B (zh) | 变电站内压力表抄表方法、装置及终端设备 | |
CN114782555A (zh) | 地图映射方法、设备、及存储介质 | |
CN112306040A (zh) | 车辆检测方法、装置、设备及服务器 | |
CN113989778A (zh) | 车辆信息匹配方法、装置、终端设备及存储介质 | |
CN113903188A (zh) | 车位检测方法、电子设备及计算机可读存储介质 | |
CN113138067B (zh) | 一种衍射光学器件的检测方法、装置及设备 | |
CN114913692A (zh) | 一种图像矫正方法、装置及停车管理系统 | |
CN113516386B (zh) | 车位检测性能评价方法、装置、电子设备和存储介质 | |
CN117990345A (zh) | 镜头品质检测方法、装置及测试设备 | |
CN111695563B (zh) | 一种单双层车牌识别方法、服务器及停车收费系统 | |
CN115115789A (zh) | 一种道路生成方法、装置、电子设备及存储介质 | |
CN116245280A (zh) | 电力计量设备健康评估方法、装置及终端设备 | |
CN115049595A (zh) | 图像清晰度评分方法、系统、电子设备及可读存储介质 | |
CN113295298A (zh) | 测温方法、测温装置、终端设备及存储介质 |
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 |