CN113012457B - 一种地下车库的导航停车方法、装置、设备及介质 - Google Patents
一种地下车库的导航停车方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113012457B CN113012457B CN202110187611.1A CN202110187611A CN113012457B CN 113012457 B CN113012457 B CN 113012457B CN 202110187611 A CN202110187611 A CN 202110187611A CN 113012457 B CN113012457 B CN 113012457B
- Authority
- CN
- China
- Prior art keywords
- target
- underground garage
- identification information
- parking
- navigation
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Abstract
本申请公开了一种地下车库的导航停车方法、装置、设备及介质,该方法包括:当目标车辆在地下车库停车时,则利用VSLAM算法确定出目标车辆的当前位置;基于地下车库的栅格地图和目标车辆的当前位置,利用导航算法对目标车辆进行导航停车;其中,栅格地图为预先利用地下车库的位置地图和目标标识信息所创建的地图;位置地图为利用VSLAM算法和地下车库的视频图像所创建的地图;目标标识信息为对地下车库的停车位标识和位置引导标识进行识别所得到的信息。通过该方法既可以降低导航停车方法的设计成本,也可以提高导航停车方法在使用过程中的便捷性和可靠性。
Description
技术领域
本发明涉及导航技术领域,特别涉及一种地下车库的导航停车方法、装置、设备及介质。
背景技术
在现有技术中,在地下车库中停车时,一般会采用以下方法来对目标车辆进行导航停车。也即,一是采用有源通信设备或激光处理设备来对目标车辆的停车位置进行定位,但是,有源通信设备和激光处理设备均需要较高的设计成本;二是预先通过人工手动来编辑地下车库的地图,之后再通过识别地下车库中的车位标识号来对目标车辆的停车位置进行导航,但是,此种导航方法不仅设计过程复杂、繁琐,而且,也会消耗较多的人力成本;三是预先在地下车库中额外增加特定图像标识,之后再利用地下车库中的特定图像标识来辅助完成目标车辆的停车过程,但是,一旦地下车库中的特定图像标识发生损坏现象,目标车辆就无法对停车位置进行定位。综上所述,现有的地下车库导航停车方法存在设计成本高、使用复杂、定位可靠性差等缺陷。目前,针对上述技术问题,还没有较为有效的解决办法。
由此可见,如何在降低导航停车方法设计成本的同时,也能够提高导航停车方法在使用过程中的便捷性和可靠性,是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种地下车库的导航停车方法、装置、设备及介质,以在降低导航停车方法设计成本的同时,也能够提高导航停车方法在使用过程中的便捷性和可靠性。其具体方案如下:
一种地下车库的导航停车方法,包括:
当目标车辆在目标地下车库停车时,则利用VSLAM算法确定出所述目标车辆的当前位置;
基于所述目标地下车库的栅格地图和所述目标车辆的当前位置,利用导航算法对所述目标车辆进行导航停车;
其中,所述栅格地图的创建过程包括:
利用所述VSLAM算法和所述目标地下车库的视频图像建立所述目标地下车库的位置地图;
对所述目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息;
利用所述位置地图和所述目标识别信息创建所述栅格地图。
优选的,所述利用导航算法对所述目标车辆进行导航停车的过程,包括:
利用A*算法对所述目标车辆进行导航停车。
优选的,还包括:
当所述目标车辆在所述目标地下车库停车完毕时,则对所述目标车辆的停车位置信息进行存储。
优选的,所述对所述目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息的过程,包括:
利用CNN算法对所述目标地下车库的停车位标识和位置引导标识进行识别,得到第一识别信息;
基于余弦相似度原理,对所述第一识别信息和多组预设标识信息分别进行计算,得到目标相似值序列;其中,所述预设标识信息为预先获取到的有关所述目标地下车库中停车位标识和位置引导标识的标识信息;
选取所述目标相似值序列中相似值最高的目标相似值,并将与所述目标相似值所对应的预设标识信息判定为所述目标识别信息。
优选的,所述对所述目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息的过程,包括:
利用OCR算法对所述目标地下车库的停车位标识和位置引导标识进行识别,得到所述目标识别信息。
优选的,还包括:
若利用所述OCR算法未能识别到所述目标地下车库的目标停车位标识或目标位置引导标识时,则从所述目标地下车库的视频图像提取目标图像帧;其中,所述目标图像帧包括所述目标停车位标识或所述目标位置引导标识;
基于所述OCR算法,并利用所述目标图像帧对所述目标停车位标识或所述目标位置引导标识进行重新识别。
优选的,还包括:
利用所述导航算法对所述目标车辆进行导航停车时,利用所述OCR算法对所述目标地下车库的停车位标识和位置引导标识进行重新识别,得到第一识别信息;
若根据所述第一识别信息判断出所述目标识别信息中存在错误信息时,则利用所述第一识别信息对所述错误信息进行校正。
优选的,还包括:
若所述第一识别信息不存在于所述栅格地图内,则将所述第一识别信息添加至所述栅格地图。
相应的,本发明还公开了一种地下车库的导航停车装置,包括:
位置确定模块,用于当目标车辆在目标地下车库停车时,则利用VSLAM算法确定出所述目标车辆的当前位置;
导航停车模块,用于基于所述目标地下车库的栅格地图和所述目标车辆的当前位置,利用导航算法对所述目标车辆进行导航停车;
其中,所述导航停车模块通过调用地图创建模块获取得到所述栅格地图,所述地图创建模块包括:
地图创建子模块,用于利用所述VSLAM算法和所述目标地下车库的视频图像建立所述目标地下车库的位置地图;
信息识别子模块,用于对所述目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息;
栅格创建子模块,用于利用所述目标地下车库的位置地图和所述目标识别信息创建所述栅格地图。
相应的,本发明还公开了一种地下车库的导航停车设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如前述所公开的一种地下车库的导航停车方法的步骤。
可见,在本发明所提供的导航停车方法中,是预先利用VSLAM算法和目标地下车库的视频图像创建目标地下车库的位置地图,并对目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息,之后,再利用目标地下车库的位置地图和目标识别信息创建地下车库的栅格地图。这样当目标车辆在目标地下车库停车时,则利用VSLAM算法确定出目标车辆的当前位置;然后,再基于目标地下车库的栅格地图和目标车辆的当前位置,利用导航算法对目标车辆进行导航停车。显然,相较于现有技术而言,由于该方法既不需要人工手动来编辑地下车库的地图,也不需要利用有源通信设备、激光处理设备和特定图像标识就可以对目标车辆进行导航停车,由此就可以在降低导航停车方法设计成本的同时,也能够提高导航停车方法在使用过程中的便捷性和可靠性。相应的,本发明所提供的一种地下车库的导航停车装置、设备及介质,同样具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对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,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种地下车库的导航停车方法的流程图;
图2为本发明实施例所提供的一种地下车库的导航停车装置的结构图;
图3为本发明实施例所提供的一种地下车库的导航停车设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,图1为本发明实施例所提供的一种地下车库的导航停车方法的流程图,该导航停车方法包括:
步骤S11:当目标车辆在目标地下车库停车时,则利用VSLAM算法确定出目标车辆的当前位置;
步骤S12:基于目标地下车库的栅格地图和目标车辆的当前位置,利用导航算法对目标车辆进行导航停车;
其中,栅格地图的创建过程包括:
利用VSLAM算法和目标地下车库的视频图像建立目标地下车库的位置地图;
对目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息;
利用位置地图和目标识别信息创建栅格地图。
在本实施例中,是提供了一种地下车库的导航停车方法,通过该导航停车方法,既可以降低导航停车方法的设计成本,也可以提高导航停车方法在使用过程中的便捷性与可靠性。
在该导航停车方法中,是预先利用VSLAM算法和目标地下车库的视频图像创建目标地下车库的位置地图;之后,再对目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息;最后,再利用目标地下车库的位置地图、目标地下车库的停车位标识和位置引导标识创建目标地下车库的栅格地图。需要说明的是,在实际应用中,可以通过手机或者是摄像机来拍摄得到目标地下车库的视频图像;其中,目标地下车库的视频图像应包括目标地下车库的各个角落。
能够想到的是,当创建得到目标地下车库的栅格地图时,就相当于获取得了目标地下车库的3D模型图。在此情况下,当目标车辆需要在目标地下车库停车时,首先是利用VSLAM算法确定出目标车辆的当前位置,然后,再基于目标地下车库的栅格地图和目标车辆的当前位置,利用导航算法来对目标车辆进行导航停车。其中,确定目标车辆当前位置的目的是为了在目标地下车库的栅格地图中找到与目标车辆当前位置相对应的位置坐标,之后,基于目标车辆当前位置在目标地下车库栅格地图中的位置坐标,通过运行导航算法就可以找到与目标车辆当前位置距离最近的停车位,并对目标车辆进行导航停车。
显然,相较于现有技术而言,由于本实施例所提供的导航停车方法既不会对目标地下车库的使用环境提出新的要求,也不需要人工手动编辑目标地下车库的地图,这样就可以显著提高用户在使用该导航停车方法时的便捷度。另外,用户在使用该导航停车方法时,也不需要在目标地下车库中添加有源通信设备、激光处理设备或者是特定图像标识,这样就可以降低该导航停车方法的设计成本。
此外,由于图像识别技术和导航算法均具有较高的识别精度,所以,利用该导航停车方法来对目标车辆进行停车时,就可以进一步提高在对目标车辆进行导航停车时的准确性与可靠性。并且,本实施例所提供的导航停车方法也非常易于与其它导航停车方法进行相互融合与补充。
可见,在本实施例所提供的导航停车方法中,是预先利用VSLAM算法和目标地下车库的视频图像创建目标地下车库的位置地图,并对目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息,之后,再利用目标地下车库的位置地图和目标识别信息创建地下车库的栅格地图。这样当目标车辆在目标地下车库停车时,则利用VSLAM算法确定出目标车辆的当前位置;然后,再基于目标地下车库的栅格地图和目标车辆的当前位置,利用导航算法对目标车辆进行导航停车。显然,相较于现有技术而言,由于该方法既不需要人工手动来编辑地下车库的地图,也不需要利用有源通信设备、激光处理设备和特定图像标识就可以对目标车辆进行导航停车,由此就可以在降低导航停车方法设计成本的同时,也能够提高导航停车方法在使用过程中的便捷性和可靠性。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述步骤:利用导航算法对目标车辆进行导航停车的过程,包括:
利用A*算法对目标车辆进行导航停车。
具体的,在本实施例中,是利用A*(A-star algorithm,启发式搜索)算法来对目标车辆进行导航停车。因为A*算法相较于其它导航算法而言,不仅对环境反应迅速、灵敏,而且,通过A*算法获取得到的导航路径准确、可靠,所以,当利用A*算法来对目标车辆进行导航停车时,就可以进一步提高在对目标车辆进行导航停车时的准确性与可靠性。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述导航停车方法还包括:
当目标车辆在目标地下车库停车完毕时,则对目标车辆的停车位置信息进行存储。
在本实施例中,为了方便用户在后续过程中对目标车辆的查找,还在目标车辆在目标地下车库停车完毕时,对目标车辆的停车位置信息进行了存储。能够想到的是,当存储了目标车辆的停车位置信息时,就相当于是在目标地下车库的栅格地图中确定出了目标车辆的停车位置,在此情况下,通过运行导航算法就可以找到目标车辆的停车位置。具体的,在实际操作过程中,可以通过手机拍摄得到目标车辆在停车处的停车位置信息,并对目标车辆的停车位置信息进行存储。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述步骤:对目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息的过程,包括:
利用CNN算法对目标地下车库的停车位标识和位置引导标识进行识别,得到第一识别信息;
基于余弦相似度原理,对第一识别信息和多组预设标识信息分别进行计算,得到目标相似值序列;
其中,预设标识信息为预先获取到的有关目标地下车库中停车位标识和位置引导标识的标识信息;
选取目标相似值序列中相似值最高的目标相似值,并将与目标相似值所对应的预设标识信息判定为目标识别信息。
在本实施例中,为了降低在获取目标识别信息时所需要的计算资源,首先可以利用CNN(Convolutional Neural Networks,卷积神经网络)算法对目标地下车库的停车位标识和位置引导标识进行识别,得到第一识别信息;然后,再预先获取有关目标地下车库中停车位标识和位置引导标识的多组预设标识信息,之后,基于余弦相似度原理,对第一识别信息和多组预设标识信息分别进行计算,得到目标相似值序列;最后,再选取目标相似值序列中相似值最高的目标相似值,并将与目标相似值所对应的预设标识信息判定为目标识别信息。
可以理解的是,当计算得到了第一识别信息与各个预设标识信息的目标相似值序列,并从目标相似值序列中选取出相似值最高的目标相似值之后,就可以根据目标相似值查找出与第一识别信息内容相似度最高的预设识别信息。显然,由于预设识别信息是预先从目标地下车库中停车位标识和位置引导标识所获取到的信息,因此,预设识别信息相比于第一识别信息而言,就会具有更高的信息准确度,也即,预设识别信息能够更为准确地表征目标地下车库的停车位标识和位置引导标识。在此情况下,当将与目标相似值所对应的预设标识信息判定为目标识别信息时,就可以使得获取得到的目标识别信息更加准确与可靠。
需要说明的是,在本实施例中,在获取预设标识信息时,首先是获取包含有目标地下车库中有关停车位标识和位置引导标识的目标图片,之后,再从目标图片中提取有关停车位标识和位置引导标识的数据信息。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述步骤:对目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息的过程,包括:
利用OCR算法对目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息。
在实际应用中,可以利用OCR(Optical Character Recognition,光学字符识别)算法对目标地下车库的停车位标识和位置引导标识进行识别,得到目标地下车库的停车位标识和位置引导标识,也即,目标识别信息。
可以理解的是,因为目标地下车库中的停车位标识和位置引导标识大部分是以字母和数字符号相结合的方式进行标识,而OCR算法对于自然场景图片中文字和字符的识别能力要远远高于同类型的其它识别算法,所以,在实施例中,是利用OCR算法来对目标地下车库的停车位标识和位置引导标识进行识别,由此就可以进一步提高在对目标识别信息进行识别时的准确度。
作为一种优选的实施方式,上述导航停车方法还包括:
若利用OCR算法未能识别到目标地下车库的目标停车位标识或目标位置引导标识时,则从目标地下车库的视频图像提取目标图像帧;
其中,目标图像帧包括目标停车位标识或目标位置引导标识;
基于OCR算法,并利用目标图像帧对目标停车位标识或目标位置引导标识进行重新识别。
由于目标地下车库的环境一般较为昏暗,所以,在实际应用中,可能会出现利用OCR算法不能识别出目标地下车库的目标停车位标识或者是目标位置引导标识的现象。当遇到上述情况时,则可以从目标地下车库的视频图像中提取包含目标停车位标识或者目标位置引导标识的目标图像帧,然后,再基于OCR算法,利用目标图像帧来对目标停车位标识或者是目标位置引导标识进行重新识别。
显然,通过此种操作方式就相当于是在对目标停车位标识或者目标位置引导标识进行识别的过程中,增加了包含有目标停车位标识或者是目标位置引导标识的图像帧的数量。此时,通过多次对包含有目标停车位标识或目标位置引导标识的图像帧进行识别,就可以从对应的图像帧中寻找出更多有关目标停车位标识或目标位置引导标识的特征点,这样就能够识别出目标地下车库中的目标停车位标识或目标位置引导标识。
作为一种优选的实施方式,上述导航停车方法还包括:
利用导航算法对目标车辆进行导航停车时,利用OCR算法对目标地下车库的停车位标识和位置引导标识进行重新识别,得到第一识别信息;
若根据第一识别信息判断出目标识别信息中存在错误信息时,则利用第一识别信息对错误信息进行校正。
可以理解的是,在预先利用OCR算法对目标地下车库的停车位标识和位置引导标识进行识别的过程中,由于目标地下车库中障碍物的遮挡以及光线较为昏暗等问题,很有可能会出现获取得到目标识别信息中存在错误信息的现象,所以,在本实施例中,还提供了一种对目标识别信息中错误信息进行校正的方法。
也即,当利用导航算法对目标车辆进行导航停车时,则继续利用OCR算法对目标地下车库的停车位标识和位置引导标识进行重新识别,得到第一识别信息,如果根据第一识别信息判断出目标识别信息中存在错误信息时,则利用第一识别信息对目标识别信息中的错误信息进行校正。显然,通过这样的设置方式就可以进一步保证目标识别信息的准确性与可靠性。
作为一种优选的实施方式,上述导航停车方法还包括:
若第一识别信息不存在于栅格地图内,则将第一识别信息添加至栅格地图。
在实际应用中,如果在利用OCR算法对目标地下车库的停车位标识和位置引导标识进行重新识别得到第一识别信息的过程中,发现第一识别信息并不存在于目标地下车库的栅格地图内,则说明在创建目标地下车库栅格地图时,出现了停车位标识或位置引导标识的缺失。在此情况下,为了保证用户在后续使用目标地下车库栅格地图时的准确性与可靠性,则需要将第一识别信息重新插入到目标地下车库的栅格地图中。
显然,通过本实施例所提供的技术方案,可以使得目标地下车库的栅格地图更加完整与全面。
请参见图2,图2为本发明实施例所提供的一种地下车库的导航停车装置的结构图,该导航停车装置包括:
位置确定模块21,用于当目标车辆在目标地下车库停车时,则利用VSLAM算法确定出目标车辆的当前位置;
导航停车模块22,用于基于目标地下车库的栅格地图和目标车辆的当前位置,利用导航算法对目标车辆进行导航停车;
其中,导航停车模块通过调用地图创建模块获取得到栅格地图,地图创建模块包括:
地图创建子模块,用于利用VSLAM算法和目标地下车库的视频图像建立目标地下车库的位置地图;
信息识别子模块,用于对目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息;
栅格创建子模块,用于利用目标地下车库的位置地图和目标识别信息创建栅格地图。
本发明实施例所提供的一种地下车库的导航停车装置,具有前述所公开的一种地下车库的导航停车方法所具有的有益效果。
请参见图3,图3为本发明实施例所提供的一种地下车库的导航停车设备的结构图,该导航停车设备包括:
存储器31,用于存储计算机程序;
处理器32,用于执行计算机程序时实现如前述所公开的一种地下车库的导航停车方法的步骤。
本发明实施例所提供的一种地下车库的导航停车设备,具有前述所公开的一种地下车库的导航停车方法所具有的有益效果。
相应的,本发明实施例还公开了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如前述所公开的一种地下车库的导航停车方法的步骤。
本发明实施例所提供的一种计算机可读存储介质,具有前述所公开的一种地下车库的导航停车方法所具有的有益效果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
最后,还需要说明的是,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。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种地下车库的导航停车方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种地下车库的导航停车方法,其特征在于,包括:
当目标车辆在目标地下车库停车时,则利用VSLAM算法确定出所述目标车辆的当前位置;
基于所述目标地下车库的栅格地图和所述目标车辆的当前位置,利用导航算法对所述目标车辆进行导航停车;
其中,所述栅格地图的创建过程包括:
利用所述VSLAM算法和所述目标地下车库的视频图像建立所述目标地下车库的位置地图;
对所述目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息;
利用所述位置地图和所述目标识别信息创建所述栅格地图;
所述利用导航算法对所述目标车辆进行导航停车的过程,包括:
利用A*算法对所述目标车辆进行导航停车;
所述对所述目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息的过程,包括:
利用CNN算法对所述目标地下车库的停车位标识和位置引导标识进行识别,得到第一识别信息;
基于余弦相似度原理,对所述第一识别信息和多组预设标识信息分别进行计算,得到目标相似值序列;其中,所述预设标识信息为预先获取到的有关所述目标地下车库中停车位标识和位置引导标识的标识信息;
选取所述目标相似值序列中相似值最高的目标相似值,并将与所述目标相似值所对应的预设标识信息判定为所述目标识别信息。
2.根据权利要求1所述的导航停车方法,其特征在于,还包括:
当所述目标车辆在所述目标地下车库停车完毕时,则对所述目标车辆的停车位置信息进行存储。
3.根据权利要求1所述的导航停车方法,其特征在于,所述对所述目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息的过程还可以包括:
利用OCR算法对所述目标地下车库的停车位标识和位置引导标识进行识别,得到所述目标识别信息。
4.根据权利要求3所述的导航停车方法,其特征在于,还包括:
若利用所述OCR算法未能识别到所述目标地下车库的目标停车位标识或目标位置引导标识时,则从所述目标地下车库的视频图像提取目标图像帧;其中,所述目标图像帧包括所述目标停车位标识或所述目标位置引导标识;
基于所述OCR算法,并利用所述目标图像帧对所述目标停车位标识或所述目标位置引导标识进行重新识别。
5.根据权利要求3所述的导航停车方法,其特征在于,还包括:
利用所述导航算法对所述目标车辆进行导航停车时,利用所述OCR算法对所述目标地下车库的停车位标识和位置引导标识进行重新识别,得到第一识别信息;
若根据所述第一识别信息判断出所述目标识别信息中存在错误信息时,则利用所述第一识别信息对所述错误信息进行校正。
6.根据权利要求5所述的导航停车方法,其特征在于,还包括:
若所述第一识别信息不存在于所述栅格地图内,则将所述第一识别信息添加至所述栅格地图。
7.一种地下车库的导航停车装置,其特征在于,包括:
位置确定模块,用于当目标车辆在目标地下车库停车时,则利用VSLAM算法确定出所述目标车辆的当前位置;
导航停车模块,用于基于所述目标地下车库的栅格地图和所述目标车辆的当前位置,利用导航算法对所述目标车辆进行导航停车;
其中,所述导航停车模块通过调用地图创建模块获取得到所述栅格地图,所述地图创建模块包括:
地图创建子模块,用于利用所述VSLAM算法和所述目标地下车库的视频图像建立所述目标地下车库的位置地图;
信息识别子模块,用于对所述目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息;
栅格创建子模块,用于利用所述目标地下车库的位置地图和所述目标识别信息创建所述栅格地图;
所述利用导航算法对所述目标车辆进行导航停车的过程,包括:
利用A*算法对所述目标车辆进行导航停车;
所述对所述目标地下车库的停车位标识和位置引导标识进行识别,得到目标识别信息的过程,包括:
利用CNN算法对所述目标地下车库的停车位标识和位置引导标识进行识别,得到第一识别信息;
基于余弦相似度原理,对所述第一识别信息和多组预设标识信息分别进行计算,得到目标相似值序列;其中,所述预设标识信息为预先获取到的有关所述目标地下车库中停车位标识和位置引导标识的标识信息;
选取所述目标相似值序列中相似值最高的目标相似值,并将与所述目标相似值所对应的预设标识信息判定为所述目标识别信息。
8.一种地下车库的导航停车设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述的一种地下车库的导航停车方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110187611.1A CN113012457B (zh) | 2021-02-18 | 2021-02-18 | 一种地下车库的导航停车方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110187611.1A CN113012457B (zh) | 2021-02-18 | 2021-02-18 | 一种地下车库的导航停车方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113012457A CN113012457A (zh) | 2021-06-22 |
CN113012457B true CN113012457B (zh) | 2022-06-07 |
Family
ID=76402616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110187611.1A Active CN113012457B (zh) | 2021-02-18 | 2021-02-18 | 一种地下车库的导航停车方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012457B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256516A (zh) * | 2017-12-01 | 2018-07-06 | 桂林远望智能通信科技有限公司 | 一种区域车牌识别方法及系统 |
CN109712428A (zh) * | 2019-02-27 | 2019-05-03 | 爱笔(北京)智能科技有限公司 | 一种停车位置定位方法及装置、系统 |
CN109741617A (zh) * | 2018-11-12 | 2019-05-10 | 浙江吉利汽车研究院有限公司 | 一种停车场泊车导航方法及装置 |
CN109817018A (zh) * | 2019-02-20 | 2019-05-28 | 东软睿驰汽车技术(沈阳)有限公司 | 一种自动泊车方法及相关装置 |
CN110497901A (zh) * | 2019-08-30 | 2019-11-26 | 的卢技术有限公司 | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 |
CN111461048A (zh) * | 2020-04-12 | 2020-07-28 | 华南理工大学 | 基于视觉的停车场可行驶区域检测与局部地图构建方法 |
CN111857160A (zh) * | 2020-08-17 | 2020-10-30 | 武汉中海庭数据技术有限公司 | 一种无人车路径规划方法和装置 |
CN112085946A (zh) * | 2019-06-14 | 2020-12-15 | 中国国际海运集装箱(集团)股份有限公司 | 车位双重检测系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491070A (zh) * | 2017-08-31 | 2017-12-19 | 成都通甲优博科技有限责任公司 | 一种移动机器人路径规划方法及装置 |
CN110766963A (zh) * | 2019-09-29 | 2020-02-07 | 深圳市金溢科技股份有限公司 | 一种逆向寻车方法、服务器、装置以及存储介质 |
CN111986506B (zh) * | 2020-07-20 | 2022-04-01 | 苏州易航远智智能科技有限公司 | 基于多视觉系统的机械式停车位泊车方法 |
-
2021
- 2021-02-18 CN CN202110187611.1A patent/CN113012457B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256516A (zh) * | 2017-12-01 | 2018-07-06 | 桂林远望智能通信科技有限公司 | 一种区域车牌识别方法及系统 |
CN109741617A (zh) * | 2018-11-12 | 2019-05-10 | 浙江吉利汽车研究院有限公司 | 一种停车场泊车导航方法及装置 |
CN109817018A (zh) * | 2019-02-20 | 2019-05-28 | 东软睿驰汽车技术(沈阳)有限公司 | 一种自动泊车方法及相关装置 |
CN109712428A (zh) * | 2019-02-27 | 2019-05-03 | 爱笔(北京)智能科技有限公司 | 一种停车位置定位方法及装置、系统 |
CN112085946A (zh) * | 2019-06-14 | 2020-12-15 | 中国国际海运集装箱(集团)股份有限公司 | 车位双重检测系统及方法 |
CN110497901A (zh) * | 2019-08-30 | 2019-11-26 | 的卢技术有限公司 | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 |
CN111461048A (zh) * | 2020-04-12 | 2020-07-28 | 华南理工大学 | 基于视觉的停车场可行驶区域检测与局部地图构建方法 |
CN111857160A (zh) * | 2020-08-17 | 2020-10-30 | 武汉中海庭数据技术有限公司 | 一种无人车路径规划方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113012457A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8060302B2 (en) | Visual assessment of landmarks | |
CN109543680B (zh) | 兴趣点的位置确定方法、装置设备和介质 | |
CN111508258B (zh) | 一种定位方法及装置 | |
RU2697649C1 (ru) | Способы и системы сегментации документа | |
CN110544268B (zh) | 一种基于结构光及SiamMask网络的多目标跟踪方法 | |
CN113449741B (zh) | 一种基于语义推断和图像理解的遥感影像定位方法及系统 | |
CN111553302B (zh) | 关键帧选取方法、装置、设备及计算机可读存储介质 | |
CN112633118A (zh) | 一种文本信息提取方法、设备及存储介质 | |
CN114511632A (zh) | 车位地图的构建方法及装置 | |
CN107423738B (zh) | 一种基于模板匹配的试卷题目定位方法及装置 | |
CN115588045A (zh) | 移动设备的定位方法、装置、电子设备及存储介质 | |
CN110609879B (zh) | 兴趣点判重方法、装置、计算机设备及存储介质 | |
CN113012457B (zh) | 一种地下车库的导航停车方法、装置、设备及介质 | |
CN111414903B (zh) | 一种指示牌内容识别方法、装置和设备 | |
CN113360791B (zh) | 电子地图的兴趣点查询方法、装置、路侧设备及车辆 | |
US11580666B2 (en) | Localization and mapping method and moving apparatus | |
CN111652204B (zh) | 目标文本区域选择的方法、装置、电子设备和存储介质 | |
CN110348898B (zh) | 一种基于人体识别的信息推送方法及装置 | |
CN114299295A (zh) | 一种数据处理方法及相关装置 | |
CN114202689A (zh) | 一种点位标注方法、装置、电子设备和存储介质 | |
CN111220173B (zh) | 一种poi的识别方法及装置 | |
CN113449687A (zh) | 兴趣点出入口的识别方法、装置及电子设备 | |
CN111488771A (zh) | Ocr挂接方法、装置与设备 | |
CN116563840B (zh) | 基于弱监督跨模态对比学习的场景文本检测与识别方法 | |
CN112927291B (zh) | 三维物体的位姿确定方法、装置及电子设备和存储介质 |
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 |