CN113095216A - 停车监测方法、系统、设备及存储介质 - Google Patents

停车监测方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN113095216A
CN113095216A CN202110383893.2A CN202110383893A CN113095216A CN 113095216 A CN113095216 A CN 113095216A CN 202110383893 A CN202110383893 A CN 202110383893A CN 113095216 A CN113095216 A CN 113095216A
Authority
CN
China
Prior art keywords
vehicle
returned
parking
information
identifier
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110383893.2A
Other languages
English (en)
Inventor
李旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Qisheng Technology Co Ltd
Original Assignee
Beijing Qisheng Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Qisheng Technology Co Ltd filed Critical Beijing Qisheng Technology Co Ltd
Priority to CN202110383893.2A priority Critical patent/CN113095216A/zh
Publication of CN113095216A publication Critical patent/CN113095216A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42Determining position
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供了一种停车监测方法、系统、设备及存储介质,所述方法包括:获取待还车辆的位置信息;根据所述位置信息,确定所述待还车辆对应的停车点;获取所述停车点的图像信息;识别所述图像信息中与所述待还车辆对应的标识;判断所述标识是否位于预设区域内;根据所述标识是否位于预设区域内的判断结果,确定所述待还车辆是否位于停车区域内。

Description

停车监测方法、系统、设备及存储介质
技术领域
本说明书涉及车辆管理信息技术领域,特别涉及一种停车监测方法、系统、设备及存储介质。
背景技术
随着城市自行车/电动车等共享车辆的增加,车辆定点、有序停放的管理需求日趋迫切,因为车辆乱停乱放不仅对运维、管理造成困扰,也对城市市容市貌造成影响。
传统停车桩、蓝牙道钉技术以及单纯采用GPS定位停车入栏手段等,存在受周围环境因素限制而影响定位精度、安装施工成本高、车辆监管可靠性差等技术缺陷。
发明内容
本说明书实施例之一提供一种停车监测方法、系统、设备及存储介质。所述方法包括:获取待还车辆的位置信息;根据所述位置信息,确定所述待还车辆对应的停车点;获取所述停车点的图像信息;识别所述图像信息中与所述待还车辆对应的标识;判断所述标识是否位于预设区域内;根据所述标识是否位于预设区域内的判断结果,确定所述待还车辆是否位于停车区域内。
在一些实施例中,所述获取待还车辆的位置信息包括:通过蓝牙定位、GPS定位、北斗定位、wifi定位、射频识别定位、基站定位中的至少一种获取所述待还车辆的位置信息;和/或,通过惯性导航联合差分定位方式获取所述待还车辆的位置信息;和/或,通过参考定位计算方式获取所述待还车辆的位置信息。
在一些实施例中,所述标识包括车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码中的至少一种。
在一些实施例中,所述方法还包括:获取所述待还车辆的ID信息;所述识别所述图像信息中与所述待还车辆对应的标识包括:识别所述图像中与所述ID信息的匹配度大于预设阈值的标识为所述待还车辆对应的标识。
在一些实施例中,所述待还车辆对应的标识包括与所述ID信息对应的多个标识元素,所述匹配度为:所述多个标识元素中匹配的元素数量占所述多个标识元素的总元素数量的比例。
在一些实施例中,所述方法还包括:当确定所述待还车辆未位于所述停车区域内时,执行以下中的至少一种:向所述待还车辆发送禁止锁车指令;向所述待还车辆发送第一提示指令,以控制所述待还车辆播报第一提示音;或者,向与所述待还车辆对应的用户终端发送第一提示信息。
在一些实施例中,所述方法还包括:基于所述待还车辆对应的标识,利用图像识别模型判断所述待还车辆的停车姿态是否符合标准;当判断所述待还车辆的停车姿态不符合标准时,执行以下中的至少一种:向所述待还车辆发送禁止锁车指令;向所述待还车辆发送第二提示指令,以控制所述待还车辆播报第二提示音;或者,向与所述待还车辆对应的用户终端发送第二提示信息。
本说明书实施例之一提供一种停车监测系统,所述系统包括:第一获取模块,用于获取待还车辆的位置信息;第一确定模块,用于根据所述位置信息,确定所述待还车辆对应的停车点;第二获取模块,用于获取所述停车点的图像信息;标识识别模块,用于识别所述图像信息中与所述待还车辆对应的标识;第一判断模块,用于判断所述标识是否位于预设区域内;第二确定模块,用于根据所述标识是否位于预设区域内的判断结果,确定所述待还车辆是否位于停车区域内。
本说明书实施例之一提供一种停车监测设备,包括至少一个存储介质和至少一个处理器,所述至少一个存储介质用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令以实现如上述任一项方案所述的方法。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如上述任一项方案所述的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的停车监测系统的应用场景示意图;
图2是根据本申请一些实施例所示的车辆监测设备的应用场景示意图。
图3是根据本申请一些实施例所示的停车监测方法的示例性流程图;
图4是根据本申请一些实施例所示的停车监测系统的示例性结构图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的停车监测系统的应用场景示意图。
场景可以应用于运输系统、交通服务系统。例如,场景可以应用于任意区域的停车车辆数据的监测。在一些实施例中,停车监测系统100可以应用于拥有复杂停车点网络的智能共享车辆管理场景。
如图1所示,停车监测系统100可以包括服务器110、网络120、客户端130、存储设备140、车辆150和车辆监测设备160。
在一些实施例中,服务器110可以用于处理与车辆监测相关的信息和/或数据。服务器110可以是计算机服务器。在一些实施例中,服务器110可以是单个服务器或服务器组。服务器组可以是经由接入点连接到网络120的集中式服务器组,或者经由一个或一个以上的接入点分别连接到网络120的分布式服务器组。在一些实施例中,服务器110可以本地连接到网络120或者与网络120远程连接。例如,服务器110可以经由网络120访问存储在客户端130和/或存储设备140中的信息和/或数据。又例如,存储设备140可以用作服务器110的后端存储器。在一些实施例中,服务器110可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布式云、中间云、多重云等,或其任意组合。
在一些实施例中,服务器110可以包括处理设备112。处理设备112可以处理与执行本说明书中描述的一个或一个以上的功能有关的信息和/或数据。例如,处理设备112可以获取待还车辆的位置信息。处理设备112可以根据待还车辆的位置判断其是否位于停车区域内。又例如,处理设备112可以获取停车区域的图像。处理设备112可以根据待还车辆的位置及ID信息确定图像中的待还车辆,并根据该图像中待还车辆的特征,判断待还车辆的摆放姿态是否符合停车标准。在一些实施例中,处理设备112可以包括一个或一个以上的处理单元(例如,单核处理引擎或多核处理引擎)。仅作为示例,处理设备112可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等,或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中,停车监测系统100中的一个或一个以上的组件(例如,服务器110、客户端130、存储设备140、车辆150、车辆监测设备160)可以通过网络120向停车监测系统100中的其他组件发送信息和/或数据。例如,服务器110可以经由网络120从车辆监测设备160获取待还还车位置。在一些实施例中,网络120可以是任何类型的有线或无线网络或其组合。仅作为示例,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、因特网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙网络、ZigBee网络、近场通信(NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或一个以上的网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或互联网交换点120-1、120-2等。停车监测系统100的一个或一个以上的组件可以通过网络接入点连接到网络120以交换数据和/或信息。
客户端130可以使用户与停车监测系统100进行用户交互。例如,用户可以通过客户端130发送停车请求。车辆150可以基于该停车请求发送车辆位置。服务器110可以基于该停车请求控制车辆监测设备160开启。在一些实施例中,客户端130还可以接收服务器110传输的提示信息(例如,提示音、提示动画等)。在一些实施例中,客户端130可以包括移动设备130-1、平板电脑130-2、膝上型计算机130-3、机动车内置装置130-4等,或其任意组合。在一些实施例中,移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电气设备的控制设备、智能监控设备、智能电视、智能摄像机、对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等,或其任意组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中,客户端130可包括具有定位功能的装置,以确定用户和/或客户端130的位置。
在一些实施例中,用户可以通过客户端130获取车辆的位置信息、身份信息、运行状态等等。在一些实施例中,用户可以通过客户端130获取车辆的停/还车状态信息等。
存储设备140可以存储数据和/或指令。在一些实施例中,存储设备140可以存储服务器110可以执行的数据和/或指令,以提供本申请中描述的方法或步骤。在一些实施例中,存储设备140可以存储与车辆150相关联的数据,例如,与车辆150相关联的定位信息、日志信息等。又例如,存储设备140可以存储车辆150播报的还车提示音频。在一些实施例中,存储设备140可以存储车辆位置信息、ID信息、机器学习模型等。在一些实施例中,停车监测系统100中的一个或一个以上的组件可以经由网络120访问存储在存储设备140中的数据或指令。在一些实施例中,存储设备140可以作为后端存储器直接连接到服务器110。在一些实施例中,存储设备140可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等,或其任意组合。示例性大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性的RAM可以包括动态RAM(DRAM)、双倍数据速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。示例性的ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字多功能盘ROM等。在一些实施例中,存储设备140可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布式云、中间云、多重云等,或其任意组合。
在一些实施例中,车辆150可以包括单车、电单车、三轮车、小型汽车、货车、卡车等。在一些实施例中,车辆150可以包括私家车、出租车等。在一些实施例中,车辆150可以包括有人驾驶车辆和/或无人自动驾驶车辆等,本说明书对车辆150的类型不作限制。在一些实施例中,车辆150可以包括定位设备。在一些实施例中,定位设备可以是全球定位系统(GPS)、全球导航卫星系统(GLONASS)、罗盘导航系统(COMPASS)、北斗导航卫星系统、伽利略定位系统、准天顶卫星系统(QZSS)等。
车辆监测设备160可以用于对车辆进行监测。在一些实施例中,车辆监测设备160可以包括安装支架、图像采集装置等。图像采集装置可以用于获取停车区域的图像和/或视频。在一些实施例中,车辆监测设备160可以安装在停车区域附近。例如,可以在停车区域附近(例如,0.5米)设置安装支架。图像采集装置可以安装在该安装支架上。在一些实施例中,车辆监测设备160可以经由网络120将所获取的数据(例如,图像数据等)发送到停车监测系统100的一个或多个组件(例如,服务器110、客户端130和/或存储设备140)。在一些实施例中,车辆监测设备160可以包括处理器和/或存储器。更多关于车辆监测设备的描述参见图2,此处不再赘述。
需要注意的是,以上描述仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可以在不背离这一原理的情况下,对实施上述方法和系统的应用领域进行形式和细节上的各种修正和改变。
图2是根据本申请一些实施例所示的车辆监测设备的应用场景示意图。
如图2所示,车辆监测设备200可以包括安装支架210和图像采集装置220。在一些实施例中,图像采集装置220可以与服务器110进行通信。例如,服务器110(例如,处理设备112)可以从图像采集装置220获取其采集的图像信息。又例如,服务器110可以发送控制指令以开启图像采集装置220。在一些实施例中,车辆监测设备200可以包括处理器和/或存储器(未示出)。本申请实施例涉及的一个或多个步骤可以由车辆监测设备200中的处理器执行。处理器可以通过执行存储在车辆监测设备200中的存储器中的指令,以实现本申请实施例涉及的一个或多个步骤。
在一些实施例中,处理器可以处理图像采集装置220采集的数据。例如,处理器可以获取图像采集装置220采集的待还车辆图像,并根据待还图像数据,确定标识151是否位于预设区域内。处理器可以根据标识151是否位于预设区域152内的判断结果,判断待还车辆是否位于停车区域230内。在本说明书实施例中,停车区域230可以指车辆停放的区域。在一些实施例中,停车区域230可以由地面上的停车框线条圈定。预设区域152可以指车辆正常停放在停车区域230时,其标识151可能处于的位置区域。在一些实施例中,预设区域152可以与停车区域230相同。在一些实施例中,预设区域152可以小于停车区域230。例如,预设区域152可以为停车区域230内缩一定范围(如10cm)后的区域。
再例如,处理器还可以获取图像采集装置220采集的停车区域230图像,基于待还车辆的标识151,判断待还车辆是否位于停车区域230内。进一步地,处理器还可以根据待还车辆的特征,判断待还车辆的停车姿态是否符合标准。在一些实施例中,处理器可以根据判断结果向待还车辆(例如,车辆150)发送锁车或禁止锁车指令。在一些实施例中,处理器可以将判断结果发送给服务器110。服务器110可以向待还车辆发送锁车或禁止锁车指令。
安装支架210可以安装在停车区域230附近。例如,安装支架210可以安装在停车区域230边缘。又例如,安装支架210可以安装在距停车区域230边缘一定距离范围(例如,0.2米、0.5米、1米)内。再例如,安装支架210可以安装在停车区域230内部。在一些实施例中,如图2所示,安装支架210可以安装在停车区域230后方。在本申请中,停车区域的前方可以指车辆摆放时车头朝向的方向(如图2中箭头A指向的方向)。
在一些实施例中,停车区域230可以是预先划分的能够放置车辆(例如,车辆150等)的任意形状的区域。例如,停车区域230可以是矩形、平行四边形、三角形、圆形等或其他不规则的形状。在一些实施例中,停车区域230可以是预先标记好的区域。例如,停车区域230可以是预先用黄色油漆刷好的矩形框。又例如,停车区域230可以是用激光投影器标记的区域。在这种情况下,激光投影器可以安装在安装支架210上,以在特定区域投影激光形成停车区域。
在一些实施例中,车辆监测设备200可以包括多个安装支架210。多个安装支架210可以均匀或非均匀设置在停车区域周围/或内部。图像采集装置220可以安装在同一个安装支架或不同安装支架上。
图像采集装置220可以用于摄取其视场范围内的图像和/或视频。图像采集装置220的视场范围可以至少包括停车区域230的范围。在一些实施例中,图像采集装置220可以包括广角摄像头、鱼眼摄像头、单目摄像头、双目摄像头、半球摄像机、红外摄像头、数字视频录像机(DVR)、机器视觉系统等,或其任意组合。在一些实施例中,图像采集装置220获取的图像可以是二维图像、三维图像、四维图像等。
图3是根据本申请一些实施例所示的停车监测方法的示例性流程图。
示例性地,停车监测方法300的流程可以由服务器110来实现,例如,流程300可以以指令的形式存储在存储设备140中,并由处理设备112执行调用和/或执行。
如图3所示,停车监测方法300包括以下步骤:
在步骤310,处理设备112可以获取待还车辆的位置信息。
在一些实施例中,处理设备112可以通过蓝牙定位、GPS定位、北斗定位、wifi定位、射频识别定位、基站定位中的至少一种或多种获取待还车辆的位置信息,例如可以单独采用其中一种定位方式获取待还车辆的位置信息,也可以采用两种或两种以上联合定位的方式获取待还车辆的位置信息。
在一些实施例中,处理设备112可以通过停车区域内蓝牙设备,获取停车区域周边(可预先配对设置)蓝牙设备的mac地址以及RSSI值进行查询,调用储存的mac地址库比对获取的mac地址,识别出待还车辆搭载的蓝牙设备,从而确定待还车辆的位置信息。
在一些实施例中,处理设备112可以通过停车区域、待还车辆和/或客户端的GPS定位系统定位待还车辆的地理位置,获取待还车辆的位置信息。
在一些实施例中,处理设备112可以通过前述GPS方式获取待还车辆的地理位置,结合前述蓝牙方式获取的位置信息,获取待还车辆的精确位置信息,例如,可以通过GPS方式获取的地理位置,结合蓝牙方式获取的待还车辆蓝牙设备RSSI值,实现待还车辆的精确定位。
在一些实施例中,可以通过惯性导航联合差分定位方式由用户终端(即客户端)确定待还车辆的位置信息,处理设备112再从用户终端获取待还车辆的位置信息。例如,可以通过用户终端APP在停车点平面图上调用用户终端惯性导航模块进行惯性导航下的位置计算,用户终端APP同时调用车辆惯性导航模块进行惯性导航下的位置计算,使得用户终端设备将终端惯性导航模块和车辆惯性导航模块联合进行差分惯性导航位置计算,确定待还车辆的位置信息,并发送至处理设备112。
在一些实施例中,可以在停车点内设置参考节点,通过用户终端(即客户端)采集参考节点的RSSI值,即信号强度值,建立由参考节点的坐标和参考节点的RSSI值组成的Radio Map,即指纹库;利用用户终端所采集到的待还车辆RSSI值与指纹库里的RSSI值进行欧式距离运算;欧式距离运算得到的最小的参考节点坐标即为待还车辆所在位置,然后处理设备112从用户终端获取待还车辆的位置信息。
需要说明的是,上述获取待还车辆位置信息的方式仅仅是示例性的,在具体实施例过程中还可以采用其他任何可能的位置信息获取方式,本发明实施例不对其特别限制。例如,可以利用信号强度和场景图像双重匹配的定位方法,先进行信号强度匹配,再用场景图像得到更精确的位置;又例如,预先做地图道路特性地图,包括:根据待还车辆状态(地理位置、行驶速度和角速度)估计待还车辆位置,再通过待还车辆的轨迹特性和地图道路特性进行匹配定位,最终两种位置进行融合得到最优位置;再例如,将外部传感器数据、GPS数据、高精度地图数据进行融合处理进行待还车辆的定位。
在步骤320中,处理设备112可以根据位置信息,确定待还车辆对应的停车点。在一些实施中,处理设备112可以通过预设停车点匹配程序执行待还车辆位置信息与停车点信息库的信息对比,确定待还车辆对应的具体停车点信息。
在一些实施例中,处理设备112可以根据待还车辆的位置信息,确定待还车辆最近的停车点,然后将该停车点确定为待还车辆对应的停车点,并将停车点信息上传至服务器110。在一些实施例中,可以根据确定的停车点信息触发该停车点相应的图像采集装置的开启。
在一些实施例中,处理设备112可以针对共享车辆网络布设的各个停车点进行特定区域的电子围栏设置,通过实时对停进车辆网络监测,来确定待还车辆是否位于相应停车点停车范围。
在一些实施例中,处理设备112可以通过RSSI值计算待还车辆与停车区域的相对距离,判断待还车辆是否进入停车点范围。在一些实施例中,可以记录进入停车点停车范围和未进入停车点停车范围的车辆ID信息,并将记录信息上传至服务器110。
在一些实施例中,待还车辆的数量可以是一辆或两辆以上。
需要说明的是,上述确定待还车辆对应的停车点的方式仅仅是示例性的,在具体实施例过程中还可以采用其他任何可能的位置信息获取方式,本发明实施例不对其特别限制。
在步骤330中,处理设备112可以获取停车点的图像信息。
在一些实施例中,处理设备112可以获取停车点的图像采集装置所采集的图像信息。该图像采集装置可以获取在预定视场范围内的图像信息。
在一些实施例中,预定视场范围在进行预先设定时,可设置为至少可以全覆盖停车点停车范围,例如,停车点范围可以是图像采集装置圆周辐射2米范围内。在一些实施例中,预定视场范围至少可以全覆盖停车点的电子围栏范围,例如电子围栏范围可以是5米*5米的方形面积范围。
在一些实施例中,处理设备112可以基于确定待还车辆已位于停车点的前提条件触发停车点的图像信息采集程序,实施图像采集过程。
在步骤340中,处理设备112可以识别图像信息中与待还车辆对应的标识。
在一些实施例中,处理设备112可以在识别图像信息中与待还车辆对应的标识之前,获取待还车辆的ID信息,然后处理设备112可以识别图像中与ID信息的匹配度大于预设阈值的标识为待还车辆对应的标识。在一些实施例中,ID信息可以为系统中登记的待还车辆的信息。在一些实施例中,ID信息可以为车辆编号。在一些实施例中,ID信息可以包括但不限于车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码等中的一种或多种。
例如,ID信息可以是车牌号码“皖U682”。又例如,ID信息可以是特定色彩组合的彩色条码。在一些实施例中,ID信息可以预存在服务器110、客户端130和/或存储设备140中。
标识可以指设于车辆上的用于区分不同车辆的特定标记信息,以此来区分不同的车辆。在一些实施例中,标识可以包括但不限于车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码等中的一种或多种。在一些实施例中,同一车辆的标识与ID信息可以相同。例如,标识可以是车牌号码“皖U682”。又例如,标识可以是特定条形码。在一些实施例中,标识可以包括多个标识元素。标识元素可以理解为组成标识的单元。具体的,当标识为车牌号码时,标识元素可以为车牌号码中的字符。当标识为数字编码时,标识元素可以为数字编码中的数字。当标识为条形码时,标识元素可以为条形码中的黑条和空白。例如,当标识为车牌号码“皖U682”时,字符“皖”、“U”、“6”、“8”和“2”分别为该标识的标识元素。
在一些实施例中,待还车辆对应的标识包括与ID信息对应的多个标识元素,匹配度可以为:多个标识元素中匹配的元素数量占多个标识元素的总元素数量的比例。预设阈值可以设定为60%或80%等。在一些实施例中,可以根据标识中标识元素的数量多少来确定预设阈值的取值,例如当标识元素数量较少(如五位数或五位数以下),可以将预设阈值设定为40%或甚至更低,也即在已对待还车辆初定位的前提下,只要标识中有两位标识元素与ID信息相匹配即可完成标识的识别。在一些实施例中,出于对识别精确度要求的考虑,可以将预设阈值设定为较大数值,以保障其较高匹配度的实现。在一些实施例中,可以对待还车辆(例如同一个停车点存在多辆待还车辆时)的ID信息进行初步判断对比,以确定待还车辆中各自ID信息中组成元素的重复程度高低,当重复程度较低或基本没有重复时,可以触发低预设阈值的标识与ID信息匹配过程,以便快速结束匹配,提高匹配效率,节约匹配算法成本。
在一些实施例中,可以利用预设识别算法识别图像信息中与待还车辆对应的标识。预设识别算法可以包括卷积神经网络(Convolutional Neural Network,CNN)模型、全卷积网络(Fully Convolutional Networks,FCN)模型等,或其任意组合。
在一些实施例中,处理设备112可以利用预设目标检测深度网络,定位并提取标识信息的有效区;利用预设字符图像分割算法对有效区进行字符分割,获取一个或多个单个字符图像;利用预设字符图像识别算法对一个或多个单个字符图像进行识别,获取标识元素的识别结果。在一些实施例中,前述预设目标检测深度网络可以包括YOLO检测网络;和/或,预设字符图像分割算法可以包括连通域分割算法;和/或,预设字符图像识别算法可以采用相应机器学习算法。
在步骤350中,处理设备112可以判断标识是否位于预设区域内。
在一些实施例中,处理设备112可以根据识别的标识结果,判断其是否位于停车区域内相应范围选取的预设区域内,以便确定该标识下的待还车辆是否精确停入相应停车区域。在一些实施例中,预设区域可以与停车区域相同。在一些实施例中,预设区域可以小于停车区域。例如,预设区域可以为停车区域内缩一定范围(如10cm)后的区域。
在一些实施例中,处理设备112可以根据预设局部识别规则,判断标识中的部分标识元素是否位于预设区域内。在一些实施例中,预设局部识别规则可以是锁定识别标识中的特定部分标识元素。
在一些实施例中,处理设备112可以通过在包含待还车辆标识的图像或图像视野中,根据预设标识框画定规则,画取包含标识的标识电子框。在一些实施例中,预设标识框画定规则可以设定仅包含标识或标识中部分元素的严格边界或边缘线。
在一些实施例中,预设区域也可以是包含多个标识的区域范围,例如,预设区域可以是包含邻近两辆车标识的最小区域范围。
在步骤360中,处理设备112可以根据标识是否位于预设区域内的判断结果,确定待还车辆是否位于停车区域内。
在一些实施例中,当处理设备112判断结果为标识位于预设区域,则确定待还车辆已停入停车区域;当判断结果为标识不位于预设区域,则确定待还车辆停车区域未停入停车区域。
在一些实施例中,处理设备112可以根据多个标识是否位于预设区域内或各自分别位于预设区域内的单位区域内,来确定多辆待还车辆是否位于停车区域内。
在一些实施例中,预设区域可以设定为包含单个待还车辆的标识的单个标识锁定区域。在一些实施例中,预设区域可以设定为包含多辆待还车辆多个标识的多个标识锁定区域。在一些实施例中,前述单个标识锁定区域可设定为包含单个标识的最小面积区域。在一些实施例中,前述多个标识锁定区域可设定为包含多个标识的最小面积区域。
示例性地,处理设备112根据GPS方式判断待还车辆是否靠近某个停车点2米范围内,然后通过停车点的摄像头或机器视觉系统对采集的图像信息进行识别,通过判断是否拍摄到待还车辆车身编码特定数字位,来区分是否对应的车辆准确停入停车框,比如,有待还车辆ID12345和67890两辆车同时达到某停车框附近,根据对前述图像信息中的标识识别确定哪辆车辆已停入该停车框。
在一些实施例中,当确定待还车辆已位于停车区域内,处理设备112可以向该待还车辆发送允许锁车指令。在一些实施例中,响应于接收到允许锁车指令,待还车辆可以自动执行锁车。在一些实施例中,当待还车辆接收允许锁车指令后,用户可以进行手动锁车。具体的,用户可以拨动车锁的锁销进行锁车。在一些实施例中,当待还车辆锁车成功后,可以反馈锁车成功提示音。在一些实施例中,当待还车辆锁车成功后,可以启动图像采集装置的关闭,以减少其功耗。
在一些实施例中,当处理设备112根据步骤360确定待还车辆未位于停车区域内时,可以向待还车辆发送禁止锁车指令,以禁止车辆执行自动锁车或用户手动锁车。在一些实施例中,当确定待还车辆未位于停车区域内时,处理设备112可以向待还车辆发送第一提示指令,以控制待还车辆播报第一提示音,以提醒用户将待还车辆停入停车区域内。在一些实施例中,当确定待还车辆未位于停车区域内时,处理设备112可以向与待还车辆对应的用户终端发送第一提示信息,以提醒用户将待还车辆停入停车区域内。
在一些实施例中,当处理设备112根据步骤360确定待还车辆未位于停车区域内时,执行以下操作中的两种或全部:向待还车辆发送禁止锁车指令;向待还车辆发送第一提示指令,以控制待还车辆播报第一提示音;或者,向与待还车辆对应的用户终端发送第一提示信息。
在一些实施例中,第一提示音可以是任何声音类型或声音形式。例如,第一提示音可以是如“请将车停入停车区域内”的语音。又例如,第一提示音可以是“嘀嘀嘀”的警报声。
在一些实施例中,第一提示信息可以包括文本、图像、语音、视频动画等,或其任意组合。例如,第一提示信息可以是提示语音。又例如,第一提示信息可以是包含该待还车辆的图像。进一步,图像上可以包括该待还车辆没有位于停车区域内的标记信息。在一些实施例中,第一提示信息可以包括操作指引信息(例如,再往前挪动20厘米)。用户可以根据操作指引信息对待还车辆执行相应操作。在一些实施例中,还可以通过控制待还车辆的指示灯提醒用户将待还车辆停入停车区域。例如,可以控制指示灯发出特定颜色的灯光(例如,红色)。又例如,可以控制指示灯闪烁。在一些实施例中,还可以将与待还车辆对应的用户信息上报至服务器110。
在一些实施例中,处理设备112可以基于待还车辆对应的标识,利用图像识别模型判断待还车辆的停车姿态是否符合标准;当判断待还车辆的停车姿态不符合标准时,执行以下中的至少一种:向待还车辆发送禁止锁车指令;向待还车辆发送第二提示指令,以控制待还车辆播报第二提示音;或者,向与待还车辆对应的用户终端发送第二提示信息。
在一些实施例中,图像识别模型可以是基于多组训练数据训练得到的,多组训练数据可以包括多组待还车辆的标识图像的训练数据及其停车姿态判断结果标注数据。处理设备112可以将待还车辆的标识图像数据输入图像识别模型。图像识别模型可以输出待还车辆的停车姿态是否符合标准的处理结果。在一些实施例中,图像识别模型可以包括卷积神经网络(Convolutional Neural Network,CNN)模型、全卷积网络(Fully ConvolutionalNetworks,FCN)模型等,或其任意组合。在一些实施例中,待还车辆的停车姿态可以包括停靠方向、倒伏状态、车身是否压线等,或其任意组合。在一些实施例中,当判断待还车辆停车符合标准(例如,图2中车辆150)时,可以发送允许停车指令至待还车辆。
在一些实施例中,当判断待还车辆的停车姿态不符合标准时,处理设备112可以向待还车辆发送禁止锁车指令,以禁止车辆执行自动锁车或用户手动锁车。在一些实施例中,当确定待还车辆的停车姿态不符合标准时,处理设备112可以向待还车辆发送第二提示指令,以控制待还车辆播报第二提示音,以提醒用户调整待还车辆的停车姿态以符合标准。在一些实施例中,当确定待还车辆的停车姿态不符合标准时,处理设备112可以向与待还车辆对应的用户终端发送第二提示信息,以提醒用户调整待还车辆的停车姿态以符合标准。
在一些实施例中,当判断待还车辆的停车姿态不符合标准时,执行以下操作中的两种或全部:向待还车辆发送禁止锁车指令;向待还车辆发送第二提示指令,以控制待还车辆播报第二提示音;或者,向与待还车辆对应的用户终端发送第二提示信息。
在一些实施例中,第二提示音可以是任何声音类型或声音形式。例如,第二提示音可以是如“请调整停车姿态”的语音。又例如,第二提示音可以是“嘀嘀嘀”的警报声。
在一些实施例中,第二提示信息可以包括文本、图像、语音、视频动画等,或其任意组合。例如,第二提示信息可以是提示语音。又例如,第二提示信息可以是包含该待还车辆的图像。进一步,图像上可以包括该待还车辆停车姿态不符合标准的标记信息。在一些实施例中,第二提示信息可以包括操作指引信息(例如,请把车头摆正)。用户可以根据操作指引信息对待还车辆执行相应操作。在一些实施例中,还可以通过控制待还车辆的指示灯提醒用户调整待还车辆的停车姿态。例如,可以控制指示灯发出特定颜色的灯光(例如,黄色)。又例如,可以控制指示灯闪烁。在一些实施例中,还可以将与待还车辆对应的用户信息上报至服务器110。需要说明的是,上述停车监测方法300的流程由服务器110来实现的实施过程仅仅是示例性的,根据不同的场景需要,本申请实施例提供的停车监测方法的流程或步骤可以由服务端完成,也可以由车辆端完成,还可以由客户端完成,本申请实施例不对其作特别限定。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图4是根据本申请一些实施例所示的停车监测系统的示例性结构图。
如图4所示,停车监测系统400可以包括第一获取模块410、第一确定模块420、第二获取模块430、标识识别模块440、第一判断模块450、第二确定模块460。
第一获取模块410可以用于获取待还车辆的位置信息。
在一些实施例中,第一获取模块410可以通过蓝牙定位、GPS定位、北斗定位、wifi定位、射频识别定位、基站定位中的至少一种或多种获取待还车辆的位置信息,例如可以单独采用其中一种定位方式获取待还车辆的位置信息,也可以采用两种或两种以上联合定位的方式获取待还车辆的位置信息。
在一些实施例中,第一获取模块410可以通过停车区域内蓝牙设备,获取停车区域周边(可预先配对设置)蓝牙设备的mac地址以及RSSI值进行查询,调用储存的mac地址库比对获取的mac地址,识别出待还车辆搭载的蓝牙设备,从而确定待还车辆的位置信息。
在一些实施例中,第一获取模块410可以通过停车区域、待还车辆和/或客户端的GPS定位系统定位待还车辆的地理位置,获取待还车辆的位置信息。
在一些实施例中,第一获取模块410可以通过前述GPS方式获取待还车辆的地理位置,结合前述蓝牙方式获取的位置信息,获取待还车辆的精确位置信息,例如,可以通过GPS方式获取的地理位置,结合蓝牙方式获取的待还车辆蓝牙设备RSSI值,实现待还车辆的精确定位。
在一些实施例中,第一获取模块410可以通过惯性导航联合差分定位方式获取待还车辆的位置信息,例如,可以通过用户终端APP在停车点平面图上调用用户终端惯性导航模块进行惯性导航下的位置计算,用户终端APP同时调用车辆惯性导航模块进行惯性导航下的位置计算,使得用户终端设备将终端惯性导航模块和车辆惯性导航模块联合进行差分惯性导航位置计算,从而提高惯性导航定位精度。
在一些实施例中,第一获取模块410可以在停车点内设置参考节点,采集参考节点的RSSI值,即信号强度值,建立由参考节点的坐标和参考节点的RSSI值组成的Radio Map,即指纹库;利用用户终端所采集到的待还车辆RSSI值与指纹库里的RSSI值进行欧式距离运算;欧式距离运算得到的最小的参考节点坐标即为待还车辆所在位置。
需要说明的是,上述第一获取模块410获取待还车辆位置信息的方式仅仅是示例性的,在具体实施例过程中还可以采用其他任何可能的位置信息获取方式,本发明实施例不对其特别限制。例如,可以利用信号强度和场景图像双重匹配的定位方法,先进行信号强度匹配,再用场景图像得到更精确的位置;又例如,预先做地图道路特性地图,包括:根据待还车辆状态(地理位置、行驶速度和角速度)估计待还车辆位置,再通过待还车辆的轨迹特性和地图道路特性进行匹配定位,最终两种位置进行融合得到最优位置;再例如,将外部传感器数据、GPS数据、高精度地图数据进行融合处理进行待还车辆的定位。
第一确定模块420可以用于根据位置信息,确定待还车辆对应的停车点。
在一些实施中,第一确定模块420可以通过预设停车点匹配程序执行待还车辆位置信息与停车点信息库的信息对比,确定待还车辆对应的具体停车点信息。
在一些实施例中,处理设备112可以根据待还车辆的位置信息,确定待还车辆最近的停车点,然后将该停车点确定为待还车辆对应的停车点,并将停车点信息上传至服务器110。在一些实施例中,可以根据确定的停车点信息触发该停车点相应的图像采集装置的开启。
在一些实施例中,第一确定模块420可以针对共享车辆网络布设的各个停车点进行特定区域的电子围栏设置,通过实时对停进车辆网络监测,来确定待还车辆是否位于相应停车点停车范围。
在一些实施例中,第一确定模块420可以通过RSSI值计算待还车辆与停车区域的相对距离,判断待还车辆是否进入停车点范围。在一些实施例中,可以记录进入停车点停车范围和未进入停车点停车范围的车辆ID信息。
第二获取模块430可以用于获取停车点的图像信息。
在一些实施例中,第二获取模块430可以获取停车点的图像采集装置所采集的图像信息。该图像采集装置可以获取在预定视场范围内的图像信息。
在一些实施例中,第二获取模块430可以基于确定待还车辆已位于停车点的前提条件触发停车点的图像信息采集程序,实施图像采集过程。
标识识别模块440可以用于识别图像信息中与待还车辆对应的标识。
在一些实施例中,停车监测系统400还包括第三获取模块(图4中未示出),在标识识别模块440识别图像信息中与待还车辆对应的标识之前,第三获取模块获取待还车辆的ID信息,然后标识识别模块440识别图像中与ID信息的匹配度大于预设阈值的标识为待还车辆对应的标识。
在一些实施例中,ID信息可以为系统中登记的待还车辆的信息。在一些实施例中,ID信息可以为车辆编号。在一些实施例中,ID信息可以包括但不限于车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码等中的一种或多种。在一些实施例中,标识可以包括但不限于车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码等中的一种或多种。在一些实施例中,同一车辆的标识与ID信息可以相同。关于ID信息、标识的更多内容详见图3相关描述,在此不再赘述。在一些实施例中,待还车辆对应的标识包括与ID信息对应的多个标识元素,匹配度可以为:多个标识元素中匹配的元素数量占多个标识元素的总元素数量的比例。预设阈值可以设定为60%或80%等。在一些实施例中,可以根据标识中标识元素的数量多少来确定预设阈值的取值,例如当标识元素数量较少(如五位数或五位数以下),可以将预设阈值设定为40%或甚至更低,也即在已对待还车辆初定位的前提下,只要标识中有两位标识元素与ID信息相匹配即可完成标识的识别。在一些实施例中,出于对识别精确度要求的考虑,可以将预设阈值设定为较大数值,以保障其较高匹配度的实现。在一些实施例中,可以对待还车辆(例如同一个停车点存在多辆待还车辆时)的ID信息进行初步判断对比,以确定待还车辆中各自ID信息中组成元素的重复程度高低,当重复程度较低或基本没有重复时,可以触发低预设阈值的标识与ID信息匹配过程,以便快速结束匹配,提高匹配效率,节约匹配算法成本。
在一些实施例中,标识可以是车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码中的至少一种。在一些实施例中,标识中的标识元素还可以是任何其他可行的标识元素类别。相应地,ID信息中组成元素可以是车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码中的至少一种。在一些实施例中,ID信息的组成元素还可以是任何其他可行的组成元素类别。
在一些实施例中,标识识别模块440可以利用预设目标检测深度网络,定位并提取标识信息的有效区;利用预设字符图像分割算法对有效区进行字符分割,获取一个或多个单个字符图像;利用预设字符图像识别算法对一个或多个单个字符图像进行识别,获取标识元素的识别结果。在一些实施例中,前述预设目标检测深度网络可以包括YOLO检测网络;和/或,预设字符图像分割算法可以包括连通域分割算法;和/或,预设字符图像识别算法可以采用相应机器学习算法。
第一判断模块450可以判断标识是否位于预设区域内。
在一些实施例中,第一判断模块450可以根据识别的标识结果,判断其是否位于停车区域内相应范围选取的预设区域内,以便确定该标识下的待还车辆是否精确停入相应停车区域。在一些实施例中,预设区域可以与停车区域相同。在一些实施例中,预设区域可以小于停车区域。
在一些实施例中,第一判断模块450可以根据预设局部识别规则,判断标识中的部分标识元素是否位于预设区域内。在一些实施例中,预设局部识别规则可以是锁定识别标识中的特定部分标识元素。
在一些实施例中,第一判断模块450可以通过在包含待还车辆标识的图像或图像视野中,根据预设标识框画定规则,画取包含标识的标识电子框。在一些实施例中,预设标识框画定规则可以设定仅包含标识或标识中部分元素的严格边界或边缘线。
在一些实施例中,预设区域也可以是包含多个标识的区域范围,例如,预设区域可以是包含邻近两辆车标识的最小区域范围。
第二确定模块460可以用于:根据标识是否位于预设区域内的判断结果,确定待还车辆是否位于停车区域内。
在一些实施例中,第二确定模块460可以用于:当判断结果为标识位于预设区域,则确定待还车辆已停入停车区域;当判断结果为标识不位于预设区域,则确定待还车辆停车区域未停入停车区域。
在一些实施例中,第二确定模块460可以根据多个标识是否位于预设区域内或各自分别位于预设区域内的单位区域内,来确定多辆待还车辆是否位于停车区域内。
在一些实施例中,预设区域可以设定为包含单个待还车辆的标识的单个标识锁定区域。在一些实施例中,预设区域可以设定为包含多辆待还车辆多个标识的多个标识锁定区域。在一些实施例中,前述单个标识锁定区域可设定为包含单个标识的最小面积区域。在一些实施例中,前述多个标识锁定区域可设定为包含多个标识的最小面积区域。
在一些实施例中,停车监测系统400还包括第一停车提示模块(图4中未示出),当根据第二确定模块460确定待还车辆未位于停车区域内时,第一停车提示模块可以向待还车辆发送禁止锁车指令,以禁止车辆执行自动锁车或用户手动锁车。在一些实施例中,当第二确定模块460确定待还车辆未位于停车区域内时,第一停车提示模块可以向待还车辆发送第一提示指令,以控制待还车辆播报第一提示音,以提醒用户将待还车辆停入停车区域内。在一些实施例中,当第二确定模块460确定待还车辆未位于停车区域内时,第一停车提示模块可以向与待还车辆对应的用户终端发送第一提示信息,以提醒用户将待还车辆停入停车区域内。
在一些实施例中,当根据第二确定模块460确定待还车辆未位于停车区域内时,第一停车提示模块可以执行以下操作中的两种或全部:向待还车辆发送禁止锁车指令;向待还车辆发送第一提示指令,以控制待还车辆播报第一提示音;或者,向与待还车辆对应的用户终端发送第一提示信息。更多关于第一提示音、第一提示信息的描述可以参考图3及其详细描述,此处不再赘述。
在一些实施例中,停车监测系统400还包括第二判断模块和第二停车提示模块,第二判断模块可以基于待还车辆对应的标识,利用图像识别模型判断待还车辆的停车姿态是否符合标准;当第二判断模块判断待还车辆的停车姿态不符合标准时,第二停车提示模块执行以下中的至少一种:向待还车辆发送禁止锁车指令;向待还车辆发送第二提示指令,以控制待还车辆播报第二提示音;或者,向与待还车辆对应的用户终端发送第二提示信息。
在一些实施例中,图像识别模型可以是基于多组训练数据训练得到的,多组训练数据可以包括多组待还车辆的标识图像的训练数据及其停车姿态判断结果标注数据。第二判断模块可以将待还车辆的标识图像数据输入图像识别模型。图像识别模型可以输出待还车辆的停车姿态是否符合标准的处理结果。
在一些实施例中,当第二判断模块判断待还车辆的停车姿态不符合标准时,第二停车提示模块可以向待还车辆发送禁止锁车指令,以禁止车辆执行自动锁车或用户手动锁车。在一些实施例中,当第二确定模块460确定的停车姿态不符合标准时,第二停车提示模块可以向待还车辆发送第二提示指令,以控制待还车辆播报第二提示音,以提醒用户调整待还车辆的停车姿态以符合标准。在一些实施例中,当第二确定模块460确定待还车辆的停车姿态不符合标准时,向与待还车辆对应的用户终端发送第二提示信息,以提醒用户调整待还车辆的停车姿态以符合标准。
在一些实施例中,当第二判断模块判断待还车辆的停车姿态不符合标准时,执行以下操作中的两种或全部:向待还车辆发送禁止锁车指令;向待还车辆发送第二提示指令,以控制待还车辆播报第二提示音;或者,向与待还车辆对应的用户终端发送第二提示信息。更多关于第二提示音、第二提示信息的描述可以参考图3及其详细描述,此处不再赘述。
需要注意的是,以上对于停车监测系统400及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图4中披露的各个模块可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
本申请一些实施例还提供了一种停车监测设备,包括至少一个处理器和至少一个存储介质,至少一个存储介质用于存储计算机指令;至少一个处理器用于执行所述计算机指令以实现如上述任一实施例所述的停车监测方法。
本申请一些实施例还提供了一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如上述任一实施例所述的停车监测方法。
本说明书实施例可能带来的有益效果包括但不限于:(1)通过在车辆初步定位基础上,进一步结合车辆标识识别手段,能够实现较高精度(例如,可以实现亚米级停车入栏判断精度)的停车监测目的,提高了停车监测的准确度和效率,提高了车辆监管的可靠性;(2)避免了以往蓝牙道钉技术或单纯采用GPS定位等干扰因素太多,定位精度欠佳的技术缺陷;(3)由于无需如蓝牙道钉技术或停车桩需要道钉安装或停车桩布置,大大降低了施工复杂性和成本,且系统灵活性较高。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种停车监测方法,其特征在于,所述方法包括:
获取待还车辆的位置信息;
根据所述位置信息,确定所述待还车辆对应的停车点;
获取所述停车点的图像信息;
识别所述图像信息中与所述待还车辆对应的标识;
判断所述标识是否位于预设区域内;
根据所述标识是否位于预设区域内的判断结果,确定所述待还车辆是否位于停车区域内。
2.根据权利要求1所述的方法,其特征在于,所述获取待还车辆的位置信息包括:
通过蓝牙定位、GPS定位、北斗定位、wifi定位、射频识别定位、基站定位中的至少一种获取所述待还车辆的位置信息;和/或,
通过惯性导航联合差分定位方式获取所述待还车辆的位置信息;和/或,
通过参考定位计算方式获取所述待还车辆的位置信息。
3.根据权利要求1所述的方法,其特征在于,所述标识包括车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码中的至少一种。
4.根据权利要求1所述的方法,其特征在于,还包括:获取所述待还车辆的ID信息;
所述识别所述图像信息中与所述待还车辆对应的标识包括:
识别所述图像中与所述ID信息的匹配度大于预设阈值的标识为所述待还车辆对应的标识。
5.根据权利要求4所述的方法,其特征在于,所述待还车辆对应的标识包括与所述ID信息对应的多个标识元素,所述匹配度为:所述多个标识元素中匹配的元素数量占所述多个标识元素的总元素数量的比例。
6.根据权利要求1所述的方法,其特征在于,还包括:当确定所述待还车辆未位于所述停车区域内时,执行以下中的至少一种:
向所述待还车辆发送禁止锁车指令;
向所述待还车辆发送第一提示指令,以控制所述待还车辆播报第一提示音;或者,
向与所述待还车辆对应的用户终端发送第一提示信息。
7.根据权利要求1所述的方法,其特征在于,还包括:基于所述待还车辆对应的标识,利用图像识别模型判断所述待还车辆的停车姿态是否符合标准;当判断所述待还车辆的停车姿态不符合标准时,执行以下中的至少一种:
向所述待还车辆发送禁止锁车指令;
向所述待还车辆发送第二提示指令,以控制所述待还车辆播报第二提示音;或者,
向与所述待还车辆对应的用户终端发送第二提示信息。
8.一种停车监测系统,其特征在于,所述系统包括:
第一获取模块,用于获取待还车辆的位置信息;
第一确定模块,用于根据所述位置信息,确定所述待还车辆对应的停车点;
第二获取模块,用于获取所述停车点的图像信息;
标识识别模块,用于识别所述图像信息中与所述待还车辆对应的标识;
第一判断模块,用于判断所述标识是否位于预设区域内;
第二确定模块,用于根据所述标识是否位于预设区域内的判断结果,确定所述待还车辆是否位于停车区域内。
9.一种停车监测设备,包括至少一个存储介质和至少一个处理器,所述至少一个存储介质用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令以实现如权利要求1~7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~7任一项所述的方法。
CN202110383893.2A 2021-04-09 2021-04-09 停车监测方法、系统、设备及存储介质 Pending CN113095216A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110383893.2A CN113095216A (zh) 2021-04-09 2021-04-09 停车监测方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110383893.2A CN113095216A (zh) 2021-04-09 2021-04-09 停车监测方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113095216A true CN113095216A (zh) 2021-07-09

Family

ID=76675938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110383893.2A Pending CN113095216A (zh) 2021-04-09 2021-04-09 停车监测方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113095216A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554353A (zh) * 2021-08-25 2021-10-26 宁波工程学院 一种避免空间淤积的公共自行车空间调度优化方法
CN113744535A (zh) * 2021-08-24 2021-12-03 武汉光电工业技术研究院有限公司 针对rfid标签的动态坐标同步方法、装置及视频巡检车
CN113781792A (zh) * 2021-09-06 2021-12-10 腾讯科技(深圳)有限公司 停放检测系统、方法及相关设备
CN114323004A (zh) * 2021-12-28 2022-04-12 北京骑胜科技有限公司 一种定位方法和系统
CN114463632A (zh) * 2022-01-14 2022-05-10 摩拜(北京)信息技术有限公司 一种共享车辆的还车处理方法、装置及共享车辆
CN115527360A (zh) * 2022-09-01 2022-12-27 汉海信息技术(上海)有限公司 判断车辆归属停车点的方法和介质
CN116453371A (zh) * 2023-06-16 2023-07-18 北京阿帕科蓝科技有限公司 共享车辆的还车识别方法、装置、计算机设备和存储介质
CN117831261A (zh) * 2023-11-06 2024-04-05 城市大脑(广州)科技有限公司 基于图像识别和卫星定位的共享电动自行车运营监管方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107230346A (zh) * 2017-08-01 2017-10-03 何永安 共享单车停车规范的确认方法、装置、服务器及存储介质
CN107680382A (zh) * 2017-02-24 2018-02-09 上海享泊信息科技有限公司 车牌识别方法、模块、云端服务器以及停车场管理系统
CN109767620A (zh) * 2019-01-15 2019-05-17 上海钧正网络科技有限公司 车辆监控方法、装置、系统、服务器及摄像头
CN109931948A (zh) * 2017-12-17 2019-06-25 北京嘀嘀无限科技发展有限公司 一种引导用户停车及车辆倾倒提示方法及系统
CN110992674A (zh) * 2018-09-15 2020-04-10 北京悠膳信息技术有限公司 监管方法、监管装置、定位系统、管理系统和存储介质
CN111723718A (zh) * 2020-06-11 2020-09-29 杭州智行星科技有限公司 基于人脸识别的还车确认方法、系统、终端和存储介质
CN111784924A (zh) * 2020-06-24 2020-10-16 摩拜(北京)信息技术有限公司 车辆的停放控制方法、电子设备及共享车辆系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680382A (zh) * 2017-02-24 2018-02-09 上海享泊信息科技有限公司 车牌识别方法、模块、云端服务器以及停车场管理系统
CN107230346A (zh) * 2017-08-01 2017-10-03 何永安 共享单车停车规范的确认方法、装置、服务器及存储介质
CN109931948A (zh) * 2017-12-17 2019-06-25 北京嘀嘀无限科技发展有限公司 一种引导用户停车及车辆倾倒提示方法及系统
CN110992674A (zh) * 2018-09-15 2020-04-10 北京悠膳信息技术有限公司 监管方法、监管装置、定位系统、管理系统和存储介质
CN109767620A (zh) * 2019-01-15 2019-05-17 上海钧正网络科技有限公司 车辆监控方法、装置、系统、服务器及摄像头
CN111723718A (zh) * 2020-06-11 2020-09-29 杭州智行星科技有限公司 基于人脸识别的还车确认方法、系统、终端和存储介质
CN111784924A (zh) * 2020-06-24 2020-10-16 摩拜(北京)信息技术有限公司 车辆的停放控制方法、电子设备及共享车辆系统

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113744535B (zh) * 2021-08-24 2023-03-14 武汉光电工业技术研究院有限公司 针对rfid标签的动态坐标同步方法、装置及视频巡检车
CN113744535A (zh) * 2021-08-24 2021-12-03 武汉光电工业技术研究院有限公司 针对rfid标签的动态坐标同步方法、装置及视频巡检车
CN113554353B (zh) * 2021-08-25 2024-05-14 宁波工程学院 一种避免空间淤积的公共自行车空间调度优化方法
CN113554353A (zh) * 2021-08-25 2021-10-26 宁波工程学院 一种避免空间淤积的公共自行车空间调度优化方法
CN113781792B (zh) * 2021-09-06 2023-11-24 腾讯科技(深圳)有限公司 停放检测系统、方法及相关设备
CN113781792A (zh) * 2021-09-06 2021-12-10 腾讯科技(深圳)有限公司 停放检测系统、方法及相关设备
CN114323004A (zh) * 2021-12-28 2022-04-12 北京骑胜科技有限公司 一种定位方法和系统
CN114463632A (zh) * 2022-01-14 2022-05-10 摩拜(北京)信息技术有限公司 一种共享车辆的还车处理方法、装置及共享车辆
CN115527360A (zh) * 2022-09-01 2022-12-27 汉海信息技术(上海)有限公司 判断车辆归属停车点的方法和介质
CN115527360B (zh) * 2022-09-01 2024-03-15 汉海信息技术(上海)有限公司 判断车辆归属停车点的方法和介质
CN116453371A (zh) * 2023-06-16 2023-07-18 北京阿帕科蓝科技有限公司 共享车辆的还车识别方法、装置、计算机设备和存储介质
CN116453371B (zh) * 2023-06-16 2023-11-07 北京阿帕科蓝科技有限公司 共享车辆的还车识别方法、装置、计算机设备和存储介质
CN117831261A (zh) * 2023-11-06 2024-04-05 城市大脑(广州)科技有限公司 基于图像识别和卫星定位的共享电动自行车运营监管方法

Similar Documents

Publication Publication Date Title
CN113095216A (zh) 停车监测方法、系统、设备及存储介质
JP6275285B2 (ja) 物流システム、荷物運搬方法、及びプログラム
EP3650814B1 (en) Vision augmented navigation
CN104457734B (zh) 一种停车场导航系统
CN110443898A (zh) 一种基于深度学习的ar智能终端目标识别系统及方法
CN107862899A (zh) 反向寻车方法、装置、计算机装置及计算机可读存储介质
CN109005498A (zh) 车辆定位器和导向器
CN108290521A (zh) 一种影像信息处理方法及增强现实ar设备
CN106682970B (zh) 共享交通工具的开启方法、客户端及系统
CN110858414A (zh) 图像处理方法、装置、可读存储介质与增强现实系统
KR20120079341A (ko) 맵데이터갱신방법, 이를 수행하는 전자기기 및 기록매체
CN106415694A (zh) 车载影像系统、影像传送系统、影像传送方法以及影像传送程序
CN106767854A (zh) 移动设备、车库地图形成方法及系统
US10217240B2 (en) Method and system to determine distance to an object in an image
KR20200025421A (ko) 실내주차장에서 증강현실기반 주차 안내시스템
CN107800747A (zh) 一种乘客定位显示处理方法及装置
CN109785654A (zh) 基于位置空间模型的车辆引导
CN106935059A (zh) 一种定位找车系统、定位找车方法及位置定位方法
JP2018055692A (ja) 物流システム、荷物運搬方法、及びプログラム
CN110164164A (zh) 利用摄像头拍摄功能增强手机导航软件识别复杂道路精准度的方法
CN106556392A (zh) 车辆查找系统及寻找车辆的方法
CN112418031B (zh) 图像识别方法和装置、存储介质及电子设备
CN109583312A (zh) 车道线识别方法、装置、设备及存储介质
CN109540127A (zh) 位置的确定方法、可移动机器人、存储介质和电子设备
CN114358863A (zh) 一种共享车辆的还车处理方法、装置及共享车辆

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