CN113099385A - 停车监测方法、系统和设备 - Google Patents

停车监测方法、系统和设备 Download PDF

Info

Publication number
CN113099385A
CN113099385A CN202110383796.3A CN202110383796A CN113099385A CN 113099385 A CN113099385 A CN 113099385A CN 202110383796 A CN202110383796 A CN 202110383796A CN 113099385 A CN113099385 A CN 113099385A
Authority
CN
China
Prior art keywords
target vehicle
vehicle
depth information
parking
image
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
Application number
CN202110383796.3A
Other languages
English (en)
Other versions
CN113099385B (zh
Inventor
万鹏
应云剑
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.)
Xiamen Qiwen Technology Co ltd
Beijing Qisheng Technology Co Ltd
Hangzhou Qingqi Science and 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 CN202110383796.3A priority Critical patent/CN113099385B/zh
Publication of CN113099385A publication Critical patent/CN113099385A/zh
Application granted granted Critical
Publication of CN113099385B publication Critical patent/CN113099385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions
    • 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
    • H04W4/029—Location-based management or tracking services
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本说明书实施例提供一种停车监测方法，所述方法包括：获取由深度信息采集装置所采集的目标车辆的车辆标识的深度信息；基于车辆标识的深度信息，确定目标车辆的位置；以及基于目标车辆的位置，判断目标车辆是否位于停车区域内。

Description

停车监测方法、系统和设备
技术领域
本说明书涉及车辆管理技术领域，特别涉及一种基于视觉定位的车辆停车监测方法、系统和设备。
背景技术
随着互联网的高速发展，共享车辆(例如，共享单车)作为一种新的租赁模式随处可见。随着大量的共享单车、电单车的投放，乱停乱放导致大量车辆无序堆积在一起，对市容市貌造成了一定的影响。因此，希望提供合理的方法和系统来规范停车，确认车辆准确停放在指定的区域，让共享单车、电单车更有序高效的服务用户。
发明内容
本说明书的一个方面提供一种停车监测方法，所述方法包括：获取由深度信息采集装置所采集的目标车辆的车辆标识的深度信息；基于车辆标识的深度信息，确定目标车辆的位置；以及基于目标车辆的位置，判断目标车辆是否位于停车区域内。
本说明书的另一个方面提供一种停车监测系统，所述系统包括获取模块、位置信息确定模块和判断模块。所述获取模块用于获取由深度信息采集装置所采集的目标车辆的车辆标识的深度信息。所述位置信息确定模块用于基于车辆标识的深度信息，确定目标车辆的位置。所述判断模块用于基于目标车辆的位置，判断目标车辆是否位于停车区域内。
本说明书的另一个方面提供一种停车监测设备，所述设备包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储指令；所述处理器用于执行所述指令，以实现所述停车监测方法。
附图说明
本说明书将以示例性实施例的方式进一步描述，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示例性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示例性停车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示例性停车监测系统的模块图；
图4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5是根据本申请一些实施例所示的确定目标车辆的示例性流程图；
图6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；以及
图7是根据本申请一些实施例所示的示例性目标车辆标识的示意图。
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，本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”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。
本申请的实施例可以应用于不同的共享交通服务系统。例如，人力车、代步工具(例如，单车、电单车等)、汽车(例如，小型车、巴士、大型运输车等)、无人驾驶的交通工具等。本申请的不同实施例应用场景包括但不限于运输业、仓储物流业、农业作业系统、城市公交系统、商业运营共享车辆等中的一种或几种的组合。应当理解的是，本申请的系统及方法的应用场景仅仅是本申请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申请应用于其他类似情景。例如，其他类似的有轨迹的行驶系统。
图1是根据本申请一些实施例所示的示例性停车监测系统的应用场景示意图。
如图1所示，停车监测系统100可以包括服务器110、网络120、终端设备130、存储设备140、车辆150和停车监测设备160。
在一些实施例中，服务器110可以用于处理与停车监测相关的信息和/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访问存储在终端设备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申请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可以获取目标车辆的车辆标识的深度信息。处理设备112可以根据车辆标识的深度信息，确定目标车辆的位置。处理设备112可以根据目标车辆的位置，判断目标车辆是否位于停车区域内。又例如，处理设备112可以获取车辆标识的深度信息序列。处理设备112可以根据车辆标识的深度信息序列确定目标车辆。再例如，处理设备112可以进一步判断目标车辆的摆放姿态是否符合规范。再例如，处理设备112可以利用训练数据生成图像识别模型。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、终端设备130、存储设备140、车辆150、停车监测设备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从停车监测设备160获取车辆标识的深度信息。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TM网络、ZigBeeTM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。
终端设备130可以使用户与停车监测系统100进行用户交互。例如，用户可以通过终端设备130发送停车请求。车辆150可以基于该停车请求并播报还车音频。服务器110可以基于该停车请求控制停车监测设备160开启。在一些实施例中，终端设备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，终端设备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、OculusRiftTM、HololensTM、Gear VRTM等。在一些实施例中，终端设备130可包括具有定位功能的装置，以确定用户和/或终端设备130的位置。
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、图像信息等。又例如，存储设备140可以存储车辆150的车辆标识的深度信息。再例如，存储设备140可以存储一个或多个模型(例如，第一图像识别模型、第二图像识别模型等)。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。
停车监测设备160可以用于采集停车区域的相关信息。停车区域的相关信息可以包括停车区域人体相关的信息(例如，人体的数量、位置、状态等)、车辆相关的信息(例如，车辆的数量、位置、状态等)、环境相关的信息(例如，温度、湿度等)等或其组合。
在一些实施例中，停车监测设备160可以包括深度信息采集装置、人体检测装置等或其组合。深度信息采集装置可以用于采集与停车区域有关的车辆标识的深度信息。在一些实施例中，深度信息采集装置包括任何可以获取车辆标识的深度信息的装置。示例性的深度信息采集装置可以包括飞行时间(Time of Flight，TOF)摄像机、结构光摄像机、双目摄像机、红外摄像机、超声波装置、无线电定位装置、雷达定位装置、激光探测装置等或其组合人体检测装置可以用于检测与停车区域有关的人体信号。人体信号可以包括人体红外信号、人体声音信号、人体动作信号、视觉信号(例如，人脸图像、瞳孔图像、虹膜图像等)等。人体检测装置可以包括TOF摄像机、结构光摄像机、双目摄像机、红外摄像机、超声波装置、无线电定位装置、雷达定位装置、激光探测装置、传感器(例如，声音传感器、气味传感器、运动传感器等)等或其组合。在一些实施例中，深度信息采集装置的类型与人体检测装置的类型可以相同也可以不同。例如，深度信息采集装置和人体检测装置都可以是结构光摄像机。又例如，深度信息采集装置可以是TOF摄像机，人体检测装置可以是红外摄像机。在一些实施例中，人体检测装置的精度(例如，分辨率、像素深度等)小于深度信息采集装置对应的精度。
在一些实施例中，深度信息采集装置和人体检测装置可以通过有线或无线的方式通信。例如，当检测到人体信号时，人体检测装置可以将人体检测信号或者检测到人体信号的信息发送给深度信息采集装置，深度信息采集装置基于人体信号开启深度信息采集装置，从而降低停车监测设备160的功耗。
在一些实施例中，停车监测设备160还可以包括安装支架、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，停车监测设备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，1米，5米等)设置安装支架。图像采集装置和/或人体检测装置等可以安装在该安装支架上。在一些实施例中，停车监测设备160可以经由网络120将所获取的数据(例如，音频数据、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、终端设备130和/或存储设备140)。在一些实施例中，停车监测设备160可以包括处理器和/或存储器。更多关于停车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示例性停车监测设备的应用场景示意图。
如图2所示，停车监测设备200可以包括安装支架210、图像采集装置220以及人体检测装置250。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。在一些实施例中，停车监测设备200可以包括处理器和/或存储器(未示出)。停车监测设备200中的处理器和存储器可以与图1中服务器110和存储设备140的结构和功能分别相同或类似，此处不再赘述。
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242、244等)的任意形状的区域。例如，停车区域可以是矩形、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，停车监测设备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。人体检测装置250和图像采集装置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)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。
人体检测装置250可以用于检测与停车区域230有关的人体信号。在一些实施例中，图像采集装置220和人体检测装置250可以通过有线或无线的方式通信。例如，当检测到人体信号时，人体检测装置250可以将人体检测信号或者检测到人体信号的指令发送给图像采集装置220，图像采集装置220可以响应于人体接近停车区域而启动。关于人体检测装置的细节可以参见图1及其相关说明。在一些实施例中，图像采集装置220可以响应于当判断车辆的停靠位置位于停车区域内时而启动。在一些实施例中，当车辆(例如，车辆242)锁车成功后，处理设备112可以控制图像采集装置220关闭，以减少图像采集装置220的功耗。在一些实施例中，图像采集装置220可以省略，即停车监测设备200可以不包括图像采集装置220。
图3是根据本申请一些实施例所示的示例性停车监测系统的模块图。在一些实施例中，停车监测系统300可以由服务器110(如处理设备112)实现。在一些实施例中，停车监测系统300可以由停车监测设备160(如停车监测设备160中的处理器)、停车检测设备200(如停车监测设备200的处理器)实现。
如图3所示，停车监测系统300可以包括获取模块310、位置信息确定模块320和判断模块330。
在一些实施例中获取模块310可以用于获取由深度信息采集装置所采集的目标车辆的车辆标识的深度信息。例如，获取模块310可以获取由深度信息采集装置采集的车辆的深度信息序列。在一些实施例中，获取模块310可以用于获取图像采集装置获取的与停车区域有关的图像(例如，第一图像)。在一些实施例中，获取模块310可以从深度信息采集装置、存储设备等中获取车辆标识的深度信息。在一些实施例中，获取模块310可以从图像采集装置、存储设备等中获取与停车区域有关的图像。
位置信息确定模块320可以用于基于所述车辆标识的深度信息，确定所述目标车辆的位置。例如，位置信息确定模块320可以将目标车辆的车辆标识的位置作为目标车辆的位置。
判断模块330可以用于基于所述目标车辆的位置，判断所述目标车辆是否位于停车区域内。例如，当目标车辆的位置位于停车区域内时，判断模块330可以判断目标车辆停入停车区域。又例如，当目标车辆的位置和参照物之间的距离小于距离阈值内时，判断模块330可以判断目标车辆停入停车区域内。在一些实施例中，判断模块330可以基于目标车辆的车辆标识的深度信息，进一步确定目标车辆的停车姿态是否符合规范。
应当理解，图3所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要注意的是，以上对于系统及其模块的描述，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。例如，获取模块310可以包括深度信息获取单元和图像获取单元，以分别获取车辆标识的深度信息以及第一图像。又例如，停车监测系统300可以包括图像识别模块以识别目标车辆或者人体。再例如，各个模块可以共用一个存储设备，各个模块也可以分别具有各自的存储设备。诸如此类的变形，均在本申请的保护范围之内。
图4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。
在一些实施例中，流程400可以通过处理逻辑来执行，该处理逻辑可以包括硬件(例如，电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等，或其任意组合。图4所示的用于监测车辆的一个或多个操作可以通过图1所示的停车监测系统100或图3所示的停车监测系统300实现。例如，流程400可以以指令的形式存储在存储设备140(或停车监测设备200的存储器)中，并由处理设备112(或停车监测设备200的处理器)执行调用和/或执行。
在步骤410中，处理设备112可以获取由深度信息采集装置所采集的目标车辆标识的深度信息。在一些实施例中，步骤410可以由系统300中的获取模块310执行。
车辆标识指车辆特有的，用来区分所述车辆与其他车辆的符号。车辆标识可以包括车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码等或其组合。在一些实施例中，车辆标识可以以多种形式与车辆结合。例如，车辆标识可以印刻在车辆(例如，车体)上。又例如，车辆标识可以印刻在标识牌上，并将标识牌固定在车辆(例如，车头、置物筐、座椅后侧等)上。再例如，车辆标识也可以贴附在车辆(例如，车尾挡泥板、电池仓等)上。
在一些实施例中，车辆标识的深度信息可以理解为车辆标识在三维空间中的位置信息。例如，车辆标识的深度信息可以用车辆标识上某个点的坐标(例如，三维坐标、经纬度坐标等)表示。在一些实施例中，车辆标识的深度信息也可以用车辆标识与参照物之间的相对位置(例如，相对角度、相对距离等)表示。参照物可以包括建筑物、灯柱、路口等。例如，车辆标识的深度信息可以用车辆标识到深度信息采集装置的距离表示。深度信息采集装置可以用来获取车辆标识的深度信息。例如，车辆的标识牌可以由高反射率的材料制成，深度信息采集装置可以通过反射激光采集车辆标识的深度信息。再例如，深度信息采集装置可以是结构光摄像机，根据深度信息采集装置采集的车辆标识的图像可以获取车辆标识的深度信息。
目标车辆可以理解为用户执行停放操作的车辆。例如，目标车辆可以是与停车区域(或深度信息采集装置)的距离在一定阈值(例如，5米，10米，20米等)范围内的车辆。在一些实施例中，处理设备112可以基于深度信息采集装置获取的车辆标识的深度信息，确定目标车辆。例如，车辆标识以凸出或凹陷形式设置在标识牌上，处理设备112可以基于车辆标识的深度信息，确定目标车辆的ID。又例如，图像采集装置可以采集停车区域的图像，处理设备112可以从图像采集装置获取停车区域的车辆的图像。处理设备112可以利用图像识别算法，从车辆的图像中识别目标车辆。示例性的图像识别算法包括基于阈值的图像识别算法、基于直方图的图像识别算法、图像匹配算法、模式识别算法、模板匹配算法、目标跟踪算法、人工智能(artificial intelligence，AI)算法(例如，机器学习、深度学习算法等)等或其组合。再例如，深度信息采集装置可以采集车辆的车辆标识的深度信息序列。处理设备112可以根据车辆标识的深度信息序列确定目标车辆。关于根据深度信息序列确定目标车辆的细节可以参见图5及其相关说明。
在步骤420中，处理设备112可以基于目标车辆标识的深度信息，确定目标车辆的位置。在一些实施例中，步骤420可以由系统300中的信息确定模块320执行。
目标车辆的位置可以指的是目标车辆距离停车区域的位置、距离参照物的位置、位置坐标等。在一些实施例中，处理设备112可以将目标车辆的车辆标识的位置作为目标车辆的位置。例如，处理设备112可以将目标车辆的车辆标识牌中点的位置作为目标车辆的位置。
在步骤430中，处理设备112可以基于目标车辆的位置，判断目标车辆是否位于停车区域内。在一些实施例中，步骤430可以由系统300中的判断模块330执行。
在一些实施例中，当目标车辆的位置位于停车区域内时，处理设备112可以判断目标车辆停入停车区域。在一些实施例中，当目标车辆的位置和参照物之间的距离小于距离阈值内时，处理设备112可以判断目标车辆停入停车区域内。
在一些实施例中，当判断目标车辆停入停车区域内时，处理设备112可以向目标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，目标车辆可以自动执行锁车。在一些实施例中，当目标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，当目标车辆锁车成功后，目标车辆可以反馈锁车成功提示音。
在一些实施例中，当判断目标车辆未停入停车区域内时，处理设备112可以向目标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，当判断目标车辆未停入停车区域内时，处理设备112还可以控制目标车辆播报第一提示音和/或向与目标车辆对应的用户终端设备发送第一提示信息，以提醒用户将目标车辆停入停车区域内。在一些实施例中，第一提示音可以是任何声音。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、音频、图像、动画等，或其任意组合。例如，第一提示信息可以是提示音。又例如，第一提示信息可以是包含该目标车辆的图像。进一步，图像上可以包括该目标车辆没有位于停车区域内的标记。在一些实施例中，第一提示信息可以包括操作引导信息(例如，再往前挪动20厘米)。用户可以根据操作引导信息对目标车辆执行相应操作。在一些实施例中，处理设备112可以确定目标车辆的位置与停车区域的相对关系。处理设备112可以根据相对关系，确定操作引导信息。在一些实施例中，处理设备112还可以通过控制目标车辆的指示灯提醒用户将目标车辆停入停车区域。例如，处理设备112可以控制指示灯发出特定颜色的灯光(例如，红色)。又例如，处理设备112可以控制指示灯闪烁。在一些实施例中，处理设备112还可以将与目标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可以基于目标车辆的车辆标识的深度信息，进一步确定目标车辆的停车姿态是否符合规范。
停车姿态符合规范可以理解为目标车辆停放到规定的停车区域内，车辆的姿态符合规范。车辆的姿态可以包括车辆(例如，车身、车头、车尾、车辆号牌等)的朝向、车辆是否歪倒等。在一些实施例中，目标车辆标识的深度信息可以包括目标车辆的车辆标识上至少两个位置点的深度信息。车辆标识上的至少两个位置点可以包括车辆标识的边界点、中心点、角点、某个字母或者数字上的点等。为了描述方便，参考图7对目标车辆标识的位置点进行描述。图7是是根据本申请一些实施例所示的示例性目标车辆标识的示意图。如图7所示，车辆标识700是由数字和字母组成的。目标车辆标识700包括四条边701、702、703以及704。目标车辆标识700的位置点可以包括目标车辆标识700上的任意点，例如，角点705、角点706、角点707以及角点708，边界点709以及边界点710。其中，角点705、角点707以及边界点709位于边701上，角点706、角点708以及边界点710位于边702上，角点705和角点706位于边703上，角点707和角点708位于边704上。
在一些实施例中，处理设备112可以根据目标车辆标识上至少两个位置点的深度信息，确定目标车辆的停车姿势是否符合规范。例如，处理设备112获取至少两个位置点到深度信息采集装置的距离，并判断至少两个位置点到深度信息采集装置的距离(例如，水平距离、垂直距离等)差值是否满足一定的阈值。若至少两个位置点到深度信息采集装置的距离差值满足一定的阈值，处理设备112则判断目标车辆的停车姿态符合规范。若至少两个位置点到深度信息采集装置的距离差值不满足一定的阈值，处理设备112则判断目标车辆的停车姿态不符合规范。例如，处理设备112可以分别获取车辆标识700的边701上的位置点(例如，角点705、角点707和/或边界点709)与深度信息采集装置之间的第一水平距离，以及边702上的位置点(例如，角点706、角点708和/或边界点710)与深度信息采集装置之间的第二水平距离。处理设备112可以判断第一水平距离和第二水平距离的差值是否等于(或者近似等于)车辆标识700的左右边界(也就是边703和边704)之间的距离或者在一定的阈值范围内。若第一水平距离和第二水平距离的差值等于(或者近似等于)车辆标识700的左右边界之间的距离或者在一定的阈值范围内，处理设备112则判断目标车辆的停车姿态符合规范。若第一水平距离和第二水平距离的差值不等于(或者近似等于)车辆标识700的左右边界之间的距离或者不在一定的阈值范围内，处理设备112则判断目标车辆的停车姿态不符合规范。类似地，处理设备112可以获取车辆标识700的边703上的位置点(例如，角点705和角点706)与深度信息采集装置之间的第一垂直距离，以及边704上的位置点(例如，角点707和角点708)与深度信息采集装置之间的第二垂直距离。处理设备112可以判断第一垂直距离和第二垂直距离的差值是否等于(或者近似等于)车辆标识700的上下边界(也就是边703和边704)之间的距离或者在一定的阈值范围内。若第一垂直距离和第二垂直距离的差值等于(或者近似等于)车辆标识700的上下边界之间的距离或者在一定的阈值范围内，处理设备112则判断目标车辆的停车姿态符合规范。若第一水平垂直和第二垂直距离的差值不等于(或者近似等于)车辆标识700的上下边界之间的距离或者不在一定的阈值范围内，处理设备112则判断目标车辆的停车姿态不符合规范。
在一些实施例中，当判断车辆停车符合规范(例如，图2中车辆242)时，处理设备112可以发送允许停车指令至目标车辆。在一些实施例中，当判断目标车辆的停车姿态不符合规范时(例如，图2中车辆244)，处理设备112可以向目标车辆发送禁止锁车指令、控制目标车辆播报第二提示音、向与目标车辆对应的用户终端发送第二提示信息。在一些实施例中，第一提示音和第二提示音可以相同或不同。例如，第一提示音和第二提示音都可以是“嘀嘀”的模拟音。又例如，第一提示音可以是如“请将车停入停车区域内”的语音，第二提示音可以是如“请正确摆放车辆”的语音。在一些实施例中，第二提示信息可以包括文本、音频、图像、动画等，或其任意组合。例如，第二提示信息可以是提示音。又例如，第二提示信息可以是图像采集装置采集的包含该目标车辆的图像(如，第一图像)。进一步，图像上可以包括标记该目标车辆停车姿态不符合规范的标记。在一些实施例中，第二提示信息可以包括操作引导信息(例如，请将把车辆扶起)。用户可以根据操作引导信息对目标车辆执行相应操作。
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，对上述方法和系统进行形式和细节上的各种修正和改变。在一些实施例中，处理设备112可以根据图像采集装置所采集的第一图像，验证目标车辆是否位于停车区域内。关于根据第一图像验证车辆是否位于停车区域内的细节可以参见图6及其相关说明。
图5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。
在一些实施例中，流程500可以通过处理逻辑来执行，该处理逻辑可以包括硬件(例如，电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等，或其任意组合。图6所示的用于监测车辆的一个或多个操作可以通过图1所示的停车监测系统100或图3所示的停车监测系统300实现。例如，流程500可以以指令的形式存储在存储设备140(或停车监测设备200的存储器)中，并由处理设备112(或停车监测设备200的处理器)执行调用和/或执行。
在步骤510中，处理设备112可以获取由深度信息采集装置所采集的车辆标识的深度信息序列。在一些实施例中，步骤510可以由系统300中的获取模块310执行。
车辆可以是距离停车区域一定范围内的车辆。所述车辆可以包括目标车辆和/或其他车辆。车辆标识的深度信息序列指的是深度信息采集装置在一段时间(例如，10秒、30秒，1分钟，5分钟等)内采集的车辆标识的深度信息信号。例如，车辆标识的深度信息序列可以是深度信息采集装置在一段时间内连续采集的车辆标识的深度信息。又例如，车辆标识的深度信息序列可以是深度信息采集装置在一段时间内分别间隔一定的时间(例如，1秒，5秒，10秒，1分钟等)采集的车辆标识的深度信息。
在一些实施例中，处理设备112可以从深度信息采集装置获取车辆标识的深度信息序列。在一些实施例中，深度信息采集装置可以将采集的车辆标识的深度信息序列存储在存储设备140中。处理设备112可以从存储设备140获取车辆标识的深度信息序列。在一些实施例中，处理设备112可以实时更新车辆标识的深度信息序列。
在步骤520中，处理设备112可以基于深度信息序列，确定目标车辆。在一些实施例中，步骤520可以由系统300中的判断模块330执行。
在一些实施例中，处理设备112可以将深度信号有变化的车辆确定为目标车辆。例如，处理设备112可以将与停车区域距离越来越近的车辆确定为目标车辆。又例如，处理设备112可以将车辆标识与深度信息采集装置的距离逐渐变大直到最终停住的车辆确定为目标车辆。
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，对上述方法和系统进行形式和细节上的各种修正和改变。
图6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。
在一些实施例中，流程600可以通过处理逻辑来执行，该处理逻辑可以包括硬件(例如，电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等，或其任意组合。图5所示的用于监测车辆的一个或多个操作可以通过图1所示的停车监测系统100或图3所示的停车监测系统300实现。例如，流程600可以以指令的形式存储在存储设备140(或停车监测设备200的存储器)中，并由处理设备112(或停车监测设备200的处理器)执行调用和/或执行。
在步骤610中，处理设备112可以获取第一图像。在一些实施例中，步骤610可以由系统300中的获取模块310执行。
第一图像可以至少包括停车区域。在一些实施例中，第一图像还可以包括目标车辆和/或其他车辆等。在一些实施例中，处理设备112可以从图像采集装置(例如，停车监测设备200中的图像采集装置220)获取第一图像。在一些实施例中，图像采集装置可以将采集的第一图像存储在存储设备140中。处理设备112可以从存储设备140获取第一图像。
在一些实施例中，当检测到人体信号时，处理设备112可以控制开启图像采集装置，以进行图像采集。在一些实施例中，处理设备112可以判断目标车辆的位置是否位于停车区域内。当判断目标车辆的位置位于停车区域内时，处理设备112可以控制开启图像采集装置采集图像。更多关于目标车辆位置的描述可以参考图4及其详细描述，此处不再赘述。在一些实施例中，处理设备112可以实时更新第一图像。
在步骤620中，处理设备112可以基于车辆的位置，确定第一图像中的目标车辆。在一些实施例中，步骤520可以由系统300中的判断模块330执行。
在一些实施例中，处理设备112可以识别第一图像中所有车辆的位置。处理设备112可以将其车辆位置与目标车辆的位置最为接近的车辆确定为第一图像中的目标车辆。在一些实施例中，处理设备112还可以根据车辆的车辆ID确定第一图像中的目标车辆。例如，处理设备112可以获取目标车辆的目标车辆ID。处理设备112可以识别第一图像中每辆车的车辆ID。处理设备112可以将第一图像中车辆ID与目标车辆ID相同的车辆确定为目标车辆。在一些实施例中，当处理设备112确定第一图像中未包含目标车辆时，处理设备112可以判断目标车辆未停入停车区域。此时，处理设备112可以向目标车辆发送禁止锁车指令、控制目标车辆播报第一提示音、或者向与目标车辆对应的用户终端发送第一提示信息。
在一些实施例中，处理设备112可以根据如用户终端的GPS定位、相关车辆的GPS定位等以及停车监测设备(例如，停车监测设备200中的图像采集装置220)的位置确定目标车辆。
在一些实施例中，车辆ID可以包括车牌号、车辆编号、二维码、条形码、荧光数字等，或其任意组合。在一些实施例中，车辆ID可以贴在车头、车尾挡泥板、电池仓等便于图像采集装置拍摄识别的地方。
在步骤630中，处理设备112可以基于第一图像中的目标车辆的特征，利用第一图像识别模型验证目标车辆是否位于停车区域内。在一些实施例中，步骤630可以由系统300中的判断模块330执行。
第一图像识别模型可以是基于多组训练数据训练得来的。每组训练数据可以包括含有车辆和停车区域的图像及对应的车辆是否位于停车区域的判断结果。处理设备112可以将第一图像输入第一图像识别模型。第一图像识别模型可以输出目标车辆是否位于停车区域的结果。在一些实施例中，第一图像识别模型可以包括卷积神经网络(ConvolutionalNeural 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，当判断目标车辆停入停车区域内时，处理设备112可以向目标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，目标车辆可以自动执行锁车。在一些实施例中，当目标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，当目标车辆锁车成功后，目标车辆可以反馈锁车成功提示音。在一些实施例中，当目标车辆锁车成功后，处理设备112可以控制图像采集装置关闭，以减少其功耗。
在一些实施例中，当判断目标车辆未停入停车区域内时，处理设备112可以向目标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，当判断目标车辆未停入停车区域内时，处理设备112还可以控制目标车辆播报第一提示音和/或与目标车辆对应的用户终端设备发送第一提示信息，以提醒用户将目标车辆停入停车区域内。更对关于第一提示音或第一提示信息的内容可以参考图4及其描述，此处不再赘述。在一些实施例中，处理设备112还可以通过控制目标车辆上指示灯提醒用户将目标车辆停入停车区域。例如，处理设备112可以控制指示灯发出特定颜色的灯光(例如，红色)。又例如，处理设备112可以控制指示灯闪烁。在一些实施例中，处理设备112还可以将与目标车辆对应的用户信息上报报至服务器110。在一些实施例中，若基于车辆标识的深度信息判断出的目标车辆是否位于停车区域内的结果，与基于第一图像判断出的结果不一致，可以以基于第一图像判断出的结果为准。在一些实施例中，若基于车辆标识的深度信息判断出的目标车辆是否位于停车区域内的结果，与基于第一图像判断出的结果不一致，可以将第一图像发送给运营人员进行判断。
在一些实施例中，处理设备112还可以基于第一图像中的目标车辆的特征，利用第二图像识别模型判断目标车辆的停车姿态是否符合规范。第二图像识别模型可以是基于多组训练数据训练得来的。每组训练数据可以包括具有某种停车姿态的车辆的图像及对应的车辆姿态是否符合规范的判断结果。处理设备112可以将第一图像输入第二图像识别模型。第二图像识别模型可以输出目标车辆的停车姿态是否符合规范的结果。在一些实施例中，第二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 Convolutional Networks，FCN)模型等，或其任意组合。在一些实施例中，目标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，第一图像识别模型与第二图像识别模型可以为不同模型。在一些实施例中，第一图像识别模型与第二图像识别模型可以为能够实现上述两种功能的同一模型。在一些实施例中，当判断车辆停车符合规范(例如，图2中车辆242)时，处理设备112可以发送允许停车指令至目标车辆。
在一些实施例中，当判断目标车辆的停车姿态不符合规范时(例如，图2中车辆244)，处理设备112可以向目标车辆发送禁止锁车指令、控制目标车辆播报第二提示音、向与目标车辆对应的用户终端发送第二提示信息。在一些实施例中，第一提示音和第二提示音可以相同或不同。例如，第一提示音和第二提示音都可以是“嘀嘀”的模拟音。又例如，第一提示音可以是如“请将车停入停车区域内”的语音，第二提示音可以是如“请正确摆放车辆”的语音。在一些实施例中，第二提示信息可以包括文本、音频、图像、动画等，或其任意组合。例如，第二提示信息可以是提示音。又例如，第二提示信息可以是图像采集装置采集的包含该目标车辆的图像(如，第一图像)。进一步，图像上可以包括标记该目标车辆停车姿态不符合规范的标记。在一些实施例中，第二提示信息可以包括操作引导信息(例如，请将把车辆扶起)。用户可以根据操作引导信息对目标车辆执行相应操作。
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。例如，在一些实施例中，当目标车辆未停入停车区域时，处理设备112可以对与目标车辆对应的用户进行暂停车辆的使用权限。又例如，当目标车辆的停放不符合规范时，处理设备112可以对与目标车辆对应的用户进行扣分或者降低信用等级处理。
本说明书实施例可能带来的有益效果包括但不限于：(1)本申请提出了一种基于车辆标识的深度信息，判断车辆是否停入停车区域内的方法、系统和设备，车辆定位成本低、准确度高；(2)在准确定位的情况下结合视频/图像，进一步判断车辆的停车位置及其姿态，提升判断停车位置的准确度；(3)当通过人体信号检测后才会开启深度信息采集装置和/或图像采集装置，降低了设备功耗。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
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，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
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，如在现有的处理设备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，包括：
获取由深度信息采集装置所采集的目标车辆的车辆标识的深度信息；
基于所述车辆标识的深度信息，确定所述目标车辆的位置；
基于所述目标车辆的位置，判断所述目标车辆是否位于停车区域内。
2.如权利要求1所述的方法，其特征在于，还包括：
获取由人体检测装置所检测到的人体信号；
基于所述人体信号开启所述深度信息采集装置。
3.如权利要求2所述的方法，其特征在于，还包括：
获取由深度信息采集装置所采集的深度信息序列；
基于所述深度信息序列，确定所述目标车辆。
4.如权利要求1所述的方法，其特征在于，还包括：当判断所述目标车辆未位于所述停车区域内时，执行以下中的至少一种：
向所述目标车辆发送禁止锁车指令；
控制所述目标车辆播报第一提示音；或者，
向与所述目标车辆对应的用户终端发送第一提示信息。
5.如权利要求1所述的方法，其特征在于，所述深度信息包括所述车辆标识上至少两个位置点的深度信息；所述方法还包括：
基于所述至少两个位置点的深度信息确定所述目标车辆的停车姿态是否符合规范。
6.如权利要求5所述的方法，其特征在于，还包括：当判断所述目标车辆的停车姿态不符合规范时，执行以下中的至少一种：
向所述目标车辆发送禁止锁车指令；
控制所述目标车辆播报第二提示音；或者，
向与所述目标车辆对应的用户终端发送第二提示信息。
7.如权利要求1所述的方法，其特征在于，所述车辆标识包括标识牌，所述标识牌上设有标识信息，所述标识信息包括车牌号码、数字编码、条形码、二维码、荧光条码、彩色条码中的至少一种。
8.如权利要求7所述的方法，其特征在于，所述标识牌上的标识信息以凸出或凹陷形式设置在所述标识牌上；所述方法还包括：
基于所述车辆标识的深度信息，确定所述目标车辆的ID。
9.如权利要求1所述的方法，其特征在于，还包括：
获取由图像采集装置所采集的第一图像；
根据所述第一图像，利用图像识别模型验证所述目标车辆是否位于停车区域内。
10.一种停车监测系统，其特征在于，包括：获取模块、位置信息确定模块和判断模块；
所述获取模块用于获取由深度信息采集装置所采集的目标车辆的车辆标识的深度信息；
所述位置信息确定模块用于基于所述车辆标识的深度信息，确定所述目标车辆的位置；和
所述判断模块用于基于所述目标车辆的位置，判断所述目标车辆是否位于停车区域内。
CN202110383796.3A 2021-04-09 2021-04-09 停车监测方法、系统和设备 Active CN113099385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110383796.3A CN113099385B (zh) 2021-04-09 2021-04-09 停车监测方法、系统和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110383796.3A CN113099385B (zh) 2021-04-09 2021-04-09 停车监测方法、系统和设备

Publications (2)

Publication Number Publication Date
CN113099385A true CN113099385A (zh) 2021-07-09
CN113099385B CN113099385B (zh) 2022-10-04

Family

ID=76675908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110383796.3A Active CN113099385B (zh) 2021-04-09 2021-04-09 停车监测方法、系统和设备

Country Status (1)

Country Link
CN (1) CN113099385B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114125040A (zh) * 2021-09-30 2022-03-01 宁波小遛共享信息科技有限公司 共享车辆的停车方法、装置及计算机设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05297141A (ja) * 1992-04-17 1993-11-12 Canon Inc 車載型物体検知装置
US20140071284A1 (en) * 2007-08-13 2014-03-13 Enforcement Video, Llc Laser-based speed determination device for use in a moving vehicle
CN109191887A (zh) * 2018-08-06 2019-01-11 刘丽 基于深度识别的车库内定位方法及定位系统
CN110245664A (zh) * 2019-06-26 2019-09-17 深兰科技（上海）有限公司 车牌识别方法
CN110796052A (zh) * 2019-10-21 2020-02-14 和昌未来科技（深圳）有限公司 车牌识别方法、装置、设备及可读介质
US20200211219A1 (en) * 2017-08-22 2020-07-02 Sony Corporation Signal processing apparatus, signal processing method, program, mobile object, and signal processing system
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
JPH05297141A (ja) * 1992-04-17 1993-11-12 Canon Inc 車載型物体検知装置
US20140071284A1 (en) * 2007-08-13 2014-03-13 Enforcement Video, Llc Laser-based speed determination device for use in a moving vehicle
US20200211219A1 (en) * 2017-08-22 2020-07-02 Sony Corporation Signal processing apparatus, signal processing method, program, mobile object, and signal processing system
CN109191887A (zh) * 2018-08-06 2019-01-11 刘丽 基于深度识别的车库内定位方法及定位系统
CN110245664A (zh) * 2019-06-26 2019-09-17 深兰科技（上海）有限公司 车牌识别方法
CN110796052A (zh) * 2019-10-21 2020-02-14 和昌未来科技（深圳）有限公司 车牌识别方法、装置、设备及可读介质
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114125040A (zh) * 2021-09-30 2022-03-01 宁波小遛共享信息科技有限公司 共享车辆的停车方法、装置及计算机设备
CN114125040B (zh) * 2021-09-30 2023-05-16 宁波小遛共享信息科技有限公司 共享车辆的停车方法、装置及计算机设备

Also Published As

Publication number Publication date
CN113099385B (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
US10423162B2 (en) Autonomous vehicle logic to identify permissioned parking relative to multiple classes of restricted parking
CN111937050B (zh) 乘客相关物品丢失减少
EP3566218B1 (en) Systems and methods for vehicle sharing service
CN110471058A (zh) 用于拖车属性的自动检测的系统和方法
CN104838426B (zh) 用于识别移动资产的方法、装置及设备
CN108779984A (zh) 信号处理设备和信号处理方法
US20190306679A1 (en) Systems and methods for monitoring a vehicle
US20210024095A1 (en) Method and device for controlling autonomous driving of vehicle, medium, and system
CN109841090A (zh) 用于提供基于基础设施的安全警报的系统和方法
CN109383523A (zh) 用于车辆的辅助驾驶方法和系统
CN106370162B (zh) 动物种类判定装置
JP2024023319A (ja) 緊急車両の検出
CN110914837A (zh) 确定车头朝向的方法和系统
JPWO2020100922A1 (ja) データ配信システム、センサデバイス及びサーバ
CN111340877A (zh) 一种车辆定位方法及装置
CN113099385B (zh) 停车监测方法、系统和设备
CN112363511A (zh) 车辆路径规划方法、装置、车载装置及存储介质
CN113076896A (zh) 一种规范停车方法、系统、装置及存储介质
CN108074395B (zh) 一种身份识别的方法及装置
CN110727269B (zh) 车辆控制方法及相关产品
CN217787820U (zh) 车辆控制设备
CN113581196A (zh) 一种车辆行驶预警的方法、装置、计算机设备及存储介质
CN115309773A (zh) 定位方法、装置、设备、介质和车辆
US20220270288A1 (en) Systems and methods for pose determination
WO2021051230A1 (en) Systems and methods for object detection

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
TR01 Transfer of patent right

Effective date of registration: 20221101

Address after: Room 203, 2 / F, building 34, yard 8, Dongbei Wangxi Road, Haidian District, Beijing 100193

Patentee after: Beijing Qisheng Technology Co.,Ltd.

Patentee after: HANGZHOU QINGQI SCIENCE AND TECHNOLOGY Co.,Ltd.

Patentee after: Xiamen Qiwen Technology Co.,Ltd.

Address before: Room 203, 2 / F, building 34, yard 8, Dongbei Wangxi Road, Haidian District, Beijing 100193

Patentee before: Beijing Qisheng Technology Co.,Ltd.

TR01 Transfer of patent right