CN113947892B - 异常停车的监测方法、装置、服务器及可读存储介质 - Google Patents

Abstract

本申请适用于车辆监测技术领域，提供了一种异常停车的监测方法、装置、服务器及可读存储介质，方法包括：通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息，以及通过RSU获取第一预设位置处每个车辆的车辆特征信息；对每个第一车辆感知信息和每个车辆特征信息进行匹配、绑定并存储；获取目标场所第二预设位置处的点云数据、图像数据，以及第二预设位置处每个车辆的第二感知信息；基于点云数据和图像数据检测异常停车车辆；确定与异常停车车辆的第二感知信息匹配的第一感知信息，确定异常停车车辆的车辆特征信息。实现在检测到异常停车车辆时，基于感知信息确定车辆的特征信息，从而提高异常停车检测的效率和准确率。

Description

异常停车的监测方法、装置、服务器及可读存储介质

技术领域

本申请属于车辆监测技术领域，尤其涉及一种异常停车的监测方法、装置、服务器及可读存储介质。

背景技术

随着人们生活水平的提高，各个城市内的机动车辆的数量随之激增，交通违规现象也越来越多。

其中，不规范停车容易加剧车辆拥堵现象、破坏交通秩序，引发多种交通事故，造成极大的安全隐患。

相关的异常停车的监测方法通常是对大量的交通影像数据进行人工检测来判定对应的违规停车行为，然而上述方法的检测需要消耗大量人力物力，且效率低下。

发明内容

本申请实施例提供了一种异常停车的监测方法、装置、服务器及可读存储介质，可以解决相关的异常停车的监测方法消耗大量人力物力，且效率低下问题。

第一方面，本申请实施例提供了一种异常停车的监测方法，应用于服务器，所述服务器分别与RSU、多个感知设备通信连接，所述RSU与车辆的OBU连接；

所述异常停车的监测方法，包括：

通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息，以及通过所述RSU获取所述第一预设位置处每个车辆的车辆特征信息；

对每个所述第一车辆感知信息和每个所述车辆特征信息进行匹配，将匹配的第一车辆感知信息和车辆特征信息进行绑定并存储；

获取目标场所第二预设位置处的点云数据、图像数据，以及通过第二感知设备获取所述第二预设位置处每个车辆的第二感知信息；

基于所述点云数据和所述图像数据检测异常停车车辆；

确定与所述异常停车车辆的第二感知信息匹配的第一感知信息；

确定与所述第一感知信息绑定的车辆特征信息为所述异常停车车辆的车辆特征信息。

在一个实施例中，所述基于所述点云数据和所述图像数据检测异常停车车辆，包括：

基于所述点云数据和所述图像数据确定所述第二预设位置处每个所述车辆的目标检测框；

对每个所述目标检测框和每个预设车位框进行对比；

在检测到所述目标检测框和预设车位框不匹配时，判定所述车辆为异常停车车辆。

在一个实施例中，所述基于所述点云数据和所述图像数据确定所述第二预设位置处每个所述车辆的目标检测框，包括：

基于所述点云数据确定所述第二预设位置处每个所述车辆的三维检测框；

基于所述图像数据确定所述第二预设位置处每个所述车辆的二维检测框；所述三维检测框和所述二维检测框一一对应；

将每个所述三维检测框和对应的所述二维检测框进行绑定，得到每个车辆的目标检测框。

在一个实施例中，所述对每个所述第一车辆感知信息和每个所述车辆特征信息进行匹配，将匹配的第一车辆感知信息和车辆特征信息进行绑定并存储，包括：

以每个所述第一感知信息为目标感知信息，确定满足预设条件的车辆特征信息；

对所述满足预设条件的车辆特征信息进行筛选，确定与所述目标感知信息匹配的目标车辆特征信息；

对所述目标感知信息和所述目标车辆特征信息进行绑定。

在一个实施例中，所述获取目标场所的点云数据和图像数据之前，包括：

获取所述目标场所所述第二预设位置处的三维位置信息；

基于所述三维位置信息计算得到每个车位的预设车位框。

在一个实施例中，所述确定与所述第一感知信息绑定的车辆特征信息为所述异常停车车辆的车辆特征信息之后，还包括：

每间隔预设时间段，确定所述异常停车车辆的停车状态；

若检测到所述异常停车车辆仍处于异常停车状态，则基于所述异常停车车辆的车辆特征信息生成告警信息并显示。

在一个实施例中，所述第二感知信息还包括第一车辆类型信息；

所述方法，还包括：

在检测到所述第一车辆类型信息与预设车位停驶类型不匹配时，确定所述车辆为异常停车车辆。

第二方面，本申请实施例提供了一种异常停车的监测装置，应用于服务器，所述服务器分别与RSU、多个感知设备通信连接，所述RSU与车辆的OBU连接；

所述异常停车的监测装置，包括：

第一获取模块，用于通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息，以及通过所述RSU获取所述第一预设位置处每个车辆的车辆特征信息；

匹配模块，用于对每个所述第一车辆感知信息和每个所述车辆特征信息进行匹配，将匹配的第一车辆感知信息和车辆特征信息进行绑定并存储；

第二获取模块，用于获取目标场所第二预设位置处的点云数据、图像数据，以及通过第二感知设备获取所述第二预设位置处每个车辆的第二感知信息；

检测模块，用于基于所述点云数据和所述图像数据检测异常停车车辆；

第一确定模块，用于确定与所述异常停车车辆的第二感知信息匹配的第一感知信息；

第二确定模块，用于确定与所述第一感知信息绑定的车辆特征信息为所述异常停车车辆的车辆特征信息。

在一个实施例中，所述检测模块，包括：

第一确定单元，用于基于所述点云数据和所述图像数据确定所述第二预设位置处每个所述车辆的目标检测框；

比较单元，用于对每个所述目标检测框和每个预设车位框进行对比；

判断单元，用于在检测到所述目标检测框和预设车位框不匹配时，判定所述车辆为异常停车车辆。

在一个实施例中，所述第一确定单元，包括：

第一确定子单元，用于基于所述点云数据确定所述第二预设位置处每个所述车辆的三维检测框；

第二确定子单元，用于基于所述图像数据确定所述第二预设位置处每个所述车辆的二维检测框；所述三维检测框和所述二维检测框一一对应；

第一绑定单元，用于将每个所述三维检测框和对应的所述二维检测框进行绑定，得到每个车辆的目标检测框。

在一个实施例中，所述匹配模块，包括：

第二确定单元，用于以每个所述第一感知信息为目标感知信息，确定满足预设条件的车辆特征信息；

第三确定单元，用于对所述满足预设条件的车辆特征信息进行筛选，确定与所述目标感知信息匹配的目标车辆特征信息；

第二绑定单元，用于对所述目标感知信息和所述目标车辆特征信息进行绑定。

在一个实施例中，所述装置，还包括：

第三获取模块，用于获取所述目标场所所述第二预设位置处的三维位置信息；

计算模块，用于基于所述三维位置信息计算得到每个车位的预设车位框。

在一个实施例中，所述装置，还包括：

第三确定模块，用于每间隔预设时间段，确定所述异常停车车辆的停车状态；

生成模块，用于若检测到所述异常停车车辆仍处于异常停车状态，则基于所述异常停车车辆的车辆特征信息生成告警信息并显示。

在一个实施例中，所述第二感知信息还包括第一车辆类型信息；

所述装置，还包括：

第四确定模块，用于在检测到所述第一车辆类型信息与预设车位停驶类型不匹配时，确定所述车辆为异常停车车辆。

第三方面，本申请实施例提供了一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的异常停车的监测方法。

第四方面，本申请实施例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实现如上述第一方面中任一项所述的异常停车的监测方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的异常停车的监测方法。

本申请实施例与现有技术相比存在的有益效果是：通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息和车辆特征信息，对每个第一车辆感知信息和每个车辆特征信息进行匹配、绑定并存储，通过目标场所第二预设位置处的点云数据、图像数据检测异常停车车辆，确定与异常停车车辆的第二感知信息匹配的第一感知信息，确定与第一感知信息绑定的车辆特征信息为异常停车车辆的车辆特征信息，实现在基于点云数据和图像数据检测到异常停车车辆时，基于感知信息确定车辆的特征信息，从而提高异常停车检测的效率和准确率。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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是本申请一实施例提供的智慧感知系统的结构示意图；

图2是本申请实施例提供的异常停车的监测方法的流程示意图；

图3是本申请实施例提供的异常停车的监测方法S104的流程示意图；

图4是本申请实施例提供的异常停车的监测方法S102的流程示意图；

图5是本申请实施例提供的异常停车的监测方法的另一流程示意图；

图6是本申请实施例提供异常停车的监测装置的结构示意图；

图7是本申请实施例提供的服务器的结构示意图。

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。

本申请实施例提供的异常停车的监测方法可以应用于手机、平板电脑、服务器、车载设备、笔记本电脑等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。

近年来，随着机动车辆的增加，不规范停车现象也越来越多，破坏了交通秩序，引发多种交通事故，造成极大的安全隐患。而相关的异常停车的监测方法通常需要消耗大量人力物力，且效率低下。为解决这一问题，本申请提出了一种异常停车的监测方法、异常停车的监测装置、服务器及计算机可读存储介质，可在车辆行驶过程中，通过RSU设备获取经过车辆OBU的车辆特征信息，通过感知设备获取车辆的感知信息。服务器对车辆的感知信息和车辆特征信息匹配并绑定，在通过激光雷达和摄像头获取的点云数据和图像数据检测到车辆为异常行驶时，根据绑定关系来确定车辆特征信息，减少对异常停车监测的成本，提高监测效率。

为实现本申请所提出的技术方案，可先构建一智慧感知系统。请参阅图1，该智慧感知系统设定在目标场所(包括但不限于停车场)，且由一个RSU(图1中仅示出2个)，一个以上的感知设备(图1中仅示出2个，2个感知设备分别位于隧道的不同位置处，该感知设备可以包含激光雷达，摄像头(或相机))，服务器构成，且RSU、感知设备均与服务器通信连接，RSU与车辆上的OBU间通信连接。

其中，车辆为安装有OBU设备，且可能经过如隧道等空间狭小且为单向行驶路径的交通道路的车辆，感知设备为能够识别车辆的感知信息的设备，RSU为能够获取车辆OBU的车辆特征信息的设备。在车辆行驶过程中，通过RSU设备获取经过车辆OBU的车辆特征信息，每检测到车辆抵达隧道的预设位置处，则通过感知设备获取一次车辆的感知信息。通过激光雷达和摄像头(或相机)获取的点云数据和图像数据，服务器获取到感知设备发送的感知信息以及RSU发送的车辆特征信息后，对车辆的感知信息和车辆特征信息匹配并绑定，服务器在基于点云数据和图像数据检测到车辆为异常行驶时，根据绑定关系来确定车辆特征信息，减少对异常停车监测的成本，提高监测效率。

图2示出了本申请提供的异常停车的监测方法的示意性流程图，作为示例而非限定，该方法可以应用于服务器中。

S101、通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息，以及通过所述RSU获取所述第一预设位置处每个车辆的车辆特征信息。

具体地，通过在目标场所第一预设位置处的感知设备获取经过上述第一预设位置处的每个车辆的第一车辆感知信息，以及通过RSU获取每个车辆的OBU携带的车辆特征信息。

其中，第一预设位置可根据实际情况进行具体设定，一般设定第一预设位置为所有车辆经过目标场所时的必经地点。例如，目标场所为停车场时，设定第一预设位置为停车场入口处。

S102、对每个所述第一车辆感知信息和每个所述车辆特征信息进行匹配，将匹配的第一车辆感知信息和车辆特征信息进行绑定并存储。

具体地，第一车辆感知信息和车辆特征信息包括相同类型的信息，例如车辆速度信息、时间信息等，通过相同类型的信息确定与每个第一车辆感知信息匹配的车辆特征信息，将匹配的第一车辆感知信息和车辆特征信息进行绑定，并存储。

S103、获取目标场所第二预设位置处的点云数据、图像数据，以及通过第二感知设备获取所述第二预设位置处每个车辆的第二感知信息。

具体地，通过设置在目标场所第二预设位置处的激光雷达和摄像头(或相机)，分别获取上述第二预设位置处的点云数据和图像数据，并通过设置在目标场所第二预设位置处的感知设备获取经过上述第二预设位置处的每个车辆的第二感知信息。其中，第二预设位置可根据实际情况进行具体设定。

可以理解的是，为确定能够识别每个停止行驶的车辆的第二感知信息，设定第二预设位置包含目标场所的所有停车区域，例如，目标场所为停车场，第二预设位置即为停车场的所有停车区域。对应的，第一感知信息和第二感知信息为一一对应关系。

S104、基于所述点云数据和所述图像数据检测异常停车车辆。

具体地，通过点云数据和图像数据对车辆的状态进行检测，确定其中的异常停车车辆。

S105、确定与所述异常停车车辆的第二感知信息匹配的第一感知信息。

具体地，基于异常停车车辆的第二感知信息，确定与之匹配的第一感知信息。

S106、确定与所述第一感知信息绑定的车辆特征信息为所述异常停车车辆的车辆特征信息。

具体地，通过已存储的绑定关系，确定与第一感知信息绑定的车辆特征信息，作为异常停车车辆的车辆特征信息。

在一个实施例中，感知信息还包括车辆ID，车辆类型，车辆尺寸以及车辆的图像数据；车辆特征信息还包括车辆OBU的OBUID，车牌号码，用户的名称，用户的手机号码。

在一个实施例中，设定将告警信息发送至车辆用户终端以及车辆管理系统，便于用户及时修正违规停车行为以及便于目标场所管理系统的管理用户对该车辆的持续监控。

如图3所示，在一个实施例中，所述基于所述点云数据和所述图像数据检测异常停车车辆，包括：

S1041、基于所述点云数据和所述图像数据确定所述第二预设位置处每个所述车辆的目标检测框；

S1042、对每个所述目标检测框和每个预设车位框进行对比；

S1043、在检测到所述目标检测框和预设车位框不匹配时，判定所述车辆为异常停车车辆。

具体地，基于点云数据和图像数据确定在目标场所的第二预设位置处的每个车辆的目标检测框(可以理解为每个车辆的外边框)，对每个目标检测框和每个预设车位框进行对比，在检测到某车辆的目标检测框和预设车位框不匹配时，判定该车辆为异常停车车辆。其中，预设车位框具体为目标场所中预先设定的停车位的外边框。

其中，对每个目标检测框和每个预设车位框进行对比，包括：将每个目标检测框与目标场所中每个车位的预设车位框的位置信息进行比对，确定目标检测框是否位于预设车位框内，在检测到目标检测框完全位于某一个车位的预设车位框内部时，判定目标检测框和预设车位框匹配，在检测到目标检测框超出车辆所在车位的预设车位框时，判定目标检测框和预设车位框不匹配。

在一个实施例中，所述基于所述点云数据和所述图像数据确定所述第二预设位置处每个所述车辆的目标检测框，包括：

基于所述点云数据确定所述第二预设位置处每个所述车辆的三维检测框；

基于所述图像数据确定所述第二预设位置处每个所述车辆的二维检测框；所述三维检测框和所述二维检测框一一对应；

将每个所述三维检测框和对应的所述二维检测框进行绑定，得到每个车辆的目标检测框。

具体地，通过点云检测算法对点云数据进行识别，确定目标场所的第二预设位置处每个车辆的三维检测框，同时通过图像检测算法对图像数据进行识别，确定目标场所的第二预设位置处每个车辆的二维检测框，将每个三维检测框和与之对应的二维检测框进行绑定，得到每个车辆的目标检测框。

其中，将每个所述三维检测框和对应的所述二维检测框进行绑定，得到每个车辆的目标检测框具体为：基于摄像头(或相机)与激光雷达的相对位置关系，将每个三维检测框映射到图像数据中，使得每个三维检测框和与之对应的二维检测框一一绑定，得到每个车辆的目标检测框。

可以理解的是，同一时刻下目标场所的第二预设位置处的车辆数目是不变的，因此，基于同一时刻获得的点云数据和图形数据所确定的三维检测框和二位检测框为一一对应的关系。

在一个实施例中，将每个三维检测框和对应的二维检测框进行绑定，得到每个车辆的目标检测框之后，还包括：

对每个目标检测框进行聚类处理，校正目标检测框的位置信息和航向角信息，得到每个校正后的目标检测框。

在一个实施例中，所述对每个所述第一车辆感知信息和每个所述车辆特征信息进行匹配，将匹配的第一车辆感知信息和车辆特征信息进行绑定并存储，包括：

S1021、以每个所述第一感知信息为目标感知信息，确定满足预设条件的车辆特征信息；

S1022、对所述满足预设条件的车辆特征信息进行筛选，确定与所述目标感知信息匹配的目标车辆特征信息；

S1023、对所述目标感知信息和所述目标车辆特征信息进行绑定。

具体地，以每个第一感知信息为目标感知信息，基于目标感知信息确定对应的满足预设条件的车辆特征信息，对满足预设条件的车辆特征信息进行筛选，确定与每个目标感知信息匹配的目标车辆特征信息，对匹配的目标感知信息和目标车辆特征信息进行绑定。其中，第一感知信息包括但不限于第一时间信息、第一车辆速度信息以及第一车间距；车辆特征信息包括但不限于第二时间信息、第二车辆速度信息以及第二车间距。

其中，预设条件可根据实际情况进行具体设定。例如，由于设定在车辆通过第一预设位置时，同时通过感知设备和RSU设备分别确定了第一感知信息和车辆特征信息，即第一感知信息和车辆特征信息的获取时间、获取时刻车辆的速度应该是相同(或相近)的。因此，预设条件设定为：与第一时间信息匹配(包括时间相同，或时间的差值小于预设时间阈值)的第二时间信息，且与第一车辆速度信息匹配(包括车辆速度相同，或车辆速度的差值小于预设时间阈值)的第二车辆速度信息。即将每个第一感知信息作为目标感知信息，将目标感知信息中的第一时间信息、第一车辆速度信息分别与每个车辆特征信息中的第二时间信息、第二车辆速度信息进行比较，确定与第一时间信息匹配的第二时间信息，且与第一车辆速度信息匹配的第二车辆速度信息对应的车辆特征信息，为与目标感知信息对应的满足预设条件的车辆特征信息。

具体地，对所述满足预设条件的车辆特征信息进行筛选，确定与所述目标感知信息匹配的目标车辆特征信息，包括:

计算确定第一车间距和第二车间距之间的第一差值；在检测到所述第一差值小于或等于预设阈值，且第一感知信息和第二感知信息之间的关系满足预设关系时，确定与上述第二时间信息对应的车辆特征信息，为与目标感知信息匹配的目标车辆特征信息。预设阈值可根据实际情况进行具体设定，例如，设定预设阈值为50cm；

其中，第一车间距包括第一平行车间距X1、第一垂直车间距(包括Y1'和Y1)、第一前向车间距Z1、第一后向车间距W1；第二车间距包括第一平行车间距X2、第一垂直车间距Y2，预设关系，包括：

|X1-X2|≤L_x

Y1'＝Y1+(T1-T2)×V1

其中，第一平行车间距X1表示车辆沿垂直于行车方向、与最左侧车道左侧边界线的距离、第一平行车间距X2表示车辆垂直于行车方向、与最左侧车道左侧边界线的距离；L_x表示车辆垂直于行车方向、与匹配误差允许的最大阈值；Y1'表示在根据第一感知信息计算出来的车辆沿行车方向、与到隧道入口断面的距离；第一垂直车间距Y2表示基于感知设备识别的车辆沿行车方向、与隧道入口断面的距离；Y1表示基于OBU获取到的车辆沿行车方向、与隧道入口断面的距离；第一前向车间距Z1表示当前车辆车头与同车道前方车辆(的车辆头部)之间的距离；第一后向车间距W1表示当前车辆车头与同车道后方车辆(的车辆头部)之间的距离。

在一个实施例中，所述获取目标场所的点云数据和图像数据之前，包括：

获取所述目标场所所述第二预设位置处的三维位置信息；

基于所述三维位置信息计算得到每个车位的预设车位框。

具体地，通过标定确定目标场所第二预设位置处每个车位的三维位置信息，基于三维位置信息计算得到每个车位的预设车位框。

如图5所示，在一个实施例中，所述确定与所述第一感知信息绑定的车辆特征信息为所述异常停车车辆的车辆特征信息之后，还包括：

S107、每间隔预设时间段，确定所述异常停车车辆的停车状态；

S108、若检测到所述异常停车车辆仍处于异常停车状态，则基于所述异常停车车辆的车辆特征信息生成告警信息并显示。

具体地，预先设定预设时间段，在检测到异常停车车辆后，每间隔预设时间段，再次确定异常停车车辆的停车状态，在检测到异常停车车辆仍处于异常停车状态时，基于异常停车车辆的车辆特征信息生成告警信息并显示。

其中，预设时间段可根据实际情况进行具体设定，例如，设定预设时间段为10mins，则在检测到异常停车车辆后，每间隔10mins，再一次确定异常停车车辆的停车状态。

在一个实施例中，所述第二感知信息还包括第一车辆类型信息；

所述方法，还包括：

在检测到所述第一车辆类型信息与预设车位停驶类型不匹配时，确定所述车辆为异常停车车辆。

具体地，第二感知信息还包括但不限于第一车辆类型信息，在检测到任一个或多个车辆的第一车辆类型信息与预设车位停驶类型不匹配时，则确定该车辆为异常停车车辆。其中，预设车位停驶类型包括但不限于小汽车、三轮车、卡车等。

本实施例通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息和车辆特征信息，对每个第一车辆感知信息和每个车辆特征信息进行匹配、绑定并存储，通过目标场所第二预设位置处的点云数据、图像数据检测异常停车车辆，确定与异常停车车辆的第二感知信息匹配的第一感知信息，确定与第一感知信息绑定的车辆特征信息为异常停车车辆的车辆特征信息，实现在基于点云数据和图像数据检测到异常停车车辆时，基于感知信息确定车辆的特征信息，从而提高异常停车检测的效率和准确率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的异常停车的监测方法，图6示出了本申请实施例提供的异常停车的监测装置的结构框图，异常停车的监测装置应用于服务器，所述服务器分别与RSU、多个感知设备通信连接，所述RSU与车辆的OBU连接；为了便于说明，仅示出了与本申请实施例相关的部分。

参照图6，该异常停车的监测装置100，包括：

第一获取模块101，用于通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息，以及通过所述RSU获取所述第一预设位置处每个车辆的车辆特征信息；

匹配模块102，用于对每个所述第一车辆感知信息和每个所述车辆特征信息进行匹配，将匹配的第一车辆感知信息和车辆特征信息进行绑定并存储；

第二获取模块103，用于获取目标场所第二预设位置处的点云数据、图像数据，以及通过第二感知设备获取所述第二预设位置处每个车辆的第二感知信息；

检测模块104，用于基于所述点云数据和所述图像数据检测异常停车车辆；

第一确定模块105，用于确定与所述异常停车车辆的第二感知信息匹配的第一感知信息；

第二确定模块106，用于确定与所述第一感知信息绑定的车辆特征信息为所述异常停车车辆的车辆特征信息。

在一个实施例中，所述检测模块，包括：

第一确定单元，用于基于所述点云数据和所述图像数据确定所述第二预设位置处每个所述车辆的目标检测框；

比较单元，用于对每个所述目标检测框和每个预设车位框进行对比；

判断单元，用于在检测到所述目标检测框和预设车位框不匹配时，判定所述车辆为异常停车车辆。

在一个实施例中，所述第一确定单元，包括：

第一确定子单元，用于基于所述点云数据确定所述第二预设位置处每个所述车辆的三维检测框；

第二确定子单元，用于基于所述图像数据确定所述第二预设位置处每个所述车辆的二维检测框；所述三维检测框和所述二维检测框一一对应；

第一绑定单元，用于将每个所述三维检测框和对应的所述二维检测框进行绑定，得到每个车辆的目标检测框。

在一个实施例中，所述匹配模块，包括：

第二确定单元，用于以每个所述第一感知信息为目标感知信息，确定满足预设条件的车辆特征信息；

第三确定单元，用于对所述满足预设条件的车辆特征信息进行筛选，确定与所述目标感知信息匹配的目标车辆特征信息；

第二绑定单元，用于对所述目标感知信息和所述目标车辆特征信息进行绑定。

在一个实施例中，所述装置，还包括：

第三获取模块，用于获取所述目标场所所述第二预设位置处的三维位置信息；

计算模块，用于基于所述三维位置信息计算得到每个车位的预设车位框。

在一个实施例中，所述装置，还包括：

第三确定模块，用于每间隔预设时间段，确定所述异常停车车辆的停车状态；

生成模块，用于若检测到所述异常停车车辆仍处于异常停车状态，则基于所述异常停车车辆的车辆特征信息生成告警信息并显示。

在一个实施例中，所述第二感知信息还包括第一车辆类型信息；

所述装置，还包括：

第四确定模块，用于在检测到所述第一车辆类型信息与预设车位停驶类型不匹配时，确定所述车辆为异常停车车辆。

本实施例通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息和车辆特征信息，对每个第一车辆感知信息和每个车辆特征信息进行匹配、绑定并存储，通过目标场所第二预设位置处的点云数据、图像数据检测异常停车车辆，确定与异常停车车辆的第二感知信息匹配的第一感知信息，确定与第一感知信息绑定的车辆特征信息为异常停车车辆的车辆特征信息，实现在基于点云数据和图像数据检测到异常停车车辆时，基于感知信息确定车辆的特征信息，从而提高异常停车检测的效率和准确率。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图7为本申请一实施例提供的服务器的结构示意图。如图7所示，该实施例的服务器7包括：至少一个处理器70(图7中仅示出一个)、存储器71以及存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72，所述处理器70执行所述计算机程序72时实现上述任意各个异常停车的监测方法实施例中的步骤。

所述服务器7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该服务器可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是服务器7的举例，并不构成对服务器7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，该处理器70还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器71在一些实施例中可以是所述服务器7的内部存储单元，例如服务器7的硬盘或内存。所述存储器71在另一些实施例中也可以是所述服务器7的外部存储设备，例如所述服务器7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字卡(Secure Digital,SD)，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述服务器7的内部存储单元也包括外部存储设备。所述存储器71用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

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，均应包含在本申请的保护范围之内。

Claims (8)

1.一种异常停车的监测方法，其特征在于，应用于服务器，所述服务器分别与RSU、多个感知设备通信连接，所述RSU与车辆的OBU连接；

所述异常停车的监测方法，包括：

通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息，以及通过所述RSU获取所述第一预设位置处每个车辆的车辆特征信息；

对每个所述第一车辆感知信息和每个所述车辆特征信息进行匹配，将匹配的第一车辆感知信息和车辆特征信息进行绑定并存储；

获取目标场所第二预设位置处的点云数据、图像数据，以及通过第二感知设备获取所述第二预设位置处每个车辆的第二感知信息；

基于所述点云数据和所述图像数据检测异常停车车辆；

确定与所述异常停车车辆的第二感知信息匹配的第一感知信息；

确定与所述第一感知信息绑定的车辆特征信息为所述异常停车车辆的车辆特征信息；

其中，所述基于所述点云数据和所述图像数据检测异常停车车辆，包括：

基于所述点云数据和所述图像数据确定所述第二预设位置处每个所述车辆的目标检测框；

对每个所述目标检测框和每个预设车位框进行对比；

在检测到所述目标检测框和预设车位框不匹配时，判定所述车辆为异常停车车辆；

其中，所述基于所述点云数据和所述图像数据确定所述第二预设位置处每个所述车辆的目标检测框，包括：

基于所述点云数据确定所述第二预设位置处每个所述车辆的三维检测框；

基于所述图像数据确定所述第二预设位置处每个所述车辆的二维检测框；所述三维检测框和所述二维检测框一一对应；

将每个所述三维检测框和对应的所述二维检测框进行绑定，得到每个车辆的目标检测框。

2.如权利要求1所述的异常停车的监测方法，其特征在于，所述对每个所述第一车辆感知信息和每个所述车辆特征信息进行匹配，将匹配的第一车辆感知信息和车辆特征信息进行绑定并存储，包括：

以每个所述第一感知信息为目标感知信息，确定满足预设条件的车辆特征信息；

对所述满足预设条件的车辆特征信息进行筛选，确定与所述目标感知信息匹配的目标车辆特征信息；

对所述目标感知信息和所述目标车辆特征信息进行绑定。

3.如权利要求1所述的异常停车的监测方法，其特征在于，所述获取目标场所的点云数据和图像数据之前，包括：

获取所述目标场所所述第二预设位置处的三维位置信息；

基于所述三维位置信息计算得到每个车位的预设车位框。

4.如权利要求1所述的异常停车的监测方法，其特征在于，所述确定与所述第一感知信息绑定的车辆特征信息为所述异常停车车辆的车辆特征信息之后，还包括：

每间隔预设时间段，确定所述异常停车车辆的停车状态；

若检测到所述异常停车车辆仍处于异常停车状态，则基于所述异常停车车辆的车辆特征信息生成告警信息并显示。

5.如权利要求1至4任一项所述的异常停车的监测方法，其特征在于，所述第二感知信息还包括第一车辆类型信息；

所述方法，还包括：

在检测到所述第一车辆类型信息与预设车位停驶类型不匹配时，确定所述车辆为异常停车车辆。

6.一种异常停车的监测装置，其特征在于，应用于服务器，所述服务器分别与RSU、多个感知设备通信连接，所述RSU与车辆的OBU连接；

所述异常停车的监测装置，包括：

第一获取模块，用于通过第一感知设备获取目标场所第一预设位置处每个车辆的第一车辆感知信息，以及通过所述RSU获取所述第一预设位置处每个车辆的车辆特征信息；

匹配模块，用于对每个所述第一车辆感知信息和每个所述车辆特征信息进行匹配，将匹配的第一车辆感知信息和车辆特征信息进行绑定并存储；

第二获取模块，用于获取目标场所第二预设位置处的点云数据、图像数据，以及通过第二感知设备获取所述第二预设位置处每个车辆的第二感知信息；

检测模块，用于基于所述点云数据和所述图像数据检测异常停车车辆；

第一确定模块，用于确定与所述异常停车车辆的第二感知信息匹配的第一感知信息；

第二确定模块，用于确定与所述第一感知信息绑定的车辆特征信息为所述异常停车车辆的车辆特征信息；

其中，所述检测模块，包括：

第一确定单元，用于基于所述点云数据和所述图像数据确定所述第二预设位置处每个所述车辆的目标检测框；

比较单元，用于对每个所述目标检测框和每个预设车位框进行对比；

判断单元，用于在检测到所述目标检测框和预设车位框不匹配时，判定所述车辆为异常停车车辆；

其中，所述第一确定单元，包括：

第一确定子单元，用于基于所述点云数据确定所述第二预设位置处每个所述车辆的三维检测框；

第二确定子单元，用于基于所述图像数据确定所述第二预设位置处每个所述车辆的二维检测框；所述三维检测框和所述二维检测框一一对应；

第一绑定单元，用于将每个所述三维检测框和对应的所述二维检测框进行绑定，得到每个车辆的目标检测框。

7.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。

8.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。

Images