CN114530056A - 一种基于定位信息和图像信息的停车管理方法及系统 - Google Patents
一种基于定位信息和图像信息的停车管理方法及系统 Download PDFInfo
- Publication number
- CN114530056A CN114530056A CN202210136138.9A CN202210136138A CN114530056A CN 114530056 A CN114530056 A CN 114530056A CN 202210136138 A CN202210136138 A CN 202210136138A CN 114530056 A CN114530056 A CN 114530056A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- parking
- berth
- line segment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于定位信息和图像信息的停车管理方法及系统,涉及智能停车管理领域,包括:基于原有的业务流程中每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息,即可实现车位的车辆占用情况的识别,方法简单易行,实时性强,并且通过多传感器识别结果互相校验以及多次图像检测识别结果进行综合修正,在不增加硬件设备成本的同时,可有效提升最终识别结果的准确性。本发明适用于进行路侧停车管理。
Description
技术领域
本发明涉及智能停车管理领域,特别涉及一种基于定位信息和图像信息的停车管理方法及系统。
背景技术
随着AI技术的不断发展,基于高位视频识别技术的路侧车场监控系统已将城市静态交通管理提升到前所未有的自动化、高效化水平,但由于数据采集质量的需求,基于高位视频识别技术的路侧车场监控系统必须在泊位临近街道布设立杆安装相关采集设备,并且受到自然节律影响,夏季需要定期对产生遮挡的树木枝条进行修剪,这些条件均会受到成本以及实际路政要求限制的影响而难以进行布设实施。而巡检车作为一种更为灵活的可移动设备,在其上安装合适的传感器进行相关数据采集,可作为城市道路监控系统中重要的补充手段。
为了达到监控泊位车辆占用情况的目的,一般巡检车上会安装摄像头、高精度GPS、超声/雷达等多种传感器,用于对泊位位置、车辆位置以及匹配关系进行自动化估算,然而由于现有基于巡检车进行停车管理的方案对于定位信息的依赖较为严重,为了提高停车管理精度,需要采用高精度GPS设备和各种高精度的传感器,因此极大的增加了硬件成本,造成实际落地的困难。
发明内容
为解决上述技术问题,本发明提供一种基于定位信息和图像信息的停车管理方法及系统,可以解决现有基于巡检车进行停车管理时硬件成本较高的问题。
为实现上述目的,一方面,本发明一种基于定位信息和图像信息的停车管理方法,所述方法包括:
根据巡检设备采集的监控区域定位信息和图像信息,获取每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息;
若当前图像帧的车辆目标检测框大于零,则对当前图像帧中的泊位线段进行检测识别,并根据所述泊位位置参数信息获取所述泊位线段对应的泊位线段类型信息;
根据所述车辆目标检测框中预置特征点的坐标信息、所述泊位线段的坐标信息以及泊位线段类型信息,获取当前图像帧的车辆占据泊位相对位置编码;
将所述车辆占据泊位相对位置编码、车辆标识信息、泊位编号保存在时序数据识别结果中,所述时序数据识别结果中保存有不同帧分别对应的车辆泊位占用编码、车辆泊位占用编码对应的车辆标识信息、以及泊位编号;
从所述时序数据识别结果中获取每一个泊位编号对应的车辆标识信息和车辆泊位占用编码,并根据所述车辆标识信息和车辆泊位占用编码确定所述泊位编号对应的停车事件信息。
进一步地,所述根据所述泊位位置参数信息获取所述泊位线段对应的泊位线段类型信息的步骤包括:
获取图像帧中可视区域内的泊位边界线段,并且根据线段交点对线段的端点坐标进行延长得到泊位线段参数,所述泊位线段参数包括端点坐标信息以及对应的线段斜率和截距;
根据所述泊位位置参数信息、线段参数获取所述泊位线段对应的类型信息。
进一步地,所述将所述车辆占据泊位相对位置编码、车辆标识信息、泊位编号保存在时序数据识别结果中的步骤之前,所述方法还包括:
根据图像帧对应的泊位位置参数、采集设备对应的行驶状态参数、车辆目标检测框以及车辆占据泊位相对位置编码,对图像帧中车辆检测目标框中最大的两个车辆对应的车辆占据泊位相对位置编码进行修正。
进一步地,所述从所述时序数据识别结果中获取每一个泊位编号对应的车辆标识信息和车辆泊位占用编码的步骤之前,所述方法还包括:
根据所述时序数据识别结果和采集的监控区域定位信息对泊位编号识别结果进行校验修正。
进一步地,所述根据所述车辆标识信息和车辆泊位占用编码确定所述泊位编号对应的停车事件信息的步骤包括:
若所述车辆标识信息唯一并且车辆泊位占用编码符合预置变化模式,则保存所述车辆标识信息作为所述泊位对应的停车车辆标识;
若所述车辆标识信息为空并且车辆泊位占用编码符合预置变化模式,则确认所述泊位被占用并且将空车牌作为所述停车车辆的标识信息;
若所述车辆标识信息为空并且车辆泊位占用编码不符合预置变化模式,则确认所述泊位编号对应的泊位未被占用;
若所述车辆标识信息不唯一,则从车辆泊位占用编码序列中获取最长有效序列对应的车辆标识信息作为所述停车车辆的标识信息。
另一方面,本发明提供一种基于定位信息和图像信息的停车管理系统,所述系统包括:获取单元,用于根据巡检设备采集的监控区域定位信息和图像信息,获取每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息;
所述获取单元,还用于若当前图像帧的车辆目标检测框大于零,则对当前图像帧中的泊位线段进行检测识别,并根据所述泊位位置参数信息获取所述泊位线段对应的泊位线段类型信息,根据所述车辆目标检测框中预置特征点的坐标信息、所述泊位线段的坐标信息以及泊位线段类型信息,获取当前图像帧的车辆占据泊位相对位置编码;
保存单元,用于将所述车辆占据泊位相对位置编码、车辆标识信息、泊位编号保存在时序数据识别结果中,所述时序数据识别结果中保存有不同帧分别对应的车辆泊位占用编码、车辆泊位占用编码对应的车辆标识信息、以及泊位编号;
确认单元,用于从所述时序数据识别结果中获取每一个泊位编号对应的车辆标识信息和车辆泊位占用编码,并根据所述车辆标识信息和车辆泊位占用编码确定所述泊位编号对应的停车事件信息。
进一步地,所述获取单元,具体用于获取图像帧中可视区域内的泊位边界线段,并且根据线段交点对线段的端点坐标进行延长得到泊位线段参数,所述泊位线段参数包括端点坐标信息以及对应的线段斜率和截距;根据所述泊位位置参数信息、线段参数获取所述泊位线段对应的类型信息。
进一步地,所述系统还包括:修正单元,用于根据图像帧对应的泊位位置参数、采集设备对应的行驶状态参数、车辆目标检测框以及车辆占据泊位相对位置编码,对图像帧中车辆检测目标框中最大的两个车辆对应的车辆占据泊位相对位置编码进行修正。
进一步地,所述修正单元,还用于根据所述时序数据识别结果和采集的监控区域定位信息对泊位编号识别结果进行校验修正。
进一步地,所述确认单元,具体用于若所述车辆标识信息唯一并且车辆泊位占用编码符合预置变化模式,则保存所述车辆标识信息作为所述泊位对应的停车车辆标识;若所述车辆标识信息为空并且车辆泊位占用编码符合预置变化模式,则确认所述泊位被占用并且将空车牌作为所述停车车辆的标识信息;若所述车辆标识信息为空并且车辆泊位占用编码不符合预置变化模式,则确认所述泊位编号对应的泊位未被占用;若所述车辆标识信息不唯一,则从车辆泊位占用编码序列中获取最长有效序列对应的车辆标识信息作为所述停车车辆的标识信息。
本发明提供的一种基于定位信息和图像信息的停车管理方法及系统,基于原有的业务流程中每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息,即可实现位车辆占用情况的识别,方法简单易行,实时性强,并且通过多传感器识别结果互相校验以及多次图像检测识别结果进行综合修正,在不增加硬件设备成本的同时,可有效提升最终识别结果的准确性。
附图说明
图1是本发明提供的一种基于定位信息和图像信息的停车管理方法的流程图;
图2是本发明提供的一种基于定位信息和图像信息的停车管理系统的结构示意图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
在进行停车管理之前,首先需要构建带有GPS定位和视频采集的巡检车系统,具体地,对GPS设备进行校正;对摄像头设备进行标定,获取相机的内参和畸变参数;并对两种设备的采样频率进行对齐,保证尽可能获取同一时间点的GPS定位数据以及视频帧数据;预先对泊位信息进行采集,获取泊位编号以及对应的泊位中心点的GPS定位数据,并根据位置衔接顺序进行排序,并筛选最远端的两个泊位GPS数据作为车场位置区域信息,并上传至泊位管理数据库内,用于辅助后续的识别信息校正。
本发明实施例提供的一种基于定位信息和图像信息的停车管理方法,如图1所示,包括如下步骤:
101、根据巡检设备采集的监控区域定位信息和图像信息,获取每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息。
具体地,读入采集到的GPS信息,当位置坐标与系统内预先存储的车场区域坐标距离小于预设值时,开始将视频采集数据上传至数据处理系统,获取车辆行驶状态参数direct_issame和泊位位置参数berthside,具体步骤包含如下两个组成部分:获取连续n帧图片,n>3,对其中最大的稳定目标进行追踪,获取对应该目标的时序检测框并计算对应面积序列areas={a_i,i=1,...,n},以及面积比值序列area_ratio={a_i/a_i-1,i=1,...,n},如果num(area_ratio>1)>num(area_ratio<1),则表示巡检车行使方向与采集设备朝向相同,设定direct_issame=1,否则设定direct_issame=0;同时,由于我国道路车辆需要靠右行驶,因此当direct_issame=0时,则拍摄视频图片中泊位显示应该位于左侧,设berthside=0;而direct_issame=1时,则泊位显示应该位于图片右侧,设berthside=1;否则特殊情况需要单独输入该参数的修正值。
102、若当前图像帧的车辆目标检测框大于零,则对当前图像帧中的泊位线段进行检测识别,并根据所述泊位位置参数信息获取所述泊位线段对应的泊位线段类型信息。
对于本发明实施例,步骤102具体可以包括:步骤102.2.1:对当前帧进行目标检测,根据目标识别类型和对应检测框尺寸进行筛选,保留特定类型并且检测框面积大于阈值的目标检测框detboxes以及配对的车牌识别信息carID,图片中泊位号检测识别信息BerthID,包括位置信息和编号信息,如果最终筛选的目标检测框数目为0,则设定frames_recog_i结果仅记录当前GPS坐标信息,并转入下一帧重复该步;如果筛选的检测框数目大于0,则进入下一步计算:
步骤102.2.2:对当前帧frame_i图片中的泊位线进行检测,获取潜在泊位线段信息:该步骤可以基于传统的方法进行直线检测,例如Hough直线检测再线段合并,或是基于深度学习的办法进行泊位线检测/分割,获取可视区域内的泊位边界线段检测结果,并且根据线段交点对检测线段的端点坐标进行合理延长得到lines,计算对应的线段参数斜率k和截距b;
步骤102.2.3:对上述检测到的泊位线段信息lines进行后处理,根据参数berthside值识别泊位线段类型Ltype(取值0,1,2,3),具体判断准则如下所述:
①如果泊位位于图片左边berthside=0,若k<0,表示为横向泊位线设Ltype=3;若k>0,表示为纵向泊位线设Ltype=2;进一步,筛选Ltype=2的所有线段,利用线段参数k、b和坐标值y=height*0.9,计算x坐标值,选取x=x_max对应的线段为外侧纵向泊位线,设Ltype=0;
②如果泊位位于图片右边berthside=1,若k<0,表示为纵向泊位线设Ltype=2;若k>0,表示为横向泊位线设Ltype=3;进一步,筛选Ltype=2的所有线段,利用线段参数k、b和坐标值y=height*0.9,计算x坐标值,选取x=x_min对应的线段为外侧纵向泊位线,设Ltype=0;
③筛选Ltype=3的所有线段,利用线段参数k、b和坐标值x=width*0.5,计算y坐标值,如果计算y坐标的方差大于阈值,则选取y=y_max对应的线段为主要横向泊位线,如果计算y坐标的方差小于阈值,则选取长度最长的线段设置为主要横向泊位线,设Ltype=1。
对于本发明实施例,所述根据所述泊位位置参数信息获取所述泊位线段对应的泊位线段类型信息的步骤包括:获取图像帧中可视区域内的泊位边界线段,并且根据线段交点对线段的端点坐标进行延长得到泊位线段信息以及对应的线段参数斜率和截距;根据所述泊位位置参数信息、线段参数(端点坐标、斜率和截距)获取所述泊位线段对应的类型信息。
103、根据所述车辆目标检测框中预置特征点的坐标信息、所述泊位线段的坐标信息以及泊位线段类型信息,获取当前图像帧的车辆占据泊位相对位置编码。
对于本发明实施例,步骤103具体可以包括:逐一对检测目标框信息detboxes与泊位线的相关位置进行评估,获取车辆占据泊位相对位置编码occupy_id,判断步骤以及准则如下所述:
①筛选泊位线类型Ltype<=1的线段为有效泊位线段lines_vail,其中有线线段个数为n;计算检测框detboxes中心点坐标car_kp;设置初始编码值occupy_id=-2;设定初步的车辆泊位状态变量car_kp_state=zeros(n,4);
②计算car_kp到lines_vail中各条线段i的垂足p_i=(xt,yt),更新p_i到各条线段的长度l_i并放置于car_kp_state(i,3)=l_i;判断p_i是否位于lines_vail_i的对应线段内,如若在线段内更新car_kp_state(i,1)=1,否则car_kp_state(i,1)=0;
③计算car_kp与lines_vail_i的位置编码,更新car_kp_state(:,2):如果线段Ltype_i=0,当car_kp_x位于线段左侧时则car_kp_state(i,2)=-1,位于右侧时car_kp_state(i,2)=1;如果线段Ltype_i=1,当car_kp_y位于线段上侧时则car_kp_state(i,2)=-1,位于下侧时car_kp_state(i,2)=1;
④结合参数berthside以及car_kp_state,计算车辆占据泊位相对位置编码occupy_id,具体判断准则为:
A.如果有效泊位线段个数n=2,并且车辆位于泊位线有效区域内侧,即berthside=0并且car_kp_state(1,2)=-1或是berthside=1并且car_kp_state(1,2)=1:如果至少有一个交点,即any(car_kp_state(:,1)==1),则表示车辆占据邻近泊位,设occupy_id=0;修正判断车辆是否位于泊位区域外,计算特征长度比值car_kp_state(1,4)=car_kp_state(1,3)/lines_vail_2,car_kp_state(2,4)=car_kp_state(2,3)/lines_vail_1,如果any(car_kp_state(:,4)>1.5),则修改occupy_id=-2;
B.如果有效泊位线段个数n=1,如果Ltype=0,car_kp_state显示车辆位于泊位线有效区域内侧并且检测目标尺寸大于阈值athr1,设occupy_id=0;如果Ltype=1,car_kp_state(1,1)=1并且检测目标尺寸大于阈值athr1,设berth_matchid=0;
如果有效泊位线段个数n=0,则当检测目标尺寸大于阈值athr2(athr2>athr1),或是当检测目标尺寸大于阈值athr1,并且满足berthside=0且检测框位于左下角或是berthside=1且检测框位于右下角时,设occupy_id=0。
104、将所述车辆占据泊位相对位置编码、车辆标识信息、泊位编号保存在时序数据识别结果中。
其中,所述时序数据识别结果中保存有不同帧分别对应的车辆泊位占用编码、车辆泊位占用编码对应的车辆标识信息、以及泊位编号。
具体地,首先针对检测到的泊位位置和编号信息berthID根据参数direct_issame进行排序,计算泊位编号检测框y轴中点ym,如果direct_issame=0,berthID顺序按ym从小到大排序,否则berthID顺序按ym从大到小排序;然后,根据获取最终筛选的目标检测框detboxes,数量不大于2、实际泊位编号喷涂位置特征、参数direct_issame,将排序后的berthID的与该帧图片中得到的detboxes进行配对,如果最终筛选得到的目标检测框数目为0,则忽略配对过程;整合单帧图片所有已获取信息frames_recog_i,包含属性值为筛选目标检测框detboxes,检测框对应的车牌信息carID,未检测到则为空,检测框对应的泊位相对占用编号occupy_id,配对泊位编号bmatch_id,未配对成功则为空,排序后的泊位信息berthID,GPS位置信息;并最终组合为完整的时序识别信息frames_recog。
对于本发明实施例,为了进一步提升车辆占据泊位相对位置编码的准确率,步骤104之前还可以包括:根据图像帧对应的泊位位置参数、采集设备对应的行驶状态参数、车辆目标检测框以及车辆占据泊位相对位置编码,对图像帧中车辆目标框最大的两个车辆对应的车辆占据泊位相对位置编码进行修正。
具体地,如果单帧图片内筛选的detboxes数目等于1并且occupy_id=0,则针对检测框面积进行修正,如果面积小于阈值athr3(athr2>athr3>athr1),则修改occupy_id表示次邻近泊位,如果direct_issame=0,则occupy_id=-1,如果direct_issame=1,则occupy_id=1;如果单帧图片内筛选的detboxes数目大于1,则筛选其中面积最大的两个目标,并且根据检测框的x坐标中点xm进行排序,xm1<xm2,得到有序检测目标detbox1、detbox2,然后进行下一步判断确定目标占用泊位的相关时序性:
如果berthside=0,并且detbox1位于图片左下角,当area(detbox1)>area(detbox2),那么修正occupy_id(1)=0,如果direct_issame=0,修正occupy_id(2)=-1,如果direct_issame=1,修正occupy_id(2)=1;当area(detbox1)<area(detbox2),那么修正occupy_id(2)=0,如果direct_issame=0,修正occupy_id(1)=1,如果direct_issame=1,修正occupy_id(1)=-1;
如果berthside=1,并且detbox2位于图片右下角,当area(detbox1)>area(detbox2),那么修正occupy_id(1)=0,如果direct_issame=0,occupy_id(2)=1,如果direct_issame=1,occupy_id(2)=-1;当area(detbox1)<area(detbox2),那么修正occupy_id(2)=0,如果direct_issame=0,occupy_id(1)=-1,如果direct_issame=1,occupy_id(1)=1。
105、从所述时序数据识别结果中获取每一个泊位编号对应的车辆标识信息和车辆泊位占用编码,并根据所述车辆标识信息和车辆泊位占用编码确定所述泊位编号对应的停车事件信息。
对于本发明实施例,步骤105具体可以包括:若所述车辆标识信息唯一并且车辆泊位占用编码符合预置变化模式,则保存所述车辆标识信息作为所述泊位对应的停车车辆标识;若所述车辆标识信息为空并且车辆泊位占用编码符合预置变化模式,则确认所述泊位被占用并且将空车牌作为所述停车车辆的标识信息;若所述车辆标识信息为空并且车辆泊位占用编码不符合预置变化模式,则确认所述泊位编号对应的泊位未被占用;若所述车辆标识信息不唯一,则从车辆标识信息中获取有效序列最长的车辆标识信息作为所述停车车辆的标识信息。
具体地,针对每一个泊位编号berthID_i,获取所有帧结果frames_recog中匹配的车辆id编号以及对应的车辆泊位占用编码序列occupylist;如果识别的车辆id编号为唯一的,并且occupylist序列基本满足[1,0,-1]的变化模式,则保存berthID_i的对应车牌id;如果识别的车辆id编号为空并且occupylist序列不满足[1,0,-1]的变化模式,则无对应的车牌id;如果识别的车辆id编号为空但occupylist序列基本满足[1,0,-1]的变化模式,则表示有车辆占用但无车牌信息,使用替代空车牌进行表征;如果识别的车辆id编号非唯一的,则筛选occupylist序列基本满足[1,0,-1]的变化模式序列进行切分,并对应车牌id,筛选其中有效序列最长的一个,保存为berthID_i的对应车牌id,如果该车牌id识别为空则用空车牌替代表征。最终输出该时间段内采集的泊位车辆匹配信息对matchID={berthID:carID},并上传至车场管理数据库系统。
对于本发明实施例,为了进一步提升停车事件信息的判定准确率,步骤105之前还可以包括:根据所述时序数据识别结果和采集的监控区域定位信息对泊位编号进行校验修正。
具体地,读取frames_recog的GPS位置信息序列,并与预存于泊位管理系统内的泊位编码坐标信息比对,获取对应的最邻近泊位编码序列berthID_0,根据frames_recog的GPS位置变化信息,与预存的泊位编码坐标信息比对,获取泊位编号排序与预存序列顺序是否一致,并按实际排列顺序截取以berthID_0[0]为起点的连续泊位序列berthID_01,并利用berthID_01对berthID_0中的检索到的不连续泊位编号进行修正,获取满足物理排序连续性的GPS最邻近泊位编号berthID_0;最后获取frames_recog信息中的通过图像识别得到的berthID,并与对应的berthID_0进行比对,如果berthID中存在识别结果的帧与berthID_0基本一致,则利用berthID_0对每一帧的最邻近泊位berthID进行核验修正更新信息,并对单帧内bmatch_id_i进行更新,即如果occupy_id=0,则bmatch_id_i=berthID_i,如果occupy_id=-1,bmatch_id_i=berthID_{i-1},如果occupy_id=1,bmatch_id_i=berthID_{i+1};如果berthID中存在识别结果的帧与对应berthID_0的结果存在一个稳定序列位置偏差,则更新berthID_0的起始点为berthID[0],获取新的具有物理排序连续性的泊位编号更新序列berthID,并对检测目标对应的bmatch_id做同上述一致的更新操作。
本发明提供的一种基于定位信息和图像信息的停车管理方法,基于原有的业务流程中每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息,即可实现位车辆占用情况的识别,方法简单易行,实时性强,并且通过多传感器识别结果互相校验以及多次图像检测识别结果进行综合修正,在不增加硬件设备成本的同时,可有效提升最终识别结果的准确性。
为实现本发明实施例提供的方法,本发明实施例提供一种基于定位信息和图像信息的停车管理系统,如图2所示,该系统包括:获取单元21、保存单元22、确认单元23。
获取单元21,用于根据巡检设备采集的监控区域定位信息和图像信息,获取每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息。
所述获取单元21,还用于若当前图像帧的车辆目标检测框大于零,则对当前图像帧中的泊位线段进行检测识别,并根据所述泊位位置参数信息获取所述泊位线段对应的泊位线段类型信息,根据所述车辆目标检测框中预置特征点的坐标信息、所述泊位线段的坐标信息以及泊位线段类型信息,获取当前图像帧的车辆占据泊位相对位置编码。
保存单元22,用于将所述车辆占据泊位相对位置编码、车辆标识信息、泊位编号保存在时序数据识别结果中,所述时序数据识别结果中保存有不同帧分别对应的车辆泊位占用编码、车辆泊位占用编码对应的车辆标识信息、以及泊位编号。
确认单元23,用于从所述时序数据识别结果中获取每一个泊位编号对应的车辆标识信息和车辆泊位占用编码,并根据所述车辆标识信息和车辆泊位占用编码确定所述泊位编号对应的停车事件信息。
进一步地,所述获取单元21,具体用于获取图像帧中可视区域内的泊位边界线段,并且根据线段交点对线段的端点坐标进行延长得到泊位线段信息以及对应的线段参数斜率和截距;根据所述泊位位置参数信息、线段参数包括端点坐标值、线段斜率和截距获取所述泊位线段对应的类型信息
进一步地,所述系统还包括:修正单元24,用于根据图像帧对应的泊位位置参数、采集设备对应的行驶状态参数、车辆目标检测框以及车辆占据泊位相对位置编码,对图像帧中车辆目标框最大的两个车辆对应的车辆占据泊位相对位置编码进行修正。
进一步地,所述修正单元24,还用于根据所述时序数据识别结果和采集的监控区域定位信息对泊位编号进行校验修正。
进一步地,所述确认单元23,具体用于若所述车辆标识信息唯一并且车辆泊位占用编码符合预置变化模式,则保存所述车辆标识信息作为所述泊位对应的停车车辆标识;若所述车辆标识信息为空并且车辆泊位占用编码符合预置变化模式,则确认所述泊位被占用并且将空车牌作为所述停车车辆的标识信息;若所述车辆标识信息为空并且车辆泊位占用编码不符合预置变化模式,则确认所述泊位编号对应的泊位未被占用;若所述车辆标识信息不唯一,则从车辆泊位占用编码有效序列中最长序列对应的车辆标识信息作为所述停车车辆的标识信息。
本发明提供的一种基于定位信息和图像信息的停车管理系统,基于原有的业务流程中每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息,即可实现位车辆占用情况的识别,方法简单易行,实时性强,并且通过多传感器识别结果互相校验以及多次图像检测识别结果进行综合修正,在不增加硬件设备成本的同时,可有效提升最终识别结果的准确性。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logicalblock),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。。
Claims (10)
1.一种基于定位信息和图像信息的停车管理方法,其特征在于,所述方法包括:
根据巡检设备采集的监控区域定位信息和图像信息,获取每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息;
若当前图像帧的车辆目标检测框大于零,则对当前图像帧中的泊位线段进行检测识别,并根据所述泊位位置参数信息获取所述泊位线段对应的泊位线段类型信息;
根据所述车辆目标检测框中预置特征点的坐标信息、所述泊位线段的坐标信息以及泊位线段类型信息,获取当前图像帧的车辆占据泊位相对位置编码;
将所述车辆占据泊位相对位置编码、车辆标识信息、泊位编号保存在时序数据识别结果中,所述时序数据识别结果中保存有不同帧分别对应的车辆泊位占用编码、车辆泊位占用编码对应的车辆标识信息、以及泊位编号;
从所述时序数据识别结果中获取每一个泊位编号对应的车辆标识信息和车辆泊位占用编码,并根据所述车辆标识信息和车辆泊位占用编码确定所述泊位编号对应的停车事件信息。
2.根据权利要求1所述的一种基于定位信息和图像信息的停车管理方法,其特征在于,所述根据所述泊位位置参数信息获取所述泊位线段对应的泊位线段类型信息的步骤包括:
获取图像帧中可视区域内的泊位边界线段,并且根据线段交点对线段的端点坐标进行延长得到泊位线段参数,所述泊位线段参数包括端点坐标信息以及对应的线段斜率和截距;
根据所述泊位位置参数信息、线段参数获取所述泊位线段对应的类型信息。
3.根据权利要求1所述的一种基于定位信息和图像信息的停车管理方法,其特征在于,所述将所述车辆占据泊位相对位置编码、车辆标识信息、泊位编号保存在时序数据识别结果中的步骤之前,所述方法还包括:
根据图像帧对应的泊位位置参数、采集设备对应的行驶状态参数、车辆目标检测框以及车辆占据泊位相对位置编码,对图像帧中车辆检测目标框中最大的两个车辆对应的车辆占据泊位相对位置编码进行修正。
4.根据权利要求1所述的一种基于定位信息和图像信息的停车管理方法,其特征在于,所述从所述时序数据识别结果中获取每一个泊位编号对应的车辆标识信息和车辆泊位占用编码的步骤之前,所述方法还包括:
根据所述时序数据识别结果和采集的监控区域定位信息对泊位编号识别结果进行校验修正。
5.根据权利要求1所述的一种基于定位信息和图像信息的停车管理方法,其特征在于,所述根据所述车辆标识信息和车辆泊位占用编码确定所述泊位编号对应的停车事件信息的步骤包括:
若所述车辆标识信息唯一并且车辆泊位占用编码符合预置变化模式,则保存所述车辆标识信息作为所述泊位对应的停车车辆标识;
若所述车辆标识信息为空并且车辆泊位占用编码符合预置变化模式,则确认所述泊位被占用并且将空车牌作为所述停车车辆的标识信息;
若所述车辆标识信息为空并且车辆泊位占用编码不符合预置变化模式,则确认所述泊位编号对应的泊位未被占用;
若所述车辆标识信息不唯一,则从车辆泊位占用编码序列中获取最长有效序列对应的车辆标识信息作为所述停车车辆的标识信息。
6.一种基于定位信息和图像信息的停车管理系统,其特征在于,所述系统包括:
获取单元,用于根据巡检设备采集的监控区域定位信息和图像信息,获取每一帧图像对应的泊位位置参数信息、巡检设备对应的行驶状态参数、车辆目标检测框信息及对应的车辆标识信息、泊位编号信息;
所述获取单元,还用于若当前图像帧的车辆目标检测框大于零,则对当前图像帧中的泊位线段进行检测识别,并根据所述泊位位置参数信息获取所述泊位线段对应的泊位线段类型信息,根据所述车辆目标检测框中预置特征点的坐标信息、所述泊位线段的坐标信息以及泊位线段类型信息,获取当前图像帧的车辆占据泊位相对位置编码;
保存单元,用于将所述车辆占据泊位相对位置编码、车辆标识信息、泊位编号保存在时序数据识别结果中,所述时序数据识别结果中保存有不同帧分别对应的车辆泊位占用编码、车辆泊位占用编码对应的车辆标识信息、以及泊位编号;
确认单元,用于从所述时序数据识别结果中获取每一个泊位编号对应的车辆标识信息和车辆泊位占用编码,并根据所述车辆标识信息和车辆泊位占用编码确定所述泊位编号对应的停车事件信息。
7.根据权利要求6所述的一种基于定位信息和图像信息的停车管理系统,其特征在于,
所述获取单元,具体用于获取图像帧中可视区域内的泊位边界线段,并且根据线段交点对线段的端点坐标进行延长得到泊位线段参数,所述泊位线段参数包括端点坐标信息以及对应的线段斜率和截距;根据所述泊位位置参数信息、线段参数获取所述泊位线段对应的类型信息。
8.根据权利要求6所述的一种基于定位信息和图像信息的停车管理系统,其特征在于,所述系统还包括:
修正单元,用于根据图像帧对应的泊位位置参数、采集设备对应的行驶状态参数、车辆目标检测框以及车辆占据泊位相对位置编码,对图像帧中车辆检测目标框中最大的两个车辆对应的车辆占据泊位相对位置编码进行修正。
9.根据权利要求8所述的一种基于定位信息和图像信息的停车管理系统,其特征在于,
所述修正单元,还用于根据所述时序数据识别结果和采集的监控区域定位信息对泊位编号识别结果进行校验修正。
10.根据权利要求6所述的一种基于定位信息和图像信息的停车管理系统,其特征在于,
所述确认单元,具体用于若所述车辆标识信息唯一并且车辆泊位占用编码符合预置变化模式,则保存所述车辆标识信息作为所述泊位对应的停车车辆标识;若所述车辆标识信息为空并且车辆泊位占用编码符合预置变化模式,则确认所述泊位被占用并且将空车牌作为所述停车车辆的标识信息;若所述车辆标识信息为空并且车辆泊位占用编码不符合预置变化模式,则确认所述泊位编号对应的泊位未被占用;若所述车辆标识信息不唯一,则从车辆泊位占用编码序列中获取最长有效序列对应的车辆标识信息作为所述停车车辆的标识信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210136138.9A CN114530056B (zh) | 2022-02-15 | 2022-02-15 | 一种基于定位信息和图像信息的停车管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210136138.9A CN114530056B (zh) | 2022-02-15 | 2022-02-15 | 一种基于定位信息和图像信息的停车管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114530056A true CN114530056A (zh) | 2022-05-24 |
CN114530056B CN114530056B (zh) | 2023-05-02 |
Family
ID=81622562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210136138.9A Active CN114530056B (zh) | 2022-02-15 | 2022-02-15 | 一种基于定位信息和图像信息的停车管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114530056B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457760A (zh) * | 2022-08-03 | 2022-12-09 | 北京云星宇交通科技股份有限公司 | 车辆车牌与泊位的识别绑定方法及装置 |
CN115790666A (zh) * | 2023-01-09 | 2023-03-14 | 深圳云游四海信息科技有限公司 | 对路内停车智能巡检车惯导定位进行校正的方法和系统 |
CN116977435A (zh) * | 2023-09-15 | 2023-10-31 | 广州志正电气有限公司 | 靠岸船舶自动识别的岸电系统 |
CN118098012A (zh) * | 2024-04-23 | 2024-05-28 | 杭州鼎器科技有限公司 | 一种路侧泊位停车状态检测方法及装置 |
Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009184468A (ja) * | 2008-02-05 | 2009-08-20 | Nissan Motor Co Ltd | 駐車支援装置及び駐車支援方法 |
KR101806322B1 (ko) * | 2016-08-17 | 2017-12-07 | 유에프엠시스템즈 주식회사 | 영상정보를 활용한 도로상 휴게소 관리시스템 |
CN108765975A (zh) * | 2018-06-21 | 2018-11-06 | 智慧互通科技有限公司 | 路侧垂直停车场管理系统及方法 |
US20180322349A1 (en) * | 2015-10-22 | 2018-11-08 | Nissan Motor Co., Ltd. | Parking Space Detection Method and Device |
CN109615928A (zh) * | 2019-02-01 | 2019-04-12 | 智慧互通科技有限公司 | 一种覆盖盲区泊位的停车管理系统 |
KR101970442B1 (ko) * | 2018-12-04 | 2019-04-19 | 주식회사 넥스파시스템 | Fast R-CNN 기반 차량검출을 이용한 불법 주정차 단속 시스템 |
KR101986463B1 (ko) * | 2018-11-23 | 2019-06-07 | 주식회사 넥스파시스템 | 주차유도 시스템 및 그 제어방법 |
KR102040040B1 (ko) * | 2019-07-22 | 2019-11-04 | 한방유비스 주식회사 | 스마트 건물시스템과 차량블랙박스간의 통신을 이용한 영상 관제 시스템 및 방법 |
CN110533923A (zh) * | 2019-08-29 | 2019-12-03 | 北京精英路通科技有限公司 | 停车管理方法、装置、计算机设备及存储介质 |
CN111931673A (zh) * | 2020-04-26 | 2020-11-13 | 智慧互通科技有限公司 | 一种基于视觉差的车辆检测信息的校验方法及装置 |
US20200364467A1 (en) * | 2019-05-17 | 2020-11-19 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for detecting illegal parking, and electronic device |
CN112002131A (zh) * | 2020-07-16 | 2020-11-27 | 深圳云游四海信息科技有限公司 | 路内停车行为检测方法及装置 |
CN112861773A (zh) * | 2021-03-04 | 2021-05-28 | 超级视线科技有限公司 | 一种基于多层次的泊位状态检测方法及系统 |
US20210192227A1 (en) * | 2018-05-25 | 2021-06-24 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium |
US20210224562A1 (en) * | 2020-01-21 | 2021-07-22 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Locating element detection method, device and medium |
CN113191329A (zh) * | 2021-05-26 | 2021-07-30 | 超级视线科技有限公司 | 一种基于单目视觉图片的车辆泊位匹配方法及系统 |
CN113205690A (zh) * | 2021-04-09 | 2021-08-03 | 超级视线科技有限公司 | 一种基于多维度的路侧停车出场事件判断方法及系统 |
CN113205692A (zh) * | 2021-04-29 | 2021-08-03 | 超级视线科技有限公司 | 一种路侧停车泊位异常变动的自动识别方法 |
CN113450575A (zh) * | 2021-05-31 | 2021-09-28 | 超级视线科技有限公司 | 一种路侧停车的管理方法及装置 |
WO2021203717A1 (zh) * | 2020-04-08 | 2021-10-14 | 智慧互通科技有限公司 | 基于视频帧的复杂场景路侧停车行为识别方法 |
KR20210140785A (ko) * | 2020-05-14 | 2021-11-23 | 주식회사 파킹패스 | 차량번호 인식없는 노외주차 관리시스템 및 그 방법 |
CN113850872A (zh) * | 2021-09-18 | 2021-12-28 | 华设设计集团股份有限公司 | 一种基于高位视频的服务区停车压线检测方法 |
CN113888881A (zh) * | 2021-09-10 | 2022-01-04 | 福州大学 | 基于微型电脑的城市路侧停车资源分析规划方法及系统 |
CN114022417A (zh) * | 2021-10-18 | 2022-02-08 | 超级视线科技有限公司 | 一种基于车辆有向包围盒的违停管理方法及系统 |
WO2022027873A1 (zh) * | 2020-08-05 | 2022-02-10 | 智慧互通科技有限公司 | 基于多模态信息融合的车辆再识别方法及装置 |
US20220044025A1 (en) * | 2020-04-26 | 2022-02-10 | Intelligent Inter Connection Technology Co., Ltd. | Parking detection method and device based on visual difference |
-
2022
- 2022-02-15 CN CN202210136138.9A patent/CN114530056B/zh active Active
Patent Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009184468A (ja) * | 2008-02-05 | 2009-08-20 | Nissan Motor Co Ltd | 駐車支援装置及び駐車支援方法 |
US20180322349A1 (en) * | 2015-10-22 | 2018-11-08 | Nissan Motor Co., Ltd. | Parking Space Detection Method and Device |
KR101806322B1 (ko) * | 2016-08-17 | 2017-12-07 | 유에프엠시스템즈 주식회사 | 영상정보를 활용한 도로상 휴게소 관리시스템 |
US20210192227A1 (en) * | 2018-05-25 | 2021-06-24 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium |
CN108765975A (zh) * | 2018-06-21 | 2018-11-06 | 智慧互通科技有限公司 | 路侧垂直停车场管理系统及方法 |
KR101986463B1 (ko) * | 2018-11-23 | 2019-06-07 | 주식회사 넥스파시스템 | 주차유도 시스템 및 그 제어방법 |
KR101970442B1 (ko) * | 2018-12-04 | 2019-04-19 | 주식회사 넥스파시스템 | Fast R-CNN 기반 차량검출을 이용한 불법 주정차 단속 시스템 |
CN109615928A (zh) * | 2019-02-01 | 2019-04-12 | 智慧互通科技有限公司 | 一种覆盖盲区泊位的停车管理系统 |
US20200364467A1 (en) * | 2019-05-17 | 2020-11-19 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for detecting illegal parking, and electronic device |
KR102040040B1 (ko) * | 2019-07-22 | 2019-11-04 | 한방유비스 주식회사 | 스마트 건물시스템과 차량블랙박스간의 통신을 이용한 영상 관제 시스템 및 방법 |
CN110533923A (zh) * | 2019-08-29 | 2019-12-03 | 北京精英路通科技有限公司 | 停车管理方法、装置、计算机设备及存储介质 |
US20210224562A1 (en) * | 2020-01-21 | 2021-07-22 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Locating element detection method, device and medium |
WO2021203717A1 (zh) * | 2020-04-08 | 2021-10-14 | 智慧互通科技有限公司 | 基于视频帧的复杂场景路侧停车行为识别方法 |
CN111931673A (zh) * | 2020-04-26 | 2020-11-13 | 智慧互通科技有限公司 | 一种基于视觉差的车辆检测信息的校验方法及装置 |
US20220044025A1 (en) * | 2020-04-26 | 2022-02-10 | Intelligent Inter Connection Technology Co., Ltd. | Parking detection method and device based on visual difference |
KR20210140785A (ko) * | 2020-05-14 | 2021-11-23 | 주식회사 파킹패스 | 차량번호 인식없는 노외주차 관리시스템 및 그 방법 |
CN112002131A (zh) * | 2020-07-16 | 2020-11-27 | 深圳云游四海信息科技有限公司 | 路内停车行为检测方法及装置 |
WO2022027873A1 (zh) * | 2020-08-05 | 2022-02-10 | 智慧互通科技有限公司 | 基于多模态信息融合的车辆再识别方法及装置 |
CN112861773A (zh) * | 2021-03-04 | 2021-05-28 | 超级视线科技有限公司 | 一种基于多层次的泊位状态检测方法及系统 |
CN113205690A (zh) * | 2021-04-09 | 2021-08-03 | 超级视线科技有限公司 | 一种基于多维度的路侧停车出场事件判断方法及系统 |
CN113205692A (zh) * | 2021-04-29 | 2021-08-03 | 超级视线科技有限公司 | 一种路侧停车泊位异常变动的自动识别方法 |
CN113191329A (zh) * | 2021-05-26 | 2021-07-30 | 超级视线科技有限公司 | 一种基于单目视觉图片的车辆泊位匹配方法及系统 |
CN113450575A (zh) * | 2021-05-31 | 2021-09-28 | 超级视线科技有限公司 | 一种路侧停车的管理方法及装置 |
CN113888881A (zh) * | 2021-09-10 | 2022-01-04 | 福州大学 | 基于微型电脑的城市路侧停车资源分析规划方法及系统 |
CN113850872A (zh) * | 2021-09-18 | 2021-12-28 | 华设设计集团股份有限公司 | 一种基于高位视频的服务区停车压线检测方法 |
CN114022417A (zh) * | 2021-10-18 | 2022-02-08 | 超级视线科技有限公司 | 一种基于车辆有向包围盒的违停管理方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457760A (zh) * | 2022-08-03 | 2022-12-09 | 北京云星宇交通科技股份有限公司 | 车辆车牌与泊位的识别绑定方法及装置 |
CN115457760B (zh) * | 2022-08-03 | 2023-09-01 | 北京云星宇交通科技股份有限公司 | 车辆车牌与泊位的识别绑定方法及装置 |
CN115790666A (zh) * | 2023-01-09 | 2023-03-14 | 深圳云游四海信息科技有限公司 | 对路内停车智能巡检车惯导定位进行校正的方法和系统 |
CN116977435A (zh) * | 2023-09-15 | 2023-10-31 | 广州志正电气有限公司 | 靠岸船舶自动识别的岸电系统 |
CN118098012A (zh) * | 2024-04-23 | 2024-05-28 | 杭州鼎器科技有限公司 | 一种路侧泊位停车状态检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114530056B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114530056B (zh) | 一种基于定位信息和图像信息的停车管理方法及系统 | |
CN110491168B (zh) | 一种基于车轮着地点检测车辆停车状态的方法及装置 | |
CN111931627A (zh) | 一种基于多模态信息融合的车辆再识别方法及装置 | |
CN110163107B (zh) | 一种基于视频帧识别路侧停车行为的方法及装置 | |
CN111739335B (zh) | 一种基于视觉差的停车检测方法及装置 | |
CN113205691B (zh) | 一种识别车辆位置的方法及装置 | |
CN111582256B (zh) | 一种基于雷达和视觉信息的停车管理方法及装置 | |
CN110688902B (zh) | 一种检测停车位内车辆区域的方法及装置 | |
CN111340710B (zh) | 一种基于图像拼接获取车辆信息的方法及系统 | |
CN111739338A (zh) | 一种基于多类型传感器的停车管理方法及系统 | |
CN111951601B (zh) | 一种识别配送车辆停放位置的方法及装置 | |
CN111931673B (zh) | 一种基于视觉差的车辆检测信息的校验方法及装置 | |
CN111460986A (zh) | 一种车道线处理方法和装置 | |
CN112766222B (zh) | 一种基于泊位线辅助识别车辆行为的方法及装置 | |
CN110991215A (zh) | 车道线检测方法、装置、存储介质及电子设备 | |
CN112836699A (zh) | 一种基于长时多目标跟踪的泊位出入场事件分析方法 | |
CN113205692A (zh) | 一种路侧停车泊位异常变动的自动识别方法 | |
CN113450575B (zh) | 一种路侧停车的管理方法及装置 | |
CN113052141A (zh) | 一种检测车辆停放位置的方法及装置 | |
CN114463976B (zh) | 一种基于3d车辆轨迹的车辆行为状态判定方法及系统 | |
CN114170836B (zh) | 一种基于泊位信息的移动巡检停车管理方法及系统 | |
CN113449624B (zh) | 一种基于行人重识别确定车辆行为的方法及装置 | |
CN115457488A (zh) | 一种基于双目立体视觉的路侧停车管理方法及系统 | |
CN114234996B (zh) | 一种基于多路口多传感器的航迹融合方法及系统 | |
CN113408514A (zh) | 一种基于深度学习检测路侧停车场泊位的方法及装置 |
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 |