CN114550451A - 停车场的车辆拥堵预警方法、装置、设备及存储介质 - Google Patents
停车场的车辆拥堵预警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114550451A CN114550451A CN202210152078.XA CN202210152078A CN114550451A CN 114550451 A CN114550451 A CN 114550451A CN 202210152078 A CN202210152078 A CN 202210152078A CN 114550451 A CN114550451 A CN 114550451A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- scene
- early warning
- model
- information
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及人工智能领域,公开了一种停车场的车辆拥堵预警方法、装置、设备及存储介质。该方法包括:获取目标停车场对应的场景信息并构建对应的场景轮廓模型;通过监控设备采集各标记位置信息对应的车辆数据并在场景轮廓模型中进行车辆分布分析,以进行行驶路线规划,将规划的行驶路线拼接至场景轮廓模型中并进行显示推送,若根据车辆分布信息,确定当前的目标停车场存在预警项目,则根据车辆分布信息,通过监控设备采集车辆图像并通过预置道路预警模型进行预警识别,得到车辆预警信息;基于车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送。本发明对停车场的运行情况实现可视化监管和疏导,降低停车场的监管难度。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种停车场的车辆拥堵预警方法、装置、设备及存储介质。
背景技术
现阶段生活水平的提高,越来越多的个人拥有了自己的汽车,这使得停车成为了一个所有都头疼的问题。有的时候即使在正规的停车场,如大型商场、专业的停车场也经常有拥堵、乱停乱放的问题,导致了停车场管理的困难。
目前主要是靠人力巡检、疏散的方式来管理,这就导致了以下的一些问题:1.停车场越大,需要的巡检和疏散人员就越多;2.响应不及时,一般都是有人投诉之后,管理人员才会发现;3.无法全局的管控,一般都是凭经验堵一头,放一头。总而言之,即现有停车场管理智能化程度不足。
发明内容
本发明的主要目的在于解决现有停车场管理智能化程度不足的问题。
本发明第一方面提供了一种停车场的车辆拥堵预警方法,包括:获取目标停车场对应的场景信息,并采用场景信息构建对应的场景轮廓模型,其中,场景轮廓模型包括监控设备的标记位置信息;通过监控设备采集各标记位置信息对应的车辆数据,并采用车辆数据在场景轮廓模型中进行车辆分布分析,得到车辆分布信息;根据车辆分布信息,进行行驶路线规划,将规划的行驶路线拼接至场景轮廓模型中并进行显示推送,以及根据车辆分布信息,判断当前的目标停车场是否存在预警项目;若存在,则根据车辆分布信息,通过监控设备采集车辆图像,并通过预置道路预警模型对车辆图像预警识别,得到车辆预警信息;基于车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送。
可选的,在本发明第一方面的第一种实现方式中,采用场景信息构建对应的场景轮廓模型包括:提取场景信息中的场景对象,并采用场景对象构建三维轮廓简易模型和三维对象模型;按照预设比例对三维对象模型进行缩放,并将缩放后的三维对象模型与三维轮廓简易模型进行组合,得到对应的场景轮廓模型。
可选的,在本发明第一方面的第二种实现方式中,场景信息包括静态场景信息和动态场景信息,提取场景信息中的场景对象,并采用场景对象构建三维轮廓简易模型和三维对象模型包括:提取静态场景信息中的静态场景对象,以及提取动态场景信息中的动态场景对象,其中,场景对象包括静态场景对象和动态场景对象;采用静态场景对象和动态场景对象构建,三维轮廓简易模型,以及采用静态场景对象构建预置第一格式的三维静态对象模型,和采用动态场景对象构建预置第二格式的三维动态对象模型,其中,三维对象模型包括三维静态对象模型和三维动态对象模型。
可选的,在本发明第一方面的第三种实现方式中,根据车辆分布信息,进行行驶路线规划包括:根据车辆分布信息,确定场景轮廓模型中车辆分布的连续空间并将连续空间车辆分布转换成车辆分布的离散空间;在离散空间,对车辆分布进行邻域计算,并根据邻域计算的结果,将离散空间中的车辆作为节点进行连接,得到邻接矩阵;根据邻接矩阵,在场景轮廓模型中搜索全局最优通行路径的行驶路线。
可选的,在本发明第一方面的第四种实现方式中,通过预置道路预警模型对车辆图像预警识别,得到车辆预警信息包括:通过预置道路预警模型,识别车辆图像中车辆的行停特征,并根据行停特征,确定车辆图像中车辆的行停区域和行停分布;根据行停区域和行停分布,对预警类别分析,得到对应的预警类别,其中,预警类别包括占道预警和拥堵预警;基于行停区域和预警类别生成车辆预警信息。
可选的,在本发明第一方面的第五种实现方式中,监控设备包括第一监控设备、第二监控设备和第三监控设备,通过监控设备采集各标记位置信息对应的车辆数据包括:通过第一监控设备采集目标停车场的进出闸口对应标记位置的现有车辆数据;通过第二监控设备采集目标停车场的外部区域对应标记位置的车辆入场需求数据;通过第三监控设备采集目标停车场的内部停行区域对应标记位置的车辆行停数据;组合现有车辆数据、入场需求数据和车辆行停数据,得到对应的车辆数据。
本发明第二方面提供了一种停车场的车辆拥堵预警装置,包括:构建模块,用于获取目标停车场对应的场景信息,并采用场景信息构建对应的场景轮廓模型,其中,场景轮廓模型包括监控设备的标记位置信息;分析模块,用于通过监控设备采集各标记位置信息对应的车辆数据,并采用车辆数据在场景轮廓模型中进行车辆分布分析,得到车辆分布信息;规划模块,用于根据车辆分布信息,进行行驶路线规划,将规划的行驶路线拼接至场景轮廓模型中并进行显示推送,以及根据车辆分布信息,判断当前的目标停车场是否存在预警项目;识别模块,用于若存在,则根据车辆分布信息,通过监控设备采集车辆图像,并通过预置道路预警模型对车辆图像预警识别,得到车辆预警信息;生成模块,用于基于车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送。
可选的,在本发明第二方面的第一种实现方式中,构建模块包括:构建单元,用于提取场景信息中的场景对象,并采用场景对象构建三维轮廓简易模型和三维对象模型;组合单元,用于按照预设比例对三维对象模型进行缩放,并将缩放后的三维对象模型与三维轮廓简易模型进行组合,得到对应的场景轮廓模型。
可选的,在本发明第二方面的第二种实现方式中,场景信息包括静态场景信息和动态场景信息,构建单元还用于:提取静态场景信息中的静态场景对象,以及提取动态场景信息中的动态场景对象,其中,场景对象包括静态场景对象和动态场景对象;采用静态场景对象和动态场景对象构建,三维轮廓简易模型,以及采用静态场景对象构建预置第一格式的三维静态对象模型,和采用动态场景对象构建预置第二格式的三维动态对象模型,其中,三维对象模型包括三维静态对象模型和三维动态对象模型。
可选的,在本发明第二方面的第三种实现方式中,规划模块包括:转换单元,用于根据车辆分布信息,确定场景轮廓模型中车辆分布的连续空间并将连续空间车辆分布转换成车辆分布的离散空间;连接单元,用于在离散空间,对车辆分布进行邻域计算,并根据邻域计算的结果,将离散空间中的车辆作为节点进行连接,得到邻接矩阵;搜索单元,用于根据邻接矩阵,在场景轮廓模型中搜索全局最优通行路径的行驶路线。
可选的,在本发明第二方面的第四种实现方式中,识别模块包括:识别单元,用于通过预置道路预警模型,识别车辆图像中车辆的行停特征,并根据行停特征,确定车辆图像中车辆的行停区域和行停分布;分析单元,用于根据行停区域和行停分布,对预警类别分析,得到对应的预警类别,其中,预警类别包括占道预警和拥堵预警;生成单元,用于基于行停区域和预警类别生成车辆预警信息。
可选的,在本发明第二方面的第五种实现方式中,监控设备包括第一监控设备、第二监控设备和第三监控设备,分析模块包括:第一采集单元,用于通过第一监控设备采集目标停车场的进出闸口对应标记位置的现有车辆数据;第二采集单元,用于通过第二监控设备采集目标停车场的外部区域对应标记位置的车辆入场需求数据;第三采集单元,用于通过第三监控设备采集目标停车场的内部停行区域对应标记位置的车辆行停数据;组合单元,用于组合现有车辆数据、入场需求数据和车辆行停数据,得到对应的车辆数据。
本发明第三方面提供了一种停车场的车辆拥堵预警设备,包括:存储器和至少一个处理器,存储器中存储有指令;至少一个处理器调用存储器中的指令,以使得停车场的车辆拥堵预警设备执行上述的停车场的车辆拥堵预警方法。
本发明的第四方面提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的停车场的车辆拥堵预警方法。
本发明提供的技术方案中,通过停车场的场景信息构建该停车场的场景轮廓模型;然后通过该场景轮廓模型来进行行驶路线规划,并将规划的行驶路线拼接至场景轮廓模型中,再通过根据车辆分布信息来确定当前的目标停车场是否存在预警项目和预警识别,对识别到的车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送,以对停车场的运行情况实现可视化监管和疏导,降低停车场的监管难度。
附图说明
图1为本发明实施例中停车场的车辆拥堵预警方法的第一个实施例示意图;
图2为本发明实施例中停车场的车辆拥堵预警方法的第二个实施例示意图;
图3为本发明实施例中停车场的车辆拥堵预警方法的第三个实施例示意图;
图4为本发明实施例中停车场的车辆拥堵预警装置的一个实施例示意图;
图5为本发明实施例中停车场的车辆拥堵预警装置的另一个实施例示意图;
图6为本发明实施例中停车场的车辆拥堵预警设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种停车场的车辆拥堵预警方法、装置、设备及存储介质,获取目标停车场对应的场景信息并构建对应的场景轮廓模型;通过监控设备采集各标记位置信息对应的车辆数据并在场景轮廓模型中进行车辆分布分析,以进行行驶路线规划,将规划的行驶路线拼接至场景轮廓模型中并进行显示推送,若根据车辆分布信息,确定当前的目标停车场存在预警项目,则根据车辆分布信息,通过监控设备采集车辆图像并通过预置道路预警模型进行预警识别,得到车辆预警信息;基于车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送。本发明对停车场的运行情况实现可视化监管和疏导,降低停车场的监管难度。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中停车场的车辆拥堵预警方法的第一个实施例包括:
101、获取目标停车场对应的场景信息,并采用场景信息构建对应的场景轮廓模型,其中,场景轮廓模型包括监控设备的标记位置信息;
可以理解的是,本发明的执行主体可以为停车场的车辆拥堵预警装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本实施例中,针对需要进行车辆预警的目标停车场,通过建立该目标停车场简易的场景轮廓模型,只显示停车场整体的空间结构和监控设备的标记位置信息,其中,监控设备可以为目标停车场内原有的出入闸口、外部摄像头和内部摄像头,也可以是后期加装的针对停车场预警监控的摄像设备。
另外,在构建该目标停车场的场景轮廓模型时,可以获取该目标停车场对应的场景信息,比如建筑蓝图、建筑BIM模型和结构BIM模型等有关停车场空间结构的信息,进行三维建模,得到对应的场景轮廓模型,其中,场景轮廓模型除了包括停车场空间的轮廓结构之外,还可以包括大楼轮廓、电梯轮廓、楼梯轮廓等结构,而且为了进一步降低场景轮廓模型的资源需求和提升模型浏览了操作的流畅性,无需进行纹理贴图。
102、通过监控设备采集各标记位置信息对应的车辆数据,并采用车辆数据在场景轮廓模型中进行车辆分布分析,得到车辆分布信息;
本实施例中,收集监控设备在各个标记位置的车辆数据,出入闸口数据可以收集到目标停车场内现有车辆数据,外部摄像头可以得到车辆入场需求数据;内部摄像头可以识别到车辆是否占用车道停车。由于停车场在部分时段会存在拥堵情况,故此处先在数据层面对场景轮廓模型进行目标停车场的车辆分布进行分析,得到车辆分布信息,比如行车道上是否存在大量车辆或者有静止车辆,后续如果存在车道拥堵、非法停车等情况,再以图像识别进一步进行确认,可以提升目标停车场的拥堵预警的效率。
具体的,监控设备包括第一监控设备、第二监控设备和第三监控设备,通过监控设备采集各标记位置信息对应的车辆数据包括以下步骤:
2.1)通过第一监控设备采集目标停车场的进出闸口对应标记位置的现有车辆数据;
2.2)通过第二监控设备采集目标停车场的外部区域对应标记位置的车辆入场需求数据;
2.3)通过第三监控设备采集目标停车场的内部停行区域对应标记位置的车辆行停数据;
2.4)组合现有车辆数据、入场需求数据和车辆行停数据,得到对应的车辆数据。
其中,第一监控设备指的是安装在目标停车场的进出闸口位置的摄像头,第二监控设备指的是安装在目标停车场外的摄像头,第三监控设备指的是安装在目标停车场内的摄像头。
103、根据车辆分布信息,进行行驶路线规划,将规划的行驶路线拼接至场景轮廓模型中并进行显示推送,以及根据车辆分布信息,判断当前的目标停车场是否存在预警项目;
本实施例中,车辆分布信息中表征在停车场内外的车辆停放和驾驶情况,以及停车场车辆进出情况,可以确定目标停车场当前的停车需求、车辆驾驶停放情况和现有车辆信息等。
在得到车辆分布信息后,确定了当前目标停车场的车辆分布情况,以此对进出停车场的车辆进行行驶路线的规划,包括进场车辆到最近停车位的行驶路线、或者进场车辆到最优停车位的行驶路线,以及出场车辆到最近停车场出口的行驶路线、或者到最优停车场出口的行驶路线。具体的的行驶路线的规划算法可以采用PRM(Rapid-explorationRandom Tree,快速随机搜索树)、BFS((Breadth-First-Search,广度优先算法)等路径规划算法。
另外,同时可以在停车场的关键位置,比如出入闸口位置、交叉路口位置部署显示器,来对拼接行驶路线的场景轮廓模型进行显示推送,以供驾驶人员按照显示器的显示进行停车或者出场,也可以通过物联网与车辆进行物联进行显示推送。
本实施例中,还可以根据车辆分布信息中表征的停车场内外的车辆停放和驾驶情况,以及停车场车辆进出情况,来判别目标停车场内是否存在行车道存在拥堵情况、车辆是否停放在非停车位,以此进行停车场拥堵预警。
104、若存在,则根据车辆分布信息,通过监控设备采集车辆图像,并通过预置道路预警模型对车辆图像预警识别,得到车辆预警信息;
本实施例中,在确定目标停车场当前存在预警项目,则需要进一步判断具体的预警情况,此时根据车辆分布信息,来确定需要预警的区域,来调用该区域的监控设备采集车辆图像,进行预警识别,比如通过车辆分部信息检测到出入闸口存在车辆拥堵,则调用对应出入闸口的摄像头采集车辆图像,当检测到车辆非法占用消防通道,则调用对应位置的摄像头采集车辆图像。
本实例中,在采集到车辆图像后,则采用训练好的道路预警模型对车辆图像进行预警识别,以进行进一步识别具体的车辆预警信息。
105、基于车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送。
本实施例中,可以在管理中心的显示设备、管理人员携带的移动终端上部署相对应的应用程序,在显示设备、移动终端上对场景轮廓模型以3维地图的方式进行显示,提示管理人员人为接入干预,疏通车辆。其中,预警场景可以在对应的区域以热力图的方式进行显示,也可以以自定义车辆图形的纹理贴图进行显示。
本发明实施例中,通过停车场的场景信息构建该停车场的场景轮廓模型;然后通过该场景轮廓模型来进行行驶路线规划,并将规划的行驶路线拼接至场景轮廓模型中,再通过根据车辆分布信息来确定当前的目标停车场是否存在预警项目和预警识别,对识别到的车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送,以对停车场的运行情况实现可视化监管和疏导,降低停车场的监管难度。
请参阅图2,本发明实施例中停车场的车辆拥堵预警方法的第二个实施例包括:
201、获取目标停车场对应的场景信息,并提取场景信息中的场景对象,并采用场景对象构建三维轮廓简易模型和三维对象模型;
202、按照预设比例对三维对象模型进行缩放,并将缩放后的三维对象模型与三维轮廓简易模型进行组合,得到对应的场景轮廓模型,其中,场景轮廓模型包括监控设备的标记位置信息;
本实施例中,场景信息中包括多个场景对象,场景对象可以包括线框对象、曲面对象和实体对象三种类型,场景对象的内容包括目标停车场或者连同所在大厦的结构的尺寸、形状、几何信息等,比如停车场行车道、停车位、墙体、排气管等,根据场景对象来构建停车对应的三维轮廓简易模型以及构建三维对象模型,来表征停车场的空间结构,以及需要用于车辆拥堵预警的主要结构数据。
另外,此处等到的三维对象模型根据原场景对象直接构建得到,在尺寸上保持原场景信息对应的尺寸标准,故此处需要按照场景轮廓模型的大小与原场景信息中场景对象大小的比例进行缩小或者放大,来得到场景轮廓模型对应尺寸标准的三维对象模型,并与三维轮廓简易模型进行组合,即可得到场景轮廓模型。其中,三维轮廓简易模型表征最基本的楼体或者停车场的结构,三维对象模型则表征停车位、行车道、动态电梯等信息。
203、通过监控设备采集各标记位置信息对应的车辆数据,并采用车辆数据在场景轮廓模型中进行车辆分布分析,得到车辆分布信息;
204、根据车辆分布信息,确定场景轮廓模型中车辆分布的连续空间并将连续空间车辆分布转换成车辆分布的离散空间;
205、在离散空间,对车辆分布进行邻域计算,并根据邻域计算的结果,将离散空间中的车辆作为节点进行连接,得到邻接矩阵;
206、根据邻接矩阵,在场景轮廓模型中搜索全局最优通行路径的行驶路线,将规划的行驶路线拼接至场景轮廓模型中并进行显示推送,以及根据车辆分布信息,判断当前的目标停车场是否存在预警项目;
本实施例中,此处将场景轮廓模型进行切割,将整个停车场以车辆分布为基础的连续空间分成行车道、停车位、消防通道、出入闸口、车辆和/或墙体等相互独立组分的离散空间。其中,可以将行车道作为可以通行的空间,将车辆作为拥堵节点(寻路节点),其他的组分作为障碍物,反向计算在存在拥堵的路线,然后推出不存在拥堵的路线来确定全局最优通行路径的行驶路线。
具体的,在对拥堵节点进行邻域计算时,对各个拥堵节点进行无碰撞检测,并剔除与障碍物发生碰撞的拥堵节点,表示剔除的拥堵节点不会造成停车场拥堵,可以判断每个拥堵节点的路径距离在L米距离内是否存在预置数量的其他拥堵节点,如何存在,则将L米距离内的其他拥堵节点与该拥堵节点进行连接,得到邻接矩阵。
另外,在得到邻接矩阵后,可以以邻接矩阵确定未发生堵塞的行车道,进行全局最优通行路径的行驶路线规划,此时针对进场车辆寻找车位的行驶路线规划,可以以拥堵车线的最前和最后一辆车辆、交叉路口位置等为起点,以各个空闲停车位为终点,进行最优通行路径搜索,以得到对应进场的行驶路线;针对出场车辆寻找出口的行驶路线规划,可以以拥堵路线的最前和最后一辆车辆、交车路口位置等为起点,各个停车场出口为终点,进行最优通行路径搜索,以得到对应出场的行驶路线。
207、若存在,则根据车辆分布信息,通过监控设备采集车辆图像,并通过预置道路预警模型对车辆图像预警识别,得到车辆预警信息;
208、基于车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送。
本发明实施例中,通过场景信息中的场景对象来构建三维轮廓简易模型和三维对象模型,并按照预设比例对三维对象模型进行缩放,再与三维轮廓简易模型,实现停车场的场景轮廓模型的构建,以用于后续对该停车场的车辆违停进行预警和发生拥堵后进行路线规划。
请参阅图3,本发明实施例中停车场的车辆拥堵预警方法的第三个实施例包括:
301、获取目标停车场对应的场景信息,并提取静态场景信息中的静态场景对象,以及提取动态场景信息中的动态场景对象,其中,场景对象包括静态场景对象和动态场景对象;
302、采用静态场景对象和动态场景对象构建,三维轮廓简易模型,以及采用静态场景对象构建预置第一格式的三维静态对象模型,和采用动态场景对象构建预置第二格式的三维动态对象模型,其中,三维对象模型包括三维静态对象模型和三维动态对象模型;
本实施例中,静态场景信息可以包括固定不变的大楼结构、楼梯结构、排气管布线、电梯井位置等信息,动态场景信息可以包括扶手电梯、垂直电梯等动态变化信息,比如电梯滑动速度、楼层停留时间等。通过静态场景对象来构建三维静态对象模型,通过动态场景对象来构建三维动态对象模型,以增强视觉效果,以及场景仿真程度。
具体的,三维静态对象模型可以以第一格式比如Obj文件格式进行存储,三维动态对象模型可以以第二格式比如Fbx文件格式进行存储。另外,在针对监控设备的位置标记信息的导入时,通过获取停车场的出入闸口、外部摄像头和内部摄像头等位置,以打点的方式标记在场景轮廓模型中。
303、按照预设比例对三维对象模型进行缩放,并将缩放后的三维对象模型与三维轮廓简易模型进行组合,得到对应的场景轮廓模型,其中,场景轮廓模型包括监控设备的标记位置信息;
304、通过监控设备采集各标记位置信息对应的车辆数据,并采用车辆数据在场景轮廓模型中进行车辆分布分析,得到车辆分布信息;
305、根据车辆分布信息,进行行驶路线规划,将规划的行驶路线拼接至场景轮廓模型中并进行显示推送,以及根据车辆分布信息,判断当前的目标停车场是否存在预警项目;
306、若存在,则根据车辆分布信息,通过监控设备采集车辆图像,并通过预置道路预警模型,识别车辆图像中车辆的行停特征,并根据行停特征,确定车辆图像中车辆的行停区域和行停分布;
307、根据行停区域和行停分布,对预警类别分析,得到对应的预警类别,其中,预警类别包括占道预警和拥堵预警;
308、基于行停区域和预警类别生成车辆预警信息;
本实施例中,通过摄像头拍摄车辆图像,调用道路预警模型中的图片识别算法进行预警识别,如果大量车辆排队或者停在路中,则触发拥堵预警,如果车辆停在路肩或者车辆停在非规划区域,则触发占道预警,并可通过图像识别算法提供相关车辆的信息,如车牌等,以此生成车辆预警信息。
309、基于车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送。
本发明实施例中,通过第一、第二、第三监控设备来收集不同停车场区域的车辆数据,然后通过通过车辆的行停特征,来确定车辆的行停区域和行停分布,以分析出停车场当前的预警类别,得到车辆预警信息,以对车辆拥堵或者占道进行预警识别,利用停车场中原有的硬件设备来辅助工作人员快速疏通拥堵区域以及辅助车主规划最优的行停路线。
上面对本发明实施例中停车场的车辆拥堵预警方法进行了描述,下面对本发明实施例中停车场的车辆拥堵预警装置进行描述,请参阅图4,本发明实施例中停车场的车辆拥堵预警装置一个实施例包括:
构建模块401,用于获取目标停车场对应的场景信息,并采用场景信息构建对应的场景轮廓模型,其中,场景轮廓模型包括监控设备的标记位置信息;
分析模块402,用于通过监控设备采集各标记位置信息对应的车辆数据,并采用车辆数据在场景轮廓模型中进行车辆分布分析,得到车辆分布信息;
规划模块403,用于根据车辆分布信息,进行行驶路线规划,将规划的行驶路线拼接至场景轮廓模型中并进行显示推送,以及根据车辆分布信息,判断当前的目标停车场是否存在预警项目;
识别模块404,用于若存在,则根据车辆分布信息,通过监控设备采集车辆图像,并通过预置道路预警模型对车辆图像预警识别,得到车辆预警信息;
生成模块405,用于基于车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送。
本发明实施例中,通过停车场的场景信息构建该停车场的场景轮廓模型;然后通过该场景轮廓模型来进行行驶路线规划,并将规划的行驶路线拼接至场景轮廓模型中,再通过根据车辆分布信息来确定当前的目标停车场是否存在预警项目和预警识别,对识别到的车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送,以对停车场的运行情况实现可视化监管和疏导,降低停车场的监管难度。
请参阅图5,本发明实施例中停车场的车辆拥堵预警装置的另一个实施例包括:
构建模块401,用于获取目标停车场对应的场景信息,并采用场景信息构建对应的场景轮廓模型,其中,场景轮廓模型包括监控设备的标记位置信息;
分析模块402,用于通过监控设备采集各标记位置信息对应的车辆数据,并采用车辆数据在场景轮廓模型中进行车辆分布分析,得到车辆分布信息;
规划模块403,用于根据车辆分布信息,进行行驶路线规划,将规划的行驶路线拼接至场景轮廓模型中并进行显示推送,以及根据车辆分布信息,判断当前的目标停车场是否存在预警项目;
识别模块404,用于若存在,则根据车辆分布信息,通过监控设备采集车辆图像,并通过预置道路预警模型对车辆图像预警识别,得到车辆预警信息;
生成模块405,用于基于车辆预警信息,在场景轮廓模型中进行生成预警场景并进行显示推送。
具体的,构建模块401包括:
构建单元4011,用于提取场景信息中的场景对象,并采用场景对象构建三维轮廓简易模型和三维对象模型;
组合单元4012,用于按照预设比例对三维对象模型进行缩放,并将缩放后的三维对象模型与三维轮廓简易模型进行组合,得到对应的场景轮廓模型。
具体的,场景信息包括静态场景信息和动态场景信息,构建单元4011还用于:
提取静态场景信息中的静态场景对象,以及提取动态场景信息中的动态场景对象,其中,场景对象包括静态场景对象和动态场景对象;
采用静态场景对象和动态场景对象构建,三维轮廓简易模型,以及采用静态场景对象构建预置第一格式的三维静态对象模型,和采用动态场景对象构建预置第二格式的三维动态对象模型,其中,三维对象模型包括三维静态对象模型和三维动态对象模型。
具体的,规划模块403包括:
转换单元4031,用于根据车辆分布信息,确定场景轮廓模型中车辆分布的连续空间并将连续空间车辆分布转换成车辆分布的离散空间;
连接单元4032,用于在离散空间,对车辆分布进行邻域计算,并根据邻域计算的结果,将离散空间中的车辆作为节点进行连接,得到邻接矩阵;
搜索单元4033,用于根据邻接矩阵,在场景轮廓模型中搜索全局最优通行路径的行驶路线。
具体的,识别模块404包括:
识别单元4041,用于通过预置道路预警模型,识别车辆图像中车辆的行停特征,并根据行停特征,确定车辆图像中车辆的行停区域和行停分布;
分析单元4042,用于根据行停区域和行停分布,对预警类别分析,得到对应的预警类别,其中,预警类别包括占道预警和拥堵预警;
生成单元4043,用于基于行停区域和预警类别生成车辆预警信息。
具体的,监控设备包括第一监控设备、第二监控设备和第三监控设备,分析模块402包括:
第一采集单元4021,用于通过第一监控设备采集目标停车场的进出闸口对应标记位置的现有车辆数据;
第二采集单元4022,用于通过第二监控设备采集目标停车场的外部区域对应标记位置的车辆入场需求数据;
第三采集单元4023,用于通过第三监控设备采集目标停车场的内部停行区域对应标记位置的车辆行停数据;
组合单元4024,用于组合现有车辆数据、入场需求数据和车辆行停数据,得到对应的车辆数据。
本发明实施例中,通过场景信息中的场景对象来构建三维轮廓简易模型和三维对象模型,并按照预设比例对三维对象模型进行缩放,再与三维轮廓简易模型,实现停车场的场景轮廓模型的构建,以用于后续对该停车场的车辆违停进行预警和发生拥堵后进行路线规划;另外,通过第一、第二、第三监控设备来收集不同停车场区域的车辆数据,然后通过通过车辆的行停特征,来确定车辆的行停区域和行停分布,以分析出停车场当前的预警类别,得到车辆预警信息,以对车辆拥堵或者占道进行预警识别,利用停车场中原有的硬件设备来辅助工作人员快速疏通拥堵区域以及辅助车主规划最优的行停路线。
上面图4和图5从模块化功能实体的角度对本发明实施例中的停车场的车辆拥堵预警装置进行详细描述,下面从硬件处理的角度对本发明实施例中停车场的车辆拥堵预警设备进行详细描述。
图6是本发明实施例提供的一种停车场的车辆拥堵预警设备的结构示意图,该停车场的车辆拥堵预警设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对停车场的车辆拥堵预警设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在停车场的车辆拥堵预警设备600上执行存储介质630中的一系列指令操作。
停车场的车辆拥堵预警设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的停车场的车辆拥堵预警设备结构并不构成对停车场的车辆拥堵预警设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种停车场的车辆拥堵预警设备,计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的停车场的车辆拥堵预警方法的步骤。本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述停车场的车辆拥堵预警方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (10)
1.一种停车场的车辆拥堵预警方法,其特征在于,所述停车场的车辆拥堵预警方法包括:
获取目标停车场对应的场景信息,并采用所述场景信息构建对应的场景轮廓模型,其中,所述场景轮廓模型包括监控设备的标记位置信息;
通过所述监控设备采集各所述标记位置信息对应的车辆数据,并采用所述车辆数据在所述场景轮廓模型中进行车辆分布分析,得到车辆分布信息;
根据所述车辆分布信息,进行行驶路线规划,将规划的行驶路线拼接至所述场景轮廓模型中并进行显示推送,以及根据所述车辆分布信息,判断当前的目标停车场是否存在预警项目;
若存在,则根据所述车辆分布信息,通过所述监控设备采集车辆图像,并通过预置道路预警模型对所述车辆图像预警识别,得到车辆预警信息;
基于所述车辆预警信息,在所述场景轮廓模型中进行生成预警场景并进行显示推送。
2.根据权利要求1所述的停车场的车辆拥堵预警方法,其特征在于,所述采用所述场景信息构建对应的场景轮廓模型包括:
提取所述场景信息中的场景对象,并采用所述场景对象构建三维轮廓简易模型和三维对象模型;
按照预设比例对所述三维对象模型进行缩放,并将缩放后的三维对象模型与所述三维轮廓简易模型进行组合,得到对应的场景轮廓模型。
3.根据权利要求2所述的停车场的车辆拥堵预警方法,其特征在于,所述场景信息包括静态场景信息和动态场景信息,所述提取所述场景信息中的场景对象,并采用所述场景对象构建三维轮廓简易模型和三维对象模型包括:
提取所述静态场景信息中的静态场景对象,以及提取所述动态场景信息中的动态场景对象,其中,所述场景对象包括静态场景对象和动态场景对象;
采用所述静态场景对象和所述动态场景对象构建,三维轮廓简易模型,以及采用所述静态场景对象构建预置第一格式的三维静态对象模型,和采用所述动态场景对象构建预置第二格式的三维动态对象模型,其中,所述三维对象模型包括三维静态对象模型和三维动态对象模型。
4.根据权利要求1所述的停车场的车辆拥堵预警方法,其特征在于,所述根据所述车辆分布信息,进行行驶路线规划包括:
根据所述车辆分布信息,确定所述场景轮廓模型中车辆分布的连续空间并将所述连续空间车辆分布转换成车辆分布的离散空间;
在所述离散空间,对车辆分布进行邻域计算,并根据邻域计算的结果,将所述离散空间中的车辆作为节点进行连接,得到邻接矩阵;
根据所述邻接矩阵,在所述场景轮廓模型中搜索全局最优通行路径的行驶路线。
5.根据权利要求1所述的停车场的车辆拥堵预警方法,其特征在于,所述通过预置道路预警模型对所述车辆图像预警识别,得到车辆预警信息包括:
通过预置道路预警模型,识别所述车辆图像中车辆的行停特征,并根据所述行停特征,确定所述车辆图像中车辆的行停区域和行停分布;
根据所述行停区域和所述行停分布,对所述预警类别分析,得到对应的预警类别,其中,所述预警类别包括占道预警和拥堵预警;
基于所述行停区域和所述预警类别生成车辆预警信息。
6.根据权利要求1-5中任一项所述的停车场的车辆拥堵预警方法,其特征在于,所述监控设备包括第一监控设备、第二监控设备和第三监控设备,所述通过所述监控设备采集各所述标记位置信息对应的车辆数据包括:
通过所述第一监控设备采集目标停车场的进出闸口对应标记位置的现有车辆数据;
通过所述第二监控设备采集目标停车场的外部区域对应标记位置的车辆入场需求数据;
通过所述第三监控设备采集目标停车场的内部停行区域对应标记位置的车辆行停数据;
组合所述现有车辆数据、入场需求数据和所述车辆行停数据,得到对应的车辆数据。
7.一种停车场的车辆拥堵预警装置,其特征在于,所述停车场的车辆拥堵预警装置包括:
构建模块,用于获取目标停车场对应的场景信息,并采用所述场景信息构建对应的场景轮廓模型,其中,所述场景轮廓模型包括监控设备的标记位置信息;
分析模块,用于通过所述监控设备采集各所述标记位置信息对应的车辆数据,并采用所述车辆数据在所述场景轮廓模型中进行车辆分布分析,得到车辆分布信息;
规划模块,用于根据所述车辆分布信息,进行行驶路线规划,将规划的行驶路线拼接至所述场景轮廓模型中并进行显示推送,以及根据所述车辆分布信息,判断当前的目标停车场是否存在预警项目;
识别模块,用于若存在,则根据所述车辆分布信息,通过所述监控设备采集车辆图像,并通过预置道路预警模型对所述车辆图像预警识别,得到车辆预警信息;
生成模块,用于基于所述车辆预警信息,在所述场景轮廓模型中进行生成预警场景并进行显示推送。
8.根据权利要求7所述的停车场的车辆拥堵预警装置,其特征在于,所述构建模块包括:
构建单元,用于提取所述场景信息中的场景对象,并采用所述场景对象构建三维轮廓简易模型和三维对象模型;
组合单元,用于按照预设比例对所述三维对象模型进行缩放,并将缩放后的三维对象模型与所述三维轮廓简易模型进行组合,得到对应的场景轮廓模型。
9.一种停车场的车辆拥堵预警设备,其特征在于,所述停车场的车辆拥堵预警设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述停车场的车辆拥堵预警设备执行如权利要求1-6中任意一项所述的停车场的车辆拥堵预警方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-6中任意一项所述停车场的车辆拥堵预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210152078.XA CN114550451B (zh) | 2022-02-18 | 2022-02-18 | 停车场的车辆拥堵预警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210152078.XA CN114550451B (zh) | 2022-02-18 | 2022-02-18 | 停车场的车辆拥堵预警方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114550451A true CN114550451A (zh) | 2022-05-27 |
CN114550451B CN114550451B (zh) | 2023-08-18 |
Family
ID=81676512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210152078.XA Active CN114550451B (zh) | 2022-02-18 | 2022-02-18 | 停车场的车辆拥堵预警方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114550451B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116385978A (zh) * | 2023-06-06 | 2023-07-04 | 北京阳光海天停车管理有限公司 | 停车场的监控方法、装置和可读存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170341640A1 (en) * | 2016-05-27 | 2017-11-30 | Hon Hai Precision Industry Co., Ltd. | Intelligent parking system |
KR101851682B1 (ko) * | 2017-11-17 | 2018-04-24 | 주식회사 사라다 | 인접 도로영상의 분석을 통한 주차장 혼잡정보 제공장치 및 제공방법 |
CN108766022A (zh) * | 2018-06-11 | 2018-11-06 | 青岛串并联电子科技有限公司 | 基于机器学习的停车场车位状态识别方法及系统 |
CN108898877A (zh) * | 2018-07-02 | 2018-11-27 | 聂影 | 一种基于北斗定位的大型地下停车场停车位的智能搜索系统 |
CN109131318A (zh) * | 2018-10-19 | 2019-01-04 | 清华大学 | 一种基于拓扑地图的自主泊车路径协调方法 |
CN109191906A (zh) * | 2018-11-12 | 2019-01-11 | 广西民族师范学院 | 一种停车场分布式智能引导系统及方法 |
CN109389833A (zh) * | 2018-11-15 | 2019-02-26 | 北京悦畅科技有限公司 | 一种车辆拥堵预警方法和装置 |
CN109615904A (zh) * | 2018-11-16 | 2019-04-12 | 广东安居宝数码科技股份有限公司 | 停车管理方法、装置、计算机设备和存储介质 |
CN111081047A (zh) * | 2019-12-10 | 2020-04-28 | 重庆邮电大学 | 一种基于光电图像处理的精准智能停车管理方法及管理系统 |
CN111276007A (zh) * | 2020-01-20 | 2020-06-12 | 深圳市廿年科技有限公司 | 一种通过摄像头对停车场的汽车定位和导航的方法 |
CN111402585A (zh) * | 2020-03-25 | 2020-07-10 | 中南大学 | 偶发性拥堵路径的探测方法 |
CN111797001A (zh) * | 2020-05-27 | 2020-10-20 | 中汽数据有限公司 | 一种基于SCANeR的自动驾驶仿真测试模型的构建方法 |
CN112863229A (zh) * | 2020-12-30 | 2021-05-28 | 中兴智能交通股份有限公司 | 一种基于停车设备和技术实现无人值守的系统及其方法 |
CN113744560A (zh) * | 2021-09-15 | 2021-12-03 | 厦门科拓通讯技术股份有限公司 | 停车场自动泊车方法、装置、服务器和机器可读存储介质 |
-
2022
- 2022-02-18 CN CN202210152078.XA patent/CN114550451B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170341640A1 (en) * | 2016-05-27 | 2017-11-30 | Hon Hai Precision Industry Co., Ltd. | Intelligent parking system |
KR101851682B1 (ko) * | 2017-11-17 | 2018-04-24 | 주식회사 사라다 | 인접 도로영상의 분석을 통한 주차장 혼잡정보 제공장치 및 제공방법 |
CN108766022A (zh) * | 2018-06-11 | 2018-11-06 | 青岛串并联电子科技有限公司 | 基于机器学习的停车场车位状态识别方法及系统 |
CN108898877A (zh) * | 2018-07-02 | 2018-11-27 | 聂影 | 一种基于北斗定位的大型地下停车场停车位的智能搜索系统 |
CN109131318A (zh) * | 2018-10-19 | 2019-01-04 | 清华大学 | 一种基于拓扑地图的自主泊车路径协调方法 |
CN109191906A (zh) * | 2018-11-12 | 2019-01-11 | 广西民族师范学院 | 一种停车场分布式智能引导系统及方法 |
CN109389833A (zh) * | 2018-11-15 | 2019-02-26 | 北京悦畅科技有限公司 | 一种车辆拥堵预警方法和装置 |
CN109615904A (zh) * | 2018-11-16 | 2019-04-12 | 广东安居宝数码科技股份有限公司 | 停车管理方法、装置、计算机设备和存储介质 |
CN111081047A (zh) * | 2019-12-10 | 2020-04-28 | 重庆邮电大学 | 一种基于光电图像处理的精准智能停车管理方法及管理系统 |
CN111276007A (zh) * | 2020-01-20 | 2020-06-12 | 深圳市廿年科技有限公司 | 一种通过摄像头对停车场的汽车定位和导航的方法 |
CN111402585A (zh) * | 2020-03-25 | 2020-07-10 | 中南大学 | 偶发性拥堵路径的探测方法 |
CN111797001A (zh) * | 2020-05-27 | 2020-10-20 | 中汽数据有限公司 | 一种基于SCANeR的自动驾驶仿真测试模型的构建方法 |
CN112863229A (zh) * | 2020-12-30 | 2021-05-28 | 中兴智能交通股份有限公司 | 一种基于停车设备和技术实现无人值守的系统及其方法 |
CN113744560A (zh) * | 2021-09-15 | 2021-12-03 | 厦门科拓通讯技术股份有限公司 | 停车场自动泊车方法、装置、服务器和机器可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116385978A (zh) * | 2023-06-06 | 2023-07-04 | 北京阳光海天停车管理有限公司 | 停车场的监控方法、装置和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114550451B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bura et al. | An edge based smart parking solution using camera networks and deep learning | |
US20220081002A1 (en) | Autonomous driving vehicle and dynamic planning method of drivable area | |
US11874119B2 (en) | Traffic boundary mapping | |
EP2603770B1 (en) | Parking lot detection using probe data | |
KR102099605B1 (ko) | 실시간 최적 주차 경로 안내 시스템 및 방법 | |
Dai et al. | Residential building facade segmentation in the urban environment | |
JP6984379B2 (ja) | 道路構造データ生成装置 | |
CN110606093A (zh) | 车辆性能评测方法、装置、设备和存储介质 | |
Thornton et al. | Automated parking surveys from a LIDAR equipped vehicle | |
CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及系统 | |
CN111276007A (zh) | 一种通过摄像头对停车场的汽车定位和导航的方法 | |
CN111292540A (zh) | 用于求取确定的状态信息的方法、控制装置和系统 | |
CN111081047A (zh) | 一种基于光电图像处理的精准智能停车管理方法及管理系统 | |
CN113650604A (zh) | 一种自动泊车控制方法、装置、电子设备和存储介质 | |
CN113807588A (zh) | 基于交通事故的行车路径规划方法及装置 | |
CN112908014A (zh) | 停车场寻车方法及装置 | |
CN114550451B (zh) | 停车场的车辆拥堵预警方法、装置、设备及存储介质 | |
Pi et al. | Visual recognition for urban traffic data retrieval and analysis in major events using convolutional neural networks | |
CN112990759B (zh) | 基于数字孪生的数据处理系统 | |
CN112418081B (zh) | 一种空地联合快速勘察交通事故的方法及系统 | |
CN110991929B (zh) | 一种基于管道胶囊进行城市管网协同检测的方法及系统 | |
CN112665875A (zh) | 自动驾驶车辆可靠性测试方法、装置、电子设备以及存储介质 | |
CN114596704B (zh) | 交通事件处理方法、装置、设备及存储介质 | |
CN113838283B (zh) | 一种车辆的位置状态标记方法、装置、存储介质及终端 | |
CN114724403A (zh) | 停车位引导方法、系统、设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |