CN114648881B - 一种基于机器学习的车库智能控制方法及系统 - Google Patents

一种基于机器学习的车库智能控制方法及系统 Download PDF

Info

Publication number
CN114648881B
CN114648881B CN202210246314.4A CN202210246314A CN114648881B CN 114648881 B CN114648881 B CN 114648881B CN 202210246314 A CN202210246314 A CN 202210246314A CN 114648881 B CN114648881 B CN 114648881B
Authority
CN
China
Prior art keywords
vehicle
garage
parking
license plate
monitoring
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.)
Active
Application number
CN202210246314.4A
Other languages
English (en)
Other versions
CN114648881A (zh
Inventor
程娟娟
陆海红
宋家豪
谢晓丽
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.)
Nanjing College of Information Technology
Original Assignee
Nanjing College of Information Technology
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 Nanjing College of Information Technology filed Critical Nanjing College of Information Technology
Priority to CN202210246314.4A priority Critical patent/CN114648881B/zh
Publication of CN114648881A publication Critical patent/CN114648881A/zh
Application granted granted Critical
Publication of CN114648881B publication Critical patent/CN114648881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G08G1/017—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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
    • 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
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • 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
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Traffic Control Systems (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

本发明公开了车库管控领域的一种基于机器学习的车库智能控制方法及系统，包括：采集车库出入口的实时图像信息，对实时图像信息进行预处理获得监测图像；将监测图像输入至预先训练好的图像识别模型，获取所述车辆的车型大小和车牌信息；根据车型大小和车牌信息为车辆匹配车位，根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位；从车辆驶入车库时开始计费，当车辆行驶至车库出口时根据车牌信息进行结算缴费；本发明通过现有监控设备，根据车型大小和车牌信息为车辆匹配车位，避免车库升级受到施工原因影响正常使用，提高了分配各种车位的管理效率，车辆停车导航路线避免了出现车辆拥堵的情况。

Description

一种基于机器学习的车库智能控制方法及系统
技术领域
本发明属于车库管控领域，具体涉及一种基于机器学习的车库智能控制方法及系统。
背景技术
随着人民生活水平的提高，私家车的种类和车型的差异越来越大，除了标准的五座轿车外，还有双座小型汽车、七座加长车等多种不同型号的种类，因此可以将其依据车辆尺寸其划分为a、b、c三类汽车型号，对应车库中可以划分不同面积的车位，这样可以使车库的使用效率大大提高，也避免了部分车辆尺寸过大而导致车位停不下的困难。
随着时代的发展、科技的进步，新型智能化车库应运而生，它的出现大大提高了使用和管理的效率。原有的车库为了符合消费者的需求，需要提高智能化程度。对于车库的智能化升级，可以使用视频方式检测方法或者非视频方式检测方法，其中非视频方法包含线圈检测、声波检测、红外检测、射频检测等，这些方法的通病是需要大量安装新设备，甚至需要车库停业施工来配合升级，这使得升级成本过高，且设备容易损坏，维护成本也不容忽视。
同时，现有的智能车库正虽已有自动计费功能，但是仍不够完善，例如用户在离开车库时，需要扫描出口处的二维码进行缴费，有的车库仍然采用人工收费的形式，这个过程会耗费许多时间，使得用户离开车库的效率大大降低，管理成本也比较可观，因此可以智能地计费并可以实时缴费的智能系统十分必要。
发明内容
本发明的目的在于提供一种基于机器学习的车库智能控制方法及系统，对车辆自动识别车型大小后匹配相适应的车位，并提供停车导航路线，提高了车库内车辆管路效率，避免了出现车辆拥堵的情况。
为达到上述目的，本发明所采用的技术方案是：
本发明第一方面提供了一种基于机器学习的车库智能控制方法，包括：
采集车库出入口的实时图像信息，对实时图像信息进行预处理获得监测图像；
将监测图像输入至预先训练好的图像识别模型，获取所述车辆的车型大小和车牌信息；
根据车型大小和车牌信息为车辆匹配车位，根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位；
从车辆驶入车库时开始计费，当车辆行驶至车库出口时根据车牌信息进行结算缴费。
优选的，采集车库出入口的实时图像信息，对实时图像信息进行预处理获得监测图像的方法包括：
当车辆行驶至车库的出入口时，通过监控设备拍摄车辆正面、侧面的图像；对车辆正面、侧面的图像进行筛选获得清晰的监测图像。
优选的，将监测图像输入至预先训练好的图像识别模型，获取所述车辆的车型大小和车牌信息的方法包括：
对车辆正面图像依次进行车牌定位、字符分割和字符识别获得车牌号；
将车辆的侧面图像中目标车辆区域进行分割和提取，对目标车辆区域进行计算分析获得车辆的长度、宽度和高度；根据车辆的长度、宽度和高度判断车辆的车型大小。
优选的，图像识别模型的训练过程包括：
采集包含不同车型大小的车辆正面、侧面的图像，构建训练数据集；
通过训练数据对图像识别模型进行训练，获得识别准确率大于设定值的图像识别模型。
优选的，根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位的方法包括：
将车库空闲泊车位的分布情况转化为坐标系，通过Dijkstra算法输入匹配车位的节点位置和权值，计算车辆停车最优导航路线的表达公式为：
其中，L表示为存储各个空闲车位节点的权值矩阵；P表示各个空闲车位的集合，P＝{P0,P1,...Pn}；P0表示车库入口节点，P1至Pn-1元素表示中间节点，Pn表示目标节点；Pi和Pi+1表示节点集合P中两个相邻节点；(xi,yi)和(xi+1,yi+1)分别为Pi和Pi+1的坐标值。
优选的，所述车库智能控制方法还包括：
车辆行驶入车位时，通过车位处的监控设备拍摄车辆侧面、侧面的图像，获取所述车辆的车型大小和车牌信息；
当车辆的车型大小以及车牌信息与存储的信息不一致时，输出车辆乱停放的预警。
优选的，所述车库智能控制方法还包括：
每间隔设定时间段通过车库道路上的监控设备采集停泊监测图像，计算间隔前后的停泊监测图像方差，计算公式为：
其中，Gs为前景与背景停泊监测图像做差的绝对值所得的像素的平均值，n代表停泊监测图像的像素的个数，σ表示停泊监测图像的方差；Gs(i,j)表示像素点s的像素值，(i，j)表示为像素点s的位置坐标，(i,j)∈Gs；
当停泊监测图像方差大于设定阈值时，判断有车辆停泊事故。
本发明第二方面提供了一种基于机器学习的车库智能控制系统，包括：
监测模块，用于采集车库出入口的实时图像信息，对实时图像信息进行预处理获得监测图像；
识别模块，用于将监测图像输入至预先训练好的图像识别模型，获取所述车辆的车型大小和车牌信息；
导航模块，用于根据车型大小和车牌信息为车辆匹配车位，根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位；
管理模块，用于从车辆驶入车库时开始计费，当车辆行驶至车库出口时根据车牌信息进行结算缴费。
优选的，还包括用户模块，用户扫描车库内的二维码进入用户模块，所述用户模块通过输入车牌号确认用户信息，所述用户模块设有显示车辆停放位置和实时停车费信息的显示单元以及缴纳停车费的缴费单元。
本发明第三方面提供了计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现所述车库智能控制方法的步骤。
与现有技术相比，本发明的有益效果：
本发明中将监测图像输入至预先训练好的图像识别模型，获取所述车辆的车型大小和车牌信息；当车辆行驶至车库入口时，根据车型大小和车牌信息为车辆匹配车位，并形成车辆停车导航路线引导车辆行驶至相应的停车位；本发明通过现有监控设备，根据车型大小和车牌信息为车辆匹配车位，避免车库升级受到施工原因影响正常使用，提高了分配各种车位的管理效率，车辆停车导航路线避免了出现车辆拥堵的情况。
附图说明
图1是本发明实施例提供的一种基于机器学习的车库智能控制系统的结构图；
图2是本发明实施例提供的一种基于机器学习的车库智能控制系统的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一
如图2所示，本实施例提供了一种基于机器学习的车库智能控制方法，包括：
步骤S1，采采集车库出入口的实时图像信息，对实时图像信息进行预处理获得监测图像的方法包括：
当车辆行驶至车库的出入口时，通过监控设备拍摄车辆正面、侧面的图像；对车辆正面、侧面的图像进行筛选获得清晰的监测图像，将入口、出口的监测图像分为两组，车库内部的监控按面积和位置分为若干组，将各组监测图像传送至运算模块；
步骤S2，将监测图像输入至预先训练好的图像识别模型，获取所述车辆的车型大小和车牌信息的方法包括：
图像识别模型的YOLO算法对车辆正面图像依次进行车牌定位、字符分割和字符识别获得车牌号；
图像识别模型的随机森林算法将车辆的侧面图像中目标车辆区域进行分割和提取，对目标车辆区域进行计算分析获得车辆的长度、宽度和高度；根据车辆的长度、宽度和高度判断车辆的车型大小。
图像识别模型的训练过程包括：
采集包含不同车型大小的车辆正面、侧面的图像，构建训练数据集；
通过训练数据对图像识别模型进行训练，获得识别准确率大于设定值的图像识别模型。
步骤S3，当车辆行驶至车库入口时，根据车型大小和车牌信息为车辆匹配车位，若仍有空余相应车型大小的车位，则控制闸杆抬起，让车辆进入，并开始计费；
对于S2中获得的车的车型大小x(x＝a,b,c)，查找该车型对应的车位可使用数量Nx，若Nx＝0，则该车位已满，拒绝用户进入车库；若Nx＞0，则仍有空余车位可供使用，管理模块控制闸杆抬起，让用户车辆进入，此时车位可使用数量变为Nx-1。
停车费用C的计算公式如下：
其中，Px为类型x车费单价，t为以小时为单位的停车时间。由于Px是固定的参数，每小时更新一次车费实现实时计费。
步骤S4，根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位的方法包括：
将车库空闲泊车位的分布情况转化为坐标系，通过Dijkstra算法输入匹配车位的节点位置和权值，计算车辆停车最优导航路线的表达公式为：
其中，L表示为存储各个空闲车位节点的权值矩阵；P表示各个空闲车位的集合，P＝{P0,P1,...Pn}；P0表示车库入口节点，P1至Pn-1元素表示中间节点，Pn表示目标节点；Pi和Pi+1表示节点集合P中两个相邻节点；(xi,yi)和(xi+1,yi+1)分别为Pi和Pi+1的坐标值。
步骤S5，车辆行驶入车位时，通过车位处的监控设备拍摄车辆侧面、侧面的图像，获取所述车辆的车型大小和车牌信息；当车辆的车型大小以及车牌信息与存储的信息不一致时，输出目标车辆乱停放的预警和实际停放位置。
每间隔设定时间段通过车库道路上的监控设备采集停泊监测图像，计算间隔前后的停泊监测图像方差，计算公式为：
其中，为前景与背景停泊监测图像做差的绝对值所得的像素的平均值，n代表停泊监测图像的像素的个数，σ表示停泊监测图像的方差；Gs(i,j)表示像素点s的像素值，(i，j)表示为像素点s的位置坐标，(i,j)∈Gs；
当停泊监测图像方差大于设定阈值时，判断有车辆停泊事故。
步骤S6：用户通过配对信息找到配对的车位，进而找到自己的车辆：用户可以通过扫描车库里的二维码进入用户模块，输入车牌号信息找到S5中匹配的车位信息。
步骤S7：用户通过用户模块进行缴费：用户扫描扫描车库里的二维码进入用户模块，输入车牌号信息可以查看S2中所计算的实时车费，也可以进行缴费。
S8：用户缴费后离开车库：
用户进入车库出口，系统判断用户缴费后，控制闸杆抬起，让车辆离开。同时该车的类型x(x＝a,b,c)所对应的该类型车位的可使用数量Nx变为Nx+1。
实施例二
如图1所示，本实施例提供了一种基于机器学习的车库智能控制系统，本车库智能控制系统可以应用实施例一所述车库智能控制方法，包括：
监测模块，用于采集车库出入口以的实时图像信息，对实时图像信息进行预处理获得监测图像；
运算模块，所述运算模块包括识别模块和导航模块，所述识别模块预先输入有训练好的YOLO深度算法模型和随机森林算法模型，所述识别模块用于将监测图像输入至预先训练好的图像识别模型，获取所述车辆的车型大小和车牌信息；所述导航模块内预先输入有训练好的迪杰斯特拉(Dijkstra)算法模型；所述导航模块用于根据车型大小和车牌信息为车辆匹配车位，根据匹配到的车位形成车辆停车导航路线发送给车辆以引导车辆行驶至相应的停车位；
管理模块，用于车辆驶入车库时开始计费，车辆行驶至车库出口时根据车牌信息进行结算缴费。
用户模块，用户扫描车库内的二维码进入用户模块，所述用户模块通过输入车牌号确认用户信息，所述用户模块设有显示车辆停放位置和实时停车费信息的显示单元以及缴纳停车费的缴费单元。
实施例三
本发明第三方面提供了计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现实施例一所述车库智能控制方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (7)

1.一种基于机器学习的车库智能控制方法，其特征在于，包括：
采集车库出入口的实时图像信息，对实时图像信息进行预处理获得监测图像；
将监测图像输入至预先训练好的图像识别模型，获取车辆的车型大小和车牌信息；
根据车型大小和车牌信息为车辆匹配车位，根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位；
每间隔设定时间段通过车库道路上的监控设备采集停泊监测图像，计算间隔前后的停泊监测图像方差，计算公式为：
其中，为前景与背景停泊监测图像做差的绝对值所得的像素的平均值，n代表停泊监测图像的像素的个数，σ表示停泊监测图像的方差；Gs(i,j)表示像素点s的像素值，(i，j)表示为像素点s的位置坐标，(i,j)∈Gs；
当停泊监测图像方差大于设定阈值时，判断有车辆停泊事故；
从车辆驶入车库时开始计费，当车辆行驶至车库出口时根据车牌信息进行结算缴费。
2.根据权利要求1所述的一种基于机器学习的车库智能控制方法，其特征在于，采集车库出入口的实时图像信息，对实时图像信息进行预处理获得监测图像的方法包括：
当车辆行驶至车库的出入口时，通过监控设备拍摄车辆正面、侧面的图像；对车辆正面、侧面的图像进行筛选获得清晰的监测图像。
3.根据权利要求2所述的一种基于机器学习的车库智能控制方法，其特征在于，将监测图像输入至预先训练好的图像识别模型，获取所述车辆的车型大小和车牌信息的方法包括：
对车辆正面图像依次进行车牌定位、字符分割和字符识别获得车牌号；
将车辆的侧面图像中目标车辆区域进行分割和提取，对目标车辆区域进行计算分析获得车辆的长度、宽度和高度；根据车辆的长度、宽度和高度判断车辆的车型大小。
4.根据权利要求3所述的一种基于机器学习的车库智能控制方法，其特征在于，图像识别模型的训练过程包括：
采集包含不同车型大小的车辆正面、侧面的图像，构建训练数据集；
通过训练数据对图像识别模型进行训练，获得识别准确率大于设定值的图像识别模型。
5.根据权利要求1所述的一种基于机器学习的车库智能控制方法，其特征在于，根据匹配到的车位生成车辆停车导航路线发送给车辆以引导车辆行驶至相应停车位的方法包括：
将车库空闲泊车位的分布情况转化为坐标系，通过Dijkstra算法输入匹配车位的节点位置和权值，计算车辆停车最优导航路线的表达公式为：
其中，L表示为存储各个空闲车位节点的权值矩阵；P表示各个空闲车位的集合，P＝{P0,P1,...Pn}；P0表示车库入口节点，P1至Pn-1元素表示中间节点，Pn表示目标节点；Pi和Pi+1表示节点集合P中两个相邻节点；(xi,yi)和(xi+1,yi+1)分别为Pi和Pi+1的坐标值。
6.根据权利要求1所述的一种基于机器学习的车库智能控制方法，其特征在于，所述车库智能控制方法还包括：
车辆行驶入车位时，通过车位处的监控设备拍摄车辆侧面、侧面的图像，获取所述车辆的车型大小和车牌信息；
当车辆的车型大小以及车牌信息与存储的信息不一致时，输出车辆乱停放的预警。
7.计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现权利要求1至6任意一项所述车库智能控制方法的步骤。
CN202210246314.4A 2022-03-14 2022-03-14 一种基于机器学习的车库智能控制方法及系统 Active CN114648881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210246314.4A CN114648881B (zh) 2022-03-14 2022-03-14 一种基于机器学习的车库智能控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210246314.4A CN114648881B (zh) 2022-03-14 2022-03-14 一种基于机器学习的车库智能控制方法及系统

Publications (2)

Publication Number Publication Date
CN114648881A CN114648881A (zh) 2022-06-21
CN114648881B true CN114648881B (zh) 2023-09-26

Family

ID=81993436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210246314.4A Active CN114648881B (zh) 2022-03-14 2022-03-14 一种基于机器学习的车库智能控制方法及系统

Country Status (1)

Country Link
CN (1) CN114648881B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739841A (zh) * 2009-12-22 2010-06-16 上海久银车库工程有限公司 停车库智能化综合监控及安保集成管理系统
CN103236157A (zh) * 2013-03-26 2013-08-07 长安大学 一种基于图像块的状态演变过程分析的停车事件检测方法
HK1254889A2 (zh) * 2018-12-06 2019-07-26 K11 Group Ltd 智能停車系統
KR20200039455A (ko) * 2018-10-05 2020-04-16 이성현 카메라와 센서를 이용해 차폭을 계산하여 차종을 구별하는 시스템, 및 차량 번호판을 인식해 운전자에게 주차 정보를 전송하는 지능형 주차관제 시스템
CN111583707A (zh) * 2020-05-28 2020-08-25 大洋泊车股份有限公司 一种立体停车场的智能导引方法
TW202046253A (zh) * 2019-06-13 2020-12-16 奇異平台股份有限公司 停車管理系統
CN112349129A (zh) * 2020-11-07 2021-02-09 杭州拼便宜网络科技有限公司 停车位导航方法及系统
CN112927376A (zh) * 2019-11-20 2021-06-08 青岛智宝网络科技有限公司 智能停车场管理系统
CN112950993A (zh) * 2017-10-13 2021-06-11 西安艾润物联网技术服务有限责任公司 智能停车塔楼的自动停车诱导方法、装置及存储介质
CN113140127A (zh) * 2021-04-29 2021-07-20 广州群志科技股份有限公司 一种物流停车场引导系统
CN113658450A (zh) * 2021-08-31 2021-11-16 中关村科学城城市大脑股份有限公司 一种停车位管理方法及相关设备
CN113990079A (zh) * 2021-10-28 2022-01-28 迅立达智能装备制造科技有限公司 一种基于智能机器人的立体停车管理系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739841A (zh) * 2009-12-22 2010-06-16 上海久银车库工程有限公司 停车库智能化综合监控及安保集成管理系统
CN103236157A (zh) * 2013-03-26 2013-08-07 长安大学 一种基于图像块的状态演变过程分析的停车事件检测方法
CN112950993A (zh) * 2017-10-13 2021-06-11 西安艾润物联网技术服务有限责任公司 智能停车塔楼的自动停车诱导方法、装置及存储介质
KR20200039455A (ko) * 2018-10-05 2020-04-16 이성현 카메라와 센서를 이용해 차폭을 계산하여 차종을 구별하는 시스템, 및 차량 번호판을 인식해 운전자에게 주차 정보를 전송하는 지능형 주차관제 시스템
HK1254889A2 (zh) * 2018-12-06 2019-07-26 K11 Group Ltd 智能停車系統
TW202046253A (zh) * 2019-06-13 2020-12-16 奇異平台股份有限公司 停車管理系統
CN112927376A (zh) * 2019-11-20 2021-06-08 青岛智宝网络科技有限公司 智能停车场管理系统
CN111583707A (zh) * 2020-05-28 2020-08-25 大洋泊车股份有限公司 一种立体停车场的智能导引方法
CN112349129A (zh) * 2020-11-07 2021-02-09 杭州拼便宜网络科技有限公司 停车位导航方法及系统
CN113140127A (zh) * 2021-04-29 2021-07-20 广州群志科技股份有限公司 一种物流停车场引导系统
CN113658450A (zh) * 2021-08-31 2021-11-16 中关村科学城城市大脑股份有限公司 一种停车位管理方法及相关设备
CN113990079A (zh) * 2021-10-28 2022-01-28 迅立达智能装备制造科技有限公司 一种基于智能机器人的立体停车管理系统

Also Published As

Publication number Publication date
CN114648881A (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN110197203B (zh) 基于宽度学习神经网络的桥梁路面裂缝分类识别方法
CN109887283B (zh) 一种基于卡口数据的道路拥堵预测方法、系统及装置
CN110047319B (zh) 停车场车位导航方法、电子装置及存储介质
CN110197166B (zh) 一种基于图像识别的车体装载状态识别装置及方法
CN107220603A (zh) 基于深度学习的车辆检测方法及装置
CN105118305B (zh) 室外停车场出口车辆管理平台
CN110298928A (zh) 无人值守的停车场收费管理方法、系统
CN109446881B (zh) 一种基于异构数据的高速公路路段交通状态检测方法
CN112289037B (zh) 基于复杂环境下高视角的机动车辆违规停车检测方法及系统
CN107808524A (zh) 一种基于无人机的道路交叉口车辆检测方法
CN111739333B (zh) 一种空车位识别方法
CN115083199B (zh) 一种车位信息确定方法及其相关设备
CN114926791A (zh) 一种路口车辆异常变道检测方法、装置、存储介质及电子设备
CN113409194B (zh) 泊车信息获取方法及装置、泊车方法及装置
CN114648881B (zh) 一种基于机器学习的车库智能控制方法及系统
CN112652174B (zh) 基于人脸验证的停车服务控制方法和系统
WO2023246720A1 (zh) 路侧停车检测方法、系统及电子设备
WO2022104798A1 (zh) 基于5g的无人驾驶电子交警执勤系统
JP6681965B2 (ja) 自律走行のための学習対象イメージ抽出装置及び方法
JP4739699B2 (ja) ナンバープレート認識装置及び方法
JP7097215B2 (ja) 車両推定装置、学習装置、及び車両推定方法
CN114170591A (zh) 一种基于Saas模式的智慧停车解决方法及系统
CN115116222B (zh) 一种多车道远程控制方法及系统
CN114005185B (zh) 一种基于物联网的智慧园区管理系统
CN114620059B (zh) 一种自动驾驶方法及其系统、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