CN114863714B - 一种地下停车位智能引导系统及停车后反向寻车方法 - Google Patents
一种地下停车位智能引导系统及停车后反向寻车方法 Download PDFInfo
- Publication number
- CN114863714B CN114863714B CN202210406939.2A CN202210406939A CN114863714B CN 114863714 B CN114863714 B CN 114863714B CN 202210406939 A CN202210406939 A CN 202210406939A CN 114863714 B CN114863714 B CN 114863714B
- Authority
- CN
- China
- Prior art keywords
- path
- parking
- parking space
- vehicle
- node
- 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
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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
-
- 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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种地下停车位智能引导系统及停车后反向寻车方法,包括信息采集系统、信息处理系统、控制系统、服务终端和灯光路径带。本发明针对地下停车场的特殊环境基于NB‑IOT、车牌识别技术与车位检测技术实现车牌与车位的信息采集;考虑驾驶员视觉和心理因素,基于改进的蚁群算法设计最短路径算法,对路径进行双层优化以获取最佳停车诱导路径;采用颜色灯光路径带指引司机进行泊车诱导,帮助司机快速找到停车位,提高地下停车场的利用率,并基于WiFi、激光扫描仪与3D‑MAP软件等设备,引入反向寻车技术与3D地图导航技术,将灯光诱导路径与实时车辆场景三维地图模型相结合车设计“停‑寻”车一体化服务,大大提高大型地下停车场的效率和服务水平。
Description
技术领域
本发明涉及停车场泊车系统技术领域,特别是涉及一种地下停车位智能引导系统及停车后反向寻车方法。
背景技术
随着我国社会经济的发展,汽车保有量在不断的上升,越来越多的人选择私家车出行,停车场也越建设越大,并且出现大型化、多层化地下停车场。虽然地下停车场在节约用地和提高城市经济价值方面有着不可忽视的作用,但是由于地下停车场布局错综复杂、GPS(Global Positioning System)卫星信号弱、光线不足造成大多数司机进入地下停车区域不能很快找到停车位,需要不断的人工巡停。有的时候出现司机找了半天还是没有找到一个停车位的状况,或者刚看见一个停车位却被人“抢占先机”,造成时间浪费的情况,更有甚者为了抢占停车位而大打出手,造成不文明行为的发生;而且地下空间有限、空气不清新再加上一些汽车排放的汽车尾气,如果长时间待在地下停车场会造成身体不适等症状。
发明内容
针对现有的问题,本发明提供了一种基于NB-IOT技术、车牌识别技术和车位检测技术的地下停车场停车位智能引导系统及反向寻车方法;同时引入改进的最短路径算法为进入地下停车场的车主规划最适合停车位和最短的停车路径,大大减少巡停时间,提高停车效率,同时引入灯光控制技术,利用地下停车场固有的灯光设施,实现对进入不熟悉地下停车场结构的司机提供灯光指引,从单一的静态指示标志到动态的灯光指引,使得进入地下停车场的司机能够快速找到停车位,减少巡停时间,智能技术支持“一人一车一位”,不存在“抢占先机”的情况,大大提高了地下停车场的利用率,并引入反向寻车技术和3D地图导航技术,司机能够安全、优质、高效停车的同时也能顺利反向找到自己的车,减少反向寻车的时间。
本发明是通过以下技术方案实现的:
一种地下停车位智能引导系统,包括信息采集系统、信息处理系统、控制系统和服务终端;所述信息采集系统、控制系统以及服务终端分别与信息处理系统连接;所述信息采集系统包括车牌识别模块和车位检测模块;所述信息处理系统采用NB-IOT模块;所述控制系统包括微控制器以及分别与微控制器连接的继电器开关、可控硅控制器和光传感器;所述服务终端设有三维地图模块;所述车牌识别模块和车位检测模块分别与NB-IOT模块连接;所述继电器开关和可控硅控制器分别与NB-IOT模块连接;所述引导系统还包括与控制系统连接的灯光路径带;所述灯光路径带从停车场的车牌识别区延伸至每个车位以及服务终端安装位置。所述服务终端可通过扫码、输入信息等方式进行信息查询、三维地图查询等操作。
对本发明的进一步说明,所述车牌识别模块设于停车场入口处;所述车位检测模块设于每个车位内;所述车位检测模块包括地磁感应器和超声波检测器;所述地磁感应器设于车位的下部,所述超声波检测器设于车位的顶部;所述地磁感应器包括单片机以及与单片机连接的地磁传感器;所述超声波检测器包括单片机以及与单片机连接的驱动电路、接收电路、通信模块和超声波传感器;所述服务终端设于停车场各入口处。
一种地下停车位智能引导系统的停车及停车后反向寻车方法,包括以下步骤:
1)车牌信息采集并上传:在车辆进入地下停车场后,首先通过车牌识别模块进行车牌信息的采集,并对车牌图像进行灰度化和二值化处理;然后对车牌先后进行粗精定位,从而获得一个去除了噪音等影响因素的稳定可供分割图像;最后对分割出的字符作识别处理,得出完整的车牌信息,并将信息传输给NB-IOT模块;
2)车位信息采集:地磁感应器的单片机与超声波检测器的单片机互相连接进行数据传输,地磁感应器的单片机内部的存储器中固设有中值滤波算法对数据预处理,并可以通过对比设定的阀值判断车位状态即当前车位是否有车辆停放;而当地磁感应器获取车位状态时,为了减少不同车型对地磁感应的影响,此时超声波检测器就会进行辅助检测、校验;双重检测的方法能够提高车位状态检测的精准度,然后将车位信息上传到NB-IOT模块;
3)匹配车位:NB-IOT模块根据车牌信息和车位信息引入最短路径算法为车辆寻找停车距离最短的最匹配的停车位,并把最佳停车路径下发到控制系统;
4)灯光引导停车:控制系统的微控制器接收NB-IOT模块下传的停车路径,然后微控制器通过继电器开关打开停车路径上的灯光路径带,灯光路径带会将车辆引导至系统指定区域,当车主到达指定区域后,再继续根据灯光路径带指示行驶到最匹配的空车位停车;车位上的车位检测模块在获取车辆到达信息后立即上传至NB-IOT模块,然后反馈到微控制器关闭灯光路径带完成停车诱导;
5)反向寻车:用户寻找车辆时,在服务终端输入车牌号码,然后服务终端会将用户输入的车牌信息上传至NB-IOT模块,NB-IOT模块通过车牌号码调取停车位信息,将车位信息下传给控制系统,控制系统的微控制器接收NB-IOT模块下传的车位信息,通过继电器开关打开从服务终端到达车位的灯光路径,并同时启动三维地图导航进行反向寻车;车位上的车位检测模块在检测车辆离开信息后立即上传至NB-IOT模块,然后反馈到微控制器关闭灯光路径带完成寻车;
6)光传感器判断停车场的光线强度,当时间进入夜晚,微控制器通过可控硅控制器控制灯光路径带的灯光强度随着停车场光线强度的变弱而不断降低,以此缓解光强变化对驾驶员的影响。
对本发明的进一步说明,所述步骤2)中,地磁感应器通过接收的三轴磁场数据信号,判断车位状态;即三轴分别是X轴、Y轴、Z轴,当车辆进入时,因为车体本身含有金属,引起磁化效应导致周围磁场改变,其中对竖直方向的Z轴地磁影响最大;当车辆驶入停车位时Z轴地磁强度由初始值逐渐增大,车全部进入后地磁强度趋于平稳;车辆驶出时,Z轴地磁强度逐渐减小;当车身全部驶出时,地磁强度回归初始值保持地磁强度平稳状态;X、Y轴变化趋势相同,但变化程度相对小,作为辅助轴使用,让数据呈现更为准确。
对本发明的进一步说明,所述步骤2)中,所述超声波检测器的单片机内含单片机定时器A、单片机定时器B;单片机计时器A设有超声波重发阈值t,当发送超声波后计时器A的时间超过阈值便将重新计时并发射超声波,单片机计时器B设有距离阈值S,通过超声波往返的时间计算出超声波探测距离:探测距离=(超声波速度*定时器B时间)/2;
当超声波检测器通过通信模块接收到NB-IOT模块传达车位校验指令时,启动车位检测;单片机定时器A、单片机定时器B同时启动进入计时,单片机定时器A通过驱动电路向车位发送40HZ超声波脉冲,当单片机计时器B的接收电路接收到反射回来的超声波,立即停止计时;
通过时间与超声波速度得到超声波通行的距离,并将计算出的探测距离与单片机计时器B距离阈值S比较以此判断车位状态;方法为:当探测距离小于距离阈值时,车位数字状态为1,代表车位上有车;当探测距离大于等于距离阈值时,车位数字状态为0,代表车位上无车;如果出现地磁感应器检测的车位状态与超声波检测器检测的车位状态不符,此时地磁和超声波会重新检测,如果3次结果仍然不变,则将车位状态定为1,代表车位上有车。
对本发明的进一步说明,所述步骤5)中,当用户来到服务终端开启反向寻车服务时,可以通过扫描二维码连入NB-IOT进入反向寻车导航系统获得实时三维地图导航;所述三维地图构建划分为停车场总结构模型构建和实时局部场景模型构建组成;首先通过激光扫描仪与3D-MAP软件构造停车场总结构模型,再根据车主实时位置构建局部场景模型再将局部场景模型导入全局坐标系中进行坐标数据匹配,生成最终实时三维地图模型。
对本发明的进一步说明,所述停车场总结构模型构建由点云数据获取、点云数据处理、点数据校准、模型构建四步组成;
所述点云数据获取:为了获取地下停车场主要场景的点云数据,将地下停车场分为N1、N2···NM区域,每个区域的停车位编号为N11、N12…,N21、N22...,NM1、NM2…将每个停车位作为坐标系原点建立局部坐标系,采集每个局部坐标系内的点云数据;通过激光扫描仪,以仪器自身作为局部坐标系原点获取停车场场景的点云数据;并多次改变测量角度对局部坐标数据进行校验;
所述点云数据处理:由于多层停车场场景复杂存在大量干扰,先对点云数据进行预处理降噪处理,并对数据进行特征分析提高生成模型的精度;
所述点云数据匹配:将所有局部坐标系数据进行坐标转换,进行坐标匹配,生成全局坐标系;
所述模型构建:将全局坐标系数据通过NB-IOT导入3D-MAP软件自动生成停车场总结构模型。
对本发明的进一步说明,所述实时局部场景模型构建由实时定位、路径匹配、数据采集、模型构建四步组成;
所述实时定位:车主通过扫描服务终端的二维码连入NB-IOT,并进入反向寻车导航系统,停车场内设有3个WiFi访问点会同时对车主的移动终端进行通信获取车主当前距离3个WiFi访问点的距离,通过三角几何计算获取车主当前的三维位置坐标,对车主进行实时定位;
所述路径匹配:将基于改进的蚁群算法的最短路径算法获取的最佳诱导路径中每个节点坐标数据导出,通过坐标数据匹配将诱导路径放入在全局坐标系中;
所述数据采集:通过WiFi定位实时获取车主的位置坐标,每当车主位置坐标进入到诱导路径中的节点坐标邻域之内,便以当前节点坐标作为局部坐标系原点,通过激光扫描仪获取当前节点与下一节点内所有场景的点云数据;直到车主位置坐标进入下一节点坐标邻域内,便以下一节点坐标作为局部坐标系节点建立新的局部坐标系采集两节点内所有场景的点云数据;
所述模型构建:将实时采集的局部坐标系数据通过NB-IOT导入3D-MAP软件生成实时局部场景模型。
对本发明的进一步说明,所述最短路径算法为:将地下停车场分为N1、N2···NM区域,每个区的停车位编号为N11、N12…,N21、N22...,NM1、NM2…;当车辆进入地下停车场时,车牌识别模块获取车牌信息,然后将车辆此时的位置定位初始位置,也称为0点;之后引导系统将从0点通过NB-IOT技术分别连接N1、N2···NM区域进行下层路径算法;在下层路径算法计算中,算法会根据车位的数字状态判断车位状态来寻找空车位,即当车位状态为1时有车为0时无车,通过基于改进的蚁群算法的最短路径算法获取路径的路径期望距离Qt,并同时计算并比对各条路径期望距离Qt以此找到每个区域的最短路径;当N1、N2···NM区域都获得了该区域的最短路径,便进入上层路径算法;将N1、N2···NM区域的最短路径的距离权数赋予该区域的距离权数及QN1、QN2、···QNM;每个区域会根据其工作状态获得其工作状态权数Qw1、Qw2...QwM,每区域的工作状态n为该区域正在诱导的车数(n=0,1,2…)区域状态权数Qw=2n;将N1、N2···NM区域的距离权数QN乘上该区域的工作状态权数Qw获取该区域的诱导路径权数QF1、QF2...QFM QN*Qw=QF;最终最短路径的权数Q=min{QF1、QF2...QFM}最短路径权数最小的路径作为最终停车最短路径。
所述下层路径算法:基于改进的蚁群算法的最短路径算法首先通过感应地磁获取停车场内所有车位位置坐标,将每个区域内停车位定义为节点N11、N02…,N11、N12...,NM1、NM2…;通过改进的蚁群算法获取车辆从当前节点到下一个邻近节点的概率Pij(Pij为节点i到节点j的概率),车辆会向着概率最大的下一个邻近节点移动,每移动到下一个节点便会判断节点的地磁状态当数字状态为1(表示为有车辆停放)时,则继续向下一个节点移动直到移动到数字状态为0(表示为无车辆停发)时,则结束节点移动,并将经过的所有节点组成一条引导路径,并计算该路径的路径期望距离Qt(初次计算t设为0)将路径期望距离Qt放入路径距离集合之中,完成初次路径算法,并改变经过所有节点的信息浓度τij(t),再进行下一次迭代获取新的路径和路径期望距离,完成50次迭代以后停止迭代;该区域的路径距离权数QN=Min{Q0、Q1、...Q50},将路径期望距离最小的路径作为区域最佳路径;
所述节点移动概率
其中:allowk表示车辆经过所有节点的集合;ηij(t)为改进的启发函数,ηij(t)=(1/distij)θ;distij为节点i和节点j之间距离;θ为驾驶员特性因子由于驾驶员的视觉特性与心理特性,驾驶员在行驶时通常会选择视觉上距离最短的路径,针对驾驶员特性引入驾驶员特性因子通过计算向量(驾驶员倾向方向)与向量(节点诱导方向)之间的夹角作为特性因子以此调整路径使之更符合驾驶员的视觉与心理特性,为节点i到节点j的方向向量为节点i到距离节点i最近空车位节点e的方向向量;β为启发函数对概率影响的重要程度因子;τij(t)为节点i到节点j之间的信息要素浓度,当信息要素浓度越高车辆从i节点向j节点移动的概率越大,在初次计算中所有节点间的信息要素浓度都为1即τij(0)=1;α为信息要素浓度对概率影响的重要程度因子,所述信息要素浓度τij(t+1)=(1-p)τij(t)+△τij,τij(t+1)为进行下一次迭代时i节点与j节点间信息要素浓度,1-p为上一次状态信息要素浓度在新状态时的比重,△τij=N/distij,△τij为车辆每经过i节点与j节点之间所增加的信息要素浓度,N为常数表示一次通过所产生的信息要素总量;
所述上层路径算法:将N1、N2···NM区域的最短路径的距离权数赋予该区域的距离权数及QN1、QN2、···QNM;每个区域会根据其工作状态获得其工作状态权数Qw1、Qw2...QwM,每区域的工作状态n为该区域正在诱导的车数(n=0,1,2…)区域状态权数Qw=2n(通过工作状态权数尽量让车辆诱导到不同的区域,来避免同一个区域相同颜色的灯光对不同车辆诱导的干扰);将N1、N2···NM区域的距离权数QN乘上该区域的工作状态权数Qw获取该区域的诱导路径权数QF1、QF2...QFM QN*Qw=QF;最终最短路径的权数Q=min{QF1、QF2...QFM}最短路径权数最小的路径作为最终停车最短路径。
对本发明的进一步说明,所述N1、N2···NM区域的灯光路径带对应不同颜色的灯光;当系统计算出最佳停车路径时,会打开该路径上对应区域颜色的灯光,形成灯光路径对车辆进行泊车诱导;引导灯光会带领驾驶员前往最佳路径终点停车位所在区域,到达停车区域后再继续根据灯光路径带指示行驶到空车位进行泊车。
本发明的有益效果:
1.本发明采取了地磁感应为主,超声波检测为辅的双传感器车位状态检测方法,通过超声波检测来效验地磁检测的检测结果,以此消除不同车型对地磁检测的影响提高车位状态检测精度。
2.本发明采用的改进最短路径算法基于改进的蚁群算法针对地下停车结构复杂,面积大的特点而设计,双层优化的最短路径算法,将停车场划分为多个区域,对区域路径进行最优化,再将不同区域最优路径再优化形成最佳停车路径。
3.本发明为了避免瞬间光强的急剧变化对驾驶员的影响,采用可控硅调光,在夜间灯光强度会随着时间的变化不断降低,以此缓解光强变化对驾驶员的影响。
4.本发明基于激光扫描仪和3D-MAP软件构建实时三维地图对车主进行实时三维地图导航,司机能够安全、优质、高效停车的同时也能顺利反向找到自己的车,减少反向寻车的时间。
附图说明
图1为本发明整体结构流程示意图;
图2为本发明车位检测流程图;
图3为本发明结构框架示意图;
图4为本发明3D地图导航整体效果示意图;
图5为本发明3D地图导航细节效果示意图;
图6为本发明效果示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
实施例
如图1-2所示,一种地下停车位智能引导系统,包括信息采集系统、信息处理系统、控制系统和服务终端;所述信息采集系统、控制系统以及服务终端分别与信息处理系统连接;所述信息采集系统包括车牌识别模块和车位检测模块;所述信息处理系统采用NB-IOT模块;所述控制系统包括微控制器以及分别与微控制器连接的继电器开关、可控硅控制器和光传感器;所述服务终端设有三维地图模块;所述车牌识别模块和车位检测模块分别与NB-IOT模块连接;所述继电器开关和可控硅控制器分别与NB-IOT模块连接;所述引导系统还包括与控制系统连接的灯光路径带;所述灯光路径带从停车场的车牌识别区延伸至每个车位以及服务终端安装位置。
对本发明的进一步说明,所述车牌识别模块设于停车场入口处;所述车位检测模块设于每个车位内;所述车位检测模块包括地磁感应器和超声波检测器;所述地磁感应器设于车位的下部,所述超声波检测器设于车位的顶部;所述地磁感应器包括单片机以及与单片机连接的地磁传感器;所述超声波检测器包括单片机以及与单片机连接的驱动电路、接收电路、通信模块和超声波传感器;所述服务终端设于停车场各入口处。
一种地下停车位智能引导系统的停车及停车后反向寻车方法,包括以下步骤:
1)车牌信息采集并上传:在车辆进入地下停车场后,首先通过车牌识别模块进行车牌信息的采集,并对车牌图像进行灰度化和二值化处理;然后对车牌先后进行粗精定位,从而获得一个去除了噪音等影响因素的稳定可供分割图像;最后对分割出的字符作识别处理,得出完整的车牌信息,并将信息传输给NB-IOT模块;
2)车位信息采集:地磁感应器的单片机与超声波检测器的单片机互相连接进行数据传输,地磁感应器的单片机内部的存储器中固设有中值滤波算法对数据预处理,并可以通过对比设定的阀值判断车位状态即当前车位是否有车辆停放;而当地磁感应器获取车位状态时,为了减少不同车型对地磁感应的影响,此时超声波检测器就会进行辅助检测、校验;双重检测的方法能够提高车位状态检测的精准度,然后将车位信息上传到NB-IOT模块;
3)匹配车位:NB-IOT模块根据车牌信息和车位信息引入最短路径算法为车辆寻找停车距离最短的最匹配的停车位,并把最佳停车路径下发到控制系统;
4)灯光引导停车:控制系统的微控制器接收NB-IOT模块下传的停车路径,然后微控制器通过继电器开关打开停车路径上的灯光路径带,灯光路径带会将车辆引导至系统指定区域,当车主到达指定区域后,再继续根据灯光路径带指示行驶到最匹配的空车位停车;车位上的车位检测模块在获取车辆到达信息后立即上传至NB-IOT模块,然后反馈到微控制器关闭灯光路径带完成停车诱导;
5)反向寻车:用户寻找车辆时,在服务终端输入车牌号码,然后服务终端会将用户输入的车牌信息上传至NB-IOT模块,NB-IOT模块通过车牌号码调取停车位信息,将车位信息下传给控制系统,控制系统的微控制器接收NB-IOT模块下传的车位信息,通过继电器开关打开从服务终端到达车位的灯光路径,并同时启动三维地图导航进行反向寻车;车位上的车位检测模块在检测车辆离开信息后立即上传至NB-IOT模块,然后反馈到微控制器关闭灯光路径带完成寻车;
6)光传感器判断停车场的光线强度,当时间进入夜晚,微控制器通过可控硅控制器控制灯光路径带的灯光强度随着停车场光线强度的变弱而不断降低,以此缓解光强变化对驾驶员的影响。
所述步骤2)中,地磁感应器通过接收的三轴磁场数据信号,判断车位状态;即三轴分别是X轴、Y轴、Z轴,当车辆进入时,因为车体本身含有金属,引起磁化效应导致周围磁场改变,其中对竖直方向的Z轴地磁影响最大;当车辆驶入停车位时Z轴地磁强度由初始值逐渐增大,车全部进入后地磁强度趋于平稳;车辆驶出时,Z轴地磁强度逐渐减小;当车身全部驶出时,地磁强度回归初始值保持地磁强度平稳状态;X、Y轴变化趋势相同,但变化程度相对小,作为辅助轴使用,让数据呈现更为准确。
所述步骤2)中,所述超声波检测器的单片机内含单片机定时器A、单片机定时器B;单片机计时器A设有超声波重发阈值t,当发送超声波后计时器A的时间超过阈值便将重新计时并发射超声波,单片机计时器B设有距离阈值S,通过超声波往返的时间计算出超声波探测距离:探测距离=(超声波速度*定时器B时间)/2;
当超声波检测器通过通信模块接收到NB-IOT模块传达车位校验指令时,启动车位检测;单片机定时器A、单片机定时器B同时启动进入计时,单片机定时器A通过驱动电路向车位发送40HZ超声波脉冲,当单片机计时器B的接收电路接收到反射回来的超声波,立即停止计时;
通过时间与超声波速度得到超声波通行的距离,并将计算出的探测距离与单片机计时器B距离阈值S比较以此判断车位状态;方法为:当探测距离小于距离阈值时,车位数字状态为1,代表车位上有车;当探测距离大于等于距离阈值时,车位数字状态为0,代表车位上无车;如果出现地磁感应器检测的车位状态与超声波检测器检测的车位状态不符,此时地磁和超声波会重新检测,如果3次结果仍然不变,则将车位状态定为1,代表车位上有车。
所述步骤5)中,当用户来到服务终端开启反向寻车服务时,可以通过扫描二维码连入NB-IOT进入反向寻车导航系统获得实时三维地图导航;所述三维地图构建划分为停车场总结构模型构建和实时局部场景模型构建组成;首先通过激光扫描仪与3D-MAP软件构造停车场总结构模型,再根据车主实时位置构建局部场景模型再将局部场景模型导入全局坐标系中进行坐标数据匹配,生成最终实时三维地图模型。
所述停车场总结构模型构建由点云数据获取、点云数据处理、点数据校准、模型构建四步组成;
所述点云数据获取:为了获取地下停车场主要场景的点云数据,将地下停车场分为N1、N2···NM区域,每个区域的停车位编号为N11、N12…,N21、N22...,NM1、NM2…将每个停车位作为坐标系原点建立局部坐标系,采集每个局部坐标系内的点云数据;通过激光扫描仪,以仪器自身作为局部坐标系原点获取停车场场景的点云数据;并多次改变测量角度对局部坐标数据进行校验;
所述点云数据处理:由于多层停车场场景复杂存在大量干扰,先对点云数据进行预处理降噪处理,并对数据进行特征分析提高生成模型的精度;
所述点云数据匹配:将所有局部坐标系数据进行坐标转换,进行坐标匹配,生成全局坐标系;
所述模型构建:将全局坐标系数据通过NB-IOT导入3D-MAP软件自动生成停车场总结构模型。
所述实时局部场景模型构建由实时定位、路径匹配、数据采集、模型构建四步组成;
所述实时定位:车主通过扫描服务终端的二维码连入NB-IOT,并进入反向寻车导航系统,停车场内设有3个WiFi访问点会同时对车主的移动终端进行通信获取车主当前距离3个WiFi访问点的距离,通过三角几何计算获取车主当前的三维位置坐标,对车主进行实时定位;
所述路径匹配:将基于改进的蚁群算法的最短路径算法获取的最佳诱导路径中每个节点坐标数据导出,通过坐标数据匹配将诱导路径放入在全局坐标系中;
所述数据采集:通过WiFi定位实时获取车主的位置坐标,每当车主位置坐标进入到诱导路径中的节点坐标邻域之内,便以当前节点坐标作为局部坐标系原点,通过激光扫描仪获取当前节点与下一节点内所有场景的点云数据;直到车主位置坐标进入下一节点坐标邻域内,便以下一节点坐标作为局部坐标系节点建立新的局部坐标系采集两节点内所有场景的点云数据;
所述模型构建:将实时采集的局部坐标系数据通过NB-IOT导入3D-MAP软件生成实时局部场景模型。
所述最短路径算法为:基于改进的蚁群算法的最短路径算法针对驾驶员特性,考虑驾驶员视觉和心理因素,对路径进行双层优化获取最佳停车诱导路径。将地下停车场分为N1、N2···NM区域,每个区的停车位编号为N11、N12…,N21、N22...,NM1、NM2…;当车辆进入地下停车场时,车牌识别模块获取车牌信息,然后将车辆此时的位置定位初始位置,也称为0点;之后引导系统将从0点通过NB-IOT技术分别连接N1、N2···NM区域进行下层路径算法;在下层路径算法计算中,算法会根据车位的数字状态判断车位状态来寻找空车位,即当车位状态为1时有车为0时无车,通过基于改进的蚁群算法的最短路径算法获取路径的路径期望距离Qt,并同时计算并比对各条路径期望距离Qt以此找到每个区域的最短路径;当N1、N2···NM区域都获得了该区域的最短路径,便进入上层路径算法;将N1、N2···NM区域的最短路径的距离权数赋予该区域的距离权数及QN1、QN2、···QNM;每个区域会根据其工作状态获得其工作状态权数Qw1、Qw2...QwM,每区域的工作状态n为该区域正在诱导的车数(n=0,1,2…)区域状态权数Qw=2n;将N1、N2···NM区域的距离权数QN乘上该区域的工作状态权数Qw获取该区域的诱导路径权数QF1、QF2...QFM QN*Qw=QF;最终最短路径的权数Q=min{QF1、QF2...QFM}最短路径权数最小的路径作为最终停车最短路径。
所述下层路径算法:基于改进的蚁群算法的最短路径算法首先通过感应地磁获取停车场内所有车位位置坐标,将每个区域内停车位定义为节点N11、N02…,N11、N12...,NM1、NM2…;通过改进的蚁群算法获取车辆从当前节点到下一个邻近节点的概率Pij(Pij为节点i到节点j的概率),车辆会向着概率最大的下一个邻近节点移动,每移动到下一个节点便会判断节点的地磁状态当数字状态为1(表示为有车辆停放)时,则继续向下一个节点移动直到移动到数字状态为0(表示为无车辆停发)时,则结束节点移动,并将经过的所有节点组成一条引导路径,并计算该路径的路径期望距离Qt(初次计算t设为0)将路径期望距离Qt放入路径距离集合之中,完成初次路径算法,并改变经过所有节点的信息浓度τij(t),再进行下一次迭代获取新的路径和路径期望距离,完成50次迭代以后停止迭代;该区域的路径距离权数QN=Min{Q0、Q1、...Q50},将路径期望距离最小的路径作为区域最佳路径;
所述节点移动概率
其中:allowk表示车辆经过所有节点的集合;ηij(t)为改进的启发函数,ηij(t)=(1/distij)θ;distij为节点i和节点j之间距离;θ为驾驶员特性因子由于驾驶员的视觉特性与心理特性,驾驶员在行驶时通常会选择视觉上距离最短的路径,针对驾驶员特性引入驾驶员特性因子通过计算向量(驾驶员倾向方向)与向量(节点诱导方向)之间的夹角作为特性因子以此调整路径使之更符合驾驶员的视觉与心理特性,为节点i到节点j的方向向量为节点i到距离节点i最近空车位节点e的方向向量;β为启发函数对概率影响的重要程度因子;τij(t)为节点i到节点j之间的信息要素浓度,当信息要素浓度越高车辆从i节点向j节点移动的概率越大,在初次计算中所有节点间的信息要素浓度都为1即τij(0)=1;α为信息要素浓度对概率影响的重要程度因子,所述信息要素浓度τij(t+1)=(1-p)τij(t)+△τij,τij(t+1)为进行下一次迭代时i节点与j节点间信息要素浓度,1-p为上一次状态信息要素浓度在新状态时的比重,△τij=N/distij,△τij为车辆每经过i节点与j节点之间所增加的信息要素浓度,N为常数表示一次通过所产生的信息要素总量;
所述上层路径算法:将N1、N2···NM区域的最短路径的距离权数赋予该区域的距离权数及QN1、QN2、···QNM;每个区域会根据其工作状态获得其工作状态权数Qw1、Qw2...QwM,每区域的工作状态n为该区域正在诱导的车数(n=0,1,2…)区域状态权数Qw=2n(通过工作状态权数尽量让车辆诱导到不同的区域,来避免同一个区域相同颜色的灯光对不同车辆诱导的干扰);将N1、N2···NM区域的距离权数QN乘上该区域的工作状态权数Qw获取该区域的诱导路径权数QF1、QF2...QFM QN*Qw=QF;最终最短路径的权数Q=min{QF1、QF2...QFM}最短路径权数最小的路径作为最终停车最短路径。
所述N1、N2···NM区域的灯光路径带对应不同颜色的灯光;当系统计算出最佳停车路径时,会打开该路径上对应区域颜色的灯光,形成灯光路径对车辆进行泊车诱导;引导灯光会带领驾驶员前往最佳路径终点停车位所在区域,到达停车区域后再继续根据灯光路径带指示行驶到空车位进行泊车。
Claims (7)
1.一种基于地下停车位智能引导系统的停车后反向寻车方法,其特征在于:包括信息采集系统、信息处理系统、控制系统和服务终端;所述信息采集系统、控制系统以及服务终端分别与信息处理系统连接;所述信息采集系统包括车牌识别模块和车位检测模块;所述信息处理系统采用NB-IOT模块;所述控制系统包括微控制器以及分别与微控制器连接的继电器开关、可控硅控制器和光传感器;所述服务终端设有三维地图模块;所述车牌识别模块和车位检测模块分别与NB-IOT模块连接;所述继电器开关和可控硅控制器分别与NB-IOT模块连接;所述引导系统还包括与控制系统连接的灯光路径带;所述灯光路径带从停车场的车牌识别区延伸至每个车位以及服务终端安装位置;
所述车牌识别模块设于停车场入口处;所述车位检测模块设于每个车位内;所述车位检测模块包括地磁感应器和超声波检测器;所述地磁感应器设于车位的下部,所述超声波检测器设于车位的顶部;所述地磁感应器包括单片机以及与单片机连接的地磁传感器;所述超声波检测器包括单片机以及与单片机连接的驱动电路、接收电路、通信模块和超声波传感器;所述服务终端设于停车场各入口处;
所述方法包括以下步骤:
1)车牌信息采集并上传:在车辆进入地下停车场后,首先通过车牌识别模块进行车牌信息的采集,并对车牌图像进行灰度化和二值化处理;然后对车牌先后进行粗精定位,从而获得一个去除了噪音等影响因素的稳定可供分割图像;最后对分割出的字符作识别处理,得出完整的车牌信息,并将信息传输给NB-IOT模块;
2)车位信息采集:地磁感应器的单片机与超声波检测器的单片机互相连接进行数据传输,地磁感应器的单片机内部的存储器中固设有中值滤波算法对数据预处理,并可以通过对比设定的阀值判断车位状态即当前车位是否有车辆停放;而当地磁感应器获取车位状态时,为了减少不同车型对地磁感应的影响,此时超声波检测器就会进行辅助检测、校验;双重检测的方法能够提高车位状态检测的精准度,然后将车位信息上传到NB-IOT模块;
3)匹配车位:NB-IOT模块根据车牌信息和车位信息引入最短路径算法为车辆寻找停车距离最短的最匹配的停车位,并把最佳停车路径下发到控制系统;
4)灯光引导停车:控制系统的微控制器接收NB-IOT模块下传的停车路径,然后微控制器通过继电器开关打开停车路径上的灯光路径带,灯光路径带会将车辆引导至系统指定区域,当车主到达指定区域后,再继续根据灯光路径带指示行驶到最匹配的空车位停车;车位上的车位检测模块在获取车辆到达信息后立即上传至NB-IOT模块,然后反馈到微控制器关闭灯光路径带完成停车诱导;
5)反向寻车:用户寻找车辆时,在服务终端输入车牌号码,然后服务终端会将用户输入的车牌信息上传至NB-IOT模块,NB-IOT模块通过车牌号码调取停车位信息,将车位信息下传给控制系统,控制系统的微控制器接收NB-IOT模块下传的车位信息,通过继电器开关打开从服务终端到达车位的灯光路径,并同时启动三维地图导航进行反向寻车;车位上的车位检测模块在检测车辆离开信息后立即上传至NB-IOT模块,然后反馈到微控制器关闭灯光路径带完成寻车;
6)光传感器判断停车场的光线强度,当时间进入夜晚,微控制器通过可控硅控制器控制灯光路径带的灯光强度随着停车场光线强度的变弱而不断降低,以此缓解光强变化对驾驶员的影响;
所述最短路径算法为:基于改进的蚁群算法的最短路径算法针对驾驶员特性,考虑驾驶员视觉和心理因素,对路径进行双层优化获取最佳停车诱导路径;将地下停车场分为N1、N2···NM区域,每个区的停车位编号为N11、N12…,N21、N22...,NM1、NM2…;当车辆进入地下停车场时,车牌识别模块获取车牌信息,然后将车辆此时的位置定位初始位置,也称为0点;之后引导系统将从0点通过NB-IOT技术分别连接N1、N2···NM区域进行下层路径算法;在下层路径算法计算中,算法会根据车位的数字状态判断车位状态来寻找空车位,即当车位状态为1时有车为0时无车,通过基于改进的蚁群算法的最短路径算法获取路径的路径期望距离Qt,并同时计算并比对各条路径期望距离Qt以此找到每个区域的最短路径;当N1、N2···NM区域都获得了该区域的最短路径,便进入上层路径算法;将N1、N2···NM区域的最短路径的距离权数赋予该区域的距离权数及QN1、QN2、···QNM;每个区域会根据其工作状态获得其工作状态权数Qw1、Qw2...QwM,每区域的工作状态n为该区域正在诱导的车数(n=0,1,2…)区域状态权数Qw=2n;将N1、N2···NM区域的距离权数QN乘上该区域的工作状态权数Qw获取该区域的诱导路径权数QF1、QF2...QFM QN*Qw=QF;最终最短路径的权数Q=min{QF1、QF2...QFM}最短路径权数最小的路径作为最终停车最短路径;
所述下层路径算法:基于改进的蚁群算法的最短路径算法首先通过感应地磁获取停车场内所有车位位置坐标,将每个区域内停车位定义为节点N11、N02…,N11、N12...,NM1、NM2…;通过改进的蚁群算法获取车辆从当前节点到下一个邻近节点的概率Pij(Pij为节点i到节点j的概率),车辆会向着概率最大的下一个邻近节点移动,每移动到下一个节点便会判断节点的地磁状态当数字状态为1(表示为有车辆停放)时,则继续向下一个节点移动直到移动到数字状态为0(表示为无车辆停发)时,则结束节点移动,并将经过的所有节点组成一条引导路径,并计算该路径的路径期望距离Qt(初次计算t设为0)将路径期望距离Qt放入路径距离集合之中,完成初次路径算法,并改变经过所有节点的信息浓度τij(t),再进行下一次迭代获取新的路径和路径期望距离,完成50次迭代以后停止迭代;该区域的路径距离权数QN=Min{Q0、Q1、...Q50},将路径期望距离最小的路径作为区域最佳路径;
所述节点移动概率
其中:allowk表示车辆经过所有节点的集合;ηij(t)为改进的启发函数,ηij(t)=(1/distij)θ;distij为节点i和节点j之间距离;θ为驾驶员特性因子由于驾驶员的视觉特性与心理特性,驾驶员在行驶时通常会选择视觉上距离最短的路径,针对驾驶员特性引入驾驶员特性因子通过计算向量(驾驶员倾向方向)与向量(节点诱导方向)之间的夹角作为特性因子以此调整路径使之更符合驾驶员的视觉与心理特性,为节点i到节点j的方向向量为节点i到距离节点i最近空车位节点e的方向向量;β为启发函数对概率影响的重要程度因子;τij(t)为节点i到节点j之间的信息要素浓度,当信息要素浓度越高车辆从i节点向j节点移动的概率越大,在初次计算中所有节点间的信息要素浓度都为1即τij(0)=1;α为信息要素浓度对概率影响的重要程度因子,所述信息要素浓度τij(t+1)=(1-p)τij(t)+Δτij,τij(t+1)为进行下一次迭代时i节点与j节点间信息要素浓度,1-p为上一次状态信息要素浓度在新状态时的比重,Δτij=N/distij,Δτij为车辆每经过i节点与j节点之间所增加的信息要素浓度,N为常数表示一次通过所产生的信息要素总量;
所述路径期望距离Dij为节点i与节点j之间的节点期望距离Dij=Pij×distij;
所述上层路径算法:将N1、N2···NM区域的最短路径的距离权数赋予该区域的距离权数及QN1、QN2、···QNM;每个区域会根据其工作状态获得其工作状态权数Qw1、Qw2...QwM,每区域的工作状态n为该区域正在诱导的车数(n=0,1,2…)区域状态权数Qw=2n(通过工作状态权数尽量让车辆诱导到不同的区域,来避免同一个区域相同颜色的灯光对不同车辆诱导的干扰);将N1、N2···NM区域的距离权数QN乘上该区域的工作状态权数Qw获取该区域的诱导路径权数QF1、QF2...QFM QN*Qw=QF;最终最短路径的权数Q=min{QF1、QF2...QFM}最短路径权数最小的路径作为最终停车最短路径。
2.根据权利要求1所述的一种基于地下停车位智能引导系统的停车后反向寻车方法,其特征在于:所述步骤2)中,地磁感应器通过接收的三轴磁场数据信号,判断车位状态;即三轴分别是X轴、Y轴、Z轴,当车辆进入时,因为车体本身含有金属,引起磁化效应导致周围磁场改变,其中对竖直方向的Z轴地磁影响最大;当车辆驶入停车位时Z轴地磁强度由初始值逐渐增大,车全部进入后地磁强度趋于平稳;车辆驶出时,Z轴地磁强度逐渐减小;当车身全部驶出时,地磁强度回归初始值保持地磁强度平稳状态;X、Y轴变化趋势相同,但变化程度相对小,作为辅助轴使用,让数据呈现更为准确。
3.根据权利要求1所述的一种基于地下停车位智能引导系统的停车后反向寻车方法,其特征在于:其特征在于:所述步骤2)中,所述超声波检测器的单片机内含单片机定时器A、单片机定时器B;单片机计时器A设有超声波重发阈值t,当发送超声波后计时器A的时间超过阈值便将重新计时并发射超声波,单片机计时器B设有距离阈值S,通过超声波往返的时间计算出超声波探测距离:探测距离=(超声波速度*定时器B时间)/2;
当超声波检测器通过通信模块接收到NB-IOT模块传达车位校验指令时,启动车位检测;单片机定时器A、单片机定时器B同时启动进入计时,单片机定时器A通过驱动电路向车位发送40Hz超声波脉冲,当单片机计时器B的接收电路接收到反射回来的超声波,立即停止计时;
通过时间与超声波速度得到超声波通行的距离,并将计算出的探测距离与单片机计时器B距离阈值S比较以此判断车位状态;方法为:当探测距离小于距离阈值时,车位数字状态为1,代表车位上有车;当探测距离大于等于距离阈值时,车位数字状态为0,代表车位上无车;如果出现地磁感应器检测的车位状态与超声波检测器检测的车位状态不符,此时地磁和超声波会重新检测,如果3次结果仍然不变,则将车位状态定为1,代表车位上有车。
4.根据权利要求1所述的一种基于地下停车位智能引导系统的停车后反向寻车方法,其特征在于:所述步骤5)中,当用户来到服务终端开启反向寻车服务时,可以通过扫描二维码连入NB-IOT进入反向寻车导航系统获得实时三维地图导航;所述三维地图构建划分为停车场总结构模型构建和实时局部场景模型构建组成;首先通过激光扫描仪与3D-MAP软件构造停车场总结构模型,再根据车主实时位置构建局部场景模型再将局部场景模型导入全局坐标系中进行坐标数据匹配,生成最终实时三维地图模型。
5.根据权利要求4所述的一种基于地下停车位智能引导系统的停车后反向寻车方法,其特征在于:所述停车场总结构模型构建由点云数据获取、点云数据处理、点数据校准、模型构建四步组成;
所述点云数据获取:为了获取地下停车场主要场景的点云数据,将地下停车场分为N1、N2···NM区域,每个区域的停车位编号为N11、N12…,N21、N22...,NM1、NM2…将每个停车位作为坐标系原点建立局部坐标系,采集每个局部坐标系内的点云数据;通过激光扫描仪,以仪器自身作为局部坐标系原点获取停车场场景的点云数据;并多次改变测量角度对局部坐标数据进行校验;
所述点云数据处理:由于多层停车场场景复杂存在大量干扰,先对点云数据进行预处理降噪处理,并对数据进行特征分析提高生成模型的精度;
所述点云数据匹配:将所有局部坐标系数据进行坐标转换,进行坐标匹配,生成全局坐标系;
所述模型构建:将全局坐标系数据通过NB-IOT导入3D-MAP软件自动生成停车场总结构模型。
6.根据权利要求4所述的一种基于地下停车位智能引导系统的停车后反向寻车方法,其特征在于:所述实时局部场景模型构建由实时定位、路径匹配、数据采集、模型构建四步组成;
所述实时定位:车主通过扫描服务终端的二维码连入NB-IOT,并进入反向寻车导航系统,停车场内设有3个WiFi访问点会同时对车主的移动终端进行通信获取车主当前距离3个WiFi访问点的距离,通过三角几何计算获取车主当前的三维位置坐标,对车主进行实时定位;
所述路径匹配:将基于改进的蚁群算法的最短路径算法获取的最佳诱导路径中每个节点坐标数据导出,通过坐标数据匹配将诱导路径放入在全局坐标系中;
所述数据采集:通过WiFi定位实时获取车主的位置坐标,每当车主位置坐标进入到诱导路径中的节点坐标邻域之内,便以当前节点坐标作为局部坐标系原点,通过激光扫描仪获取当前节点与下一节点内所有场景的点云数据;直到车主位置坐标进入下一节点坐标邻域内,便以下一节点坐标作为局部坐标系节点建立新的局部坐标系采集两节点内所有场景的点云数据;
所述模型构建:将实时采集的局部坐标系数据通过NB-IOT导入3D-MAP软件生成实时局部场景模型。
7.根据权利要求1所述的一种基于地下停车位智能引导系统的停车后反向寻车方法,其特征在于:所述N1、N2···NM区域的灯光路径带对应不同颜色的灯光;当系统计算出最佳停车路径时,会打开该路径上对应区域颜色的灯光,形成灯光路径对车辆进行泊车诱导;引导灯光会带领驾驶员前往最佳路径终点停车位所在区域,到达停车区域后再继续根据灯光路径带指示行驶到空车位进行泊车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210406939.2A CN114863714B (zh) | 2022-04-18 | 2022-04-18 | 一种地下停车位智能引导系统及停车后反向寻车方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210406939.2A CN114863714B (zh) | 2022-04-18 | 2022-04-18 | 一种地下停车位智能引导系统及停车后反向寻车方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114863714A CN114863714A (zh) | 2022-08-05 |
CN114863714B true CN114863714B (zh) | 2023-04-21 |
Family
ID=82632116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210406939.2A Active CN114863714B (zh) | 2022-04-18 | 2022-04-18 | 一种地下停车位智能引导系统及停车后反向寻车方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863714B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115762217A (zh) * | 2022-10-10 | 2023-03-07 | 内蒙古巨宇测绘有限公司 | 一种基于三维影像的地下车位导航方法及系统 |
CN116758753A (zh) * | 2023-07-06 | 2023-09-15 | 江西启烨物联技术有限公司 | 一种停车场3d可视化引导方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002178282A (ja) * | 2000-10-05 | 2002-06-25 | Sony Corp | ロボット装置及びその制御方法 |
CN101350635A (zh) * | 2008-09-05 | 2009-01-21 | 清华大学 | 稀疏测量集上基于最短路径的传感器网络节点自定位方法 |
CN109118820A (zh) * | 2018-09-26 | 2019-01-01 | 重庆英传智能科技研究院有限公司 | 一种城市停车诱导信息动态仿真方法及系统 |
CN112631294A (zh) * | 2020-12-16 | 2021-04-09 | 上海应用技术大学 | 一种移动机器人智能路径规划方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472828A (zh) * | 2013-09-13 | 2013-12-25 | 桂林电子科技大学 | 基于改进蚁群粒子群算法的移动机器人路径规划方法 |
CN106200650A (zh) * | 2016-09-22 | 2016-12-07 | 江苏理工学院 | 基于改进蚁群算法的移动机器人路径规划方法及系统 |
CN108777076A (zh) * | 2018-06-04 | 2018-11-09 | 厦门中卡科技股份有限公司 | 一种城市停车管理系统 |
CN109186586B (zh) * | 2018-08-23 | 2022-03-18 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
CN109131318B (zh) * | 2018-10-19 | 2020-03-27 | 清华大学 | 一种基于拓扑地图的自主泊车路径协调方法 |
CN112863240A (zh) * | 2021-01-12 | 2021-05-28 | 北京航空航天大学 | 一种商业综合体地下车库智能导航系统及方法 |
-
2022
- 2022-04-18 CN CN202210406939.2A patent/CN114863714B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002178282A (ja) * | 2000-10-05 | 2002-06-25 | Sony Corp | ロボット装置及びその制御方法 |
CN101350635A (zh) * | 2008-09-05 | 2009-01-21 | 清华大学 | 稀疏测量集上基于最短路径的传感器网络节点自定位方法 |
CN109118820A (zh) * | 2018-09-26 | 2019-01-01 | 重庆英传智能科技研究院有限公司 | 一种城市停车诱导信息动态仿真方法及系统 |
CN112631294A (zh) * | 2020-12-16 | 2021-04-09 | 上海应用技术大学 | 一种移动机器人智能路径规划方法 |
Non-Patent Citations (1)
Title |
---|
王一军 ; 陶杰 ; .现代大型停车场车位诱导优化算法及仿真.计算机仿真.2007,(第11期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114863714A (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114863714B (zh) | 一种地下停车位智能引导系统及停车后反向寻车方法 | |
WO2019214163A1 (zh) | 一种代客泊车方法及装置 | |
US20180112997A1 (en) | Traffic light state assessment | |
CN108535685B (zh) | 移动体控制系统 | |
US10970542B2 (en) | Scalable three dimensional object segmentation | |
CN110228472B (zh) | 车辆控制系统、车辆控制方法及存储介质 | |
KR102058049B1 (ko) | 차량의 운행 시스템 | |
CN110164122A (zh) | 用于路口的车辆列队系统控制 | |
CN110191832A (zh) | 车辆控制装置、车辆控制方法及车辆控制程序 | |
US20170116850A1 (en) | Traffic prediction system, vehicle-mounted display apparatus, vehicle, and traffic prediction method | |
CN109890676A (zh) | 车辆控制系统、车辆控制方法及车辆控制程序 | |
CN110136426A (zh) | 一种还车招车系统及方法 | |
CN110281914A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN109828571A (zh) | 基于v2x的自动驾驶车辆、方法和装置 | |
CN111684502B (zh) | 车辆控制系统、车辆控制装置、及车辆控制方法 | |
JP7137527B2 (ja) | 車両制御システム、車両制御方法、及びプログラム | |
CN108058707B (zh) | 信息显示装置、信息显示方法及信息显示程序的记录介质 | |
CN105206100A (zh) | 辅助停车方法、装置及系统 | |
JP7125910B2 (ja) | 車両管理装置、車両管理方法、およびプログラム | |
JP2022030594A (ja) | 管理装置、管理システム、管理方法、およびプログラム | |
JP7210336B2 (ja) | 車両制御システム、車両制御方法、及びプログラム | |
CN111028532A (zh) | 基于车联网的室内寻车方法、车辆及室内寻车系统 | |
CN114973643B (zh) | 自动驾驶车辆的管理装置 | |
US20230204365A1 (en) | Demand arbitration apparatus, vehicle, and demand arbitration system | |
CN115158322A (zh) | 地图信息生成装置及本车位置推定装置 |
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 |