CN114973752A - 车牌与车位编号关联方法、装置、智能车和可读存储介质 - Google Patents

车牌与车位编号关联方法、装置、智能车和可读存储介质 Download PDF

Info

Publication number
CN114973752A
CN114973752A CN202210357959.5A CN202210357959A CN114973752A CN 114973752 A CN114973752 A CN 114973752A CN 202210357959 A CN202210357959 A CN 202210357959A CN 114973752 A CN114973752 A CN 114973752A
Authority
CN
China
Prior art keywords
parking
parking space
vehicle
frame
coordinate system
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
Application number
CN202210357959.5A
Other languages
English (en)
Other versions
CN114973752B (zh
Inventor
刘明
廖毅雄
左卫勋
王鲁佳
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.)
Shenzhen Yiqing Innovation Technology Co ltd
Original Assignee
Shenzhen Yiqing Innovation Technology Co ltd
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 Shenzhen Yiqing Innovation Technology Co ltd filed Critical Shenzhen Yiqing Innovation Technology Co ltd
Priority to CN202210357959.5A priority Critical patent/CN114973752B/zh
Publication of CN114973752A publication Critical patent/CN114973752A/zh
Application granted granted Critical
Publication of CN114973752B publication Critical patent/CN114973752B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles
    • 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
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及车牌与车位编号关联方法、装置、智能车和可读存储介质，应用于智能车，主要通过停车位地图建立数据结构，其中，该数据结构包括停车位的位置信息和对应的车位编号，然后再通过车辆定位信息和点云数据获取停车位的占用状态，并根据被占用状态的车位查找数据结构以获取被占用状态车位的停车框，接着再根据目标检测网络获取图像中的车辆，并将转换至像素坐标系下的停车框转换与图像中的车辆进行匹配，最后在停车框和图像中车辆的匹配结果大于预设阈值时，获取停车框对应的目标车辆，并将目标车辆的车牌与停车框对应的车位编号进行关联。通过上述方式对车牌和车位编号进行关联，并不需要借助人力，在降低运营成本的同时，提高了关联的效率。

Description

车牌与车位编号关联方法、装置、智能车和可读存储介质
技术领域
本发明涉及无人驾驶技术领域，特别涉及一种车牌与车位编号关联方法、装置、智能车和可读存储介质。
背景技术
在现有的泊车计费系统中，通常通过地面传感器检测出停车场车位实时占用情况，但该方法存在局限性，并不能对停车位相应的车位编号和以及车位上的车子车牌号进行关联，并且，在进行车位编号和车牌关联时，多是通过人为的将车位编号和车牌进行关联，而通过这种方式，增加了运营成本的同时，还降低了关联的效率。
发明内容
本发明实施方式提供一种车牌与车位编号关联方法、装置、智能车和可读存储介质，旨在解决现有技术中车位与车牌关联时存在成本高、效率低的技术问题。
为解决上述技术问题，本发明实施方式采用的一个技术方案是：提供一种车牌与车位编号关联方法，应用于智能车，所述方法包括：
获取车辆定位信息、点云数据、图像和停车位地图；
根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号；
判断所述停车位的占用状态，所述占用状态包括被占用状态和未占用状态；
若所述停车位的占用状态为被占用状态，则基于所述数据结构，获取所述被占用状态停车位的停车框；
基于目标检测网络对所述图像进行检测，以获取图像中的车辆；
将所述目标停车框转换至像素坐标系，并将所述像素坐标系下的停车框和所述图像中的车辆进行匹配，以获取匹配结果；
在所述匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述目标停车框对应的车位编号进行关联。
可选的，根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号，包括：
获取所述停车位地图中的停车位的位置信息和所述停车位对应的车位编号；
根据所述停车位的位置获取所述停车位对应的四个顶点，并将所述四个顶点和所述车位编号对应存储至所述数据结构中。
可选的，所述将所述停车框转换至像素坐标系，并将所述停车框和所述图像中的车辆进行匹配，以获取匹配结果包括：
通过所述车辆定位信息将所述停车位地图坐标系下所述停车框的对应的四个顶点转换至所述车辆的雷达坐标系下，并通过顶雷达的高度得到所述车辆的雷达坐标系下，所述停车框对应的三维框；
通过相机外参，将所述三维框转换至相机坐标系；
通过相机内参，将相机坐标系下的所述三维框转换至像素坐标系；
将像素坐标系下的所述三维框转换为二维框，并将所述二维框和所述图像中的车辆进行匹配，以获取匹配结果。
可选的，所述在所述匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述停车框对应的车位编号进行关联，包括：
在所述匹配结果大于所述预设阈值时，获取所述停车框对应的目标车辆；
将所述目标车辆与所述停车框对应的车位编号进行关联；
提取所述目标车辆的车牌，并基于车牌识别网络对所述车牌进行车牌识别，以使所述目标车辆的车牌与所述停车框对应的车位编号进行关联。
可选的，所述数据结构包括哈希表。
为解决上述技术问题，本发明实施方式采用的另一个技术方案是：提供一种车牌与车位编号关联装置，应用于智能车，所述装置包括：
第一获取模块，用于获取车辆定位信息、点云数据、图像和停车位地图；
建立模块，用于根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号；
判断模块，用于根据所述车辆定位信息和所述点云数据判断所述停车位的占用状态，所述占用状态包括被占用状态和未占用状态；
第二获取模块，用于在所述停车位的占用状态为被占用状态时，基于所述数据结构，获取所述被占用状态停车位的停车框；
检测模块，用于基于目标检测网络对所述图像进行检测，以获取图像中的车辆；
转换模块，用于将所述目标停车框转换至像素坐标系，并将所述像素坐标系下的停车框和所述图像中的车辆进行匹配，以获取匹配结果；
第三获取模块，用于在所述匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述目标停车框对应的车位编号进行关联。
可选的，所述建立模块包括：
第一获取单元，用于获取所述停车位地图中的停车位的位置信息和所述停车位对应的车位编号；
第二获取单元，用于根据所述停车位的位置获取所述停车位对应的四个顶点，并将所述四个顶点和所述车位编号对应存储至所述数据结构中。
可选的，所述转换模块包括：
第一转换单元，用于通过所述车辆定位信息将所述停车位地图坐标系下所述停车框的对应的四个顶点转换至所述车辆的雷达坐标系下，并通过顶雷达的高度得到所述车辆的雷达坐标系下，所述停车框对应的三维框；
第二转换单元，用于通过相机外参，将所述三维框转换至相机坐标系；
第三转换单元，用于通过相机内参，将相机坐标系下的所述三维框转换至像素坐标系；
匹配单元，用于将像素坐标系下的所述三维框转换为二维框，并将所述二维框和所述图像中的车辆进行匹配，以获取匹配结果。
为解决上述技术问题，本发明实施方式采用的又一个技术方案是：提供一种智能车，所述智能车包括：
雷达传感器；
相机；
定位装置；
控制器，所述控制器分别与所述雷达传感器、所述相机和所述定位装置通信连接，所述控制器包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的车牌与车位编号关联方法。
为解决上述技术问题，本发明实施方式采用的又一个技术方案是：提供一种可读存储介质，其特征在于，所述可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被机器人执行时，使所述机器人执行权利要求如上所述的车牌与车位编号关联方法。
区别于相关技术的情况，本发明实施例提供一种车牌与车位编号关联方法、装置、智能车和可读存储介质，应用于智能车，主要是通过获取车辆定位信息、点云数据、图像和停车位地图，并根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号，然后再根据所述车辆定位信息和所述点云数据判断所述停车位的占用状态，所述占用状态包括被占用状态和未占用状态，并在所述停车位的占用状态为被占用状态时，基于所述数据结构，获取所述被占用状态停车位的停车框，接着再基于目标检测网络对所述图像进行检测，以获取图像中的车辆，然后将所述停车框转换至像素坐标系，并将所述像素坐标系下的停车框和所述图像中的车辆进行匹配，以获取匹配结果，并在匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述停车框对应的车位编号进行关联。通过上述方式对车牌和车位编号进行关联，并不需要借助人力，在降低运营成本的同时，提高了关联的效率。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本发明实施例提供的一种智能车的结构框图；
图2是本发明实施例提供的一种车牌与车位编号关联方法的方法流程图；
图3是本发明实施例提供的一种车牌与车位编号关联装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互组合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块的划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置示意图中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明实施例提供的一种应用场景示意图，该场景包括：智能车、停车场和若干车辆，在所述停车场中，包含若干个停车位，所述停车位用于停放车辆，其中，一个停车位对应一台车辆，所述智能车在所述停车场里根据预设路线进行行驶，其中，所述预设路线可以是认为设置的，也可以是随机设置的，所述预设路线行驶是为了使所述智能车能够行驶完所述停车场内的所有道路，以便能够完整的获取所述停车场内的点云数据；在所述智能车根据所述预设路线行驶的过程中，实时获取该停车场内的车辆停放情况、点云数据和图像，然后基于车辆停放情况、所述图像和所述点云数据，获取被占用车位上的车辆并将所述被占用车位上的车辆的车牌与该车位编号相关联。
具体的，请参阅图1，图1是本发明实施例提供的一种智能车的结构框图，如图1所示，所述智能车2包括雷达传感器21、相机22、定位装置23和控制器24。其中，所述控制器24分别与所述雷达传感器 21、所述相机22和所述定位装置23通信连接，所述雷达传感器21用于获取所述停车场内的点云数据，所述点云数据包括所述停车场内的停车位占用情况和所述被占用车位对应的编号，所述雷达传感器21可以安装在所述智能车2的不同位置，当所述雷达传感器21在所述智能车2 的前方时，则所述雷达传感器21获取的点云数据包括预设范围内的停车位的信息，当所述雷达传感器21安装在所述智能车2的顶部时，则所述雷达传感器21获取的点云数据包括停车场中停放车辆的高度信息；所述相机22通过摄像头来获取所述停车场内的车位图片，其中，所述相机22的摄像头可以是单目摄像头，所述单目摄像头包括360的旋转功能，可以根据需要实时采集停车场内不同方位的停车位的图片；所述定位装置23用于实时获取所述智能车2的位置，其中，所述定位装置可以是GPS定位装置(GlobalPositioning System，全球定位系统)或其它的定位装置；所述控制器24包括至少一个处理器241和与所述至少一个处理器241通信连接的存储器242，图1中以其中一个处理器231 为例。所述存储器242存储有可被所述至少一个处理器241执行的指令，所述指令被所述至少一个处理器241执行，以使所述至少一个处理器241 能够执行所述车牌与车位编号关联方法。
存储器242作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的车牌与车位编号关联方法对应的程序指令/模块。处理器241通过运行存储在存储器242中的非易失性软件程序、指令以及模块，从而执行智能车2的各种功能应用以及数据处理，即实现下述方法实施例中车牌与车位编号关联方法。
存储器242可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序。此外，存储器242 可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，包括至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器242可选包括相对于处理器241远程设置的存储器。
所述一个或者多个模块存储在所述存储器242中，当被所述一个或者多个处理器241执行时，执行下述任意方法实施例中的车牌与车位编号关联方法，例如，执行以下描述的图2中的方法步骤，实现图3中的各模块和各单元的功能。
所述智能车2还连接其他装置用于更好的执行本发明实施例所提供的方法，如可以电性连接显示屏或其他显示器，可以远程通信连接目标用户的通信设备等，在此不一一列举。
请参阅图2，图2是本发明实施例提供的一种车牌与车位编号关联方法的方法流程图，如图2所示，所述方法包括如下步骤：
S01、获取车辆定位信息、点云数据、图像和停车位地图。
具体的，所述车辆定位信息指的是所述智能车在停车场中的定位信息，所述点云数据和所述图像可以根据所述智能车获取，所述停车位地图指的是所述智能车所在的停车场的地图，其中，所述停车位的地图包括所述停车场中停车位的位置，也即所述停车场中停车框的位置。在所述智能车按照预设路径行驶时，所述定位装置会实时获取所述智能车当前的位置，所述雷达传感器根据所述智能车当前的位置，获取所述停车场当前的被占用车位和所述被占用车位对应的编号，所述相机通过摄像头实时获取当前位置的图像，所述停车位地图可以是预存在所述智能车中的地图，也可以是实时下载的停车位地图。
S02、根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号。
获取所述停车位地图中的停车位的位置信息和所述停车位对应的车位编号，根据所述停车位的位置获取所述停车位对应的四个顶点，并将所述四个顶点和所述车位编号对应存储至所述数据结构中。其中，所述停车位可以是一个长方形的方框，通过获取所述长方形四个顶点的坐标，即可获取所述停车位的位置信息，而所述四个顶点的坐标，可以根据所述停车位地图获取。进一步的，在所述停车场中，还需要对所述停车位框进行编号，以区分不同位置的停车框，其中，所述停车框与所述编号一一对应。
所述数据结构指的是数据元素集合之间存在一种或多种特定关系，是计算机存储、组织数据的方式。所述数据结构可以分为逻辑结构和物理结构。所述逻辑结构指的是数据元素之间逻辑关系。所述物理结构(也叫存储结构)指的是数据的逻辑结构在计算机存储空间中的存放形式。常用的存储结构有很多种。例如，顺序存储，也即，所述数据的存储顺序是连续的，一般表现为存储单元依次对一组地址连续的数据元素进行存储。例如，链式存储，也即，存储元素不一定是连续的，可以用任意地址的存储单元存储元素，所述元素的节点用来存放数据元素和指向相邻元素的地址信息。又例如，索引存储，通过建立附加的索引表来标识结点的地址。又例如，散列存储，所述散列存储又称哈希存储，所述哈希存储由节点的关键码值决定存储地址。
在本实施例中，所述数据结构可以是哈希存储结构，通过获取所述停车位的四个顶点和所述停车位所对应的车位编号，然后将所述车位编号和所述四个顶点存储在所述哈希存储结构中，其中，所述四个顶点和所述车位编号属于一一对应关系，根据所述车位编号，即可得知四个顶点，从而知道该停车位在所述停车场中的位置。
S03、根据所述车辆定位信息和所述点云数据判断所述停车位的占用状态，所述占用状态包括被占用状态和未占用状态。
具体的，根据所述车辆定位信息和所述停车位地图，确定所述智能车在所述停车场中的位置，然后根据所述智能车的位置，获取在预设范围内的点云数据，其中，所述预设范围可以根据实际的情况来设置，所述点云数据可以根据所述雷达传感器来获取，然后基于所述点云数据，得到所述停车场中所述停车位的占用状态。
S04、若所述停车位的占用状态为被占用状态，则基于所述数据结构，获取所述被占用状态停车位的停车框。
具体的，当所述智能车在所述停车场中某一位置时，所述雷达传感器获取所述预设范围内的停车位，然后根据所述停车位，获取所述停车位的占用状态为被占用状态，然后根据所述被占用状态的停车位，查找所述数据结构，并根据所述数据结构，得到所述被占用状态的停车位的四个顶点和所述四个顶点对应的车位编号，其中，所述四个顶点组成所述被占用状态的停车框。
S05、基于目标检测网络对所述图像进行检测，以获取图像中的车辆。
所述相机的摄像头获取所述预设范围内的图像，所述图像指的是在预设范围内获取到的停车场的图片，然后基于目标检测网络对所述图像进行检测，以获取所述图像中的车辆，其中，所述目标检测网络可以是 yolov4目标检测算法，将所述图像输入至所述yolov4目标检测算法，从而检测出在所述图像中的车辆。
进一步的，通过所述目标检测网络检测所述智能车在所述预设范围内的车位占用情况，可以提高所述停车位与所述车辆关联的准确率。具体的，在根据所述雷达传感器获取到所述停车场中停车位的第一占用状态后，再通过所述目标检测网络获取到所述停车场中停车位的第二占用情况，然后基于所述第二占用情况，对所述第一占用情况进行进一步的确定。其中，若某一停车位在第一占用状态中属于被占用状态而在第二占用状态中属于未占用状态，则判断该停车位属于未被占用的停车位，并将该停车位标记为0，若该停车位在所述第一占用状态和所述第二占用状态中均属于被占用状态，则判断该停车位被占用，并将该车位标记为1。通过上述步骤，可以过滤掉所述雷达传感器获取到的点云数据中的误检，从而提高检测的精确率。
S06、将所述停车框转换至像素坐标系，并将所述像素坐标系下的停车框和所述图像中的车辆进行匹配，以获取匹配结果。
首先通过所述车辆定位信息将所述停车位地图坐标系下所述停车框的对应的四个顶点转换至所述车辆的雷达坐标系下，并通过顶雷达的高度得到所述车辆的雷达坐标系下所述停车框对应的三维框，然后通过相机外参，将所述三维框转换至相机坐标系，再通过相机内参，将相机坐标系下的所述三维框转换至像素坐标系，最后将像素坐标系下的所述三维框转换为二维框，并将所述二维框和所述图像中的车辆进行匹配，以获取匹配结果。
具体的，通过查找所述数据结构得到所述停车框的四个顶点后，将所述四个顶点转换至雷达坐标系下，并将所述四个顶点的高度设置为第一高度，然后再基于所述智能车上的顶雷达获取所述停车框对应的高度为第二阈值的四个顶点，从而获取所述停车框对应的三维框，其中，所述三维框由高度为第一高度的四个顶点和高度为第二高度的四个顶点组成，所述第一高度小于所述第二高度。并基于相机外参将所述三维框从所述雷达坐标系下转换至相机坐标系下，再基于相机内参，将所述相机坐标系下的三维框转换至像素坐标系下，最后将所述像素坐标系下的三维框转换至二维框，并将所述二维框与所述图像中的车辆进行重合度匹配，其中，所述重合度匹配可以为iou匹配，并在所述匹配完成后，获取匹配后的匹配结果。
其中，所述相机外参是确定相机坐标与世界坐标系之间相对位置关系，所述相机内参是确定从三维空间到二维图像的投影关系，其中，所述相机内参可以是一个3*3的矩阵。
S07、在所述匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述停车框对应的车位编号进行关联。
在所述匹配结果大于所述预设阈值时，确认所述停车框上的目标车辆与所述停车框对应的编号关联，接着获取目标车辆的车位图片，提取所述车位图片中的目标车辆，并基于车牌识别网络对所述目标车辆进行车牌识别，以使所述目标车辆的车牌与所述停车框对应的车位编号进行关联。
具体的，在得到所述匹配结果后，判断所述匹配结果是否大于预设阈值，若所述匹配结果小于所述预设阈值时，则认为所述停车框上的编号与所述停车框上的目标车辆不关联。若所述匹配结果大于所述预设阈值，则所述像素坐标系下的停车框中的车辆和所述图像中的车辆高度重合，也即所述停车框上存在目标车辆，此时，所述停车框上的目标车辆与所述停车框上的编号相关联，接着获取所述目标车辆的车位图片，并将所述车位图片中的目标车辆提取出来，然后基于车牌识别网络对提取出来的目标车辆进行车牌检测，以获取所述车位图片中的目标车辆的车牌号，在获取到所述车牌号后，将所述车牌号与所述车位编号进行关联。
本发明实施例提供的一种车牌与车位编号关联方法，该方法主要通过获取车辆定位信息、点云数据、图像和停车位地图，并根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号，然后再根据所述车辆定位信息和所述点云数据判断所述停车位的占用状态，所述占用状态包括被占用状态和未占用状态，并在所述停车位的占用状态为被占用状态时，基于所述数据结构，获取所述被占用状态停车位的停车框，接着再基于目标检测网络对所述图像进行检测，以获取图像中的车辆，然后将所述停车框转换至像素坐标系，并将所述像素坐标系下的停车框和所述图像中的车辆进行匹配，以获取匹配结果，并在匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述停车框对应的车位编号进行关联。通过上述方法，在对车牌和车位编号进行关联，并不需要借助人力，在降低运营成本的同时，提高了关联的效率。
请参阅图3，图3是本发明实施例提供的一种车牌与车位编号关联装置的结构框图，如图3所示，所述车牌与车位编号关联装置10包括第一获取模块101、建立模块102、判断模块103、第二获取模块104、检测模块105、转换模块106和第三获取模块107。
所述第一获取模块101用于获取车辆定位信息、点云数据、图像和停车位地图。
所述建立模块102用于根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号。
其中，所述建立模块102包括第一获取单元1021和第二获取单元 1022；
所述第一获取单元1021用于获取所述停车位地图中的停车位的位置信息和所述停车位对应的车位编号；
所述第二获取单元1022用于根据所述停车位的位置获取所述停车位对应的四个顶点，并将所述四个顶点和所述车位编号对应存储至所述数据结构中。
所述判断模块103用于根据所述车辆定位信息和所述点云数据判断所述停车位的占用状态，所述占用状态包括被占用状态和未占用状态。
所述第二获取模块104用于在所述停车位的占用状态为被占用状态时，基于所述数据结构，获取所述被占用状态停车位的停车框。
所述检测模块105用于基于目标检测网络对所述图像进行检测，以获取图像中的车辆。
所述转换模块106用于将所述目标停车框转换至像素坐标系，并将所述像素坐标系下的停车框和所述图像中的车辆进行匹配，以获取匹配结果。
其中，所述转换模块106包括第一转换单元1061、第二转换单元 1062、第三转换单元1063和匹配单元1064；
所述第一转换单元1061用于通过所述车辆定位信息将所述停车位地图坐标系下所述停车框的对应的四个顶点转换至所述车辆的雷达坐标系下，并通过顶雷达的高度得到所述车辆的雷达坐标系下，所述停车框对应的三维框；
所述第二转换单元1062用于通过相机外参，将所述三维框转换至相机坐标系；
所述第三转换单元1063用于通过相机内参，将相机坐标系下的所述三维框转换至像素坐标系；
所述匹配单元1064用于将像素坐标系下的所述三维框转换为二维框，并将所述二维框和所述图像中的车辆进行匹配，以获取匹配结果。
所述第三获取模块107用于在所述匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述目标停车框对应的车位编号进行关联。
需要说明的是，上述车牌与车位编号关联装置可执行本发明实施例所提供的车牌与车位编号关联方法，具备执行方法相应的功能模块和有益效果。未在车牌与车位编号关联装置实施例中详尽描述的技术细节，可参见本发明实施例所提供的车牌与车位编号关联方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本发明实施例还提供了一种可读存储介质，所述可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图2的方法步骤，实现图3中的各模块的功能。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；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范围。

Claims (10)

1.一种车牌与车位编号关联方法，应用于智能车，其特征在于，所述方法包括：
获取车辆定位信息、点云数据、图像和停车位地图；
根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号；
根据所述车辆定位信息和所述点云数据判断所述停车位的占用状态，所述占用状态包括被占用状态和未占用状态；
若所述停车位的占用状态为被占用状态，则基于所述数据结构，获取所述被占用状态停车位的停车框；
基于目标检测网络对所述图像进行检测，以获取图像中的车辆；
将所述停车框转换至像素坐标系，并将所述像素坐标系下的停车框和所述图像中的车辆进行匹配，以获取匹配结果；
在所述匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述停车框对应的车位编号进行关联。
2.根据权利要求1所述的方法，其特征在于，所述根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号，包括：
获取所述停车位地图中的停车位的位置信息和所述停车位对应的车位编号；
根据所述停车位的位置获取所述停车位对应的四个顶点，并将所述四个顶点和所述车位编号对应存储至所述数据结构中。
3.根据权利要求2所述的方法，其特征在于，所述将所述停车框转换至像素坐标系，并将所述停车框和所述图像中的车辆进行匹配，以获取匹配结果包括：
通过所述车辆定位信息将所述停车位地图坐标系下所述停车框的对应的四个顶点转换至所述车辆的雷达坐标系下，并通过顶雷达的高度得到所述车辆的雷达坐标系下，所述停车框对应的三维框；
通过相机外参，将所述三维框转换至相机坐标系；
通过相机内参，将相机坐标系下的所述三维框转换至像素坐标系；
将像素坐标系下的所述三维框转换为二维框，并将所述二维框和所述图像中的车辆进行匹配，以获取匹配结果。
4.根据权利要求3所述的方法，其特征在于，所述在所述匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述停车框对应的车位编号进行关联，包括：
在所述匹配结果大于所述预设阈值时，获取所述停车框对应的目标车辆；
将所述目标车辆与所述停车框对应的车位编号进行关联；
提取所述目标车辆的车牌，并基于车牌识别网络对所述车牌进行车牌识别，以使所述目标车辆的车牌与所述停车框对应的车位编号进行关联。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述数据结构包括哈希表。
6.一种车牌与车位编号关联装置，应用于智能车，其特征在于，所述装置包括：
第一获取模块，用于获取车辆定位信息、点云数据、图像和停车位地图；
建立模块，用于根据所述停车位地图建立数据结构，所述数据结构包括停车位的位置信息和所述停车位对应的车位编号；
判断模块，用于根据所述车辆定位信息和所述点云数据判断所述停车位的占用状态，所述占用状态包括被占用状态和未占用状态；
第二获取模块，用于在所述停车位的占用状态为被占用状态时，基于所述数据结构，获取所述被占用状态停车位的停车框；
检测模块，用于基于目标检测网络对所述图像进行检测，以获取图像中的车辆；
转换模块，用于将所述目标停车框转换至像素坐标系，并将所述像素坐标系下的停车框和所述图像中的车辆进行匹配，以获取匹配结果；
第三获取模块，用于在所述匹配结果大于预设阈值时，获取所述停车框对应的目标车辆，并将所述目标车辆的车牌与所述目标停车框对应的车位编号进行关联。
7.根据权利要求6所述的装置，其特征在于，所述建立模块包括：
第一获取单元，用于获取所述停车位地图中的停车位的位置信息和所述停车位对应的车位编号；
第二获取单元，用于根据所述停车位的位置获取所述停车位对应的四个顶点，并将所述四个顶点和所述车位编号对应存储至所述数据结构中。
8.根据权利要求7所述的装置，其特征在于，所述转换模块包括：
第一转换单元，用于通过所述车辆定位信息将所述停车位地图坐标系下所述停车框的对应的四个顶点转换至所述车辆的雷达坐标系下，并通过顶雷达的高度得到所述车辆的雷达坐标系下，所述停车框对应的三维框；
第二转换单元，用于通过相机外参，将所述三维框转换至相机坐标系；
第三转换单元，用于通过相机内参，将相机坐标系下的所述三维框转换至像素坐标系；
匹配单元，用于将像素坐标系下的所述三维框转换为二维框，并将所述二维框和所述图像中的车辆进行匹配，以获取匹配结果。
9.一种智能车，其特征在于，所述智能车包括：
雷达传感器；
相机；
定位装置；
控制器，所述控制器分别与所述雷达传感器、所述相机和所述定位装置通信连接，所述控制器包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5任一项所述的车牌与车位编号关联方法。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-5任一项所述的方法。
CN202210357959.5A 2022-04-06 2022-04-06 车牌与车位编号关联方法、装置、智能车和可读存储介质 Active CN114973752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210357959.5A CN114973752B (zh) 2022-04-06 2022-04-06 车牌与车位编号关联方法、装置、智能车和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210357959.5A CN114973752B (zh) 2022-04-06 2022-04-06 车牌与车位编号关联方法、装置、智能车和可读存储介质

Publications (2)

Publication Number Publication Date
CN114973752A true CN114973752A (zh) 2022-08-30
CN114973752B CN114973752B (zh) 2023-12-22

Family

ID=82977543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210357959.5A Active CN114973752B (zh) 2022-04-06 2022-04-06 车牌与车位编号关联方法、装置、智能车和可读存储介质

Country Status (1)

Country Link
CN (1) CN114973752B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004252809A (ja) * 2003-02-21 2004-09-09 Hitachi Eng Co Ltd 大規模駐車場における駐車位置案内方法および駐車位置案内システム
CN102930743A (zh) * 2012-11-06 2013-02-13 东软集团股份有限公司 停车位与所停车辆关联信息的记录方法和系统
CN103578291A (zh) * 2012-07-30 2014-02-12 陕西浩瀚数码科技有限公司 停车场泊车定位系统
KR101542713B1 (ko) * 2015-01-23 2015-08-13 케이에스아이 주식회사 주차 관리 시스템 및 그 방법
CN110164179A (zh) * 2019-06-26 2019-08-23 湖北亿咖通科技有限公司 一种车库空闲车位的查找方法及装置
CN110310500A (zh) * 2019-06-19 2019-10-08 中汽研（天津）汽车工程研究院有限公司 一种基于grnn网络的自主代客泊车系统及方法
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
CN110864690A (zh) * 2019-10-31 2020-03-06 北京无线电计量测试研究所 一种适用于车辆图像识别的室内定位系统和方法
CN111009150A (zh) * 2019-11-21 2020-04-14 武汉市哈斯特斯科技有限责任公司 一种开放式停车场管理方法、系统及后台服务器
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
KR102178120B1 (ko) * 2020-03-26 2020-11-12 이용석 도로 및 유휴지를 활용한 탄력적 주차관리 시스템
CN112184818A (zh) * 2020-10-09 2021-01-05 重庆邮电大学 基于视觉的车辆定位方法及应用其方法的停车场管理系统
CN113743216A (zh) * 2021-08-03 2021-12-03 湖南省交通科学研究院有限公司 基于视频的停车监控方法、计算机设备及可读存储介质
CN114220087A (zh) * 2021-11-22 2022-03-22 浙江大华技术股份有限公司 一种车牌检测方法、车牌检测器及相关设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004252809A (ja) * 2003-02-21 2004-09-09 Hitachi Eng Co Ltd 大規模駐車場における駐車位置案内方法および駐車位置案内システム
CN103578291A (zh) * 2012-07-30 2014-02-12 陕西浩瀚数码科技有限公司 停车场泊车定位系统
CN102930743A (zh) * 2012-11-06 2013-02-13 东软集团股份有限公司 停车位与所停车辆关联信息的记录方法和系统
KR101542713B1 (ko) * 2015-01-23 2015-08-13 케이에스아이 주식회사 주차 관리 시스템 및 그 방법
CN110310500A (zh) * 2019-06-19 2019-10-08 中汽研（天津）汽车工程研究院有限公司 一种基于grnn网络的自主代客泊车系统及方法
CN110164179A (zh) * 2019-06-26 2019-08-23 湖北亿咖通科技有限公司 一种车库空闲车位的查找方法及装置
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
CN110864690A (zh) * 2019-10-31 2020-03-06 北京无线电计量测试研究所 一种适用于车辆图像识别的室内定位系统和方法
CN111009150A (zh) * 2019-11-21 2020-04-14 武汉市哈斯特斯科技有限责任公司 一种开放式停车场管理方法、系统及后台服务器
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
KR102178120B1 (ko) * 2020-03-26 2020-11-12 이용석 도로 및 유휴지를 활용한 탄력적 주차관리 시스템
CN112184818A (zh) * 2020-10-09 2021-01-05 重庆邮电大学 基于视觉的车辆定位方法及应用其方法的停车场管理系统
CN113743216A (zh) * 2021-08-03 2021-12-03 湖南省交通科学研究院有限公司 基于视频的停车监控方法、计算机设备及可读存储介质
CN114220087A (zh) * 2021-11-22 2022-03-22 浙江大华技术股份有限公司 一种车牌检测方法、车牌检测器及相关设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张洁;孙晓霞;: "基于B/S架构的商场智能停车管理系统设计", 山西电子技术, no. 03 *
胡明辉;: "车牌识别停车诱导系统", 智能建筑, no. 04 *

Cited By (1)

* Cited by examiner, † Cited by third party
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
CN114973752B (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
CN111160302B (zh) 基于自动驾驶环境的障碍物信息识别方法和装置
CN102509457B (zh) 一种车辆跟踪的方法及装置
CN110650316A (zh) 智能巡逻及预警处理方法、装置、电子设备及存储介质
KR960042482A (ko) 물체 관측 방법 및 그 방법을 이용한 물체 관측 장치와, 이 장치를 이용한 교통 흐름 계측 장치 및 주차장 관측 장치
CN112907746B (zh) 电子地图的生成方法、装置、电子设备及存储介质
CN112198878B (zh) 一种即时地图构建方法、装置、机器人及存储介质
CN111739333B (zh) 一种空车位识别方法
CN114973752B (zh) 车牌与车位编号关联方法、装置、智能车和可读存储介质
CN114613193A (zh) 基于算力共享的停车位获取方法、存储介质、系统及车辆
CN116777963A (zh) 一种点云和图像配准方法、装置、电子设备及存储介质
CN112541419A (zh) 基于图像的定位方法、位置关系判断方法及其装置
US20240020923A1 (en) Positioning method based on semantic information, device and computer-readable storage medium
CN112578405A (zh) 一种基于激光雷达点云数据去除地面的方法及系统
CN113256691A (zh) 一种目标跟踪方法、装置、设备和存储介质
CN113793413A (zh) 三维重建方法、装置、电子设备及存储介质
CN113903188B (zh) 车位检测方法、电子设备及计算机可读存储介质
CN113436279B (zh) 一种图像处理方法、装置及设备
CN110673607A (zh) 动态场景下的特征点提取方法、装置、及终端设备
CN112201044A (zh) 道路违规车辆识别方法及系统、存储介质及终端
CN112528918A (zh) 道路元素识别方法、地图标注方法及装置、车辆
CN117152265A (zh) 一种基于区域提取的交通图像标定方法及装置
CN111860084B (zh) 图像特征的匹配、定位方法及装置、定位系统
CN110880003A (zh) 一种图像匹配方法、装置、存储介质及汽车
CN115393433A (zh) 一种检测区域恢复方法、装置、设备及存储介质
CN114783206A (zh) 车位状态更新方法、装置、设备及存储介质

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