CN115019498A - 停车管理方法及系统 - Google Patents
停车管理方法及系统 Download PDFInfo
- Publication number
- CN115019498A CN115019498A CN202210519670.9A CN202210519670A CN115019498A CN 115019498 A CN115019498 A CN 115019498A CN 202210519670 A CN202210519670 A CN 202210519670A CN 115019498 A CN115019498 A CN 115019498A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- identification
- identifier
- positioning
- parking
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title abstract description 51
- 230000000007 visual effect Effects 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims description 107
- 230000007613 environmental effect Effects 0.000 claims description 28
- 239000003550 marker Substances 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 26
- 238000004590 computer program Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 239000002699 waste material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003466 welding Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/207—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles with respect to certain areas, e.g. forbidden or allowed areas with possible alerting when inside or outside boundaries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种停车管理方法及系统,属于停车管理技术领域。方法包括:若接收到车辆的锁定指令,则获取车辆配置的图像采集装置采集的车辆周围的环境图像,将环境图像作为标识识别模型的输入,通过标识识别模型确定环境图像中的视觉定位标识的结构化信息,之后根据结构化信息确定车辆是否位于指定停车区域内,若确定车辆位于指定停车区域内,则根据锁定指令对车辆进行锁定。其中,结构化信息指示视觉定位标识的标识特征。如此,通过在指定停车区域内预先设置视觉定位标识,根据车辆周围的环境图像中的视觉定位标识确定车辆是否位于指定停车区域内,可以避免由于GPS信号存在漂移而导致的定位精度差,非机动车辆错误地锁车或者锁车失败等问题。
Description
技术领域
本申请涉及停车管理技术领域,特别涉及一种停车管理方法及系统。
背景技术
随着“共享经济”的发展,快递、外卖等行业的兴起,自行车、电动车等非机动车辆的乱停乱放的问题引起了越来越多的关注。为了维护城市的市容市貌,需要一种可靠的手段来规范非机动车的停放。
现有技术中,通常结合GPS(Global Positioning System,全球定位系统)对非机动车辆进行停车管理。比如,对于共享单车,在接收到用户的锁车指令后,可以先获取共享单车的GPS信号,通过GPS信号确定共享单车是否位于指定的停车区域内,若位于指定的停车区域内,则根据锁车指令锁定共享单车,达到管理共享单车规范停放的目的。
但是,上述结合GPS对非机动车辆进行停车管理的方式中,由于在楼宇密集等复杂环境区域内GPS信号存在漂移,定位精度差,因此可能导致非机动车辆错误地锁车或者锁车失败等问题。
发明内容
本申请提供了一种停车管理方法及系统,可以避免复杂环境区域内由于GPS信号存在漂移而导致的定位精度差,非机动车辆错误地锁车或者锁车失败等问题。所述技术方案如下:
第一方面,提供了一种停车管理方法,所述方法包括:
若接收到车辆的锁定指令,则获取所述车辆配置的图像采集装置采集的所述车辆周围的环境图像;
将所述环境图像作为标识识别模型的输入,通过所述标识识别模型确定所述环境图像中的视觉定位标识的结构化信息,所述视觉定位标识设置于指定停车区域内,所述结构化信息用于指示所述视觉定位标识的标识特征;
根据所述结构化信息确定所述车辆是否位于所述指定停车区域内;
若确定所述车辆位于所述指定停车区域内,则根据所述锁定指令对所述车辆进行锁定。
作为一个示例,所述视觉定位标识包括至少一个定位标识,所述结构化信息包括所述至少一个定位标识中每个定位标识的标识类别、以及在所述环境图像中的检测框和检测框的置信度;
所述根据所述结构化信息确定所述车辆是否位于所述指定停车区域内,包括:
根据所述至少一个定位标识中每个定位标识的所述标识类别和所述检测框的置信度,确定所述车辆是否位于所述指定停车区域内
作为一个示例,所述根据所述至少一个定位标识中每个定位标识的所述标识类别和所述检测框的置信度,确定所述车辆是否位于所述指定停车区域内,包括:
根据所述至少一个定位标识中每个定位标识的标识类别,确定每个定位标识对应的权重;
根据所述至少一个定位标识中每个定位标识的检测框的置信度和每个定位标识对应的权重,对所述至少一个定位标识的检测框的置信度进行加权求和,得到所述车辆位于所述指定停车区域内的置信度:
若所述车辆位于所述指定停车区域内的置信度大于置信度阈值,则确定所述车辆位于所述指定停车区域内;
若所述车辆位于所述指定停车区域内的置信度小于或等于所述置信度阈值,则确定所述车辆不位于所述指定停车区域内
作为一个示例,所述根据所述锁定指令对所述车辆进行锁定之前,所述方法还包括:
根据所述结构化信息确定所述车辆的停车方向是否符合方向要求,以及所述车辆的停车姿态是否符合姿态要求;
若确定所述车辆位于所述指定停车区域内、所述停车方向符合所述方向要求且所述停车姿态符合所述姿态要求,则执行根据所述锁定指令对所述车辆进行锁定的步骤
作为一个示例,所述视觉定位标识包括至少一个定位标识,所述结构化信息包括所述至少一个定位标识中每个定位标识的标识类别、以及在所述环境图像中的像素位置、检测框和检测框的置信度;
所述根据所述结构化信息确定所述车辆的停车方向是否符合方向要求,以及所述车辆的停车姿态是否符合姿态要求,包括:
根据所述至少一个定位标识中每个定位标识的标识类别和在所述环境图像中的像素位置,确定所述车辆的停车方向是否符合所述方向要求;
根据所述至少一个定位标识中每个定位标识在所述环境图像中的检测框和检测框的置信度,确定所述车辆的停车姿态是否符合所述姿态要求
作为一个示例,所述根据所述至少一个定位标识中每个定位标识的标识类别和在所述环境图像中的像素位置,确定所述车辆的停车方向是否符合所述方向要求,包括:
根据所述至少一个定位标识中每个定位标识的标识类别和在所述环境图像中的像素位置,确定所述至少一个定位标识之间的位置关系;
若所述位置关系符合第一预设条件,则确定所述车辆的停车方向符合所述方向要求;
若所述位置关系不符合所述第一预设条件,则确定所述车辆的停车方向不符合所述方向要求。
作为一个示例,所述根据所述至少一个定位标识中每个定位标识在所述环境图像中的检测框和检测框的置信度,确定所述车辆的停车姿态是否符合所述姿态要求,包括:
从所述至少一个定位标识中确定所述检测框的置信度最大的定位标识作为目标定位标识;
根据所述目标定位标识的检测框的宽和高,确定所述车辆的停车姿态;
若所述停车姿态符合第二预设条件,则确定所述车辆的停车姿态符合所述姿态要求;
若所述停车姿态不符合所述第二预设条件,则确定所述车辆的停车姿态不符合所述姿态要求。
作为一个示例,所述标识识别模型包括标识检测模块和标识分类模块,所述视觉定位标识包括至少一个定位标识,所述结构化信息包括所述至少一个定位标识中每个定位标识的标识类别、以及在所述环境图像中的像素位置、检测框和检测框的置信度;
所述将所述环境图像作为标识识别模型的输入,通过所述标识识别模型确定所述环境图像中的视觉定位标识的结构化信息,包括:
将所述环境图像作为所述标识检测模块的输入,通过所述标识检测模块对所述环境图像进行特征提取,得到所述至少一个定位标识中每个定位标识的像素位置、检测框和检测框的置信度;
将所述至少一个定位标识中每个定位标识的像素位置、检测框和检测框的置信度作为所述标识分类模块的输入,通过所述标识分类模块确定每个定位标识的标识属性,根据所述每个定位标识的标识属性,确定每个定位标识的标识类别,所述标识属性包括颜色、形状、宽高和纹理中的一种或多种。
作为一个示例,所述将所述环境图像作为标识识别模型的输入,通过所述标识识别模型确定所述环境图像中的视觉定位标识的结构化信息之前,所述方法还包括:
获取样本车辆周围的样本环境图像;
对所述样本环境图像进行标注,得到所述样本环境图像中的视觉定位标识的样本结构化信息,所述样本结构化信息用于指示至少一个定位标识中每个定位标识的样本标识特征;
根据所述样本环境图像和所述样本结构化信息,对待训练标识识别模型进行训练,得到所述标识识别模型,所述标识识别模型用于识别任一环境图像中的视觉定位标识的结构化信息。
作为一个示例,所述根据所述样本环境图像和所述样本结构化信息,对待训练标识识别模型进行训练,得到所述标识识别模型,包括:
将所述样本环境图像输入到所述待训练标识识别模型中,通过所述待训练标识识别模型确定所述样本环境图像中的视觉定位标识的预测结构化信息;
根据所述样本结构化信息和所述预测结构化信息,确定所述待训练标识识别模型的识别误差;
根据所述识别误差,对所述待训练标识识别模型的模型参数进行调整,将模型参数调整后的待训练标识识别模型作为所述标识识别模型。
第二方面,提供了一种停车管理系统,所述停车管理系统包括图像采集装置和主控单元,所述图像采集装置与车辆固定连接;
所述图像采集装置,用于采集所述车辆周围的环境图像;
所述主控单元,用于若接收到车辆的锁定指令,则获取所述车辆配置的图像采集装置采集的所述车辆周围的环境图像;
所述主控单元,还用于将所述环境图像作为标识识别模型的输入,通过所述标识识别模型确定所述环境图像中的视觉定位标识的结构化信息,所述视觉定位标识设置于指定停车区域内,所述结构化信息用于指示所述视觉定位标识的标识特征;
所述主控单元,还用于根据所述结构化信息确定所述车辆是否位于所述指定停车区域内;
所述主控单元,还用于若确定所述车辆位于所述指定停车区域内,则根据所述锁定指令对所述车辆进行锁定。
作为一个示例,所述图像采集装置的采集角度在预设角度范围内,所述预设角度范围用于控制所述图像采集装置采集的环境图像包括所述车辆前方的地面环境。
本申请实施例提供的技术方案带来的有益效果是:
本申请实施例中,若接收到车辆的锁定指令,则获取车辆配置的图像采集装置采集的车辆周围的环境图像,然后将环境图像作为标识识别模型的输入,通过标识识别模型确定环境图像中的视觉定位标识的结构化信息,之后根据结构化信息确定车辆是否位于指定停车区域内,若确定车辆位于指定停车区域内,则根据锁定指令对车辆进行锁定。其中,结构化信息用于指示视觉定位标识的标识特征。如此,通过在指定停车区域内预先设置视觉定位标识,根据获取的车辆周围的环境图像中的视觉定位标识确定车辆是否位于指定停车区域内,可以避免复杂环境区域内由于GPS信号存在漂移而导致的定位精度差,非机动车辆错误地锁车或者锁车失败等问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种停车管理系统的系统示意图;
图2是本申请实施例提供的一种停车管理方法的流程图;
图3为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
应当理解的是,本申请提及的“多个”是指两个或两个以上。在本申请的描述中,除非另有说明,“/”表示或的意思,比如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,比如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,为了便于清楚描述本申请的技术方案,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
在对本申请实施例进行详细地解释说明之前,先对本申请实施例的应用场景予以说明。
由于自行车、电动车等非机动车辆可以实现随时随地开锁或锁车的功能,解决了“最后一公里”的问题,因此成为人们出行生活中重要的工具之一。但是非机动车辆的出现也为城市管理带来了许多不便,给城市的市容市貌带来了很大的影响。比如,用户将非机动车辆随意停放、推倒放置等,不仅增加了维护摆放人员的工作负担,还给城市管理带来了较大的压力。为维持城市的市容市貌,减轻城市管理的负担,需要一种可靠的手段来规范非机动车辆的停放。
现有技术通常结合GPS(Global Positioning System,全球定位系统)技术对非机动车辆进行停车管理,解决非机动车辆的乱停乱放的问题。比如,对于共享单车,现有技术对共享单车的停车管理通常基于车辆上的GPS信号,通过GPS信号确定车辆是否进入指定停车区域内,若确定车辆进入指定停车区域内,则根据锁车指令锁定共享单车。
但是,上述结合GPS对非机动车辆进行停车管理的方式中,由于在楼宇密集等复杂环境区域内GPS信号存在漂移,定位精度差,因此可能导致非机动车辆错误地锁车或者锁车失败等问题。比如,由于GPS定位精度差,错误地确定共享单车位于指定停车区域内,因此导致错误的锁车。
基于此,本申请实施例提出了一种停车管理方法,通过在指定区域内预先设置视觉定位标识,根据获取的车辆周围的环境图像中的视觉定位标识确定车辆是否位于指定停车区域内,可以避免复杂环境区域内由于GPS信号存在漂移而导致的定位精度差,非机动车辆错误地锁车或者锁车失败等问题。此外,根据环境图像中的视觉定位标识还可以确定车辆的停车方向和停车姿态是否符合规范,从而进一步对非机动车辆进行停车管理,降低车辆的停车方向和停车姿态对城市的市容市貌的影响,减少对车位资源的浪费。
下面对本申请实施例提供的一种停车管理系统进行详细地解释说明。
请参考图1,图1是本申请实施例提供的一种停车管理系统的系统示意图。如图1所示,停车管理系统包括图像采集装置101和主控单元102,本申请实施例提出的停车管理方法可以应用于图1中的停车管理系统。
其中,车辆可以为自行车、电动车等非机动车辆,可以实现随时随地开锁或锁车的功能。比如,如图1所示,车辆为自行车。需要说明的是,图1中的车辆仅作为一个示例,并不作为车辆的限定。
其中,图像采集装置101与车辆固定连接,用于采集车辆周围的环境图像。
环境图像的形式可以为照片形式。另外,图像采集模块101也可以以视频形式采集车辆周围的环境,即图像采集模块101也可以采集车辆周围的环境视频,本申请实施例对此不做限定。
图像采集装置101可以为具有拍摄功能的相机,也可以为具有监控功能的摄像头,图像采集装置101具有采集角度和采集范围(区域)。
比如,图像采集装置101与车辆的车身的竖直方向的夹角为采集角度,图像采集装置101的采集角度在预设角度范围内,预设角度范围用于控制图像采集装置101采集的环境图像包括车辆前方的地面环境。
作为一个示例,图像采集装置101可以直接与车辆固定连接,或者通过连接件与车辆连接,比如,可以通过焊接的方式与车辆固定连接。
作为一个示例,图像采集装置101不随车辆的车头的旋转而旋转,图像采集装置101的姿态与车辆的车身的姿态保持一致。
主控单元102用于若接收到车辆的锁定指令,则获取车辆配置的图像采集装置101采集的车辆周围的环境图像。
主控单元102还用于将环境图像作为标识识别模型的输入,通过标识识别模型确定环境图像中的视觉定位标识的结构化信息,视觉定位标识设置于指定停车区域内,结构化信息用于指示视觉定位标识的标识特征。
主控单元102还用于根据结构化信息确定车辆是否位于指定停车区域内。
主控单元102还用于若确定车辆位于指定停车区域内,则根据锁定指令对车辆进行锁定。
其中,主控单元102可以为具有处理能力的设备,比如,主控单元102可以为计算机设备或具有处理能力的处理器等。
作为一个示例,主控单元102可以直接与车辆固定连接,也可以通过连接件与车辆连接,这种情况下,主控单元102可以为具有处理能力的处理器。或者,主控单元102不与车辆连接,主控单元102可以远程获取图像采集模块101采集的车辆周围的环境图像,根据环境图像确定车辆是否位于指定停车区域内,这种情况下,主控单元102可以为计算机设备,计算机设备可以为终端或服务器等。
比如,如图1所示,主控单元102与车辆通过连接件与车辆固定连接。
其中,主控单元102与图像采集模块101可以通过有线方式或无线方式连接。比如,主控单元102与车辆连接,主控单元102可以通过有线方式与图像采集模块101。
另外,可以预先在指定停车区域内设置视觉定位标识,即可以在指定停车区域内的特殊区域或特殊位置设置视觉定位标识。视觉定位标识可以粘贴于指定停车区域,或者印刷于指定停车区域的地面上,本申请实施例对视觉定位标识的设置形式不做限定。
视觉定位标识为进行视觉定位的图形。视觉定位标识具有易识别、易拓展等特点。比如,如图1所示,视觉定位标识可以印刷于指定停车区域的边缘的地面上,视觉定位标识包括第一定位标识1031和第二定位标识1032。第一定位标识1031与第二定位标识1032均为长方形的印刷标识,但第一定位标识1031与第二定位标识1032具有不同的宽度和高度,且第一定位标识1031和第二定位标识1032具有不同的纹理特征。
另外,第一定位标识1032和第二定位标识1032也可以具有不同颜色。比如,第一定位标识1031为黄色,第二定位标识1032为白色。
由于视觉定位标识位于指定停车区域内,因此若车辆位于指定停车区域内,或者若车辆位于指定停车区域的附近区域内,则图像采集装置101采集的环境图像中可能包括视觉定位标识,主控单元102可以根据获取的车辆周围的环境图像中的视觉定位标识确定车辆是否位于指定停车区域内,比如,根据视觉定位标识的结构化信息确定车辆是否位于指定停车区域内。如此,可以避免复杂环境区域内由于GPS信号存在漂移而导致的定位精度差,非机动车辆错误地锁车或者锁车失败等问题。
此外,如图1所示,停车管理系统还可以包括锁定装置104、通信装置105和报警装置106中的至少一种。
其中,锁定装置104用于解锁或锁定车辆。
作为一个示例,锁定装置104可以包括锁定模块。锁定模块用于根据锁定指令锁定车辆,或者根据解锁指令解锁车辆。比如,锁定模块可以为机械装置,用于实现对车辆的机械解锁或机械锁定。
作为一个示例,锁定装置104还可以包括检测模块。检测模块用于检测用户的锁定操作,若检测到锁定操作,则向主控单元102发送锁定请求。主控单元102接收检测模块发送的锁定请求,根据锁定请求生成锁定指令,向锁定模块发送锁定指令。
锁定装置104可以固定于车辆上,主控单元102与锁定装置104可以通过有线方式或无线方式连接。
作为一个示例,锁定装置104可以直接与车辆固定连接,或者通过连接件与车辆连接,比如,可以通过焊接的方式与车辆固定连接。
其中,通信装置105用于与停车管理系统之外的系统或设备进行通信。
比如,通信装置105可以接收系统外部发送的锁定指令。通信装置105若接收到系统外部发送的锁定指令,则向主控单元102发送锁定指令。主控单元102接收锁定指令,向锁定装置104发送锁定指令。之后,锁定装置104根据锁定指令锁定车辆。
通信装置105可以固定于车辆上,主控单元102与通信装置105可以通过有线方式或无线方式连接,通信装置105与停车管理系统之外的设备可以通过有线方式或无线方式连接。
作为一个示例,通信装置105可以直接与车辆固定连接,或者通过连接件与车辆连接,比如,可以通过焊接的方式与车辆固定连接。
其中,报警装置106用于发出报警信息。
比如,报警装置106可以为扬声器,报警装置106通过扬声器发出报警信息。
接下来,对本申请实施例提供的停车管理方法予以说明。
请参考图2,图2是本申请实施例提供的一种停车管理方法的流程图,该方法可以应用于如图1所示的停车管理系统中,停车管理系统可以包括图像采集装置和主控单元,图像采集装置与车辆固定连接。如图2所示,该方法包括如下步骤:
步骤201,主控单元若接收到车辆的锁定指令,则向车辆配置的图像采集装置发送获取图像指令。
其中,锁定指令用于指示主控单元锁定车辆,获取图像指令用于指示图像采集装置采集车辆周围的环境图像。
其中,锁定指令可以由用户通过锁定操作触发,或者由主控单元自动触发。
作为一个示例,如图1所示,停车管理系统还包括通信装置。通信装置若接收到系统外部发送的锁定指令,则向主控单元发送锁定指令。之后,主控单元接收通信装置发送的锁定指令。
其中,系统外部发送的锁定指令由用户通过锁定操作触发。比如,通信装置与停车管理系统之外的手机进行通信。用户在需要对车辆进行锁定的情况下,可以通过手机执行锁定操作,手机若检测到锁定操作,则向通信装置发送锁定指令。通信装置接收手机发送的锁定指令,向主控单元发送锁定指令。也即是,在用户需要对车辆进行锁定的情况下,主控单元获取到锁定指令。
其中,锁定操作可以由用户执行,锁定操作的操作类型可以为点击操作、按压操作、语言操作或手势操作等,本申请实施例对此不做限定。
其中,主控单元与通信装置可以通过有线方式或无线方式连接,通信装置与停车管理系统之外的设备可以通过有线方式或无线方式连接。
作为一个示例,如图1所示,停车管理系统还包括锁定装置,锁定装置若检测到用户执行的锁定操作,则向主控单元发送锁定请求。主控单元接收锁定装置发送的锁定请求,根据锁定请求生成锁定指令。其中,锁定指令可以由主控单元根据锁定请求自动触发。
比如,锁定装置可以包括检测模块,用户在需要对车辆进行锁定的情况下,可以通过检测模块执行锁定操作。之后,检测模块若检测到用户执行的锁定操作,则向主控单元发送锁定请求。主控单元接收锁定装置发送的锁定请求,根据锁定请求生成锁定指令。也即是,在用户需要对车辆进行锁定的情况下,主控单元获取到锁定指令。
比如,检测模块为锁定按钮,用户可以通过按压锁定按钮执行锁定操作,锁定按钮可以检测锁定操作,向主控单元发送锁定请求。
其中,主控单元与锁定装置可以通过有线方式或无线方式连接,锁定装置可以通过有线方式或无线方式向主控单元发送锁定请求。
其中,主控单元与图像采集装置可以通过有线方式或无线方式连接,主控单元可以通过有线方式或无线方式向图像采集装置发送获取图像指令。
步骤202,图像采集装置接收主控单元发送的获取图像指令,采集车辆周围的环境图像。
其中,图像采集装置在用户需要对车辆进行锁定时采集车辆周围的环境。比如,在用户需要对车辆进行锁定的情况下,主控单元获取到锁定指令,向图像采集装置发送获取图像指令。图像采集装置若接收到获取图像指令,则采集车辆周围的环境图像。
其中,图像采集装置与车辆固定连接,图像采集装置具有采集角度和视野范围(视野区域),采集角度在预设角度范围内,预设角度范围用于控制图像采集装置采集的环境图像包括车辆前方的地面环境。比如,图像采集装置根据采集角度采集到视野范围内的环境图像。
作为一个示例,图像采集装置与车辆的连接位置影响采集角度。比如,若图像采集装置连接于车辆越接近地面的位置,则采集角度越大,若图像采集装置连接于车辆越远离地面的位置,则采集角度越小,以保证图像采集装置采集的是车辆前方的地面环境。
另外,可以预先在指定停车区域内设置视觉定位标识,视觉定位标识可以粘贴于指定停车区域,或者印刷于指定停车区域的地面上,本申请实施例对视觉定位标识不做限定。
由于视觉定位标识位于指定停车区域内,因此若车辆位于指定停车区域内,或者若车辆位于指定停车区域的附近区域内,则图像采集装置采集的环境图像中可能包括视觉定位标识。
步骤203,图像采集装置向主控单元发送环境图像。
其中,图像采集装置可以通过有线方式或无线方式向主控单元发送环境图像。
步骤204,主控单元接收图像采集装置发送的环境图像。
由于视觉定位标识位于指定停车区域内,且若车辆位于指定停车区域内,或者若车辆位于指定停车区域的附近区域内,则图像采集装置采集的环境图像中可能包括视觉定位标识,因此主控单元可以根据获取的车辆周围的环境图像中的视觉定位标识确定车辆是否位于指定停车区域内,比如,根据视觉定位标识的结构化信息确定车辆是否位于指定停车区域内。如此,可以避免结合GPS确定车辆是否位于指定停车区域内,即避免结合GPS对非机动车辆进行停车管理,从而避免了复杂环境区域内由于GPS信号存在漂移而导致的定位精度差,非机动车辆错误地锁车或者锁车失败等问题。
另外,主控单元若接收到车辆的锁定指令,则获取车辆配置的图像采集装置采集的车辆周围的环境图像可以由上述步骤201-步骤204实现,也可以通过其它方式实现。
比如,主控单元接收到车辆的锁定指令后获取的环境图像可以称为目标环境图像。图像采集装置可以在车辆解锁后每隔预设时间段采集车辆周围的环境图像,向主控单元发送环境图像。主控单元接收图像采集装置发送的环境图像,存储环境图像。主控单元若接收到锁定指令,则将接收到锁定指令后图像采集装置第一次发送的环境图像作为目标环境图像。
步骤205,主控单元将环境图像作为标识识别模型的输入,通过标识识别模型确定环境图像中的视觉定位标识的结构化信息。
其中,视觉定位标识设置于指定停车区域内,结构化信息用于指示视觉定位标识的标识特征。标识识别模型用于识别任一环境图像中的视觉定位标识的结构化信息。
由于预先在指定停车区域内设置了视觉定位标识,因此若车辆位于指定停车区域内,或者若车辆位于指定停车区域的附近区域内,则图像采集装置采集的环境图像中可能包括视觉定位标识,也即是,主控单元获取的环境图像中可能包括视觉定位标识。
其中,在指定停车区域内设置视觉定位标识,是指在指定停车区域内的特殊区域或特殊位置设置视觉定位标识。比如,在停车区域的四周边缘设置视觉定位标识。视觉定位标识可以粘贴于指定停车区域,或者印刷于指定停车区域的地面上,本申请实施例对视觉定位标识不做限定。
其中,视觉定位标识可以包括至少一个定位标识,至少一个定位标识中的每一个定位标识具有标识类别。结构化信息包括至少一个定位标识中每个定位标识的标识类别、以及在环境图像中的检测框和检测框的置信度。
比如,视觉定位标识印刷于指定停车区域的边缘的地面上,视觉定位标识包括第一定位标识和第二定位标识。第一定位标识为黄色的、具有第一宽度和第一高度的长方形印刷标识,第二定位标识为白色的、具有第二宽度和第二高度的长方形印刷标识。
标识类别用于唯一标识定位标识,比如,标识类别可以为定位标识的颜色,比如,第一定位标识的标识类别为黄色,第二定位标识的标识类别是白色。
检测框是指定位标识在环境图像中的外接矩形,检测框的置信度是指该检测框是定位标识的检测框的概率。比如,第一定位标识在环境图像中的检测框的置信度是指该检测框是第一定位标识的检测框的概率。
另外,结构化信息还可以包括至少一个定位标识中每个定位标识在环境图像中的像素位置。
比如,第一定位标识在环境图像中的像素位置可以是指主控单元通过标识识别模型确定的第一定位标识在环境图像中的多个像素位置,或者是指第一定位标识在环境图像中的中心像素位置,或者是指第一定位标识在环境图像中的检测框的四个顶点像素位置。
此外,至少一个定位标识中每个定位标识具有标识属性,标识属性可以包括颜色、形状、宽高和纹理中的一种或多种。比如,主控单元可以根据定位标识的标识属性确定标识类别。
作为一个示例,视觉定位标识印刷于指定停车区域的地面上,视觉定位标识包括第一定位标识和第二定位标识,第一定位标识的标识属性包括黄色、长方形、第一宽度和第一高度,第二定位标识的标识属性包括白色、长方形、第二宽度和第二高度,第一宽度等于第二宽度,第一高度小于第二高度。主控单元可以识别环境图像中的至少一个定位标识中每个定位标识的标识属性,根据标识属性确定环境图像中的至少一个定位标识中每个定位标识的标识类别。
作为一个示例,至少一个定位标识之间具有一定的位置关系。比如,至少一个定位标识之间的位置关系符合第一预设条件,视觉定位标识包括第一定位标识和第二定位标识,第一预设条件为第一定位标识的印刷位置区域更靠近指定停车区域的边界,也即是,第一预设条件为在环境图像中第一定位标识的像素位置小于第二定位标识的像素位置。其中,环境图像对应的像素坐标系的坐标原点位于环境图像的左上角。
其中,标识识别模型可以包括标识检测模块和标识分类模块,视觉定位标识包括至少一个定位标识,结构化信息包括至少一个定位标识中每个定位标识的标识类别、以及在环境图像中的像素位置、检测框和检测框的置信度。主控单元将环境图像作为标识识别模型的输入,通过标识识别模型确定环境图像中的视觉定位标识的结构化信息可以通过如下步骤实现:
步骤2051,主控单元将环境图像作为标识检测模块的输入,通过标识检测模块对环境图像进行特征提取,得到至少一个定位标识中每个定位标识的像素位置、检测框和检测框的置信度。
其中,标识检测模块用于检测任一环境图像中视觉定位标识的标识特征,比如检测任一环境图像中的至少一个定位标识中每个定位标识的像素位置、检测框和检测框的置信度。
其中,标识检测模块可以通过角点检测、斑点检测、颜色直方图、灰度共生矩阵或形状不变矩法等对环境图像进行特征提取,比如,对环境图像的颜色特征、纹理特征、形状特征或局部特征进行特征提取。
其中,标识检测模块对环境图像进行特征提取后,可以计算特征之间的相似度,根据相似度确定环境图像中的至少一个定位标识中每个定位标识的像素位置、检测框和检测框的置信度。
步骤2052,主控单元将至少一个定位标识中每个定位标识的像素位置、检测框和检测框的置信度作为标识分类模块的输入,通过标识分类模块确定每个定位标识的标识属性,根据每个定位标识的标识属性,确定每个定位标识的标识类别。
其中,标识属性包括颜色、形状、宽高和纹理中的一种或多种。
其中,标识分类模块用于确定环境图像中的任一定位标识的标识类别。比如,标识分类模块先确定环境图像中的任一定位标识的属性,根据标识属性确定标识类别。
作为一个示例,标识识别模型可以预先通过样本环境图像进行训练得到,接下来对标识识别模型的模型训练过程进行说明。比如,标识识别模型的模型训练过程可以包括如下步骤:
步骤1)主控单元获取样本车辆周围的样本环境图像。
其中,样本车辆是非机动车辆,样本车辆配置有样本图像采集装置,主控单元获取样本车辆配置的样本图像采集装置采集的样本环境图像。
其中,主控单元可以获取多个样本车辆中每一个样本车辆的多张样本环境图像。
其中,样本车辆的指定停车区域内也预先设置有视觉定位标识,如此,若样本车辆位于指定停车区域内,或者若样本车辆位于指定停车区域的附近区域内,则主控单元获取的样本环境图像中可能包括视觉定位标识。
步骤2)主控单元获对样本环境图像进行标注,得到样本环境图像中的视觉定位标识的样本结构化信息。
其中,样本结构化信息用于指示至少一个定位标识中每个定位标识的样本标识特征。
比如,样本结构化信息可以包括至少一个定位标识中每个定位标识的样本标识类别、以及在样本环境图像中的样本像素位置、样本检测框和样本检测框的样本置信度。
比如,对多张样本图像中的每一张样本图像分别进行人工标注,标注每一张样本环境图像中的样本结构化信息。
作为一个示例,还可以对至少一个定位标识中每个定位标识的标识属性进行标注。
步骤3)主控单元根据样本环境图像和样本结构化信息,对待训练标识识别模型进行训练,得到标识识别模型。
其中,标识识别模型用于识别任一环境图像中的视觉定位标识的结构化信息。
比如,主控单元可以将样本环境图像输入到待训练标识识别模型中,通过待训练标识识别模型确定样本环境图像中的视觉定位标识的预测结构化信息。再通过人工标注的样本结构化信息和预测结构化信息,确定待训练标识识别模型的识别误差。之后,根据识别误差对待训练标识识别模型的模型参数进行调整,将模型参数调整后的待训练标识识别模型作为标识识别模型。
作为一个示例,可以构建样本结构化信息和预测结构化信息的识别误差损失函数,根据识别误差损失函数对待训练标识识别模型的模型参数进行调整。比如,对识别误差损失函数使用梯度下降算法优化模型参数。
作为一个示例,待训练标识识别模型可以是基于神经网络的多任务网络,比如基于FCOS(Fully Convolutional One-Stage Object Detection,全卷积单级目标检测)的多任务网络。基于FCOS的多任务网络可以包括Backbone(骨干)模块、Neck(颈部)模块、Head(头部)模块。Backbone模块进行了多次的卷积池化操作,Backbone模块为特征提取层,输入为样本环境图像,输出为多个不同的特征层。Neck模块为特征融合层,输入为多个不同的特征层,输出为融合不同深度的特征层。Head模块为待训练标识识别模型的输出层,Head模块的输入为融合不同深度的特征层,Head模块的输出为多个输出头Head。其中,多个输出头Head指示结构化信息。
比如,结构化信息包括至少一个定位标识中每个定位标识的标识类别、以及在环境图像中的像素位置、检测框和检测框的置信度,Head模块的输出包括第一输出头Head、第二输出头Head和第三输出头Head,第一输出头Head指示标识类别,第二输出头Head指示像素位置,第三输出头Head指示检测框和检测框的置信度。
需要说明的是,上述待训练标识识别模型仅作为一个示例,并不作为待训练标识识别模型的限定。待训练标识识别模型也可以为其它神经网络模型,本申请实施例对待训练标识识别模型和标识识别模型不做限定。
作为一个示例,主控单元若确定模型参数调整的次数等于预设次数,或者若确定识别误差小于或等于误差阈值,则停止对模型参数的调整,将最后一次调整的模型参数的待训练标识识别模型作为标识识别模型。
其中,上述标识识别模型的模型训练过程的步骤1)-步骤3)可以由计算机设备执行,计算机设备可以为终端或服务器。主控单元可以存储训练后的标识识别模型,从而通过标识识别模型确定环境图像中的视觉定位标识的结构化信息。
步骤206,主控单元根据结构化信息确定车辆是否位于指定停车区域内。
其中,由于视觉定位标识位于指定停车区域内,因此若车辆位于指定停车区域内,或者若车辆位于指定停车区域的附近区域内,则图像采集装置采集的环境图像中可能包括视觉定位标识,主控单元可以根据获取的车辆周围的环境图像中的视觉定位标识确定车辆是否位于指定停车区域内,比如,根据视觉定位标识的结构化信息确定车辆是否位于指定停车区域内。如此,可以避免结合GPS确定车辆是否位于指定停车区域内,即避免结合GPS对非机动车辆进行停车管理,从而避免了复杂环境区域内由于GPS信号存在漂移而导致的定位精度差,非机动车辆错误地锁车或者锁车失败等问题。
其中,视觉定位标识包括至少一个定位标识,结构化信息包括至少一个定位标识中每个定位标识的标识类别、以及在环境图像中的检测框和检测框的置信度,主控单元可以根据至少一个定位标识中每个定位标识的标识类别和检测框的置信度,确定车辆是否位于指定停车区域内。
比如,主控单元可以先根据至少一个定位标识中每个定位标识的标识类别,确定每个定位标识对应的权重。再根据至少一个定位标识中每个定位标识的检测框的置信度和每个定位标识对应的权重,对至少一个定位标识的检测框的置信度进行加权求和,得到车辆位于指定停车区域内的置信度。之后,若车辆位于指定停车区域内的置信度大于置信度阈值,则确定车辆位于指定停车区域内,若车辆位于指定停车区域内的置信度小于或等于置信度阈值,则确定车辆不位于指定停车区域内。
作为一个示例,视觉定位标识包括第一定位标识和第二定位标识,预先设置第一定位标识对应的权重为40%,第二定位标识对应的权重为60%。主控单元进行加权求和得到车辆位于指定停车区域内的置信度是指确定第一定位标识的检测框的置信度与第一定位标识对应的权重的乘积,以及确定第二定位标识的检测框的置信度与第二定位标识对应的权重的乘积,将这两个乘积进行求和即得到车辆位于指定停车区域内的置信度。
如此,主控单元可以根据获取的车辆周围的环境图像中的视觉定位标识确定车辆是否位于指定停车区域内,避免复杂环境区域内由于GPS信号存在漂移而导致的定位精度差,非机动车辆错误地锁车或者锁车失败等问题。
由于车辆的停车方向和停车姿态也会影响城市的市容市貌,造成停车位的浪费,因此主控单元在确定车辆位于指定停车区域内之后,还可以根据获取的车辆周围的环境图像中的视觉定位标识确定车辆的停车方向是否符合方向要求,和/或确定车辆的停车姿态是否符合姿态要求。
比如,主控单元可以根据环境图像中的视觉定位标识的结构化信息确定车辆的停车方向是否符合方向要求,以及确定车辆的停车姿态是否符合姿态要求。其中,主控单元根据结构化信息确定车辆的停车方向是否符合方向要求,以及确定车辆的停车姿态是否符合姿态要求的方法,可以参见下述步骤204,这里先不做赘述。
步骤207,主控单元若确定车辆位于指定停车区域内,则根据锁定指令对车辆进行锁定。
作为一个示例,主控单元可以通过对车辆的状态进行修改的方式实现车辆的锁定或解锁。比如,车辆的状态可以包括锁定状态和未锁定状态。主控单元可以根据锁定指令将车辆的状态从未锁定状态修改为锁定状态,如此实现对车辆的锁定。
作为一个示例,主控单元可以通过锁定装置对车辆进行锁定。比如,如图1所示,停车管理系统还包括锁定装置,主控单元若确定车辆位于指定停车区域内,则向锁定装置发送锁定指令,锁定装置接收主控单元发送的锁定指令,根据锁定指令锁定车辆。
比如,锁定装置还包括锁定模块,锁定模块可以为机械装置,锁定模块若接收到锁定指令,则机械锁定车辆。
作为一个示例,主控单元若确定车辆不位于指定停车区域内,则发出第一报警信息,第一报警信息用于提示用户调整车辆的停车位置。
比如,如图1所示,停车管理系统还包括报警模块,主控单元可以向报警模块发送第一报警指令,报警模块接收主控单元发送的第一报警指令,根据第一报警指令发出第一报警信息。其中,第一报警指令用于指示报警模块发送第一报警信息。
另外,在根据锁定指令对车辆进行锁定之前,主控单元还可以确定车辆的停车方向和停车姿态中的至少一种是否符合要求。若确定车辆位于指定停车区域,且方向要求和姿态要求中的至少一种符合要求,则根据锁定指令对车辆进行锁定。如此,在确定车辆位于指定停车区域内的基础上,通过确定车辆的停车方法符合方向要求和/或车辆的停车姿态符合姿态要求之后,对车辆进行锁定,可以进一步对非机动车辆进行停车管理,降低车辆的停车方向或停车姿态对城市的市容市貌的影响,减少对车位资源的浪费。
比如,主控单元可以根据结构化信息确定车辆的停车方向是否符合方向要求,也可以根据结构化信息确定车辆的停车姿态是否符合姿态要求。主控单元若确定车辆位于指定停车区域内、停车方向符合方向要求且停车姿态符合姿态要求,则执行根据锁定指令对车辆进行锁定的步骤。
作为一个示例,视觉定位标识包括至少一个定位标识,结构化信息包括至少一个定位标识中每个定位标识的标识类别、以及在环境图像中的像素位置、检测框和检测框的置信度。主控单元可以根据至少一个定位标识中每个定位标识的标识类别和在环境图像中的像素位置,确定车辆的停车方向是否符合方向要求。
其中,停车方向包括正向停车方向和反向停车方向,停车方向符合方向要求是指车辆的停车为正向停车方向。
其中,至少一个定位标识之间具有一定的位置关系,主控单元可以根据结构化信息确定至少一个定位标识之间的位置关系。若位置关系符合第一预设条件,则确定车辆的停车方向符合方向要求。若位置关系不符合第一预设条件,则确定车辆的停车方向不符合方向要求。
比如,主控单元根据至少一个定位标识中每个定位标识的标识类别和在环境图像中的像素位置,确定至少一个定位标识之间的位置关系。
作为一个示例,视觉定位标识包括第一定位标识和第二定位标识,第一定位标识和第二定位标识之间的位置关系为第一定位标识的印刷位置区域更靠近指定停车区域的边界。像素位置是指至少一个定位标识中每个定位标识在环境图像中的中心像素位置,环境图像对应的像素坐标系的坐标原点位于图像的左上角。如此,主控单元若确定环境图像中的第一定位标识的像素位置小于第二定位标识的像素位置,即第一定位标识更靠近环境图像的边界,则确定车辆的停车方向为正向停车方向,车辆的停车方向符合方向要求。
作为一个示例,主控单元也可以根据至少一个定位标识中每个定位标识的的标识属性确定至少一个定位标识之间的位置关系。比如,主控单元通过标识识别模型确定至少一个定位标识中每个定位标识的的标识属性,之后根据标识属性确定标识类别,再根据标识类别确定至少一个定位标识之间的位置关系。
作为一个示例,主控单元若确定车辆的停车方向不符合方向要求,则可以发出第二报警信息,第二报警信息用于提示用户调整车辆的停车方向。
比如,如图1所示,停车管理系统还包括报警模块,主控单元可以向报警模块发送第二报警指令,报警模块接收主控单元发送的第二报警指令,根据第二报警指令发出第二报警信息。其中,第二报警指令用于指示报警模块发送第二报警信息。
作为一个示例,视觉定位标识包括至少一个定位标识,结构化信息包括至少一个定位标识中每个定位标识的标识类别、以及在环境图像中的像素位置、检测框和检测框的置信度。主控单元可以根据至少一个定位标识中每个定位标识在环境图像中的检测框和检测框的置信度,确定车辆的停车姿态是否符合姿态要求。
由于图像采集装置不随车辆的车头的旋转而旋转,图像采集装置的姿态与车辆的车身的姿态保持一致,因此图像采集装置采集的环境图像中的至少一个定位标识中每个定位标识对应的检测框的宽和高可以确定车辆的停车姿态。
其中,车辆的停车姿态是指车辆的车身偏离预设方向的角度。预设方向是指为规范车辆的停放而设定的方向。比如,视觉定位标识包括第一定位标识和第二定位标识,第一定位标识和第二定位标识均为长方形,预设方向可以是指垂直于第一定位标识和第二定位标识的方向。
其中,主控单元可以根据结构化信息确定车辆的停车姿态。若停车姿态符合第二预设条件,则确定车辆的停车姿态符合姿态要求。若停车姿态不符合第二预设条件,则确定车辆的停车姿态不符合姿态要求。
其中,第二预设条件是指车辆可以偏离预设方向的角度阈值。比如,第二预设条件可以是30度,即若车辆的停车姿态小于30度,则确定车辆的停车姿态符合姿态要求。
比如,主控单元从至少一个定位标识中确定检测框的置信度最大的定位标识作为目标定位标识,根据目标定位标识的检测框的宽和高,确定车辆的停车姿态。
作为一个示例,可以通过如下公式(1)确定车辆的停车姿态:
其中,θ为车辆的停车姿态,h为目标定位标识的检测框的高,w为目标定位标识的检测框的宽。
作为一个示例,视觉定位标识包括第一定位标识和第二定位标识,第一定位标识和第二定位标识均为长方形。主控单元也可以根据环境图像中第一定位标识或第二定位标识的斜率确定车辆的停车姿态。
作为一个示例,主控单元若确定车辆的停车姿态不符合姿态要求,则可以发出第三报警信息,第三报警信息用于提示用户调整车辆的停车姿态。
比如,如图1所示,停车管理系统还包括报警模块,主控单元可以向报警模块发送第三报警指令,报警模块接收主控单元发送的第三报警指令,根据第三报警指令发出第三报警信息。其中,第三报警指令用于指示报警模块发送第三报警信息。
需要说明是,在确定车辆位于指定停车区域内的基础上,确定车辆的停车方法符合方向要求且车辆的停车姿态符合姿态要求之后,对车辆进行锁定,可以进一步对非机动车辆进行停车管理,降低车辆的停车方向和停车姿态对城市的市容市貌的影响,减少对车位资源的浪费。
此外,上述步骤205-步骤207也可以由停车管理系统之外的计算机设备执行,计算机设备可以为终端或服务器,计算机设备中存储由标识识别模型。比如,步骤204主控单元接收到环境图像后,将环境图像发送至系统外部的计算机设备,计算机设备根据接收到的环境图像,执行上述步骤205-207。
其中,计算机设备执行上述步骤207若确定车辆位于指定区域内,则根据锁定指令对车辆进行锁定可以通过如下步骤实现:
步骤1)计算机设备若确定车辆位于指定区域内,则生成锁定指令,向停车管理系统的主控单元发送锁定指令。
其中,计算机设备与主控单元可以通过通信装置进行通信。比如,车辆管理系统至少包括主控单元和通信装置。计算机设备可以通过无线方式或有线方式与通信装置连接,通信装置可以通过无线方式或有线方式与主控单元连接。
其中,计算机设备可以向通信装置发送锁定指令,通信装置接收计算机设备发送的锁定指令,向主控单元发送锁定指令。
其中,锁定指令包括车辆标识,用于指示对应的车辆的通信装置接收锁定指令。
步骤2)主控单元接收计算机设备发送的锁定指令,根据锁定指令锁定车辆。
如此,可以减少停车管理系统中主控单元的计算量,提高停车管理的效率。
本申请实施例中,若接收到车辆的锁定指令,则获取车辆配置的图像采集装置采集的车辆周围的环境图像,然后将环境图像作为标识识别模型的输入,通过标识识别模型确定环境图像中的视觉定位标识的结构化信息,之后根据结构化信息确定车辆是否位于指定停车区域内,若确定车辆位于指定停车区域内,则根据锁定指令对车辆进行锁定。其中,结构化信息用于指示视觉定位标识的标识特征。如此,通过在指定停车区域内预先设置视觉定位标识,根据获取的车辆周围的环境图像中的视觉定位标识确定车辆是否位于指定停车区域内,可以避免结合GPS确定车辆是否位于指定停车区域内,即避免结合GPS对非机动车辆进行停车管理,从而避免了复杂环境区域内由于GPS信号存在漂移而导致的定位精度差,非机动车辆错误地锁车或者锁车失败等问题。
此外,根据环境图像中的视觉定位标识还可以确定车辆的停车方向和停车姿态是否符合规范,从而进一步对非机动车辆进行停车管理,降低车辆的停车方向和停车姿态对城市的市容市貌的影响,减少对车位资源的浪费。
请参考图3,图3为本申请实施例提供的一种计算机设备的结构示意图。如图3所示,计算机设备包括:处理器301、存储器302以及存储在存储器302中并可在处理器301上运行的计算机程序303,处理器301执行计算机程序303时实现上述实施例中的停车管理方法中的步骤。
计算机设备可以是上述图1实施例和上述图2实施例中的主控单元。在具体实现中,计算机设备可以是终端或服务器等,本申请实施例不限定计算机设备的类型。本领域技术人员可以理解,图3仅仅是计算机设备的举例,并不构成对计算机设备的限定,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,比如还可以包括输入输出设备、网络接入设备等。
处理器301可以是中央处理单元(Central Processing Unit,CPU),处理器301还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者也可以是任何常规的处理器。
存储器302在一些实施例中可以是计算机设备的内部存储单元,比如计算机设备的硬盘或内存。存储器302在另一些实施例中也可以是计算机设备的外部存储设备,比如计算机设备上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器302还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器302用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等。存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机设备,该计算机设备包括:至少一个处理器、存储器以及存储在该存储器中并可在该至少一个处理器上运行的计算机程序,该处理器执行该计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例中的步骤。
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,本申请实现上述方法实施例中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,该计算机程序包括计算机程序代码,该计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。该计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。本申请提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
应当理解的是,实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。该计算机指令可以存储在上述计算机可读存储介质中。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (12)
1.一种停车管理方法,其特征在于,所述方法包括:
若接收到车辆的锁定指令,则获取所述车辆配置的图像采集装置采集的所述车辆周围的环境图像;
将所述环境图像作为标识识别模型的输入,通过所述标识识别模型确定所述环境图像中的视觉定位标识的结构化信息,所述视觉定位标识设置于指定停车区域内,所述结构化信息用于指示所述视觉定位标识的标识特征;
根据所述结构化信息确定所述车辆是否位于所述指定停车区域内;
若确定所述车辆位于所述指定停车区域内,则根据所述锁定指令对所述车辆进行锁定。
2.如权利要求1所述的方法,其特征在于,所述视觉定位标识包括至少一个定位标识,所述结构化信息包括所述至少一个定位标识中每个定位标识的标识类别、以及在所述环境图像中的检测框和检测框的置信度;
所述根据所述结构化信息确定所述车辆是否位于所述指定停车区域内,包括:
根据所述至少一个定位标识中每个定位标识的所述标识类别和所述检测框的置信度,确定所述车辆是否位于所述指定停车区域内。
3.如权利要求2所述的方法,其特征在于,所述根据所述至少一个定位标识中每个定位标识的所述标识类别和所述检测框的置信度,确定所述车辆是否位于所述指定停车区域内,包括:
根据所述至少一个定位标识中每个定位标识的标识类别,确定每个定位标识对应的权重;
根据所述至少一个定位标识中每个定位标识的检测框的置信度和每个定位标识对应的权重,对所述至少一个定位标识的检测框的置信度进行加权求和,得到所述车辆位于所述指定停车区域内的置信度:
若所述车辆位于所述指定停车区域内的置信度大于置信度阈值,则确定所述车辆位于所述指定停车区域内;
若所述车辆位于所述指定停车区域内的置信度小于或等于所述置信度阈值,则确定所述车辆不位于所述指定停车区域内。
4.如权利要求1所述的方法,其特征在于,所述根据所述锁定指令对所述车辆进行锁定之前,所述方法还包括:
根据所述结构化信息确定所述车辆的停车方向是否符合方向要求,以及所述车辆的停车姿态是否符合姿态要求;
若确定所述车辆位于所述指定停车区域内、所述停车方向符合所述方向要求且所述停车姿态符合所述姿态要求,则执行根据所述锁定指令对所述车辆进行锁定的步骤。
5.如权利要求4所述的方法,其特征在于,所述视觉定位标识包括至少一个定位标识,所述结构化信息包括所述至少一个定位标识中每个定位标识的标识类别、以及在所述环境图像中的像素位置、检测框和检测框的置信度;
所述根据所述结构化信息确定所述车辆的停车方向是否符合方向要求,以及所述车辆的停车姿态是否符合姿态要求,包括:
根据所述至少一个定位标识中每个定位标识的标识类别和在所述环境图像中的像素位置,确定所述车辆的停车方向是否符合所述方向要求;
根据所述至少一个定位标识中每个定位标识在所述环境图像中的检测框和检测框的置信度,确定所述车辆的停车姿态是否符合所述姿态要求。
6.如权利要求5所述的方法,其特征在于,所述根据所述至少一个定位标识中每个定位标识的标识类别和在所述环境图像中的像素位置,确定所述车辆的停车方向是否符合所述方向要求,包括:
根据所述至少一个定位标识中每个定位标识的标识类别和在所述环境图像中的像素位置,确定所述至少一个定位标识之间的位置关系;
若所述位置关系符合第一预设条件,则确定所述车辆的停车方向符合所述方向要求;
若所述位置关系不符合所述第一预设条件,则确定所述车辆的停车方向不符合所述方向要求。
7.如权利要求5所述的方法,其特征在于,所述根据所述至少一个定位标识中每个定位标识在所述环境图像中的检测框和检测框的置信度,确定所述车辆的停车姿态是否符合所述姿态要求,包括:
从所述至少一个定位标识中确定所述检测框的置信度最大的定位标识作为目标定位标识;
根据所述目标定位标识的检测框的宽和高,确定所述车辆的停车姿态;
若所述停车姿态符合第二预设条件,则确定所述车辆的停车姿态符合所述姿态要求;
若所述停车姿态不符合所述第二预设条件,则确定所述车辆的停车姿态不符合所述姿态要求。
8.如权利要求1-7任一所述的方法,其特征在于,所述标识识别模型包括标识检测模块和标识分类模块,所述视觉定位标识包括至少一个定位标识,所述结构化信息包括所述至少一个定位标识中每个定位标识的标识类别、以及在所述环境图像中的像素位置、检测框和检测框的置信度;
所述将所述环境图像作为标识识别模型的输入,通过所述标识识别模型确定所述环境图像中的视觉定位标识的结构化信息,包括:
将所述环境图像作为所述标识检测模块的输入,通过所述标识检测模块对所述环境图像进行特征提取,得到所述至少一个定位标识中每个定位标识的像素位置、检测框和检测框的置信度;
将所述至少一个定位标识中每个定位标识的像素位置、检测框和检测框的置信度作为所述标识分类模块的输入,通过所述标识分类模块确定每个定位标识的标识属性,根据所述每个定位标识的标识属性,确定每个定位标识的标识类别,所述标识属性包括颜色、形状、宽高和纹理中的一种或多种。
9.如权利要求1-7任一所述的方法,其特征在于,所述将所述环境图像作为标识识别模型的输入,通过所述标识识别模型确定所述环境图像中的视觉定位标识的结构化信息之前,所述方法还包括:
获取样本车辆周围的样本环境图像;
对所述样本环境图像进行标注,得到所述样本环境图像中的视觉定位标识的样本结构化信息,所述样本结构化信息用于指示至少一个定位标识中每个定位标识的样本标识特征;
根据所述样本环境图像和所述样本结构化信息,对待训练标识识别模型进行训练,得到所述标识识别模型,所述标识识别模型用于识别任一环境图像中的视觉定位标识的结构化信息。
10.如权利要求9所述的方法,其特征在于,所述根据所述样本环境图像和所述样本结构化信息,对待训练标识识别模型进行训练,得到所述标识识别模型,包括:
将所述样本环境图像输入到所述待训练标识识别模型中,通过所述待训练标识识别模型确定所述样本环境图像中的视觉定位标识的预测结构化信息;
根据所述样本结构化信息和所述预测结构化信息,确定所述待训练标识识别模型的识别误差;
根据所述识别误差,对所述待训练标识识别模型的模型参数进行调整,将模型参数调整后的待训练标识识别模型作为所述标识识别模型。
11.一种停车管理系统,其特征在于,所述停车管理系统包括图像采集装置和主控单元,所述图像采集装置与车辆固定连接;
所述图像采集装置,用于采集所述车辆周围的环境图像;
所述主控单元,用于若接收到车辆的锁定指令,则获取所述车辆配置的图像采集装置采集的所述车辆周围的环境图像;
所述主控单元,还用于将所述环境图像作为标识识别模型的输入,通过所述标识识别模型确定所述环境图像中的视觉定位标识的结构化信息,所述视觉定位标识设置于指定停车区域内,所述结构化信息用于指示所述视觉定位标识的标识特征;
所述主控单元,还用于根据所述结构化信息确定所述车辆是否位于所述指定停车区域内;
所述主控单元,还用于若确定所述车辆位于所述指定停车区域内,则根据所述锁定指令对所述车辆进行锁定。
12.如权利要求11所述的系统,其特征在于,所述图像采集装置的采集角度在预设角度范围内,所述预设角度范围用于控制所述图像采集装置采集的环境图像包括所述车辆前方的地面环境。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210519670.9A CN115019498A (zh) | 2022-05-13 | 2022-05-13 | 停车管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210519670.9A CN115019498A (zh) | 2022-05-13 | 2022-05-13 | 停车管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115019498A true CN115019498A (zh) | 2022-09-06 |
Family
ID=83069184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210519670.9A Pending CN115019498A (zh) | 2022-05-13 | 2022-05-13 | 停车管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115019498A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207029387U (zh) * | 2017-03-21 | 2018-02-23 | 王建刚 | 一种共享单车 |
CN111553282A (zh) * | 2020-04-29 | 2020-08-18 | 北京百度网讯科技有限公司 | 用于检测车辆的方法和装置 |
US10783784B1 (en) * | 2020-03-31 | 2020-09-22 | Lyft, Inc. | Free lock detection of a micromobility transit vehicle systems and methods |
CN111832377A (zh) * | 2019-07-26 | 2020-10-27 | 北京骑胜科技有限公司 | 一种车辆停车控制方法、装置、车辆及存储介质 |
CN112699823A (zh) * | 2021-01-05 | 2021-04-23 | 浙江得图网络有限公司 | 一种用于共享电动车的定点还车方法 |
CN113011489A (zh) * | 2021-03-16 | 2021-06-22 | 北京三快在线科技有限公司 | 一种锁车方法、装置、存储介质及电子设备 |
CN113780183A (zh) * | 2021-09-13 | 2021-12-10 | 宁波小遛共享信息科技有限公司 | 一种共享车辆的规范停车确定方法、装置及计算机设备 |
CN114387569A (zh) * | 2021-11-18 | 2022-04-22 | 北京骑胜科技有限公司 | 车辆及停车管理方法 |
-
2022
- 2022-05-13 CN CN202210519670.9A patent/CN115019498A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207029387U (zh) * | 2017-03-21 | 2018-02-23 | 王建刚 | 一种共享单车 |
CN111832377A (zh) * | 2019-07-26 | 2020-10-27 | 北京骑胜科技有限公司 | 一种车辆停车控制方法、装置、车辆及存储介质 |
US10783784B1 (en) * | 2020-03-31 | 2020-09-22 | Lyft, Inc. | Free lock detection of a micromobility transit vehicle systems and methods |
CN111553282A (zh) * | 2020-04-29 | 2020-08-18 | 北京百度网讯科技有限公司 | 用于检测车辆的方法和装置 |
CN112699823A (zh) * | 2021-01-05 | 2021-04-23 | 浙江得图网络有限公司 | 一种用于共享电动车的定点还车方法 |
CN113011489A (zh) * | 2021-03-16 | 2021-06-22 | 北京三快在线科技有限公司 | 一种锁车方法、装置、存储介质及电子设备 |
CN113780183A (zh) * | 2021-09-13 | 2021-12-10 | 宁波小遛共享信息科技有限公司 | 一种共享车辆的规范停车确定方法、装置及计算机设备 |
CN114387569A (zh) * | 2021-11-18 | 2022-04-22 | 北京骑胜科技有限公司 | 车辆及停车管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11205095B2 (en) | Methods and systems for the fast estimation of three-dimensional bounding boxes and drivable surfaces using LIDAR point clouds | |
CN112184818B (zh) | 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 | |
CN111178236B (zh) | 一种基于深度学习的车位检测方法 | |
CN112734852B (zh) | 一种机器人建图方法、装置及计算设备 | |
Soheilian et al. | Detection and 3D reconstruction of traffic signs from multiple view color images | |
JP4970195B2 (ja) | 人物追跡システム、人物追跡装置および人物追跡プログラム | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
CN115717894B (zh) | 一种基于gps和普通导航地图的车辆高精度定位方法 | |
CN111611853A (zh) | 一种传感信息融合方法、装置及存储介质 | |
CN111860352B (zh) | 一种多镜头车辆轨迹全跟踪系统及方法 | |
CN111507327A (zh) | 一种目标检测方法及装置 | |
CN108688500A (zh) | 一种电动公交车视觉检测充电控制系统及其设计方法 | |
CN108805184B (zh) | 一种固定空间、车辆上的图像识别方法及系统 | |
CN110659548A (zh) | 车辆及其目标检测方法、装置 | |
CN113313097A (zh) | 人脸识别方法、终端及计算机可读存储介质 | |
CN104463238A (zh) | 一种车牌识别方法和系统 | |
CN115366885A (zh) | 用于辅助机动车的驾驶操作的方法、辅助装置及机动车 | |
Elliethy et al. | Automatic registration of wide area motion imagery to vector road maps by exploiting vehicle detections | |
Michelin et al. | Quality evaluation of 3D city building models with automatic error diagnosis | |
WO2021167189A1 (ko) | 360도 주변 물체 검출 및 인식 작업을 위한 다중 센서 데이터 기반의 융합 정보 생성 방법 및 장치 | |
CN115019498A (zh) | 停车管理方法及系统 | |
CN115810132B (zh) | 一种裂缝朝向识别方法、装置、设备及存储介质 | |
CN111523407A (zh) | 人脸识别系统及方法以及基于人脸识别的医护记录系统 | |
US20230334675A1 (en) | Object tracking integration method and integrating apparatus | |
Liu et al. | A lightweight lidar-camera sensing method of obstacles detection and classification for autonomous rail rapid transit |
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 |