CN115601738B - 停车信息获取方法、装置、设备、存储介质及程序产品 - Google Patents
停车信息获取方法、装置、设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN115601738B CN115601738B CN202211188233.XA CN202211188233A CN115601738B CN 115601738 B CN115601738 B CN 115601738B CN 202211188233 A CN202211188233 A CN 202211188233A CN 115601738 B CN115601738 B CN 115601738B
- Authority
- CN
- China
- Prior art keywords
- parking
- camera
- information
- parking space
- vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000033001 locomotion Effects 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 34
- 238000012546 transfer Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 20
- 230000005540 biological transmission Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种停车信息获取方法、装置、设备、存储介质及程序产品,涉及停车监管、图像识别技术领域,可应用于智慧停车和智慧交通场景。该方法包括:利用架设在停车场入口和出口的局部相机获取进入车辆和驶出车辆的车牌信息;利用架设在停车场中停车区域的全景相机获取场内车辆的运动信息;利用跨相机跟踪技术将相同车辆的车牌信息传递给全景相机;利用全景相机对落位在停车区域的车辆上报包含车牌信息和车位信息的车位占用信息。应用该方法可以实现以架设最少量相机的方式对停车场内车辆信息的全面跟踪和覆盖。
Description
技术领域
本公开涉及图像处理技术领域,具体涉及停车监管、图像识别技术领域,可应用于智慧停车和智慧交通场景,尤其涉及一种停车信息获取方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
随着我国经济的发展,车辆市场保有量将持续增加,为了缓解停车问题,相关部门也印发了相关指导意见来尝试缓解停车问题,路内停车系统在这个新基建的背景下营运而生并且迅速推广开来。
尤其是针对大量普遍存在的开放式停车场和辅道停车位,如何在保障获取到准确的车牌信息下,尽可能的减少所架设的摄像装置数量,是本领域技术人员亟待解决的问题。
发明内容
本公开实施例提出了一种停车信息获取方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
第一方面,本公开实施例提出了一种停车信息获取方法,包括:利用架设在停车场入口和出口的局部相机获取进入车辆和驶出车辆的车牌信息;利用架设在停车场中停车区域的全景相机获取场内车辆的运动信息;利用跨相机跟踪技术将相同车辆的车牌信息传递给全景相机;利用全景相机对落位在停车区域的车辆上报包含车牌信息和车位信息的车位占用信息。
第二方面,本公开实施例提出了一种停车信息获取装置,包括:车牌信息获取单元,被配置成利用架设在停车场入口和出口的局部相机获取进入车辆和驶出车辆的车牌信息;场内车辆运动信息获取单元,被配置成利用架设在停车场中停车区域的全景相机获取场内车辆的运动信息;车牌信息传递单元,被配置成利用跨相机跟踪技术将相同车辆的车牌信息传递给全景相机;车位占用信息上报单元,被配置成利用全景相机对落位在停车区域的车辆上报包含车牌信息和车位信息的车位占用信息。
第三方面,本公开实施例提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的停车信息获取方法。
第四方面,本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的停车信息获取方法。
第五方面,本公开实施例提供了一种包括计算机程序的计算机程序产品,该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的停车信息获取方法的步骤。
本公开实施例所提供的停车信息获取方案,通过架设在出入口处的局部相机获取车牌信息、通过架设在停车内停车区域处的全景相机来补充场内车辆的运动信息,并结合跨相机跟踪技术实现车牌信息在局部相机与全景相机之间的传递和同步,以在保留全景相机较大视场角的同时消除其无法拍摄得到较清晰车牌信息的弱点,得以实现以架设最少量相机的方式对停车场内车辆信息的全面跟踪和覆盖。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开可以应用于其中的一种开放性停车场的示例性系统架构;
图2为本公开实施例提供的一种停车信息获取方法的流程图;
图3A为本公开可以应用于其中的另一种开放性停车场的示例性系统架构图;
图3B为本公开可以应用于其中的又一种开放性停车场的示例性系统架构图;
图3C为本公开可以应用于其中的一种辅道停车位的示例性系统架构图;
图3D为本公开可以应用于其中的另一种辅道停车位的示例性系统架构图;
图4为本公开实施例提供的两种实现车牌信息的跨相机传递方法的方案分支示意图;
图5为本公开实施例提供的一种提供车道级导航的方法的流程图;
图6为本公开实施例提供的一种对鱼眼相机拍摄图像进行分区域的畸变矫正方法的流程图;
图7A为本公开实施例提供一种鱼眼相机拍摄得到的原始圆形图的示意图;
图7B为本公开实施例提供的将图7A进行全局矫正得到的矫正矩形图的示意图;
图8为本公开实施例提供的一种停车信息获取装置的结构框图;
图9为本公开实施例提供的一种适用于执行停车信息获取方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
图1示出了可以应用本公开的停车信息获取方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括架设在停车场入口处的局部相机101、架设在停车场出口处的局部相机105、架设在停车场中停车区域处的全景相机102、103、104,以及服务器106。局部相机101、105、全景相机102、103、104可通过预先搭建好的数据传输路径(例如各种有线传输路径或无线传输路径)与服务器106进行数据通信网络。
用户驾驶车辆从停车场入口进入、驶入停车区域、在停车区域某停车位停车、从某停车为启动通过停车场出口驶离的全部行为,均可被预先架设在停车场入口、停车区域、出口处的局部相机和全景相机拍摄或记录得到,并通过将所拍摄或记录的数据发送至服务器106,进而借助服务器106提供的数据分析和处理能力,最终确定出车辆与车位的各种状态。局部相机101、105、全景相机102、103、104和服务器106上可以安装有各种用于实现两者之间进行信息通讯的应用,例如图像传输类应用、控制指令接收及执行类应用、停车分析及处理类应用等。
其中,全景相机102、103、104可以具体表现为拥有较大视场角的鱼眼相机或其它具有类似特性的相机,局部相机101、105则可以具体表现为常见的枪机或球机。服务器106可以是硬件,也可以是软件。当服务器106为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器;服务器为软件时,可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块,在此不做具体限定。
服务器106通过内置的各种应用可以提供各种服务,以可以提供基于局部相机和全景相机返回的图像信息确定出哪些车位被占用的服务的停车分析及处理类应用为例,服务器106可以先通过入口处的局部相机获取进入车辆的车牌信息,然后通过跨相机跟踪技术将相同车辆的车牌的信息传递给能够获取场内车辆运行信息的全景相机,最终借助全景相机确定该车辆所落位的具体车位信息,以生成车位占用信息。
由于基于图像数据进行停车分析需要占用较多的运算资源和较强的运算能力,因此本公开后续各实施例所提供的停车信息获取方法一般由拥有较强运算能力、较多运算资源的服务器106来执行,相应地,停车信息获取装置一般也设置于服务器106中。但同时也需要指出的是,局部相机或全景相机也具有满足要求的运算能力和运算资源时,局部相机或全景相机也可以通过其上安装的停车分析及处理类应用完成上述本交由服务器106做的各项运算,进而输出与服务器106同样的结果。相应的,停车信息获取装置也可以设置于局部相机或全景相机中。在此种情况下,示例性系统架构100也可以不包括服务器106。
应该理解,图1中的全景相机和局部相机的数量、设置位置、停车区域所包含的车位数以及服务器的数目,仅仅是示意性的,可根据实际需要灵活调整。
请参考图2,图2为本公开实施例提供的一种停车信息获取方法的流程图,其中流程200包括以下步骤:
步骤201:利用架设在停车场入口和出口的局部相机获取进入车辆和驶出车辆的车牌信息;
本步骤旨在由停车信息获取方法的执行主体(例如图1所示的服务器106)利用架设在停车场入口和出口的局部相机(例如图1所示的局部相机101和局部相机105)对进入车辆和驶出车辆抓拍到的图像中获取到相应车辆的车牌信息。
具体的,车牌信息可以是由局部相机自身的运算处理模型从拍摄的图像中提取得到,然后发送给上述执行主体,也可以是由上述执行主体从局部相机发来的图像中提取得到。
本公开中所描述的局部相机是相对于全景相机(例如图1所示的全景相机102、103、104)而言的,即具有相较与全景相机较小的视场角的相机被称为本公开所描述的局部相机,例如常见的枪机或球机,即其虽具有相对较小的视场角,但其可拍摄到视场角内较清晰的画面,例如可提取到足够清晰、准确的车牌信息和车辆的细节特征;而具有相较于局部相机较大的视场角的相机则被称为本公开所描述的全景相机,例如鱼眼相机,即其虽具有相对较大的视场角,但其通常为由于镜头特性使得拍摄得到的图像在边缘处存在畸变,通常无法用于提取到足够清晰、准确的车牌信息和车辆的细节特征,可用于获取或识别较“粗”的车辆特征,例如颜色、车型、运动轨迹等。
步骤202:利用架设在停车场中停车区域的全景相机获取场内车辆的运动信息;
在步骤201的基础上,本步骤旨在由上述执行主体利用架设在停车场中停车区域的全景相机(例如图1所示的全景相机102、103、104)从对场内车辆拍摄得到的图像信息中获取到运动信息。其中,运动信息可以由全景相机自身的运算处理模型从拍摄的图像中提取得到,然后发送给上述执行主体,也可以是由上述执行主体从全景相机发来的图像中提取得到。
如图1所示,用于获取驶入停车场入口的车辆的车牌信息的局部相机101独立设置在停车场入口处,用于获取驶离停车长出口的车辆的车牌信息的局部相机105也独立设置在停车场出口处,而全景相机102、103、104则按照从入口到出口方向独立且均匀的间隔设置在中间的停车区域,用于通过较大的视场角来获取在椭圆形范围内运动的场内车辆的运动信息。即局部相机与全景相机各自在独立的位置设置、各司其职,局部相机101与全景相机102以及局部相机105与全景相机104之间的监控视野重叠较小。
区别于图1所示的系统架构示意图,图3A则示出了另一种实现方案,即在全景相机102的位置一并设置有局部相机106、在全景相机104的位置一并设置有局部相机107,该局部相机106仍用于获取驶入停车场入口的车辆的车牌信息、该局部相机107仍用于获取驶离停车场出口的车辆的车牌信息,相较于图1所示的方案,局部相机106与全景相机102以及局部相机107与全景相机104之间存在较大的监控视野重叠,能够通过较大的重叠监控视野更好的完成相同车辆在不同相机监控视野内的同步,以便于准确的完成车牌信息的跨相机传递。
在图3A的基础上,图3B还提供了一种改进防范,即在原先的全景相机103位置,还额外增设了局部相机108和109(具体的,该局部相机可以是球机、分体式枪机或与全景相机一体设置的一体式枪机),以分别对中间的停车区域进行车辆细节特征的获取,以避免因为多个全景相机均没有车辆细节特征的获取能力造成的误判累积问题。
步骤203:利用跨相机跟踪技术将相同车辆的车牌信息传递给全景相机;
在步骤202的基础上,本步骤旨在由上述执行主体利用跨相机跟踪技术将相同车辆的车牌信息传递给全景相机。即车牌信息的传递方向是由最初获取到车辆的车牌信息的局部相机传递给无法获取到车牌信息的全景相机,例如图1中的局部相机101将拍摄到的车辆A的车牌信息传递全景相机102(即该车辆A后续从入口驶入了全景相机102的监控视野内)。除此之外,针对在停车区域内按相同设置间隔设置有多个全景相机的情况(例如图1、图3A和图3B中的全景相机102、103、104),车牌信息的传递还包括由时序在前的全景相机传递给时序在后的全景相机,例如全景相机102将之前从局部相机101处获取到的车辆A的车牌信息又传递给全景相机103(即该车辆后续从全景相机102的监控视野行驶至全景相机103的监控视野内)。
步骤204:利用全景相机对落位在停车区域的车辆上报包含车牌信息和车位信息的车位占用信息。
在步骤203的基础上,本步骤旨在由上述执行主体利用全景相机对落位在停车区域的车辆上报包含车牌信息和车位信息的车位占用信息。
其中,车牌信息由步骤204通过跨相机跟踪技术传递得到,而车位信息这类特征则可以直接由全景相机获取得到。
本公开实施例提供的停车信息获取方法,通过架设在出入口处的局部相机获取车牌信息、通过架设在停车内停车区域处的全景相机来补充场内车辆的运动信息,并结合跨相机跟踪技术实现车牌信息在局部相机与全景相机之间的传递和同步,以在保留全景相机较大视场角的同时消除其无法拍摄得到较清晰车牌信息的弱点,得以实现以架设最少量相机的方式对停车场内车辆信息的全面跟踪和覆盖。
除图1、图3A和图3B针对开放式停车场场景提供的方案外,实践中还可以对类似的辅道停车位场景,即该辅道停车位为辅道区域内远离主道且靠近道路边界处设置的停车位,辅道停车位的入口和出口为辅道区域的入口和出口。
参见图3C可知,局部相机201和局部相机203分别设置在辅路的入口和出口处,全景相机202设置在辅道停车位的中间位置(以充分利用大视场角来覆盖尽可能多的停车位),可见全景相机202的监控视野与局部相机201和局部相机203的监控视野,基本完全覆盖了整个辅道的停车区域。
在图3C的基础上,考虑到有些辅道停车位拥有较多的停车位、单个全景相机无法覆盖所有停车位,因此为了保障监控视野的完全覆盖,还可以将原先的全景相机202替换为由全景相机204、一体式枪机205、206构成的一体式集成相机,以通过左右两侧集成的两个一体式枪机补充对靠近入口和靠近出口的停车位的监控,同时也能够与全景相机204的监控视野带来部分视野上的重叠,从而提升跨相机跟踪传递车牌信息的效果。
为了加深对具体利用跨相机跟踪技术将相同车辆的车牌信息传递给全景相机的理解,本实施例还通过图4提供了两种实现车牌信息的跨相机传递方法的方案:
其一,在第一目标车辆同时出现在局部相机和全景相机的重叠监控视野内时,将由局部相机获取得到的目标车辆的车牌信息传递给全景相机。即将同时出现在局部相机和全景相机的重叠监控视野内的车辆,确定为同一辆车,进而可直接完成该车辆车牌信息的跨相机传递;
其二,在局部相机的监控视野内先独立出现第二目标车辆、全景相机的监控视野内后独立出现第三目标车辆、且第二目标车辆与第三目标车辆具有时序上的特征一致性时,将由局部相机获取得到的第二目标车辆的车牌信息传递给全景相机获取得到的第三目标车辆。在实践中,以图1为例,一辆车总是会先独立的出现在局部相机101(入口处的局部相机)中的监控视野中,若局部相机101与全景相机102之间没有重叠视野,那么该辆车总是会后独立的出现在全景相机102中,由于没有重叠视野来提供相同车辆的判断,因此只能通过两个相机视野内车辆特征是否具有时序上的一致性(例如车辆颜色、车型信息、车辆运动轨迹等)来确定是否为同一辆车,继而在确定的情况下完成车牌信息的跨相机传递。
在上述任意实施例的基础上,还可以利用全景相机和架设在出口的局部相机,确定从停车区域的停车位启动后驶离出口的第四目标车辆的目标车位信息;生成包含第四目标车辆的车牌信息和目标车位信息的车位释放信息。
在上述任意实施例的基础上,无论是图1、图3A、图3B所针对的开放式停车场场景,还是图3C和图3D所针对的辅道停车位场景,还可以借助局部相机和全景信息为打算停车在此场景下的车辆,提供车道级导航,一种包括且不限于的实现方式可参见图5所示的流程图,其流程500包括如下步骤:
步骤501:接收传入的停车导航请求;
通常情况下,该停车导航请求由驾驶待停车辆的用户通过终端设备向外发出,例如所持绑定有待停车辆的车辆信息的智能移动终端,或者待停车辆的车载终端。
步骤502:根据停车导航请求确定待停车辆的当前位置和停车区域中的目标空闲车位;
在步骤501的基础上,本步骤旨在由上述执行主体根据停车导航请求确定待停车辆的当前位置和停车区域中的目标空闲车位。其中,上述执行主体预先可根据流程200的步骤204返回的车位占用信息和/或返回的车位释放信息,确定未被占用的空闲车位,目标空闲车位可以是所有空闲车位中适合待停车辆停放的车位,例如使待停车辆以最短停车距离的空闲车位、便于待停车辆停放和驶出的车位,也可以是用户自行指定的某个空闲车位。
步骤503:根据当前位置与目标空闲车位的实际位置,生成指示待停车辆行驶至目标空闲车位的车道级导航。
在步骤502的基础上,本步骤旨在由上述执行主体根据当前位置与目标空闲车位的实际位置,生成指示待停车辆行驶至目标空闲车位的车道级导航。其中,车道级导航的位置变更信息由入口处的局部相机和入口处至实际位置之间的全景相机提供。
在上述任意实施例的基础上,还可以利用全景相机确定第五目标车辆的停放位置和车位边界,并在发现停放位置的底面未完全落入车位边界所框定的停车区域,生成包含第五目标车辆的车牌信息和相应车位信息的违停通知。
即通过全景相机确定目标车辆在局部相机视野盲区内的停放位置和车位边界,进而通过停放位置与车位边界之间的相对位置关系,来进一步确定目标车辆的实际停放状态。
通常情况下,可以简单的将车辆停放状态分为两类,即按要求停放在停车位所提供停车区域的正常停放状态,以及未按照要求停放在停车位所提供停车区域的异常停放状态(也就是通常说的违停,例如压线、占用多个停车位等多种违停类型)。
而第五目标车辆的停放位置的底面,相当于第五目标车辆的底面,因此当目标车辆的底面完全落入车位边界所框定的车位区域时,可认为该目标车辆按要求停放在了停车位所提供的停车区域内,属于正常停车、即处于正常停放状态。反之则可以认为其未按照要求进行停放,属于违规停车。
进一步的,在发现存在违停情况后,还可以确定该第五目标车辆的违停类别和违停时长,其中,该违停类别中包含因违停所占用车位的第二车位编号,以便于根据违停类别、违停时长、第二车位编号和目标车辆的车牌信息,生成车位异常占用通知,从而能够根据该车位异常占用通知确认哪个车牌的车以何种违停方式违规占用了哪个车位以及占用时长,其中,违停时长可用于确定后续具体的违停处罚措施。
在上述任意实施例的基础上,考虑到全景相机通常由于其镜头特性,所拍摄得到的图像都存在畸变问题,例如当全景相机具体为鱼眼相机时,还可以对鱼眼相机对监控视野内的停车区域拍摄得到的图像进行分区域的畸变校正处理,以通过畸变校正处理来提升图像中信息的辨识度。其中,分区域的畸变校正处理指越靠近图像边缘的图像区域的畸变校正力度越高。
一种包括且不限于的具体实现方式请参见图6所示的流程图,其流程600包括如下步骤:
步骤601:获取鱼眼相机对监控视野内的停车区域拍摄得到的初始圆形图;
其中,初始圆形图可参见图7A所示的存在明显畸变的图像。
步骤602:利用遗传算法对初始圆形图进行全局校正,得到矩形校正图;
如鱼眼相机此类全景相机,其畸变通常包含三类,主要为径向畸变,偏心畸变以及薄棱镜畸变,其中径向畸变是对成像精度影响最大的,因此通常也仅考虑径向畸变对设备产生的影响。
在步骤601的基础上,本步骤旨在由上述执行主体利用遗传算法以求解用于消除径向畸变的最优解的方式来对初始圆形图进行全局校正,得到矩形校正图。图7A对应的矩形校正图为图7B。
步骤603:对矩形校正图中构成同一车位线的关键点进行标注,得到标注后矩形图;
在步骤602的基础上,本步骤旨在由上述执行主体对矩形校正图中构成同一车位线的关键点进行标注,得到标注后矩形图。之所以在经过全局矫正的矩形校正图上进行车位线关键点的标注,是因为在初始圆形图上不好进行车位线上的标注,以提升最终的畸变校正效果。
步骤604:将标注后矩形图以逆变的方式投影回圆形,得到调整后圆形图;
在步骤603的基础上,本步骤旨在由上述执行主体将标注后矩形图以逆变的方式投影回圆形,得到调整后圆形图。
步骤605:基于调整后圆形图中标注的关键点,分区域的将构成同一车位线的关键点进行由曲至直的畸变校正。
在步骤604的基础上,本步骤旨在由上述执行主体基于调整后圆形图中标注的关键点,分区域的将构成同一车位线的关键点进行由曲至直的畸变校正。即校正目标为将应为直线的车位线从因畸变导致呈现出的曲线校正至直线。
而之所以要进行分区域的畸变校正,是因为鱼眼相机所拍摄得到的图像越靠近圆形的图像边缘,其畸变情况越严重、反之则越轻微,因此如果按照统一的畸变校正力度,将无法得到效果较好的最终图像、降低最终图像的信息辨识度。
为加深理解,本公开还结合一个具体应用场景,按照入位到离位的全过程,给出了一种具体的实现方案:
入位过程:
1.利用入口处的局部相机对监控场景内的车辆进行检测以及跟踪,当有新的目标产生时,对其进行车牌识别,车辆属性识别,并生成跟踪编号,在跟踪列表中对其信息进行保存;
2.当鱼眼相机检测到有车辆进入到检测范围时,依据设备编号,依靠车辆运动方向进行相邻设备的查找前置相机,判断前置相机是否与自身存在视野重合区域,若存在视野重合区域,则利用视野重合区域进行跨相机的跟踪,即目标即出现在前置相机的视野重合区域中,也存在与当前相机的视野重合区域中,即可判断为同一目标,将前置相机的跟踪信息继承到当前相机下;若与前置相机不存在视野重合区域,则进行车辆的属性识别,判断前置相机中是否存在与当前车辆属性一致的跟踪目标,若存在则继承该跟踪目标的信息,从而获取车辆的车牌信息;
3.当无法从前置相机获取到相应的跟踪目标,或者跟踪目标未抓拍到车牌,若当前鱼眼相机配备了周遭局部相机,应当调用局部相机对目标进行检测,车牌识别,车辆属性识别等操作,并生成跟踪目标的信息,传递给当前鱼眼相机,配套局部相机有两种使用方式,一是可以绑定鱼眼相机编号,只允许特定编号鱼眼相机调用,并只传递信息到特定编号鱼眼相机中,后续鱼眼相机可从绑定鱼眼相机中获取跟踪目标信息;配套相机也可以根据视野范围进行鱼眼相机的绑定,与该配套相机存在视野重叠的鱼眼相机均可以调用该配套相机来进行跟踪目标的车牌信息捕获;
4.实时监测车辆是否进入已停稳状态(利用检测,检测到车辆不再移动),判断车辆所在区域的分区,截取该分区图像,对该分区图像进行分区域的畸变校正,判断车辆是否停入车位;
5.若跟踪目标停入车位则将该车辆所占用的车位的状态改为已占用,并发送入位事件,若跟踪目标未停入停车位,则发送违规停车警报。
离位过程:
1.对场景进行实时监控,监测已入位的跟踪目标是否发生移动(在图像中检测框位置是否改变),若有发生移动,则判断其与停车位的关系,若已离开停车位则将该目标占用的停车位进行释放,并对其进行持续跟踪,判断出入口相机是否抓拍到其离场,若该目标长时间处于离开车位但未驶出停车场的状态,则发送违规停车警报;
2.周期性判断车位内的车辆跟踪编号是否发生变化,若未发生改变,则将车位内车辆的图片,跟踪等信息进行更新,继续监控进程,若发生了改变,则进行匹配操作,利用匹配判断当前车辆与上一次周期性抓拍更新的图片进行对比,判断车位内目标是否为相同目标,若为相同目标,则将车位内车辆的图片,跟踪等信息进行更新,继续监控进程,若车位内目标为不同目标,则将最后一次抓拍到该入位目标的图片作为离位证据进行上传,并将新的目标作为一个未识别的入位目标进行入位操作,此时若存在配套相机,可尝试调用配套相机来捕获车牌;
3.当有车辆经过出入口相机时,出入口相机向前查找车辆的跟踪信息,若车辆为车牌未识别的目标,则对其进行车牌识别,若捕获到车牌,则对该目标的入位信息进行补车牌操作,并发送离位信息。
特殊的,考虑到现场场景可能会因为意外停电,因此当供电恢复时,设备重新启动,应主动进行一次周期性更新,判断场景内各车位与断电前是否一致:
1.对于断电前车位状态为空闲的车位,应检测当前车位内是否停有车辆,若有车辆,则需要发送车牌为未识别的入位消息,并将该车位的状态修改为占用,若仍无车辆则继续处理;
2.对于断电前车位状态为占用的车位,应检测当前车位内是否停有车辆,若有车辆,则进行一次匹配操作,利用匹配判断当前车辆与上一次周期性抓拍更新的图片进行对比,判断车位内目标是否为相同目标,若为相同目标,则将车位内车辆的图片,跟踪等信息进行更新,继续监控进程,若车位内目标为不同目标,则将最后一次抓拍到该入位目标的图片作为离位证据进行上传,并将新的目标作为一个未识别的入位目标进行入位操作;若此时已无车辆,则将最后一次抓拍到该入位目标的图片作为离位证据进行上传。
进一步参考图8,作为对上述各图所示方法的实现,本公开提供了一种停车信息获取装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图8所示,本实施例的停车信息获取装置800可以包括:车牌信息获取单元801、场内车辆运动信息获取单元802、车牌信息传递单元803、车位占用信息上报单元804。其中,车牌信息获取单元801,被配置成利用架设在停车场入口和出口的局部相机获取进入车辆和驶出车辆的车牌信息;场内车辆运动信息获取单元802,被配置成利用架设在停车场中停车区域的全景相机获取场内车辆的运动信息;车牌信息传递单元803,被配置成利用跨相机跟踪技术将相同车辆的车牌信息传递给全景相机;车位占用信息上报单元804,被配置成利用全景相机对落位在停车区域的车辆上报包含车牌信息和车位信息的车位占用信息。
在本实施例中,停车信息获取装置800中:车牌信息获取单元801、场内车辆运动信息获取单元802、车牌信息传递单元803、车位占用信息上报单元804的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,车牌信息传递单元803可以被进一步配置成:
响应于第一目标车辆同时出现在局部相机和全景相机的重叠监控视野内,将由局部相机获取得到的目标车辆的车牌信息传递给全景相机;
响应于局部相机的监控视野内先独立出现第二目标车辆、全景相机的监控视野内后独立出现第三目标车辆、且第二目标车辆与第三目标车辆具有时序上的特征一致性,将由局部相机获取得到的第二目标车辆的车牌信息传递给全景相机获取得到的第三目标车辆。
在本实施例的一些可选的实现方式中,停车信息获取装置800还可以包括:
全景相机间车牌传递单元,被配置成响应于停车区域中按相同设置间隔设置有多个全景相机,将相同车辆的车牌信息在相邻设置的不同全景相机之间传递。
在本实施例的一些可选的实现方式中,停车信息获取装置800还可以包括:
目标车位信息确定单元,被配置成利用全景相机和架设在出口的局部相机,确定从停车区域的停车位启动后驶离出口的第四目标车辆的目标车位信息;
车位释放信息生成单元,被配置成生成包含第四目标车辆的车牌信息和目标车位信息的车位释放信息。
在本实施例的一些可选的实现方式中,停车信息获取装置800还可以包括:
停车导航请求接收单元,被配置成接收传入的停车导航请求;
当前位置及目标空闲车位确定单元,被配置成根据停车导航请求确定待停车辆的当前位置和停车区域中的目标空闲车位;
车道级导航生成单元,被配置成根据当前位置与目标空闲车位的实际位置,生成指示待停车辆行驶至目标空闲车位的车道级导航;其中,车道级导航的位置变更信息由入口处的局部相机和入口处至实际位置之间的全景相机提供。
在本实施例的一些可选的实现方式中,停车信息获取装置800还可以包括:
停放位置和车位边界确定单元,被配置成利用全景相机确定第五目标车辆的停放位置和车位边界;
违停通知生成单元,被配置成响应于停放位置的底面未完全落入车位边界所框定的停车区域,生成包含第五目标车辆的车牌信息和相应车位信息的违停通知。
在本实施例的一些可选的实现方式中,停车场包括开放式停车场和辅道停车位,辅道停车位为辅道区域内远离主道且靠近道路边界处设置的停车位,辅道停车位的入口和出口为辅道区域的入口和出口。
在本实施例的一些可选的实现方式中,停车信息获取装置800还可以包括:
分区域畸变校正单元,被配置成响应于全景相机为鱼眼相机,对鱼眼相机对监控视野内的停车区域拍摄得到的图像进行分区域的畸变校正处理;其中,分区域的畸变校正处理指越靠近图像边缘的图像区域的畸变校正力度越高。
在本实施例的一些可选的实现方式中,分区域畸变校正单元可以被进一步配置成:
获取鱼眼相机对监控视野内的停车区域拍摄得到的初始圆形图;
利用遗传算法对初始圆形图进行全局校正,得到矩形校正图;
对矩形校正图中构成同一车位线的关键点进行标注,得到标注后矩形图;
将标注后矩形图以逆变的方式投影回圆形,得到调整后圆形图;
基于调整后圆形图中标注的关键点,分区域的将构成同一车位线的关键点进行由曲至直的畸变校正。
本实施例作为对应于上述方法实施例的装置实施例存在,本实施例提供的停车信息获取装置,通过架设在出入口处的局部相机获取车牌信息、通过架设在停车内停车区域处的全景相机来补充场内车辆的运动信息,并结合跨相机跟踪技术实现车牌信息在局部相机与全景相机之间的传递和同步,以在保留全景相机较大视场角的同时消除其无法拍摄得到较清晰车牌信息的弱点,得以实现以架设最少量相机的方式对停车场内车辆信息的全面跟踪和覆盖。
根据本公开的实施例,本公开还提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器执行时能够实现上述任意实施例所描述的停车信息获取方法。
根据本公开的实施例,本公开还提供了一种可读存储介质,该可读存储介质存储有计算机指令,该计算机指令用于使计算机执行时能够实现上述任意实施例所描述的停车信息获取方法。
根据本公开的实施例,本公开还提供了一种计算机程序产品,该计算机程序在被处理器执行时能够实现上述任意实施例所描述的停车信息获取方法的步骤。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如停车信息获取方法。例如,在一些实施例中,停车信息获取方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的停车信息获取方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行停车信息获取方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大,业务扩展性弱的缺陷。
根据本公开实施例的技术方案,通过架设在出入口处的局部相机获取车牌信息、通过架设在停车内停车区域处的全景相机来补充场内车辆的运动信息,并结合跨相机跟踪技术实现车牌信息在局部相机与全景相机之间的传递和同步,以在保留全景相机较大视场角的同时消除其无法拍摄得到较清晰车牌信息的弱点,得以实现以架设最少量相机的方式对停车场内车辆信息的全面跟踪和覆盖。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (16)
1.一种停车信息获取方法,包括:
利用架设在停车场入口和出口的局部相机获取进入车辆和驶出车辆的车牌信息;
利用架设在所述停车场中停车区域的全景相机获取场内车辆的运动信息;
利用跨相机跟踪技术将相同车辆的车牌信息传递给所述全景相机;
利用所述全景相机对落位在所述停车区域的车辆上报包含车牌信息和车位信息的车位占用信息;
响应于所述全景相机为鱼眼相机,获取所述鱼眼相机对监控视野内的停车区域拍摄得到的初始圆形图;利用遗传算法对所述初始圆形图进行全局校正,得到矩形校正图;对所述矩形校正图中构成同一车位线的关键点进行标注,得到标注后矩形图;将所述标注后矩形图以逆变的方式投影回圆形,得到调整后圆形图;基于所述调整后圆形图中标注的关键点,分区域的将构成同一车位线的关键点进行由曲至直的畸变校正。
2.根据权利要求1所述的方法,其中,所述利用跨相机跟踪技术将相同车辆的车牌信息传递给所述全景相机,包括:
响应于第一目标车辆同时出现在所述局部相机和所述全景相机的重叠监控视野内,将由所述局部相机获取得到的目标车辆的车牌信息传递给所述全景相机;
响应于所述局部相机的监控视野内先独立出现第二目标车辆、所述全景相机的监控视野内后独立出现第三目标车辆、且所述第二目标车辆与所述第三目标车辆具有时序上的特征一致性,将由所述局部相机获取得到的第二目标车辆的车牌信息传递给所述全景相机获取得到的第三目标车辆。
3.根据权利要求1所述的方法,还包括:
响应于所述停车区域中按相同设置间隔设置有多个所述全景相机,将相同车辆的车牌信息在相邻设置的不同全景相机之间传递。
4.根据权利要求1所述的方法,还包括:
利用所述全景相机和架设在所述出口的局部相机,确定从所述停车区域的停车位启动后驶离所述出口的第四目标车辆的目标车位信息;
生成包含所述第四目标车辆的车牌信息和所述目标车位信息的车位释放信息。
5.根据权利要求1所述的方法,还包括:
接收传入的停车导航请求;
根据所述停车导航请求确定待停车辆的当前位置和所述停车区域中的目标空闲车位;
根据所述当前位置与所述目标空闲车位的实际位置,生成指示所述待停车辆行驶至所述目标空闲车位的车道级导航;其中,所述车道级导航的位置变更信息由所述入口处的局部相机和所述入口处至所述实际位置之间的全景相机提供。
6.根据权利要求1所述的方法,还包括:
利用所述全景相机确定第五目标车辆的停放位置和车位边界;
响应于所述停放位置的底面未完全落入所述车位边界所框定的停车区域,生成包含所述第五目标车辆的车牌信息和相应车位信息的违停通知。
7.根据权利要求1所述的方法,所述停车场包括开放式停车场和辅道停车位,所述辅道停车位为辅道区域内远离主道且靠近道路边界处设置的停车位,所述辅道停车位的入口和出口为所述辅道区域的入口和出口。
8.一种停车信息获取装置,包括:
车牌信息获取单元,被配置成利用架设在停车场入口和出口的局部相机获取进入车辆和驶出车辆的车牌信息;
场内车辆运动信息获取单元,被配置成利用架设在所述停车场中停车区域的全景相机获取场内车辆的运动信息;
车牌信息传递单元,被配置成利用跨相机跟踪技术将相同车辆的车牌信息传递给所述全景相机;
车位占用信息上报单元,被配置成利用所述全景相机对落位在所述停车区域的车辆上报包含车牌信息和车位信息的车位占用信息;
分区域畸变校正单元,被配置成响应于所述全景相机为鱼眼相机,获取所述鱼眼相机对监控视野内的停车区域拍摄得到的初始圆形图;利用遗传算法对所述初始圆形图进行全局校正,得到矩形校正图;对所述矩形校正图中构成同一车位线的关键点进行标注,得到标注后矩形图;将所述标注后矩形图以逆变的方式投影回圆形,得到调整后圆形图;基于所述调整后圆形图中标注的关键点,分区域的将构成同一车位线的关键点进行由曲至直的畸变校正。
9.根据权利要求8所述的装置,其中,所述车牌信息传递单元被进一步配置成:
响应于第一目标车辆同时出现在所述局部相机和所述全景相机的重叠监控视野内,将由所述局部相机获取得到的目标车辆的车牌信息传递给所述全景相机;
响应于所述局部相机的监控视野内先独立出现第二目标车辆、所述全景相机的监控视野内后独立出现第三目标车辆、且所述第二目标车辆与所述第三目标车辆具有时序上的特征一致性,将由所述局部相机获取得到的第二目标车辆的车牌信息传递给所述全景相机获取得到的第三目标车辆。
10.根据权利要求8所述的装置,还包括:
全景相机间车牌传递单元,被配置成响应于所述停车区域中按相同设置间隔设置有多个所述全景相机,将相同车辆的车牌信息在相邻设置的不同全景相机之间传递。
11.根据权利要求8所述的装置,还包括:
目标车位信息确定单元,被配置成利用所述全景相机和架设在所述出口的局部相机,确定从所述停车区域的停车位启动后驶离所述出口的第四目标车辆的目标车位信息;
车位释放信息生成单元,被配置成生成包含所述第四目标车辆的车牌信息和所述目标车位信息的车位释放信息。
12.根据权利要求8所述的装置,还包括:
停车导航请求接收单元,被配置成接收传入的停车导航请求;
当前位置及目标空闲车位确定单元,被配置成根据所述停车导航请求确定待停车辆的当前位置和所述停车区域中的目标空闲车位;
车道级导航生成单元,被配置成根据所述当前位置与所述目标空闲车位的实际位置,生成指示所述待停车辆行驶至所述目标空闲车位的车道级导航;其中,所述车道级导航的位置变更信息由所述入口处的局部相机和所述入口处至所述实际位置之间的全景相机提供。
13.根据权利要求8所述的装置,还包括:
停放位置和车位边界确定单元,被配置成利用所述全景相机确定第五目标车辆的停放位置和车位边界;
违停通知生成单元,被配置成响应于所述停放位置的底面未完全落入所述车位边界所框定的停车区域,生成包含所述第五目标车辆的车牌信息和相应车位信息的违停通知。
14.根据权利要求8所述的装置,所述停车场包括开放式停车场和辅道停车位,所述辅道停车位为辅道区域内远离主道且靠近道路边界处设置的停车位,所述辅道停车位的入口和出口为所述辅道区域的入口和出口。
15.一种电子设备,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1-7中任一项所述的停车信息获取方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的停车信息获取方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211167369 | 2022-09-23 | ||
CN2022111673692 | 2022-09-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115601738A CN115601738A (zh) | 2023-01-13 |
CN115601738B true CN115601738B (zh) | 2023-08-04 |
Family
ID=84845866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211188233.XA Active CN115601738B (zh) | 2022-09-23 | 2022-09-28 | 停车信息获取方法、装置、设备、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601738B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758775B (zh) * | 2023-04-13 | 2024-06-18 | 湖南易联达科技有限公司 | 一种车位状态判定方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298771A (zh) * | 2011-08-16 | 2011-12-28 | 淮安盈科伟力科技有限公司 | 全景泊车辅助系统的鱼眼图像快速校正方法 |
CN103617606A (zh) * | 2013-11-26 | 2014-03-05 | 中科院微电子研究所昆山分所 | 用于辅助驾驶的车辆多视角全景生成方法 |
CN105730336A (zh) * | 2014-12-10 | 2016-07-06 | 比亚迪股份有限公司 | 倒车辅助装置及车辆 |
CN107689033A (zh) * | 2017-07-21 | 2018-02-13 | 哈尔滨工程大学 | 一种基于椭圆分割的鱼眼图像畸变校正方法 |
US10395403B1 (en) * | 2014-12-22 | 2019-08-27 | Altia Systems, Inc. | Cylindrical panorama |
CN111860352A (zh) * | 2020-07-23 | 2020-10-30 | 上海高重信息科技有限公司 | 一种多镜头车辆轨迹全跟踪系统及方法 |
CN112330601A (zh) * | 2020-10-15 | 2021-02-05 | 浙江大华技术股份有限公司 | 一种基于鱼眼相机的停车检测方法、装置、设备及介质 |
CN112365719A (zh) * | 2020-11-02 | 2021-02-12 | 北京精英路通科技有限公司 | 一种车位管理方法、装置、计算机设备及存储介质 |
CN112382104A (zh) * | 2020-11-13 | 2021-02-19 | 重庆盘古美天物联网科技有限公司 | 基于车辆轨迹分析的路侧停车管理方法 |
WO2021052236A1 (zh) * | 2019-09-18 | 2021-03-25 | 华为技术有限公司 | 图像畸变校正方法及装置 |
CN112906616A (zh) * | 2021-03-08 | 2021-06-04 | 北京庆龙科技有限公司 | 一种车道线提取与生成方法 |
WO2022110049A1 (zh) * | 2020-11-27 | 2022-06-02 | 华为技术有限公司 | 一种导航方法、装置和系统 |
CN115019546A (zh) * | 2022-05-26 | 2022-09-06 | 北京精英路通科技有限公司 | 停车提示方法、装置、电子设备及存储介质 |
CN115049535A (zh) * | 2022-05-24 | 2022-09-13 | 张全胜 | 鱼眼镜头有效区域获取与图像精细校正方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130054868A (ko) * | 2011-11-17 | 2013-05-27 | 한국전자통신연구원 | 회귀 베지어 패치 분할에 기반하는 기하 보정 장치 및 방법 |
KR20130066829A (ko) * | 2011-12-13 | 2013-06-21 | 한국전자통신연구원 | 지능형 카메라 협업 기반 주차관리 시스템 |
US9367928B2 (en) * | 2012-10-05 | 2016-06-14 | Universidade De Coimbra | Method for aligning and tracking point regions in images with radial distortion that outputs motion model parameters, distortion calibration, and variation in zoom |
US10652466B2 (en) * | 2015-02-16 | 2020-05-12 | Applications Solutions (Electronic and Vision) Ltd | Method and device for stabilization of a surround view image |
-
2022
- 2022-09-28 CN CN202211188233.XA patent/CN115601738B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298771A (zh) * | 2011-08-16 | 2011-12-28 | 淮安盈科伟力科技有限公司 | 全景泊车辅助系统的鱼眼图像快速校正方法 |
CN103617606A (zh) * | 2013-11-26 | 2014-03-05 | 中科院微电子研究所昆山分所 | 用于辅助驾驶的车辆多视角全景生成方法 |
CN105730336A (zh) * | 2014-12-10 | 2016-07-06 | 比亚迪股份有限公司 | 倒车辅助装置及车辆 |
US10395403B1 (en) * | 2014-12-22 | 2019-08-27 | Altia Systems, Inc. | Cylindrical panorama |
CN107689033A (zh) * | 2017-07-21 | 2018-02-13 | 哈尔滨工程大学 | 一种基于椭圆分割的鱼眼图像畸变校正方法 |
WO2021052236A1 (zh) * | 2019-09-18 | 2021-03-25 | 华为技术有限公司 | 图像畸变校正方法及装置 |
CN111860352A (zh) * | 2020-07-23 | 2020-10-30 | 上海高重信息科技有限公司 | 一种多镜头车辆轨迹全跟踪系统及方法 |
CN112330601A (zh) * | 2020-10-15 | 2021-02-05 | 浙江大华技术股份有限公司 | 一种基于鱼眼相机的停车检测方法、装置、设备及介质 |
WO2022078156A1 (en) * | 2020-10-15 | 2022-04-21 | Zhejiang Dahua Technology Co., Ltd. | Method and system for parking space management |
CN112365719A (zh) * | 2020-11-02 | 2021-02-12 | 北京精英路通科技有限公司 | 一种车位管理方法、装置、计算机设备及存储介质 |
CN112382104A (zh) * | 2020-11-13 | 2021-02-19 | 重庆盘古美天物联网科技有限公司 | 基于车辆轨迹分析的路侧停车管理方法 |
WO2022110049A1 (zh) * | 2020-11-27 | 2022-06-02 | 华为技术有限公司 | 一种导航方法、装置和系统 |
CN112906616A (zh) * | 2021-03-08 | 2021-06-04 | 北京庆龙科技有限公司 | 一种车道线提取与生成方法 |
CN115049535A (zh) * | 2022-05-24 | 2022-09-13 | 张全胜 | 鱼眼镜头有效区域获取与图像精细校正方法 |
CN115019546A (zh) * | 2022-05-26 | 2022-09-06 | 北京精英路通科技有限公司 | 停车提示方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
全景泊车辅助技术及图像无缝拼接技术分析研究;李娅;令亮;杨拓;黄勇博;;自动化与仪器仪表(09);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115601738A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7218535B2 (ja) | 交通違反車両識別システム及びサーバ | |
WO2019095588A1 (zh) | 基于多摄像机的路侧停车管理方法、装置和系统 | |
US9077907B2 (en) | Image processing apparatus | |
CN111444798B (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN110634306A (zh) | 车辆位置的确定方法及装置、存储介质、计算设备 | |
CN111860352A (zh) | 一种多镜头车辆轨迹全跟踪系统及方法 | |
CN112382104B (zh) | 基于车辆轨迹分析的路侧停车管理方法 | |
CN115601738B (zh) | 停车信息获取方法、装置、设备、存储介质及程序产品 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN111079782B (zh) | 车辆交易方法和系统、存储介质及电子装置 | |
CN114627409A (zh) | 一种车辆异常变道的检测方法及装置 | |
CN112597807A (zh) | 一种违章检测系统、方法、装置、图像采集设备及介质 | |
CN113160272B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN112601049B (zh) | 视频的监控方法、装置、计算机设备及存储介质 | |
JP7107596B2 (ja) | 駅監視システム及び駅監視方法 | |
US20210264638A1 (en) | Image processing device, movable device, method, and program | |
CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
CN113888865B (zh) | 电子设备及车辆信息获取方法 | |
CN110796869A (zh) | 一种检测违法跟车的方法和装置 | |
CN115144843A (zh) | 一种物体位置的融合方法及装置 | |
CN116152691A (zh) | 图像检测方法、装置、设备和存储介质 | |
CN109740518B (zh) | 一种视频中对象的确定方法及装置 | |
CN114429610A (zh) | 获取车牌信息的方法、装置、电子设备及存储介质 | |
KR101697211B1 (ko) | 영상 인식 장치, 인터랙션과 영상 인식 기반의 주차 공간 정보 제공 방법과 시스템 |
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 |