CN115762230A - 基于剩余车位量预测的停车场智能引导方法及装置 - Google Patents
基于剩余车位量预测的停车场智能引导方法及装置 Download PDFInfo
- Publication number
- CN115762230A CN115762230A CN202211467058.8A CN202211467058A CN115762230A CN 115762230 A CN115762230 A CN 115762230A CN 202211467058 A CN202211467058 A CN 202211467058A CN 115762230 A CN115762230 A CN 115762230A
- Authority
- CN
- China
- Prior art keywords
- parking lot
- vehicle
- parking
- guiding
- remaining
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于剩余车位量预测的停车场智能引导方法及装置，该方法步骤包括：S01.实时采集停车场出入口指定范围内的图像并进行目标识别；S02.当识别到车辆时，提取车辆行驶轨迹数据判断车辆的行驶方向；S03.根据车辆的行驶方向判断车辆是进入停车场还是驶出停车场的状态；S04.根据车辆进入或驶出停车场的状态，统计当前进入停车场的车辆数量以及驶出停车场的车辆数量，并预测出停车场当前剩余车位量；S05.根据当前预测出的剩余车位量发送引导车辆进入停车场指定区域或驶出停车场的引导信息。本发明具有实现方法简单、成本低、智能化程度与执行效率高，能够有效降低停车等待时间、提高车辆通行效率等优点。
Description
技术领域
本发明涉及停车场智能引导技术领域，尤其涉及一种基于剩余车位量预测的停车场智能引导方法及装置。
背景技术
目前大多数的停车场尚不能实现很好的信息化管理，对于停车场内停车的引导通常仅是简单的采用人工排查的方式排查停车场内停车位是否已满，当排查到停车场已无空余车位时，放置停车场已满的指示牌。但是人工排查的方式排查难度较大，就难以及时、精准的预测具体的剩余空车位数量，尤其是如果停车场的面积较大，往往会在停车场内停车位已满后延时较长一段时间才能够发现，且简单的指示牌无法进行有效的引导停车，车辆进入停车场后可能需要大量的找寻车位时间或发生车辆排队拥堵等情况。
若考虑通过在停车场的出口、入口分别设置一个监测设备，以通过简单的统计车流量的方式实现剩余车位量的预测，需要在出口、入口均需要设置监测设备，实现成本较高且精度并不高，同时简单的剩余车位量预测方式仍然无法很好的解车辆进入停车场的引导问题，致使车辆进入停车场后仍然可能需要大量的找寻车位时间以及车辆排队拥堵等情况发生。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、成本低、智能化程度与执行效率高，能够有效降低停车等待时间、提高车辆通行效率的基于剩余车位量预测的停车场智能引导方法及装置。
为解决上述技术问题，本发明提出的技术方案为：
一种基于剩余车位量预测的停车场智能引导方法，步骤包括：
S01.实时采集停车场出入口指定范围内的图像并进行目标识别；
S02.当识别到车辆时，提取车辆行驶轨迹数据并根据所述车辆行驶轨迹数据判断车辆的行驶方向以及速度；
S03.根据所述车辆的行驶方向以及速度判断车辆是进入停车场还是驶出停车场的状态；
S04.根据车辆进入或驶出停车场的状态，统计当前进入停车场的车辆数量以及驶出停车场的车辆数量，并预测出停车场当前剩余车位量；
S05.根据当前预测出的剩余车位量发送引导车辆进入停车场指定区域或驶出停车场的引导信息。
进一步的，所述步骤S01包括：
S101.对采集到的图像进行运动物体检测，当检测到运动物体目标时，转入步骤S102；
S102.通过毫米波雷达获取目标物体的RCS数据，并根据检测到的目标GPS位置计算出目标在各个时间点的航向角；
S103.根据所述各个时间点的所述航向角的变化状态以及所述RCS数据，判断运动物体目标是否为车辆。
进一步的，所述步骤S101中，通过对图像数据进行背景减除，以将动态的前景从静态的背景中分离出来；将当前画面与预设静态背景进行比较以确定出发生变化的区域，将确定出的变化区域作为检测到的运动物体所在的区域；所述步骤S101中，还包括通过采用yolo算法初步识别出运动物体的类型，把不影响车流量的预设运动物体类型进行过滤。
进一步的，所述步骤S102中，通过对雷达检测到的原始点云数据进行聚类，识别出运动物体目标所在的位置，得到所述目标GPS位置。
进一步的，所述步骤S103中，通过将雷达检查到的目标物体的RCS数据和航向角变换数据输入至预先构建得到的数据关联模型中进行匹配，判断目标类型是否为车辆，所述数据关联模型为使用雷达历史数据与图像识别数据进行关联性学习构建得到。
进一步的，所述步骤S05中，如果车辆为需要进入停车场的状态，如果预测到当前剩余车位量超过第一预设阈值，发送引导车辆进入第一优先级区域的引导信息，如果当前剩余车位量在第一预设阈值与第二预设阈值之间，则发送引导车辆进入第二优先级区域的引导信息，以此类推，如果当前剩余车位量在第n-1预设阈值与第n预设阈值之间，发送引导车辆进入第n优先级区域的引导信息，n为停车场中停车区域数且n>2。
进一步的，所述步骤S05中，如果车辆为需要从目的出口驶出停车场的状态，根据当前统计的所有从目的出口驶出的车辆数量、各驶出车辆数量之间的时间间隔预测以及距离目的出口最近的路口的车流量状态，预测是否会在目的出口存在拥堵，如果会则发送引导车辆从其他空闲的出口驶出的引导信息。
进一步的，所述步骤S05后，还包括根据统计的车辆进入以及驶出数据量，预测附近各路段的车流量；根据预测的各路段的车流量，预测最终通向停车场的各通道的车流量；根据预测得到的通向停车场的各通道的车流量，预测附近停车场的估算剩余车位数。
一种基于剩余车位量预测的停车场智能引导装置，包括：
采集模块，用于实时采集停车场出入口指定范围内的图像并进行目标识别；
轨迹提取与判断模块，用于当识别到车辆时，提取车辆行驶轨迹数据并根据车辆行驶轨迹数据判断车辆的行驶方向；
状态判断模块，用于根据车辆的行驶方向判断车辆是进入停车场还是驶出停车场的状态；
剩余量预测模块，用于根据车辆进入或驶出停车场的状态，统计当前进入停车场的车辆数量以及驶出停车场的车辆数量，并预测出停车场当前剩余车位量；
引导模块，用于根据当前预测出的剩余车位量发送引导车辆进入停车场的引导信息。
一种电子设备，包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序以执行如上述方法。
与现有技术相比，本发明的优点在于：本发明通过架设到停车场出入口的传感器主动采集的图像数据进行目标识别，对识别出的车辆提取车辆行驶轨迹数据，基于车辆行驶轨迹数据判断车辆的行驶方向以及速度，进而判断车辆是进入停车场还是驶出停车场的状态，统计当前进入停车场的车辆数量以及驶出停车场的车辆数量，能够精准预测出停车场当前剩余车位量，同时利用预测出的当前剩余车位量发送引导车辆进入停车场指定区域或驶出停车场的引导信息，可以实现车辆进入停车场的智能引导，避免车辆耗费大量的车位找寻时间，提高车辆通行效率。
附图说明
图1是本实施例基于剩余车位量预测的停车场智能引导方法的实现流程示意图。
图2是本发明在具体应用实施例中采用的系统架构示意图。
图3是本发明在具体应用实施例中实现车辆识别的流程示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
如本发明公开所示，除非上下文明确提示例外情形，本发明公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
如图1所示，本实施例基于剩余车位量预测的停车场智能引导方法的步骤包括：
S01.实时采集停车场出入口指定范围内的图像并进行目标识别；
S02.当识别到车辆时，提取车辆行驶轨迹数据并根据车辆行驶轨迹数据判断车辆的行驶方向以及速度；
S03.根据车辆的行驶方向以及速度判断车辆是进入停车场还是驶出停车场的状态；
S04.根据车辆进入或驶出停车场的状态，统计当前进入停车场的车辆数量以及驶出停车场的车辆数量，并预测出停车场当前剩余车位量；
S05.根据当前预测出的剩余车位量发送引导车辆进入停车场指定区域或驶出停车场的引导信息。
本实施例通过架设到停车场出入口的传感器主动采集的图像数据进行目标识别，对识别出的车辆提取车辆行驶轨迹数据，基于车辆行驶轨迹数据判断车辆的行驶方向以及速度，进而判断车辆是进入停车场还是驶出停车场的状态，统计当前进入停车场的车辆数量以及驶出停车场的车辆数量，能够精准预测出停车场当前剩余车位量，同时利用预测出的当前剩余车位量发送引导车辆进入停车场指定区域或驶出停车场的引导信息，可以实现车辆进入停车场的智能引导，避免车辆耗费大量的车位找寻时间，提高车辆通行效率。
在具体应用实施例中，如图2所示，通过在某停车场的出入口立杆架设传感器(毫米波雷达以及摄像头)，由边缘计算单元设备获取毫米波雷达以及摄像头的原始数据，进行目标物识别，并通过点云算法或者机器视觉算法将其中车辆的目标提取出来，并对车辆进行轨迹跟踪，通过轨迹数据分析获取车辆的行驶方向以及速度，从而判断目标车辆是属于进入还是驶出停车场；然后由边缘计算单元统计进出车辆的结果，推送给云端平台，由云端平台统计的车辆进出量以及获取初始车位数量和占用数量等，计算出当前有空闲的车位数量，预测出剩余车位量后生成引导信息进行发送，例如可以直接显示在停车场出入口，或者直接推送给各车辆等等。
本实施例中步骤S01包括：
S101.对采集到的图像进行运动物体检测，当检测到运动物体目标时，转入步骤S102；
S102.通过毫米波雷达获取目标物体的RCS数据，并根据检测到的目标GPS位置计算出目标在各个时间点的航向角；
S103.根据各个时间点的航向角的变化状态以及RCS数据，判断运动物体目标是否为车辆。
上述步骤S101中，具体通过对图像数据进行背景减除，以将动态的前景从静态的背景中分离出来；将当前画面与预设静态背景进行比较以确定出发生变化的区域，将确定出的变化区域作为检测到的运动物体所在的区域。例如可以通过opencv的对视频的背景减除算法进行运动物体检测，将动态的前景从静态的背景中分离出来后，将当前画面与预设静态背景进行比较，如果发现有明显的变化的区域，即可判定该区域为出现移动的物体。
本实施例步骤S101中，进一步还包括通过采用yolo算法初步识别出运动物体的类型，把不影响车流量的预设运动物体类型进行过滤，以避免大量不必要的计算，进一步提高计算效率。
本实施例步骤S102中，通过对雷达检测到的原始点云数据进行聚类，识别出运动物体目标所在的位置，得到目标GPS位置。具体可通过对雷达原始点云数据使用聚类算法找出目标物体后，计算出物体所在相对位置，通过标定后的雷达GPS推算出物体的GPS位置。
本实施例步骤S103中，通过将雷达检查到的目标物体的RCS(雷达截面积)数据和航向角变换数据输入至预先构建得到的数据关联模型中进行匹配，判断目标类型是否为车辆，数据关联模型为使用雷达历史数据与图像识别数据进行关联性学习构建得到。车辆目标与其他例如行人、摩托车等移动目标所对应的雷达RCS特征会有明显的差异，则通过同时获取视频检测数据以及雷达检测进行融合，将雷达数据和视频识别数据进行关联，通过机器学习的方法将雷达目标RCS数据和航向角变换数据的与视觉识别出来的类型数据进行关联性学习，即可生成对应的数据关联模型，由该数据关联模型可以表征车辆类别与对应的雷达目标RCS数据、航向角变换数据之间的关联性，从而当实时获取到雷达目标RCS数据、航向角变换数据后，基于该数据关联模型即可识别出是否为车辆类型，可以精准的识别出车辆而避免误识别，进而提高剩余停车位的预测禁锢的。进一步将移动物体是车辆的坐标位置信息存储起来，即可构建移动物体的轨迹跟踪信息。
如图3所示，本实施例通过边缘嵌入式服务器处理从安装在出入口的摄像头、毫米比雷达获取通道上车辆或行人的位置信息和速度方向信息，通过毫米波雷达获取目标物体的RCS(雷达截面积)数据，并通过机器学习将对应的数据范围统计出来，并结合物体GPS位置，推算出物体的各个时间点的航向角，结合RCS和航向角变换稳定性，判定当前目标物体是行人、机动车、摩托等类型，完成关键数据结构化处理以后，判断目标物体的行驶方向以确定车辆的进出状态进而统计出入车辆数量，进而实现停车场剩余车位数的预测。
优选的，本实施例步骤S05中，如果车辆为需要进入停车场的状态，如果预测到当前剩余车位量超过第一预设阈值，发送引导车辆进入第一优先级区域的引导信息，如果当前剩余车位量在第一预设阈值与第二预设阈值之间，则发送引导车辆进入第二优先级区域的引导信息，以此类推，如果当前剩余车位量在第n-1预设阈值与第n预设阈值之间，发送引导车辆进入第n优先级区域的引导信息，n为停车场中停车区域数且n>2。即通过将停车场内区域按照优先级进行划分，在停车场内有大量空余车位时，优先引导车辆进入第一优先级区域，在统计到第一优先级区域的占位量已达到一定较高比例值时，则引导车辆开始进入下一优先级区域，使得可以依序将车辆引导至停车场内，尽可能的减少车辆找寻停车位的时间，提高通行效率。进一步，还可以在发送引导车辆进入指定区域的引导信息，同时实时预测各区域的剩余车位量并进行显示，以使得可以实时获取各区域的剩余车位量的预测量。
优选的，本实施例步骤S05中，如果车辆为需要从目的出口驶出停车场的状态，根据当前统计的所有从目的出口驶出的车辆数量、各驶出车辆数量之间的时间间隔预测以及距离目的出口最近的路口的车流量状态，预测是否会在目的出口存在拥堵，如果会则发送引导车辆从其他空闲的出口驶出的引导信息，进而可以利用统计的车辆量状态进行拥堵状态的预测，同时利用周围交通状态进行车辆驶出的引导，避免造成出口拥堵状态。
进一步的，本实施例步骤S05后，基于车辆轨迹跟踪的数据分析出的运动速度和方向结果，还包括根据统计的车辆进入以及驶出数据量，预测附近各路段的车流量；根据预测的各路段的车流量，预测最终通向停车场的各通道的车流量；根据预测得到的通向停车场的各通道的车流量，预测附近停车场的估算剩余车位数，从而可以进一步实现附近停车场剩余车位数的估算，进而引导车辆进入附近停车场而避免造成拥堵。进一步的，还可以将剩余车位量数据推送给交通引导系统，从而结合附近的交通状态引导车辆改变停车目的地，合理的进行停车场选择，从而到达疏导流量和控制的目的，避免入口车辆拥堵排队而造成对交通影响。
本实施例基于剩余车位量预测的停车场智能引导装置包括：
采集模块，用于实时采集停车场出入口指定范围内的图像并进行目标识别；
轨迹提取与判断模块，用于当识别到车辆时，提取车辆行驶轨迹数据并根据车辆行驶轨迹数据判断车辆的行驶方向；
状态判断模块，用于根据车辆的行驶方向判断车辆是进入停车场还是驶出停车场的状态；
剩余量预测模块，用于根据车辆进入或驶出停车场的状态，统计当前进入停车场的车辆数量以及驶出停车场的车辆数量，并预测出停车场当前剩余车位量；
引导模块，用于根据当前预测出的剩余车位量发送引导车辆进入停车场的引导信息。
本实施例基于剩余车位量预测的停车场智能引导装置与上述基于剩余车位量预测的停车场智能引导方法为一一对应，在此不再一一赘述。
本实施例还提供电子设备，包括处理器以及存储器，存储器用于存储计算机程序，处理器用于执行所述计算机程序以执行如上述述方法。
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。
Claims (10)
1.一种基于剩余车位量预测的停车场智能引导方法，其特征在于，步骤包括：
S01.实时采集停车场出入口指定范围内的图像并进行目标识别；
S02.当识别到车辆时，提取车辆行驶轨迹数据并根据所述车辆行驶轨迹数据判断车辆的行驶方向以及速度；
S03.根据所述车辆的行驶方向以及速度判断车辆是进入停车场还是驶出停车场的状态；
S04.根据车辆进入或驶出停车场的状态，统计当前进入停车场的车辆数量以及驶出停车场的车辆数量，并预测出停车场当前剩余车位量；
S05.根据当前预测出的剩余车位量发送引导车辆进入停车场指定区域或驶出停车场的引导信息。
2.根据权利要求1所述的基于剩余车位量预测的停车场智能引导方法，其特征在于，所述步骤S01包括：
S101.对采集到的图像进行运动物体检测，当检测到运动物体目标时，转入步骤S102；
S102.通过毫米波雷达获取目标物体的RCS数据，并根据检测到的目标GPS位置计算出目标在各个时间点的航向角；
S103.根据所述各个时间点的所述航向角的变化状态以及所述RCS数据，判断运动物体目标是否为车辆。
3.根据权利要求2所述的基于剩余车位量预测的停车场智能引导方法，其特征在于，所述步骤S101中，通过对图像数据进行背景减除，以将动态的前景从静态的背景中分离出来；将当前画面与预设静态背景进行比较以确定出发生变化的区域，将确定出的变化区域作为检测到的运动物体所在的区域；所述步骤S101中，还包括通过采用yolo算法初步识别出运动物体的类型，把不影响车流量的预设运动物体类型进行过滤。
4.根据权利要求2所述的基于剩余车位量预测的停车场智能引导方法，其特征在于，所述步骤S102中，通过对雷达检测到的原始点云数据进行聚类，识别出运动物体目标所在的位置，得到所述目标GPS位置。
5.根据权利要求2所述的基于剩余车位量预测的停车场智能引导方法，其特征在于，所述步骤S103中，通过将雷达检查到的目标物体的RCS数据和航向角变换数据输入至预先构建得到的数据关联模型中进行匹配，判断目标类型是否为车辆，所述数据关联模型为使用雷达历史数据与图像识别数据进行关联性学习构建得到。
6.根据权利要求1～5中任意一项所述的基于剩余车位量预测的停车场智能引导方法，其特征在于，所述步骤S05中，如果车辆为需要进入停车场的状态，如果预测到当前剩余车位量超过第一预设阈值，发送引导车辆进入第一优先级区域的引导信息，如果当前剩余车位量在第一预设阈值与第二预设阈值之间，则发送引导车辆进入第二优先级区域的引导信息，以此类推，如果当前剩余车位量在第n-1预设阈值与第n预设阈值之间，发送引导车辆进入第n优先级区域的引导信息，n为停车场中停车区域数且n>2。
7.根据权利要求1～5中任意一项所述的基于剩余车位量预测的停车场智能引导方法，其特征在于，所述步骤S05中，如果车辆为需要从目的出口驶出停车场的状态，根据当前统计的所有从目的出口驶出的车辆数量、各驶出车辆数量之间的时间间隔预测以及距离目的出口最近的路口的车流量状态，预测是否会在目的出口存在拥堵，如果会则发送引导车辆从其他空闲的出口驶出的引导信息。
8.根据权利要求1～5中任意一项所述的基于剩余车位量预测的停车场智能引导方法，其特征在于，所述步骤S05后，还包括根据统计的车辆进入以及驶出数据量，预测附近各路段的车流量；根据预测的各路段的车流量，预测最终通向停车场的各通道的车流量；根据预测得到的通向停车场的各通道的车流量，预测附近停车场的估算剩余车位数。
9.一种基于剩余车位量预测的停车场智能引导装置，其特征在于，包括：
采集模块，用于实时采集停车场出入口指定范围内的图像并进行目标识别；
轨迹提取与判断模块，用于当识别到车辆时，提取车辆行驶轨迹数据并根据车辆行驶轨迹数据判断车辆的行驶方向；
状态判断模块，用于根据车辆的行驶方向判断车辆是进入停车场还是驶出停车场的状态；
剩余量预测模块，用于根据车辆进入或驶出停车场的状态，统计当前进入停车场的车辆数量以及驶出停车场的车辆数量，并预测出停车场当前剩余车位量；
引导模块，用于根据当前预测出的剩余车位量发送引导车辆进入停车场的引导信息。
10.一种电子设备，包括处理器以及存储器，所述存储器用于存储计算机程序，其特征在于，所述处理器用于执行所述计算机程序以执行如权利要求1～8中任意一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211467058.8A CN115762230A (zh) | 2022-11-22 | 2022-11-22 | 基于剩余车位量预测的停车场智能引导方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211467058.8A CN115762230A (zh) | 2022-11-22 | 2022-11-22 | 基于剩余车位量预测的停车场智能引导方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115762230A true CN115762230A (zh) | 2023-03-07 |
Family
ID=85336802
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211467058.8A Pending CN115762230A (zh) | 2022-11-22 | 2022-11-22 | 基于剩余车位量预测的停车场智能引导方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115762230A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116129653A (zh) * | 2023-04-17 | 2023-05-16 | 创意信息技术股份有限公司 | 卡口车辆检测方法、装置、设备及存储介质 |
-
2022
- 2022-11-22 CN CN202211467058.8A patent/CN115762230A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116129653A (zh) * | 2023-04-17 | 2023-05-16 | 创意信息技术股份有限公司 | 卡口车辆检测方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9483944B2 (en) | Prediction of free parking spaces in a parking area | |
| JP7266627B2 (ja) | 早期警報方法、装置、電子機器、記録媒体及びコンピュータプログラム製品 | |
| CN110047276B (zh) | 障碍物车辆的拥堵状态确定方法、装置和相关产品 | |
| CN112200830A (zh) | 一种目标跟踪方法及设备 | |
| CN112106124A (zh) | 用于使用v2x和传感器数据的系统和方法 | |
| CN109241938B (zh) | 道路拥堵检测方法及终端 | |
| CN108389421B (zh) | 基于图像再识别的停车场精确诱导系统及方法 | |
| CN113741485A (zh) | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 | |
| US11926318B2 (en) | Systems and methods for detecting a vulnerable road user in an environment of a vehicle | |
| JP2021165080A (ja) | 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム | |
| CN111898491B (zh) | 一种车辆逆向行驶的识别方法、装置及电子设备 | |
| JP7115502B2 (ja) | 物体状態識別装置、物体状態識別方法及び物体状態識別用コンピュータプログラムならびに制御装置 | |
| CN112612272A (zh) | 一种避障控制方法、电子设备及存储介质 | |
| Tak et al. | Development of AI‐Based Vehicle Detection and Tracking System for C‐ITS Application | |
| CN115762230A (zh) | 基于剩余车位量预测的停车场智能引导方法及装置 | |
| CN114360261B (zh) | 车辆逆行的识别方法、装置、大数据分析平台和介质 | |
| CN112562315B (zh) | 一种获取车流信息的方法、终端及存储介质 | |
| KR20220101535A (ko) | 딥러닝 기반 온-디바이스 실시간 교통제어 시스템 | |
| CN110163125B (zh) | 一种基于轨迹预测与尺寸决策的实时视频识别的方法 | |
| CN116935631A (zh) | 基于雷视融合的异常交通态势检测方法、装置及系统 | |
| CN115257771B (zh) | 一种路口识别方法、电子设备和存储介质 | |
| CN114596704B (zh) | 交通事件处理方法、装置、设备及存储介质 | |
| CN115973190A (zh) | 自动驾驶车辆的决策方法、装置和电子设备 | |
| CN114895274A (zh) | 一种护栏识别方法 | |
| CN114241373A (zh) | 一种端到端的车辆行为检测方法、系统、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 |