CN116386373A - 车辆定位方法、装置、存储介质及电子设备 - Google Patents
车辆定位方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116386373A CN116386373A CN202310654614.0A CN202310654614A CN116386373A CN 116386373 A CN116386373 A CN 116386373A CN 202310654614 A CN202310654614 A CN 202310654614A CN 116386373 A CN116386373 A CN 116386373A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- position data
- parking
- target image
- absolute position
- 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
Abstract
本申请提供了一种车辆定位方法、装置、存储介质及电子设备,涉及停车场管理系统领域。该车辆定位方法包括:获取停车区域的目标图像,目标图像中包含至少一台车辆;处理目标图像,确定至少一台车辆与标定物之间的相对位置数据,相对位置数据包括相对距离数据和相对方向数据;基于至少一台车辆与标定物之间的相对位置数据,确定至少一台车辆的绝对位置数据;基于至少一台车辆的绝对位置数据,确定至少一台车辆在停车区域的停车泊位。本申请可基于图像信息在停车区域提供精确的车辆定位服务,提高了车辆定位的效率和准确性,并可根据实际情况灵活适应和扩展。
Description
技术领域
本申请涉及停车场管理系统领域,具体涉及一种车辆定位方法、装置、存储介质及电子设备。
背景技术
停车区域中的车辆定位可用于收费停车场的监控和管理,提高其效率和准确性。目前,停车区域中的车辆定位通常采用人工巡检或固定拍摄的方式,然而,随着停车需求的增大,这些方法导致人力或硬件成本过高、准确性低,这使得难以应对当前情况。
发明内容
有鉴于此,本申请实施例提供了一种车辆定位方法、装置、存储介质及电子设备,以达到基于图像信息对停车区域中的车辆进行定位的目的。
第一方面,本申请实施例提供了一种车辆定位方法,应用于自移动设备。车辆定位方法包括:获取停车区域的目标图像,目标图像中包含至少一台车辆;处理目标图像,确定至少一台车辆与标定物之间的相对位置数据,相对位置数据包括相对距离数据和相对方向数据;基于至少一台车辆与标定物之间的相对位置数据,确定至少一台车辆的绝对位置数据;基于至少一台车辆的绝对位置数据,确定至少一台车辆在停车区域的停车泊位。
结合第一方面,在第一方面的某些实现方式中,基于至少一台车辆与标定物之间的相对位置数据,确定至少一台车辆的绝对位置数据,包括:若标定物为目标图像中包含的指定参考对象,则获取自移动设备中预先配置的指定参考对象的绝对位置数据;基于指定参考对象的绝对位置数据、至少一台车辆与指定参考对象之间的相对位置数据,确定至少一台车辆的绝对位置数据。
结合第一方面,在第一方面的某些实现方式中,处理目标图像,确定至少一台车辆与标定物之间的相对位置数据,包括:处理目标图像,确定至少一台车辆和指定参考对象在目标图像中各自的像素位置;获取与自移动设备所采集的图像相关的、图像距离和物理距离之间的映射关系,映射关系基于自移动设备的图像采集参数确定,图像采集参数包括焦距、像素大小、图像采集角度中的至少一种;基于至少一台车辆和指定参考对象在目标图像中各自的像素位置和映射关系,确定至少一台车辆和指定参考对象之间的相对位置数据。
结合第一方面,在第一方面的某些实现方式中,处理目标图像,确定至少一台车辆与标定物之间的相对位置数据,包括:若标定物为自移动设备,则获取自移动设备采集目标图像时的绝对位置数据;基于自移动设备在采集目标图像时的绝对位置数据、至少一台车辆与自移动设备之间的相对位置数据,确定至少一台车辆的绝对位置数据。
结合第一方面,在第一方面的某些实现方式中,处理目标图像,确定至少一台车辆与标定物之间的相对位置数据,包括:处理目标图像,确定目标图像中的至少一台车辆在目标图像中的像素位置;获取自移动设备采集目标图像时的图像采集参数,图像采集参数包括焦距、像素大小、图像采集角度中的至少一种;基于至少一台车辆在目标图像中的像素位置、图像采集参数,确定至少一台车辆与自移动设备之间的相对位置数据。
结合第一方面,在第一方面的某些实现方式中,基于至少一台车辆的绝对位置数据,确定至少一台车辆在停车区域的停车泊位,包括:获取停车区域的泊位分布图,泊位分布图中包含至少一个泊位以及至少一个泊位对应的泊位编号;基于至少一台车辆的绝对位置数据,确定至少一台车辆在泊位分布图中的位置信息;基于至少一台车辆在泊位分布图中的位置信息,确定至少一台车辆在停车区域的停车泊位。
结合第一方面,在第一方面的某些实现方式中,基于至少一台车辆的绝对位置数据,确定至少一台车辆在停车区域的停车泊位,包括:若存在至少两台车辆在停车区域的同一停车泊位,则基于至少两台车辆各自的绝对位置数据和停车泊位的绝对位置数据,确定至少两台车辆各自与停车泊位的距离;基于至少两台车辆各自与停车泊位的距离,确定至少两台车辆与停车泊位的匹配结果。
第二方面,本申请一实施例提供了一种车辆定位装置,应用于自移动设备。车辆定位装置包括:获取模块,被配置为获取停车区域的目标图像,目标图像中包含至少一台车辆;处理模块,被配置为处理目标图像,确定至少一台车辆与标定物之间的相对位置数据,相对位置数据包括相对距离数据和相对方向数据;确定模块,被配置为基于至少一台车辆与标定物之间的相对位置数据,确定至少一台车辆的绝对位置数据;基于至少一台车辆的绝对位置数据,确定至少一台车辆在停车区域的停车泊位。
第三方面,本申请一实施例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,该计算机程序用于执行第一方面提及的方法。
第四方面,本申请一实施例提供了一种电子设备,该电子设备包括:处理器;用于存储处理器可执行指令的存储器;该处理器用于执行第一方面提及的方法。
本申请提供的车辆定位方法应用于自移动设备,可通过停车区域的目标图像,确定至少一台车辆与标定物之间的相对位置数据,以确定至少一台车辆的绝对位置数据,而后确定至少一台车辆在停车区域的停车泊位。总的来说,该车辆定位方法通过确定车辆与标定物之间的相对位置,从而对车辆进行精准定位,以将其与对应的停车泊位相关联。由此可见,该车辆定位方法能够实现高精度、自动化的车辆定位,并能够根据实际需求灵活适应工作场景,从而提高了车辆定位的效率。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1所示为本申请实施例所适用的一场景示意图。
图2为本申请一示例性实施例提供的车辆定位方法的流程示意图。
图3为本申请一示例性实施例提供的确定车辆的绝对位置数据的流程示意图。
图4为本申请另一示例性实施例提供的确定车辆的绝对位置数据的流程示意图。
图5为本申请另一示例性实施例提供的确定车辆的绝对位置数据的流程示意图。
图6为本申请一示例性实施例提供的确定车辆的停车泊位的流程示意图。
图7为本申请另一示例性实施例提供的确定车辆的停车泊位的流程示意图。
图8所示为本申请一示例性实施例提供的车辆定位装置的结构示意图。
图9所示为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
目前,将车辆定位到对应停车泊位的方法一般为人工记录,即停车场管理员手工记录车辆的停放位置,每个停车泊位设置编号,根据编号来确定车辆所在位置。此外,还可以通过摄像头技术、RFID(RadioFrequency Identification,射频识别)技术和车位探测器技术进行车辆定位。摄像头技术是通过在自移动设备中固定设置的摄像头拍摄车辆的照片和停车泊位的编号,再通过车牌识别等技术手段来确定车辆所在位置。而RFID技术则是通过在停车场设置RFID读取器和RFID标签,通过读取车辆上的RFID标签信息,来确定车辆所在位置。车位探测器技术为在每个停车泊位上安装车位探测器,通过检测车辆进入或离开停车泊位的状态,来确定车辆所在位置。
然而,上述方法在实际应用时会导致不同的问题。例如,人工记录依赖人工操作,易出现人为错误记录的问题,且需要大量的人力资源,难以应对高流量的停车场;摄像头技术中,一个摄像头只能固定地匹配有限的车位,会消耗大量的成本,且对摄像头的位置和角度有一定的要求,需要保证摄像头的拍摄角度、光照条件不能影响识别准确度;RFID技术需要对车辆进行RFID标签装配,成本较高,且需要维护管理标签信息,此外,RFID读取器的识别距离有限,需要确保车辆靠近读取器才能识别成功;车位探测器技术需要对每个停车泊位安装车位探测器,成本较高,并且,车位探测器需要维护管理,例如更换电池等,增加了停车场的管理成本。
这些问题的出现表明现有的车辆定位方法具有很多局限性,因此,亟需一种高精度、低成本、应用场景多样、高效快速的定位方法,以此实现将车辆精准定位到对应的停车泊位。
图1所示为本申请实施例所适用的一场景示意图。如图1所示,该场景包括自移动设备,自移动设备可以是智能机器人。
智能机器人会在停车区域中进行不间断巡检,识别到的车辆进行定位,并将其信息与其对应的停车泊位相关联。如图1所示,该场景为停车区域,在一些示例中,智能机器人对停车区域中所停放的车辆(例如车辆A、车辆B、车辆C)进行定位,可通过以自移动设备或指定参考对象D为标定物,确定车辆与标定物之前的相对位置,从而根据标定物的绝对位置数据,将车辆与车辆对应的停车泊位(例如车位a、车位b、车位c)相关联,自移动设备可将这些信息存储至特定的存储空间,并可根据这些信息,生成停车区域的泊位分布图。
图2所示为本申请一示例性实施例提供的车辆定位方法的流程示意图。示例性地,本申请实施例中的车辆定位方法应用于自移动设备。如图2所示,本申请实施例中的车辆定位方法包括如下步骤。
步骤S210,获取停车区域的目标图像。
示例性地,自移动设备具有图像采集功能,管理人员可携带自移动设备到达若干个目标地点后,对停车区域中停放的车辆进行拍照,得到停车区域图像。或者,自移动设备自动化地移动到停车区域,并在停车区域中进行巡检,在巡检过程中采集停车区域图像。可以理解的是,自移动设备可以间隔预定时间在停车区域中巡检一次,也可以全天不间断地巡检,本申请实施例不限制自移动设备的巡检频次。或者,自移动设备在停车区域上方飞行,在飞行过程中自动调整拍摄角度,以采集停车区域图像。
具体地,目标图像为设置在自移动设备的图像采集装置在停车场内所拍摄的照片,用于识别停车区域内的车辆。进一步地,目标图像中包含至少一台车辆,并可根据车辆的标识信息对其进行识别和进一步处理。车辆的标识信息是指对车辆或指定参考对象进行唯一识别的信息,例如车辆的车牌号码、型号、颜色。
示例性地,在目标图像获取的过程中,自移动设备可根据预设的拍摄帧率对停车区域进行图像获取。此外,自移动设备所设置的图像获取装置可以为单摄像头,也可以为多摄像头同时获取,并可根据实际情况自动调节拍摄角度,本申请实施例不限制自移动设备的目标图像的获取方式。
步骤S220,处理目标图像,确定至少一台车辆与标定物之间的相对位置数据。
相对位置数据包括相对距离数据和相对方向数据。
示例性地,首先,在获取到包含车辆或指定参考对象的标识信息的目标图像后,需要对标定物进行选择,以便后续确定标定物的位置。标定物指在停车区域中预先设置的具有已知位置和大小的物体,包括停车区域中的自移动设备或指定参考对象中的至少一个。在确定了车辆和标定物后,可以计算出它们之间的相对距离数据和相对方向数据,相对距离数据可以通过计算车辆边缘和标定物边缘之间的像素距离来得到,而相对方向数据可以通过计算车辆中心点和标定物中心点之间的角度来得到。
步骤S230,基于至少一台车辆与标定物之间的相对位置数据,确定至少一台车辆的绝对位置数据。
示例性地,获取确定的标定物的绝对位置数据,随后,通过三角定位等方法,结合至少一台车辆与标定物之间的相对位置数据,计算出车辆的绝对位置数据。具体来说,用d表示至少一台车辆与标定物之间的相对距离数据,用θ表示至少一台车辆与标定物之间的相对方向数据,则可以根据以下公式计算车辆的绝对位置数据:
需要注意的是,为了确保本方法的精度和可靠性,需要对相对位置数据和绝对位置数据进行校正和修正,以考虑到环境因素和误差因素的影响。例如,在室内环境中,由于信号干扰等因素的影响,可能会导致相对位置数据和绝对位置数据存在一定的误差,需要对这些误差进行校正和修正,以提高车辆定位系统的精度和可靠性。
步骤S240,基于至少一台车辆的绝对位置数据,确定至少一台车辆在停车区域的停车泊位。
具体地,每个停车区域的停车泊位包括该停车泊位的唯一识别信息,停车泊位的唯一识别信息是指停车泊位的绝对位置数据、编号、形状、面积等,可以通过测量停车区域的实际情况或者预先设计和绘制停车区域平面图的方式获取这些信息。
示例性地,通过已确定的车辆的绝对位置数据确定出该车辆与停车泊位之间的位置关系,将车辆与符合位置关系条件的停车泊位相关联。位置关系条件可以为车辆在停车泊位中面积的占比,或者车辆与停车泊位中心的距离等。
需要注意的是,为了确保定位的准确性,可能需要采用至少一台车辆和多个标定物来进行定位,并通过多次计算得到更精确的结果。此外,可能需要对车辆和停车泊位的位置信息进行修正,以进一步提高定位的精度。
在本实施例中,本申请通过获取并处理停车区域的目标图像,确定车辆与标定物之间的相对位置数据,而后确定车辆的绝对位置数据,从而将与其相对应的停车泊位相关联。因此,可以根据图像信息,对车辆进行自动识别定位并自动匹配至对应泊位,实现了车辆的精准定位,以提高停车区域中的车辆定位。
具体地,下面结合图3举例说明如何确定至少一台车辆的绝对位置数据。
图3所示为本申请一示例性实施例提供的确定车辆的绝对位置数据的流程示意图。如图3所示,本申请实施例示出了两种确定至少一台车辆的绝对位置数据的方式。
在一些实施方式中,确定至少一台车辆的绝对位置数据(即步骤S300),包括下述步骤S310和S320。
步骤S310,若标定物为目标图像中包含的指定参考对象,则获取自移动设备中预先配置的指定参考对象的绝对位置数据。
示例性地,首先判断目标图像中是否包含指定参考对象。可以根据实际需求在自移动设备上预先配置多个指定参考对象,根据不同的场景和需求选择不同的参考对象。如果包含,则可以利用自移动设备中预先配置好的参考对象的绝对位置数据来进行定位。这些绝对位置数据可以通过事先应用GPS(GlobalPositioning System,全球定位系统)、基站定位、惯性导航或者使用其他定位技术获得。通过获取指定参考对象的绝对位置数据,可以为车辆定位提供一个参考基准,从而更加准确地确定车辆的绝对位置。
步骤S320,基于指定参考对象的绝对位置数据、至少一台车辆与指定参考对象之间的相对位置数据,确定至少一台车辆的绝对位置数据。
示例性地,基于指定参考对象的绝对位置数据和至少一台车辆与指定参考对象之间的相对位置数据,可以通过上述的三角定位等技术来确定至少一台车辆的绝对位置数据。
本申请实现了至少一台车辆的绝对位置数据的确定。通过步骤S310确定指定参考对象的绝对位置数据,而步骤S320在步骤S310的基础上结合车辆与指定参考对象之间的相对位置数据,从而确定车辆的绝对位置数据。通过指定参考对象可以实现对车辆位置的快速准确定位,无需再对整个停车区域进行图像处理和分析,从而提高了车辆定位的效率。同时,由于指定参考对象的绝对位置数据是预先配置的或者通过其他定位技术获取的,因此可以减少因为环境变化导致的定位误差,提高了车辆定位的准确性和可靠性。
在另外一些实施方式中,确定至少一台车辆的绝对位置数据,包括下述步骤S330和S340。
步骤S330,若标定物为自移动设备,则获取自移动设备采集目标图像时的绝对位置数据。
示例性地,首先在自移动设备采集目标图像时,自移动设备会记录其当前的绝对位置数据。可以利用自移动设备内置的位置传感器,如GPS和惯性测量单元,获取自移动设备在采集目标图像时的位置。同时,还可以借助外部引导信息,如地图和信标,来提高位置定位的精度。通过这些信息,可以获取自移动设备在采集目标图像时的绝对位置数据,用于确定车辆的绝对位置。需要注意的是,自移动设备的定位精度受到多种因素的影响,如信号遮挡、多径效应、信号衰减等,可能会引入一定的误差。因此,在实际应用中,需要进行相应的误差校正和精度评估,以保证位置数据的准确性和可靠性。
步骤S340,基于自移动设备在采集目标图像时的绝对位置数据、至少一台车辆与自移动设备之间的相对位置数据,确定至少一台车辆的绝对位置数据。
示例性地,首先根据自移动设备在采集目标图像时的绝对位置数据,结合至少一台车辆与自移动设备之间的相对位置数据,可以确定该车辆与自移动设备之间的相对位置关系。通过相对位置关系和自移动设备的绝对位置数据,可以计算出该车辆的绝对位置数据。
本申请实现了至少一台车辆的绝对位置数据的确定。类似于步骤S310和步骤S320,通过以自移动设备为标定物并结合至少一台车辆与自移动设备之间的相对位置数据,从而确定至少一台车辆的绝对位置数据。但相较于需要预设标定物的步骤S310和S320,可以通过自动化的计算机视觉技术,快速准确地确定至少一台车辆的绝对位置数据,减少了人工干预的成本和误差,提高了整个车辆定位方法的效率和准确性。同时,采用自移动设备作为标定物的优点在于其灵活性和通用性,不需要额外的设备成本,不需要依赖其他外部设备或基础设施,且可以适应不同的场景和环境,仅依靠自移动设备就可以实现车辆位置的确定,具有较高的可移植性和适用性。
图4所示为本申请另一示例性实施例提供的确定车辆的绝对位置数据的流程示意图。在图3所示实施例的基础上延伸出图4所示实施例,下面着重叙述图4所示实施例与图3所示实施例的不同之处,相同之处不再赘述。
如图4所示,在本申请实施例中,处理目标图像,确定至少一台车辆与标定物之间的相对位置数据,包括如下步骤。
步骤S410,处理目标图像,确定至少一台车辆和指定参考对象在目标图像中各自的像素位置。
具体地,像素位置指的是车辆和指定参考对象在目标图像中的坐标表示。目标图像是由离散的像素组成的,每个像素都具有特定的位置坐标。像素位置由两个值表示,即横向像素坐标(通常称为X坐标)和纵向像素坐标(通常称为Y坐标)。例如,对于一台车辆,它在目标图像中可能被表示为一个矩形的边界框,该边界框的位置由左上角和右下角的像素位置确定。这两个像素位置表示了车辆在图像中的横向和纵向位置。需要注意的是,像素位置是以图像的像素坐标系表示的,并不直接对应于真实世界中的物理位置。在后续的步骤中,需要将像素位置与物理距离进行映射,以获得车辆和指定参考对象的绝对位置数据。
示例性地,通常需要对目标图像进行预处理,以提高识别的准确性。预处理可以包括图像去噪、增强对比度、边缘检测等操作,以突出车辆和指定参考对象的特征,减少干扰。随后,通过计算机视觉技术,可以利用图像中车辆和指定参考对象的特征进行识别。一旦识别出车辆和指定参考对象,可以通过计算其在目标图像中的像素位置来确定它们的二维坐标。这可以通过对目标图像的像素坐标进行测量或计算来实现。具体方法可以是基于图像分割和边界检测技术,确定车辆和指定参考对象的边界框或关键点,进而计算它们的像素位置。在进行像素位置计算时,需要考虑图像采集设备的分辨率和几何校正等因素,以提高像素坐标的精度和准确性。此外,可以使用多个视角或多个图像进行立体匹配,进一步提高位置测量的准确性。
通过步骤S410,可以从目标图像中获取车辆和指定参考对象的像素位置信息,为后续的位置计算和定位过程提供了关键的数据。这种基于图像处理和计算机视觉的方法具有自动化、实时性和灵活性的优势,可以适应不同场景和环境下的车辆定位需求。
步骤S420,获取与自移动设备所采集的图像相关的、图像距离和物理距离之间的映射关系。
映射关系基于自移动设备的图像采集参数确定,图像采集参数包括焦距、像素大小、图像采集角度中的至少一种。
具体地,焦距是指镜头的焦距长度,它影响了图像中物体的大小和比例关系。像素大小表示相机传感器上每个像素的物理尺寸,通常以毫米或微米为单位。图像采集角度是指相机的视场角,即相机能够捕捉到的水平和垂直视野范围。
示例性地,通过利用图像采集参数,可以计算出图像中的像素距离和物理距离之间的映射关系。例如,根据焦距和像素大小,可以计算出每个像素对应的物理尺寸。而通过图像采集角度,可以确定图像中的像素距离对应于实际世界中的物理距离。
步骤S430,基于至少一台车辆和指定参考对象在目标图像中各自的像素位置和映射关系,确定至少一台车辆和指定参考对象之间的相对位置数据。
示例性地,基于图像距离和物理距离的映射关系,将车辆和指定参考对象的像素位置转换为物理位置。这涉及将像素位置乘以映射关系中的比例因子,以获得相应的物理距离。基于转换后的物理位置数据,可以计算车辆和指定参考对象之间的相对位置数据。这包括相对距离数据和相对方向数据。相对距离数据可以通过计算车辆和指定参考对象之间的欧式距离或其他距离度量来获得。相对方向数据可以通过计算车辆相对于指定参考对象的角度或方向向量来获得。需要注意的是,在进行相对位置数据的计算时,需要考虑坐标系的选择和参考对象的确定。通常,可以选择以自移动设备或指定参考对象为原点的坐标系,并根据需要选择合适的坐标轴方向。这样可以确保相对位置数据的一致性和可比性。
本申请实施例通过结合图像处理、像素定位、映射关系和相对位置数据的计算,能够实现精准、实时、灵活和可扩展的车辆定位和停车泊位确定。其中,考虑了自移动设备的图像采集参数,并利用这些参数建立了图像距离和物理距离之间的映射关系。通过准确的映射关系,可以将图像中的相对位置数据转化为真实世界中的物理位置数据,提高了车辆定位的准确性和可靠性。同时,由于图像采集参数通常是固定的,一旦确定了映射关系,就可以在后续的定位过程中重复使用,提高了方法的效率和实用性。且该方法可以扩展到多个车辆和指定参考对象的情况,通过对每个车辆和指定参考对象进行相对位置数据的计算,可以同时定位和确定多台车辆在停车区域中的停车泊位。
图5所示为本申请另一示例性实施例提供的确定车辆的绝对位置数据的流程示意图。在图3所示实施例的基础上延伸出图5所示实施例,下面着重叙述图5所示实施例与图3所示实施例的不同之处,相同之处不再赘述。
如图5所示,在本申请实施例中,处理目标图像,确定至少一台车辆与标定物之间的相对位置数据,包括如下步骤。
步骤S510,处理目标图像,确定目标图像中的至少一台车辆在目标图像中的像素位置。
与步骤S410类似,仅需获取至少一台车辆在目标图像中的像素位置。
步骤S520,获取自移动设备采集目标图像时的图像采集参数。
图像采集参数包括焦距、像素大小、图像采集角度中的至少一种。
与步骤S420类似,可获取自移动设备采集目标图像时的图像采集参数,自移动设备在进行目标图像获取时实时自动记录该图像采集参数。
步骤S530,基于至少一台车辆在目标图像中的像素位置、图像采集参数,确定至少一台车辆与自移动设备之间的相对位置数据。
具体地,利用步骤S520中获取到的图像采集参数,包括焦距、像素大小和图像采集角度,可以进行像素到实际物理距离的转换。通过将像素位置与图像采集参数相结合,可以确定目标图像中车辆在实际物理空间中的位置。进一步,根据车辆的像素位置和图像采集参数,计算车辆与自移动设备之间的相对距离数据和相对方向数据,且计算方法与步骤S430类似,可以确定车辆相对于自移动设备的相对位置数据,提供了车辆与自移动设备之间的几何关系信息。
本申请实施例以自移动设备作为参考对象,根据目标图像中车辆的像素位置来确定它们与自移动设备之间的相对位置数据,无需指定特定参考对象的情况,可以直接将自移动设备作为参考对象来确定车辆的相对位置,降低了对外部参考物体的依赖性。因此,步骤S510~S530与步骤S410~S430相比,更加简化了相对位置数据的确定方法,降低了对外部参考物体的依赖性。
图6所示为本申请一示例性实施例提供的确定车辆的停车泊位的流程示意图。在图2所示实施例的基础上延伸出图6所示实施例,下面着重叙述图6所示实施例与图2所示实施例的不同之处,相同之处不再赘述。
如图6所示,在本申请实施例中,基于至少一台车辆的绝对位置数据,确定至少一台车辆在停车区域的停车泊位,包括如下步骤。
步骤S610,获取停车区域的泊位分布图。
泊位分布图中包含至少一个泊位以及至少一个泊位对应的泊位编号
具体地,停车区域的泊位分布图是一个表示停车区域内不同泊位位置和标识的图像或数据结构。泊位分布图可以是预先绘制的平面图,也可以是通过图像处理技术从实际图像中提取出来的。它提供了停车区域的整体视图,包含了不同泊位的位置信息和相应的泊位编号。泊位分布图中至少包含一个泊位和其对应的泊位编号。每个泊位在泊位分布图中有独特的标识,通常是一个数字或字母,用于识别不同的停车泊位。泊位分布图的获取可以通过多种方式,如通过测量和绘制停车区域平面图,或者通过使用计算机视觉技术从摄像头或其他传感器获取实时图像,并对图像进行处理提取出泊位信息。泊位分布图可以采用不同的数据格式,如图像文件、向量图形或数据结构等。对于图像文件,它可以是位图格式(如JPEG、PNG)或矢量图格式(如SVG)的文件,以便能够直观地展示泊位分布。而对于数据结构,可以使用表格、数组、JSON等格式存储泊位的位置信息和对应的泊位编号。
步骤S620,基于至少一台车辆的绝对位置数据,确定至少一台车辆在泊位分布图中的位置信息。
示例性地,基于车辆的绝对位置数据和泊位分布图,使用定位算法将车辆在泊位分布图中进行定位,将车辆的绝对位置映射到泊位分布图上,确定车辆在泊位分布图中的位置。
步骤S630,基于至少一台车辆在泊位分布图中的位置信息,确定至少一台车辆在停车区域的停车泊位。
基于车辆在泊位分布图中的位置信息,确定车辆在停车区域的停车泊位。这可以通过将车辆的位置与泊位分布图中的泊位位置进行匹配。在确定停车泊位时,可以采用不同的匹配策略和算法。根据泊位分布图和车辆位置的信息,可以确定符合位置关系条件的停车泊位,例如,计算车辆与各个泊位之间的距离、在停车泊位中的面积占比或其他定位指标,并选择最匹配的停车泊位作为车辆的停车位置。
本申请实施例通过获取停车区域的泊位分布图,并结合车辆的绝对位置数据和图像处理算法,实现车辆在泊位分布图中的位置信息和停车泊位的确定。可以确保车辆在停车区域中被准确地定位到相应的停车泊位,可以应用于各种规模和类型的停车场,满足不同停车场的布局和需求。通过泊位分布图,将车辆的位置信息可视化地呈现,使停车场管理人员能够直观地了解车辆的实时位置和停放情况,且能够综合考虑各种因素,并进行数据追溯,便于分析和优化停车管理策略。
图7所示为本申请另一示例性实施例提供的确定车辆的停车泊位的流程示意图。在图2所示实施例的基础上延伸出图7所示实施例,下面着重叙述图7所示实施例与图2所示实施例的不同之处,相同之处不再赘述。
如图7所示,在本申请实施例中,基于至少一台车辆的绝对位置数据,确定至少一台车辆在停车区域的停车泊位,包括如下步骤。
步骤S710,若存在至少两台车辆在停车区域的同一停车泊位,则基于至少两台车辆各自的绝对位置数据和停车泊位的绝对位置数据,确定至少两台车辆各自与停车泊位的距离。
示例性地,基于车辆的绝对位置数据和停车泊位的绝对位置数据,计算每台车辆与停车泊位之间的距离。可以使用距离计算算法(如欧几里得距离或曼哈顿距离)来计算车辆与停车泊位之间的距离。
步骤S720,基于至少两台车辆各自与停车泊位的距离,确定至少两台车辆与停车泊位的匹配结果。
示例性地,对于每对车辆和停车泊位,比较其距离与预设的匹配阈值。如果车辆与停车泊位之间的距离小于或等于匹配阈值,则认为该车辆成功停放在该停车泊位上。而对于其他未能匹配到该停车泊位的车辆,可以使用更精确的距离计算方法或利用车辆的特征信息(如车牌识别)进行进一步的识别和匹配,以确定它们的真实停车位置。此外,还可以通过人工干预的方式进行处理,例如,可以派遣工作人员前往停车场进行实地检查和核对,确认每辆车辆的停放位置,并手动更新相应的停车信息。
示例性地,对于其他未能匹配到该停车泊位的车辆,还可以通过匹配到相邻车位来解决,具体包括:首先,确定与已匹配车辆所在泊位相邻的其他停车泊位是否为空闲状态,这可以通过检测该泊位是否被其他车辆占据或被标记为已停车来判断;如果相邻泊位为空闲状态,则将其他未匹配的车辆与这些相邻泊位进行匹配,可以使用相似的车辆匹配算法或者基于距离的匹配方法,将车辆与最近的相邻泊位进行匹配;在成功匹配到相邻泊位后,更新车辆匹配结果,将这些车辆与相邻泊位关联起来。进一步地,更新车辆的位置信息和状态,确保停车信息的准确性。
本申请实施例通过基于距离数据的匹配算法,如最近邻匹配或基于阈值的匹配方法,实现车辆与停车泊位的匹配,以确保每辆车与最近的停车泊位进行关联,提高匹配准确性和停车管理效率。通过匹配到相邻的停车泊位,实现更有效的停车布局和资源利用,提高停车区域的容量和利用率。
上文结合图2至图7,详细描述了本申请的方法实施例,下面结合图8,详细描述本申请的装置实施例。应理解,方法实施例的描述与装置实施例的描述相互对应,因此,未详细描述的部分可以参见前面方法实施例。
图8所示为本申请一示例性实施例提供的车辆定位装置的结构示意图。如图8所示,本申请实施例提供的车辆定位装置80包括:
获取模块810,用于获取停车区域的目标图像,目标图像中包含至少一台车辆;
处理模块820,用于处理目标图像,确定至少一台车辆与标定物之间的相对位置数据,相对位置数据包括相对距离数据和相对方向数据;
第一确定模块830,用于基于至少一台车辆与标定物之间的相对位置数据,确定至少一台车辆的绝对位置数据;
第二确定模块840,用于基于至少一台车辆的绝对位置数据,确定至少一台车辆在停车区域的停车泊位。
在本申请一实施例中,第一确定模块830还用于,若标定物为目标图像中包含的指定参考对象,则获取自移动设备中预先配置的指定参考对象的绝对位置数据;基于指定参考对象的绝对位置数据、至少一台车辆与指定参考对象之间的相对位置数据,确定至少一台车辆的绝对位置数据。
在本申请一实施例中,第一确定模块830还用于,处理目标图像,确定至少一台车辆和指定参考对象在目标图像中各自的像素位置;获取与自移动设备所采集的图像相关的、图像距离和物理距离之间的映射关系,映射关系基于自移动设备的图像采集参数确定,图像采集参数包括焦距、像素大小、图像采集角度中的至少一种;基于至少一台车辆和指定参考对象在目标图像中各自的像素位置和映射关系,确定至少一台车辆和指定参考对象之间的相对位置数据。
在本申请一实施例中,第一确定模块830还用于,若标定物为自移动设备,则获取自移动设备在采集目标图像时的绝对位置数据;基于自移动设备在采集目标图像时的绝对位置数据、至少一台车辆与自移动设备之间的相对位置数据,确定至少一台车辆的绝对位置数据。
在本申请一实施例中,第一确定模块830还用于,处理目标图像,确定目标图像中的至少一台车辆在目标图像中的像素位置;获取自移动设备采集目标图像时的图像采集参数,图像采集参数包括焦距、像素大小、图像采集角度中的至少一种;基于至少一台车辆在目标图像中的像素位置、图像采集参数,确定至少一台车辆与自移动设备之间的相对位置数据。
在本申请一实施例中,第二确定模块840还用于,获取停车区域的泊位分布图,泊位分布图中包含至少一个泊位以及至少一个泊位对应的泊位编号;基于至少一台车辆的绝对位置数据,确定至少一台车辆在泊位分布图中的位置信息;基于至少一台车辆在泊位分布图中的位置信息,确定至少一台车辆在停车区域的停车泊位。
在本申请一实施例中,第二确定模块840还用于,若存在至少两台车辆在停车区域的同一停车泊位,则基于至少两台车辆各自的绝对位置数据和停车泊位的绝对位置数据,确定至少两台车辆各自与停车泊位的距离;基于至少两台车辆各自与停车泊位的距离,确定至少两台车辆与停车泊位的匹配结果。
下面,参考图9来描述根据本申请实施例的电子设备。图9所示为本申请一示例性实施例提供的电子设备的结构示意图。
如图9所示,电子设备90包括一个或多个处理器901和存储器902。
处理器901可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备90中的其他组件以执行期望的功能。
存储器902可以包括一个或多个计算机程序产品,计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器901可以运行程序指令,以实现上文的本申请的各个实施例的方法以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如包括停车区域的目标图像、至少一台车辆与标定物之间的相对位置数据、至少一台车辆的绝对位置数据、至少一台车辆在停车区域的停车泊位、标定物的绝对位置数据、图像采集参数等各种内容。
在一个示例中,电子设备90还可以包括:输入装置903和输出装置904,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置903可以包括例如键盘、鼠标等等。
该输出装置904可以向外部输出各种信息,包括至少一台车辆的绝对位置数据、至少一台车辆在停车区域的停车泊位、至少一台车辆在泊位分布图中的位置信息等。该输出装置904可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图9中仅示出了该电子设备90中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备90还可以包括任何其他适当的组件。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行本说明书上述描述的根据本申请各种实施例的方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行本说明书上述描述的根据本申请各种实施例的方法中的步骤。
计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种车辆定位方法,其特征在于,应用于自移动设备,所述方法包括:
获取停车区域的目标图像,所述目标图像中包含至少一台车辆;
处理所述目标图像,确定所述至少一台车辆与标定物之间的相对位置数据,所述相对位置数据包括相对距离数据和相对方向数据;
基于所述至少一台车辆与所述标定物之间的相对位置数据,确定所述至少一台车辆的绝对位置数据;
基于所述至少一台车辆的绝对位置数据,确定所述至少一台车辆在所述停车区域的停车泊位。
2.根据权利要求1所述的方法,其特征在于,所述基于所述至少一台车辆与所述标定物之间的相对位置数据,确定所述至少一台车辆的绝对位置数据,包括:
若所述标定物为所述目标图像中包含的指定参考对象,则获取所述自移动设备中预先配置的所述指定参考对象的绝对位置数据;
基于所述指定参考对象的绝对位置数据、所述至少一台车辆与所述指定参考对象之间的相对位置数据,确定所述至少一台车辆的绝对位置数据。
3.根据权利要求2所述的方法,其特征在于,所述处理所述目标图像,确定所述至少一台车辆与标定物之间的相对位置数据,包括:
处理所述目标图像,确定所述至少一台车辆和所述指定参考对象在所述目标图像中各自的像素位置;
获取与所述自移动设备所采集的图像相关的、图像距离和物理距离之间的映射关系,所述映射关系基于所述自移动设备的图像采集参数确定,所述图像采集参数包括焦距、像素大小、图像采集角度中的至少一种;
基于所述至少一台车辆和所述指定参考对象在所述目标图像中各自的像素位置和所述映射关系,确定所述至少一台车辆和所述指定参考对象之间的相对位置数据。
4.根据权利要求1所述的方法,其特征在于,所述处理所述目标图像,确定所述至少一台车辆与标定物之间的相对位置数据,包括:
若所述标定物为所述自移动设备,则获取所述自移动设备在采集所述目标图像时的绝对位置数据;
基于所述自移动设备在采集所述目标图像时的绝对位置数据、所述至少一台车辆与所述自移动设备之间的相对位置数据,确定所述至少一台车辆的绝对位置数据。
5.根据权利要求4所述的方法,其特征在于,所述处理所述目标图像,确定所述至少一台车辆与标定物之间的相对位置数据,包括:
处理所述目标图像,确定所述目标图像中的至少一台车辆在所述目标图像中的像素位置;
获取所述自移动设备采集所述目标图像时的图像采集参数,所述图像采集参数包括焦距、像素大小、图像采集角度中的至少一种;
基于所述至少一台车辆在所述目标图像中的像素位置、所述图像采集参数,确定所述至少一台车辆与所述自移动设备之间的相对位置数据。
6.根据权利要求1至5任一项所述的方法,所述基于所述至少一台车辆的绝对位置数据,确定所述至少一台车辆在所述停车区域的停车泊位,包括:
获取所述停车区域的泊位分布图,所述泊位分布图中包含至少一个泊位以及所述至少一个泊位对应的泊位编号;
基于所述至少一台车辆的绝对位置数据,确定所述至少一台车辆在所述泊位分布图中的位置信息;
基于所述至少一台车辆在所述泊位分布图中的位置信息,确定所述至少一台车辆在所述停车区域的停车泊位。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述基于所述至少一台车辆的绝对位置数据,确定所述至少一台车辆在所述停车区域的停车泊位,包括:
若存在至少两台车辆在所述停车区域的同一停车泊位,则基于所述至少两台车辆各自的绝对位置数据和所述停车泊位的绝对位置数据,确定所述至少两台车辆各自与所述停车泊位的距离;
基于所述至少两台车辆各自与所述停车泊位的距离,确定所述至少两台车辆与所述停车泊位的匹配结果。
8.一种车辆定位装置,其特征在于,应用于自移动设备,所述装置包括:
获取模块,被配置为获取停车区域的目标图像,所述目标图像中包含至少一台车辆;
处理模块,被配置为处理所述目标图像,确定所述至少一台车辆与标定物之间的相对位置数据,所述相对位置数据包括相对距离数据和相对方向数据;
确定模块,被配置为基于所述至少一台车辆与所述标定物之间的相对位置数据,确定所述至少一台车辆的绝对位置数据;基于所述至少一台车辆的绝对位置数据,确定所述至少一台车辆在所述停车区域的停车泊位。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1至7任一项所述的方法。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于执行上述权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310654614.0A CN116386373A (zh) | 2023-06-05 | 2023-06-05 | 车辆定位方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310654614.0A CN116386373A (zh) | 2023-06-05 | 2023-06-05 | 车辆定位方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116386373A true CN116386373A (zh) | 2023-07-04 |
Family
ID=86977288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310654614.0A Pending CN116386373A (zh) | 2023-06-05 | 2023-06-05 | 车辆定位方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116386373A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116977435A (zh) * | 2023-09-15 | 2023-10-31 | 广州志正电气有限公司 | 靠岸船舶自动识别的岸电系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007026456A1 (ja) * | 2005-08-30 | 2007-03-08 | Matsushita Electric Industrial Co., Ltd. | 駐車位置探索支援装置、方法およびプログラム |
CN103245337A (zh) * | 2012-02-14 | 2013-08-14 | 联想(北京)有限公司 | 一种获取移动终端位置的方法、移动终端和位置检测系统 |
CN105654763A (zh) * | 2016-01-15 | 2016-06-08 | 深圳芯智汇科技有限公司 | 停车场找车智能终端和方法 |
CN108122412A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 用于监控机器人检测车辆乱停的方法 |
CN108166821A (zh) * | 2016-12-08 | 2018-06-15 | 杭州海康威视数字技术股份有限公司 | 自适应停车场的停车引导方法和装置 |
CN109767626A (zh) * | 2018-12-20 | 2019-05-17 | 北京筑梦园科技有限公司 | 一种路边停车巡检方法、系统、巡逻车及服务器 |
CN109996212A (zh) * | 2019-04-11 | 2019-07-09 | 深圳市大富科技股份有限公司 | 车辆盲区信息获取方法、车载终端以及存储设备 |
CN110444043A (zh) * | 2019-09-16 | 2019-11-12 | 深圳普智联科机器人技术有限公司 | 一种基于定位技术的停车位巡检系统及其方法 |
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 |
CN112396651A (zh) * | 2020-10-23 | 2021-02-23 | 国网浙江省电力有限公司电力科学研究院 | 一种通过二角度图像实现设备定位的方法 |
CN112509364A (zh) * | 2020-11-17 | 2021-03-16 | 北京精英路通科技有限公司 | 车辆停车状态的确定方法、装置、计算机设备及存储介质 |
CN113345118A (zh) * | 2021-06-29 | 2021-09-03 | 伟龙科技(广东)有限公司 | 停车收费管理方法、系统及存储介质 |
CN113487759A (zh) * | 2021-07-16 | 2021-10-08 | 杭州海康汽车软件有限公司 | 一种停车巡检方法、装置、移动巡逻设备及巡检系统 |
CN114604235A (zh) * | 2020-12-08 | 2022-06-10 | 辉创电子股份有限公司 | 自动驾驶辅助系统 |
CN114841188A (zh) * | 2022-03-05 | 2022-08-02 | 广州临界信息科技有限公司 | 一种基于二维码的车辆融合定位方法及装置 |
-
2023
- 2023-06-05 CN CN202310654614.0A patent/CN116386373A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007026456A1 (ja) * | 2005-08-30 | 2007-03-08 | Matsushita Electric Industrial Co., Ltd. | 駐車位置探索支援装置、方法およびプログラム |
CN103245337A (zh) * | 2012-02-14 | 2013-08-14 | 联想(北京)有限公司 | 一种获取移动终端位置的方法、移动终端和位置检测系统 |
CN105654763A (zh) * | 2016-01-15 | 2016-06-08 | 深圳芯智汇科技有限公司 | 停车场找车智能终端和方法 |
CN108122412A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 用于监控机器人检测车辆乱停的方法 |
CN108166821A (zh) * | 2016-12-08 | 2018-06-15 | 杭州海康威视数字技术股份有限公司 | 自适应停车场的停车引导方法和装置 |
CN109767626A (zh) * | 2018-12-20 | 2019-05-17 | 北京筑梦园科技有限公司 | 一种路边停车巡检方法、系统、巡逻车及服务器 |
CN109996212A (zh) * | 2019-04-11 | 2019-07-09 | 深圳市大富科技股份有限公司 | 车辆盲区信息获取方法、车载终端以及存储设备 |
CN110444043A (zh) * | 2019-09-16 | 2019-11-12 | 深圳普智联科机器人技术有限公司 | 一种基于定位技术的停车位巡检系统及其方法 |
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 |
CN112396651A (zh) * | 2020-10-23 | 2021-02-23 | 国网浙江省电力有限公司电力科学研究院 | 一种通过二角度图像实现设备定位的方法 |
CN112509364A (zh) * | 2020-11-17 | 2021-03-16 | 北京精英路通科技有限公司 | 车辆停车状态的确定方法、装置、计算机设备及存储介质 |
CN114604235A (zh) * | 2020-12-08 | 2022-06-10 | 辉创电子股份有限公司 | 自动驾驶辅助系统 |
CN113345118A (zh) * | 2021-06-29 | 2021-09-03 | 伟龙科技(广东)有限公司 | 停车收费管理方法、系统及存储介质 |
CN113487759A (zh) * | 2021-07-16 | 2021-10-08 | 杭州海康汽车软件有限公司 | 一种停车巡检方法、装置、移动巡逻设备及巡检系统 |
CN114841188A (zh) * | 2022-03-05 | 2022-08-02 | 广州临界信息科技有限公司 | 一种基于二维码的车辆融合定位方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116977435A (zh) * | 2023-09-15 | 2023-10-31 | 广州志正电气有限公司 | 靠岸船舶自动识别的岸电系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108694882B (zh) | 用于标注地图的方法、装置和设备 | |
Wang et al. | Vision-based framework for automatic progress monitoring of precast walls by using surveillance videos during the construction phase | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
CN113657224B (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
CN111192331B (zh) | 一种激光雷达和相机的外参标定方法及装置 | |
CN110764111B (zh) | 雷达坐标与大地坐标的转换方法、装置、系统及介质 | |
WO2021253245A1 (zh) | 识别车辆变道趋势的方法和装置 | |
CN104167109A (zh) | 车辆位置的检测方法和检测装置 | |
CN113256740A (zh) | 一种雷达与相机的标定方法、电子设备及存储介质 | |
CN114004882A (zh) | 一种二维地图生成方法、装置、终端设备及存储介质 | |
JP2017102672A (ja) | 地理位置情報特定システム及び地理位置情報特定方法 | |
CN116386373A (zh) | 车辆定位方法、装置、存储介质及电子设备 | |
CN112036359A (zh) | 一种车道线的拓扑信息获得方法、电子设备及存储介质 | |
CN116245937A (zh) | 货物堆垛的堆高预测方法及装置、设备、存储介质 | |
CN115082857A (zh) | 一种目标对象的检测方法、装置、设备以及存储介质 | |
CN114419563A (zh) | 一种数据处理方法、装置、系统、电子设备及存储介质 | |
US20220148216A1 (en) | Position coordinate derivation device, position coordinate derivation method, position coordinate derivation program, and system | |
CN111951328A (zh) | 一种物体位置检测方法、装置、设备和存储介质 | |
CN112509135A (zh) | 元素标注方法、装置、设备、存储介质及计算机程序产品 | |
CN115345944A (zh) | 外参标定参数确定方法、装置、计算机设备和存储介质 | |
CN115272452A (zh) | 一种目标检测定位方法、装置、无人机及存储介质 | |
CN111372051B (zh) | 多相机联动盲区检测方法、装置和电子设备 | |
CN114140608A (zh) | 一种光伏板标记方法、装置、电子设备及存储介质 | |
CN112381873A (zh) | 一种数据标注方法及装置 | |
CN108416305B (zh) | 连续型道路分割物的位姿估计方法、装置及终端 |
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 |