CN117037504A - 新能源充电站的车位管理方法、装置、设备及存储介质 - Google Patents
新能源充电站的车位管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117037504A CN117037504A CN202310956455.XA CN202310956455A CN117037504A CN 117037504 A CN117037504 A CN 117037504A CN 202310956455 A CN202310956455 A CN 202310956455A CN 117037504 A CN117037504 A CN 117037504A
- Authority
- CN
- China
- Prior art keywords
- parking space
- charging
- image
- state
- license plate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000004891 communication Methods 0.000 claims description 70
- 238000012545 processing Methods 0.000 claims description 21
- 238000003708 edge detection Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/30—Constructional details of charging stations
- B60L53/31—Charging columns specially adapted for electric vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/65—Monitoring or controlling charging stations involving identification of vehicles or their battery types
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/149—Traffic control systems for road vehicles indicating individual free spaces in parking areas coupled to means for restricting the access to the parking space, e.g. authorization, access barriers, indicative lights
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Computer Security & Cryptography (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请实施例提供了一种新能源充电站的车位管理方法、装置、设备及存储介质,该方法包括:获取充电车位的车位图像,其中,充电车位设置有车位锁和充电桩;对当前时刻获取的车位图像进行车牌识别,得到第一识别结果;在第一识别结果指示车牌类型为新能源车牌的情况下,控制车位锁进入解锁状态,以及确定充电桩的状态;在车位锁处于解锁状态之后的第一时间中,对获取的车位图像进行车辆识别,得到第二识别结果,直至充电桩处于充电状态,其中,第一时间是指充电桩处于非充电状态的时间;在第二识别结果指示充电车位内没有车辆的情况下,控制车位锁进入锁定状态。本申请实施例能够降低对计算资源的占用,从而降低能耗。
Description
技术领域
本申请涉及但不限于充电站技术领域,尤其涉及一种新能源充电站的车位管理方法、装置、设备及存储介质。
背景技术
新能源充电站是为新能源汽车充电的站点,新能源汽车包括纯电动汽车、增程式电动汽车、混合动力汽车、燃料电池电动汽车、氢发动机汽车等,随着新能源汽车行业的快速发展,充电站将成为汽车工业和能源产业发展的重点。
目前,新能源充电站的充电车位通常会设置有车位锁,通过实时识别充电车位的车位图像来确定充电车位的占用情况,进而控制车位锁的动作,但是,实时识别车位图像需要占用较多的计算资源,导致能耗增加。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本申请实施例提供了一种新能源充电站的车位管理方法、装置、设备及存储介质,能够降低对计算资源的占用,从而降低能耗。
为实现上述目的,本申请实施例的第一方面提出了一种新能源充电站的车位管理方法,包括:获取充电车位的车位图像,其中,所述充电车位设置有车位锁和充电桩;对当前时刻获取的所述车位图像进行车牌识别,得到第一识别结果;在所述第一识别结果指示车牌类型为新能源车牌的情况下,控制所述车位锁进入解锁状态,以及确定所述充电桩的状态;在所述车位锁处于解锁状态之后的第一时间中,对获取的所述车位图像进行车辆识别,得到第二识别结果,直至所述充电桩处于充电状态,其中,所述第一时间是指所述充电桩处于非充电状态的时间;在所述第二识别结果指示所述充电车位内没有车辆的情况下,控制所述车位锁进入锁定状态。
在一些实施例中,所述对当前时刻获取的所述车位图像进行车牌识别,得到第一识别结果,包括:将当前时刻获取的所述车位图像作为目标图像,对所述目标图像进行灰度化处理,得到参考灰度图;对所述参考灰度图进行边缘检测,得到参考边缘图像;对所述参考边缘图像进行形态学处理,得到目标连通区域;对所述目标图像中位于所述目标连通区域之内的区域进行提取,得到车牌图像;对所述车牌图像进行车牌识别,得到第一识别结果。
在一些实施例中,所述对所述参考边缘图像进行形态学处理,得到目标连通区域,包括:对所述参考边缘图像进行多次的开操作,得到至少一个单连通区域,其中,开操作是指依次进行腐蚀处理和膨胀处理的操作;基于所述单连通区域的区域面积,从所有所述单连通区域中筛选出目标连通区域。
在一些实施例中,所述基于所述单连通区域的区域面积,从所有所述单连通区域中筛选出目标连通区域,包括:分别为各个所述单连通区域创建外接矩形,确定各个所述外接矩形的长宽比值;基于所述长宽比值,从所有所述单连通区域中筛选出至少一个候选连通区域,其中,所述候选连通区域的外接矩形的长宽比值在预设的目标比值范围内;基于所述候选连通区域的区域面积,从所有所述候选连通区域中筛选出目标连通区域。
在一些实施例中,所述对所述目标图像进行灰度化处理,得到参考灰度图,包括:确定所述目标图像的亮度信息;基于所述亮度信息,对所述目标图像的进行亮度均衡化调整;对亮度均衡化调整后的所述目标图像进行灰度化处理,得到参考灰度图。
在一些实施例中,所述对所述参考灰度图进行边缘检测,得到参考边缘图像,包括:获取区域蒙版;对所述参考灰度图中位于所述区域蒙版之内的区域进行提取,得到参考区域图像;对所述参考区域图像进行边缘检测,得到参考边缘图像。
在一些实施例中,所述控制所述车位锁进入解锁状态,以及确定所述充电桩的状态之后,还包括:在所述车位锁处于解锁状态之后的第二时间中,对所述第一识别结果进行缓存,直至所述充电桩处于非充电状态,其中,所述第二时间是指所述充电桩处于充电状态的时间;根据缓存的所述第一识别结果,在预设的多个候选客户中确定目标客户;基于所述充电桩的状态,确定所述目标客户的充电费用。
本申请实施例的第二方面提出了一种车位管理装置,包括:获取单元,用于获取充电车位的车位图像,其中,所述充电车位设置有车位锁和充电桩;第一识别单元,用于对当前时刻获取的所述车位图像进行车牌识别,得到第一识别结果;第一控制单元,用于在所述第一识别结果指示车牌类型为新能源车牌的情况下,控制所述车位锁进入解锁状态,以及确定所述充电桩的状态;第二识别单元,用于在所述车位锁处于解锁状态之后的第一时间中,对获取的所述车位图像进行车辆识别,得到第二识别结果,直至所述充电桩处于充电状态,其中,所述第一时间是指所述充电桩处于非充电状态的时间;第二控制单元,用于在所述第二识别结果指示所述充电车位内没有车辆的情况下,控制所述车位锁进入锁定状态。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的新能源充电站的车位管理方法。
为实现上述目的,本申请实施例的第四方面提出了一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的新能源充电站的车位管理方法。
本申请提出的新能源充电站的车位管理方法、装置、设备及存储介质,本申请实施例包括:获取充电车位的车位图像,其中,所述充电车位设置有车位锁和充电桩;对当前时刻获取的所述车位图像进行车牌识别,得到第一识别结果;在所述第一识别结果指示车牌类型为新能源车牌的情况下,控制所述车位锁进入解锁状态,以及确定所述充电桩的状态;在所述车位锁处于解锁状态之后的第一时间中,对获取的所述车位图像进行车辆识别,得到第二识别结果,直至所述充电桩处于充电状态,其中,所述第一时间是指所述充电桩处于非充电状态的时间;在所述第二识别结果指示所述充电车位内没有车辆的情况下,控制所述车位锁进入锁定状态。根据本申请实施例提供的方案,通过对车位图像进行车牌识别,在识别出车辆的车牌类型为新能源车牌时,才控制车位锁进入解锁状态,能够避免充电车位被非新能源汽车占用,有效提高充电车位的利用率,车辆驶进充电车位后,可以通过充电桩的状态确定是否处于充电状态,在充电桩处于充电状态时,无需进行车辆识别,仅在充电桩处于非充电状态的第一时间内,才实时进行车辆识别,确定车辆是否驶出充电车位,车辆驶出后会控制车位锁再次进入锁定状态,所以,本申请实施例提供的新能源充电站的车位管理方法,在充电桩处于充电状态时,无需对车位图像进行车辆识别,能够降低对计算资源的占用,从而降低能耗,还可以提高识别效率。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1为本申请实施例提供的新能源充电站的车位管理方法的一种可选的流程示意图;
图2为本申请实施例提供的得到第一识别结果的一种可选的流程示意图;
图3为本申请实施例提供的得到目标连通区域的一种可选的流程示意图;
图4为本申请实施例提供的得到目标连通区域的一种可选的具体流程示意图;
图5为本申请实施例提供的得到参考灰度图的一种可选的流程示意图;
图6为本申请实施例提供的得到参考边缘图像的一种可选的流程示意图;
图7为本申请实施例提供的充电桩处于充电状态时的一种可选的流程示意图;
图8为本申请实施例提供的车位管理过程的一种可选的流程示意图;
图9为本申请实施例提供的车位管理装置的一种可选的结构示意图;
图10为本申请实施例提供的电子设备的一种可选的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
在本申请的描述中,若干个的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
为便于理解本申请实施例提供的技术方案,这里先对本申请实施例使用的一些关键名词进行解释:
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
目前,新能源充电站的充电车位通常会设置有车位锁,通过实时识别充电车位的车位图像来确定充电车位的占用情况,进而控制车位锁的动作,但是,实时识别车位图像需要占用较多的计算资源,导致能耗增加。
针对实时识别车位图像需要占用较多的计算资源,导致能耗增加的问题,本申请提供了一种新能源充电站的车位管理方法、装置、设备及存储介质,该方法包括:获取充电车位的车位图像,其中,充电车位设置有车位锁和充电桩;对当前时刻获取的车位图像进行车牌识别,得到第一识别结果;在第一识别结果指示车牌类型为新能源车牌的情况下,控制车位锁进入解锁状态,以及确定充电桩的状态;在车位锁处于解锁状态之后的第一时间中,对获取的车位图像进行车辆识别,得到第二识别结果,直至充电桩处于充电状态,其中,第一时间是指充电桩处于非充电状态的时间;在第二识别结果指示充电车位内没有车辆的情况下,控制车位锁进入锁定状态。根据本申请实施例提供的方案,通过对车位图像进行车牌识别,在识别出车辆的车牌类型为新能源车牌时,才控制车位锁进入解锁状态,能够避免充电车位被非新能源汽车占用,有效提高充电车位的利用率,车辆驶进充电车位后,可以通过充电桩的状态确定是否处于充电状态,在充电桩处于充电状态时,无需进行车辆识别,仅在充电桩处于非充电状态的第一时间内,才实时进行车辆识别,确定车辆是否驶出充电车位,车辆驶出后会控制车位锁再次进入锁定状态,所以,本申请实施例提供的新能源充电站的车位管理方法,在充电桩处于充电状态时,无需对车位图像进行车辆识别,能够降低对计算资源的占用,从而降低能耗,还可以提高识别效率。
本申请实施例提供的新能源充电站的车位管理方法、装置、设备及存储介质,具体通过如下实施例进行说明,首先描述本申请实施例中的新能源充电站的车位管理方法。
本申请实施例提供的新能源充电站的车位管理方法,涉及计算机技术领域。本申请实施例提供的新能源充电站的车位管理方法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式系统,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现新能源充电站的车位管理方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是,在本申请的各个具体实施方式中,当涉及到需要根据用户信息、用户行为数据,用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时,都会先获得用户的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关法律法规和标准。此外,当本申请实施例需要获取用户的敏感个人信息时,会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意,在明确获得用户的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
下面结合附图,对本申请实施例作进一步阐述。
如图1所示,图1为本申请实施例提供的新能源充电站的车位管理方法的一种可选的流程示意图,该新能源充电站的车位管理方法可以由服务器执行,或者也可以由终端执行,或者也可以由服务器配合终端执行,该新能源充电站的车位管理方法包括但不限于以下步骤S110至步骤S150:
步骤S110,获取充电车位的车位图像,其中,充电车位设置有车位锁和充电桩;
步骤S120,对当前时刻获取的车位图像进行车牌识别,得到第一识别结果;
步骤S130,在第一识别结果指示车牌类型为新能源车牌的情况下,控制车位锁进入解锁状态,以及确定充电桩的状态;
步骤S140,在车位锁处于解锁状态之后的第一时间中,对获取的车位图像进行车辆识别,得到第二识别结果,直至充电桩处于充电状态,其中,第一时间是指充电桩处于非充电状态的时间;
步骤S150,在第二识别结果指示充电车位内没有车辆的情况下,控制车位锁进入锁定状态。
其中,充电车位通常会设置有视频桩或者摄像头等图像采集设备,可以通过图像采集设备采集充电车位的车位视频,车位视频的每一帧图像都可以作为充电车位的车位图像,图像采集设备通常设置在充电车位远离充电车位的进出口的一侧,图像采集设备能够采集车辆进出充电车位的图像。
可见,充电车位未被占用时,可以通过对实时获取的车位图像进行车牌识别,得到第一识别结果,当车辆的车牌区域未进入图像采集设备的拍摄范围内时,第一识别结果无法指示出车辆的车牌类型,例如,没有车辆驶进充电车位,或者准备驶进充电车位的车辆与充电车位之间的距离较远,第一识别结果均无法指示出车辆的车牌类型。
但是,当车辆的车牌区域进入图像采集设备的拍摄范围后,第一识别结果可以指示出车辆的车牌类型,在车牌类型为新能源车牌的情况下,可以向车位锁发送解锁指令,以使车位锁进入解锁状态,车辆可以驶进充电车位;反之,在车牌类型为非新能源车牌的情况下,不会向车位锁发送解锁指令,车位锁保持锁定状态,车辆无法驶进充电车位。
其中,车位锁可以是地锁,车位锁处于解锁状态是指地锁处于降下状态,车位锁处于锁定状态是指地锁处于升起状态。
然后,车位锁处于解锁状态之后的第一时间中,可以通过对车位图像进行车辆识别,得到第二识别结果,第二识别结果可以指示车辆是否驶出充电车位,当第二识别结果指示充电车位内没有车辆时,可以向车位锁发送锁定指令,以使车位锁再次进入锁定状态。
其中,充电桩的状态可以指充电桩上充电枪的状态,例如,当充电桩处于拔出充电枪的状态时,充电桩处于充电状态,当充电桩处于插回充电枪的状态时,充电桩处于非充电状态。
具体地,参照图8,图8为本申请实施例提供的车位管理过程的一种可选的流程示意图。
其中,本申请实施例提供的新能源充电站的车位管理方法可以应用于视频桩,视频桩和充电桩都可以与云端连接,充电桩可将状态信息发送至云端,然后云端可以将充电桩的状态发送至视频桩,另外,视频桩可以与车位锁电连接,所以,视频桩可以控制车位锁的解锁和锁定。
在一种可能的实现方式中,对车位图像进行车牌识别,可以指将车位图像输入已训练的第一图像识别模型,基于已训练的第一图像识别模型,确定车位图像的车牌信息,车牌信息可以包括:车牌号码、车牌颜色等,可以将车牌颜色作为第一识别结果,当车牌颜色为绿色时,可以确定车牌类型为新能源车牌,反之,当车牌颜色不为绿色时,可以确定车牌类型为非新能源汽车;所以,可以基于车牌颜色,确定车牌类型是否为新能源车牌;
在一种可能的实现方式中,对车位图像进行车辆识别,可以是指对车位图像进行车牌识别,具体是将车位图像再次输入已训练的第一图像识别模型,基于已训练的第一图像识别模型,再次确定车位图像的车牌信息,可以将再次确定的车牌信息作为第二识别结果,当再次确定的车牌信息的内容不为空时,例如车牌信息包含车牌号码,可以确定充电车位内有车辆,反之,当再次确定的车牌信息的内容为空时,例如车牌信息未包含车牌号码,可以确定充电车位内没有车辆;所以,可以基于车牌信息,确定充电车位内是否有车辆。
在另一种可能的实现方式中,对车位图像进行车辆识别,可以包括车辆检测和车位检测两个子任务,可以指将车位图像输入已训练的第二图像识别模型,基于已训练的第二图像识别模型,确定车位图像中车辆的车辆位置区域,以及确定车位图像中充电车位的车位位置区域,然后可以确定车辆位置区域和车位位置区域之间的匹配关系,将匹配关系作为第二识别结果,当车辆位置区域和车位位置区域匹配时,例如,车辆位置区域和车位位置区域存在重叠区域时,代表充电车位内有车辆,反之,当车辆位置区域和车位位置区域不匹配时,例如,车辆位置区域和车位位置区域不存在重叠区域时,代表充电车位内没有车辆;所以,可以基于车辆位置区域和车位位置区域之间的匹配关系,确定充电车位内是否有车辆。
基于此,通过对车位图像进行车牌识别,在识别出车辆的车牌类型为新能源车牌时,才控制车位锁进入解锁状态,能够避免充电车位被非新能源汽车占用,有效提高充电车位的利用率,车辆驶进充电车位后,可以通过充电桩的状态确定是否处于充电状态,在充电桩处于充电状态时,无需进行车辆识别,仅在充电桩处于非充电状态的第一时间内,才实时进行车辆识别,确定车辆是否驶出充电车位,车辆驶出后会控制车位锁再次进入锁定状态,所以,本申请实施例提供的新能源充电站的车位管理方法,在充电桩处于充电状态时,无需对车位图像进行车辆识别,能够降低对计算资源的占用,从而降低能耗,还可以提高识别效率。
在一种可选的实施例中,可以对车位图像进行车辆识别,得到车辆信息,车辆信息可以包括:车型信息、车牌信息和车辆颜色信息等。
另外,参照图2,在一实施例中,图1所示实施例中的步骤S120,包括但不限于有以下步骤:
步骤S210,将当前时刻获取的车位图像作为目标图像,对目标图像进行灰度化处理,得到参考灰度图;
步骤S220,对参考灰度图进行边缘检测,得到参考边缘图像;
步骤S230,对参考边缘图像进行形态学处理,得到目标连通区域;
步骤S240,对目标图像中位于目标连通区域之内的区域进行提取,得到车牌图像;
步骤S250,对车牌图像进行车牌识别,得到第一识别结果。
其中,将目标图像转换为参考灰度图,能够简化后续图像处理的复杂度,降低对计算资源的占用;然后,通过边缘检测,能够确定参考灰度图中灰度值变化较大的地方,能够确定参考灰度图中物体的轮廓,进而确定车牌所在区域的轮廓;然后,通过形态学处理,能够有效得到车牌所在区域的目标连通区域,进而基于目标连通区域,可以对目标图像进行分割,提取出包含车牌所在区域的车牌图像;通过对车牌图像进行车牌识别,而不用对整个目标图像进行车牌识别,可以减少计算量,降低对计算资源的占用,提高识别效率,而且,通过去除目标图像中不相关的区域,能够提高车牌类型的识别准确率。
另外,参照图3,在一实施例中,图2所示实施例中的步骤S230,包括但不限于有以下步骤:
步骤S310,对参考边缘图像进行多次的开操作,得到至少一个单连通区域,其中,开操作是指依次进行腐蚀处理和膨胀处理的操作;
步骤S320,基于单连通区域的区域面积,从所有单连通区域中筛选出目标连通区域。
可以理解的是,对参考边缘图像进行腐蚀处理,可以缩小或消除参考边缘图像中物体的边界,可以去除参考边缘图像中的噪声点,使物体边界更加平滑;膨胀处理是腐蚀处理的逆操作,对参考边缘图像进行膨胀处理,可以用于扩大或加粗参考边缘图像中物体的边界,有助于连接物体的断开部分,填充物体内的孔洞,使得物体在参考边缘图像中更加完整,通过开操作,将可以将参考边缘图像中的小连通区域消除掉或缩小,同时保留参考边缘图像中的大连通区域,车牌所在区域属于参考边缘图像中的大连通区域,所以,可以得到包含车牌所在区域的单连通区域。
具体地,可以对参考边缘图像进行两次的开操作,在第一次开操作中,对参考边缘图像进行腐蚀处理的卷积核大小为(1,5),迭代次数为2,对参考边缘图像进行膨胀处理的卷积核大小为(9,3),迭代次数为9;在第二次开操作中,对参考边缘图像进行腐蚀处理的卷积核大小为(7,1),迭代次数为7,对参考边缘图像进行膨胀处理的卷积核大小为(9,7),迭代次数为5,图像的处理效果较好。
另外,参照图4,在一实施例中,图3所示实施例中的步骤S320,包括但不限于有以下步骤:
步骤S410,分别为各个单连通区域创建外接矩形,确定各个外接矩形的长宽比值;
步骤S420,基于长宽比值,从所有单连通区域中筛选出至少一个候选连通区域,其中,候选连通区域的外接矩形的长宽比值在预设的目标比值范围内;
步骤S430,基于候选连通区域的区域面积,从所有候选连通区域中筛选出目标连通区域。
其中,车牌的轮廓是矩形,车牌尺寸通常是固定的,所以,可以基于实际的车牌尺寸设定目标比值范围。
例如,实际的车牌尺寸为长度45cm,宽度15cm,可以计算出车牌的长宽比值为3,由于车辆的车头未与充电车位对齐时,图像采集设备获取的车位图像中车牌图像会出现倾斜,为了提高车牌类型的识别准确率,可以设定目标比值范围为2至5。
基于此,可以先为各个单连通区域创建外接矩形,然后可以计算得到各个外接矩形的长宽比值,当外接矩形的长宽比值位于目标比值范围内,可以将该外接矩形对应的单连通区域作为候选连通区域,再从所有符合目标比值范围要求的候选连通区域中筛选出目标连通区域,能够提高目标连通区域的准确度,通常地,在所有候选连通区域中,可以将区域面积最大的候选连通区域作为目标连通区域。
具体地,由于车牌的长边与地面平行,所以,可以过滤掉长边与地面垂直的外接矩形。
另外,参照图5,在一实施例中,图2所示实施例中的步骤S210,包括但不限于有以下步骤:
步骤S510,确定目标图像的亮度信息;
步骤S520,基于亮度信息,对目标图像的进行亮度均衡化调整;
步骤S530,对亮度均衡化调整后的目标图像进行灰度化处理,得到参考灰度图。
其中,在获取目标图像后,可以确定目标图像全局的亮度信息,然后基于图像增强技术,对目标图像的进行亮度均衡化调整,具体地,将目标图像划分为小的局部区域,对每个局部区域计算直方图,然后对每个局部区域应用直方图均衡化,使得该区域的亮度范围更均匀,然后将均衡化后的局部区域重新组合成最终的增强图像。
基于此,通过亮度均衡化调整,可以降低强光照对目标图像的影响,由于参考灰度图是基于亮度均衡化调整后的目标图像得到的,所以,参考灰度图具有增强的对比度和更均匀的灰度分布,能够更好地显示图像的细节。
另外,参照图6,在一实施例中,图2所示实施例中的步骤S220,包括但不限于有以下步骤:
步骤S610,获取区域蒙版;
步骤S620,对参考灰度图中位于区域蒙版之内的区域进行提取,得到参考区域图像;
步骤S630,对参考区域图像进行边缘检测,得到参考边缘图像。
可以理解的是,基于图像采集设备实际的拍摄区域,可以预先创建包含充电车位有效区域的区域蒙版,有效区域是指车辆驶进充电车位过程中包含车牌所在区域的区域,所以,可以获取预先创建的区域蒙版,然后基于区域蒙版,对参考灰度图进行分割,提取出包含有效区域的参考区域图像,再对参考区域图像进行边缘检测,得到参考边缘图像,能够提高边缘检测的处理效率,从而降低对计算资源的占用。
具体地,区域蒙版可以呈上窄下宽的梯形,能够把参考灰度图的顶部区域去除。
另外,参照图7,在一实施例中,图1所示实施例中的步骤S130之后,还包括但不限于有以下步骤:
步骤S710,在车位锁处于解锁状态之后的第二时间中,对第一识别结果进行缓存,直至充电桩处于非充电状态,其中,第二时间是指充电桩处于充电状态的时间;
步骤S720,根据缓存的第一识别结果,在预设的多个候选客户中确定目标客户;
步骤S730,基于充电桩的状态,确定目标客户的充电费用。
可以理解的是,当车辆驶进充电车位后,当充电桩处于拔出充电枪的状态时,可以视为充电桩处于充电状态,将充电桩处于充电状态的时间作为第二时间,在第二时间中,无需对车位图像进行车辆识别,能够降低对计算资源的占用,从而降低能耗,还可以提高识别效率,而且,可以将第一识别结果进行缓存,相当于将车牌信息进行锁定,由于车牌信息与客户信息通常是相互绑定的关系,所以可以锁定的车牌信息,确定目标客户,然后根据充电桩实际的充电情况,计算出充电费用。
另外,参考图9,本申请还提供了一种车位管理装置900,包括:
获取单元910,用于获取充电车位的车位图像,其中,充电车位设置有车位锁和充电桩;
第一识别单元920,用于对当前时刻获取的车位图像进行车牌识别,得到第一识别结果;
第一控制单元930,用于在第一识别结果指示车牌类型为新能源车牌的情况下,控制车位锁进入解锁状态,以及确定充电桩的状态;
第二识别单元940,用于在车位锁处于解锁状态之后的第一时间中,对获取的车位图像进行车辆识别,得到第二识别结果,直至充电桩处于充电状态,其中,第一时间是指充电桩处于非充电状态的时间;
第二控制单元950,用于在第二识别结果指示充电车位内没有车辆的情况下,控制车位锁进入锁定状态。
可以理解的是,该车位管理装置900的具体实施方式与上述新能源充电站的车位管理方法的具体实施例基本相同,在此不再赘述。
另外,参照图10,图10示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器1001,可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器1002,可以采用只读存储器(Read Only Memory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory,RAM)等形式实现。存储器1002可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1002中,并由处理器1001来调用执行本申请实施例的新能源充电站的车位管理方法,例如,执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S250、图3中的方法步骤S310至步骤S320、图4中的方法步骤S410至S430、图5中的方法步骤S510至S530、图6中的方法步骤S610至S630、图7中的方法步骤S710至S730;
输入/输出接口1003,用于实现信息输入及输出;
通信接口1004,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线1005,在设备的各个组件(例如处理器1001、存储器1002、输入/输出接口1003和通信接口1004)之间传输信息;
其中处理器1001、存储器1002、输入/输出接口1003和通信接口1004通过总线1005实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质,存储介质为计算机可读存储介质,用于计算机可读存储,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现上述新能源充电站的车位管理方法,例如,执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S250、图3中的方法步骤S310至步骤S320、图4中的方法步骤S410至S430、图5中的方法步骤S510至S530、图6中的方法步骤S610至S630、图7中的方法步骤S710至S730。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的新能源充电站的车位管理方法、装置、设备及存储介质,其通过获取充电车位的车位图像,其中,充电车位设置有车位锁和充电桩;对当前时刻获取的车位图像进行车牌识别,得到第一识别结果;在第一识别结果指示车牌类型为新能源车牌的情况下,控制车位锁进入解锁状态,以及确定充电桩的状态;在车位锁处于解锁状态之后的第一时间中,对获取的车位图像进行车辆识别,得到第二识别结果,直至充电桩处于充电状态,其中,第一时间是指充电桩处于非充电状态的时间;在第二识别结果指示充电车位内没有车辆的情况下,控制车位锁进入锁定状态。基于此,通过对车位图像进行车牌识别,在识别出车辆的车牌类型为新能源车牌时,才控制车位锁进入解锁状态,能够避免充电车位被非新能源汽车占用,有效提高充电车位的利用率,车辆驶进充电车位后,可以通过充电桩的状态确定是否处于充电状态,在充电桩处于充电状态时,无需进行车辆识别,仅在充电桩处于非充电状态的第一时间内,才实时进行车辆识别,确定车辆是否驶出充电车位,车辆驶出后会控制车位锁再次进入锁定状态,所以,本申请实施例提供的新能源充电站的车位管理方法,在充电桩处于充电状态时,无需对车位图像进行车辆识别,能够降低对计算资源的占用,从而降低能耗,还可以提高识别效率。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1至图7中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中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,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.一种新能源充电站的车位管理方法,其特征在于,包括:
获取充电车位的车位图像,其中,所述充电车位设置有车位锁和充电桩;
对当前时刻获取的所述车位图像进行车牌识别,得到第一识别结果;
在所述第一识别结果指示车牌类型为新能源车牌的情况下,控制所述车位锁进入解锁状态,以及确定所述充电桩的状态;
在所述车位锁处于解锁状态之后的第一时间中,对获取的所述车位图像进行车辆识别,得到第二识别结果,直至所述充电桩处于充电状态,其中,所述第一时间是指所述充电桩处于非充电状态的时间;
在所述第二识别结果指示所述充电车位内没有车辆的情况下,控制所述车位锁进入锁定状态。
2.根据权利要求1所述的方法,其特征在于,所述对当前时刻获取的所述车位图像进行车牌识别,得到第一识别结果,包括:
将当前时刻获取的所述车位图像作为目标图像,对所述目标图像进行灰度化处理,得到参考灰度图;
对所述参考灰度图进行边缘检测,得到参考边缘图像;
对所述参考边缘图像进行形态学处理,得到目标连通区域;
对所述目标图像中位于所述目标连通区域之内的区域进行提取,得到车牌图像;
对所述车牌图像进行车牌识别,得到第一识别结果。
3.根据权利要求2所述的方法,其特征在于,所述对所述参考边缘图像进行形态学处理,得到目标连通区域,包括:
对所述参考边缘图像进行多次的开操作,得到至少一个单连通区域,其中,开操作是指依次进行腐蚀处理和膨胀处理的操作;
基于所述单连通区域的区域面积,从所有所述单连通区域中筛选出目标连通区域。
4.根据权利要求3所述的方法,其特征在于,所述基于所述单连通区域的区域面积,从所有所述单连通区域中筛选出目标连通区域,包括:
分别为各个所述单连通区域创建外接矩形,确定各个所述外接矩形的长宽比值;
基于所述长宽比值,从所有所述单连通区域中筛选出至少一个候选连通区域,其中,所述候选连通区域的外接矩形的长宽比值在预设的目标比值范围内;
基于所述候选连通区域的区域面积,从所有所述候选连通区域中筛选出目标连通区域。
5.根据权利要求2所述的方法,其特征在于,所述对所述目标图像进行灰度化处理,得到参考灰度图,包括:
确定所述目标图像的亮度信息;
基于所述亮度信息,对所述目标图像的进行亮度均衡化调整;
对亮度均衡化调整后的所述目标图像进行灰度化处理,得到参考灰度图。
6.根据权利要求2所述的方法,其特征在于,所述对所述参考灰度图进行边缘检测,得到参考边缘图像,包括:
获取区域蒙版;
对所述参考灰度图中位于所述区域蒙版之内的区域进行提取,得到参考区域图像;
对所述参考区域图像进行边缘检测,得到参考边缘图像。
7.根据权利要求1所述的方法,其特征在于,所述控制所述车位锁进入解锁状态,以及确定所述充电桩的状态之后,还包括:
在所述车位锁处于解锁状态之后的第二时间中,对所述第一识别结果进行缓存,直至所述充电桩处于非充电状态,其中,所述第二时间是指所述充电桩处于充电状态的时间;
根据缓存的所述第一识别结果,在预设的多个候选客户中确定目标客户;
基于所述充电桩的状态,确定所述目标客户的充电费用。
8.一种车位管理装置,其特征在于,包括:
获取单元,用于获取充电车位的车位图像,其中,所述充电车位设置有车位锁和充电桩;
第一识别单元,用于对当前时刻获取的所述车位图像进行车牌识别,得到第一识别结果;
第一控制单元,用于在所述第一识别结果指示车牌类型为新能源车牌的情况下,控制所述车位锁进入解锁状态,以及确定所述充电桩的状态;
第二识别单元,用于在所述车位锁处于解锁状态之后的第一时间中,对获取的所述车位图像进行车辆识别,得到第二识别结果,直至所述充电桩处于充电状态,其中,所述第一时间是指所述充电桩处于非充电状态的时间;
第二控制单元,用于在所述第二识别结果指示所述充电车位内没有车辆的情况下,控制所述车位锁进入锁定状态。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的新能源充电站的车位管理方法。
10.一种存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的新能源充电站的车位管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310956455.XA CN117037504B (zh) | 2023-07-31 | 2023-07-31 | 新能源充电站的车位管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310956455.XA CN117037504B (zh) | 2023-07-31 | 2023-07-31 | 新能源充电站的车位管理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117037504A true CN117037504A (zh) | 2023-11-10 |
CN117037504B CN117037504B (zh) | 2024-07-02 |
Family
ID=88625539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310956455.XA Active CN117037504B (zh) | 2023-07-31 | 2023-07-31 | 新能源充电站的车位管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117037504B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109760533A (zh) * | 2018-12-07 | 2019-05-17 | 中能易电新能源技术有限公司 | 充电桩充电控制方法、装置、计算机设备和存储介质 |
CN111127940A (zh) * | 2019-12-05 | 2020-05-08 | 广东电网有限责任公司 | 一种充电车位智能调度管控方法 |
CN111223303A (zh) * | 2018-11-27 | 2020-06-02 | 杭州海康威视数字技术股份有限公司 | 充电桩车位管理方法、装置及系统 |
CN112991807A (zh) * | 2019-12-13 | 2021-06-18 | 浙江宇视科技有限公司 | 一种车位状态检测方法、装置、设备及存储介质 |
CN113012331A (zh) * | 2021-02-22 | 2021-06-22 | 国网浙江电动汽车服务有限公司 | 一种新能源车充电站系统 |
CN113409589A (zh) * | 2021-06-17 | 2021-09-17 | 安徽信息工程学院 | 一种基于微波感知车牌图像的占用充电桩车位的检测装置及方法 |
CN114241801A (zh) * | 2021-11-12 | 2022-03-25 | 国网山东省电力公司日照供电公司 | 一种充电桩车位自动识别地锁系统 |
CN114612904A (zh) * | 2022-01-30 | 2022-06-10 | 云知声智能科技股份有限公司 | 车位情况信息推送方法、装置、电子设备和存储介质 |
CN114633653A (zh) * | 2022-03-25 | 2022-06-17 | 湖南兴桩新能源科技有限公司 | 一种移动充电桩控制方法、系统、终端以及可存储介质 |
US20220207923A1 (en) * | 2020-12-25 | 2022-06-30 | Hongfujin Precision Electronics(Tianjin)Co.,Ltd. | Method for identifying vehicles for parking management purposes, device, system, and electronic device |
CN115376356A (zh) * | 2022-07-01 | 2022-11-22 | 国网北京市电力公司 | 车位管理方法、系统、电子设备及非易失性存储介质 |
CN115424451A (zh) * | 2022-08-24 | 2022-12-02 | 广西北投信创科技投资集团有限公司 | 充电桩预约系统和方法 |
CN115610268A (zh) * | 2022-10-24 | 2023-01-17 | 中国电信股份有限公司 | 充电桩系统、充电控制方法、电子设备及存储介质 |
CN116206484A (zh) * | 2023-05-04 | 2023-06-02 | 深圳市长戈科技有限公司 | 一种地锁和充电桩共同联动管理的防占位系统 |
CN116311205A (zh) * | 2023-02-27 | 2023-06-23 | 华润数字科技有限公司 | 车牌识别方法、车牌识别装置、电子设备及存储介质 |
-
2023
- 2023-07-31 CN CN202310956455.XA patent/CN117037504B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223303A (zh) * | 2018-11-27 | 2020-06-02 | 杭州海康威视数字技术股份有限公司 | 充电桩车位管理方法、装置及系统 |
CN109760533A (zh) * | 2018-12-07 | 2019-05-17 | 中能易电新能源技术有限公司 | 充电桩充电控制方法、装置、计算机设备和存储介质 |
CN111127940A (zh) * | 2019-12-05 | 2020-05-08 | 广东电网有限责任公司 | 一种充电车位智能调度管控方法 |
CN112991807A (zh) * | 2019-12-13 | 2021-06-18 | 浙江宇视科技有限公司 | 一种车位状态检测方法、装置、设备及存储介质 |
US20220207923A1 (en) * | 2020-12-25 | 2022-06-30 | Hongfujin Precision Electronics(Tianjin)Co.,Ltd. | Method for identifying vehicles for parking management purposes, device, system, and electronic device |
CN113012331A (zh) * | 2021-02-22 | 2021-06-22 | 国网浙江电动汽车服务有限公司 | 一种新能源车充电站系统 |
CN113409589A (zh) * | 2021-06-17 | 2021-09-17 | 安徽信息工程学院 | 一种基于微波感知车牌图像的占用充电桩车位的检测装置及方法 |
CN114241801A (zh) * | 2021-11-12 | 2022-03-25 | 国网山东省电力公司日照供电公司 | 一种充电桩车位自动识别地锁系统 |
CN114612904A (zh) * | 2022-01-30 | 2022-06-10 | 云知声智能科技股份有限公司 | 车位情况信息推送方法、装置、电子设备和存储介质 |
CN114633653A (zh) * | 2022-03-25 | 2022-06-17 | 湖南兴桩新能源科技有限公司 | 一种移动充电桩控制方法、系统、终端以及可存储介质 |
CN115376356A (zh) * | 2022-07-01 | 2022-11-22 | 国网北京市电力公司 | 车位管理方法、系统、电子设备及非易失性存储介质 |
CN115424451A (zh) * | 2022-08-24 | 2022-12-02 | 广西北投信创科技投资集团有限公司 | 充电桩预约系统和方法 |
CN115610268A (zh) * | 2022-10-24 | 2023-01-17 | 中国电信股份有限公司 | 充电桩系统、充电控制方法、电子设备及存储介质 |
CN116311205A (zh) * | 2023-02-27 | 2023-06-23 | 华润数字科技有限公司 | 车牌识别方法、车牌识别装置、电子设备及存储介质 |
CN116206484A (zh) * | 2023-05-04 | 2023-06-02 | 深圳市长戈科技有限公司 | 一种地锁和充电桩共同联动管理的防占位系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117037504B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241343A (zh) | 一种道路信息监控与分析检测方法、智慧交通控制系统 | |
CN110826429A (zh) | 一种基于景区视频的旅游突发事件自动监测的方法及系统 | |
CN114742223A (zh) | 车辆型号识别方法、装置、计算机设备及存储介质 | |
US11275970B2 (en) | Systems and methods for distributed data analytics | |
CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN111523527B (zh) | 特种运输车辆监控方法、装置、介质及电子设备 | |
CN117789185B (zh) | 基于深度学习的汽车油孔姿态识别系统及方法 | |
Grbić et al. | Automatic vision-based parking slot detection and occupancy classification | |
CN110969104B (zh) | 基于二值化网络检测可行驶区域的方法、系统及存储介质 | |
US20240203128A1 (en) | Systems and methods for determining target event | |
CN113505640A (zh) | 一种基于多尺度特征融合的小尺度行人检测方法 | |
CN117037504B (zh) | 新能源充电站的车位管理方法、装置、设备及存储介质 | |
Pan et al. | A hybrid deep learning algorithm for the license plate detection and recognition in vehicle-to-vehicle communications | |
CN116311205A (zh) | 车牌识别方法、车牌识别装置、电子设备及存储介质 | |
CN115223157A (zh) | 一种基于循环神经网络的电网设备铭牌光学字符识别方法 | |
CN115170612A (zh) | 一种检测跟踪方法、装置、电子设备及存储介质 | |
CN114445788A (zh) | 车辆停放检测方法、装置、终端设备和可读存储介质 | |
Oublal et al. | An advanced combination of semi-supervised Normalizing Flow & Yolo (YoloNF) to detect and recognize vehicle license plates | |
US12045720B2 (en) | Systems and methods for distributed data analytics | |
CN116597258B (zh) | 一种基于多尺度特征融合的矿石分选模型训练方法及系统 | |
CN117037172A (zh) | 文本识别方法及文本识别装置、计算机设备、存储介质 | |
CN116977754A (zh) | 图像处理方法、装置及计算机设备、存储介质、程序产品 | |
Ma et al. | Research on the Extraction Method of Mining Car Point Set in Open Pit Mining Based on Machine Learning Algorithm | |
Wei | Vehicle and Pedestrian Target Detection Based on YOLOv7x Network | |
CN114155520A (zh) | 一种车牌识别方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |