CN118212781A - 一种带有自动识别车辆数据的远程监测遥控系统 - Google Patents
一种带有自动识别车辆数据的远程监测遥控系统 Download PDFInfo
- Publication number
- CN118212781A CN118212781A CN202410612157.3A CN202410612157A CN118212781A CN 118212781 A CN118212781 A CN 118212781A CN 202410612157 A CN202410612157 A CN 202410612157A CN 118212781 A CN118212781 A CN 118212781A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image data
- data
- module
- remote control
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 75
- 238000012549 training Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 230000037396 body weight Effects 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种带有自动识别车辆数据的远程监测遥控系统,通过车辆数据处理模块获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,车辆数据传输模块利用ZigBee无线通讯技术将训练车辆图像数据传输至监测系统中;车辆数据识别模块将训练车辆图像数据输入至CNN车辆图像识别模型中进行识别,得到实时车辆类型;车辆参数获取模块基于电感环线圈和激光扫描器获取待远程监测遥控车辆的车辆驾驶参数;车辆远程控制模块基于车辆本体参数和车辆驾驶参数生成待远程监测遥控车辆的远程遥控指令,可以实现远程监控和遥控,极大地提高了车辆管理的效率和安全性。
Description
技术领域
本发明涉及车辆识别领域,特别是一种带有自动识别车辆数据的远程监测遥控系统。
背景技术
随着科技的飞速发展和智能化时代的到来,车辆数据的管理和监控已经成为现代交通管理的重要组成部分。尤其在物流、出租车、公共交通等领域,对车辆状态的实时监控和远程控制的需求日益迫切。然而,传统的车辆监测远程遥控方法大多精准度不高,不仅效率低下,而且容易出错,难以满足现代交通管理的需求。因此如何根据车辆的周围环境和车辆本身的数据进行处理,并规划出一个远程监控系统可以针对车辆进行实时远程遥控控制,是现阶段丞待解决的技术问题。
发明内容
本发明的目的是为了解决上述问题,设计了一种带有自动识别车辆数据的远程监测遥控系统。
实现上述目的本发明的技术方案为,进一步,在上述一种带有自动识别车辆数据的远程监测遥控系统中,该远程监测遥控系统包括以下模块:
车辆数据处理模块,用于获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,对所述实时车辆图像数据进行数据预处理,得到训练车辆图像数据;
车辆数据传输模块,用于利用ZigBee无线通讯技术将所述训练车辆图像数据传输至监测系统中;
车辆数据识别模块,用于基于CNN神经网络建立CNN车辆图像识别模型,将所述训练车辆图像数据输入至所述CNN车辆图像识别模型中进行识别,得到实时车辆类型;
车辆参数获取模块,用于根据所述实时车辆类型获取所述待远程监测遥控车辆的车辆本体参数,基于电感环线圈和激光扫描器获取所述待远程监测遥控车辆的车辆驾驶参数;
车辆远程控制模块,用于基于所述车辆本体参数和所述车辆驾驶参数生成所述待远程监测遥控车辆的远程遥控指令,利用所述远程遥控指令对所述待远程监测遥控车辆进行实时控制。
进一步,在上述一种带有自动识别车辆数据的远程监测遥控系统中,所述车辆数据处理模块包括包括以下子模块:
数据获取子模块,用于利用图像传感器获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,所述实时车辆图像数据至少包括车辆车牌数据、车身颜色数据;
图像灰度子模块,用于将所述实时车辆图像数据进行灰度化,得到灰度车辆图像数据,所述灰度车辆图像数据的每个像素存放一个字节灰度值,灰度范围为0-255;
图像滤波子模块,用于利用高斯滤波方法对所述灰度车辆图像数据中的噪点数据进行删除,得到滤波车辆图像数据;
图像增强子模块,用于对所述滤波车辆图像数据进行数据增强处理,得到增强车辆图像数据;
归一化子模块,用于对所述增强车辆图像数据进行归一化处理,得到训练车辆图像数据。
进一步,在上述一种带有自动识别车辆数据的远程监测遥控系统中,所述车辆数据传输模块包括以下子模块:
创建子模块,用于利用协调器初始化ZigBee网络,创建新网络并分配唯一的PANID网络标识符;
加入子模块,用于监测系统设备向协调器发送加入请求,并提供必要监测系统设备信息;
验证子模块,用于协调器根据监测系统设备信息进行验证,若验证通过则将终端设备加入网络,并分配临时网络地址;
配置子模块,用于利用AT命令对监测系统设备和图像传感器配置ZigBee模块,配置步骤至少包括设置网络ID、信道和波特率参数;
传输子模块,用于在所述监测系统设备和图像传感器的两个ZigBee模块之间,利用透明传输模式将所述训练车辆图像数据进行传输。
进一步,在上述一种带有自动识别车辆数据的远程监测遥控系统中,所述车辆数据识别模块包括包括以下子模块:
建立子模块,用于基于CNN神经网络建立CNN车辆图像识别模型,所述CNN车辆图像识别模型至少包括输入层、卷积层、激活层、池化层、全连接层;
卷积层子模块,用于通过卷积核在输入训练车辆图像数据上,计算卷积核与训练车辆图像数据中不同位置的乘积,生成边缘特征、纹理特征;
全连接层子模块,用于通过全连接层的节点与之前的各个节点相连,形成全连接网络,通过softmax函数将节点上的激活值转换为各个类别的概率,输出概率最高的类别;
得到子模块,用于将所述训练车辆图像数据输入至所述CNN车辆图像识别模型中进行识别,得到实时车辆类型。
进一步,在上述一种带有自动识别车辆数据的远程监测遥控系统中,所述车辆参数获取模块包括包括以下单元:
本体参数单元,用于根据所述实时车辆类型获取所述待远程监测遥控车辆的车辆本体参数,所述车辆本体参数至少包括车身大小参数、车身重量参数、车身规模参数、车辆轴型参数、车辆轮胎参数;
驾驶参数单元,用于基于电感环线圈和激光扫描器获取所述待远程监测遥控车辆的车辆驾驶参数,所述车辆驾驶参数至少包括车辆周围障碍物、车辆动力参数、车辆驾驶距离参数、车辆驾驶路线参数。
进一步,在上述一种带有自动识别车辆数据的远程监测遥控系统中,所述车辆远程控制模块包括以下单元:
指令生成单元,用于基于所述车辆本体参数和所述车辆驾驶参数生成所述待远程监测遥控车辆的远程遥控指令,所述远程遥控指令至少包括车辆移动距离、车辆移动方向、车辆转向距离、车辆倒车距离、车辆倒车方向;
指令传输单元,用于利用ZigBee无线通讯技术将所述远程遥控指令发送至车辆的系统中;
控制监测单元,用于利用所述远程遥控指令对所述待远程监测遥控车辆进行实时控制,并对所述实时控制进行监测;
误差调整单元,用于若所述待远程监测遥控车辆的实时控制出现误差,则利用CNN车辆图像识别模型生成目标远程遥控指令。
进一步,实现如权利要求1所述的一种带有自动识别车辆数据的远程监测遥控系统的方法,其特征在于,所述方法包括以下步骤:
车辆数据处理模块,用于获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,对所述实时车辆图像数据进行数据预处理,得到训练车辆图像数据;
车辆数据传输模块,用于利用ZigBee无线通讯技术将所述训练车辆图像数据传输至监测系统中;
车辆数据识别模块,用于基于CNN神经网络建立CNN车辆图像识别模型,将所述训练车辆图像数据输入至所述CNN车辆图像识别模型中进行识别,得到实时车辆类型;
车辆参数获取模块,用于根据所述实时车辆类型获取所述待远程监测遥控车辆的车辆本体参数,基于电感环线圈和激光扫描器获取所述待远程监测遥控车辆的车辆驾驶参数;
车辆远程控制模块,用于基于所述车辆本体参数和所述车辆驾驶参数生成所述待远程监测遥控车辆的远程遥控指令,利用所述远程遥控指令对所述待远程监测遥控车辆进行实时控制。
进一步,实现如权利要求1所述的一种带有自动识别车辆数据的远程监测遥控系统的方法,其特征在于,所述方法包括以下步骤:
获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,所述实时车辆图像数据至少包括车辆车牌数据、车身颜色数据;
将所述实时车辆图像数据进行灰度化,得到灰度车辆图像数据,所述灰度车辆图像数据的每个像素存放一个字节灰度值,灰度范围为0-255;
利用高斯滤波方法对所述灰度车辆图像数据中的噪点数据进行删除,得到滤波车辆图像数据;
对所述滤波车辆图像数据进行数据增强处理,得到增强车辆图像数据;
对所述增强车辆图像数据进行归一化处理,得到训练车辆图像数据。
其有益效果在于,通过车辆数据处理模块,用于获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,对所述实时车辆图像数据进行数据预处理,得到训练车辆图像数据;车辆数据传输模块,用于利用ZigBee无线通讯技术将所述训练车辆图像数据传输至监测系统中;车辆数据识别模块,用于基于CNN神经网络建立CNN车辆图像识别模型,将所述训练车辆图像数据输入至所述CNN车辆图像识别模型中进行识别,得到实时车辆类型;车辆参数获取模块,用于根据所述实时车辆类型获取所述待远程监测遥控车辆的车辆本体参数,基于电感环线圈和激光扫描器获取所述待远程监测遥控车辆的车辆驾驶参数;车辆远程控制模块,用于基于所述车辆本体参数和所述车辆驾驶参数生成所述待远程监测遥控车辆的远程遥控指令,利用所述远程遥控指令对所述待远程监测遥控车辆进行实时控制。可以实现远程监控和遥控,极大地提高了车辆管理的效率和安全性;可以在任何时间、任何地点对车辆状态进行监控。以在第一时间对车辆进行干预,避免车辆驾驶事故的发生或扩大。同时远程遥控还可以用于车辆的调度和安排,提高车辆的使用效率和利用率。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。
图1为本发明实施例中一种带有自动识别车辆数据的远程监测遥控系统的第一个实施例示意图;
图2为本发明实施例中一种带有自动识别车辆数据的远程监测遥控系统的第二个实施例示意图;
图3为本发明实施例中一种带有自动识别车辆数据的远程监测遥控系统的第三个实施例示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明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仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
下面结合附图对本发明进行具体描述,如图1所示,一种带有自动识别车辆数据的远程监测遥控系统,该远程监测遥控系统包括以下模块:
车辆数据处理模块,用于获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,对实时车辆图像数据进行数据预处理,得到训练车辆图像数据;
具体的,本实施例中还包括数据获取子模块,用于利用图像传感器获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,实时车辆图像数据至少包括车辆车牌数据、车身颜色数据;图像灰度子模块,用于将实时车辆图像数据进行灰度化,得到灰度车辆图像数据,灰度车辆图像数据的每个像素存放一个字节灰度值,灰度范围为0-255;图像滤波子模块,用于利用高斯滤波方法对灰度车辆图像数据中的噪点数据进行删除,得到滤波车辆图像数据;图像增强子模块,用于对滤波车辆图像数据进行数据增强处理,得到增强车辆图像数据;归一化子模块,用于对增强车辆图像数据进行归一化处理,得到训练车辆图像数据。
车辆数据传输模块,用于利用ZigBee无线通讯技术将训练车辆图像数据传输至监测系统中;
具体的,本实施例中还包括创建子模块,用于利用协调器初始化ZigBee网络,创建新网络并分配唯一的PAN ID网络标识符;加入子模块,用于监测系统设备向协调器发送加入请求,并提供必要监测系统设备信息;验证子模块,用于协调器根据监测系统设备信息进行验证,若验证通过则将终端设备加入网络,并分配临时网络地址;配置子模块,用于利用AT命令对监测系统设备和图像传感器配置ZigBee模块,配置步骤至少包括设置网络ID、信道和波特率参数;传输子模块,用于在监测系统设备和图像传感器的两个ZigBee模块之间,利用透明传输模式将训练车辆图像数据进行传输。
车辆数据识别模块,用于基于CNN神经网络建立CNN车辆图像识别模型,将训练车辆图像数据输入至CNN车辆图像识别模型中进行识别,得到实时车辆类型;
具体的,本实施例中还包括建立子模块,用于基于CNN神经网络建立CNN车辆图像识别模型,CNN车辆图像识别模型至少包括输入层、卷积层、激活层、池化层、全连接层;卷积层子模块,用于通过卷积核在输入训练车辆图像数据上,计算卷积核与训练车辆图像数据中不同位置的乘积,生成边缘特征、纹理特征;全连接层子模块,用于通过全连接层的节点与之前的各个节点相连,形成全连接网络,通过softmax函数将节点上的激活值转换为各个类别的概率,输出概率最高的类别;得到子模块,用于将训练车辆图像数据输入至CNN车辆图像识别模型中进行识别,得到实时车辆类型。
车辆参数获取模块,用于根据实时车辆类型获取待远程监测遥控车辆的车辆本体参数,基于电感环线圈和激光扫描器获取待远程监测遥控车辆的车辆驾驶参数;
具体的,本实施例中还包括本体参数单元,用于根据实时车辆类型获取待远程监测遥控车辆的车辆本体参数,车辆本体参数至少包括车身大小参数、车身重量参数、车身规模参数、车辆轴型参数、车辆轮胎参数;驾驶参数单元,用于基于电感环线圈和激光扫描器获取待远程监测遥控车辆的车辆驾驶参数,车辆驾驶参数至少包括车辆周围障碍物、车辆动力参数、车辆驾驶距离参数、车辆驾驶路线参数。
车辆远程控制模块,用于基于车辆本体参数和车辆驾驶参数生成待远程监测遥控车辆的远程遥控指令,利用远程遥控指令对待远程监测遥控车辆进行实时控制。
具体的,本实施例中还包括指令生成单元,用于基于车辆本体参数和车辆驾驶参数生成待远程监测遥控车辆的远程遥控指令,远程遥控指令至少包括车辆移动距离、车辆移动方向、车辆转向距离、车辆倒车距离、车辆倒车方向;指令传输单元,用于利用ZigBee无线通讯技术将远程遥控指令发送至车辆的系统中;控制监测单元,用于利用远程遥控指令对待远程监测遥控车辆进行实时控制,并对实时控制进行监测;误差调整单元,用于若待远程监测遥控车辆的实时控制出现误差,则利用CNN车辆图像识别模型生成目标远程遥控指令。
其有益效果在于,通过车辆数据处理模块,用于获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,对实时车辆图像数据进行数据预处理,得到训练车辆图像数据;车辆数据传输模块,用于利用ZigBee无线通讯技术将训练车辆图像数据传输至监测系统中;车辆数据识别模块,用于基于CNN神经网络建立CNN车辆图像识别模型,将训练车辆图像数据输入至CNN车辆图像识别模型中进行识别,得到实时车辆类型;车辆参数获取模块,用于根据实时车辆类型获取待远程监测遥控车辆的车辆本体参数,基于电感环线圈和激光扫描器获取待远程监测遥控车辆的车辆驾驶参数;车辆远程控制模块,用于基于车辆本体参数和车辆驾驶参数生成待远程监测遥控车辆的远程遥控指令,利用远程遥控指令对待远程监测遥控车辆进行实时控制。可以实现远程监控和遥控,极大地提高了车辆管理的效率和安全性;可以在任何时间、任何地点对车辆状态进行监控。以在第一时间对车辆进行干预,避免车辆驾驶事故的发生或扩大。同时远程遥控还可以用于车辆的调度和安排,提高车辆的使用效率和利用率。
请参阅图2,在一种带有自动识别车辆数据的远程监测遥控系统中,车辆数据处理模块包括包括以下子模块:
数据获取子模块,用于利用图像传感器获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,实时车辆图像数据至少包括车辆车牌数据、车身颜色数据;
图像灰度子模块,用于将实时车辆图像数据进行灰度化,得到灰度车辆图像数据,灰度车辆图像数据的每个像素存放一个字节灰度值,灰度范围为0-255;
图像滤波子模块,用于利用高斯滤波方法对灰度车辆图像数据中的噪点数据进行删除,得到滤波车辆图像数据;
图像增强子模块,用于对滤波车辆图像数据进行数据增强处理,得到增强车辆图像数据;
归一化子模块,用于对增强车辆图像数据进行归一化处理,得到训练车辆图像数据。
请参阅图3,在一种带有自动识别车辆数据的远程监测遥控系统中,车辆数据传输模块包括以下子模块:
创建子模块,用于利用协调器初始化ZigBee网络,创建新网络并分配唯一的PANID网络标识符;
加入子模块,用于监测系统设备向协调器发送加入请求,并提供必要监测系统设备信息;
验证子模块,用于协调器根据监测系统设备信息进行验证,若验证通过则将终端设备加入网络,并分配临时网络地址;
配置子模块,用于利用AT命令对监测系统设备和图像传感器配置ZigBee模块,配置步骤至少包括设置网络ID、信道和波特率参数;
传输子模块,用于在监测系统设备和图像传感器的两个ZigBee模块之间,利用透明传输模式将训练车辆图像数据进行传输。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种带有自动识别车辆数据的远程监测遥控系统,其特征在于,所述远程监测遥控系统包括以下模块:
车辆数据处理模块,用于获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,对所述实时车辆图像数据进行数据预处理,得到训练车辆图像数据;
车辆数据传输模块,用于利用ZigBee无线通讯技术将所述训练车辆图像数据传输至监测系统中;
车辆数据识别模块,用于基于CNN神经网络建立CNN车辆图像识别模型,将所述训练车辆图像数据输入至所述CNN车辆图像识别模型中进行识别,得到实时车辆类型;
车辆参数获取模块,用于根据所述实时车辆类型获取所述待远程监测遥控车辆的车辆本体参数,基于电感环线圈和激光扫描器获取所述待远程监测遥控车辆的车辆驾驶参数;
车辆远程控制模块,用于基于所述车辆本体参数和所述车辆驾驶参数生成所述待远程监测遥控车辆的远程遥控指令,利用所述远程遥控指令对所述待远程监测遥控车辆进行实时控制。
2.如权利要求1所述一种带有自动识别车辆数据的远程监测遥控系统,其特征在于,所述车辆数据处理模块包括包括以下子模块:
数据获取子模块,用于利用图像传感器获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,所述实时车辆图像数据至少包括车辆车牌数据、车身颜色数据;
图像灰度子模块,用于将所述实时车辆图像数据进行灰度化,得到灰度车辆图像数据,所述灰度车辆图像数据的每个像素存放一个字节灰度值,灰度范围为0-255;
图像滤波子模块,用于利用高斯滤波方法对所述灰度车辆图像数据中的噪点数据进行删除,得到滤波车辆图像数据;
图像增强子模块,用于对所述滤波车辆图像数据进行数据增强处理,得到增强车辆图像数据;
归一化子模块,用于对所述增强车辆图像数据进行归一化处理,得到训练车辆图像数据。
3.如权利要求1所述一种带有自动识别车辆数据的远程监测遥控系统,其特征在于,所述车辆数据传输模块包括以下子模块:
创建子模块,用于利用协调器初始化ZigBee网络,创建新网络并分配唯一的PAN ID网络标识符;
加入子模块,用于监测系统设备向协调器发送加入请求,并提供必要监测系统设备信息;
验证子模块,用于协调器根据监测系统设备信息进行验证,若验证通过则将终端设备加入网络,并分配临时网络地址;
配置子模块,用于利用AT命令对监测系统设备和图像传感器配置ZigBee模块,配置步骤至少包括设置网络ID、信道和波特率参数;
传输子模块,用于在所述监测系统设备和图像传感器的两个ZigBee模块之间,利用透明传输模式将所述训练车辆图像数据进行传输。
4.如权利要求1所述一种带有自动识别车辆数据的远程监测遥控系统,其特征在于,所述车辆数据识别模块包括包括以下子模块:
建立子模块,用于基于CNN神经网络建立CNN车辆图像识别模型,所述CNN车辆图像识别模型至少包括输入层、卷积层、激活层、池化层、全连接层;
卷积层子模块,用于通过卷积核在输入训练车辆图像数据上,计算卷积核与训练车辆图像数据中不同位置的乘积,生成边缘特征、纹理特征;
全连接层子模块,用于通过全连接层的节点与之前的各个节点相连,形成全连接网络,通过softmax函数将节点上的激活值转换为各个类别的概率,输出概率最高的类别;
得到子模块,用于将所述训练车辆图像数据输入至所述CNN车辆图像识别模型中进行识别,得到实时车辆类型。
5.如权利要求1所述一种带有自动识别车辆数据的远程监测遥控系统,其特征在于,所述车辆参数获取模块包括包括以下单元:
本体参数单元,用于根据所述实时车辆类型获取所述待远程监测遥控车辆的车辆本体参数,所述车辆本体参数至少包括车身大小参数、车身重量参数、车身规模参数、车辆轴型参数、车辆轮胎参数;
驾驶参数单元,用于基于电感环线圈和激光扫描器获取所述待远程监测遥控车辆的车辆驾驶参数,所述车辆驾驶参数至少包括车辆周围障碍物、车辆动力参数、车辆驾驶距离参数、车辆驾驶路线参数。
6.如权利要求1所述一种带有自动识别车辆数据的远程监测遥控系统,其特征在于,所述车辆远程控制模块包括以下单元:
指令生成单元,用于基于所述车辆本体参数和所述车辆驾驶参数生成所述待远程监测遥控车辆的远程遥控指令,所述远程遥控指令至少包括车辆移动距离、车辆移动方向、车辆转向距离、车辆倒车距离、车辆倒车方向;
指令传输单元,用于利用ZigBee无线通讯技术将所述远程遥控指令发送至车辆的系统中;
控制监测单元,用于利用所述远程遥控指令对所述待远程监测遥控车辆进行实时控制,并对所述实时控制进行监测;
误差调整单元,用于若所述待远程监测遥控车辆的实时控制出现误差,则利用CNN车辆图像识别模型生成目标远程遥控指令。
7.实现如权利要求1所述一种带有自动识别车辆数据的远程监测遥控系统的方法,其特征在于,所述方法包括以下步骤:
车辆数据处理模块,用于获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,对所述实时车辆图像数据进行数据预处理,得到训练车辆图像数据;
车辆数据传输模块,用于利用ZigBee无线通讯技术将所述训练车辆图像数据传输至监测系统中;
车辆数据识别模块,用于基于CNN神经网络建立CNN车辆图像识别模型,将所述训练车辆图像数据输入至所述CNN车辆图像识别模型中进行识别,得到实时车辆类型;
车辆参数获取模块,用于根据所述实时车辆类型获取所述待远程监测遥控车辆的车辆本体参数,基于电感环线圈和激光扫描器获取所述待远程监测遥控车辆的车辆驾驶参数;
车辆远程控制模块,用于基于所述车辆本体参数和所述车辆驾驶参数生成所述待远程监测遥控车辆的远程遥控指令,利用所述远程遥控指令对所述待远程监测遥控车辆进行实时控制。
8.实现如权利要求1所述一种带有自动识别车辆数据的远程监测遥控系统的方法,其特征在于,所述方法包括以下步骤:
获取数据库中待远程监测遥控车辆的图像数据,得到实时车辆图像数据,所述实时车辆图像数据至少包括车辆车牌数据、车身颜色数据;
将所述实时车辆图像数据进行灰度化,得到灰度车辆图像数据,所述灰度车辆图像数据的每个像素存放一个字节灰度值,灰度范围为0-255;
利用高斯滤波方法对所述灰度车辆图像数据中的噪点数据进行删除,得到滤波车辆图像数据;
对所述滤波车辆图像数据进行数据增强处理,得到增强车辆图像数据;
对所述增强车辆图像数据进行归一化处理,得到训练车辆图像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410612157.3A CN118212781A (zh) | 2024-05-17 | 2024-05-17 | 一种带有自动识别车辆数据的远程监测遥控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410612157.3A CN118212781A (zh) | 2024-05-17 | 2024-05-17 | 一种带有自动识别车辆数据的远程监测遥控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118212781A true CN118212781A (zh) | 2024-06-18 |
Family
ID=91446413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410612157.3A Pending CN118212781A (zh) | 2024-05-17 | 2024-05-17 | 一种带有自动识别车辆数据的远程监测遥控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118212781A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295541A (zh) * | 2016-08-03 | 2017-01-04 | 乐视控股(北京)有限公司 | 车辆类型识别方法及系统 |
CN106599869A (zh) * | 2016-12-22 | 2017-04-26 | 安徽大学 | 一种基于多任务卷积神经网络的车辆属性识别方法 |
CN110379168A (zh) * | 2019-06-24 | 2019-10-25 | 东南大学 | 一种基于Mask R-CNN的交通车辆信息获取方法 |
CN110406530A (zh) * | 2019-07-02 | 2019-11-05 | 宁波吉利汽车研究开发有限公司 | 一种自动驾驶方法、装置、设备和车辆 |
US20190384303A1 (en) * | 2018-06-19 | 2019-12-19 | Nvidia Corporation | Behavior-guided path planning in autonomous machine applications |
CN110598637A (zh) * | 2019-09-12 | 2019-12-20 | 齐鲁工业大学 | 一种基于视觉及深度学习的无人驾驶系统及方法 |
CN111252061A (zh) * | 2018-11-30 | 2020-06-09 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的实时决策制定 |
KR20220088590A (ko) * | 2020-12-18 | 2022-06-28 | 한국건설기술연구원 | 차종 분류를 기반으로 하는 교통량 분석 및 모니터링 시스템 및 방법 |
-
2024
- 2024-05-17 CN CN202410612157.3A patent/CN118212781A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295541A (zh) * | 2016-08-03 | 2017-01-04 | 乐视控股(北京)有限公司 | 车辆类型识别方法及系统 |
CN106599869A (zh) * | 2016-12-22 | 2017-04-26 | 安徽大学 | 一种基于多任务卷积神经网络的车辆属性识别方法 |
US20190384303A1 (en) * | 2018-06-19 | 2019-12-19 | Nvidia Corporation | Behavior-guided path planning in autonomous machine applications |
CN111252061A (zh) * | 2018-11-30 | 2020-06-09 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的实时决策制定 |
CN110379168A (zh) * | 2019-06-24 | 2019-10-25 | 东南大学 | 一种基于Mask R-CNN的交通车辆信息获取方法 |
CN110406530A (zh) * | 2019-07-02 | 2019-11-05 | 宁波吉利汽车研究开发有限公司 | 一种自动驾驶方法、装置、设备和车辆 |
CN110598637A (zh) * | 2019-09-12 | 2019-12-20 | 齐鲁工业大学 | 一种基于视觉及深度学习的无人驾驶系统及方法 |
KR20220088590A (ko) * | 2020-12-18 | 2022-06-28 | 한국건설기술연구원 | 차종 분류를 기반으로 하는 교통량 분석 및 모니터링 시스템 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109753047B (zh) | 用于自主车辆行为控制的系统和方法以及高级控制器 | |
CN110008843B (zh) | 基于点云和影像数据的车辆目标联合认知方法和系统 | |
WO2018141403A1 (en) | System, device and method for managing traffic in a geographical location | |
CN106934378B (zh) | 一种基于视频深度学习的汽车远光灯识别系统及方法 | |
CN115497076A (zh) | 一种高精准度和高效率的信号标识检测方法、装置及介质 | |
CN110015298A (zh) | 自动驾驶车辆配置方法和系统 | |
CN110516380A (zh) | 一种基于车辆行驶仿真数据的深度强化测试方法和系统 | |
CN116760536A (zh) | 一种多智能体协同感知方法、系统、电子设备及存储介质 | |
CN114550116A (zh) | 一种对象识别方法和装置 | |
Bai et al. | Cyber mobility mirror for enabling cooperative driving automation in mixed traffic: A co-simulation platform | |
CN118212781A (zh) | 一种带有自动识别车辆数据的远程监测遥控系统 | |
CN104268884A (zh) | 一种基于车联网的车道偏离预警的标定系统和方法 | |
CN110789515A (zh) | 机动车辆中用于硬件验证的系统和方法 | |
CN114218999A (zh) | 一种基于融合图像特征的毫米波雷达目标检测方法及系统 | |
CN112926415A (zh) | 一种行人避让系统和行人监测方法 | |
CN111652210A (zh) | 一种车牌字符智能识别系统 | |
CN116229424A (zh) | 基于改进YOLO v3的智能网联汽车行人检测方法 | |
CN113593256B (zh) | 基于城市管理的无人机智能驱离控制方法、系统及云平台 | |
CN114708565A (zh) | 智能驾驶场景识别模型创建方法、装置、设备及存储介质 | |
CN112498337A (zh) | 一种车辆安全管理方法、装置、系统及存储介质 | |
Lee et al. | Path tracking control using imitation learning with variational auto-encoder | |
CN220020293U (zh) | 一种基于无人机的智能扫码系统 | |
CN112100836B (zh) | 车辆边界参数的获取方法和装置 | |
CN117351704A (zh) | 一种基于边缘计算网关的车路协同数据感知方法和系统 | |
Sharma | Collaborative decision making in IoT network for sustainable smart cities: An artificial intelligence planning method based solution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |