CN102306274A - 一种停车位状态识别装置及方法 - Google Patents
一种停车位状态识别装置及方法 Download PDFInfo
- Publication number
- CN102306274A CN102306274A CN201110165079A CN201110165079A CN102306274A CN 102306274 A CN102306274 A CN 102306274A CN 201110165079 A CN201110165079 A CN 201110165079A CN 201110165079 A CN201110165079 A CN 201110165079A CN 102306274 A CN102306274 A CN 102306274A
- Authority
- CN
- China
- Prior art keywords
- line
- image
- white
- parking stall
- signal
- 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
- Image Analysis (AREA)
Abstract
本发明提供一种用于停车场车位状态识别装置及方法,在停车位的地面上涂绘一个白色图块,提供车位是否被占用的视觉识别信号。本***主要包括:单片机最小***电路板、信号采集处理模块和通信模块。本发明利用视觉的优点,与传统的停车位监控方式相比设计出针对特定环境的图像动态阈值计算和自适应调整,具有高效的判定方式,可以在短时间内判断停车位的空闲状态,可用以提高停车场的智能程度和管理水平,取得更高的经济效益和良好的社会效益。
Description
技术领域
本发明涉及视频监控、图像处理领域,具体涉及一种停车位状态识别装置及方法。
背景技术
随着大型停车场的不断兴建,旨在提高停车场运行效率的停车场智能管理***也将随之发展。对于停车场车位状态监控,国内外已有多种实现方法:超声波车位检测法,地感线圈检测法,红外线检测法和多普勒微波法。但是这些方法都存在着局限性:超声车位检测容易受非车物体干扰;地感线圈检测施工复杂,容易对路面造成损害;红外线检测装置造价昂贵;多普勒微波法难以检测静止或者低速的车辆或物体。
发明内容
针对现有技术的不足,本发明提供一种停车位状态识别装置及方法,采用CCD摄像头作为视觉传感器,通过对停车位进行实时监控,得到车位的占用状态。
本发明的技术方案是:在停车位地面上涂绘一个白色图块,提供车位是否被占的视觉信号,停车位状态识别装置包括:单片机最小***电路板、信号采集处理模块和通信模块;
单片机最小***电路板包括单片机最小***和控制所需的输入输出口,即I/O外部扩展口,由电源模块供电;
信号采集处理模块包括CCD摄像头、视频信号分离芯片和AD转换器。单片机通过A/D转换器采集CCD的视频信号,采集完一帧信息后对视频图像进行处理和识别。
通信模块采用MAX485转换芯片,利用单片机的SCI接口,采用异步通信方式完成通信功能。输出的串行协议信号通过MAX485芯片转为RS485协议,可远程传送。
为了采集图像信息,单片机需要根据行、场同步信号启动A/D转换器,具体地:在等待到CCD输出的行同步信号之后启动AD转换器,同时通过定时器设定AD转换器采集的时间,然后等待下一次行中断并启动A/D。CCD摄像头采集到的模拟信号通过模拟端口P2.6直接输入到单片机内。视频信号分离芯片输出端接于单片机P2.7和P0.1端口,从CCD的复合视频中提取出场同步脉冲信号,作为单片机进入中断打开AD转换器的控制信号。单片机的SCI接口通过MAX485芯片把串行协议转换为RS485协议;P2.5和P2.4作为串口通信的使能端口,P0.4和P0.5作为串口通信数据输出口。
本发明的识别停车位状态的方法,采用以上所述的停车位状态识别装置,按如下步骤进行:
步骤1,使用CCD摄像头对停车位进行监视;
步骤2,对CCD的视频信号进行处理和识别;
步骤3,通过RS485协议输出识别结果——停车位是否被占用;
所述步骤1中,根据摄像头输出信号时序,进行视频信号的采集流程如下:
步骤1.1,等待场同步信号,延时一段时间后开启行中断,准备采集数据;
步骤1.2,对本场视觉信号进行AD转换;
步骤1.3,AD转换器不断的向存储图像的数组中写入数据,直到行计数器计到40,此时一场图像数据采集完成。
所述步骤2中,对采集到的图像数据进行处理和识别,具体过程如下:
步骤2.1:对摄像头采集到的图像数据进行坐标变换,包括:像素坐标的变换,即将图像坐标转变为地图或地面坐标;对坐标变换后的像素亮度值进行重采样;
步骤2.2:采用一种动态阈值方法来对整场图像的每一行进行阈值分割,具体过程如下:如果上一行分割出来的黑色区域是连续的,那么计算目标区域和背景区域的平均灰度值,并取其中值,作为当前行阈值。如果上一行分割出来的黑色区域不连续,则保持当前行阈值不变;
步骤2.3:确定每场图像的动态阈值后,根据阈值来提取图像。具体的过程如下:
步骤2.3.1,对摄像头采集到的原始数据进行滤波,判断图像是否为第一场数据图像,如果是,就计算基础阈值然后对图像进行二值化处理;如果不是,就直接用第一场的阈值对图像进行二值化处理。当有白光强烈干扰的情况下,首先要将彩色图像变成灰度图像,然后取视频信号的负片;
步骤2.3.2,记录下经过二值化处理后的每一行出现的白点个数,然后记录白点段数及其中心位置,白点段为连续出现白点的数据段,为下一步的图形搜索做准备;
步骤2.3.3,找到离图像起始行最近的只有一段白点的一行,当该行满足的条件:只有一段连续白色数据段,且数据段的左右端点均不在图像的左右边缘时,认为是正确的一行,把该行标记为Start行,然后在下一行中寻找这样一段连续白色线段,否则重新找离图像起始行最近的只有一段白点的一行。如果下一行存在一段连续的白色线段,同时满足这样的条件:其左边缘不在上一行白线右边缘的右侧,且其右边缘不在上一行白线左边缘的左侧,则继续判断再下一行是否有这样的白色线段,直到下一行不存在这样的白色线段时,标记该行为End行,并计算该行与Start行之差,如果大于3(通过实验测得),则结束本次搜索,代表三角形个数的变量加1,然后重新搜索离End行最近的只有一段白点的一行,如果小于等于3,则重新搜索离End行最近的只有一段白点的一行。直到遍历了图像中所有的行。
有益效果:
本发明利用视觉的优点,提出一种停车位状态识别装置及方法,结构紧凑,可靠性高,安装方便,信息量大,检测结果精确,可以方便地扩展其他附加功能,生产成本适中,适于普遍应用。与传统的停车位监控方式相比,具有图像动态阈值计算和自适应调整的优点,具有高效的判定方式,通过RS485通信协议输出识别结果。该装置能够用于智能停车场***,能够取得更高的经济效益和良好的社会效益。
附图说明
图1本发明装置实施例的结构框图;
图2本发明装置实施例的视频采集电路图;
图3本发明装置实施例的电源模块的电路原理图;
图4本发明装置实施例的视频信号输入接口图;
图5本发明装置实施例的硬件电路设计原理图;
图6本发明装置实施例的摄像头成像映射关系图;
图7本发明装置实施例的忽略轴线两侧畸变的映射关系图;
图8本发明装置实施例的摄像头成像示意图;
图9本发明装置实施例的非均行采集示意图;
图10本发明装置实施例的水平方向坐标变换图;
图11本发明装置实施例的车位标志边缘检测流程图;
图12本发明装置实施例的单片机与外接设备通信的示意图;
图13本发明装置实施例的SCI接口设计图;
图14本发明装置实施例的图像处理结果;
图15本发明装置实施例的三角形识别流程图;
图16本发明装置实施例的摄像头图像采集流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
一种停车位状态识别装置,通过对停车位进行实时监控,得到车位的占用状态,在停车位的地面上涂绘一个白色三角形图块,利用视频信号采集、图像信号处理和识别等技术,检测摄像头采集的图片内三角形是否存在,即车位是否空闲。装置包括:单片机最小***电路板、信号采集处理模块和通信模块,装置结构框图如图1所示;
单片机最小***电路板包括单片机最小***和控制所需的输入输出口。即I/O外部扩展口,主芯片使用美国Cygnal公司的单片机C8051F320,由电源模块供电,电源电路如图3所示;
控制所需的输入输出主要由以下几个部分组成:
(1)CCD传感器视频信号输入:输入端由3根信号线构成,一根5.0V电源线,一根地线,一根信号线,电路原理图如图4所示;
(2)异步串行通讯输入输出:此串行通信端口用来和外接其他设备进行无线通信,以实现单片机与外接设备的数据传输,总体原理图如图5所示;
信号采集处理模块主要包括CCD摄像头、视频信号分离芯片和AD转换器,视频信号分离芯片采用LM1881,通过CCD摄像头采集视频信号,在等待到CCD输出的行同步信号之后启动AD转换器,同时通过定时器设定AD转换器的采集时间,然后等待下一次行中断并启动。采集完一场信息后对图片进行处理和识别;
通信模块采用MAX485芯片,利用C8051F320的SCI接口,采用异步通信方式完成通信功能。输出RS485信号,可以把识别结果远程传输出去。
为了采集图像信息,单片机需要根据行、场同步信号启动A/D转换器,具体地:在等待到CCD输出的行同步信号之后启动AD转换器,同时通过定时器设定AD转换器采集的时间,然后等待下一次行中断并启动A/D。同时,CCD摄像头采集到的模拟信号也通过模拟端口P2.6直接输入到单片机内。视频信号分离芯片输出端接于单片机P2.7和P0.1端口,从CCD的复合视频中提取出场同步脉冲信号,作为单片机进入中断打开AD转换器的控制信号。单片机的SCI接口通过MAX485芯片把串行协议转换为RS485协议;P2.5和P2.4作为串口通信的使能端口,P0.4和P0.5作为串口通信数据输出口。视频采集电路如图2所示。
本发明的识别停车位状态的方法,采用以上所述的停车位状态识别装置,按如下步骤进行:
步骤1,使用CCD摄像头对车位进行监视;
步骤2,对视频信号进行处理和识别;
步骤3,通过RS485通信接口输出处理后的结果——停车位空闲与否;
所述步骤1中,根据摄像头输出信号时序,进行视频信号的采集,流程图如图16所示,具体步骤如下:
步骤1.1,LM1881视频信号分离芯片分离出的奇偶场同步信号产生定时中断,该信号以上升沿和下降沿区分,上升沿为奇场同步信号,下降沿为偶场同步信号。根据PAL规范,此信号之后有22个数据行,传输时间约1408μs,该传输时间视LM1881的信号延时而定。为确保采集到数据有效,单片机定时器定时延至23.5行,传输数据所需时间为23.5×64μs=1504μs,定时结束后,控制AD转换的行中断计数器归零,开启行中断,准备采集数据。
步骤1.2,对本场视觉信号进行AD转换。
根据PAL的规范,在采集行数据时,如设置上升沿有效时,行同步信号后6μs才会有真正的图像数据出现,如果设置下降沿有效,是行同步信号10.3μs后才会有真正的图像数据出现,并持续52μs到该行结束。为了保证监测具有更好的实时性,本发明设置上升沿有效,在该行的行中断中使定时器定时6μs,定时结束后,开始采集行数据。此数据场中有280多个数据行,为了减少运算量,同时保证识别的准确性,AD转换器只采集其中的40行,为此设置了一个行中断计数器,每执行一次,行中断计数器的值加一,当行中断计数器的值与预存数组里的某个数相等时,表示该行应该采集,触发AD转换。
由于AD转换器是按序列采集的,一个序列最多可以连续采集8个点,设置采集方式为扫描方式。每个序列采集完成后将产生一次AD转换。为减少AD中断次数,在AD转换器初始化中已设置转换序列长度为8。此时以扫描方式开启AD,采集48个点需要6次AD转换,然后把AD转换器的数据转移到存储图像的数组中。由于一个数据行中AD转换器要采集6个序列,因此要记录已经采集的序列数,每执行一次AD转换,记录的序列数加一,当序列数达到6时,标志着一个数据行采集完成。一个数据行采集完成后将采集行计数器的值加一,并应停止AD,等待下一次行转换。
步骤1.3,AD中断不断的向存储图像的数组中写入数据,直到行计数器计到40,此时一场图像数据采集完成。
所述步骤2中,对采集到的图像数据进行处理和识别。
采集完一场视频信息后对图像进行处理和识别,包括:坐标变换,动态阈值确定,图像提取和识别。
图像处理和识别的具体过程如下:
步骤2.1:为了消除采集到的图像中的几何变形,从而得到一场符合某种地图投影或图形表达要求的新图像,对摄像头采集到的图像数据进行坐标变换,包括:像素坐标的变换,即将图像坐标转变为地图或地面坐标;对坐标变换后的像素亮度值进行重采样。
图像信息存储摄像是一个由三维场景向二维平面投影的过程,在这个过程中物体(象)之间的相对关系发生了变化。由二维物象恢复三维物体可见表面结构是计算机视觉理论的最终目标。显然,这种恢复是一个十分复杂的过程,不仅包括了一些平面坐标变换,而且涉及到立体坐标变换。而如果把现实场景中物体限制在一个不变的平面上,则该过程将大大简化,最终退化为一个单纯坐标变换过程。
通过摄像头成像原理可知,由现实水平面到摄像头成像平面的映射关系是由摄像头成像的几何模型所确定的,可以从摄像头所成图像和它反映水平面的区域来对比这种关系,摄像头成像映射关系如图6所示;
由图6可知,摄像头产生的畸变可以有以下三种:
1、在垂直方向上,摄像头对远处的水平面进行压缩,距离越远,这种压缩越严重。
2、在水平方向上,摄像头对不同距离处的水平面进行不同程度的压缩,距离越远,压缩越严重。
3、图像的中轴线两侧,摄像头对水平面朝近处的中心进行挤压。在近处,这种挤压十分轻微,在远处,随着水平面中的点距轴线距离的增大,挤压越来越严重。
可见,图像坐标与水平面真实坐标的映射关系仍是十分复杂的。即使这种关系可以使用一组数学公式表达出来,但是要在C8051F320单片机内用程序实现仍然是难以达到的,因此,本发明将这种映射进一步简化,忽略第三种畸变,只考虑前两种。由于第三种畸变在近处的影响较小,且处理起来算法复杂,所以忽略其产生的影响,只对垂直和水平方向上的畸变进行校正。忽略轴线两侧畸变的映射关系如图7所示;
首先来校正垂直方向上的畸变。如图8所示,h是摄像头镜头距离地面的高度,a、b是最近处和最远处的视野,x是视野中的任意一点,α、β、θ分别是a、b、x对应的视线仰角。由几何关系可知它们之间存在着如下关系:
在感光板上,d是感光区长度,相当于图像的总行数,r是x处物象所在行,有几何关系可知:
由以上两式可解得r与x的关系。
本发明中采用“非均行采集”的方式来校正这种变化。非均行采集示意图如图9所示。所谓非均行采集是与均行采集对应的。在均行采集中,AD所采集的数据行均匀分布于摄像头输出的图像(原始图像)中,这种采集方式保证了采集得到的图像和原始图像相对无畸变。而非均行采集则是指,AD所采集的数据行按某种规律,非均匀地分布在原始图像中,而这种规则是保证采集得到的图像在纵向上与现实景物相比不畸变,非均行采集示意图如图9所示。
然后校正水平方向上的畸变。水平上的畸变也可以由几何变换求得,水平方向坐标变换如图10所示,设中心线的畸变为0,则选取图像中任意一行在实际图像中对应的长度满足下面的公式:
X——本行到本场末所构成的梯形的中心线宽;
Y——中心线到本行的距离;
L——本行到梯形两边延长线交点的距离。
则此行上任意一点的偏移量就可以求得。经过水平和垂直方向上的坐标变换,可以将实际图像还原,使采集到的图像更接近实际图像,也为后面参数的计算做好了铺垫。
步骤2.2:为了增强***的抗光线变化干扰能力,本***采用了一种动态阈值方法来对整场图像的每一行进行阈值分割,如果阈值是不随时间和空间而变的,称为静态阈值;如果阈值随时间或空间而变化,称为而动态阈值。基于静态阈值的分割方法算法简单,计算量小,但是适应性差。基于动态阈值的分割方法其复杂程度取决于动态阈值的计算方法。
具体过程如下:如果上一行分割出来的黑色区域是连续的,那么计算目标区域和背景区域的平均灰度值,并取其中值,作为当前行阈值。如果上一行分割出来的黑色区域不连续,则保持当前行阈值不变。
经过实际测试表明,这种阈值计算方法能非常有效的防止光线干扰。
步骤2.3:确定每场图像的动态阈值后,根据阈值来提取图像。
图像提取采用跟踪边缘检测法。由于三角形是连续的线段,所以相邻两行的边缘点应该是相邻的。跟踪边缘检测正是利用了这一特性来搜索路径。若已寻找到某行的边缘,则下一次就在上一个缘附近进行搜寻。这种算法可以大大节省计算时间,同时可以排除不利的干扰。
在实际应用中发现,地上中经常会出现各种干扰。一些干扰是地面上所固有的,而有些干扰是随机产生的,如摄像头信号传输过程中产生的噪点,或是由于摄像头看到范围过远看到地面以外的地方,而地面的颜色又有各种可能出现的情况,或反光为白色,或完全为黑色等等。因此,本发明采用了二值化和跟踪边缘检测法相结合的办法来提取图像,并设计相应的程序,排除这些干扰,才能保证***稳定的运行。
根据阈值来提取图像的流程如图11所示,具体的过程如下:
步骤2.3.1,对摄像头采集到的原始数据进行滤波,即超出正常范围以外的数据点时认为是噪声干扰,用此数据点前后两数据点的数据的平均值取代。运行时,开始时采集的第一场图像是良好的,第一行也就是最近处的一行,完整的包含了三角形标志,并且使用“双峰法”能正确提取。判断图像是否为第一场数据图像,如果是,就计算基础阈值然后对图像进行二值化处理;如果不是,就直接用第一场的阈值对图像进行二值化处理。由于本发明思路是将图片的背景分开为两种比较好辨别的颜色,白色和黑色。因此,当有白光强烈干扰的情况下,首先要将彩色图像变成灰度图像,然后取视频信号的负片,通过这种办法可以很大的排除干扰。
步骤2.3.2,记录下经过二值化处理后的每一行出现的白点个数,然后记录白点段数及其中心位置,白点段为连续出现白点的数据段,为下一步的三角形搜索做准备。
步骤2.3.3,找到离图像起始行最近的只有一段白点的一行,当该行满足的条件:只有一段连续白色数据段,且数据段的左右端点均不在图像的左右边缘时,认为是正确的一行,把该行标记为Start行,然后在下一行中寻找这样一段连续白色线段,否则重新找离图像起始行最近的只有一段白点的一行。如果下一行存在一段连续的白色线段,同时满足这样的条件:其左边缘不在上一行白线右边缘的右侧,且其右边缘不在上一行白线左边缘的左侧,则继续判断再下一行是否有这样的白色线段,直到下一行不存在这样的白色线段时,标记该行为End行,并计算该行与Start行之差,如果大于3(通过实验测得),则结束本次搜索,代表三角形个数的变量加1,然后重新搜索离End行最近的只有一段白点的一行,如果小于等于3,则重新搜索离End行最近的只有一段白点的一行。直到遍历了图像中所有的行。图像处理后的结果如图14所示。
所述步骤3,通过RS485通信接口输出处理后的结果——停车位空闲与否。
本发明的单片机与外接设备通信的示意图如图12所示,图像处理和识别结束后,可以通过RS485接口输出处理后的结果——停车位空闲与否,传送出去。
Claims (5)
1.一种停车位状态识别装置,在停车位地面上涂绘一个白色图块,提供车位是否被占的视觉信号,其特征在于该识别装置包括:单片机最小***电路板、信号采集处理模块和通信模块;
单片机最小***电路板主要包括单片机的最小***和控制所需的输入输出口,即I/O外部扩展口,由电源模块供电;
信号采集处理模块包括CCD摄像头、视频信号分离芯片和AD转换器;
通信模块采用MAX485转换芯片,利用单片机的SCI接口,采用异步通信方式完成通信功能,输出的串行协议信号通过MAX485芯片转为RS485协议,可远程传送。
2.采用权利要求1所述的一种停车位状态识别装置识别停车位状态的方法,其特征在于:该方法按如下步骤进行:
步骤1,使用CCD摄像头监视停车位;
步骤2,对视频信号进行处理和识别;
步骤3,通过RS485协议输出识别结果——停车位是否被占用。
3.根据权利要求2所述的识别停车位状态的方法,其特征在于:所述步骤1是根据摄像头输出信号时序进行视频信号的采集,具体按如下步骤进行:
步骤1.1,等待场同步信号,延时一段时间后开启行中断,准备采集数据;
步骤1.2,对本场视觉信号进行AD转换;
步骤1.3,AD转换器不断地向存储图像的数组中写入数据,直到行计数器计到40,此时一场图像数据采集完成。
4.根据权利要求2所述的识别停车位状态的方法,其特征在于:所述步骤2对采集到的图像数据进行处理和识别,具体按如下步骤进行:
步骤2.1:对摄像头采集到的图像数据进行坐标变换,包括:像素坐标的变换,对坐标变换后的像素亮度值进行重采样;
步骤2.2:采用动态阈值方法来对整场图像的每一行进行阈值分割;
步骤2.3:确定了每场图像的动态阈值后,根据阈值来提取图像。
5.根据权利要求4所述的识别停车位状态的方法,其特征在于:所述步骤2.3是在确定了每场图像的动态阈值之后,根据阈值来提取图像,具体按如下步骤进行:
步骤2.3.1,对摄像头采集到的原始数据进行滤波,判断图像是否为第一场数据图像,如果是,就计算基础阈值然后对图像进行二值化处理;如果不是,就直接用第一场的阈值对图像进行二值化处理;当有白光强烈干扰的情况下,首先要将彩色图像变成灰度图像,然后取视频信号的负片;
步骤2.3.2,记录下经过二值化处理后的每一行出现的白点个数,然后记录白点段数及其中心位置,白点段为连续出现白点的数据段,为下一步的三角形搜索做准备;
步骤2.3.3,找到离图像起始行最近的只有一段白点的一行,当该行满足的条件:只有一段连续白色数据段,且数据段的左右端点均不在图像的左右边缘时,认为是正确的一行,把该行标记为Start行,然后在下一行中寻找这样一段连续白色线段,否则重新找离图像起始行最近的只有一段白点的一行;如果下一行存在一段连续的白色线段,同时满足这样的条件:其左边缘不在上一行白线右边缘的右侧,且其右边缘不在上一行白线左边缘的左侧,则继续判断再下一行是否有这样的白色线段,直到下一行不存在这样的白色线段时,标记该行为End行,并计算该行与Start行之差,如果大于3,则结束本次搜索,代表三角形个数的变量加1,然后重新搜索离End行最近的只有一段白点的一行,如果小于等于3,则重新搜索离End行最近的只有一段白点的一行,直到遍历了图像中所有的行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110165079A CN102306274A (zh) | 2011-06-17 | 2011-06-17 | 一种停车位状态识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110165079A CN102306274A (zh) | 2011-06-17 | 2011-06-17 | 一种停车位状态识别装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102306274A true CN102306274A (zh) | 2012-01-04 |
Family
ID=45380134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110165079A Pending CN102306274A (zh) | 2011-06-17 | 2011-06-17 | 一种停车位状态识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102306274A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592472A (zh) * | 2012-02-21 | 2012-07-18 | 北京工业大学 | 基于jpeg压缩图像的车位检测方法 |
WO2014114067A1 (zh) * | 2013-01-28 | 2014-07-31 | Zhang Guobiao | 大面积停车位监控*** |
CN104574354A (zh) * | 2013-09-26 | 2015-04-29 | 张国飙 | 基于边缘探测的停车位监测方法 |
CN106289335A (zh) * | 2016-07-19 | 2017-01-04 | 湖北航天技术研究院总体设计所 | 一种物体类型和位置状态识别方法 |
CN107886080A (zh) * | 2017-11-23 | 2018-04-06 | 同济大学 | 一种泊车位检测方法 |
CN108847044A (zh) * | 2018-06-22 | 2018-11-20 | 安徽尼古拉电子科技有限公司 | 一种基于北斗卫星定位***的车辆管理*** |
CN109389013A (zh) * | 2017-08-10 | 2019-02-26 | 纵目科技(上海)股份有限公司 | 基于车位主方向及模板响应点的车位组合算法和介质 |
CN109686110A (zh) * | 2019-01-17 | 2019-04-26 | 蜂寻(上海)信息科技有限公司 | 车位空满状态判别方法及设备 |
CN111325989A (zh) * | 2020-03-16 | 2020-06-23 | 重庆第二师范学院 | 一种基于物联网的人工智能机器人 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251952A (zh) * | 2008-04-03 | 2008-08-27 | 王文彪 | 一种地下车库智能管理***和方法 |
CN101807352A (zh) * | 2010-03-12 | 2010-08-18 | 北京工业大学 | 一种模糊模式识别的车位检测方法 |
CN102005133A (zh) * | 2010-11-04 | 2011-04-06 | 任杰 | 基于可识别标记的停车泊位检测方法 |
-
2011
- 2011-06-17 CN CN201110165079A patent/CN102306274A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251952A (zh) * | 2008-04-03 | 2008-08-27 | 王文彪 | 一种地下车库智能管理***和方法 |
CN101807352A (zh) * | 2010-03-12 | 2010-08-18 | 北京工业大学 | 一种模糊模式识别的车位检测方法 |
CN102005133A (zh) * | 2010-11-04 | 2011-04-06 | 任杰 | 基于可识别标记的停车泊位检测方法 |
Non-Patent Citations (1)
Title |
---|
马铭: "基于视频的停车场车位状态监控识别***", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592472A (zh) * | 2012-02-21 | 2012-07-18 | 北京工业大学 | 基于jpeg压缩图像的车位检测方法 |
CN104169989B (zh) * | 2013-01-28 | 2016-03-30 | 杭州海存信息技术有限公司 | 大面积停车位监控*** |
WO2014114067A1 (zh) * | 2013-01-28 | 2014-07-31 | Zhang Guobiao | 大面积停车位监控*** |
CN104169989A (zh) * | 2013-01-28 | 2014-11-26 | 杭州海存信息技术有限公司 | 大面积停车位监控*** |
CN104574354B (zh) * | 2013-09-26 | 2017-10-10 | 成都海存艾匹科技有限公司 | 基于边缘探测的停车位监测方法 |
CN104574354A (zh) * | 2013-09-26 | 2015-04-29 | 张国飙 | 基于边缘探测的停车位监测方法 |
CN106289335A (zh) * | 2016-07-19 | 2017-01-04 | 湖北航天技术研究院总体设计所 | 一种物体类型和位置状态识别方法 |
CN106289335B (zh) * | 2016-07-19 | 2019-04-30 | 湖北航天技术研究院总体设计所 | 一种物体类型和位置状态识别方法 |
CN109389013A (zh) * | 2017-08-10 | 2019-02-26 | 纵目科技(上海)股份有限公司 | 基于车位主方向及模板响应点的车位组合算法和介质 |
CN109389013B (zh) * | 2017-08-10 | 2024-02-09 | 纵目科技(上海)股份有限公司 | 基于车位主方向及模板响应点的车位组合算法和介质 |
CN107886080A (zh) * | 2017-11-23 | 2018-04-06 | 同济大学 | 一种泊车位检测方法 |
CN108847044A (zh) * | 2018-06-22 | 2018-11-20 | 安徽尼古拉电子科技有限公司 | 一种基于北斗卫星定位***的车辆管理*** |
CN109686110A (zh) * | 2019-01-17 | 2019-04-26 | 蜂寻(上海)信息科技有限公司 | 车位空满状态判别方法及设备 |
CN111325989A (zh) * | 2020-03-16 | 2020-06-23 | 重庆第二师范学院 | 一种基于物联网的人工智能机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102306274A (zh) | 一种停车位状态识别装置及方法 | |
CN111368706B (zh) | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 | |
WO2021093283A1 (zh) | 基于多传感融合的海面小面积溢油区域检测***及检测方法 | |
CN103500322B (zh) | 基于低空航拍图像的车道线自动识别方法 | |
CN102110376B (zh) | 基于计算机视觉的路边停车位检测装置 | |
CN110766979A (zh) | 一种用于自动驾驶车辆的泊车车位检测方法 | |
CN102867414B (zh) | 一种基于ptz摄像机快速标定的车辆排队长度测量方法 | |
CN111255637B (zh) | 塔架净空实时监测***及其方法 | |
CN103017869A (zh) | 一种基于数字图像处理的水位测定***及方法 | |
CN102426801A (zh) | 基于视觉分析的停车场泊位自动管理方法和*** | |
CN105611244A (zh) | 一种基于球机监控视频的机场外来异物检测方法 | |
CN102521990B (zh) | 一种基于图像处理的智能交通灯的控制方法 | |
CN202676156U (zh) | 基于标靶目标图像识别与基准测量输电线路状态监测*** | |
CN109409368A (zh) | 矿用皮带纵撕检测装置及检测方法 | |
CN103759658A (zh) | 一种基于红外图像处理实现对接触网几何参数检测的方法 | |
CN102393961A (zh) | 基于计算机视觉的飞行器输电线路实时检测跟踪方法 | |
CN106910198A (zh) | 一种草坪割草机无电线围栏的边界确定方法 | |
CN104376732A (zh) | 一种基于信号控制处理技术的智能红绿灯及信号控制方法 | |
CN106851229A (zh) | 一种基于图像识别的安防智能决策的方法与*** | |
CN111968132A (zh) | 一种基于全景视觉的无线充电对位的相对位姿解算方法 | |
CN112016492A (zh) | 基于视觉的教学注意力监测***及方法 | |
CN111950491A (zh) | 一种人员密度的监控方法、装置及计算机可读存储介质 | |
CN109657639A (zh) | 一种基于全景视觉的态势感知***和方法 | |
Shafie et al. | Smart video surveillance system for vehicle detection and traffic flow control | |
CN116805309A (zh) | 一种基于zynq的危险气体目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120104 |