CN111739332B - 一种停车场管理*** - Google Patents
一种停车场管理*** Download PDFInfo
- Publication number
- CN111739332B CN111739332B CN201910228925.4A CN201910228925A CN111739332B CN 111739332 B CN111739332 B CN 111739332B CN 201910228925 A CN201910228925 A CN 201910228925A CN 111739332 B CN111739332 B CN 111739332B
- Authority
- CN
- China
- Prior art keywords
- parking space
- parking
- module
- parking lot
- management system
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
-
- 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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种停车场管理***,所述停车场管理***包括:一个或多个摄像头,所述一个或多个摄像头设置在停车位上方,用于拍摄对应的停车位的图像帧;和工作单元,用于对由所述一个或多个摄像头拍摄的图像帧进行处理以识别停车位的占用状态,其中,所述工作单元包括:图像采集模块,用于采集由所述一个或多个摄像头拍摄到的图像帧并对每个图像帧进行校正;车位状态识别模块,用于基于经校正后的图像帧识别对应的停车位的占用状态;以及底层通信模块,用于所述图像采集模块与所述车位状态识别模块彼此之间的底层信息交流。
Description
技术领域
本发明涉及停车场管理领域,更具体地,本发明涉及一种停车场管理***。
背景技术
随着市面上车辆的增多,停车位资源越来越紧张,在例如景区或商场等人流集中区域寻找停车位已成为车主出行的一大困扰。为提高停车场管理效率以优化停车位资源,许多停车场使用超声波探测技术(例如超声波雷达)来识别停车场中的空车位,并将识别结果通过LED显示给车辆驾驶员以引导驾驶员将车辆驶入具有空车位的停车场。
超声波探测技术是在每个车位上方安装一个超声波测距探头,通过测量距离来判断探头下有没有停放车辆。由于需要在每个车位上方都安装超声波探头,这种探测方法设备成本较高,且探测结果不准确。而且停车场只能笼统地统计停车场中的空车位数量,无法以直观方式向驾驶员呈现各个停车位的位置和占用情况,这导致即便驾驶员将车辆驶入了停车场,也无法方便、及时地找到合适的空车位。对此,停车场管理方可能需要提供专门的服务人员来引导或代替驾驶员泊车,这增加了停车场的管理成本。
此外,随着自动驾驶技术的快速发展,车辆上所安装的代客泊车***可以在没有人干预的情况下借助感知、定位、路径规划和运动控制技术而将车辆自主停入空车位,或从停车位返回至停车场出口。
在这种代客泊车过程中,为了使车辆顺利停入空车位,代客泊车***需要探测和规避周围的障碍物、行人和车辆并对停车场中的空车位标记和占用标记进行检测。此外,为了找到最优的停车位(例如距离停车场入口最近的停车位或尺寸合适的停车位),代客泊车***需要围绕停车场徘徊移动。因此,尽管许多演示车辆采用了代客泊车技术,但上述这些操作同样会耗费过长的停车时间,且造成了车辆的不安全性和不必要的能源浪费。
发明内容
为了解决现有技术中的上述问题,本发明提出了一种停车场管理***,其利用摄像头来识别停车位状态,相比于传统的超声波探测技术识别结果更准确且安装结构更简单。此外,该***可实现停车场中各个停车位的占用状态、乃至停车位的边界和位置信息的自主识别,并且可以将这些信息(或其一部分)以直观方式呈现给车辆驾驶员或车辆的泊车诱导***,从而能够方便地引导车辆停入最佳的停车位,节约了寻找停车位的时间。
具体地,根据本发明的停车场管理***包括:一个或多个摄像头,所述一个或多个摄像头设置在停车位上方,用于拍摄对应的停车位的图像帧;和工作单元,用于对由所述一个或多个摄像头拍摄的图像帧进行处理以识别停车位的占用状态,其中,所述工作单元包括:图像采集模块,用于采集由所述一个或多个摄像头拍摄到的图像帧并对每个图像帧进行校正;车位状态识别模块,用于基于经校正后的图像帧识别对应的停车位的占用状态;以及底层通信模块,用于所述图像采集模块与所述车位状态识别模块彼此之间的底层信息交流。
有利地,所述工作单元还包括:车位检测模块,用于借助所述底层通信模块从所述图像采集模块获取经校正后的图像帧并基于该经校正后的图像帧检测对应的停车位的位置信息和边界信息,其中,由所述车位检测模块检测到的停车位的位置信息和边界信息借助所述底层通信模块被提供给所述车位状态识别模块以用于进行停车位的占用状态识别。
有利地,所述工作单元还包括:运行管理模块,用于协调管理所述图像采集模块、所述车位检测模块、所述车位状态识别模块以及所述底层通信模块的运行时间。
有利地,所述工作单元还包括:数据库,用于存储各个停车位的位置信息、边界信息以及占用状态,其中,在所述数据库中还预先存储有停车场地图。
有利地,所述停车场管理***还包括:数据传输模块,所述数据传输模块连接至所述数据库以用于将所述数据库中所存储的信息传输至外部设备。
有利地,所述外部设备为显示器,用于从所述数据库中读取各个停车位的位置信息、边界信息以及占用状态并将其以图形化方式显示在停车场地图上。
有利地,所述外部设备为安装于车辆上的V2X***,借助于该V2X***实现停车场与车辆之间的停车位信息共享。
有利地,所述V2X***将从所述数据传输模块接收的各个停车位的位置信息、边界信息以及占用状态提供给泊车诱导***以引导车辆执行代客泊车操作。
有利地,所述数据传输模块为4G通讯模块。
有利地,所述车位状态识别模块采用两种不同识别算法的融合来确定停车位的占用状态。
通过纳入本文的附图以及随后与附图一起用于说明本发明的某些原理的具体实施方式,本发明的***所具有的其它特征和优点将变得清楚或更为具体地得以说明。
附图说明
图1示出了根据本发明的停车场管理***的结构图;
图2示出了将图1的停车场管理***应用至外部设备的示意图;以及
图3示出了由图1的***中的车位状态识别模块实施的空车位识别方法的流程图。
具体实施方式
下面将参照附图并通过实施例来描述根据本发明的停车场管理***。在下面的描述中,阐述了许多具体细节以便使所属技术领域的技术人员更全面地了解本发明。但是,对于所属技术领域内的技术人员明显的是,本发明的实现可不具有这些具体细节中的一些。相反,可以考虑用下面的特征和要素的任意组合来实施本发明,而无论它们是否涉及不同的实施例。因此,下面的各个方面、特征、实施例和优点仅作说明之用而不应被看作是权利要求的要素或限定,除非在权利要求中明确提出。
图1示出了根据本发明的停车场管理***的结构图。该***利用安装于停车位上方的摄像头来拍摄各个停车位的实时图像,其中,摄像头的数量和安装位置取决于停车场内的车位分布情况、摄像头的视野范围以及停车场顶棚的高度。作为一示例,每三个停车位上方安装有一个摄像头,该摄像头可悬挂式安装在停车场(或车库)的顶棚上;或者,对于开放式停车场而言,可在停车位的侧边设置支撑杆来安装摄像头。每个摄像头在捕获到对应停车位的原始图像后,通过局域网将原始图像传输到工作站(本文中也称为“工作单元”)。在工作站处对原始图像进行失真校正和车位边界检测等操作并识别车位占用状态,然后将识别结果写入数据库或传输至外部设备。
具体地,摄像头所拍摄的原始图像需要被传输到设置于工作站中的图像采集模块(即“帧捕获器”)以进行失真校正。例如,通过180°大视角鱼眼摄像头所捕获的原始图像存在很严重的失真,这增大了后续车位识别的难度,因此需要在图像采集模块处对原始图像进行失真校正,这里所采用的图像失真校正方法可以是现有技术中的任何已知的校正方法。
在完成失真校正后,图像采集模块将经校正的图像传输至底层通信模块,该通信模块充当停车场管理***中各个模块之间的底层信息交流中介,以在各个模块同时或交替工作时实现信息共享。
根据一示例性例子,底层通信模块可连接至车位检测模块,该车位检测模块可基于校正后的图像帧检测对应的停车位的位置信息和边界信息。其中,停车位的位置信息可通过对喷射在停车位上的车位编号进行识别来确定;停车位的边界信息可包括例如矩形停车位的四个角点和/或四条边界线。下面详细描述车位检测模块基于从底层通信模块获取的经校正的图像帧检测停车位的边界信息的具体过程。
在从底层通信模块获取经校正的图像帧之后,车位检测模块首先应用滤波器从图像帧中去除非白色或灰色(停车位边界线为白色)的区域;在此之后,应用高斯模糊滤波器对图像帧中的微小噪声进行平滑处理;随后,应用另一算法增强白色区域并去除较暗区域;再随后,利用边缘检测算法和霍夫变换找到图像中的直线,在此过程中可能检测到实际上代表图像上的一条直线的多条直线,因此可以将这些直线组合成一条直线,即得到停车位的边界线;最后,对所检测到的边界线进行插值处理以获得表示停车位角点位置的交点。
根据本发明的停车场管理***还包括车位状态识别模块,用于识别停车场中的停车位的占用状态,即判断停车位是否为空车位。该车位状态识别模块同样与底层通信模块连接以从其接收经校正的图像帧,并对该图像帧应用两种识别算法(例如背景差分算法和特征匹配算法)的融合来确定停车位的占用状态。也就是说,识别模块分别利用背景差分算法和特征匹配算法获取关于停车位是否被占用的两个独立结果,并基于这两个结果的融合来最终判断停车位的占用状态。其中,背景差分算法和特征匹配算法均涉及初始化过程和工作过程两大程序。下面详细阐述这两种识别算法的实施过程。
对于背景差分算法,初始化过程是指建立背景模型的过程,即,利用摄像头在一连续时间序列内拍摄到的多个图像帧获取停车位所对应的背景模型;工作过程是指在实际工作场景下,将摄像头所拍摄到的实时图像帧与背景模型进行比较以提取出不同于背景模型的像素,所提取出的像素被识别为目标对象,基于该目标对象可得到关于该停车位是否被占用的第一结果,该第一结果可以是介于0与1之间的第一置信度。
对于特征匹配算法,初始化过程是指在停车位未被占用(为空车位)的情况下,利用摄像头获取停车位的背景图像,并且对该背景图像进行特征检测以获取稳定的背景特征并针对所获取的背景特征添加相应的第一描述子;工作过程是指在实际工作场景下,对摄像头所拍摄到的实时图像进行特征检测以获取稳定的前景特征并针对所获取的前景特征添加相应的第二描述子,随后,将第一描述子与第二描述子进行匹配,基于该匹配结果可得到关于该停车位是否被占用的第二结果,该第二结果可以是介于0与1之间的第二置信度。
在分别利用背景差分算法和特征匹配算法获得上述第一和第二结果之后,车位状态识别模块基于这两个结果的融合来最终确定停车位的占用状态。作为一个示例,车位状态识别模块基于D-S证据理论对所述两个结果进行融合以确定停车位的占用状态。
作为另一示例,识别模块可对第一置信度和第二置信度进行加权计算以基于加权计算结果确定停车位是否为空车位,其中,第一和第二置信度各自所占的权重基于停车场周围环境(光线条件或风扰动情况等)、停车场车流量和摄像机参数等预先设定。例如,在停车场车流量较大的情况下,将第一置信度设置为占较重权重(相比于第二置信度而言);在光线条件较差的情况下,将第二置信度设置为占较重权重(相比于第一置信度而言)。
在此,本领域技术人员可以理解的是,车位检测模块旨在用于检测摄像头所拍摄到的各个停车位的位置信息和边界信息,并(借助底层通信模块)将这些信息提供给车位状态识别模块以进行对应停车位的占用状态识别。可以理解的是,停车位的位置和边界信息的获取并不限于上述方法或上述车位检测模块,而是可以采用任何其它方式或模块来预先获取。例如,各个停车位的位置和边界信息可以人工标注方式预先获取并存储在工作站中,或者由车位状态识别模块在执行停车位占用状态的识别过程中实时检测,所有这些变型均落入本发明的范围之内。
此外,工作站可设置有运行管理模块,用于协调管理图像采集模块、车位检测模块、车位状态识别模块以及底层通信模块的运行时间和停止时间。
作为一个示例,运行管理模块可将图像采集模块和车位状态识别模块设置为交替地或同时运行。例如,图像采集模块每隔1s执行一次数据读取操作(从各个摄像头读取图像帧),同时车位状态识别模块执行一次停车位占用状态的识别操作;或者,图像采集模块每隔1s执行一次数据读取操作,随后间隔1秒不工作,车位状态识别模块在此间歇时段执行一次状态识别操作。
另外,运行管理模块可将车位检测模块设置为仅在初始化过程中执行一次检测操作,而在车位占用状态的识别过程期间不工作。借此可实现处理器的运行负荷的最小化,因为不必在每次识别操作中均实时检测车位的边界信息,而是仅在初始化过程中执行检测并将这些检测提供给车位状态识别模块以用于后续的整个车位状态识别过程。
工作站中还可设置有用于存储各个停车位的位置信息、边界信息以及占用状态的数据库。优选地,在所述数据库中预先存储有停车场地图。数据库可与数据传输模块(例如4G模块)连接,以借助数据传输模块将数据库中所存储的信息(例如停车位的位置信息、边界信息或占用状态)传输至外部设备。
图2示出了将图1的停车场管理***应用至外部设备的示意图。作为一个示例,外部设备可以是监控器(或显示器),该监控器可从数据库中读取停车场中各个停车位的位置信息、边界信息以及占用状态并将这些信息以图形化方式显示在停车场地图上。
作为另一示例,外部设备可以是安装于车辆上的V2X***,借助于该V2X***可实现停车场与车辆之间的停车位信息共享。进一步地,V2X***可与车辆上的泊车诱导***进行通讯,从而泊车诱导***可根据停车场中各个停车位的位置信息、边界信息以及占用状态引导车辆执行代客泊车操作,例如使车辆自动停入离停车场入口最近的空车位。
图3示出了由图1的停车场管理***中的车位状态识别模块实施的空车位识别方法的流程图。如图3中所示,根据本发明的空车位识别方法包括:基于背景差分算法确定关于某一停车位是否被占用的第一决策结果(决策1);基于特征匹配算法确定关于该停车位是否被占用的第二决策结果(决策2);以及基于决策1和决策2的融合得出所述停车位是否被占用的最终结论。下面详细阐述该识别方法的具体操作流程。
在背景差分算法过程中,首先需基于摄像头在一连续时间序列内拍摄到的多个图像帧建立停车位所对应的背景模型,该背景模型可随着停车位的占用状态变化随时更新。所述背景模型优选可在空车位的情况下进行确定,即,在停车位未被占用的情况下连续拍摄多个图像帧并基于所述多个图像帧确定停车位所对应的背景模型。其中,可采用现有技术中任何已知的建模方法来建立背景模型,包括但不限于中值法建模、均值法建模、卡尔曼滤波模型、高斯分布模型或码本建模。
在码本建模方法中,为图像中的每一个像素点分配一个码元,一幅图像的码元组成一个码本。为得到背景模型,在初始化过程中建立最初的码本,然后为码本中的每个码元输入若干帧图像以用于码本学习,期间定期删除一段时间未出现的码元,得到最终的码本以作为学习到的背景模型。
在得到停车位的背景模型之后,在实际工作过程中,将摄像头所拍摄到的实时图像帧与背景模型进行比较以提取出不同于背景模型的像素(背景减法),则所提取出的像素可被确定为目标对象,基于该目标对象可确定关于该停车位是否被占用的决策结果(即“决策1”)。例如,可对提取出的目标对象进行特征检测,基于所检测到的特征判断停车位是否被占用。
在特征匹配算法过程中,首先在停车位未被占用(空车位)的情况下,利用摄像头获取停车位的背景图像,并且对该背景图像进行特征检测以获取稳定的背景特征并针对所获取的背景特征添加相应的第一描述子。在本文中,将上述获取背景特征及第一描述子的过程称为初始化过程。
在获得背景特征及第一描述子之后,在实际工作场景中,对摄像头所拍摄到的实时图像进行特征检测以获取稳定的前景特征,并针对所获取的前景特征添加相应的第二描述子;随后,将第一描述子与第二描述子进行比较,并基于比较结果确定关于该停车位是否被占用的决策结果(即“决策2”)。例如,如果第一描述子与第二描述子之间的匹配率/相似率小于预定阈值,则认为前景特征与背景特征差别较大,即表示该停车位被占用的可能性较大。
在利用背景差分算法和特征匹配算法分别获得关于“停车位是否被占用”的决策结果之后,车位状态识别模块基于这两个决策结果(即“决策1”和“决策2”)的融合来最终确定停车位的占用状态。作为一个示例,车位状态识别模块基于D-S证据理论对两个决策结果进行融合以确定停车位的占用状态。
综上,根据本发明的空车位识别方法同时考虑了背景差分方法和特征匹配方法,其中,背景差分方法具有敏感的目标识别能力,可以识别出很多神经网络无法识别出的物体;特征匹配方法具有很强的光线鲁棒性,受环境干扰较小;采用这两种算法的融合所得到的识别结果更准确,同时能够满足识别过程中的快速处理要求,并能实现停车位的实时识别。
根据本发明的停车场管理***利用摄像头来识别停车位状态,相比于传统的超声波探测技术识别结果更准确。此外,该***可实现停车场中各个停车位的占用状态、乃至停车位的边界和位置信息的自主识别,并且可以将这些信息以直观方式呈现给车辆驾驶员或车辆的泊车诱导***,从而能够方便地引导车辆停入最佳的停车位,节约了寻找停车位的时间。
在本申请中,本领域普通技术人员可以理解,所披露的***可以通过其它的方式实现。以上所描述的***实施方式仅仅是示意性的,例如,所述模块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,例如多个模块的功能可以结合或者某个模块的功能可以被进一步拆分。在本申请各个实施方式中的各模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述集成的模块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。
此外,本领域普通技术人员还可以理解,实现上述识别方法的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,实施包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。在本发明的方法实施例中,各步骤的次序并不限于所列举的次序,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,对各步骤的先后变化也在本发明的保护范围之内。
虽然本发明已以较佳实施例披露如上,但本发明并非限于此。任何本领域技术人员,在不脱离本发明的精神和范围内所作的各种更动与修改,均应纳入本发明的保护范围内,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (9)
1.一种停车场管理***,所述停车场管理***包括:
一个或多个摄像头,所述一个或多个摄像头设置在停车位上方,用于拍摄对应的停车位的图像帧;和
工作单元,用于对由所述一个或多个摄像头拍摄的图像帧进行处理以识别停车位的占用状态,其中,所述工作单元包括:
图像采集模块,用于采集由所述一个或多个摄像头拍摄到的图像帧并对每个图像帧进行校正;
车位状态识别模块,用于基于经校正后的图像帧识别对应的停车位的占用状态;以及
底层通信模块,用于所述图像采集模块与所述车位状态识别模块彼此之间的底层信息交流,
其中,所述车位状态识别模块配置为,针对经校正后的图像帧分别采用背景差分算法和特征匹配算法来获取对应的两个决策结果,并且基于D-S证据理论对所获取的两个决策结果进行融合以确定停车位的占用状态。
2.根据权利要求1所述的停车场管理***,其中,所述工作单元还包括:
车位检测模块,用于借助所述底层通信模块从所述图像采集模块获取经校正后的图像帧并基于该经校正后的图像帧检测对应的停车位的位置信息和边界信息,
其中,由所述车位检测模块检测到的停车位的位置信息和边界信息借助所述底层通信模块被提供给所述车位状态识别模块以用于进行停车位的占用状态识别。
3.根据权利要求2所述的停车场管理***,其中,所述工作单元还包括:
运行管理模块,用于协调管理所述图像采集模块、所述车位检测模块、所述车位状态识别模块以及所述底层通信模块的运行时间。
4.根据权利要求2所述的停车场管理***,其中,所述工作单元还包括:
数据库,用于存储各个停车位的位置信息、边界信息以及占用状态,其中,在所述数据库中还预先存储有停车场地图。
5.根据权利要求4所述的停车场管理***,其中,所述停车场管理***还包括:
数据传输模块,所述数据传输模块连接至所述数据库以用于将所述数据库中所存储的信息传输至外部设备。
6.根据权利要求5所述的停车场管理***,其中,所述外部设备为显示器,用于从所述数据库中读取各个停车位的位置信息、边界信息以及占用状态并将其以图形化方式显示在停车场地图上。
7.根据权利要求5所述的停车场管理***,其中,所述外部设备为安装于车辆上的V2X***,借助于该V2X***实现停车场与车辆之间的停车位信息共享。
8.根据权利要求7所述的停车场管理***,其中,所述V2X***将从所述数据传输模块接收的各个停车位的位置信息、边界信息以及占用状态提供给泊车诱导***以引导车辆执行代客泊车操作。
9.根据权利要求5所述的停车场管理***,其中,所述数据传输模块为4G通讯模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910228925.4A CN111739332B (zh) | 2019-03-25 | 2019-03-25 | 一种停车场管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910228925.4A CN111739332B (zh) | 2019-03-25 | 2019-03-25 | 一种停车场管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111739332A CN111739332A (zh) | 2020-10-02 |
CN111739332B true CN111739332B (zh) | 2022-09-23 |
Family
ID=72646263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910228925.4A Active CN111739332B (zh) | 2019-03-25 | 2019-03-25 | 一种停车场管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111739332B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113382171B (zh) * | 2021-06-21 | 2023-03-24 | 车路通科技(成都)有限公司 | 一种交通摄像头自动校正方法、装置、设备及介质 |
CN115762234B (zh) * | 2023-01-10 | 2023-06-20 | 广东广宇科技发展有限公司 | 一种智慧社区停车管理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007140606A (ja) * | 2005-11-14 | 2007-06-07 | Furukawa Electric Co Ltd:The | 駐車場監視システム |
US20150009047A1 (en) * | 2013-07-04 | 2015-01-08 | Mordechai ASHKENAZI | Method and apparatus for vehicle parking spaces management using image processing |
CN106485198A (zh) * | 2015-08-24 | 2017-03-08 | 福特全球技术公司 | 使用全光摄像机自主代客停车的***和方法 |
CN107004350A (zh) * | 2014-10-27 | 2017-08-01 | 罗伯特·博世有限公司 | 用于运行停车场的设备和方法 |
CN107067795A (zh) * | 2016-11-25 | 2017-08-18 | 斑马信息科技有限公司 | 泊车***和泊车方法 |
CN107209518A (zh) * | 2015-01-26 | 2017-09-26 | 罗伯特·博世有限公司 | 代客泊车方法和代客泊车*** |
CN108320575A (zh) * | 2018-03-16 | 2018-07-24 | 上海芭比信息技术服务有限公司 | 一种车位引导及反向寻车***及其停车位检测装置、方法 |
CN108766022A (zh) * | 2018-06-11 | 2018-11-06 | 青岛串并联电子科技有限公司 | 基于机器学习的停车场车位状态识别方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154118B (zh) * | 2017-12-25 | 2018-12-18 | 北京航空航天大学 | 一种基于自适应组合滤波与多级检测的目标探测***及方法 |
-
2019
- 2019-03-25 CN CN201910228925.4A patent/CN111739332B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007140606A (ja) * | 2005-11-14 | 2007-06-07 | Furukawa Electric Co Ltd:The | 駐車場監視システム |
US20150009047A1 (en) * | 2013-07-04 | 2015-01-08 | Mordechai ASHKENAZI | Method and apparatus for vehicle parking spaces management using image processing |
CN107004350A (zh) * | 2014-10-27 | 2017-08-01 | 罗伯特·博世有限公司 | 用于运行停车场的设备和方法 |
CN107209518A (zh) * | 2015-01-26 | 2017-09-26 | 罗伯特·博世有限公司 | 代客泊车方法和代客泊车*** |
CN106485198A (zh) * | 2015-08-24 | 2017-03-08 | 福特全球技术公司 | 使用全光摄像机自主代客停车的***和方法 |
CN107067795A (zh) * | 2016-11-25 | 2017-08-18 | 斑马信息科技有限公司 | 泊车***和泊车方法 |
CN108320575A (zh) * | 2018-03-16 | 2018-07-24 | 上海芭比信息技术服务有限公司 | 一种车位引导及反向寻车***及其停车位检测装置、方法 |
CN108766022A (zh) * | 2018-06-11 | 2018-11-06 | 青岛串并联电子科技有限公司 | 基于机器学习的停车场车位状态识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111739332A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110758246B (zh) | 一种自动泊车方法及装置 | |
CN111081064B (zh) | 一种车载以太网的自动泊车***及自动代客泊车方法 | |
US8634593B2 (en) | Pixel-based texture-less clear path detection | |
US8452053B2 (en) | Pixel-based texture-rich clear path detection | |
US8611585B2 (en) | Clear path detection using patch approach | |
US8421859B2 (en) | Clear path detection using a hierachical approach | |
US20040125207A1 (en) | Robust stereo-driven video-based surveillance | |
CN112585659A (zh) | 一种导航方法、装置和*** | |
CN111932901B (zh) | 道路车辆跟踪检测设备、方法及存储介质 | |
CN112930554A (zh) | 用于确定车辆环境的语义网格的电子设备、***和方法 | |
US20100097457A1 (en) | Clear path detection with patch smoothing approach | |
US11371851B2 (en) | Method and system for determining landmarks in an environment of a vehicle | |
CN111739333B (zh) | 一种空车位识别方法 | |
CN108122412B (zh) | 用于监控机器人检测车辆乱停的方法 | |
Chen et al. | A visual method tor the detection of available parking slots | |
CN114454875A (zh) | 一种基于强化学习的城市道路自动泊车方法及*** | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
US20220253634A1 (en) | Event-based vehicle pose estimation using monochromatic imaging | |
CN111739332B (zh) | 一种停车场管理*** | |
CN108805184B (zh) | 一种固定空间、车辆上的图像识别方法及*** | |
CN114379544A (zh) | 一种基于多传感器前融合的自动泊车***、方法及装置 | |
CN114170499A (zh) | 目标检测方法、跟踪方法、装置、视觉传感器和介质 | |
Hanel et al. | Iterative Calibration of a Vehicle Camera using Traffic Signs Detected by a Convolutional Neural Network. | |
CN114972731A (zh) | 交通灯检测识别方法及装置、移动工具、存储介质 | |
WO2022004333A1 (ja) | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム |
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 | ||
GR01 | Patent grant |