CN113066294A - 基于云边融合技术的智能停车场*** - Google Patents

基于云边融合技术的智能停车场*** Download PDF

Info

Publication number
CN113066294A
CN113066294A CN202110280114.6A CN202110280114A CN113066294A CN 113066294 A CN113066294 A CN 113066294A CN 202110280114 A CN202110280114 A CN 202110280114A CN 113066294 A CN113066294 A CN 113066294A
Authority
CN
China
Prior art keywords
vehicle
parking
parking lot
user
layer
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
Application number
CN202110280114.6A
Other languages
English (en)
Inventor
刘晨
李文凯
邓庆绪
罗涵泽
蔡振辉
王吉哲
李政祎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN202110280114.6A priority Critical patent/CN113066294A/zh
Publication of CN113066294A publication Critical patent/CN113066294A/zh
Pending legal-status Critical Current

Links

Images

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
    • G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
    • 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
    • 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
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于云边融合技术的智能停车场***，涉及智能控制技术领域。该停车场***包括设备层、感知层、传输层和控制层；设备层在停车场内的每条道路中央挖出一道凹槽进行电磁导轨线的铺设；通过搬运平台进行停取车操作，云计算中心存储用户及车辆信息；感知层采集人脸与车牌图像信息及用户输入数据，并传输到控制层进行视觉处理识别后反馈结果至云计算中心；同时，感应特定空间中的磁场分布，定位车辆位置，并传输到控制层；传输层将感知层采集的数据传输至云计算中心和控制层的各边缘端，并将各边缘端数据上传至云计算中心进行存储；控制层通过在各搬运车平台上和停车场的多个出入口处均设置控制器作为边缘端实现对停取车的控制。

Description

基于云边融合技术的智能停车场***
技术领域
本发明涉及智能控制技术领域，尤其涉及一种基于云边融合技术的智能停车场***。
背景技术
随着我国经济快速发展，私家车保有量增长飞速。但随着人们生活节奏的加快，传统停车场停车难、找车难、管理难等现实问题日益凸显，在目前有限的资源下如何能够解决以上问题成为社会各界普遍都面临的难题。目前已有的几种智能停车处理方案包括无辅助停车装置的多源传感和全自动停车场等。
无辅助停车装置的多源传感是通过接入停车场的数据采集设备，包括路内外停车***设备、诱导设备、视频监控设备等。另外也需要建立第三方数据交换共享***，包括与所设计的数据交换共享平台有业务逻辑关系的第三方***和平台。这种方式的缺点在于对时间成本的消费过高。无法实现脱离驾驶员的智能辅助停车功能，仍然无法省去停车和寻车离开所花费的时间，停车效率依旧低下。
而在全自动停车场的方案中，司机把车停在入口电梯内，在入口荧屏上输入密码，***就会自动寻找空置车位，由输送台把车移送到车位。但全自动停车场运营成本高、能源消耗大。需要雇佣保安人员24小时驻守，会产生一笔巨大的开支。过程中的升降操作十分消耗能源，除运营成本较大外也不符合可持续发展的政策。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于云边融合技术的智能停车场***，基于云边融合的计算体系，配合电磁智能搬运车来实现无人化智能停车且与车辆实时信息感知、交互的智能停车场。
为解决上述技术问题，本发明所采取的技术方案是：
一种基于云边融合技术的智能停车场***，包括设备层、感知层、传输层和控制层；
所述设备层在停车场内的每条道路中央挖出一道凹槽进行电磁导轨线的铺设；所述电磁导轨线采用两条电磁线；通过搬运平台进行停取车操作；通过云计算中心存储用户及车辆信息；
所述感知层包括计算机视觉感知模块和电磁循迹感知模块；
所述计算机视觉感知模块通过在停车场出入口处设置的摄像头和信息录入装置采集人脸与车牌图像信息及用户输入数据，并将采集的图像数据传输到控制层进行视觉处理识别后反馈结果至云计算中心；
所述电磁循迹感知模块通过安装在运载平台上的传感器感应特定空间中的磁场分布，定位车辆位置，并传输到控制层；
所述传输层通过无线通信方式将计算机视觉感知模块和电磁循迹感知模块采集的数据传输至云计算中心和控制层的各边缘端，并将各边缘端数据上传至云计算中心进行存储，或将云计算中心处理完的数据实时返回至各边缘端，再由各边缘端与用户进行交互操作；
所述控制层通过在各搬运车平台上和停车场的多个出入口处均设置控制器作为边缘端实现对停取车的控制；具体包括动态路径分配控制模块、智能停车控制模块和存取车控制模块；
所述动态路径分配控制模块设置在停车场出入口的边缘端控制器中，采用A*算法进行动态仿真实验，模拟实际情况下多辆AGV搬运车的最优路径分配，并为各搬运车平台上的边缘端控制器下发调度信号指令，规划多条不冲突的运车路线；同时设计防碰撞机制来解决十字路口的路径冲突问题；
所述智能停车控制模块通过用户将车辆停放在预设好的搬运车平台上，通过搬运平台上的压力传感器实时检测车辆是否停放到位，并通过导引牌来告知用户车辆的位置信息以及应该如何对位置进行调整，用户也可通过自身倒车雷达来判断车辆位置，将车停放在搬运车上；同时，根据电磁循迹感知模块定位的车辆位置，根据与指定路径的偏差控制车辆行驶方向；
所述存取车控制模块设置在停车场出入口的边缘端控制器中，通过视觉处理识别对存取车过程进行控制，自***运行开始之后循环执行，直到收到退出***的命令。
优选地，所述设备层还在停车场的十字路口处布置多个位置传感器采集搬运平台的位置信息，并采用舵机控制单刀三向开关进行线路的选择；控制层在搬运线路形成后，对搬运平台所经过的十字路口发射相应的信号，舵机在收到信号后做出相应的反应，并控制开关转到相应的位置接通电路。
优选地，所述视觉处理识别的具体方法为：
(1)车牌视觉识别
车牌视觉识别过程中首先对采集的图像进行图像灰度化、图像降噪、边缘检测、形态学处理、常识性约束、生成灰度直方图这些预处理，进而得到候选图片集，并通过SVM将候选图片集中有效的图片和无效的图片区分开；
(2)人脸视觉识别
使用Python的第三方库face_recognition中的fr.face_encodings()和fr.compare_faces()函数进行人脸视觉识别；其中，使用fr.face_encodings()函数编码图像得到一个n*1*128的矩阵，其中n是图片中的人脸数；再通过fr.compare_faces()函数比较两个1*128的矩阵，返回一个布尔值，实现人脸识别。
优选地，云计算中心通过网关传输数据给各边缘端节点，各边缘端和用户通过无线网络进行数据传输。
优选地，所述防碰撞机制为当多辆运载车经过十字路口时，通过十字路口布置的多个位置传感器采集搬运平台的位置信息，并传输到控制层的路径分配控制模块，动态路径分配控制模块开始协调该十字路口的通行状况，根据搬运平台原本的路径规划去计算并分配通过十字路口的顺序。
优选地，所述搬运平台采用AGV搬运车辆，并且AGV搬运车辆上共设置5个电磁传感器，其中3个侧向布置，2个纵向布置；五个电磁传感器测量的数据均传输到搬运平台上设置的边缘端控制器，边缘端控制器通过3个侧向布置的电磁传感器的电磁量及它们之间的差值来定位AGV搬运车辆所处的区间；通过2个纵向布置的电磁传感器的电磁量判断AGV搬运车辆是否进入弯道，且在侧向布置的电磁传感器测量的数据小于设定的阈值时给予一定的补偿以提高区间判断的准确度。
优选地，所述存取车过程为：存车时，首先新用户需要进行注册，绑定用户信息和车辆信息，之后对于车辆进行车牌识别，提取车牌号，记录停车时间，通过智能停车控制模块为用户存车；取车时，对用户进行人脸识别，匹配用户信息与车辆信息，查找用户车辆，计算停车费用，通过智能停车控制模块为用户取车。
采用上述技术方案所产生的有益效果在于：本发明提供的一种基于云边融合技术的智能停车场***，基于云边融合的计算体系，配合电磁智能搬运平台来实现无人化智能停车且与车辆实时信息感知、交互的智能停车场***；整个***以无线传输为媒介，利用多组传感器(摄像头+位置传感器+电磁传感器)进行时空约束，通过边缘端将车辆和停车场信息实时上传到云端，再由云端将计算结果返回到边缘端。
驾驶员只需驾驶车辆至停车场入口指定区域，搬运平台将会自动识别并搬运车辆至对应车位进行停靠并自动计时计费，取车时用户只需线上发送指令即可让搬运平台即时搬运相应车辆至出口处，从停车到取车全程脱离驾驶员，且在此期间车辆状况均可在云边融合计算体系下实时反馈至停车场出入口处的边缘端控制器。
附图说明
图1为本发明实施例提供的停车场规划图及防碰撞机制图，其中，(a)为停车场规划图，(b)为防碰撞机制示意图；
图2为本发明实施例提供的车辆搬运停车的流程图；
图3为本发明实施例提供的基于云边融合技术的智能停车场进行存取车的流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本实施例中，一种基于云边融合技术的智能停车场***，包括设备层、感知层、传输层和控制层；
所述设备层在停车场内的每条道路中央挖出一道凹槽进行电磁导轨线的铺设这样既可以节省人力物力，又可以在短时间内对完成对现有停车场的改造；所述电磁导轨线采用两条电磁线；通过搬运平台进行停取车操作，并在停车场的十字路口处采用舵机控制单刀三向开关进行线路的选择；通过云计算中心存储用户及车辆信息；控制层在搬运线路形成后，对搬运平台所经过的十字路口发射相应的信号，舵机在收到信号后做出相应的反应，并控制开关转到相应的位置接通电路；
所述感知层包括计算机视觉感知模块和电磁循迹感知模块；
所述计算机视觉感知模块通过在停车场出入口处设置的摄像头和信息录入装置(本实施例采用触摸屏)采集人脸与车牌图像信息及用户输入数据，并将采集的图像数据传输到控制层进行视觉处理识别后反馈结果至云计算中心；
所述视觉处理识别的具体方法为：
(1)车牌视觉识别
车牌视觉识别过程中首先对采集的图像进行图像灰度化、图像降噪、边缘检测、形态学处理、常识性约束、生成灰度直方图这些预处理，进而得到候选图片集，并通过SVM将候选图片集中有效的图片和无效的图片区分开；
1)图像灰度化：为了减少图像处理的数据量，故将原始图像进行灰度化；本实施例采用加权平均值法对图像进行灰度化，如下公式所示：
Gray＝0.229*R+0.578*G+0.114*B
其中，Gray表示图像的灰度值，R、G、B分别代表图像R、G、B三个通道的颜色值；
2)图像降噪：由于多种原因导致图像的灰度值存在一些随机值的点，也就是噪声点。为了不影响后续的图像处理，在这里采用基于二维离散卷积的高斯平滑对灰度图像进行降噪。
3)边缘检测：使用Canny算子对图像进行边缘化处理。
4)形态学处理：首先通过一个闭运算，先膨胀后腐蚀，消除背景色中的小的前景区域；再通过一个开运算，先腐蚀后膨胀，消除前景色中的小的背景区域。整个形态学处理就是为了消除一些小区域的边缘
5)常识性约束：包括对于汽车车牌尺寸(长宽比)的约束和对于车牌颜色的约束(只识别蓝、绿、黄车牌)。
6)生成灰度直方图：因为我国车牌颜色单一，字符直线排列，车牌的灰度分布呈现出连续的波谷-波峰-波谷分布。这样车牌的直方图呈现出双峰状态(沿字符排列方向)。
在对样本图片进行预处理后，我们得到了一些候选图片，但是就如上面归一化后得到的候选图片的结果一样，这些图片中还是有一些是有效的图片和一些无效的图片，有效的图片中包含了我们要识别的内容，无效的图片中并没有包含这些内容，所以我们就需要通过SVM将有效的图片和无效的图片区分开。
(2)人脸视觉识别
使用Python的第三方库face_recognition中的fr.face_encodings()和fr.compare_faces()函数进行人脸视觉识别；其中，使用fr.face_encodings()函数编码图像得到一个n*1*128的矩阵，其中n是图片中的人脸数；再通过fr.compare_faces()函数比较两个1*128的矩阵，返回一个布尔值，实现人脸识别。
所述电磁循迹感知模块基于电磁感应原理，利用电子电力技术和控制理论，通过安装在运载平台上的传感器感应特定空间中的磁场分布，定位车辆位置，并传输到控制层；
所述传输层通过无线通信方式将计算机视觉感知模块和电磁循迹感知模块采集的数据传输至云计算中心和控制层的各边缘端，并将各边缘端数据上传至云计算中心进行存储，或将云计算中心处理完的数据实时返回至各边缘端，再由各边缘端与用户进行交互操作；云计算中心通过网关传输数据给各边缘端节点，各边缘端和用户通过无线网络进行数据传输；
所述控制层通过在各搬运车平台上和停车场的多个出入口处均设置控制器作为边缘端实现对停取车的控制；具体包括动态路径分配控制模块、智能停车控制模块和存取车控制模块；
所述动态路径分配控制模块设置在停车场出入口的边缘端控制器中，采用A*算法在matlab上进行动态仿真实验，模拟实际情况下多辆AGV搬运车的最优路径分配，并为各搬运车平台上的边缘端控制器下发调度信号指令，规划多条不冲突的运车路线；在停车场中分开设置多个车辆出入口，以防止用户车辆发生堵塞；并且设计防碰撞机制来解决路径冲突问题；
本实施例中，停车场规划如图1所示，在停车场中设置多个车辆出入口，且出入口分开设置，以防止客户车辆发生堵塞。同时，规定同一路径上不得出现两个AGV搬运车，且每辆AGV搬运车的行驶速度相同，转弯耗时为常数。
(1)每辆搬运车从起始点(起始点仅包括：入口处与停车位)出发之前，动态路径分配控制模块为其规划出一条可行的运动路径，若存在多条可行路径，则选择最佳路径，且一旦每辆搬运车的路径规划完毕后就不能再变。
(2)在搬运车的搬运过程中，若有新的搬运车接到请求任务，此时动态路径分配控制模块会根据规避策略为其分配可行路径，避免碰撞。
(3)规避策略：当有新的路径需要分配时，动态路径分配控制模块从所有子路径中去掉当前存在的子路径，从剩下的空闲子路径集K中选择可行路径，若存在多条可行路径则选最佳，若不存在可行路径，则等待，直到检测到空闲子路径发生变化，此时动态路径分配控制模块进行一次计算，更新K集，再进行一次路径分配，若成功分配出可行路径则退出该规避策略，否则继续等待再执行规避策略。
所述防碰撞机制为当多辆运载车经过十字路口时，通过十字路口布置的多个位置传感器采集搬运车的位置信息，并传输到控制层的路径分配控制模块，动态路径分配控制模块开始协调该十字路口的通行状况，根据运载车原本的路径规划去计算并分配通过十字路口的顺序。
本实施例中，设计的防碰撞机制基于图1进行说明，图1中，小圆圈代表位置传感器，能实时检测到所在位置是否有搬运车经过，所谓路径冲突即表示两辆搬运车下一步的子路径会发生重合的现象，当两辆搬运车在遇到十字路口时通过设计的“防碰撞机制”来解决路径冲突问题。本实施例中，设定十字路口的节点总共由A、B、C、D、E、F、G、H八个节点共同组成，从图中可以看出，十字路口的近端A、B、C、D、E四个点分别布置一个位置传感器，远端E、F、G、H四个节点也分别布置一个位置传感器，当多车辆经过十字路口的“入口节点”(D、E、F、G)时，位置传感器采集车辆位置信息，并传输到动态路径分配控制模块，动态路径分配控制模块开始协调该十字路口的通行状况，假设1车通过了D点且2车通过了E点，然后动态路径分配控制模块开始根据两车原本的路径规划去计算并分配下一步十字路口“中心节点”(A、B、C、D)，具体分为以下四种情况：
情况1：当1车计划路径为C→A，2车计划路径为B→D时，***则根据优先级设定一辆车通过十字路口，另一辆暂时等待直到第一辆车到达另一个“中心节点”，比如1车的优先级较高，那么就选择1车优先通过十字路口到达A这一“中心节点”时，再让2车通过。
情况2：当1车计划路径为C→A，2车计划路径为B→A时，***则根据优先级选择一辆车通过，比如选择1车优先通过十字路口到达A结点，这时2车仍然停在B节点处不同，为了保障每条子路径上只允许一辆AGV拖车通行，需要等待直到1车通过了G点再让2车通过十字路口。这类情况也适用于1车C→D,2车B→D时。
情况3：当1车计划路径为C→B，2车计划路径为B→A或D时，那么先让2车通过路口直到到达另一个“中心节点时”，才让1车通过。
情况4：当1车计划路径为C→B，2车计划路径为B→C时，那么***会检测AG子路径和DF子路径是否处于空闲状况，如果某条子路径是存在空闲状况，那么如果1车的优先级比较高，则先让2车暂时移动到空闲路径的“中心节点”处，这时让1车通过十字路口，当1车到达B点后再让2车通过C节点。
所述智能停车控制模块通过用户将车辆停放在预设好的搬运车平台上，通过搬运平台上的压力传感器实时检测车辆是否停放到位，并通过导引牌来告知用户车辆的位置信息以及应该如何对位置进行调整，同时，用户也可通过自身倒车雷达来判断车辆位置，将车停放在搬运车上；同时，根据电磁循迹感知模块定位的车辆位置，根据与指定路径的偏差控制车辆行驶方向；
所述搬运平台采用AGV搬运车辆，并且AGV搬运车辆上共设置5个电磁传感器，其中3个侧向布置，2个纵向布置；五个电磁传感器测量的数据均传输到搬运平台上设置的边缘端控制器，边缘端控制器通过3个侧向布置的电磁传感器的电磁量及它们之间的差值来定位AGV搬运车辆所处的区间；通过2个纵向布置的电磁传感器的电磁量对弯道比较敏感，可判断AGV搬运车辆是否进入弯道，且在侧向布置的电磁传感器测量的数据小于设定的阈值时给予一定的补偿以提高区间判断的准确度。本实施例中，智能停车控制模块控制搬运车平台进行车辆搬运停车的过程如图2所示。
所述存取车控制模块设置在停车场出入口的边缘端控制器中，通过视觉处理识别对存取车过程进行控制，自***运行开始之后循环执行，直到收到退出***的命令；
所述存取车过程为：存车时，首先新用户需要进行注册，绑定用户信息和车辆信息，之后对于车辆进行车牌识别，提取车牌号，记录停车时间，通过智能停车控制模块为用户存车；取车时，对用户进行人脸识别，匹配用户信息与车辆信息，查找用户车辆，计算停车费用，通过智能停车控制模块为用户取车。
本实施例中，存取车过程如图3所示，具体为：
1)进行车牌识别，如果识别到车牌，则提取车牌号，执行步骤2)，进入停车流程；如果识别不到车牌时，则判断用户是否输入用户信息，执行步骤5)，用户输入信息后进入取车流程；
2)判断是否为新用户，即云计算中心不存在该车辆信息，若为新用户，执行步骤4)；否则，执行步骤3)；
3)通过智能停车控制模块为用户停车，记录停车时间；
4)用户注册，绑定用户信息和车辆信息，并通过传输层传输至云计算中心；
5)对用户进行人脸识别，匹配用户信息与车辆信息，查找用户车辆，若查找成功，则执行步骤6)；否则，执行步骤7)；
6)记录取车时间，计算停车费用，通过智能停车控制模块为用户取车；
7)用户输入取车口令进行取车，口令匹配后，执行步骤6)；否则，执行步骤8)；
8)未查询到该用户车辆，发出提示信息。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (7)

1.一种基于云边融合技术的智能停车场***，其特征在于：包括设备层、感知层、传输层和控制层；
所述设备层在停车场内的每条道路中央挖出一道凹槽进行电磁导轨线的铺设；所述电磁导轨线采用两条电磁线；通过搬运平台进行停取车操作；通过云计算中心存储用户及车辆信息；
所述感知层包括计算机视觉感知模块和电磁循迹感知模块；
所述计算机视觉感知模块通过在停车场出入口处设置的摄像头和信息录入装置采集人脸与车牌图像信息及用户输入数据，并将采集的图像数据传输到控制层进行视觉处理识别后反馈结果至云计算中心；
所述电磁循迹感知模块通过安装在运载平台上的传感器感应特定空间中的磁场分布，定位车辆位置，并传输到控制层；
所述传输层通过无线通信方式将计算机视觉感知模块和电磁循迹感知模块采集的数据传输至云计算中心和控制层的各边缘端，并将各边缘端数据上传至云计算中心进行存储，或将云计算中心处理完的数据实时返回至各边缘端，再由各边缘端与用户进行交互操作；
所述控制层通过在各搬运车平台上和停车场的多个出入口处均设置控制器作为边缘端实现对停取车的控制；具体包括动态路径分配控制模块、智能停车控制模块和存取车控制模块；
所述动态路径分配控制模块设置在停车场出入口的边缘端控制器中，采用A*算法进行动态仿真实验，模拟实际情况下多辆AGV搬运车的最优路径分配，并为各搬运车平台上的边缘端控制器下发调度信号指令，规划多条不冲突的运车路线；同时设计防碰撞机制来解决十字路口的路径冲突问题；
所述智能停车控制模块通过用户将车辆停放在预设好的搬运车平台上，通过搬运平台上的压力传感器实时检测车辆是否停放到位，并通过导引牌来告知用户车辆的位置信息以及应该如何对位置进行调整，用户也可通过自身倒车雷达来判断车辆位置，将车停放在搬运车上；同时，根据电磁循迹感知模块定位的车辆位置，根据与指定路径的偏差控制车辆行驶方向；
所述存取车控制模块设置在停车场出入口的边缘端控制器中，通过视觉处理识别对存取车过程进行控制，自***运行开始之后循环执行，直到收到退出***的命令。
2.根据权利要求1所述的基于云边融合技术的智能停车场***，其特征在于：所述设备层还在停车场的十字路口处布置多个位置传感器采集搬运平台的位置信息，并采用舵机控制单刀三向开关进行线路的选择；控制层在搬运线路形成后，对搬运平台所经过的十字路口发射相应的信号，舵机在收到信号后做出相应的反应，并控制开关转到相应的位置接通电路。
3.根据权利要求1所述的基于云边融合技术的智能停车场***，其特征在于：所述视觉处理识别的具体方法为：
(1)车牌视觉识别
车牌视觉识别过程中首先对采集的图像进行图像灰度化、图像降噪、边缘检测、形态学处理、常识性约束、生成灰度直方图这些预处理，进而得到候选图片集，并通过SVM将候选图片集中有效的图片和无效的图片区分开；
(2)人脸视觉识别
使用Python的第三方库face_recognition中的fr.face_encodings()和fr.compare_faces()函数进行人脸视觉识别；其中，使用fr.face_encodings()函数编码图像得到一个n*1*128的矩阵，其中n是图片中的人脸数；再通过fr.compare_faces()函数比较两个1*128的矩阵，返回一个布尔值，实现人脸识别。
4.根据权利要求1所述的基于云边融合技术的智能停车场***，其特征在于：云计算中心通过网关传输数据给各边缘端节点，各边缘端和用户通过无线网络进行数据传输。
5.根据权利要求2-4所述的基于云边融合技术的智能停车场***，其特征在于：所述防碰撞机制为当多辆运载车经过十字路口时，通过十字路口布置的多个位置传感器采集搬运平台的位置信息，并传输到控制层的路径分配控制模块，动态路径分配控制模块开始协调该十字路口的通行状况，根据搬运平台原本的路径规划去计算并分配通过十字路口的顺序。
6.根据权利要求5所述的基于云边融合技术的智能停车场***，其特征在于：所述搬运平台采用AGV搬运车辆，并且AGV搬运车辆上共设置5个电磁传感器，其中3个侧向布置，2个纵向布置；五个电磁传感器测量的数据均传输到搬运平台上设置的边缘端控制器，边缘端控制器通过3个侧向布置的电磁传感器的电磁量及它们之间的差值来定位AGV搬运车辆所处的区间；通过2个纵向布置的电磁传感器的电磁量判断AGV搬运车辆是否进入弯道，且在侧向布置的电磁传感器测量的数据小于设定的阈值时给予一定的补偿以提高区间判断的准确度。
7.根据权利要求6所述的基于云边融合技术的智能停车场***，其特征在于：所述存取车过程为：存车时，首先新用户需要进行注册，绑定用户信息和车辆信息，之后对于车辆进行车牌识别，提取车牌号，记录停车时间，通过智能停车控制模块为用户存车；取车时，对用户进行人脸识别，匹配用户信息与车辆信息，查找用户车辆，计算停车费用，通过智能停车控制模块为用户取车。
CN202110280114.6A 2021-03-16 2021-03-16 基于云边融合技术的智能停车场*** Pending CN113066294A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110280114.6A CN113066294A (zh) 2021-03-16 2021-03-16 基于云边融合技术的智能停车场***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110280114.6A CN113066294A (zh) 2021-03-16 2021-03-16 基于云边融合技术的智能停车场***

Publications (1)

Publication Number Publication Date
CN113066294A true CN113066294A (zh) 2021-07-02

Family

ID=76560995

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110280114.6A Pending CN113066294A (zh) 2021-03-16 2021-03-16 基于云边融合技术的智能停车场***

Country Status (1)

Country Link
CN (1) CN113066294A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102269595A (zh) * 2010-06-02 2011-12-07 东北大学 基于导航线识别的嵌入式单目视觉导航***
EP2764183A1 (en) * 2011-12-22 2014-08-13 Park Plus Inc. Automated parking garage/self-storage apparatus
US20150167339A1 (en) * 2013-12-10 2015-06-18 Park Plus, Inc. Vehicle parking with automated guided vehicles and vehicle lifts
CN108288403A (zh) * 2018-01-31 2018-07-17 中国地质大学（武汉） 基于智能车位锁的停车管理***
CN110264062A (zh) * 2019-08-12 2019-09-20 南京邮电大学 分布式多agv动态任务分配及其路径规划方法与***
CN110780671A (zh) * 2019-10-30 2020-02-11 华南理工大学 一种基于全局视觉的仓储导航智能车调度方法
CN110942524A (zh) * 2019-12-05 2020-03-31 中国科学院自动化研究所 基于区块链的云边端协同停车管理计时收费***、方法
CN111721297A (zh) * 2020-06-19 2020-09-29 重庆大学 一种智能车库多agv的路径规划方法
CN112233443A (zh) * 2020-10-15 2021-01-15 浙江大学 一种基于agv的无人停车场自动泊车管理***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102269595A (zh) * 2010-06-02 2011-12-07 东北大学 基于导航线识别的嵌入式单目视觉导航***
EP2764183A1 (en) * 2011-12-22 2014-08-13 Park Plus Inc. Automated parking garage/self-storage apparatus
US20150167339A1 (en) * 2013-12-10 2015-06-18 Park Plus, Inc. Vehicle parking with automated guided vehicles and vehicle lifts
CN108288403A (zh) * 2018-01-31 2018-07-17 中国地质大学（武汉） 基于智能车位锁的停车管理***
CN110264062A (zh) * 2019-08-12 2019-09-20 南京邮电大学 分布式多agv动态任务分配及其路径规划方法与***
CN110780671A (zh) * 2019-10-30 2020-02-11 华南理工大学 一种基于全局视觉的仓储导航智能车调度方法
CN110942524A (zh) * 2019-12-05 2020-03-31 中国科学院自动化研究所 基于区块链的云边端协同停车管理计时收费***、方法
CN111721297A (zh) * 2020-06-19 2020-09-29 重庆大学 一种智能车库多agv的路径规划方法
CN112233443A (zh) * 2020-10-15 2021-01-15 浙江大学 一种基于agv的无人停车场自动泊车管理***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘晨等: "基于云边融合技术的智能停车场***设计", 《单片机与嵌入式***应用》 *

Similar Documents

Publication Publication Date Title
WO2019214163A1 (zh) 一种代客泊车方法及装置
CN105702083B (zh) 基于分布式视觉的停车场-车辆协同智能停车***及方法
CN107571867B (zh) 用于控制无人驾驶车辆的方法和装置
CN105243527B (zh) 一种物流园区车行通道智能调度***及方法
CN103514641B (zh) 一种智能停车场管理***及管理方法
CN102819263B (zh) 多摄像头无人车视觉感知***
CN109878515A (zh) 预测车辆轨迹的方法、装置、存储介质和终端设备
CN110371112A (zh) 一种自动驾驶车辆的智能避障***及方法
CN105654773A (zh) 一种车载伴飞无人机智能导引***
CN107240299A (zh) 自主驾驶车辆对移动物体识别以及车辆避障的方法
CN110285821A (zh) 一种基于智能停车场的agv存取车路径优化方法
CN107728620A (zh) 一种新能源汽车的无人驾驶***及方法
CN113781690A (zh) 一种顺岸式码头边装卸堆场的智能闸口***
CN116562601B (zh) 一种适用于自动驾驶物流车进出室内外的运行调度方法
Lian et al. Improved coding landmark-based visual sensor position measurement and planning strategy for multiwarehouse automated guided vehicle
CN114464009A (zh) 一种机器人代泊智慧车场***
CN113066294A (zh) 基于云边融合技术的智能停车场***
JP7438502B2 (ja) 自律走行車両を用いた自動船積方法及び装置
CN107525525A (zh) 一种新能源汽车的路径校准***及方法
CN112269389A (zh) 一种多功能乘务服务智能机器车***及其控制方法
CN115862364B (zh) 基于大数据分析的智能停车场服务管理***及方法
CN107463886A (zh) 一种双闪识别以及车辆避障的方法和***
Li et al. A hierarchical control system for smart parking lots with automated vehicles: Improve efficiency by leveraging prediction of human drivers
CN115268424A (zh) 一种移动机器人的对接方法、装置、终端及存储介质
CN107831762A (zh) 一种新能源汽车的路径规划***及方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210702