CN117152990A - 基于人工智能的自动化智能车库***及方法 - Google Patents
基于人工智能的自动化智能车库***及方法 Download PDFInfo
- Publication number
- CN117152990A CN117152990A CN202311145513.7A CN202311145513A CN117152990A CN 117152990 A CN117152990 A CN 117152990A CN 202311145513 A CN202311145513 A CN 202311145513A CN 117152990 A CN117152990 A CN 117152990A
- Authority
- CN
- China
- Prior art keywords
- parking
- garage
- parking space
- vehicle
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 13
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 abstract description 16
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
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
- G08G1/148—Management of a network of parking areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Atmospheric Sciences (AREA)
- Library & Information Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于人工智能的自动化智能车库***及方法,涉及智能导航技术领域;本发明通过采集各个车位的车位图像数据,并根据各个车位图像数据建立对应的车位图像模型,将各个车位图像模型依次进行排列,进而得到对应楼层的子车库图像模型,将全部子车库图像模型按照实际场景进行叠放,得到车库图像模型,根据停车需求从车库图像模型中匹配相应的车位,进而以车库入口为起点,目标车位为终点,进而建立若干条行驶路径,并根据其他停车需求的最佳行驶路径,从若干条行驶路径选取出最佳行驶路径,根据停车需求、最佳行驶路径以及匹配车位生成停车策略,进而根据停车策略引导对应车辆至对应车位,本发明实现了车辆智能化停车管理。
Description
技术领域
本发明涉及智能导航技术领域,具体是基于人工智能的自动化智能车库***及方法。
背景技术
随着城镇化的深入,城市的规模越来越大,城市中的汽车保有量也在逐年增加。但停车难的问题也一直在困扰着制约着人们的日常生活,在日常出行中经常因为车辆过多而难以找到相应的停车位;
智能车库***是一种利用人工智能技术来实现自动停车和取车的***,智能车库***涉及车辆的自动驾驶和自动停车,如果***的安全性无法保证,可能会造成事故或损坏车辆,且当智能车库内的车辆过多时,容易造成车辆堵塞,因此怎样在保证车辆正常行驶的同时,保证车辆找寻合适的车位是现有技术的难题,为此提供基于人工智能的自动化智能车库***及方法。
发明内容
为了解决上述技术问题,本发明的目的在于提供基于人工智能的自动化智能车库***及方法。
为了实现上述目的,本发明提供如下技术方案:
基于人工智能的自动化智能车库***,包括云计算平台,所述云计算平台通信连接有车库管理模块、车位调度模块以及车位引导模块;
所述车库管理模块用于采集各个车位的车位图像数据,并根据各个车位图像数据建立对应的车位图像模型,将各个车位图像模型依次进行排列,进而得到车库图像模型;
所述车位调度模块用于根据停车需求从车库图像模型中匹配相应车位,并根据其他车辆的最佳行驶路径建立停车需求的最佳行驶路径;
所述车位引导模块用于根据停车策略对相应车辆进行停车导向。
进一步的,所述车库图像模型的建立过程包括:
所述车库管理模块设置有车库数据采集单元、车库数据库以及车库图像模型单元;所述车库数据采集单元对车库内的各个车位设置有摄像头以及无线信号装置,并对各个车位设置编号,进而车库数据采集单元通过摄像头拍摄各个车位的车位图像数据,并通过无线信号发送装置将车位图像数据表示对应车位的编号后,将其发送至车库数据库中;
所述车位图像模型单元从车库数据库依次取出各层的车位图像数据,进而根据各个车位的车位图像数据按比例建立对应的车位图像模型,并按照各个车位在实际场景的排列状况,将各个车位图像模型依次进行排列,进而得到对应层的子车库图像模型,将全部子车库图像模型按照实际场景进行叠放,得到车库图像模型。
进一步的,所述车库图像模型中的各个车位图像模型的大小不完全相同,且各个车位图像模型根据其实际车位大小标注相应的尺寸,且在车库图像模型中各个车位图像模型设置有空闲状态以及使用状态。
进一步的,根据停车需求从所述车库图像模型中匹配相应车位的过程包括:
通过移动端向车位调度模块发送停车需求,其中停车需求包括车辆尺寸、车牌号、移动端IP地址、预计停放时间;
车位调度模块接收到停车需求后,根据停车需求中的车辆尺寸,向车库图像模型匹配车位尺寸大于或等于车辆尺寸且处于空闲状态的车位图像模型;
若匹配无符合停车需求的车位图像模型,则向对应用户的移动端发送“暂无车位”提示,若匹配有符合停车需求的车位图像模型,则记录对应车位图像的编号以及其在车库图像模型的位置,并将其标注为目标车位,并标注用户的车牌号。
进一步的,所述最佳行驶路径的生成过程包括:
以车库入口为起点,目标车位为终点,进而建立若干条行驶路径,并对各个行驶路径标注对应的车牌号以及设置编号;
设置标准车速,所述标准车速为车库最高限速,每当车位调度模块接收到新的停车需求的行驶路径,且前一个停车需求已经选取出最佳行驶路径时,将对应生成的全部行驶路径映射车库图像模型中;
将各个带有车牌号的车辆图像模型按照标准车速行驶在其对应的最佳行驶路径上,并将最新的停车需求对应的车辆图像模型,采用时间同步的方式行驶在全部行驶路径上;
若最新的停车需求对应的车辆图像模型在行驶路径与其他车辆图像模型预计发生碰撞,则在该行驶路径标注相应的碰撞节点,并将其标碰撞行驶路径;
若最新的停车需求对应的车辆图像模型在行驶路径未与任何车辆图像模型预计发生碰撞,则将该行驶路径标注为通畅行驶路径;
以标准车速为车辆图像模型的行驶速度,获得各个通畅行驶路径的预计行驶时间,将各个通畅行驶路径的预计行驶时间相互对比,进而将预计行驶时间最小的通畅行驶路径标注为最佳行驶路径。
进一步的,若最新的停车需求无通畅行驶路径,则从碰撞行驶路径中挑选出碰撞节点最少的碰撞行驶路径为最佳行驶路径,同时对其设置碰撞标签,同时将碰撞节点标注在最佳行驶路径上。
进一步的,当停车需求对应的若干条行驶路径中选取出最佳行驶路径后,则将停车需求除最佳行驶路径外的其他行驶路径从车库图像模型中剔除,且车位调度模块接收到来自车位引导模块的车辆停放信息时,将对应车牌号的最佳行驶路径在车库图像模型上剔除。
进一步的,根据停车策略对相应车辆进行停车导向的过程包括:
当车位引导模型接收到移动端的实时位置后,以移动端的当前位置为车辆起始位置,并将其映射停车策略中的最佳行驶路径上,并将其带有车辆实时位置的最佳行驶路径实时同步于移动端的车库图像模型中,同时将其他正处于停车导航或离位导航的车辆同步映射在车库图像模型中;
若停车策略中最佳行驶路径无碰撞标签,则当对应车辆达到预计停车位并进行完成停车后,位于停车位的摄像头实时拍摄对应车辆的车牌号,并通过无线信号发送装置将车牌号图像发送至车位引导模型,车位引导模型根据车牌号图像生成车辆停放信息发送至车库管理模块,所述车辆停放信息包括车牌号和车位编号;
若停车策略中最佳行驶路径带有碰撞标签,则在车位引导模块根据最佳行驶路径中碰撞节点在车库图像模型中的位置向移动端发送示警提示,同时在移动端的车库图像模型标注相应的碰撞节点,进而当对应车辆抵达预计车位时,生成车辆停放信息发送至车库管理模块;
进一步的,通过移动端向车位引导模块发送离位请求,进而车位引导模块将离位请求发送至车位调度模块,进而车位调度模块采用生成最佳行驶路径相同方法,以车位为起始位置,车库出口为终点进而生成最佳离位路径发送至车位引导模块;
进而车位引导模块根据最佳离位路径引导对应车辆离开车库,同时生成车辆离位信息发送至车位引导模块。
基于人工智能的自动化智能车库***的自动化智能方法,包括以下步骤:
步骤一,采集各个车位的车位图像数据,并根据各个车位图像数据建立对应的车位图像模型,将各个车位图像模型依次进行排列,进而得到对应层的子车库图像模型,将全部子车库图像模型按照实际场景进行叠放,得到车库图像模型;
步骤二,根据停车需求从车库图像模型中匹配相应的车位,进而以车库入口为起点,目标车位为终点,进而建立若干条行驶路径,并根据其他停车需求最佳行驶路径,从若干条行驶路径选取出最佳行驶路径;
步骤三,根据停车需求、最佳行驶路径以及匹配车位生成停车策略,进而根据停车策略引导对应车辆至对应车位。
与现有技术相比,本发明的有益效果是:
1、采集各个车位的车位图像数据,并根据各个车位图像数据建立对应的车位图像模型,将各个车位图像模型依次进行排列,进而得到对应层的子车库图像模型,将全部子车库图像模型按照实际场景进行叠放,得到车库图像模型,同时将车位实时状态标注在车库图像模型,进而在一定程度上提高了对车库内车位的管理效率;
2、根据用户上传的停车需求匹配车位从车库图像模型中匹配相应的车位,进而以车库入口为起点,目标车位为终点,进而建立若干条行驶路径,并根据其他用户的停车需求对应的最佳行驶路径,从若干条行驶路径选取出最佳行驶路径,根据停车需求、最佳行驶路径以及匹配车位生成停车策略,进而根据停车策略引导对应车辆至对应车位,同时采用相同的方法建立最佳离位路径,进而有效的提高了车库内车辆行驶至车位过程中的灵活性和适应性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其他实施方式,都属于本发明所保护的范围。
如图1所示,基于人工智能的自动化智能车库***,包括云计算平台,所述云计算平台通信连接有车库管理模块、车位调度模块以及车位引导模块;
所述车库管理模块设置有车库数据采集单元、车库数据库以及车库图像模型单元;
所述车库数据采集单元设置有若干个摄像头,分别位于各个车位以及车库的各个转角处,用于采集各个车位的车位图像数据;
具体的,对于车库内的各个车位都设置有摄像头以及无线信号装置,且各个车位设置编号,例如编号为S1,1、S1,2、……、Sn,m,其中Sn,m表示第n层车库的第m个车位,n,m为大于0的自然数;
车库数据采集单元通过摄像头拍摄各个车位的车位图像数据,并通过无线信号发送装置将车位图像数据表示对应车位的编号后,将其发送至车库数据库中;
所述车库数据库用于存储来自车库数据采集单元的车位图像数据,同时根据各个车位所在车库层数,将车位图像数据以层数为分类项目进行分类存储;
所述车库图像模型单元用于根据车位数据库中各个车位的图像数据建立车位图像模型,进而建立车库图像模型;
具体的,车位图像模型单元从车库数据库依次取出各层的车位图像数据,进而根据各个车位的车位图像数据按比例建立对应的车位图像模型,并按照各个车位在实际场景的排列状况,将各个车位图像模型依次进行排列,进而得到对应层的子车库图像模型,将全部子车库图像模型按照实际场景进行叠放,得到车库图像模型;
进一步的,车库图像模型中的各个车位图像模型的大小不完全相同,且各个车位图像模型根据其实际车位大小标注相应的尺寸,例如编号为S1,2的车位标注有“2.4m*5.3m”;
在车库图像模型中各个车位图像模型设置有空闲状态以及使用状态,其中处于使用状态的车位图像模型上标注有对应用户信息以及在车位图像模型上添加有车辆图像模型;
每当车库管理模块接收到来自车位引导模块的车辆停放信息或车辆离位信息时,车库管理模块将车辆停放信息或车辆离位信息发送至车库图像模型单元,进而车库图像模型单元更新车库图像模型中对应车位图像模型状态。
所述车位调度模块用于车库图像模型以及用户上传的停车需求匹配车位以及生成最佳行驶路径,具体过程包括:
车位调度模块向车库管理模块发送获取车库图像模型获取请求,进而车库管理模型将车库图像模型发送至车位调度模型,且当车库图像模型更新后,车库管理模块实时将车库图像模型发送至车位调度模块;
用户通过移动端向车位调度模块发送停车需求,其中停车需求包括车辆尺寸、车牌号、移动端IP地址、预计停放时间以及车主姓名;
车位调度模块接收到停车需求后,根据停车需求中的车辆尺寸,向车库图像模型匹配车位尺寸大于或等于车辆尺寸且处于空闲状态的车位图像模型;
需要说明的是,在车位调度模型在匹配车位的过程中按车库层数从上到下依次进行匹配;
若匹配无符合停车需求的车位图像模型,则向对应用户的移动端发送“暂无车位”提示;
若匹配有符合停车需求的车位图像模型,则记录对应车位图像的编号以及其在车库图像模型的位置,并将其标注为目标车位,并标注用户的车牌号;
进一步的,根据目标车位建立最佳行驶路径,具体过程包括:
以车库入口为起点,目标车位为终点,进而建立若干条行驶路径,并对各个行驶路径标注对应的车牌号,以及设置编号,例如编号可为h1、h2、……、ha,a为大于0的自然数;
设置标准车速,所述标准车速为车库最高限速;
每当车位调度模块接收到新的停车需求的行驶路径,且前一个停车需求已经选取出最佳行驶路径时,将对应生成的全部行驶路径映射车库图像模型中;
需要说明的是,当从停车需求对应的若干条行驶路径中选取出最佳行驶路径后,则将该停车需求除最佳行驶路径外的其他行驶路径从车库图像模型中剔除,且车位调度模块接收到来自车位引导模块的车辆停放信息时,将对应车牌号的最佳行驶路径在车库图像模型上剔除;
将各个带有车牌号的车辆图像模型按照标准车速行驶在其对应的最佳行驶路径上,并将最新的停车需求对应的车辆图像模型,采用时间同步的方式行驶在全部行驶路径上;
若最新的停车需求对应的车辆图像模型在行驶路径与其他车辆图像模型预计发生碰撞,则在该行驶路径标注相应的碰撞节点,并将其标碰撞行驶路径;
若最新的停车需求对应的车辆图像模型在行驶路径未与任何车辆图像模型预计发生碰撞,则将该行驶路径标注为通畅行驶路径;
以标准车速为车辆图像模型的行驶速度,计算各个通畅行驶路径的预计行驶时间T,其中预计行驶时间T的计算公式为:Tb=Lb/V标准,其中Tb表示编号为hb的行驶路径的预计行驶时间,Lb表示编号为hb的行驶路径的路径长度,b为大于0的自然数,且b≤a;
将各个通畅行驶路径的预计行驶时间T相互比较,进而将预计行驶时间T最小的通畅行驶路径标注为最佳行驶路径;
需要说明的是,若最新的停车需求无通畅行驶路径,则从碰撞行驶路径中挑选出碰撞节点最少的碰撞行驶路径为最佳行驶路径,同时该最佳行驶路径设置碰撞标签,同时将碰撞节点标注在最佳行驶路径上;
进一步的,将最佳行驶路径、预计车位的编号和停车需求合并得到停车策略,进而将停车策略和车库图像模型发送至车位引导模块以及用户的移动端,同时将最佳行驶路径映射在车库图像模型中。
所述车位引导模块用于根据停车策略对相应车辆进行停车导向,同时建立离位导航路线,具体过程包括:
车位引导模块接收到来自车位调度模块的停车策略后,根据停车策略中用户移动端的IP地址向对应用户移动端发送通信连接请求,用户移动端接收并同意通信连接请求后,进而用户移动端向车位调度模块发送其实时位置;
当车位引导模型接收到用户移动端的实时位置后,以用户移动端的当前位置为车辆起始位置,并将其映射停车策略中的最佳行驶路径中,并将其带有车辆实时位置的最佳行驶路径实时同步于用户移动端的车库图像模型中,同时将其他正处于停车导航或离位导航的车辆同步映射在车库图像模型中;
若停车策略中最佳行驶路径无碰撞标签,则当对应车辆达到预计停车位并进行完成停车后,位于停车位的摄像头实时拍摄对应车辆的车牌号,并通过无线信号发送装置将车牌号图像发送至车位引导模型,车位引导模型根据车牌号图像生成车辆停放信息发送至车库管理模块,所述车辆停放信息包括用户名称、车牌号、车位编号;
若停车策略中最佳行驶路径带有碰撞标签,则在车位引导模块根据最佳行驶路径中碰撞节点在车库图像模型中的位置向用户移动端发送示警提示,同时在用户移动端的车库图像模型标注相应的碰撞节点,进而当对应车辆抵达预计车位时,生成车辆停放信息发送至车库管理模块;
进一步的,用户可通过移动端向车位引导模块发送离位请求,进而车位引导模块将离位请求发送至车位调度模块,进而车位调度模块采用生成最佳行驶路径相同方法,以车位为起始位置,车库出口为终点进而生成最佳离位路径发送至车位引导模块;
进而车位引导模块根据最佳离位路径引导对应车辆离开车库,同时生成车辆离位信息发送至车位引导模块。
本发明还公开了一种基于人工智能的自动化智能车库***的自动化智能方法,包括以下步骤:
步骤一,采集各个车位的车位图像数据,并根据各个车位图像数据建立对应的车位图像模型,将各个车位图像模型依次进行排列,进而得到对应层的子车库图像模型,将全部子车库图像模型按照实际场景进行叠放,得到车库图像模型;
步骤二,根据停车需求从车库图像模型中匹配相应的车位,进而以车库入口为起点,目标车位为终点,进而建立若干条行驶路径,并根据其他停车需求对应的最佳行驶路径,从若干条行驶路径选取出最佳行驶路径;
步骤三,根据停车需求、最佳行驶路径以及匹配车位生成停车策略,进而根据停车策略引导对应车辆至对应车位。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.基于人工智能的自动化智能车库***,包括云计算平台,其特征在于,所述云计算平台通信连接有车库管理模块、车位调度模块以及车位引导模块;
所述车库管理模块用于采集各个车位的车位图像数据,并根据各个车位图像数据建立对应的车位图像模型,将各个车位图像模型依次进行排列,进而得到车库图像模型;
所述车位调度模块用于根据停车需求从车库图像模型中匹配相应车位,并根据其他车辆的最佳行驶路径建立停车需求的最佳行驶路径;
所述车位引导模块用于根据停车策略对相应车辆进行停车导向。
2.根据权利要求1所述的基于人工智能的自动化智能车库***,其特征在于,所述车库图像模型的建立过程包括:
所述车库管理模块设置有车库数据采集单元、车库数据库以及车库图像模型单元;所述车库数据采集单元对车库内的各个车位设置摄像头以及无线信号装置,并对各个车位设置编号,进而车库数据采集单元通过摄像头拍摄各个车位的车位图像数据,将其发送至车库数据库中;
所述车位图像模型单元从车库数据库依次取出各层的车位图像数据,进而根据车位图像数据建立车位图像模型,并按照各个车位在实际场景的排列状况,将各个车位图像模型依次进行排列,进而得到对应车库楼层的子车库图像模型,将全部子车库图像模型按照实际场景进行叠放,得到车库图像模型。
3.根据权利要求2所述的基于人工智能的自动化智能车库***,其特征在于,所述车库图像模型中的各个车位图像模型的大小不完全相同,且各个车位图像模型根据其实际对应的车位大小标注相应车位尺寸,且在车库图像模型中各个车位图像模型设置有空闲状态以及使用状态。
4.根据权利要求3所述的基于人工智能的自动化智能车库***,其特征在于,根据停车需求从所述车库图像模型中匹配相应车位的过程包括:
通过移动端向车位调度模块发送停车需求,其中停车需求包括车辆尺寸、车牌号、移动端IP地址、预计停放时间;
根据停车需求中的车辆尺寸,向车库图像模型匹配车位尺寸大于或等于车辆尺寸且处于空闲状态的车位图像模型;
若无符合停车需求的车位图像模型,则向移动端发送“暂无车位”提示,若匹配有符合停车需求的车位图像模型,则记录对应车位图像模型的编号以及其在车库图像模型的位置,并将其标注为目标车位。
5.根据权利要求4所述的基于人工智能的自动化智能车库***,其特征在于,所述最佳行驶路径的生成过程包括:
以车库入口为起点,目标车位为终点,进而建立若干条行驶路径,并对各个行驶路径标注对应的车牌号,以及设置编号;
设置标准车速,所述标准车速为车库最高限速,每当车位调度模块接收到新的停车需求,且前一个停车需求已经选取出最佳行驶路径时,将对应生成的全部行驶路径映射车库图像模型中,同时建立车辆图像模型并标注车牌号;
将各个带有车牌号的车辆图像模型按照标准车速行驶在其对应的最佳行驶路径上,并将最新的停车需求对应的车辆图像模型,采用时间同步的方式行驶在全部行驶路径上;
若最新的停车需求对应的车辆图像模型在行驶路径与其他车辆图像模型预计发生碰撞,则在行驶路径标注相应的碰撞节点,并将其标注为碰撞行驶路径;
若最新的停车需求对应的车辆图像模型在行驶路径未与任何车辆图像模型预计发生碰撞,则将行驶路径标注为通畅行驶路径;
以标准车速为车辆图像模型的行驶速度,获得各个通畅行驶路径的预计行驶时间,将各个通畅行驶路径的预计行驶时间相互对比,进而将预计行驶时间最小的通畅行驶路径标注为最佳行驶路径。
6.根据权利要求5所述的基于人工智能的自动化智能车库***,其特征在于,当从停车需求对应的若干条行驶路径中选取出最佳行驶路径后,则将停车需求除最佳行驶路径外的其他行驶路径从车库图像模型中剔除。
7.根据权利要求5所述的基于人工智能的自动化智能车库***,其特征在于,根据停车策略对相应车辆进行停车导向的过程包括:
以移动端的当前位置为车辆起始位置,并将其映射停车策略中的最佳行驶路径上,同时将带有车辆实时位置的最佳行驶路径实时更新于移动端,将其他正处于停车导航的车辆同步映射在车库图像模型上;
当车辆达到预计停车位并进行完成停车后,位于对应车位的摄像头实时拍摄车辆的车牌号,并将车牌号图像发送至车位引导模型,车位引导模型根据车牌号图像生成车辆停放信息发送至车库管理模块,所述车辆停放信息包括车牌号和车位编号。
8.根据权利要求1至7所述的基于人工智能的自动化智能车库***的自动化智能方法,其特征在于,包括以下步骤:
步骤一,采集各个车位的车位图像数据,并根据各个车位图像数据建立对应的车位图像模型,将各个车位图像模型依次进行排列,进而得到对应层的子车库图像模型,将全部子车库图像模型按照实际场景进行叠放,得到车库图像模型;
步骤二,根据停车需求从车库图像模型中匹配相应的车位,进而以车库入口为起点,目标车位为终点,进而建立若干条行驶路径,并根据其他停车需求最佳行驶路径,从若干条行驶路径选取出最佳行驶路径;
步骤三,根据停车需求、最佳行驶路径以及匹配车位生成停车策略,进而根据停车策略引导车辆至对应车位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311145513.7A CN117152990A (zh) | 2023-09-06 | 2023-09-06 | 基于人工智能的自动化智能车库***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311145513.7A CN117152990A (zh) | 2023-09-06 | 2023-09-06 | 基于人工智能的自动化智能车库***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117152990A true CN117152990A (zh) | 2023-12-01 |
Family
ID=88898491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311145513.7A Pending CN117152990A (zh) | 2023-09-06 | 2023-09-06 | 基于人工智能的自动化智能车库***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152990A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110275933A (zh) * | 2019-06-26 | 2019-09-24 | 广州小鹏汽车科技有限公司 | 车辆行驶的同步显示方法、装置、终端和计算机设备 |
CN110705595A (zh) * | 2019-09-04 | 2020-01-17 | 苏州工业园区测绘地理信息有限公司 | 一种基于背包式三维激光点云数据的停车位自动提取方法 |
CN112393738A (zh) * | 2019-08-13 | 2021-02-23 | 可可若器(北京)信息技术有限公司 | 一种基于虚拟现实停车场视觉导航方法 |
CN114093198A (zh) * | 2021-12-17 | 2022-02-25 | 北京万集科技股份有限公司 | 车位推荐方法、装置、计算机设备和存储介质 |
CN114093194A (zh) * | 2021-11-12 | 2022-02-25 | 湖南人文科技学院 | 一种轮胎定位的室内诱导泊车方法 |
US20220114893A1 (en) * | 2020-10-08 | 2022-04-14 | Thinkware Corporation | Image capturing apparatus of vehicle, server, user terminal apparatus and method for providing parking lot guidance service using them |
KR20220047196A (ko) * | 2020-10-08 | 2022-04-15 | 팅크웨어(주) | 차량용 영상 촬영 장치, 서버, 사용자 단말 장치 및 이들을 이용한 주차장 안내 서비스 제공 방법 |
CN115762218A (zh) * | 2022-10-10 | 2023-03-07 | 中汽创智科技有限公司 | 一种车位地图生成方法、装置、设备及存储介质 |
CN116469269A (zh) * | 2023-04-21 | 2023-07-21 | 江苏天汇空间信息研究院有限公司 | 一种应用可视化技术的车辆信息智能化管理方法***及方法 |
CN116504094A (zh) * | 2023-03-28 | 2023-07-28 | 云南建筑产业化研发中心有限公司 | 一种智慧停车管理方法及*** |
CN116612658A (zh) * | 2023-05-29 | 2023-08-18 | 桂林电子科技大学 | 一种地下车库智能导引方法 |
-
2023
- 2023-09-06 CN CN202311145513.7A patent/CN117152990A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110275933A (zh) * | 2019-06-26 | 2019-09-24 | 广州小鹏汽车科技有限公司 | 车辆行驶的同步显示方法、装置、终端和计算机设备 |
CN112393738A (zh) * | 2019-08-13 | 2021-02-23 | 可可若器(北京)信息技术有限公司 | 一种基于虚拟现实停车场视觉导航方法 |
CN110705595A (zh) * | 2019-09-04 | 2020-01-17 | 苏州工业园区测绘地理信息有限公司 | 一种基于背包式三维激光点云数据的停车位自动提取方法 |
US20220114893A1 (en) * | 2020-10-08 | 2022-04-14 | Thinkware Corporation | Image capturing apparatus of vehicle, server, user terminal apparatus and method for providing parking lot guidance service using them |
KR20220047196A (ko) * | 2020-10-08 | 2022-04-15 | 팅크웨어(주) | 차량용 영상 촬영 장치, 서버, 사용자 단말 장치 및 이들을 이용한 주차장 안내 서비스 제공 방법 |
CN114093194A (zh) * | 2021-11-12 | 2022-02-25 | 湖南人文科技学院 | 一种轮胎定位的室内诱导泊车方法 |
CN114093198A (zh) * | 2021-12-17 | 2022-02-25 | 北京万集科技股份有限公司 | 车位推荐方法、装置、计算机设备和存储介质 |
CN115762218A (zh) * | 2022-10-10 | 2023-03-07 | 中汽创智科技有限公司 | 一种车位地图生成方法、装置、设备及存储介质 |
CN116504094A (zh) * | 2023-03-28 | 2023-07-28 | 云南建筑产业化研发中心有限公司 | 一种智慧停车管理方法及*** |
CN116469269A (zh) * | 2023-04-21 | 2023-07-21 | 江苏天汇空间信息研究院有限公司 | 一种应用可视化技术的车辆信息智能化管理方法***及方法 |
CN116612658A (zh) * | 2023-05-29 | 2023-08-18 | 桂林电子科技大学 | 一种地下车库智能导引方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919140B (zh) | 车辆碰撞事故责任自动判定方法、***、设备及存储介质 | |
CN107170276B (zh) | 一种基于云的无人停车场自动泊车管理*** | |
CN106469518A (zh) | 基于视频跟踪识别的智能停车引导的方法、服务器和*** | |
CN105489054B (zh) | 一种智能车库管理应用***及其方法 | |
CN106274546A (zh) | 一种停车场所智能充电管理***的充电管理方法 | |
CN107862899A (zh) | 反向寻车方法、装置、计算机装置及计算机可读存储介质 | |
CN106781669A (zh) | 一种车位推荐方法以及装置 | |
CN207319476U (zh) | 一种基于ar实景导航的智能反向寻车*** | |
CN103440781A (zh) | 基于模糊定位的停车场反向寻车管理***及其实现方法 | |
CN116362370A (zh) | 智慧城市停车场车位状态预估方法、物联网***及装置 | |
CN110901447A (zh) | 一种电动汽车充电桩云管理***及方法 | |
CN108182760A (zh) | 一种基于视频识别与控制的智能充电桩管理***及方法 | |
CN106228828A (zh) | 一种停车调度***和方法 | |
CN109637187A (zh) | 城市路侧停车位无人收费监管方法和*** | |
CN107463172A (zh) | 一种基于sumo和统一时间轴的云端控制自动驾驶*** | |
CN111222375A (zh) | 车辆行驶轨迹生成方法、***及服务器 | |
CN108805309A (zh) | 一种基于区块链技术的停车场***及其工作流程 | |
CN112802363A (zh) | 基于全景视频和人脸识别技术的智能引导***和方法 | |
CN114419924A (zh) | 一种基于智慧城市的ai应用控制管理*** | |
CN112802361A (zh) | 一种停车场的车位预约方法及装置 | |
CN112908014A (zh) | 停车场寻车方法及装置 | |
CN106205182A (zh) | 一种智能寻车***和方法 | |
CN117152990A (zh) | 基于人工智能的自动化智能车库***及方法 | |
CN111932929A (zh) | 一种基于5g网络的车位查询方法及*** | |
CN111798693B (zh) | 一种停车场障碍车的调度管理方法及*** |
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 |