基于AI视觉技术实现室内停车定位导航系统及方法与流程

阅读：评论：0

基于ai视觉技术实现室内停车定位导航系统及方法
技术领域
1.本发明属于计算机视觉技术领域，具体涉及一种基于ai视觉技术实现室内停车定位导航系统。

背景技术：

2.目前主流智慧停车场系统均需要进行大量的信息化设施改造，常用的改造方式涉及的终端设备有：车位地磁感应、车位超声波探测、车位专用探测相机。其中，地磁和超声波方案主要以检测停车位是否空闲为主，无法实现停车引导；车位专用探测相机虽然可以做到车位识别和个人车的引导，但是仍然无法做到智慧停车导航引导。总体而言，现有室内停车场信息化方案的智慧化程度、性价比、普及率都还存在较大的提升空间。

技术实现要素：

3.有鉴于此，本发明的目的在于提供一种基于ai视觉技术实现室内停车定位导航系统，减少停车场的停车引导人员，大大降低人力成本，加快车位周转率，实时发布停车位状态，开启潮汐停车模式，提高商业车场客流，增加停车场收益，便于车主快速停车。
4.为实现上述目的，本发明采用如下技术方案：一种基于ai视觉技术实现室内停车定位导航系统，包括边缘计算ai服务器单元、saas云平台单元、管理终端单元和用户终端单元；所述边缘计算ai服务器单元，用于利用监控摄像头终端采集到的影像信息，对车位的定位、车辆的跟踪，提供最优停车位和最优路径；所述saas云平台单元，采用分布式部署，用于数据处理存储管理，负责响应、处理前端用户服务需求，对接其他室外导航软件资源或数字城市资源；所述管理终端单元，用于为停车场管理人员提供节点管理、数据分析、推送信息管理和用户权限管理；所述用户终端单元为用户提供定位、导航服务。
5.进一步的，所述边缘计算ai服务器单元采用视觉a i车位识别模型和多摄像头车辆识别跟踪系统实现对车位的定位和车辆的跟踪。
6.进一步的，所述室外导航软件资源或数字城市资源包括云服务器、数据库、云端应用程序。
7.进一步的，所述用户终端单元，通过、小程序或app 方式为车主提供定位、导航服务，支持 ios及 android 操作系统智能手机。
8.一种基ai视觉技术实现室内停车定位导航方法，包括以下步骤：步骤s1:利用已有监控摄像头，采集监控摄像头视频，通过视觉ai车位识别模型，实现室内停车场中空闲车位的定位；步骤s2：通过跨摄像头跟踪停车场内用户行进车辆，利用多摄像头车辆识别跟踪系统，为路径规划提供车辆定位信息；步骤s3：在停车引导中针对每辆车的不同需求，系统通过优化约束条件下的路径规划算法，为每个用户规划最优停车位和最优停车行进路径；
步骤s4：系统将边缘计算ai服务器单元提供的最优停车位和最优路径推送给用户终端，以手机app或小程序的方式，为车主提供停车定位、导航服务。
9.进一步的，所述视觉ai车位识别模型，通过监控摄像头的图像提取地面关键点信息，结合停车场蓝图，利用场景中几何特征和固定标志，标定车位到图像的单应矩阵，再将车位平面从二维图像到三维空间的逆变换，最后结合时域信息的深度学习空车位检测，判断出最终车位。
10.进一步的，所述多摄像头车辆识别跟踪系统由单摄像头跟踪模块和摄像机间关联模块组成，所述单摄像头跟踪模块是拍摄单个摄像头的视频序列，并对其中显示的目标进行检测和跟踪，同时计算出所有轨迹的特征表示；所述摄像机间关联模块的核心是车辆重识别，将其定义为目标-目标之间的匹配与目标-轨迹之间的匹配，实质上是通过使用外观相似度和运动约束下的运动特征来匹配不同相机中相同的车辆。
11.进一步的，所述路径规划算法，研究用户需求的定义和数学表达，设计带约束的最优化问题；然后通过搜索算法求解该优化问题，得到最优的全局路径最优解；研究大量用户高并发情况下降低计算复杂度，实现实时路径更新。
12.本发明与现有技术相比具有以下有益效果：1.本发明减少停车场的停车引导人员，大大降低人力成本，加快车位周转率，实时发布停车位状态，开启潮汐停车模式，提高商业车场客流，增加停车场收益，便于车主快速停车。
13.2.本发明实现自助反向寻车，提升车主停车车体验，同时提升车场安全管控，减少事故纠纷。
14.3.本发明采用的空闲车位深度学习检测算法、基于神经网络的特征提取算法、基于视觉定位的跟踪算法、约束条件下的路径搜索算法等多种算法，可有效解决车位遮挡、车辆外观识别、路径优化等关键技术难点。
15.4.本发明采用的跨摄像头车辆跟踪技术通过基于神经网络的特征提取算法和基于视觉定位的跟踪算法，可有效提高多目标跟踪的精度和速度。
16.附图说明
17.图1是本发明系统工作流程示意图；图2是本发明一实施例中系统空车位检测示意图；图3是本发明一实施例中系统跨摄像头多目标跟踪示意图。
18.图4是本发明一实施例中最优路径规划流程示意图。
具体实施方式
19.下面结合附图及实施例对本发明做进一步说明。
20.请参照图1-4，本发明提供一种基于ai视觉技术实现室内停车定位导航系统，包括：边缘计算ai服务器单元，用于利用监控摄像头终端采集到的影像信息通过“视觉a i车位识别”和“多摄像头车辆识别跟踪”技术实现对车位的定位、车辆的跟踪，为每一位用
户提供最优停车位和最优路径；saas云平台单元，基于云平台采用分布式部署，用于数据处理存储管理，负责响应、处理前端用户服务需求，可对接其他室外导航软件资源或数字城市资源，包括云服务器、数据库、云端应用程序等；管理终端单元，用于为停车场管理人员提供节点管理、数据分析、推送信息管理、用户权限管理等相关业务，是针对停车场管理用户推出的一个后台应用软件；用户终端单元，用于通过、小程序、app 等方式为车主提供定位、导航服务，支持 ios及 android 操作系统智能手机。
21.本发明还提供一种基ai视觉技术实现室内停车定位导航方法，包括以下步骤：步骤s1:利用已有监控摄像头，采集监控摄像头视频，通过视觉ai车位识别模型，实现室内停车场中空闲车位的定位；步骤s2：通过跨摄像头跟踪停车场内用户行进车辆，利用多摄像头车辆识别跟踪系统，为路径规划提供车辆定位信息；步骤s3：在停车引导中针对每辆车的不同需求，系统通过优化约束条件下的路径规划算法，为每个用户规划最优停车位和最优停车行进路径；步骤s4：系统将边缘计算ai服务器单元提供的最优停车位和最优路径推送给用户终端，以手机app或小程序的方式，为车主提供停车定位、导航服务。
22.如图2所示，在本实施例中，步骤s1所述的视觉ai车位识别模型，通过监控摄像头的图像提取地面关键点信息，结合停车场蓝图，利用场景中几何特征和固定标志，标定车位到图像的单应矩阵，再将车位平面从二维图像到三维空间的逆变换，最后结合时域信息的深度学习空车位检测，判断出最终车位。
23.进一步地，在步骤s1中，针对通用监控摄像头检测车位在采集图像中出现车位遮挡和摄影变换带来的视觉变形问题，设计简易的标定方法和结合时域的空闲车位检测算法。
24.进一步地，在步骤s1中所述标定方法，在世界坐标系下，一个3d的点，投影到图像坐标下，可表示为,其中是外参，我们想要测量的是2d平面内的坐标，为了方便，可以把世界坐标系的原点设在平面之上，z轴垂直于该平面，那么的第三维为0，上述公式就可以变为其中平面上的点和图像上的像素之间通过单应矩阵就建立了联系。
25.如图3所示，在本实施例中，步骤s2所述的跨摄像头多目标跟踪系统，主要针对室内停车场半封闭环境特点，通过神经网络提取车辆代表性特征，该特征是从数据中学习目标独一无二的在高维空间可分的特征，从网络架构、损失函数等方面着手提高多目标跟踪精度和速度；同时融合监控摄像头的对车辆的定位信息，使得跟踪更加鲁棒；同时增加人类规则和神经网络的有机结合减少算法复杂度。
26.进一步地，在步骤s2中，针对跨摄像头跟踪过程中误匹配和遮挡等问题，设计基于神经网络的特征提取算法和基于视觉定位的跟踪方法，再结合人类规则使得在半封闭情况下跨摄像头多目标跟踪更加稳定和快速。
27.进一步地，在步骤s2中，所述的跨摄像头多目标跟踪系统是一个根据停车场场景的摄像头拓扑分布设计的融合外观与位置特征的在线跨摄像头多目标跟踪系统。系统主要由单摄像头跟踪（single camera tracking, sct）和摄像机间关联模块（inter-camera association, ica）组成。sct模块是拍摄单个摄像头的视频序列，并对其中显示的目标进行检测和跟踪，同时计算出所有轨迹的特征表示。ica的核心是车辆重识别（vehicle reid），将其定义为目标-目标之间的匹配（object-object match, oom）与目标-轨迹之间的匹配（object-trajectory match, otm），实质上是通过使用外观相似度和运动约束下的运动特征来匹配不同相机中相同的车辆。
28.如图4所示，在本实施例中，步骤s3中所述的路径规划算法，研究用户需求的定义和数学表达，设计带约束的最优化问题；然后通过搜索算法求解该优化问题，得到最优的全局路径最优解；研究大量用户高并发情况下降低计算复杂度，实现实时路径更新。
29.进一步地，在步骤s3中，根据用户需求给出最优停车位和引导路线，设计一个优化算法在用户需求约束的条件下搜索全体用户最优的停车路径。路径规划核心在于估价函数的设计上其中g(n)称为耗散函数，表示从起始节点到节点的实际代价；h(n)称为启发函数，表示节点n到目标节点的估计代价；f(n)表示从起始节点经由节点n到目标节点的估计代价；q(n)=x为用户需求约束。
30.以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

技术特征：

1.一种基于ai视觉技术实现室内停车定位导航系统，其特征在于，包括边缘计算ai服务器单元、saas云平台单元、管理终端单元和用户终端单元；所述边缘计算ai服务器单元，用于利用监控摄像头终端采集到的影像信息，对车位的定位、车辆的跟踪，提供最优停车位和最优路径；所述saas云平台单元，采用分布式部署，用于数据处理存储管理，负责响应、处理前端用户服务需求，对接其他室外导航软件资源或数字城市资源；所述管理终端单元，用于为停车场管理人员提供节点管理、数据分析、推送信息管理和用户权限管理；所述用户终端单元为用户提供定位、导航服务。2.根据权利要求1所述的基于ai视觉技术实现室内停车定位导航系统，其特征在于，所述边缘计算ai服务器单元采用视觉a i车位识别模型和多摄像头车辆识别跟踪系统实现对车位的定位和车辆的跟踪。3.根据权利要求1所述的基于ai视觉技术实现室内停车定位导航系统，其特征在于，所述室外导航软件资源或数字城市资源包括云服务器、数据库、云端应用程序。4.根据权利要求1所述的基于ai视觉技术实现室内停车定位导航系统，其特征在于，所述用户终端单元，通过、小程序或app 方式为车主提供定位、导航服务，支持 ios及 android 操作系统智能手机。5.一种基于权利要求1-4任一所述基于ai视觉技术实现室内停车定位导航系统的导航方法，其特征在于，包括以下步骤：步骤s1:利用已有监控摄像头，采集监控摄像头视频，通过视觉ai车位识别模型，实现室内停车场中空闲车位的定位；步骤s2：通过跨摄像头跟踪停车场内用户行进车辆，利用多摄像头车辆识别跟踪系统，为路径规划提供车辆定位信息；步骤s3：在停车引导中针对每辆车的不同需求，系统通过优化约束条件下的路径规划算法，为每个用户规划最优停车位和最优停车行进路径；步骤s4：系统将边缘计算ai服务器单元提供的最优停车位和最优路径推送给用户终端，以手机app或小程序的方式，为车主提供停车定位、导航服务。6.根据权利要求5所述的导航方法，其特征在于，所述视觉ai车位识别模型，通过监控摄像头的图像提取地面关键点信息，结合停车场蓝图，利用场景中几何特征和固定标志，标定车位到图像的单应矩阵，再将车位平面从二维图像到三维空间的逆变换，最后结合时域信息的深度学习空车位检测，判断出最终车位。7.根据权利要求5所述的导航方法，其特征在于，所述多摄像头车辆识别跟踪系统由单摄像头跟踪模块和摄像机间关联模块组成，所述单摄像头跟踪模块是拍摄单个摄像头的视频序列，并对其中显示的目标进行检测和跟踪，同时计算出所有轨迹的特征表示；所述摄像机间关联模块的核心是车辆重识别，将其定义为目标-目标之间的匹配与目标-轨迹之间的匹配，实质上是通过使用外观相似度和运动约束下的运动特征来匹配不同相机中相同的车辆。8.根据权利要求5所述的导航方法，其特征在于，所述路径规划算法，研究用户需求的定义和数学表达，设计带约束的最优化问题；然后通过搜索算法求解该优化问题，得到最优的全局路径最优解；研究大量用户高并发情况下降低计算复杂度，实现实时路径更新。

技术总结

本发明涉及一种基于AI视觉技术实现室内停车定位导航系统，包括边缘计算AI服务器单元、SAAS云平台单元、管理终端单元和用户终端单元；所述边缘计算AI服务器单元，用于利用监控摄像头终端采集到的影像信息，对车位的定位、车辆的跟踪，提供最优停车位和最优路径；所述SAAS云平台单元，采用分布式部署，用于数据处理存储管理，负责响应、处理前端用户服务需求，对接其他室外导航软件资源或数字城市资源；所述管理终端单元，用于为停车场管理人员提供节点管理、数据分析、推送信息管理和用户权限管理；所述用户终端单元为用户提供定位、导航服务。本发明实时发布停车位状态，开启潮汐停车模式，提高商业车场客流，增加停车场收益，便于车主快速停车。便于车主快速停车。便于车主快速停车。