一种路边停车管理方法及其系统与流程

本发明属于计算机技术领域，尤其涉及一种路边停车管理方法及其系统。

背景技术：

随着我国经济社会的告诉发展，人们的生活水平的快速提高，智能停车的建设也在迅速普及和扩大。现有智能的路边停车系统大部分采用地磁或视频桩等监测方式对路边的车辆进行管理，其覆盖范围受限，无法覆盖多个车位，导致管理不全面，其中地磁的方式在使用过程中需要大量人工的参与，没能实现智能化；视频桩由于高度较低，容易处于司机的视线盲区，这样在车辆的移动过程中便会容易遭到损害。

因此，如何解决由低高度的监控装置损坏率高和覆盖范围受限等原因导致的识别准确率低，管理效率低的现象是亟待解决的问题。

技术实现要素：

本发明的目的是提供一种路边停车管理方法及其系统，能够解决低高度的监控装置损坏率高且管理效率低的问题。

为了实现上述目的，本发明采用如下技术方案：

一种路边停车管理方法，包括：

在路侧以预设间距和预设高度建立识别基站，确定所述识别基站对应的管理区域；

获取所述识别基站的定点位置，检测得到进入所述管理区域的车辆与所述识别基站之间的实时距离；

通过所述识别基站获取车辆信息，根据所述车辆信息和所述实时距离判定车辆状态。

进一步地，还包括：根据所述车辆信息和车辆状态对该车辆进行收费计时。

更进一步地，检测得到进入所述管理区域的车辆与所述识别基站之间的实时距离，具体为：

所述识别基站装配有北斗定位装置，根据北斗定位装置获取所述识别基站的定点位置；

根据激光测距测得进入所述管理区域的车辆与所述识别基站之间的实时距离。

进一步地，还包括：根据所述识别基站的所述定点位置和所述实时距离，利用ai算法分析出车辆的实时位置。

进一步地，通过所述识别基站获取车辆信息，具体为：

所述识别基站包括至少包括两个摄像头，利用所述摄像头通过多角度识别和深度算法识别得到车辆信息。

进一步地，还包括：获取所述摄像头采集到的车辆的视频流，对所述视频流进行帧间数据分析得到所述车辆信息中的车牌信息。

进一步地，还包括：识别获取所述管理区域内路边的停车位信息，根据所述停车位信息得到车位线；

根据车辆的实时位置与所述车位线的关系判定车辆状态。

进一步地，还包括：

对所述实时位置和所述摄像头采集到的车辆的视频流进行算法分析，得到车辆的车头坐标信息和车尾坐标信息，根据所述车头坐标信息和所述车尾坐标信息与所述车位线的关系判定车辆状态。

一种路边停车管理系统，包括识别基站和分析处理单元；

所述识别基站，用于确定与所述识别基站对应的管理区域，还用于获取进入所述管理区域的车辆的车辆信息；

所述分析处理单元，用于获取所述识别基站的定点位置，检测得到进入所述管理区域的车辆与所述识别基站之间的实时距离；还用于根据所述车辆信息和所述实时距离判定车辆状态。

进一步地，还包括管理平台，所述管理平台通过根据所述车辆信息和车辆状态对该车辆进行收费计时。

更进一步地，所述识别基站装配有北斗定位装置，还用于根据北斗定位装置获取所述识别基站的定点位置，根据激光测距测得进入所述管理区域的车辆与所述识别基站之间的实时距离；

所述分析处理单元还用于，根据所述定点位置和所述实时距离，利用ai算法分析出车辆的实时位置。

进一步地，所述识别基站包括至少一个主摄像头和一个辅助摄像头，用于通过多角度识别和深度算法识别得到车辆信息。

进一步地，所述识别基站还用于，识别获取所述管理区域内路边的停车位信息，根据所述停车位信息得到车位线；

所述分析处理单元，用于根据车辆的实时位置与所述车位线的关系判定车辆状态。

进一步地，所述分析处理单元，还用于对所述实时位置和所述识别基站采集到的车辆的视频流进行算法分析，得到包括车辆的车头坐标信息和车尾坐标信息，根据所述车头坐标信息和所述车尾坐标信息与所述车位线的关系判定车辆状态。

由以上本申请实施方式提供的技术方案可见，通过设置高位摄像头对路侧停车的车辆进行路边停车管理，通过识别基站的北斗定位得到定点位置，以及对进入对应管理区域的车辆进行激光测距对车辆进行精准定位得到实时距离，进而利用算法分析出车辆的实时位置，根据车辆的实时位置和管理区域内的车位线的关系判定车辆状态，从而结合识别出的车辆信息对车辆进行管理。本申请设置高位摄像头的方法解决了低高度的监控装置损坏率高、人工费用高以及覆盖面受限的问题，同时结合激光测距识别车辆位置，能够提升识别车辆信息的准确性，进而提升了路边停车管理的效率。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例一提供的一种路边停车管理方法的流程示意图；

图2为本发明实施例一提供的一种路边停车管理方法中步骤s2的流程示意图；

图3为本发明实施例一提供的一种路边停车管理方法中判定车辆状态步骤的流程示意图；

图4为本发明另一实施例提供的一种路边停车管理方法中判定车辆状态步的流程示意图；

图5为本发明实施例二提供的一种路边停车管理系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一

本申请的该实施例提供了能够解决由低高度的监控装置损坏率高和覆盖范围受限等原因导致的识别准确率低等问题，提升停车管理效率的一种路边停车管理方法，如图1所示，其方法步骤包括：

s1，在路侧以预设间距和预设高度建立识别基站，确定所述识别基站对应的管理区域。

本实施例中，识别基站包括设于顶部的摄像头，优先采用双枪型像素为800万的摄像头，这样在预设高度达到6米时，该识别基站能够至少识别管理6个车位，并且识别基站的捕获率和识别率能够达到95％以上，基于此大大提升了识别基站的覆盖范围并且提高了识别的准确率。

s2，获取所述识别基站的定点位置，检测得到进入所述管理区域的车辆与所述识别基站之间的实时距离。

如图2所示，步骤s2具体包括：

s201，所述识别基站装配有北斗定位装置，根据北斗定位装置获取所述识别基站的定点位置。

本实施例提供的路边停车管理方法及应用其的系统，将北斗定位装置设置于识别基站内，获取所述识别基站的定点位置，这样避免了在所有车辆内安装精准定位装置，很大程度上节约了成本。

s202，根据激光测距测得进入所述管理区域的车辆与所述识别基站之间的实时距离。本实施例通过激光测距，能够达到厘米级测量标准，有助于路边停车的精准管理。

本实施例中，在获得车辆距离识别基站的实时距离之后，还包括，步骤s203，根据所述识别基站的所述定点位置和所述实时距离，利用ai算法分析出车辆的实时位置。

在识别基站获取到自身的定点位置即定点坐标后，即能够根据检测到的实时距离依据ai算法分析出车辆的实时位置，实现对进入对应管理区域的车辆的精装定位。

s3，通过所述识别基站获取车辆信息，根据所述车辆信息和所述实时距离判定车辆状态。

如图3所示，步骤s3具体包括：

s301，所述识别基站包括至少包括两个摄像头，利用所述摄像头通过多角度识别和深度算法识别得到车辆信息。

所述车辆信息包括车牌信息和车辆的大小信息，可以在识别到车辆后对车辆边缘形成边缘标记，这样可以明显得在摄像头采集到的车辆的视频流中对车辆进行跟踪。

s302，获取所述摄像头采集到的车辆的视频流，对所述视频流进行帧间数据分析得到所述车辆信息中的车牌信息。

进行帧间数据分析能够捕获车辆的细节信息，其中就包括车牌信息，这样采集到的车牌信息能够更加精准，在获取到车牌信息后，车辆在该管理区域内的管理数据均可与所述车牌信息进行绑定，能够将信息即时的通知到车主。

s303，识别获取所述管理区域内路边的停车位信息，根据所述停车位信息得到车位线。

在路侧以预设间距和预设高度建立识别基站之后，便能够确定所述识别基站对应的管理区域，识别基站在对应的管理区域内获取路边的停车位信息，以此识别出其中的车位线。

s304，根据车辆的所述实时位置与所述车位线的关系以及所述车辆信息判定车辆状态。

由于步骤s301识别的车辆信息包括车辆的大小信息，故能够根据所述实时位置和车辆的大小得到车辆的占地面积及坐标，与车位线之间的关系便能反映车辆状态。例如，在测量到车辆压两个车位线，则该车辆为跨位停车；在测量压一面的车位线，则为斜位停车。进一步地，根据步骤s301中针对车辆形成的边缘标记与车位线的的关系即线与线之间的关系，能够更加精准直观的判定车辆状态是属于上述的违章停车的类型。

在本申请的另一实施例中，如图4所示，还可以根据车辆的车头和车位的坐标信息判定车辆状态，具体为：

s305，对所述实时位置和所述摄像头采集到的车辆的视频流进行算法分析，得到车辆的车头坐标信息和车尾坐标信息。

在车辆行进的过程中摄像头能够根据采集到的视频流判断车辆的车头和车尾分别为哪一端，在车辆停止时，再根据所述实时位置便能够得到车辆的车头坐标信息和车尾坐标信息。

s306，根据所述车头坐标信息和所述车尾坐标信息与所述车位线的关系判定车辆状态。根据车辆的车头坐标信息和车尾坐标信息与车位线的前后进行对比，若测得车辆与车位线前后相反，则为反向停车的车辆状态。

值得一提的是，同样可以根据车头和车尾的坐标判断车辆的大小信息，进而判断车辆边缘与车位线的关系。并且在识别基站以及其摄像头获取信息时，可以基于3d建模定位技术，结合图像的深度学习算法作为数据识别的核心，保证识别基站采集车辆信息、距离信息和各种位置信息的准确性与有效性。

s4，根据所述车辆信息和车辆状态对该车辆进行收费计时。在判定车辆状态存在违章时，则在收取相应时间内的停车费用的同时计算其违章停车的额外费用，在不存在违章时则不额外收费。

通过上述实施例，可以看出本申请通过依据预设间距和预设高度在路边设置安装有高位摄像头的识别基站对路侧停车的车辆进行路边停车管理。具体为，通过识别基站的北斗定位得到基站的定点位置，在车辆进入对应的管理区域时，对车辆进行激光测距的到测量距离所述识别基站的实时距离，进而根据实时距离和定点位置利用ai算法分析出车辆的实时位置，同时识别基站的摄像头获取车辆在行驶过程中的视频流；其中识别基站包括至少包括两个摄像头，在车辆行驶或者车辆已经停止时，便可利用所述摄像头通过多角度识别和深度算法识别得到车辆信息，进一步地还对在此过程中采集到的车辆视频流进行间数据分析得到所述车辆信息中的车牌信息，与车辆进行绑定；在车辆停止后，根据所述车辆信息和所述实时距离判定车辆状态，可以是根据车辆的实时位置和车位线判定车辆状态，也可以是根据车辆的车头坐标信息和车尾坐标信息与车位线的前后的关系判定车辆状态，最后根据所述车辆状态对车辆进行停车管理。

本申请设置高位摄像头的方法解决了低高度的监控装置损坏率高、人工费用高以及覆盖面受限的问题，同时结合激光测距识别车辆位置，能够提升识别车辆信息的准确性，进而提升了路边停车管理的效率；本申请提供的路边停车管理方法能够与现有的城市已建成动态交通数据有效结合，形成完整的城市交通大数据库，通过对数据的清洗、挖掘，提炼有效数据，为交通管理部门提供数据支持。

另外，本申请的高位视频技术可对城市静态交通数据包括：路内、外停车场数据进行多维度的据进行采集、存储、分析，结合的激光测距能够准确判断车辆是否进入有效停车位即车位线内，达到厘米级判断标准，可适应于路内平行停车、路内垂直停车、路内斜向停车等场景，对于实际道路泊位分布连续与非连续分布也能正常检测。

实施例二

本申请的该实施例提供了一种应用本申请的路边停车管理方法的系统，如图5所示，其包括识别基站1和分析处理单元2；

所述识别基站1，用于确定与所述识别基站1对应的管理区域，还用于获取进入所述管理区域的车辆的车辆信息；

所述分析处理单元2，用于获取所述识别基站1的定点位置，检测得到进入所述管理区域的车辆与所述识别基站1之间的实时距离；还用于根据所述车辆信息和所述实时距离判定车辆状态。

本实施例提供的路边停车管理系统，还包括管理平台3，所述管理平台3通过根据所述车辆信息和车辆状态对该车辆进行收费计时。

其中，所述识别基站1装配有北斗定位装置11，还用于根据北斗定位装置11获取所述识别基站1的定点位置，根据激光测距测得进入所述管理区域的车辆与所述识别基站1之间的实时距离；所述分析处理单元2还用于，根据所述定点位置和所述实时距离，利用ai算法分析出车辆的实时位置。

所述识别基站1包括至少一个主摄像头12和一个辅助摄像头13，用于通过多角度识别和深度算法识别得到车辆信息。

所述识别基站1还用于，识别获取所述管理区域内路边的停车位信息，根据所述停车位信息得到车位线；之后所述分析处理单元2，用于根据车辆的实时位置与所述车位线的关系判定车辆状态。

所述分析处理单元2，还用于对所述实时位置和所述识别基站1采集到的车辆的视频流进行算法分析，得到包括车辆的车头坐标信息和车尾坐标信息，根据所述车头坐标信息和所述车尾坐标信息与所述车位线的关系判定车辆状态。

上述实施例提供的一种路边停车管理系统，应用本申请提供的路边停车管理方法，通过设置包括有高位摄像头的识别基站1对路侧停车的车辆进行信息获取，以及通过分析处理单元2和管理平台3对路边停车进行管理，能够解决由低高度的监控装置损坏率高和覆盖范围受限等原因导致的识别准确率低等问题，提升路侧停车的停车管理效率。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。