基于算力共享的停车位获取方法、存储介质、系统及车辆与流程

1.本发明涉及智能网联汽车技术领域，具体涉及一种基于算力共享的停车位获取方法、存储介质、系统及车辆。


背景技术：

2.随着智能网联汽车的发展，自动驾驶领域对运算能力以及即时性要求越来越高，尤其是当需要处理大量的视频图形信息、进行停车位的识别和构建周边环境的地图信息、根据自身定位数据计算停车位的定位信息的时候。这些场景在自动驾驶研究领域中，需要消耗大量的车载设备计算能力。
3.利用视频图形信息获得停车位信息已经有部分成果，在一些研究中，已经利用车载摄像头扫描道路两侧的视频图形信息，再利用服务器处理视频图形数据获取停车位信息。而在另一些研究中，利用停车场摄像头获取停车场视频图形数据，再利用一种计算机可读存储介质，处理视频图形数据获取停车位信息。但是，这些研究中，对于大量视频图形信息处理、获取停车位状态信息和位置信息的过程中，并没有采用智能网联汽车算力共享的方法进行计算，使参与计算的车载设备面临巨大的计算压力。
4.因此，如何提高处理停车识别过程中大量视频图形信息的算力，及时有效的完成视频图形信息处理，精准定位空闲车位位置，是本领域技术人员研究的方向。


技术实现要素：

5.针对现有技术存在的上述不足，本发明的目的在于解决现有的处理停车识别过程中需要处理大量视频图形信息，车载设备的计算压力大的问题，提供一种基于算力共享的停车位获取方法，能够缓解车载设备的计算压力，并且能够及时有效的解决停车识别过程中大量视频图形信息的处理，实现空闲车位位置的精准定位。
6.为了解决上述技术问题，本发明采用如下技术方案：
7.一种基于算力共享的停车位获取方法，包括，
8.s1、智能网联汽车获取第一信息，并将第一信息发送到智能网联汽车算力共享平台；
9.s2、智能网联汽车算力共享平台获取预设范围内各智能网联汽车的闲置算力，将具有闲置算力的智能网联汽车作为算力节点建立动态网络连接，并将第一信息发到各算力节点上；
10.s3、各算力节点识别并获取空闲车位的位置信息，将位置信息发送到智能网联汽车存储共享云平台；
11.s4、智能网联汽车存储共享云平台存储空闲车位的位置信息，并基于位置信息在地图上显示空闲车位；在接收到停车请求后，智能网联汽车存储共享云平台获取请求车辆的第二信息，并基于空闲车位的位置信息和第二信息筛选出距离最近的空闲车位，将距离最近的空闲车位的位置信息发送至请求车辆；
12.其中，所述第一信息包括该车辆周围的视频图像信息、车辆自身信息和该车辆的位置信息；所述第二信息包括待停车车辆的位置信息。
13.通过智能网联汽车获取车辆周围的视频图像信息和该车辆的位置信息并上传至智能网联汽车算力共享平台，智能网联汽车算力共享平台统计预设范围内各智能网联汽车的闲置算力，并将具有闲置算力的智能网联汽车作为算力节点建立动态网络连接，使这些算力节点能够利用车载的闲置算力进行图像和位置信息的处理，获取空闲停车位以及空闲停车位的位置信息，这些位置信息上传并保存在智能网联汽车存储共享云平台上。这样，在不影响车辆功能和性能的前提下，将智能网联汽车车载闲时、闲置算力提供出来，充分利用了智能网联汽车的闲置算力进行大量图像和位置信息的处理，能够及时有效的处理停车识别过程中大量视频图形信息，缓解车载设备的计算压力，实现空闲车位位置的精准定位。同时，通过计算时间或者计算数据量来反馈智能网联汽车车主的报酬，能够使更多新能源智能网联汽车车主将自己的汽车加入到算力共享集群中。
14.所述第一信息和第二信息中，车辆周围的视频图像信息通过车载摄像头采集，所述位置信息通过车载rtk惯性组合导航采集。
15.进一步，所述步骤s2包括，
16.s21、智能网联汽车算力共享平台的算力调度系统统计周边预设范围内智能网联汽车的闲置算力；
17.s22、通过虚拟化、容器化和资源管理技术将智能网联汽车的车载算力中的闲置算力安全隔离；
18.s23、将各智能网联汽车中安全隔离后的闲置算力建立动态网络连接，用于处理接收到的第一信息。
19.进一步，步骤s3中，识别并获取空闲车位的位置信息具体为：
20.s31、通过ai算法识别出空闲车位的车位线和中心点；
21.s32、提取空闲车位的中点像素坐标；
22.s33、利用视觉slam算法系统中的针孔相机模型进行相机的反投影计算，从像素坐标系-图像坐标系-相机坐标系-世界坐标系，依次进行坐标转换得到此空闲车位的中点在世界坐标系上的位置。
23.具体的，步骤s31中，识别出空闲车位的车位线和中心点具体为：智能网联汽车对车载摄像头获取的车位图像进行预处理；利用边缘检测算子进行停车位特征的提取；利用停车位数据库与提取出的停车位特征进行匹配，最终实现对停车位的识别。
24.进一步，所述图像的预处理的步骤包括图像灰度化、几何变换和图像增强。
25.本发明的第二个目的是提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行所述的基于算力共享的停车位获取方法的步骤。
26.本发明的第三个目的是提供一种基于智能网联汽车算力共享的停车位获取系统，用于所述方法中，包括至少一辆智能网联汽车、智能网联汽车算力共享平台和智能网联汽车存储共享云平台；
27.所述智能网联汽车，用于获取第一信息，并将第一信息发送到智能网联汽车算力共享平台；
28.所述智能网联汽车算力共享平台，用于获取预设范围内各智能网联汽车的闲置算力，将具有闲置算力的智能网联汽车作为算力节点建立动态网络连接，并将第一信息发到各算力节点；
29.所述智能网联汽车存储共享云平台，用于存储空闲车位的位置信息，在地图上显示空闲车位；以及在接收到停车请求后，获取请求车辆的第二信息，筛选出距离最近的空闲车位，将空闲车位的位置信息发送至请求车辆。
30.通过上述系统，能够将智能网联汽车周围的视频图像信息和该车辆的位置信息实时采集并发送至智能网联汽车算力共享平台，智能网联汽车算力共享平台将具有闲置算力的智能网联汽车作为算力节点建立动态网络连接，利用车载的闲置算力进行图像和位置信息的处理，获取空闲停车位以及空闲停车位的位置信息。充分利用了智能网联汽车的闲置算力，能够及时有效的处理停车识别过程中大量视频图形信息，缓解车载设备的计算压力。
31.进一步，所述智能网联汽车包括车载摄像头、rtk惯性组合导航、车载通信单元和域控制器；
32.所述车载摄像头用于采集车辆周围的视频图像信息；
33.所述rtk惯性组合导航用于采集车辆自身的位置信息；
34.所述车载通信单元，用于将采集到的视频图像信息和车辆自身的位置信息发送到智能网联汽车智能网联汽车算力共享平台；
35.所述域控制器，用于与智能网联汽车算力共享平台通信连接，接受智能网联汽车算力共享平台的调度。
36.本发明的第四个目的是提供一种车辆，所述车辆搭载有所述的基于智能网联汽车算力共享的停车位获取系统。
37.与现有技术相比，本发明具有如下有益效果：
38.1、通过智能网联汽车获取车辆周围的视频图像信息和该车辆的位置信息并上传至智能网联汽车算力共享平台，智能网联汽车算力共享平台统计预设范围内各智能网联汽车的闲置算力，并将具有闲置算力的智能网联汽车作为算力节点建立动态网络连接，使这些算力节点能够利用车载的闲置算力进行图像和位置信息的处理，获取空闲停车位以及空闲停车位的位置信息，这些位置信息上传并保存在智能网联汽车存储共享云平台上。这样，在不影响车辆功能和性能的前提下，将智能网联汽车车载闲时、闲置算力提供出来，充分利用了智能网联汽车的闲置算力进行大量图像和位置信息的处理，能够及时有效的处理停车识别过程中大量视频图形信息，缓解车载设备的计算压力，实现空闲车位位置的精准定位。
39.2、通过计算时间或者计算数据量来反馈智能网联汽车车主的报酬，能够使更多新能源智能网联汽车车主将自己的汽车加入到算力共享集群中。
附图说明
40.图1为本发明一种基于算力共享的停车位获取方法的流程图。
41.图2为本发明中智能网联汽车算力共享平台获取停车位的流程图。
42.图3为本发明实现智能网联汽车算力共享平台的关键技术图。
43.图4为本发明一种基于算力共享的停车位获取方法的应用示意图。
44.图5为本发明一种智能网联汽车部分硬件框图。
具体实施方式
45.下面将结合附图及实施例对本发明作进一步说明。
46.实施例一
47.本实施例公开一种基于算力共享的停车位获取方法，参见图1，包括，
48.s1、智能网联汽车获取第一信息，并将第一信息发送到智能网联汽车算力共享平台。其中，所述第一信息包括该车辆周围的视频图像信息、车辆自身信息和该车辆的位置信息。
49.s2、智能网联汽车算力共享平台获取预设范围内各智能网联汽车的闲置算力，将具有闲置算力的智能网联汽车作为算力节点建立动态网络连接，并将第一信息发到各算力节点上。
50.s3、各算力节点识别并获取空闲车位的位置信息，将位置信息发送到智能网联汽车存储共享云平台。
51.s4、智能网联汽车存储共享云平台存储空闲车位的位置信息，并基于位置信息在地图上显示空闲车位。在接收到停车请求后，智能网联汽车存储共享云平台获取请求车辆的第二信息，并基于空闲车位的位置信息和第二信息筛选出距离最近的空闲车位，将距离最近的空闲车位的位置信息发送至请求车辆。所述第二信息包括待停车车辆的位置信息。
52.具体实施时，所述第一信息和第二信息中，车辆周围的视频图像信息通过车载摄像头采集，所述位置信息通过车载rtk惯性组合导航采集。
53.其中，所述车载摄像头传感器可为全景相机、单目相机、双目相机等，作为视频图形信息的采集端。当车辆在运动过程中，将采集的道路视频图形信息发送给obu。rtk惯性组合导航由惯导系统和gnss定位系统组成，可以实现车辆厘米级定位，采集车辆的定位信息，用于停车位的定位。第一信息通过5g通信技术实时发送到智能网联汽车算力共享平台。智能网联汽车上传的第一信息包括视频图形信息、车辆经纬度、车辆自身信息。
54.通过域控制器分布式计算/存储框架技术，使智能汽车域控制器虚拟化和容器化，让域控制器的闲置算力和闲置内存可被调度使用，并且通过车载系统实时监控和管理车载域控制器算力和内存的使用情况，接收计算任务，再将计算结果返回给算力管理系统，接收存储任务，将算力共享云平台的数据和信息存储在闲置内存中。
55.具体实施时，步骤s2具体包括：
56.s21、智能网联汽车算力共享平台的算力调度系统统计周边预设范围内智能网联汽车的闲置算力。
57.s22、通过虚拟化、容器化和资源管理技术将智能网联汽车的车载算力中的闲置算力安全隔离。
58.s23、将各智能网联汽车中安全隔离后的闲置算力建立动态网络连接，用于处理接收到的第一信息。
59.智能网联汽车算力共享平台接收到视频图形信息和车辆信息以后，智能网联汽车算力共享平台的算力调度系统统计周边预设范围内智能网联汽车的闲置算力，通过虚拟化，容器化，资源管理等技术实现车载算力的安全隔离与调度，将大量智能网联汽车闲置算力建立动态网络连接，并把需要处理的大量视频图形信息和车辆自身信息下发到动态算力网络节点。
60.具体实施时，步骤s3中，识别并获取空闲车位的位置信息具体为：
61.s31、通过ai算法识别出空闲车位的车位线和中心点。
62.s32、提取空闲车位的中点像素坐标。
63.s33、利用视觉slam算法系统中的针孔相机模型进行相机的反投影计算，从像素坐标系-图像坐标系-相机坐标系-世界坐标系，依次进行坐标转换得到此空闲车位的中点在世界坐标系上的位置。
64.具体的，参见图2，步骤210为车载摄像头采集视频图形数据。220为将采集到的视频图形数据先进行预处理并提取图形特征。230为利用核心网络提供停车位图形数据库进行特征匹配并识别出空闲车位和车位状态信息。240为提取识别出的空闲停车位中心像素坐标。250为利用视觉slam算法系统中的针孔相机模型进行反投影计算确当空闲停车位坐标。
65.停车位识别主要利用ai算法进行空闲车位的识别，智能网联汽车共享算力节点先进行图像预处理，图像预处理的主要步骤：1灰度化-》2几何变换3-》图像增强。再进行图像特征的提取，主要利用边缘检测算子进行停车位特征的提取。然后，利用停车位数据库与提取出的停车位特征进行匹配，最终实现对停车位的识别，提取出识别空闲车位的中心像素坐标。提取空闲车位的中心像素坐标完成后，利用视觉slam算法系统中的针孔相机模型进行相机的反投影计算，从像素坐标系-图像坐标系-相机坐标系-世界坐标系，依次进行坐标转换得到识别空闲车位中点在世界坐标系上的坐标，从而确定空闲车位的位置。
66.坐标转换的具体步骤包括：
67.世界坐标系：用矩阵表示相机坐标系：用矩阵表示图像坐标系：用矩阵表示像素坐标系：矩阵表示以下公式描述了四个坐标系之间的转换关系。
[0068][0069]
以上公式中，d
x
和dy表示1个像素有多少长度，即用传感器的尺寸除以像素数量，f表示焦距，c
x
、cy表示图像物理坐标系中点在像素坐标系中的坐标位置，是相机外参矩阵。要求像素坐标系中某像素点对应在世界坐标系中的位置，需要知道相机的内参、外参，相机的内参可以通过标定获得，外参可以人为设定，当每辆智能网联汽车上传采集的视频图形信息的同时也上传车载摄像头的内外参数信息，用于数据处理。
[0070]
计算步骤：
[0071]
1)将像素坐标变换到图像坐标系；
[0072][0073]
2)从图像坐标系变换到相机坐标系；
[0074][0075]
3)从相机坐标系变换到世界坐标系。
[0076][0077]
其中r为3x3的正交旋转矩阵，t为三维平移向量，这几个参数就是相机的外参矩阵。
[0078]
所述坐标转换之后，可以获得空闲停车位中点在世界坐标系中坐标，利用高精地图进行导航，引导车辆找到停车位的坐标位置。
[0079]
所述智能网联汽车算力共享平台实施方案，通过让新能源智能网联汽车车主将自己的汽车加入到算力共享集群中。在不影响车辆功能和性能的前提下，将智能网联汽车车载闲时、闲置算力提供出来，通过计算时间或者计算数据量来反馈车主相应的报酬。
[0080]
实现智能网联汽车算力共享平台的关键技术如图3所示。所述310为基于kubernetes的开源容器化技术，是在docker的基础上建立的容器集群管理系统，容器云平台部署于基站云端服务器上，主要由资源层、平台层、应用层3部分组成，构建容器云服务平台。所述320为基于hypervisor的虚拟化和接口技术，作为支持多个操作系统内核和应用系统同时运行的基础模块，成为智能网联汽车算力共享平台系统软件中保护系统安全的核心组件；所述330为基于k9s的资源和调度算法技术，是一个基于终端的ui，可以与kubernetes容器集群进行交互，用于观察和管理计算任务的分配，利用k9s持续监视kubernetes容器的变化，并提供后续计算任务的分配。所述340为隔离技术，设计采用一种基于实时惩罚机制实现算力隔离的原理，能有效解决共享算力集群中计算单元进行多任务处理之间的相互影响问题。所述350为底层网络协议支持技术，底层网络协议包括：arp(地址解析协议)、icmp(互联网控制消息协议)、路由选择协议、ospf(开放式最短路径优先)、bgp(边界网关协议)、dhcp(动态主机设置协议)、nat(地址转换协议)，利用网络底层支持技术将上述协议整合用于算力共享云平台的通信网络。所述360为自组织网络优化和虚拟网络协议技术，利用移动负载均衡方案、移动鲁棒性优化方案、随机接入信道(rach)优化方案、节能优化方案等进行自组织网络优化。虚拟网络协议连接技术，就是将infiniband协议、以太网协议和fc协议相互融合，可以运行以太网协议和fc协议在infiniband网络之上，也可以运行fc协议在以太网络上，实现三网共享单一物理网络。通过上述关键技术的实施，可以实现智能网联汽车算力共享云平台370。
[0081]
通过智能网联汽车获取车辆周围的视频图像信息和该车辆的位置信息并上传至智能网联汽车算力共享平台，智能网联汽车算力共享平台统计预设范围内各智能网联汽车的闲置算力，并将具有闲置算力的智能网联汽车作为算力节点建立动态网络连接，使这些算力节点能够利用车载的闲置算力进行图像和位置信息的处理，获取空闲停车位以及空闲停车位的位置信息，这些位置信息上传并保存在智能网联汽车存储共享云平台上。这样，在不影响车辆功能和性能的前提下，将智能网联汽车车载闲时、闲置算力提供出来，充分利用
了智能网联汽车的闲置算力进行大量图像和位置信息的处理，能够及时有效的处理停车识别过程中大量视频图形信息，缓解车载设备的计算压力，实现空闲车位位置的精准定位。同时，通过计算时间或者计算数据量来反馈智能网联汽车车主的报酬，能够使更多新能源智能网联汽车车主将自己的汽车加入到算力共享集群中。
[0082]
实施例二
[0083]
为了进一步说明本发明通过算力共享及时准确获取停车位的实际效果，本实施例公开了一种基于实施例一实现的基于算力共享的停车位获取方法及应用场景。
[0084]
参见图4，无线通信系统100包括基站110、111、112，智能网联汽车算力节点130、131、132，5g无线通信链路140、141、142、143、144、145，所述基站110、111、112和基站的云端服务器可以作为所述智能网联汽车算力共享云平台120，所述算力共享云平台120可以通过通信的方式耦合到移动核心网络云平台121，移动核心网络云平台121可以通过5g网络为算力共享云平台120提供服务。所述基站信号范围内的智能网联汽都可以作为并行的计算节点，通过算力共享云平台120分配算力任务，所述基站信号范围内运动的智能网联汽车都可以作为视频图形信息的采集车，通过车载摄像头采集道路两侧停车位160、161、162、163
…
n、n 1，其中150为车载摄像头探测范围。
[0085]
当大量的智能网联汽在城市道路或者停车库行驶过程中，车载摄像头采集车辆周围大量的视频图像信息，车载rtk惯性组合导航采集车辆自身定位信息，通过车载通信单元obu，利用5g通信技术实时的将采集到的大量视频图像信息和车辆自身信息发送到智能网联汽车算力共享平台120。
[0086]
智能网联汽车算力共享平台120接收到视频图形信息以后，智能网联汽车算力共享平台120的算力调度系统统计周边预设范围内智能网联汽车剩余算力，通过虚拟化，容器化，资源管理等技术实现车载算力的安全隔离与调度，将大量智能网联汽车130、131、132的闲置算力建立动态网络连接，并把需要处理的大量视频图形信息和车辆自身信息下发到动态智能网联汽车算力节点130、131、132。
[0087]
在各算力节点130、131、132中，利用ai图像识别算法进行停车位识别，利用slam算法系统中的针孔相机反投影算法进行空闲停车位的定位。当各个算力节点处理完下发的信息后，将得到的车位状态信息和定位信息上传到智能网联汽车存储共享云平台，在高精地图显示各个停车位的坐标位置，当云平台收到停车位请求后，推送车辆周围的空闲车位定位信息，利用高精地图引导车辆找到停车位。
[0088]
实施例三
[0089]
本实施例在实施例一的基础上，公开了一种存储介质。
[0090]
一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行所述的基于算力共享的停车位获取方法的步骤。计算机可读存储介质可以是u盘、硬盘或其他具有存储功能的设备。
[0091]
实施例四
[0092]
本实施例在实施例一和实施例二的基础上，公开了一种基于智能网联汽车算力共享的停车位获取系统，用于所述方法中。包括至少一辆智能网联汽车、智能网联汽车算力共享平台和智能网联汽车存储共享云平台。
[0093]
所述智能网联汽车，用于获取第一信息，并将第一信息发送到智能网联汽车算力
共享平台。
[0094]
所述智能网联汽车算力共享平台，用于获取预设范围内各智能网联汽车的闲置算力，将具有闲置算力的智能网联汽车作为算力节点建立动态网络连接，并将第一信息发到各算力节点。
[0095]
所述智能网联汽车存储共享云平台，用于存储空闲车位的位置信息，在地图上显示空闲车位。以及在接收到停车请求后，获取请求车辆的第二信息，筛选出距离最近的空闲车位，将空闲车位的位置信息发送至请求车辆。
[0096]
参见图5，所述智能网联汽车包括车载摄像头、rtk惯性组合导航、车载通信单元和域控制器。
[0097]
所述车载摄像头用于采集车辆周围的视频图像信息。
[0098]
所述rtk惯性组合导航用于采集车辆自身的位置信息。
[0099]
所述车载通信单元，用于将采集到的视频图像信息和车辆自身的位置信息发送到智能网联汽车智能网联汽车算力共享平台。
[0100]
所述域控制器，用于与智能网联汽车算力共享平台通信连接，接受智能网联汽车算力共享平台的调度。
[0101]
智能网联汽车硬件主要包括车载通信单元(obu)、车载摄像头、rtk惯性组合导航和域控制器四部分组成，obu主要负责信号的发送和接收，车载摄像头和rtk惯性组合导航主要负责采集道路两侧视频图形信息和车辆自身定位信息。
[0102]
当大量的智能网联汽在城市道路或者停车库行驶过程中，车载摄像头采集车辆周围大量的视频图像信息，车载rtk惯性组合导航采集车辆自身定位信息，然后通过车载通信单元obu，利用5g通信技术实时的将采集到的大量视频图像信息和车辆自身信息发送到智能网联汽车算力共享平台。
[0103]
通过上述系统，能够将智能网联汽车周围的视频图像信息和该车辆的位置信息实时采集并发送至智能网联汽车算力共享平台，智能网联汽车算力共享平台将具有闲置算力的智能网联汽车作为算力节点建立动态网络连接，利用车载的闲置算力进行图像和位置信息的处理，获取空闲停车位以及空闲停车位的位置信息。充分利用了智能网联汽车的闲置算力，能够及时有效的处理停车识别过程中大量视频图形信息，缓解车载设备的计算压力。
[0104]
实施例五
[0105]
本实施例在实施例四的基础上，公开了一种车辆。
[0106]
一种车辆，所述车辆搭载有所述的基于智能网联汽车算力共享的停车位获取系统。
[0107]
如上所述，本发明的提醒系统不限于所述配置，其他可以实现本发明的实施例的系统均可落入本发明所保护的范围内。
[0108]
最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。