一种基于车身CAN数据及终端应用的停车场智能寻车方法与流程

本发明涉及停车场管理技术领域，特别是涉及一种基于车身can数据及终端应用的停车场智能寻车方法。

背景技术：

在地下空间里，特别是城市大型商城、大型娱乐等公众场所的地下空间，由于地下空间的停车场一般建设模规较大，交通组织及空间布局较为复杂，而且车主对地下空间的停车区域陌生，诸多因素造成车主停车之后找车困难。

现阶段，室内定位技术有非常多的解决方案，然而能作为消费级的技术解决方案却不是太多，目前基于轻量级传感器和手机终端的已经商用的室内定位方案主要有蓝牙、wifi和gps。

然而gps精度不准确，不能100％定位，且gps仪器不同，所产生的效果也是天差地别，gps还受到很多方面的影响，包含大楼、高架桥、电波等等，进而导致室内定位更加不精准，进而造成几十甚至几百米范围的偏差，让车主在寻车的时候更加迷惑；且蓝牙、wifi需要增加额外的设备，造成停车场成本增加，大多数停车场不能接受；最后，地下停车场缺少告知车主出入口位置，导致车主在地下车停场转悠，浪费时间精力。

技术实现要素：

本发明为克服上述现有停车场管理技术中，gps精度不准确，蓝牙、wifi需要增加额外的设备的问题，提供一种基于车身can数据及终端应用的停车场智能寻车方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于车身can数据及终端应用的停车场智能寻车方法，包括：

采集车速在一定范围内的车辆行驶过程中的正前方视频信号，并传送至云端服务器，以识别车辆正前方的停车场出入口道闸；

车辆实时获取其车身can数据并传送至云端服务器，移动终端获取其陀螺仪数据和加速计数据发送至云端服务器；

云端服务器提取识别到的停车场出入口道闸到车辆熄火时的车身can数据，计算获取车辆在地下停车场的行驶轨迹图，同时提取车辆熄火后的移动终端的陀螺仪数据和加速计数据，计算获取车主的步行轨迹图；

发送车辆在地下停车场的行驶轨迹图以及车主的步行轨迹图到移动终端应用以生成完整的导航线路图。

进一步的，作为优选技术方案，识别车辆正前方的停车场出入口道闸具体包括：

判断车速，当车速小于等于第一预设阈值时，通过安装在车辆端的视频识别单元实时采集车辆行驶中的正前方视频信号发送至云端服务器；

云端服务器将视频信号通过opencv拆分帧为图片，通过其内部设置的停车场出入口道闸识别算法识别图片，以识别出车辆进入停车场入口道闸时的图片并提取车辆进入停车场入口道闸时的时间戳。

进一步的，作为优选技术方案，还包括：当车辆传送车身can数据至云端服务器时，若发生一定次数的数据上传失败提醒，则同步车身can数据和位置信息至移动终端，移动终端上传车身can数据和位置信息至云端服务器。

进一步的，作为优选技术方案，车辆在地下停车场的行驶轨迹图的获取具体包括：

以云端服务器识别到的车辆进入停车场入口道闸时的时间戳为第一时间点，以车辆熄火时刻为第二时间点，提取第一时间点到第二时间点之间的车身can数据作为车辆在地下停车场的行驶数据，根据该行驶数据生成车辆在地下停车场的行驶轨迹图。

进一步的，作为优选技术方案，车辆在地下停车场的行驶轨迹图的生成具体包括：

提取第一时间点到第二时间点之间的多个时间段；

获取每个时间段对应的的转角差、平均速度、行驶距离；

以第一时间点为原点建立三维坐标系，根据第一时间点到第二时间点之间的车身can数据结合每个时间段对应的的转角差、平均速度、行驶距离采用3d建模生成车辆在地下停车场的行驶轨迹图。

进一步的，作为优选技术方案，步行轨迹图的获取具体包括：

以第二时间点的下一时刻为陀螺仪数据的起始时间点，上传至云端服务器的最后一条陀螺仪数据对应的时间点为陀螺仪数据的终止时间点，提取起始时间点到终止时间点之间的陀螺仪数据和加速计数据作为车辆熄火后车主的步行轨迹数据，根据该步行轨迹数据生成车主的步行轨迹图。

进一步的，作为优选技术方案，步行轨迹图的生成具体包括：

提取起始时间点到终止时间点之间的多个时间段；

根据陀螺仪数据计算每个时间段对应的位置的最优值向量、角度以及陀螺仪的值；

根据每个时间段对应的位置的最优值向量、角度以及陀螺仪的值计算每个时间段的位置向量；

对加速计数据进行归一化处理的到每个时间段的加速度计的测量值向量；

对每个时间段的加速度计的测量值向量和位置向量进行加权平均处理，得到每个时间段的位置的最优值向量；

根据每个时间段的位置的最优值向量采用3d建模生成车主的步行轨迹图。

进一步的，作为优选技术方案，所述陀螺仪的值为对每个时间段的陀螺仪的数据进行归一化处理的得到的。

进一步的，作为优选技术方案，获取的车身can数据包括车速、转角、曲率、加速度、俯仰角、数据采集时间、车辆位置。

与现有技术相比，本发明技术方案的有益效果是：

本发明在不依赖地下停车场的gps信号以及其他设备的情况下，同时不需要提前导入停车场地图，仅通过车身can数据和移动终端数据实现车辆在停车场中的位置确定，是车主快速找到车辆以及停车场出入口，解决车主寻车难、找出口难问题。

附图说明

图1为本发明步骤流程图。

图2为本发明三维坐标示意图。

图3为本发明完整的导航线路图示意图。

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的；相同或相似的标号对应相同或相似的部件；附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征更易被本领域技术人员理解，从而对本发明的保护范围作出更为清楚的界定。。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。

此外，若有“第一”、“第二”等术语仅用于描述目的，主要是用于区分不同的装置、元件或组成部分(具体的种类和构造可能相同也可能不同)，并非用于表明或暗示所指示装置、元件或组成部分的相对重要性和数量，而不能理解为指示或者暗示相对重要性。

实施例1

本实施例公开一种基于车身can数据及终端应用的停车场智能寻车方法，如图1所示，包括：

s10、采集车速在一定范围内的车辆行驶过程中的正前方视频信号，并传送至云端服务器，以识别车辆正前方的停车场出入口道闸。

本步骤具体包括：

s101、判断车速，当车速小于等于第一预设阈值时，通过安装在车辆端的视频识别单元实时采集车辆行驶中的正前方视频信号，并通过车辆内部安装的通讯传输模块发送至云端服务器。

或者，本步骤还可以为：实时采集车辆行驶过程中的正前方视频信号，筛选出车速在第一预设阈值范围内的正前方视频信号，通过车辆内部安装的通讯传输模块发送至云端服务器。

在本步骤中，第一预设阈值可设置为2-10km/h，优选的，可设置为3-7km/h，在本实施例中，第一预设阈值设置为5km/h。优选的，该通讯传输模块采用5g网络。

s20、云端服务器将视频信号通过opencv拆分帧为图片，通过其内部设置的停车场出入口道闸识别算法识别图片，以识别出车辆进入停车场入口道闸时的图片并提取车辆进入停车场入口道闸时的时间戳。

在本步骤中，云端服务器内设有停车场出入口道闸识别算法，该算法包括esnet深度学习算法。

云端服务器接收到车辆发送的视频信号后，通过opencv拆分帧为图片；通过resnet深度学习算法和人工配置识别图片，以识别出车辆进入停车场入口道闸时的图片并提取车辆进入停车场入口道闸时的时间戳t1。本步骤中通过机器学习，能不断迭代算法，不断纠错，不断的提高识别正确率。

s20、车辆实时获取其车身can数据并传送至云端服务器，移动终端获取其陀螺仪数据和加速计数据发送至云端服务器。

本步骤具体为：

车辆在不依赖停车场的gps信号以及其他设备的情况下，实时获取其车身can数据，包括车速、转角、曲率、加速度、俯仰角、数据采集时间、车辆位置等，在信号良好的情况下，传送至云端服务器；

当车辆传送车身can数据至云端服务器时，若发生一定次数的数据上传失败提醒，则说明当前网络环境差，需要切换上报途径，此时，通过蓝牙同步车身can数据和位置信息至移动终端暂存，当移动终端上切换到信号良好的位置时，移动终端上传车身can数据和位置信息至云端服务器。同时，上传其陀螺仪数据和加速计数据发送至云端服务器。

此步骤中，数据上传失败的次数常规设置为3次，也可根据需求调整设置次数，此处不进行过多限制。

s30、云端服务器提取识别到的停车场出入口道闸到车辆熄火时的车身can数据，计算获取车辆在地下停车场的行驶轨迹图，同时提取车辆熄火后的移动终端的陀螺仪数据和加速计数据，计算获取车主的步行轨迹图。

本步骤具体包括：

s301、以云端服务器识别到的车辆进入停车场入口道闸时的时间戳为第一时间点，以车辆熄火时刻为第二时间点，提取第一时间点到第二时间点之间的车身can数据作为车辆在地下停车场的行驶数据，根据该行驶数据生成车辆在地下停车场的行驶轨迹图。

在本步骤中，从云端服务器识别到进入停车场入口匝道开始后第一时间点对应的车身can数据为进入到停车场开始位置，以第二时间点对应的车身can数据为车辆的停车位置，提取第一时间点到第二时间点之间的多个时间段的车身can数据作为车辆在地下停车场的行驶数据，根据该行驶数据生成车辆在地下停车场的行驶轨迹图。

车辆在地下停车场的行驶轨迹图的生成具体包括：

提取第一时间点到第二时间点之间的多个时间段。

假设，第一时间点为t1时刻，第二时间点为tn时刻，提取第一时间点t1到第二时间点tn之间的n-1个时间段(t2-t1，t3-2，…，tn-tn-1)，记为(t1,t2…，tn-1)。

根据第一时间点到第二时间点之间的车身can数据获取每个时间段对应的的转角差(c1，c2…，cn-1)、平均速度[(v2-v1)/2，v3-v2)/2……,vn-vn-1)/2]，记为【av1，av2…，avn-1】、行驶距离【s1，s2，s3…，sn-1】；

其中，行驶距离【s1，s2，s3…，sn-1】为每个时间段(t1,t2…，tn-1)与其对应平均速度【av1，av2…，avn-1】的乘积，即【s1，s2，s3…，sn-1】为【av1*t1，av2*t2，av3*t3.......，avn-1*tn-1】。

以第一时间点为原点建立三维坐标系，根据第一时间点到第二时间点之间的车身can数据结合每个时间段对应的转角差、平均速度、行驶距离采用3d建模生成车辆在地下停车场的行驶轨迹图。

本步骤具体为：

以第一时间点为原点建立三维坐标系，即以车辆进入停车场入口道闸时的时间戳为三维坐标系的原点，以每个时间段对应的转角差c为水平y轴的角度、行驶距离s为水平x轴的位移，对应时刻车身can数据中对应的俯仰角el为z轴的角度，依次根据(s1,c1,el1)，(s2,c3,el2)…，(sn-1,cn-1,eln-1)在3维空间模型中描画行驶线段，运用3d建模得出车辆在地下停车场的行驶轨迹图。

s302、以第二时间点的下一时刻为陀螺仪数据的起始时间点，上传至云端服务器的最后一条陀螺仪数据对应的时间点为陀螺仪数据的终止时间点，提取起始时间点到终止时间点之间的陀螺仪数据和加速计数据作为车辆熄火后车主的步行轨迹数据，根据该步行轨迹数据生成车主的步行轨迹图。

本步骤具体包括：

在本步骤中，以车辆熄火时刻的下一时刻(tn+1)为陀螺仪数据的起始时间点，同时为车主下车步行起点，上传至云端服务器的最后一条陀螺仪数据对应的时间点为陀螺仪数据的终止时间点，即最后一条陀螺仪数据的时间点为终止时间点，提取起始时间点到终止时间点之间的陀螺仪数据和加速计数据作为车辆熄火后车主的步行轨迹数据，根据该步行轨迹数据生成车主的步行轨迹图

车主的步行轨迹图的生成具体包括：

假设，陀螺仪数据的起始时间点为ts，陀螺仪数据的终止时间点为tsn，提取起始时间点ts到终止时间点tsn之间的n-1个时间段(ts+1-ts，ts+2-ts+1，…，tsn-tsn-1)，记为(ts,ts+1…，tsn-1)。

根据陀螺仪数据计算每个时间段对应的位置的最优值向量、角度以及陀螺仪的值。

例如，如图2所示：

通过以下公式得到上一时间段对应的位置的最优值向量restx(n-1)，resty(n-1)，restz(n-1)；

restx(n-1)*restx(n-1)+resty(n-1)*resty(n-1)+restz(n-1)*restz(n-1)＝1*1；

根据上一时间段对应的位置的最优值向量restx(n-1)，resty(n-1)，restz(n-1)计算出角度∠axz、∠ayz；

对每个时间段的陀螺仪数据(gratexz，grateyz)进行归一化处理，得到陀螺仪的值gratexz(n)，grateyz(n)

其中，陀螺仪数据gratexz是惯性力矢量坐标在xz平面上的投影，grateyz是惯性力矢量坐标在yz平面上的投影；

所述陀螺仪的值gratexz(n)，grateyz(n)为对每个时间段的陀螺仪的数据gratexz，grateyz进行归一化处理的得到的。

如下：

gratexz(n)＝(gratexz(n)+gratexz(n-1))/√(gratexz(n)²+gratexz(n-1)²)，

grateyz(n)＝(grateyz(n)+grateyz(n-1))√(grateyz(n)²+grateyz(n-1)²)；

根据每个时间段对应的位置的最优值向量restx(n-1)，resty(n-1)，restz(n-1)、角度∠axz、∠ayz以及陀螺仪的值gratexz(n)，grateyz(n)计算每个时间段的位置向量grx(n)、gry(n)、grz(n)；

其中：该位置向量grx(n)、gry(n)、grz(n)通过以下公式计算：

grx(n)*grx(n)+gry(n)*gry(n)+grz(n)*grz(n)＝1*1；

sin∠aestxz＝grx(n)/sqrt[grx(n)*grx(n)+grz(n)*grz(n)]；

sin∠aestyz＝gry(n)/sqrt[gry(n)*gry(n)+grz(n)*grz(n)]；

∠aestxz、∠aestyz通过以下公式计算：

∠aestxz＝∠axz+gratexz(n)*t；

∠aestyz＝∠ayz+grateyz(n)*t。

对加速计数据进行归一化处理的到每个时间段的加速度计的测量值向量rax(n)，ray(n)，raz(n)；

其中，rax(n)*rax(n)+ray(n)*ray(n)+raz(n)*raz(n)＝1*1；

对每个时间段的加速度计的测量值向量和位置向量进行加权平均处理，得到每个时间段的位置的最优值向量restx(n)、resty(n)、restz(n)；

其根据rax(n)，ray(n)，raz(n)和grx(n)、gry(n)、grz(n)，对其进行加权平均处理，得到：restx(n)、resty(n)、restz(n)。

根据每个时间段的位置的最优值向量采用3d建模生成车主的步行轨迹图。

即通过以上算法得到每一个时间点车主步行轨迹的空间坐标点，根据时间序列结合最优空间坐标点利用3d建模生成步行轨迹。

s40、发送车辆在地下停车场的行驶轨迹图以及车主的步行轨迹图到移动终端应用以生成完整的导航线路图，如图3所示，车主可根据该导航线路图快速找到停在地下停车场中的车辆，然后找到停车场出入口道闸，出停车场。

同时，在本实施例中，优选的，移动终端采用手机或者平板电脑等。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。