车辆费用支付系统和方法与流程

1.本技术实施例涉及物联网技术领域，特别是涉及一种车辆费用支付系统和方法。


背景技术：

2.新能源汽车adas(advanced driving assistance system，高级驾驶辅助系统)是利用安装在车辆上的各种传感器(如智能摄像头、毫米波雷达、激光雷达、gnss等)，在车辆行驶过程中随时感应周围环境，收集数据，进行动静态物体的辨识、侦测与追踪，并结合高精度地图数据，进行系统性的运算和规划控制，有效避免可预见性的危险，同时增加车辆的舒适性，另外结合相关的传感器开发额外人性化功能，可以使新能源汽车更加智能化。
3.作为驾驶辅助系统中越来越被推崇的记忆泊车hpp(home zone parking pilot)能够提升日常生活的便利性，同时提高出行效率，得到了广泛认可与关注。基于hpp的功能上拓展出的智能召唤(intelligent summon mode)是目前新能源汽车搭载的较为前沿技术，利用域控制器，高清摄像头，超声波雷达，gnss、gps、rtk和imu组成的惯导系统，sd地图，云端，手机app等实现人与车辆远距离召唤功能。
4.但是，在用户使用智能召唤功能时，车辆从停车位召唤至指定位置(比如从地库停车位召唤至地面指定位置)一般需要经过付费闸机口处理缴费任务，如果是在临时停车的商场类区域，现有技术无法在人车分离情况下进行车辆费用的支付，智能召唤功能会因为无法顺利通过收费口而导致召唤功能点到点功能不能完全实现，同时引发后续车辆堵塞情况。


技术实现要素：

5.本技术实施例提供一种车辆费用支付系统和方法，以实现在人车分离情况下进行车辆费用的远程支付，避免车辆堵塞。
6.为了解决上述问题，第一方面，本技术实施例提供了一种车辆费用支付系统，包括：
7.信息采集装置，安装于车辆主驾侧侧身，与控制单元连接，用于采集待支付车辆费用信息，并将所述待支付车辆费用信息传输至所述控制单元；
8.控制单元，位于所述车辆中，与车联网通讯终端连接，用于将所述待支付车辆费用信息传输至所述车联网通讯终端；
9.车联网通讯终端，位于所述车辆中，与移动终端无线通讯，用于将所述待支付车辆费用信息发送至所述移动终端；
10.移动终端，用于根据所述待支付车辆费用信息执行车辆费用支付操作。
11.第二方面，本技术实施例提供了一种车辆费用支付方法，包括：
12.通过信息采集装置采集待支付车辆费用信息，并将所述待支付车辆费用信息传输至控制单元；
13.通过所述控制单元将所述待支付车辆费用信息传输至所述车联网通讯终端；
14.通过所述车联网通讯终端将所述待支付车辆费用信息发送至移动终端，所述移动终端用于根据所述待支付车辆费用信息执行车辆费用支付操作。
15.本技术实施例提供的车辆费用支付系统和方法，通过安装于车辆主驾侧侧身的信息采集装置采集待支付车辆费用信息，并将待支付车辆费用信息传输至控制单元，由控制单元将待支付车辆费用信息通过车联网通讯终端发送至移动终端，移动终端可以基于待支付车辆费用信息执行车辆费用支付操作，实现了在人车分离情况下进行车辆费用的远程支付，解决了智能召唤中的远程付费问题，可以避免未能及时进行车辆费用支付导致的车辆堵塞情况。
附图说明
16.为了更清楚地说明本技术实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
17.图1是本技术实施例提供的一种车辆费用支付系统的结构示意图；
18.图2是本技术实施例中高级驾驶辅助系统的结构示意图；
19.图3是本技术实施例提供的一种车辆费用支付方法的流程图；
20.图4是本技术实施例中先验框与真实包围框的对比示意图；
21.图5是本技术实施例提供的一种车辆费用支付方法的流程图。
具体实施方式
22.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
23.图1是本技术实施例提供的一种车辆费用支付系统的结构示意图，如图1所示，该车辆费用支付系统包括：信息采集装置10、控制单元20、车辆网通讯终端30和移动终端40。
24.其中，信息采集装置10安装于车辆主驾侧侧身，与控制单元连接，用于采集待支付车辆费用信息，并将所述待支付车辆费用信息传输至所述控制单元；
25.控制单元20位于所述车辆中，与车联网通讯终端连接，用于将所述待支付车辆费用信息传输至所述车联网通讯终端；
26.车联网通讯终端30位于所述车辆中，与移动终端无线通讯，用于将所述待支付车辆费用信息发送至所述移动终端；
27.移动终端40用于根据所述待支付车辆费用信息执行车辆费用支付操作。
28.信息采集装置10安装于车辆主驾侧的侧身，可以采集付费闸机口的待支付车辆费用信息。例如，信息采集装置10可以是图像采集装置，用于采集付费闸机口的包括待支付车辆费用信息的图像；或者，信息采集装置10还可以是采集付费闸机口的待支付车辆费用信息的传感器等装置；或者，信息采集装置10还可以是近场通信装置，可以与位于付费闸机口的携带有待支付车辆费用信息的装置进行近场通信来采集待支付车辆费用信息。
29.控制单元20可以是车辆中高级驾驶辅助系统中的域控制模块(adas domain controller system，adcs)，用于对车辆费用的远程支付进行控制，可以建立与用户使用的移动终端之间的通信，以将信息采集装置10采集到的待支付车辆费用信息通过车联网通讯终端30发送至移动终端40，从而移动终端40可以基于待支付车辆费用信息执行车辆费用支付操作，以完成在人车分离情况下车辆费用的远程支付。
30.车联网通讯终端30即车载t-box(telematicbox)，用于建立移动终端与高级驾驶辅助系统中控制单元20之间的通信。本技术实施例中，车联网通讯终端30可以将待支付车辆费用信息发送至移动终端，并可以接收移动终端针对待支付车辆费用信息的反馈信息，将所述反馈信息发送至控制单元20。其中，车联网通讯终端30与移动终端40之间的通信是无线通信，例如可以采用4g信号通信，或者也可以采用5g信号通信。
31.移动终端40是用户使用的终端设备，例如可以是手机、平板电脑等，可以显示车联网通讯终端30发送来的待支付车辆费用信息，并供用户进行操作，以执行车辆费用的支付操作，或者还可以拒绝车辆费用的支付操作。
32.本实施例提供的车辆费用支付系统，通过安装于车辆主驾侧侧身的信息采集装置采集待支付车辆费用信息，并将待支付车辆费用信息传输至控制单元，由控制单元将待支付车辆费用信息通过车联网通讯终端发送至移动终端，移动终端可以基于待支付车辆费用信息执行车辆费用支付操作，实现了在人车分离情况下进行车辆费用的远程支付，解决了智能召唤中的远程付费问题，可以避免未能及时进行车辆费用支付导致的车辆堵塞情况。
33.在上述技术方案的基础上，所述信息采集装置为图像采集装置，所述图像采集装置用于：采集包括所述待支付车辆费用信息的图像，并将所述图像传输至所述控制单元。
34.信息采集装置10可以为图像采集装置，图像采集装置例如可以是摄像头，图像采集装置安装于主驾侧侧身，可以采集付费闸机口中包括待支付车辆费用信息的图像，并将图像传输至控制单元20，控制单元20可以将包括待支付车辆费用信息的图像传输至车联网通讯终端30，车联网通讯终端30将所述图像发送至移动终端40，移动终端40可以识别图像中的待支付车辆费用信息，并基于待支付车辆费用信息执行车辆费用支付操作。通过图像采集装置来作为信息采集装置，可以较为快速方便地采集到待支付车辆费用信息，而且不需要付费闸机口安装其他设备即可实现。
35.其中，所述图像采集装置安装于所述车辆的b柱上，这样可以方便采集付费闸机口中包括待支付车辆费用信息的图像，例如可以方便采集包括收费二维码的图像。
36.在上述技术方案的基础上，在所述图像中，所述车辆费用信息通过二维码进行表征，这样采集到包括收费二维码的图像，即可获取到待支付车辆费用信息。
37.在上述技术方案的基础上，所述图像采集装置还用于：对所述图像进行卷积处理，并对所述图像中的二维码区域进行定位，基于定位结果提取出所述图像中的二维码区域，得到二维码图像，将所述二维码图像传输至所述控制单元；
38.所述控制单元具体用于：将所述二维码图像传输至所述车联网终端；
39.所述车辆网终端具体用于：将所述二维码图像发送至所述移动终端；
40.所述移动终端具体用于：对所述二维码图像进行识别，获得待支付车辆费用信息，并根据所述待支付车辆费用信息执行费用支付操作。
41.图像采集装置在采集到图像后，对所述图像进行处理，以提高所述图像的清晰度，
并提取出其中的二维码。可以使用基于神经网络的图像处理模型来对图像进行处理，该图像处理模型可以是基于全卷积神经网络的感知模型。图像采集装置通过图像处理模型对采集到的图像进行卷积处理，以提高图像的清晰度，并对图像中的二维码进行检测，确定图像中候选区域的中心点坐标、包围框尺寸和对应的置信度，将置信度大于置信度阈值的候选区域确定为二维码区域，基于二维码区域的中心点坐标和包围框尺寸，从图像中提取出二维码区域，得到二维码图像。图像采集装置在提取出二维码图像后，将二维码图像传输至控制单元，由控制单元将二维码图像传输至车联网终端，并由车联网终端将二维码图像发送至移动终端，移动终端可以对二维码图像进行识别，获得待支付车辆费用信息，并基于待支付车辆费用信息执行费用支付操作。
42.通过图像采集装置对采集到的图像进行处理，并提取出二维码图像后，只需要将二维码图像发送至移动终端，减少了传输的数据量，而且提高了二维码图像的清晰度，便于移动终端进行二维码的识别以及支付操作。
43.需要说明的是，上述对图像进行处理提取二维码图像的操作也可以由控制单元执行，即图像采集装置采集到图像后，可以将图像直接传输至控制单元，由控制单元使用上述的图像处理模型对所述图像进行处理并提取二维码图像，之后将二维码经过车联网通讯终端发送至移动终端，由移动终端完成车辆费用支付操作。
44.在上述技术方案的基础上，所述控制单元与所述车联网通讯终端通过硬线连接，所述硬线例如可以是pos(packet over sonet/sdh)硬线，以便于控制单元和车联网通讯终端之间可以快速传输图像。
45.图2是本技术实施例中高级驾驶辅助系统的结构示意图，如图2所示，高级驾驶辅助系统包括上述的车辆费用支付系统，即包括图像采集装置11、控制单元20、车联网通讯终端30、移动终端40，还包括智能中央网关50、车身域控制器60、动力域控制器70、方向盘80，以及传感器90、其他位置的摄像头100等。控制单元20和智能中央网关50通过can总线连接，车身域控制器60、动力域控制器70、方向盘80分别与智能中央网关50连接，传感器90和其他位置的摄像头100与控制单元20连接，车联网通讯终端30还通过can总线与智能中央网关50连接。摄像头100与控制单元20之间可传输低电压差动信号(low voltage differential signal，lvds)。
46.本技术实施例可以适用于将车辆从地库召唤至地面指定位置的场景中，若车辆通过收费闸口可以自动付费(或用户辅助付费)，这样在传统应用场景中，如长期居住业主未在物业停车管理系统中录入车牌信息，同时针对在外的大型活动中心或是商业中心的地下停车库，当人车分离情景下执行车辆召唤至指定位置时，如果遇到付费闸机口，能够有效的将车辆到达付费闸机口时采集到的收费二维码的图像通过5g信号传输至移动终端，创建了及时有效的支付环境，方便用户进行远程支付，解决了智能召唤时的远程付费问题，可以避免车辆堵塞，同时，还可以将用户支付情况和车辆控制情况进行移动终端和车辆之间的互通共享，即通过控制单元，用户能够实时了解车辆的具体状态，车辆也能通过用户的反馈信息继而结合自身感知环境、控制逻辑、执行机构等对车辆传达预期控制，既保证了车辆安全自主行驶，又方便用户远程支付。
47.图3是本技术实施例提供的一种车辆费用支付方法的流程图，该车辆费用支付方法可以由上述实施例所述的车辆费用支付系统执行，包括如下步骤。
48.步骤310，通过信息采集装置采集待支付车辆费用信息，并将所述待支付车辆费用信息传输至控制单元。
49.信息采集装置安装于车辆主驾侧的侧身，可以采集付费闸机口的待支付车辆费用信息。例如，信息采集装置可以是图像采集装置，用于采集包括待支付车辆费用信息的图像；或者，信息采集装置还可以是采集付费闸机口的待支付车辆费用信息的传感器等装置；或者，信息采集装置还可以是近场通信装置，可以与位于付费闸机口的携带有待支付车辆费用信息的装置进行近场通信来采集待支付车辆费用信息。
50.通过信息采集装置采集到付费闸机口的待支付车辆费用信息后，将待支付车辆费用信息传输至控制单元，以便于控制单元控制车联网通讯终端将待支付车辆费用信息发送至移动终端。
51.步骤320，通过所述控制单元将所述待支付车辆费用信息传输至所述车联网通讯终端。
52.步骤330，通过所述车联网通讯终端将所述待支付车辆费用信息发送至移动终端，所述移动终端用于根据所述待支付车辆费用信息执行车辆费用支付操作。
53.车联网通讯终端即车载t-box，用于建立移动终端与高级驾驶辅助系统中控制单元之间的通信。本技术实施例中，车联网通讯终端可以将待支付车辆费用信息发送至移动终端，并可以接收移动终端针对待支付车辆费用信息的反馈信息，将所述反馈信息发送至控制单元。其中，车联网通讯终端与移动终端之间的通信是无线通信，例如可以采用4g信号通信，或者也可以采用5g信号通信。
54.移动终端是用户使用的终端设备，例如可以是手机、平板电脑等，可以显示车联网通讯终端发送来的待支付车辆费用信息，并供用户进行操作，以执行车辆费用的支付操作，或者还可以拒绝车辆费用的支付操作。
55.本技术实施例提供的车辆费用支付方法，通过信息采集装置采集待支付车辆费用信息，并将待支付车辆费用信息传输至控制单元，通过控制单元将待支付车辆费用信息传输至车联网通讯终端，通过车联网通讯终端将待支付车辆费用信息发送至移动终端，移动终端根据待支付车辆费用信息执行车辆费用支付操作，实现了在人车分离情况下进行车辆费用的远程支付，解决了智能召唤中的远程付费问题，可以避免未能及时进行车辆费用支付导致的车辆堵塞情况。
56.在上述技术方案的基础上，所述信息采集装置为图像采集装置；
57.通过信息采集装置采集待支付车辆费用信息，并将所述待支付车辆费用信息传输至控制单元，包括：通过所述图像采集装置采集包括所述待支付车辆费用信息的图像，并将所述图像传输至所述控制单元。
58.信息采集装置可以为图像采集装置，图像采集装置例如可以是摄像头，图像采集装置安装于车辆主驾侧侧身，优选安装于车辆b柱上，可以采集付费闸机口中包括待支付车辆费用信息的图像，并将图像传输至控制单元，控制单元可以将包括待支付车辆费用信息的图像传输至车联网通讯终端，车联网通讯终端将所述图像发送至移动终端，移动终端可以识别图像中的待支付车辆费用信息，并基于待支付车辆费用信息执行车辆费用支付操作。通过图像采集装置作为信息采集装置，可以较为快速方便地采集到待支付车辆费用信息，而且不需要付费闸机口安装其他设备即可实现。
59.在上述技术方案的基础上，通过所述图像采集装置采集包括所述待支付车辆费用信息的图像，并将所述图像传输至所述控制单元，包括：通过所述图像采集装置采集包括所述待支付车辆费用信息的图像；通过所述图像采集装置使用图像处理模型对所述图像进行卷积处理，并对所述图像中的二维码区域进行定位，基于定位结果提取出所述图像中的二维码区域，得到二维码图像，将所述二维码图像传输至所述控制单元；
60.通过所述控制单元将所述待支付车辆费用信息传输至所述车联网通讯终端，包括：通过所述控制单元将所述二维码图像传输至所述车联网通讯终端；通过所述车联网通讯终端将所述待支付车辆费用信息发送至移动终端，包括：通过所述车联网通讯终端将所述二维码图像发送至所述移动终端，所述移动终端用于对所述二维码图像进行识别，获得待支付车辆费用信息，并根据所述待支付车辆费用信息执行费用支付操作。
61.通过图像采集装置在采集到图像后，对所述图像进行处理，以提高所述图像的清晰度，并提取出其中的二维码。可以使用基于神经网络的图像处理模型来对图像进行处理。图像采集装置通过图像处理模型对采集到的图像进行卷积处理，以提高图像的清晰度，并对图像中的二维码进行检测，确定图像中候选区域的中心点坐标、包围框尺寸和对应的置信度，将置信度大于置信度阈值的候选区域确定为二维码区域，基于二维码区域的中心点坐标和包围尺寸，从图像中提取出二维码区域，得到二维码图像。通过图像采集装置在提取出二维码图像后，将二维码图像传输至控制单元，由控制单元将二维码图像传输至车联网终端，并由车联网终端将二维码图像发送至移动终端，移动终端可以对二维码图像进行识别，获得待支付车辆费用信息，并基于待支付车辆费用信息执行费用支付操作。
62.通过图像采集装置对采集到的图像进行处理，并提取出二维码图像后，只需要将二维码图像发送至移动终端，减少了传输的数据量，而且提高了二维码图像的清晰度，便于移动终端进行二维码的识别以及支付操作。
63.其中，图像处理模型是基于全卷积神经网络的感知模型，已经预先训练完成。对于图像处理模型的训练采用滚动时域优化算法求解多目标的控制量，包括以下步骤：
①
确定二维码区域的中心坐标(x，y)；
②
确定二维码区域的包围框尺寸(w，h)；
③
置信度conf设定；
④
最小化预测网格与真实目标包围框偏差。其中，置信度表示为：
64.conf＝pr(object)
×
iou(r
pred
，r
gt
)
[0065][0066]
其中，pr(object)表示预测的包围框含有二维码的概率，iou(r
pred
，r
gt
)表示真实包围框和预测包围框的重叠率，其中r
pred
表示预测包围框，r
gt
表示真实包围框，目标的真实包围框和预测包围框的重合率即iou重叠率(或jaccard重叠率)，iou重叠率定义为真实包围框和预测包围框的交集与并集的比值。
[0067]
如上所述，每个预测包围框共需要预测包围框中心坐标(x，y)、包围框尺寸(w，h)和置信度，共5个维度的特征。在训练时，可以将样本图像划分为预设数量的网格，当没有目标(收费二维码)的中心落入某个网格中，或有目标的中心落入网格中，但是该网格中的某些先验框与目标的重叠率不是最大时，网络仍然会以这些先验框为基准预测输出。对于卷积神经网络的预测端口s
×
s的网格，将输出s
×s×b×
5(5个维度特征)大小的特征图，其中，b表示每个网格中含有的先验框数量。图4是本技术实施例中先验框与真实包围框的对
比示意图，如图4所示，先验框1和真实包围框2的中心共同位于同一网格的中心，网络会以先验框为基准预测输出，对图像处理模型训练的目标是将先验框逼近真实框，采用的损失函数如下：
[0068][0069][0070][0071]
其中，loss
loc
表示图像处理模型的损失函数，包括两个部分，表示负责预测目标(收费二维码)位置的网格中的先验框产生的损失，表示不需要预测目标位置的网格中的先验框的损失，表示损失项的权重，表示损失项的权重，l
ij
是指示函数，表示目标框中的内容是否为预测目标(收费二维码)，所述目标框是先验框趋近真实包围框过程中生成的包围框，b*＝{b
x*
，b
y*
，b
w*
，b
h*
}表示真实包围框对应在输出特征图上的位置，b’＝{b
x’,b
y’,b
w’,b
h’}表示预测包围框在输出特征图上的位置，p＝{p
x
,py,pw,ph}表示先验框在输出特征图上的位置。
[0072]
当真实包围框b*的中心落入某个网格中心时，即当前网格负责预测该收费二维码的区域时，其预测包围框的位置偏移量的真值需满足伯努利分布区间(也叫sigmoid函数)的约束，在[0,1]之间。
[0073]
目标检测的定位任务(即确定二维码区域)的学习目标是使得预测包围框b’逼近真实包围框位置b*。二维码区域的定位任务采用深度训练损失函数loss
loc
，采用最小平方误差，其中是负责预测目标位置的网格中的先验框p＝{p
x
,py,pw,ph}产生的损失，是为了最小化真实包围框位置和预测包围框位置的偏差。是不需要预测目标位置的网格中的先验框的损失，用于监督网络模型在该位置的预测包围框接近于默认的先验框，即保持默认的先验框，相对于需要预测包围框的网格(包围框的中心落在网格中)，大量的网格是不需要预测目标的。为了使得损失项和的规模相当，采用权重和来平衡两项损失。
[0074]
上述对图像处理模型的训练过程即：获取第一样本图像集，所述第一样本图像集包括多个第一样本图像和每个第一样本图像中二维码区域的真实包围框的标注；将第一样本图像输入图像处理模型，由图像处理模型将第一样本图像划分为预设数量的网格，并基于每个网格进行包围框的预测，输出预测结果，所述预测结果包括预测包围框的中心坐标、预测包围框的尺寸；根据预测结果和该第一样本图像所对应的真实包围框的标注，确定损失函数值；基于损失函数值对图像处理模型的网络参数进行调整，并迭代执行对图像处理模型的训练操作，直至满足训练结束条件，训练结束，得到训练完成的图像处理模型。其中，
训练结束条件可以是损失函数值收敛。
[0075]
通过上述训练过程训练完成的图像处理模型可以提高图像的清晰度，并能够准确确定收费二维码所在的二维码区域。
[0076]
在上述技术方案的基础上，在通过所述图像采集装置使用图像处理模型对所述图像进行清晰度提高处理之前，还包括：通过所述图像采集装置使用聚类模型对所述图像进行聚类；
[0077]
通过所述图像采集装置使用图像处理模型对所述图像进行卷积处理，包括：若聚类结果指示所述图像归为包括二维码区域的聚类，则通过所述图像采集装置使用图像处理模型对所述图像进行卷积处理。
[0078]
其中，所述聚类模型是采用k均值算法的聚类模型，是预先基于第二样本图像集训练完成的模型，第二样本图像集中，有的第二样本图像包括收费二维码，有的第二样本图像不包括收费二维码，聚类模型的目的是将包括收费二维码的第二样本图像聚为一个类别，对于其他相同类别的图像聚为一个类别。聚类模型可以对应输出多个聚类。
[0079]
在对聚类模型进行训练时，可以将第二样本图像集初始化为k个聚类{τi，i＝1，
…
,k}，针对每个聚类，计算出样本均值{mi，i＝1，
…
,k}和误差平方和聚类准则je，其中，每个聚类τi的样本均值表示为：
[0080][0081]
其中，ni是第i聚类τi中的样本数量，y是第i聚类τi中的第二样本图像，mi是样本均值。
[0082]
误差平方和聚类准则je表示为：
[0083][0084]
其中，je表示误差平方和聚类准则，是类别集合和总体样本集的函数，通过迭代方法使得je极小的聚类则是误差平方和准则下的最优聚类划分结果。
[0085]
从第i个聚类τi中任取一个样本y，即y∈τi，如果第i个聚类τi中第二样本图像的数量不等于1，即ni≠1，则计算ρj和ρi：
[0086][0087][0088]
其中，mj表示第j个聚类τj的样本均值。
[0089]
确定ρj中的最小者ρ
min
，若ρ
min
＜ρi，则将样本y从聚类τi中移到ρ
min
所对应的聚类τ
min
中，并重新计算{mi，i＝1，
…
，k}和je，并迭代执行上述从第i个聚类τi中任取一个样本y，并计算ρj和ρi，以及基于ρj和ρi对样本y的聚类进行调整的操作，直至满足迭代终止条件，即误差平方和聚类准则je收敛时停止迭代，得到训练完成的聚类模型。训练完成的聚类模型
可以包括一定数量的聚类，假设有k个聚类，保存每个聚类的样本均值{mi，i＝1，
…
，k}。
[0090]
k均值算法对局部特征搜索算法有较好效果，针对收费二维码的局部特征而言，在感知机训练时只需要将具有典型二维码特征进行类别划分，局部特征做到收敛即可达到使用条件，因此可以先使用聚类模型对采集到的图像进行聚类。
[0091]
通过图像采集装置采集图像后，首先使用聚类模型对采集到的图像进行聚类，如果聚类结果指示该采集到的图像归为包括二维码区域的聚类，则通过图像采集装置使用图像处理模型对图像进行进一步处理，如果聚类结果指示该采集到的图像归为不包括二维码区域的聚类，则丢弃该图像。
[0092]
在使用聚类模型对采集到的图像进行聚类时，将该图像归为聚类模型中的一个聚类τi，并计算聚类τi所对应的ρi，以及其他聚类所对应的ρj，确定ρj中的最小者ρ
min
，若ρ
min
＜ρi，则将图像移到ρ
min
所对应的聚类τ
min
中，得到采集到的图像所对应的聚类结果，即聚类τ
min
为采集到的图像所属的聚类。
[0093]
通过对采集到的图像进行聚类，并基于聚类结果来确定是否使用图像处理模型对图像进行处理，这样可以减少计算量，快速获得包括收费二维码的二维码图像。
[0094]
在上述技术方案的基础上，在所述通过信息采集装置采集待支付车辆费用信息之前，还包括：通过所述控制单元判定所述车辆前方有收费抬竿时，向所述车联网通讯终端发送远程支付请求；通过所述车联网通讯终端将所述远程支付请求发送至所述移动终端，并接收所述移动终端返回的指令信息，将所述指令信息传输至所述控制单元；通过控制单元确定所述指令信息为远程支付指令时，触发所述信息采集装置进行信息采集。
[0095]
在智能召唤车辆的过程中，如果车辆停止，则通过控制单元判断车辆前方是否有收费抬竿，控制单元可以获取前方摄像头采集的图像，并基于该图像判断车辆前方是否有收费抬竿，或者，控制单元可以获取前方传感器的数据，并基于传感器的数据判断车辆前方是否有收费抬竿。如果控制单元判定车辆前方有收费抬竿，则通过can总线向车联网通讯终端发送远程支付请求，由车联网通讯终端将远程支付请求发送至移动终端，移动终端接收到远程支付请求时，可以基于用户的指令，显示该远程支付请求，用户可以给出远程支付指令，也可以拒绝远程支付请求，移动终端将用户的指令信息发送至车联网通讯终端，车联网通讯终端通过can总线将指令信息传输至控制单元，控制单元确定所述指令信息为远程支付指令时，触发信息采集装置进行信息采集，控制单元确定指令信息为拒绝远程支付指令时，则退出智能召唤功能，并请求接管。
[0096]
在智能召唤的过程中，如果通过付费闸机口，则可以基于车辆与移动终端的通信，确定是否进行远程支付，便于用户及时了解车辆情况。
[0097]
图5是本技术实施例提供的一种车辆费用支付方法的流程图，该车辆费用支付方法可以由上述实施例所述的车辆费用支付系统执行，包括如下步骤。
[0098]
步骤510，通过所述控制单元判定所述车辆前方有收费抬竿时，向所述车联网通讯终端发送远程支付请求。
[0099]
在智能召唤的过程中，在车辆停止时，如果控制单元判定车辆前方没有收费抬竿，则不需要开启远程支付功能。
[0100]
步骤520，通过所述车联网通讯终端将所述远程支付请求发送至所述移动终端，并接收所述移动终端返回的指令信息，将所述指令信息传输至所述控制单元。
[0101]
步骤530，通过控制单元确定所述指令信息为远程支付指令时，触发所述信息采集装置进行信息采集。
[0102]
步骤540，通过信息采集装置采集待支付车辆费用信息，并将所述待支付车辆费用信息传输至控制单元。
[0103]
步骤550，通过所述控制单元将所述待支付车辆费用信息传输至所述车联网通讯终端。
[0104]
步骤560，通过所述车联网通讯终端将所述待支付车辆费用信息发送至移动终端，所述移动终端用于根据所述待支付车辆费用信息执行车辆费用支付操作。
[0105]
步骤570，通过车联网通讯终端接收到所述移动终端支付成功的信息后，将该支付成功的信息传输至控制单元。
[0106]
步骤580，通过控制单元判定车辆前方收费抬竿升起时，恢复车辆召唤。
[0107]
通过控制单元判定车辆前方收费抬竿未升起时，退出召唤功能，向移动终端请求接管。
[0108]
本技术实施例能够有效的将车辆到达收费闸口的包括收费二维码的图像通过无向信号传输至移动终端，创建了及时有效的支付环境，同时将用户支付情况和车辆控制情况互通共享，也就意味着通过控制单元，用户能够实时了解车辆端具体状态，车辆也能通过用户的反馈信息继而结合自身感知环境、控制逻辑、执行机构等对车辆传达预期控制，既保证了车辆安全自主行驶，又方便用户远程支付，解决了远程召唤的远端付费问题。
[0109]
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0110]
以上对本技术实施例提供的一种车辆费用支付系统和方法进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。
[0111]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。