本发明涉及自动控制领域，尤其涉及一种基于大数据分析的固定停车装置。
背景技术：
常用的固定停车装置具备以下特征：
(一)采用高强度钢板和铝合金，一体压铸成型，内部扣件全部加强设计。
(二)具备ip68的高等级防水级别，在车位锁转轴等关键位置采用特殊防水设计，可以在水淹和浸水时正常工作。采用电池供电，低功耗设计。
(三)支持手机控制和车辆自动感应，双智能控制，停车时，锁体自动落下，离开时，锁体自动感应升起，同时锁体也能够远程连接后台，传输各种状态数据，包括电池电量，车位状态等。
然而，当前的固定停车装置缺乏定制车型的定向开锁机制，例如消防车辆、医护车辆以及警务车辆等公共服务车辆，从而无法发挥应有的公共服务功能。
技术实现要素：
为了解决上述问题，本发明提供了一种基于数据分析的固定停车装置。
根据本发明的一方面，提供了一种基于数据分析的固定停车装置，所述装置包括：
立体摄像设备，设置在竖直金属构件上，包括一个主摄像单元、一个深度摄像单元和多个从摄像单元，每一个从摄像单元相对于主摄像单元的位置固定，深度摄像单元相对于主摄像单元的位置固定；每一个摄像单元都对目标进行图像数据捕获，深度摄像单元用于基于获取的深度图像中的目标的深度确定目标到深度摄像单元的实时距离，主摄像单元用于捕获高清晰度主彩色图像，每一个从摄像单元基于其相对于主摄像单元的位置计算该从摄像单元所在视点到主摄像单元所在视点的视差，基于深度摄像单元相对于主摄像单元的位置、目标到深度摄像单元的实时距离和所述视差将高清晰度主彩色图像模拟出高清晰度从彩色图像，并采用高清晰度从彩色图像对该从摄像单元捕获的图像数据进行校正以获得校正从彩色图像；
图像融合设备，分别与主摄像单元和多个从摄像单元连接，用于基于多个校正从彩色图像和高清晰度主彩色图像模拟出目标所在环境的立体虚拟图像；
水平金属构件，水平放置在地面上，用于为竖直金属构件提供底座；
竖直金属构件，在打开状态下与水平金属构件保持垂直，在关闭状态下与水平金属构件保持水平；
弹簧支撑杆，一端与水平金属构件连接，另一端与竖直金属构件连接，采用弹簧构造以为竖直金属构件提供支撑力；
增强处理设备，用于接收立体虚拟图像，并对立体虚拟图像执行自适应增强处理，以获得自适应增强图像，其中，对立体虚拟图像执行自适应增强处理包括：根据立体虚拟图像各个区域的对比度制定并执行相应的增强处理力度，其中，对比度越低，相应的增强处理力度越大；
膨胀腐蚀设备，与增强处理设备连接，用于接收自适应增强图像，对自适应增强图像执行图像膨胀处理后再执行图像腐蚀处理，以获得形态学图像；
参数分析设备，与膨胀腐蚀设备连接，用于接收形态学图像，并获取形态学图像中各个对象图案的体积，将体积接近车辆体积阈值的对象图案作为待处理子图像，对待处理子图像进行形状分析以获得其中对象的多个几何特征，将多个几何特征分别进行归一化处理以获得多个归一化特征，并基于多个归一化特征组成一维向量；
目标提取设备，与参数分析设备连接，用于接收一维向量，并将一维向量输入预先已训练测试完毕的多输入单输出的深度神经网络，以获得输出的车辆类型，并在车辆类型与预设用户车辆类型相符时，发出打开驱动信号，否则，发出关闭驱动信号；
其中，多个归一化特征的数量与深度神经网络的被输入的参数的数量相同；
其中，所述图像融合设备在使用多个校正从彩色图像和高清晰度主彩色图像对立体虚拟图像进行模拟时，删除多个校正从彩色图像中的信噪比低于预设信噪比阈值的校正从彩色图像，使用剩下的校正从彩色图像和高清晰度主彩色图像对立体虚拟图像进行模拟。
本发明至少具有以下两个重要发明点：
(1)采用各种辅助图像数据对每一个从摄像单元捕获的图像数据进行校正，从而保障了融合后的立体虚拟图像的真实性；
(2)建立从目标几何特征到目标类型的非线形映射的深度神经网络，从而只需获得目标几何特征，即可获得目标类型，从而一方面简化了运算，另一方面提高了目标类型分析的准确性。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的基于数据分析的固定停车装置的结构示意图。
图2为根据本发明实施方案示出的基于数据分析的固定停车装置的立体摄像设备的结构示意图。
附图标记：1竖直金属构件；2竖直金属构件；3弹簧支撑杆；4摄像部件
具体实施方式
下面将参照附图对本发明的基于数据分析的固定停车装置的实施方案进行详细说明。
为了克服上述不足，本发明搭建了一种基于数据分析的固定停车装置，采用立体摄像设备进行针对性的图像采集，在高精度的图像处理的基础上，建立了基于神经网络识别的车型识别机制，从而为现有的固定停车装置提供了更多的辅助功能。
图1为根据本发明实施方案示出的基于数据分析的固定停车装置的结构示意图，所述装置包括：
如图2所示，立体摄像设备，设置在竖直金属构件上，包括一个主摄像单元、一个深度摄像单元和多个从摄像单元，每一个从摄像单元相对于主摄像单元的位置固定，深度摄像单元相对于主摄像单元的位置固定；每一个摄像单元都对目标进行图像数据捕获，深度摄像单元用于基于获取的深度图像中的目标的深度确定目标到深度摄像单元的实时距离，主摄像单元用于捕获高清晰度主彩色图像，每一个从摄像单元基于其相对于主摄像单元的位置计算该从摄像单元所在视点到主摄像单元所在视点的视差，基于深度摄像单元相对于主摄像单元的位置、目标到深度摄像单元的实时距离和所述视差将高清晰度主彩色图像模拟出高清晰度从彩色图像，并采用高清晰度从彩色图像对该从摄像单元捕获的图像数据进行校正以获得校正从彩色图像；
图像融合设备，分别与主摄像单元和多个从摄像单元连接，用于基于多个校正从彩色图像和高清晰度主彩色图像模拟出目标所在环境的立体虚拟图像；
水平金属构件，水平放置在地面上，用于为竖直金属构件提供底座；
竖直金属构件，在打开状态下与水平金属构件保持垂直，在关闭状态下与水平金属构件保持水平；
弹簧支撑杆，一端与水平金属构件连接，另一端与竖直金属构件连接，采用弹簧构造以为竖直金属构件提供支撑力；
增强处理设备，用于接收立体虚拟图像，并对立体虚拟图像执行自适应增强处理，以获得自适应增强图像，其中，对立体虚拟图像执行自适应增强处理包括：根据立体虚拟图像各个区域的对比度制定并执行相应的增强处理力度，其中，对比度越低，相应的增强处理力度越大；
膨胀腐蚀设备，与增强处理设备连接，用于接收自适应增强图像，对自适应增强图像执行图像膨胀处理后再执行图像腐蚀处理，以获得形态学图像；
参数分析设备，与膨胀腐蚀设备连接，用于接收形态学图像，并获取形态学图像中各个对象图案的体积，将体积接近车辆体积阈值的对象图案作为待处理子图像，对待处理子图像进行形状分析以获得其中对象的多个几何特征，将多个几何特征分别进行归一化处理以获得多个归一化特征，并基于多个归一化特征组成一维向量；
目标提取设备，与参数分析设备连接，用于接收一维向量，并将一维向量输入预先已训练测试完毕的多输入单输出的深度神经网络，以获得输出的车辆类型，并在车辆类型与预设用户车辆类型相符时，发出打开驱动信号，否则，发出关闭驱动信号；
其中，多个归一化特征的数量与深度神经网络的被输入的参数的数量相同；
其中，所述图像融合设备在使用多个校正从彩色图像和高清晰度主彩色图像对立体虚拟图像进行模拟时，删除多个校正从彩色图像中的信噪比低于预设信噪比阈值的校正从彩色图像，使用剩下的校正从彩色图像和高清晰度主彩色图像对立体虚拟图像进行模拟。
接着，继续对本发明的基于数据分析的固定停车装置的具体结构进行进一步的说明。
所述基于数据分析的固定停车装置中：所述多个从摄像单元的数量为偶数个。
所述基于数据分析的固定停车装置中还可以包括：
sd存储卡，设置在竖直金属构件内，用于预先存储预设用户车辆类型。
所述基于数据分析的固定停车装置中还可以包括：
驱动电机，分别与目标提取设备和竖直金属构件连接，用于接收打开驱动信号或关闭驱动信号。
所述基于数据分析的固定停车装置中：
所述驱动电机在接收到打开驱动信号时，控制竖直金属构件与水平金属构件保持垂直。
所述基于数据分析的固定停车装置中：
所述驱动电机在接收到关闭驱动信号时，控制竖直金属构件与水平金属构件保持水平。
另外，所述目标提取设备可选型为dsp处理芯片。dsp芯片的内部采用程序和数据分开的哈佛结构，具有专门的硬件乘法器，广泛采用流水线操作，提供特殊的dsp指令，可以用来快速的实现各种数字信号处理算法。
根据数字信号处理的要求，dsp芯片一般具有如下的一些主要特点：(1)在一个指令周期内可完成一次乘法和一次加法。(2)程序和数据空间分开，可以同时访问指令和数据。(3)片内具有快速ram，通常可通过独立的数据总线在两块中同时访问。(4)具有低开销或无开销循环及跳转的硬件支持。(5)快速的中断处理和硬件i/o支持。(6)具有在单周期内操作的多个硬件地址产生器。(7)可以并行执行多个操作。(8)支持流水线操作，使取指、译码和执行等操作可以重叠执行。
根据dsp芯片工作的数据格式来分类的。数据以定点格式工作的dsp芯片称为定点dsp芯片，如ti公司的tms320c1x/c2x、tms320c2xx/c5x、tms320c54x/c62xx系列，ad公司的adsp21xx系列，at&t公司的dsp16/16a，motolora公司的mc56000等。以浮点格式工作的称为浮点dsp芯片，如ti公司的tms320c3x/c4x/c8x，ad公司的adsp21xxx系列，at&t公司的dsp32/32c，motolora公司的mc96002等。
采用本发明的基于数据分析的固定停车装置，针对现有技术中固定停车装置无法实现车型定向识别的技术问题，通过引入参数分析设备，获取周围环境图像相关特征所组成的一维向量，还通过引入目标提取设备，与参数分析设备连接，用于接收一维向量，并将一维向量输入预先已训练测试完毕的多输入单输出的深度神经网络，以获得输出的车辆类型，并在车辆类型与预设用户车辆类型相符时，发出打开驱动信号，否则，发出关闭驱动信号，从而解决了上述技术问题。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。