一种停车场车辆定位方法、终端以及存储介质

1.本技术涉及智能停车场技术领域，特别涉及一种停车场车辆定位方法、终端以及存储介质。


背景技术：

2.随着生活水平的提高和科技的发展，定位技术延伸到室内给人们带来生活的便利。地下停车场车辆定位属于室内定位技术的一种，当前有超声波定位技术、射频识别定位技术、蓝牙定位技术、红外定位技术等室内定位技术，这些技术对传感器布置要求高，线路维护复杂，硬件成本高，且电信号传输过程中具有电磁干扰，加重本来信号很差的地下停车场信号干扰，复杂的电路也易引发火灾。
3.现有的采用可见光通信技术的停车场应用更多地被描述为系统级的多功能应用，涵盖进场识别、行车轨迹、离场缴费等，没有具体的针对性的描述车辆定位的定位算法以及进行反向寻车的方案，且容易受到光信道中干扰光的影响，定位效率和定位精度均不高。


技术实现要素：

4.本发明主要解决的技术问题是提供一种停车场车辆定位方法、终端以及存储介质，能够降低停车场的硬件成本，提升停车场车辆定位的效率和精度，给用户带来方便。
5.为解决上述技术问题，本技术采用的一个技术方案是：提供一种停车场车辆定位方法，停车场安装有光发射模组，车辆上安装有光接收模组，该方法包括：
6.获取位置数据库，以及获取光接收模组采集的定位数据；其中，该位置数据库基于光发射模组的位置信息和光接收模组采集的定位数据的对应关系建立；将定位数据与位置数据库进行匹配，以得到车辆的位置信息；将车辆的位置信息发送至用户终端。
7.具体地，在上述方法中，获取位置数据库的方法包括：
8.将停车场按区域划分，并标记预设数量的参考点；获取参考点的位置数据；利用位置指纹算法对位置数据进行处理，以得到位置数据库。
9.具体地，在上述方法中，利用位置指纹算法对位置数据进行处理，以得到位置数据库的方法包括：
10.确定参考点中的初始信标点；根据初始信标点的位置数据利用idw算法预测次信标点的位置数据，以得到一位置数据矩阵；根据位置数据矩阵利用svt算法建立位置数据库。
11.具体地，在上述方法中，确定参考点中的初始信标点包括：
12.在参考点中利用拉丁超立方抽样法选取部分参考点为初始信标点。
13.具体地，在上述方法中，将定位数据与位置数据库进行匹配，以得到车辆的位置信息的方法包括：
14.根据定位数据利用sting聚类算法确定待定位区域；利用核概率密度估计计算待定位区域中所有参考点的位置数据与定位数据相同的条件概率；根据条件概率利用加权贝
叶斯算法计算得出车辆的位置信息。
15.具体地，在上述方法中，根据定位数据利用sting聚类算法确定待定位区域的方法包括：
16.根据参考点的位置数据构建sting聚类结构；根据定位数据与参考点的位置数据的相关度查询该sting聚类结构，以确定待定位区域。
17.具体地，在上述方法中，定位数据包括光发射模组的光信号强度、光到达角度中的至少一种。
18.具体地，在上述方法中，光发射模组包括：信号调制器，用于调制信号；led灯驱动模块，连接信号调制器，用于根据该信号驱动led灯组；led灯组，连接led灯驱动模块，用于将该信号转换成光信号并发射光信号。光接收模组包括：光电二极管，用于接收光信号并将光信号转换成电信号；信号调理模块，连接光电二极管，用于将电信号调理成标准信号；信号处理单元，连接信号调理模块，用于处理该标准信号以得到车辆的位置信息；通讯模块，连接信号处理单元，用于向用户终端发送车辆的位置信息。
19.为解决上述技术问题，本技术采用的另一个技术方案是：提供一种停车场车辆定位终端，该终端包括处理器和存储器。
20.具体地，存储器用于存储程序指令，处理器用于执行该程序指令以实现上述停车场车辆定位方法。
21.为解决上述技术问题，本技术采用的又一个技术方案是：提供一种存储介质，该存储介质存储有程序指令，该程序指令能够被执行以实现上述停车场车辆定位方法。
22.区别于现有技术，本技术提供了一种停车场车辆定位方法、终端以及存储介质。停车场安装有光发射模组，车辆上安装有光接收模组，该方法包括：获取位置数据库，以及获取光接收模组采集的定位数据；其中，该位置数据库基于光发射模组的位置信息和光接收模组采集的定位数据的对应关系建立；将定位数据与位置数据库进行匹配，以得到车辆的位置信息；将车辆的位置信息发送至用户终端。通过上述方式，能够降低停车场的硬件成本，提升停车场车辆定位的效率和精度，给用户带来方便。
附图说明
23.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。其中：
24.图1是本技术提供的停车场车辆定位方法一实施例的流程示意图；
25.图2是图1中s1的流程示意图；
26.图3是图2中s13的流程示意图；
27.图4是图1中s2的流程示意图；
28.图5是图4中s21的流程示意图；
29.图6是本技术提供的停车场车辆定位方法一实施例中光发射模组的结构示意图；
30.图7是本技术提供的停车场车辆定位方法一实施例中光接收模组的结构示意图；
31.图8是本技术提供的停车场车辆定位终端一实施例的结构示意图；
32.图9是本技术提供的存储介质一实施例的结构示意图。
具体实施方式
33.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。可以理解的是，此处所描述的具体实施例仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部结构。基于本技术中的实施例，本领域普通技术人员在没有做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。
34.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
35.参阅图1，图1是本技术提供的停车场车辆定位方法一实施例的流程示意图，停车场安装有光发射模组，车辆上安装有光接收模组，该方法包括：
36.s1：获取位置数据库，以及获取所述光接收模组采集的定位数据；其中，所述位置数据库基于所述光发射模组的位置信息和所述光接收模组采集的定位数据的对应关系建立。
37.具体地，本方法基于可见光通信技术，在停车场预先安装有光发射模组，在车辆预先安装有光接收模组，利用荧光灯或发光二极管等发出的肉眼看不到的高速明暗闪烁信号来传输信息。位置数据库在离线数据采集阶段基于光发射模组的位置信息和光接收模组采集的定位数据的对应关系建立，定位数据可以是光发射模组的光信号强度、光到达角度中的至少一种。
38.s2：将所述定位数据与位置数据库进行匹配，以得到所述车辆的位置信息。
39.具体地，利用匹配定位算法将定位数据与位置数据库进行匹配，根据定位数据与光发射模组的位置信息的对应关系确定车辆的位置信息。比如某个位置坐标光发射模组的位置信息与定位数据相匹配时，则确定该位置坐标为车辆的位置信息。
40.s3：将所述车辆的位置信息发送至用户终端。
41.具体地，可以将车辆的位置信息发送至用户的手机、停车场的寻车导航屏等终端，在此不做具体限定。
42.相比于现有技术，本实施例提供的方法包括：获取位置数据库，以及获取光接收模组采集的定位数据；其中，该位置数据库基于光发射模组的位置信息和光接收模组采集的定位数据的对应关系建立；将定位数据与位置数据库进行匹配，以得到车辆的位置信息；将车辆的位置信息发送至用户终端。通过上述方式，能够降低停车场的硬件成本，提升停车场车辆定位的效率和精度，给用户带来方便。
43.参阅图2，图2是图1中s1的流程示意图，s1还可以包括：
44.s11：将所述停车场按区域划分，并标记预设数量的参考点。
45.具体地，将停车场划分为合适的网格区域，并标记一定数量的参考点，记录参考点的位置坐标。可以理解地，参考点数量越多、越密集则定位精度越高，但同时数据量以及人力时间成本也会增加，因此根据停车场的具体情况划分网格区域并标记参考点，比如停车
场面积大、结构复杂则需要的参考点数量更多，停车场面积小、结构简单则需要的参考点数量较少。
46.s12：获取所述参考点的位置数据。
47.具体地，位置数据可以是某一参考点处光发射模组的光信号强度、光到达角度中的至少一种，将采集到的位置数据与参考点的位置坐标一一对应。
48.进一步，对采集到的位置数据利用高斯滤波的方法对信号奇异值进行平滑处理，提高位置数据的可靠性。
49.s13：利用位置指纹算法对所述位置数据进行处理，以得到所述位置数据库。
50.具体地，根据参考点的位置数据，利用位置指纹算法进行预测处理，从而建立位置数据库。
51.参阅图3，图3是图2中s13的流程示意图，s13还可以包括：
52.s131：确定所述参考点中的初始信标点。
53.具体地，按特定的方法选取参考点中部分参考点为初始信标点。
54.可选地，选取初始信标点的方法为拉丁超立方抽样法。拉丁超立方抽样(latin hypercube sampling，缩写lhs)是一种从多元参数分布中近似随机抽样的方法，属于分层抽样技术，常用于计算机实验或蒙特卡洛积分等。其实现原理为：假设定位区域内存在n1*n2个参考点，构成坐标矩阵m，将矩阵m的各个维向量划分为不重叠的多个等长区间，然后每个区间采集适量的元素，组成最终的信标点集。该方法既可以实现信标点在定位区域的均匀分布，又保证选取信标点有一定的随机性。
55.s132：根据所述初始信标点的位置数据利用idw算法预测次信标点的位置数据，以得到一位置数据矩阵。
56.具体地，idw(反距离加权)算法是基于参考点的位置相关性提出的，两个参考点之间的距离越短，它们之间的相关性越高。idw算法公式为：
[0057][0058]
其中，w(di)为各参考点在带插值点的权重值；di为欧氏距离，计算公式为：
[0059][0060]
可选地，在一具体实施例中，位置数据为参考点的接收信号强度(received signal strength，rss)值。假设位置数据库需要包含n个参考点的位置数据，首先测得m个参考点的位置数据，将这m个参考点称为初始信标点，然后利用idw算法进行插值，计算得出剩余n-m个参考点的位置数据，将这n-m个参考点称为待插值点。某个待插值点的rss值计算公式为：
[0061][0062]
其中，第λi个初始信标点的权值公式为
[0063][0064]
其中，p表示加权幂指数，该参数对算法的插值精度存在比较大的影响，在一些实施例中对其进行了参数调优。
[0065]
具体地，在初始信标点的基础上利用idw算法预测待插值点的位置数据后，按特定的方法选取部分待插值点为次信标点，将初始信标点与次信标点组合共同组成一位置数据矩阵。
[0066]
可选地，选取次信标点的方法也为拉丁超立方抽样法。
[0067]
s133：根据所述位置数据矩阵利用svt算法建立所述位置数据库。
[0068]
具体地，根据信号的空间传播模型和可见光光强在空间区域分布的仿真分析，得出在一定区域的参考点所构建的位置数据具有很高的空间相关性，由此可视其为低秩矩阵。从该角度出发，本实施例利用svt(奇异值收缩)算法根据上述位置数据矩阵估算出完整的位置数据库。
[0069]
具体地，设某个定位区域内存在n1*n2个参考点，已获取m个初始信标点的rss值，则采用矩阵填充算法的数学模型公式为：
[0070]
minrank(x)
[0071]
s.t.x
ij
＝m
ij
,i,j∈ω
[0072]
其中，x表示完整的位置数据库，m表示只包含初始信标点的位置数据矩阵。
[0073]
上式可以转化为：
[0074][0075]
s.t.p
ω
(x)＝p
ω
(m),i,j∈ω
[0076]
利用该式，所求问题便从非凸优化变为凸优化，对于该凸优化问题，采用svt算法进行求解，求解公式为：
[0077][0078]
其中，k为迭代常数，δk表示迭代步长，d
τ
表示软阈值操作，具体计算公式为：
[0079]dτ
(x)＝ud
τ
(σ)v
*
[0080]dτ
(x)＝diag({σ
i-τ}
+
)
[0081]
其中，σi表示矩阵x的奇异值。
[0082]
进一步，根据上述方法将所有区域的参考点的rss值预测出来后，将其与对应的坐标组合起来，由此构成位置数据库。
[0083]
参阅图4，图4是图1中s2的流程示意图，s2还可以包括：
[0084]
s21：根据所述定位数据利用sting聚类算法确定待定位区域。
[0085]
具体地，sting聚类算法(statistical information grid-based method)是一种基于网格的多分辨率的聚类技术，它将输入对象的空间区域划分成矩形单元，空间可以用分层和递归方法进行划分。这种多层矩形单元对应不同的分辨率，并且形成了一个层次结构：每个高层单元被划分成低一层的单元。关于每个网格单元的属性的统计信息被作为统
计参数预先计算和存储，对于查询处理和其他数据分析任务，这些统计参数是有效的。sting聚类算法聚类速度快，网格计算和查询相互独立，可以快速确定待定位区域。
[0086]
s22：利用核概率密度估计计算所述待定位区域中所有参考点的位置数据与所述定位数据相同的条件概率。
[0087]
具体地，核密度估计(kernel density estimation)是在概率论中用来估计未知的密度函数，属于非参数检验方法之一。首先获取光接收模组采集的定位数据，在本实施例中，获取的是待定位车辆光接收模组接收的rssi数据，其值为s，然后计算待定位区域内所有参考点的后验概率，计算公式为：
[0088][0089]
其中，p(li/s)是在已知位置其rssi值为s的条件概率，p(li)是定位空间中的先验概率，即指第i个参考点在定位区域的概率。一般各个参考点在定位区域内是均匀分布的，所以将p(li)视为一个常数。对于定位区域而言，p(s)是一个常数。由此，目标定位公式为：
[0090]
argmaxp(li/s)＝argmaxp(s/li)
[0091]
由于需要的是后验概率的大小而非具体的数值，所以将p(li)、p(s)是忽略不计。
[0092]
因为n个光发射模组的信号可以在任何参考点接收，并且不同光发射模组之间的信号强度是独立的，所以不会出现相互干扰。因此，n个光发射模组的总似然函数对应于每个光发射模组的似然函数的乘积，其可以由联合概率分布函数表示，公式为：
[0093][0094]
设定每一个参考点对应的rssi值分布为高斯分布，可得公式：
[0095][0096]
所以某一参考点的rssi值为s的条件概率公式为：
[0097][0098]
具体地，根据上述方法，可以计算出待定位区域中所有参考点的位置数据与定位数据相同的条件概率。
[0099]
s23：根据所述条件概率利用加权贝叶斯算法计算得出所述车辆的位置信息。
[0100]
具体地，加权贝叶斯算法是在贝叶斯算法基础上引入了权值的概念。获得各个参考点的后验概率后，对其进行排序并选择前k个最大后验概率，获取相应的k个位置坐标。通过概率加权求和的方式计算得到待定位车辆的位置信息，其坐标公式为：
[0101]
[0102]
参阅图5，图5是图4中s21的流程示意图，s21还可以包括：
[0103]
s211：根据所述参考点的位置数据构建sting聚类结构。
[0104]
具体地，根据参考点的位置数据确定底层单元格的粒度，然后将每一层的单元格划分组成上一层单元格，最终构成一个单元格，也就是顶层的单元格，划分的每个单元格都包含内部参考点的汇总信息。在本实施例中采用质心指纹矢量来表示单元格的信息，假设第i层第j个单元格中的参考点的位置数据包含{rs，r
s+1
,
…
,re}，其计算公式为：
[0105][0106]
其中，e
ij
表示质心指纹矢量。
[0107]
s212：根据所述定位数据与所述参考点的位置数据的相关度查询所述sting聚类结构，以确定所述待定位区域。
[0108]
具体地，根据定位数据与单元格质心指纹矢量的相关度查询sting聚类结构，一般从顶层开始，每次选择几个相邻的单元格向下层进行查询，直到查询到底层为止。在本实施例中，每次查询选用四个相邻单元格，最终获得底层的四个单元格作为待定位区域，这样有效避免了定位数据处于单元格边缘时判断错误的情况，改善了sting聚类引起的定位误差。
[0109]
参阅图6，图6是本技术提供的停车场车辆定位方法一实施例中光发射模组的结构示意图。该光发射模组600包括信号调制器601、led灯驱动模块602和led灯组603。
[0110]
具体地，信号调制器601用于调制信号；led灯驱动模块602连接信号调制器601，用于根据信号驱动led灯组603；led灯组603连接led灯驱动模块602，用于将信号转换成光信号并发射光信号。
[0111]
具体地，光发射模组600安装于停车场的合适位置，在一片区域内led灯组603的数量至少有2个，既保证照明需要又不影响信号传输，led灯组603发射光信号的频率不被肉眼察觉。
[0112]
具体地，通信系统中发送端的原始电信号通常具有频率很低的频谱分量，一般不适宜直接在信道中进行传输。因此，通常需要将原始信号变换成频带适合信道传输的高频信号，这一过程被称为调制，在本实施例中信号调制器601用于实现这一调制过程。
[0113]
具体地，led(light emitting diode)，发光二极管，是一种能够将电能转化为可见光的固态的半导体器件，它可以直接把电转化为光。led的心脏是一个半导体的晶片，晶片的一端附在一个支架上，一端是负极，另一端连接电源的正极，使整个晶片被环氧树脂封装起来。led是特性敏感的半导体器件，又具有负温度特性，因而在应用过程中需要对其进行稳定工作状态和保护，从而产生了驱动的概念。led器件对驱动电源的要求近乎于苛刻，在本实施例中，led灯驱动模块602对led灯组603进行恒流驱动。
[0114]
参阅图7，图7是本技术提供的停车场车辆定位方法一实施例中光接收模组的结构示意图。该光接收模组700包括光电二极管701、信号调理模块702、信号处理单元703和通讯模块704。
[0115]
具体地，光电二极管701用于接收光信号并将光信号转换成电信号；信号调理模块702连接光电二极管701，用于将电信号调理成标准信号；信号处理单元703连接信号调理模块702，用于处理标准信号以得到车辆的位置信息；通讯模块704连接信号处理单元703，用于向用户终端发送车辆的位置信息。
[0116]
具体地，光接收模组700安装于车辆的合适位置，光电二极管701可以安装于车辆内的前挡风玻璃下面，保证能接收光信号，信号调理模块702、信号处理单元703和通讯模块704可以安装于中控台区域，用于实现信号处理以及发送信息。
[0117]
具体地，光电二极管701是由pn结组成的半导体器件，具有单方向导电性，其在设计和制作时尽量使pn结的面积相对较大，以便接收入射光。光电二极管是在反向电压作用下工作的，没有光照时，反向电流极其微弱，叫暗电流；有光照时，反向电流迅速增大到几十微安，称为光电流。光的强度越大，反向电流也越大，光的变化引起光电二极管电流变化，这就可以把光信号转换成电信号。
[0118]
具体地，信号调理是指将敏感元件检测到的各种信号转换为标准信号。数字量输入通道中的信号调理主要包括消抖、滤波、保护、电平转换、隔离等。在本实施例中，信号调理模块702用于将光电二极管701检测到的信号转换成标准信号。
[0119]
具体地，信号处理是对各种类型的标准信号，按各种预期的目的及要求进行加工过程的统称。对模拟信号的处理称为模拟信号处理，对数字信号的处理称为数字信号处理。所谓"信号处理"，就是要把记录在某种媒体上的信号进行处理，以便抽取出有用信息的过程，它是对信号进行提取、变换、分析、综合等处理过程的统称。在本实施例中，信号处理单元703将标准信号进行处理，获取车辆的定位数据，将定位数据与预设的位置数据库进行匹配，以得到车辆的位置信息。
[0120]
可选地，通讯模块704为无线通讯模块，其利用无线技术进行信号传输，将车辆的位置信息发送至用户的手机、停车场的寻车导航屏等终端。
[0121]
参阅图8，图8是本技术提供的停车场车辆定位终端一实施例的结构示意图，该定位终端800包括处理器801和存储器802。
[0122]
具体地，存储器802用于存储程序指令，处理器801用于执行该程序指令以实现上述实施例中任一个或任一不冲突的组合所提供的方法。
[0123]
可选地，处理器801为中央处理器(cpu)，是电子计算机的主要设备之一，电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。cpu是计算机中负责读取指令，对指令译码并执行指令的核心部件。中央处理器主要包括两个部分，即控制器、运算器，其中还包括高速缓冲存储器及实现它们之间联系的数据、控制的总线。中央处理器的功效主要为处理指令、执行操作、控制时间、处理数据。在计算机体系结构中，cpu是对计算机的所有硬件资源(如存储器、输入输出单元)进行控制调配、执行通用运算的核心硬件单元。cpu是计算机的运算和控制核心。计算机系统中所有软件层的操作，最终都将通过指令集映射为cpu的操作。
[0124]
可选地，存储器802为只读存储器(rom)或随机存取存储器(ram)，是计算机系统中的记忆设备，主要用来存放程序和数据。计算机中的全部信息，包括输入的原始数据、计算机程序、中间运行结果和最终运行结果，都保存在存储器中。它是根据控制器指定的位置存入和取出信息。
[0125]
具体地，该定位终端800可以单独安装于车辆的中控区域，也可集成于车辆的车机系统中。
[0126]
参阅图9，图9是本技术提供的存储介质一实施例的结构示意图，该存储介质900包括程序指令901，程序指令901能够被执行以实现上述实施例中任一个或任一不冲突的组合
所提供的方法。其中，存储介质900的容量大小能够满足存储程序指令901的要求。
[0127]
可选地，存储介质900可以是存储卡、光盘、u盘、芯片等，在此不做具体限定。
[0128]
以上所述仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是根据本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。