一种基于AR技术的停车管理方法及系统与流程

本发明涉及停车导航，特别涉及一种基于ar技术的停车管理方法及系统。

背景技术：

1、随着城市化进程的加快和车辆数量的不断增多，停车问题成为城市交通管理中的一个重要挑战。传统的停车管理方法存在一些问题，如停车位搜索困难、停车位占用信息不准确等，导致停车效率低下和资源浪费。

2、为了提高停车效率和解决停车管理中的问题，基于增强现实(ar)技术的停车管理方法应运而生。该方法借助计算机视觉、深度学习和传感器技术，结合车辆定位和导航算法，实现了智能停车场的实时监测、导航和管理。

3、在相关技术中，比如中国专利文献cn114999203a中提供了一种基于5g和ar技术的停车场导航、寻车方法及装置、计算机设备，包括以下步骤：获取整个停车场的停车位及待停车辆的实时信息；对停车位实时信息数据及待停车辆实时信息数据进行处理计算，得到空余停车位与待停车辆分析计算数据；获取待停车辆定位信息；生成待停车辆到空余停车位的ar导航地图，并在用户所使用的终端设备上显示，引导用户驶入可用停车位停车。但是该方案至少存在：导航路径规划时仅考虑车辆与空余停车位之间的距离，导致规划出的导航路径并非最优，因此停车效率有待进一步提高。

技术实现思路

1、1.要解决的技术问题

2、针对现有技术中存在的停车效率低的问题，本发明提供了一种基于ar技术的停车管理方法及系统，通过构建停车场精确三维场景和ar导航等，提高了停车效率。

3、2.技术方案

4、本发明的目的通过以下技术方案实现。

5、本说明书实施例的一个方面提供一种基于ar技术的停车管理方法，包括：采用融合深度学习的图像识别技术和lidar激光雷达的深度感知技术，获取停车场的三维地图，识别出每个停车位的空间信息，空间信息包含位置、大小、形状和顺序；使用基于目标检测算法的ar标记技术，获取实时停车位的占用情况，并在停车场ar场景中标注虚拟停车位；虚拟停车位包含：空余车位、已占用车位、残障人士车位和充电车位；采用集成卷积神经网络的图像识别技术，获取停车场区域内的车辆位置和运动信息的实时识别结果；利用基于目标追踪的ar注册技术，将实时识别结果作为虚拟目标叠加到三维地图中的对应位置，在停车场ar场景中形成车辆的虚拟模型；根据车辆虚拟模型、三维地图和实时停车位的占用情况，采用基于深度强化学习的路线搜索算法，动态搜索出导航总距离最短的停车导航路径；利用ar技术，将搜索到的停车导航路径以导航箭头的形式显示在停车场ar场景中；用户采用基于手势识别的交互方式，对ar场景中标注的虚拟停车位进行选择或对停车导航路径进行确认操作。

6、进一步地，获取停车场的三维地图的步骤包括：对传感器采集的场景图像，使用卷积神经网络模型进行语义分割，识别每个停车位的空间信息，输出包含停车位空间信息的图像；对包含停车位空间信息的图像，利用编码算法进行编码，输出包含经编码的停车位空间信息的数字图像；对lidar采集的点云数据，使用基于光流法的点云配准方法，生成包含场景深度信息的三维点云；将数字图像和三维点云，输入到基于点云投影的多源数据融合模型中，进行数字图像和三维点云的空间像素级对齐，输出包含停车位及场景信息的三维地图。

7、进一步地，生成三维点云的步骤包括：对采集的lidar点云数据，使用含有huber损失函数的光流网络模型，计算两帧点云之间的光流场信息；将计算所得的光流场信息输入到双向传播算法模型中，输出两帧点云的旋转和平移参数；根据双向传播算法输出的两帧点云旋转和平移参数，进行两帧点云的位姿校准；将位姿校准后的两帧点云输入基于icp的点云配准模型中，进行三维点云配准，输出三维点云。

8、进一步地，计算两帧点云之间的光流场信息的步骤包括：对采集的lidar点云数据，使用滤波算法进行去噪处理，输出去噪后的点云数据；将去噪后的点云数据输入icp点云配准模型，输出配准在同一坐标系下的点云数据；提取配准后的点云数据的几何特征，输出点云特征数据；几何特征包含xyz坐标和法向量；构建含有huber损失函数的卷积神经网络作为点云光流网络模型；构建点云数据集，每个数据样本包含采集的点云数据和标签光流场；使用点云数据集训练点云光流网络模型，通过最小化训练过程中网络预测的光流场和标签光流场的huber损失，得到训练好的点云光流网络模型；利用训练好的点云光流网络模型计算两帧点云之间的光流场信息。

9、进一步地，在停车场ar场景中标注虚拟停车位的步骤包括：获取停车场的实时图像数据；使用目标检测算法处理获得的图像数据，检测各个停车位的占用情况，识别出空余车位、已占用车位、残障人士车位和充电车位，输出包含目标类别和坐标框的检测结果；根据检测结果，通过unity和vuforia对检测到的不同类别停车位进行虚拟标注，生成虚拟停车位模型；将生成的虚拟停车位模型的坐标转换为三维地图坐标系下的坐标；使用三维地图的api接口，调用注册虚拟对象的函数，将转换坐标后的虚拟停车位模型注册到三维地图中，以对停车位进行ar空间标注；当停车位的占用情况发生变化时，通过web socket或restful接口调用ar标注服务，更新注册到三维地图中的虚拟停车位模型的属性。

10、进一步地，获取车辆位置和运动信息的实时识别结果的步骤包括：采用网络选择控制器，记录当前网络，初始网络为第一网络；获取第一帧图像，计算图像梯度分布直方图，判断直方图的峰度是否大于阈值t1，如果是则，将场景判定为低复杂度场景；如果场景判定为低复杂度场景，则计算车辆运动速度，并判断车辆运动速度是否大于阈值t2，如果车辆运动速度大于t2，则利用网络选择控制器将第一网络切换为第二网络；如果网络未切换到第二网络，则计算车辆的当前帧和前帧的坐标，利用卡尔曼滤波算法融合多帧速度，得到车辆位置的变化速度；判定变化速度是否小于阈值t3，如果是，则利用网络选择控制器将第一网络切换为第三网络；根据网络选择控制器中的当前网络对当前帧的车辆进行定位；将不同网络的定位结果与车辆运动状态结合，输出车辆位置和运动信息；其中，第一网络采用n1定点数的卷积神经网络；第二网络采用n1位定点数的前向传播与n2位浮点数的反向传播相结合的卷积神经网络；第三网络采用低位宽整数的卷积神经网络；n2的数值大小是n1的整数倍。

11、进一步地，采用网络选择控制器，记录当前网络的步骤包括：采用网络选择控制器，在控制器内设置状态变量network_version，用于记录被调用的网络，初始值设为m1，表示第一网络；获取时序图像输入，并根据场景和目标分析判断需要切换的网络；根据判断结果，更新network_version的值，切换到目标网络；network_version的取值为m1、m2和m3，分别代表第一网络、第二网络和第三网络。

12、进一步地，将第一网络切换为第二网络的步骤包括：在低复杂度场景下，利用目标检测模型处理当前帧图像，输出包含车辆的目标检测结果；获取当前帧和前一帧的目标检测结果中的车辆识别框坐标；计算前一帧和当前帧中同一车辆坐标框的中心点位置距离差；根据中心点位置距离差和两帧间的间隔，计算车辆的运动速度；判断车辆的运动速度是否大于阈值t2，如果是则将network_version设为m2，将第一网络切换为第二网络。

13、进一步地，将第一网络切换为第三网络的步骤包括：在未切换到第二网络的情况下，获得当前帧和前一帧车辆识别框中心坐标；使用卡尔曼滤波算法融合多帧中心坐标，计算车辆位置的变化速度；判断变化速度是否小于阈值t3，如果是则将network_version设为m3，将第一网络切换为第三网络。

14、本说明书实施例的另一个方面还提供一种基于ar技术的停车管理系统，包括：场景信息获取模块，用于获取停车场的三维场景信息；停车位检测模块，用于实施检测停车位的占用情况；车辆定位模块，用于实时定位和跟踪场景中的车辆；导航路径规划模块，用于根据车辆位置和停车位信息，规划停车导航路径；交互显示模块，用于显示导航路径、车辆和停车位信息；场景信息获取模块包含：图像获取单元，获取停车场图像；图像识别单元，对获取的图像进行语义分割，识别停车位空间信息；编码单元，对识别的停车位空间信息进行编码；深度获取单元，获取停车场的深度信息；数据融合单元，将编码的停车位信息和深度信息进行融合，生成三维场景地图；停车位检测模块包含：目标检测单元，检测停车位的占用情况；注册单元，将检测结果注册到三维场景地图中，以增强停车位的现实标注；车辆定位模块包含：多网络单元，包含不同网络以处理不同场景中的车辆定位；网络选择单元，根据场景信息选择不同的网络进行车辆定位；车辆定位单元，结合不同网络的车辆定位结果和车辆运动信息，获取车辆的精确定位。

15、3.有益效果

16、相比于现有技术，本发明的优点在于：

17、(1)通过利用先进的传感器、摄像头、雷达和激光扫描仪等设备，实现车辆的自主导航和自动驾驶功能。通过将这一技术应用于停车场管理系统中，可以实现车辆的自动寻找停车位、自动进出停车位以及自动停放和取车的功能。这将大大简化停车过程，减少人为驾驶引起的停车耗时和纰漏，从而提高停车效率；

18、(2)通过设置传感器和摄像头等设备对停车场进行实时数据采集。这些采集到的数据包括停车位的空置情况、停车位的实时占用状态、车辆的行驶路线和停放时间等等。通过对这些数据进行实时分析和处理，可以确定停车场内停车位的使用率、高峰时段和拥挤程度等信息。基于这些信息，管理系统可以智能调配停车资源，例如引导车辆直接进入空置的停车位，避免车辆在停车场内徘徊，从而提高停车效率；

19、(3)通过将停车场内的路况信息、停车位的实时占用情况以及车辆的目的地等因素考虑在内，系统可以为车辆提供最佳的停车路线和导航指引。例如，当用户进入停车场时，系统可以根据用户的目的地和停车位的空置情况，智能规划一条最短、最合适的路线，指引用户迅速找到合适的停车位，从而节省时间和精力，提高停车效率。