一种用于车辆寻找车主的反向定位寻找系统的制作方法

本发明属于人工智能汽车技术领域，具体涉及一种用于车辆寻找车主的反向定位寻找系统。

背景技术：

现在，越来越多的停车场都是地下或立体停车场，这类停车场车位密集、路径复杂，司机停车之后去取车时忘记自己的车停在哪里。而且这类停车场的定位系统信号一般很差，也没有办法通过一般的导航来实现定位。

目前进入停车场的时候，都是由通车管理员人工引导司机找到空位，这样需要大量的停车管理员，每个楼层，重要的路口都需要有人值守，指引车辆找到空位。在司机停车后，也是有停车管理员定时记录每个车位上停放的车牌号并汇总，用户找到停车场管理人员时由管理人员带用户找到车位。但是这种方法所需的人员成本太高，而且用户找到停车管理员再找到车的时间成本也高。

对于停车后，返回时找到车辆的问题，一种传统的解决方法是设置智能停车机系统：通过在停车场内布置摄像头及停车机，依赖图像识别技术拍摄下每个停车位的车牌号，用户可以在停车机终端上输入其车牌号找到车位号，同时得到一条从停车机到车位的路径。例如专利号为201310737694.2的发明中公开了一种停车场找车系统，包括安装在每个停车位附近的定位控制装置，安装在停车场出入口的查询终端以及服务器；定位控制装置和查询终端通过网络与服务器相连接；服务器用于存储车位标识信息、停车场地图信息、车牌号码信息及其所对应的车辆停放位置信息；查询终端根据输入的车辆信息，通过网络从服务器查询获取相应的车辆停放位置信息，并生成从当前位置到停放车位的路径并向客户显示该信息等。但是该方案所需的硬件成本高昂，每隔一段停车位都需要布置摄像头，每层车库都需要放置一台或多台停车机。此外，不能保证较高的识别率，由于车辆停放位置或号牌污损等原因，摄像头可能不能正确识别用户车牌号，造成停车机中无法查询到用户车辆。实际使用也不方便，用户必须要到停车场中指定的位置才能使用停车机，找到停车机本身也需要时间。

此外，专利号为201310020005.6的发明公开了一种用于在停车场寻找车位的方法，包括以下步骤：调取停车场的电子地图；获得车位号信息；获取用户的当前位置信息；计算用户当前位置与所获得的车位号之间的路径；呈现路径信息。用户只需在程序中输入离其当前位置最近的车位号，程序会根据地下停车场的车位信息，自动计算出一条从用户当前位置到车位的路径，再利用手机上的重力感应器和陀螺仪将用户导航至车位。这种方法虽然解决了找车的问题，但是该方法需要预先得知停车场的信息后才能使用，不能独立实施，操作难度较大。

因此，需要一种硬件成本和人员成本低廉、使用方便、能够快捷准确的寻找车位的设备或方法。

技术实现要素：

本发明的目的是通过以下技术方案实现的。

根据本发明的一个方面，本发明提供了一种用于车辆寻找车主的反向定位寻找系统，包括：

车载计算机定位处理器，用于在车主熄火离开车辆后，车载计算机定位处理器向车主发送车辆位置坐标；

定位处理器，用于在收到车主的位置请求指令后，确认驻车时的坐标，计算车辆和车主的距离以及车主的位置，以及最优行驶路线，并启动自动行驶模块；

自动行驶模块，用于通过车载红外激光雷达或者微波雷达以及人工智能处理器，控制车辆按照所述最优行驶路线行驶向车主。

优选的，所述位置坐标发送到车主手机或遥控车钥匙。

优选的，通过无线网络、有线网络、车载导航、指南针、陀螺仪中的一种或多种，计算车辆和车主的距离以及车主的位置。

优选的，在车辆自动行驶向车主时，所述自动行驶模块向车主发出车辆正在驶向车主位置的信息和警示音。

优选的，所述车辆在到达车主位置前一定距离时，所述自动行驶模块控制车辆驻停，并打开灯光双闪，同时向车主发送车辆到达消息。

优选的，所述系统还包括身份识别模块，用于通过人像对比识别算法对可疑人员进行识别，包括如下步骤：

(1)提取人脸图像信息；

(2)使用深度学习模型对所述人脸图像信息进行学习；

(3)比对所述人脸图像信息和身份数据库中存储的人脸图像信息，使用二叉树算法进行深度匹配；

(4)当匹配结果超过设定阈值时，认定人脸匹配结果成功，否则匹配失败，可疑人员为偷盗风险很高人员。

优选的，所述深度学习模型为lstm网络模型，所述lstm网络模型为串联的两层lstm模型，所述两层lstm模型位于隐藏层。

优选的，所述自动行驶模块向车主发出车辆正在驶向车主位置的信息为加密数据，其中使用到的加密算法包括：安全散列算法、md5算法。

优选的，所述安全散列算法用于处理消息数据，包括如下步骤：

(1)填充附加位，填充消息使其长度≡896；

(2)附加长度，在填充后的消息后附加128位的块，将其视为无符号整数，它包含前消息的长度；

(3)初始化hash缓冲区，hash函数中间结果和最终结果保存在512位的缓冲区，缓冲区由8个64位的寄存器表示，并将这些寄存器初始化为64位的整数；

(4)以1024位分组为单位处理消息并输出结果。

每个所述寄存器内容获取的方式是：取前8个素数取平方根，取小数部分的前64位。

优选的，所述md5用于处理信息数据，包括如下步骤：

(1)填充，首先对信息进行填充，使其位长对512求余的结果等于448；

(2)初始化变量，初始的128位值为四个初试链接变量，这些参数用于第一轮的运算，以大端字节序来表示；

(3)处理分组数据，每一分组的算法流程如下：

第一分组将上述四个链接变量复制到另外四个变量中，从第二分组开始的变量为上一分组的运算结果；

主循环有四轮，第一轮进行16次操作，每次操作对上述另外四个变量中的其中三个作一次非线性函数运算，然后将所得结果加上第四个变量，文本的一个子分组和一个常数；再将所得结果向左环移一个不定的数，并加上上述另外四个变量中之一，最后用该结果取代上述另外四个变量中之一。

(4)输出，最后的输出是上述另外四个变量的级联。

优选的，所述第(1)步中对信息进行填充的方法如下：

1)在信息的后面填充一个1和无数个0，直到满足上面的条件时才停止用0对信息的填充；

2)在这个结果后面附加一个以64位二进制表示的填充前信息长度，如果二进制表示的填充前信息长度超过64位，则取低64位。

本发明的优点在于：本发明实现了无人驾驶汽车能够在停车场自动寻找车主，大大节省了车主寻找车辆的时间；并结合身份识别和信息加密，提高了车辆本身的安全性，防止被盗被抢。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

附图1示出了根据本发明实施方式的硬件布置原理图；

附图2示出了根据本发明实施方式的用于车辆寻找车主的反向定位寻找系统结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明提供一种当车辆泊车或锁车后，车主返回停车场时，车辆能够自动寻找车主的反向定位寻找系统。

本发明的原理如下：如图1所示，车辆寻找车主的反向寻找系统主要原理是，车辆在驶向停车场时，车载卫星定位，无线网络，手机通讯信号，指南针和车载计算机同步开始计算车辆行驶轨迹和距离，即使在地下停车场，没有卫星信号或者手机信号的情况下，车辆也可以通过预制地图或者指南针的经纬度来记录和计算自己的行驶轨迹，计算出车辆行驶的最后停止位置。

在车主离开车辆时，车载计算机系统锁定车主离开的时间和地点，同时将停车的坐标和位置发送到车主手机或遥控车钥匙。

当车主需要寻找车辆时，车主只要在原地等待，在手机专用控制软件上或遥控车钥匙上，按下一键寻车，车辆会向车主的手机或遥控车钥匙再次确认车辆的坐标和距离车主的位置和距离，同时车辆按照引导轨迹自动行驶到车主所在的位置，即实现无人驾驶寻找车主的功能。

实施例1

如图2所示，本发明的用于车辆寻找车主的反向定位寻找系统，包括：

车载计算机定位处理器，用于在车辆驻场后，车主熄火离开车辆锁车后，车载计算机定位处理器向车主发送车辆位置坐标。车载计算机定位处理器通过车载卫星定位，无线网络，手机通讯信号，指南针和车载计算机同步开始计算车辆行驶轨迹和距离，即使在地下停车场，没有卫星信号或者手机信号的情况下，车辆也可以通过预制地图或者指南针的经纬度来记录和计算自己的行驶轨迹，计算出车辆行驶的最后停止位置。

车载计算机定位处理器位于车辆的中控中，可以通过计算机(或者其他硬件控制模块例如单片机、fpga等)结合相应的软件控制系统来实现。通过车载计算机控制处理中心可以开启或者关闭定位保持功能、数据处理功能、启动行驶功能。在车辆经过行驶并抵达车主后，车载计算机定位处理器会产生抵达信息并发送给车主或者云端大数据。定位保持、数据处理、启动行驶、和发送抵达信息是一个顺序的流程，如图2所示，是依次启动的。车载计算机定位处理器在收到车主的位置请求指令后，重新确认驻车时的坐标，通过无线网络，有线网络，车载导航，指南针，陀螺仪等辅助定位系统，计算出车辆和车主的距离以及车主的位置，以及最优行驶路线，启动自动行驶模块。

自动行驶模块，用于通过车载红外，激光雷达或者微波雷达以及人工智能处理器等，按照导航轨迹启动行驶。所述自动行驶模块同时通过无线通讯模块向车主发出车辆正在驶向车主位置的信息和警示音。

到达位置后，车辆在到达车主位置前一定距离(例如5米)，灯光自动双闪，同时向车主发送车辆到达消息，完成反向寻车的定位和送达任务。

同时将此次反向寻车的任务发送至云端大数据存档备份。

本发明中，优选的，还可以包括身份识别模块，用于对申请调用汽车的车主进行身份识别，优选的，身份识别模块可以首先要求请求调用的人员发送脸部图像信息，然后通过人像对比识别算法对可疑人员进行识别，包括如下步骤：

(1)提取人脸图像信息；

(2)使用深度学习模型对所述人脸图像信息进行学习；

(3)比对所述人脸图像信息和身份数据库中存储的人脸图像信息，使用二叉树算法进行深度匹配；

(4)当匹配结果超过设定阈值时，认定人脸匹配结果成功，否则匹配失败，可疑人员为偷盗风险很高人员。

所述深度学习模型为lstm网络模型，所述lstm网络模型为串联的两层lstm模型，所述两层lstm模型位于隐藏层。

本发明中，所述自动行驶模块向车主发出车辆正在驶向车主位置的信息为加密数据，以防被偷盗者截获后轻易破解。其中使用到的加密算法包括：安全散列算法、md5算法。

所述安全散列算法用于处理消息数据，包括如下步骤：

(1)填充附加位，填充消息使其长度≡896；

(2)附加长度，在填充后的消息后附加128位的块，将其视为无符号整数，它包含前消息的长度；

(3)初始化hash缓冲区，hash函数中间结果和最终结果保存在512位的缓冲区，缓冲区由8个64位的寄存器表示，并将这些寄存器初始化为64位的整数；

(4)以1024位分组为单位处理消息并输出结果。

每个所述寄存器内容获取的方式是：取前8个素数取平方根，取小数部分的前64位。

所述md5用于处理信息数据，包括如下步骤：

(1)填充，首先对信息进行填充，使其位长对512求余的结果等于448；

(2)初始化变量，初始的128位值为四个初试链接变量，这些参数用于第一轮的运算，以大端字节序来表示；

(3)处理分组数据，每一分组的算法流程如下：

第一分组将上述四个链接变量复制到另外四个变量中，从第二分组开始的变量为上一分组的运算结果；

主循环有四轮，第一轮进行16次操作，每次操作对上述另外四个变量中的其中三个作一次非线性函数运算，然后将所得结果加上第四个变量，文本的一个子分组和一个常数；再将所得结果向左环移一个不定的数，并加上上述另外四个变量中之一，最后用该结果取代上述另外四个变量中之一。

(4)输出，最后的输出是上述另外四个变量的级联。

所述第(1)步中对信息进行填充的方法如下：

1)在信息的后面填充一个1和无数个0，直到满足上面的条件时才停止用0对信息的填充；

2)在这个结果后面附加一个以64位二进制表示的填充前信息长度，如果二进制表示的填充前信息长度超过64位，则取低64位。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。