下线检测方法、工控机、ETC天线装置和系统

    公开(公告)号:CN112232130B

    公开(公告)日:2024-03-22

    申请号:CN202010981713.6

    申请日:2020-09-17

    IPC分类号: G06V20/40 G07B15/06 G06V20/52

    摘要: 本发明涉及了下线检测方法、工控机、ETC天线装置和系统,该方法应用在ETC下线检测工控机,具体包括:获取摄像头对车辆流水生产线实时拍摄的视频流,并根据视频流判断车辆流水生产线上的检测工位是否有目标车辆抵达;若判断检测工位有目标车辆抵达,获取与目标车辆对应的VIN车架编码;控制ETC天线装置进入工作状态,并通过ETC天线装置将VIN车架编码写入目标车辆上的ETC电子标签。实施本发明实施例,无需对产线传送带进行大型改造,通过ETC天线装置和图像识别组网的方式自动地将VIN车架编码准切无误地写入前装ETC电子标签,能与车辆流水生产线高效精准结合、无缝接入,提高了车辆下线检测生产环节的效率。

    车辆信息融合方法、装置、计算机设备及存储介质

    公开(公告)号:CN114333347B

    公开(公告)日:2024-03-01

    申请号:CN202210016400.6

    申请日:2022-01-07

    摘要: 本发明公开了一种车辆信息融合方法、装置、计算机设备及存储介质,方法包括以下步骤:获取第一雷视融合数据;获取RSU覆盖区域内全部的OBU车辆信息;将目标车辆的位置信息与全部的OBU车辆信息进行初步绑定得到车辆信息列表;获取第二雷视融合数据,解析得到目标车辆的识别车辆信息和位置信息;判断识别车辆信息与车辆信息列表中任一OBU车辆信息是否存在相同;若存在相同,则基于位置信息将对应相同的OBU车辆信息与相应的目标车辆进行准确绑定,并对剩余目标车辆的车牌信息进行校正,以更新车辆信息列表;若不存在相同,则将目标车辆标记为异常状态并上报。本方案通过将OBU车辆信(56)对比文件CN 112053562 A,2020.12.08CN 110414504 A,2019.11.05CN 111928845 A,2020.11.13CN 112836737 A,2021.05.25CN 110189424 A,2019.08.30CN 111260808 A,2020.06.09CN 113627373 A,2021.11.09CN 112153570 A,2020.12.29US 2020242930 A1,2020.07.30US 2013201035 A1,2013.08.08吴欢欢.RFID电子标签在智能交通信号控制系统中的应用研究《.中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2013,(第10期),C034-86.刘业兴.机动车身份自动检测系统《.工程研究-跨学科视野中的工程》.2014,(第1期),99-106.D.Anushya等.Vehicle Monitoring forTraffic Violation Using V2ICommunication《.2018 Second InternationalConference on Intelligent Computing andControl Systems (ICICCS)》.2019,1665-1669.

    电动自行车轨迹追踪方法、摄像机装置和服务器

    公开(公告)号:CN112597924A

    公开(公告)日:2021-04-02

    申请号:CN202011580787.5

    申请日:2020-12-28

    摘要: 本发明涉及了电动自行车轨迹追踪方法、摄像机装置和服务器,该方法包括:依次对摄像机采集的视频流中的各帧图像进行电动自行车检测以获得每一帧图像中的各个电动自行车框图,并分别对每一帧图像中的各个电动自行车框图进行特征提取以获得每一帧图像的各个电动自行车特征;根据从该帧图像提取的各个电动自行车特征,对该帧图像中的各个电动自行车框图进行分类识别,以使该帧图像中的各个电动自行车框图分配至不同的追踪数据集;根据不同的追踪数据集,构建不同的电动自行车的轨迹信息。实施本发明实施例,有效提升了多个电动自行车复杂场景的轨迹追踪效果,为电动自行车违章类型判定和监管执法提供了准确的数据基础,进而能够进行有效监管。

    车辆排序及ETC交易方法、存储介质、工控机设备及ETC系统

    公开(公告)号:CN111709286A

    公开(公告)日:2020-09-25

    申请号:CN202010409200.8

    申请日:2020-05-14

    摘要: 本发明涉及了一种基于人工智能的车辆排序方法、ETC交易方法、可读存储介质、出入口工控机设备及ETC系统,该车辆排序方法包括:获取摄像头所采集的视频数据;根据车辆识别模型对所述视频数据进行车辆识别和车辆定位,获得多个车辆框图,其中,各车辆框图包含车辆特征信息和图像坐标信息;根据所述各车辆框图的图像坐标信息对所述多个车辆框图进行排序,确定所述特定区域内各车辆的排序,其中,所述各车辆通过所述车辆特征信息表示。实施本发明的技术方案,借助于现有停车场或高速公路已经安装好的摄像头来采集特定区域内的视频数据,并对该视频数据进行车辆识别和车辆定位,进而对特定区域内的各车辆进行排序。

    基于深度学习的车载单元定位方法以及路侧单元

    公开(公告)号:CN112288897B

    公开(公告)日:2022-08-30

    申请号:CN202011065251.X

    申请日:2020-09-30

    IPC分类号: G07B15/06 G06N3/04 G06N3/08

    摘要: 本发明涉及一种基于深度学习的车载单元定位方法,该方法应用于路侧单元,该方法包括:接收车辆上的车载单元发送的微波信号,并基于微波信号得到数字信号数据;将数字信号数据输入预先训练完成的定位神经网络模型,获得车载单元的方位角;根据方位角,确定车载单元的定位信息。实施本发明实施例,路侧单元基于神经网络对车载单元进行定位,不易受信号噪声干扰,其定位稳定性和精度更高,有效避免了跟车干扰和邻道干扰的问题。

    基于深度学习的车载单元定位方法以及路侧单元

    公开(公告)号:CN112288897A

    公开(公告)日:2021-01-29

    申请号:CN202011065251.X

    申请日:2020-09-30

    IPC分类号: G07B15/06 G06N3/04 G06N3/08

    摘要: 本发明涉及一种基于深度学习的车载单元定位方法,该方法应用于路侧单元,该方法包括:接收车辆上的车载单元发送的微波信号,并基于微波信号得到数字信号数据;将数字信号数据输入预先训练完成的定位神经网络模型,获得车载单元的方位角;根据方位角,确定车载单元的定位信息。实施本发明实施例,路侧单元基于神经网络对车载单元进行定位,不易受信号噪声干扰,其定位稳定性和精度更高,有效避免了跟车干扰和邻道干扰的问题。

    一种车载单元唤醒方法、装置及系统

    公开(公告)号:CN110956817A

    公开(公告)日:2020-04-03

    申请号:CN201911211567.2

    申请日:2019-11-29

    IPC分类号: G08G1/017 H04W4/48 H04W52/02

    摘要: 本发明公开了一种车载单元唤醒方法、装置及系统,根据目标检测算法获取目标区域的至少一组车流图像,所述车流图像是通过对应目标区域的摄像装置实时拍摄得到的,根据所述车流图像,实时获得位于所述目标区域的车流检测结果,根据所述车流检测结果,确定是否通过对应所述目标区域的路侧单元唤醒位于所述目标区域内的车载单元。在确定唤醒车载单元时,通过位于检测区域的路侧单元发送唤醒信号给车载单元,以将处于休眠状态的车载单元唤醒。在不唤醒车载单元时,车载单元处于休眠状态,根据实际的路况确定要唤醒车载单元的时候,由路侧单元进行唤醒,以此避免车载单元长时间处于唤醒状态,延长车载单元使用时间,节省能源消耗。

    无人值守的停车场收费管理方法、系统

    公开(公告)号:CN110298928A

    公开(公告)日:2019-10-01

    申请号:CN201910482597.0

    申请日:2019-06-04

    发明人: 张成 颜银慧

    IPC分类号: G07B15/02 G06K9/32 G06K9/00

    摘要: 本发明涉及了一种无人值守的停车场收费管理方法、系统,该停车场收费管理方法包括:获取停车场入口处的第一图像数据;识别车辆的车型信息,并判断车辆是否属于预设的禁止入场车辆;在属于时,输出禁止入场的提示信息;在不属于时,识别车辆的第一车牌信息和/或第一车脸信息,并放行车辆;获取停车场出口处的第二图像数据;识别车辆的第二车牌信息和/或第二车脸信息,并根据第一车牌信息和第二车牌信息,和/或,根据第一车脸信息和第二车脸信息,获取车辆的驶入/驶出时间,而且,根据预设的计费策略计算停车费用;根据停车费用对相关账户进行扣费,并放行车辆。实施本发明的技术方案,实现了封闭式停车场的智能化、无人化。

    一种深度学习推理运算方法及中间件

    公开(公告)号:CN111144571B

    公开(公告)日:2023-09-05

    申请号:CN201911325317.1

    申请日:2019-12-20

    IPC分类号: G06N5/04 G06N3/063 G06N3/08

    摘要: 一种深度学习推理运算方法及中间件,所述方法通过推理中间件用于具有不同推理运算库的硬件平台,所述方法包括:根据硬件环境,初始化所述推理中间件支持的推理运算库;调用当前使用的推理运算库,对数据进行推理运算;输出推理运算的结果。本申请的方法及中间件可以根据不同的硬件平台选择运行模式,选出最适合该硬件平台的推理运算库,使硬件平台发挥最优性能,本申请可根据不同的硬件平台,支持其对应的推理加速方案,无需专业技术人员进行繁琐的移植工作,提高了用户体验。