停车管理方法、装置、存储介质、计算机设备制造方法及图纸

本申请涉及一种停车管理方法、装置、存储介质、计算机设备，方法包括：接收停车请求，获取接收到停车请求时目标停车场的点云数据集，将该点云数据集作为初始点云数据集，对初始点云数据集进行聚类和卡尔曼滤波实现跟踪定位得到得到目标停车场的事物目标和每个事物目标的初始位置信息，根据神经网络分类模型对每个事物目标进行分类以确定每个事物目标的类型，根据每个事物目标的初始位置信息和类型得到目标停车场的停车位的占用信息，根据占用信息获取空闲停车位信息。通过本申请的技术方案可以快速获取停车场内的空闲停车位信息并以此向待停车车辆推荐空闲停车位，避免了车主盲目地在停车场找停车位，耗时耗力，使用户体验得到提升。

【技术实现步骤摘要】
停车管理方法、装置、存储介质、计算机设备
本申请涉及计算机
，尤其涉及一种停车管理方法、装置、存储介质、计算机设备。
技术介绍
目前对于驾驶人员来说不论是在地下停车场或者地面停车场寻找停车位多数是靠驾驶人员在停车场自行寻找，这种方法不仅耗时漫长、效率低，而且不一定能找到停车位，给驾驶人员带来了非常差的用户体验。略微智能化的停车场则是以红绿灯是否亮起或者根据重力性原理触碰相关物件来间接性管理停车场或地下停车库的停车位以获取停车位信息，这种方法管理性差且易出现车位使用误判等弊端，便利性和可靠性差。
技术实现思路
为了解决上述技术问题，本申请实施例提供了一种停车管理方法、装置、存储介质、计算机设备。第一方面，本申请实施例提供了一种停车管理方法，该方法包括：接收停车请求；获取接收到停车请求时目标停车场的点云数据集，将接收到停车请求时目标停车场的点云数据集作为初始点云数据集；对初始点云数据集进行聚类和卡尔曼滤波实现跟踪定位得到接收到停车请求时目标停车场的事物目标和每个事物目标的初始位置信息；根据神经网络分类模型对每个事物目标进行分类以确定每个事物目标的类型，所述类型包括人、车辆；根据每个事物目标的初始位置信息和类型得到目标停车场的停车位的占用信息；根据所述占用信息获取空闲停车位信息。可选地，该方法还包括：获取待停车车辆的初始位置信息；根据空闲停车位信息和待停车车辆的初始位置信息向待停车车辆推荐空闲停车位。其中，初始位置信息可以为待停车车辆进入的目标停车场的入口信息。可选地，获取接收到停车请求时目标停车场的点云数据集，包括：通过毫米波雷达获取接收到停车请求时目标停车场对应的回波信号；对回波信号进行处理得到接收到停车请求时目标停车场对应的点云数据集。可选地，对初始点云数据集进行聚类和卡尔曼滤波实现跟踪定位得到接收到停车请求时目标停车场的事物目标和每个事物目标的初始位置信息，包括：对初始点云数据集进行聚类和卡尔曼滤波使同一事物目标的初始点云数据聚类，使每个事物目标的下一帧的点云数据与由上一帧点云数据聚类得到的对应事物目标关联，根据每个事物目标聚类的初始点云数据获取对应事物目标的初始位置信息；根据神经网络分类模型对每个事物目标进行分类以确定每个事物目标的类型，包括：根据每个事物目标关联的初始点云数据和历史点云数据获取对应事物目标的时频图，分别根据每个事物目标对应的时频图进行特征提取，将提取的特征输入到训练好的神经网络分类模型进行分类以确定每个事物目标的类型；根据每个事物目标的初始位置信息和类型得到目标停车场的停车位的占用信息，包括：将类型为车辆的事物目标对应的初始位置信息分别与预存的所述目标停车场的每个停车位的位置信息进行匹配，将位置信息与类型为车辆的事物目标的初始位置信息匹配的停车位作为已占用停车位，将位置信息与类型为车辆的事物目标的初始位置信息不匹配的停车位作为空闲停车位。可选地，该方法还包括：获取待停车车辆进入到目标停车场后的实时点云数据集；对实时点云数据集进行聚类和卡尔曼滤波实现跟踪定位使同一事物目标的实时点云数据聚类，使每个事物目标的下一帧的点云数据与由上一帧的点云数据聚类得到的对应事物目标关联；根据当前帧每个事物目标聚类的实时点云数据和历史点云数据获取对应事物目标的时频图；分别根据每个事物目标对应的时频图进行特征提取；将提取的特征输入到训练好的神经网络分类模型进行分类以确定每个事物目标的类型，类型至少包括人、车辆；根据当前帧各个事物目标关联的实时点云数据获取各个事物目标的当前位置信息；根据各个事物的当前位置信息获取当前位置与待停车车辆的当前位置相距预设范围内的事物目标，将相距预设范围内的事物目标作为待注意事物目标；根据待注意事物目标的类型、待注意事物目标与待停车车辆的当前位置信息向待停车车辆发送安全行驶提醒。可选地，所述神经网络分类模型采用双向长短时记忆神经网络，双向长短时记忆神经网络包括前向长短时记忆网络和后向长短时记忆网络。可选地，该方法还包括：根据待停车车辆对应的时频图获取待停车车辆的行车轨迹；根据行车轨迹判断待停车车辆是否偏离推荐的空闲停车位；若偏离推荐的空闲停车位，则向待停车车辆发送提醒信号。可选地，在根据空闲停车位信息和初始位置信息向待停车车辆推荐空闲停车位之后，还包括：获取推荐停车位反馈信号；若推荐停车位反馈信号为接受推荐的空闲停车位，则将推荐的空闲停车位从空闲停车位信息中去除，更新空闲停车位信息；若推荐停车位反馈信号为拒绝接受推荐的空闲停车位，则向待停车车辆推荐其他空闲停车位直至接受推荐的空闲停车位。第二方面，本申请实施例还提供了一种停车管理装置，该装置包括：接收模块，用于接收停车请求；点云数据获取模块，用于获取接收到停车请求时目标停车场的点云数据集，将接收到停车请求时目标停车场的点云数据集作为初始点云数据集；聚类滤波模块，用于对初始点云数据集进行聚类和卡尔曼滤波实现跟踪定位得到接收到停车请求时目标停车场事物目标和每个事物目标的初始位置信息；分类模块，用于根据神经网络分类模型对每个事物目标进行分类以确定每个事物目标的类型，所述类型包括人、车辆；处理模块，用于根据每个事物目标的初始位置信息和类型得到目标停车场的停车位的占用信息；空闲停车位获取模块，用于根据占用信息获取空闲停车位信息。第三方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行前面任一项的方法的步骤。第四方面，本申请实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时执行前面任一项的方法的步骤。本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请的技术方案通过毫米波雷达采集目标停车场的点云数据集，并对采集的点云数据集进行聚类和卡尔曼滤波实现跟踪定位得到目标停车场的停车位的占用信息，进而获取空闲停车位信息以向待停车车辆推荐空闲停车位，通过此方案利用毫米波雷达可以快速、准确的确定空闲停车位的数量及位置信息，避免驾驶人员盲目地在停车场自主寻找停车位，耗时耗力，而且不一定能找到停车位，提高了用户停车体验；根据待停车车辆的位置和空闲停车位信息可以向驾驶人员推荐最优停车位，节省了停车时间；可以多次向驾驶人员推荐空闲停车位直到驾驶人员接受，当接受空闲停车位后将该停车位预留给待停车车辆，避免其他车辆抢占停车位，营造了一个良好公正的停车环境；对待停车车辆在停车场的行车轨迹进行跟踪，当偏离推荐的空闲停车位后发送提醒信号以规范停车秩序。附图说明此处的附图被并入说明书中并构成本说明书的本文档来自技高网...

【技术保护点】
1.一种停车管理方法，其特征在于，所述方法包括：/n接收停车请求；/n获取接收到所述停车请求时目标停车场的点云数据集，将接收到所述停车请求时目标停车场的点云数据集作为初始点云数据集；/n对所述初始点云数据集进行聚类和卡尔曼滤波实现跟踪定位得到接收到所述停车请求时所述目标停车场的事物目标和每个事物目标的初始位置信息；/n根据神经网络分类模型对每个所述事物目标进行分类以确定每个事物目标的类型，所述类型包括人、车辆；/n根据每个所述事物目标的初始位置信息和类型得到所述目标停车场的停车位的占用信息；/n根据所述占用信息获取空闲停车位信息。/n

【技术特征摘要】
1.一种停车管理方法，其特征在于，所述方法包括：
接收停车请求；
获取接收到所述停车请求时目标停车场的点云数据集，将接收到所述停车请求时目标停车场的点云数据集作为初始点云数据集；
对所述初始点云数据集进行聚类和卡尔曼滤波实现跟踪定位得到接收到所述停车请求时所述目标停车场的事物目标和每个事物目标的初始位置信息；
根据神经网络分类模型对每个所述事物目标进行分类以确定每个事物目标的类型，所述类型包括人、车辆；
根据每个所述事物目标的初始位置信息和类型得到所述目标停车场的停车位的占用信息；
根据所述占用信息获取空闲停车位信息。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取待停车车辆的初始位置信息；
根据所述空闲停车位信息和所述待停车车辆的初始位置信息向所述待停车车辆推荐空闲停车位。


3.根据权利要求2所述的方法，其特征在于，所述获取接收到所述停车请求时目标停车场的点云数据集，包括：
通过毫米波雷达获取接收到所述停车请求时所述目标停车场对应的回波信号；
对所述回波信号进行处理得到接收到所述停车请求时所述目标停车场对应的点云数据集。


4.根据权利要求3所述的方法，其特征在于，所述对所述初始点云数据集进行聚类和卡尔曼滤波实现跟踪定位得到接收到所述停车请求时所述目标停车场的事物目标和每个事物目标的初始位置信息，包括：
对所述初始点云数据集进行聚类和卡尔曼滤波使同一事物目标的初始点云数据聚类，使每个事物目标的下一帧的点云数据与由上一帧点云数据聚类得到的对应事物目标关联，
根据每个事物目标聚类的初始点云数据获取对应事物目标的初始位置信息；
所述根据神经网络分类模型对每个所述事物目标进行分类以确定每个事物目标的类型，包括：
根据每个所述事物目标关联的初始点云数据和历史点云数据获取对应事物目标的时频图，
分别根据每个事物目标对应的时频图进行特征提取，
将提取的特征输入到训练好的神经网络分类模型进行分类以确定每个事物目标的类型；
所述根据每个所述事物目标的初始位置信息和类型得到所述目标停车场的停车位的占用信息，包括：
将类型为车辆的事物目标对应的初始位置信息分别与预存的所述目标停车场的每个停车位的位置信息进行匹配，
将位置信息与类型为车辆的事物目标的初始位置信息匹配的停车位作为已占用停车位，
将位置信息与类型为车辆的事物目标的初始位置信息不匹配的停车位作为空闲停车位。


5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取所述待停车车辆进入到所述目标停车场后当前帧的实时点云数据集；
对所述实时点云数据集进行聚类和卡尔曼滤波实现跟踪定位使同一事物目标的实时点云数据聚类，使每个事物目标的下一帧的点云数据与由上一帧点云数据聚类得到的对应事物目标关联；
根据当前帧每个事物目标聚类的实时...

【专利技术属性】
技术研发人员：董明珠，李绍斌，陈向文，罗晓宇，黄智刚，
申请(专利权)人：珠海格力电器股份有限公司，珠海联云科技有限公司，
类型：发明
国别省市：广东;44