Aug, 2023

基于视觉的自动停车位检测和占用分类

PDF
TL;DR该研究提出了一种完全基于图像输入的自动停车位检测和占用分类算法 (APSD-OC)，该算法通过在鸟瞰图上进行聚类来检测停车位，然后使用特定训练的 ResNet34 深度分类器对每个检测到的停车位进行占用或空置的分类。该方法在公开数据集 (PKLot 和 CNRPark+EXT) 上进行了广泛评估，显示出较高的停车位检测效率和对非法停车或经过车辆的稳健性。训练的分类器在停车位占用分类方面取得了较高的准确性。
parking guidance informationpgi systemsvision-based solutionsautomatic parking slot detection and occupancy classificationresnet34 deep classifier
发现论文，激发创造
  • 基于车辆事件的停车位检测

    本文提出了一种自动停车位检测方法，使用实例分割来识别汽车并生成停车位的热图，结果表明该方法可以在 PKLot 和 CNRPark-EXT 停车场数据集的 12 个不同子集上实现高达 95.60％的 AP25 分数和高达 79.90％的 AP50 分数。

    Jun, 2023

  • 面向多边形表示的全景式停车位检测

    我们提出了一种名为 HPS-Net 的一步到位的完整停车位网络，它是 You Only Look Once (YOLO) v4 算法的定制版本，能够在实时检测下直接输出停车位在鸟瞰图域的四个顶点坐标，而不是在原始相机图像中输出边界框。该方法能够以 17 FPS 的检测速度，在各种停车场场景中，例如室内或铺装地面，以 0.92 的 F1 值检测到各种空置停车位。

    Oct, 2023

  • 停车场占用检测中深度学习方法的修订

    该研究通过比较和评估现有车位检测算法和视觉转换器，提出了一种新的基于 EfficientNet 体系结构的管道，以增加现有系统的泛化能力和适应特定的视觉条件，从而提高停车场占用检测的效果。

    Jun, 2023

  • 面向智能相机停车系统的无误深度占用检测器

    该研究提出了一种基于端到端智能摄像头的停车系统，通过一个名为 OcpDet 的对象检测器，自主发现停车位的占用情况，并在推理过程中通过对比模块提供有意义的信息，避免了误检测，经过 PKLot 数据集的基准测试，其结果与传统分类解决方案相当，同时引入了额外的 SNU-SPS 数据集，以各种视角评估系统性能和执行停车分配任务，结果显示我们的系统非常适合实际应用。

    Aug, 2022

  • 基于深度卷积神经网络的停车位空位指示系统

    本文提出了一种基于深度卷积神经网络的稳健检测算法，该算法被实现并测试于大型基准数据集以及已安装在停车场内的图像源，并开发了完全功能的系统，从服务器端图像分析到前端用户界面以证明该方法的实用性，其关键词包括停车管理系统、空位指示服务、视觉检测方法、深度卷积神经网络、图像分析。

    Jun, 2016

  • 基于全景环视摄像系统的停车位分类

    基于鱼眼摄像头的围绕视野车位检测与分类研究，采用 YOLOv4 神经网络和新的多边形边界框模型进行电动车位、残疾人车位和普通车位的有效分类。

    Oct, 2023

  • 自动泊车系统中的计算机视觉：设计、实现和挑战

    本文详细讨论了一个商用自动停车系统的系统性视图，并且介绍了如何结合计算机视觉算法来实现 3D 重建，停车位识别和车辆 / 行人检测等功能，以解决自动泊车场景下的一系列问题。同时，本文强调了功能安全和计算机视觉的重要性。

    Apr, 2021

  • 使用卷积神经网络实现自动停车位检测

    使用计算机视觉技术和卷积神经网络，实现了停车场空位实时分类和占用检测，准确度为 99％，结果表明该系统在不同停车场环境中具有很好的鲁棒性。

    Jun, 2021

  • 基于视觉 SLAM 的轨迹训练自动泊车系统

    本文介绍了一种基于视觉算法的 “训练轨迹” 自动驾驶停车系统，并将其部署在商用车上展示其消费应用。

    Jan, 2020

  • 基于计算机视觉的停车场管理在公共数据集上的系统综述

    本研究通过审视后接着综合评估公开的图像数据集，对基于计算机视觉的停车场管理方法进行了系统全面的评估，发现研究领域中存在着需要进一步研究的空白和方法，例如需独立于数据集的方法和适用于停车位的自主检测方法，同时也揭示了目前大多数研究存在的问题，如忽略连续图像中相同汽车的出现以及缺乏图像数据集的多样性，例如夜晚和雪天拍摄的图像。

    Mar, 2022