En septiembre pasado, instalamos sensores de estacionamiento ópticos para medir la ocupación de más de 500 lugares de estacionamiento en la calle en el distrito universitario de la ciudad de Braunschweigs. Esa es la mayor instalación de sensores de estacionamiento jamás realizada en un espacio público en Alemania y una cosa es segura: haremos que sea la última. Esta es la historia de los grandes esfuerzos que una empresa de IA realizó en busca de la verdad sobre el terreno datos para alimentar sus algoritmos.




Esta es también la historia detrás de una hermosa pieza de ingeniería, que resultó ser el subproducto de una misión más grande y, finalmente, nunca se volverá a poner en producción. Todo eso a favor de una tecnología más disruptiva basada en datos. Dado que, en Bliq, trabajamos en algoritmos predictivos para modelar la disponibilidad de estacionamiento en función de los datos de tráfico, tenemos la necesidad natural de obtener datos reales de la ocupación de estacionamiento en la vida real. en un área de referencia.


Para obtener ese tipo de datos, decidimos construir nuestra propia configuración experimental real de sensores de estacionamiento que miden la ocupación de más de 500 lugares de estacionamiento en la calle, en tiempo real, las 24 horas del día. Con este artículo, Me gustaría compartir algunas ideas sobre los esfuerzos de ingeniería que se han realizado en este proyecto. Más específicamente, hablaremos sobre el sitio de prueba que elegimos, la arquitectura del sistema y el sensor real que diseñamos y construimos para recopilar datos.


El sitio de pruebaA veces, las empresas de IA necesitan ser creativas cuando se trata de recopilar datos reales para sus modelos. En nuestro caso, modelar la disponibilidad de estacionamiento para automóviles significaba encontrar un distrito que cumpliera con ciertos criterios en términos de flujo de tráfico, uso y demografía. Elegimos el distrito universitario en Braunschweig por su gran variedad de influencias en un espacio comparativamente pequeño: en el sur, tenemos el campus principal de la universidad que atrae a miles de estudiantes y cientos de empleados todos los días.


Aún más al sur, el centro de la ciudad con sus tiendas y atracciones está a solo unos minutos a pie (no se muestra en el mapa de arriba). La parte norte del distrito forma una zona residencial con estacionamiento público en la calle sin restricciones. La mayoría de las personas que viven en esta área son estudiantes o empleados de la industria automotriz local.




La gran mayoría de los residentes se desplaza al trabajo en vehículos privados. El distrito está separado por un camino circular arterial, que abarca el distrito central de la ciudad. Cómo funciona el sistema La arquitectura básica del sistema de la instalación del sensor es bastante sencilla y básicamente lo que uno esperaría de la mayoría de las aplicaciones de IoT: una pequeña pieza de hardware se implementa en algún lugar en el mundo real y transmite datos a un servidor en la nube.


El backend almacena los datos y los hace accesibles para su posterior procesamiento, para que sirvan como base para los esfuerzos de aprendizaje automático o simplemente para una visualización simple en una aplicación o aplicación web. Requisito difícil: privacidad por diseño. potencia que desplegamos en el perímetro: debido a los requisitos reglamentarios en el espacio público alemán que también se desencadenan por las discusiones recientes y en curso de GDPR, no pudimos procesar imágenes en una nube remota con muchos recursos computacionales. Es por eso que necesitábamos hacer todo el trabajo pesado para determinar puntos abiertos directamente en el dispositivo sensor en lugar de en otro lugar.


La ventaja de esto es que este enfoque no consume grandes volúmenes de datos para enviar imágenes de un lado a otro. En cambio, podemos mantener los costos de funcionamiento de los sensores para la conectividad también dentro de un rango relativamente bajo. En el lado negativo, equipar el dispositivo con suficiente poder computacional para realizar análisis de imágenes requiere muchos esfuerzos adicionales en el desarrollo de hardware.


¿Por qué no usar otro sensor de estacionamiento? ¿Por qué hemos decidido pasar por el dolor de diseñar y construir nuestro propio sensor de estacionamiento en lugar de simplemente comprar uno de los muchos modelos de sensores terminados que ya están disponibles? Hay tres respuestas a eso: Nosotros no sabía lo complejo que iba a ser construir un nuevo dispositivo;) Todos los sensores de estacionamiento existentes tenían algunos defectos: la situación regulatoria nos prohibía usar cualquier tipo de solución óptica disponible, ya que este tipo de sistemas violarían la privacidad.


Los sensores montados en la superficie no soportarían la remoción de nieve durante el invierno. Y, por último, los sensores enterrados eran bastante costosos e incluso más caros de instalar. Teníamos un presupuesto bastante ajustado cuando comenzamos este proyecto.


Arrancamos completamente a la empresa en este punto: nuestros fondos consistían en algunos fondos del gobierno, los primeros ingresos y algunos precios que ganamos aquí y allá. Los otros modelos de sensores con un precio de entre 75 y 250 EUR por lugar eran simplemente demasiado caros para nosotros en este momento. El nuevo sensor de estacionamiento ópticoLa idea del principio de funcionamiento de nuestro sensor era simple: implementar el mismo algoritmo que ya habíamos desarrollado en nuestro proyecto de investigación anterior sobre hardware reducido, conectarlo a Internet, poner todo en una caja impermeable y montarlo a un poste de luz.


El algoritmo en sí es básicamente un clasificador de imágenes, que requiere regiones de interés predefinidas para mirar. El propósito original del modelo era automatizar el análisis de la ocupación de estacionamientos en algunas series de imágenes enormes que recopilamos en un proyecto anterior con cámaras fuera de línea. El desafío ahora solo era diseñar una plataforma de hardware adecuada con suficiente potencia computacional, reducir el modelo para que se ejecute en esta configuración y garantizar un suministro de energía continuo.


Esta fue nuestra lista de deseos de especificaciones: Bajo costo por lugar: Componentes estándar Frecuencia de medición de hasta 3 min a 30 seg. G


un automóvil que ocupa dos lugares) Monitoreo del estado de salud del dispositivo Opción de actualizaciones de software remotas Bajo consumo de energía 25 años de vida útil Software El software del sensor consta de tres capas: el sistema operativo, que fue un desarrollo personalizado para este proyecto, la rutina central que controla todas las funciones de los sensores y el modelo de aprendizaje automático real para la detección de puntos abiertos. Sistema operativo Para ejecutar un modelo de visión completo en el borde, rápidamente nos dimos cuenta de que necesitaríamos una configuración de software mucho más grande que en otros proyectos de hardware de IoT. Se tomó la decisión de construir una distribución personalizada de Linux usando Yocto.


De esta manera, podríamos tener control total sobre todo lo que hace el sistema operativo. Las características principales eran dos particiones separadas, para poder realizar actualizaciones del sistema de archivos e intercambiar particiones, varias bibliotecas, requeridas por la rutina principal y un restablecimiento de vigilancia. El controlador de hardware de nuestro SBC reinicia el dispositivo en caso de que algo no funcione como se esperaba.


Tener medidores de ladrillos inteligentes sobre el suelo en postes de luz debido a un error en el software sería literalmente el peor de los casos. Rutina central La rutina central es responsable de ejecutar el detector en un intervalo de tiempo ajustable, monitorear el estado de salud de los sensores y comunicarse con el backend (recuperación de datos de configuración y envío de actualizaciones). La rutina central se implementa en Python.


Esto nos dio una gran flexibilidad y simplificó mucho el procesamiento de imágenes, ya que podíamos hacer uso de la gran base de código de Python existente que ya teníamos en la empresa. Una gran cosa sobre el diseño del software es su capacidad para actualizaciones remotas independientes de cada componente individual: Desde el modelo de detección hasta el código fuente para la rutina central hasta el núcleo o incluso todo el sistema de archivos, cada parte puede reemplazarse de forma remota. Ante la rápida evolución en el campo del CV y ​​el aprendizaje automático en general, queríamos asegurarnos de que el código que ejecuta los sensores sea de última generación durante toda su vida útil.


Aprendizaje automáticoPara realizar la tarea de detección, tomamos una versión de tensorflow y, después de algunos ajustes, finalmente logramos que funcionara en nuestra configuración. Una vez hecho esto, pudimos implementar prácticamente cualquier flujo de tensor preentrenado que encajara en la memoria de la GPU. Decidimos usar MobileNet, ya que mostró la mejor relación entre precisión y rendimiento en nuestra configuración.


También analizamos varios otros enfoques basados ​​en funciones tradicionales de visión por computadora, como funciones HOG, histogramas, etc. en combinación con clasificadores de aprendizaje automático convencionales como SVM. Si bien estas pruebas dieron como resultado un rendimiento computacional bastante alto debido a un diseño de modelo mucho más simple en comparación con MobileNet, la precisión del modelo fue menor, lo que puede explicarse por las desventajas habituales de las descripciones de características de CV estándar (invariancia de luz, invariancia de escala).


HardwareTrabajar con hardware fue una experiencia bastante nueva para nosotros, siendo hasta ese momento una empresa puramente de software. Aunque Mathias, nuestro CTO, había trabajado en el diseño de componentes electrónicos en su trabajo anterior con Volkswagen R
&D, nuestra empresa no estaba del todo preparada para una tarea de desarrollo de hardware y, sinceramente, mirando hacia atrás, todavía no lo está hoy. Sin embargo, necesitábamos un diseño funcional que fuera fácil de fabricar y de iterar con los recursos que teníamos como empresa de arranque en ese momento.


Por lo tanto, nuestra lista de requisitos resultó ser rápidamente así: El estuche debe ser impermeable e imprimible en 3D. El sensor debe poder funcionar al menos 12 horas con la batería. La cámara debe protegerse de la lluvia y el agua rociada, y también debe funcionar en la oscuridad. El diseño necesita sostener la cámara, un sensor de temperatura / humedad, el módulo LTE, la computadora de placa única y algunos componentes electrónicos de potencia para convertir el voltaje al nivel apropiado. Se necesita una batería para continuar funcionando cuando el poste de luz está apagado (durante el día) Toda la configuración debe ser modular para facilitar la instalación y poder intercambiar componentes individuales en caso de falla. También debe ser pequeño y estar pintado de gris para parecer discreto en su entorno operativo. Condiciones de funcionamiento de -20 C a 70 C (ya que la configuración puede calentarse bastante en verano cuando está completamente expuesta al sol). Comenzamos con un diseño que incluye infrarrojos. LED (como los tienen muchas cámaras al aire libre) para poder operar en condiciones nocturnas.


Sin embargo, esta elección de diseño resultó tener algunos defectos: estos LED consumían bastante energía (en comparación con el resto de la electrónica), lo que hacía necesaria una fuente de alimentación no estándar. A pesar del gran consumo de energía, no eran realmente capaces de iluminar todo el campo de visión. Probablemente hubiéramos necesitado un proyector IR externo que, de nuevo, no era una alternativa seria.


Y, por último, el diseño con LED tampoco era muy bonito. Para superar el problema de las operaciones nocturnas, decidimos utilizar la configuración estática de la cámara: dado que la posición de la cámara es estática y los objetos que intentamos detectar normalmente también están quietos, podemos aumentar la exposición y la sensibilidad a la luz de los sensores para trabajar solo con luz residual. Así que sobrescribimos la exposición interna de las cámaras y el control ISO y escribimos un ciclo de retroalimentación simple que ajusta la configuración de iluminación en función de la luminancia del último cuadro capturado.


Este enfoque resultó funcionar bastante bien, ya que en la mayoría de las calles hay suficiente luz residual de las farolas. Después de varias iteraciones más, finalmente terminamos con el diseño que se muestra arriba: La cámara se encuentra dentro de un cono para protegerla del agua rociada. y reflejos solares tanto como sea posible. Los componentes electrónicos están montados en un zócalo en el interior y un cable plano conecta la cámara a la placa principal.


La parte inferior es removible y se monta en la caja con cuatro tornillos estándar. Dado que la caja está impresa en ABS, las tuercas cuadráticas se colocan en los recortes para garantizar que los tornillos se puedan apretar correctamente. Una junta tipo GoPro conecta la carcasa al soporte, que se sujeta al poste de luz usando cinta de acero estándar.


Todas las piezas están optimizadas para la capacidad de impresión en 3D, lo que significa que no hay voladizos pesados, importar superficies paralelas para obtener una superficie de alta calidad. Por último, la caja de la batería está separada del sensor para una mejor capacidad de servicio. Es una caja estándar de ABS moldeado por inyección y contiene 4.


Batería de plomo de 5 Ah y 12 V y una unidad de carga, que toma una entrada de 230 V (que es el voltaje de la mayoría de las luces de la calle en Alemania). ¿Qué sigue? Los datos que recopilamos a lo largo de este proyecto nos ayudan mucho a mejorar nuestra comprensión (y también algoritmos) de cómo funciona el estacionamiento en diferentes situaciones de tráfico y varios contextos de factores que influyen en la disponibilidad de estacionamiento. Próximamente publicaremos más sobre los resultados reales desde la perspectiva de la ciencia de datos.


También dedicaremos algo de tiempo y profundizaremos en los detalles de la parte del software y, finalmente, incluso abriremos el código fuente del software, así como los diseños de hardware. Agradecimientos En este punto, nos gustaría expresar nuestro agradecimiento a la ciudad de Braunschweig por darnos acceso a la infraestructura de tráfico para respaldar este proyecto. No solo proporcionaron todos los permisos necesarios, sino que también cubrieron parte de los costos.


También nos gustaría enviar un gran agradecimiento al operador de tráfico local Bellis y al proveedor de energía BS Energy por el apoyo con respecto a la instalación y el suministro de energía de los sensores. Sobre el autorJulian es el director ejecutivo y cofundador de Bliq, empresa de tecnología basada en. Bliq proporciona mapas de estacionamiento en vivo para desarrolladores en movilidad.


PREGUNTA RELACIONADA No recibí Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware.


Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc).


Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

Tecnología de reconocimiento de imágenes La tecnología de reconocimiento de matrículas es una tecnología basada en el procesamiento de visión por computadora, procesamiento de imágenes digitales, reconocimiento de patrones y otras tecnologías para procesar y analizar la imagen del vehículo o la imagen de video tomada por la cámara para obtener el número de placa de cada vehículo, para completar el proceso de reconocimiento, Que puede completar la identificación de la identidad del vehículo. La plataforma en la nube tiene como objetivo la minería valiosa, como el almacenamiento, la recuperación, la asociación y la derivación de datos. Estos datos son universales en sí mismos. La gestión de la plataforma en la nube del estacionamiento rompe la situación actual de la isla de la información del sistema de gestión de vehículos de un solo grupo, y realiza la gestión centralizada y unificada de múltiples estacionamientos en la misma plataforma. Pago en línea para la industria de importación y gestión de exportaciones, el pago de terceros sigue siendo algo nuevo, pero las dos empresas tienen una fuerte correlación positiva. El pago en línea es un gran campo comercial en el mercado de consumo de terminales, y como la industria final de la industria de seguridad, la gestión de importación y exportación puede proporcionar una base de servicio conveniente y eficiente para el pago de terminal. La vinculación de los dos también dará origen a un nuevo campo empresarial de la industria de gestión de importaciones y exportaciones.

En general, los estacionamientos inteligentes utilizan principalmente el deslizamiento de tarjetas o la toma de boletos para administrar los vehículos de entrada y salida. Aunque la gestión de los estacionamientos tradicionales ha mejorado mucho, los vehículos deben detenerse para deslizar tarjetas o multas al entrar y salir del estacionamiento, lo que afecta la velocidad de entrada y salida de los vehículos, y puede causar congestión durante el período pico de flujo de tráfico, Afecta la satisfacción de los usuarios y la eficiencia de la operación del estacionamiento. Además, en caso de lluvia y nieve, los propietarios de automóviles tienen que detenerse, abrir la ventana y deslizar sus tarjetas para entrar y salir del estacionamiento, lo que muchos propietarios de automóviles no pueden soportar. Entonces, ¿hay alguna buena manera de resolver los problemas anteriores? El sistema de estacionamiento gratuito de la tarjeta puede resolver los problemas anteriores. El sistema de estacionamiento gratuito de tarjetas toma la placa como certificado de acceso y adopta la tecnología de reconocimiento de video para detectar e identificar automáticamente el número de placa de los vehículos que entran y salen del sitio, y luego llevar a cabo diferentes métodos de gestión de acuerdo con el tipo de vehículo. Los vehículos fijos se liberan directamente sin necesidad de aparcar y deslizar tarjetas. Veamos su flujo de trabajo. Cuando los vehículos ingresan al sitio, la cámara de la entrada identificará automáticamente el número de placa para juzgar si el vehículo es un vehículo fijo o un vehículo temporal. Si es un vehículo fijo, la puerta se levantará y soltará automáticamente. Si es un usuario temporal, debe tomar la tarjeta y liberarla. Cuando el vehículo sale del sitio, la cámara en la salida también identificará automáticamente el número de placa y mostrará el tipo de vehículo, las fotos, la hora de entrada y salida, la tarifa de estacionamiento, etc. En la pantalla de visualización. Si es un vehículo fijo, la puerta de la carretera se abrirá automáticamente. Para los vehículos temporales, la tarjeta y el pago deben ser devueltos, y el guardia de seguridad abrirá la puerta para su liberación. El sistema de estacionamiento gratuito de tarjetas toma la placa como el certificado de entrada y salida, una tarjeta y un vehículo para garantizar la seguridad de los vehículos. Al mismo tiempo, mejora en gran medida la velocidad de los vehículos. En términos generales, el estacionamiento de deslizamiento de tarjetas puede entrar y salir de 6 vehículos por minuto en promedio, mientras que el sistema de estacionamiento gratuito de tarjetas puede entrar y salir de 10 vehículos por minuto en promedio, eliminando la situación en la que los propietarios de automóviles hacen cola en el pico. El sistema de estacionamiento gratuito con tarjetas se utiliza en algunas comunidades de alta gama, y el estacionamiento con más usuarios fijos es el más adecuado.

El sistema de reconocimiento de placas automáticamente "capta" vehículos ilegales; a partir del 1 de marzo, si se encuentra otra vez conduciendo por la zona restringida, se le castigará. El 3 de febrero, un policía de guardia detuvo un automóvil comercial azul con una etiqueta amarilla en la garita de Nanhu en la sección Binhu de la ciudad. Desde el mismo día, la policía de tránsito de seguridad pública municipal y los departamentos de protección ambiental han llevado a cabo una inspección conjunta de la aplicación de la ley sobre la conducción ilegal de vehículos con marcas amarillas de calificación de inspección de protección ambiental y vehículos sin marcas de calificación de inspección de protección ambiental. En la mañana del 3 de febrero, en la sección prohibida de 24 horas de Binhu Road, Nanning City, los departamentos pertinentes revisaron al azar 481 vehículos en una hora a través del sistema de reconocimiento de matrículas, incluidos 13 automóviles amarillos y 128 automóviles no estándar, lo que representa para casi el 30% de los vehículos ilegales. El reportero vio en la garita de Nanhu en la carretera de Binhu que había dos dispositivos de captura móviles para identificar los vehículos que pasaban en la carretera.




El personal dijo a los periodistas que el instrumento está conectado al sistema de captura de restricción de vehículos estándar amarillo a través de la red inalámbrica. Cuando un vehículo estándar amarillo o un vehículo no estándar irrumpe en el área restringida, el sistema identificará automáticamente si el vehículo es un vehículo estándar amarillo y si ha recibido la marca de inspección de protección ambiental. Pasó un automóvil privado y el sistema lo impulsó como un automóvil de etiqueta verde, pero la policía también detuvo el automóvil porque no estaba etiquetado con una etiqueta verde. La policía le dijo al propietario que también está en contra de las regulaciones no pegar el logotipo de un automóvil y será castigado a partir del 1 de marzo. De acuerdo con las regulaciones municipales, desde el 1 de diciembre de 2014, los vehículos sin marcas de calificación de inspección de protección ambiental tienen prohibido conducir en la carretera dentro de la jurisdicción de la ciudad (incluidos 6 condados y 6 áreas urbanas); El área cerrada compuesta por Zhonghua Road, Yuanhu Road, Dongge Road, Xiangzhu Avenue, Zhuxi Avenue... Jiangbei Avenue y Beida camino está cerrado a amarillo etiquetado vehículos 24 horas un día; The área cerrada de Xingguang Avenue... Yunju Road... Beida puente Beida Road... University East Road... Mingxiu Road... Nanwu Road... Xiangzhu Avenue... Zhuxi Avenue... El puente Huluding y la avenida Baisha limitan el paso de vehículos estándar amarillos a las 7:00-22:00 horas. Para evitar ser castigado después del 1 de marzo, la policía de tránsito de Nanning recordó a los propietarios de automóviles que aprovecharan el tiempo para obtener carteles de protección ambiental de vehículos motorizados. Según el plan de trabajo municipal para restringir gradualmente el paso de vehículos altamente contaminantes, a partir del 1 de marzo de este año, la ciudad castigará a los vehículos tipo amarillo por irrumpir en el área restringida y a los vehículos no estándar por circular por la vía.


Si un vehículo de motor circula por la carretera en un área de conducción restringida o tiempo de conducción restringido en violación de las regulaciones, o no obtiene o utiliza señales de clasificación de protección ambiental vencidas, el departamento de gestión del tráfico del órgano de seguridad pública lo multará con 200 yuanes; Quien forja, altera o usa, transfiere, Los presta, altera, falsifica o altera las marcas de clasificación de protección ambiental serán confiscados y multados con no menos de 500 yuanes, pero no más de 1000 yuanes. La tasa de cumplimiento de la inspección inicial de los vehículos estándar amarillos de Yongcheng es inferior al 30%. Este año, el sistema de reconocimiento de matrículas municipales comenzó a implementar la inspección regular de protección ambiental y el sistema de mantenimiento obligatorio para la contaminación de los gases de escape de los vehículos de motor. Se entiende que en enero, 14 estaciones de prueba de protección ambiental de vehículos motorizados en la ciudad realizaron pruebas de protección ambiental de escape en 15057 vehículos en uso. Desde la inspección, la tasa de cumplimiento general de la inspección inicial es del 74%, de los cuales la tasa de cumplimiento de la inspección inicial de los vehículos de gasolina es del 80%, y la tasa de cumplimiento de la inspección inicial de los vehículos diesel es solo del 47%; Si se divide de acuerdo con el estándar amarillo y verde, La tasa de cumplimiento de la inspección inicial de los vehículos estándar ecológicos es del 81%, y la tasa de cumplimiento de la inspección inicial de los vehículos estándar amarillos es solo del 25%. Los resultados de las pruebas muestran que, aunque la inspección de protección ambiental de la ley de condiciones de trabajo de los vehículos de motor de Zhejiang implementa temporalmente el estándar nacional más flexible, más del 20% de los vehículos con emisiones de escape excesivas todavía circulan en la carretera. Entre ellos, menos del 50% de los vehículos diésel con emisiones relativamente grandes de material particulado y óxidos de nitrógeno están en carretera; como vehículo de serie amarilla con un mayor nivel de emisión de contaminantes, menos del 30% de los vehículos que cumplen la norma de emisiones de escape están en carretera.

En los últimos años, con el progreso de la ciencia y la tecnología, se han producido grandes cambios en el sistema de estacionamiento. El sistema tradicional de deslizar tarjetas/recoger boletos de estacionamiento ha desaparecido gradualmente, mientras que la tecnología de identificación sin contacto y de larga distancia se ha desarrollado a pasos agigantados y evolucionado hacia el sistema actual de reconocimiento de matrículas, que ha mejorado enormemente su eficiencia, gestión y seguridad. Lo importante es que cada vez se usa más ampliamente. Al comparar el sistema de estacionamiento tradicional con el sistema de reconocimiento de matrículas actual, no solo ha cambiado la apariencia del producto, sino que también la tecnología ha cambiado mucho. Con la precipitación del tiempo y el desarrollo de la tecnología, los productos se actualizan iterativamente. El sistema de reconocimiento de matrículas ha sido buscado por personas en aplicaciones de estacionamiento con sus ventajas únicas como función poderosa, apariencia alta y equipo inteligente humanizado. Con el fin de desarrollar el transporte inteligente y crear un buen ambiente de estacionamiento para que las personas se estacionen, el sistema de reconocimiento de placas también continúa innovando e integrando nuevas tecnologías. Combinado con dispositivos más inteligentes (como sistema de guía de espacio de estacionamiento, pago de estacionamiento en línea, máquina de consulta de búsqueda inversa de automóviles, guía ultrasónica, etc.), el desarrollo más innovador es para ambos lados (gerentes y propietarios de automóviles) Hacer esfuerzos para facilitar la vida y hacer estacionar más cerca de nuestro estilo de vida. El proceso de reconocimiento de matrículas se puede dividir en cuatro pasos: ubicación de matrículas, preprocesamiento de matrículas, segmentación de caracteres y reconocimiento de caracteres. El sistema de reconocimiento de matrículas adopta la avanzada tecnología de procesamiento de imágenes difusas, que puede lidiar con la inclinación general, la inclinación del texto, la mancha y el desenfoque de la placa, y reconocer el número de placa que es difícil de distinguir por los ojos humanos. El sistema de reconocimiento de matrículas se ha convertido gradualmente en un conjunto completo de sistema de gestión de acceso inteligente en el estacionamiento existente. Tiene las características de bajo costo, instalación y mantenimiento simples, estacionamiento seguro y rápido. ¡Si desea conocer más noticias maravillosas de la industria y planes de estacionamiento, siga al tigre Wong y darle información maravillosa en cualquier momento!