Lo scorso settembre abbiamo installato sensori di parcheggio ottici per misurare l'occupazione di oltre 500 parcheggi su strada nella città del distretto universitario di Braunschweigs. Questa è la più grande installazione di sensori di parcheggio mai lanciata in uno spazio pubblico in Germania e una cosa è certa: la faremo l'ultima. Questa è la storia dei grandi sforzi, un'azienda di intelligenza artificiale creata alla ricerca della verità sul terreno dati per alimentare i suoi algoritmi.




Questa è anche la storia dietro un bellissimo pezzo di ingegneria, che è risultato essere il sottoprodotto di una missione più grande e alla fine non sarà mai più messo in produzione. Tutto ciò a favore di una tecnologia basata sui dati più dirompente. Poiché, in Bliq, lavoriamo su algoritmi predittivi per modellare la disponibilità dei parcheggi in base ai dati sul traffico, abbiamo la naturale necessità di dati sulla verità del suolo dell'occupazione reale dei parcheggi in una zona di riferimento.


Per ottenere questo tipo di dati, abbiamo deciso di costruire la nostra configurazione sperimentale di sensori di parcheggio nel mondo reale che misura l'occupazione di oltre 500 parcheggi in strada, in tempo reale, 24 ore al giorno. Con questo articolo, vorrei condividere alcuni spunti sugli sforzi ingegneristici che sono stati coinvolti in questo progetto. Più nello specifico, parliamo bene del sito di test che abbiamo scelto, dell'architettura del sistema e del sensore vero e proprio che abbiamo progettato e costruito per raccogliere i dati.


Il sito di prova A volte, le aziende di intelligenza artificiale hanno bisogno di diventare creative quando si tratta di raccogliere verità di base per i loro modelli. Nel nostro caso, modellare la disponibilità di parcheggi per auto, significava trovare un quartiere che soddisfa determinati criteri in termini di flusso di traffico, utilizzo e demografia. Abbiamo scelto il quartiere universitario di Braunschweig per la sua grande varietà di influenze su uno spazio relativamente piccolo: a sud, abbiamo il campus principale dell'università che attrae migliaia di studenti e centinaia di dipendenti ogni giorno.


Ancora più a sud, il centro della città con i suoi negozi e le sue attrazioni è a pochi minuti a piedi (non mostrato nella mappa sopra). La parte settentrionale del quartiere forma una zona residenziale con parcheggi pubblici su strada non soggetti a restrizioni. La maggior parte delle persone che vivono in questa zona sono studenti o impiegati nell'industria automobilistica locale.




La stragrande maggioranza dei residenti si reca al lavoro utilizzando auto private. Il distretto è separato da un'arteria circolare, che abbraccia il quartiere centrale della città. Come funziona il sistema L'architettura del sistema di base dell'installazione del sensore è piuttosto semplice e sostanzialmente ciò che ci si aspetterebbe dalla maggior parte delle applicazioni IoT: un piccolo pezzo di hardware è distribuito da qualche parte nel mondo reale e trasmette i dati a un backend cloud.


Il back-end archivia i dati e li rende accessibili per ulteriori elaborazioni, per fungere da verità di base per le attività di apprendimento automatico o semplicemente per la semplice visualizzazione in un'app o un'app Web. Requisito difficile: privacy in base alla progettazione La particolarità dell'architettura dei sensori è la capacità computazionale abbastanza forte potenza che abbiamo implementato al limite: a causa dei requisiti normativi nello spazio pubblico tedesco, ulteriormente attivati ​​dalle discussioni recenti e in corso sul GDPR, non siamo stati in grado di elaborare le immagini su un cloud remoto con molte risorse di calcolo. Ecco perché dovevamo fare tutto il sollevamento di carichi pesanti per determinare i punti aperti direttamente sul dispositivo sensore piuttosto che da qualche altra parte.


Il vantaggio di questo è che questo approccio non consuma grandi volumi di dati per l'invio di immagini avanti e indietro. Possiamo invece mantenere i costi di gestione dei sensori per la connettività anche all'interno di un range relativamente basso. L'aspetto negativo è che dotare il dispositivo di una potenza di calcolo sufficiente per eseguire l'analisi delle immagini richiede molti sforzi extra nello sviluppo dell'hardware.


Perché non utilizzare un altro sensore di parcheggio? Perché abbiamo deciso di affrontare il dolore di progettare e costruire il nostro sensore di parcheggio invece di acquistare solo uno dei tanti modelli di sensori finiti che sono già disponibili là fuori? Ci sono tre risposte a questo: Noi non sapevo quanto sarebbe diventata complessa la costruzione di un nuovo dispositivo ;) I sensori di parcheggio esistenti avevano tutti dei difetti: la situazione normativa ci proibiva di utilizzare qualsiasi tipo di soluzione ottica disponibile, poiché questo tipo di sistemi violerebbe la privacy.


I sensori montati in superficie non resisterebbero alla rimozione della neve durante l'inverno. Infine, i sensori interrati erano di per sé piuttosto costosi e persino più costosi da installare. Avevamo un budget piuttosto limitato quando abbiamo iniziato questo progetto.


A questo punto abbiamo completamente avviato l'azienda: i nostri fondi consistevano in alcuni finanziamenti governativi, primi ricavi e alcuni prezzi che abbiamo vinto qua e là. Gli altri modelli di sensori con un prezzo compreso tra 75 e 250 EUR per spot erano semplicemente troppo costosi per noi in questo momento. Il nuovo sensore di parcheggio otticoL'idea del principio di funzionamento del nostro sensore era semplice: implementare lo stesso algoritmo che avevamo già sviluppato nel nostro precedente progetto di ricerca su hardware di dimensioni ridotte, collegarlo a Internet, mettere tutto in una scatola impermeabile e montarlo ad un palo della luce.


L'algoritmo stesso è fondamentalmente un classificatore di immagini, che richiede regioni di interesse predefinite da guardare. Lo scopo originale del modello era automatizzare l'analisi dell'occupazione dei parcheggi in alcune enormi serie di immagini raccolte in un precedente progetto con telecamere offline. La sfida ora era solo progettare un rig hardware adatto con una potenza di calcolo sufficiente, ridurre il modello in modo che funzionasse su questa configurazione e garantire un'alimentazione continua.


Questa era la nostra lista dei desideri delle specifiche:Basso costo per spot: Componenti standardFrequenza di misurazione fino a 3 min fino a 30 sec.Rilevamento robusto contro agenti atmosferici, cambiamenti nell'illuminazione e parcheggio impreciso delle auto (ad es. G.


un'auto che occupa due posti) Monitoraggio dello stato di salute del dispositivo Opzione per aggiornamenti software da remoto Basso consumo energetico Durata utile 25 anni Software Il software del sensore è composto da tre livelli: il sistema operativo, che è stato uno sviluppo personalizzato per questo progetto, la routine principale che controlla tutte le funzioni dei sensori e il modello di apprendimento automatico effettivo per il rilevamento di punti aperti.Sistema operativoPer eseguire un modello di visione completo sull'edge, ci siamo subito resi conto che avremmo avuto bisogno di una configurazione software molto più ampia rispetto ad altri progetti hardware IoT. È stata presa la decisione di creare una distribuzione personalizzata di Linux utilizzando Yocto.


In questo modo, potremmo avere il pieno controllo su tutto ciò che il sistema operativo sta facendo. Le funzionalità principali erano due partizioni separate, per poter eseguire aggiornamenti del file system e scambiare partizioni, un numero di librerie, richieste dalla routine principale e un ripristino del watchdog. Il watchdog hardware del nostro SBC riavvia il dispositivo nel caso in cui qualcosa non funzioni come previsto.


Avere smart brick a metri da terra su pali della luce a causa di un bug nel software sarebbe letteralmente il caso peggiore. backend (recupero dei dati di configurazione e invio di aggiornamenti). La routine principale è implementata in Python.


Questo ci ha dato una grande flessibilità e ha semplificato molto l'elaborazione delle immagini, poiché abbiamo potuto utilizzare l'ampia base di codice Python esistente che già avevamo in azienda. Una cosa grandiosa della progettazione del software è la sua capacità di aggiornamenti remoti indipendenti di ogni singolo componente: Dal modello di rilevamento al codice sorgente per la routine principale fino al kernel o persino all'intero file system, ogni parte può essere sostituita in remoto. Di fronte alle rapide evoluzioni nel campo del CV e dell'apprendimento automatico in generale, volevamo assicurarci che il codice che esegue i sensori fosse all'avanguardia per l'intera durata della vita.


Apprendimento automatico Per eseguire l'attività di rilevamento, abbiamo preso una versione di tensorflow e dopo alcune modifiche alla fine l'abbiamo fatto funzionare sulla nostra configurazione. Una volta fatto ciò, abbiamo potuto distribuire praticamente qualsiasi flusso tensoriale pre-addestrato che si adattasse alla memoria della GPU. Abbiamo deciso di utilizzare MobileNet, poiché ha mostrato il miglior rapporto tra precisione e prestazioni sulla nostra configurazione.


Abbiamo anche esaminato molti altri approcci basati sulle tradizionali funzionalità di visione artificiale come le funzionalità HOG, gli istogrammi, ecc. in combinazione con classificatori di machine learning convenzionali come le SVM. Sebbene questi test abbiano portato a prestazioni di calcolo piuttosto elevate a causa di una progettazione del modello molto più semplice rispetto a MobileNet, l'accuratezza del modello era inferiore, il che può essere spiegato dai soliti svantaggi delle descrizioni delle caratteristiche CV standard (invarianza leggera, invarianza di scala).


HardwareLavorare con l'hardware è stata un'esperienza del tutto nuova per noi, essendo fino a questo punto una pura azienda di software. Sebbene Mathias, il nostro CTO, avesse lavorato alla progettazione di componenti elettronici nel suo precedente lavoro con la Volkswagen R
&D, la nostra azienda non era ancora pronta per un'attività di sviluppo hardware e, onestamente, guardando indietro, non lo è ancora oggi. Tuttavia, avevamo bisogno di un design funzionale che fosse facile da produrre e da replicare con le risorse che avevamo come azienda avviata in quel momento.


Quindi, il nostro elenco di requisiti si è rapidamente rivelato simile a questo: La custodia deve essere impermeabile e stampabile in 3D Il sensore deve essere in grado di funzionare per almeno 12 ore con la batteria La fotocamera deve essere protetta dalla pioggia e dagli spruzzi d'acqua e funzionare anche al buioIl design deve contenere la fotocamera, un sensore di temperatura/umidità, il modulo LTE, il computer a scheda singola e alcuni componenti elettronici di potenza per convertire la tensione al livello appropriato. È necessaria una batteria per continuare a funzionare quando il palo della luce è spento (durante il giorno) L'intero setup deve essere modulare per facilitare l'installazione e per poter sostituire i singoli componenti in caso di guasto. Ha anche bisogno di essere piccolo e dipinto di grigio per sembrare discreto nel suo ambiente operativo Condizioni operative da -20 C a 70 C (poiché l'installazione può diventare piuttosto calda in estate quando è completamente esposta al sole) Abbiamo iniziato con un design che includeva gli infrarossi LED (come molte telecamere da esterno li hanno) per poter funzionare in condizioni notturne.


Tuttavia, questa scelta progettuale si è rivelata con alcuni difetti: questi LED consumavano abbastanza energia (rispetto al resto dell'elettronica), rendendo necessaria un'alimentazione non standard e quindi necessaria. Nonostante il grande consumo di energia, non erano davvero in grado di illuminare l'intero campo visivo. Probabilmente avremmo avuto bisogno di un proiettore IR esterno, che, ancora una volta, non era un'alternativa seria.


E infine, anche il design con spezie a LED non era molto carino. Per ovviare al problema delle operazioni notturne abbiamo deciso di utilizzare l'impostazione della telecamera statica: poiché la posizione della telecamera è statica e gli oggetti che stiamo cercando di rilevare sono normalmente fermi, possiamo aumentare l'esposizione e la sensibilità alla luce dei sensori per poter lavorare solo con luce residua. Quindi abbiamo sovrascritto l'esposizione interna della fotocamera e il controllo ISO e abbiamo scritto un semplice ciclo di feedback che regola le impostazioni di illuminazione in base alla luminanza dell'ultimo fotogramma catturato.


Questo approccio si è rivelato abbastanza efficace, poiché nella maggior parte delle strade c'è abbastanza luce residua dai lampioni. Dopo molte altre iterazioni, abbiamo finalmente ottenuto il design come mostrato sopra: la fotocamera si trova all'interno di un cono per essere protetta dagli spruzzi d'acqua e il più possibile i riflessi del sole. L'elettronica è montata su una presa interna e un cavo piatto collega la telecamera alla scheda principale.


Il fondo è rimovibile e fissato alla custodia con quattro viti standard. Poiché la custodia è stampata in ABS, i dadi quadratici si trovano in ritagli per assicurarsi che le viti possano essere serrate correttamente. Un giunto simile a una GoPro collega la custodia al supporto, che viene fissato al palo della luce utilizzando un nastro di acciaio standard.


Tutte le parti sono ottimizzate per la stampabilità 3D, il che significa nessuna sporgenza pesante, superfici di importazione parallele per un'elevata qualità della superficie. Infine, la scatola della batteria è separata dal sensore per una migliore manutenzione. È una scatola standard in ABS stampata ad iniezione e contiene un 4.


Batteria al piombo da 5 Ah 12 V e un'unità di ricarica, che richiede 230 V in ingresso (che è il voltaggio della maggior parte dei lampioni in Germania). Che cosa succede dopoI dati che stiamo raccogliendo durante questo progetto ci stanno aiutando notevolmente a migliorare la nostra comprensione (e anche il nostro algoritmi) di come funziona il parcheggio in diverse situazioni di traffico e vari contesti di fattori che influenzano la disponibilità di parcheggio. A breve pubblicheremo ulteriori informazioni sui risultati effettivi dal punto di vista della scienza dei dati.


Dedicheremo anche un po' di tempo e approfondiremo i dettagli della parte software e alla fine andremo anche a rendere open source il software, così come i progetti hardware. Ringraziamenti A questo punto, vorremmo esprimere la nostra gratitudine alla città di Braunschweig per averci concesso l'accesso all'infrastruttura del traffico per supportare questo progetto. Non solo hanno fornito tutte le autorizzazioni necessarie, ma hanno anche coperto parte dei costi.


Vorremmo anche inviare un grande ringraziamento all'operatore del traffico locale Bellis e al fornitore di energia BS Energy per il supporto relativo all'installazione e all'alimentazione dei sensori. Informazioni sull'autoreJulian è l'amministratore delegato e co-fondatore di Bliq, una società di Berlino società tecnologica con sede. Bliq fornisce mappe di parcheggio in tempo reale per gli sviluppatori in mobilità.


DOMANDA CORRELATA Non ho ricevuto Google Glass Explorer Edition. Provare a imparare Glass dev senza l'hardware è uno sforzo inutile? No, puoi ancora imparare i fondamenti dello sviluppo del vetro senza l'hardware.


Ci sono tre approcci principali per raggiungere questo obiettivo: 1) Visita la documentazione di Mirror API, entra nel parco giochi e inizia a eseguire l'hashing di un codice. Scarica la libreria PHP, Java e Python, a seconda di quale ti trovi più a tuo agio. Familiarizzare con il gergo e le convernazioni (timeline, fasci, menu, ecc.).


Leggi la documentazione di supporto (secondo link sotto) per vedere come funziona effettivamente l'hardware Glass. Costruisci alcune app secondo questa specifica. Ben presto, troverai un amico con hardware per t

La tecnologia di riconoscimento delle targhe di riconoscimento delle immagini è una tecnologia basata sull'elaborazione della visione artificiale, sull'elaborazione di immagini digitali, sul riconoscimento di modelli e su altre tecnologie per elaborare e analizzare l'immagine del veicolo o l'immagine video presa dalla fotocamera per ottenere il numero di targa di ciascun veicolo, in modo da completare il processo di riconoscimento, Che può completare l'identificazione dell'identità del veicolo. La piattaforma cloud mira a estrarre preziosi come l'archiviazione, il recupero, l'associazione e la derivazione dei dati. Questi dati sono universali in sé. La gestione della piattaforma della nuvola del parcheggio rompe la situazione corrente dell'isola di informazioni del sistema di gestione del veicolo del gruppo singolo e realizza la gestione centralizzata e unificata dei parcheggi multipli sulla stessa piattaforma. Pagamento online per il settore della gestione delle importazioni e delle esportazioni, il pagamento di terze parti è ancora una novità, ma le due aziende hanno una forte correlazione positiva. Il pagamento online è un grande settore commerciale nel mercato dei consumatori terminali e, come settore finale del settore della sicurezza, la gestione delle importazioni e delle esportazioni può fornire una base di servizio conveniente ed efficiente per il pagamento del terminale. Il legame dei due darà vita anche a un nuovo settore commerciale dell'industria della gestione delle importazioni e delle esportazioni.

In generale, i parcheggi intelligenti utilizzano principalmente lo scorrimento delle carte o la presa dei biglietti per gestire i veicoli in ingresso e in uscita. Sebbene la gestione dei parcheggi tradizionali sia stata notevolmente migliorata, i veicoli devono fermarsi per strisciare carte o biglietti quando entrano ed escono dal parcheggio, il che influisce sulla velocità dei veicoli in entrata e in uscita e può causare congestione durante il periodo di punta del flusso di traffico, Colpisce la soddisfazione degli utenti e l'efficienza operativa del parcheggio. Inoltre, in caso di pioggia e neve, i proprietari di auto devono fermarsi, aprire il finestrino e strisciare le loro carte per entrare e uscire dal parcheggio, che molti proprietari di auto non sopportano. Quindi, c' è un buon modo per risolvere i problemi di cui sopra? Il sistema di parcheggio gratuito con carta può risolvere i problemi di cui sopra. Il sistema di parcheggio gratuito della carta prende la targa come certificato di accesso e adotta la tecnologia di riconoscimento video per rilevare e identificare automaticamente il numero di targa dei veicoli in entrata e in uscita dal sito e quindi eseguire diversi metodi di gestione in base al tipo di veicolo. I veicoli fissi vengono rilasciati direttamente senza parcheggio e strisciando le carte. Diamo un'occhiata al suo flusso di lavoro. Quando i veicoli entrano nel sito, la telecamera all'ingresso identificherà automaticamente il numero di targa per giudicare se il veicolo è un veicolo fisso o un veicolo temporaneo. Se si tratta di un veicolo fisso, il cancello si solleverà e si rilascerà automaticamente. Se si tratta di un utente temporaneo, è necessario prendere la carta e rilasciarla. Quando il veicolo lascia il sito, la fotocamera all'uscita identificherà automaticamente anche il numero di targa e visualizzerà il tipo di veicolo, le foto, l'ora di entrata e uscita, la tariffa del parcheggio, ecc. Sullo schermo del display. Se si tratta di un veicolo fisso, il cancello stradale si aprirà automaticamente. Per i veicoli temporanei, la carta e il pagamento devono essere restituiti e la guardia di sicurezza aprirà il cancello per il rilascio. Il sistema di parcheggio gratuito con carta prende la targa come certificato per l'ingresso e l'uscita, una carta e un veicolo per garantire la sicurezza dei veicoli. Allo stesso tempo, migliora notevolmente la velocità dei veicoli. In generale, il parcheggio a scorrimento della carta può entrare e uscire in media da 6 veicoli al minuto, mentre il sistema di parcheggio gratuito con carta può entrare e uscire in media da 10 veicoli al minuto, eliminando la situazione che i proprietari di auto fanno la fila al picco. Il sistema di parcheggio gratuito con carta viene utilizzato in alcune comunità di fascia alta e il parcheggio con più utenti fissi è il più adatto.

Il sistema di riconoscimento della targa "cattura" automaticamente i veicoli illegali; Dal 1 ° marzo, se ti trovi di nuovo a guidare nell'area riservata, sarai punito. Il 3 febbraio, un poliziotto in servizio ha fermato un'auto aziendale blu con un'etichetta gialla presso la garitta Nanhu nella sezione Binhu della città. Dallo stesso giorno, la polizia stradale municipale di pubblica sicurezza e i dipartimenti di protezione ambientale hanno condotto ispezioni congiunte delle forze dell'ordine sulla guida illegale di veicoli con marchi di qualificazione di protezione ambientale gialli e veicoli senza marchi di qualificazione di ispezione di protezione ambientale. La mattina del 3 febbraio, nella sezione proibita di 24 ore di Binhu Road, Nanning City, i dipartimenti competenti hanno controllato in loco 481 veicoli entro un'ora attraverso il sistema di riconoscimento della targa, comprese 13 auto gialle e 128 auto non standard, rappresentando per quasi il 30% dei veicoli illegali. Il giornalista ha visto alla garitta Nanhu su Binhu Road che c'erano due dispositivi di cattura mobili per identificare i veicoli di passaggio sulla strada.




Il personale ha detto ai giornalisti che lo strumento è collegato al sistema di cattura delle restrizioni del veicolo standard giallo attraverso la rete wireless. Quando un veicolo standard giallo o un veicolo non standard si rompe nell'area riservata, il sistema identificherà automaticamente se il veicolo è un veicolo standard giallo e se ha ricevuto il marchio di ispezione di protezione ambientale. Un'auto privata è passata e il sistema l'ha spinta come un'auto con etichetta verde, ma l'auto è stata anche fermata dalla polizia perché non era etichettata con un'etichetta verde. La polizia ha detto al proprietario che è anche contro il regolamento non attaccare il logo di un'auto e sarà punito dal 1 ° marzo. Secondo i regolamenti comunali, dal 1 ° dicembre 2014, i veicoli senza marchi di qualificazione di ispezione di protezione ambientale sono vietati di guidare sulla strada all'interno della giurisdizione della città (comprese 6 contee e 6 aree urbane); L'area chiusa composta da Zhonghua Road, Yuanhu Road, Dongge Road, Xiangzhu Avenue, Zhuxi Avenue, Jiangbei Avenue e Beida Road è chiusa ai veicoli con etichetta gialla 24 ore al giorno; L'area chiusa composta da Xingguang Avenue, Yunju Road, Beida bridge, Beida Road, University East Road, Mingxiu Road, Nanwu Road, Xiangzhu Avenue, Zhuxi Avenue, Il ponte Huluding e Baisha Avenue limitano il passaggio dei veicoli standard gialli alle 7:00-22:00. Per evitare di essere puniti dopo il 1 ° marzo, la polizia stradale di Nanning ha ricordato ai proprietari di auto di cogliere il tempo per ottenere segnali di protezione ambientale dei veicoli a motore. Secondo il piano di lavoro comunale per limitare gradualmente il passaggio di veicoli altamente inquinanti, dal 1 ° marzo di quest'anno, la città punirà i veicoli di serie gialla per aver fatto irruzione nell'area riservata e veicoli non standard per la guida su strada.


Se un veicolo a motore guida su strada in un'area di guida limitata o tempo di guida limitato in violazione delle normative, o non riesce a ottenere o utilizzare segnali di classificazione di protezione ambientale scaduti, sarà multato di 200 yuan dal dipartimento di gestione del traffico dell'organo di pubblica sicurezza; Chi forgia, altera o usa, trasferisce, Presta, altera, forgia o altera i marchi di classificazione di protezione ambientale devono essere confiscati e multati non meno di 500 yuan ma non più di 1000 yuan. Il tasso di conformità all'ispezione iniziale dei veicoli standard gialli di Yongcheng è inferiore al 30%. Quest'anno, il sistema di riconoscimento delle targhe comunali ha iniziato a implementare l'ispezione regolare di protezione ambientale e il sistema di manutenzione obbligatoria per l'inquinamento dei gas di scarico dei veicoli a motore. Resta inteso che a gennaio, 14 stazioni di test di protezione ambientale dei veicoli a motore in città hanno condotto test di protezione ambientale dei gas di scarico su 15057 nei veicoli in uso. Dall'ispezione, il tasso di conformità complessivo dell'ispezione iniziale è del 74%, di cui il tasso di conformità dell'ispezione iniziale dei veicoli a benzina è dell'80 % e il tasso di conformità dell'ispezione iniziale dei veicoli diesel è solo del 47%; Se diviso secondo lo standard giallo e verde, Il tasso di conformità alle ispezioni iniziali dei veicoli standard verdi è dell'81 % e il tasso di conformità alle ispezioni iniziali dei veicoli standard gialli è solo del 25%. I risultati del test mostrano che sebbene l'ispezione di protezione ambientale della legge sulle condizioni di lavoro dei veicoli a motore dello Zhejiang implementi temporaneamente lo standard nazionale più sciolto, oltre il 20% dei veicoli con emissioni di scarico eccessive sta ancora guidando sulla strada. Tra questi, meno del 50% dei veicoli diesel con emissioni relativamente grandi di particolato e ossidi di azoto sono sulla strada; Come veicolo standard giallo con un livello di emissione di inquinanti più elevato, meno del 30% dei veicoli che soddisfano lo standard di emissione di scarico sono sulla strada.

Negli ultimi anni, con il progresso della scienza e della tecnologia, si sono verificati grandi cambiamenti nel sistema dei parcheggi. Il tradizionale sistema di strisciare le carte/prelievo dei biglietti è gradualmente scomparso, mentre la tecnologia di identificazione senza contatto e a lunga distanza si è sviluppata a passi da gigante e si è evoluta nell'odierno sistema di riconoscimento delle targhe, che ha notevolmente migliorato la sua efficienza, gestione e sicurezza, l'importante è che sia sempre più ampiamente utilizzato. Confrontando il tradizionale sistema di parcheggio con l'attuale sistema di riconoscimento della targa, non solo l'aspetto del prodotto è cambiato, ma anche la tecnologia è cambiata notevolmente. Con la precipitazione del tempo e lo sviluppo della tecnologia, i prodotti vengono aggiornati in modo iterativo. Il sistema di riconoscimento della targa è stato ricercato dalla gente nelle applicazioni del parcheggio con i suoi vantaggi unici quali la funzione potente, l'aspetto alto e l'attrezzatura intelligente umanizzata. Al fine di sviluppare il trasporto intelligente e creare un buon ambiente di parcheggio per le persone a parcheggiare, il sistema di riconoscimento della targa continua anche a innovare e integrare nuove tecnologie. Combinato con dispositivi più intelligenti (come il sistema di guida dello spazio di parcheggio, il pagamento del parcheggio online, la macchina per la ricerca di auto inversa, la guida a ultrasuoni, ecc.), Lo sviluppo più innovativo è per entrambe le parti (manager e proprietari di auto) Fare sforzi per facilitare la vita e rendere il parcheggio più vicino al nostro stile di vita. Il processo di riconoscimento della targa può essere suddiviso in quattro fasi: posizione della targa, preelaborazione della targa, segmentazione dei caratteri e riconoscimento dei caratteri. Il sistema di riconoscimento della targa adotta una tecnologia avanzata di elaborazione delle immagini fuzzy, che può gestire bene l'inclinazione generale, l'inclinazione del testo, la macchia e la sfocatura della targa e riconoscere il numero di targa che è difficile da distinguere dagli occhi umani. Il sistema di riconoscimento della targa è diventato gradualmente un set completo di sistema di gestione intelligente degli accessi nel parcheggio esistente. Ha le caratteristiche di basso costo, semplice installazione e manutenzione, parcheggio sicuro e veloce. Se vuoi conoscere più meravigliose notizie del settore e piani di parcheggio, segui la tigre Wong e darti informazioni meravigliose in qualsiasi momento!