Em setembro passado, instalamos sensores ópticos de estacionamento para medir a ocupação de mais de 500 vagas de estacionamento na cidade do distrito universitário de Braunschweigs. Essa é a maior instalação de sensores de estacionamento já lançada em espaço público na Alemanha e uma coisa é certa: faremos dela a última. Esta é a história dos grandes esforços, uma empresa de IA em busca da verdade dados para alimentar seus algoritmos.




Esta é também a história por trás de uma bela peça de engenharia, que passou a ser o subproduto de uma missão maior e, eventualmente, nunca mais será colocada em produção. Tudo isso em favor de uma tecnologia mais disruptiva e orientada por dados. Como, na Bliq, trabalhamos em algoritmos preditivos para modelar a disponibilidade de estacionamento com base em dados de tráfego, temos a necessidade natural de dados de verdade sobre a ocupação de estacionamento na vida real em uma área de referência.


Para obter esse tipo de dados, decidimos construir nossa própria configuração experimental do mundo real de sensores de estacionamento que medem a ocupação de mais de 500 vagas de estacionamento, em tempo real, 24 horas por dia. gostaria de compartilhar alguns insights sobre os esforços de engenharia que entraram neste projeto. Mais especificamente, vamos falar sobre o local de teste que escolhemos, a arquitetura do sistema e o sensor real que projetamos e construímos para coletar dados.


O site de teste Às vezes, as empresas de IA precisam se tornar criativas quando se trata de coletar informações básicas para seus modelos. No nosso caso, modelar a disponibilidade de estacionamento, isso significava encontrar um bairro que atendesse a certos critérios em termos de fluxo de tráfego, uso e demografia. temos o campus principal da universidade atraindo milhares de estudantes e centenas de funcionários todos os dias.


Ainda mais ao sul, o centro da cidade com suas lojas e atrações fica a apenas alguns minutos a pé (não mostrado no mapa acima). A parte norte do distrito forma uma área residencial com estacionamento público e não restrito na rua. A maioria das pessoas que vivem nesta área são estudantes ou empregados da indústria automotiva local.




A grande maioria dos moradores se desloca para o trabalho usando carros particulares. O distrito é separado por uma estrada circular arterial, que abraça o distrito central da cidade. Como o sistema funciona no mundo real e transmite dados para um back-end de nuvem.


O back-end armazena os dados e os torna acessíveis para processamento adicional, para servir como base para esforços de aprendizado de máquina ou apenas para visualização simples em um aplicativo ou aplicativo da web. poder que implantamos na borda: devido aos requisitos regulatórios no espaço público alemão, que também são acionados por discussões recentes e em andamento sobre GDPR, não conseguimos processar imagens em uma nuvem remota com muitos recursos computacionais. É por isso que precisávamos fazer tudo o trabalho pesado para determinar pontos abertos diretamente no dispositivo sensor, em vez de em outro lugar.


A vantagem disso é que essa abordagem não consome grandes volumes de dados para enviar e receber imagens. Em vez disso, podemos manter os custos de operação dos sensores para conectividade também dentro de um intervalo relativamente baixo. No lado negativo, equipar o dispositivo com poder computacional suficiente para realizar a análise de imagem requer muitos esforços extras no desenvolvimento de hardware.


Por que não usar outro sensor de estacionamento? Por que decidimos passar pela dor de projetar e construir nosso próprio sensor de estacionamento em vez de apenas comprar um dos muitos modelos de sensores acabados que já estão disponíveis por aí? Existem três respostas para isso: Nós não sabia o quão complexo construir um novo dispositivo se tornaria ;) Todos os sensores de estacionamento existentes tinham algumas falhas: A situação regulatória nos proibia de usar qualquer tipo de solução óptica disponível, já que esse tipo de sistema violaria a privacidade.


Os sensores montados na superfície não resistiriam à remoção de neve durante o inverno. E, por último, os sensores no solo eram bastante caros e ainda mais caros de instalar. Estávamos com um orçamento bastante apertado quando começamos este projeto.


Nós iniciamos totalmente a empresa neste momento: nossos fundos consistiam em algum financiamento do governo, primeiras receitas e alguns preços que ganhamos aqui e ali. Os outros modelos de sensores com um preço entre 75 e 250 euros por ponto eram simplesmente muito caros para nós neste momento. O novo sensor óptico de estacionamentoA ideia para o princípio de funcionamento do nosso sensor era simples: implantar o mesmo algoritmo que já havíamos desenvolvido em nosso projeto de pesquisa anterior em hardware de tamanho reduzido, conectá-lo à internet, colocar tudo em uma caixa à prova d'água e montá-lo a um poste de luz.


O algoritmo em si é basicamente um classificador de imagens, que requer regiões de interesse pré-definidas para serem observadas. O objetivo original do modelo era automatizar a análise da ocupação do estacionamento em algumas grandes séries de imagens coletadas em um projeto anterior com câmeras offline. O desafio agora era apenas projetar um equipamento de hardware adequado com poder computacional suficiente, reduzir o modelo para que ele fosse executado nesta configuração e garantir o fornecimento de energia contínuo.


Esta era a nossa lista de desejos de especificações:Baixo custo por ponto: Componentes padrãoFrequência de medição de até 3 min até 30 seg.Detecção robusta contra intempéries, mudanças na iluminação e estacionamento impreciso de carros (p. G.


um carro ocupando duas vagas)Monitoramento do estado de saúde do dispositivoOpção para atualizações remotas de softwareBaixo consumo de energia25 anos de vida útilSoftwareO software do sensor consiste em três camadas: O sistema operacional, que foi um desenvolvimento personalizado para este projeto, a rotina central que controla todas as funções dos sensores e o modelo real de aprendizado de máquina para detecção de pontos abertos.Sistema operacionalPara executar um modelo de visão completo na borda, percebemos rapidamente que precisaríamos de uma configuração de software muito maior do que em outros projetos de hardware de IoT. A decisão foi tomada para construir uma distribuição personalizada de Linux usando Yocto.


Dessa forma, poderíamos ter controle total sobre tudo o que o sistema operacional está fazendo. Os recursos principais eram duas partições separadas, para poder fazer atualizações do sistema de arquivos e partições de troca, várias bibliotecas, exigidas pela rotina principal e uma redefinição do watchdog. O watchdog de hardware do nosso SBC reinicializa o dispositivo caso algo não funcione conforme o esperado.


Ter tijolos inteligentes metros acima do solo em postes de luz por causa de um bug no software seria literalmente o pior caso. backend (recuperando dados de configuração e enviando atualizações). A rotina principal é implementada em Python.


Isso nos deu grande flexibilidade e simplificou muito o processamento de imagens, pois pudemos fazer uso da grande base de código Python existente que já tínhamos na empresa. Desde o modelo de detecção sobre o código-fonte para a rotina principal até o kernel ou até mesmo todo o sistema de arquivos, cada parte pode ser substituída remotamente. Enfrentando evoluções rápidas no campo de CV e aprendizado de máquina em geral, queríamos ter certeza de que o código que está executando os sensores será de última geração durante toda a vida útil.


Aprendizado de máquina Para realizar a tarefa de detecção, pegamos uma versão do tensorflow e depois de alguns ajustes conseguimos que ele funcionasse em nossa configuração. Feito isso, poderíamos implantar praticamente qualquer tensorflow pré-treinado que coubesse na memória da GPU. Decidimos usar o MobileNet, pois mostrou a melhor relação entre precisão e desempenho em nossa configuração.


Também analisamos várias outras abordagens baseadas em recursos tradicionais de visão computacional, como recursos HOG, histogramas etc. em combinação com classificadores convencionais de aprendizado de máquina, como SVMs. Embora esses testes tenham resultado em um desempenho computacional bastante alto devido ao design de modelo muito mais simples em comparação com o MobileNet, a precisão do modelo foi menor, o que pode ser explicado pelas desvantagens usuais das descrições de recursos de CV padrão (invariância de luz, invariância de escala).


Hardware Trabalhar com hardware foi uma experiência bastante nova para nós, sendo até então uma empresa de software puro. Embora Mathias, nosso CTO, tenha trabalhado no design de eletrônicos em seu trabalho anterior na Volkswagen R
&D, nossa empresa não estava totalmente pronta para uma tarefa de desenvolvimento de hardware e, honestamente, olhando para trás, ainda não está hoje. No entanto, precisávamos de um design funcional que fosse fácil de fabricar e iterar com os recursos que tínhamos como uma empresa bootstrap neste momento.


Então, nossa lista de requisitos rapidamente ficou assim: O estojo precisa ser à prova d'água e imprimível em 3D O sensor deve ser capaz de funcionar pelo menos 12 horas com bateriaA câmera deve ser protegida da chuva e da água pulverizada e funcionar no escuro também precisa conter a câmera, um sensor de temperatura/umidade, o módulo LTE, o computador de placa única e alguns eletrônicos de potência para converter a tensão para o nível apropriado. o dia) Toda a configuração precisa ser modular para facilitar a instalação e poder trocar componentes individuais em caso de falha. Ele também precisa ser pequeno e pintado de cinza para parecer discreto em seu ambiente operacional Condições de operação de -20 C a 70 C (já que a configuração pode ficar bastante quente no verão quando está totalmente exposta ao sol) Começamos com um design que inclui infravermelho LEDs (como muitas câmeras externas têm) para poder operar em condições noturnas.


No entanto, essa escolha de design acabou apresentando algumas falhas: Esses LEDs consumiam bastante energia (em comparação com o restante dos componentes eletrônicos), tornando necessária uma fonte de alimentação fora do padrão e, portanto, necessária. Apesar do grande consumo de energia, eles não eram realmente capazes de iluminar todo o campo de visão. Provavelmente precisaríamos de um holofote IR externo, o que, novamente, não era uma alternativa séria.


E, por último, o design com tempero de LED também não era muito bonito. podemos aumentar a exposição e a sensibilidade à luz dos sensores para trabalhar apenas com luz residual. Por isso, substituímos a exposição interna da câmera e o controle ISO e criamos um loop de feedback simples que ajusta as configurações de iluminação com base na luminância do último quadro capturado.


Essa abordagem funcionou muito bem, já que na maioria das ruas há luz residual suficiente dos postes de luz. Depois de várias iterações, finalmente chegamos ao design mostrado acima: A câmera fica dentro de um cone para ser protegida da água pulverizada e reflexos solares, tanto quanto possível. Os componentes eletrônicos são montados em um soquete interno e um cabo de fita conecta a câmera à placa principal.


A parte inferior é removível e montada no gabinete com quatro parafusos padrão. Como a caixa é impressa em ABS, as porcas quadráticas ficam em recortes para garantir que os parafusos possam ser apertados corretamente. Uma junta semelhante à GoPro conecta o gabinete ao suporte, que é preso ao poste de luz usando fita de aço padrão.


Todas as peças são otimizadas para impressão 3D, o que significa que não há saliências pesadas, importe superfícies paralelas para alta qualidade de superfície. Por último, a caixa da bateria é separada do sensor para melhor facilidade de manutenção. É uma caixa ABS moldada por injeção padrão e contém um 4.


Bateria de chumbo de 5 Ah 12V e uma unidade de carregamento, que recebe entrada de 230V (que é a voltagem da maioria das luzes de rua na Alemanha).O que vem a seguirOs dados que estamos coletando ao longo deste projeto estão nos ajudando muito a melhorar nossa compreensão (e também nossa algoritmos) de como o estacionamento funciona em diferentes situações de tráfego e vários contextos de fatores que influenciam a disponibilidade de estacionamento. Vamos postar mais sobre os resultados reais de uma perspectiva de ciência de dados muito em breve.


Também gastaremos algum tempo e entraremos mais nos detalhes da parte do software e, eventualmente, vamos até mesmo abrir o software de código aberto, bem como os projetos de hardware.AgradecimentosNeste ponto, gostaríamos de expressar nossa gratidão à cidade de Braunschweig por nos dar acesso à infraestrutura de tráfego para apoiar este projeto. Eles não apenas forneceram todas as permissões necessárias, mas também cobriram parte dos custos.


Também gostaríamos de agradecer ao operador de tráfego local Bellis e ao fornecedor de energia BS Energy pelo apoio na instalação e fornecimento de energia dos sensores. Sobre o autorJulian é o CEO e cofundador da Bliq, uma empresa de Berlim empresa de tecnologia baseada. Bliq fornece mapas de estacionamento ao vivo para desenvolvedores em mobilidade.


PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware.


Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc).


Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

Tecnologia de reconhecimento de imagem tecnologia de reconhecimento de placa de licença é uma tecnologia baseada em processamento de visão computacional, processamento de imagem digital, reconhecimento de padrões e outras tecnologias para processar e analisar a imagem do veículo ou imagem de vídeo tirada pela câmera para obter o número da placa de cada veículo, de modo a completar o processo de reconhecimento, Que pode completar a identificação da identidade do veículo. A plataforma em nuvem visa a mineração valiosa, como armazenamento, recuperação, associação e derivação de dados. Esses dados são universais em si. O gerenciamento da plataforma de nuvem de estacionamento quebra a situação atual da ilha de informações do sistema de gerenciamento de veículos de grupo único e realiza o gerenciamento centralizado e unificado de vários estacionamentos na mesma plataforma. Pagamento online para a indústria de gestão de importação e exportação, o pagamento de terceiros ainda é uma coisa nova, mas as duas empresas têm uma forte correlação positiva. O pagamento on-line é um grande campo de negócios no mercado consumidor terminal e, como a indústria final da indústria de segurança, a importação e a gestão de exportação podem fornecer uma base de serviço conveniente e eficiente para o pagamento do terminal. A vinculação dos dois também dará origem a um novo campo de negócios da indústria de gestão de importação e exportação.

Em geral, os estacionamentos inteligentes usam principalmente o passe de cartão ou o ingresso para gerenciar a entrada e saída de veículos. Embora a gestão dos estacionamentos tradicionais tenha sido muito melhorada, os veículos precisam parar para passar cartões ou bilhetes ao entrar e sair do estacionamento, o que afeta a velocidade de entrada e saída dos veículos e pode causar congestionamento durante o período de pico do fluxo de tráfego, Afeta a satisfação dos usuários e a eficiência da operação do estacionamento. Além disso, em caso de chuva e neve, os proprietários de carros precisam parar, abrir a janela e passar os cartões para entrar e sair do estacionamento, que muitos proprietários de automóveis não suportam. Então, existe alguma boa maneira de resolver os problemas acima? O sistema de estacionamento gratuito de cartão pode resolver os problemas acima. O sistema de estacionamento gratuito de cartão leva a placa como certificado de acesso e adota a tecnologia de reconhecimento de vídeo para detectar e identificar automaticamente o número da placa de veículos que entram e saem do local e, em seguida, realizam diferentes métodos de gerenciamento de acordo com o tipo de veículo. Os veículos fixos são liberados diretamente sem estacionamento e cartões deslizantes. Vamos olhar para o seu fluxo de trabalho. Quando os veículos entram no local, a câmera na entrada identificará automaticamente o número da placa para julgar se o veículo é um veículo fixo ou um veículo temporário. Se for um veículo fixo, o portão será automaticamente erguido e liberado. Se for um usuário temporário, você precisa pegar o cartão e liberá-lo. Quando o veículo sai do local, a câmera na saída também identifica automaticamente o número da placa e exibe o tipo de veículo, fotos, hora de entrada e saída, taxa de estacionamento, etc. Na tela de exibição. Se for um veículo fixo, o portão da estrada abrirá automaticamente. Para veículos temporários, o cartão e o pagamento precisam ser devolvidos, e o segurança abrirá o portão para liberação. O sistema de estacionamento sem cartão leva a placa como certificado de entrada e saída, um cartão e um veículo para garantir a segurança dos veículos. Ao mesmo tempo, melhora muito a velocidade dos veículos. De modo geral, o estacionamento com cartão pode entrar e sair de 6 veículos por minuto em média, enquanto o sistema de estacionamento sem cartão pode entrar e sair de 10 veículos por minuto em média, eliminando a situação em que os proprietários de carros fazem fila no pico. O sistema de estacionamento gratuito com cartão é usado em algumas comunidades sofisticadas, e o estacionamento com usuários mais fixos é o mais adequado.

O sistema de reconhecimento de placas automaticamente "captura" veículos ilegais; a partir de 1 ° de março, se você encontrar novamente a direção na área restrita, será punido. Em 3 de fevereiro, um policial de plantão parou um carro comercial azul com uma etiqueta amarela na guarita de Nanhu na seção de Binhu da cidade. Desde o mesmo dia, a polícia de trânsito de segurança pública municipal e os departamentos de proteção ambiental realizaram uma inspeção conjunta da aplicação da lei sobre a condução ilegal de veículos com marcas de qualificação de inspeção de proteção ambiental amarela e veículos sem marcas de qualificação de inspeção de proteção ambiental. Na manhã de 3 de fevereiro, no trecho proibido de 24 horas da Binhu Road, Nanning City, os departamentos relevantes verificaram 481 veículos em uma hora por meio do sistema de reconhecimento de placas, incluindo 13 carros amarelos e 128 carros fora do padrão, respondendo por quase 30% dos veículos ilegais. O repórter viu na guarita de Nanhu na estrada de Binhu que havia dois dispositivos de captura móvel para identificar os veículos que passavam na estrada.




A equipe disse a repórteres que o instrumento está conectado ao sistema de captura de restrição de veículos padrão Amarelo por meio da rede sem fio. Quando um veículo padrão amarelo ou um veículo não padrão invade a área restrita, o sistema identificará automaticamente se o veículo é um veículo padrão amarelo e se recebeu a marca de inspeção de proteção ambiental. Um carro particular passou e o sistema o incitou como um carro de etiqueta verde, mas o carro também foi parado pela polícia porque não estava etiquetado com uma etiqueta verde. A polícia disse ao proprietário que também é contra os regulamentos não colar o logotipo de um carro e será punido a partir de 1 ° de março. De acordo com os regulamentos municipais, desde 1 de dezembro de 2014, os veículos sem marcas de qualificação de inspeção de proteção ambiental são proibidos de dirigir na estrada dentro da jurisdição da cidade (incluindo 6 condados e 6 áreas urbanas); A área fechada composta por Zhonghua Road, Yuanhu Road, Dongge Road, Xiangzhu Avenue, Xiangzhu Avenue, A Avenida Zhuxi, a Avenida Jiangbei e a estrada Beida estão fechadas para veículos com etiquetas amarelas 24 horas por dia; A área fechada é composta pela Avenida Xingguang, Estrada Yunju, Ponte Beida, Estrada Beida, Estrada Leste da Universidade, Estrada Mingxiu, Estrada Nanwu, Avenida Xiangzhu, Avenida Zhuxi, Avenida Zhuxi, A ponte Huluding e a Avenida Baisha limitam a passagem de veículos padrão amarelos às 7:00 às 22:00. Para evitar ser punido depois de 1 ° de março, a polícia de trânsito de Nanning lembrou aos proprietários de automóveis que aproveitassem o tempo para obter placas de proteção ambiental de veículos motorizados. De acordo com o plano de trabalho municipal para restringir gradativamente a passagem de veículos altamente poluentes, a partir de 1 ° de março deste ano, a prefeitura vai punir veículos padrão amarelos por arrombamento na área restrita e veículos fora do padrão por dirigir na via.


Se um veículo motorizado dirigir na estrada em uma área de condução restrita ou tempo de condução restrito em violação dos regulamentos, ou não conseguir obter ou usar sinais de classificação de proteção ambiental expirados, ele será multado em 200 yuans pelo departamento de gestão de tráfego do órgão de segurança pública; Quem forja, altera ou usa, transfere, Empresta, altera, forja ou altera as marcas de classificação de proteção ambiental devem ser confiscadas e multadas em não menos de 500 yuans, mas não mais de 1000 yuans. A taxa de conformidade de inspeção inicial de veículos padrão amarelo Yongcheng é inferior a 30%. Este ano, o sistema de reconhecimento de placas municipais começou a implementar a inspeção regular de proteção ambiental e o sistema de manutenção obrigatória para a poluição dos gases de escape dos veículos motorizados. Entende-se que em janeiro, 14 estações de teste de proteção ambiental de veículos motorizados na cidade realizaram testes de proteção ambiental de escapamento em 15057 veículos em uso. A partir da inspeção, a taxa de conformidade geral da inspeção inicial é de 74%, dos quais a taxa de conformidade da inspeção inicial de veículos a gasolina é de 80%, e a taxa de conformidade da inspeção inicial de veículos a diesel é de apenas 47%; Se dividido de acordo com o padrão amarelo e verde, A taxa de conformidade de inspeção inicial de veículos padrão verde é de 81%, e a taxa de conformidade de inspeção inicial de veículos padrão amarelo é de apenas 25%. Os resultados dos testes mostram que, embora a inspeção de proteção ambiental da lei de condições de trabalho de veículos motorizados de Zhejiang implemente temporariamente o padrão nacional mais flexível, mais de 20% dos veículos com emissões excessivas de escape ainda estão dirigindo na estrada. Entre eles, menos de 50% dos veículos a diesel com emissões relativamente grandes de partículas e óxidos de nitrogênio estão na estrada; Como um veículo padrão amarelo com um nível de emissão de poluentes mais alto, menos de 30% dos veículos que atendem ao padrão de emissão de escapamento estão na estrada.

Nos últimos anos, com o progresso da ciência e da tecnologia, grandes mudanças ocorreram no sistema de estacionamento. O sistema de estacionamento tradicional de passagem/seleção de bilhetes desapareceu gradualmente, enquanto a tecnologia de identificação sem contato e de longa distância se desenvolveu aos trancos e barrancos e evoluiu para o sistema de reconhecimento de placas de veículos de hoje, que melhorou muito sua eficiência, gerenciamento e segurança, O importante é que é cada vez mais amplamente utilizado. Comparando o sistema de estacionamento tradicional com o sistema de reconhecimento de placa de licença atual, não só a aparência do produto mudou, mas também a tecnologia mudou muito. Com a precipitação do tempo e o desenvolvimento da tecnologia, os produtos são atualizados iterativamente. O sistema de reconhecimento de placas tem sido procurado por pessoas em aplicações de estacionamento com suas vantagens exclusivas, como função poderosa, aparência alta e equipamento inteligente humanizado. A fim de desenvolver transporte inteligente e criar um bom ambiente de estacionamento para as pessoas estacionarem, o sistema de reconhecimento de placas também continua a inovar e integrar novas tecnologias. Combinado com dispositivos mais inteligentes (como sistema de orientação de espaço de estacionamento, pagamento de estacionamento online, máquina de consulta de pesquisa reversa, orientação ultrassônica, etc.), desenvolvimento mais inovador é para ambos os lados (gerentes e proprietários de carros) Faça esforços para facilitar a vida e fazer estacionamento mais perto do nosso estilo de vida. O processo de reconhecimento da placa pode ser dividido em quatro etapas: localização da placa, pré-processamento da placa, segmentação de caracteres e reconhecimento de caracteres. O sistema de reconhecimento de placas adota tecnologia avançada de processamento de imagem difusa, que pode muito bem lidar com a inclinação geral, inclinação do texto, mancha e desfoque da placa e reconhecer o número da placa que é difícil de distinguir pelos olhos humanos. O sistema de reconhecimento de placas tornou-se gradualmente um conjunto completo de sistema de gerenciamento de acesso inteligente no estacionamento existente. Tem as características de baixo custo, simples instalação e manutenção, estacionamento seguro e rápido. Se você quiser saber mais notícias maravilhosas da indústria e planos de estacionamento, siga o tigre Wong e lhe dê informações maravilhosas a qualquer momento!