上9月，我们安装了光学停车传感器，以测量Braunschweigs大学区市500多个街道停车位的占用率。 这是德国有史以来在公共场所推出的最大规模的停车传感器安装，可以肯定的是: 我们将使其成为最后一个。这是一个巨大努力的故事，这是一家AI公司为寻找地面真相数据以推动其算法而做出的努力。




这也是一个美丽的工程背后的故事，它恰好是更大使命的副产品，最终永远不会再投入生产。 所有这些都支持更具破坏性的数据驱动技术。由于在Bliq，我们致力于基于交通数据对停车可用性进行建模的预测算法，因此我们自然需要参考区域中真实停车占用率的地面真实数据。


为了获得这样的数据，我们决定建立我们自己的，真实世界的停车传感器实验装置，测量超过500个街道停车位的占用，每天24小时实时。我们想分享一些关于这个项目的工程工作的见解。 更具体地说，我们将讨论我们选择的测试站点，系统架构以及我们设计和构建的用于收集数据的实际传感器。


测试站点有时，人工智能公司在为其模型收集基本事实时需要变得富有创造力。 在我们的案例中，对停车场可用性进行建模，这意味着找到一个在交通流量、使用和人口统计方面符合某些标准的地区。我们选择不伦瑞克大学区是因为它对相对较小的空间有多种影响: 在南部，我们的大学主校区每天吸引成千上万的学生和数百名员工。


甚至在更南边，市中心及其商店和景点都只有几分钟的步行路程 (上图未显示)。 该地区的北部形成了一个住宅区，设有公共的，不受限制的街道停车场。 居住在该地区的大多数人要么是学生，要么是当地汽车行业的员工。




绝大多数居民使用私家车上下班。 该区域由一条环绕城市中心区的主干道隔开。系统如何工作传感器安装的基本系统架构非常简单，基本上人们对大多数物联网应用的期望是: 在现实世界中的某个地方部署了一小块硬件，并将数据传输到云后端。


后端存储数据并使其可用于进一步处理，以作为机器学习努力的基本事实，或者仅用于应用程序或web应用程序中的简单可视化。硬要求: 设计隐私传感器架构的特殊之处在于我们在边缘部署了相当强大的计算能力: 由于最近和正在进行的GDPR讨论还引发了德国公共空间的监管要求，我们无法在具有大量计算资源的远程云上处理图像。这就是为什么我们需要做所有繁重的工作来直接在传感器设备上而不是在其他地方确定开放点。


这样做的好处是，这种方法不会消耗用于来回发送图像的大数据量。 相反，我们可以将用于连接的传感器的运行成本也保持在相对较低的范围内。 不利的一面是，为设备配备足够的计算能力来执行图像分析需要在硬件开发方面付出大量额外的努力。


为什么不使用另一个停车传感器？为什么我们决定要经历设计和建造自己的停车传感器的痛苦，而不仅仅是购买已经有很多成品传感器模型中的一个？有三个答案: 我们不知道建造新设备将变得多么复杂;) 现有的停车传感器都有一些缺陷: 监管情况禁止我们使用任何可用的光学解决方案，因为这类系统会侵犯隐私。


表面安装的传感器在冬季无法承受除雪。 最后，地面传感器本身相当昂贵，安装成本甚至更高。 当我们开始这个项目时，我们的预算相当紧张。


在这一点上，我们完全引导了公司: 我们的资金包括一些政府资金，第一笔收入以及我们在这里和那里赢得的一些价格。 其他传感器型号的价格在75到250欧元之间，这个时候对我们来说简直太贵了。 新的光学停车传感器我们传感器的工作原理的想法很简单: 部署我们在以前的小型硬件研究项目中已经开发的相同算法，将其连接到互联网，将所有东西放在防水盒中并安装到灯杆上。


算法本身基本上是一个图像分类器，它需要预先定义的感兴趣区域来查看。 该模型的最初目的是自动分析我们在以前的项目中使用离线摄像机收集的一些巨大图像系列中的停车占用率。 现在的挑战仅是设计具有足够计算能力的合适硬件设备，缩小模型，使其在此设置上执行并确保连续供电。


这是我们的规格愿望清单: 每个地点的低成本: 标准组件测量频率高达3分钟至30秒。检测对天气，照明变化和不准确的停车汽车具有鲁棒性 (例如 g。


一辆车占据两个位置) 监控设备的健康状态远程软件更新选项低能耗25年有用寿命软件传感器软件由三层组成: 操作系统，这是该项目的定制开发，控制所有传感器功能的核心例程和用于开放点检测的实际机器学习模型操作系统为了在边缘运行完整的视觉模型，我们很快发现我们需要比其他物联网硬件项目更大的软件设置。 决定使用yocco构建Linux的自定义发行版。


这样，我们就可以完全控制操作系统正在做的一切。 核心功能是两个单独的分区，以便能够进行文件系统更新和交换分区，核心例程所需的多个库和看门狗重置。 我们SBC的硬件看门狗会重新启动设备，以防任何事情无法按预期运行。


由于软件中的错误，将智能砖块米放在灯杆上，这实际上是最糟糕的情况。核心常规核心例程负责在可调的时间间隔内运行检测器，监控传感器的健康状态并与后端进行通信 (获取配置数据并发送更新)。核心例程在Python中实现。


这给了我们很大的灵活性和简化的图像处理很多，因为我们可以利用我们已经在公司拥有的庞大的现有Python代码库。关于软件设计的一个伟大的事情是它能够独立地远程更新每个组件: 从核心例程的源代码的检测模型到内核甚至整个文件系统，每个部分都可以远程替换。 面对CV和机器学习领域的快速发展，我们希望确保运行传感器的代码在整个生命周期内都是最先进的。


机器学习为了执行检测任务，我们使用了tensorflow的一个版本，经过一些调整，最终使其可以在我们的设置中工作。 完成此操作后，我们几乎可以部署任何适合GPU内存的预训练tensorflow。我们决定使用MobileNet，因为它在我们的设置中显示了精度和性能之间的最佳比率。


我们还研究了基于传统计算机视觉特征的其他几种方法，例如HOG特征，直方图等。 结合传统的机器学习分类器，如svm。 尽管这些测试由于与MobileNet相比更简单的模型设计而导致相当高的计算性能，但模型精度较低，这可以通过标准CV特征描述 (光不变性，尺度不变性) 的通常缺点来解释。


硬件对我们来说是一种全新的体验，到目前为止，它是一家纯粹的软件公司。 尽管我们的CTO Mathias在之前在大众汽车公司工作时曾从事电子设计工作。
&D，我们公司还没有为硬件开发任务做好充分的准备，老实说，现在还没有。尽管如此，我们需要一个易于制造的功能设计，并且可以利用我们作为一家自举公司的资源进行迭代。


所以，我们的需求清单很快就变成了这样: 外壳需要防水，3d打印传感器应该能够在电池上运行至少12小时。相机应该免受雨水和喷水的影响，并在黑暗中工作。设计需要固定相机，温度/湿度传感器，LTE模块，单板计算机和一些用于将电压转换为适当水平的电力电子设备。当灯杆断电时 (白天)，需要电池继续运行。整个设置需要模块化，以便于安装，并能够在发生故障时更换单个组件。 它还需要很小，涂成灰色，在-20摄氏度到70摄氏度的操作环境中看起来不引人注目 (因为在夏天，当它完全暴露在阳光下时，设置会变得非常温暖) 我们从包括红外发光二极管 (就像许多户外相机都有) 的设计开始能够在夜间条件下操作。


但是，这种设计选择却存在一些缺陷: 这些led非常耗电 (与其他电子设备相比)，因此需要非标准电源。 尽管功耗很大，但它们并不能真正照亮整个视野。 我们可能需要一个外部红外泛光灯，这同样不是一个严肃的选择。


最后，LED加香料的设计也不是很漂亮。为了克服夜间操作的问题，我们决定使用静态摄像机设置: 由于摄像机的位置是静态的，并且我们试图检测的对象通常也是静止的，我们可以增加曝光和传感器的光敏性，以便仅在残留光下工作。 因此，我们覆盖了相机的内部曝光和ISO控制，并编写了一个简单的反馈循环，根据最后捕获的帧的亮度调整照明设置。


这种方法效果很好，因为在大多数街道上都有足够的路灯残留光。经过多次迭代，我们最终得到了如上所示的设计: 相机位于圆锥体内，以防止喷水和阳光反射。 电子设备安装在内部的插座上，带状电缆将摄像机连接到主板。


底部是可拆卸的，用四个标准螺钉安装到外壳上。 由于外壳是用ABS打印的，因此二次螺母位于切口处，以确保可以正确拧紧螺钉。 类似GoPro的接头将外壳连接到安装座，安装座通过使用标准钢带固定在灯杆上。


所有零件都针对3d打印性进行了优化，这意味着没有沉重的悬垂，导入表面平行以获得高表面质量。最后，电池盒与传感器分开以获得更好的适用性。 这是一个标准的注塑ABS盒，包含一个4。


5 Ah 12v铅电池和一个充电单元，该单元需要230V输入 (这是德国大多数路灯的电压)。接下来的数据是什么，我们在整个项目中收集的内容极大地帮助我们提高了对停车在不同交通情况下如何工作以及影响停车可用性的各种因素的理解 (以及我们的算法)。我们将很快从数据科学的角度发布更多关于实际结果的信息。


我们还将花费一些时间，深入研究软件部分的细节，最终甚至将开源软件以及硬件设计。承认这一点，我们要感谢不伦瑞克市让我们能够使用交通基础设施来支持这个项目。 他们不仅提供了所有必要的权限，还支付了部分费用。


我们还想向当地的交通运营商Bellis和能源提供商BS energy表示感谢，感谢他们对传感器的安装和供电的支持。关于作者朱利安是柏林科技公司Bliq的首席执行官和联合创始人。 Bliq为移动开发人员提供实时停车地图。


相关问题我没有得到谷歌玻璃资源管理器版。 在没有硬件的情况下尝试学习Glass dev是徒劳的吗？不，您仍然可以在没有硬件的情况下学习玻璃开发的基础知识。


完成此操作的主要方法有三种: 1) 访问镜像API文档，进入游乐场，并开始散列一些代码。 下载PHP、Java和Python库，无论你最喜欢哪一个。 熟悉行话和转换 (时间轴，捆绑包，菜单等)。


阅读支持文档 (下面的第二个链接)，以了解Glass硬件的实际功能。 根据此规范构建一些应用程序。 很快，你会找到一个有硬件的朋友

图像识别技术车牌识别技术是一种基于计算机视觉处理、数字图像处理、模式识别等技术，对摄像头拍摄的车辆图像或视频图像进行处理和分析，得到每辆车的车牌号，从而完成识别过程的技术，它可以完成车辆身份的识别。 云平台旨在进行有价值的挖掘，例如数据存储，检索，关联和派生。 这些数据本身是通用的。 停车场云平台管理打破了单组车辆管理系统信息孤岛的现状，实现了多个停车场在同一平台上的集中统一管理。 在线支付对于进出口管理行业来说，第三方支付还是一个新生事物，但这两项业务具有很强的正相关性。 在线支付是终端消费市场的一大业务领域，而作为安防行业的最后终端行业，进出口管理可以为终端支付提供便捷、高效的服务基础。 两者的捆绑，也将催生进出口管理业这一新业务领域。

一般智能停车场多采用刷卡或取票等方式管理车辆进出。 虽然对传统停车场的管理有了很大的改进，但车辆进出停车场时需要停车刷卡或刷卡，影响车辆进出速度，在车流高峰期可能造成拥堵，影响用户的满意度和停车场的运行效率。 此外，遇到雨雪天气，车主还要停车，打开车窗刷卡进出停车场，这是很多车主无法忍受的。 那么，有什么好的方法可以解决上述问题吗？免卡停车场系统可以解决上述问题。 无卡停车场系统以车牌为准入证，采用视频识别技术，对进出现场的车辆进行自动检测和识别车牌号码，然后根据车辆类型进行不同的管理方式。 固定车辆不停车刷卡直接放行 让我们看看它的工作流程。 当车辆进入现场时，入口处的摄像头会自动识别车牌号码，以判断车辆是固定车辆还是临时车辆。 如果是固定车辆，闸门会自动抬起并释放。 如果是临时用户，则需要拿走卡并将其释放。 当车辆离开现场时，出口处的摄像头也会自动识别车牌号码，并显示车辆类型、照片、进出时间、停车费等。 在显示屏上。 如果是固定车辆，道闸会自动打开。 对于临时车辆，需要退卡和付款，保安将打开闸门释放。 免卡停车场系统以车牌作为出入境证件，一卡一车，确保车辆安全。 同时，它大大提高了车辆的速度。 一般来说，刷卡停车场平均每分钟可进出6辆车，而无卡停车场系统平均每分钟可进出10辆车，消除了车主高峰排队的情况。 免卡停车场系统在一些高端小区使用，固定用户较多的停车场最适合。

车牌识别系统自动 “抓拍” 违法车辆; 3月1日起，如果再次发现在限行区域内行驶，将受到处罚。 2月3日，一名值班警察在该市滨湖路段的南湖岗亭拦下了一辆黄色标签的蓝色商务车。 从当天起，市公安交警和环保部门对黄色环保检验合格标志车辆和无环保检验合格标志车辆违法驾驶行为进行联合执法检查。 2月3日日上午，在南宁市滨湖路24小时禁行路段，相关部门通过车牌识别系统在1小时内抽查了481辆车，其中小黄车13辆，非标车128辆，占违法车辆的近30% 辆。 记者在滨湖路南湖岗亭看到，有两个移动抓拍装置，用于识别道路上过往车辆。




工作人员告诉记者，该仪器通过无线网络与黄标车辆限制捕捉系统相连。 当黄标车或非标车闯入禁区时，系统会自动识别车辆是否为黄标车，是否收到了环保检验标志。 一辆私家车经过，系统提示它是绿标车，但该车也被警察拦下，因为没有贴上绿标。 警方告诉车主，不贴车标也是违反规定的，将从3月1日起处罚。 根据市政规定，自2014年12月1日起，禁止无环保检验合格标志的车辆在本市辖区内 (含6县、6城区) 道路上行驶; 由中华路、园湖路、东葛路、香竹大道、竹溪大道、江北大道、北大路24小时封闭黄标车辆; 封闭区域由星光大道、云居路、北大桥、北大路、大学东路、明秀路、南武路、香竹大道、竹溪大道、葫芦顶桥和白沙大道在7:00-22:00限制黄标车辆通行。 为避免3月1日后被处罚，南宁交警提醒车主抓紧时间办机动车环保标志。 根据市逐步限制高污染车辆通行工作方案，从今年3月1日起，本市将对闯限行区域的黄标车和上路行驶的非标车进行处罚。


机动车违反规定在限制行驶区域、限制行驶时间内上路行驶，或者未取得或者未使用过期环保分级标志的，将由公安机关交通管理部门处以200元罚款; 伪造、更改或者使用、转让、对贷款、更改、伪造、更改环保分类标志的，予以没收，并处以500元以上1000元以下的罚款。 永城黄标车初检达标率低于30%。 今年，市车牌识别系统开始实施机动车排气污染环境保护定期检查和强制维护制度。 据了解，在1月，全市共有14个机动车环保检测站对15057辆在用车进行了排气环保检测。 从检查情况看，初检总体达标率为74%，其中汽油车初检达标率为80%，柴油车初检达标率仅为47%; 如果按照黄绿两种标准划分，绿标车初检达标率为81%，黄标车初检达标率仅为25%。 检测结果显示，虽然浙江省机动车工况法环保检测暂时执行的是最宽松的国标，但尾气排放超标的车辆仍有20% 以上在道路上行驶。 其中，排放颗粒物和氮氧化物相对较大的柴油车不到50% 上路; 作为污染物排放水平较高的黄标车，达到尾气排放标准的车辆不到30% 上路。

近年来，随着科学技术的进步，停车场系统发生了很大的变化。 传统的刷卡/取票停车场系统已逐渐消失，而非接触式和远距离识别技术则突飞猛进地发展并演变为今天的车牌识别系统，大大提高了其效率，管理和安全性，重要的是它的应用越来越广泛。 将传统的停车场系统与当前的车牌识别系统进行比较，不仅产品的外观发生了变化，而且技术也发生了很大变化。 随着时间的沉淀和技术的发展，产品迭代更新。 车牌识别系统以其强大的功能、高大的外观和人性化的智能设备等独特优势，在停车场应用中受到人们的追捧。 为了发展智能交通，为人们创造良好的停车环境，车牌识别系统也不断创新，融合新技术。 结合更多的智能设备 (如停车位引导系统、在线停车支付、倒车寻车查询机、超声波引导等)，更多的创新发展是为双方 (管理者和车主) 在方便生活、让停车更贴近我们的生活方式方面做出努力。 车牌识别的过程可以分为四个步骤: 车牌定位、车牌预处理、字符分割和字符识别。 车牌识别系统采用先进的模糊图像处理技术，可以很好地处理车牌的整体倾斜、文字倾斜、污点和模糊，识别人眼难以分辨的车牌号码。 车牌识别系统已逐渐成为现有停车场一套完整的智能门禁管理系统。 具有成本低、安装维护简单、停车安全快捷等特点。 如果您想了解更多精彩的行业新闻和停车计划，请关注tiger Wong，随时为您提供精彩信息!