一种停车场库位优化方法及装置制造方法及图纸

本发明专利技术涉及一种停车场库位优化方法及装置，其方法包括：获取目标停车场的多个库位的库位数据，所述库位数据包括每个库位的端点坐标、中心点坐标和库位标识；基于每个库位的端点坐标与预设方向的夹角，通过机器学习模型对所述多个库位进行分类并构建库位数据集；基于库位数据集中每个库位的中心点坐标，通过第一聚类方法，得到多个库位簇并对库位数据集进行清洗；通过第二聚类方法和预设库位簇的约束条件对每个库位簇的中心点坐标进行优化；根据优化后的多个库位簇的中心点坐标对每个库位进行平移调整，得到目标停车场的最终库位图。本发明专利技术通过多次采集数据校正对齐，并对齐位置进行全局优化，提高车位图的复用行和扩展性。提高车位图的复用行和扩展性。提高车位图的复用行和扩展性。

【技术实现步骤摘要】
一种停车场库位优化方法及装置


[0001]本专利技术属于高精度地图制作
，具体涉及一种停车场库位优化方法及装置。

技术介绍

[0002]在自动泊车领域，通常需要绘制高精度停车场地图。在地下停车场，采集车采集数据时，由于地库的GPS信号不好，多次采集回来的数据通常存在库位漂移，地面标线漂移的情况。在不经过数据处理的情况下，通过纯人工是无法制图的。因此，基于多次采集的数据，经过坐标系统一转换后，完成库位的融合优化，为后续人工制图提供可用的库位信息，是一个值得研究的问题。
[0003]另一方面，地下停车场采集传回至云端的多次采集数据，经过坐标系转换后，由于地库的GPS信号不好，数据通常存在库位漂移，地面标线漂移的情况，无法直接给绘制地图的工作人员使用。

技术实现思路

[0004]为自动泊车过程中提供准确的地下停车场车位图，提高车位图的复用行和扩展性，在本专利技术的第一方面提供了一种停车场库位优化方法，包括：获取目标停车场的多个库位的库位数据，所述库位数据包括每个库位的端点坐标、中心点坐标和库位标识；基于每个库位的端点坐标与预设方向的夹角，通过机器学习模型对所述多个库位进行分类；根据分类结果调整每个库位的方向，并根据调整后的库位数据构建库位数据集；基于库位数据集中每个库位的中心点坐标，通过第一聚类方法，得到多个库位簇；根据每个库位簇对应的一个或多个库位的库位标识对所述库位数据集进行清洗；根据每个车位簇中对应的一个或多个库位的端点坐标和中心点坐标，通过第二聚类方法和预设库位簇的约束条件对每个库位簇的中心点坐标进行优化；根据优化后的多个库位簇的中心点坐标对每个库位进行平移调整，得到目标停车场的最终库位图。
[0005]在本专利技术的一些实施例中，所述基于每个库位数据与预设方向的夹角，通过机器学习模型将所述多个库位数据进行分类包括：计算每个库位的主方向α
n
，其中α
n
为与库位图x轴正方向的夹角，D、A为每个库位的任意相邻的两个端点；通过机器学习模型将所述多个库位数据分为两个方向簇。
[0006]在本专利技术的一些实施例中，所述根据分类结果，对每个库位进行方向调整包括：构建相互垂直的方向向量α
a
和α
b
；将方向向量α
a
和α
b
分别与第一方向簇和第二方向簇对应，并将每个方向向量与其对应的方向簇中的库位数据的标准差最小作为约束条件，对方向向量α
a
和α
b
进行优化；根据优化后的α
a
和α
b
将其对应的方向簇中的库位数据进行调整。
[0007]在本专利技术的一些实施例中，所述根据每个库位簇对应的一个或多个库位的库位标识对所述库位数据集进行清洗包括：统计每个库位簇对应的库位号ID；根据所述库位号ID的分布和重复性，对所述库位数据集进行清洗。
[0008]在本专利技术的一些实施例中，所述根据优化后的多个库位簇的中心点坐标对每个库位进行平移调整，得到目标停车场的最终库位图包括：根据优化前后的多个库位簇的中心点坐标，计算平移向量；基于每个库位簇的平移向量，对每个库位簇中的每个库位进行平移，得到目标停车场的最终库位图。
[0009]在上述的实施例中，所述第二聚类方法为DBSCAN。
[0010]本专利技术的第二方面，提供了一种停车场库位优化装置，包括：获取模块，用于获取目标停车场的多个库位的库位数据，所述库位数据包括每个库位的端点坐标、中心点坐标和库位标识；调整模块，用于基于每个库位的端点坐标与预设方向的夹角，通过机器学习模型对所述多个库位进行分类；根据分类结果调整每个库位的方向，并根据调整后的库位数据构建库位数据集；清洗模块，用于基于库位数据集中每个库位的中心点坐标，通过第一聚类方法，得到多个库位簇；根据每个库位簇对应的一个或多个库位的库位标识对所述库位数据集进行清洗；优化模块，用于根据每个车位簇中对应的一个或多个库位的端点坐标和中心点坐标，通过第二聚类方法和预设库位簇的约束条件对每个库位簇的中心点坐标进行优化；平移模块，用于根据优化后的多个库位簇的中心点坐标对每个库位进行平移调整，得到目标停车场的最终库位图。
[0011]本专利技术的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术在第一方面提供的停车场库位优化的方法。
[0012]本专利技术的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本专利技术在第一方面提供的停车场库位优化方法。
[0013]本专利技术的有益效果是：
[0014]本专利技术涉及一种停车场库位优化方法及装置，其方法包括：获取目标停车场的多个库位的库位数据，所述库位数据包括每个库位的端点坐标、中心点坐标和库位标识；基于每个库位的端点坐标与预设方向的夹角，通过机器学习模型对所述多个库位进行分类并构建库位数据集；基于库位数据集中每个库位的中心点坐标，通过第一聚类方法，得到多个库位簇并对库位数据集进行清洗；通过第二聚类方法和预设库位簇的约束条件对每个库位簇的中心点坐标进行优化；根据优化后的多个库位簇的中心点坐标对每个库位进行平移调整，得到目标停车场的最终库位图。可见，本专利技术实现了使多次采集数据校正对齐，并对对齐位置进行全局优化，形成一层库位几何图的方法。本专利技术解决了地下停车场采集传回至云端的多次采集数据，经过坐标系转换后，由于地库的gps信号不好，数据通常存在库位漂移，地面标线漂移的情况，无法直接给绘制地图的工作人员使用的问题。
附图说明
[0015]图1为本专利技术的一些实施例中的停车场库位化方法的流程示意图；
[0016]图2为本专利技术的一些实施例中的车位数据示意图；
[0017]图3为本专利技术的一些实施例中的经过优化后的某停车场车位图；
[0018]图4为本专利技术的一些实施例中的停车场库位优化装置的结构示意图；
[0019]图5为本专利技术的一些实施例中的电子设备的结构示意图。
具体实施方式
[0020]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0021]参考图1，在本专利技术的第一方面，提供了一种停车场库位优化方法，其特征在于，包括：S100.获取目标停车场的多个库位的库位数据，所述库位数据包括每个库位的端点坐标、中心点坐标和库位标识；S200.基于每个库位的端点坐标与预设方向的夹角，通过机器学习模型对所述多个库位进行分类；根据分类结果调整每个库位的方向，并根据调整后的库位数据构建库位数据集；S300.基于库位数据集中每个库位的中心点坐标，通过第一聚类方法，得到多个库位簇；根据每个库位簇对应的一个或多个库位的库位标识对所述库位数据集进行清洗；S400.根据每个车位簇中对应的一个或多个库位的端点坐标和中心点坐标，通过第二聚类方法和预设库位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种停车场库位优化方法，其特征在于，包括：获取目标停车场的多个库位的库位数据，所述库位数据包括每个库位的端点坐标、中心点坐标和库位标识；基于每个库位的端点坐标与预设方向的夹角，通过机器学习模型对所述多个库位进行分类；根据分类结果调整每个库位的方向，并根据调整后的库位数据构建库位数据集；基于库位数据集中每个库位的中心点坐标，通过第一聚类方法，得到多个库位簇；根据每个库位簇对应的一个或多个库位的库位标识对所述库位数据集进行清洗；根据每个车位簇中对应的一个或多个库位的端点坐标和中心点坐标，通过第二聚类方法和预设库位簇的约束条件对每个库位簇的中心点坐标进行优化；根据优化后的多个库位簇的中心点坐标对每个库位进行平移调整，得到目标停车场的最终库位图。2.根据权利要求1所述的停车场库位优化方法，其特征在于，所述基于每个库位数据与预设方向的夹角，通过机器学习模型将所述多个库位数据进行分类包括：计算每个库位的主方向α
n
，其中α
n
为与库位图x轴正方向的夹角，D、A为每个库位的任意相邻的两个端点；通过机器学习模型将所述多个库位数据分为两个方向簇。3.根据权利要求1所述的停车场库位优化方法，其特征在于，所述根据分类结果，对每个库位进行方向调整包括：构建相互垂直的方向向量α
a
和α
b
；将方向向量α
a
和α
b
分别与第一方向簇和第二方向簇对应，并将每个方向向量与其对应的方向簇中的库位数据的标准差最小作为约束条件，对方向向量α
a
和α
b
进行优化；根据优化后的α
a
和α
b
将其对应的方向簇中的库位数据进行调整。4.根据权利要求1所述的停车场库位优化方法，其特征在于，所述根据每个库位簇对应的一个或多个库位的库位标识对所述库位数据集进行清洗包括：统计每个库位簇对应的库位号...

【专利技术属性】
技术研发人员：秦峰，尹玉成，张志军，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：