B. Máy ảnh dựa trên hệ thống
Một trong những nhược điểm chính của hệ thống WSN dựa trên là
khả năng mở rộng, như cài đặt và quản lý một bộ cảm biến trên xe có
không gian có thể được rườm rà và tốn kém. Để khắc phục
vấn đề này, các hệ thống dựa trên tầm nhìn có thể được sử dụng: mỗi camera
có thể bao gồm nhiều hơn một chỗ đậu xe do đó cung cấp
một giải pháp mở rộng. Trong [10], một bãi đậu xe ứng dụng công cụ tìm không gian
được trình bày: webcam được sử dụng để lấy
. Sự sẵn có chỗ đậu xe gần điểm đến người dùng
Tuy nhiên, không phải chi tiết về các thuật toán sử dụng để trích xuất
thông tin như vậy cũng không chính xác của nó được báo cáo. Các công việc
trong [11] sử dụng các kỹ thuật nền trừ tăng cường
để suy ra tình trạng của mỗi không gian đậu xe, trong khi ở [12] một
mờ c-means (FCM) thuật toán phân nhóm được đề xuất và
so sánh với một phân lớp SVM, sử dụng các vector cơ sở PCA
chiết xuất từ hình ảnh bãi đậu xe trống hoặc bị chiếm đóng để đào tạo
các phân loại. Các tác giả báo cáo độ chính xác hơn
99% trong một kịch bản trong nhà. Trong [13], một bãi đậu xe ảnh phong phú
bộ dữ liệu được trình bày và làm sẵn có để giúp các nhà nghiên cứu
"# $% & '() * +, -. $ & / #, + $ 012 $
34, và 5,65 # $
7, + 8 & / * $
5) ($
tôi
xc
Hình 1. một khu vực xung quanh trung tâm của bãi đậu xe được chiết xuất, và
một vector đặc trưng được tính bằng phương tiện của một biểu đồ của các giá trị điểm ảnh màu.
một SVM tuyến tính được sử dụng để phân loại từng bãi đậu xe nhiều hoặc là bỏ trống hoặc
bị chiếm đóng.
trong thử nghiệm và so sánh các thuật toán khác nhau cho xe
phân loại không gian. Hơn nữa, các tác giả trình bày một texturalbased
phân loại dựa trên mẫu nhị phân cục bộ (LBP) mà
đạt được thành tích xuất sắc trong các tình huống ngoài trời.
Cuối cùng, một số sản phẩm thương mại gần đây đã phát hành
đòn bẩy kỹ thuật tầm nhìn để giúp lái xe tìm
bãi đậu xe có sẵn [14] [15].
đang được dịch, vui lòng đợi..