控制方法及其对应的车辆、电子设备、存储介质

技术领域

本发明涉及车辆技术领域，尤其涉及一种控制方法及其对应的车辆、电子设备、存储介质。

背景技术

目前，通过共享车辆(例如共享单车、共享电动车等)出行已经成为城市中新兴的出行方式，可以有效解决城市人群的出行需求。但是，随着共享车辆的大量投放使用、随意停放甚至占用机动车道，给城市管理和交通安全带来挑战和隐患。

现有技术中，通常是通过固定停车桩、GPS(Global Positioning System，全球定位系统)电子围栏或通过蓝牙道钉等方式来引导有序、规范地定点还车。但是，固定停车桩的施工难度较大、成本高，且占用一定的空间，难以普遍推广。GPS定位容易受到干扰，精度较低，导致用户还车困难，影响用户体验。蓝牙道钉定位计算方式较为复杂，定位所需要的时间较长，影响用户体验。

发明内容

有鉴于此，本发明实施例的目的在于提供一种控制方法及其对应的车辆、电子设备、存储介质，可以实现快速精准的定位，提升用户体验，降低成本和施工难度。

第一方面，本发明实施例提供了一种车辆的控制方法，适用于车辆，所述方法包括：

通过图像采集设备采集图像数据；

从所述图像数据中获取停车标识线和参照物，所述参照物为车辆的部分结构；

根据所述停车标识线和参照物确定所述车辆的相对位置信息，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与所述停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系；

向服务器发送所述相对位置信息，以使得服务器根据所述相对位置信息执行还车流程；以及

响应于接收到关锁指令，控制车辆锁具关锁。

在一些实施例中，所述通过图像采集设备采集图像数据具体为：

响应于接收到查询指令，控制所述图像采集设备进入工作状态，并采集所述图像数据；

其中，所述图像采集设备安装在车辆的预定位置，且安装方向被配置为在所述车辆的停车位置满足一定条件时，采集到的图像数据包括停车标识线和参照物。

在一些实施例中，所述从所述图像数据中获取停车标识线和参照物包括：

基于边缘检测算法从所述图像数据中获取停车标识线；以及

基于预先训练的检测模型从所述图像数据中获取参照物。

在一些实施例中，所述夹角信息为角度值和/或角度值对应的分类等级，所述距离信息为距离值和/或距离值对应的分类等级。

在一些实施例中，所述夹角信息为所述图像数据中停车标识线的倾角。

在一些实施例中，所述夹角信息为所述车辆与停车标识线的夹角。

在一些实施例中，所述夹角信息通过如步骤获取：

确定所述停车标识线的倾角；

确定所述参照物的偏向角，所述参照物的偏向角用于表征所述图像数据中参照物的倾角；以及

根据所述停车标识线的倾角和参照物的偏向角确定所述车辆与停车标识线的夹角。

在一些实施例中，所述停车标识线的倾角通过如步骤获取：

确定所述停车标识线的第一边缘对应的第一倾角；

确定所述停车标识线的第二边缘对应的第二倾角；以及

根据所述第一倾角和所述第二倾角确定所述停车标识线的倾角，所述停车标识线的倾角为所述第一倾角或第二倾角或在第一倾角和第二倾角之间的倾角。

在一些实施例中，所述角度值对应的分类等级包括第一角度等级、第二角度等级和第三角度等级；

其中，所述第一角度等级用于表征车辆正向停车，所述第二角度等级用于表征车辆斜向停车，所述第三角度等级用于表征车辆反向停车。

在一些实施例中，所述距离值对应的分类等级包括第一距离等级和第二距离等级；

其中，所述第一距离等级用于表征车辆在所述停车区域内且距离所述停车标识线的距离小于第一距离阈值，第二距离等级用于表征车辆的一部分超出停车区域，且超出停车区域的距离小于第二距离阈值。

在一些实施例中，所述方法还包括：

响应于图像识别失败，向服务器发送识别失败信息；

其中，所述图像识别失败用于表征未识别到停车标识线或参照物，或者，获取到的相对位置信息的置信度小于置信度阈值。

在一些实施例中，所述方法还包括：

响应于还车流程被触发，向服务器发送定位信息和/或方位角，以使得服务器根据所述定位信息和/或方位角进行前置校验。

在一些实施例中，所述方法还包括：

向服务器发送关锁结果。

在一些实施例中，所述方法还包括：

响应于获取到所述车辆的相对位置信息，控制所述图像采集设备进入休眠状态。

在一些实施例中，所述方法还包括：

响应于关锁成功，控制所述图像采集设备停止工作。

第二方面，本发明实施例提供了一种车辆的控制方法，适用于服务器，所述方法包括：

向车辆发送查询指令，所述查询指令用于控制所述车辆的图像采集设备进入工作状态，以采集图像数据；

接收所述车辆的相对位置信息，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系；以及

响应于所述相对位置信息满足还车条件，向所述车辆发送关锁指令，以控制车辆锁具关锁。

在一些实施例中，所述方法还包括：

接收车辆发送的定位信息和/或方位角；以及

根据所述定位信息和/或方位角对所述车辆进行前置校验。

在一些实施例中，所述根据所述定位信息和/或方位角对所述车辆进行前置校验包括：

根据所述定位信息对所述车辆的位置进行校验；和/或

根据所述方位角对所述车辆的停车方向进行校验。

在一些实施例中，所述根据所述定位信息对所述车辆的位置进行校验包括：

响应于所述定位信息在停车区域内，表征前置校验通过。

在一些实施例中，所述根据所述方位角对所述车辆的停车方向进行校验包括：

获取预先设置的停车方向；

获取所述方位角与所述预先设置的停车方向的夹角；

响应于所述方位角与所述预先设置的停车方向的夹角满足预定条件，表征前置校验通过。

在一些实施例中，所述向车辆发送查询指令具体为：

响应于所述前置校验通过，向车辆发送查询指令。

在一些实施例中，所述夹角信息为角度值和/或角度值对应的分类等级，所述距离信息为距离值和/或距离值对应的分类等级。

在一些实施例中，所述角度值对应的分类等级包括第一角度等级、第二角度等级和第三角度等级；

其中，所述第一角度等级用于表征车辆正向停车，所述第二角度等级用于表征车辆斜向停车，所述第三角度等级用于表征车辆反向停车。

在一些实施例中，所述距离值对应的分类等级包括第一距离等级和第二距离等级；

其中，所述第一距离等级用于表征车辆在所述停车区域内且距离所述停车标识线的距离小于第一距离阈值，第二距离等级用于表征车辆的一部分超出停车区域，且超出停车区域的距离小于第二距离阈值。

在一些实施例中，所述响应于所述相对位置信息满足还车条件，向所述车辆发送关锁指令包括：

响应于所述相对位置信息满足还车条件，向用户终端发送还车确认请求；以及

响应于接收到所述用户终端发送的还车确认信息，向所述车辆发送关锁指令。

在一些实施例中，所述方法还包括：

接收车辆发送的关锁结果；以及

响应于所述关锁结果为关锁成功，向用户终端发送还车成功信息。

第三方面，本发明实施例提供了一种车辆，所述车辆包括：

车辆锁具；

图像采集设备，设置在所述车辆上，被配置为采集图像数据，从所述图像数据中获取停车标识线和参照物，所述参照物为车辆的部分结构，根据所述停车标识线和参照物确定所述车辆的相对位置信息，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与所述停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系；以及

控制设备，与所述图像采集设备通信连接，被配置为向服务器发送所述相对位置信息，以使得服务器根据所述相对位置信息执行还车流程，响应于接收到关锁指令，控制所述车辆锁具关锁。

在一些实施例中，所述参照物为所述车辆的前挡泥板。

在一些实施例中，所述车辆还包括：

车篮，设置在所述车辆的前端；

其中，所述图像采集设备设置在所述车篮的底部，且安装方向被配置为在所述车辆的停车位置满足一定条件时，采集到的图像数据包括停车标识线和参照物。

在一些实施例中，所述控制设备被配置为响应于接收到查询指令，控制所述图像采集设备进入工作状态，并采集所述图像数据。

在一些实施例中，所述图像采集设备基于边缘检测算法从所述图像数据中获取停车标识线，基于预先训练的检测模型从所述图像数据中获取参照物。

在一些实施例中，所述夹角信息为角度值和/或角度值对应的分类等级，所述距离信息为距离值和/或距离值对应的分类等级。

在一些实施例中，所述夹角信息为所述图像数据中停车标识线的倾角。

在一些实施例中，所述夹角信息为所述车辆与停车标识线的夹角。

在一些实施例中，所述图像采集设备被配置为确定所述停车标识线的倾角，确定所述参照物的偏向角，所述参照物的偏向角用于表征所述图像数据中参照物的倾角，根据所述停车标识线的倾角和参照物的偏向角确定所述车辆与停车标识线的夹角。

在一些实施例中，所述图像采集设备被配置为确定所述停车标识线的第一边缘对应的第一倾角，确定所述停车标识线的第二边缘对应的第二倾角，根据所述第一倾角和所述第二倾角确定所述停车标识线的倾角，所述停车标识线的倾角为所述第一倾角或第二倾角或在第一倾角和第二倾角之间的倾角。

在一些实施例中，所述角度值对应的分类等级包括第一角度等级、第二角度等级和第三角度等级；

其中，所述第一角度等级用于表征车辆正向停车，所述第二角度等级用于表征车辆斜向停车，所述第三角度等级用于表征车辆反向停车。

在一些实施例中，所述距离值对应的分类等级包括第一距离等级和第二距离等级；

其中，所述第一距离等级用于表征车辆在所述停车区域内且距离所述停车标识线的距离小于第一距离阈值，第二距离等级用于表征车辆的一部分超出停车区域，且超出停车区域的距离小于第二距离阈值。

在一些实施例中，所述控制设备还被配置为响应于图像识别失败，向服务器发送识别失败信息；

其中，所述图像识别失败用于表征未识别到停车标识线或参照物，或者，获取到的相对位置信息的置信度小于置信度阈值。

在一些实施例中，所述控制设备还被配置为响应于还车流程被触发，向服务器发送定位信息和/或方位角。

在一些实施例中，所述控制设备还被配置为向服务器发送关锁结果。

在一些实施例中，所述控制设备还被配置为响应于获取到所述车辆的相对位置信息，控制所述图像采集设备进入休眠状态。

在一些实施例中，所述控制设备还被配置为响应于关锁成功，控制所述图像采集设备停止工作。

第四方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面和第二方面所述的方法。

第五方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面和第二方面所述的方法。

本发明实施例的技术方案通过图像采集设备采集图像数据，从图像数据中获取停车标识线和参照物，根据停车标识线和参照物确定车辆与停车标识线的夹角关系或距离关系等相对位置信息，并向服务器发送相对位置信息，以使得服务器根据相对位置信息确定是否可以还车。由此，只需在车辆上安装图像采集设备，即可根据图像数据获取到比较精确的车辆的位置和停车方向，不需要在停车点内设置额外的设备，即可实现快速精准的定位，提升用户体验，降低成本和施工难度。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明实施例的共享车辆系统的示意图；

图2是本发明实施例的车辆的结构示意图；

图3是本发明实施例的车辆的电路图；

图4是本发明第一实施例的第一示例的控制方法的流程图；

图5是本发明一个实施例的停车标识线的示意图；

图6是本发明另一个实施例的停车标识线的示意图；

图7是本发明实施例的停车方式的示意图；

图8是本发明一个实施例的图像数据的示意图；

图9是本发明另一个实施例的图像数据的示意图；

图10是本发明又一个实施例的图像数据的示意图；

图11是本发明实施例的获取相对位置信息的流程图；

图12是本发明实施例的停车标识线的边缘直线的示意图；

图13是本发明实施例的获取停车标识线的倾角的流程图；

图14是本发明实施例的夹角的示意图；

图15是本发明第一实施例的第二示例的控制方法的流程图；

图16是本发明第一实施例的第三示例的控制方法的流程图；

图17是本发明第二实施例的控制方法的流程图；

图18是本发明实施例的停车区域和停车方向的示意图；

图19是本发明实施例的车辆端的控制方法的流程图；

图20是本发明实施例的服务器端的控制方法的流程图；

图21是本发明实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

同时，应当理解，在以下的描述中，“电路”是指由至少一个元件或子电路通过电气连接或电磁连接构成的导电回路。当称元件或电路“连接到”另一元件或称元件/电路“连接在”两个节点之间时，它可以是直接耦接或连接到另一元件或者可以存在中间元件，元件之间的连接可以是物理上的、逻辑上的、或者其结合。相反，当称元件“直接耦接到”或“直接连接到”另一元件时，意味着两者不存在中间元件。

除非上下文明确要求，否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

图1是本发明实施例的共享车辆系统的示意图。如图1所示，本发明实施例的共享车辆系统包括至少一个服务器1、至少一个车辆2和至少一个用户终端3。

在本实施例中，服务器1可以是独立的服务器，也可以由多个服务器组成的服务器集群。

进一步地，服务器1为共享车辆的服务平台。

在本实施例中，所述车辆可以是自行车、电动自行车、三轮车和摩托车等。

进一步地，车辆可以通过无线方式与所述服务器1进行通信。例如，可以通过GSM(Global System for Mobile Communications，全球移动通信系统)、GPRS(Generalpacket radio service，通用无线分组业务)、eMTC(LTE enhanced MTO，增强机器类通信)、NB-IoT(Narrow Band Internet of Things，窄带物联网)等方式进行通信，以实现车辆与服务器进行数据交互。

在一个可选的实现方式中，用户可以通过扫描车辆二维码来进行借车。具体地，在各个车辆设置预先设置二维码，当用户需要借车时，打开预先安装好的应用程序，通过应用程序扫描车辆二维码获取车辆的蓝牙通信地址，进而与车辆建立蓝牙通信连接，通过蓝牙通信向车辆发送开锁指令，进而实现借车。或者，当用户需要借车时，打开预先安装好的应用程序，通过应用程序扫描车辆二维码获取车辆的唯一标识，并向服务器发送借车请求，所述借车请求包括所述唯一标识，服务器接收到借车请求后，通过唯一标识获取车辆的通信地址，并向车辆下发开锁指令，以实现借车。

在另一个可选的实现方式中，用户可以通过NFC(Near Field Communication，近场通信)来进行借车。具体地，NFC是一种短距离的高频无线通信技术，允许电子设备之间进行非接触式点对点数据传输。在各个车辆设置预先设置NFC模块，当用户需要借车时，将具备NFC功能的用户终端靠近车辆的识别区域，通过NFC通信获取车辆的蓝牙通信地址，进而与车辆建立蓝牙通信连接，通过蓝牙通信向车辆发送开锁指令，进而实现借车。或者，在各个车辆设置预先设置NFC模块，当用户需要借车时，将具备NFC功能的用户终端靠近车辆的识别区域，通过NFC通信获取车辆的唯一标识，并向服务器发送借车请求，所述借车请求包括所述唯一标识，服务器接收到借车请求后，通过唯一标识获取车辆的通信地址，并向车辆下发开锁指令，以实现借车。

应理解，上述两种借车方式仅为本发明实施例提供的两个示例，本发明实施例对此不做限制，用户终端通过其它方式借车也适用于本发明实施例的技术方案。

还应理解，上述以用户终端发送借车请求为例进行说明，但本发明实施例对此不做限制，借车请求也可以由车辆发送。具体地，当通过扫描车辆二维码来借车时，各个车辆设置预先设置有二维码，当用户需要借车时，打开预先安装好的应用程序，通过应用程序扫描车辆二维码获取车辆的蓝牙通信地址，进而与车辆建立蓝牙通信连接，通过蓝牙通信向车辆发送开锁指令，车辆在接收到用户终端发送的开锁指令后，生成借车请求发送至服务器。或者，当通过NFC来进行借车时，各个车辆预先设置有NFC模块，当用户需要借车时，将具备NFC功能的用户终端靠近车辆的识别区域，进而与车辆建立MFC通信连接，通过NFC通信向车辆发送开锁指令，车辆向服务器发送借车请求。

当用户骑行结束，需要还车时，触发还车流程以进行还车。

图2是本发明实施例的车辆的结构示意图。在图2所示的实施例中，车辆2包括控制设备21、图像采集设备22和车身本体。进一步地，车身本体包括车辆锁具23、车篮24、前挡泥板25以及其它部件(例如前轮、后轮、车架、车把手、刹把、车座等)。

在本实施例中，图像采集设备22设置在所述车辆上，被配置为采集图像数据，从所述图像数据中获取停车标识线和参照物，所述参照物为车辆的部分结构，根据所述停车标识线和参照物确定所述车辆的相对位置信息，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与所述停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系。

进一步地，所述参照物为所述车辆的前挡泥板25。

进一步地，所述车篮24设置在所述车辆的前端。其中，所述图像采集设备22设置在所述车篮24的底部，且安装方向被配置为在所述车辆的停车位置满足一定条件时，采集到的图像数据包括停车标识线和参照物。

具体地，所述图像采集设备22的安装方向为拍摄视野朝向车辆的下方，以使得在车辆正常行驶或静止时，可以拍摄到所述参照物和地面。由此，当用户需要还车时，将车辆停止在停车区域内的合适反向和位置后，图像采集设备22拍摄到的图像数据中包括所述参照物和地面上的停车标识线。其中，拍摄视野朝向车辆的下方可以为车辆的正下方，也可以为斜下方，本发明实施例对此不做限制。

在本实施例中，控制设备21与所述图像采集设备通信连接，被配置为向服务器发送所述相对位置信息，以使得服务器根据所述相对位置信息执行还车流程，响应于接收到关锁指令，控制所述车辆锁具23关锁。

进一步地，图3是本发明实施例的车辆的电路图。在图3所示的实施例中，车辆包括控制设备21、图像采集设备22和车辆锁具23。

在本实施例中，控制设备21用于与服务器1和/或用户终端3进行交互，以向服务器1和/或用户终端3上报数据，或者接收来自服务器1和/或用户终端3的控制指令等。

进一步地，控制设备21还用于控制车辆锁具23执行开锁或关锁。

进一步地，控制设备21还用于控制图像采集设备21的工作状态，并控制图像采集设备21采集图像数据，并接收来自图像采集设备21发送的相对位置信息。

在一些实施例中，所述控制设备21包括第一存储器、第一处理器、通信模块、状态检测模块、定位模块等。

通信模块用于与服务器1和/或用户终端3进行交互。具体来说，通信包括可以包括两个，一个近距离无线通信模块，一个远距离无线通信模块。其中，近距离无线通信模块用于与用户终端3进行通信，其可以通过蓝牙模块、NFC模块等实现。远距离无线通信模块用于与服务器1进行无线通信，其可以通过GSM(Global System for Mobile Communications，全球移动通信系统)模块、GPRS(General packet radio service，通用无线分组业务)模块、eMTC(LTE enhanced MTO，增强机器类通信)模块、NB-IoT(Narrow Band Internet ofThings，窄带物联网)模块等实现。

状态检测模块用于检测车辆的状态，例如检测车辆时行驶状态还是静止状态、检测车锁锁具是开锁状态还是关锁状态等。具体来说，可以通过霍尔传感器检测车辆的状态，其中，可以在车轮和/或锁车盘上设置的磁铁，由此，霍尔传感器能够感应车轮和/或锁车盘上的磁铁，通过感应到的磁场变化输出车轮检测信号，当车轮旋转时，磁铁转动至靠近霍尔传感器的位置时，霍尔传感器检测到磁通密度变化，输出高电平信号，磁铁转动至远离霍尔传感器的位置时，霍尔传感器输出低电平信号，进而可以根据霍尔传感器输出的电信号确定车辆的状态。可以通过微动开关来检测车锁锁具的状态，其可以通过检测锁块或锁杆的位置，以实现车辆锁具的开锁或关锁的状态的检测。

定位模块用于获取车辆的定位信息。具体地，车辆的定位信息的获取方法可以采用现有的各种技术，例如GPS(Global Positioning System，全球定位系统)定位、WIFI(无线上网)定位、基站定位、卫星定位等中的一种或多种组合。

在本实施例中，车辆锁具23可以基于现有的各种电控制的锁具实现，例如抱闸锁、马蹄锁等。

在本实施例中，第一处理器和第一存储器通过总线连接。第一存储器适于存储第一处理器可执行的指令或程序。第一处理器可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，第一处理器通过执行第一存储器所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。

在一些实施例中，所述图像采集设备22包括第二存储器、第二处理器和摄像头等。

在本实施例中，摄像头用于采集图像数据。第二处理器和第二存储器通过总线连接。第二存储器适于存储第二处理器可执行的指令或程序。第二处理器可以是独立的微处理器，也可以是二个或者多个微处理器集合。由此，第二处理器通过执行第二存储器所存储的指令，从而对图像数据进行处理，以获取所述相对位置信息。

具体来说，当用户需要还车时，将车辆停在停车区域内，选择还车流程。服务器向车辆发送查询指令。车辆的控制设备接收到查询指令后，控制图像采集设备进入工作状态，采集图像数据，并获取相对位置信息，将相对位置信息发送至控制设备，控制设备将相对位置信息发送至服务器。服务器对相对位置信息进行校验，如果校验通过，则向车辆发送关锁指令，控制设备接收到关锁指令后，控制车辆锁具关锁，并检测关锁结果，将关锁结果发送至服务器。服务器接收到关锁结果后，如果关锁结果为关锁成功，则结束还车流程。

本发明实施例通过图像采集设备采集图像数据，从图像数据中获取停车标识线和参照物，根据停车标识线和参照物确定车辆与停车标识线的夹角关系或距离关系等相对位置信息，并向服务器发送相对位置信息，以使得服务器根据相对位置信息确定是否可以还车。由此，只需在车辆上安装图像采集设备，即可根据图像数据获取到比较精确的车辆的位置和停车方向，不需要在停车点内设置额外的设备，即可实现快速精准的定位，提升用户体验，降低成本和施工难度。

图4是本发明第一实施例的第一示例的控制方法的流程图。在图4所示的实施例中，示出了用户终端、车辆、服务器之间的交互，具体包括如下步骤：

步骤S101、触发还车。

在本实施例中，用户达到目的地，需要结束使用车辆，通过用户终端的应用程序选择点击还车控件，触发还车。

应理解，上述通过用户终端的应用程序触发还车仅为本发明实施例提供的一个示例，本发明实施例对触发还车的流程不做限制，其可以通过现有的各种方式实现。例如，当车辆上配置有NFC模块时，还可以通过NFC功能自动触发还车，当用户需要还车时，通过带有NFC功能的用户终端靠近车辆的NFC识别区域，用户终端读取到车辆标识，如果该车辆为用户正在使用的车辆，则触发还车。又例如，当车辆上配置有NFC模块时，还可以通过NFC功能自动触发还车，当用户需要还车时，通过带有NFC功能的用户终端靠近车辆的NFC识别区域，车辆读取到用户标识，如果该车辆为用户正在使用的车辆，则由车辆触发还车。再例如，还可以在车辆上设置还车触发按键，当按键被触发时，车辆触发还车。

步骤S102、发送还车请求。

在本实施例中，当用户触发还车时，用户终端向服务器发送还车请求。

其中，所述还车请求包括用户标识、车辆标识等中的一种或多种。

需要说明的是，当由车辆触发还车时，还车请求也可以由车辆向服务器发送。

步骤S103、发送查询指令。

在本实施例中，服务器接收到还车请求后，确定目标车辆，并生成查询指令向车辆发送。其中，所述查询指令用于触发车辆获取识别结果。

步骤S104、采集图像数据。

在本实施例中，车辆接收到查询指令后，控制图像采集设备进入工作状态，并进行自检，图像采集设备自检通过后，通过摄像头采集图像数据。

步骤S105、获取相对位置信息。

在本实施例中，车辆根据所述图像采集设备获取相对位置信息，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与所述停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系。

进一步地，图5是本发明一个实施例的停车标识线的示意图。在图5所示的实施例中，停车标识线B2设置在地面B1上。停车标识线B2可以为涂覆或者粘贴在地面上的线条。

进一步地，图5中以地面为砖铺的地面为例进行说明，其中，每一个虚线框表示一块砖。

应理解，图5所示的地面和停车标识线仅为本发明实施例所提供的一个示例，本发明实施例对停车标识线的颜色和形状不做限制。在一些实施例中，停车标识线B2的颜色被配置为与地面的颜色差别较大，以使得图像识别更加准确。同时，停车标识线的线条的形状也可以为图中所示的条形，也可以为其它形状。例如，图6是本发明另一个实施例的停车标识线的示意图，在图6所示的实施例中，停车标记线为通过三角形组成的线条。同时，停车标识线的填充图案可以纯色的(例如蓝色、白色等)，也可以为其它图案，本发明实施例对此同样不做限制。

以图5所示的停车标识线为例进行说明，图7示出了两种停车方式。图7中，两个箭头分别表示车辆2a和车辆2b，箭头所指方向为车辆的前端。其中，车辆2a的拍摄区域如图中的区域S1，车辆2b的拍摄区域如图中的区域S2。

进一步地，图8是车辆2a获取到的图像数据。在图8中，除了拍摄到的地面和停车表示线La，还包括参照物25a，其中，参照物25a为前挡泥板。本发明实施例以共享单车为例进行说明，。且共享单车的停车杆设置在车辆的左侧，因此，车辆通过停车杆停在路面上时，车辆往往会向左微倾，同时，前轮和前挡泥板相对于车身也会向左旋转一定角度，因此，获取到的图像数据中，前挡泥板偏向左边。同理，图9是车辆2b获取到的图像数据。

进一步地，为了便于理解，图10示出了图像数据的一个具体示例，在图10中，Lc为停车标识线，25c为参照物。

在本实施例中，车辆获取到图像数据后，根据所述图像数据中获取相对位置信息。具体地，图11是本发明实施例获取相对位置信息的流程图。在图11所示的实施例中，获取图像数据包括如下步骤：

步骤S1051、从所述图像数据中获取停车标识线。

在本实施例中，获取的停车标识线为停车标识线的两个边缘对应的直线方程。

进一步地，由于停车标识线与地面有颜色区别，因此，通过边缘检测算法获取亮度变化明显的点，并对获取到的点进行拟合，以获取停车标识线的两个边缘对应的直线方程。

在一些实施例中，通过边缘检测算法从所述图像数据中获取停车标识线具体为：通过离散化梯度逼近函数根据二维灰度矩阵梯度向量来寻找图像灰度矩阵的灰度跃变位置，然后在图像中将这些位置的点连起来就构成图像边缘。由于在实际情况中，图像中往往不是理想的灰度阶跃及其线条边缘图像，因此，可以采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。同时，可以通过增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来，具体可通过计算梯度幅值来确定。经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是需要的边缘点，可以通过阈值化方法对这些点进行取舍。

进一步地，在通过边缘检测算法获取到停车标识线的边缘后，通过拟合的方法获取两个边缘对应的直线方程。本发明实施例对拟合的方法不做限制，其可以通过现有的各种方式实现，例如，霍夫变换法或最小二乘法等。

其中，霍夫变换是一种特征提取手段，用来提取形状(直线，圆等)边界。形状边界假设是直线，这条线是很多点组成的一个集合。处理这个集合，比处理一个点要复杂的多。简单讲，霍夫变换就是想把一条线(边界)用点来处理，这样就会更容易提取出边界。具体地，通过将霍夫参数空间量化为有限间隔或累加器单元来实现变换。随着算法的运行，每个算法都把(xi，yi)(xi，yi)转换为一个离散化的(r，θ)(r，θ)曲线，并且沿着这条曲线的累加器单元被递增。累加器阵列中产生的峰值表示图像中存在相应的直线的有力证据。对于图像来说，(x，y)处的每个像素及其邻域，霍夫变换算法被用于确定该像素是否有足够的直线证据。如果是，它将计算该线的参数(r，θ)，然后查找参数落入的累加器箱，并增加该箱的值(投票值)。通过查找具有最高值的箱，通常通过查找累加器空间中的局部最大值，可以提取最可能的线，并且读出它们的(近似的)几何定义。线性霍夫变换的最终结果是类似于累加器的二维阵列(矩阵)，该矩阵的一个维度是量化角度θ，另一个维度是量化距离r。矩阵的每个元素的值等于位于由量化参数(r，θ)表示的线上的点或像素的总和。所以具有最高值的元素表示输入图像中代表最多的直线。可选地，将每个交点看成一次投票，也就是说A(r,θ)＝A(r,θ)+1，所有点都如此进行计算后，可以设置一个阈值，投票大于这个阈值的可以认为是找到的直线。

最小二乘法是计算直角坐标系中n个数据点的横坐标和纵坐标的各自平均值，接着计算所有点的横坐标求和结果，以及所有点的纵坐标求和结果，然后是计算每个数据点横坐标的平方，然后求和，以及计算每个点横坐标乘以纵坐标的乘积，然后求和，就可得到直线方程中的截距和斜率这两个参数。求出了截距和斜率后，就可以得到直线方程。同时，利用这个方程，先取两个点，这两个点要求横坐标x1和x2距离比较远，这样误差会比较小(太近的两个点，误差比较大)，然后分别代入刚求出来的直线方程中，求出对应的y1和y2，然后把(x1，y1)和(x2，y2)描点在坐标纸上，这样就可以利用两点画出一条最终的回归直线。

具体地，以图9所示的图像数据为例进行说明，假设以图像的左下角为直角坐标系的原点O，通过拟合后，得到的停车标识线的两个边缘对应的直线分别如图12中所示的L1和L2。

确定L1的直线方程为：cx+dy+e＝0。

确定L2的直线方程为：fx+gy+h＝0。

步骤S1052、确定所述停车标识线的倾角。

在本实施例中，在施工人员设置停车标识线时，由于误差等原因，停车标识线的两个边缘可能不会完全平行，或者，由于拍摄的图像数据的停车标识线的不同位置距离摄像头的距离不一致而导致两个边缘可能不会完全平行。此时，停车标识线的两个边缘的倾角不一致。由此，可以通过图13所示的流程确定，具体包括如下步骤：

步骤S10521、确定所述停车标识线的第一边缘对应的第一倾角。

在本实施例中，根据L1的直线方程cx+dy+e＝0确定第一倾角A。

其中，所述第一倾角的计算公式为：

步骤S10522、确定所述停车标识线的第二边缘对应的第二倾角。

在本实施例中，根据L2的直线方程fx+gy+h＝0确定第二倾角B。

其中，所述第二倾角的计算公式为：

步骤S10523、根据所述第一倾角和所述第二倾角确定所述停车标识线的倾角。

在本实施例中，所述停车标识线的倾角为所述第一倾角或第二倾角或在第一倾角和第二倾角之间的倾角。

进一步地，所述停车标识线的倾角为A，或者，所述停车标识线的倾角为B，又或者，所述停车标识线的倾角为A到B之间的任意值。

在一些实施例中，所述倾角为A和B的平均值。也即，停车标识线的倾角α的计算公式为：

步骤S1053、从所述图像数据中获取参照物。

在本实施例中，基于预先训练的检测模型从所述图像数据中获取参照物。检测算法可以通过YOLO(You Only Look Once)、SSD(Single Shot MultiBox Detector)算法等实现。

其中，YOLO是一种对象检测算法，它将对象检测重新定义为一个回归问题。具体地，YOLO将单个卷积神经网络(Convolutional Neural Networks,CNN)应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。然后，对于每个网格，网络都会预测一个边界框和与每个类别(例如前挡泥板)相对应的概率。每个边界框可以使用四个描述符进行描述：边界框的中心、高度、宽度、值映射到对象所属的类。此外，该算法还可以预测边界框中存在对象的概率(也即本发明实施例的置信度)。如果一个对象的中心落在一个网格单元中，则该网格单元负责检测该对象。最后，对每个类的对象应用非最大抑制(Non MaxSuppression)的方法来过滤出置信度小于阈值的边界框。

SSD采用了不同尺度和长宽比的先验框，预测的边界框(bounding boxes)是以这些先验框为基准的，在一定程度上减少训练难度。一般情况下，每个单元会设置多个先验框，其尺度和长宽比存在差异。对于每个预测框，首先根据类别置信度确定其类别(置信度最大者)与置信度值，并过滤掉属于背景的预测框。然后根据置信度阈值(如0.5)过滤掉阈值较低的预测框。对于留下的预测框进行解码，根据先验框得到其真实的位置参数。解码之后，根据置信度进行降序排列，然后仅保留top-k(如400)个预测框。最后就是进行NMS(Non-maximum suppression，非极大值抑制)算法，过滤掉重叠度较大的预测框。最后剩余的预测框就是检测结果了。

应理解，上述列举的目标检测算法仅为本发明实施例提供的几个示例，本发明实施例对检测算法不做限制，检测模型可以通过现有的各种方式实现，例如，Retina-Net(视网膜网络)、FCOS(Fully Convolutional One-Stage Object Detection，全卷积一级目标检测)、Faster R-CNN(Faster Region-Convolutional Neural Networks，更快的区域卷积神经网络)、Cascade R-CNN(Cascade Region-Convolutional Neural Networks，级联区域卷积神经网络)等。

步骤S1054、确定所述相对位置信息。

在本实施例中，根据上述获取到的停车标识线的倾角和所述参照物确定所述相对位置信息，其中，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与所述停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系。

在一个可选的实现方式中，所述夹角信息为所述图像数据中停车标识线的倾角。其中，夹角信息可以直接使用上述步骤S1052中获取到的倾角的角度值，也即α。或者，夹角信息也可以为所述角度值对应的分类等级，其中，所述角度值对应的分类等级用于表征车辆的停车方向。又或者，夹角信息既包括所述角度值，又包括所述角度值对应的分类等级。

在一些实施例中，所述角度值对应的分类等级包括第一角度等级、第二角度等级和第三角度等级，其中，所述第一角度等级用于表征车辆正向停车，所述第二角度等级用于表征车辆斜向停车，所述第三角度等级用于表征车辆反向停车。

例如，第一角度等级对应的角度值的区间为[-10°，10°]。

第二角度等级对应的角度值的区间为(10°，80°]和[-80°，10°)。

第三角度等级对应的角度值的区间为(80°，90°)和(-90°，-80°)。

由此，当获取到停车标识线的倾角后，可以根据倾角的角度值和上述角度值的区间确定角度值的分类等级。

对于距离信息，其表征所述车辆与所述停车标识线的距离关系。首先，获取所述参照物与所述停车标识线的交点G(x，y)，交点的具体获取方式本发明实施例不做限制，例如，根据上述获取到的停车标识线的两个边缘的直线方程L1和L2确定停车标识线的直线方程，例如，所述停车标识线的直线方程L可以为：(c+f)x+(d+g)y+(e+h)＝0，并获取参照物对应的直线方程，例如，可以通过拟合的方式获取，也可以根据预先设置的规则在参照物中选择多个点，并根据选择的多个点确定参照物对应的直线方程，进而根据停车标识线的直线方程和参照物的直线方程确定所述交点，也同样以图9所示的图像数据为例进行说明，获取到的停车标识线的直线方程L和参照物的直线方程L′可如图14所示，其中，R1和R2为获取参照物的直线方程L′时选择的两个点。其次，获取所述参照物的偏向角θ，所述参照物的偏向角用于表征所述图像数据中参照物的倾角，具体为参照物的直线对应的直线与x轴的夹角，可通过上述得到的直线方程L′确定。再者，构建距离预测模型，所述距离预测模型的输入为交点G(x，y)和偏向角θ，输出为车辆与停车标识线的距离D。其中，距离预测模型可以用多元回归模型，通过搜集不同停车位置的数据建立模型。由此，即可以得到距离D。

进一步地，所述距离信息为距离值和/或距离值对应的分类等级。也即，所述距离信息为距离值，或者，所述距离信息为距离值对应的分类等级，又或者，所述距离信息为距离值和距离值对应的分类等级。其中，所述第一距离等级用于表征车辆在所述停车区域内且距离所述停车标识线的距离小于第一距离阈值，第二距离等级用于表征车辆的一部分超出停车区域，且超出停车区域的距离小于第二距离阈值。

例如，第一距离等级对应的距离值的区间为[0，10cm]。

第二距离等级对应的距离值的区间为[-10cm，0)。

第三距离等级对应的距离值的区间为小于-10cm。

其中，距离值大于0表示车辆在所述停车区域内，距离值小于0表示车辆超出停车区域。

如果设置相对位置信息中，夹角信息包括角度值和角度值对应的分配等级，距离信息为距离值。那么，如果获取到的停车标识线的倾角为5°，距离为5cm，则相对位置信息包括停车标识线的倾角为5°、角度值对应的分类等级为第一角度等级、距离值为5cm。

在另一个可选的实现方式中，所述夹角信息为所述车辆与停车标识线的夹角，也即，图14中的β或者180-β。具体计算方式如下：

如上所述，可以得到停车标识线的倾角α，同时，可以得到参照物对应的直线的倾角θ，由此，可以计算得到β＝θ-α。

具体实现方式可参照上述夹角信息为停车标识线的倾角时的计算流程，需要说明的是，当夹角信息为车辆与停车标识线的夹角时，每个角度值对应的分类等级的角度值区间也会有所不同，可根据实际情况进行设置。

由此，即可获取到相对位置信息。

步骤S106、发送识别结果。

在本实施例中，车辆向服务器发送识别结果。

进一步地，如果获取到相对位置信息，则向服务器发送的识别结果为所述相对位置信息。

如果未获取到相对位置信息，则向服务器发送的识别结果为获取相对位置信息失败，以及失败原因。

其中，失败原因包括未检测到目标、识别失败、镜头脏、镜头故障以及其它错误等。

步骤S107、满足还车条件。

在本实施例中，服务器接收到车辆发送的识别结果后，判断识别结果是否满足还车条件。

如果所述识别结果包括相对位置信息，则判断相对位置信息是否满足还车条件。具体地，预先设置还车条件(例如角度信息条件、距离信息条件等)，如果识别结果中的相对位置信息满足还车条件，则进入步骤S109，如果识别结果中的相对位置信息不满足还车条件，则进入步骤S108。

如果所述识别结果包括获取相对位置信息失败以及失败原因，则根据失败原因判断是否满足还车条件。例如，如果失败原因通过用户的操作即可解决(例如未检测到目标等)，则进入步骤S108。如果失败原因是由于车辆本身的问题，普通用户无法通过简单的操作进行解决(例如镜头故障等)，则进入步骤S109。

步骤S108、发送还车失败提示。

在本实施例中，如上所述，如果识别结果中的相对位置信息不满足还车条件，如果失败原因是由于车辆本身的问题，普通用户无法通过简单的操作进行解决(例如镜头故障等)，如果失败原因通过用户的操作即可解决(例如未检测到目标等)，则向用户终端发送还车失败提示。

在一些实施例中，还车失败提示包括失败原因和解决方案。例如，失败原因为“停车超出停车区域”，解决方案为“请调整停车位置”。又例如，失败原因为“未检测到目标”，解决方案为“请将车辆停在停车区域”。

由此，用户即可根据失败原因和解决方案调整车辆到正确的停车位置后，重新执行还车流程。

步骤S109、发送还车确认请求。

在本实施例中，如果识别结果中的相对位置信息满足还车条件，或者，失败原因是由于车辆本身的问题，普通用户无法通过简单的操作进行解决(例如镜头故障等)，则向用户终端发送还车确认请求。

步骤S110、发送还车确认信息。

在本实施例中，用户终端接收到还车确认请求后，展示还车确认界面，所述还车确认界面包括还车确认控件，当还车确认控件被触发时，向服务器发送还车确认信息。

由此，通过步骤S109-S110可以向用户确认是否要还车，以避免由于步骤S101中还车误触发而给用户带来的不便。

应理解，为了减少用户的操作，在一些实施例中，可以省略步骤S109-S110。

步骤S111、发送关锁指令。

在本实施例中，如果用户确认还车，服务器向车辆发送关锁指令，所述关锁指令用于指示车辆锁定车辆锁具。

步骤S112、发送关锁结果。

在本实施例中，车辆接收到关锁指令后，执行关锁流程，并检测关锁结果，并向服务器发送关锁结果。

步骤S113、关锁成功。

在本实施例中，服务器根据接收到的车辆发送的关锁结果检测车辆关锁是否成功。

如果关锁失败，进入步骤S114。

如果关锁成功，进入步骤S115。

步骤S114、发送还车失败提示。

在本实施例中，如果关锁失败，服务器向用户终端发送还车失败提示。

步骤S115、发送还车成功信息。

在本实施例中，如果关锁成功，服务器向用户终端发送还车成功提示。

本发明实施例通过图像采集设备采集图像数据，从图像数据中获取停车标识线和参照物，根据停车标识线和参照物确定车辆与停车标识线的夹角关系或距离关系等相对位置信息，并向服务器发送相对位置信息，以使得服务器根据相对位置信息确定是否可以还车。由此，只需在车辆上安装图像采集设备，即可根据图像数据获取到比较精确的车辆的位置和停车方向，不需要在停车点内设置额外的设备，即可实现快速精准的定位，提升用户体验，降低成本和施工难度。

进一步地，图15是本发明第一实施例的第二示例的控制方法的流程图。在图15所示的实施例中，示出了用户终端、车辆、服务器之间的交互，其中，车辆包括控制设备和图像采集设备。具体包括如下步骤：

步骤S201、触发还车。

在本实施例中，用户达到目的地，需要结束使用车辆，通过用户终端的应用程序选择点击还车控件，触发还车。

具体实现方式可参照步骤S101，本发明实施例在此不再赘述。

步骤S202、发送还车请求。

在本实施例中，当用户触发还车时，用户终端向服务器发送还车请求。

其中，所述还车请求包括用户标识、车辆标识等中的一种或多种。

需要说明的是，当由车辆触发还车时，还车请求也可以由车辆向服务器发送。

步骤S203、发送查询指令。

在本实施例中，服务器接收到还车请求后，确定目标车辆，并生成查询指令向目标车辆的控制设备发送。其中，所述查询指令用于触发车辆获取识别结果。

步骤S204、发送唤醒指令。

在本实施例中，控制设备接收到查询指令后，向图像采集设备发送唤醒指令。

步骤S205、采集图像数据。

图像采集设备接收到唤醒指令后，进入工作状态，并进行自检，自检通过后，通过摄像头采集图像数据。

步骤S206、获取相对位置信息。

在本实施例中，图像采集设备根据所述图像采集设备获取相对位置信息，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与所述停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系。

具体实现方式可参照步骤S105，本发明实施例在此不再赘述。

步骤S207、发送识别结果。

在本实施例中，图像采集设备将获取到的识别结果发送至控制设备。

步骤S208、发送识别结果。

在本实施例中，控制设备将获取到的识别结果发送至服务器。

步骤S209、满足还车条件。

步骤S210、发送还车失败提示。

步骤S211、发送还车确认请求。

步骤S212、发送还车确认信息。

步骤S213、发送关锁指令。

步骤S214、发送关锁结果。

对于步骤S209-214，可参照图4中的步骤S107-S112，本发明实施例在此不再赘述。

步骤S215、发送断电指令。

在本实施例中，控制设备控制车辆锁具关锁后，检测车辆锁具关锁是否成功，如果成功，则向图像采集设备发送断电指令。

步骤S216、断电。

在本实施例中，图像采集设备接收到断电指令后，进入断电状态。

步骤S217、关锁成功。

步骤S218、发送还车失败提示。

步骤S219、发送还车成功信息。

对于步骤S217-219，可参照图4中的步骤S113-S115，本发明实施例在此不再赘述。

本发明实施例通过图像采集设备采集图像数据，从图像数据中获取停车标识线和参照物，根据停车标识线和参照物确定车辆与停车标识线的夹角关系或距离关系等相对位置信息，并向服务器发送相对位置信息，以使得服务器根据相对位置信息确定是否可以还车。由此，只需在车辆上安装图像采集设备，即可根据图像数据获取到比较精确的车辆的位置和停车方向，不需要在停车点内设置额外的设备，即可实现快速精准的定位，提升用户体验，降低成本和施工难度。

进一步地，图16是本发明第一实施例的第三示例的控制方法的流程图。在图16所示的实施例中，示出了用户终端、车辆、服务器之间的交互，服务器包括用户控制端和车辆控制端，用户控制端用于与用户终端进行数据通信，车辆控制端用于与车辆进行通信，其中，用户控制端和车辆控制端可以为不同的服务器，也可以为同一服务器上的两个执行程序。具体包括如下步骤：

步骤S301、触发还车。

在本实施例中，用户达到目的地，需要结束使用车辆，通过用户终端的应用程序选择点击还车控件，触发还车。

具体实现方式可参照步骤S101，本发明实施例在此不再赘述。

步骤S302、发送还车请求。

在本实施例中，当用户触发还车时，用户终端向用户控制端发送还车请求。

其中，所述还车请求包括用户标识、车辆标识等中的一种或多种。

需要说明的是，当由车辆触发还车时，还车请求也可以由车辆向车辆控制端发送。

步骤S303、发送还车指令。

在本实施例中，用户控制端接收到还车请求后，生成还车指令向车辆控制端发送。

步骤S304、发送查询指令。

在本实施例中，车辆控制端接收到还车指令后，生成查询指令向目标车辆发送。其中，所述查询指令用于触发车辆获取识别结果。

步骤S305、采集图像数据。

在本实施例中，车辆接收到查询指令后，向图像采集设备发送唤醒指令。图像采集设备接收到唤醒指令后，进入工作状态，并进行自检，自检通过后，通过摄像头采集图像数据。

步骤S306、获取相对位置信息。

在本实施例中，图像采集设备根据所述图像采集设备获取相对位置信息，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与所述停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系。

具体实现方式可参照步骤S105，本发明实施例在此不再赘述。

步骤S307、发送识别结果。

在本实施例中，图像采集设备将获取到的识别结果发送至车辆控制端。

步骤S308、发送识别结果。

在本实施例中，车辆控制端将获取到的识别结果透传至用户控制端。

步骤S309、用户控制端检测是否满足还车条件。

步骤S310、用户控制端向用户终端发送还车失败提示。

步骤S311、用户控制端向用户终端发送还车确认请求。

步骤S312、用户终端向用户控制端发送还车确认信息。

步骤S313、用户控制端向车辆控制端发送关锁指令。

步骤S314、车辆控制端向车辆发送关锁指令。

步骤S315、车辆向车辆控制端发送关锁结果。

步骤S316、车辆控制端向用户控制端发送关锁结果。

步骤S317、用户控制端检测关锁是否成功。

步骤S318、用户控制端向用户终端发送还车失败提示。

步骤S319、用户控制端向用户终端发送还车成功信息。

对于步骤S309-319，可参照图4中的步骤S107-S115，本发明实施例在此不再赘述。

本发明实施例通过图像采集设备采集图像数据，从图像数据中获取停车标识线和参照物，根据停车标识线和参照物确定车辆与停车标识线的夹角关系或距离关系等相对位置信息，并向服务器发送相对位置信息，以使得服务器根据相对位置信息确定是否可以还车。由此，只需在车辆上安装图像采集设备，即可根据图像数据获取到比较精确的车辆的位置和停车方向，不需要在停车点内设置额外的设备，即可实现快速精准的定位，提升用户体验，降低成本和施工难度。

同时，为了进一步提高车辆停车位置检测的准确性，本发明实施例还可以对车辆进行前置校验。具体地，图17是本发明第二实施例的控制方法流程图。在图17所示的实施例中，示出了用户终端、车辆、服务器之间的交互，具体包括如下步骤：

步骤S401、触发还车。

在本实施例中，用户达到目的地，需要结束使用车辆，通过用户终端的应用程序选择点击还车控件，触发还车。

具体实现方式可参照步骤S101，本发明实施例在此不再赘述。

步骤S402、发送还车请求。

在本实施例中，当用户触发还车时，用户终端向服务器发送还车请求。

其中，所述还车请求包括用户标识、车辆标识等中的一种或多种。

需要说明的是，当由车辆触发还车时，还车请求也可以由车辆向服务器发送。

步骤S403、发送还车请求。

在本实施例中，当用户触发还车时，用户终端向车辆发送还车请求。

需要说明的是，当由车辆触发还车时，可以省略步骤S403。

步骤S404、获取定位信息和/或方位角。

在本实施例中，车辆获取定位信息和方位角中的一个或多个。其中，所述定位信息用于表征地理位置，也即当前车辆的经纬度信息等。所述方位角用于表征车辆当前的朝向。

其中，定位信息可以通过定位模块获取，定位模块可以采用现有的各种技术，例如GPS(Global Positioning System，全球定位系统)定位、WIFI(无线上网)定位、基站定位、卫星定位等中的一种或多种组合。

在一个可选的实现方式中，方位角也可以通过定位模块获取，以定位模块为GPS模块为例进行说明，GPS模块可以基于现有的各种方式获取方位角。

在另一个可选的实现方式中，可以通过车辆的行驶轨迹确定方位角，其中，车辆的行驶轨迹可以通过各个时刻车辆的定位信息确定。

在又一个可选的实现方式中，可以在车辆内设置方位角模块来获取方位角，例如电子罗盘等。

步骤S405、发送定位信息和/或方位角。

在本实施例中，车辆将获取到的定位信息和/或方位角发送至服务器。

步骤S406、前置校验通过。

在本实施例中，服务器根据定位信息和/或方位角对车辆的位置进行前置校验。

进一步地，服务器根据定位信息和方位角中的任意一个或多个对车辆的位置信息前置校验。也即，服务器根据所述定位信息对所述车辆的位置进行校验；和/或，根据所述方位角对所述车辆的停车方向进行校验。

其中，所述根据所述定位信息对所述车辆的位置进行校验具体为：响应于所述定位信息在停车区域内，表征前置校验通过。具体来说，服务器预先存储有各个停车区域的位置，当接收到定位信息后，首先，检测定位信息是否在停车区域内，如果不在停车区域内，则前置校验失败。如果定位信息在停车区域内，则前置校验成功。

所述根据所述方位角对所述车辆的停车方向进行校验包括如下步骤：

步骤S4061、获取预先设置的停车方向。

步骤S4062、获取所述方位角与所述预先设置的停车方向的夹角。

步骤S4063、响应于所述方位角与所述预先设置的停车方向的夹角满足预定条件，表征前置校验通过。

对于上述步骤S4061-S4603，当服务器接收到方位角后，获取停车区域的预先设置的停车方向，并根据车辆的方位角检测停车区域的停车方向与方位角是否满足预定条件，如果不满足预定条件，则前置校验失败。如果满足预定条件，则前置校验成功。

具体来说，以图18所示的停车区域为例进行说明，实线箭头所指方向W1为预先设置的停车方向，虚线箭头所指方向W2、W3、W4为车辆的方位角。假设预定条件为预先设置的停车方向与车辆的方位角的夹角小于90°，则当车辆的方位角为W2时，方位角与所述预先设置的停车方向的夹角满足预定条件。当车辆的方位角为W3时，所述方位角与所述预先设置的停车方向的夹角不满足预定条件。当车辆的方位角为W4时，方位角与所述预先设置的停车方向的夹角不满足预定条件。

需要说明的是，当服务器同时接收到定位信息和方位角时，当定位信息和方位角都校验通过时，表征校验成功。具体来说，服务器预先存储有各个停车区域的位置，当接收到定位信息和方位角后，首先，检测定位信息是否在停车区域内，如果不在停车区域内，则前置校验失败。如果定位信息在停车区域内，则获取该停车区域的预先设置的停车方向，并根据车辆的方位角检测停车区域的停车方向与方位角的夹角是否满足预定条件，如果不满足，则前置校验失败。如果满足，则前置校验成功。

由此，即可实现对车辆的停车位置和停车方向进行前置校验。

进一步地，如果前置校验失败，表示用户当前的停车位置不满足还车条件，执行步骤S407。

如果前置校验成功，执行步骤S408-S415。

步骤S407、发送还车失败提示。

如果前置校验失败，表示用户当前的停车位置不满足还车条件，向用户终端发送还车失败提示。

在一些实施例中，还车失败提示包括失败原因和解决方案。例如，失败原因为“不在停车区域内”，解决方案为“请将车辆停在停车区域”。

由此，用户即可根据失败原因和解决方案调整车辆到正确的停车位置后，重新执行还车流程。

步骤S408、发送查询指令。

步骤S409、采集图像数据。

步骤S410、获取相对位置信息。

步骤S411、发送识别结果。

步骤S412、满足还车条件。

步骤S413、发送还车失败提示。

步骤S414、发送还车确认请求。

步骤S415、发送还车确认信息。

步骤S416、发送关锁指令。

步骤S417、发送关锁结果。

步骤S418、关锁成功。

步骤S419、发送还车失败提示。

步骤S420、发送还车成功信息。

步骤S408-S420可参照图4所示的步骤S103-S115，本发明实施例在此不再赘述。

由此，通过前置校验可以对用户是否停止停车区域内，以及用户的停车方向进行筛选，可以避免用户停在停车区域外，或者以相反的方向停车。同时，通过相对位置信息可以对用户的停车位置作进一步准确的判断，以获取精确的车辆的位置和停车方向。

本发明实施例通过图像采集设备采集图像数据，从图像数据中获取停车标识线和参照物，根据停车标识线和参照物确定车辆与停车标识线的夹角关系或距离关系等相对位置信息，并向服务器发送相对位置信息，以使得服务器根据相对位置信息确定是否可以还车。由此，只需在车辆上安装图像采集设备，即可根据图像数据获取到比较精确的车辆的位置和停车方向，不需要在停车点内设置额外的设备，即可实现快速精准的定位，提升用户体验，降低成本和施工难度。

图19是本发明实施例的车辆端的控制方法流程图。在图19所示的实施例中，车辆的控制方法包括如下步骤：

步骤S510、通过图像采集设备采集图像数据。

步骤S520、从所述图像数据中获取停车标识线和参照物，所述参照物为车辆的部分结构。

步骤S530、根据所述停车标识线和参照物确定所述车辆的相对位置信息，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与所述停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系。

步骤S540、向服务器发送所述相对位置信息，以使得服务器根据所述相对位置信息执行还车流程。

步骤S550、响应于接收到关锁指令，控制车辆锁具关锁。

在一些实施例中，所述通过图像采集设备采集图像数据具体为：

响应于接收到查询指令，控制所述图像采集设备进入工作状态，并采集所述图像数据；

其中，所述图像采集设备安装在车辆的预定位置，且安装方向被配置为在所述车辆的停车位置满足一定条件时，采集到的图像数据包括停车标识线和参照物。

在一些实施例中，所述从所述图像数据中获取停车标识线和参照物包括：

基于边缘检测算法从所述图像数据中获取停车标识线；以及

基于预先训练的检测模型从所述图像数据中获取参照物。

在一些实施例中，所述夹角信息为角度值和/或角度值对应的分类等级，所述距离信息为距离值和/或距离值对应的分类等级。

在一些实施例中，所述夹角信息为所述图像数据中停车标识线的倾角。

在一些实施例中，所述夹角信息为所述车辆与停车标识线的夹角。

在一些实施例中，所述夹角信息通过如步骤获取：

确定所述停车标识线的倾角；

确定所述参照物的偏向角，所述参照物的偏向角用于表征所述图像数据中参照物的倾角；以及

根据所述停车标识线的倾角和参照物的偏向角确定所述车辆与停车标识线的夹角。

在一些实施例中，所述停车标识线的倾角通过如步骤获取：

确定所述停车标识线的第一边缘对应的第一倾角；

确定所述停车标识线的第二边缘对应的第二倾角；以及

根据所述第一倾角和所述第二倾角确定所述停车标识线的倾角，所述停车标识线的倾角为所述第一倾角或第二倾角或在第一倾角和第二倾角之间的倾角。

在一些实施例中，所述角度值对应的分类等级包括第一角度等级、第二角度等级和第三角度等级；

其中，所述第一角度等级用于表征车辆正向停车，所述第二角度等级用于表征车辆斜向停车，所述第三角度等级用于表征车辆反向停车。

在一些实施例中，所述距离值对应的分类等级包括第一距离等级和第二距离等级；

其中，所述第一距离等级用于表征车辆在所述停车区域内且距离所述停车标识线的距离小于第一距离阈值，第二距离等级用于表征车辆的一部分超出停车区域，且超出停车区域的距离小于第二距离阈值。

在一些实施例中，所述方法还包括：

响应于图像识别失败，向服务器发送识别失败信息；

其中，所述图像识别失败用于表征未识别到停车标识线或参照物，或者，获取到的相对位置信息的置信度小于置信度阈值。

在一些实施例中，所述方法还包括：

响应于还车流程被触发，向服务器发送定位信息和/或方位角。

在一些实施例中，所述方法还包括：

向服务器发送关锁结果。

在一些实施例中，所述方法还包括：

响应于获取到所述车辆的相对位置信息，控制所述图像采集设备进入休眠状态。

在一些实施例中，所述方法还包括：

响应于关锁成功，控制所述图像采集设备停止工作。

本发明实施例通过图像采集设备采集图像数据，从图像数据中获取停车标识线和参照物，根据停车标识线和参照物确定车辆与停车标识线的夹角关系或距离关系等相对位置信息，并向服务器发送相对位置信息，以使得服务器根据相对位置信息确定是否可以还车。由此，只需在车辆上安装图像采集设备，即可根据图像数据获取到比较精确的车辆的位置和停车方向，不需要在停车点内设置额外的设备，即可实现快速精准的定位，提升用户体验，降低成本和施工难度。

图20是本发明实施例的服务器端的控制方法流程图。在图20所示的实施例中，车辆的控制方法包括如下步骤：

步骤S610、向车辆发送查询指令，所述查询指令用于控制所述车辆的图像采集设备进入工作状态，以采集图像数据。

步骤S620、接收所述车辆的相对位置信息，所述相对位置信息包括夹角信息和距离信息中的至少一种，所述夹角信息用于表征所述车辆与停车标识线的夹角关系，所述距离信息用于表征所述车辆与所述停车标识线的距离关系。

步骤S630、响应于所述相对位置信息满足还车条件，向所述车辆发送关锁指令，以控制车辆锁具关锁。

在一些实施例中，所述方法还包括：

接收车辆发送的定位信息和/或方位角；以及

根据所述定位信息和/或方位角对所述车辆进行前置校验。

在一些实施例中，所述向车辆发送查询指令具体为：

响应于所述前置校验通过，向车辆发送查询指令。

在一些实施例中，所述夹角信息为角度值和/或角度值对应的分类等级，所述距离信息为距离值和/或距离值对应的分类等级。

在一些实施例中，所述角度值对应的分类等级包括第一角度等级、第二角度等级和第三角度等级；

其中，所述第一角度等级用于表征车辆正向停车，所述第二角度等级用于表征车辆斜向停车，所述第三角度等级用于表征车辆反向停车。

在一些实施例中，所述距离值对应的分类等级包括第一距离等级和第二距离等级；

其中，所述第一距离等级用于表征车辆在所述停车区域内且距离所述停车标识线的距离小于第一距离阈值，第二距离等级用于表征车辆的一部分超出停车区域，且超出停车区域的距离小于第二距离阈值。

在一些实施例中，所述响应于所述相对位置信息满足还车条件，向所述车辆发送关锁指令包括：

响应于所述相对位置信息满足还车条件，向用户终端发送还车确认请求；以及

响应于接收到所述用户终端发送的还车确认信息，向所述车辆发送关锁指令。

在一些实施例中，所述方法还包括：

接收车辆发送的关锁结果；以及

响应于所述关锁结果为关锁成功，向用户终端发送还车成功信息。

本发明实施例通过图像采集设备采集图像数据，从图像数据中获取停车标识线和参照物，根据停车标识线和参照物确定车辆与停车标识线的夹角关系或距离关系等相对位置信息，并向服务器发送相对位置信息，以使得服务器根据相对位置信息确定是否可以还车。由此，只需在车辆上安装图像采集设备，即可根据图像数据获取到比较精确的车辆的位置和停车方向，不需要在停车点内设置额外的设备，即可实现快速精准的定位，提升用户体验，降低成本和施工难度。

图21是本发明实施例的电子设备的示意图。图21所示的电子设备为通用数据处理装置，其包括通用的计算机硬件结构，其至少包括处理器211和存储器212。处理器211和存储器212通过总线213连接。存储器212适于存储处理器211可执行的指令或程序。处理器211可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器211通过执行存储器212所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线213将上述多个组件连接在一起，同时将上述组件连接到显示控制器214和显示装置以及输入/输出(I/O)装置215。输入/输出(I/O)装置215可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置215通过输入/输出(I/O)控制器216与系统相连。

本领域的技术人员应明白，本发明的实施例可提供为方法、装置(设备)或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品。

本发明是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。

这些计算机程序指令可以存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现流程图一个流程或多个流程中指定的功能。

也可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。