本发明属于寻车技术领域，公开了一种增强现实的反向寻车系统及方法，所述增强现实的反向寻车系统包括：停车场信息采集模块、停车场模型构建模块、车辆定位模块、车主动态获取模块、中央控制模块、信息反馈模块、云识别模块、位置方向变换模块、立体成像模块、AR管理模块。本发明通过设置车辆定位模块进行车辆所在位置的获取，确定车辆所在的大致区域，后通过云识别模块以及位置方向变换模块进行车辆的识别，可实现停车场车辆位置、车主位置的动态信息反馈，即当车主利用系统进行车辆位置寻找时，会不断变换位置、方向等，并且利用三维注册技术实现定位实施跟踪和立体成像，解决现有的寻车系统因信号干扰获取的定位信息存在不精准的问题。
1.一种增强现实的反向寻车系统，其特征在于，所述增强现实的反向寻车系统包括：停车场信息采集模块，与中央控制模块连接，用于通过停车场信息采集程序进行停车场信息的采集，得到停车场信息，包括：进行停车场信息所在数据库的确定；所述数据库包括一个或多个数据元；
基于所述数据元对应的信息的提取路径，获取所述数据元对应的停车场的信息；
基于停车场名称，将停车场的信息按照对应的停车场名称进行关联；
基于关联的信息得到对应的结构化数据；基于所述数据元与所述停车场的信息之间的对应关系，将所述结构化数据进行转化，得到对应所述数据元中的标准数据；
基于所述停车场名称，将对应于同一所述停车场名称的各所述标准数据分别与各所述标准数据对应的各所述数据元进行关联存储；
停车场模型构建模块，与中央控制模块连接，用于通过停车场模型构建程序进行停车场三维模型的构建，得到停车场三维模型，包括：获取以及停车场的多张二维图像，利用二维CNN提取二维图像的图像特征；
将原始网格模型的三维坐标与所述图像特征拼接为图结构的顶点特征向量；
利用GCN对所述图结构的顶点特征向量进行卷积变形，获得新顶点及对应的三维坐标；
车辆定位模块，与中央控制模块连接，用于通过设置在车辆内部的定位装置进行车辆位置信息的确定，得到车辆位置信息；
车主动态获取模块，与中央控制模块连接，用于通过车主动态获取程序进行车主动态信息的获取，得到车主位置的动态信息；
中央控制模块，与停车场信息采集模块、停车场模型构建模块、车辆定位模块、车主动态获取模块连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常运行；
其中，所述通过主控机对各连接模块的运行进行控制，包括：对被控对象的输入信号和输出信号作差以获取误差信号；
判断所述误差信号是否大于预设误差阈值；其中，所述预设误差阈值为：ef＝k1r(t)；
其中，ef为所述预设误差阈值；k1为预设误差阈值系数；r(t)为所述输入信号；所述预设误差阈值系数k1∈[0,0.2]；
若是，则采用带有积分调节的第一PID控制算法计算第一PID控制量以便作为总控制量；
若否，则采用取消积分调节的第二PID控制算法计算第二PID控制量，采用预设补偿算法计算补偿控制量，将所述第二PID控制量与所述补偿控制量的和作为所述总控制量；
所述采用预设补偿算法计算补偿控制量包括：根据ub＝k2u0计算所述补偿控制量；其中，ub为所述补偿控制量；k2为预设补偿系数；u0为对应于所述被控对象的预设基础补偿量；
将所述总控制量输出至所述被控对象，以便对所述被控对象的所述输出信号进行调节；
其中，b0为分子常数项；b为分母常数项；a为分母一次项系数；所述预设基础补偿量为u0＝b/b0；
信息反馈模块，与中央控制模块连接，用于通过信息反馈程序将车主位置的动态信息进行反馈；
云识别模块，与中央控制模块连接，用于通过云识别程序在获取的车辆位置信息的基础上获取车辆所在区域，并在车辆所在区域进行车辆位置的云识别，得到车辆识别信息；
位置方向变换模块，与中央控制模块连接，用于通过位置变换程序进行云识别位置与云识别方向的变换；
立体成像模块，与中央控制模块连接，用于通过立体成像程序依据获取的车辆识别信息在停车场三维模型中进行车辆位置的立体成像；
AR管理模块，与中央控制模块连接，用于通过基于Web的AR管理后台进行AR管理；
所述第一PID控制算法和所述第二PID控制算法均为参数自整定PID控制算法；
停车场模型构建模块中，所述二维CNN包括N个依次连接的卷积模块，每个卷积模块包含若干个依次连接的卷积层，每个卷积模块输出特定尺寸的图像特征矩阵；
停车场模型构建模块中，所述将原始网格模型的三维坐标与所述图像特征拼接为图结构的顶点特征向量包括：
将每个图像特征矩阵内的每个元素各自进行平方运算，得到的平方运算值赋值到原元素位置，形成新图像特征矩阵，所述新图像特征矩阵的尺寸为[m，m，k]，m为新图像特征矩阵大小，k为图像特征的通道数；
将顶点的三维坐标(x，y，z)投影成二维坐标(x，y)；
针对每个新图像特征矩阵，将尺寸为[m，m，k]的新图像特征矩阵分别与顶点的二维坐标(x，y)进行拼接，得到尺寸为[M，k]的预拼接矩阵；其中，M表示网格模型的顶点的个数，k为新图像特征矩阵中，图像特征的通道数；
将网格模型的三维坐标(x，y，z)与N个预拼接矩阵在矩阵列的维度上进行拼接，形成尺寸为[M，K]的顶点特征向量，其中，K表示N个新图像特征矩阵的通道数之和与顶点的坐标维度的和；
所述将顶点的三维坐标(x，y，z)投影成二维坐标(x，y)，包括：计算网格模型的每个顶点所占体积的高度hi和宽度wi：hi＝L×[‑y/(‑z)]+H；
根据每个顶点所占体积的高度hi和宽度wi得到每个顶点在二维平面上的二维坐标：xi＝hi/(224/56)；
其中，224为输入图像尺寸的长和宽；56为设定值，若特征矩阵需要更多的通道数则减少此值，若特征矩阵需要更少的通道数则增加此值，i表示顶点的索引；L和H分别为初始网格模型所占空间体积的长和高；
所述将网格模型的三维坐标(x，y，z)与N个预拼接矩阵在矩阵列的维度上进行拼接，包括：
根据顶点的二维坐标(x，y)，从尺寸为[m，m，k]的新图像特征矩阵中取出位置为(x，y)的所有通道的元素；
分别通过reshape函数将所有通道的元素转化为特定尺寸的预拼接矩阵。
2.如权利要求1所述的增强现实的反向寻车系统，其特征在于，停车场信息采集模块中，所述停车场的信息包括停车场名称、停车场的位置信息以及停车场的多张图像。
3.如权利要求1所述的增强现实的反向寻车系统，其特征在于，停车场信息采集模块中，所述将停车场的信息按照对应的停车场名称进行关联，包括：对停车场信息进行解析处理，获得属性字段信息；
将所述属性字段信息和所述停车场名称信息进行组合，生成源数据集；
选择所述属性字段信息中需要进行关联的字段，生成关联数据集；
生成多层次数据关联模型，包括匹配字段集和条件字段；其中，所述匹配字段集包括至少一个匹配字段，每个所述匹配字段由写入字段和读入字段构成，且所述写入字段对应于所述源数据集中的字段、所述读入字段对应于所述关联数据集中的字段，以及所述条件字段包括键值和值属性，且所述键值为所述关联数据集中的字段、所述值属性为所述源数据集中的字段；
根据生成的所述多层次数据关联模型将停车场的信息按照对应的停车场名称进行关联。
4.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用如权利要求1～3任意一项所述的增强现实的反向寻车系统。
一种增强现实的反向寻车系统及方法
技术领域
[0001] 本发明属于寻车技术领域，尤其涉及一种增强现实的反向寻车系统及方法。
背景技术
[0002] 目前，随着我国建筑、交通事业的快速发展，为满足人们的停车需求而建立了大型地下停车场，导致出现寻车难问题。如今市场加强了对低成本、部署简单的反向寻车系统的
研究，如增强现实技术可将虚拟画面与现实环境叠加，继而帮助车主导航车辆具体位置。而
且本文主要分析了常见大型停车场反向寻车系统及弊端，阐述了大型地下停车场反向寻车
系统AR技术应用特征，并针对大型地下停车场反向寻车系统AR技术设计及实践进行了探
讨，以期提高车主寻找车辆效率。
[0003] 由于地下停车场结构复杂、面积大，导致车主停车后，无法明确具体位置，出现停车容易、找车难情况。尤其由于车辆造型、颜色等大同小异，无法快速确定停车位置，需要花
费大量的时间寻找车辆，降低车辆流转率。针对此情况，部分停车场加强了反向寻车系统的
应用，但各自存在一定的弊端，导致落实情况较差。而增强现实技术能够将虚拟信息投放在
现实环境中，可直接利用手机进行进行停车位置的导航，且具有真实性，便捷性。但是现有
的反向寻车系统并没有结合增强现实技术，对车辆所在位置的确定的准确性差，进行车辆
导航效果差。因此，亟需一种新的增强现实的反向寻车系统及方法。
[0004] 通过上述分析，现有技术存在的问题及缺陷为：现有的反向寻车系统并没有结合增强现实技术，对车辆所在位置的确定的准确性差，进行车辆导航效果差。
发明内容
[0005] 针对现有技术存在的问题，本发明提供了一种增强现实的反向寻车系统及方法。
[0006] 本发明是这样实现的，一种增强现实的反向寻车系统，所述增强现实的反向寻车系统包括：
[0007] 停车场信息采集模块，与中央控制模块连接，用于通过停车厂信息采集程序进行停车场信息的采集，得到停车场信息，包括：
[0008] 进行停车场信息所在数据库的确定；所述数据库包括一个或多个数据元；
[0009] 基于所述数据元对应的信息的提取路径，获取所述数据元对应的停车场的信息；
[0010] 基于所述停车场名称，将停车场的信息按照对应的停车场名称进行关联；
[0011] 基于关联的信息得到对应的结构化数据；基于所述数据元与所述停车场的信息之间的对应关系，将所述结构化数据进行转化，得到对应所述数据元中的标准数据；
[0012] 基于所述停车场名称，将对应于同一所述停车场名称的各所述标准数据分别与各所述标准数据对应的各所述数据元进行关联存储；
[0013] 停车场模型构建模块，与中央控制模块连接，用于通过停车场模型构建程序进行停车场三维模型的构建，得到停车场三维模型，包括：
[0014] 获取以及停车场的多张二维图像，利用二维CNN提取二维图像的图像特征；
[0015] 将原始网格模型的三维坐标与所述图像特征拼接为图结构的顶点特征向量；
[0016] 利用GCN对所述图结构的顶点特征向量进行卷积变形，获得新顶点及对应的三维坐标；
[0017] 根据新顶点的三维坐标既获得图像三维模型；
[0018] 车辆定位模块，与中央控制模块连接，用于通过设置在车辆内部的定位装置进行车辆位置信息的确定，得到车辆位置信息；
[0019] 车主动态获取模块，与中央控制模块连接，用于通过车主动态获取程序进行车主动态信息的获取，得到车主位置的动态信息；
[0020] 中央控制模块，与停车场信息采集模块、停车场模型构建模块、车辆定位模块、车主动态获取模块连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常
运行；
[0021] 其中，所述通过主控机对各连接模块的运行进行控制，包括：
[0022] 对被控对象的输入信号和输出信号作差以获取误差信号；
[0023] 判断所述误差信号是否大于预设误差阈值；其中，所述预设误差阈值为：
[0024] ef＝k1r(t)；
[0025] 其中，ef为所述预设误差阈值；k1为预设误差阈值系数；r(t)为所述输入信号；所述预设误差阈值系数k1∈[0,0.2]；
[0026] 若是，则采用带有积分调节的第一PID控制算法计算第一PID控制量以便作为总控制量；
[0027] 若否，则采用取消积分调节的第二PID控制算法计算第二PID控制量，采用预设补偿算法计算补偿控制量，将所述第二PID控制量与所述补偿控制量的和作为所述总控制量；
[0028] 所述采用预设补偿算法计算补偿控制量包括：
[0029] 根据ub＝k2u0计算所述补偿控制量；其中，ub为所述补偿控制量；k2为预设补偿系数；u0为对应于所述被控对象的预设基础补偿量；
[0030] 将所述总控制量输出至所述被控对象，以便对所述被控对象的所述输出信号进行调节；
[0031] 所述被控对象的传递函数为：
[0032]
[0033] 其中，b0为分子常数项；b为分母常数项；a为分母一次项系数；所述预设基础补偿量为u0＝b/b0；
[0034] 信息反馈模块，与中央控制模块连接，用于通过信息反馈程序将车主位置的动态信息进行反馈；
[0035] 云识别模块，与中央控制模块连接，用于通过云识别程序在获取的车辆位置信息的基础上获取车辆所在区域，并在车辆所在区域进行车辆位置的云识别，得到车辆识别信
息；
[0036] 位置方向变换模块，与中央控制模块连接，用于通过位置变换程序进行云识别位置与云识别方向的变换；
[0037] 立体成像模块，与中央控制模块连接，用于通过立体成像程序依据获取的车辆识别信息在停车场三维模型中进行车辆位置的立体成像；
[0038] AR管理模块，与中央控制模块连接，用于通过基于Web的AR管理后台进行AR管理。
[0039] 进一步，停车场信息采集模块中，所述停车场的信息包括停车场名称、停车场的位置信息以及停车场的多张图像。
[0040] 进一步，停车场信息采集模块中，所述将停车场的信息按照对应的停车场名称进行关联，包括：
[0041] 对停车场信息进行解析处理，获得属性字段信息；
[0042] 将所述属性字段信息和所述停车场名称信息进行组合，生成源数据集；
[0043] 选择所述属性字段信息中需要进行关联的字段，生成关联数据集；
[0044] 生成多层次数据关联模型，包括匹配字段集和条件字段；其中，所述匹配字段集包括至少一个匹配字段，每个所述匹配字段由写入字段和读入字段构成，且所述写入字段对
应于所述源数据集中的字段、所述读入字段对应于所述关联数据集中的字段，以及所述条
件字段包括键值和值属性，且所述键值为所述关联数据集中的字段、所述值属性为所述源
数据集中的字段；
[0045] 根据生成的所述多层次数据关联模型将停车场的信息按照对应的停车场名称进行关联。
[0046] 进一步，中央控制模块中，所述第一PID控制算法和所述第二PID控制算法均为参数自整定PID控制算法。
[0047] 进一步，停车场模型构建模块中，所述二维CNN包括N个依次连接的卷积模块，每个卷积模块包含若干个依次连接的卷积层，每个卷积模块输出特定尺寸的图像特征矩阵。
[0048] 进一步，停车场模型构建模块中，所述将原始网格模型的三维坐标与所述图像特征拼接为图结构的顶点特征向量包括：
[0049] 将每个图像特征矩阵内的每个元素各自进行平方运算，得到的平方运算值赋值到原元素位置，形成新图像特征矩阵，所述新图像特征矩阵的尺寸为[m，m，k]，m为新图像特征
矩阵大小，k为图像特征的通道数；
[0050] 将顶点的三维坐标(x，y，z)投影成二维坐标(x，y)；
[0051] 针对每个新图像特征矩阵，将尺寸为[m，m，k]的新图像特征矩阵分别与顶点的二维坐标(x，y)进行拼接，得到尺寸为[M，k]的预拼接矩阵；其中，M表示网格模型的顶点的个
数，k为新图像特征矩阵中，图像特征的通道数；
[0052] 将网格模型的三维坐标(x，y，z)与N个预拼接矩阵在矩阵列的维度上进行拼接，形成尺寸为[M，K]的顶点特征向量，其中，K表示N个新图像特征矩阵的通道数之和与顶点的坐
标维度的和。
[0053] 进一步，所述将顶点的三维坐标(x，y，z)投影成二维坐标(x，y)，包括：
[0054] 计算网格模型的每个顶点所占体积的高度hi和宽度wi：
[0055] hi＝L×[‑y/(‑z)]+H；
[0056] wi＝L×[x/(‑z)]+H；
[0057] 根据每个顶点所占体积的高度hi和宽度wi得到每个顶点在二维平面上的二维坐标：
[0058] xi＝hi/(224/56)；
[0059] yi＝wi/(224/56)；
[0060] 其中，224为输入图像尺寸的长和宽；56为设定值，若特征矩阵需要更多的通道数则减少此值，若特征矩阵需要更少的通道数则增加此值，i表示顶点的索引；L和H分别为初
始网格模型所占空间体积的长和高。
[0061] 进一步，所述将网格模型的三维坐标(x，y，z)与N个预拼接矩阵在矩阵列的维度上进行拼接，包括：
[0062] 根据顶点的二维坐标(x，y)，从尺寸为[m，m，k]的新图像特征矩阵中取出位置为(x，y)的所有通道的元素；
[0063] 分别通过reshape函数将所有通道的元素转化为特定尺寸的预拼接矩阵。
[0064] 本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述增强现实的反
向寻车系统。
[0065] 本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述增强现实的反向寻车系统。
[0066] 结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的增强现实的反向寻车系统，通过设置车辆定位模块进行车辆所在位置的获取，确定车辆所在
的大致区域，后通过云识别模块以及位置方向变换模块进行车辆的识别，可实现停车场车
辆位置、车主位置的动态信息反馈，即当车主利用系统进行车辆位置寻找时，会不断变换位
置、方向等，并且利用三维注册技术实现定位实施跟踪和立体成像，解决现有的寻车系统因
信号干扰获取的定位信息存在不精准的问题。
附图说明
[0067] 为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于
本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的
附图。
[0068] 图1是本发明实施例提供的增强现实的反向寻车系统结构框图；
[0069] 图中：1、停车场信息采集模块；2、停车场模型构建模块；3、车辆定位模块；4、车主动态获取模块；5、中央控制模块；6、信息反馈模块；7、云识别模块；8、位置方向变换模块；9、
立体成像模块；10、AR管理模块。
[0070] 图2是本发明实施例提供的增强现实的反向寻车方法流程图。
[0071] 图3是本发明实施例提供的通过停车场信息采集模块利用停车厂信息采集程序进行停车场信息的采集，得到停车场信息的方法流程图。
[0072] 图4是本发明实施例提供的通过停车场模型构建模块利用停车场模型构建程序进行停车场三维模型的构建，得到停车场三维模型的方法流程图。
[0073] 图5是本发明实施例提供的通过中央控制模块利用主控机对各连接模块的运行进行控制，保证各个模块正常运行的方法流程图。
具体实施方式
[0074] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于
限定本发明。
[0075] 针对现有技术存在的问题，本发明提供了一种增强现实的反向寻车系统及方法，下面结合附图对本发明作详细的描述。
[0076] 如图1所示，本发明实施例提供的增强现实的反向寻车系统包括：
[0077] 停车场信息采集模块1，与中央控制模块5连接，用于通过停车厂信息采集程序进行停车场信息的采集，得到停车场信息；所述停车场信息包括停车场名称、停车场的位置信
息以及停车场的多张图像；
[0078] 停车场模型构建模块2，与中央控制模块5连接，用于通过停车场模型构建程序进行停车场三维模型的构建，得到停车场三维模型；
[0079] 车辆定位模块3，与中央控制模块5连接，用于通过设置在车辆内部的定位装置进行车辆位置信息的确定，得到车辆位置信息；
[0080] 车主动态获取模块4，与中央控制模块5连接，用于通过车主动态获取程序进行车主动态信息的获取，得到车主位置的动态信息；
[0081] 中央控制模块5，与停车场信息采集模块1、停车场模型构建模块2、车辆定位模块3、车主动态获取模块4、信息反馈模块6、云识别模块7、位置方向变换模块8、立体成像模块
9、AR管理模块10连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常
运行；
[0082] 信息反馈模块6，与中央控制模块5连接，用于通过信息反馈程序将车主位置的动态信息进行反馈；
[0083] 云识别模块7，与中央控制模块5连接，用于通过云识别程序在获取的车辆位置信息的基础上获取车辆所在区域，并在车辆所在区域进行车辆位置的云识别，得到车辆识别
信息；
[0084] 位置方向变换模块8，与中央控制模块5连接，用于通过位置变换程序进行云识别位置与云识别方向的变换；
[0085] 立体成像模块9，与中央控制模块5连接，用于通过立体成像程序依据获取的车辆识别信息在停车场三维模型中进行车辆位置的立体成像；
[0086] AR管理模块10，与中央控制模块5连接，用于通过基于Web的AR管理后台进行AR管理。
[0087] 如图2所示，本发明实施例提供的增强现实的反向寻车方法包括以下步骤：
[0088] S101，通过停车场信息采集模块利用停车厂信息采集程序进行停车场信息的采集，得到停车场信息；
[0089] S102，通过停车场模型构建模块利用停车场模型构建程序进行停车场三维模型的构建，得到停车场三维模型；
[0090] S103，通过车辆定位模块利用设置在车辆内部的定位装置进行车辆位置信息的确定，得到车辆位置信息；
[0091] S104，通过车主动态获取模块利用车主动态获取程序进行车主动态信息的获取，得到车主位置的动态信息；
[0092] S105，通过中央控制模块利用主控机对各连接模块的运行进行控制，保证各个模块正常运行；通过信息反馈模块利用信息反馈程序将车主位置的动态信息进行反馈；
[0093] S106，通过云识别模块利用云识别程序在获取的车辆位置信息的基础上获取车辆所在区域；在车辆所在区域进行车辆位置的云识别，得到车辆识别信息；
[0094] S107，通过位置方向变换模块利用位置变换程序进行云识别位置与云识别方向的变换；
[0095] S108，通过立体成像模块利用立体成像程序依据获取的车辆识别信息在停车场三维模型中进行车辆位置的立体成像；通过AR管理模块利用基于Web的AR管理后台进行AR管
理。
[0096] 本发明实施例提供的步骤S101中，所述停车场信息包括停车场名称、停车场的位置信息以及停车场的多张图像。
[0097] 下面结合具体实施例对本发明作进一步描述。
[0098] 实施例1
[0099] 本发明实施例提供的增强现实的反向寻车方法如图1所示，作为优选实施例，如图3所示，本发明实施例提供的通过停车场信息采集模块利用停车厂信息采集程序进行停车
场信息的采集，得到停车场信息的方法包括：
[0100] S201，进行停车场信息所在数据库的确定；其中，所述数据库包括一个或多个数据元；
[0101] S202，基于所述数据元对应的信息的提取路径，获取所述数据元对应的停车场的信息；所述停车场的信息包括停车场名称、停车场的位置信息以及停车场的多张图像；
[0102] S203，基于所述停车场名称，将停车场的信息按照对应的停车场名称进行关联；
[0103] S204，基于关联的信息得到对应的结构化数据；基于所述数据元与所述停车场的信息之间的对应关系，将所述结构化数据进行转化，得到对应所述数据元中的标准数据；
[0104] S205，基于所述停车场名称，将对应于同一所述停车场名称的各所述标准数据分别与各所述标准数据对应的各所述数据元进行关联存储。
[0105] 本发明实施例提供的步骤S203中，所述将停车场的信息按照对应的停车场名称进行关联，包括：
[0106] 对停车场信息进行解析处理，获得属性字段信息；
[0107] 将所述属性字段信息和所述停车场名称信息进行组合，生成源数据集；
[0108] 选择所述属性字段信息中需要进行关联的字段，生成关联数据集；
[0109] 生成多层次数据关联模型，包括匹配字段集和条件字段；其中，所述匹配字段集包括至少一个匹配字段，每个所述匹配字段由写入字段和读入字段构成，且所述写入字段对
应于所述源数据集中的字段、所述读入字段对应于所述关联数据集中的字段，以及所述条
件字段包括键值和值属性，且所述键值为所述关联数据集中的字段、所述值属性为所述源
数据集中的字段；
[0110] 根据生成的所述多层次数据关联模型将停车场的信息按照对应的停车场名称进行关联。
[0111] 实施例2
[0112] 本发明实施例提供的增强现实的反向寻车方法如图1所示，作为优选实施例，如图4所示，本发明实施例提供的通过停车场模型构建模块利用停车场模型构建程序进行停车
场三维模型的构建，得到停车场三维模型的方法包括：
[0113] S301，获取以及停车场的多张二维图像，利用二维CNN提取二维图像的图像特征；
[0114] S302，将原始网格模型的三维坐标与所述图像特征拼接为图结构的顶点特征向量；
[0115] S303，利用GCN对所述图结构的顶点特征向量进行卷积变形，获得新顶点及对应的三维坐标；
[0116] S304，根据新顶点的三维坐标既获得图像三维模型。
[0117] 本发明实施例提供的步骤S301中，所述二维CNN包括N个依次连接的卷积模块，每个卷积模块包含若干个依次连接的卷积层，每个卷积模块输出特定尺寸的图像特征矩阵。
[0118] 本发明实施例提供的步骤S302中，所述将原始网格模型的三维坐标与所述图像特征拼接为图结构的顶点特征向量包括：
[0119] 将每个图像特征矩阵内的每个元素各自进行平方运算，得到的平方运算值赋值到原元素位置，形成新图像特征矩阵，所述新图像特征矩阵的尺寸为[m，m，k]，m为新图像特征
矩阵大小，k为图像特征的通道数；
[0120] 将顶点的三维坐标(x，y，z)投影成二维坐标(x，y)；
[0121] 针对每个新图像特征矩阵，将尺寸为[m，m，k]的新图像特征矩阵分别与顶点的二维坐标(x，y)进行拼接，得到尺寸为[M，k]的预拼接矩阵；其中，M表示网格模型的顶点的个
数，k为新图像特征矩阵中，图像特征的通道数；
[0122] 将网格模型的三维坐标(x，y，z)与N个预拼接矩阵在矩阵列的维度上进行拼接，形成尺寸为[M，K]的顶点特征向量，其中，K表示N个新图像特征矩阵的通道数之和与顶点的坐
标维度的和。
[0123] 本发明实施例提供的步骤S401中，所述将顶点的三维坐标(x，y，z)投影成二维坐标(x，y)，包括：
[0124] 计算网格模型的每个顶点所占体积的高度hi和宽度wi：
[0125] hi＝L×[‑y/(‑z)]+H；
[0126] wi＝L×[x/(‑z)]+H；
[0127] 根据每个顶点所占体积的高度hi和宽度wi得到每个顶点在二维平面上的二维坐标：
[0128] xi＝hi/(224/56)；
[0129] yi＝wi/(224/56)；
[0130] 其中，224为输入图像尺寸的长和宽；56为设定值，若特征矩阵需要更多的通道数则减少此值，若特征矩阵需要更少的通道数则增加此值，i表示顶点的索引；L和H分别为初
始网格模型所占空间体积的长和高。
[0131] 本发明实施例提供的步骤S401中，所述将网格模型的三维坐标(x，y，z)与N个预拼接矩阵在矩阵列的维度上进行拼接，包括：
[0132] 根据顶点的二维坐标(x，y)，从尺寸为[m，m，k]的新图像特征矩阵中取出位置为(x，y)的所有通道的元素；
[0133] 分别通过reshape函数将所有通道的元素转化为特定尺寸的预拼接矩阵。
[0134] 实施例3
[0135] 本发明实施例提供的增强现实的反向寻车方法如图1所示，作为优选实施例，如图5所示，本发明实施例提供的通过中央控制模块利用主控机对各连接模块的运行进行控制，
保证各个模块正常运行的方法包括：
[0136] S401，对被控对象的输入信号和输出信号作差以获取误差信号；
[0137] S402，判断所述误差信号是否大于预设误差阈值；
[0138] S403，将所述总控制量输出至所述被控对象，以便对所述被控对象的所述输出信号进行调节。
[0139] 本发明实施例提供的步骤S402中，所述判断所述误差信号是否大于预设误差阈值，包括：
[0140] 若是，则采用带有积分调节的第一PID控制算法计算第一PID控制量以便作为总控制量；
[0141] 若否，则采用取消积分调节的第二PID控制算法计算第二PID控制量，采用预设补偿算法计算补偿控制量，将所述第二PID控制量与所述补偿控制量的和作为所述总控制量；
[0142] 本发明实施例提供的预设误差阈值为：
[0143] ef＝k1r(t)；
[0144] 其中，ef为所述预设误差阈值；k1为预设误差阈值系数；r(t)为所述输入信号；所述预设误差阈值系数k1∈[0,0.2]。
[0145] 本发明实施例提供的采用预设补偿算法计算补偿控制量包括：
[0146] 根据ub＝k2u0计算所述补偿控制量；其中，ub为所述补偿控制量；k2为预设补偿系数；u0为对应于所述被控对象的预设基础补偿量。
[0147] 本发明实施例提供的步骤S403中，所述被控对象的传递函数为：
[0148]
[0149] 其中，b0为分子常数项；b为分母常数项；a为分母一次项系数；所述预设基础补偿量为u0＝b/b0；
[0150] 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；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为
基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗
示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对
本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或
暗示相对重要性。
[0151] 在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或
多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照
本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网
络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个
计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一
个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)
或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行
传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一
个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介
质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid
State Disk(SSD))等。
[0152] 以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原
则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
