Автоматизация парковки: распознавание номеров авто для быстрого доступа
Автоматизированная система распознавания номерных знаков для управления парковками. Обеспечивает стабильный контроль въезда и выезда, повышает пропускную способность и снижает операционные затраты в городских условиях.
Заказчик Park Cloud — поставщик программных решений для управления и монетизации парковочных площадок, используемых в коммерческой и городской инфраструктуре.
Задача Разработать систему автоматического распознавания транспортных средств и номерных знаков перед шлагбаумами и воротами. Повысить ценность парковочного решения для конечных клиентов Park Cloud за счёт автоматического контроля въезда и выезда, снижения операционных затрат и упрощения масштабирования парковок.
Срок 2020-2023 г.
О проекте
Проект представляет собой локальную серверную систему управления въездом и выездом для парковок, развернутую на edge-устройстве (Raspberry Pi) и интегрированную с платформой Park Cloud. Решение объединяет распознавание номерных знаков, управление шлагбаумами и работу в офлайн-сценариях с нестабильным интернетом.
Система поддерживает несколько режимов работы — с компьютерным зрением и без него, обрабатывает команды через очередь сообщений и обеспечивает устойчивую работу парковки даже при временной потере связи с центральным сервером
Заказчик Park Cloud — поставщик программных решений для управления и монетизации парковочных площадок, используемых в коммерческой и городской инфраструктуре.
Задача Разработать систему автоматического распознавания транспортных средств и номерных знаков перед шлагбаумами и воротами. Повысить ценность парковочного решения для конечных клиентов Park Cloud за счёт автоматического контроля въезда и выезда, снижения операционных затрат и упрощения масштабирования парковок.
Срок 2020-2023 г.
в 2 раза
1
Анализ инфраструктуры Park Cloud и условий эксплуатации
Изучили архитектуру ParkA, сценарии работы локальных серверов, требования к отказоустойчивости, режимы работы с распознаванием и без него, а также реальные ограничения на объектах.
2
Проектирование локальной архитектуры на edge-устройстве
Спроектировали работу локального сервера на Raspberry Pi с поддержкой нескольких режимов: с распознаванием номеров, без распознавания и с управлением шлагбаумом по внешней команде.
3
Адаптация и доработка модулей распознавания и управления
Обновили интеграцию с API распознавания номеров, реализовали управление шлагбаумом через очередь сообщений и реле, обеспечив совместную работу всех модулей на одном устройстве.
4
Реализация автономной связи и устойчивости к сбоям
Разработали отдельный модуль мобильного интернета с мониторингом соединения и автоматическим восстановлением связи для стабильной работы парковки.
5
Тестирование, документация и ввод в эксплуатацию
Провели локальные и объектовые испытания, подготовили техническую и пользовательскую документацию и передали решение в промышленную эксплуатацию команде Park Cloud
1 место
Технологический стек
Frontend
Интерфейс пользователя: отчеты, графики, панели управления
Backend
Логика обработки и базовые компоненты системы
ML
Модели и фреймворки для обучения
Вызовы и решения
Ограниченная производительность Raspberry Pi 4 становилась узким местом всей парковочной системы
Распознавание и обработка кадров на Raspberry Pi 4 не обеспечивали нужной производительности для реального транспортного потока: время реакции увеличивалось, проезд автомобилей замедлялся, возрастал риск очередей на въездах и выездах, а также операционных сбоев на объектах.РЕШЕНИЕ
Перенесли вычисления на NVIDIA Jetson Nano
Перенесли вычисления на более производительное edge-устройство (NVIDIA Jetson Nano) и оптимизировали пайплайн под аппаратное ускорение. Это позволило сократить задержки, стабилизировать время обработки и обеспечить работу системы в реальных городских условиях.Интеграция с текущей платформой ParkA/Park Cloud без ограничений существующих сценариев
Нужно было встроить распознавание и управление шлагбаумом в действующую архитектуру заказчика так, чтобы не менять пользовательские процессы и не «перепрошивать» всю платформу.РЕШЕНИЕ
Обновление модуля
Обновили модуль взаимодействия с API распознавания под новый формат (пути, заголовки, поля запросов) и реализовали управление шлагбаумом по команде из backend через очередь RabbitMQ (без обязательного распознавания номера и запроса изображения).Два независимых контура управления шлагбаумом на одном устройстве (без конфликтов)
В реальных инсталляциях шлагбаум может открываться как «логикой платформы», так и напрямую через реле — и оба сценария должны работать параллельно на одном edge-сервере, не мешая друг другу.РЕШЕНИЕ
Интеграция в локальный сервер
Интегрировали модуль открытия шлагбаума через реле в локальный сервер так, чтобы оба компонента были развёрнуты на одном устройстве и корректно разделяли ресурсы/доступы.Нестабильная связь на объектах и необходимость «резервного режима» без распознавания
На части парковок интернет нестабилен — а бизнесу важнее предсказуемая работа проезда, чем «идеальная» логика распознавания любой ценой.РЕШЕНИЕ
Конфигурируемые режимы
Заложили конфигурируемые режимы работы локального сервера — «с моделью» и «без модели» (в последнем случае отключаются опрос камеры и распознавание, а открытие идёт по команде сервера ParkA), плюс отдельный модуль работы с мобильным модемом и подбор железа под связь на объекте.до 95%
точность распознавания номерных знаков в реальных условиях
х 2
рост пропускной способности парковки
в 2 раза
снижение операционных затрат на обслуживание парковок
Команда, которая внедрила проект
Константин Порошкин
ML-инженер
Алексей Цибульников
Python backend-разработчик
Роман Фёдоров
Бизнес-аналитик
Никита Латышонок
CV-инженер
Дмитрий Соркин
DevOps-инженер
Марк Яговкин
Руководитель разметки данных
Планы на будущее:
Расширение поддержки типов транспорта и развитие аналитики парковок
Готовые проекты
Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.
Разработка крупной системы
Компьютерное зрение в метрологии
ИИ для промышленности
ИИ-отбор качественных снимков с дронов
Разработка крупной системы
Распознавание QR для контроля сборки и упаковки заказов
Разработка крупной системы
Платформа для регистрации рекламы блогеров и ЕРИР
Разработка крупной системы
Нейросеть для определения возраста: аналитика и безопасность в одном решении
Разработка крупной системы
AI-контроль выкладки свежей рыбы + соблюдение FIFO
Разработка крупной системы
Нейросеть распознаёт пустые полки в магазинах и помогает вовремя их заполнить
Разработка крупной системы
Контроль ношения СИЗ на производстве рыбы
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Разработка крупной системы
ИИ-контроль опасных ситуаций при движении погрузчиков
Сбор и разметка данных для ИИ
Собрали датасет оружия в 1000+ видео
Разработка крупной системы
Машинное зрение измеряет паллеты и передает данные в WMS
Сбор и разметка данных для ИИ
Учим нейросеть распознавать драки, чтобы в вашем городе стало безопаснее
Сбор и разметка данных для ИИ
Разметка данных для беспилотных комбайнов
Экспертная разметка данных
Медицинский датасет МРТ позвоночника для обучения AI
Разработка крупной системы
Как контролировать брак этикетки на работающем конвейере
Экспертная разметка данных для ИИ
Разметка 7000 исследований совместно с врачами-экспертами
Разработка крупной системы
Распознавание номеров автомобиля для въезда на парковку
Разработка крупной системы
ИИ расставляет стеллажи в 10 раз быстрее
Операционный ИТ-аутсорсинг
Команда разметчиков как сервис для маркетплейса
ИИ для образования
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Сбор данных для ML и ИИ
Собрали 10 000 уникальных лошадей для биометрии
Разработка крупной системы
ИИ-учет индивидуальной выработки на конвейере
Разработка крупной системы
Цифровой контроль движения вагонов
Разработка крупной системы
От цветка к идеальному букету: ИИ распознает качество роз
Разработка крупной системы
Нейросеть для распознавания 2D чертежей
Разработка крупной системы
Платформа, объединившая поиск блогеров, целевой аудитории и аналитику
Разработка для ритейла
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка крупной системы
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
Разработка крупной системы
ИИ контролирует опасные зоны конвейера 24/7
Сбор и разметка данных
AI-мониторинг вечной мерзлоты
Разработка крупной системы
Нейросеть контролирует качество чипсов прямо на конвейере
Разработка для сельского хозяйства
Нейросеть для мониторинга здроровья коров
