English
Deutsch
Deutsch
  • SWARM Dokumentation
  • Was ist neu?
    • Version 2023.3
      • Update 1
  • Kurz und bündig
    • Übersicht: Swarm Perception Platform
  • Quick start guide
    • P101, P401 und OP101
      • P101 - Perception Box
      • P401 - Perception Box
      • OP101AC - Outdoor Perception Box
      • OP101DC - Outdoor Perception Box
    • Virtual Perception Box
      • Systemanforderungen
      • VPX Agent auf NVIDIA Jetson (Jetpack 4.6) installieren
      • VPX Agent auf NVIDIA Jetson Orin (Jetpack 5.1.x) installieren
      • VPX Agent auf X86/NVIDIA Server installieren
      • IotEdge von 1.1 auf 1.4 upgraden
  • Lösungsbereiche
    • Traffic Insights
      • Setup: Verkehrszählung
      • Setup: Verkehrszählung mit Geschwindigkeitsschätzung
      • Setup: Analysen von Kreuzungen
    • Parking Insights
      • Setup: Schrankenloses Parken
      • Setup: Schrankenloses Parken mit ANPR
        • ANPR: Anleitung und Hilfestellungen
      • Setup: Einzel- und Mehrplatzerfassung
        • Standardbeispiele
    • Advanced Traffic Insights
      • Setup: Adaptive Traffic Control
      • Setup: Journey Time & Traffic Flow
        • Installationsanleitung
        • Technisches Konzept
      • Setup: Verkehrsstaus
    • People Insights
  • Swarm Control Center
    • Geräte
      • Kamera- und Gerätemonitoring
      • Kamerakonfiguration
        • Szenariokonfiguration
          • Modelle
          • Kalibrierung
          • Kameraeinstellungen
        • Rule-Engine
          • Anwendungsbeispiele für die Rule-Engine
      • Device Health
    • Data Analytics
      • Erstellung und Organisation von Dashboards
      • Dashboard-Übersicht und Widgets
        • Verkehrsszenarien
        • Parkplatzszenarien
        • Generisches Szenario
    • Datenintegration
      • Data Analytics API (REST API)
      • Rohdaten via Custom-MQTT-Server
      • Swarm Control Center API
    • Administration
      • Monitoring Alerts
      • Lizenzmanagement
      • Benutzermanagement
  • Test & Performance
    • Benchmarks
      • Wie messen wir die Performance?
    • Whitepaper für Anwendungsfälle
      • Verkehrszählung
      • Schrankenloses Parken und ANRP
  • Useful knowledge
    • 🚒Tipps zur Fehlerbehebung
    • Netzwerkanforderungen
    • SCC: Browserkompatibilität
    • Unsere Objektklassen
    • Ortskennzahl für Nummernschilder
  • Guidelines
    • Wie kann ich auf den Debug-Mode zugreifen?
    • Wie kann ich Azure ioTHub als Custom-Broker verwenden?
  • Getting Support
    • Kontaktieren Sie uns
    • FAQs
Powered by GitBook
On this page
  • Welche Daten können generiert werden?
  • Was muss für eine erfolgreiche Analyse beachtet werden?
  • Spezifikationen für die Umgebung
  • Hardware-Spezifikationen

Was this helpful?

Export as PDF
  1. Lösungsbereiche
  2. Parking Insights

Setup: Schrankenloses Parken mit ANPR

Wie Sie erfolgreich ein schrankenloses Parkplatzszenario kombiniert mit ANPR einrichten.

PreviousSetup: Schrankenloses ParkenNextANPR: Anleitung und Hilfestellungen

Last updated 1 year ago

Was this helpful?

Wenn Sie über einen Parkplatz verfügen, für den Sie Auslastung sowie Parkdauer Ihrer Kundinnen und Kunden analysieren möchten, können Sie unsere Lösung wie folgt verwenden:

Welche Daten können generiert werden?

Für diesen Anwendungsfall stellt Ihnen unsere Software sämtliche relevante Informationen für Ihre Zählung basierend auf Ein- und Ausfahrten zur Verfügung. Sie erfasst die Anzahl der Fahrzeuge auf Ihrem Parkplatz sowie die Anzahl der Fahrzeuge, die Ihren Parkplatz befahren sowie verlassen. Das Ganze kann für benutzerdefinierte Zeiträume konfiguriert werden.

Die Fahrzeuge werden basierend auf unseren definierten Klassen erkannt. Beachten Sie bitte, dass die folgende Konfiguration für die Erkennung von Fahrzeugen und nicht für Personen sowie Fahrräder optimiert ist.

Dank der Kennzeichenerkennung (ANPR) werden die Parkzeiten Ihrer Kundinnen und Kunden genau analysiert. Zusätzlich zu den Kennzeichendaten steht auch das Herkunftsland des Kennzeichens als Metainformation zur Verfügung. Die Ländercodes entsprechen dem . Die Länderklassifizierung arbeitet mit einer ausgezeichneten Genauigkeit von 99%.

Was muss für eine erfolgreiche Analyse beachtet werden?

Nachfolgend finden Sie einige allgemeine Einstellungen für die Installation dieses Anwendungsfalls. Da die automatische Nummernschilderkennung weitere detaillierte Informationen erfordert, finden Sie zusätzliche Informationen zur Einrichtungen im dazu eigens angelegten Abschnitt:

Insbesondere für die automatische Kennzeichenerkennung (ANPR) sind die Auswahl sowie Positionierung der Kamera von entscheidender Bedeutung. Eine Bullet-Kamera wird empfohlen.

Einstellung
Empfohlen

Pixels Per Meter ist eine Maßeinheit, die verwendet wird, um die Menge an potenziellem Bilddetail zu definieren, die eine Kamera bei einer bestimmten Entfernung bietet.

>250 PPM

Um ein Kennzeichen klar erkennen zu können, werden mindestens 250 PPM benötigt. Durch Verwendung der unten definierten Kameraparameter wird sichergestellt, dass der minimale erforderliche PPM-Wert erreicht wird.

Videoauflösung

min. 1920 × 1080 Pixel (H264)

Brennweite

min 3.6-8 mm (eine motorisch verstellbare, Brennweite wird empfohlen)

Montage

Abstand und Höhe der Installation

Hinweis: Durch das Einstellen des korrekten Abstands zum Fahrzeug und der optimalen Montagehöhe sollte der korrekte vertikale Winkel zum Kennzeichen erreicht werden. Horizontaler Winkel zum Kennzeichen

Belichtung/Verschlusszeit

max. 1/250 für Objekte, die sich nicht schneller als 40 km/h bewegen.

Empfohlene Kamera für diesen Anwendungsfall

Hersteller
Modell
Notiz

Hikvision

Bullet-Kamera

Motorisches Gleitsichtobjektiv

Die Konfiguration kann zentral im durchgeführt werden. Nachfolgend sehen Sie, wie die optimale Konfiguration für die Zählung der Ein- und Ausfahrten mit Kennzeichenerkennung eingestellt werden sollte:

Bevor Sie mit der Konfiguration beginnen, stellen Sie bitte sicher, dass Sie Ihre bereits vorgenommen haben.

Konfigurationseinstellungen

Konfiguration
Einstellungen

Model

Konfigurationsoption

Counting Line (CL)

ANPR

Aktiviert

Enable or disable raw tracks

Deaktiviert

Wie wird die Konfigurationsoption platziert?

Um die Auslastung Ihres Parkplatzes einschließlich der Parkdauer Ihrer Kund:innen zu erfassen, muss für jede Ein- und Ausfahrt eine Counting Line (CL) konfiguriert werden. Diese sollte sich etwa am Anfang des letzten Drittels des Videobilds befinden, damit das jeweilige Fahrzeug über mehrere Frames erfasst werden kann und die Kennzeichenerkennung sowie die Klassifizierung am genauesten ist.

Bitte beachten Sie, dass die In/Out-Richtung der Counting Line akkurat sein muss, da sie für die Auslastung des Parkplatzes ausschlaggebend ist (In = Einfahrt zum Parkplatz, Out = Ausfahrt, bzw. Verlassen des Parkplatzes).

Datenvisualisierung

Szenario

Im Abschnitt Parkplatzszenarien finden Sie weitere Details zu den möglichen Widgets, die Sie für Parkplatzanalysen in Ihren Dashboards anlegen und nutzen können.

Beispiel

Sie können die Daten für jede mit Counting Lines konfigurierte Ein-/Ausfahrt visualisieren. Dadurch haben Sie die Möglichkeit, sich die Anzahl der Fahrzeuge mit ihren main classes sowie sub classes anzeigen zu lassen, die Ihren Parkplatz befahren haben.

Zusätzlich dazu können Sie eine Liste ihrer Kundinnen und Kunden mit den entsprechenden Kennzeichen erstellen, die länger als die vordefinierte Parkdauer geparkt haben. Zum Nachweis können Sie auch ein Bild des ein- und ausfahrenden Fahrzeugs sehen. Bitte beachten Sie an dieser Stelle, dass Sie diese Konfiguration in Einklang mit datenschutzrechtlichen Bestimmungen konfigurieren müssen.

Ihr Daten abrufen

Wenn Sie Ihre Daten für weitere Analysen lokal benötigen, haben Sie die Möglichkeit, die Daten pro Widget als CSV-Datei zu exportieren und beispielsweise in Excel weiter zu verarbeiten.

Spezifikationen für die Umgebung

Europäische Länder

Art des Kennzeichens

Hinweis: Quadratische zweizeilige Kennzeichen (z.B. für Motorräder) werden nicht unterstützt.

Objektgeschwindigkeit

< 40 km/h bei schlechten Lichtverhältnissen

Fokusbereich

Einspurig, wenn die Kamera seitlich montiert ist; zweispurig bei mittiger (über beiden Fahrspuren) montierter Kamera

Tag/Nacht/Beleuchtung

Tagsüber oder gut beleuchtet (min. 500 Lux)

Innen-/Außenanwendung

beides

Erwartete Genauigkeit (Zählung + Kennzeichenerkennung, wenn alle Umwelt-, Hardware- und Kameraanforderungen erfüllt sind)

>90% Es werden lediglich Fahrzeuge berücksichtigt. Für Parkplatzanalysen sind Menschen, Fahrräder sowie Motorräder nicht Teil unserer Testszenarien, da sie keine Parkplätze belegen.

Hardware-Spezifikationen

Die Kennzeichenerkennung wird nicht auf den Swarm Perception Boxen P100 unterstützt. Für diesen Anwendungsfall wird demnach die Swarm Perception Box P401, P101 oder eine VPX-Installation mit NVIDIA-basierter Hardware benötigt.

Tipp: Verwenden Sie den oder einen .

Sie können Ihre Daten über in verschiedenen Widgets visualisieren.

Wenn Sie die Daten in Ihre IT-Umgebung integrieren möchten, können Sie die verwenden. In Data Analytics im Control Center finden Sie eine Beschreibung des Anforderungstyps, um die Daten jedes Widgets abzurufen.

Falls Sie einen benutzerdefinierten MQTT-Broker verwenden, können Sie die Rohdaten auch dort abrufen. Wir bieten für diesen Fall eine spezielle Option, um die Erfassung des Kennzeichen zum Ereignisschema hinzuzufügen. Dadurch können Sie der Erfassung innerhalb der gesendeten MQTT-Nachricht abrufen. Das Bild ist in BASE64 codiert. Um diese Option zu aktivieren, kontakten Sie bitte unseren .

Beispiele:

"Standard"-Kfz-Kennzeichen ()

Data Analytics
Parkplatzszenarien
API
Support
Pixels per Meter (PPM)
Objektivrechner von Axis
generischen Objektivrechner
DS-2CD2645FWD-IZS
Traffic & Parking (Standard)
Europäische Kfz-Kennzeichen
520 x 120/110 mm
ISO 3166 Alpha 2-Standard
ANPR: Anleitung und Hilfestellungen
Swarm Control Center
Kamera- und Datenkonfiguration
Parking time violations
csv. export
REST API