Tài liệu: Luận văn a jetson xavier based smart parking

Hệ thống đỗ xe thông minh sử dụng Jetson Xavier với công nghệ AI, nhận diện biển số tự động, tối ưu quản lý bãi đỗ xe hiệu quả và tiết kiệm chi phí.

• Tác giả: Tran Vinh Tien
• Người hướng dẫn: Assoc. Pham Quoc Cuong
• Trường học: Ho Chi Minh City University of Technology, Vietnam National University Ho Chi Minh City
• Chuyên ngành: Computer Engineering
• Đề tài: A Jetson Xavier-based Smart Parking
• Loại tài liệu: Capstone project
• Năm xuất bản: 2023
• Địa điểm: Ho Chi Minh City

Tóm tắt

I. Tổng quan luận văn a jetson xavier based smart parking

Nghiên cứu tập trung vào việc xây dựng hệ thống đỗ xe thông minh dựa trên nền tảng phần cứng tiên tiến. Đề tài giải quyết nhu cầu tự động hóa trong quản lý đô thị hiện đại. Sự kết hợp giữa Internet of Things (IoT) và trí tuệ nhân tạo tạo ra giải pháp tối ưu. Hệ thống không chỉ dừng lại ở việc quan sát mà còn có khả năng phân tích dữ liệu tại biên. Việc sử dụng Edge Computing giúp giảm thiểu độ trễ và tiết kiệm băng thông truyền tải. Luận văn trình bày chi tiết từ khâu thiết kế kiến trúc đến triển khai thực tế. Các thuật toán Deep Learning được áp dụng để nhận diện phương tiện và biển số xe. Mục tiêu chính là tạo ra một môi trường đỗ xe thuận tiện, giảm thiểu sức lao động thủ công. Toàn bộ quy trình được vận hành tự động thông qua sự phối hợp giữa thiết bị đầu cuối và máy chủ đám mây. Đây là bước tiến quan trọng trong việc hiện thực hóa mô hình Smart City tại Việt Nam.

1.1. Vai trò của Edge Computing trong hệ thống đỗ xe

Edge Computing đóng vai trò xương sống trong việc xử lý dữ liệu tức thời. Thay vì gửi toàn bộ hình ảnh về máy chủ, thiết bị biên tự thực hiện tính toán. Điều này giúp hệ thống hoạt động ổn định ngay cả khi kết nối internet gặp sự cố. NVIDIA Jetson Xavier NX cung cấp hiệu năng mạnh mẽ để chạy các mô hình phức tạp. Khả năng xử lý tại chỗ giúp bảo mật thông tin hình ảnh tốt hơn. Tốc độ phản hồi của hệ thống được cải thiện đáng kể so với phương pháp truyền thống.

1.2. Ứng dụng Computer Vision nâng cao hiệu quả quản lý

Công nghệ Computer Vision cho phép hệ thống "nhìn" và hiểu trạng thái bãi xe. Các thuật toán Image Processing trích xuất thông tin từ camera để xác định vị trí trống. Hệ thống tự động nhận diện loại xe và thời điểm ra vào bãi. Việc áp dụng Neural Networks giúp tăng độ chính xác trong các điều kiện ánh sáng khác nhau. Đây là yếu tố then chốt để thay thế việc kiểm soát bằng con người. Giải pháp này giúp tối ưu hóa không gian đỗ xe và giảm thiểu sai sót trong quản lý.

II. Thách thức quản lý bãi xe trong kỷ nguyên Smart City

Sự bùng nổ dân số gây áp lực nặng nề lên hạ tầng giao thông đô thị. Việc tìm kiếm chỗ đỗ xe chiếm tới 30% nguyên nhân gây tắc nghẽn giao thông. Các bãi xe truyền thống thường đối mặt với tình trạng quá tải và quản lý lỏng lẻo. Người lái xe mất nhiều thời gian và nhiên liệu để tìm vị trí trống. Điều này gây ra lãng phí tài nguyên và gia tăng khí thải gây hiệu ứng nhà kính. Hệ thống quản lý cũ phụ thuộc quá nhiều vào thẻ từ và nhân viên bảo vệ. Các lỗi do con người dẫn đến thất thoát doanh thu và mất an ninh. Do đó, nhu cầu về một Parking Management System tự động là vô cùng cấp thiết. Luận văn phân tích sâu các rào cản về mặt công nghệ và chi phí triển khai. Giải pháp phải đảm bảo tính cân bằng giữa hiệu năng xử lý và khả năng mở rộng quy mô.

2.1. Vấn đề tắc nghẽn và lãng phí tài nguyên đô thị

Tình trạng xe chạy lòng vòng tìm chỗ đỗ gây lãng phí nhiên liệu nghiêm trọng. Theo các nghiên cứu, việc này đóng góp đáng kể vào ô nhiễm môi trường. Một hệ thống thông minh cần cung cấp thông tin thời gian thực cho người dùng. Việc thiếu dữ liệu chính xác khiến các bãi xe không khai thác hết công suất. Giải quyết vấn đề này là mục tiêu hàng đầu của các sáng kiến Smart City. Công nghệ cần can thiệp để điều phối luồng xe một cách khoa học và hiệu quả.

2.2. Hạn chế của công nghệ quản lý bãi xe truyền thống

Các hệ thống cũ thường sử dụng cảm biến vật lý tại từng vị trí đỗ. Chi phí lắp đặt và bảo trì các cảm biến này rất cao và phức tạp. Ngoài ra, chúng dễ bị hư hỏng bởi tác động môi trường hoặc va chạm vật lý. Việc phụ thuộc vào nhân sự trực tiếp gây tốn kém chi phí vận hành lâu dài. Hệ thống thẻ từ đơn thuần không thể cung cấp dữ liệu phân tích chuyên sâu. Do đó, việc chuyển dịch sang Embedded Systems kết hợp AI là xu hướng tất yếu.

III. Phương pháp xây dựng hệ thống với NVIDIA Jetson Xavier NX

Lựa chọn phần cứng là yếu tố quyết định đến thành công của dự án. NVIDIA Jetson Xavier NX được chọn nhờ sự cân bằng giữa kích thước và hiệu năng. Thiết bị sở hữu kiến trúc GPU mạnh mẽ với hàng trăm CUDA cores. Điều này cho phép thực hiện các phép toán song song cực nhanh cho AI. Hệ thống sử dụng mô hình YOLOv8 hoặc YOLOv5 để thực hiện Object Detection. Các mô hình này được huấn luyện trên bộ dữ liệu đa dạng để nhận diện xe ô tô. Quy trình triển khai bao gồm việc thu thập dữ liệu, dán nhãn và huấn luyện mô hình. Sau đó, mô hình được tối ưu hóa để chạy mượt mà trên thiết bị nhúng. Sự kết hợp giữa phần cứng chuyên dụng và phần mềm tối ưu tạo ra sức mạnh vượt trội. Hệ thống có khả năng xử lý nhiều luồng video cùng lúc với độ chính xác cao.

3.1. Tận dụng sức mạnh xử lý từ kiến trúc CUDA cores

Kiến trúc CUDA cores cho phép tăng tốc các thuật toán học sâu một cách mạnh mẽ. Việc xử lý song song giúp giảm thời gian suy luận (inference time) của mô hình. Điều này cực kỳ quan trọng đối với các ứng dụng Real-time processing. Hệ thống có thể đạt tốc độ xử lý từ 17 đến 31 khung hình trên giây (FPS). Khả năng này đảm bảo không có phương tiện nào bị bỏ sót khi di chuyển qua camera. Đây là ưu thế tuyệt đối của dòng Jetson so với các vi điều khiển thông thường.

3.2. Quy trình huấn luyện mô hình Object Detection tối ưu

Việc sử dụng các phiên bản YOLOv8 hoặc YOLOv5 mang lại hiệu quả nhận diện vượt trội. Mô hình được huấn luyện để xác định vị trí xe và các ô đỗ trống. Quá trình này đòi hỏi bộ dữ liệu được chuẩn hóa và dán nhãn chính xác. Các kỹ thuật tăng cường dữ liệu được áp dụng để cải thiện độ bền vững của mô hình. Kết quả là một hệ thống có khả năng nhận diện chính xác ngay cả trong điều kiện thiếu sáng. Mô hình sau đó được chuyển đổi định dạng để sẵn sàng cho bước tối ưu hóa tiếp theo.

IV. Bí quyết tối ưu Object Detection bằng TensorRT và YOLO

Để đạt được tốc độ thực tế, việc tối ưu hóa mô hình là bắt buộc. TensorRT của NVIDIA là công cụ then chốt trong giai đoạn này. Nó giúp chuyển đổi các lớp của mạng nơ-ron thành các nhân xử lý tối ưu trên GPU. Quá trình này bao gồm việc cắt tỉa mạng và lượng tử hóa dữ liệu (FP16/INT8). Nhờ đó, mô hình chạy nhanh hơn gấp nhiều lần mà vẫn giữ được độ chính xác. Thư viện OpenCV được sử dụng để xử lý luồng video đầu vào và vẽ kết quả. Hệ thống thực hiện việc so khớp tọa độ xe với tọa độ các ô đỗ đã định nghĩa. Nếu diện tích chồng lấp vượt quá ngưỡng cho phép, ô đỗ được đánh dấu là có xe. Toàn bộ logic này được thực thi trực tiếp trên Embedded Systems. Giải pháp này loại bỏ sự phụ thuộc vào các máy chủ GPU đắt tiền ở trung tâm. Đây là cách tiếp cận thông minh và tiết kiệm chi phí cho các doanh nghiệp.

4.1. Tăng tốc suy luận với thư viện NVIDIA TensorRT

Sử dụng TensorRT giúp tối ưu hóa đồ thị tính toán của mạng nơ-ron. Công cụ này tự động lựa chọn các hạt nhân (kernels) tốt nhất cho kiến trúc phần cứng cụ thể. Việc chuyển đổi sang định dạng .trt giúp giảm dung lượng mô hình đáng kể. Tốc độ suy luận được cải thiện giúp hệ thống đáp ứng tốt các yêu cầu thời gian thực. Đây là bước không thể thiếu khi triển khai AI trên các thiết bị giới hạn tài nguyên. Sự ổn định của hệ thống được duy trì liên tục trong thời gian dài vận hành.

4.2. Nhận diện biển số tự động ALPR và ANPR chính xác

Hệ thống tích hợp tính năng License Plate Recognition (ALPR) để quản lý xe. Công nghệ Automatic Number Plate Recognition (ANPR) giúp tự động hóa khâu check-in và check-out. Hình ảnh biển số được cắt ra và xử lý qua các bộ lọc tiền xử lý. Sau đó, mạng nơ-ron chuyên biệt sẽ thực hiện nhận diện ký tự. Kết quả nhận diện được đối soát với cơ sở dữ liệu để xác nhận thông tin đặt chỗ. Điều này tạo ra một quy trình khép kín và bảo mật tuyệt đối cho bãi xe.

V. Kết quả thực nghiệm hệ thống Smart Parking tại HCMUT

Luận văn đã tiến hành thử nghiệm thực tế tại khuôn viên Đại học Bách Khoa TP.HCM. Kết quả cho thấy hệ thống hoạt động ổn định với độ chính xác nhận diện cao. Tốc độ xử lý đạt trung bình 31 FPS trong giai đoạn suy luận mô hình. Khi xử lý toàn bộ quy trình từ thu nhận đến cập nhật dữ liệu, tốc độ đạt 17-26 FPS. Ứng dụng di động viết bằng Flutter cho phép người dùng đặt chỗ và dẫn đường dễ dàng. Máy chủ Django đảm nhận việc quản lý cơ sở dữ liệu và kết nối API. Dữ liệu giữa thiết bị biên và máy chủ được trao đổi qua định dạng JSON bảo mật. Người quản lý có thể theo dõi trạng thái bãi xe thông qua giao diện web trực quan. Hệ thống đã chứng minh được tính khả thi khi áp dụng cho các bãi xe ô tô từ 4 đến 7 chỗ. Các lỗi nhận diện trong điều kiện góc quay nghiêng đã được phân tích và khắc phục. Đây là minh chứng cho sự thành công của việc ứng dụng Jetson Xavier AGX hoặc NX vào thực tế.

5.1. Đánh giá hiệu năng xử lý Real time processing

Hiệu năng Real-time processing là điểm sáng nhất của toàn bộ nghiên cứu. Hệ thống phản hồi gần như tức thì khi có xe ra vào vị trí đỗ. Việc tối ưu hóa phần cứng giúp thiết bị hoạt động mát và tiết kiệm điện năng. Tốc độ khung hình cao giúp tránh hiện tượng giật lag khi quan sát từ xa. Khả năng xử lý tại biên giúp giảm tải cho đường truyền mạng nội bộ. Đây là một chỉ số quan trọng để đánh giá chất lượng của một hệ thống AI nhúng.

5.2. Tích hợp hệ thống quản lý qua Mobile App và Server

Sự kết hợp giữa ứng dụng di động và máy chủ tạo nên hệ sinh thái hoàn chỉnh. Người dùng có thể tìm kiếm bãi xe trống và thực hiện đặt chỗ trước khi đến. Hệ thống tự động ghi nhận thời gian đỗ và tính toán chi phí minh bạch. Các thông báo được gửi về điện thoại giúp người dùng chủ động hơn. Phía quản lý có thể xuất báo cáo thống kê theo ngày, tháng một cách dễ dàng. Việc sử dụng các công nghệ hiện đại như Django và Flutter đảm bảo tính thẩm mỹ và dễ sử dụng.

VI. Tầm nhìn tương lai của Embedded Systems trong đô thị

Tiềm năng phát triển của hệ thống đỗ xe thông minh là rất lớn. Trong tương lai, hệ thống có thể tích hợp thêm các tính năng thanh toán tự động. Việc kết nối với mạng lưới giao thông thông minh toàn cầu sẽ giúp điều phối xe từ xa. Các dòng chip mới như Jetson Xavier AGX sẽ cho phép chạy các mô hình lớn hơn. Khả năng tự học từ dữ liệu thực tế giúp hệ thống ngày càng thông minh. Công nghệ Internet of Things (IoT) sẽ kết nối hàng ngàn bãi xe thành một mạng lưới duy nhất. Luận văn đã đặt nền móng vững chắc cho các nghiên cứu tiếp theo về đô thị thông minh. Việc giảm giá thành phần cứng sẽ giúp giải pháp này dễ dàng tiếp cận hơn với các doanh nghiệp. Việt Nam hoàn toàn có thể làm chủ công nghệ này để cải thiện chất lượng cuộc sống. Sự đóng góp của các hệ thống nhúng sẽ là chìa khóa cho cuộc cách mạng công nghiệp 4.0.

6.1. Khả năng mở rộng quy mô bãi xe trong Smart City

Hệ thống được thiết kế theo dạng mô-đun nên rất dễ dàng mở rộng quy mô. Nhiều thiết bị biên có thể kết nối về cùng một máy chủ trung tâm để quản lý. Việc bổ sung các tính năng mới như nhận diện khuôn mặt tài xế là hoàn toàn khả thi. Hệ thống có thể thích ứng với nhiều loại hình bãi xe từ trong nhà đến ngoài trời. Đây là giải pháp linh hoạt cho các khu đô thị có mật độ giao thông cao. Tương lai của quản lý đô thị nằm ở sự kết nối và tự động hóa toàn diện.

6.2. Xu hướng phát triển của AI và Deep Learning nhúng

Các thuật toán Deep Learning ngày càng trở nên nhẹ và hiệu quả hơn. Xu hướng AI tại biên (Edge AI) sẽ thay thế dần các giải pháp dựa hoàn toàn vào đám mây. Việc bảo mật dữ liệu và quyền riêng tư sẽ được ưu tiên hàng đầu. Các thế hệ phần cứng mới sẽ tích hợp nhiều nhân xử lý AI chuyên dụng hơn. Điều này mở ra cơ hội cho các ứng dụng phức tạp như xe tự hành trong bãi đỗ. Luận văn là bước đi đầu tiên đầy hứa hẹn trong hành trình chinh phục công nghệ này.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERISTY - HO CHI MINH CITY HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY (HCMUT) FACULTY OF COMPUTER SCIENCE & TECHNOLOGY CAPSTONE PROJECT A J ETSON X AVIER - BASED SMART PARKING M AJOR : COMPUTER ENGINEERING Council: COMPUTER ENGINEERING OISP 02 Superviosrs: Assoc. Pham Quoc Cuong - HCMUT Assoc. Bang Ngoc Bao Tam - HCMUT Reviewer: Assoc. Tran Ngoc Thinh - HCMUT Authors: Tran Vinh Tien - 1952493 Nguyen Thanh Loc - 1952330 HO CHI MINH CITY - June-2023 ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự do - Hạnh phúc KHOA:KH & KT Máy tính ___ NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP BỘ MÔN:KHMT ___________ Chú ý: Sinh viên phải dán tờ này vào trang nhất của bản thuyết trình HỌ VÀ TÊN: - Trần Vĩnh Tiến MSSV: 1952493 Computer Engineering - Nguyễn Thành Lộc MSSV: 1952330 Computer Engineering NGÀNH: Kỹ thuật Máy tính _______________________ LỚP: MT19CLC _____________ 1.

Đầu đề đồ án: A JETSON XAVIER-BASED SMART PARKING 2. Nhiệm vụ (yêu cầu về nội dung và số liệu ban đầu): - Conduct a thorough survey on the topic of smart parking with edge devices - Propose a Jetson Xavier-based system architecture - Implement the proposed architecture on the platform - Conduct tests and evaluate the system with different dataset 3. Ngày giao nhiệm vụ luận án: 10/01/2023 4. Ngày hoàn thành nhiệm vụ: 01/6/2023 5.

Họ tên giảng viên hướng dẫn: Phần hướng dẫn: 1) PGS. Phạm Quốc Cường________________________________________________ 2) ThS. Băng Ngọc Bảo Tâm___________________________________________________ 3) __________________________________________________________________________ Nội dung và yêu cầu LVTN đã được thông qua Bộ môn. Ngày 10 tháng 01 năm 2022 CHỦ NHIỆM BỘ MÔN GIẢNG VIÊN HƯỚNG DẪN CHÍNH (Ký và ghi rõ họ tên) (Ký và ghi rõ họ tên) Phạm Quốc Cường Phạm Quốc Cường PHẦN DÀNH CHO KHOA, BỘ MÔN: Người duyệt (chấm sơ bộ):________________________ Đơn vị: _______________________________________ Ngày bảo vệ:___________________________________ Điểm tổng kết: _________________________________ Nơi lưu trữ luận án: _____________________________ TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM KHOA KH & KT MÁY TÍNH Độc lập – Tự do – Hạnh phúc ---------------------------- Ngày 05 tháng 06 năm 2023 PHIẾU ĐÁNH GIÁ LUẬN VĂN/ ĐỒ ÁN TỐT NGHIỆP (Dành cho người hướng dẫn) 1.

Họ và tên - Trần Vĩnh Tiến MSSV: 1952493 Computer Engineering - Nguyễn Thành Lộc MSSV: 1952330 Computer Engineering 2. Đề tài: A JETSON XAVIER-BASED SMART PARKING 3. Họ tên người hướng dẫn: PGS. Phạm Quốc Cường – ThS.

Băng Ngọc Bảo Tâm 4. Tổng quát về bản thuyết minh: Số trang: 69 Số chương: 6 Số bảng số liệu: Số hình vẽ: 48 Số tài liệu tham khảo: 26 Phần mềm tính toán: Hiện vật (sản phẩm) 5. Những ưu điểm chính của LV/ ĐATN: -The thesis is detailed and straightforward. Moreover, the authors completely finished all of the tasks in thesis.

- The authors have a deep understanding of optimizing AI models on edge devices. - The authors also designed and built an AI system to deploy their solution in reality. Những thiếu sót chính của LV/ĐATN: - There are some minor errors in grammar and format of the thesis. - The thesis also lacks information about how the authors proposed their solution.

Thus, it is difficult to understand the intuition behind their methodology. In addition, illustrations about the results is not briefly. Đề nghị: Được bảo vệ  Bổ sung thêm để bảo vệ  Không được bảo vệ  8. Các câu hỏi SV phải trả lời trước Hội đồng: - What is novelty (tính mới) in your research? 9.

Đánh giá chung (bằng chữ: Xuất sắc, Giỏi, Khá, TB): Điểm : 9. Họ và tên SV: Nguyễn Thành Lộc MSSV: 1952330 Ngành (chuyên ngành):Kỹ thuật Máy tính Trần Vĩnh Tiến MSSV: 1952493 Ngành (chuyên ngành):Kỹ thuật Máy tính 2. Đề tài: A Jetson Xavier-based smart parking (Xây dựng hệ thống quản lý giữ xe thông minh sử dụng Jetson Xavier) 3. Họ tên người hướng dẫn/phản biện: PGS.

Trần Ngọc Thịnh 4. Tổng quát về bản thuyết minh: Số trang: 67 Số chương: 6 Số bảng số liệu: 0 Số hình vẽ: 48 Số tài liệu tham khảo: 23 Phần mềm tính toán: Hiện vật (sản phẩm) 5. Những ưu điểm chính của LV/ ĐATN:  The students proposed solutions for Parking lot detection and License plate detection in smart parking system. They also built a customer’s mobile application for booking parking lots.

 The Yolov4 AI model is used for both Parking lot detection and License plate detection. It is trained and optimized by tensorRT engine of NVIDIA.  The experiments show that the proposed system can run on a Jetson Xavier board with 21-30 frames per second and the mobile application also works well. Những thiếu sót chính của LV/ĐATN:  The dataset for Vietnam License plate detection is small.

The author should refer the previous thesis “An edge ai hardware acceleration solution for smart parking”.  The system is only applied for car parking lots in HCMUT, not for general parking lots. Đề nghị: Được bảo vệ  Bổ sung thêm để bảo vệ  Không được bảo vệ  8. Các câu hỏi SV phải trả lời trước Hội đồng: a.

How can you improve the wrong license plate detection in some cases? b. Have you compared the proposed system with previous works? 9. Đánh giá chung (bằng chữ: Xuất sắc, Giỏi, Khá, TB): Khá (fair good) Điểm : 8/10 Ký tên (ghi rõ họ tên) Trần Ngọc Thịnh P ROTESTATION We hereby declare that except where specific reference is made to the work of others, the contents of this dissertation are original and have not been submit- ted in whole or in part for any other degree or qualification in any other uni- versity. This dissertation is our own work and contains nothing which is the outcome of work done in collaboration with others, except as specified in the text and Acknowledgements.

Tran Vinh Tien Nguyen Thanh Loc Ho Chi Minh City, June 2023 iii A CKNOWLEDGMENT As with any great endeavor, this thesis would not have been possible to com- plete without helpp and support of many others. First of all, we would like to send our greatest gratitude to Assoc. Pham Quoc Cuong and M. Bang Ngoc Bao Tam for having dedicated their time and effort to teach and guide us during whole time we were working on this thesis.

Also, we would like to thank all the teachers of Ho Chi Minh City University of Technology and Faculty of Computer Science and Engineering, whom have taught us many valuable and significant lessons, knowledge and experiences during our time studying in the university. Last but not least, we thank all of our beloved families and friends for always supporting us. v A BSTRACT Thanks to technological blessings and scientific advancement, many plans anf projects aiming at building and improving Smart Cities have been developing at a rapid rate. Along with this and the need to accelerate automation, mini- mize manual labor, wasted resource and time, Smart Parking has been a hotly researched and implemented subject.

As one of the newly emerging and dis- rupting technology, IoT (Internet of Things) is being utilized in many aspect of implementing a Smart Parking system. First of all, AI (Artificial Intelligence) can be applied to implement object detection for detecting vehicles and image classification for license plate recognition. Another point is, the rapid develop- ment of hardware technology, especially embedded computing hardware such as NVIDIA Jetson series, can reduce and possibly implement the real-time sys- tem with out performance not only on speed but also on accuracy. We will de- velop a mobile application for customer and a website for owners and admins for easily interact with out system.

The mobile application has been written on Flutter for booking and other features purpose and the Django Python frame- work will be used for website and server for management purpose. We collect real time data from hardware and update if any specific event has come and up- date to server. The specific event can be the real-time event in parking space or a trigger signal from higher abstract levels. Data flow between screen - screen and application - server has been transferred with JSON file type.

An API server will be used to handle the HTTP request and SQLlite3 will be applied as our database implementation. The server will be completely tested and deployed on a local machine. We leverage the use of edge computing and artificial intel- ligence (AI) to deploy a Deep Neural Network (DNN) algorithms for ojbect de- tection and Convolutional Neural Network (CNN) for image classification into NVIDIA Jetson Xavier NX Developer Kit for identifying parking occupancy and user’s license plates in real-time and updating the results to their server. Our work reach the FPS of 31 in the inference phase and around 17 to 26 FPS for fully handling a single frame.

vii C ONTENTS Protestation iii Acknowledgment v Abstract vii List of Figures xiii 1 Introduction 1 1.1 Edge computing development.3 API and database server development. 3 2 Background and Related work 5 2.1 Related Work In Smart Parking System Approaches .1 Parking space management .2 Technologies using in Our Smart Parking System .3 ml, dl and nn .5 Some solutions for reference .4 NVIDIA Jetson Xavier NX Developer Kit .1 What and why is NVIDIA Jetson Platform.2 NVIDIA Jetson Xavier NX Developer Kit. 14 ix x C ONTENTS 3 Methodology 17 3.1 Problem Statement Review .2 General flow of system .1 Customer’s mobile application Workflow .2 Edge device workflow .1 License plate recognition .2 Parking lot occupancy detection .3 Cloud-based Server for parking .2 Create parking spaces .1 License plate recognition .2 Parking lot occupancy detection .3 Check parking lot status .3 Database and end point server implementation .2 Back-end implementation. 35 5 Result and Evalation 41 5.2 Server implementation result and testing .1 APIs response time testing .2 APIs reliability testing .2 Sign up feature .4 Full system test and result .1 Testcase 1: Parking Space Detection of Empty Spaces .2 Testcase 2: Parking Space Detection of Occupied Spaces .3 Testcase 3: License Plate Recognization Check in .4 Testcase 4: License Plate Recognization Check out .5 Testcase 5: Creating Booking .6 Testcase 6: Completing Booking.7 Testcase : Edge device stability/connection consistency test .1 Edge AI detection .2 back-end server.

66 References 69 L IST OF F IGURES 2.1 Edge Computing Infrastructure.2 CUDA support FPS performance comparison.3 Optimized models and State of the art models accuracy compari- son.4 NVIDIA Jetson Xavier NX Developer Kit.1 Mobile application workflow illustration.2 Smart Parking System Architecture.3 License Plate Recognition Module Architecture.4 Parking Lot Occupancy Detection Module Architecture.5 Server Role in Smart Parking System Architecture.6 Android application general work flow .1 Setup configuration on Edge device .2 Creating bounding boxes of parking slots .3 Activity diagram of license plate recognition task.4 Gray scale image.5 Processed license plate image.8 API documentation schema .9 API documentation demo fetch parking lot by id .10 Software system architecture .11 General use case diagram for Spark smart parking system .12 General use case diagram for Spark smart parking system .13 General use case diagram for Spark smart parking system .14 General usecase diagram for Spark smart parking system .15 General use case diagram for Spark smart parking system .16 General use case diagram for Spark smart parking system .1 Configuration for training.2 Different architecture comparison result.3 Configuration for training.4 Accuracy performance before optimizing. 43 xiii xiv L IST OF F IGURES 5.5 Accuracy performance after optimizing.6 Speed performance before optimizing.7 Speed performance after optimizing.8 Accuracy performance after optimizing.9 Configuration power mode.10 Some results for LPR module.11 Error result in blue color license plate.13 Test result with slanted angle.12 Test result with straight angle.14 Create booking histogram .15 Update Booking status .16 Change booking status .