尚文軍 黃鶴 龔巖松孫志偉 陳強(qiáng) 陶俊峰

摘要：停車難是中國城市發(fā)展面臨的問題，通過汽車智能化的普及，該問題將得到緩解。本項(xiàng)目擬通過車載攝像頭等傳感器感知并上傳道路空余車位信息，智能停車系統(tǒng)將車位儲(chǔ)存并接收待停汽車的指令，提供符合要求的車位，從而使得道路車位得到最大化利用。

關(guān)鍵詞：智能；停車；云端

中圖分類號：U270.1+1

目前多數(shù)停車場已逐步實(shí)現(xiàn)智能管理，但是對于路邊停車位依然沒有充分得到利用，常出現(xiàn)一邊車滿為患，同區(qū)位另一邊遭受冷落的狀況。本項(xiàng)目基于汽車上裝備的攝像頭、雷達(dá)、GPS等傳感器，研究設(shè)計(jì)一種智能停車系統(tǒng)，使得每一輛汽車都是“車位探測儀”，將路邊空閑停車位通過GPS定位與信息云傳輸提供給附近地段的汽車，使得車主可以快速找到車位，實(shí)現(xiàn)車位利用率最大化。

1 總體功能設(shè)計(jì)

車載攝像頭等傳感器對目標(biāo)空車位進(jìn)行識別標(biāo)定，通過深度學(xué)習(xí)建立相應(yīng)模型，掃描到新的車位時(shí)，通過模型對圖像進(jìn)行比對，判斷其真假。若為空車位，則將其GPS信息通過網(wǎng)絡(luò)傳輸裝置傳入云端處理器中，利用車載增強(qiáng)定位算法，云、端一體化裝置通過導(dǎo)航系統(tǒng)和INS組合實(shí)現(xiàn)準(zhǔn)確定位。云端處理器根據(jù)一套標(biāo)準(zhǔn)對車位進(jìn)行篩選，欲停車的車主通過無線網(wǎng)絡(luò)信息發(fā)射裝置發(fā)射請求車位指令，云端處理器根據(jù)車主所在位置就近為其發(fā)送目標(biāo)車位。

2 功能原理

2.1 車位圖像識別原理

圖像識別是人工智能的一個(gè)重要領(lǐng)域，通過計(jì)算機(jī)對圖像進(jìn)行處理。常用的圖像識別模式有模版匹配模型和原型匹配模型。

模版匹配模型通過目標(biāo)圖像和模版進(jìn)行匹配，如果刺激成功，則匹配達(dá)成，如字母“B”，由兩個(gè)圈，左邊是一條豎直線，區(qū)別于“8”，識別到的圖像如果大小，方位，形狀都和“B”這個(gè)模版完全一致，那這個(gè)圖像就識別成功了。模版識別的方法簡單，但是要求太高，使用環(huán)境苛刻，不夠靈活。原型匹配模型則是提取圖像的相似性，從圖像中抽象出來的相似性作為匹配的原型，該檢驗(yàn)方法從神經(jīng)和記憶探尋來看都比模版匹配原型適宜，但是算法復(fù)雜，在程序中難以實(shí)現(xiàn)。

本項(xiàng)目所用的車位識別，通過攝像機(jī)拍攝車位，再通過處理器進(jìn)行分析和理解，從而進(jìn)行識別工作。拍攝到的彩色圖像首先進(jìn)行灰度變換，圖像識別中主要利用梯度信息，不同顏色的像素點(diǎn)的強(qiáng)度不一樣，淺色的RGB值高而深色的低。而把彩色變?yōu)楹诎资菫榱送ㄟ^降維來簡化矩陣，減少運(yùn)算器的運(yùn)算量。黑白圖像的梯度信息足夠，采用灰度化可提高運(yùn)算速度。下一步是通過濾波器過濾圖像中的噪聲，使用的原理是卷積公式：

f（x，y，）*g（x，y）=∫∫

SymboleB@

SymboleB@ f（ξ，η）g（x-ξ，y-η）dξdη

再進(jìn)行邊緣檢測，設(shè)定一個(gè)梯度差，將大于該梯度差像素點(diǎn)認(rèn)為是邊緣，邊緣像素點(diǎn)即能連成輪廓，車位線與道路的梯度差足以識別。然后進(jìn)行感興趣的范圍分割，攝像頭拍攝的范圍是很大的，將有用的部分分割出來識別能避免干擾，提高成功率。對于劃線不連續(xù)的車位線通過霍夫變換[3]將斷線“相連”，設(shè)一條車位線的直線方程是y=kx+b，該直線方程是關(guān)于x，y的方程，將它轉(zhuǎn)化為關(guān)于k，b的直線方程，可以發(fā)現(xiàn)，一條y=kx+b上的所有點(diǎn)都通過轉(zhuǎn)換坐標(biāo)系的一點(diǎn)，利用這一特征，可以將通過這一點(diǎn)的坐標(biāo)線段都屬于y=kx+b

如y=x，?。?，0）（1，1）（2，2）......

轉(zhuǎn)化為k，b的方程就是，

b=0；

k+b=1；

2k+b=2；

可以發(fā)現(xiàn)這些點(diǎn)都通過了（1，0）點(diǎn)，即可認(rèn)為通過這一點(diǎn)的k，b方程對應(yīng)的直線就是y=x；車位線的直線方程即得出。但經(jīng)過上一步霍夫變換得到的直線可能不止一條，是由于車位線旁存在部分干擾項(xiàng)導(dǎo)致的，如車位線旁掉落的長樹枝等等，可通過概率來判斷，如通過的轉(zhuǎn)換坐標(biāo)系后的某最大概率點(diǎn)為所需直線，其他均應(yīng)排除。四條車位線的區(qū)分可通過相對原點(diǎn)（可認(rèn)為在車身處）的斜率來判斷。至此車位線識別完畢。

2.2 云端調(diào)度原理

云端接收成功識別的車位信息，與其地理位置定位儲(chǔ)存在數(shù)據(jù)庫中，當(dāng)接受到指令時(shí)根據(jù)其位置信息為其調(diào)度合適的車位。所采用的通訊方式為無線串口通訊，該通訊方式簡單高效。

3 方案設(shè)計(jì)

3.1 車位識別部分設(shè)計(jì)

主要是通過基于攝像機(jī)的圖像識別方式進(jìn)行，這里采用的是灰度匹配的方法，將拍攝到的彩色圖片轉(zhuǎn)為黑白（灰度圖像），每個(gè)像素點(diǎn)都有灰度，可看作是像素點(diǎn)的強(qiáng)度。采用統(tǒng)計(jì)的方法進(jìn)行模版圖像與采集圖像的像素點(diǎn)的匹配。

3.2 車位上傳部分設(shè)計(jì)

利用無線串口通信的方法，將空余停車位的地理位置信息上傳至云端。本項(xiàng)目基于labview的VISA驅(qū)動(dòng)設(shè)計(jì)了這一串口通信傳輸，通過VSPD（Configure Virtual Serial Port Driver）建立COM1COM2，串口數(shù)據(jù)從COM1端輸入，COM2端輸出，這里利用SPU（Serial Port Utility）串口助手輔助COM2的數(shù)據(jù)接收。串口通信的發(fā)送設(shè)備和接收設(shè)備只需要一對傳輸線路即可實(shí)現(xiàn)雙向互聯(lián)通信，采用無線串口通信的方法使得通信簡單、成本低、距離遠(yuǎn)、準(zhǔn)確度高。

圖5 串口通信COM1發(fā)送端

3.3 云端處理器模塊設(shè)計(jì)

云端處理器為停車位管理程序和車載調(diào)度系統(tǒng)訪問用戶提供一個(gè)唯一的IP地址，數(shù)據(jù)庫存儲(chǔ)所有的車位實(shí)時(shí)狀態(tài)信息數(shù)據(jù)、注冊用戶的信息、用戶預(yù)約車位的信息；云端處理器模塊作為一個(gè)橋梁實(shí)現(xiàn)用戶與停車位進(jìn)行數(shù)據(jù)交互，在云端處理器模塊的數(shù)據(jù)庫中，把整個(gè)城市所有停車位的車位實(shí)時(shí)狀態(tài)信息存儲(chǔ)在車位表里，并將所有的注冊用戶的信息存儲(chǔ)在用戶表中、將用戶和用戶預(yù)約某個(gè)停車位的信息存儲(chǔ)在預(yù)約表中，同時(shí)云端處理器模塊設(shè)置訪問權(quán)限，使用戶可以獲取該模塊上的所有車位實(shí)時(shí)狀態(tài)信息以及更改網(wǎng)絡(luò)數(shù)據(jù)庫中預(yù)約表中的數(shù)據(jù)，智能停車調(diào)度系統(tǒng)的管理程序可以獲取到數(shù)據(jù)庫中該停車位的預(yù)約信息以及實(shí)時(shí)更改數(shù)據(jù)庫中該停車場的車位信息。對于長期未經(jīng)使用的車位，云端處理器會(huì)進(jìn)行標(biāo)記，提醒預(yù)約該車位的車主。另外，數(shù)據(jù)庫記錄各停車位的面積，為不同類型汽車提供合適的車位。

4 方案改進(jìn)分析

4.1 雷達(dá)識別車位方案設(shè)計(jì)

攝像機(jī)是傳感器中使用較多的一種，在交通燈、交通標(biāo)志等特征識別方面有著不可替代的作用，但是也存在缺陷。采用“攝像機(jī)雷達(dá)”融合傳感的方式進(jìn)行車位識別，將大幅增加識別的準(zhǔn)確性。

雷達(dá)識別車位的步驟可按下述方法進(jìn)行：

①采用的的雷達(dá)以1°遞增從0180°一共得到181個(gè)數(shù)據(jù)，記為pi，θi

②把極坐標(biāo)轉(zhuǎn)換為直角坐標(biāo)

X=pcosθ ；

Y=psinθ；一共181個(gè)數(shù)據(jù)

③利用最小二乘法進(jìn)行直線擬合，核心思想是使計(jì)算值與實(shí)際值差的平方之和最小。底層的數(shù)學(xué)思想如下：

設(shè)擬合的直線是y=ax+b，實(shí)際直線點(diǎn)是（x，y），兩者相減為y（ax+b），取方差δ2={y（ax+b）}2，令它最小，分別對a，b求偏導(dǎo)，并另其為0。

通過這種方法算得的擬合直線有一定誤差，可以用每個(gè)點(diǎn)與標(biāo)準(zhǔn)差進(jìn)行對比的方法將其剔除再進(jìn)行擬合。

Y=ax+b，δ=y（ax+b）；σ=∑δi2n；abs（δi）>2σ，就舍棄這個(gè)點(diǎn)，然后將剩余點(diǎn)進(jìn)行直線擬合。

一般來說，車位線的障礙物存在三處，根據(jù)上面的原理可將其余兩處依次進(jìn)行擬合。

4.2 傳感器融合

數(shù)據(jù)融合的過程就是充分利用各個(gè)傳感器的資源，通過對各自資源的合理分配與使用，依據(jù)某種優(yōu)化準(zhǔn)則把各傳感器的有效數(shù)據(jù)組合起來，導(dǎo)出更多的有效信息，提高整個(gè)系統(tǒng)的效率。

雷達(dá)數(shù)據(jù)中，有效信息即車身與障礙物的距離，經(jīng)過坐標(biāo)轉(zhuǎn)換后映射到圖像坐標(biāo)，得到每個(gè)像素點(diǎn)的深度信息，如此可將雷達(dá)信息與圖像數(shù)據(jù)相融合。做到融合要求兩種數(shù)據(jù)時(shí)間對齊，空間對齊。時(shí)間對齊即找出雷達(dá)數(shù)據(jù)與攝像頭數(shù)據(jù)采集同時(shí)刻的那一幀，而空間對齊通過將雷達(dá)坐標(biāo)系轉(zhuǎn)換到世界坐標(biāo)，得到待測目標(biāo)的坐標(biāo)，再將其轉(zhuǎn)換成圖像坐標(biāo)，完成雷達(dá)與圖像數(shù)據(jù)的融合。

5 結(jié)語

本項(xiàng)目設(shè)計(jì)了基于LabVIEW的攝像程序，調(diào)用工業(yè)攝像頭能夠?qū)β访孳囄磺闆r進(jìn)行采集并保存，經(jīng)過道路試驗(yàn)，拍攝了100余張車位圖片，程序使用效率高，運(yùn)行情況穩(wěn)定；設(shè)計(jì)了車位圖像匹配程序，將采集車位與模版車位圖像進(jìn)行匹配從而判斷車位的可用性。選取了合適的圖像比對模式，基本能夠?qū)崿F(xiàn)車位的圖像比對識別；設(shè)計(jì)了串口通訊的數(shù)據(jù)發(fā)送與接收程序，并利用串口助手（SPU）和虛擬端口（VSPD）創(chuàng)建端口來模擬“車云端車”之間的信息傳遞。通過虛擬儀器實(shí)現(xiàn)了數(shù)據(jù)的發(fā)送與儲(chǔ)存工作；通過每項(xiàng)的程序設(shè)計(jì)驗(yàn)證了項(xiàng)目的可實(shí)現(xiàn)性。最后提出了基于融合傳感車位識別的方案改進(jìn)措施。

參考文獻(xiàn)：

[1]張易，楊樺，索彥彥.城市智能停車聯(lián)網(wǎng)平臺(tái)[J].現(xiàn)代電子技術(shù)，2015，38（13）156159，162.

[2]https：//baike.so.com/doc/65271876740919.htmlHYPERLINK"https：//baike.so.com/doc/65271876740919.html".

[3]https：//baike.so.com/doc/56159255828538.html.

項(xiàng)目：合肥工業(yè)大學(xué)2017年校級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目資助（項(xiàng)目編號：2017CXCY441）

作者簡介：尚文軍，男，本科，車輛工程2015級。

*通訊作者：黃鶴，男，博士，講師，從事智能網(wǎng)聯(lián)汽車控制設(shè)計(jì)。