尚文军 黄鹤 龚岩松孙志伟 陈强 陶俊峰

摘要：停车难是中国城市发展面临的问题，通过汽车智能化的普及，该问题将得到缓解。本项目拟通过车载摄像头等传感器感知并上传道路空余车位信息，智能停车系统将车位储存并接收待停汽车的指令，提供符合要求的车位，从而使得道路车位得到最大化利用。

关键词：智能；停车；云端

中图分类号：U270.1+1

目前多数停车场已逐步实现智能管理，但是对于路边停车位依然没有充分得到利用，常出现一边车满为患，同区位另一边遭受冷落的状况。本项目基于汽车上装备的摄像头、雷达、GPS等传感器，研究设计一种智能停车系统，使得每一辆汽车都是“车位探测仪”，将路边空闲停车位通过GPS定位与信息云传输提供给附近地段的汽车，使得车主可以快速找到车位，实现车位利用率最大化。

1 总体功能设计

车载摄像头等传感器对目标空车位进行识别标定，通过深度学习建立相应模型，扫描到新的车位时，通过模型对图像进行比对，判断其真假。若为空车位，则将其GPS信息通过网络传输装置传入云端处理器中，利用车载增强定位算法，云、端一体化装置通过导航系统和INS组合实现准确定位。云端处理器根据一套标准对车位进行筛选，欲停车的车主通过无线网络信息发射装置发射请求车位指令，云端处理器根据车主所在位置就近为其发送目标车位。

2 功能原理

2.1 车位图像识别原理

图像识别是人工智能的一个重要领域，通过计算机对图像进行处理。常用的图像识别模式有模版匹配模型和原型匹配模型。

模版匹配模型通过目标图像和模版进行匹配，如果刺激成功，则匹配达成，如字母“B”，由两个圈，左边是一条竖直线，区别于“8”，识别到的图像如果大小，方位，形状都和“B”这个模版完全一致，那这个图像就识别成功了。模版识别的方法简单，但是要求太高，使用环境苛刻，不够灵活。原型匹配模型则是提取图像的相似性，从图像中抽象出来的相似性作为匹配的原型，该检验方法从神经和记忆探寻来看都比模版匹配原型适宜，但是算法复杂，在程序中难以实现。

本项目所用的车位识别，通过摄像机拍摄车位，再通过处理器进行分析和理解，从而进行识别工作。拍摄到的彩色图像首先进行灰度变换，图像识别中主要利用梯度信息，不同颜色的像素点的强度不一样，浅色的RGB值高而深色的低。而把彩色变为黑白是为了通过降维来简化矩阵，减少运算器的运算量。黑白图像的梯度信息足够，采用灰度化可提高运算速度。下一步是通过滤波器过滤图像中的噪声，使用的原理是卷积公式：

f（x，y，）*g（x，y）=∫∫

SymboleB@

SymboleB@ f（ξ，η）g（x-ξ，y-η）dξdη

再进行边缘检测，设定一个梯度差，将大于该梯度差像素点认为是边缘，边缘像素点即能连成轮廓，车位线与道路的梯度差足以识别。然后进行感兴趣的范围分割，摄像头拍摄的范围是很大的，将有用的部分分割出来识别能避免干扰，提高成功率。对于划线不连续的车位线通过霍夫变换[3]将断线“相连”，设一条车位线的直线方程是y=kx+b，该直线方程是关于x，y的方程，将它转化为关于k，b的直线方程，可以发现，一条y=kx+b上的所有点都通过转换坐标系的一点，利用这一特征，可以将通过这一点的坐标线段都属于y=kx+b

如y=x，取（0，0）（1，1）（2，2）......

转化为k，b的方程就是，

b=0；

k+b=1；

2k+b=2；

可以发现这些点都通过了（1，0）点，即可认为通过这一点的k，b方程对应的直线就是y=x；车位线的直线方程即得出。但经过上一步霍夫变换得到的直线可能不止一條，是由于车位线旁存在部分干扰项导致的，如车位线旁掉落的长树枝等等，可通过概率来判断，如通过的转换坐标系后的某最大概率点为所需直线，其他均应排除。四条车位线的区分可通过相对原点（可认为在车身处）的斜率来判断。至此车位线识别完毕。

2.2 云端调度原理

云端接收成功识别的车位信息，与其地理位置定位储存在数据库中，当接受到指令时根据其位置信息为其调度合适的车位。所采用的通讯方式为无线串口通讯，该通讯方式简单高效。

3 方案设计

3.1 车位识别部分设计

主要是通过基于摄像机的图像识别方式进行，这里采用的是灰度匹配的方法，将拍摄到的彩色图片转为黑白（灰度图像），每个像素点都有灰度，可看作是像素点的强度。采用统计的方法进行模版图像与采集图像的像素点的匹配。

3.2 车位上传部分设计

利用无线串口通信的方法，将空余停车位的地理位置信息上传至云端。本项目基于labview的VISA驱动设计了这一串口通信传输，通过VSPD（Configure Virtual Serial Port Driver）建立COM1COM2，串口数据从COM1端输入，COM2端输出，这里利用SPU（Serial Port Utility）串口助手辅助COM2的数据接收。串口通信的发送设备和接收设备只需要一对传输线路即可实现双向互联通信，采用无线串口通信的方法使得通信简单、成本低、距离远、准确度高。

图5 串口通信COM1发送端

3.3 云端处理器模块设计

云端处理器为停车位管理程序和车载调度系统访问用户提供一个唯一的IP地址，数据库存储所有的车位实时状态信息数据、注册用户的信息、用户预约车位的信息；云端处理器模块作为一个桥梁实现用户与停车位进行数据交互，在云端处理器模块的数据库中，把整个城市所有停车位的车位实时状态信息存储在车位表里，并将所有的注册用户的信息存储在用户表中、将用户和用户预约某个停车位的信息存储在预约表中，同时云端处理器模块设置访问权限，使用户可以获取该模块上的所有车位实时状态信息以及更改网络数据库中预约表中的数据，智能停车调度系统的管理程序可以获取到数据库中该停车位的预约信息以及实时更改数据库中该停车场的车位信息。对于长期未经使用的车位，云端处理器会进行标记，提醒预约该车位的车主。另外，数据库记录各停车位的面积，为不同类型汽车提供合适的车位。

4 方案改进分析

4.1 雷达识别车位方案设计

摄像机是传感器中使用较多的一种，在交通灯、交通标志等特征识别方面有着不可替代的作用，但是也存在缺陷。采用“摄像机雷达”融合传感的方式进行车位识别，将大幅增加识别的准确性。

雷达识别车位的步骤可按下述方法进行：

①采用的的雷达以1°递增从0180°一共得到181个数据，记为pi，θi

②把极坐标转换为直角坐标

X=pcosθ ；

Y=psinθ；一共181个数据

③利用最小二乘法进行直线拟合，核心思想是使计算值与实际值差的平方之和最小。底层的数学思想如下：

设拟合的直线是y=ax+b，实际直线点是（x，y），两者相减为y（ax+b），取方差δ2={y（ax+b）}2，令它最小，分别对a，b求偏导，并另其为0。

通过这种方法算得的拟合直线有一定误差，可以用每个点与标准差进行对比的方法将其剔除再进行拟合。

Y=ax+b，δ=y（ax+b）；σ=∑δi2n；abs（δi）>2σ，就舍弃这个点，然后将剩余点进行直线拟合。

一般来说，车位线的障碍物存在三处，根据上面的原理可将其余两处依次进行拟合。

4.2 传感器融合

数据融合的过程就是充分利用各个传感器的资源，通过对各自资源的合理分配与使用，依据某种优化准则把各传感器的有效数据组合起来，导出更多的有效信息，提高整个系统的效率。

雷达数据中，有效信息即车身与障碍物的距离，经过坐标转换后映射到图像坐标，得到每个像素点的深度信息，如此可将雷达信息与图像数据相融合。做到融合要求两种数据时间对齐，空间对齐。时间对齐即找出雷达数据与摄像头数据采集同时刻的那一帧，而空间对齐通过将雷达坐标系转换到世界坐标，得到待测目标的坐标，再将其转换成图像坐标，完成雷达与图像数据的融合。

5 结语

本项目设计了基于LabVIEW的摄像程序，调用工业摄像头能够对路面车位情况进行采集并保存，經过道路试验，拍摄了100余张车位图片，程序使用效率高，运行情况稳定；设计了车位图像匹配程序，将采集车位与模版车位图像进行匹配从而判断车位的可用性。选取了合适的图像比对模式，基本能够实现车位的图像比对识别；设计了串口通讯的数据发送与接收程序，并利用串口助手（SPU）和虚拟端口（VSPD）创建端口来模拟“车云端车”之间的信息传递。通过虚拟仪器实现了数据的发送与储存工作；通过每项的程序设计验证了项目的可实现性。最后提出了基于融合传感车位识别的方案改进措施。

参考文献：

[1]张易，杨桦，索彦彦.城市智能停车联网平台[J].现代电子技术，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.

项目：合肥工业大学2017年校级大学生创新创业训练计划项目资助（项目编号：2017CXCY441）

作者简介：尚文军，男，本科，车辆工程2015级。

*通讯作者：黄鹤，男，博士，讲师，从事智能网联汽车控制设计。