清华大学-基于Matlab图像识别技术与广义最短距离的大型停车场只能管理系统开发.docxVIP

基于Matlab图像识别技术与广义最短距离的大型停车场 智能管理系统开发 孔郁斐 吕超 杨馨 匡文博 闫盛枫 指导教师：李瑞敏 （清华大学 土木水利学院 北京，100084） 摘要:现有针对停车场智能管理系统的研究大多停留在理念设计阶段且少数已开发系统对于最优车位的度量仅考虑了距离因素，与实际并不相符。本研究根据基于神经网络的图像识别技术开发了采用普通摄像头的车位实时识别系统并根据司机实际停车情况引入neighbor值重新定义了最优车位以更好地为司机提供建议。此外，本研究还根据北京市某大型地下停车场实际情况采用上述技术开发出了一套集车位识别、建议、计费功能于一体的智能管理系统。 关键词：停车场 智能管理 图像识别 neighbor值 研究背景及系统工作流程 伴随着我国机动车保有量的不断攀升，大型停车场的停车问题日益凸显。由于大型停车场车位繁多，内部构造复杂，因此一套完善的智能管理系统对于用户和管理者都显得尤为重要。 本系统工作流程如下图1所示。首先加载系统可识别的数据文件并对系统进行初始化设置，计算最短路径后对所有车位进行优劣排序。当第一辆车驶入时，建议其停入当时最优车位。待第一辆车停入车位后（可不进入建议车位），系统刷新数据并根据已停车情况对剩余车位进行优劣排序，如此往复，实现系统实时更新工作。 图1 系统工作流程 本研究创新点 针对国内研究大多停留在理念设计阶段的现状，本研究根据对北京某停车场的实际情况及需要的分析，完整地开发出一套可直接应用的大型停车场智能管理系统。 本管理系统不仅可以以较低成本应用于新建停车场，还可用于旧有停车场的改造。 使用普通摄像头进行车辆识别，每个摄像头可识别其所覆盖区域内的所有车位；优于现有研究中大多采用的红外传感器。 针对用户实际情况重新定义最优车位，引入neighbor值以考虑车位旁是否有车对其停车的影响，更符合实际情况。 用户可以根据需要使系统自动更新所有车位信息，方便查询，并根据实时数据给出最优车位。 车位识别系统 为了更好地对进入停车场车辆进行引导，首先需得到停车场各车位的停车状况。车位信息可以由两种方式获得：一是在每个车位安装传感器，如重力感应装置和光电门，再将传感器获得的信息汇总，得到整个停车场的停车状况；二是利用停车场的摄像头系统，通过对摄像头获得的图像加以处理，得到整个停车场的车位情况信息。前一种方式只需要在各车位加装传感器，获取信息的方式较为直接，但各类传感器的单价从几十元到上百元不等，因此整个系统的成本较高；而针对后一种方式我们改进了现有停车场对摄像头精度要求较高的情况，采用普通摄像头即可识别，因此有利于降低成本。 车位识别系统整体思路 基本原理：在车位地面上粘贴标志点。当标志点被停在其上的车遮盖时，摄像机无法捕捉到标志点，由此得知此车位有车。整个流程可用如图2所示的流程图来表示。 图2 车位识别系统流程简图 系统使用黑白相间的方形对顶角标志点作为车位的标志。当有车时，标志点被遮挡，摄像头捕获的图像中无法找到标志。通过图像识别技术，系统可以自动识别出各标志点并计算其位置。在使用前对系统初始化，获取各车位标志点的位置信息并存储。 图3表示某停车场无车时的图像（每个车位上已有标志点）。系统每捕捉到一个标志点就立刻获取此点的坐标，进而确定这是哪个车位处的标志点，最后将此车位归为无车车位。为了方便我们查看，系统每捕捉到一个标志点就在标志点图像处显示一个小红点。 正常使用时，情况如图4所示。同样，系统可以获知扫描时无车车位的信息。系统每扫描到一个无车车位还是显示一个小红点方便我们查看。将此时的无车车位与初始化得到的所有车位进行对比，即可得到所有有车车位的信息，进而得到所有车位的信息。通过汇总各摄像头的数据，可以得到停车场整体的空余车位情况，供车辆引导系统使用。 图3 停车场无车状态示意图 图4 停车场有车状态示意图 标志点设计 标志点类型选择 图4 对顶角标志点示意图 为了便于识别，采用黑白相间的对顶角标志。图4为一个典型的方形对顶角标志点，白色背景上有两个大小相同的黑色方块，两者有一共同的顶点（A点），该点即为标志所指示的点。 对顶角标志具有高度的对称性：一是关于A点中心对称， 二是图形上左右反色对称，（1,1）区域与（1,2）区域大小相同、 颜色相反，三是上下反色对称。如果以A为中心作一正方形， 所划得的区域仍然具有以上三点特征。实际测量中获得图像上 的标志点并不总是精确满足上述特征的，如右图5所示，可 能会出现倾斜、压缩、拉伸、模糊等情况。为适应这些复杂的 图5 模糊情况下的对顶角标志点 情况，本文使用如下的思路：首先，引入与图像中心有关的几个特征参数作为标志点判断