魏曉鵬 陳偉利

（吉林建筑大學 電氣與計算機學院，吉林 長春130118）

1 概述

1.1 研發(fā)背景。隨著人民物質(zhì)生活水平提高，幾乎大部分家庭至少有一輛甚至幾輛汽車。由于汽車保有量的快速增長，車位缺乏的問題也日益顯著，雖然政府興建了停車場，但由于車輛基數(shù)太大，“停車難”的問題一直沒有得到有效的解決。許多非公共停車場還出現(xiàn)了亂停放的現(xiàn)象。除此之外，司機在道路上邊開車邊找路邊停車位，容易導致交通堵塞問題，嚴重的還可能引發(fā)交通事故。有車位卻找不到，停車效率低，這類問題需要用現(xiàn)代先進的科學技術來更好地解決。

1.2 國內(nèi)外研究現(xiàn)狀。針對車位緊張，車位不能得到合理使用的問題。我國現(xiàn)在解決此問題的方法還不夠完善，主要的解決辦法還是新建地下停車場。據(jù)統(tǒng)計，技術上的成就有以下幾個：指向型停車場的車位引導系統(tǒng)，和基于PLC的車庫停車位引導系統(tǒng)，小車智能車位管理系統(tǒng)等。這些現(xiàn)有科技大部分只顧及到了停車場的空余車位，而沒涉及到一些路邊停車位。此外，這些科技雖采用了本文提到的迪杰斯特拉算法來查找最近的空車位，但缺乏實際的AR 語音導航，不能更好地引導司機找到空停車位。由于沒有GPS的實時定位，司機在使用此類APP 時，實時車位刷新時間間隔相對較長。

總之，現(xiàn)有這方面科技技術還不夠完善，功能不夠全面，不方便司機的使用，技術方面仍需進一步優(yōu)化和改進。

1.3 研發(fā)意義。利用導航衛(wèi)星實時拍攝的道路圖像，將其中空停車位與駕駛員的GPS位置信息導航，實現(xiàn)就近停車的目的。一方面提高了停車的效率，同時也減少了汽車在路上尋找車位的路程和時間，緩解了交通壓力，達到了節(jié)能減排效果。若當停車距離超過1 千米時，也提供收費停車場空余車位及導航信息，方便駕駛員進行選擇。

2 系統(tǒng)總體設計

2.1 設計概要。研究思路是基于了解當前城市道路的“停車難”狀況和市場上現(xiàn)有技術的不完善，以及考慮到這方面的欠缺，在原有技術的基礎上，自主改進的一種新型的技術。在保持原有功能的同時，新增許多功能，完善許多缺點，方便了用戶的使用，達到節(jié)能減排的目的。

2.2 整體設計。建立一套基于GPS定位，查找周圍1 千米內(nèi)停車空位的系統(tǒng)應運而生，即“基于GPS和圖像識別技術的城市車位引導系統(tǒng)設計”。如圖1。

圖1 車位引導系統(tǒng)

2.3 運行流程。駕駛員用手機APP 發(fā)出停車請求的信號給服務器，服務器利用導航衛(wèi)星實時拍攝的道路圖像，將其中空停車位與駕駛員的GPS位置信息導航，并將導航信息返回給駕駛員。駕駛員根據(jù)導航提示信息找到最近空停車位，實現(xiàn)就近停車。

3 詳細設計

3.1 車位狀態(tài)檢測。車位存在判斷算法采用基于視頻的運動目標檢測來完成對車位狀態(tài)的粗檢測。對運動目標檢測技術中的背景差分法和幀間差分法的研究和比較發(fā)現(xiàn)，這兩種方法的實質(zhì)都是將兩幀圖像進行減運算，以此作為啟示，可以將動態(tài)圖像中連續(xù)兩幀進行差運算，然后再將其和背景差進行與運算，這樣就達到了加大目標信息權重的目的，同時還能減小靜態(tài)背景的影響，得到更多的運動目標，更好地將運動目標從背景圖像中分離出來。

車位狀態(tài)檢測的目的主要包括兩個方面：一是檢測車位區(qū)域是否有變化；二是確認變化是否來自于車輛。

3.2 算法設計。檢測算法：本文所提出的特征聯(lián)合檢測方法，實質(zhì)上是同時結合采用了三種不同的檢測算法.首先采用邊緣檢測算法，計算邊緣像素的個數(shù)，設定閥值后，進入待決策1；與此同時，第二路檢測，依據(jù)邊緣像素檢測結果，對圖像中的封閉輪廓進行計數(shù)，并設定閾值后，進入待決策2；第三路檢測，加入了前景/背景信息檢測結果，經(jīng)統(tǒng)計分析，設定閥值后，進人待決策3。待三種決策過程全部完成后，最終采用加權表決的辦法，取2/3 多數(shù)，來最終判定車位是否被占用這樣做的好處是，即使有- 路檢測因受復雜因素影響出現(xiàn)錯誤，也不會對整個檢測結果有太大影響，不僅提高了識別的可靠性，還大幅提高了檢測的寬容度當然，理論上，參與檢測的方法越多越好，即參與的方法越多，表決結果的正確性越高，但在實際中，必須要在復雜度與易用性之間做出取舍。

邊緣像素檢測與封閉輪廓檢測原本屬于同一類檢測，只是細節(jié)上，采用了不同的處理方法，為便于分析，我們將這兩種處理過程放在了一起進行描述。

邊緣像素檢測是在邊緣對象檢測基礎上的細化判斷，檢測中采用了基于Prewitt 邊緣算子的邊緣檢測算法，如表1 所示。

式中，Gx和Gy為潛在邊緣值的最大值，即：

G（x，y）=max[Gx，Gy]如果大于某- 閾值，則認為該像素點為邊緣像素。

表1 prewitt 算子

為實現(xiàn)對每個車位上的邊緣像素進行統(tǒng)計，需要設計- 種車位濾波器來定義每個車位區(qū)域，并給每個停車位分配編號。攝像頭的位置是固定的，因此所拍攝的圖像中車位的邊界也是固定的，為此我們可以用4 個點坐標或者——個平行四邊形作為車位濾波器。在使用Prewitt 算子之后，利用車位濾波器提取每個停車位的邊緣信息來計算邊緣數(shù)。需要指出的是，停車位濾波器只包含訓練所得的預先設定的車位的邊緣像素，如果邊緣像素的數(shù)量小于某一值，則認為該停車位為空閑狀態(tài)。

4 性能分析

現(xiàn)有科技大部分只顧及到了停車場的空余車位，而沒涉及到一些路邊停車位，基于GPS和圖像識別技術的城市車位引導系統(tǒng)可以實時合理利用路邊停車位資源，在此基礎上實現(xiàn)了實際的AR語音導航，能更好地引導司機找到空停車位。通過GPS的實時定位，利用導航衛(wèi)星拍攝停車位置附近實時照片，再與數(shù)據(jù)庫中車位信息圖對比，將空余車位信息推送到手機APP 上。在導航過程中，實時監(jiān)測目標車位狀態(tài)，一但有人先占用車位，自動切換為其它目的地選擇。相對于現(xiàn)有技術，更加方便，快捷，可靠，迎合市場需求。

5 前景

由于汽車保有量的迅速增加，停車位嚴重不足，“停車難”是目前亟待解決的問題。想擺脫此類停車煩惱的駕駛員們是這個城市車位引導系統(tǒng)的一個潛在市場。由于此引導系統(tǒng)方便，運行可靠，費用低，產(chǎn)品的推廣能夠使駕駛員有效利用空余車位，這對解決城市交通問題做出了巨大貢獻。

此產(chǎn)品適應了當今的交通狀況，提高停車效率，同時減少了汽車在路上尋找車位的路程和時間，緩解了交通堵塞狀況，迎合了我國所倡導的節(jié)能減排的主題，所以，該裝置應用前景十分廣泛。