基于機器視覺與RFID智能引導停車場①

高 通, 范道爾吉, 賈成果, 劉晨燕

(內(nèi)蒙古大學電子信息工程學院, 呼和浩特 010021)

基于機器視覺與RFID智能引導停車場①

高 通, 范道爾吉, 賈成果, 劉晨燕

(內(nèi)蒙古大學電子信息工程學院, 呼和浩特 010021)

隨著城市化進程以及人民生活水平的提高, 私家車的數(shù)量在近幾年不斷攀升, 導致出現(xiàn)了大型停車場中找車難、服務差的問題. 這對智能停車場的自動化程度以及服務質(zhì)量要求越來越高. 傳統(tǒng)智能停車場以管理與檢測為主, 在車輛引導以及用戶服務方面有所缺失. 為此, 本文將在嵌入式平臺下, 建立一個基于機器視覺的空位檢測, 人性快捷的RFID智能引導, 以及完善管理系統(tǒng)和便民的微信公眾服務的現(xiàn)代一體化停車場.

機器視覺; 嵌入式Linux; RFID; 云平臺; 車位引導; 圖形用戶界面

近年來, 隨著國家機動車擁有量以及出行率的提高, 以及停車場的復雜化, 導致了停車場的車位統(tǒng)計與尋找車位的難題. 傳統(tǒng)的智能停車場已經(jīng)無法滿足用戶的人性化體驗以及互聯(lián)網(wǎng)+時代的更高要求. 目前有許多人在研究智能停車場的設計問題, 潘正軍提出了基于RFID智能管理系統(tǒng)的設計與實現(xiàn)[1], 郭穩(wěn)濤的RFID平臺實現(xiàn)停車場智能管理的研究[2]. 但是給出的解決方案缺乏完整性與全自動化性, 本系統(tǒng)以圖像處理技術與RFID技術為核心, 通過圖像處理檢測車位可以使用較少的攝像頭檢測大量區(qū)域. 利用RFID進行用戶信息記錄與人性化的車位引導, 這增加了用戶體驗與產(chǎn)品的一體化, 實現(xiàn)了檢測-登記-引導-計費的全自動化智能停車場. 最后使用微信云平臺進行附近停車場車位顯示與車位預約, 可以讓用戶提前了解出行信息, 更適應信息時代的發(fā)展.

1 停車場系統(tǒng)架構

1.1 總體設計框圖

傳統(tǒng)停車場主要在于收費、計費, 但在安全性、運行效率以及人性化服務等方面有待提高, 本文所設計停車場在傳統(tǒng)停車場之上增加了自動空位檢測, 路徑引導以及云服務. 為了增強本文說服力, 筆者模擬停車場的實驗環(huán)境, 在基于Linux的Cortex-A8處理器的嵌入式平臺上建立前臺管理系統(tǒng), 使用Qt圖形界面作為管理界面, 用戶進入停車場將用戶信息以及車位信息寫入RFID標簽, 同時記錄在A8中的Sqlite數(shù)據(jù)庫中, 當用戶經(jīng)過停車場岔路口時, 路邊的基于Linux的S3C2440處理器為核心的引導牌將通過車內(nèi)RFID. 標簽的位置信息, 通過路徑引導算法將用戶引導到合適車位, 用戶離開停車場時, 前臺管理系統(tǒng)將通過Sqlite記錄的信息進行自動結算, 完成快捷的計費功能,在高峰期時, 用戶可以關注停車場的微信公眾號, 里面有停車場空位信息的實時顯示, 方便用戶的出行.

圖1 系統(tǒng)總體框圖

1.2 停車場入口管理系統(tǒng)

智能停車場的前臺管理系統(tǒng)在保留傳統(tǒng)停車場的所有功能前提下, 增加更智能化的收費計費服務, 本系統(tǒng)在用戶進入停車場時將空閑的車位信息記錄到RFID標簽, 并將標簽信息、車位信息當前時間寫入到數(shù)據(jù)庫中, 系統(tǒng)采用‘一車一卡一位’的方式, 將所有信息建立在一個數(shù)據(jù)平臺上, 將各個子系統(tǒng)統(tǒng)一為一個完整的智能停車場管理系統(tǒng).

該系統(tǒng)的特點如下:

1. 空位檢測準確, 信息更新及時

2. RFID透明計費, 使用安全放心

3. 圖形界面方便快捷

4. GPRS上傳信息至云平臺

入口管理系統(tǒng)結構如圖2所示. 停車場管理系統(tǒng)分為四個部分進行設計: 利用RFID標簽記錄用戶信息;利用圖像處理檢測空位信息; 利用GPRS提供云服務;利用圖形界面方便軟件操作. 進行模塊化劃分有利于將一個復雜的問題簡單化, 并且利于調(diào)試, 可以更高效的分析問題.

1.3 入口管理系統(tǒng)實驗界面

Qt圖形界面管理平臺是協(xié)調(diào)其余幾個程序的核心,是項目成功的關鍵, 軟件界面如圖3所示.

圖2 停車場入口管理系統(tǒng)

圖3 前臺管理界面

圖3界面是前臺管理系統(tǒng)的圖形界面, 左側是經(jīng)過OpenCV圖像處理的空位信息顯示圖, 右側有三個文本框, 第一個為用戶離開停車場的消費信息, 第二個為進入停車場的位置分配信息, 第三個為用戶進入停車場的寫卡成功提示框. 下方的三個按鍵完成: 寫卡、 讀卡、 結算三個核心功能.

在數(shù)據(jù)庫的選擇上經(jīng)過了慎重考慮, 目前較為流行的數(shù)據(jù)庫有DB2, sql server, MySql等, 但是這些數(shù)據(jù)庫都較為龐大, 不適合嵌入式平臺下使用, 只能采用輕量級數(shù)據(jù)庫, 鑒于Sqlite數(shù)據(jù)庫, 麻雀雖小, 五臟俱全,其速度甚至快于MySql, 又與Qt支持的很好, 編譯后大小為2 MB, 很適合在嵌入式平臺下使用.

通過這一軟件管理平臺可以實現(xiàn)停車場一系列復雜的管理, 為停車場一體化服務提供了保障.

2 基于機器視覺的空位檢測

2.1 空位檢測概述

停車場智能管理[3]中重要的一項就是自動空位檢測, 在停車場環(huán)境中空位檢測可以使用超聲波傳感器,壓力傳感器等方式, 相比之下使用圖像處理的方式可以在較少數(shù)量的攝像頭檢測到大量車位信息, 并可以在空位檢測的同時加強停車場的安全保障, 比如進行可疑人員監(jiān)測等.

本系統(tǒng)通過攝像頭采集圖像信息, 通過圖像處理的方式進行空位判斷, 硬件層面本系統(tǒng)使用Cortex-A8嵌入式平臺, 算法使用了強大的計算機視覺庫OpenCV(Open Source Computer Vision Labrary), 這是一個基于開源發(fā)行的跨平臺計算機視覺庫[4]. 它實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法, 已成為計算機視覺領域最有力的研究工具之一[5].

本文提出的基于圖像處理的空位檢測技術主要工作包括以下幾點:

1. 獲取停車場各停車位沒有車輛停放時的圖像;

2. 在嵌入式平臺上獲取來自攝像頭的圖像, 并進行圖像預處理: 對圖像進行濾波去噪, 并將圖像由RGB圖像轉成灰度圖;

3. 圖像特征提取: 將獲取的停車場灰度圖根據(jù)停車位的所在位置進行準確標記, 截取停車位所在區(qū)域,根據(jù)車輛豐富的線條狀信息, 提取車輛輪廓, 并和沒有車輛停放時的停車場的相同位置圖像進行比較, 設定閾值, 若比較結果大于此值, 則認為此停車位有車輛停放. 根據(jù)圖像處理結果, 對車位車輛停放信息和停車位位置進行標記, 并將統(tǒng)計信息發(fā)送給入口處的管理系統(tǒng).

2.2 空位檢測算法

2.2.1 圖像預處理

利用一些相關的圖像處理技術, 對圖像進行濾波去噪, 并灰度化, 以便后面更好的提取車輛輪廓信息.本系統(tǒng)所用攝像頭性能較差, 在視頻圖像快速過渡時,容易產(chǎn)生脈沖噪聲(椒鹽噪聲), 因此采用中值濾波器,濾波后效果見圖4.

圖4 中值濾波

隨后, 將濾波后的圖片進行灰度化, 然后進行特征提取, 特征提取是空位檢測的關鍵技術, 是在前面灰度圖的基礎上對圖像中車位所在區(qū)域進行處理, 主要包括車位位置標定、目標前景檢測、圖像閾值化、圖像形態(tài)學運算、圖像輪廓查找、圖像輪廓面積計算等工作.

停車位位置標定是確定各停車位在此圖像中的具體像素坐標, 本文考慮到攝像頭安裝以后位置不變的特點, 第一次確定停車位像素坐標時采用人工計算的方法, 將計算出來的停車位像素坐標存放在一個二維數(shù)組中, 在后面的處理中, 利用OpenCV視覺庫提供的ROI區(qū)域設定來標記此停車位, 這樣以后的每次處理中就會在圖像中只針對此區(qū)域進行處理, 大大減少了處理數(shù)據(jù)量, 節(jié)省了時間. 目標區(qū)域標記效果如圖5所示.

圖5 目標區(qū)域標定

2.2.2 目標前景檢測

目標前景檢測的目的是判斷之前標定的停車位內(nèi)有沒有車輛停放. 具體做法是將此停車位圖像和最初沒有車輛停放的圖像中此停車位的區(qū)域像素做絕對值減法, 這樣像素相同的區(qū)域的像素值將變成0, 而車輛停放區(qū)域會有不同的像素值, 從而確定是否有車輛停放. 前景檢測結果見圖6, 圖中依次分別代表有車輛停放的情況以及沒有車輛停放的原始圖片信息. 第三幅圖中灰色區(qū)域為檢測出來的車輛輪廓信息.

圖6 目標前景檢測

將前面做完前景檢測的圖像進行二值化. 隨后對目標進行形態(tài)學處理, 最基本的形態(tài)學處理包括圖像腐蝕和圖像膨脹, 可以簡化圖像數(shù)據(jù), 保持輪廓基本數(shù)據(jù)形狀特性, 并去除不相關的結構. 本文采用閉運算對檢測到的車輛輪廓進行形態(tài)學處理, 圖像形態(tài)學處理效果見圖7.

2.2.3 特征生成與模式分類

輪廓查找的目的是將前面形態(tài)學處理后的車輛輪廓進行像素坐標標記[6], 將輪廓的坐標信息保存在一個輪廓樹里面(在OpenCV中是一個指向CvSeq的指針, 這個指針會自動指向輪廓樹的首地址). 輪廓樹里面實際是保存了一系列的點坐標, 這些點就是輪廓在圖像中的曲線的點的坐標. 由于有些車輛的顏色和停車位地面比較接近, 所以處理后的圖像會有部分區(qū)域被判斷為地面, 就會出現(xiàn)局部呈現(xiàn)“空洞”的狀態(tài)(但這并不會影響車輛總體輪廓的判斷), 所以這里只提取最外面輪廓.

圖7 形態(tài)學閉操作

輪廓面積計算是在前面查找到的輪廓的基礎上,計算此輪廓的像素面積. OpenCV中使用contourArea這個函數(shù)實現(xiàn)輪廓面積的計算. 將輪廓曲線的坐標值輸入, 將計算出此輪廓內(nèi)所有像素點的數(shù)量. 此輪廓大小即為車位特征, 隨后進行分類器的設計, 對于車位信息,只有兩個模式類, 即空閑與非空閑, 設定合適閾值, 若計算出來的輪廓面積除以此車位的總面積的結果大于此值, 則認為此車位有車輛停放, 若小于該值(可能是有垃圾或者車輛正在進入/駛出), 則認為此車位沒有車輛停放, 由于本應用中每隔5秒檢測一次, 對于正在進入/駛出的車輛, 可以大大降低被誤判的概率.

整體的設計流程圖見圖8, OpenCV具有優(yōu)秀的執(zhí)行速度, 擁有很強的實際應用能力, 在實際中可以通過將攝像頭安裝于云臺之上, 讓一個攝像頭采集大量區(qū)域的空位信息, 從而降低成本.

圖8 空位檢測流程圖

最后, 通過上述圖像處理技術判斷出空位信息, 將空位統(tǒng)計信息(空位所在區(qū)域、空位號等)傳送給入口管理系統(tǒng), 管理系統(tǒng)就可以按照空位信息進行車位分配.

3 基于RFID的路徑引導

3.1 RFID技術概述

RFID即射頻識別技術, 這是現(xiàn)在較為流行的通信技術, 它通過射頻信號經(jīng)過一系列握手識別特定目標然后讀寫相關數(shù)據(jù), 而不需要進行直接接觸. 其工作框圖如圖9所示.

圖9 RFID工作框圖

RFID系統(tǒng)工作時先有閱讀器通過天線發(fā)送一定頻率的射頻信號, 標簽接收到射頻信號后回傳信息給閱讀器, 無源標簽利用閱讀器提供的電磁能, 被閱讀器激活后將內(nèi)部的EPC編碼及用戶區(qū)信息發(fā)送給閱讀器,有源標簽內(nèi)部有電池, 可以利用自身能量將信息發(fā)送給閱讀器, 識別距離較遠. 計算機可以對閱讀器進行一系列控制來間接控制標簽.

3.2 系統(tǒng)需求分析

本設計從RFID的特性出發(fā), 建立模型, RFID無源標簽的識別距離最大可為10米, 若進一步設計閱讀器的天線, 調(diào)整其主瓣寬度, 天線增益, 方性函數(shù), 可讓其對固定方位的目標進行遠距離識別, 車身多為金屬, 但駕駛員左側的車窗為絕緣體, 適合電磁波的傳輸, 將停車場的閱讀器放在駕駛員的左側, 在閱讀器后面幾米出可以放置顯示屏幕進行車輛引導.

設計簡圖見圖10, 圖中當車輛進入岔路口時, RFID閱讀器讀取駕駛員的標簽信息, 通過快速查詢數(shù)據(jù)庫,找到與之匹配的位置坐標, 并對該位置與當前岔路口所在位置進行比對, 將路徑引導提示信息顯示到LCD顯示器上, 駕駛員獲得路徑信息, 可以更方便的尋找車位.

圖10 車位引導示意圖

3.3 路徑引導算法的實現(xiàn)

本設計的核心在于如何快速有效進行路徑引導,因此必須具備輕量級算法的特點, 該算法將停車場的平面圖建立坐標系(100*100), 每個車位, 岔路口均為一個坐標值. 把車位坐標與岔路口坐標做差, 得到車位處于岔路口的什么位置, 如果x坐標差小于10, 會提示”在您的左側或右側, 請注意”, 如果y坐標差小于10, 會提示”前行一小段距離”, 然后根據(jù)駕駛員RFID中記錄的車位信息與提示語句進行組合, 形成人性化的提示語句, 在LCD屏幕上進行顯示. 這樣, 在實際進行停車場引導的時候, 每個引導牌只需要一個岔路口坐標值, 就可以利用此坐標對全部車輛進行指引. 數(shù)據(jù)庫需要建立了坐標信息表, 表中記錄了所有車位的坐標值. 路徑引導算法步驟見圖11.

同時為了在駕駛員離開岔路口之前引導信息已經(jīng)顯示在LCD屏幕上, 可以將閱讀器放在岔路口前方, 這樣可以預先感知車輛的到來, 數(shù)據(jù)庫索引使用Hashtable這樣可以強化執(zhí)行效率.

QT程序?qū)崿F(xiàn)路徑引導的關鍵代碼如下所示:

圖11 路徑引導算法

圖12 軟件設計流程

3.4 路徑引導實驗設計

本系統(tǒng)的主控平臺為ARM9, 型號為S3C2440, 將ARM9移植了Linux操作系統(tǒng), 并安裝了Sqlite數(shù)據(jù)庫與QTE4.7. 閱讀器通過串口與ARM9進行連接, 通過擴展串口驅(qū)動, 獲得串口操作的系統(tǒng)調(diào)用, ARM9可以通過高速運算實時檢測周圍的標簽. RFID有固定的指令幀格式, 包括命令幀, 響應幀, 通知幀. 按照一定的邏輯順序發(fā)送指令, 當監(jiān)測到標簽時, 發(fā)送select指令, 鎖定標簽的EPC編碼, 然后進一步發(fā)送讀卡指令獲得指定用戶區(qū)的信息. 這時, 將用戶區(qū)編碼寫入Linux共享內(nèi)存[7],共享內(nèi)存是不同進程間通信的常用辦法, 來協(xié)調(diào)程序的進行. 最后Qt圖形化程序檢測到共享內(nèi)存中的數(shù)據(jù)顯示不同的圖像進行引路[8].

路徑導向標識牌放在進入停車場的岔路口, 讓RFID閱讀器實時監(jiān)測過往車輛, 當發(fā)現(xiàn)過往車輛到來時, 連接ARM9的顯示器顯示正確的引導信息. 軟件設計流程如圖12所示.

路徑引導算法可以將基礎語句按照不同的車位坐標進行組合, 實現(xiàn)了人性化提示語句, 完成了引導的工作[9], 這么做的優(yōu)點是讓駕駛員體驗賓至如歸的感覺,較之傳統(tǒng)的停車場, 給用戶更加溫馨的體驗. 硬件效果見圖13.

圖13 引路牌硬件效果圖

4 基于云平臺的微信公眾服務

4.1 智能停車場的云服務概述

近年來隨著網(wǎng)絡技術的快速發(fā)展, 以及互聯(lián)網(wǎng)的大范圍普及, 網(wǎng)上沖浪, 網(wǎng)上購物已經(jīng)成為當代居民不可缺少的生活方式[10]. 云計算(cloud computing)是以互聯(lián)網(wǎng)為基礎的相關服務的使用, 增加, 交付模式, 一般涉及通過互聯(lián)網(wǎng)來提供動虛擬的易擴展資源.

智能停車場的微信公眾服務可以讓用戶在任意時間、任意地點了解停車場的空位情況, 并進行位置預約等相關服務, 同時它也可以將多個智能停車場互聯(lián)形成一個整體, 可以獲取用戶地理位置推薦最近距離停車場, 對停車場的整體發(fā)展以及用戶的快捷服務有巨大貢獻.

4.2 軟件設計與實現(xiàn)

本系統(tǒng)將使用云服務器來作為后臺服務器, 接收停車場空位信息, 以及將空位信息實時傳達給用戶[11].使用PHP的套接字與GPRS遠程通信. 將遠程的Cortex-A8處理器發(fā)送過來的空位信息保存在MySql數(shù)據(jù)庫中,并將之顯示在網(wǎng)頁中. 軟件設計流程如圖14所示.

圖14 軟件設計流程圖

公眾號界面見圖15. 界面中紅色代表位置被占用,綠色代表空閑. PHP程序通過GPRS每10s傳過來的數(shù)據(jù)進行解析獲得有效數(shù)據(jù), 并將之存放在MySql數(shù)據(jù)庫中. 同時PHP搭配HTML完成網(wǎng)頁顯示的功能. PHP查詢數(shù)據(jù)庫, 并將顏色變量傳給HTML, HTML根據(jù)變量的值顯示車位信息. 選擇微信公眾號可以方便用戶, 同時可以便于用戶意見反饋, 更容易實現(xiàn)用戶與開發(fā)者的互動, 形成良性循環(huán)[12].

圖15 微信公眾號界面

5 結語

現(xiàn)有智能停車場在重點在于車位檢測與用戶管理,但缺乏用戶的人性化體驗. 本設計針對目前國內(nèi)停車場車位引導系統(tǒng)功能的缺失, 所引起車主尋找車位難和找車難的問題, 提出了一種適用大型停車場的智能停車場管理系統(tǒng)解決方案. 采用了機器視覺的空位檢測技術, 人性化的車輛引導系統(tǒng), 以及便民的微信公眾服務, 完成了一體化的現(xiàn)代化智能停車場雛形, 其所采用的RFID智能引導可以使管理與引導合二為一, 給用戶更加溫馨的使用體驗, 這可以為智能停車場的發(fā)展起到啟迪與引導作用.

1潘正軍, 張屹. 基于RFID的智能停車場管理系統(tǒng)設計與實現(xiàn). 電腦知識與技術, 2015, 11(14): 234–236, 251.

2郭穩(wěn)濤, 何怡剛. RFID平臺實現(xiàn)停車場智能管理的研究.自動化儀表, 2010, 31(11): 34–37. [doi: 10.3969/j.issn.1000-0380.2010.11.011]

3Teodorovi? D, Lu?i? P. Intelligent parking systems.European Journal of Operational Research, 2006, 175(3):1666–1681. [doi: 10.1016/j.ejor.2005.02.033]

4Yan GJ, Yang WM, Rawat DB, et al. SmartParking: A secure and intelligent parking system. IEEE Intelligent Transportation Systems Magazine, 2011, 3(1): 18–30. [doi:10.1109/MITS.2011.940473]

5羅超. 走進智慧新時代——2015年我國停車場市場調(diào)查.CPSE第十五屆安博會. 深圳, 中國. 2015. 136–137.

6王月雅. 2012年中國停車場管理系統(tǒng)市場規(guī)模分析及發(fā)展預測. 中國安防, 2013, (8): 73–79.

7唐輝. 基于RFID的智能停車場管理系統(tǒng)關鍵技術研究[碩士學位論文]. 武漢: 武漢理工大學, 2008: 30–40.

8毛星云, 冷雪飛. OpenCV3編程入門. 北京: 電子工業(yè)出版社, 2015: 93–95.

9許信順, 賈智平. 嵌入式Linux應用編程. 北京: 機械工業(yè)出版社, 2007.

10高聚銀. 基于云平臺的智能家居系統(tǒng)設計與實現(xiàn)[碩士學位論文]. 哈爾濱: 哈爾濱工業(yè)大學, 2013: 10–20.

11Jang BT, Kim DH, Yoo JJ, et al. Intelligent parking guidance apparatus and method: US, US7825827B2. 2010-11-02.

12Yan GJ, Olariu S, Weigle MC, et al. SmartParking: A secure and intelligent parking system using NOTICE. Proc. of the 11th International IEEE Conference on Intelligent Transportation Systems. Beijing, China. 2008. 18–30.

Parking Lot Based on Machine Vision and RFID Intelligent Guidance

GAO Tong, FAN Dao-Er-Ji, JIA Cheng-Guo, LIU Chen-Yan
(Department of Electronic Engineering, College of Electronic Information Engineering, NeiMongol University, Hohhot 010021, China)

With the urbanization and the improvement of people’s living standards, the number of private cars in recent years has been increasing. It is difficult to find cars in parking lots, and the service is poor, which poses more demands on the automation of the intelligent parking lots and the service quality. Mainly serving for management and testing functions, traditional intelligent parking lots are inadequate in the vehicle guidance and customer service. To this end, this article builds an intelligent parking lot in embedded platform, which offers machine vision-based space detection, human intelligent RFID smart guide, and a complete management system and convenient WeChat public services.

machine vision; embedded Linux; RFID; cloud platform; parking guidance; GUI

高通,范道爾吉,賈成果,劉晨燕.基于機器視覺與RFID智能引導停車場.計算機系統(tǒng)應用,2017,26(7):71–77. http://www.c-sa.org.cn/1003-3254/5825.html

2016-10-14; 收到修改稿時間: 2016-11-21