基于智能小車的鄉(xiāng)村社區(qū)環(huán)境監(jiān)管系統(tǒng)設(shè)計

王春宇 張道誠 徐宏偉 姜林

關(guān)鍵詞： 智能小車;自動巡航；不文明行為識別;臟亂環(huán)境檢測; 鄉(xiāng)村環(huán)境治理

1 概述

建設(shè)美麗鄉(xiāng)村，必須以生態(tài)為本，在鄉(xiāng)村振興戰(zhàn)略的持續(xù)影響下，鄉(xiāng)村社區(qū)治理工作逐漸受到重視[1]。但是，由于鄉(xiāng)村社區(qū)生活環(huán)境治理受到各種因素影響，導(dǎo)致環(huán)境保護形勢不容樂觀，環(huán)境監(jiān)管急需加強[2]，新農(nóng)村的社區(qū)環(huán)境建設(shè)仍存在很大問題。

隨著鄉(xiāng)村的日益發(fā)展，鄉(xiāng)村治理手段日益增加，調(diào)查顯示，我國現(xiàn)有鄉(xiāng)村社區(qū)環(huán)境治理方法有如下幾點：吳惟予、肖萍倡導(dǎo)從生態(tài)文明的角度引入契約關(guān)系，以環(huán)境自治契約為核心構(gòu)建鄉(xiāng)村環(huán)境契約管理體系[3]；楊浩勃、黃斌歡、姚茂華支持限制政府支持市場的盈利傾向，并在鄉(xiāng)村地區(qū)建立受國家、市場和社會影響的環(huán)境治理平衡[4]；趙永峰基于長期健康的鄉(xiāng)村綜合治理視角，倡議健全鄉(xiāng)政府管束機制，促進全民參與，完善法律管制[5]；肖萍、朱國華認(rèn)為，引入第三方治理是解決農(nóng)村環(huán)境資本匱乏、法治缺失、主體不明等問題的重要途徑[6]。

總體來說，我國鄉(xiāng)村生活環(huán)境治理主要應(yīng)用兩種模式，一種是傳統(tǒng)治理模式，另一種是新興的PPP模式[7]。傳統(tǒng)鄉(xiāng)村社區(qū)生活環(huán)境治理模式屬于“政府直控”模式。PPP模式主要是政府機構(gòu)與私營部門進行合作，政府給予政策支持，私營部門通過產(chǎn)品及服務(wù)端實現(xiàn)鄉(xiāng)村社區(qū)治理[8]。不論是傳統(tǒng)治理模式還是新興的PPP模式，均存在以下兩點問題：

（1） 鄉(xiāng)村社區(qū)環(huán)境治理中村民主體意識缺失[9]。“免費搭車者”現(xiàn)象在環(huán)境治理中較容易產(chǎn)生，從而“政府干、群眾看”情形在某些地方成為一種常態(tài)。

（2） 政府主導(dǎo)作用發(fā)揮不充分[10]。該問題主要體現(xiàn)在管理體制的不完善，包括基層政府管理的碎片化、多頭化等，造成對鄉(xiāng)村社區(qū)生活環(huán)境治理監(jiān)管的匱乏。

針對以上兩點問題，本文提出一種基于智能小車的鄉(xiāng)村社區(qū)智慧環(huán)境監(jiān)管系統(tǒng)，實現(xiàn)對鄉(xiāng)村社區(qū)環(huán)境進行治理。不同于傳統(tǒng)的治理方式，它將搭載了自動巡航、臟亂環(huán)境檢測、不文明行為識別、智能語音播報功能的小車投入鄉(xiāng)村進行使用，通過智能小車協(xié)助管理人員，達到規(guī)范村民的行為、養(yǎng)成良好的環(huán)境意識、更好地治理環(huán)境的目的，從根本上對鄉(xiāng)村社區(qū)環(huán)境進行整治。

2 系統(tǒng)架構(gòu)

基于智能小車的鄉(xiāng)村社區(qū)環(huán)境監(jiān)管系統(tǒng)架構(gòu)如圖1所示，該系統(tǒng)以智能小車作為硬件平臺在鄉(xiāng)村社區(qū)進行自動巡航，主要負(fù)責(zé)圖像數(shù)據(jù)采集，并將采集到的數(shù)據(jù)經(jīng)由深度神經(jīng)網(wǎng)絡(luò)識別模型，將不文明行為識別結(jié)果和臟亂環(huán)境檢測結(jié)果反饋至監(jiān)管后臺，鄉(xiāng)村社區(qū)環(huán)境治理人員依據(jù)監(jiān)管后臺數(shù)據(jù)對鄉(xiāng)村環(huán)境進行治理。

3 關(guān)鍵算法設(shè)計

3.1 自動巡航算法設(shè)計

自動巡航算法主要包括地圖構(gòu)建（Gmapping 算法）與路徑規(guī)劃（TEB 算法），自動巡航流程如圖2所示。

3.1.1Gmapping 算法

Gmapping 是2007 年由GiorgioGrisetti 和Cyrill?Stachniss等人提出的[11]，它是一種基于Rao-Blackwellized粒子濾波器的二維激光SLAM技術(shù)。Gmapping可以實時構(gòu)建環(huán)境地圖，且地圖精度較高，對激光雷達掃描頻率要求較低等優(yōu)勢，因此，本文采用該算法進行實時定位與地圖構(gòu)建。

ROS提供了一個Gmapping的算法功能包，它的整體架構(gòu)見圖3，它可以為智能小車的深度信息、IMU信息、里程表信息以及在完成必要的參數(shù)設(shè)置后生成并輸出二維網(wǎng)格圖。

3.1.2 TEB 路徑規(guī)劃算法

TEB算法就是在起點與終點位姿的全局路徑中以時間ΔTi 為間隔均勻插入N個中間位姿，對各個中間位姿施加約束。通過這個優(yōu)化變形，找到滿足各種約束的最終可行路徑[12]。

設(shè)智能小車的n 個位姿Si = [ x ] i，yi，δi ，xi，yi 表示智能小車的位置信息，δi 表示方向。則智能小車的位姿有序序列為：

通過合并連續(xù)位姿的時間間隔，生成一個時間間隔序列：

智能小車的軌跡表示為：

加速度的約束是根據(jù)兩個連續(xù)的平均速度計算，通過歐氏距離單位時間內(nèi)的變化量計算，需要考慮三個連續(xù)位姿和相應(yīng)的兩個時間間隔：

規(guī)劃出的路徑以時間最優(yōu)為目標(biāo)，該方法代替了其他路徑規(guī)劃算法以路徑最短為目標(biāo)的做法，可使智能小車花費最短的時間到達目標(biāo)點，時間約束的目標(biāo)函數(shù)：

3.2 不文明行為識別與臟亂環(huán)境檢測算法設(shè)計

考慮到計算機本身的性能問題以及便捷的云平臺，最終模型的訓(xùn)練與導(dǎo)出均在飛槳平臺AISTUDIO上完成，模型的部署及測試在樹莓派上完成。

3.2.1 模型選擇

本文本著略微降低精準(zhǔn)性，極大提高推理速度的原則，對目標(biāo)檢測算法進行研究。經(jīng)過對現(xiàn)有主流檢測算法的資料查閱以及實驗，發(fā)現(xiàn)PP-YOLOv2[13]算法不僅推理速度快，而且精確度高，故本文最終選用PP-YOLOv2模型。

3.2.2 模型訓(xùn)練

PP-YOLOv2模型的訓(xùn)練過程可以分成兩部分，如圖4所示：

上方支路使用卷積神經(jīng)網(wǎng)絡(luò)對圖像進行特征提取，并對候選區(qū)域的位置和類別進行預(yù)測。特征圖的大小隨著網(wǎng)絡(luò)不斷向前傳播而逐漸縮小，每一個像素點都表示了更為抽象的特征，直至最終得到特征圖。下方分支則是按一定規(guī)則在圖片上進行圖像劃分，然后生成錨框，根據(jù)候選框與真實框的位置關(guān)系，生成預(yù)測框。最后關(guān)聯(lián)上方的特征圖與下方的預(yù)測框，創(chuàng)建損失函數(shù)，對模型進行訓(xùn)練。

為了解決鄉(xiāng)村街道圖像中的環(huán)境復(fù)雜、少量的特征圖難以得到高性能的不文明行為識別與臟亂環(huán)境檢測模型的問題。

首先，擴大輸入圖像尺寸，擴大輸入是為了增大目標(biāo)區(qū)域，從而使網(wǎng)絡(luò)更容易捕捉小尺幅目標(biāo)的信息。

其次，在檢測頸采用了FPN（特征金字塔網(wǎng)絡(luò)）的變形之一——PAN[15（] 路徑聚合網(wǎng)絡(luò)）由頂部到底部進行特征信息聚合。檢測頸采用的激活函數(shù)為在YO?LOv4和YOLOv5上表現(xiàn)良好的mish激活函數(shù)。

最后，為了解決最終的檢測對象預(yù)測忽略了IoU的問題，本文采用將對象預(yù)測與IoU綜合起來得到一個新的對象預(yù)測的做法：

3.2.3 模型的導(dǎo)出與部署

模型導(dǎo)出通過PaddleDection將訓(xùn)練好的模型進行導(dǎo)出，通過PaddleLite將導(dǎo)出模型轉(zhuǎn)換為nb文件并嵌入樹莓派，然后在樹莓派端安裝PaddleLite工具，最后在樹莓派端利用PaddleLite工具進行相應(yīng)的部署。

4 系統(tǒng)實驗

4.1 硬件系統(tǒng)

本文的主體是EPRobot智能機器人小車，EPRobot智能機器人小車是計算機編程、機器人開發(fā)以及嵌入式系統(tǒng)開發(fā)等方向定制開發(fā)的學(xué)習(xí)平臺。小車主要由樹莓派4B、底盤控制器、激光雷達、深度相機、2個配有編碼器的電機以及底盤組成。它內(nèi)置了Ubuntu18.04操作系統(tǒng)，并安裝了ROS-melodic版本的機器人開發(fā)框架，不僅可以進行嵌入式Linux系統(tǒng)以及ROS系統(tǒng)的實踐與開發(fā)，同樣能夠非常方便快捷地實現(xiàn)各種機器人控制的算法與程序。

4.2 軟件平臺

為了能夠通過一系列的指令實現(xiàn)對機器人小車的控制，使其完成同步定位與建圖以及識別等工作。在個人PC端通過與機器人小車端連接進行數(shù)據(jù)關(guān)聯(lián)，ROS 系統(tǒng)將數(shù)據(jù)無線傳輸，組建成一個完整的平臺。

4.3 數(shù)據(jù)集介紹

PASCAL Visual Object Classes（簡稱PASCALVOC）[16] ，是一個世界級的計算機視覺挑戰(zhàn)賽。2005年～2012年間，該視覺挑戰(zhàn)賽每年都發(fā)布帶標(biāo)簽的圖像數(shù)據(jù)庫并開展算法競賽，由此產(chǎn)生了一系列數(shù)據(jù)集。本文使用的數(shù)據(jù)集為VOC格式數(shù)據(jù)集，其中，標(biāo)簽文件存放到Annotations 文件夾中，樣本圖集存入Images文件夾中。其中250張樣本作為驗證集，1575張樣本圖片作為訓(xùn)練集，675張樣本作為測試集。

4.4 實驗效果及討論

智能小車通過巡航算法在鄉(xiāng)村社區(qū)進行自動巡航，通過車載攝像頭實時采集圖像數(shù)據(jù)，運用不文明行為識別和臟亂環(huán)境檢測算法識別不文明行為和檢測臟亂環(huán)境。實驗在學(xué)校教學(xué)樓旁道路展開，其場景整體較為適合模擬鄉(xiāng)村社區(qū)道路模擬。實驗結(jié)果如圖5、圖6所示。

5 結(jié)論

本文通過對鄉(xiāng)村社區(qū)環(huán)境治理現(xiàn)有模式的研究發(fā)現(xiàn)，現(xiàn)有模式主要存在村民在環(huán)境治理過程中主體意識缺乏的弊端，針對這一問題，本文設(shè)計一種基于智能小車的鄉(xiāng)村社區(qū)環(huán)境監(jiān)管系統(tǒng)。該系統(tǒng)同傳統(tǒng)治理方式不同，其在通過智能小車實現(xiàn)智能監(jiān)管的同時，在很大程度上解決了村民主體意識缺乏的問題，從而有力推動了鄉(xiāng)村振興的建設(shè)。