基于機(jī)器視覺的停車位檢測研究

陸一賓，沈鈺博，王 伊，郭 倫

基于機(jī)器視覺的停車位檢測研究

陸一賓，沈鈺博，王 伊，郭 倫

（長安大學(xué) 汽車學(xué)院，陜西 西安 710064）

隨著汽車在智能化領(lǐng)域的不斷發(fā)展，智能泊車技術(shù)已成為當(dāng)前的研究熱點(diǎn)，而停車位的檢測又是進(jìn)行智能泊車的前提。據(jù)此，文章提出了一種基于機(jī)器視覺的停車位檢測方法，該方法首先對采集的圖像進(jìn)行濾波處理、二值化處理、邊緣檢測等預(yù)處理工作，隨后在預(yù)處理的基礎(chǔ)上利用霍夫變換實(shí)現(xiàn)對停車位的檢測。在檢測的過程中，使用MATLAB軟件對上述算法進(jìn)行實(shí)現(xiàn)，并基于GUI平臺搭建了用于停車位檢測的可視化交互界面。實(shí)驗(yàn)結(jié)果表明，文章所提出的方法能夠較為準(zhǔn)確地實(shí)現(xiàn)對停車位的檢測，但在實(shí)驗(yàn)過程中也發(fā)現(xiàn)，當(dāng)停車位區(qū)域污損較為嚴(yán)重時，該檢測算法檢測效果會降低。

機(jī)器視覺；停車位檢測；圖像處理；GUI

隨著我國社會經(jīng)濟(jì)的飛速發(fā)展和居民生活水平的提高，我國每年新增機(jī)動車和駕駛員數(shù)量的比重不斷增加，停車難的問題愈發(fā)突出。近幾年隨著計(jì)算機(jī)技術(shù)的快速發(fā)展以及市場對于汽車功能需求的增加，智能泊車技術(shù)已成為國內(nèi)各科研院校研究的熱點(diǎn)，而進(jìn)行智能泊車的前提是進(jìn)行停車位的檢測，其檢測的精度直接決定著后續(xù)泊車路徑規(guī)劃和泊車策略執(zhí)行的好壞。

目前對于停車位的檢測研究主要可以分為基于機(jī)器視覺方法和基于非視覺方法。利用激光雷達(dá)和超聲波傳感器是最常用的非視覺方法，基于機(jī)器視覺方法就是對采集的圖像進(jìn)行處理分析來檢測出停車位。KHALED等[1]利用灰度圖像來實(shí)現(xiàn)對停車位的檢測，通過尋找圖像灰度直方圖的最大值和提取灰度直方圖的帶寬，實(shí)現(xiàn)對不同場景下停車位的檢測。SAIRAM等[2]通過深度學(xué)習(xí)的方法，利用Mask R-CNN模型對圖像邊界進(jìn)行分割，通過利用車輛在車位的占用面積實(shí)現(xiàn)對停車位的檢測。仇小剛[3]利用停車位固有的矩形特征來提取停車位的輪廓，并對直線檢測的方法進(jìn)行優(yōu)化，最后將檢測的特征組合形成停車位。張乾等[4]利用隨機(jī)森林模型的方法，通過將Haar-like特征和停車位內(nèi)顏色的變化作為模型輸入，從而實(shí)現(xiàn)對停車位的檢測。本文主要是基于機(jī)器視覺的方法，對采集的圖像進(jìn)行相應(yīng)的處理，來實(shí)現(xiàn)對停車位的檢測。

1 圖像預(yù)處理

由于獲取的圖像質(zhì)量會受到周圍環(huán)境等多方面因素的影響，因而需要對圖像進(jìn)行相應(yīng)的預(yù)處理，去除圖像中外界的干擾信息，從而提高算法的檢測精度。本文使用的停車位圖像為自行拍攝的汽車試驗(yàn)場內(nèi)停車位圖像，處理軟件為MAT- LAB R2020b，計(jì)算機(jī)處理器為Intel(R) Core(TM) i7-8550U，CPU主頻為1.80 GHz，8GBRAM。

1.1 圖像灰度化

由于采集的原始圖像一般為彩色圖像，包含RGB三個通道信息，其信息量較大，為提高算法的檢測速度，需要將采集的彩色圖像轉(zhuǎn)化為灰度圖像，灰度圖像也能保留檢測停車位所需的特征信息。本文采用加權(quán)平均法對圖像進(jìn)行灰度化處理，處理結(jié)果如圖1所示。加權(quán)平均值法是根據(jù)圖像通道信息重要程度的不同分別賦予其不同的權(quán)值，并對其值進(jìn)行加權(quán)平均[5]。經(jīng)過多次試驗(yàn)，當(dāng)對各通道信息分別賦予0.25、0.63、0.12權(quán)值時處理效果較好，其原理公式為

（1）

1.2 圖像濾波

由于在圖像采集的過程中不可避免地會受到外界噪聲的影響，且圖像經(jīng)過灰度化處理后仍存在噪聲干擾，這將直接影響后續(xù)停車位檢測精度，因而需要對灰度化處理后圖像進(jìn)行進(jìn)一步濾波處理。目前常用的濾波算法有均值濾波算法、中值濾波算法、高斯濾波算法。經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)，高斯濾波處理后的圖像在后續(xù)的檢測工作中效果最好，處理結(jié)果如圖2所示?？梢园l(fā)現(xiàn)，濾波后的圖像較灰度圖相比變得更加模糊，這正是濾除外界環(huán)境噪聲后的表現(xiàn)，經(jīng)過濾波后的圖像能夠很好地避免噪聲的干擾，從而達(dá)到更好的檢測效果[6]。

圖2 濾波圖

1.3 圖像二值化

圖像經(jīng)過灰度化和高斯濾波處理后，其像素點(diǎn)的灰度值為0～250，此時已經(jīng)可以通過算法識別停車位的輪廓，為了得到更加準(zhǔn)確清晰的停車位邊緣信息，需要對圖形進(jìn)行二值化處理。圖像二值化就是對濾波處理后圖像上像素點(diǎn)的灰度值進(jìn)行重新賦值，當(dāng)圖像像素點(diǎn)的灰度值小于設(shè)定的灰度判別閾值時，該像素點(diǎn)灰度值將變?yōu)?，圖像上顯示為黑色，反之則變?yōu)?55，圖像上顯示為白色。圖像經(jīng)過二值化處理可以有效地分割停車位與周圍路面環(huán)境，尤其是當(dāng)停車位圖像與路面圖像的灰度值相差不大時，經(jīng)過二值化處理后可以提高停車位的檢測精度[7]。

在對圖像二值化處理時，灰度閾值的選擇直接影響二值化的效果，且由于不同圖像的最佳灰度判別閾值是不同的，故本文采用自適應(yīng)閾值的算法對圖像進(jìn)行二值化處理。二值化處理后的結(jié)果如圖3所示，同時也展示了經(jīng)過均值濾波和中值濾波后的二值化圖像，結(jié)果也體現(xiàn)了高斯濾波濾除噪聲干擾的效果較好。

1.4 圖像邊緣檢測

對圖像進(jìn)行灰度化、濾波、二值化處理后，就可以得到一張像素點(diǎn)灰度值為0或255的黑白圖像，灰度值為255的白色區(qū)域就是停車位的輪廓位置，據(jù)此可以通過邊緣檢測算法得到停車位的輪廓信息。由于Canny算法具有良好的抑噪能力，同時采用雙閾值的原理對圖像邊緣進(jìn)行連接，使得圖像邊緣連續(xù)性更好，因而本文采用Canny算法檢測停車位的邊緣輪廓信息，檢測結(jié)果如圖4所示。

圖4 邊緣檢測圖

2 Hough變換

Hough變換是機(jī)器視覺中常用的物體識別算法，一般用于檢測圖像中具有某些特定形狀的物體，如直線、橢圓等。Hough變換的核心就是將圖像空間的點(diǎn)轉(zhuǎn)化成參數(shù)空間中的直線或曲線，對圖像中某條直線或曲線上所有點(diǎn)進(jìn)行Hough變換就會在參數(shù)空間的某處形成一個參數(shù)峰值。由于停車位區(qū)域的停車線均為直線，因而本文采用Hough變換對停車位進(jìn)行檢測。

Hough變換的基本原理就是從圖像空間到參數(shù)空間的映射，設(shè)待擬合直線的斜率為，截距為，則直線上每個點(diǎn)經(jīng)過映射變換后會在參數(shù)空間上形成一條過點(diǎn)（,）的直線，求取這些直線的交點(diǎn)坐標(biāo)，即可得到原圖像中直線的參數(shù)信息。但為避免待擬合直線的參數(shù)和出現(xiàn)無限大的情況，從而導(dǎo)致其無法映射到參數(shù)空間的固定點(diǎn)，常將直線轉(zhuǎn)化極坐標(biāo)方程：

式中，為直線距離原點(diǎn)的垂直距離；為軸與經(jīng)過原點(diǎn)與直線垂直線的夾角。

此時直線上的點(diǎn)（x,y）經(jīng)過映射后就會轉(zhuǎn)化為參數(shù)空間上如式所示的曲線：

為了得到交點(diǎn)處（,）的值，需要將參數(shù)空間劃為離散的累加單元，通過逐步變化的方式可得到曲線上相應(yīng)的值，并使對應(yīng)的累加單元加一，隨后遍歷參數(shù)空間，累加值最大的單元對應(yīng)的值就是原圖像空間對應(yīng)的直線參數(shù)[8]。將得到的參數(shù)值經(jīng)過轉(zhuǎn)換可以得到停車位在原圖上的坐標(biāo)，從而將停車位區(qū)域繪制出來，檢測的結(jié)果如圖5所示。從檢測結(jié)果上看，該方法能夠?qū)崿F(xiàn)對停車位區(qū)域的檢測。

圖5 檢測結(jié)果圖

3 搭建GUI可視化界面

為了便于上述檢測過程的可視化，利用MAT- LAB提供的GUI平臺搭建一個便于操作的交互界面，如圖6(a)所示。該界面可實(shí)現(xiàn)各環(huán)節(jié)停車位圖片的處理，最后實(shí)現(xiàn)停車位的檢測與顯示，此外該界面還可比較不同灰度化算法和濾波算法處理效果的優(yōu)劣。該交互界面最終的處理結(jié)果如圖6(b)所示，從圖中可以發(fā)現(xiàn)，該工作界面能夠?qū)崿F(xiàn)對于停車位的檢測過程的顯示工作。

4 總結(jié)

本文提出了一種基于機(jī)器視覺的停車位檢測方法。在對停車位檢測的過程中，首先對采集的圖像進(jìn)行灰度化處理，接著對灰度化后的圖像進(jìn)行高斯濾波以減少外界噪聲等因素的干擾，隨后對其進(jìn)行二值化處理和邊緣檢測以保留清晰的停車位輪廓信息，經(jīng)過上述的預(yù)處理后，接著采用Hough變換檢測圖像中的停車線并將其在原圖顯示出來，最后將整個檢測過程搭建成可視化的GUI交互界面。從最終的檢測效果看，本文提出的方法基本可以實(shí)現(xiàn)對汽車試驗(yàn)場中停車位的檢測。

[1] KHALED S,HOUWEIDA T.Parking Space Detection System Using Video Images[J].Transportation Research Record,2015,2537(1):137-147.

[2] SAIRAM B,AGRAWAL A,KRISHNA G,et al. Autom- ated Vehicle Parking Slot Detection System Using Deep Learning[C]//2020 Fourth International Confe- rence on Computing Methodologies and Communi- cation (ICCMC).Piscataway:IEEE,2020:750-755.

[3] 仇小剛.基于機(jī)器視覺的智能倒車輔助系統(tǒng)研究[D].沈陽:東北大學(xué),2014.

[4] 張乾,肖永菲,楊玉成,等.基于計(jì)算機(jī)視覺的室外停車場車位檢測實(shí)驗(yàn)設(shè)計(jì)[J].實(shí)驗(yàn)技術(shù)與管理,2019,36 (7):138-140,146.

[5] 谷崢.基于機(jī)器視覺的車道線檢測與識別算法[J].無線互聯(lián)科技,2022,19(24):138-140,144.

[6] 張勇,杜學(xué)峰,高越,等.基于傳統(tǒng)圖像處理算法的車道線檢測[J].汽車實(shí)用技術(shù),2022,47(2):20-23.

[7] 李夢.基于機(jī)器視覺的車道線在線識別系統(tǒng)設(shè)計(jì)[J].工程設(shè)計(jì)學(xué)報(bào),2020,27(4):498-507.

[8] 謝一峰.基于單目視覺的車道線檢測與智能車導(dǎo)航[D].上海:上海交通大學(xué),2013.

Research on Parking Space Detection Based on Machine Vision

LU Yibin, SHEN Yubo, WANG Yi, GUO Lun

( School of Automobile, Chang'an University, Xi'an 710064, China )

With the continuous development of cars in the field of intelligence, intelligent parking technology has become the current research hotspot, and the detection of parking space is the premise of intelligent parking. Therefore, this paper proposes a parking space detection method based on machine vision. The method first carries out filtering processing, binarization processing, edge detection and other pretreatment work on the collected image, and then realizes the detection of parking space using Hough transform on the basis of the pretreatment. In the process of detection, this paper uses MATLAB software to implement the above algorithm, and builds a visual interactive interface for parking space detection based on the GUI platform. Experimental results show that the proposed method can accurately detect parking spaces, but it is also found in the process of the experiment, when the parking space area is seriously polluted, the detection effect of the detection algorithm will be reduced.

Machine vision; Parking space detection; Image processing; GUI

U463.6

A

1671-7988(2023)19-56-05

10.16638/j.cnki.1671-7988.2023.019.011

陸一賓（1999－），男，碩士研究生，研究方向?yàn)轳{駛行為與生態(tài)駕駛，E-mail:1922831854@qq.com。