（计算机应用技术专业论文）基于全方位视觉技术的停车诱导系统的研究.pdf

基于全方位视觉技术的停车诱导系统的研究 摘要 计算机视觉技术在智能交通系统中的应用已经成为一种新的发展趋势，而停车诱导系 统是智能交通系统的重要分支，因此如何将计算机视觉技术应用于停车诱导系统中，便成 为一个具有较高研究价值且富有挑战性的课题。本文引入全方位视觉技术，利用全方位视 觉监控范围广、包含信息量大和受空间限n d , 的特点，研究了一种基于全方位视觉技术的 停车诱导系统。 本文以基于全方位视觉技术的停车诱导系统的核心停车信息为主线，主要剖析如 下四个问题：如何采集停车场视频信息，如何检测停车位占用情况，如何向在停车场内的 驾驶员提供引导信息，以及如何实现停车场信息的查询和统计。具体研究内容如下： l 、利用实验室自主研发的全方位视觉传感器采集停车场内的视频信息，并搭建了嵌 入式视频服务器，建立远程停车场视频信息采集平台。 2 、通过分析目前停车位视频检测算法的优缺点，设计了一种基于区域块模型的停车 位视频检测算法实现停车位占用情况的自动识别。 3 、研究基于a 宰算法的停车场最短停车路径搜索问题，并结合数据库和信息显示设备， 设计了一种停车场最短路径停车引导模型。 4 、提出一种城市数字交通编码体系，以实现从不同区域角度查询、统计停车场信息。 5 、使用j a v a 语言设计和实现了基于全方位视觉技术的停车诱导系统原型，实验了在 不同环境下的停车位视频检测和在不同停车场模型下的最短停车路径搜索仿真，测试了系 统的检测精度和鲁棒性，并对实验结果进行分析。 本文对全方位视觉技术在停车诱导系统应用中的几项关键技术做了探索研究，但离实 际应用还有一定的距离，还有很多内容需要进一步深入研究，希望本文的工作能够对后来 的研究者起到一定的参考作用。 关键词：停车诱导系统，全方位视觉，停车位视频检测，最短停车路径搜索 r e s e a r c ho fp a r n gg u i d a n c es y s t e m b a s e do no m n i d i r e c t i o n a lv i s i o n a b s t r a c t c o m p u t e rv i s i o nt e c h n o l o g ya p p l i e di ni n t e l l i g e n tt r a n s p o r t a t i o ns y s t e mh a sb e c o m ea n e w t r e n do fd e v e l o p m e n t p a r k i n gg u i d a n c es y s t e mi sa ni m p o r t a n tb r a n c ho fi n t e l l i g e n t t r a n s p o r t a t i o ns y s t e m s t h e r e f o r e ，h o wt ou s ec o m p u t e rv i s i o nt e c h n o l o g ya p p l i e di np a r k i n g g u i d a n c es y s t e mh a sb e c o m eav e r ym e a n i n g f u la n dc h a l l e n g i n gt a s k t h i sp a p e ri n t r o d u c e st h e o m n i - d i r e c t i o n a lv i s i o nt e c h n o l o g yw h i c hh a sa d v a n t a g eo fw i d em o n i t o r i n gr a n g e ，v a s t i n f o r m a t i o nc a p a c i t y ，a n ds m a l ls p a c ec o n s t r a i n t ，t os t u d yak i n do fp a r k i n gg u i d a n c es y s t e m b a s e do no m n i d i r e c t i o n a lv i s i o n t h ep a p e rt a k e sp a r k i n gi n f o r m a t i o na sm a i nl i n e ，w h i c hi st h ec o r eo fp a r k i n gg u i d a n c e s y s t e mb a s e do no m n i d i r e c t i o n a lv i s i o n ，t os t u d yf o l l o w i n gp r o b l e m s ：h o wt oc o l l e c tp a r k i n gl o t v i d e oi n f o r m a t i o n , h o wt oi d e n t i f yo c c u p a n c yo fp a r k i n gs p a c e ，h o wt og u i d ed r i v e ri nt h e p a r k i n gl o t ，a n dh o wt oq u e r ya n dg a t h e rp a r k i n gl o ts t a t i s t i c si n f o r m a t i o n t h em a i nr e s e a r c hi s s u m m a r i z e da sf o l l o w s ： 1 a p p l i e dt h eo m n i d i r e c t i o n a lv i s i o ns e n s o r ( o d v s ) w h i c h i sd e v e l o p e di n d e p e n d e n t l y b yo u ro w nl a b o r a t o r yt oc o l l e c tt h ep a r k i n gl o tv i d e oi n f o r m a t i o n ，a n dc o n s t r u c t e da ne m b e d d e d v i d e os e r v e rt oe s t a b l i s har e m o t ep l a t f o r mf o rp a r k i n gl o tv i d e oi n f o r m a t i o nc o l l e c t i o n 2 d e s i g n e dak i n do fp a r k i n gs p a c ev i d e od e t e c t i o na l g o r i t h mb a s e dr e g i o nb l o c km o d e lt o a u t o m a t i ci d e n t i f yt h eo c c u p a n c yo fp a r k i n gs p a c eb ya n a l y z i n gt h ea d v a n t a g ea n dd i s a d v a n t a g e o ft h ec u r r e n tp a r k i n gs p a c ev i d e od e t e c t i o na l g o r i t h m 3 s t u d i e dt h es u b j e c to fs h o r t e s tp a r k i n gp a t hs e a r c hb a s e do na s t a ra l g o r i t h m ，a n d c o m b i n e dt h ed a t a b a s ea n di n f o r m a t i o nd i s p l a yd e v i c et od e s i g nas h o r t e s tp a t hp a r k i n gg u i d a n c e m o d e li nt h ep a r k i n gl o t 4 p r o p o s e dak i n do fu r b a nd i g i tt r a n s p o r t a t i o nc o d es c h e m et oq u e r ya n dg a t h e rp a r k i n gl o t s t a t i s t i c si n f o r m a t i o nf r o md i f f e r e n tr e g i o np e r s p e c t i v e 5 u s e dj a v at od e s i g na n dr e a l i z et h ep a r k i n gg u i d a n c es y s t e mp r o t o t y p e ，e x p e r i m e n t e dt h e p a r k i n gs p a c ed e t e c t i o nu n d e rd i f f e r e n tc i r c u m s t a n c e ，s i m u l a t e dt h es h o r t e s tp a r k i n gp a t hs e a r c h ， t e s t e dt h es y s t e md e t e c t i o na c c u r a c ya n dr o b u s t n e s s ，a n da n a l y z e dt h ee x p e r i m e n t a lr e s u l t s t h i sp a p e rh a ss t u d i e ds e v e r a lk e yt e c h n o l o g i e sa b o u tt h ea p p l i c a t i o no fo m n i - d i r e c t i o n a l v i s i o nt e c h n o l o g yi np a r k i n gg u i d a n c es y s t e m ，b u tt h e r ei ss t i l lac e r t a i nd i s t a n c et ot h ep r a c t i c a l a p p l i c a t i o no fo u rr e s e a r c h h o p e dt h a to u rr e s e a r c hw o u l db ea b l et op l a yt h er e f e r e n c er o l et o t h ea f t e r w a r dr e s e a r c h e r s k e yw o r d s ：p a r k i n gg u i d a n c es y s t e m ，o m n i d i r e c t i o n a lv i s i o n ，p a r k i n gs p a c ev i d e o d e t e c t i o n ，s h o r t e s tp a r k i n gp a t hs e a r c h 图例 图1 1 论文的组织结构1 2 图2 1 系统总体设计图1 4 图2 - 2 大型停车场网络结构图1 5 图2 3 全方位视觉传感器采集生成的全景图像1 6 图2 4 某停车场的平面图1 6 图2 5 停车场平面图与监控区域之间的映射关系1 7 图2 - 6o d v s 结构。l8 图2 7 镜面设计1 9 图2 8 嵌入式l i n u xo d v s 实物分解图2 0 图2 - 9 嵌入式l i n u xo d v s 软硬件结构2 l 图2 1 0 软件总体框架图2 2 图2 1l 停车位视频检测算法流程一2 3 图3 1 高斯滤波效果图2 6 图3 - 2 模糊聚类分割效果图2 8 图3 3m e a ns h i f t 聚类分割效果图3 0 图3 _ 4 多值图连通域标记效果示意图3 l 图3 5 多值图连通域标记窗口3 2 图3 - 6 不同状态下停车位包含的区域块数量情况3 3 图4 1 抽象后的停车场结构模型3 5 图4 2 针对通道对象抽象后的停车场结构模型3 6 图4 3 到达指定停车位的最短行驶路线示意图3 8 图4 4 城市数字编码体系结构图4 0 图5 1 系统主界面图4 6 图6 1 模拟停车场实验台架5 0 图6 - 2 模拟停车场平面图5 0 图6 3 模拟实验停车位检测效果图5 1 图6 4 不同光照亮度下的模拟停车场停车位检测实验视频5 l 图6 5 全方位视觉传感器及采集支架装置5 2 图6 - 6 不同环境下的实际停车场停车位检测实验视频5 3 图6 - 7 全方位视觉传感器在不同安装高度下所拍摄的视频图像5 5 表例 表4 1 城市数字编码体系各编码位对应表4 0 表4 2 某停车场停车位状态检测表4 l 表4 3 某停车场停车位历史使用记录表4 l 表5 1 系统的软硬件条件表4 3 表5 2 系统菜单4 7 表5 3 功能实现表4 7 表6 1 停车位视频检测实验结果统计表5 4 表6 2 最短路径搜索仿真数据统计表5 6 浙江工业大学 学位论文原创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作 所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或 集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的 学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中 以明确方式标明。本人承担本声明的法律责任。 作者签名：企拇乳 日期：印年_ t - , e l 彤日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 l 、保密口，在年解密后适用本授权书。 2 、不保密日。 ( 请在以上相应方框内打“”) 作者签名：企鸷移 导师躲步乃_ 彳 臻 j 产 节歹7 1 1 课题背景 第1 章绪论 机动车在“停”和“行 两种状态之间必居其一。机动车的“停 形成了静态交通， 机动车的“行”形成了动态交通，两者共同构成城市道路交通。静态交通与动态交通一样， 是城市道路交通中不可分割的组成部分，动态交通以静态交通为起点，静态交通是动态交 通的延续。据资料【l 】显示，机动车处于静态交通状态下的时间明显超过动态交通状态下的 时间，两者的比例约为7 ：1 。动态交通为车辆提供车行道空间，静态交通为车辆提供停放 场所。作为为车辆提供安身之处的静态交通在城市道路交通中与动态交通一样具有同等重 要的地位。 由于在传统城市道路交通管理中，人们往往只重视对城市动态交通的疏导与控制，忽 视了对车辆停放等静态交通的规划、建设与管理，以及对车辆停放的诱导，使得违章停车 和占用道路等现象时有发生。 就杭州而言，2 0 0 0 年杭州城区拥有机动车9 万辆左右，2 0 0 3 年猛增到1 9 万辆。截至 2 0 0 7 年年底，杭州机动车保有量达到4 0 万辆，七年中翻了两番，但经市规划部门和公安 交通管理部门批准的停车位，不到6 万个，机动车保有量和停车位数量比约为6 6 ：1 ，停车 位供给严重不足。与此同时，部分停车场的利用率极低包括一些繁华商业区，存在大量停 车位闲置的情况。特别是杭州市地下停车库，一方面由于停车库缺乏诱导信息，另一方面 由于驾驶员在路边停车相对便利，造成许多地下停车库存在大量停车位闲置而地上道路两 侧却车满为患的情况。 导致这一问题的主要症结在于城市停车场的建设不足、管理不善以及缺乏先进的停车 诱导系统，造成了驾驶员为了寻找停车位而在道路上盲目寻找停车点。据国外调查数据显 示【2 】2 ，城市路面车流中大约有1 2 1 5 的车辆是在寻找停车位。另有国外报道说【3 】，在 巴黎市区寻找停车位耗费的汽油，占整个行车汽油的4 0 ，这不仅增加了道路交通拥堵， 而且加重了汽车尾气造成的环境污染，进而影响到城市的经济活力，制约城市的发展。 为解决“停车难”问题，常用的有两种方办法：一是控制需求，最直接的办法通过政 策影响，限制车辆的增加；二是增加停车位，也就是兴建停车场。但是这两个办法都有其 局限性。交通是社会发展和人民生活水平提高的基本条件，经济的发展必然带来出行的增 加，而且在我国汽车工业正处在起步阶段的时期，因此限制车辆的增加不是解决问题的好 办法。而采取兴建停车场增加停车位供给的方法，在资源、环境矛盾越来越突出的今天， 面对越来越多的机动车、有限的资源和财力以及环境的压力，也将受到限制，并不能彻底 解决问题，而且这样会带来交通拥挤。因此，如何充分提高现有停车场的利用率才是大多 数市中心和商业区解决“停车难”问题的主要出路。 而停车诱导系统【4 】正是解决停车场利用率问题的有效途径之一。停车诱导系统是智能 交通系统( i t s ) 的重要子系统之一，通过利用可变电子标志牌等设备为驾驶员提供静态和动 态停车诱导信息，包括停车场位置、停车位信息、路线相关道路交通状态等信息，指引驾 驶员快速找到停车场。 先进的停车诱导系统可以提高停车场的利用率，减少车辆由于寻找停车位而在道路上 或者在停车场内的巡游时间以及排放的尾气和噪声造成的环境污染【3 , 5 , 6 】，提高整个交通效 率【7 1 ，改善停车场的经营条件以及增加商业区域的经济活力等【8 1 。几十年来，停车诱导系 统的研究已经取得了许多理论和试验成果，但离完全实用化和智能化还有一定差距，仍有 许多问题待解决。 停车诱导系统一般由停车信息采集、信息加工、信息传输以及信息诱导等四部分组成。 其中停车信息采集模块为停车诱导系统提供了信息源，它是成功实现停车诱导系统的关键 环节。但是目前多数停车场在停车信息采集手段上停留在人工或者感应线圈等设备上，已 经不能满足日益智能化的停车诱导系统的需求。因此必须首先在停车场端进行智能化改 造，通过对其进行智能化改造，以满足先进的停车诱导系统的需求，这也是建设城市智能 交通系统的一个要求。 人类从外部世界获得的信息约有8 0 是由视觉获取的【9 1 。这既表明视觉的信息量大， 人类对视觉信息有较高的利用率，同时也体现了视觉功能的重要性。计算机视觉具有与被 观测的对象无接触的优点，因此对观测与被观测者之间都不会产生任何损伤，而且利用计 算机视觉技术可以提供丰富的视频图像信息，这是目前其它各种检测技术无法比拟的。 近年发展起来的全方位视觉传感器( o m n i d i r e c t i o n a lv i s i o ns e n s o r s ，简称o d v s ) 为 实时获取全方位视觉场景信息提供了一种新的解决方案。i e e e 从2 0 0 0 年开始举办每年一 次的全方位视觉的专门研讨会( i e e ew o r k s h o po no m n i d i r e c t i o n a lv i s i o n ) 。然而全方位视觉 作为一门新兴的技术，目前还主要局限在机器人导航领域，许多相关应用领域和关键技术 还有待研究。因此如何将全方位视觉技术运用于停车诱导系统中，便成为一个有重要意义 且富有挑战性的研究课题。 本文主要研究和讨论了全方位视觉技术在停车诱导系统应用中的几项关键技术，包括 2 停车信息采集技术，信息加工以及信息诱导等技术，其中停车信息采集技术包括视频信息 采集和停车位视频检测两方面。 1 2 国内外研究现状和发展趋势 1 2 1 停车信息采集技术 停车信息采集模块收集的数据包括静态数据和动态数据。静态数据包括停车场的位 置、名称、容量、楼层、区位、具体停车位位置、所在道路位置、收费价格等。静念数据 可以通过离线处理，一般只需一次性收集便可以长期使用；动态数据则是停车场的动态停 车位占用信息，这也是停车信息采集模块需要收集的关键内容。能否正确、快速、有效地 提取停车位占用信息将直接影响到信息发布和信息诱导的正确性和实时性。 停车信息中的动态数据采集方式可以根据是否有人参与可以分为人工采集和自动采 集两种方式。人工采集就是通过人工识别车辆进出，手工设定车辆进出场信息和空余停车 位信息。目前人工采集方式已经不能满足日益智能化的停车场的需求。自动采集方式是通 过借助其他设备自动感知车辆的存在，并将停车信息发送到控制中心。目前自动采集技术 主要有以下方法：磁性检测【1 0 , 1 1 】、超声波检测【1 2 】、红外线检测【13 1 、质量检测、视频检测【1 4 1 。 按检测器的工作方式及工作时候的电磁波波长范围，将检测器划分成感应线圈检测器、超 声波检测器、红外线检测器、视频检测器等四大类。 1 感应线圈检测器 感应线圈检测器是传统的信息检测器，是目前世界上用量最大的一种停车位检测设 备。使用方法主要是将感应线圈传感器埋于被检测停车位地面下，通过自动检测停车位上 有车时线圈所引起的电压等参数变化，从而感知停车位占用情况。它由三部分组成：埋设 在地面下的环形线圈传感器、信号检测处理单元( 包括检测信号放大单元、数据处理单元和 通信接口) 及馈线。该检测器的工作原理是【1 5 1 检测单元同环形线圈与馈线线路组成一个调谐 电路。此电路中的电感主要决定于环形线圈，环形线圈是此电路的电感元件，电容则决定 于检测单元中的电容器。当电流通过环形线圈时，在其周围形成一个电磁场，当车辆在线 圈上方时，在金属体中感应出涡流电流，涡流电流又产生与环路相耦合但方向相反电磁场， 即互感，使环形线圈电感量随之降低，因而引起电路谐振频率的上升。只要检测到此频率 随时间变化的信号，就可以检测出停车位上是否有车。 此种方法技术成熟，易于掌握。但是，这种方法也有以下缺点：1 ) 在安装时感应线圈 必须埋入停车场地面下，因此在安装时会影响停车场照常营业，而且当感应线圈出现故障 3 时，需要挖开地面维修，维护工作量以及维护成本大；2 ) 每个停车位都需要安装检测装置， 一次性投资比较大，而且停车位越多会带来通信和计算压力。 2 超声波检测器 超声波检测裂1 2 1 是通过接受由超声波探头发出并经过停车位反射的超声波来感知停 车位的占用情况。其工作原理可分为两种：传播时间差法和多普勒法。由于超声波检测器 采用悬挂式安装在停车位j 下上方或者正前方，这与需要地面埋设的感应线圈检测器相比具 有很多优点。首先是不需要破坏地面，也不受地面变形的影响；其次是使用寿命长、可移 动、架设方便。其不足之处是容易受环境影响，探头下方通过的人或物会产生反射波，容 易造成误检，而且和感应线圈检测器一样每个停车位都需要安装检测装置，初期投入比较 大，而且停车位越多会带来通信和计算压力。目前超声波检测器使用量已成为仅次于感应 线圈检测器的一种检测器。 3 红外线检测器 红外线检测器是具有良好应用i j 景的悬挂式检测器。该检测器一般采用反射式检测技 术。反射式检测器探头由一个红外发光管和一个红外接收管组成，其工作原理是【 】由调制 脉冲发生器产生调制脉冲，经红外探头向停车位上辐射，当停车位上有车时，红外线脉冲 从停车位反射回来，被探头的接收管接收，经红外解调器解调，通过选通、放大、整流和 滤波后触发器输出一个检测信号。这种检测器具有快速准确、轮廓清晰的检测能力。其缺 点是工作现场的灰尘、杂物会影响检测器的正常工作【l6 1 。 4 视频检测器 视频检测，也被称为图像处理或计算机视觉，是一种结合视频图像和模式识别的技术。 近年来视频检测逐渐成为一个研究热点，国内外研究者对视频检测技术在实际应用领域进 行了多方面研究。在停车信息采集领域，视频停车信息采集技术利用视频、及现代通信等 技术，实现对停车场内或路侧停车位信息的采集，首先系统通过安装在停车场或路侧的摄 像机采集停车位的视频图像，再运用数字图像处理、模式识别等技术对视频图像进行处理， 最后识别停车位的占用信息，从而为后续的信息加工、信息诱导提供实时的停车信息。 与传统的检测器相比，视频停车信息采集技术具有以下优点：1 ) 检测范围广，通常一 台普通c c d 摄像机可监控多个停车位，系统可以处理多台普通c c d 摄像机采集的视频数 据；2 ) 安装维护无干扰，由于摄像机一般是安装在停车场顶部，因此安装及维护不会影响 停车场的营业，也不需要开挖、破坏地面；3 ) 维护方便，传统的感应线圈检测器在损坏时， 需要开挖地面进行维护，而视频检测设备发生问题时，可直接摘除或修理设备，减少了维 4 护费用；4 ) 可视性好，能够将实时图像传输给停车场的管理者，实现监视职能；5 ) 具有良 好的先进性、可扩展性、可持续发展性等。因此，视频停车信息采集技术是未来停车信息 采集技术发展的一种新趋势。 国外很早就开始对停车信息采集技术智能化的研究，但是将图像处理、计算机视觉、 模式识别等技术应用于停车信息采集中的还比较少，一方面由于受到当时计算机的运算速 度和存储能力的限制，另一方面对停车场智能化管理的忽视，使得这一领域的研究并没有 取得多少有实际运用价值的成果。进入八十年代后，随着计算机运算能力和存储能力的增 强以及小型机的普及，使计算机视觉和模式识别领域的研究进入空前活跃的时期，对视频 停车信息采集技术研究形成了巨大的推动力量。如美国专利【1 7 】中介绍了一种停车位视频检 测器，利用摄像机采集停车场内的视频图像，图像经传输送入图像处理机，处理机对图像 信号进行模数转换、格式转换等，再由微处理器识别停车位对象占用情况。为了扩大单台 摄像机监控的范围，美国专利【1 8 】中提出了一种使用云台装置来对停车场内的停车位对象进 行监控的方法。国内也开始了在这方面的研究，北京工业大学研制了一种停车位视频检测 器【l9 1 ，该检测器连接l 4 个摄像头，每个摄像头可以同时监控1 6 停车位对象，动态实 时检测停车信息。 虽然现有的视频停车信息采集技术已经取得了一定的成果，但是，概况蜕来，这些技术 还存在着一些问题： ( 1 ) 采用普通c c d 摄像机，难以实现大范围内的停车位视频信息采集。而采用云台装置 扩大监控范围的方法，不仅会造成机械磨损，增加设备维护的费用，而且在图像处理方法 上，需要使用复杂的图像拼接算法，难以满足后续信息诱导的实时性要求。 ( 2 ) 采用普通c c d 摄像机，受层高的限制比较严重。普通的c c d 摄像机需要瞄准目标才 能进行视频数据采集，特别是在地下停车库内的检测，由于层高的限制，采用普通c c d 摄 像机能检测到的停车位数比较少。 ( 3 ) 视频停车信息采集技术经常受光照和天气等因素影响。因此在具体实际应用中，其 稳定和可靠性还有待验证，一些技术环节还处在算法研究阶段。 1 2 2 停车位视频检测算法 在视频停车信息采集技术中，最重要的问题就是停车位视频检测算法的研究。利用停 车位视频检测算法对视频序列中的停车位对象进行前景提取，以实现停车位对象占用情况 的识别。根据前景提取方法的特点我们可以分为运动目标前景提取和静止目标前景提取。 5 传统上侧重对运动目标前景提取方法的研究，而对静止目标前景提取方法研究比较少。目 前运动目标前景提取的主要方法有帧间差法【2 0 1 、背景差法【2 1 ，2 2 1 、光流场法【2 3 1 等，但是直接 将这些运动目标前景提取方法运用在静止目标前景提取中会造成前景中有空洞的现象。因 此f u n c k 2 4 1 和m o h d t 2 5 1 等人运用背景差分方法在停车位检测中时，首先构建一张无车停车 场图像作为参考背景，与新采集的图像差分提取前景。该方法不需要考虑如何获取有车辆 占用的停车位地面背景，但是该方法前期需要构建一张无车停车场图像作为参考背景，在 实际运用中不方便，而且当环境光照亮度变化或当停车场地面上出现树叶、塑料袋等飞扬 物时，由于参考背景没有自适应造成前景提取不准确，提取的前景中加入了大量错误信息。 l i ns h e n g f u u 【2 6 】等人结合参考背景模型和高斯背景模型自适应更新方法进行停车位检测， 以解决参考背景模型背景自适应更新问题，该模型对空车位区域利用高斯背景模型中的自 适应更新方法进行背景更新，对已经有车辆占用的停车位区域采用附近地面背景进行背景 更新。但该背景模型更新方法必须以两块区域的地面颜色相近为前提，否则该方法失效， 而且该方法必须先要得到停车位占用情况才能确定采用何种方式进行背景更新，因而一旦 发生检测失败误差将会累积。m d u r u s 2 7 1 采用车辆跟踪方法进行停车位检测，通过跟踪车 辆来提取运动车辆轨迹并检测停车位占用情况。该方法无需构建参考背景，但该方法计算 比较复杂，而且在提取慢速运动车辆轨迹方面比较困难。 另外一些研究人员通过直接利用车辆对象或停车位对象特征来识别停车位占用情况。 目前在这方面的检测模型主要有：基于阈值分割模型、基于边缘分割模型、基于车辆形状 特征模型、基于模板匹配模型、基于四叉树分割模型等。p i n g y 【2 8 】采m f i s h e r 像阈值分割 方法进行停车位检测。该检测模型计算简单并且能克服小目标对图像分割的影响，但是该 检测模型不能有效解决图像中存在的阴影问题，而且车辆种类繁多，利用单个阈值进行分 类很难保证停车位检测精度。n s r i n i v a s a 2 9 矛f l d b l b o n g t 3 0 】采用提取停车位内的边缘作为 停车位占用判断特征，该检测模型抗干扰性强能适应各种光照亮度变化影响，但该检测模 型当遇到停车位区域背景比较复杂或停车位内包含太多的背景边缘信息时，会产生提取的 边缘无法判断是前景还是背景问题。考虑到车辆形状是有规则的，s g u p t e t ”j 分析图像内 是否存在长方形作为停车位占用判断特征，但该检测模型需要涉及大量计算，计算复杂度 比较高。k 1 w a s a 3 2 】采用模板匹配方法进行停车位检测，利用多张停车场图像拟合得到一张 无车的停车场图像作为参考背景，通过检测图像内的停车位白线来分割停车位区域，自动 生成停车位模板。该检测模型利用自动生成的停车位模板进行检测具有抗干扰性强的优 点，但是自动生成停车位模板的算法比较复杂，另一方面由于停车位白线不明显或者遮挡 6 等问题，造成自动生成的停车位模板与实际停车位区域差异比较大。s i m i n gl i u ”1 采用四 叉树分割算法进行停车位检测，根据四叉树分割的结果统计停车位内包含的分割区域数来 检测停车位占用情况。该检测模型能适应光照亮度变化和阴影等因素的影响，本文中的停 车位检测算法也借鉴了该文中的停车位检测思想。但是该检测模型中的四叉树分割方法是 根据区域内的最大亮度和最小亮度差异进行图像分割，因此很容易造成过度分割。 近年来研究人员将机器学习中的一些方法运用于停车位检测中，首先通过大量样本数 据训练建立分类知识库，然后对新输入数据进行分类判断，确定所属类别。n i c h o l a st r u e 3 4 l 采用机器学习中的支持向量机( s v m ) 分类器进行停车位检测，将停车位检测转化为目标分 类问题。该检测模型能很好适应光照亮度变化和阴影等因素的影响，而且通过前期大量样 本数据训练能提高在不同环境因素下的检测精度。但s v m 分类器在小样本数据学习中具有 很强的优势，若要考虑在不同环境因素下都具有较高的检测精度，因此需要建立庞大的分 类知识库，但这会造成实时检测效率低下。q iw 0 3 5 】等人提出多层训练分类停车位检测模 型：首先对输入数据利用主成分分析( p c a ) 降维得到特征向量，然后利用s v m 分类器计算 停车位占用概率，最后利用马尔可夫模型确定停车位占用情况。c h i n g c h u nh u a n g 3 6 j 力口入 语义知识于多层训练分类模型中，分别在像素级、区域级、帧级上建立背景分类模型。 1 2 3 信息诱导系统 信息诱导系统主要是将处理后的停车信息利用各种信息发布方式向在道路上或者停 车场内的驾驶员提供停车诱导信息，前者称为场外信息诱导系统，后者称为场内信息诱导 系统。目前国内外大多是针对这两者中的某一方面研究，但这两类信息诱导系统并不是孤 立存在的，而是互相联系的，一方面它们都以停车场内部的停车信息采集技术为基础，另 一方面它们都是以提高停车速度、停车场的停车位利用率和缓解交通压力为目的。 1 场外信息诱导系统 场外信息诱导系统是将处理后的停车信息，以适当的方式向外界分若干个层次发布停 车信息。通常是由控制中心，将各个停车场的使用状况在可变信息显示板上以视觉的方式 或通过广播以听觉的方式对驾驶员进行诱导，也可以利用互联网、移动电话以及车载导航 装置等方式进行诱导，指引驾驶员快速找到停车场。 欧洲、美国、日本最早开始在这方面研究，并建设了相关的信息诱导系统。由于文化 背景的差异，各国对场外信息诱导系统的习惯称呼不完全一致，如欧洲国家称为 p g i s ( p a r k i n gg u i d a n c e a n di n f o r m a t i o n s y s t e m ) ，美国称为a p i s ( a d v a n c e ap a r k i n g i n f o r m a t i o ns y s t e m ) 。为便于描述，下面统一简称为p g i s 。 7 早在1 9 7 1 年，德国的亚琛市就建立了被认为是世界上最早的p g i s 3 7 , 3 8 , 3 9 。该系统对全 市1 2 处停车场在主要的交叉路口设置信息诱导标志牌，至1 j 1 9 8 0 年控制对象增加到4 0 处【3 刀， 为在道路上的驾驶员提供便捷及时的停车位信息，使之能在较短的时间内找到合适的停车 位，从而减少了因寻找停车位而在道路上巡游的时间。该系统提供给驾驶员的信息明确而 又容易理解，因而在该城市实际运用中取得了良好的使用效果。在此后的一个时期内，在 法国、英国、瑞士等欧洲国家也相继建立了类似系统【3 9 】。 1 9 9 6 年2 月美国在圣保罗市商业区建立第一个p g i s 4 3 1 ，曾进行为期1 2 个月的运行测试， 该系统管理1 0 个停车场，共5 0 0 0 多个停车位，使用了5 6 个标志牌来显示停车设施的位置和 停车位信息。其中4 6 个是静止诱导标志牌，1 0 个是电子标志牌。一台中央计算机实时向电 子标志牌传送各个停车场的停车信息，驾驶员根据这些信息选择了目的停车场后，就可跟 随静止诱导标志牌抵达他所选择的停车场。 同本在亚洲最早开始在这方面的研究，1 9 7 3 年在日本的柏市建立了第一个p g i s 。所提 供的信息主要以停车场的使用状况、停车位数以及停车场的位置等。1 9 9 3 年4 月东京建造 了第一个p g i s ，该系统结构完整，诱导功能完善，应用十分成功【4 0 】。 国内对p g i s 的研究起步比较晚，9 0 年代才提出p g i s 方面的研究。2 0 0 1 年1 2 月在北京王 府井建立了国内第一个p g i s 4 1 , 4 2 , 4 3 1 。之后一段时问里，南京、上海、广州等城市陆续启动 了p g i s 建设。上海市要在2 0 1 0 年内全市范围内建设p g i s ，并最终建成一个统一的停车场数 据采集处理发布平刽4 1 1 ，将来市民可以通过网络或电话查询停车场、库的停车位情况，并 提前预约停车位。广州在北京路启动p g i s 项目，接下来将要在上下九商业街建设第二块 p g i s 的应用区。 2 场内信息诱导系统 场内信息诱导系统以停车位检测为基础，结合各种l e d 显示屏，向停车场内的驾驶员 提供距离最近的停车位位置、以及最短的停车路线和出、入口位置等信息，使驾驶员快速 地找到理想的停车位，这不仅可以加快驾驶员的停车速度，而且也可以提高停车场的停车 位利用率和人性化程度。国外一般称该系统为p g s ( p a r k i n gg u i d a n c es y s t e m ) 。 2 0 0 1 年美国在巴尔的摩华盛顿国际机场( b w i ) 建立了第一套p g s 4 4 1 。由于该系统的高 效性能，停车场能以最佳的容量运转，b w i 成为北美3 0 个最繁忙的机场中发展最快的一个。 利用这项新技术，充分满足了通过b w i 到达华盛顿巴尔的摩区的每年2 0 0 0 万乘客的需求。 德国西门子公司正在扩建慕尼黑机场p g s ，规模将居世界首位。至1 1 2 0 0 9 年，扩建后的 系统将在l 号航站楼投入使用，涵盖停车位达1 5 ，0 0 0 个。该系统名为s i p a r k 系统，能方便驾 8 驶员停车，满足大量乘客需求。 近年来许多公司推出了p g s 。例如德国西门子公司推出的s i p a r k 系统【4 5 1 ，韩国t i s 公 司推出的e z i f f p a r k 系统【4 6 】，南非n o r t e c h 公司推出的i d e n t i p a r k 系统，佛山艾科电子 工程有限公司推出的a k e 系统等。 虽然目前在场内和场外信息诱导系统上取得了一定的发展，但是，概况说来，这些系 统还存在以下问题： ( 1 ) 单一模块的研究，缺乏系统化。目前，对停车诱导系统研究大多是基于单一模块的。 场内信息诱导系统或场外信息诱导系统在理论研究和实践中大都是孤立的，缺乏有效的系 统集成，虽然对“停车难”问题起到了一定程度的缓解作用，但其效能没有得到充分发挥。 如驾驶员利用场外信息诱导系统提供的停车信息找到停车场，但是进入停车场后依然存在 寻找可停车位的问题，这无疑影响了停车信息的正常效益。 ( 2 ) 场内信息诱导方式缺乏人性化。目前在场内信息诱导系统大多停留在显示停车位是 否已满和指示停车位编号等简单信息诱导阶段，没有为驾驶员明确可停车位的具体位置， 更没有为驾驶员提供最短停车路径提示信息，驾驶员自主寻找的停车位有可能不是当前的 最近停车位，阻碍了停车场运转效率的进一步提高。特别是随着停车场规模不断地扩大， 驾驶员置身于多达数千甚至上万个停车位的停车场内或者一些地下停车库内时，往往很难 自主快速找到停车位。由于没有合适的停车引导提示信息，造成由于驾驶员不熟悉停车场 环境而在停车场内巡游，这不仅会引起停车场内部的秩序混乱，影响停车场的正常运行， 而且势必也会降低停车场的停车位利用率。 ( 3 ) 停车信息采集技术智能化程度低。由于目前的停车诱导管理体系缺乏系统化研究， 对于单一模块，采集停车信息的方式有多种，管理机构往往从本模块的最小成本考虑，对 适应系统未来需要的停车信息采集技术发展重视不够。如停车诱导系统的信息采集方式主 要有感应线圈检测、超声波检测、红外线检测等技术，从成本低的角度考虑，在停车场出 入口埋设感应线圈，该方案技术路线成熟、成本最低，但这种方案能获取停车场内的空余 停车位信息，但无法获取停车场内具体停车位的占用信息，因此无法向驾驶员提供停车场 内停车路线引导提示信息，而且感应线圈在安装和维护时需要挖开地面，造成安装和维护 成本比较高。 1 3 研究目的和意义 针对目前在停车信息采集技术和信息诱导技术存在的不足，本文的研究目的是利用全 9 方位视觉技术能够一次性、实时地获取全方位场景信息的优点，开发一种集停车位视频信 息采集与检测、以及信息加工与信息诱导融合于一体的停车诱导系统。 其研究意义具体表现在： ( 1 ) 引入全方位视觉技术，开发一种大空间的视频停车信息采集技术。 无论是场内信息诱导系统或是场外信息诱导系统都以停车信息采集作为基础，必须提 供停车场内的相关信息才能成功实现后续的信息诱导，因此