基于机器视觉的停车位检测研究.pdf

10.16638/ki.1671-7988.2023.019.011 10.16638/ki.1671-7988.2023.019.011 基于机器视觉的停车位检测研究 陆一宾，沈钰博，王 伊，郭 伦（长安大学 汽车学院，陕西 西安 710064）摘要：随着汽车在智能化领域的不断发展，智能泊车技术已成为当前的研究热点，而停车位的检测又是进行智能泊车的前提。据此，文章提出了一种基于机器视觉的停车位检测方法，该方法首先对采集的图像进行滤波处理、二值化处理、边缘检测等预处理工作，随后在预处理的基础上利用霍夫变换实现对停车位的检测。在检测的过程中，使用 MATLAB 软件对上述算法进行实现，并基于 GUI 平台搭建了用于停车位检测的可视化交互界面。实验结果表明，文章所提出的方法能够较为准确地实现对停车位的检测，但在实验过程中也发现，当停车位区域污损较为严重时，该检测算法检测效果会降低。关键词：机器视觉；停车位检测；图像处理；GUI 中图分类号：U463.6 文献标识码：A 文章编号：1671-7988(2023)19-56-05 Research on Parking Space Detection Based on Machine Vision LU Yibin,SHEN Yubo,WANG Yi,GUO Lun(School of Automobile,Changan University,Xian 710064,China)Abstract: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.Keywords:Machine vision;Parking space detection;Image processing;GUI 随着我国社会经济的飞速发展和居民生活水平的提高，我国每年新增机动车和驾驶员数量的作者简介：陆一宾（1999），男，硕士研究生，研究方向为驾驶行为与生态驾驶，E-mail:。第 19 期 陆一宾，等：基于机器视觉的停车位检测研究 57 比重不断增加，停车难的问题愈发突出。近几年随着计算机技术的快速发展以及市场对于汽车功能需求的增加，智能泊车技术已成为国内各科研院校研究的热点，而进行智能泊车的前提是进行停车位的检测，其检测的精度直接决定着后续泊车路径规划和泊车策略执行的好坏。目前对于停车位的检测研究主要可以分为基于机器视觉方法和基于非视觉方法。利用激光雷达和超声波传感器是最常用的非视觉方法，基于机器视觉方法就是对采集的图像进行处理分析来检测出停车位。KHALED 等1利用灰度图像来实现对停车位的检测，通过寻找图像灰度直方图的最大值和提取灰度直方图的带宽，实现对不同场景下停车位的检测。SAIRAM 等2通过深度学习的方法，利用 Mask R-CNN 模型对图像边界进行分割，通过利用车辆在车位的占用面积实现对停车位的检测。仇小刚3利用停车位固有的矩形特征来提取停车位的轮廓，并对直线检测的方法进行优化，最后将检测的特征组合形成停车位。张乾等4利用随机森林模型的方法，通过将 Haar-like特征和停车位内颜色的变化作为模型输入，从而实现对停车位的检测。本文主要是基于机器视觉的方法，对采集的图像进行相应的处理，来实现对停车位的检测。1 图像预处理 由于获取的图像质量会受到周围环境等多方面因素的影响，因而需要对图像进行相应的预处理，去除图像中外界的干扰信息，从而提高算法的检测精度。本文使用的停车位图像为自行拍摄的汽车试验场内停车位图像，处理软件为 MAT-LAB R2020b，计算机处理器为 Intel(R)Core(TM)i7-8550U，CPU 主频为 1.80 GHz，8GBRAM。1.1 图像灰度化 由于采集的原始图像一般为彩色图像，包含RGB 三个通道信息，其信息量较大，为提高算法的检测速度，需要将采集的彩色图像转化为灰度图像，灰度图像也能保留检测停车位所需的特征信息。本文采用加权平均法对图像进行灰度化处理，处理结果如图 1 所示。加权平均值法是根据图像通道信息重要程度的不同分别赋予其不同的权值，并对其值进行加权平均5。经过多次试验，当对各通道信息分别赋予 0.25、0.63、0.12 权值时处理效果较好，其原理公式为()()(),0.25,0.63,Gray i jR i jG i j=+()0.12,B i j+（1）图 1 灰度图 1.2 图像滤波 由于在图像采集的过程中不可避免地会受到外界噪声的影响，且图像经过灰度化处理后仍存在噪声干扰，这将直接影响后续停车位检测精度，因而需要对灰度化处理后图像进行进一步滤波处理。目前常用的滤波算法有均值滤波算法、中值滤波算法、高斯滤波算法。经实验发现，高斯滤波处理后的图像在后续的检测工作中效果最好，处理结果如图 2 所示。可以发现，滤波后的图像较灰度图相比变得更加模糊，这正是滤除外界环境噪声后的表现，经过滤波后的图像能够很好地避免噪声的干扰，从而达到更好的检测效果6。图 2 滤波图 1.3 图像二值化 图像经过灰度化和高斯滤波处理后，其像素点的灰度值为 0250，此时已经可以通过算法识别停车位的轮廓，为了得到更加准确清晰的停车位边缘信息，需要对图形进行二值化处理。图像二值化就是对滤波处理后图像上像素点的灰度值进行重新赋值，当图像像素点的灰度值小于设定的灰度判别阈值时，该像素点灰度值将变为 0，图像上显示为黑色，反之则变为 255，图像上显示为58 汽 车 实 用 技 术 2023 年 白色。图像经过二值化处理可以有效地分割停车位与周围路面环境，尤其是当停车位图像与路面图像的灰度值相差不大时，经过二值化处理后可以提高停车位的检测精度7。在对图像二值化处理时，灰度阈值的选择直接影响二值化的效果，且由于不同图像的最佳灰度判别阈值是不同的，故本文采用自适应阈值的算法对图像进行二值化处理。二值化处理后的结果如图 3 所示，同时也展示了经过均值滤波和中值滤波后的二值化图像，结果也体现了高斯滤波滤除噪声干扰的效果较好。(a)均值滤波后二值化图 (b)中值滤波后二值化图 (c)高斯滤波后二值化图 图 3 二值化处理结果 1.4 图像边缘检测 对图像进行灰度化、滤波、二值化处理后，就可以得到一张像素点灰度值为 0 或 255 的黑白图像，灰度值为 255 的白色区域就是停车位的轮廓位置，据此可以通过边缘检测算法得到停车位的轮廓信息。由于 Canny 算法具有良好的抑噪能力，同时采用双阈值的原理对图像边缘进行连接，使得图像边缘连续性更好，因而本文采用 Canny算法检测停车位的边缘轮廓信息，检测结果如图 4所示。图 4 边缘检测图 2 Hough 变换 Hough 变换是机器视觉中常用的物体识别算法，一般用于检测图像中具有某些特定形状的物体，如直线、椭圆等。Hough 变换的核心就是将图像空间的点转化成参数空间中的直线或曲线，对图像中某条直线或曲线上所有点进行 Hough 变换就会在参数空间的某处形成一个参数峰值。由于停车位区域的停车线均为直线，因而本文采用Hough 变换对停车位进行检测。Hough 变换的基本原理就是从图像空间到参数空间的映射，设待拟合直线的斜率为 k，截距为b，则直线上每个点经过映射变换后会在参数空间上形成一条过点（k,b）的直线，求取这些直线的交点坐标，即可得到原图像中直线的参数信息。但为避免待拟合直线的参数 k 和 b 出现无限大的情况，从而导致其无法映射到参数空间的固定点，常将直线转化极坐标方程：cossinxy=+（2）式中，为直线距离原点的垂直距离；为 x 轴与经过原点与直线垂直线的夹角。此时直线上的点（xi,yi）经过映射后就会转化为参数空间上如式所示的曲线：第 19 期 陆一宾，等：基于机器视觉的停车位检测研究 59 cossiniixy=+（3）为了得到交点处（,）的值，需要将参数空间划为离散的累加单元，通过逐步变化 的方式可得到曲线上相应的 值，并使对应的累加单元加一，随后遍历参数空间，累加值最大的单元对 (a)1 号停车位检测结果图 (b)2 号停车位检测结果图 (c)3 号停车位检测结果图 图 5 检测结果图 应的值就是原图像空间对应的直线参数8。将得到的参数值经过转换可以得到停车位在原图上的坐标，从而将停车位区域绘制出来，检测的结果如图 5 所示。从检测结果上看，该方法能够实现对停车位区域的检测。3 搭建 GUI 可视化界面 为了便于上述检测过程的可视化，利用 MAT-LAB 提供的 GUI 平台搭建一个便于操作的交互界面，如图 6(a)所示。该界面可实现各环节停车位图片的处理，最后实现停车位的检测与显示，此外该界面还可比较不同灰度化算法和滤波算法处理效果的优劣。该交互界面最终的处理结果如图6(b)所示，从图中可以发现，该工作界面能够实现对于停车位的检测过程的显示工作。(a)GUI 检测界面图 60 汽 车 实 用 技 术 2023 年 (b)GUI 检测结果图 图 6 GUI 交互界面图 4 总结 本文提出了一种基于机器视觉的停车位检测方法。在对停车位检测的过程中，首先对采集的图像进行灰度化处理，接着对灰度化后的图像进行高斯滤波以减少外界噪声等因素的干扰，随后对其进行二值化处理和边缘检测以保留清晰的停车位轮廓信息，经过上述的预处理后，接着采用Hough 变换检测图像中的停车线并将其在原图显示出来，最后将整个检测过程搭建成可视化的GUI 交互界面。从最终的检测效果看，本文提出的方法基本可以实现对汽车试验场中停车位的检测。参考文献 1 KHALED S,HOUWEIDA T.Parking Space Detection System Using Video ImagesJ.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 LearningC/2020 Fourth International Confe-rence on Computing Methodologies and Communi-cation(ICCMC).Piscataway:IEEE,2020:750-755.3 仇小刚.基于机器视觉的智能倒车辅助系统研究D.沈阳:东北大学,2014.4 张乾,肖永菲,杨玉成,等.基于计算机视觉的室外停车场车位检测实验设计J.实验技术与管理,2019,36(7):138-140,146.5 谷峥.基于机器视觉的车道线检测与识别算法J.无线互联科技,2022,19(24):138-140,144.6 张勇,杜学峰,高越,等.基于传统图像处理算法的车道线检测J.汽车实用技术,2022,47(2):20-23.7 李梦.基于机器视觉的车道线在线识别系统设计J.工程设计学报,2020,27(4):498-507.8 谢一峰.基于单目视觉的车道线检测与智能车导航D.上海:上海交通大学,2013.