基于计算机视觉的辅助泊车定位与导航研究

摘要

　　随着社会发展，汽车数量增多，在停车场寻找合适停车位变的十分困难。虽然在一些停车场，车辆可以利用全球卫星导航系统来辅助寻找停车位，但是精度较低导致停车位定位的精确度不高，另外在室内停车场环境下，全球卫星导航系统也使用受限。因智能化自动泊车技术的研究至关重要，本文基于计算机视觉进行泊车过程中的车位检测和泊车导航关键技术研究，具体研究内容及论文贡献如下：

　　1.通过对场景调研和视觉定位相关算法的研究，提出了一种仅根据停车场的基础设施单眼摄像头完成检测停车场车位状态和3-D位置的算法。首先利用停车场车位线，结合HSV颜色空间处理，形态学运算和霍夫变换直线检测获取3-D空间下的正交直线组。然后使用消失点估计算法来完成对摄像机的标定工作，并引入分布估计算法（EDA）计算局部最优的相机参数来解除相机标定过程中对未知参数的约束限制，从而降低重投影误差，提高标定算法准确性。最后配合使用视觉检测算法完成了对停车场的车辆位置的定位，从而达到了在停车场对空闲车位的空间位置锁定以及引导车辆完成准确寻找停车位的目的。算法在公开数据集上进行对比实验，结果证明了所提出的算法在车位识别上具有准确性。

　　2.提出了利用车辆检测的3-D位置与规划路径的距离作为特征来实现多特征融合的卡尔曼滤波追踪算法。首先，通过对多摄像机做融合在3-D空间实现了各摄像头场景位置信息的统一。然后，通过对颜色特征，大小恃征和车辆3-D位置与规划路径距离特征进行融合，在非遮挡追踪下设计了自适应权重调整方法，在遮挡发生时提出提高距离特征权重的方法。最后，通过结合卡尔曼滤波追踪算法实现对车辆的跟踪。在数据集上的模拟实验证明了该算法有效的提高了停车场车辆追踪的准确率。

　　关键词：泊车定位和导航，车位识别，相机标定，车辆检测，卡尔曼追踪

目录

　　第一章绪论

　　1.1课题研究背景与意义

　　随着社会经济的飞速发展，道路行驶的机动车辆变得越来越多。根据公安部交管局发布的数据显示，2019年上半年我国的机动车辆保有量达3.4亿辆，在全国范围内，汽车保有量超100万辆的城市多达66个，其中11个城市汽车保有量超300万辆。巨大的汽车数量使得城市拥堵情况严重，同时城市拥堵，车辆增加导致了停车成为了一件困难的事。特别是在城市停车场中，由于不能准确寻找到空闲停车位，造成了车厂内拥堵，停车效率下降的事屡见不鲜。在美国有一项调查显示，每年因为交通阻塞而造成的经济损失达700亿美元，而中国由于人口更多，地域更大辽阔，因为拥堵问题造成的经济损失会更多。大多数汽车停放的时间比在路上行驶的时间要多，在发达城市地区地少人多，如此多的车辆驶进驶出，寻找车位，因此也衍生出了一大堆交通管理问题和安全问题。建设具有智能化管理的停车场，让车辆能够有效寻找停车位，同时避免拥堵和一些安全问题是城市建设中要考虑的重点。现有的一部分停车场还是由人工手段来进行管理，指导停车，工作效率低下。一些新建成的新型智能化停车场大部分使用了激光雷达或者超声波传感技术，架设难度相对较大，成本较高。针对这些情况，研究一种价格低廉，使用方便的停车场车位检测和泊车引导系统变得尤其重要[1].

　　基于视觉摄像头的视觉泊车定位系统是近年来被广泛研究的对象，它具有成本较低，架设较为容易的特点，仅利用停车场内监控摄像头获取的视觉信息就可以完成车位检测，辅助定位导航。视觉泊车定位系统的研宂与视频分析技术密不可分，随着近些年来机器学习技术的发展，人工智能领域的研宄成果与曰俱增。计算机视觉（CV）是人工智能研宂的一个重要领域，在停车场利用视觉相关技术完成泊车定位与视频检测定位技术，视频追踪技术等密不可分。随着深度学习检测技术发展，近些年的对象检测算法准确率己经达到80%左右，对于特定对象比如人脸的识别率已经超过90%,检测率远超传统算法。在停车场这样一个商用场景下，对泊车定位准确率要求很高，深度学习检测算法的发展对于车位检测来说也有重要的帮助。本次课题研究也利用了先进的深度学习算法，进一步提高了车位检测的表现。本文基于视觉相关技术，对泊车定位场景下的车位检测和定位导航技术进行了深入研究，同时为技术应用提供了多种切实可行的解决办法和重要思路，对于推动相关技术的研宄和提高停车场智能化水平具有重要意义。

　　1.2研究内容及主要贡献

　　1.3论文结酸排

　　第二章研究现状与理论基础

　　1.4研究现状

　　1.4.1车位识别研究现状

　　1.4.2泊车导航研究现状

　　1.5摄像机投影及成像原理。

　　1.6相机标定算法

　　1.6.1标定算法概述

　　1.6.2基于消失点的手动和自动标定算法概述

　　1.7Yolov3检测算法和卡尔曼滤波原理

　　1.7.1Yolov3检测算法

　　1.7.2卡尔曼滤波原理

　　1.8本章小结

　　第三章基于相机标定和车辆检测的空闲车位识别算法

　　1.9车位线提取过程

　　1.9.1HSV颜色空间处理

　　1.9.2形态学滤波处理

　　1.9.3Hough变换直线检测

　　1.10基于消失点估计的相机标定算法

　　1.10.1消失点估计算法

　　1.10.2相机参数计算原理

　　1.10.3EDA优化算法

　　1.11检测确定空闲停车位

　　1.11.1Yolov3车辆检测

　　1.11.2空闲停车位的计算

　　1.12实验结果及评估

　　51.12.1实验参数设置

　　1.12.2实验结果及分析

　　L13本章小结

　　第四章基于多特征融合的卡尔曼车辆追踪导航模型

　　1.14多摄像头融合

　　1.15多特征融合的卡尔曼车辆追踪算法

　　1.15.1多特征融合匹配

　　1.15.2卡尔曼车辆追踪

　　1.16模型实验及评估

　　1.16.1实验参数设置

　　1.16.2实验结果及分析

　　1.17本章小结

　　第五章总结与展望

　　本文着重于研究停车场车辆的辅助泊车定位和导航，主要从车位识别和泊车导航两个方面研宄提出了相关算法实现了更加精确的检测和追踪导航效果。首先，通过对停车场拍摄的视频帧图像进行处理，对图像中的车位线这一信息进行获取，实现了基于消失点估计的相机标定方法，计算出的摄像机的初始参数，其次通过研宄EDA的优化算法进一步优化了摄像机参数，然后配合改进的yobv3检测算法对停车场的车辆进行3-D位置检测，实现空闲车位的识别。最后本文研宄了在多种特征融合下的卡尔曼追踪算法，通过利用特定的特征信息，实现了更加精确的追踪效果。本章对本文所做的工作进简要总结，并对未来该研宄可能的研宄新方向进行展望。

　　1.18总结

　　构建智慧停车场，研究视觉算法实现在停车场进行空闲车位识别计数，泊车导航具有重要意义。本文主要的研宄内容及工作成果如下：

　　（1）针对现有空闲停车位识别受相邻车位车辆影响以及拍摄视频角度问题引起的2-D检测框密集造成的检测误差等问题。本文提出了利用相机标定和车辆检测实现的车位识别算法，通过3-D位置空间的停车位对比，和车辆检测算法的改进使用提高了检测准确率。首先，本文使用了HSV颜色空间对视频帧进行预处理，并进一步采用形态学运算和Hough变换检测3-D空间具有相互平行特征的停车场车位线。然后利用车位线实现了基于消失点估计的相机标定算法。通过介绍摄像机的成像模型，推导从图像平面的像素点坐标到世界坐标系中的三维坐标点之间的映射关系，完成根据一对正交消失点坐标计算得到摄像机的内部参数和外部参数。接下来，根据3-D位置空间对停车场进行预置位置建模，本文进一步通过对y〇l〇v3检测算法做了改进训练来对停车场车辆进行检测，通过筛选从而确定空闲停车位，达到了车位识别的目的。

　　（2）针对停车场场景，本文在3-D空间完成了摄像头融合，统一了3-D位置信息。然后设计了多特征融合的卡尔曼车辆追踪算法。根据本文实现的车位识别算法功能，可以获取对车辆停车的位置路线规划。本文创新的在特征匹配中加入了新的特征，首先将追踪车辆的检测中心通过2-D到3-D空间的转换，然后从车辆的3-D位置点向规划路径直线做垂线，计算该点到最优路线的距离，将该距离作为新的特征与车辆颜色和检测框特征信息进行融合，利用融合特征做特征匹配，在车辆追踪的过程中很好的处理了遮挡问题。另外在无遮挡环境下，利用自适应的特征权重调整很好了利用各特征在匹配过程中的表现，动态更新权重使得特征匹配更准确。所有研究成果分别在不同的公开数据集上进行实验，实验结果证明了所提算法具有很高的鲁棒性和准确性，而且所提出的算法完全基于停车场场景，不需要其他的额外的工作，大大提升了算法的可应用性。

　　1.19展望

　　本文从车位识别和泊车导航两个方面对停车场辅助泊车定位进行研究，但是本文研究的点比较集中，还有很多在构建智慧停车场中需要做的工作，以及在一些算法上还有进一步改进空间。在车位识别的算法方案中，首先本文所提出的基于消失点估计实现相机标定的过程需要在众多消失点候选点来保证准确性，本文所提出的利用车位线获取消失点，同样需要对大量候选点进行筛选迭代估计。未来可以考虑加入辅助特征和一些优化算法减少候选点的需求。另外，在城市停车场中往往车位线不够清晰，可能会出现车位线获取失败的结果，而且车位线还具有斜线类别。

　　未来可以考虑直接加入多组平行线的方式直接建立多个消失点计算相机参数，还可以考虑加入对停车场车辆边缘的获取，利用停车场车辆的轮廓线实现相机标定。然后在车辆检测算法上本文改进使用的y〇l〇v3算法虽然兼具了实时性和准确性高两个优点，但是在停车场商用系统情况下还需要更加精确的检测识别。未来可以考虑将车位检测算法和纯车位空间识别算法相结合，因为空车位检测对停车场树木等遮挡环境下表现更好，可以通过算法融合，研究看是否能够进一步提高空闲车位的识别率。在停车场车辆追踪的研宄中，本文着重于对停车场内的车辆追踪算法的研究。在未来可以考虑利用摄像头在追踪算法中加入障碍物预警系统。因为负责追踪导航的沿途摄像头，可以帮助识别车辆前方信息，特别是在室内停车场，空间较为狭小，转弯较多，通过摄像头对环境信息的检测，可以有效提醒车辆障碍物的信息。

　　另外，本文暂时没有考虑车辆偏离规划行驶路线的处理，未来可以将整个算法与通信系统构建进一步联系，实现更加精准的导航控制系统。最后，本文算法目前大部分都是在CPU下实现，对于视频处理，通过GPU可以加快算法的运行速度，进一步提高效率，未来将部分算法通过GPU实现可以大大降低耗时。

致谢

　　时光如梭，一晃二十年的校园读书生涯即将结束，三年的研宄生生活转瞬即逝。回想研宄生这三年时光，生活中满是幸福，满是感恩，感恩遇到的各位挚友，也感恩对我研宄生生活十分重要的老师们。这是一段挥洒着汗水和激情的时光，也是一段充满着香甜和幸福感的时光。实验室的生活不仅让我在科研道路上有了满满收获感，也让我在生活中成长颇多，学会了更多包容更多理解。真诚的感谢我的导师刘勇教授。

　　刘老师对待学术一丝不苟的精神深深的影响了我，在科研上刘老师追求创新，在每一项研宄上追求极致。记得刚入研一的时候，刘老师每每告诫我们，光阴易逝，要好好珍惜研究生生活，抓紧时间多多学习，学习的知识是自己的宝贵财富，谁都拿不走。这段话一直陪伴我的研宂生生涯，让我每次松懈时都会再次打起精神，砥砺前进。实验室的发展离不开刘老师的辛勤耕耘，学生的成长也离不开刘老师的敦敦教诲，刘老师为实验室挥洒汗水，为学生尽心尽力。再次感谢刘老师的辛勤付出。

　　真诚的感谢杜海清老师，杜老师是一位和蔼可亲的女老师，她的存在让我感受到了母亲的关爱，让我这个异地求学的学子感受到了家的温暖。同时杜老师还是一位非常细心的老师，在实验室例会上杜老师总能一阵见血的提出对问题的见解，常常让我茅塞顿开。杜老师还总是提醒我们做科研要关注其背后的意义，要让我们的研宄实现它的价值。

　　另外，杜老师对我的论文指导十分耐心，非常高兴能够在这样一位好老师的教导下做课题研究。真诚的感谢实验室的王娜，毛妤，刘洋三位师姐，她们在科研上给了我很多帮助，并且教会我如何利用宝贵时间提升自己。每当我在科研上遇到困难时，总是可以通过她们找到解决办法，在此对她们表示十分感谢。真诚的感谢实验室同级的苏航，苏明兰，高雅三位同学，在科研上我们是共同研宄，一起前行的好伙伴，在生活上我们是相互照顾，一起玩耍的好朋友。因为他们的存在，我的研宄生生活充满了欢声笑语，感谢他们陪我度过了这段美好时光。

　　最后深深的感谢我的父母，他们从来不会将自己的期望强加在我身上，每当我遇到困难时，家总是我最温柔的港湾，父母的支持让我充满了动力，他们的爱让我生活充满意义。真诚的感恩在母校遇到的每一个人，每一件事，所有的磨砺让我茁壮成长，所有经历带给我无限回忆。最后感恩美丽的母校，在母校的三年研究生生活是我人生宝贵的记忆。

（如您需要查看本篇毕业设计全文，请您联系客服索取）