基于機(jī)器視覺的空余停車位檢測系統(tǒng)設(shè)計(jì)目錄TOC\o"1-3"\h\u808引言 117293第1章緒論 272501.1研究背景及意義 2292661.2國內(nèi)外研究現(xiàn)狀 212401.3本文主要研究內(nèi)容 3121351.4本章小結(jié) 327200第2章相關(guān)軟件平臺 4100692.1Halcon簡介 440082.2VisualStudio簡介 5324262.3本章小結(jié) 626022第3章系統(tǒng)的需求與設(shè)計(jì) 7207013.1系統(tǒng)需求分析 7148853.2系統(tǒng)總體設(shè)計(jì) 869703.3本章小結(jié) 82084第4章系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn) 971944.1halcon中實(shí)現(xiàn)的功能 9282964.1.1選擇ROI區(qū)域 10125394.1.2灰度圖像、ROI區(qū)域的矯正 12200614.1.3灰度圖像二值化和區(qū)域分割 13210414.1.4得到空余停車位位置區(qū)域 15215624.2VisualStudio中實(shí)現(xiàn)的功能 163254.3本章小結(jié) 173489第5章功能測試及驗(yàn)證 18264385.1測試環(huán)境 18293355.2Halcon程序測試 1827065.3C#代碼測試 19196585.4本章小結(jié) 2032730第6章總結(jié)與展望 20289156.1論文總結(jié) 20226506.2論文展望 2093156.3本章小結(jié) 21引言空余停車位的自動檢測是目前機(jī)器視覺領(lǐng)域的熱點(diǎn)問題，近幾年隨著我國汽車擁有量的增加，停車難問題變得越來越顯著，停車場原來的人工監(jiān)管方式顯然滿足不了如今車主迫切停車的需求。運(yùn)用機(jī)器視覺自動檢測停車場空余停車位，有實(shí)時(shí)性強(qiáng)、效率高、適應(yīng)能力強(qiáng)、可以24h連續(xù)工作等優(yōu)點(diǎn)，可以減輕停車場工作人員的壓力，避免工作人員因?yàn)榧影嗥诙鲥e的情況。基于機(jī)器視覺的停車位檢測系統(tǒng)的開發(fā)，可以自動識別停車場空余停車位并顯示，車主路過停車場即可知道車位信息，不需要詢問工作人員和開進(jìn)停車場尋找車位，可以解決目前的停車難問題。基于機(jī)器視覺的停車位檢測系統(tǒng)，提供一個(gè)界面模擬監(jiān)控系統(tǒng)的不同視角自動識別空余停車位，滿足車主和工作人員的需求，具有可行性。第1章緒論1.1研究背景及意義公安部交通管理局公布的數(shù)據(jù)顯示，截止到2019年6月底，我國汽車擁有量己達(dá)到2.6億輛，這是中國汽車擁有量首次超過2.6億輛，千人汽車擁有量達(dá)179輛，首次超過世界平均水平[1]。隨之而來的，是汽車擁有量上升而越發(fā)嚴(yán)重的停車難問題。據(jù)不完全統(tǒng)計(jì)，目前，我國總體停車位數(shù)量為1.26億個(gè)，停車位的供給率僅為50%[2]。然而，私家車是一項(xiàng)必不可少的出行方式，因此，對于車主來說，停車位數(shù)量太少，停車需求越來越無法滿足?，F(xiàn)如今，許多停車場仍然采用人工方式管理，管理效率低，人工成本較高[3],車主找尋停車位時(shí)需要詢問工作人員或開進(jìn)停車場，而這么做會造成時(shí)間的浪費(fèi)，造成其他車主找尋停車位時(shí)的困擾，所以自動識別空余停車位是本文研究的重點(diǎn)。鑒于以上，本文開發(fā)了一款基于機(jī)器視覺的停車位檢測系統(tǒng)，該系統(tǒng)運(yùn)用在有自動識別空余停車位需求的停車場內(nèi)，該系統(tǒng)簡潔明了，將停車場模擬監(jiān)控系統(tǒng)分成三個(gè)視角，分別識別三個(gè)視角內(nèi)的空余停車位，再將三個(gè)視覺內(nèi)的空余停車位數(shù)量相加并顯示，讓車主快速判斷是否需要將車開進(jìn)停車場，判斷時(shí)間短，便于在最短時(shí)間內(nèi)找到合適的停車位，并且節(jié)省了人力、財(cái)力、物力的消耗。由此可知，基于機(jī)器視覺的停車位檢測系統(tǒng)非常有必要，研究此選題很有意義。1.2國內(nèi)外研究現(xiàn)狀傳統(tǒng)停車場通常利用地磁線圈傳感器檢測停車位占用情況，該種方案由于地磁線圈傳感器安裝和維護(hù)較復(fù)雜，而且一個(gè)地磁線圈傳感器只能檢測一個(gè)停車位狀態(tài)極大增加了成本[4]。后來研究者們嘗試?yán)脵C(jī)器視覺中的特征提取方法解決停車位占用檢測問題。Dan提取顏色特征向量并通過SVM分類[5]。Wu等人從克服車位間遮擋的角度出發(fā)，他們考慮了三個(gè)相鄰車位，并將它們作為一個(gè)單元，將顏色特征直方圖送人SVM中分類[6]。萬婷婷等人使用核函數(shù)的Fisher線性判別法實(shí)現(xiàn)停車位識別，首先在K-L空間域上對停車位圖像進(jìn)行空間變換，并對圖像特征降維，然后分別利用三種核函數(shù)，通過像素分布來判斷停車位占用狀態(tài)[7]。蔣大林等人基于混合高斯背景模型將圖像背景和前景分割，然后分別提取圖像的方差特征、邊緣密度特征以及角點(diǎn)特征，最后使用SVM分類器判別停車位的占用狀態(tài)[8]。孟焱等人通過人工選定停車位區(qū)域位置信息，在選定的區(qū)域內(nèi)設(shè)置不同的采樣點(diǎn)，然后依據(jù)采樣位置的像素的灰度值變化情況來判別停車位的占用狀態(tài)[9]。Huang等人提出一種貝葉斯分層框架，對停車位空間進(jìn)行3D建模[10]。Delibaltov和Wu等人建立車位空間的體積塊，提取車輛的LBP和TB紋理特征，經(jīng)過SVM分類，并進(jìn)行融合，計(jì)算車輛在車位體積塊中的概率，從而檢測停車位占用狀態(tài)[11]。人工設(shè)計(jì)特征算子是一件很耗時(shí)的工作，因?yàn)楹茈y找到合適的特征和分類器，算法的魯棒性不高。隨著深度學(xué)習(xí)的興起，大量的通過人為標(biāo)記的圖片，經(jīng)過深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自動提取特征并分類的端到端模型，己經(jīng)被證實(shí)效果優(yōu)于傳統(tǒng)人工設(shè)計(jì)特征算子的方法。最近，開源的停車位數(shù)據(jù)集不斷被提出。Almeida等人制作了PKLot數(shù)據(jù)集，他們提取了LBP、LPQ等紋理特征，通過訓(xùn)練SVM分類器以及多種融合的分類器，如均值融合、最大值融合，完成停車位占用檢測[12]。Amato等人制作了CNRPark數(shù)據(jù)集，之后他們基于樹莓派智能終端設(shè)備提出了一種輕量的嵌入式深度神經(jīng)網(wǎng)絡(luò)模型[13]。深度學(xué)習(xí)算法的魯棒性比特征提取算法高，但是需要得到大量樣本圖片并標(biāo)記、訓(xùn)練，需要配置很高的GPU。本文基于以上現(xiàn)狀，利用特征提取方法，自行設(shè)計(jì)了一個(gè)基于機(jī)器視覺的停車位檢測系統(tǒng)，利用Halcon軟件的算子找到合適的特征來提高魯棒性，并設(shè)計(jì)了一個(gè)人機(jī)交互界面，操作簡單，識別準(zhǔn)確，能夠滿足人們的基本需求。1.3本文主要研究內(nèi)容為解決停車難問題，自動識別空余停車位信息方便車主準(zhǔn)確快速的找到停車位，本文設(shè)計(jì)了一個(gè)基于機(jī)器視覺的停車位系統(tǒng)，主要研究內(nèi)容如下：已知停車場的三個(gè)視角，分別選取三個(gè)視角的停車位ROI區(qū)域，并對三個(gè)視角的圖像和ROI區(qū)域分別進(jìn)行矯正。分別得到三個(gè)視角圖像中出現(xiàn)頻率最大的灰度值，并對三個(gè)視角圖像分別進(jìn)行二值化處理得到整個(gè)柏油馬路區(qū)域，再與裁剪得到的每個(gè)停車位區(qū)域求交集得到每個(gè)停車位的柏油馬路區(qū)域，選取特征為每個(gè)停車位柏油馬路區(qū)域的面積，面積大于一定值的停車位即為空余停車位位置區(qū)域。1.4本章小結(jié)本章討論了研究背景及意義、國內(nèi)外研究現(xiàn)狀以及主要研究內(nèi)容，指出本文研究的實(shí)際意義和目前條件下的最佳研究方法，并根據(jù)最佳研究方法設(shè)計(jì)了本文主要研究內(nèi)容。第2章相關(guān)軟件平臺2.1Halcon簡介機(jī)器視覺是一項(xiàng)綜合技術(shù)，包括圖像處理、機(jī)械工程技術(shù)、控制、電光源照明、光學(xué)成像、傳感器、模擬與數(shù)字視頻技術(shù)、計(jì)算機(jī)軟硬件技術(shù)（圖像增強(qiáng)和分析算法、圖像卡、I/O卡等）[14]。而隨著機(jī)器視覺的發(fā)展，各類機(jī)器視覺軟件也層出不窮，比如OpenCV、VisionPro、LabView、Halcon等。其中Halcon是德國MVtec公司開發(fā)的一套完善的標(biāo)準(zhǔn)的機(jī)器視覺算法包，擁有應(yīng)用廣泛的機(jī)器視覺集成開發(fā)環(huán)境[15]。它的優(yōu)點(diǎn)為節(jié)約程序開發(fā)時(shí)間、支持的圖像采集設(shè)備數(shù)量多、更適合于工業(yè)檢測等，因此本文使用Halcon軟件來進(jìn)行研究，整體界面如圖2.1所示。圖2.1Halcon軟件整體界面在Halcon軟件中新建一個(gè)新的程序，隨即打開Halcon編程界面，最上方為工具欄和各種編程助手，其他位置大體分為四個(gè)部分，第一部分為左上角的圖形窗口，第二部分為左下角的變量窗口，第三部分為右上角的算子窗口，第四部分為右小角的程序窗口。其中圖形窗口用來顯示程序里輸出變量中的圖像、區(qū)域和xld輪廓；變量窗口分為圖像變量和控制變量，其中圖像變量部分用來放置程序中存在的所有輸出變量中的圖像、區(qū)域和xld輪廓，右鍵點(diǎn)擊清除/顯示可以在圖像窗口中顯示該圖形變量，其中控制變量部分用來放置程序中存在的所有輸出變量中的控制變量；算子窗口用來顯示某個(gè)算子詳細(xì)內(nèi)容，雙擊程序窗口中的某個(gè)算子即可在算子窗口中顯示該算子，可以在該窗口中修改該算子的輸入輸出變量進(jìn)行替換，也可以點(diǎn)擊幫助查看該算子的詳細(xì)原理和用法；程序窗口用來編寫該項(xiàng)目的算子，寫完算子后按F5為運(yùn)行，F(xiàn)6為單步運(yùn)行，運(yùn)行過程中輸出的變量會在變量窗口中更新。2.2VisualStudio簡介MicrosoftVisualStudio（簡稱VS）是美國微軟公司的開發(fā)工具包系列產(chǎn)品。VS是一個(gè)基本完整的開發(fā)工具集，它包括了整個(gè)軟件生命周期中所需要的大部分工具，如UML工具、代碼管控工具、集成開發(fā)環(huán)境(IDE)等等,支持的編程語言為C、C++、C#，python等[16]。打開VisualStudio軟件，新建一個(gè)項(xiàng)目，彈出新建項(xiàng)目對話框，如圖2.2所示。圖2.2新建項(xiàng)目對話框本文界面的設(shè)計(jì)選擇C#語言的窗體設(shè)計(jì)，點(diǎn)擊選擇左側(cè)一欄中的VisualC#選項(xiàng)，再選擇中間一欄中的Windows窗體應(yīng)用(.NETFramework)，修改名稱、選擇保存位置后點(diǎn)擊確定即可打開C#窗體編程界面，如圖2.3所示。圖2.3C#窗體編程界面界面中最上方為工具欄，最左側(cè)為工具箱和數(shù)據(jù)源選項(xiàng)，其他位置大體分為四個(gè)部分，中間部分為Form窗體，可以在此窗體中拖動控件完成窗體界面的設(shè)計(jì)；下方部分為輸出信息窗口，可以在此窗口中看到編程過程中的提示和錯誤信息；右上部分為解決方案資源管理器窗口，可以在此窗口中看到該項(xiàng)目中所包含的文件；右下部分為屬性窗口，可以在此窗口中查看或設(shè)置Form窗體和控件的屬性。雙擊Form窗體，進(jìn)入編程界面，開發(fā)者可以在該界面進(jìn)行程序的編寫，實(shí)現(xiàn)想要實(shí)現(xiàn)的功能，如圖2.4所示。圖2.4VisualStudio編程界面2.3本章小結(jié)本章介紹了該系統(tǒng)用到的編程軟件Halcon和VisualStudio，對其應(yīng)用范圍、窗體功能進(jìn)行了詳細(xì)的闡述。

第3章系統(tǒng)的需求與設(shè)計(jì)3.1系統(tǒng)需求分析現(xiàn)如今，許多停車場仍然采用人工方式管理，管理效率低，人工成本較高。由于我國的汽車擁有量逐年上升，人工管理方式的弊端也越來越明顯，比如找尋停車位的車主越來越多，工作人員工作量加大，需要24h加班；車主找尋停車位時(shí)需要詢問工作人員是否有空余停車位或自行駛?cè)胪＼噲鰧の?，這樣效率低，會造成停車場擁堵、找不到停車位等問題；同時(shí)停車場工作人員24h值班制成本高、效率低，無法滿足經(jīng)濟(jì)發(fā)展帶來的汽車擁有量升高的需求。所以設(shè)計(jì)一個(gè)能自動識別檢測空余停車位的系統(tǒng)迫在眉睫，能完美解決目前汽車擁有量增多而造成的停車難問題。用戶的需求為：在停車場設(shè)置幾個(gè)光源，可以為半夜在停車場停車的車主提供一定的照明，也可以為該系統(tǒng)提供一個(gè)較為穩(wěn)定的識別；設(shè)置幾個(gè)光源后，再設(shè)置幾個(gè)攝像頭，提供照明后的停車場圖像輸入給計(jì)算機(jī)進(jìn)行計(jì)算識別；最后再設(shè)置一個(gè)顯示設(shè)備，計(jì)算機(jī)識別停車場內(nèi)幾個(gè)攝像畫面后，計(jì)算停車場內(nèi)幾個(gè)攝像畫面的空余停車位數(shù)量的總和，并實(shí)時(shí)顯示在顯示設(shè)備上，為路過的車主提供停車位信息，如圖3.1所示。圖3.1需求流程圖根據(jù)用戶所提出的需求，由于開發(fā)人員設(shè)備、能力的不足，只對已知的停車場三個(gè)視角的圖像送入計(jì)算機(jī)進(jìn)行處理并輸出結(jié)果這一步進(jìn)行系統(tǒng)設(shè)計(jì)，設(shè)計(jì)目標(biāo)是提供一個(gè)界面，對已知的停車場三個(gè)視角的圖像進(jìn)行識別處理，在文本框內(nèi)顯示空余停車位數(shù)量的結(jié)果。綜上所述，根據(jù)用戶需求和自身能力開發(fā)一個(gè)系統(tǒng)，該系統(tǒng)提供了自動識別停車場空余停車位并輸出結(jié)果的功能，為工作人員提供了一個(gè)類似監(jiān)控設(shè)備的畫面，為用戶顯示空余停車位的結(jié)果，為物業(yè)公司降低雇傭工作人員的成本，該界面操作簡單，識別速度快，可以減輕工作人員的工作量和壓力。3.2系統(tǒng)總體設(shè)計(jì)本系統(tǒng)的設(shè)計(jì)過程為：先用Halcon軟件識別圖像并顯示結(jié)果，即對該系統(tǒng)的識別算法進(jìn)行設(shè)計(jì)，導(dǎo)出.cs文件，再用VisualStudio軟件Form窗體設(shè)計(jì)該系統(tǒng)的界面，并設(shè)計(jì)的界面對原始.cs文件進(jìn)行修改來實(shí)現(xiàn)該系統(tǒng)的設(shè)計(jì)目標(biāo)，即提供一個(gè)界面來實(shí)現(xiàn)人機(jī)交互功能，該系統(tǒng)的總體設(shè)計(jì)流程圖如圖3.2所示。圖3.2總體設(shè)計(jì)流程圖總體設(shè)計(jì)流程圖中的功能介紹如下：提取圖像該功能從本地中提取該停車場三個(gè)視角的圖像，并顯示在窗口中。識別圖像該功能基于在Halcon軟件中設(shè)計(jì)的識別算法，對提取的停車場三個(gè)視角的圖像進(jìn)行識別，識別出的有車停車位為紅色，空余停車位為綠色，并分別在三個(gè)控件的左上角顯示停車位三個(gè)視角的空余停車位數(shù)量。顯示結(jié)果該功能是在提取圖像和識別圖像之后，得到每個(gè)視角中的空余停車位數(shù)量，計(jì)算停車場內(nèi)三個(gè)視角的空余停車位數(shù)量總數(shù)，最后在人機(jī)交互界面的文本框中顯示該停車場內(nèi)空余停車位的總數(shù)。3.3本章小結(jié)本章對客戶對該系統(tǒng)的需求、由于開發(fā)條件限制確定的設(shè)計(jì)部分、設(shè)計(jì)目標(biāo)和設(shè)計(jì)流程進(jìn)行了詳細(xì)的介紹，下一章將針對本章所介紹的內(nèi)容進(jìn)行實(shí)現(xiàn)。

第4章系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)4.1halcon中實(shí)現(xiàn)的功能本系統(tǒng)在Halcon中實(shí)現(xiàn)的功能是對停車場內(nèi)三個(gè)視角的空余停車位進(jìn)行識別并顯示結(jié)果，在不斷調(diào)試過程中選取合適的特征遍歷所有停車位進(jìn)行篩選，篩選出三個(gè)視角中的空余停車位位置標(biāo)記為紅框，有車停車位位置標(biāo)記為綠框，在三個(gè)圖形窗口中分別顯示三個(gè)視角的空余停車位數(shù)量，代碼運(yùn)行得到正確結(jié)果后導(dǎo)出.cs文件，對.cs文件轉(zhuǎn)換后的C#代碼進(jìn)行基于界面設(shè)計(jì)的修改來實(shí)現(xiàn)人機(jī)交互界面的功能。首先，本文對停車場的彩色圖像進(jìn)行灰度化處理，再對灰度化處理之后的停車場灰度圖像進(jìn)行ROI區(qū)域的選擇，選擇出停車場內(nèi)的停車位的位置區(qū)域，然后對灰度圖像和ROI區(qū)域進(jìn)行仿射變換，把傾斜的灰度圖像和ROI區(qū)域矯正，其中對矯正后的灰度圖像進(jìn)行二值化處理得到柏油馬路區(qū)域即停車場內(nèi)的空余區(qū)域，對矯正后的ROI區(qū)域進(jìn)行分割得到每個(gè)停車位的位置區(qū)域，再對得到的兩種區(qū)域求交集得到每個(gè)停車位位置的空余區(qū)域面積，再用合適的特征對每個(gè)停車位位置的空余區(qū)域面積進(jìn)行遍歷篩選出符合特征的停車位位置區(qū)域，最后計(jì)算三個(gè)視角內(nèi)符合特征的停車位位置區(qū)域的數(shù)量并顯示在三個(gè)圖形窗口的左上角，流程圖如圖4.1所示。圖4.1Halcon中實(shí)現(xiàn)功能流程圖4.1.1選擇ROI區(qū)域由于設(shè)備的限制，本文對已知的停車場圖像進(jìn)行空余停車位識別，選取的停車位圖像如圖4.2所示，是個(gè)大型停車場。圖4.2停車場圖像由于該停車場圖像是個(gè)大型停車場，因此為了方便進(jìn)行圖像處理，貼合實(shí)際應(yīng)用情況，本文參考監(jiān)控設(shè)備，模擬該停車場內(nèi)有三個(gè)攝像頭，因此把該停車場圖像裁剪為三個(gè)圖像，對三個(gè)圖像分別進(jìn)行處理，停車場圖像被裁剪后得到的三個(gè)視角圖像如圖4.3(a)-(c)所示。(b)(c)圖4.3(a)-(c)裁剪得到的三個(gè)圖像得到該停車場的三個(gè)視角圖像后，以第一視角圖像為例，已知該圖像為彩色圖像即RGB圖像，因此為了方便接下來的圖像處理應(yīng)對該圖像進(jìn)行灰度化，分別得到該圖像的R、G、B分量，算子為decompose3(Image1,R,G,B)，第一視角圖像的RGB分量如圖4.4(a)-(c)所示。(b)(c)圖4.4第一視角圖像的(a)R(b)G(c)B分量已知彩色圖像每個(gè)像素的R、G、B分量，通過一定的計(jì)算方法得到彩色圖像每個(gè)像素的色調(diào)(H)、飽和度(S)、明度(V)，算子為trans_from_rgb(R,G,B,Hue,Saturation,Intensity,'hsv')，得到的每個(gè)像素的灰度值合在一起構(gòu)成一整個(gè)圖像，第一視角彩色圖像的H、S、V分量如圖4.5(a)-(c)所示。(b)(c)圖4.5第一視角圖像的(a)H(b)S(c)V分量得到第一視角的R、G、B、H、S、V分量后，選擇六個(gè)分量中最清晰的圖像進(jìn)行下一步的處理，通過觀察，V分量圖像中車輛和柏油馬路兩者之間灰度值相差最大，顯示最為清晰。在該圖像中選擇三排停車位區(qū)域作為ROI(感興趣)區(qū)域，其中ROI區(qū)域是由方向矩形繪制的，繪制結(jié)束后對三個(gè)繪制的ROI區(qū)域進(jìn)行區(qū)域合并處理，原理為已知三個(gè)區(qū)域，先用union2算子合并其中兩個(gè)區(qū)域成一個(gè)區(qū)域，再用union2算子由合并好的一個(gè)區(qū)域與第三個(gè)區(qū)域進(jìn)行合并，區(qū)域合并后的ROI區(qū)域如圖4.6所示。圖4.6區(qū)域合并后的ROI區(qū)域4.1.2灰度圖像、ROI區(qū)域的矯正由于停車場第一視角的灰度圖像和區(qū)域合并后的ROI區(qū)域是傾斜的，因此在本小章節(jié)要對灰度圖像和ROI區(qū)域進(jìn)行矯正。在對灰度圖像、ROI區(qū)域進(jìn)行矯正之前，先用area_center算子求該ROI區(qū)域的中心點(diǎn)行列坐標(biāo)，以該中心點(diǎn)行列坐標(biāo)為旋轉(zhuǎn)中心，再由已知的ROI區(qū)域角度rad(0.8)和矯正之后的區(qū)域角度0，生成一個(gè)仿射矩陣，算子為vector_angle_to_rigid(Row,Column,rad(0.8),Row,Column,0,HomMat2D)，再由仿射矩陣對灰度圖像和ROI區(qū)域進(jìn)行矯正，得到矯正之后的灰度圖像和ROI區(qū)域，算子分別為affine_trans_region(RegionUnion,RegionUnion,HomMat2D,'nearest_neighbor')和affine_trans_image(Intensity,ImageAffineTrans,HomMat2D,'constant','false')。矯正原理為把矯正之前圖像像素的行列坐標(biāo)帶入下式，得到矯正之后圖像像素的行列坐標(biāo)，即矯正前后圖像中的同一個(gè)像素移動了一定的位置，代碼。其中Row1、Column1為矯正之前圖像中某個(gè)像素的行列坐標(biāo)，Row2、Column2為矯正之后圖像中同一個(gè)像素的行列坐標(biāo)，HomMat2D為生成的仿射矩陣：

Row2Column21=HomMat2D?Row1由上式對灰度圖像和ROI區(qū)域進(jìn)行矯正后，得到矯正后的灰度圖像和ROI區(qū)域，如圖4.7(a)(b)所示。(b)圖4.7矯正后的(a)ROI區(qū)域(b)灰度圖像4.1.3灰度圖像二值化和區(qū)域分割通過觀察矯正后的灰度圖像，可以看出沒有車的空余停車位位置區(qū)域顏色全為灰色，即為柏油馬路的顏色，有車停車位位置區(qū)域的顏色是該位置汽車的顏色，因此可以從此處入手，選擇合適的特征對符合特征的停車位區(qū)域進(jìn)行篩選。要得到停車場內(nèi)空余停車位位置區(qū)域即柏油馬路的區(qū)域，首先查看灰度圖像的灰度直方圖，如圖4.8所示，灰度值127為峰值，灰度值范圍大概在106-147之間的像素最密集，即灰度值范圍大概在106-147之間的區(qū)域?yàn)榘赜婉R路區(qū)域。圖4.8灰度圖像的灰度直方圖由以上分析可得，接下來要對第一視角灰度圖像進(jìn)行二值化，二值化原理為已知一個(gè)灰度圖像，選中灰度值在minGray和maxGray之間的區(qū)域，公式如下，其中g(shù)為被選中的圖像像素灰度值： minGray≤g接下來要得到二值化閾值minGray和maxGray的值，先用gray_histo算子得到灰度值分布數(shù)組，即灰度值從0到255之間每個(gè)灰度值所占的像素?cái)?shù)量，再用tuple_max算子得到灰度值分布數(shù)組中的最大值，即在灰度值0-255范圍內(nèi)某個(gè)灰度值所占的最大像素?cái)?shù)量，最后用tuple_find算子返回?cái)?shù)組的索引，即找到所占最大像素?cái)?shù)量的灰度值。由以上算子計(jì)算可得該灰度圖像的灰度值峰值GrayValue為127，通過不斷修改閾值調(diào)整參數(shù)可知，閾值分別為GrayValue-0.08*255和GrayValue+0.08*255得到的二值化區(qū)域?yàn)樽罴眩窗赜婉R路區(qū)域，如圖4.9所示。圖4.9柏油馬路區(qū)域由上圖可以看出，空余停車位位置的紅色區(qū)域面積大，有車輛停車的位置紅色區(qū)域面積較小。接下來為了計(jì)算每個(gè)停車位的空余位置面積，應(yīng)得到每個(gè)停車位的位置區(qū)域，為了讓區(qū)域分割過后的停車位位置區(qū)域更加準(zhǔn)確，應(yīng)先將矯正過后的ROI區(qū)域進(jìn)行區(qū)域斷開處理，再進(jìn)行區(qū)域分割得到每個(gè)停車位的位置區(qū)域，分割后的ROI區(qū)域如圖4.10所示。圖4.10分割后的ROI區(qū)域4.1.4得到空余停車位位置區(qū)域上一小章得到柏油馬路區(qū)域和每個(gè)停車位的位置區(qū)域后，應(yīng)對兩種區(qū)域求交集得到每個(gè)停車位空余位置區(qū)域。首先對每個(gè)停車位的位置區(qū)域重新排列，重新排列后的停車位位置區(qū)域如圖4.11所示。圖4.11重新排列后的停車位位置區(qū)域接下來循環(huán)遍歷上圖中每個(gè)停車位的位置區(qū)域，與柏油馬路區(qū)域求交集，得到每個(gè)停車位的空余位置區(qū)域，以其中一個(gè)停車位位置區(qū)域?yàn)槔?，與柏油馬路區(qū)域求交集之后，得到的該停車位的空余位置區(qū)域如圖4.12所示。圖4.12停車位的空余位置區(qū)域通過觀察可知，每個(gè)空余停車位的空余區(qū)域面積都比有車停車位的空余區(qū)域面積大，故選取每個(gè)停車位的空余位置區(qū)域面積作為特征，循環(huán)遍歷每個(gè)停車位的空余位置區(qū)域，篩選符合面積特征的停車位位置區(qū)域，符合面積特征的停車位位置區(qū)域即空余停車位位置區(qū)域標(biāo)記為綠色，不符合面積特征的停車位位置區(qū)域即有車停車位位置區(qū)域標(biāo)記為紅色，如圖4.13(a)(b)所示。(b)圖4.13(a)空余停車位位置區(qū)域(b)有車停車位位置區(qū)域得到兩種停車位位置區(qū)域后，計(jì)算標(biāo)記為綠色的空余停車位位置區(qū)域數(shù)量，顯示在圖形窗口左上角，如圖4.14所示。圖4.14顯示結(jié)果4.2VisualStudio中實(shí)現(xiàn)的功能可知前文已經(jīng)用Halcon算子實(shí)現(xiàn)了識別停車場內(nèi)空余停車位位置的功能，而本文需要設(shè)計(jì)一個(gè)界面來完成人機(jī)交互，所以在本小節(jié)介紹了怎么用VisualStudio軟件以Halcon算子為基礎(chǔ)用C#代碼編寫人機(jī)交互界面，如圖4.15所示。圖4.15人機(jī)交互界面實(shí)現(xiàn)流程圖由上圖可知，先用上文實(shí)現(xiàn)的Halcon算子導(dǎo)出.cs文件，再在VisualStudio軟件上對Form窗體進(jìn)行設(shè)計(jì)，最后結(jié)合導(dǎo)出的.cs文件對該系統(tǒng)的人機(jī)交互界面進(jìn)行修改代碼實(shí)現(xiàn)。Form窗體設(shè)計(jì)界面如圖4.16所示。圖4.16Form窗體設(shè)計(jì)界面由圖可知，該界面的設(shè)計(jì)一共用到9個(gè)控件，其中四個(gè)為label控件，三個(gè)為hWindowControl控件，一個(gè)為button控件，一個(gè)為textBox控件。對該人機(jī)交互界面的功能進(jìn)行編程實(shí)現(xiàn)，雙擊button按鈕，自動生成點(diǎn)擊button按鈕實(shí)現(xiàn)的事件，在該事件中編寫要實(shí)現(xiàn)的功能，該功能是對Halcon算子導(dǎo)出的.cs文件進(jìn)行修改實(shí)現(xiàn)的，分別為在三個(gè)hWindowControl窗體上顯示該停車場的三個(gè)視角圖像，自動識別該停車場內(nèi)的三個(gè)視角空余停車位位置和數(shù)量，識別結(jié)果分別顯示在三個(gè)hWindowControl控件的左上角，在textBox控件中顯示三個(gè)視角內(nèi)空余停車位的總數(shù)。4.3本章小結(jié)本章對該系統(tǒng)分別在Halcon和VisualStudio兩個(gè)軟件中的實(shí)現(xiàn)過程和原理進(jìn)行了詳細(xì)闡述，其中人機(jī)交互界面是在VisualStudio軟件中對界面進(jìn)行設(shè)計(jì)和基于Halcon算子導(dǎo)出的.cs文件進(jìn)行修改實(shí)現(xiàn)的。第5章功能測試及驗(yàn)證5.1測試環(huán)境為了測試該停車位檢測系統(tǒng)是否滿足客戶的需求和設(shè)計(jì)目標(biāo)、檢驗(yàn)該系統(tǒng)可能存在的錯誤和不足，因此，本章節(jié)主要完成對該系統(tǒng)進(jìn)行相關(guān)功能的測試和驗(yàn)證。通過系統(tǒng)測試，可以檢測系統(tǒng)的功能是否正確、完整[17]。本軟件系統(tǒng)的測試環(huán)境為：軟件開發(fā)平臺：MicrosoftVisualStudio2017HDevelop17.12ProgressWindows系統(tǒng)版本：Windows10家庭版5.2Halcon程序測試Halcon程序是對停車場內(nèi)三個(gè)視角的圖像分別處理，得到圖像內(nèi)的空余停車位區(qū)域和有車停車位區(qū)域，并分別用綠色矩形邊緣框和紅色矩形邊緣框框出，在圖像窗口左上角顯示該視角內(nèi)的空余停車位數(shù)量。三個(gè)視角在Halcon軟件中運(yùn)行的結(jié)果如圖5.1(a)-(c)所示。(b)(c)圖5.1(a)-(c)三個(gè)視角的運(yùn)行結(jié)果由圖可知，三個(gè)視角內(nèi)的所有空余停車位區(qū)域都被標(biāo)記為綠色邊緣框，其中包括停車位內(nèi)有路燈影子、有三輪車、一車占兩個(gè)位置、有污漬、有雜物、車輛顏色跟柏油馬路相近的情況，該Halcon程序編寫的算法準(zhǔn)確率高、抗干擾能力強(qiáng)，可以用來通過選定ROI區(qū)域來識別停車場內(nèi)空余停車位的位置。5.3C#代碼測試對Halcon軟件中的程序測