首頁熱門文章
分析：智能停車位系統車位智能化識別原理
發布時間：2018-08-06 分類：交通百科
當前汽車智能化技術飛速發展，智能停車系統作為智能汽車的重要組成部分，深受國內外科研機構和工程技術人員的關注。停車位智能化識別作為自動泊車系統的一項關鍵技術，主要用于識別車位周圍環境和車位類型。隨著智能停車位系統自動化程度不斷提高，對車位識別技術的智能化要求也越來越高。
智能停車位系統的車位識別技術主要有兩種
第一種由駕駛員通過按鍵選擇停車位類型，然后系統決策模塊按照駕駛員選擇的停車位類型，分析環境感知模塊探測的停車位空間參數是否滿足條件，如法國學者Laugier、韓國學者park、吉林大學尚世亮等通過研究基于超聲波傳感器的檢測算法，來判斷車位參數是否滿足設定的停車位類型要求。
第二種是在有標準車位線的場景下，系統決策模塊依靠攝像頭對車位線進行識別和檢測，判斷停車位類型。如德國學者Daxwanger、英國劍橋大學Ozkul、臺灣學者Chao、浙江大學張聰等研究不同的視覺檢測車位線算法，通過計算4條車位線包絡形成的形狀，實現對停車位類型的判斷。但上述兩種車位識別方法均有局限性，第一種車位識別方法的智能化程度不高，仍需要依靠駕駛員肉眼觀測來選擇車位類型。第二種車位識別方法的應用場景必須要有標準車位線，在沒有標準車位線的情況下，攝像頭無法識別出停車位的類型。
智能停車位系統感知技術基本原理
在現實生活中，由于每個駕駛員停車水平和駕駛習慣存在差異，導致停車姿態各不相同，因而經常會出現不規則停車位。在沒有標準車位線的輔助下，不規則停車位的邊界特征較為復雜，現有的無感停車位識別技術無法識別出停車位類型，使很多不規則停車位資源難以利用，駕駛技術不太好的駕駛員只好通過巡游來尋找規則或寬敞的停車位，從而造成燃油和時間浪費。
近年來，多傳感器信息融合技術開始受到自動泊車和移動機器人導航研究人員的關注。臺灣學者Hsu等基于攝像頭、超聲波雷達、慣性導航系統和GPS，通過多傳感器信息融合方法實現了對1.5倍車長的停車位識別;浙江大學的王飛文等通過融合攝像頭和超聲波信息，提出了基于泊車車位模型和泊車位車道線模型的泊車位檢測方法;武漢理工大學趙玲利用神經網絡算法融合視覺和距離信息，實現了機器人自主巡航。然而，現有技術仍然無法識別非標準或沒有車位線的不規則停車位，對不規則停車位的識別方法研究也未見報道。
為了提高智能停車場資源的利用率以及自動泊車系統的智能化程度，通過融合超聲波傳感器、視覺信息傳感器和里程計的實時數據，構建停車位周圍環境感知和辨識模型，運用Mamdani模糊推理提出一種自動識別車位類型的方法。他們將自主開發的自動泊車系統搭載于某轎車進行試驗，試驗結果表明，該泊車系統對規則和不規則車位的自動識別正確率為88%～98%，平均值為92.8%，從而驗證了車位智能識別方法的良好效果。通過仿真和實車試驗，驗證所提出的智能化車位識別技術的有效性。
