基于LabVIEW智能车位引导系统研究与设计

摘要

受建筑结构影响，大型室内停车场一般分成多个区域，而且各区相互空间位置也比较复杂，迅捷找到停车位进行停车和提取车辆并不是一件简单的事。研究和设计停车场场内车位引导系统(ParkingGuidanceandInformationSystem，PGIS)的目的是在停车场环境复杂、辨识度低的情况下帮助车主在最短时间内找到最优停车位，指示停车路线，同时，在提取车辆时，车主可在查询终端查找到自己的车辆所在位置，引导车主反向寻车，然后驶出停车场，完成出场引导。
　　本文针对现有车位引导系统存在的不足，设计了基于LabVIEW的智能车位引导系统。该系统包括停车信息采集、信息处理、信息传输和信息发布等四个部分，实现最优停车路径引导和反向寻车定位功能。
　　停车引导的最优路径求取算法是引导系统的关键问题。本文首先对Dijkstra算法和遗传算法在停车引导系统中的应用进行了研究，研究表明，两种算法各有明显的优点和缺点，遗传算法在搜索速度上比Dijkstra算法快，但在适应度函数选择不当的情况下有可能收敛于局部最优;而Dijkstra算法全局收敛性好，在求取最优路径成功率方面具有优势，但是当节点数较多时寻优时间会显著增加。基于此，本文提出改进的自适应遗传算法。该算法对遗传算法的交叉率和变异率进行了优化，使交叉率和变异率进行非线性自适应调整，提高算法可靠性，避免陷入局部最优。测试结果表明，改进的自适应遗传算法搜索速度更快，并且成功率更高，鲁棒性更好。
　　反向寻车基于图像识别技术进行。利用PXI1408图像采集卡采集车牌信息，在LabVIEW平台上，对IMAQVision工具包函数进行设计。该技术包含图像预处理、车牌定位、字符识别和字符分割等几个部分。本文采用OCRTrainingInterface对字符进行训练，训练中经过阈值分割、指定感兴趣区域、调节字符间距，完成对单个字符的分割。并通过对字符的编辑，制作完成字符集，然后用OCR函数创建的机器视觉程序来读取字符，从而完成对车牌信息的识别。车牌信息确认后，再与前述停车引导系统所指示的车位ID进行绑定，即实现车辆定位。
　　本文最后，对基于LabVIEW的自适应遗传算法求取最短路径和车牌识别算法进行了应用实践，选用具有代表性的停车场为案例，实现了车辆的入场引导和出场引导。

目录

声明

摘要

1 绪论

1．1 研究背景和意义

1．2 国内外研究现状和发展趋势

1．3 本文研究内容与章节安排

2 LabVIEW车位引导总方案设计

2．1 引言

2．2 车位引导系统结构及作用

2．2．1 车位引导系统结构

2．2．2 车位引导系统的作用

2．3 车位引导关键技术

2．3．1 路径引导算法

2．3．2 反向寻车引导中的车牌识别技术

2．4 本章小结

3 车位引导研究与设计

3．1 引言

3．2 最短路径Dijkstra算法研究

3．2．1 算法设计

3．2．2 实验步骤

3．2．3 实验结果及分析

3．3 最短路径遗传算法研究

3．3．1 算法设计

3．3．2 实验步骤

3．3．3 实验结果及分析

3．4 遗传算法与Dijkstra算法的比较

3．4．1 搜索速度的比较

3．4．2 搜索成功率的比较

3．5 改进的自适应遗传算法

3．6 本章小结

4 反向寻车引导研究与设计

4．1 引言

4．2 反向寻车系统设计

4．3 LabVIEW车牌识别

4．3．1 LabVIEW图像处理技术简介

4．3．2 LabVIEW车牌识别

4．3．3 程序设计

4．3．4 实验结果及分析

4．4 本章小结

5 停车场智能车位引导应用

5．1 引言

5．2 车位引导过程

5．3 本章小结

结论及展望

致谢

参考文献

攻读学位期间发表论文