基于STM32和K210的智能車庫管理系統

張天豪

摘要：隨著我國城市化進程的不斷推進，截至2022年底，我國汽車保有量已經超過4.17億輛，受此影響，汽車帶來的城市道路擁堵、車位緊缺等問題日益突出。針對這個問題，設計一種基于STM32和K210的智能車庫管理系統，主要由基于K210的高效車牌識別系統、基于超聲波模塊的車型識別系統、云平臺管理系統構成，由STM32作為控制核心，經過實驗驗證，成本低廉并能提高車庫管理效率，具有一定的實用意義。

關鍵詞：智能車庫；STM32；K210

引言

我國近年來在現代化城市規劃建設方面取得了穩步進展，人們的生活質量不斷提高，并對物質需求有持續的增長。因此，汽車逐漸成為人們最常用的交通工具。隨著需求的增加，我國的汽車銷售量每年保持著穩定的增長速度。截至2022年底，我國汽車保有量已經超過4.17億輛，同比2021年增長了5.39%。預計在短期內，增速放緩的速度將會有限[1]。不僅城市交通系統面臨著由于機動車數量迅速增加而造成的巨大壓力，城市的規劃建設和環境美化也受到了這種壓力的影響。根據交通運輸部的數據，國內一、二線城市每輛機動車擁有的停車位約為0.8個，三、四線城市為0.5個，而發達國家則為1.3個。

鑒于缺乏停車位，車輛亂停、亂放的問題廣泛存在，街道上停放的車輛不僅影響城市美觀，還占用了許多非機動車道的空間。據相關資料顯示，大多數車輛在停放狀態下，僅有10%的時間處于行駛狀態。在城市中心區域，甚至有近30%的車輛行駛在搜尋空車位的狀態下[2]。因此，對停車的管理至關重要。然而，一旦車輛進入車庫，就很難對其行為進行控制，這就經常導致車輛找不到停車位或在車庫內隨意尋找停車位的情況發生。尤其是在大型地下車庫中，由于空間有限且視野受限，尋找停車位需要不斷進行人工操作。而且，車庫內道路狹窄，使得高峰時段出現了嚴重的交通擁堵問題。從當今城市的發展現狀和人們對生活的需求來看，一套高效率車庫管理系統對于緩解日趨嚴峻的交通狀況和車位嚴重不足問題尤為重要。這種管理系統具備預定車位、高效讀取和管理車輛數據，并可進行點到點車位智能規劃引導停車等功能。此外還對未來智慧化城市建設有著重要意義。

1. 智能車庫系統介紹

針對目前城市中車位尋找困難以及車庫管理系統不足的問題，本文提出了一系列相關的技術措施，旨在優化當前的車庫管理，以實現車庫管理的智能化和高效化，從而為城市停車難的問題提供方案，提升城市居民的生活滿意度。本文設計的車庫管理系統有以下特點：

（1）在當前主流的管理系統基礎上，使用一連串圖像處理技術，提高車輛智能管理系統中車牌識別的準確度，減少無法識別的時間和未知時間，為不停車出入庫提供解決方案；

（2）用超聲波模塊進行測距，從而識別不同車型，以此適配擁有多種不同大小車位的停車場，進而為不同車型指引不同的停車區域；

（3）在車輛駛入后，自動檢測空余車位，自動引導車輛入庫，使車輛無效尋找車位行為大幅減少，節約時間、提高效率；

（4）最后將車輛進出庫信息上傳至OneNET云平臺，通過多種不同設備進行管理，方便進行實時遠程查詢，未來還可增加遠程車庫管理功能，積極促進管理效率提升。

2. 系統設計

2.1 系統整體構成

系統整體主要由主控制器、K210核心板、傳感器、上位機以及一些功能模塊組成，具體結構功能圖如圖1所示。

STM32F103C8T5核心板是整個系統的設計核心，各個接口與外圍模塊相連；K210單片機主要作用是實現車牌識別，主要包括攝像頭圖像采集、圖像裁剪與縮放、運行字符識別模型、中文字符解碼等功能，最后將識別結果通過串口上傳至STM32。

STM32通過串口獲取K210的車牌識別結果、發送/接收Wi-Fi模塊的數據、控制語音播報的內容、控制舵機轉動的角度。

2.2 元器件選型

車庫實現智能化的核心是處理器的實時數據處理能力，而主控芯片負責數據處理，故主控芯片的選擇尤為重要。本設計選用STM32F103系列的芯片作為主控芯片，與其他常用主控芯片進行比較如下[3]：

（1）和傳統單片機比較。STM32的片上資源更為豐富，因而在以STM32為主控芯片的控制器的整體硬件開發成本比傳統單片機低，且處理能力比傳統單片機更強。

（2）和ARM7、11等其他32位處理器相比。STM32單片機的架構先進，代碼密度高，功耗低，價位低，是32位處理器中性價比較高的芯片。

（3）和DSP芯片比較。雖然DSP芯片的系統頻率高，實時性好，處理性能強，但價格昂貴且開發周期長。

綜合上述比較情況，考慮到硬件的性能和價格因素，本設計選擇了STM32F103單片機作為主控芯片。

另外，本方案還需要進行車牌識別，經過經濟性與實用性的多重考量，最終選擇了K210 MCU。這款產品的特點在于其芯片架構內嵌了一個神經網絡硬件加速器KPU，能夠高效執行卷積神經網絡計算，同時成本相比Openmv等攝像模組價格更為經濟，可以有效降低產品的成本[4]。

3. 車牌定位識別方法

當前在車牌定位識別技術領域，研究的焦點是提高車牌識別的準確度和速度。提高車牌識別的準確度可以減少意外發生的可能性，而加快識別速度則可以提高車輛管理的效率。

車牌識別技術在市場廣泛應用，可分為兩類。一類是傳統車牌定位技術，主要依靠車牌的紋理、邊框比例、顏色和字符等特征進行定位；另一類是基于深度神經網絡的車牌定位技術，利用神經網絡可以抽象車牌特征，通過多次迭代訓練來實現快速準確定位車牌。

本方案使用基于KPU（kendryte processing unit）的目標檢測模型[5]，來對圖像中的車牌信息進行定位和識別。

要在K210上實現車牌定位與識別，首先需進行目標檢測模型的訓練。具體可以分為以下步驟：

（1）數據準備：收集包含各種車牌的圖像數據集，進行標注并轉換為適用于訓練的大小和格式；

（2）選擇合適的目標檢測模型；

（3）進行模型訓練；

（4）將訓練好的模型部署至K210。

4. 算法設計與程序流程圖

圖2為車輛入庫流程圖，車輛駛近入口時，通過K210單片機識別車牌并記錄信息，然后通過超聲波傳感器測量車底盤離地距離，判斷車型若在相應區域有車位，則進行語音播報指引并打開道閘，并將相應的信息上傳至云平臺存儲。車輛出庫流程與入庫流程相似，主要增加了計費環節。車輛駛出入口時，通過K210單片機識別車牌并比對停車信息，然后對停車信息進行計算，用車輛離開時間減去車輛進入時間，得出車費，然后進行車費繳納環節，之后若車費繳清，則開具票據、打開道閘放行，在車輛駛出之后對車位數量信息更新。

5. 測試與分析

對系統各個功能進行測試如下：

（1）驗證車牌識別的準確度。在室外隨機選取60個車牌進行識別測試。測試結果如表1所示。

（2）驗證云平臺管理是否有效，方法為使用一個車牌模擬入庫后，檢查云平臺。

（3）測試系統其余功能，具體方案是模擬車輛入庫后，觀察其余模塊是否正常工作。結果為OLED模塊、舵機、超聲波測距模塊等均正常工作，達到設計目標。

結語

車位難尋的根本原因是停車位的規劃建設水平落后于汽車保有量的增長，而這又進一步造成了交通擁堵。本文基于STM32與K210設計了一套智能車庫管理系統，設計目的為基于目前車輛管理體系，盡可能降低車庫管理的時間成本，提高車庫管理效率，并通過實際測試驗證，在成本低廉的同時，能夠縮短存取車的耗時，提高存取車速度，有效解決停車取車困難的問題。該系統在各購物中心或露天停車場等處均可應用，具有一定的現實意義。

參考文獻：

[1]朱立地.對基于云平臺的城市智慧停車發展現狀和改進措施的研究[J].科技資訊，2023，21（8）：33-36.

[2]葉聰.智能車庫管理系統設計研究[D].南昌：華東交通大學，2021.

[3]王晨輝，吳悅，楊凱.基于STM32的多通道數據采集系統設計[J].電子技術應用，2016，42（1）：51-53，57.

[4]顧恭.一種基于MSER及CNN的車牌文字定位新方法[J].計算機應用與軟件，2021，38（8）：206-213，279.

[5]白璐.基于深度學習的車牌識別技術研究[D].濟南：山東師范大學，2019.

作者簡介：張天豪，碩士研究生，研究方向：無人裝備導航制導與控制。

基金項目：陜西省重點研發計劃——基于柔性傳感技術的壓瘡及人體生理信號監測系統開發（編號：2023-YBSF-451）。