基于STM32和K210的智能车库管理系统

张天豪

摘要：随着我国城市化进程的不断推进，截至2022年底，我国汽车保有量已经超过4.17亿辆，受此影响，汽车带来的城市道路拥堵、车位紧缺等问题日益突出。针对这个问题，设计一种基于STM32和K210的智能车库管理系统，主要由基于K210的高效车牌识别系统、基于超声波模块的车型识别系统、云平台管理系统构成，由STM32作为控制核心，经过实验验证，成本低廉并能提高车库管理效率，具有一定的实用意义。

关键词：智能车库；STM32；K210

引言

我国近年来在现代化城市规划建设方面取得了稳步进展，人们的生活质量不断提高，并对物质需求有持续的增长。因此，汽车逐渐成为人们最常用的交通工具。随着需求的增加，我国的汽车销售量每年保持着稳定的增长速度。截至2022年底，我国汽车保有量已经超过4.17亿辆，同比2021年增长了5.39%。预计在短期内，增速放缓的速度将会有限[1]。不仅城市交通系统面临着由于机动车数量迅速增加而造成的巨大压力，城市的规划建设和环境美化也受到了这种压力的影响。根据交通运输部的数据，国内一、二线城市每辆机动车拥有的停车位约为0.8个，三、四线城市为0.5个，而发达国家则为1.3个。

鉴于缺乏停车位，车辆乱停、乱放的问题广泛存在，街道上停放的车辆不仅影响城市美观，还占用了许多非机动车道的空间。据相关资料显示，大多数车辆在停放状态下，仅有10%的时间处于行驶状态。在城市中心区域，甚至有近30%的车辆行驶在搜寻空车位的状态下[2]。因此，对停车的管理至关重要。然而，一旦车辆进入车库，就很难对其行为进行控制，这就经常导致车辆找不到停车位或在车库内随意寻找停车位的情况发生。尤其是在大型地下車库中，由于空间有限且视野受限，寻找停车位需要不断进行人工操作。而且，车库内道路狭窄，使得高峰时段出现了严重的交通拥堵问题。从当今城市的发展现状和人们对生活的需求来看，一套高效率车库管理系统对于缓解日趋严峻的交通状况和车位严重不足问题尤为重要。这种管理系统具备预定车位、高效读取和管理车辆数据，并可进行点到点车位智能规划引导停车等功能。此外还对未来智慧化城市建设有着重要意义。

1. 智能车库系统介绍

针对目前城市中车位寻找困难以及车库管理系统不足的问题，本文提出了一系列相关的技术措施，旨在优化当前的车库管理，以实现车库管理的智能化和高效化，从而为城市停车难的问题提供方案，提升城市居民的生活满意度。本文设计的车库管理系统有以下特点：

（1）在当前主流的管理系统基础上，使用一连串图像处理技术，提高车辆智能管理系统中车牌识别的准确度，减少无法识别的时间和未知时间，为不停车出入库提供解决方案；

（2）用超声波模块进行测距，从而识别不同车型，以此适配拥有多种不同大小车位的停车场，进而为不同车型指引不同的停车区域；

（3）在车辆驶入后，自动检测空余车位，自动引导车辆入库，使车辆无效寻找车位行为大幅减少，节约时间、提高效率；

（4）最后将车辆进出库信息上传至OneNET云平台，通过多种不同设备进行管理，方便进行实时远程查询，未来还可增加远程车库管理功能，积极促进管理效率提升。

2. 系统设计

2.1 系统整体构成

系统整体主要由主控制器、K210核心板、传感器、上位机以及一些功能模块组成，具体结构功能图如图1所示。

STM32F103C8T5核心板是整个系统的设计核心，各个接口与外围模块相连；K210单片机主要作用是实现车牌识别，主要包括摄像头图像采集、图像裁剪与缩放、运行字符识别模型、中文字符解码等功能，最后将识别结果通过串口上传至STM32。

STM32通过串口获取K210的车牌识别结果、发送/接收Wi-Fi模块的数据、控制语音播报的内容、控制舵机转动的角度。

2.2 元器件选型

车库实现智能化的核心是处理器的实时数据处理能力，而主控芯片负责数据处理，故主控芯片的选择尤为重要。本设计选用STM32F103系列的芯片作为主控芯片，与其他常用主控芯片进行比较如下[3]：

（1）和传统单片机比较。STM32的片上资源更为丰富，因而在以STM32为主控芯片的控制器的整体硬件开发成本比传统单片机低，且处理能力比传统单片机更强。

（2）和ARM7、11等其他32位处理器相比。STM32单片机的架构先进，代码密度高，功耗低，价位低，是32位处理器中性价比较高的芯片。

（3）和DSP芯片比较。虽然DSP芯片的系统频率高，实时性好，处理性能强，但价格昂贵且开发周期长。

综合上述比较情况，考虑到硬件的性能和价格因素，本设计选择了STM32F103单片机作为主控芯片。

另外，本方案还需要进行车牌识别，经过经济性与实用性的多重考量，最终选择了K210 MCU。这款产品的特点在于其芯片架构内嵌了一个神经网络硬件加速器KPU，能够高效执行卷积神经网络计算，同时成本相比Openmv等摄像模组价格更为经济，可以有效降低产品的成本[4]。

3. 车牌定位识别方法

当前在车牌定位识别技术领域，研究的焦点是提高车牌识别的准确度和速度。提高车牌识别的准确度可以减少意外发生的可能性，而加快识别速度则可以提高车辆管理的效率。

车牌识别技术在市场广泛应用，可分为两类。一类是传统车牌定位技术，主要依靠车牌的纹理、边框比例、颜色和字符等特征进行定位；另一类是基于深度神经网络的车牌定位技术，利用神经网络可以抽象车牌特征，通过多次迭代训练来实现快速准确定位车牌。

本方案使用基于KPU（kendryte processing unit）的目标检测模型[5]，来对图像中的车牌信息进行定位和识别。

要在K210上实现车牌定位与识别，首先需进行目标检测模型的训练。具体可以分为以下步骤：

（1）数据准备：收集包含各种车牌的图像数据集，进行标注并转换为适用于训练的大小和格式；

（2）选择合适的目标检测模型；

（3）进行模型训练；

（4）将训练好的模型部署至K210。

4. 算法设计与程序流程图

图2为车辆入库流程图，车辆驶近入口时，通过K210单片机识别车牌并记录信息，然后通过超声波传感器测量车底盘离地距离，判断车型若在相应区域有车位，则进行语音播报指引并打开道闸，并将相应的信息上传至云平台存储。车辆出库流程与入库流程相似，主要增加了计费环节。车辆驶出入口时，通过K210单片机识别车牌并比对停车信息，然后对停车信息进行计算，用车辆离开时间减去车辆进入时间，得出车费，然后进行车费缴纳环节，之后若车费缴清，则开具票据、打开道闸放行，在车辆驶出之后对车位数量信息更新。

5. 测试与分析

对系统各个功能进行测试如下：

（1）验证车牌识别的准确度。在室外随机选取60个车牌进行识别测试。测试结果如表1所示。

（2）验证云平台管理是否有效，方法为使用一个车牌模拟入库后，检查云平台。

（3）测试系统其余功能，具体方案是模拟车辆入库后，观察其余模块是否正常工作。结果为OLED模块、舵机、超声波测距模块等均正常工作，达到设计目标。

结语

车位难寻的根本原因是停车位的规划建设水平落后于汽车保有量的增长，而这又进一步造成了交通拥堵。本文基于STM32与K210设计了一套智能车库管理系统，设计目的为基于目前车辆管理体系，尽可能降低车库管理的时间成本，提高车库管理效率，并通过实际测试验证，在成本低廉的同时，能够缩短存取车的耗时，提高存取车速度，有效解决停车取车困难的问题。该系统在各购物中心或露天停车场等处均可应用，具有一定的现实意义。

参考文献：

[1]朱立地.对基于云平台的城市智慧停车发展现状和改进措施的研究[J].科技资讯，2023，21（8）：33-36.

[2]叶聪.智能车库管理系统设计研究[D].南昌：华东交通大学，2021.

[3]王晨辉，吴悦，杨凯.基于STM32的多通道数据采集系统设计[J].电子技术应用，2016，42（1）：51-53，57.

[4]顾恭.一种基于MSER及CNN的车牌文字定位新方法[J].计算机应用与软件，2021，38（8）：206-213，279.

[5]白璐.基于深度学习的车牌识别技术研究[D].济南：山东师范大学，2019.

作者简介：张天豪，硕士研究生，研究方向：無人装备导航制导与控制。

基金项目：陕西省重点研发计划——基于柔性传感技术的压疮及人体生理信号监测系统开发（编号：2023-YBSF-451）。