环卫作业车的城市路况巡查系统设计与开发

胡金华

(浙江机电职业技术学院，浙江 杭州 310053)

0 引言

随着社会发展与人口不断增加，人们日常生产及生活中产生的垃圾也越来越多。由于城市空间和容积的有限性，生活垃圾不能在城市里长时间停留，每天必须统一进行集中无害化处理，否则会影响城市的正常运行，严重时甚至会造成城市的瘫痪。所以城市垃圾清运系统的协调有序运行是市容环境、卫生安全以及城市可持续发展的基础保障[1-4]。

每个城市的深夜或清晨，都有成百上千的环卫车在城市的各个区域进行垃圾的收集、运输及路面清扫。仅监管巡查就需几百人，大量的人力、财力物力在此消耗。基于此，本文研发了一种集成于现有环卫车上的自动化巡查系统。它在不增加额外巡查的基础上采集市容市貌信息，尤其是路面信息，通过图像处理和识别的方式代替人工巡查和记录。既有利于保证交通的畅通，也能自动提示警告市民乱扔乱丢乱摆杂物的现象并做出有针对性地处理，还能大大节省财政开支。因此，该系统设计具有重要的现实意义和实用价值。

1 路况巡查发展概况及发展现状

1.1 路况巡查发展概况

近年来，城市设施的数字信息化发展日新月异，道路养护管理数字化系统也同步获得关注，城市道路槽坑、裂缝和窨井盖异常的检测自动化技术的研究与开发越来越受重视。目前，针对窨井盖异常和路面槽坑、裂缝等状态监测方面，国内外学者给出了大量研究结论[5-8]。

1.2 国外路况巡查发展现状

当前窨井盖数字信息化工程大都是针对窨井盖终端传感器所实现的监测处理。日本发明了地下井盖电子标签（FRID）智能报警管理体系；德国研发了远程窨井盖安全系统。针对路面表面破损检测问题，国外从二十世纪六、七十年代就开始研究道路破损自动检测系统。近年来，国外研究机构大都利用CCD(电荷耦合器件的简称)摄像机和计算机图像处理技术进行数字化路面破损自动检测系统的开发，典型的有澳大利亚ARRB 开发的路面破损自动检测车；美国PAVEDEX 公司开发的路面信息检测系统PASI；美国南达科他州运输部研制的路面信息检测车；澳大利亚NSW 公路局与CRISO 公司共同开发的自动化路面破损检测车RoadCrack 等[9-13]。它们大都检测精度与准确性都较高，但价格也很昂贵。

1.3 国内路况巡查发展现状

国内学者研究了基于GSM/GPRS(全球移动通讯系统/通用分组无线业务的简称)窨井盖远程监控系统和基于ZigBee 的窨井盖防盗技术。这些系统虽然在一定程度上达到了窨井盖监测的目的，但在实用性、系统稳定性上有所欠缺，且每个窨井盖都需安装可靠的终端传感器。高清摄像头的使用以及视觉识别等相关技术研究工作在国内起步较晚。随着我国数字图像处理技术的不断进步，以及机器视觉理论与实践研究的不断深入，我国的图像采集、模式识别与智能控制水平逐步提高，目前已成功研制出城市无人驾驶汽车。无人驾驶集自动控制体系结构、人工智能、视觉计算、视觉导航等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，在国防和国民经济领域具有广阔的应用前景。系统的使用成本较高，导致普及程度不高，但它用到的视觉采集、模式识别、目标定位等关键术在路况巡查任务中具有很好的借鉴作用[14-18]。

2 路况巡查系统简介

本系统在每辆环卫作业车安装前端CCD 摄像头完成图像数据采集，搭建人工智能终端系统调用OpenCV 计算机视觉库进行图像分析与处理。对当前行驶道路的路面异常情况进行初步识别、分类、存储，并根据车载GPS(全球定位系统的简称)定位信息获取该路面异常情况的位置信息，一起上传到云端数据中心，实现与城市垃圾清运智能管理系统的有效对接。主要研究内容如下。

⑴硬件系统搭建：硬件系统主要由CCD 摄像头及其图像采集系统、人工智能终端系统、远程数据通信系统组成。

⑵图像预处理：图像预处理用以消除各种因素造成灰度不均、传输以及存储过程中产生的噪声干扰。

⑶路面检测区域分割：进行图像的初步分析，利用提取图像直线信息进行道路边缘检测，将处于道路外部的绿化带、建筑物等区域的图像信息剔除掉，提取有效的路面检测区域。

⑷路况异常识别：窨井盖异常采用简单的样本模板匹配方式来识别；路面积水异常采用镜面倒影相似性来识别；路面垃圾堆积异常采用静止与否来粗略识别。如果出现有行人静止或车辆临时停靠的现象也当作异常，上传数据，等待后台人工进一步识别。

⑸数据上传：将识别出来的异常图片、异常类型、定位信息实时上传到云端数据中心。

3 路况巡查系统设计方案

根据需求，本系统利用现有政府环卫作业车辆资源，在其上加装专用的计算机视觉传感器及人工智能终端，在作业过程中实时采集视频图像信息。并通过人工智能终端进行图像处理与分析，完成诸如路面积水、槽坑或窨井盖异常等路况识别，将结果通过4G 或5G信号发送至云端数据处理中心，如图1（图片来源于浙江杭钻股份公司）所示。数据处理中心可对采集的大数据进行应用与分析并将最终结果发送至相关的监管人员、巡查人员及现场作业人员的手机终端，进行精准的作业指导和监管考核。

图1 系统功能框图

实现的方案如下。

⑴视频及图像采集：利用现有成熟的高清（300万像素以上）黑光摄像组件，匹配低畸变镜头进行前端图像及视频采集，视频帧率根据车辆行驶速度及图片采集密度考虑不低于15fps(帧/秒)。通过以太网传输技术或MIPI(移动工业处理器接口的简称)并行传输技术与智能分析终端进行数据传输，确保采集高清图像的实时传输。

⑵ 图像处理分析硬件平台：采用平板电脑或ARM 单片机技术，采用双核1.2GHz 计算核心，7 寸1024*600 分辨率电容式触摸屏。运行内存不低于1G,存储单元不低于8G,千兆网口，板载MIPI 接口，RS232RS485接口确保能够与前端采集设备进行数据交互及正常运行应用程序及图像分析程序。

⑶图像处理分析软件平台：OpenCV 是一个基于BSD 许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android 和Mac 操作系统上。它轻量而且高效，由一系列C函数和少量C++类构成，同时提供了C#、Python、Ruby、MATLAB 等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV 的代码经过适当改写可以正常的运行在DSP系统和ARM 嵌入式系统中。本系统以C、C++或Python 进行底层开发，OpenCV 为基础进行图像识别开发，JAVA、C#进行应用界面开发。确保操作系统的稳定、底层开发和运行的高效、算法模块化程度高，获取方便及交互界面的快速开发。

⑷路面检测区域图像分割技术：图像边缘检测大幅度地减少了数据量，并且剔除了不相关的信息，保留了图像重要的结构属性。本系统利用道路的路面边界线、车道分界线或绿化带台阶的直线，提取路面直线信息对路面检测区域进行图像分割，剔除路面之外的图像信息，大大地简化图像分析处理的难度，提高运算速度。

⑸路况异常识别技术：本系统的路况异常情况巡查首要目标是窨井盖缺失或异常，其次才是路面积水巡查，第三步是垃圾等静止物体的识别。其中窨井盖巡查是最简单也是最重要的巡查任务，属于必须研制成功的任务。我们采用制作窨井盖样本模板图片库，提取窨井盖椭圆边缘特征，基于模板匹配的方式来识别异常，则记录当前的GPS 位置信息，将当前帧图像、GPS 位置以及异常类型上传至数据中心并报警提示。实现第一步任务后，再进行第二步、第三步的后续图像分析与识别算法研究。

⑹GPS 信息采集技术：采用mini PCI-E 接口的EC20 模块，集成4G、GPS 功能，具备UART 和USB 接口，可与诸多硬件平台进行兼容。具备较好的互换性，便于升级5G 及北斗定位模块，同时可选模拟音频接口可扩充实时通话功能。能采集系统所需的GPS坐标、实时车速等信息。

⑺GIS(地理信息系统的简称)路网分析技术：本系统根据功能需求应具备道路识别、定位、GPS坐标转换，利用百度或天地图系统开发接口进行相应功能的开发。

⑻数据上传技术：利用4G 网络，采用UDP+握手协议和Socket 连接进行图片和文字数据的上传，UDP确保高并发状态下的服务器正常运行，Socket 确保重要数据交互的完整性。根据4G网络的特性，开辟空间对因网络信号差未上传数据进行缓存，并在恢复信号后第一时间上传，确保数据的完整性和实时性。

⑼在线更新技术：后台利用数据的上传监测AI终端的在线状态和动态IP，利用他们建立Socket 常连接，以进行程序版本检测和更新。

系统的拓扑如图2所示。

图2 系统拓扑图

4 总结

本文设计了一套环卫作业车的城市路况巡查系统，整套系统包括CCD 摄像头及其图像采集系统、人工智能终端系统、远程数据通信系统组成，实现了与城市垃圾智能管理系统的有效对接。测试与应用的结果表明，该系统简化了工作流程，节省了人力财力物力，具有广阔的市场应用前景。