[C/C++] 基于ESP32-CAM的AI智能停车系统实战：车牌识别与道闸控制

随着城市车辆数量激增，停车管理成为一项挑战。本文将介绍一套基于ESP32-CAM开发板的低成本AI智能停车系统原型，它集成了自动车牌识别（ANPR）和道闸控制功能。

该系统利用板载摄像头采集图像，通过云端车牌识别API完成识别，并结合红外传感器检测车辆进出，最终控制伺服电机驱动道闸，实现车辆的自动放行与数据记录。

项目整体思路

整个系统的核心工作流程如下：

1. 入口检测：入口红外传感器检测到车辆靠近，ESP32-CAM触发拍照。
2. 云端识别：拍摄的图片通过HTTPS上传至特定的车牌识别API服务器。
3. 数据处理：服务器返回JSON格式的识别结果（含车牌号等），ESP32-CAM解析并记录到内存中的“停车数据库”。
4. 道闸控制：识别通过且车位未满时，控制舵机抬杆放行，车辆计数加1。
5. 出口检测：出口传感器检测到车辆离开，直接开闸放行，车辆计数减1，并记录一条出场历史。
6. 网页监控：通过ESP32-CAM内置的WebServer可在浏览器查看实时状态、识别结果及停车历史。

该系统本质上构建了一个边缘设备：负责前端数据采集与物理控制，将复杂的AI识别任务交由云端处理，再将结果反馈回本地执行。

硬件清单

• ESP32-CAM × 1 (核心控制与摄像模块)
• 舵机 × 1 (驱动道闸)
• 红外传感器模块 × 2 (入口、出口各一)
• USB转UART模块 × 1 (用于烧录程序)
• 面包板、杜邦线若干

  注：3D打印的支架与场景板仅为美化演示，非必需。

电路设计

连接简单明了：

• 舵机信号线连接至 GPIO 14 (配置为PWM输出)。
• 入口红外传感器连接 GPIO 13。
• 出口红外传感器连接 GPIO 15 (二者均配置为数字输入)。

供电注意：

• 整个系统采用5V供电（如旧USB线）。
• 舵机直接使用5V。
• 两个红外传感器由ESP32-CAM板载的3.3V引脚供电，确保信号电平安全。

搭建与调焦

本项目使用微缩模型演示。需注意ESP32-CAM出厂镜头焦距可能不适用于近距离拍摄玩具车牌，需要手动旋转镜头调焦，或使用叠加镜片来获得清晰图像。

软件准备

1. 获取API Key：在相关服务平台注册并生成用于车牌识别的API Key。
2. 安装Arduino库：
   • ESP32Servo (用于舵机控制)
   • NTPClient (用于网络时间同步)

代码结构总览

1. 头文件与全局配置

开头引入必要的库，并定义网络参数、API信息及引脚映射。

#include <WiFi.h>
#include <WiFiClientSecure.h>
#include <WebServer.h>
#include "esp_camera.h"
#include <NTPClient.h>
#include <ESP32Servo.h>

// 替换为你的实际信息
const char* ssid = "xxx";
const char* password = "xxx";
String serverName = "www.circuitdigest.cloud";
String serverPath = "/readnumberplate";
const int serverPort = 443;
String apiKey = "xxx";

// GPIO定义
#define servoPin 14
#define inSensor 13
#define outSensor 15

2. 关键函数说明

• extractJsonStringValue(): 从服务器返回的JSON中解析所需字段。
• handleRoot(): 生成并返回实时监控网页的HTML内容。
• handleTrigger(): 处理拍照触发事件。
• openBarrier() / closeBarrier(): 控制道闸开合。
• sendPhoto(): 核心函数，负责拍照并将图片上传至服务器进行识别。

3. setup() 函数：初始化

setup()函数负责一次性初始化工作：

• 禁用棕出检测以提高稳定性。
• 初始化串口、配置传感器和舵机引脚模式。
• 连接Wi-Fi网络。
• 初始化NTP客户端以获取准确时间。
• 启动Web服务器并绑定请求处理函数。
• 配置摄像头参数与引脚。
• 初始化舵机至初始位置。

4. loop() 函数：主循环

loop()函数持续运行，构成系统主状态机：

1. 更新时间：周期性从NTP服务器获取当前时间。
2. 处理Web请求：轮询处理来自浏览器的访问。
3. 处理车辆进入：
   • 当入口传感器触发且有空车位时，延时确保车辆就位。
   • 调用handleTrigger()拍照并上传识别。
   • 识别成功则记录车牌信息，控制道闸放行。
4. 处理车辆离开：
   • 当出口传感器触发且有车辆在场时，直接开闸。
   • 记录一条“NULL-Exit”出场记录，车辆计数减1，随后关闸。
   • 更新网页状态。

实测效果与优化方向

实测流程：
小车驶入入口 → 传感器触发 → 拍照上传 → 云端识别 → 网页显示结果 → 道闸抬杆。
小车驶出出口 → 传感器触发 → 道闸抬杆 → 记录出场信息 → 道闸关闭。

可优化点：

1. 识别延迟：上传图片至云端识别存在网络延迟，是当前方案的主要瓶颈。
2. 单点识别：目前仅在入口进行车牌识别。为实现精确的进出匹配，可在出口也增加识别功能。
3. 数据易失性：停车记录仅存于RAM，断电即丢失。可考虑利用板载TF卡槽本地存储，或接入物联网平台进行云端持久化。
4. 代码健壮性：原型代码在错误处理、网络重连等方面仍有提升空间，适合作为进一步开发的基础。

小结

本项目完整演示了如何利用ESP32-CAM构建一个微缩智能停车系统，串联了图像采集、云端AI识别、本地Web服务、传感器与执行器控制等多项技术。硬件成本低、代码开源，是学习边缘计算与物理世界交互的绝佳实践案例。

项目源码：https://github.com/Circuit-Digest/Smart-Parking-System-with-Number-Plate-Recognition-using-ESP32-CAM/tree/main