汽車(chē)指針儀表的視覺(jué)檢測(cè)系統(tǒng)的研究與設(shè)計(jì)

徐 洋，廖欽漁，李 銳，程安宇

(重慶郵電大學(xué)汽車(chē)電子與嵌入式系統(tǒng)工程研究中心，重慶 400065)

汽車(chē)儀表關(guān)系著駕駛狀態(tài)的正確指示，對(duì)保障行駛的安全性至關(guān)重要。因此，儀表出廠前需要對(duì)其各項(xiàng)功能進(jìn)行嚴(yán)格的檢測(cè)及校正。目前儀表的檢測(cè)，國(guó)內(nèi)絕大多數(shù)仍采用人工的方法，國(guó)外研究發(fā)展相對(duì)起步較早，普遍采用電子設(shè)計(jì)自動(dòng)化、計(jì)算機(jī)輔助測(cè)試等新技術(shù)，已有不少先進(jìn)的檢測(cè)儀器。機(jī)器視覺(jué)技術(shù)旨在通過(guò)計(jì)算機(jī)模擬人眼的視覺(jué)功能，獲取客觀三維世界的信息，并對(duì)其進(jìn)行測(cè)量、跟蹤、處理和識(shí)別［1］。將視覺(jué)技術(shù)應(yīng)用在汽車(chē)儀表的檢測(cè)中，不僅可以減少傳統(tǒng)人眼檢測(cè)因視野距離或疲勞疏忽等因素導(dǎo)致的缺陷和不足，而且可以大大地加快檢測(cè)速率，節(jié)省時(shí)間成本，真正實(shí)現(xiàn)系統(tǒng)化、規(guī)范化和自動(dòng)化的檢測(cè)。

圖像處理技術(shù)開(kāi)發(fā)的工具眾多，對(duì)儀表圖像的研究一般多采用LabView、MATLAB或者單純的VC++等工具［2－3］。使用這些方法雖然可以進(jìn)行相關(guān)圖像處理的研究，但是它們或者提供的是非語(yǔ)言性編程，只能做仿真，或者就是編程工作量巨大，不能實(shí)現(xiàn)簡(jiǎn)單、便捷以及即時(shí)性的綜合需求。OpenCV(Open Source Computer Vision Library)是基于Visual Studio集成開(kāi)發(fā)環(huán)境的開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)，為圖像處理技術(shù)的研究提供了方便快捷且完全免費(fèi)的平臺(tái)［4］，采用其進(jìn)行圖像處理識(shí)別的研究可以提高執(zhí)行速率，減少代碼數(shù)量，符合即時(shí)、便捷的需要。

1 汽車(chē)儀表視覺(jué)檢測(cè)系統(tǒng)設(shè)計(jì)

系統(tǒng)的總體設(shè)計(jì)結(jié)構(gòu)框圖如圖1所示，系統(tǒng)主要由以下幾部分組成:視頻圖像處理的控制計(jì)算機(jī)及其處理軟件，USB接口的CMOS攝像頭獲取實(shí)時(shí)的無(wú)壓縮的視頻數(shù)據(jù)，攝像頭橫縱豎三方向的移動(dòng)支架，LED燈群為圖像采集提供外部光源，促使儀表轉(zhuǎn)動(dòng)的驅(qū)動(dòng)模塊，被測(cè)儀表以及其固定支撐臺(tái)。

本設(shè)計(jì)中控制計(jì)算機(jī)采用Intel公司生產(chǎn)的Pentium處理器，處理速度為2.20 GHz，內(nèi)存2.00 Gbyte，可以滿足實(shí)時(shí)采集需求。圖像處理軟件采用基于Visual Studio 2008集成開(kāi)發(fā)環(huán)境下的OpenCV庫(kù)，實(shí)現(xiàn)相關(guān)函數(shù)可對(duì)采取圖像進(jìn)行預(yù)處理和識(shí)別判定。

圖1 系統(tǒng)總體結(jié)構(gòu)框圖

圖像采集部分采用Microview公司的MVC－II－3M攝像頭，這是一款遵循USB 2.0標(biāo)準(zhǔn)的高分辨力、高清晰度、高幀率一體化的攝像頭，具有高速、帶幀存、外觸發(fā)采集和閃光燈輸出功能，最高分辨力可達(dá)到2048×1536，符合儀表檢測(cè)對(duì)高分辨力的特殊要求。

本系統(tǒng)還設(shè)計(jì)了攝像頭橫縱豎(X軸，Y軸，Z軸)3個(gè)方向的自由移動(dòng)功能。當(dāng)需要在表盤(pán)上獲取某指定部分信息時(shí)可以在X軸和Y軸移動(dòng)支架調(diào)整攝像頭位置，而當(dāng)需要拉伸縮進(jìn)攝像頭與表盤(pán)相對(duì)位置時(shí)就可在Z軸調(diào)整。這樣可以隨意調(diào)整支架，從而調(diào)整攝像頭位置以獲取想要的圖像信息。

由于檢測(cè)系統(tǒng)的封閉性，內(nèi)部只靠驅(qū)動(dòng)后的儀表自帶發(fā)光，不足以給檢測(cè)環(huán)境提供充足且均勻的光源，所以需要在系統(tǒng)內(nèi)部周邊安裝光源。選取的LED燈耗電量少、發(fā)光效率高、發(fā)熱量低，能在不影響系統(tǒng)性能的情況下提供均勻穩(wěn)定的光源。

要獲取指定刻度的儀表指針指示情況，被測(cè)儀表需要一定的驅(qū)動(dòng)信號(hào)使其指針旋轉(zhuǎn)到預(yù)期指定的位置，這里采取給儀表接入信號(hào)發(fā)生器和電位調(diào)節(jié)器的方法，可以對(duì)儀表盤(pán)上不同功能的表頭進(jìn)行驅(qū)動(dòng)控制。

最后系統(tǒng)設(shè)計(jì)了固定的支撐臺(tái)，通過(guò)夾具將被測(cè)儀表扣鎖在支撐臺(tái)上，這樣才可以保證檢測(cè)時(shí)圖像采集的穩(wěn)定性。

2 儀表圖像采集處理及識(shí)別

對(duì)圖像進(jìn)行處理的前提是圖像本身能夠最大程度地反映有用信息，如果圖像本身由于非客觀因素導(dǎo)致的圖像質(zhì)量低下，那么這幅圖像可以視為不合格的研究對(duì)象，后續(xù)的處理與識(shí)別也不再有意義。因此采集最佳的儀表圖像成為本設(shè)計(jì)的關(guān)鍵之一。

2.1 圖像的采集

MVC－II－3M攝像頭提供了SDK軟件開(kāi)發(fā)工具包，可以利用其API接口進(jìn)行二次開(kāi)發(fā)。結(jié)合MVC攝像頭開(kāi)發(fā)包編程可以采集視頻圖像，該采集過(guò)程中不但可以對(duì)視頻窗口的橫縱偏移量和窗口大小進(jìn)行設(shè)置而且可以通過(guò)調(diào)節(jié)曝光時(shí)間和紅綠藍(lán)三色增益來(lái)得到滿意的圖像色彩。對(duì)攝像頭采集的視頻信息進(jìn)行抓幀處理即可獲取想要的各幅圖像，這些圖像將存入計(jì)算機(jī)緩存中以供后面處理需要。攝像頭獲取并顯示圖像的代碼如下:

其中，pFrame是OpenCV中創(chuàng)建的一個(gè)IplImage結(jié)構(gòu)體變量，camera.QueryFrame是類camera中的的幀獲取函數(shù)，cvNamedWindow和cvShowImage分別為窗口命名和圖像顯示函數(shù)。

2.2 圖像的預(yù)處理

系統(tǒng)采集到的儀表圖像是RGB格式的彩色圖像，雖然里面包含了所需要的信息，但也包含了很多對(duì)于表盤(pán)和指針檢測(cè)無(wú)用的信息。同時(shí)，由于外界因素的影響圖像難免存在一定的噪聲，如果不進(jìn)行處理，就會(huì)加大工作量和影響對(duì)有用信息的獲取。本實(shí)驗(yàn)只對(duì)圖像的表盤(pán)、指針等輪廓突出信息進(jìn)行檢測(cè)，對(duì)圖像的顏色亮度等不做研究，所以只須將原圖像進(jìn)行去噪、灰度化、邊緣檢測(cè)便可給后續(xù)識(shí)別環(huán)節(jié)提供充足的信息。

OpenCV可以提供5種不同的圖像平滑去噪方法，所有的操作都由cvSmooth函數(shù)實(shí)現(xiàn)。高斯濾波是最常用的去噪方法，它利用卷積核與輸入圖像的每個(gè)像素點(diǎn)進(jìn)行卷積，將最終的計(jì)算結(jié)果之和作為輸出圖像的像素值。OpenCV的高斯濾波提供的幾個(gè)標(biāo)準(zhǔn)核大小3×3，5×5，7×7具有比其他核更優(yōu)的性能。OpenCV高斯去噪代碼如下:

其中，in和out分別為高斯去噪的輸入圖像和輸出結(jié)果，CV_GAUSSIAN代表去噪類型，最后的2個(gè)參數(shù)代表對(duì)圖像進(jìn)行核大小為3×3的高斯卷積。OpenCV高斯去噪的儀表圖像對(duì)比如圖2所示，左邊為原圖Original，右邊為高斯去噪后的圖Denoising。

圖2 高斯去噪效果對(duì)比圖

當(dāng)數(shù)據(jù)類型一致時(shí)，OpenCV的cvCvtColor函數(shù)可將圖像從一個(gè)顏色空間轉(zhuǎn)換到另一個(gè)空間。OpenCV可實(shí)現(xiàn)RGB色彩空間到灰度空間、HSV色彩空間、HLS色彩空間、CIE色彩空間的轉(zhuǎn)換以及反變換。圖像的灰度化即是將圖像從RGB色彩空間轉(zhuǎn)換到灰度空間，OpenCV圖像灰度化代碼如下:

其中，out和out1分別為灰度變換的輸入圖像(即去噪后的圖像)和輸出結(jié)果，CV_BGR2GRAY代表轉(zhuǎn)換代碼。OpenCV灰度化的儀表圖像對(duì)比如圖3所示，左邊為去噪后的圖Denoising，右邊為灰度化后的圖Gray。

圖3 灰度化效果對(duì)比圖

邊緣檢測(cè)最常用的是Canny算法，它與拉普拉斯算法不同之一是首先在x和y方向求一階導(dǎo)數(shù)，然后組合為4個(gè)方向xx，xy，yx，yy的導(dǎo)數(shù)，這些方向?qū)?shù)達(dá)到局部最大值的點(diǎn)就是組成邊緣的候選點(diǎn)。Canny算法最重要的一個(gè)特點(diǎn)是其試圖將獨(dú)立邊的候選像素拼裝成輪廓，輪廓的形成是對(duì)這些像素運(yùn)用滯后性閾值，所以需要2個(gè)閾值，即上限和下限。如果一個(gè)像素的梯度高于上限閾值則被認(rèn)為是邊緣像素，如果低于下限閾值則被拋棄，如果介于二者之間，只有當(dāng)其與高于上限閾值的像素相連時(shí)才會(huì)被接受［4］。OpenCV的Canny邊緣檢測(cè)代碼如下:

其中，out1和out2分別為邊緣檢測(cè)的輸入圖像和輸出結(jié)果，cvCanny函數(shù)要求輸入一幅灰度圖，所以前面灰度化的圖像便作為該處的輸入，而函數(shù)輸出的圖也一定是灰度的(實(shí)際是二值圖像)。后面的3個(gè)參數(shù)分別為下限閾值lowThresh、上限閾值highThresh和中孔值aperture-Size。經(jīng)實(shí)驗(yàn)驗(yàn)證，上下限比值在2∶1～3∶1之間邊緣檢測(cè)效果清晰明顯，而中孔是用于函數(shù)內(nèi)部的使用。OpenCV邊緣檢測(cè)的儀表圖像對(duì)比如圖4所示，左邊為灰度化后的圖Gray，右邊為邊緣檢測(cè)的圖Canny。

2.3 儀表指針指示刻度的讀取

指針式儀表檢測(cè)是一個(gè)復(fù)雜精細(xì)的過(guò)程，系統(tǒng)最關(guān)鍵的部分就是指針示數(shù)的判讀。由于檢測(cè)系統(tǒng)對(duì)指針的測(cè)量是多次重復(fù)的操作，所以針對(duì)同一類型儀表可以確定該表盤(pán)的中心位置，后面的檢測(cè)可以通過(guò)表盤(pán)各點(diǎn)向該中心點(diǎn)投影的方法確定指針的位置，從而判定儀表指針指示準(zhǔn)確性是否合格。

圖4 邊緣檢測(cè)效果對(duì)比圖

初步觀察儀表盤(pán)構(gòu)造特征，可以知道表盤(pán)的中心點(diǎn)應(yīng)在指針旋轉(zhuǎn)的固定軸線位置。為了精確地確定表盤(pán)的中心，這里采用多組兩線交點(diǎn)求均值的方法來(lái)找出中心點(diǎn)O。一般的研究求中心點(diǎn)只選取零刻度和滿刻度所在直線這兩線求交點(diǎn)［5］，如下方程組所示

式中:x和y是二值圖像中直線上點(diǎn)的坐標(biāo);k1，b1，k2，b2代表兩條相交直線各自的斜率和y軸截距。這樣由單一的兩條特殊直線所確定的交點(diǎn)(x，y)作為表盤(pán)中心點(diǎn)難免不精準(zhǔn)。系統(tǒng)采用的多組兩線交點(diǎn)求均值的方法可以改善上述方法的誤差性。多組兩線交點(diǎn)均值法是以表盤(pán)上包括滿刻線在內(nèi)的幾個(gè)大刻度線所在直線均與零刻線所在直線做交集，分別求得交點(diǎn)(x1，y1)，(x2，y2)，…，(xn，yn)，然后求這些交點(diǎn)的算術(shù)平均值，即橫縱坐標(biāo)的算術(shù)平均值，公式為

這樣通過(guò)多組直線交點(diǎn)求出的均值(ˉx，ˉy)作為表盤(pán)的中心點(diǎn)更具有真實(shí)性和準(zhǔn)確性。

中心投影法是將圖像上的各特征點(diǎn)向該中心點(diǎn)做投影，相當(dāng)于在極坐標(biāo)系中對(duì)平面圖像上的點(diǎn)進(jìn)行分析處理。極坐標(biāo)系中，直線用以下方程式表示

式中:x和y代表直線上點(diǎn)的坐標(biāo)，ρ和θ分別代表點(diǎn)(x，y)到原點(diǎn)的距離和點(diǎn)(x，y)所在過(guò)原點(diǎn)直線與x軸的夾角，如圖5所示。極坐標(biāo)系中每一個(gè)點(diǎn)對(duì)應(yīng)一個(gè)角度θ，每個(gè)角度θ的直線上會(huì)有不同數(shù)目的特征點(diǎn)組成一個(gè)集合A(θ)，當(dāng)有一個(gè)點(diǎn)投向這個(gè)角度時(shí)，集合A(θ)元素增加1。這樣通過(guò)對(duì)集合A(θ)中元素個(gè)數(shù)的比較，找出局部最大值，含有最多元素個(gè)數(shù)的集合Amax(θ)所對(duì)應(yīng)的角度θ即為指針?biāo)谥本€的角度，從而便可找出指針?biāo)谖恢茫?］。如圖6中心投影示意圖所示，每一個(gè)θ角度上都有一定的點(diǎn)投影，這里示例當(dāng)θ=45°時(shí)，投影的特征點(diǎn)數(shù)目最多，那么其對(duì)應(yīng)的集合A(θ)元素個(gè)數(shù)最多。

由于表盤(pán)的均勻分布性，只有指針?biāo)谖恢玫摩冉嵌人谥本€才會(huì)出現(xiàn)投影點(diǎn)明顯多于其他角度，A(θ)元素個(gè)數(shù)遠(yuǎn)遠(yuǎn)多于其他集合。前面求出了儀表的中心點(diǎn)所以只要找到了這個(gè)角度θ，便可以通過(guò)該θ值與表盤(pán)刻度的對(duì)應(yīng)關(guān)系求出指針示數(shù)值。儀表盤(pán)刻度的所在角度需要以所確定的中心點(diǎn)O為原點(diǎn)建立極坐標(biāo)系獲取。各款儀表表盤(pán)刻度與θ角度的對(duì)應(yīng)關(guān)系不同，本實(shí)驗(yàn)所測(cè)儀表盤(pán)的轉(zhuǎn)速表刻度與θ角度的對(duì)應(yīng)關(guān)系如表1所示，這里只列舉了整十的大刻度。

表1 轉(zhuǎn)速表盤(pán)刻度與θ角度的對(duì)應(yīng)關(guān)系

2.4 指針指示準(zhǔn)確性的判定

為了檢測(cè)儀表指針指示的準(zhǔn)確性，如果每一個(gè)刻度都檢查會(huì)浪費(fèi)很多的時(shí)間，一般方法是選取表盤(pán)上幾個(gè)特殊刻度(如零刻度、滿刻度以及其他適當(dāng)?shù)拇罂潭?做檢測(cè)，這些刻度指示準(zhǔn)確與否決定著儀表檢測(cè)的結(jié)果。

將各經(jīng)過(guò)處理識(shí)別后讀取的表盤(pán)指針指示值與輸入驅(qū)動(dòng)標(biāo)準(zhǔn)信號(hào)一一做對(duì)比，根據(jù)兩者之間相差的數(shù)值便可判定該儀表指針指示的準(zhǔn)確性。

3 實(shí)驗(yàn)結(jié)果及分析

經(jīng)實(shí)驗(yàn)測(cè)試，系統(tǒng)采集儀表圖像并進(jìn)行去噪、灰度化以及邊緣檢測(cè)等預(yù)處理，運(yùn)行速率快，執(zhí)行時(shí)間可達(dá)40 ms，即時(shí)性能好。

對(duì)邊緣檢測(cè)后的二值圖像使用中心投影法找尋指針位置，圖7是儀表指針指示一定刻度時(shí)，系統(tǒng)分析的表盤(pán)圖像基于中心點(diǎn)投影分布的角度θ和集合A(θ)的關(guān)系。圖7a中可以看出，θ=200°時(shí)，A(θ)集合元素?cái)?shù)目最多，查詢本款儀表刻度與θ角度的對(duì)應(yīng)關(guān)系可知，該示數(shù)讀取值為0 km/h。圖7b中可以看出，θ=120°時(shí)，A(θ)集合元素?cái)?shù)目最多，查詢對(duì)應(yīng)關(guān)系可知，該示數(shù)讀取值為80 km/h。

圖7 圖像中角度θ和集合A(θ)的關(guān)系

相同方法對(duì)該款儀表的0 km/h，40 km/h，80 km/h，120 km/h，160 km/h，200 km/h 以及220 km/h 這些大刻度進(jìn)行檢測(cè)，并與相對(duì)應(yīng)的驅(qū)動(dòng)信號(hào)進(jìn)行對(duì)比，即可判斷該儀表盤(pán)指針指示是否準(zhǔn)確。根據(jù)標(biāo)準(zhǔn)QC/T727—2007《中華人民共和國(guó)汽車(chē)行業(yè)標(biāo)準(zhǔn):汽車(chē)摩托車(chē)用儀表》所示，汽車(chē)轉(zhuǎn)速表的基本誤差范圍應(yīng)在±2%以內(nèi)，誤差在此范圍內(nèi)的儀表視為合格［7］。檢測(cè)對(duì)比結(jié)果如表2所示，各檢測(cè)刻度檢測(cè)值與標(biāo)準(zhǔn)值偏差都不大于0.02，所以該轉(zhuǎn)速表指示準(zhǔn)確性判斷結(jié)果為符合標(biāo)準(zhǔn)。另外用戶或廠商也可根據(jù)需要設(shè)定自己的標(biāo)準(zhǔn)，那么按照這些特定的標(biāo)準(zhǔn)也可對(duì)指示準(zhǔn)確性進(jìn)行相應(yīng)的判斷。

表2 檢測(cè)對(duì)比結(jié)果

4 結(jié)束語(yǔ)

本文設(shè)計(jì)的基于機(jī)器視覺(jué)的汽車(chē)指針儀表檢測(cè)系統(tǒng)能夠?qū)崟r(shí)采集并處理識(shí)別待檢測(cè)儀表圖像。而使用OpenCV開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)可以根據(jù)實(shí)驗(yàn)需要隨時(shí)調(diào)用圖像處理的函數(shù)庫(kù)，方便自定義算法的實(shí)現(xiàn)與驗(yàn)證。

該系統(tǒng)能夠從機(jī)器視覺(jué)的角度實(shí)現(xiàn)汽車(chē)儀表指針示數(shù)值的自動(dòng)讀取，并與標(biāo)準(zhǔn)信號(hào)作比較，從而判斷指針示數(shù)是否準(zhǔn)確。系統(tǒng)實(shí)時(shí)性強(qiáng)、識(shí)別效率良好，便于后續(xù)識(shí)別算法的改進(jìn)以及檢測(cè)功能的擴(kuò)充。

［1］GUO Lei，XU Youchun.Study on real－time distance detection based on monocular vision technique［J］.Journal of Image and Graphics，2006，11(1):75－81.

［2］岳國(guó)義，李寶樹(shù)，趙書(shū)濤.智能型指針式儀表識(shí)別系統(tǒng)的研究［J］.儀器儀表學(xué)報(bào)，2003(S2):430－431.

［3］寧志剛，汪仁煌，唐冬.基于圖像處理的高精度儀表判讀方法［J］.傳感器與微系統(tǒng)，2006，25(3):32－35.

［4］BRADSKI G，KAEHLER A.學(xué)習(xí)OpenCV［M］.于仕琪，劉瑞禎，譯.北京:清華大學(xué)出版社，2009.

［5］何智杰，張彬，金連文.高精度指針儀表自動(dòng)讀數(shù)識(shí)別方法［J］.計(jì)算機(jī)輔助工程，2006，15(3):9－12.

［6］陳彬，金連文.一種儀表指針位置檢測(cè)的中心投影法［J］.計(jì)算機(jī)應(yīng)用研究，2005.

［7］國(guó)家發(fā)展和改革委員會(huì).QC/T727—2007，中華人民共和國(guó)汽車(chē)行業(yè)標(biāo)準(zhǔn):汽車(chē)摩托車(chē)用儀表［S］.2008.