秦超，吳杰，陶丹萍，武光澤，潘明清

(常州星宇車燈股份有限公司，江蘇常州 213000)

0 引言

汽車前照燈是在夜間以及其他能見度較低的環(huán)境中提供照明的重要安全部件,并且可以發(fā)出警示聯(lián)絡(luò)等信號。前照燈必須滿足相關(guān)的重要法規(guī)要求，因此對汽車前照燈的檢測是必不可少的。我國主要采用歐洲的ECE標準，針對近光截止線、拐點、光照中心、光軸偏轉(zhuǎn)角，以及遠光的光照中心、光軸偏轉(zhuǎn)角都有嚴格的檢測要求[1]。

隨著計算機處理運算速度的逐年增長，機器視覺在許多新的領(lǐng)域都有廣泛應(yīng)用。其中汽車前照燈檢測技術(shù)也有了很大的提升，主要體現(xiàn)在設(shè)備結(jié)構(gòu)的簡化以及處理算法的提高，可以很好地滿足工業(yè)生產(chǎn)中的速度和精度要求[2-3]。當(dāng)前，采用機器視覺技術(shù)的在線配光檢測已經(jīng)成為了主流。

1 檢測系統(tǒng)的組成

1.1 硬件組成

檢測系統(tǒng)的硬件主要包括CCD相機、鏡頭、菲涅爾透鏡、接收屏、I/O數(shù)據(jù)采集卡、工控機、鼠標鍵盤、顯示器。具體如圖1所示。

圖1 系統(tǒng)硬件框圖

其工作流程為：將待檢車燈放置于檢測工裝上點亮，經(jīng)過菲涅爾透鏡在接收屏上形成光形圖像，CCD相機采集圖像經(jīng)以太網(wǎng)傳輸至工控機。其中圖像采集模塊主要由CCD相機、菲涅爾透鏡、接收屏組成。如圖2所示，軟件安裝在計算機中，操作平臺為Windows7，應(yīng)用程序包括圖像處理程序和運行控制程序。圖像處理軟件采用灰度變換、濾波去噪、圖像分割、邊緣查找、線性擬合等算子實現(xiàn)圖像的處理和參數(shù)分析，對于分析的結(jié)果通過I/O卡直接驅(qū)動執(zhí)行器件動作和報警。在該檢測系統(tǒng)中，CCD相機為Basler工業(yè)相機acA2000-50gc；鏡頭為Computar 500萬像素工業(yè)鏡頭M1620-MPW2；I/O板卡為研華PCI-1730U-BE。

圖2 圖像采集示意圖

1.2 圖像處理軟件

該系統(tǒng)的圖像處理是基于HALCON軟件開發(fā)的。HALCON作為德國某公司研發(fā)的一套完善的機器視覺算法包，其集成開發(fā)環(huán)境應(yīng)用非常廣泛，可以導(dǎo)出C、C++、C#以及VB等代碼，大大節(jié)約了產(chǎn)品開發(fā)成本并有效縮短了軟件的開發(fā)周期。在歐洲和日本的工業(yè)界已經(jīng)是公認具有最佳效能的機器視覺軟件。HALCON擁有1 000多個獨立函數(shù)，包含各類濾波、色彩以及幾何、數(shù)學(xué)轉(zhuǎn)換、形態(tài)學(xué)分析和計算、校正、分類識別、形狀搜尋等基本的幾何以及圖像計算功能。從醫(yī)學(xué)、遙感探測、監(jiān)控，到工業(yè)上的各類自動化檢測等HALCON都有涉及[4]。HALCON支持了絕大多數(shù)圖像獲取設(shè)備，可以為百余種工業(yè)相機和圖像采集卡提供相應(yīng)的接口，包括GenlCam、GigE和IIDC 1394等。

系統(tǒng)軟件基本上可按照圖像處理的流程進行描述，主要包括源圖像的采集、灰度變換、濾波去噪、圖像分割、形態(tài)學(xué)處理、參數(shù)分析與統(tǒng)計、結(jié)果信息顯示及數(shù)據(jù)保存等幾個模塊[5-6]。組成框圖如圖3所示。研究這些函數(shù)的算法與功能組合，可以高效率、高精度的完成車燈光形的各種參數(shù)檢測。

圖3 車燈光形圖像檢測流程圖

2 前照燈的光形檢測算法

前照燈檢測主要包括近光截止線檢測、遠近光的光照中心點檢測及其光軸偏轉(zhuǎn)角檢測。

2.1 近光截止線檢測

近光截止線檢測項目包括：截止線傾角以及截止線拐點。通過HALCON的HDdevelop平臺實現(xiàn)的具體步驟如下：

(1)圖像的采集與顯示。先用open_framegrabber打開圖像采集設(shè)備(CCD相機)，再用grap_image算子抓取單幅車燈近光圖像，存儲到HALCON圖形庫中，通過read_images算子讀入圖片，再經(jīng)dev_display算子顯示出來。

(2)圖像的濾波去噪。在圖像獲取過程中，由于相機本身的CCD靈敏度的不均、數(shù)字化過程中的量化噪聲以及信號傳輸過程中的干擾等，獲取的圖像包含了各種隨機噪聲。為了消除圖像采集過程中產(chǎn)生的噪聲，采用平滑濾波器對圖像進行預(yù)處理。由于均值濾波器會使圖像邊緣模糊進而影響截止線的檢測，采用中值濾波去噪。在HALCON中運用mediann_image算子。具體語句為：

median_image(Image, ImageMedian, ′circle′, 3, ′mirrored′)

其中：Image為輸入圖像；ImageMedian為輸出圖像；circle為濾波窗口形狀；3為濾波窗口半徑；mirrored為邊緣處理方法。

(3)圖像邊緣提取。在近光截止線檢測中，對邊緣質(zhì)量有較高要求，所以采用基于坎尼算法的亞像素精度的邊緣提取方法。具體語句為：

edges_sub_pix(Image, Edges,′canny′,7, 20, 40)

其中圖4為亞像素精度的邊緣提取圖，圖5為像素精度的邊緣提取圖。由圖4和圖5可以看出：基于亞像素精度的邊緣更加清晰，抗干擾性明顯提高。

圖4 亞像素精度的邊緣提取

圖5 像素精度的邊緣提取

(4)直線擬合。通過segment_contours_xld算子將得到的邊緣線分為一系列線段，通過sort_contours_xld算子將得到的線段從左至右排序，并存放于一維數(shù)組中，如圖6所示。最后運用fit_line_contour_xld算子擬合直線，該方法利用了輪廓線段上的所有點來擬合直線，通過5次迭代，應(yīng)用削波因素為2σδ的Tukey加權(quán)函數(shù)，可以得到擬合很好的直線。

圖6 輪廓劃分示意圖

(5)近光拐點檢測。通過line_orientation算子計算出每條直線的斜率，并求出相鄰線段擬合出的兩條直線的夾角，從而得到夾角最大的兩條直線，其夾角即為截止線傾角。通過intersection_lines算子得出兩直線的交點，即為拐點。如圖7所示。

圖7 截止線拐點

2.2 遠近光光照中心點檢測

在這里，選取灰度重心法求取光照中心點?；叶戎匦姆ㄊ菍^(qū)域內(nèi)每一像素位置的灰度值作為該點的“質(zhì)量”，其區(qū)域中心的求解公式如下：

(1)

(1)采集圖像并去除噪聲；

(2)運用scale_image_max算子進行對比度拉伸，突出光形中心區(qū)域特征；

(3)運用threshold算子分割圖像，得出中心區(qū)域(如圖8所示)；

圖8 閥值分割后近光的圖像

(4)通過area_center_gray算子求取區(qū)域中心(如圖9所示)。

圖9 區(qū)域中心點

2.3 光軸偏角檢測

關(guān)于光軸偏角檢測，可通過圖像的唯一特征點來計算，近光可以選取拐點作為特征點，遠光可以選用光照區(qū)域中心點作為特征點。分別得出偏轉(zhuǎn)前和偏轉(zhuǎn)后的特征點坐標，求出其橫、縱坐標的差值(Δu,Δv)，由于圖像坐標差值(Δu,Δv)和實際空間坐標差值(Δx,Δy)存在對應(yīng)關(guān)系，此對應(yīng)關(guān)系表通過前期的相機標定可以獲得。通過查表可以獲得實際空間坐標差值(Δx,Δy)。即：

(2)

其中：α為光軸水平偏移角；β為光軸垂直偏移角；l為透鏡至接收屏的距離。光路偏轉(zhuǎn)示意圖如圖10所示。

圖10 光路偏轉(zhuǎn)示意圖

3 實驗結(jié)果和分析

根據(jù)硬件設(shè)計，搭建如圖11所示的實驗裝置，在采集光形圖像前需要對前照燈透鏡模組的位置進行校準，保證發(fā)光中心和透鏡中心在水平和垂直坐標系上重合，從而保證光束盡可能多的進入受光箱體。

圖11 實驗平臺

基于C#通過Microsoft Visual Studio Community 2015開發(fā)一個簡易的測試系統(tǒng)軟件，對圖像進行采集處理，并輸出相應(yīng)結(jié)果。具體如圖12所示。

實驗運行環(huán)境CPU為Intel Core i5-4310M，2.70 GHz，內(nèi)存8 GB，操作系統(tǒng)為Windows7 64位專業(yè)版，軟件為Microsoft Visual Studio Community 2015 Version 14.0.25431.01 Update 3，HALCON 11.0.1.1。為了驗證算法的準確性和穩(wěn)定性，可實時采集圖像，并且每經(jīng)過0.5 s記錄一次數(shù)據(jù)，共采集20組數(shù)據(jù)。近光拐點和光照中心點的實驗結(jié)果如圖13所示，其中縱坐標為各像素點(x,y)與基準點的距離，單位為Pixel，基準點選用20個像素坐標點的橫縱坐標最小值即(xmin,ymin)，為了讓兩折線不重合，將中心點的折線向上平移兩個像素單位。從實驗結(jié)果來看，拐點和中心的誤差都在3個像素內(nèi)，其中相機的空間分辨率為0.112 mm/pixel，所以拐點和中心點的誤差為0.336 mm，可見拐點和中心點的查找算法穩(wěn)定性較好。

其中光軸偏移角的測量，選取的測量角度為上下1°，左右2°。將車燈按照旋轉(zhuǎn)刻度分別上下左右旋轉(zhuǎn)。通過多次測量和對數(shù)據(jù)進行相關(guān)分析后，其結(jié)果如表1所示。

圖12 檢測系統(tǒng)軟件界面

圖13 拐點和中心點的重復(fù)檢測

(°)

由以上結(jié)果可以看出，光軸偏移角的測量誤差不超過1.32′，滿足系統(tǒng)要求。因此這種檢測光軸偏轉(zhuǎn)角度的方法還是比較可靠的。

4 結(jié)論

文中通過對汽車前照燈光形檢測技術(shù)的研究，提出了基于坎尼的亞像素邊緣提取方法，提高了邊緣檢測的精度和抗干擾性；為了提高拐點檢測精度，提出了采用基于Tukey加權(quán)函數(shù)的線性擬合法；并提出了采用灰度重心法檢測光束中心。最后通過HALCON和Microsoft Visual Studio，開發(fā)了一套前照燈光形檢測系統(tǒng)。實驗表明該系統(tǒng)檢測穩(wěn)定性、準確性都較好，可以滿足前照燈的光形檢測要求。