盧印舉，張偉豪，張智華，趙星，萬藝菡

（鄭州工程技術(shù)學院信息工程學院，河南鄭州，450044）

0 引言

汽車的車燈照度的相關(guān)配置，會影響駕駛員的視線，進而影響到駕駛員的生命安全。根據(jù)國際車燈模具照度標準，不同的車型應(yīng)由指定的光型構(gòu)成，因此如何確保汽車照度滿足國家車輛生產(chǎn)標準將成為未來相關(guān)產(chǎn)業(yè)的研究重點[1]。但目前國內(nèi)車燈生產(chǎn)廠家的車燈檢測系統(tǒng)的照度監(jiān)測精度不足以滿足現(xiàn)實使用需求[2]，為此，在對車燈模組照度的智能監(jiān)測中，引入機器視覺技術(shù)。希望通過本文對此課題的研究，在確保車輛駕駛員人身安全的同時，提高汽車照燈的生產(chǎn)標準，以此為產(chǎn)業(yè)的相關(guān)研究提出技術(shù)層面指導(dǎo)。

1 機器視覺技術(shù)的應(yīng)用

機器視覺技術(shù)是利用計算機設(shè)備對人類視覺進行模擬，使獲取事物的信息更為客觀化。在完成數(shù)據(jù)提取的基礎(chǔ)上，使用計算機輔助監(jiān)測行為，對數(shù)據(jù)信息加以處理，從而發(fā)揮信息的最高應(yīng)用價值。機器視覺技術(shù)應(yīng)用于各行各業(yè)，如機械智能化生產(chǎn)、汽車制造生產(chǎn)、印刷行業(yè)、醫(yī)療產(chǎn)業(yè)等，充分發(fā)揮出自動化程度高、精度高、速度快、支持大批量信息且可實現(xiàn)遠程終端管理等優(yōu)勢[3]。其常規(guī)化工作流程如圖1所示。

圖1 機器視覺技術(shù)的應(yīng)用流程

綜合機器視覺技術(shù)具備的顯著優(yōu)勢，將此技術(shù)應(yīng)用于車燈模具照度監(jiān)測研究中。

2 基于機器視覺的車燈模組照度智能監(jiān)測方法

■2.1 基于機器視覺車燈模組照度邊緣提取

傳統(tǒng)的車燈模具照度智能監(jiān)測行為中，由于可實現(xiàn)的監(jiān)測距離較短，并且其中應(yīng)用了過多的微分計算，導(dǎo)致監(jiān)測時必然會受到外界多種噪聲或干擾因素的影響。為了避免在對照度進行智能監(jiān)測中將噪聲識別為監(jiān)測點，本章引入機器視覺技術(shù)，對車燈模組照度圖像的邊緣信息進行提取[4]?？蓪⑦吘壭畔⒌奶崛∵^程劃分為邊緣數(shù)據(jù)的定位與殘缺信息的修補兩個步驟。此過程中考慮到車燈模具光照強度受到的外界干擾源較多，因此利用機器視覺提供的圖像模式識別技術(shù)，進行信息算子的卷積處理。由于Sobel 算子信息只有水平與垂直兩個維度，為了保證對光照強度邊緣信息采集的有效性，在獲取工業(yè)化相機拍攝的圖像后，應(yīng)拓展信息的傳輸模板（通常情況下為8 個方向的模板），并將圖像中的每一個邊緣點進行模板卷積對照。輸出模板不同方向的最大值，記錄邊緣值的對照方向，并將此信息傳輸?shù)缴衔粰C。

為了確保獲取的照度圖像在傳輸中的穩(wěn)定性，因此本文選擇將以太網(wǎng)作為信息傳輸與實時通信的支撐，完成對車燈模組照度邊緣圖像的有效傳輸[5]。由于不同類型的車燈磨具在生產(chǎn)中的工藝與標準不同，為此獲取的邊緣圖像信息中可能存在部分無用信息，包括環(huán)境噪聲等。為了方便后續(xù)對光照強度的準確識別，利用計算機科學技術(shù)，在圖像邊緣上尋找每一邊，邊緣線中存在的孤立點與端點，將這些點作為修補信息的初始點，用于提高獲取信息的質(zhì)量。在修補圖像信息的過程中，根據(jù)車燈模具的輪廓，對其進行思維跟蹤。綜合上述分析，采用機器視覺提供的多種功能，對獲取邊緣圖像進行修補與平滑處理，此過程可用如下計算公式表示。

式中，wx,y表示為完成修補與平滑的邊緣圖像結(jié)果，其中x 與y 分別表示橫向與縱向信息；q表示為信息傳輸模板；i 與j 分別表示為模板中信息的對照方向；d()?表示為使用機器處理后的邊緣信息；K表示為車燈模具相關(guān)參數(shù)。根據(jù)上述計算公式，完成對車燈模組照度邊緣信息提取，得到去除相關(guān)干擾噪聲的照度信息。

■2.2 亞像素照度邊緣曲線擬合

結(jié)合機器視覺技術(shù)，完成對車燈模組照度邊緣提取后，對亞像素照度邊緣曲線進行擬合。利用逐步查詢方法，完成對其相應(yīng)照度邊緣的匹配，記錄兩組圖像當中的相對位移變化情況。通常情況下，可選擇左右跨度分別為1.2 個像素的圖像，將其與樣本子區(qū)域?qū)?yīng)位置進行相關(guān)計算，在計算過程中，保證包含10 個亞像素目標子區(qū)域。結(jié)合相關(guān)系數(shù)計算的特性，當分布在真實匹配范圍內(nèi)的目標子區(qū)域，與樣本子區(qū)域之間的相關(guān)系數(shù)具備如下規(guī)律：當距離真實點越遠時，則其相關(guān)系數(shù)的數(shù)值越??；當距離真實點越近時，則其相關(guān)系數(shù)的數(shù)值越大。在一組相關(guān)系數(shù)當中，以真實匹配點作為區(qū)域中心點，進行二次曲線分布。選取多個亞像素目標區(qū)域和樣本子區(qū)域的相關(guān)系數(shù)，完成二次曲線擬合，再對其進行導(dǎo)數(shù)求解，得出曲線的最大值，將通過計算得出的最大值所在區(qū)域點作為匹配點。

在確保其精度滿足擬合要求的情況下，降低運算的次數(shù)，并選擇其中五個較為合理的匹配點擬合二次曲線。進一步推導(dǎo)出亞像素照度邊緣相應(yīng)的一階導(dǎo)函數(shù)：

式中，y1、y2分別為根據(jù)最小二乘法推導(dǎo)出的擬合曲線系數(shù)；A 表示為擬合曲線坐標。根據(jù)相應(yīng)的二次導(dǎo)函數(shù)，通過其正負值，判斷其最大值和最小值。由于相關(guān)系數(shù)的分布具有一定的特殊性，通常情況下曲線圖像均包含最大值，而不包含最小值。因此，滿足B'(A) >0 條件。根據(jù)上述計算結(jié)果求得亞像素點的目標子區(qū)域相對應(yīng)的距離值，完成對亞像素照度邊緣曲線擬合。

■2.3 車燈模組照度自動化監(jiān)測

利用Mfiso48 計算機編程工具，對車燈模組照度進行自動化監(jiān)測，設(shè)置其照度邊緣曲線擬合數(shù)據(jù)以異步串口通信方式進行傳輸，波特頻率為1600bps。通過多個數(shù)據(jù)串口完成對其照度參數(shù)的接收，以及對上述照度邊緣曲線的提取。在顯示屏幕當中通過點擊照度按鈕，將程序中對照度監(jiān)控的窗口打開，并在上位機顯示器當中對當前車燈模組照度的狀態(tài)進行實時檢測，并同時對其相應(yīng)的元件閉合或斷開狀態(tài)進行檢查。根據(jù)其相應(yīng)的傳輸數(shù)據(jù)，在SMT 控制端當中發(fā)送相應(yīng)的監(jiān)測質(zhì)量，等待上位機的反饋信息。若上位機中顯示的B'(A) 數(shù)值小于或等于零，則說明其照度不滿足運行要求，需要重新設(shè)置新的控制指令。若上位機中顯示的B'(A) 數(shù)值大于零，則說明車燈模組的照度滿足運行要求，可繼續(xù)通過該控制指令對其照度進行控制。

3 對比實驗

■3.1 實驗準備

構(gòu)建實例分析，實驗對象選取某車燈模組。針對其照度進行智能監(jiān)測。本次實驗硬件設(shè)施包括：型號為MKLOPA25835890 的上位機。此次實驗環(huán)境設(shè)置的具體內(nèi)容及參數(shù)為：任務(wù)最大迭代次數(shù)為200，任務(wù)布置器2，虛擬主機資源數(shù)量860，任務(wù)資源消耗量30，物理主機地理距離20，宿主更新0.2569，網(wǎng)絡(luò)權(quán)重系數(shù)0.3575。

在保證實驗具有有效性的前提下，選擇同一個測試指標進行，實驗的內(nèi)容為測試本文監(jiān)測方法與傳統(tǒng)監(jiān)測方法之間的照度智能監(jiān)測查準率。照度智能監(jiān)測查準率能夠表明監(jiān)測信號中所監(jiān)測得出的有效信息在信息總量中的占比，照度智能監(jiān)測查準率越高證明該監(jiān)測方法對于車燈模組照度智能監(jiān)測精度越高。在此次的實驗中,首先使用本文基于機器視覺設(shè)計監(jiān)測方法智能監(jiān)測車燈模組照度，利用Heapchyer 軟件記錄測得的照度智能監(jiān)測查準率，設(shè)其為實驗組；再使用傳統(tǒng)監(jiān)測方法智能監(jiān)測車燈模組照度，同樣利用Heapchyer 軟件記錄測得的照度智能監(jiān)測查準率，設(shè)其為對照組。本次實驗將監(jiān)測距離設(shè)為5m～50m，以每5m 為一個節(jié)點，共進行10 次實驗。針對Heapchyer 軟件測得的照度智能監(jiān)測查準率，記錄實驗結(jié)果。

■3.2 實驗結(jié)果與分析

在上述設(shè)計的實驗環(huán)境中執(zhí)行此次實驗，并輸出對應(yīng)的實驗結(jié)果，整理其內(nèi)容如表1 所示。

表1 實驗結(jié)果對比表

通過表1 可知，在相同的監(jiān)測距離內(nèi)，本文設(shè)計方法在對車燈模組照度進行智能監(jiān)測過程中，其監(jiān)測結(jié)果的準確率平均達到了98.12%，明顯高于對照組的監(jiān)測準確率，平均為86%?；谏鲜鰧嶒灲Y(jié)果數(shù)據(jù)，得出本次實驗的最終結(jié)論：相比傳統(tǒng)的智能監(jiān)測方法，本文設(shè)計的基于機器視覺的車燈模組照度智能監(jiān)測方法實際應(yīng)用中，效果更為顯著，因此可以說明所設(shè)計的智能監(jiān)測方法更具有現(xiàn)實推廣價值。

4 結(jié)束語

為了解決傳統(tǒng)智能監(jiān)測方法存在的查準率低的問題，本文基于機器視覺技術(shù)的應(yīng)用，從提取車燈模組照度邊緣信息、擬合亞像素照度邊緣曲線與自動化監(jiān)測三個方面，開展了車燈模組照度智能監(jiān)測方法的設(shè)計。并采用設(shè)計對比實驗的方式，對本文提出方法進行了驗證。