摘" 要：汽車近光拐點(diǎn)的檢測對于前照燈的配光檢測十分重要，為了準(zhǔn)確地檢測近光拐點(diǎn)的位置，該文提出一種基于點(diǎn)到折線組距離和的汽車近光光型拐點(diǎn)檢測算法，尤其適合用于“多段式”近光光型的拐點(diǎn)檢測。首先，需要對近光光型圖進(jìn)行預(yù)處理，包括平滑濾波、目標(biāo)區(qū)域裁剪和二值化，再利用輪廓跟蹤法，從左側(cè)起始點(diǎn)對預(yù)處理圖像進(jìn)行邊緣點(diǎn)提取得到邊緣點(diǎn)和鏈碼，然后將邊緣點(diǎn)經(jīng)過兩次篩選得到候選拐點(diǎn)及其組合成的折線組，最后計算所有邊緣點(diǎn)到每個折線組的距離和，其最小值所對應(yīng)的候選拐點(diǎn)即為近光光型的拐點(diǎn)。實(shí)驗(yàn)驗(yàn)證，該方法可以很好地檢測出“多段式”近光光型拐點(diǎn)以及截止線，且具有旋轉(zhuǎn)不變性，具有很高的實(shí)用價值。

關(guān)鍵詞：近光拐點(diǎn)；配光檢測；點(diǎn)到折線組；距離和；多段式

中圖分類號：U463.65" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號：2095-2945（2024）32-0031-05

Abstract： The detection of the inflection point of the low beam is very important for the light distribution detection of the headlight. In order to accurately detect the position of the low beam inflection point， this paper proposes an inflection point detection algorithm for the low beam light pattern based on the sum of the distance from the point to the broken line group， which is especially suitable for the inflection point detection of the \"multi-segment\" low beam light pattern. First， it is necessary to pre-process the low-beam light pattern， including smoothing filtering， target area clipping and binarization. Then use the contour tracking method to extract edge points from the pre-processed image from the starting point on the left to obtain edge points and chain codes. Then， the edge points are filtered twice to obtain candidate inflection points and their combined broken line groups. Finally， the sum of the distances from all edge points to each broken line group is calculated. The candidate inflection point corresponding to the minimum value is the inflection point of the low-beam light pattern. Experimental results show that the method in this paper can well detect the inflection point and cut-off line of the \"multi-segment\" low-beam light pattern， and is rotationally invariant and has high practical value.

Keywords： low beam inflection point; light distribution detection; point-to-broken line group; distance sum; multi-segment type

前照燈作為汽車上用來照明前方道路最重要的燈具，其光學(xué)性能會直接影響駕駛員的可視視野范圍和安全駕駛體驗(yàn)，因而汽車廠家對前照燈進(jìn)行下線配光性能檢測及照準(zhǔn)調(diào)節(jié)是十分必要的[1-3]。而無論是對于前照燈配光性能檢測還是照準(zhǔn)調(diào)節(jié)，都不可避免地需要先準(zhǔn)確測得近光拐點(diǎn)位置[4]。

目前，前照燈近光拐點(diǎn)的識別方法主要是直線擬合求交點(diǎn)法。如崔明等[5]先對近光光型預(yù)處理，再進(jìn)行邊緣點(diǎn)檢測，之后通過對提取出的邊緣點(diǎn)，從左向右對相鄰兩列像素的行坐標(biāo)進(jìn)行比較得到水平和傾斜邊緣的分界點(diǎn)，然后分別對左右兩側(cè)的邊緣點(diǎn)進(jìn)行擬合求得2條直線，最后計算2條直線的交點(diǎn)即定為近光的拐點(diǎn)；李策[6]提出的拐點(diǎn)檢測方法也基本類似，不同之處是邊緣檢測算法，其基于灰度中心的方法確定有效的截止線邊緣，然后再計算左右2條直線的交點(diǎn)；胥鈞[7]對水平和傾斜邊緣的提取方法作了改進(jìn)，其基于近光光型熱點(diǎn)的位置進(jìn)行提取近光的水平截止線和傾斜截止線，進(jìn)而擬合直線和計算2條直線的交點(diǎn)，這種方法可以自適應(yīng)進(jìn)行區(qū)域定位，提高拐點(diǎn)檢測的準(zhǔn)確性和穩(wěn)定性。以上這些拐點(diǎn)檢測算法都是針對傳統(tǒng)的“兩段式”近光光型進(jìn)行拐點(diǎn)檢測，其在對邊緣點(diǎn)進(jìn)行直線擬合前都需要先確定直線之間的分界點(diǎn)，這對于目前常見的“多段式”近光光型是很困難的。迄今，對于“多段式”近光光型的拐點(diǎn)檢測的相關(guān)研究較少，沒有一個比較有效的解決方案。

鑒于以上問題，本文提出了一種基于點(diǎn)到折線組距離和的近光拐點(diǎn)檢測算法，期望可以為“多段式”近光光型拐點(diǎn)檢測提供一種準(zhǔn)確、快速的檢測方法。

1" 近光光型及拐點(diǎn)檢測方法

1.1" 近光光型介紹

傳統(tǒng)的近光光型的截止線為“兩段式”，即一段為水平部分，另一段為與水平方向夾角約15°的傾斜部分[4]。一般而言，在靠右駕駛的國家，其汽車近光左側(cè)水平，右側(cè)傾斜，形成“左低右高”的光型，如圖1所示，而靠左駕駛的國家，則相反，光型為“左高右低”。呈現(xiàn)這種型式截止線的近光燈具一般采樣全反射式設(shè)計，其截止線銳度較低，且設(shè)計復(fù)雜度較高[8-9]，而隨著光源技術(shù)和燈具設(shè)計制造技術(shù)的不斷革新，越來越多的近光光型被設(shè)計成“多段式”，如圖2所示，其為目前最常用的一種“多段式”型式，其中拐點(diǎn)C為近光照準(zhǔn)基準(zhǔn)點(diǎn)，A、B、D為近光截止線普通拐點(diǎn)。本文中算法針對的“多段式”近光光型主要為圖2中所示的類型。

1.2" 拐點(diǎn)檢測方法

1.2.1" 輪廓跟蹤法

為了提取近光光型截止線的邊緣點(diǎn)，需要對近光光型二值圖進(jìn)行輪廓跟蹤，具體如下：首先對目標(biāo)圖像的第一列的點(diǎn)從上往下逐點(diǎn)進(jìn)行像素比對，當(dāng)檢測到像素值為1時，即停止，將該點(diǎn)定為起始點(diǎn)，然后從起始點(diǎn)開始，進(jìn)行邊緣點(diǎn)跟蹤搜索，并按照正上方點(diǎn)→右上方點(diǎn)→右側(cè)點(diǎn)→右下方點(diǎn)→正下方點(diǎn)的順序逐點(diǎn)進(jìn)行（所有方向均以當(dāng)前搜索點(diǎn)為參考點(diǎn)），直到搜索到的點(diǎn)處于目標(biāo)圖像最后一列上，即停止搜索，所有得到點(diǎn)即為邊緣點(diǎn)。

1.2.2" 八連通鏈碼

為了更方便地通過邊緣點(diǎn)篩選出候選拐點(diǎn)，本文利用一種新的八連通鏈碼對邊緣點(diǎn)進(jìn)行鏈碼計算，如圖3所示，定義處于中心點(diǎn)正上方向?yàn)?，正下方向?yàn)?，向左方向?yàn)?，向右方向?yàn)?，左上方向?yàn)?，左下方向?yàn)?，右上方向?yàn)?，右下方向?yàn)?。該鏈碼的特點(diǎn)是當(dāng)相鄰兩鏈碼之和為7時，則意味著邊緣點(diǎn)又回到了同一行。為了更清晰地進(jìn)行解釋，在圖4中示出部分邊緣點(diǎn)，按照本文的鏈碼規(guī)則，從左向右計算鏈碼為0 611600，第三點(diǎn)和第五點(diǎn)前后的鏈碼相加為7，而由圖4可以看出，經(jīng)過該兩點(diǎn)后，邊緣點(diǎn)又回到前一點(diǎn)相同的行高。

1.2.3" 拐點(diǎn)檢測方法

利用1.2.1中的輪廓跟蹤法可以提取出近光光型中截止線的邊緣點(diǎn)，再通過計算邊緣點(diǎn)的鏈碼特征可以進(jìn)行候選拐點(diǎn)的預(yù)篩選，而為了進(jìn)一步提高算法的運(yùn)行速度，需要對預(yù)篩選后的候選拐點(diǎn)再進(jìn)行一次篩選得到新的候選拐點(diǎn)，再對候選拐點(diǎn)進(jìn)行組合，按序連接，形成折線組，再計算點(diǎn)到折線組距離和，其最小值所對應(yīng)的拐點(diǎn)組合即為“多段式”近光光型的4個拐點(diǎn)，具體算法步驟如下。

S1：通過工業(yè)相機(jī)攝取近光光型圖像，并對近光光型圖進(jìn)行預(yù)處理，預(yù)處理包括平滑濾波、目標(biāo)區(qū)域提取和二值化處理，平滑濾波可以在一定程度上平滑提取得到的近光截止線，而目標(biāo)區(qū)域提取可以提高處理速度，且避免光型左右側(cè)邊緣點(diǎn)的干擾[10]；

S2：通過輪廓跟蹤法對預(yù)處理后的目標(biāo)圖像進(jìn)行邊緣點(diǎn)提取，得到邊緣點(diǎn)點(diǎn)集J1，同時利用本文1.2.2中所述的鏈碼規(guī)則對邊緣點(diǎn)求取鏈碼；

S3：根據(jù)鏈碼，對邊緣點(diǎn)進(jìn)行逐點(diǎn)預(yù)篩選，找到候選拐點(diǎn)，預(yù)篩選的具體規(guī)則為若邊緣點(diǎn)中第i點(diǎn)的鏈碼與第i+1點(diǎn)的鏈碼不同，且第i+1點(diǎn)的鏈碼和第i+2點(diǎn)的鏈碼之和不等于7，則判定為候選拐點(diǎn)，形成點(diǎn)集J2。i的范圍為1≤i≤L-2，其中L是J1的長度；

S4：對預(yù)篩選的候選拐點(diǎn)點(diǎn)集J2進(jìn)行再次篩選，得到新的候選拐點(diǎn)點(diǎn)集J3，即對預(yù)篩選的候選拐點(diǎn)進(jìn)一步判斷是否滿足

式中：ΔV1為點(diǎn)集J2中第j+1點(diǎn)與第j點(diǎn)的縱坐標(biāo)之差減去其橫坐標(biāo)之差所得到的值，ΔV2為點(diǎn)集J2中第j點(diǎn)與第j-1點(diǎn)的縱坐標(biāo)之差減去其橫坐標(biāo)之差所得到的值，即

式中：（xj，yj）為點(diǎn)集J2中第j點(diǎn)坐標(biāo)，（xj-1，yj-1）為第j-1點(diǎn)坐標(biāo)，（xj+1，yj+1）為第j+1點(diǎn)坐標(biāo)。j的范圍為2≤j≤L1，L1是點(diǎn)集J2的長度；

S5：提取邊緣點(diǎn)集J1的橫坐標(biāo)最小的一點(diǎn)P0和橫坐標(biāo)最大的一點(diǎn)P5，同時根據(jù)P0和P5的坐標(biāo)判斷P0和P5是否處于拐點(diǎn)點(diǎn)集J3中，如果存在，則把其剔除出拐點(diǎn)點(diǎn)集J3，形成新的點(diǎn)集J4，并將點(diǎn)集J4中的點(diǎn)位按照點(diǎn)位橫坐標(biāo)從小到大進(jìn)行排列，形成新的點(diǎn)列G1；

S6：依次從點(diǎn)列G1中按順序選取4個點(diǎn)坐標(biāo)的組合{P1，P2，P3，P4}，將四點(diǎn)組合與P0、P5形成六點(diǎn)組合{P0，P1，P2，P3，P4，P5}，根據(jù)此六點(diǎn)組合，每相鄰兩點(diǎn)連線線段，可得到5個線段P0—P1、P1—P2、P2—P3、P3—P4、P4—P5，并根據(jù)P0，P1，P2，P3，P4，P5的坐標(biāo)求得每個線段的表達(dá)式；

S7：依次選取點(diǎn)集J1中的點(diǎn)，根據(jù)所選點(diǎn)的橫坐標(biāo)和S6選擇的六點(diǎn)的橫坐標(biāo)，判斷其點(diǎn)位區(qū)間，當(dāng)所選點(diǎn)的橫坐標(biāo)大于P0的橫坐標(biāo)，小于P1的橫坐標(biāo)，則所選點(diǎn)處于P0—P1線段內(nèi)，當(dāng)所選點(diǎn)的橫坐標(biāo)大于P1的橫坐標(biāo)，小于P2的橫坐標(biāo)，則所選點(diǎn)處于P1—P2線段內(nèi)，當(dāng)所選點(diǎn)的橫坐標(biāo)大于P2的橫坐標(biāo)，小于P3的橫坐標(biāo)，則所選點(diǎn)處于P2—P3線段內(nèi)，當(dāng)所選點(diǎn)的橫坐標(biāo)大于P3的橫坐標(biāo)，小于P4的橫坐標(biāo)，則所選點(diǎn)處于P3—P4線段內(nèi)，當(dāng)所選點(diǎn)的橫坐標(biāo)大于P4的橫坐標(biāo)，小于P5的橫坐標(biāo)，則所選點(diǎn)處于P4—P5線段內(nèi)，求解選取點(diǎn)與其對應(yīng)線段的距離，再選取下一點(diǎn)進(jìn)行操作，求解得到下一點(diǎn)的距離，直到遍歷點(diǎn)集J1中所有的點(diǎn)，將所有的求解得到的距離進(jìn)行求和，并將其值放在集合V1；

S8：從點(diǎn)列G1中按順序選取新的4個點(diǎn)坐標(biāo)的組合，確保與之前提取出的四點(diǎn)組合都不全同，進(jìn)行S6—S8的操作，直到遍歷所有的四點(diǎn)組合；

S9：求解V1中的最小值，其最小值對應(yīng)的四點(diǎn)組合即確定為近光截止線的拐點(diǎn)，其中第三點(diǎn)為近光光型的基準(zhǔn)點(diǎn)。

值得一提的是，在S6中，可根據(jù){P1，P2，P3，P4}4個選取點(diǎn)相互之間的橫坐標(biāo)差值預(yù)判斷此四點(diǎn)是否可能為近光光型拐點(diǎn)組合，可以進(jìn)一步提高此算法的運(yùn)行速度。

2" 實(shí)驗(yàn)驗(yàn)證

為了對本文提出的近光光型的拐點(diǎn)檢測算法進(jìn)行驗(yàn)證，這里借助在線配光檢測設(shè)備和工業(yè)相機(jī)來拍攝實(shí)際近光模組的近光光型，工業(yè)相機(jī)的分辨率為1 600×1 200，攝取的圖像如圖5所示。

利用本文算法對圖像5進(jìn)行處理，其中平滑濾波算法選擇濾波窗口為5×5的高斯濾波，二值化閾值選擇50，需要注意的是，二值化閾值的選取與相機(jī)的曝光參數(shù)有關(guān)，目標(biāo)區(qū)域?yàn)榫匦螀^(qū)域，左上角坐標(biāo)為（100，200），右下角坐標(biāo)為（1 200，1 000），算法檢測的過程圖與結(jié)果圖如圖6—圖10所示。

圖6為原圖經(jīng)過預(yù)處理后的圖像，圖7為對預(yù)處理圖像經(jīng)過二值化后的圖像，圖8為利用本文所述的輪廓跟蹤法進(jìn)行輪廓跟蹤所提取的輪廓線圖，圖9為“多段式”近光拐點(diǎn)的拐點(diǎn)檢測結(jié)果圖，4個“十”字型所示位置即為檢測拐點(diǎn)所在位置，圖10為利用檢測拐點(diǎn)相互連接形成的近光截止線結(jié)果圖。由圖9和圖10的結(jié)果圖可以看出本文算法可以準(zhǔn)確檢測出“多段式”近光光型的拐點(diǎn)及截止線。

為了進(jìn)一步驗(yàn)證本文提出的拐點(diǎn)檢測算法對于旋轉(zhuǎn)變換的魯棒性，將圖5的結(jié)果圖進(jìn)行45°和-45°的旋轉(zhuǎn)并進(jìn)行拐點(diǎn)檢測，其結(jié)果示如圖11和圖12所示。由圖11和圖12中可見，對于大角度旋轉(zhuǎn)后的近光光型圖，本文算法仍能準(zhǔn)確地檢測出拐點(diǎn)位置，此結(jié)果表明本文算法具有旋轉(zhuǎn)不變性。在旋轉(zhuǎn)不變性的驗(yàn)證中，僅改變了算法檢測的目標(biāo)區(qū)域，其余參數(shù)均與之前一致。

對于“兩段式”截止線的近光光型，本文算法稍加修改也能進(jìn)行檢測，且無需確定直線之間的分界點(diǎn)。具體來說，只需將S6中取四點(diǎn)組合變成依次取單點(diǎn)，對應(yīng)地，S7中多條線段改為2條線段，其余操作均不變即可進(jìn)行檢測，這里選取一個“兩段式”截止線的近光光型圖進(jìn)行檢測，檢測結(jié)果如圖13所示。由圖13中可以看出，本文算法修改后也很好地檢測到了近光光型的拐點(diǎn)及截止線。

3" 結(jié)論

本文提出了一種基于點(diǎn)到折線組距離和的近光拐點(diǎn)檢測算法，首先對近光光型圖進(jìn)行預(yù)處理，包括平滑濾波、目標(biāo)區(qū)域裁剪和二值化，再利用輪廓跟蹤法，從左側(cè)或右側(cè)的起始點(diǎn)對預(yù)處理圖像進(jìn)行邊緣點(diǎn)提取得到邊緣點(diǎn)和鏈碼，然后通過邊緣點(diǎn)自身特點(diǎn)及其鏈碼進(jìn)行候選拐點(diǎn)篩選，再對得到的候選拐點(diǎn)進(jìn)行組合，按序連接，形成折線組，最后計算所有邊緣點(diǎn)到每個折線組的距離和，其最小值所對應(yīng)的候選拐點(diǎn)即確定為近光光型的拐點(diǎn)，這種方法不需要確定各線段或直線之間的分界點(diǎn)，可以很方便準(zhǔn)確地檢測出近光拐點(diǎn)及其截止線，尤其適用于“多段式”近光光型的拐點(diǎn)檢測，此外，該方法略微修改后也可以很好地檢測出“兩段式”近光光型的拐點(diǎn)，其可以很好地應(yīng)用于前照燈在線檢測設(shè)備設(shè)計領(lǐng)域，且目前已經(jīng)經(jīng)過多個前照燈檢測項目的實(shí)際效果驗(yàn)證。

參考文獻(xiàn)：

[1] 修亞男，穆平安，戴曙光，等.車燈模組的照度檢測研究[J].計量學(xué)報，2020，41（10）：1212-1217.

[2] 謝祖通，翁曉偉，陳愛華.基于成像型亮度計的車燈配光性能檢測系統(tǒng)研究[J].照明工程學(xué)報，2017，28（2）：61-64.

[3] 倪高平.汽車前照燈光學(xué)檢測系統(tǒng)[D].蘇州：蘇州大學(xué)，2015.

[4] 李祥兵.汽車前照燈前束燈光標(biāo)定方法及故障應(yīng)對策略[J].汽車電器，2022（11）：88-91.

[5] 崔明，顧啟民.基于機(jī)器視覺的前照燈拐點(diǎn)檢測與研究[J].制造業(yè)自動化，2015，37（10）：11-14.

[6] 李策.基于計算機(jī)視覺的汽車車燈檢測技術(shù)研究[D].北京：北京化工大學(xué)，2021.

[7] 胥鈞.基于機(jī)器視覺的汽車前照燈燈光檢測儀開發(fā)研究[D].廊坊：華北科技學(xué)院，2021.

[8] 周紹棟，聶暢，張輝，等.汽車前照燈發(fā)展綜述與智能化趨勢展望[J].機(jī)械工程學(xué)報，2023，59（22）：380-395.

[9] 毛玉倩.投射式汽車前照近光燈的設(shè)計和優(yōu)化[D].杭州：浙江大學(xué)，2016.

[10] 沈琪琪.一種基于凸包的汽車燈光近光光型特征點(diǎn)檢測方法和系統(tǒng)統(tǒng)：CN117876468A[P].2024-04-12.