機器視覺在汽車行業中的發展與應用

朱陽芬，銀冬平，鄒舜章，王海文，周為

（1.湖南獵豹汽車股份有限公司長沙分公司，湖南 長沙 410000；2.湖南大學機械與運載工程學院，湖南 長沙 410082；3.湖南豐源業翔晶科新能源股份有限公司，湖南 長沙 410000）

機器視覺在汽車行業中的發展與應用

朱陽芬1，銀冬平1，鄒舜章2，王海文3，周為3

（1.湖南獵豹汽車股份有限公司長沙分公司，湖南 長沙 410000；2.湖南大學機械與運載工程學院，湖南 長沙 410082；3.湖南豐源業翔晶科新能源股份有限公司，湖南 長沙 410000）

隨著光電技術的發展，出現了通過機器代替人眼識別功能的機器視覺技術。機器視覺具有高自動化、高準確性、方便、安全等特點，在眾多的領域得到了應用。文章概述了機器視覺的發展歷史、基本結構、工作原理及國內外應用情況；著重介紹了機器視覺在汽車行業的發展與應用，及未來發展趨勢。機器視覺的廣泛應用已經是不爭的事實，目前機器視覺在汽車行業中各方面的應用，都已經處于自動化技術的前沿。

機器視覺；汽車；發展與應用

1 引言

1.1 機器視覺起源歷史

機器視覺的研究是從20世紀60年代中期美國學者L.R.羅伯茲關于理解多面體組成的積木世界研究開始的[1]。當時運用的預處理、邊緣檢測、輪廓線構成、對象建模、匹配等技術，后來一直在機器視覺中應用。

羅伯茲在圖像分析過程中，采用了自底向上的方法[2]。用邊緣檢測技術來確定輪廓線，用區域分析技術將圖像劃分為由灰度相近的像素組成的區域，這些技術統稱為圖像分割。其目的在于用輪廓線和區域對所分析的圖像進行描述，以便同機內存儲的模型進行比較匹配。

實踐表明，只用自底向上的分析太困難，必須同時采用自頂向下，即把目標分為若干子目標的分析方法，運用啟發式知識對對象進行預測。這同言語理解中采用的自底向上和自頂向下相結合的方法是一致的。在圖像理解研究中，A.古茲曼提出運用啟發式知識，表明用符號過程來解釋輪廓畫的方法不必求助于諸如最小二乘法匹配之類的數值計算程序[3]。

70年代以后，機器視覺形成幾個重要研究分支：一、目標制導的圖像處理；二、圖像處理和分析的并行算法；三、從二維圖像提取三維信息；四、序列圖像分析和運動參量求值；五、視覺知識的表示；六、視覺系統的知識庫等。

1.2 機器視覺的全球應用

在國外，機器視覺的應用普及主要體現在半導體及電子行業，其中大概40%-50%都集中在半導體行業[4]。機器視覺系統還在質量檢測的各個方面已經得到了廣泛的應用，并且其產品在應用中占據著舉足輕重的地位。而在中國，機器視覺的應用開始于90年代，大多為國外品牌。國內大多機器視覺公司基本上是靠代理國外各種機器視覺品牌起家，隨著機器視覺的不斷應用，公司規模慢慢做大，技術上已經逐漸成熟。

圖1

如今，中國正成為世界機器視覺發展最活躍的地區之一，應用范圍涵蓋了工業、農業、醫藥、軍事、航天、氣象、天文、公安、交通、安全、科研等國民經濟的各個行業[5]。其重要原因是中國已經成為全球制造業的加工中心，高要求的零部件加工及其相應的先進生產線，使許多具有國際先進水平的機器視覺系統和應用經驗也進入了中國。

機器視覺技術在汽車制造業中的應用[6]，大大提高了工藝運行質量和生產效率，降低了勞動強度，已在不少國內大企業得到成功的應用，包括汽車整車和零部件自動化檢測，3D四輪定位，汽車產品裝配/加工，智能駕駛[7]。

2 機器視覺的原理概述

機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是通過機器視覺產品(即圖像攝取裝置，分 CMOS和CCD兩種)將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，得到被攝目標的形態信息，根據像素分布和亮度、顏色等信息，轉變成數字化信號;圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作[1]。

一個典型的工業機器視覺系統包括：光源、鏡頭（定焦鏡頭、變倍鏡頭、遠心鏡頭、顯微鏡頭）、 相機（包括CCD相機和COMS相機）、圖像處理單元（或圖像捕獲卡）、圖像處理軟件、監視器、通訊 / 輸入輸出單元等[8,9]。

機器視覺檢測系統采用 CCD照相機將被檢測的目標轉換成圖像信號，傳送給專用的圖像處理系統，根據像素分布和亮度、顏色等信息，轉變成數字化信號，圖像處理系統對這些信號進行各種運算來抽取目標的特征，如面積、數量、位置、長度，再根據預設的允許度和其他條件輸出結果，包括尺寸、角度、個數、合格/不合格、有/無等，實現自動識別功能。

3 機器視覺在汽車行業的應用情況

汽車行業作為一個自動化程度比較高的高科技行業，很多先進的自動化技術已經成功的運用到該行業各個生產流程中。在汽車制造的許多環節已經做到了無人化操作，這樣就要求有一種可靠的檢測技術去驗證每一次裝配的正確性及裝配部件的合格性。機器視覺技術以其獨特的技術優勢成為自動檢測系統的首選。

機器視覺作為 21世紀的新興科技之一已經被廣泛的應用于汽車生產制造的各個環節，例如汽車零部件的尺寸及外觀質量檢測，自動裝配正確性的檢測[10]。以前傳統的檢測方式耗費大量人力，而且容易受到工人主觀情緒及自身技術水平的影響，不能保證很高的檢驗合格率。許多汽車制造廠家開始嘗試使用機器視覺檢測來替代傳統的檢測方式，并取得了良好的效果。

3.1 機器視覺用于3D四輪定位

湖南科技大學機電工程學院趙前程等針對機器視覺 3D四輪定位儀開發過程中的關鍵技術[11]，基于圖像特征點的灰度模型進行棋盤格型角點的亞像素精度提取；基于平面靶標進行相機內部參數的標定；采用旋轉向量一致的雙平面靶標進行相機外部參數的標定；基于靶標旋轉平移過程中的幾何關系，采用最小二乘法優化計算輪胎巾心點和旋轉軸向量。采用l 600像素×l 200像素、像素尺寸3．0um×3.0um、USB3.0接口工業相機，940 nm波長LED環形光源，8 mm焦距低畸變工業相機鏡頭，6×6棋盤格型靶標開發出商品級的 3D四輪定位儀，并與硬件檔次相當的某國際品牌四輪定位儀進行了對比測試，基本達到設計精度。商品已投放市場，用戶反映良好。

3.2 機器視覺用于汽車整車和零部件自動檢測

上海交通大學材料科學與工程學院朱虎成等。采用具有獨特的雙光源光路的機器視覺系統獲取活塞表面圖像信息，以LabView軟件為平臺對數字圖像信息進行處理和分析，實現了全部活塞終檢項目的一次性檢測。實際應用證明該系統穩定可靠，檢測效率高，檢測性能優于國外進口同類產品。系統穩定可靠，適用于生產線的大批量自動化檢測[12]。

長春工業大學李任江等為了對工業現場中汽車縱梁裝配工藝孔進行加工在線檢測，采用機器視覺和計算機控制技術，對圖像拼接、特征提取和模式識別等算法進行分析和處理[13]，最終實現了縱梁裝配工藝孔質量的自動識別，并通過實踐證明該方法具有可行性和實用性。

江南大學機械工程學院王瑤等為了解決汽車門鎖人工檢測勞動強度大、效率和精度低的問題，設計了一套基于機器視覺的汽車門鎖自動檢測系統[14]，該系統由硬件系統和軟件系統組成。針對門鎖表面對比度低、裝配件多和結構復雜的問題，研究了改進的距離保持水平集圖像分割算法和改進的SIFT圖像匹配算法，最后將這些算法在計算機中編程實現，完成圖像處理軟件與系統界面軟件設計[27]。測試結果表明，該系統硬件選型合理，軟件穩定性好、效率高，提高了汽車門鎖檢測的效率與精度，具有很高的實際意義和經濟價值。

洛陽電光設備研究所張永強等基于機器視覺構建汽車儀表自動檢測系統已成為實現儀表生產測試的主要途徑[16]；基于圖像空間到參數空間的收斂映射，提出了改進CM—Hough變換檢測算法對汽車儀表盤的指針位置實施檢測，針對經典Hough變換發散映射運算量大的缺點，提出了基于收斂映射cM—Hough變換進行指針檢測的算法。給出了利用 Hough變換的檢測結果直接解算指針位置的方法。最后，將算法由軟件編程實現，通過測試實驗驗證了算法的實時性和有效性，測試數據分析顯示了指針位置誤差小于1%。

吉林大學劉長英等針對汽車連桿裂解槽人工檢測工作量大、效率低且誤差大的現狀，提出一種基于機器視覺的汽車連桿裂解槽檢測方法[17]。該方法利用 CCD攝像機獲取檢測圖像，通過同態濾波技術濾除背景噪聲以提高檢測圖像的質量，通過自適應閾值的Canny邊緣檢測方法提取有效邊緣信息，通過圓形度和扁度對目標特征進行檢測和識別，通過對汽車連桿進行實際檢測來驗證。結果表明該檢測方法能夠快速、準確地對汽車連桿裂解槽進行檢測判斷，可有效避免人工檢測帶來的誤判及漏檢情況，具有高的檢測精度和檢測效率，并且具有很高的可靠性和重復性。

吉林大學蘇建等使用彩色圖像的彩色分割技術[15]。開發了一套基于機器視覺的汽車整車尺寸測量系統。論述了該系統組成、測量原理及方法，針對復雜背景的彩色圖像，提出利用初始輪廓線逐漸逼近最佳圖像邊緣，讓圖像輪廓的整體信息參與分類過程，有效地克服了噪聲影響，同時又不損失圖像的邊緣信息，提高了圖像邊緣的檢測精度和分割的質量。試驗結果表明，該系統可以實現汽車整車尺寸的自動、快速、準確測量。

3.3 機器視覺應用于汽車產品裝配/加工

合肥工業大學劉明周等在分析機器視覺在制造業應用模式的基礎上，以機械產品裝配作業為研究對象，設計了基于機器視覺的機械產品裝配系統在線作業體系架構，定義了機械產品裝配系統在線作業視覺因子集及其圖像處理算子[15]。構建了面向機械產品裝配作業過程的視覺集成應用基于知識的面向對象Petri網模型，其中知識規則賦予模型中的決策變遷智能行為，主要用于解決模型中的算法失效與系統死鎖問題。以某汽車公司雙離合自動變速箱閥體裝配工藝為例，基于 HALCON視覺開發環境進行了原型系統開發，驗證了該方法的可行性和有效性。

在汽車新能源電池模塊焊裝中也可應用機器視覺。 軟包單體電池的設計使得傳統的工裝定位尤為困難，且在 PACK過程中，偏軟的單體電池極耳伸出長度尺寸，每個單體電池串并聯之間的間距也無法保證相同，所以可將機器視覺系統用于動力電池模塊的組裝及焊接，實現電池組裝的高精度定位以及電池焊接的實時追蹤[19,20]。同濟大學徐劼等通過對iRVision和Precitec兩種視覺系統的原理分析，將其結合應用于新能源汽車動力電池制造的工藝過程中，iRVision視覺系統的重復定位精度達到了0.07mm，Precitec焊縫跟蹤系統的重復定位及補償精度達到了0.1mm，完全滿足電池模塊生產的需求[28]。iRVision視覺系統用于單體電池的沖切和組裝時的非接觸式定位及引導，可確保電池模塊中的單體電池極耳在Z方向上高度的一致性，從而減少匯電排總線安裝后的間隙。而 Precitec視覺系統則用于電池焊接時的實時焊縫位置追蹤，可確保電池串并聯焊接時焊縫在X和Y方向上焊接位置精確。優化編程后的視覺焊縫跟蹤系統能使1年內的電池模塊焊接一次合格率達到 98.8%，相較于未使用機器視覺系統時其一次合格率不到40%提高了近60%，并且杜絕了因焊接造成的整個電池模塊報廢或返工的現象。

3.4 機器視覺技術在智能駕駛中應用

德國、美國和日本等國在汽車自動駕駛領域開展了積極的研究并取得了很大的成績。我國國防科技大學機電工程學院一直在進行汽車自動駕駛技術的研究，其與第一汽車集團公司聯合研制的無人駕駛型“紅旗”CA7460于2003年6月在湖南長沙試車成功．穩定行駛時速達130KM／h(美國最高水平100KM／h、德國120 KM／h)，最高時速達170 KM／h，具備安全超車能力[21]。但他們的系統主要是依靠車載雷達、紅外測距儀和圖像傳感器來識別測量路面環境狀況．所得到的路面環境信息不豐富，不能滿足汽車智能駕駛的要求．所以這些系統都還只能在路況良好的高速公路上應用．無法適應道路環境惡劣的低級公路和城市公路。

在智能駕駛中應用機器視覺技術，機器視覺技術必須具備實時性、魯棒性、實用性這三個特點[22]。實時性要求機器視覺系統的數據處理必須與車輛的高速行駛同步進行；魯棒性是要求智能車輛對不同的道路環境如高速公路、市內公路、普通公路等，復雜的路面環境如路面的寬度、顏色、紋理、彎道、坡度、坑洼、障礙與車流等，各種天氣晴、陰、雨、雪、霧等均具有良好的適應性；實用性指智能車輛能夠為普通用戶所接受。目前，機器視覺主要用于路徑的識別與跟蹤。與其它傳感器相比．機器視覺具有檢測信息量豐富、無接觸測量和能實現道路環境三維建模等優點。但數據處理量極大，存在系統實時性和穩定性問題，要靠開發高性能的計算機硬件，研究新算法來解決[23]。隨著計算機技術和圖像處理技術的飛速發展，三維重建道路環境為車輛高速智能駕駛提供強大的信息，在不遠的將來具有現實可行性。

4 機器視覺未來發展趨勢

4.1 統一開放的標準是機器視覺發展的原動力

未來，機器視覺產品的好壞不能夠通過單一因素來衡量，應該逐漸按照國際化的統一標準判定，隨著中國自動化的逐漸開放，將帶領與其相關的產品技術也逐漸開放[24]。因此，依靠封閉的技術難以促進整個行業的發展，只有形成統一而開放的標準才能讓更多的廠商在相同的平臺上開發產品，這也是促進中國機器視覺朝國際化水平發展的原動力。

4.2 基于嵌入式的產品將取代板卡式產品

從產品本身看，機器視覺會越來越趨于依靠PC技術，并且與數據采集等其他控制和測量的集成會更緊密。且基于嵌入式的產品將逐漸取代板卡式產品，這是一個不斷增長的趨勢。主要原因是隨著計算機技術和微電子技術的迅速發展，嵌入式系統應用領域越來越廣泛，尤其是其具備低功耗技術的特點得到人們的重視[25]。另外，嵌入式操作系統絕大部分是以C語言為基礎的，因此使用C高級語言進行嵌入式系統開發是一項帶有基礎性的工作，使用高級語言的優點是可以提高工作效率，縮短開發周期，更主要的是開發出的產品可靠性高、可維護性好、便于不斷完善和升級換代等。因此，嵌入式產品將會取代板卡式產品。

4.3 標準化、一體化解決方案也將是機器視覺的必經之路

由于機器視覺是自動化的一部分，沒有自動化就不會有機器視覺，機器視覺軟硬件產品正逐漸成為協作生產制造過程中不同階段的核心系統，無論是用戶還是硬件供應商都將機器視覺產品作為生產線上信息收集的工具，這就要求機器視覺產品大量采用“標準化技術”[26]，直觀的說就是要隨著自動化的開放而逐漸開放，可以根據用戶的需求進行二次開發。當今，自動化企業正在倡導軟硬一體化解決方案，機器視覺的廠商在未來 5-6年內也應該不單純是只提供產品的供應商，而是逐漸向一體化解決方案的系統集成商邁進[29]。

在未來的幾年內，隨著中國加工制造業的發展，對于機器視覺的需求也逐漸增多；隨著機器視覺產品的增多，技術的提高，國內機器視覺的應用狀況將由初期的低端轉向高端[30]。由于機器視覺的介入，自動化將朝著更智能、更快速的方向發展。另外，由于用戶的需求是多樣化的，且要求程度也不相同。那么，個性化方案和服務在競爭中將日益重要，即用特殊定制的產品來代替標準化的產品也是機器視覺未來發展的一個取向[32,33]。機器視覺的應用也將進一步促進自動化技術向智能化發展。

[1]賈云德.機器視覺[M].北京:科技出版社,2000.

[2]俞撲.圖像測量技術用于精密測量[C].第十屆全國汽車檢測技術年會論文集,2003:56～59.

[3]朱錚濤.視覺測量技術及其在現代制造業中的應用[J].現代制造工程,2004(4):59～61.

[4] 朱正德.談機器視覺在汽車制造業中的應用[J].中國測試技術,2006(32)：22～25.

[5] 王剛.基于 LVDT技術的活塞銷卡環裝配質量檢測[J].機械工程師,2010(6):19～21.

[6] 焦圣喜,韓立強,岳曉峰.智能圖像檢測在活塞在線分選中的應用[J].微計算信息,2008,24(4):19～20.

[7] 阮奇幀.我和LabView[M].北京:北京航空航天出版社.2009.

[8] 鄒明明,盧迪．基于改進模板匹配的車牌字符識別算法實現[J].研究與開發,2010,29(1)：59～61.

[9] 喬瑞萍.LabView大學實用教程[M].北京:電子工業出版社.2008.

[10] 周傳德,王見,尹愛軍.基于平面標靶的物體空間姿態精確測量[J].重慶大學學報,201l,34(8)：66～70.

[11] 王德超,涂亞慶,張鐵楠.基于計算機視覺的汽車四輪定位參數檢測數學模型及方法研究[J].汽車工程,2008,30(3)：243.246,278.

[12] 夏瑞雪,盧榮勝,劉寧,等.基于網點陣列靶標的特征點坐標自動提取方法[J].巾國機械 T.程,2010,21(16):1906～1910.

[13] 楊幸芳,黃玉美,高峰,等.用于攝像機標定的棋盤圖像角點檢測新算法[J].儀器儀表學報,201l,32(5)：1109.11 13.

[14] Richard Hanley.Andrew zisserman.Multiple view geometry in computer vision[M].Cambridge: The Press Syndicate of the University of Cambridge.UK.2000.

[15] 卞曉東.基于機器視覺的車輛幾何尺寸測量系統研究:[學位論文].南京:東南大學,2005.

[16] 張可.基于雙目立體視覺原理自由曲面三維重構:[學位論文].武漢:華中科技大學,2005.

[17] 張立斌,蘇建,田云鋒.汽車前輪定位參數快速檢測的建模研究.公路交通科技, 2003（06）:155～158.

[18] 楊運蛾,何嘵鳴.基于圖像處理的客車車廂防雨密封性檢測方法研究.武漢工業學院學報,2007（06）:75～77.

[19] Lavelle J P,Schuet S R,Schuet D J.High speed 3D scanner with real-time 3D processing. Sensors for Industry Conference,2004.Proceedings the ISA/IEEE 2004:102～108.

[20] 徐劼.機器視覺在新能源電池模塊總線激光焊接中的應用[J].汽車與配件,2017,8:70～73.

[21] 劉群.視景增強雷達系統的發展與展望[J].現代雷達,2001,23(4)：7～ll.

[22] 周其煥.前視探測和多傳感器綜合視景系統在民機上的應用[刀.航空電子技術,2002,33(3)：l～5.

[23] Nicolas HAUTIERE et.a1.Real.time disparity contrast combination for onboard estimation of the visibility distance[J].

[24] IEEE Transactions Oil Intelligent Transpiration Systems,2006.7(2)：201～212.

[25] 祝培,朱虹,錢學明等.一種有霧天氣圖像景物影像的清晰化方法[J].中國圖象圖形學報,2004,9(1)：124～128.

[26] Tan KK,Oaldey JP.A Physics—based approach to color image enhancement in poor visibility conditions[I].Journal of the Optical Society of America A,2001,18(10)：2 460-2467.

[27] GOLNABI H,ASADPOUR A.Design and application of industrial machine vision systems[J].Robotics and Computer-In-tegrated Manufacture,2007,23(6)：630～637.

[28] 劉長勇,徐方,曲道奎.基于現場總線的汽車門鎖自動測試控制系統研制[J].機械設計與制造,2010,4:145～147.

[29] 張凱麗,劉輝.邊緣檢測技術的發展研究[J].昆明理工大學學報.2000,z5(5)：36-39.

[30] O.Djekoune,K. Achour,Vision-guided mobile robot navigation using neural network,Image and Signal Processing and Analysi8,19～21 June 2001,P 355～361.

[31] 寇淑清,王金偉,鄭祺峰,等.曲軸軸承座／連桿激光加工裂解槽的組織與脹斷性能EJ].光學精密工程,2011,19(4):768～774.

[32] 趙梅芳,沈邦興,等.多目立體視覺在工業測量中的應用研究[J].計算機測量與控制,2003,ll(11)：833～835.

[33] 章毓晉.圖像理解與計算機視覺[M].北京:清華大學出版社,2000.

The development and application of machine vision in the automotive industry

Zhu Yangfen1, Yin Dongping1, Zou Shunzhang2, Wang Haiwen3, Zhou Wei3
( 1. Hunan cheetah auto co., LTD., Hunan Changsha 410000;2.Mechanical and vehicle engineering institute of hunan university, Hunan Changsha 410082;3.Fengyuan industry develop hunan xiang jing new energy co., LTD., Hunan Changsha 410000 )

With the development of photoelectric technology, a recognition by machine instead of human eyes of machine vision technology.Machine vision with high automation, high accuracy, convenience, safety, etc, have been applied in many fields.This paper summarizes the development history of machine vision, basic structure, working principle and application situation at home and abroad;Introduces the development and application of machine vision in the automotive industry, and the future development trend.The wide application of machine vision is indisputable fact that the current machine vision in all aspects of the application in the automotive industry, has been at the forefront of the automation technology.

machine vision; Car; Development and application of

U467

A

1671-7988(2017)22-08-04

10.16638 /j.cnki.1671-7988.2017.22.004

朱陽芬，本科，工程師，就職于湖南獵豹汽車股份有限公司長沙分公司、研究方向為新能源汽車電池的組裝與應用。

CLC NO.:U467

A

1671-7988(2017)22-08-04