基于紅外結(jié)構(gòu)光的汽車輪轂參數(shù)測量技術(shù)

王寶剛 莊嚴(yán) 趙艷麗

摘 要：本文介紹了以機器視覺的方式來實現(xiàn)非接觸式車輛四輪定位功能，其視覺裝置以計算機視覺進行車輪轂拍攝，并通過局域網(wǎng)傳輸?shù)娇刂婆_計算機上，控制臺計算機對圖像進行處理并通過圖像處理技術(shù)和Steger算法獲取結(jié)構(gòu)光中心線并對應(yīng)車輪空間信息進行識別獲取，經(jīng)過計算得到四輪的空間位置信息。定位系統(tǒng)得到四輪定位信息與數(shù)據(jù)庫中同款車輛的出廠參數(shù)進行比對，給出誤差和調(diào)整參考信息。車輛維護人員可以根據(jù)四輪定位系統(tǒng)的提示對車輛進行調(diào)教。

關(guān)鍵詞：四輪定位;結(jié)構(gòu)光;Steger算法;Hough橢圓檢測

1 四輪定位技術(shù)的基本原理

四輪定位是以車輛的四輪參數(shù)為依據(jù)，通過調(diào)整以確保車輛良好的行駛性能并具備一定的可靠性。轎車的轉(zhuǎn)向車輪、轉(zhuǎn)向節(jié)和前軸三者之間的安裝具有一定的相對位置，這種具有一定相對位置的安裝叫做轉(zhuǎn)向車輪定位，也稱前輪定位。前輪定位包括主銷后傾（角）、主銷內(nèi)傾（角）、前輪外傾（角）和前輪前束四個內(nèi)容。這是對兩個轉(zhuǎn)向前輪而言，對兩個后輪來說也同樣存在與后軸之間安裝的相對位置，稱后輪定位。后輪定位包括車輪外傾（角）和逐個后輪前束。這樣前輪定位和后輪定位總起來說叫四輪定位。傳統(tǒng)的四輪定位儀通過專業(yè)人員安裝在輪轂上的定位器來測定輪轂的水平方位以及相互關(guān)系。通過這種方式來實現(xiàn)參數(shù)測量往往需要依靠操作人員的水平，而且接觸式測量可能會損壞車體表面，因此采用基于紅外結(jié)構(gòu)光的測量技術(shù)，依據(jù)機器視覺對高清攝像所采集到的圖像進行圖像識別，獲得汽車輪轂參數(shù)的方法，相比較于傳統(tǒng)的四輪定位儀有不需要安裝，非接觸式，測量速度快等優(yōu)點。

本論文所描述的光柵測量功能所采用的集成開發(fā)環(huán)境為Visual Studio 2010，采用VC++語言和OpenCV機器視覺庫來實現(xiàn)機器視覺軟件功能的開發(fā)工作，所其中包括圖像的讀取、處理、光柵識別和所測量對象空間位置的計算功能的實現(xiàn)。所設(shè)定的應(yīng)用的場景為汽車維護，在停車區(qū)域的四個固定測量機位固定安裝四個集成了高清圖像采集鏡頭和結(jié)構(gòu)光柵發(fā)射器的裝置，當(dāng)待測量的車輛停入固定的車位后，四個高清圖像采集鏡頭會采集照射在車輪的結(jié)構(gòu)光圖像，所采集的光柵圖像經(jīng)過軟件處理識別出輪轂的橢圓輪廓，根據(jù)橢圓輪廓的空間信息與軟件中的圖案庫所保存的橢圓進行比對，得到四個輪胎的傾角信息，進而實現(xiàn)對車輛的四輪定位標(biāo)定功能。

2 Steger光柵檢測技術(shù)的實現(xiàn)

紅外線結(jié)構(gòu)光通過平行直線光柵對輪胎進行投射，而用結(jié)構(gòu)光進行掃描檢測時，需要提取結(jié)構(gòu)光條紋的中心線，本文所包含的關(guān)鍵技術(shù)為對結(jié)構(gòu)光中心線的獲取功能采用Steger算法來實現(xiàn)。Steger算法基于Hessian矩陣，能夠?qū)崿F(xiàn)光條中心亞像素精度定位：首先通過Hessian矩陣能夠得到光條的法線方向，然后在法線方向利用泰勒展開得到亞像素位置。對于圖像中激光條紋上的任意一點（x，y），Hessian矩陣可以表示為兩行兩列的矩陣：

H（x，y） = [ rxx， rxy， rxy， ryy ]

其中rxx表示圖像沿x的二階偏導(dǎo)數(shù)，其他參數(shù)類似。需要注意的是在求Hessian矩陣之前需要對圖像進行高斯濾波，高斯濾波時，設(shè)置高斯方差ρ<ω/1.732，其中ω為光條寬度。Hessian矩陣最大特征值對應(yīng)的特征向量對應(yīng)于光條的法線方向，用（nx，ny） 表示，以點（x0，y0）為基準(zhǔn)點，則光條中心的亞像素坐標(biāo)為：（px，py）=（x0+tnx，y0+tny）。在公式中如果參數(shù)取值范圍（tnx，tny）∈[?0.5，0.5]×[?0.5，0.5]，即一階導(dǎo)數(shù)為零的點位于當(dāng)前像素內(nèi)，且（nx，ny） 方向的二階導(dǎo)數(shù)大于指定的閾值，則該點（x0，y0）為光條的中心點，則為亞像素坐標(biāo)。

上面介紹了結(jié)構(gòu)光條紋的中心線的Steger算法的基本理論，在具體功能實現(xiàn)中采集裝置首先采集得到的為彩色高清圖像，在程序中首先需要轉(zhuǎn)化為灰度圖像。轉(zhuǎn)化之后的灰度圖像采用高斯濾波進行去噪處理，調(diào)用函數(shù)OpenCV函數(shù)cv：：GaussianBlur來實現(xiàn)，其中濾波參數(shù)Ksize設(shè)置為Size（0，0），SigmaX為6，SigmaY為6濾波效果最適合后續(xù)的Steger算法對結(jié)構(gòu)光柵的圖像處理。經(jīng)過Steger算法得到紅外光柵圖像由于投影光柵為平行直線因此在輪胎表面會形成平行的比較清晰的線段圖案，而在非輪胎位置投影比較雜亂不明顯。在輪胎與輪轂的交界處和輪胎邊緣可以很明顯的看到平行線段的完全和斷裂圖案。因此調(diào)用OpenCV函數(shù)通過曲線擬合的最小二乘法對光柵中心線中點進行擬合為線段集合。根據(jù)平行線段的區(qū)域和斷點位置，通過霍夫橢圓擬合的算法將斷點集合擬合為一個橢圓。從而確定照片中輪胎輪轂的空間位置。

3 橢圓的檢測算法的實現(xiàn)

本文采用隨機Hough變換橢圓檢測算法，隨機橢圓檢測結(jié)合使用了了最小二乘法和Hough變換算法。第一步預(yù)處理，獲得較理想的邊緣圖。第二步隨機選取三個點，取這三點為中心相同大小的鄰域中所有點，用最小二乘法把它們擬合成一個橢圓。第三步從邊緣點中再隨機選取第四個點，判斷此點是否在擬合出的圓上。若是，則認為該橢圓是真實橢圓的可能性較大，接著收集證據(jù)，驗證該橢圓的真實性。

算法具體過程如下（從第二步開始）：

（1）把邊緣檢測得到的點收進集合V中，失敗計數(shù)器f初始值設(shè)為0。設(shè)定5個閾值，分別是能容忍的失敗次數(shù)最大值Tf，檢測進行時對V中邊緣點數(shù)量的要求閾值Tem，隨機選取的三點之間兩兩距離最小值Ta，隨機選取的第四點到可能橢圓邊界距離的最大值Td，以及橢圓殘缺比率閾值Tr。

（2）np表示集合V中剩余的點的數(shù)量，當(dāng)np小于Tem時或當(dāng)失敗次數(shù)f大于Tf時停止檢測，算法終止;否則從V中隨機取四點，并從V中刪除這四點。

（3）若用來求解橢圓參數(shù)的三個點兩兩之間距離都大于Ta，擬合出橢圓，計算第四個點到該橢圓邊界的距離，若距離小于Td，執(zhí)行第4步;若不滿足兩者之一，將這四個點返回到V中，失敗次數(shù)加一，回到第2步執(zhí)行。

（4）設(shè)E為第3步擬合出來的橢圓，初始化滿足閾值Td的點的個數(shù)num。遍歷V中點，計算并判斷它們到橢圓E的邊界的距離是否小于Td，若是則num=num+1，并將該點從V中除去，直到遍歷完成。

（5）若num>=Tr*K，其中K為橢圓E的周長，那么跳轉(zhuǎn)到第6步;否則認為橢圓E不是真實的橢圓，將第4步和第2步中刪除的num+4個點返回V中，并跳轉(zhuǎn)到第2步。

（6）認為橢圓E是一個真實存在的橢圓，f置0，并跳轉(zhuǎn)到第2步。

經(jīng)過以上步驟擬合出來的橢圓會與系統(tǒng)中以及保存好的橢圓數(shù)據(jù)進行比對，搜索對應(yīng)的橢圓信息對應(yīng)輪胎空間和傾角信息，根據(jù)系統(tǒng)所包含的空間信息既可以完成對汽車輪轂測量信息的獲取和校準(zhǔn)功能。

參考文獻：

[1]熊會元，宗志堅，陳成鶴.線結(jié)構(gòu)光條紋中心的全分辨率精確提取[J].光學(xué)精密工程，2009，17（05）：1057-1062.

[2]胡坤，周富強.一種條紋中心線快速亞像素提取方法[J].光電技術(shù)應(yīng)用，2005，20（06）：60-63.