圖像處理技術在機動車檢測行業中的應用分析

郭代究、李珂

（濟南市政務汽車檢測中心，山東 濟南 250014）

0 引言

圖像處理技術用于機動車檢測行業中具有較佳的成效，其基本應用原理為通過CCD 等電子元件接收光學圖像、信息，同時依托計算機將信息轉變為數字，篩選其中關鍵信息，開展模式辨識和顯示，將檢測項目相關信息完整收集匯總，并充分將其轉變為相應的數字指標，結合行業規范和標準，實現機動車檢測目標。機動車內部較為復雜，圖像處理技術作為一類非直接性接觸檢測方法，可完整收集機動車相關信息，進一步凸顯圖像處理技術精度高、可靠性較強。

1 圖像處理技術的分類

圖像處理技術又稱為“機器視覺”，是將被測主體目標作為信息核心載體，精準性從中提取有效的信息實現測量的目標，其自身具備非接觸、高速度、測量范圍廣等優勢，最大限度應用CCD 攝像頭與光學系統、處理系統進行充分聯合，可達成不同的檢測基本要求。圖像處理技術主要是應用計算機對圖像采取一系列處理的技術，包含圖像數字化、增強和復原、圖像分割等，其技術可劃分為兩種類別，不同種類基本原理和特征存在較大差異性，包含模擬圖像處理、數字圖像處理；前者主要包含光學、電子處理，此種處理最為顯著的特征是高效化，理論層面可達到光速，并可同時進行處理。

電視圖像是模擬信號處理最經典的案例，其處理的是25fps 的活動圖像。模擬圖像處理實際不足為精準度難以保證，靈活性不佳，難以體現判斷和非線性處理能力；后者是用于計算機處理或實時硬件處理，優點在于處理精準度較高，處理內容十分復雜，可進行復雜的非線性處理，具有較為靈活的變通能力，不足在于處理速度不佳，尤其是復雜化處理不足更為凸顯[1]。

2 圖像處理技術在機動車檢測行業中的應用

2.1 在機動車前照燈檢測中的應用

機動車前照燈作為汽車核心構成，其實際作用為外部光線較弱或干擾駕駛者行車視線的狀況下，為駕駛者營造較佳的視覺環境，保證行車可靠性及安全性。處于夜晚或大霧狀況下，駕駛者自身視線嚴重受阻，需前照燈進一步提供視野和警示反向來車，由于可視度較低狀況下，駕駛者僅依靠肉眼辨識對面來車進行避讓或變道，以汽車運行時的速度，難以及時進行避讓，易引發安全事故，前照燈的強烈光線，對大霧天氣具有一定的穿透成效，可為相向行駛的汽車預先進行反應。汽車前照燈主要包含三大模塊，即燈具、反射鏡、折射透鏡，燈具作為前照燈發光的來源，反射鏡是對燈光強度、距離進行合理化控制，折射鏡主要是為進一步控制燈光實際涵蓋范圍，針對前照燈特性測試也需分別對此類部件進行測試。

汽車前照燈自身燈具依托不同的燈絲發揮作用，遠光燈絲作為前照燈遠光的燈光來源，近光燈汽車前照燈光束照射向屏幕通過光電進行轉變后，交由數據采集模塊將其傳輸至主控計算機內部。一方面，光軸偏遠絲作為近光燈的光源，遠光和近光對光線強度、覆蓋面積等存在不同的要求，角度的測量主要是充分應用燈光處于屏幕上存在X 位移，通過透鏡成像后發生成像點實際位移獲得數字化圖像求取，推導光軸偏轉角度，利用計算機為電機下達相應的指令，進一步控制前照燈自身燈箱自動跟蹤糾偏。另一方面，發光強度的測量。處于低照度下，CCD 輸出電壓、照度存在一定的線性關系，如此可將其數字量與外部光源照射至相應的檢測幕布上照度值進行聯系，充分依照定標測量時構建關系數據庫，最終獲取各點的實際照度[2]。

2.2 在車牌識別系統中的應用

隨著機動車保有量逐年增加，對交通控制、安全管理要求愈發嚴格，智能交通系統成為當下交通管理發展主趨，車輛牌照作為行駛車輛唯一標志，處于車輛管理和控制方面具有不可比擬的優勢。以圖像處理技術為導向的車輛牌照辨識系統，作為智能化交通系統核心構成，其在高速公路、城市道路等管理中發揮關鍵性作用。車牌識別技術作為當下關注的焦點，車牌識別系統積極利用數字攝像技術、計算機信息管理技術，選取圖像處理、模式辨識和人工智能技術，實現更高的智能化管控。車牌辨識系統普遍用于智能交通違章管理、高速路不停車收費、車輛檢測等應用中。車牌識別系統主要包含三大環節，即車輛圖像獲取、車輛拍照圖像定位與分割、字符辨識，最為關鍵的便是后兩個環節，牌照定位直接決定其后車牌字符辨識，所以牌照定位是辨識的關鍵。車牌定位方法實際出發點是通過車牌區域實際特征進一步判斷拍照，當下車輛牌照定位存在多個算法，不同算法自身優劣點不盡相同，如利用車牌信息的彩色分割法、模板匹配算法、紋理特征分析技術。字符正式辨識篩選之前，需對提取的車牌圖像做好預處理，主要包含邊框檢測、傾斜校正、圖像二值化等環節。待車輛牌照定位目標達成后，便可開展字符分割和特征提取，牌照圖像應預先做好圖像處理，核心目的在于將每個字符圖像進行歸一化易辨識的圖像，有助于將每個字符自身特征予以提取。為高效化辨識車牌，攝像機下原始圖像應具有一定亮度和對比度，受外界多個因素的干擾，需保證識別之前對原始圖像開展預先處理，包含內容有消除模糊、圖像去噪、圖像增強和水平校正。圖像處理高級階段是數字圖像分析，充分應用計算機系統，從圖像中精準提取有價值的數據或信息，生成非圖像描述或表示，進而辨識圖像。為促使計算機系統正確辨識圖像，需積極探索相應的算法，分析圖像自身實際特征。

2.3 在機動車零件檢測中的應用

機動車零件實際生產過程中，多以批量生產為主，正確辨識和檢測重要零件關鍵部位表面缺陷當下仍以人工目測為主，不僅檢測效率較低，而且檢測實際質量有待提升。機動車包含的零部件較多，其中多數是選取沖壓工藝生產，但沖壓多是利用較大的壓力對金屬板料進行擠壓，力具有一定的相互性，擠壓金屬板料過程中，磨具自身承受較大的壓力發生微小的形變，隨著生產零件數量增多，其零部件偏差逐步增加。汽車零件視覺檢測主要是將立體化的三維物體圖像化，獲取二維的平面圖像，結合圖像正確分析和解讀三維空間實際物體。可測量產品實際尺寸并充分結合產品外部輪廓進行精準性判斷，結合相應的圖片確定產品是否具有缺陷，檢測表面是否存在被污染現象。汽車零件制造生產和組裝精度要求較高，機器視覺作為當下檢測精準度較高的技術，普遍用于汽車零件中。圖像處理技術用于汽車零件實際檢測中流程見圖1，機動車自身零件通過傳感器后實現多部分分割，對其進行持續性辨識，主要是精準性辨識零件特征、表面表示和參數，將其與現有相關數據庫中進行比對匹配，達成檢測目標。結合最終實際檢測結果，達標零件方可進入下一生產環節，不合格零件需進行處理回收。作為一類新興的傳感技術，圖像檢測單元近年來實現產品化，其中部分具有知名度的廠商，推出規格齊全的產品，為圖像檢測技術的推廣和應用提供助力。組建零部件自身缺陷檢測應用的圖像處理機器視覺檢測系統所學的工業相機、鏡頭、視覺光源等，均可獲取性價比優良的產品，圖像處理技術用零部件缺陷檢測，逐步向更深層次發展，處理算法更優化、處理速度更高效，實現圖形智能化生成、處理和辨識[3]。

圖1 圖像處理技術用于汽車零件實際檢測中流程

2.4 動車輪速檢測中的應用

輪速作為機動車ABS、VDC、ESP 等系統中關鍵的信息來源，原有輪速采集需通過傳感器進行收集匯總，其實現輪速傳感器正式安裝應按照車型自身配置型號的安裝工具，該安裝程序十分煩瑣，工作效率較低，且實際通用性不佳。充分利用圖像處理技術檢測機動車自身輪速基本原理為，車輪上張貼相應的特征線，CCD 工業相機可精準性捕捉特征線實際運行狀況，利用相機進行動態化拍攝特征線車輪圖像，并及時將采集的圖像傳輸至上位機，利用圖像處理技術對采集的圖像做好預先處理和特征線提取，通過曲線擬合求出連續兩幀圖像特征線間夾角，進一步獲得汽車輪速。圖2為圖像處理技術用于汽車輪速檢測系統結構圖，該系統內部包含四個模塊，即數據采集、圖像處理、輪速解算、客戶端面設計，首先圖像數據采集主要是通過CCD 工業相機和特征線，完整收集相關的汽車輪速圖像，GPS 車速采集模塊則是處于整個檢測過程中動態化計算機動車實際車速，汽車車速和輪速作為圖像處理技術在輪速檢測中采集相關數據信息。圖像處理過程中最為關鍵的環節是圖像壓縮，壓縮后的圖像應滿足后續圖像處理基本要求，反之對后續圖像處理產生的影響，實際處理過程中由于壓縮機制的差異性，其壓縮種類存在較大差異性，最為常見的壓縮種類包含無損壓縮、有損壓縮，其中有損壓縮使用頻次較高。其次，充分將收集匯總的相關數據傳輸至圖像處理模塊，對其圖像做好預處理工作，提取相應的特征線，完成處理的圖像和數據進入輪速解算模塊，進一步計算汽車實際輪速，保證計算結果精準性。曲線擬合前為提高特征線分離及擬合率，需對特征線開展邊緣檢測，邊緣自身具有兩大特性：沿邊方向的像素值變化較為平緩，像素值變化較為劇烈的是邊緣垂直方向，檢測邊緣過程中可選取圖像邊緣信息提取，特征描述便捷且高效。最后，用戶界面設計模塊，主要涵蓋參數設置模塊，主要用于靈活性調整不同的測試參數，適用于多種零部件，輪速顯示模塊，主要是直觀呈現檢測獲取的相關輪速，以及數據存儲模塊和數據導入模塊，將實際檢測獲取的相關數據及時導出或存儲，為其他機構檢測提供助力。

圖2 基于圖像處理的汽車輪速檢測系統

2.5 機動車類型自動識別中應用

圖像處理技術在上述汽車檢測領域中應用外，還可精準辨識機動車的實際類型，相較于識別車牌對于攝像頭等光學信息采集設備要求較高，機動車類型自動辨識對設備要求并不是很高，主要是依附相應的數據資料庫，光學設備完整收集車輛相關信息，并動態化進行數據庫比對，進一步確定車輛類型相關信息。圖像檢測應用范圍十分廣泛，獲取信息較為豐富，可用于實現道路交通監控、車型分類及辨識，車輛實際類型包含轎車、客車、貨車等，車型對高速公路收費額度、大型停車場管理等控制十分重要。應用圖像處理技術可精準性獲取汽車車型參數，有助于辨識汽車車型，交由攝像機對汽車進行攝像，通過圖像采集卡采集數據并傳入計算機內部，交由計算機自動化選用合適的算法，對圖像數據進行處理，高效化提取車輛外形特征圖像，提取車型參數，以此為核心參數設計出汽車類型分類器，準確辨識車型。我國道路交通安全系統涉及范圍較廣，可充分應用圖像處理技術處于較大范圍內自動化辨識車輛具體位置和信息，此類系統是模糊搜索使用頻次較高的系統，主要用于發生較大交通事故或險情時，受害者自身心理實際壓力較大，無法準確記憶相關的車牌，但可記住車輛自身輪廓和類型，為精準性確定相應的車輛提供助力。應用圖像處理技術對車輛自身類型做好辨識，主要程序為利用相應的攝像頭系統，處于較大范圍內自動化搜索區域內相似車輛，由于每個城市內相類似的車輛較多，需結合圖像處理技術辨識車輛系統查詢車輛信息，一定程度可縮小實際查找范圍[4]。

2.6 汽車車身曲面快速測量中應用

汽車車身曲線形狀實際測量，多選取三坐標機接觸式測量，其實際面臨的不足為實際測量速度較為緩慢，測頭觸針易發生磨損，精準度難以保證。針對車身曲面非接觸快速自動化測量，是當下急需解決的重點。當下提出激光、CCD 技術非接觸自動跟蹤曲面軌跡隨動測量法，可從本質層面消除接觸式測量法的不足。該系統主要是充分應用三角幾何學實際測量原理，以激光器、光學鏡頭、CCD 為核心構建相應的幾何位置關系圖。應用該測量系統對機動車曲線開展實驗，將最終結果利用計算機開展處理，應用一系列處理技術后，利用計算機自動生成車身曲線和曲面。

3 圖像處理技術在機動車檢測行業應用未來前景分析

新時期背景下，全球制造業格局發生較大的變化，新一輪產業創新變革蓄勢待發，為促使汽車檢測行業凸顯圖像處理技術的優勢，積極驅動圖像處理技術在機動車檢測行業應用的變化，逐步趨于智能化、網絡化和服務化。智能化主趨關鍵在于人工智能技術，其主要是依托大數據和多視角辨識系統，對數據做好智能化處理，未來圖像處理技術用于汽車檢測行業中，可實現智能化目標，高效收集和分析相關數據信息，提高分析效率及質量。網絡化主要是充分以計算機為基礎，顯著提高圖像處理技術用于汽車檢測行業效率，顯著提高各環節處理效率，進一步實現汽車檢測更具高效化。服務化主要是以汽車檢測行業走向高級化標志，逐步豐富圖像處理技術應用功能，實現服務化目標。

4 結語

圖像處理技術用于機動車檢測行業，具有較高的檢測效率和質量，由于多個產品或主體目標是無法交由人工進行檢測的，所以應用圖像處理技術，對圖像做好處理分析，最終實現數字化轉化，獲取相應的數據資料，聯合當下數據庫資料信息比對，便可實現全面檢測的目標。因此，需對圖像處理技術在機動車檢測行業的應用加以重視，嚴格依照相關規范開展檢測，提高其檢測效率和質量。