CN107167172A - 一种总线式汽车数字仪表指针功能的在线监测方法 - Google Patents
一种总线式汽车数字仪表指针功能的在线监测方法 Download PDFInfo
- Publication number
- CN107167172A CN107167172A CN201710248120.7A CN201710248120A CN107167172A CN 107167172 A CN107167172 A CN 107167172A CN 201710248120 A CN201710248120 A CN 201710248120A CN 107167172 A CN107167172 A CN 107167172A
- Authority
- CN
- China
- Prior art keywords
- mrow
- pointer
- msub
- msup
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种总线式汽车数字仪表指针功能的在线监测方法,属于基于计算机视觉的产品质量在线监测技术领域,可用于对汽车数字仪表指针功能自动监测,提高了监测效率。该发明的流程包括:向待测汽车仪表发送指针驱动命令、采集仪表盘图像、图像预处理、减影法获得指针图像、细化指针图像、标记指针连通区域、最小距离法拟合指针直线、对指针直线进行修正、计算指针的读数、判定读数跟预设值是否一致,以检出仪表指针功能是否合格。本发明的特点在于能够一次性快速、准确地提取汽车仪表指针位置和形状,进而实现汽车数字仪表盘指针功能的自动化检测,提高了检测的效率和可靠性。适合于数字仪表盘生产线的在线检测。
Description
技术领域
本发明涉及一种总线式汽车数字仪表指针功能的在线监测方法,属于汽车仪表功能监测技术领域。
背景技术
按汽车仪表的工作原理不同,可大致分为三代:第一代汽车仪表是机械机芯表;第二代汽车仪表称为电气式仪表;第三代为数字汽车仪表,可见其越来越网络化、智能化,显示内容更加丰富。对其功能检测的技术要求也越来越高。
常用的汽车仪表中指针部分,一般由车速表、转速表、水温表和燃油表四个表盘组成。汽车仪表研发过程中对这四种表盘的测试主要是针对指针偏转角度误差的测试,其测试结果的准确性是汽车安全性能控制的关键。目前我国还有很多汽车行业采用人工测试方式对指针式仪表进行校验。这种测试方式不仅效率低下,且易受人的主观因素如观测角度、观测距离及疲劳程度等影响,存在错检,甚至漏检等问题,测试效率和工业生产的自动化程度较低。在自动化测试方面尽管已有相关技术研究,常用的指针定位算法有模板特征法、Hough变换指针直线提取法。根据资料(戴亚文,王三武,李金龙.基于图像处理技术复杂仪表的自动识别[J],计量技术,2003(12):33-35)采用模板特征法实现了机械式水表的指针检测,其核心思想是采用具有不同参量的模板来匹配指针,从而确定指针的位置和方向。该方法需要事先采集大量指针处于不同位置的表盘图像,用以获取指针的形状、面积、灰度分布、灰度阈值等先验知识,然后以上述多个特征为准则识别指针方向及示值。模板特征法在理论上取得了较好的效果,然而实际应用过程中,该方法存在极大的时间及空间复杂度,且匹配阈值难以界定。实施起来存在一定的复杂度。应用Hough变换来提取指针直线的方法从而确定指针位置,由于Hough变换计算量大,占用内存多,变换过程中,耗费了大量的时间来计算冗余的数据,且进行投票的像素点离散无相关性,导致检测到的直线不准确,减少检测时所需的时间和提高检测精度,针对这些问题有学者提出改进的方法如((1)陈彬,金连文.一种仪表指针位置检测的中心投影法[J].计算机应用研究,2005(1):246-248.(2)郭斯羽,翟文娟等.结合Hough变换与改进最小二乘法的直线检测[J],计算机科学,2012(39):196-200)以上测试方法仍存在速度慢、精度低的问题。本发明提出了一种最小距离直线拟合法提取指针直线并对指针直线进行修正的方法来定位指针位置。
本发明提出了一种总线式汽车数字仪表指针功能的在线监测方法,该方法流程包括:向待测汽车仪表发送指针驱动命令、采集图像、图像预处理、减影法获得指针图像、细化指针图像、标记指针连通区域、最小距离法拟合指针直线、对指针直线进行修正、计算指针的读数、判定读数跟所预设值是否一致,以检出仪表指针功能是否合格等。该方法具有效率高、可靠性强等特点,适合在自动化生产线上进行推广。
发明内容
本发明的目的是提出一种总线式汽车数字仪表指针功能的在线监测方法,该方法基于机器视觉、图像处理技术,实现对汽车数字仪表指针功能的在线监测,特别是提高了监测效率。
一种总线式汽车数字仪表指针功能的在线监测方法,步骤包括:
(1)向汽车仪表发送指针驱动命令;
(2)采集仪表盘图像;
(3)对采集到的仪表盘图像进行预处理;
(4)通过减影法得到指针图像;
(5)得到的指针图像进行膨胀、腐蚀、细化;
(6)标记指针连通区域,提取出车速表、转速表、水温表和燃油表各自指针所在的连通域;
(7)通过最小距离直线拟合法提取指针直线;
(8)对指针直线进行修正;
(9)计算汽车仪表指针读数。
上述监测方法中的各步骤的具体实现如下:
(1)实际仪表控制中需要考虑到仪表的响应。比如在仪表指针驱动命令发送成功后,需要等待200ms响应时间后才可以采集图像,不同的监测项目的相应延时不同。采集图像消息触发后就可以继续发送下一帧命令。其中,指针驱动命令是由上位机发送至仪表并控制其指针运动,摄像机的工作控制命令也由上位机发送并控制相机开始采集仪表图像。两个控制命令是分开、独立的。
(2)采集仪表盘图像,本方案使用的汽车仪表带有背光,所以不需要外部光源,为了避免外部光照影响图像质量,提高图像纯净度,摄像机和仪表需要放置在暗箱里工作,摄像机镜头垂直于汽车仪表表盘平面;
(3)对采集到的仪表盘图像进行预处理包括:彩色图像灰度化、图像增强(中值滤波、调整灰度和亮度)、图像二值化。
(4)记录采集到的第i帧的图像经过图像预处理后的像素为F(x,y,i),i=1,2,3…,n用减影法提取指针的图像公式为:Fd(x,y)=F(x,y,i+1)-F(x,y,i);对获得的图像Fd(x,y)进行噪点去除,利用小面积不连通区域算法进行背景噪点的去除,得到只有指针目标的图像。
(5)得到的指针图像细化,首先对指针图像进行闭运算再开运算,B对A的闭运算的公式:开运算的公式:使用同一个结构元素对图像先膨胀再腐蚀,保证指针无断裂现象;细化指针:二值图像中只有两种灰度状态,通俗的讲就是黑白图像,表1为8邻域细化模板,图像中所有像素值只能从1或0两个值中取,其中P0为中心像素点。令P0=1如果满足下面四个条件时,则删除像素点P0。
表1
P4 | P3 | P2 |
P5 | P0 | P1 |
P6 | P7 | P8 |
1)说明P0非邻域端点或内部点;
2)S(P0)=1;说明P0非单像素细线连接点;
3)P1·P3·P7=0;说明P0不是邻域中的左、上端点及左上角点;
4)P3·P5·P7=0;说明P0不是邻域中的右、下端点及右下角点;
其中S(P0)是按P1,P2,…,P8,P9的排列顺序出现0,1的模式的个数,即从P2到P9有几次出现0到1(或者1到0)的变化,对图像中的像素点进行迭代消去。
(6)标记指针连通区域,提取出车速表、转速表、水温表和燃油表各自指针所在的连通域,选择使用8连通模板,8连通模板是指一个像素点,如果和其他像素点在所在位置的上、下、左、右、左上角、左下角、右上角或右下角连接着,则认为他们是同一个连通域的。通过不同连通域区分出车速表、转速表、水温表和燃油表各自指针所在位置。
(7)最小距离法拟合指针直线,设指针上的n个特征点(xi,yi),则第i个特征点(xi,yi)到直线y=kx+b的垂直距离为:
式中,k为直线斜率,b为直线截距,i=1,…,n。
因此,n个特征点到直线y=kx+b垂直距离平方和为:
如果存在称kd、bd为k、b的最小距离估计。分别取同一指针在不同位置的图像,根据最小距离法拟合指针直线得到相应的kd、bd。
(8)对指针直线进行修正,由获得的拟合指针直线方程相互之间的交点与指针直线的中心点确定的直线进行最小距离修正,假设指针线两两之间的相交点坐标为(xi,yi),i=1,…,n,并假设这些点所拟合的最佳中心点为(a,b)。各相交点到最佳中心点的距离平方和为:
如存在称ad、bd为a、b的最小二乘估计。
式中,为n个特征点的横坐标的平均值,为n个特征点的纵坐标的平均值,令
得得各相交点的最佳中心坐标为相交点坐标的平均值。根据计算得到的最佳中心坐标点坐标(ad,bd)与各指针线上特征点的坐标平均值为两点确定一条直线。但是这样求得的直线不能达到理想的结果,从细化后的图像可以看出,指针边缘存在一些杂点从而影响直线的线性度,所以要对求得的直线进行修正剔除这些杂点,从而提高检测精准度。现定义点到直线的距离范围为R,若某点到直线的距离大于R则剔除。具体实现步骤如下:
1)通过最佳中心坐标点坐标(ad,bd)与各指针线上特征点的坐标平均值为确定一条直线。
2)逐一计算所有点到直线的距离,若大于R则剔除。
3)将不满足条件的像素点剔除后,整理剩余像素点重新拟合得到指针直线参数。
(9)计算指针读数,以指针旋转中心为原点,设汽车仪表指针在零刻度跟满刻度时的夹角为2θ,当前指针所在刻度线与零刻度线的夹角为α,指针所在直线的斜率为k,车速表和转速表运动指针在不同象限对应不同的计算公式:一、二象限,α=θ+90°-tan-1k;三象限,α=θ-90°-tan-1k;四象限,α=270°+θ-tan-1k。燃油表和水温表运动指针在不同象限对应不同的计算公式:第一、三象限,α=θ-tan-1k;第二、四象限,α=θ+180°-tan-1k。指针所对应的读数值:D为仪表的总量程。判别计算出的指针读数和驱动仪表指针运动所设的值是否一致,如不一致则说明仪表指针功能不合格,一致则说明指针功能合格。
本发明的有益效果:
(1)本发明能够快速、准确地提取汽车仪表指针位置和形状,进而实现汽车数字仪表盘指针功能的自动化检测,提高了检测的效率和可靠性。适合于数字仪表盘生产线的在线检测。克服了人工测试带来的视觉误差,并且大大提高了测试效率,实现了工业自动化。
(2)本发明可实现同时对车速表、转速表、水温表和燃油表四个表盘的指针功能进行检测,大大提高了检测效率。
(3)本发明通过对细化后的指针图像,用最小距离直线拟合法提取指针直线并对指针直线进行修正,确定指针所在直线的位置,消除了噪声的干扰,实现了对数字仪表指针功能的自动监测,具有很高的准确度,且大大提高了识别的速度。
附图说明
图1为本发明汽车数字仪表指针功能的在线监测方法的流程框图。
图2为本发明实施例中指针直线位置信息提取的流程图。
图3为本发明实施例中经预处理后的图像。
图4为本发明实施例中通过减影法得到指针图像。
图5为本发明实施例中对减影后图像进行噪点去除、细化后的图像。
图6为本发明实施例图像细化后所有特征点在图像中的坐标位置,用最小距离法拟合的指针直线及修正后拟合的指针直线;其中(a)表示车速表指针直线拟合图;(b)表示燃油表指针直线拟合图;(c)表示水温表指针直线拟合图;(d)表示转速表指针直线拟合图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步描述:
如图1所示,本发明实施流程包括:向待测汽车仪表发送指针驱动命令、采集仪表盘图像、图像预处理、减影法获得指针图像、细化指针图像、标记指针连通区域、最小距离法拟合指针直线、对指针直线进行修正、计算指针的读数、判定读数跟预设值是否一致,以判断指针功能是否合格。
如图2所示,汽车数字仪表指针直线提取方法流程包括:将二值化后的图像取两帧同一指针在不同位置的图像进行图像减影、细化指针图像、取指针位置不同的图像用最小距离法拟合直线、对不同位置的指针直线两两之间求交点、求交点的最佳中心点得到指针的旋转中心、根据最佳中心点跟特征点的坐标平均值两点确定一直线、对确定的直线进行最小距离修正、得到运动指针的直线参数、运用运动指针与角度间的关系计算指针的读数。
本实施例中将采集到的仪表图像进行预处理,图像预处理过程为:彩色图像灰度化、图像增强(中值滤波、调整灰度和亮度)、二值化。预处理后的图像如图3所示。
本实施例中将二值化后的图像通过减影法获得只有指针目标的图像并进行去噪处理,处理过程为:记录采集到的第i帧的图像经过图像预处理后的像素为F(x,y,i),i=1,2,3…,n用减影法提取指针的图像公式为:Fd(x,y)=F(x,y,i+1)-F(x,y,i);对获得的图像Fd(x,y)进行噪点去除,利用去除小面积不连通区域算法进行背景噪点的去除,得到只有指针目标的图像。减影去噪后的仪表盘图像如图4所示。
将获得的指针图像进行细化,标注图像中所有连通区域,提取出车速表、转速表、水温表和燃油表各自指针所在的连通域。细化、提取连通域过程为:首先对指针图像进行闭运算再开运算,细化指针,本实例使用8邻域细化模板,对图像中的像素点进行迭代消去。实例中选择使用8连通模板标记指针连通区域,提取出车速表、转速表、水温表和燃油表各自指针所在的连通域。进行细化,标注连通区域后图像如图5所示,连通区域1为车速表指针,连通区域2为燃油表指针,连通区域3为水温表指针,连通区域4为转速表指针。
实施例中首先采集仪表指针在不同位置时的图像,根据用最小距离法拟合指针直线,得到指针在不同位置时的指针直线方程,由获得的拟合指针直线方程相互之间的交点与指针直线的中心点两点确定一条直线,对确定的直线进行修正:本发明选取点到直线的距离范围为2个像素,若某点到直线的距离大于2则剔除。具体实现步骤如下:
2)逐一计算所有点到直线的距离,若大于2则剔除。
3)将不满足条件的像素点剔除后,整理剩余像素点重新进行最小距离直线拟合得到指针直线参数。
通过以上方法得到运动指针的直线参数。
本发明对图像中指针特征点用最小距离法拟合的指针直线及修正后拟合的指针直线如图6所示,其中,(a)车速表指针直线拟合图;(b)燃油表指针直线拟合图;(c)水温表指针直线拟合图;(d)转速表指针直线拟合图。
计算指针读数,这里以车速表为例,在以指针旋转中心为原点,设车速表指针在零刻度跟满刻度时的夹角为2θ,当前指针所在刻度线与零刻度线的夹角为α,指针所在直线的斜率为k,运动指针在不同象限对应不同的计算公式:一、二象限,α=θ+90°-tan-1k;三象限,α=θ-90°-tan-1k;四象限,α=270°+θ-tan-1k。指针所对应的读数值:D为仪表的总量程。本发明根据以上公式求得指针在零刻度时与x轴负方向夹角为26°,满刻度时与x轴正方向夹角26°,计算得指针零刻度与满刻度的夹角为232°,如图6中所示,为车速表指针预设值为40km/h时指针所在位置拟合的指针直线,计算出此时指针直线与零刻度时的夹角为38.9°,根据公式求得此时指针的读数为40.24km/h,跟预设的车速值对比,由偏差公式:丨测得值-预设值丨/预设值,计算得偏差为0.006km/h,设定合适的偏差范围,可以说明此时车速表指针功能合格与否。发送不同的仪表指针驱动指令改变预设值,用相同的方法对汽车数字仪表盘指针进行全盘位置的检测,最终得出该仪表盘是否合格的判断。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (9)
1.一种总线式汽车数字仪表指针功能的在线监测方法,其特征在于,包括如下步骤:
(1)向汽车仪表发送指针驱动命令;
(2)采集仪表盘图像;
(3)对采集到的仪表盘图像进行预处理;
(4)通过减影法得到指针图像;
(5)对得到的指针图像进行膨胀、腐蚀、细化;
(6)标记指针连通区域,提取出车速表、转速表、水温表和燃油表各自指针所在的连通域;
(7)通过最小距离法拟合指针直线;
(8)对拟合的指针直线进行修正;
(9)计算汽车仪表指针读数。
2.根据权利要求1所述的一种总线式汽车数字仪表指针功能的在线监测方法,其特征在于,所述步骤(3)中仪表盘图像预处理的方法包括:
1)彩色图像灰度化;
2)图像增强,包括中值滤波、调整灰度和亮度;
3)图像二值化。
3.根据权利要求1所述的一种总线式汽车数字仪表指针功能的在线监测方法,其特征在于,所述步骤(4)中通过减影法处理得到指针的方法包括:
1)记录采集到的第i帧的图像经过图像预处理后的像素为F(x,y,i),i=1,2,3…,n用减影法提取指针的图像公式为:Fd(x,y)=F(x,y,i+1)-F(x,y,i);
2)对获得的图像Fd(x,y)进行噪点去除,利用去除小面积不连通区域算法进行背景噪点的去除,得到只有指针目标的图像。
4.根据权利要求1所述的一种总线式汽车数字仪表指针功能的在线监测方法,其特征在于,所述步骤(5)中对得到的指针图像进行膨胀、腐蚀、细化的方法包括:
针对细化过程中二值图像中只有两种灰度状态,参照表1所示的8邻域细化模板,将图像中所有像素值从1或0两个值中选取,其中P0为中心像素点;令P0=1,如果满足下面1)至4)四个条件时,则删除像素点P0:
1)说明P0非邻域端点或内部点;
2)S(P0)=1;说明P0非单像素细线连接点;
3)P1·P3·P7=0;说明P0不是邻域中的左、上端点及左上角点;
4)P3·P5·P7=0;说明P0不是邻域中的右、下端点及右下角点;
其中,S(P0)是按P1,P2,…,P8,P9的排列顺序出现0,1的模式的个数,即从P2到P9有几次出现0到1或者1到0的变化,对图像中的像素点进行迭代消去。
5.根据权利要求1所述的一种总线式汽车数字仪表指针功能的在线监测方法,其特征在于,所述步骤(7)中最小距离法拟合指针直线的方法包括:
设指针上的特征点为(xi,yi),i=1,2,3…n,则第i个特征点(xi,yi)到直线y=kx+b的垂直距离为:
<mrow>
<mi>L</mi>
<mo>=</mo>
<mo>|</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>kx</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>/</mo>
<msqrt>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>k</mi>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
1
式中,k为直线斜率,b为直线截距,i=1,…,n;
n个各特征点到直线y=kx+b垂直距离平方和为:
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mfrac>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>kx</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>k</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>k</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>kx</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
如果存在称kd、bd为k、b的最小距离估计;分别取同一指针在不同位置的图像,根据最小距离法拟合指针直线得到相应的kd、bd。
6.根据权利要求1所述的一种总线式汽车数字仪表指针功能的在线监测方法,其特征在于,步骤(8)中对指针直线进行修正的方法包括:
对由获得的拟合指针直线方程相互之间的交点与指针直线的中心点确定的直线进行最小距离修正:假设指针线两两之间的相交点坐标为(xi,yi),i=1,…,n,并假设这些点所拟合的最佳中心点为(a,b);各相交点到最佳中心点的距离平方和为:
<mrow>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mo>,</mo>
<msub>
<mi>b</mi>
<mi>d</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
如存在称ad、bd为a、b的最小二乘估计;
<mrow>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mo>,</mo>
<msub>
<mi>b</mi>
<mi>d</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>ax</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msup>
<mi>a</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>by</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msup>
<mi>b</mi>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mn>2</mn>
<mi>n</mi>
<mi>a</mi>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
<msup>
<mi>na</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mn>2</mn>
<mi>n</mi>
<mi>b</mi>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
<msup>
<mi>nb</mi>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,为n个特征点的横坐标的平均值,为n个特征点的纵坐标的平均值,令
<mrow>
<mo>&part;</mo>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mo>&part;</mo>
<mi>a</mi>
<mo>=</mo>
<mo>-</mo>
<mn>2</mn>
<mi>n</mi>
<mover>
<mi>x</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
<mn>2</mn>
<mi>n</mi>
<mi>a</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mo>&part;</mo>
<mi>b</mi>
<mo>=</mo>
<mo>-</mo>
<mn>2</mn>
<mi>n</mi>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
<mn>2</mn>
<mi>n</mi>
<mi>b</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
得得各相交点的最佳中心坐标为相交点坐标的平均值;
根据计算得到的最佳中心坐标点坐标(ad,bd)与各指针线上特征点的坐标平均值为由这两点确定一条直线。
7.根据权利要求6所述的一种总线式汽车数字仪表指针功能的在线监测方法,其特征在于,还包括对所求得的直线进行修正剔除杂点的方法:
定义点到直线的距离范围为R,具体实现步骤如下:
1)通过最佳中心坐标点坐标(ad,bd)与各指针线上特征点的坐标平均值为由这两点确定一条直线;
2)逐一计算所有点到直线的距离,若大于R则剔除;
3)将不满足条件的像素点剔除后,整理剩余像素点重新进行最小距离拟合得到指针直线参数。
8.根据权利要求1所述的一种总线式汽车数字仪表指针功能的在线监测方法,其特征在于,所述步骤(9)中计算仪表读数的方法包括:
以指针旋转中心为原点,设汽车仪表指针在零刻度与满刻度之间的夹角为2θ,当前指针所在刻度线与零刻度线的夹角为α,指针所在直线的斜率为k,则
车速表和转速表运动指针在不同象限对应不同的计算公式:一、二象限,α=θ+90°-tan-1k;三象限,α=θ-90°-tan-1k;四象限,α=270°+θ-tan-1k;
燃油表和水温表运动指针在不同象限对应不同的计算公式:第一、三象限,α=θ-tan- 1k;第二、四象限,α=θ+180°-tan-1k;
最后得出指针所对应的读数值:D为仪表的总量程。
9.根据权利要求8所述的一种总线式汽车数字仪表指针功能的在线监测方法,其特征在于,还包括判断指针数值的方法:判别计算出的指针读数和驱动仪表指针运动所设的值是否一致,如不一致则说明仪表指针功能不合格,一致则说明指针功能合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710248120.7A CN107167172A (zh) | 2017-04-17 | 2017-04-17 | 一种总线式汽车数字仪表指针功能的在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710248120.7A CN107167172A (zh) | 2017-04-17 | 2017-04-17 | 一种总线式汽车数字仪表指针功能的在线监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107167172A true CN107167172A (zh) | 2017-09-15 |
Family
ID=59849078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710248120.7A Pending CN107167172A (zh) | 2017-04-17 | 2017-04-17 | 一种总线式汽车数字仪表指针功能的在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107167172A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145899A (zh) * | 2018-07-30 | 2019-01-04 | 安徽慧视金瞳科技有限公司 | 一种汽车仪表指针提取方法 |
CN109949330A (zh) * | 2019-03-26 | 2019-06-28 | 中国计量大学 | 一种汽车表盘指针的快速并行细化方法 |
CN110059622A (zh) * | 2019-04-18 | 2019-07-26 | 华北电力大学(保定) | 一种基于无线传感器网络的指针式仪表示值识别系统 |
CN110211178A (zh) * | 2019-06-10 | 2019-09-06 | 重庆邮电大学 | 一种利用投影计算的指针式仪表识别方法 |
CN112001379A (zh) * | 2020-05-19 | 2020-11-27 | 西安工程大学 | 基于机器视觉的汽车仪表固定视点读取仪表的修正算法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030004660A1 (en) * | 2001-06-28 | 2003-01-02 | Hunter Robert R. | Method and apparatus for reading and controlling electric power consumption |
CN103164692A (zh) * | 2012-12-03 | 2013-06-19 | 北京科技大学 | 一种基于计算机视觉的特种车辆仪表自动识别系统及算法 |
CN105091922A (zh) * | 2014-05-04 | 2015-11-25 | 广东工业大学 | 一种基于虚拟表盘的指针表读数识别方法 |
CN105303168A (zh) * | 2015-10-14 | 2016-02-03 | 南京第五十五所技术开发有限公司 | 一种多视角的指针式仪表识别方法和装置 |
-
2017
- 2017-04-17 CN CN201710248120.7A patent/CN107167172A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030004660A1 (en) * | 2001-06-28 | 2003-01-02 | Hunter Robert R. | Method and apparatus for reading and controlling electric power consumption |
CN103164692A (zh) * | 2012-12-03 | 2013-06-19 | 北京科技大学 | 一种基于计算机视觉的特种车辆仪表自动识别系统及算法 |
CN105091922A (zh) * | 2014-05-04 | 2015-11-25 | 广东工业大学 | 一种基于虚拟表盘的指针表读数识别方法 |
CN105303168A (zh) * | 2015-10-14 | 2016-02-03 | 南京第五十五所技术开发有限公司 | 一种多视角的指针式仪表识别方法和装置 |
Non-Patent Citations (3)
Title |
---|
吕姝慧: "基于机器视觉的高精度指针式仪表自动检定系统研究", 《信息科技辑》 * |
李勇: "指针式表盘的自动识别技术研究及实现", 《信息科技辑》 * |
李学聪: "基于机器视觉指针表检测的关键技术研究", 《信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145899A (zh) * | 2018-07-30 | 2019-01-04 | 安徽慧视金瞳科技有限公司 | 一种汽车仪表指针提取方法 |
CN109949330A (zh) * | 2019-03-26 | 2019-06-28 | 中国计量大学 | 一种汽车表盘指针的快速并行细化方法 |
CN109949330B (zh) * | 2019-03-26 | 2023-03-31 | 中国计量大学 | 一种汽车表盘指针的快速并行细化方法 |
CN110059622A (zh) * | 2019-04-18 | 2019-07-26 | 华北电力大学(保定) | 一种基于无线传感器网络的指针式仪表示值识别系统 |
CN110211178A (zh) * | 2019-06-10 | 2019-09-06 | 重庆邮电大学 | 一种利用投影计算的指针式仪表识别方法 |
CN110211178B (zh) * | 2019-06-10 | 2021-07-06 | 重庆邮电大学 | 一种利用投影计算的指针式仪表识别方法 |
CN112001379A (zh) * | 2020-05-19 | 2020-11-27 | 西安工程大学 | 基于机器视觉的汽车仪表固定视点读取仪表的修正算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107167172A (zh) | 一种总线式汽车数字仪表指针功能的在线监测方法 | |
CN107590498B (zh) | 一种基于字符分割级联二分类器的自适应汽车仪表检测方法 | |
CN103759758B (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
Chi et al. | Machine vision based automatic detection method of indicating values of a pointer gauge | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN105550683A (zh) | 基于视觉的指针式仪表自动读取系统和方法 | |
CN105913415A (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN109816653B (zh) | 一种用于导电粒子检测的方法 | |
CN108827969A (zh) | 金属零件表面缺陷检测与识别方法及装置 | |
CN103424409A (zh) | 一种基于dsp的视觉检测系统 | |
US20220076404A1 (en) | Defect management apparatus, method and non-transitory computer readable medium | |
CN108844961A (zh) | 一种温控器壳体视觉检测系统及方法 | |
CN108389184A (zh) | 一种基于机器视觉的工件制孔数检测方法 | |
CN107561736B (zh) | 基于傅里叶及Hough变换的LCD缺陷检测方法 | |
CN116665126A (zh) | 一种机器人巡检部件缺陷检测方法及其应用 | |
Wang et al. | Automatic reading system for analog instruments based on computer vision and inspection robot for power plant | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
KR101782364B1 (ko) | 케이평균군집화를 통한 학습기반의 비전검사 방법 | |
CN117367516B (zh) | 基于多维测试的铝塑复合板性能检测系统 | |
CN117316262B (zh) | 一种自动flash芯片检测机台 | |
CN108992033B (zh) | 一种视觉测试的评分装置、设备和存储介质 | |
CN110335242A (zh) | 一种基于多模型融合的轮胎x光病疵检测方法 | |
CN113205511A (zh) | 基于深层神经网络的电子元器件批量信息检测方法及系统 | |
CN116757063A (zh) | 一种自适应学习的锅炉故障智能诊断方法 | |
CN113962931B (zh) | 一种用于磁簧开关的异物缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170915 |
|
WD01 | Invention patent application deemed withdrawn after publication |