CN105488788A - 汽车液体余量检测方法 - Google Patents

Abstract

汽车液体余量检测方法，属于汽车检测领域，用于解决现有汽车相关的液面检测只停留在借助标尺人工估计数值的问题，技术要点是：具有在摄录图像中对油尺检测的步骤，包括：S1.摄像机摄录得到无油尺的背景图像以及有油尺在当前场景中的图像；S2.对该图像中的油尺进行背景差分目标检测，得到油尺在该场景图像中的坐标。效果：本发明在用户视力不好或光照条件不利的情况，使得汽车液体标尺的刻度仍有很好的识别作用。

Description

汽车液体余量检测方法

技术领域

本发明属于汽车检测领域，尤其涉及一种汽车液体余量检测方法。

背景技术

汽车要保持良好的运行状态就需要平时多注意细节观察和养护。现有关于汽车维修的技术依然趋于人工化，对于车辆刹车油、机油、制动液、风窗清洗液、水箱、转向助力油、防冻液等的液面检测只停留在借助标尺人工估计数值的阶段。还没有相关技术可以直接给出相关数值并不受环境影响，例如夜晚读取数值不便。

发明内容

为了解决上述技术问题，本发明使用的技术方案是：

一种汽车液体余量检测方法，具有在摄录图像中对油尺检测的步骤，包括：

S1.摄像机摄录得到无油尺的背景图像B以及有油尺的且油尺在当前场景中的图像F；

S2.对该图像中的油尺进行背景差分目标检测，得到油尺在该场景图像中的坐标。

进一步的，步骤S2中，还得到油尺在该场景图像中的摆放方式的信息。

进一步的，步骤S2中所述的背景差分目标检测的方法为：将背景帧与当前帧的R、G、B通道分离，相应分量进行差分运算，对差分值进行阈值二值化处理，得到各通道差分图，再对三通道图像重新组合得到结果，所述结果为油尺在场景图像中坐标和/或摆放方式，得到所述结果的计算使用如下公式：

D_i(x,y)＝F_i(x,y)-B_i(x,y)(1)

$I_i(x,y)=\left\{\begin{array}{cc}1,& D_i(x,y)\&GreaterEqual;\mathrm{\&theta;};\\ 0,& D_i(x,y)<{\mathrm{\&theta;}}_i\end{array}\right.---\left(2\right)$

式中：i＝R,G,B；F_i(x,y)为前景图F(x,y)分离出来的第i通道的图像；B_i(x,y)为背景图B(x,y)分离出来的第i通道的图像；D_i(x,y)为第i通道的差分图像；I_i(x,y)为第各通道阈值化后的结果图像；θ_i为各通道的设定阈值。

进一步的，提取上一帧与当前帧做边缘差分计算，得到目标的大致边缘，对上一结果修正。

进一步的，对油尺标度检测，具有以下步骤：

S1.对油尺刻度上下边界检测：提取油尺在场景图像中的坐标对应矩形框感兴趣区域,将感兴趣区域旋转,采用旋转后图像的灰度值采用垂直边缘检测的方法进行垂直方向统计，得到波形的相应峰值为油尺刻度的最大刻度位置和最小刻度位置；

S2.对当前油量刻度检测：采用颜色变化作为判断油量刻度线位置的依据，油尺上油量刻度线左右两边的色彩不同，油尺坐标区域的RGB值提取后，对应RBG值发生跃变的坐标位置作为当前油量刻度线位置。

进一步的，根据油尺标度检测信息，运算当前油量刻度线位置占据油尺刻度上下边界的百分比，并予以显示，根据该百分占比，得到油量过少需要添加、油量正常可添加和油量足够无需添加的相应提示，该提示于智能眼镜显示。

本发明还涉及一种汽车液体余量的方法在智能眼镜上的应用。

有意效果：

本发明在用户视力不好或光照条件不利的情况，使得汽车液体标尺的刻度仍有很好的识别作用，即减小了光照条件对汽车余量检测的影响。

本发明利用智能眼镜中微型计算机对图像中的油尺位置检测及油量刻度检测，可以达到液体剩余量以百分比形式可视化的显示。相比人工观测来说，量化效果更好。

本发明可针对不同的液体剩余量给出不同的解决方案，对于菜鸟级驾车者更加形象也更加便捷。

附图说明

图1为背景差分法流程图；

图2为油尺标度显示图；

图3油尺灰度值统计波形

具体实施方式

实施例1:

一种汽车液体余量检测方法，具有在摄录图像中对油尺检测的步骤，包括：S1.摄像机摄录得到无油尺的背景图像B以及有油尺的且油尺在当前场景中的图像F；S2.对该图像中的油尺进行背景差分目标检测，得到油尺在该场景图像中的坐标。该坐标反应的是油尺的位置信息，得到该位置信息，可以在步骤S1中获得的图像F中找到油尺，接下来再检测油余量相对于油尺的位置。

实施例2:

具有与实施例1相同的技术方案，更为具体的是：在步骤S2中，检测步骤中，除了得到油尺在该场景图像中的坐标外，还得到了油尺在该场景图像中的摆放方式的信息。摆放信息的获取可以通过神经网络分类学习获得。

实施例3:

具有与实施例1或2相同的技术方案，更为具体的是：步骤S2中所述的背景差分目标检测的方法具体为：将背景帧与当前帧的R、G、B通道分离，相应分量进行差分运算，对差分值进行阈值二值化处理，得到各通道差分图，再对三通道图像重新组合得到结果，所述结果为油尺在场景图像中坐标和/或摆放方式，得到所述结果的计算使用如下公式：

D_i(x,y)＝F_i(x,y)-B_i(x,y)(1)

$I_i(x,y)=\left\{\begin{array}{cc}1,& D_i(x,y)\&GreaterEqual;\mathrm{\&theta;};\\ 0,& D_i(x,y)<{\mathrm{\&theta;}}_i\end{array}\right.---\left(2\right)$

式中：i＝R,G,B；F_i(x,y)为前景图F(x,y)分离出来的第i通道的图像；B_i(x,y)为背景图B(x,y)分离出来的第i通道的图像；D_i(x,y)为第i通道的差分图像；I_i(x,y)为第各通道阈值化后的结果图像；θ_i为各通道的设定阈值。提取上一帧与当前帧做边缘差分计算，得到目标的大致边缘，对上一结果修正。

实施例4:

具有与实施例1或2或3相同的技术方案，更为具体的是：对油尺标度检测，具有以下步骤：

S1.对油尺刻度上下边界检测：提取油尺在场景图像中的坐标对应矩形框感兴趣区域,将感兴趣区域旋转,采用旋转后图像的灰度值采用垂直边缘检测的方法进行垂直方向统计，得到波形的相应峰值为油尺刻度的最大刻度位置和最小刻度位置；所述感兴趣区域，是实施例1中所述的步骤S2中，得到的油尺在该场景图像中的坐标所对应的区域。

S2.对当前油量刻度检测：采用颜色变化作为判断油量刻度线位置的依据，油尺上油量刻度线左右两边的色彩不同，油尺坐标区域的RGB值提取后，对应RBG值发生跃变的坐标位置作为当前油量刻度线位置。

实施例5:

具有与实施例1或2或3或4相同的技术方案，更为具体的是：根据油尺标度检测信息，运算当前油量刻度线位置占据油尺刻度上下边界的百分比，并予以显示，根据该百分占比，得到油量过少需要添加、油量正常可添加和油量足够无需添加的相应提示，该提示于智能眼镜显示。

实施例6:

具有与实施例1或2或3或4或5相同的技术方案，更为具体的是：使用任意种上述技术方案中的汽车液体余量检测方法，将其应用于智能眼镜上，进一步在汽车维修过程中解放双手，本实施例旨在开发一款方便携带的智能眼镜，可不受日照影响读取各液体的容量数值，并提供给开车者可采取的相应措施。

本实施例在眼镜镜架上有一微型计算机，镜片处有一微型摄相机，可以根据日照的明暗进行补光，将眼前可看到的场景拍照摄录。在图像中对油尺进行目标检测，采用下文技术，找到油尺在该场景中坐标及油线位置，并以百分比形式实时显示油量剩余值在镜片上，反馈给驾车者相应信息。本方案描述以油尺为例，其他液体容量估计方法等同。

1.在图像中对油尺的检测

采用基于RGB颜色分离的背景差分目标检测方法。主要是对RGB三通道图像独立进行背景差分运算，阈值二值化后合并三通道前景图像，得到完整前景目标图像；再利用检测的边缘对前景图像进行修正。

1)如图1所示，将背景帧与当前帧的R、G、B通道分离，相应分量进行差分，差分后相应结果做各自阈值二值化得到各通道差分图后，三通道图像重新组合成最终结果。这种方法在一定程度上解决了目标检测方法中存在的灰度图像下无法较好辨识颜色差别的弊端。

采用公式如下：

D_i(x,y)＝F_i(x,y)-B_i(x,y)

(1)

$I_i(x,y)=\left\{\begin{array}{cc}1,& D_i(x,y)\&GreaterEqual;\mathrm{\&theta;};\\ 0,& D_i(x,y)<{\mathrm{\&theta;}}_i\end{array}\right.$

(2)

式中：i＝R,G,B；F_i(x,y)为前景图F(x,y)分离出来的第i通道的图像；B_i(x,y)为背景图B(x,y)分离出来的第i通道的图像；D_i(x,y)为第i通道的差分图像；I_i(x,y)为第各通道阈值化后的结果图像；θ_i为各通道的设定阈值。

2)提取上一帧与当前帧做边缘差分，得到目标的大致边缘，对上一结果修正。最终得到更加准确的油尺在图像中的坐标信息和油尺的摆放方式，即头尾方位，摆放信息的获取可以通过神经网络分类学习获得。

2.对油尺标度的检测

1)对油尺刻度上下边界检测

采用垂直边缘检测的方法，将刚刚检测到的标尺坐标对应的区域进行旋转,对旋转后的灰度值进行垂直方向统计，最后得到的波形相应峰值即为油尺刻度的最大最小刻度位置。

如图3所示，该波形为油尺坐标对应区域的灰度值统计波形，可以看到波形峰值点A、B即为油尺上下限，具体对应哪一个边限可由上面得到的油尺头尾方位判别得到。

2)对当前油量刻度检测

采用颜色变化作为判断油量刻度线位置的依据。油尺上油量刻度线左右两边的色彩不同，油尺坐标区域的RGB值提取后，对应RBG值发生跃变的坐标位置即为当前油量刻度线位置。

3.对剩余油量的百分比显示与给出相应提示

简单计算百分比，给出3种提示：红色报警油量过少需添加、油量正常可添加、油量足够使用无须添加，显示在镜片上。

实施例7:

申请号为：2015106328103的中国专利申请记载了一种智能眼镜，该智能眼镜可以辅助实现本发明上述实施例中的方法。

Claims (7)

1.一种汽车液体余量检测方法，其特征在于，具有在摄录图像中对油尺检测的步骤，包括：

S1.摄像机摄录得到无油尺的背景图像B以及有油尺的且油尺在当前场景中的图像F；

S2.对该图像中的油尺进行背景差分目标检测，得到油尺在该场景图像中的坐标。

2.如权利要求1所述的汽车液体余量检测方法，其特征在于，步骤S2中，还得到油尺在该场景图像中的摆放方式的信息。

3.如权利要求1或2所述的汽车液体余量检测方法，其特征在于，步骤S2中所述的背景差分目标检测的方法为：将背景帧与当前帧的R、G、B通道分离，相应分量进行差分运算，对差分值进行阈值二值化处理，得到各通道差分图，再对三通道图像重新组合得到结果，所述结果为油尺在场景图像中坐标和/或摆放方式，得到所述结果的计算使用如下公式：

D_i(x,y)＝F_i(x,y)-B_i(x,y)(1)

$I_i(x,y)=\left\{\begin{array}{cc}1,& D_i(x,y)\&GreaterEqual;{\mathrm{\&theta;}}_i;\\ 0,& D_i(x,y)<{\mathrm{\&theta;}}_i\end{array}\right.---\left(2\right)$

式中：i＝R,G,B；F_i(x,y)为前景图F(x,y)分离出来的第i通道的图像；B_i(x,y)为背景图B(x,y)分离出来的第i通道的图像；D_i(x,y)为第i通道的差分图像；I_i(x,y)为第各通道阈值化后的结果图像；θ_i为各通道的设定阈值。

4.如权利要求3所述的汽车液体余量检测方法，其特征在于：提取上一帧与当前帧做边缘差分计算，得到目标的大致边缘，对上一结果修正。

5.如权利要求3所述的汽车液体余量检测方法，其特征在于：对油尺标度检测，具有以下步骤：

S1.对油尺刻度上下边界检测：提取油尺在场景图像中的坐标对应矩形框感兴趣区域,将感兴趣区域旋转,采用旋转后图像的灰度值垂直边缘检测的方法进行垂直方向统计，得到波形的相应峰值为油尺刻度的最大刻度位置和最小刻度位置；

S2.对当前油量刻度检测：采用颜色变化作为判断油量刻度线位置的依据，油尺上油量刻度线左右两边的色彩不同，油尺坐标区域的RGB值提取后，对应RBG值发生跃变的坐标位置作为当前油量刻度线位置。

6.如权利要求5所述的汽车液体余量检测方法，其特征在于：根据油尺标度检测信息，运算当前油量刻度线位置占据油尺刻度上下边界的百分比，并予以显示，根据该百分占比，得到油量过少需要添加、油量正常可添加和油量足够无需添加的相应提示，该提示于智能眼镜显示。

7.一种汽车液体余量的方法在智能眼镜上的应用。