CN105756834B - 基于ransac的直喷发动机单次喷油量液位高度视觉检测方法 - Google Patents

Abstract

基于RANSAC的直喷发动机单次喷油量液位高度视觉检测方法，包括以下步骤：采集液位图像T₁，处理图像T₁，得到液位高度；触发喷油，按触发信号采集液位图像T₂，处理图像T₂，得到液位高度H₂；计算本次喷油量触发放油。本发明构造简单，测量可靠，可以对发动机喷油进行单次或多次直接测量，通过对图像处理算法的优化，可以同时满足测量的高精密度与实时性的要求。

Description

基于RANSAC的直喷发动机单次喷油量液位高度视觉检测方法

技术领域

本发明涉及的是一种图像处理技术领域的方法，具体是一种基于图像处理的直喷发动机单次喷油量检测的非接触式测量方法。

背景技术

随着内燃机相关技术的不断进步，汽油直喷发动机因其高效的燃烧效率而得到广泛的应用。但是，直喷发动机对单次喷射油量的控制精度要求比普通发动机要高得多，单次喷油量的多少将直接决定发动机的工况。精确的喷油量控制可以降低油耗，提高燃油利用率，减少废气排放，对节约能源，保护环境有着重要的意义。而喷油量的精确控制依赖于对单次喷油量的精密检测。因此，单次喷油量的检测技术成为汽油直喷发动机研究的关键技术难题之一，具有非常重大的现实意义和使用价值。

目前对于发动机燃油喷射系统喷油量的检测，常用的测量方法有四种：重量法、容积法、位移法和压力升程法。

重量法将喷出的燃油通过一个管道收集到一个容器中，使用电子天平对喷油量进行称量，通过计算得到每次喷射的平均喷油量。它只能够实现对平均油量的测量，不能满足对发动机单次喷油量的检测要求，检测精度较低。

容积法通过测量充满一定容积的缸体所需要的喷油次数得到每次的平均喷油量，测量方便，具有较好的抗干扰性。但是不能实现对单次喷油量的精密检测，而且检测电路容易受到燃油的污染，导致设备不能正常工作等。

位移法是将燃油喷进一个带活塞的密闭缸体中，活塞在喷油压力作用下产生位移，通过位移传感器测量活塞的位移值，从而可以计算得到该次喷油量。位移法可以准确地实现对单次喷油量的检测。基于位移法的喷油量检测设备已经在国外得到了应用(如博世公司的EMI21单次喷射检测仪)，但是这种检测方法属于接触式测量方法，对检测系统中所使用的密闭缸体以及运动活塞的加工工艺性都有着很高的要求，国内目前的机械加工工艺水平还远远达不到加工精度的要求，降低了可行性。

位移升程法先将密闭缸体充满燃油，在喷油的过程中，缸体内燃油增多，缸体内的压力与喷油量成正比例，可以通过公式计算得到单次喷油量。这种方法测量简单，可以对发动机的喷油进行多次测量。但相对于容器的体积来说，单次喷油量是一个很小的数值，容易导致信号不够明显而无法进行正常的测量。并且这种方法是通过计算得到单次喷油量，中间转换过程容易出现误差。

发明内容

本发明针对现有技术存在的不足，提出一种基于图像处理的非接触式测量方法。本发明构造简单，测量可靠，可以对发动机喷油进行单次或多次直接测量，通过对图像处理算法的优化，可以同时满足测量的高精密度与实时性的要求。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

1.采集液位图像T₁：

在喷油器向密闭容积腔喷射燃油后，相机按照喷油器给出的触发信号对本次喷油后玻璃管内的液位进行图像采集。

2.处理图像T₁，得到液位高度H₁：

对采集到的液位图像T₁，进行边缘提取，求得包含液位边缘的二值图像，并在建立的坐标系中，由此二值图像数据进行曲线拟合，以求得液位高度的曲线模型，从而得到液位高度H₁。

3.触发喷油，按触发信号采集液位图像T₂：

在喷油器向密闭容积腔喷射燃油后，相机按照喷油器给出的触发信号对本次喷油后玻璃管内的液位进行图像采集。

4.处理图像T₂，得到液位高度H₂：

对采集到的液位图像T₂，进行边缘提取，求得包含液位边缘的二值图像，并在建立的坐标系中，由此二值图像数据进行曲线拟合，以求得液位高度的曲线模型，从而得到液位高度H₂。

5.计算本次喷油量

W是喷油器的单次喷油量，D是玻璃管的内径值。

6.触发放油

随着喷油次数的增加，玻璃管会被燃油注满，从而无法继续检测，因此在完成一定次数检测之后触发放油信号，通过控制高速排油电磁阀的开关来对检测装置进行排油，以备下一次检测。

技术方案中所述的曲线拟合算法是指基于RANSAC的曲线拟合算法，具体是：

RANSAC是“RANdom SAmple Consensus(随机采样一致性)”的缩写。它是从一组包含异常值的观测数据集中估计其数学模型参数的迭代方法。RANSAC是一种不确定算法，从某种意义上说，它只能以一定的概率得出一个合理的结果，提高这个概率需要增加迭代次数。

RANSAC的基本假设是：样本中包含正确数据(inliers，内点，指数据的分布可以用一些模型参数描述的数据)，也包含异常数据(Outliers，外点，指偏离正常范围很远、无法适应数学模型的数据，即数据集中含有的噪声)。给定一组(通常很小的)内点，存在一个可以估计模型参数的过程，该模型能够最优地解释或者适用于这些数据。

RANSAC基本步骤分为假设和检验两步，描述如下：

①假设 考虑一个抽样集的势为n的模型(n为初始化模型参数所需的最小样本数)和一个样本集P，集合P的样本数#(P)＞n，从P中随机抽取包含n个样本的子集，并估计其模型M；

②检验 余集SC＝P\S中与模型M的误差小于某一设定阈值t的样本集以及S构成S^*，则S^*被认为是内点集，它们构成S的一致集(Consensus Set)；

③对于给定的阈值N，若#(S^*)＞N，则认为得到了正确的模型参数，并利用一致集S^*中的样本采用最小二乘等方法重新计算新的模型M^*，算法结束。否则，重新随机抽取新的S，重复以上过程。

④在完成一定的抽样次数后，若未找到一致集则算法失败，否则选取抽样后得到的最大一致集判断内外点，算法结束。

RANSAC的输入参数：①误差容忍度t。可以看作为对内点噪声均方差的假设，对于不同的输入数据需要采用人工干预的方式预设合适的门限，且该参数对RANSAC性能有很大的影响；②随机抽取样本集S的次数。该参数直接影响余集SC中样本参与模型参数的检验次数，从而影响算法的效率，因为大部分随机抽样都受到外点的影响；③一致集S^*的大小N。为了确保得到表征数据集P的模型正确，一般要求一致集足够大；这样使得重新估计的模型参数更精确。

与现有技术相比，本发明的有益效果是：构造简单，测量可靠，可以对发动机喷油进行单次或多次直接测量，通过对图像处理算法的优化，可以同时满足测量的高精密度与实时性的要求。

附图说明

图1是喷油量检测装置结构图。

图2是基于图像处理的液位高度检测原理框图。

图3是图像处理流程框图。

图4是原始灰度图像。

图5是二值化图像。

图6是边缘图像。

图7是拟合的液面图像。

具体实施方式

下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实施例。

实施例

本发明是利用图像处理技术，提供了发动机单次喷油量检测的方法，提出了一种非接触式测量系统。

本发明所采用的发动机单次喷油量检测的非接触式测量系统：

参阅图1，本发明所述的发动机单次喷油量检测的非接触式测量系统主要由喷油控制装置，图像采集与处理部分组成。

喷油量控制装置主要由喷油器，密闭容积腔，玻璃管，排油电磁阀等组成。

图像采集部分主要由光源系统，相机，镜头，图像采集卡，计算机等组成。

图像处理部分参阅图3，主要包括对原图像进行边缘提取，求得包含液位边缘的二值图像，并在建立的坐标系中，由此二值图像数据进行曲线拟合，以求得液位高度的曲线模型等步骤。

本实施例是在以下的条件下实施的：

直喷发动机单次喷油的喷油量范围为1mm³-200mm³，两次喷油之间的最小间隔为20ms。系统检测精度为0.01mm，相机像素为320万。采用无锡伟博科技有限公司研发的IPT3000高压共轨喷油器性能试验台，德国博世喷油器0445120081，Falcon24M面阵相机，TEC-M55镜头，X64-CL Full采集卡以及本发明所设计的喷油量检测装置。IPT3000高压共轨喷油器性能试验台可以根据喷油器型号自动调用标准程序，控制喷油器进行单次或连续喷油，最大轨压可以达到1500Bar，可以对喷油器的喷油过程进行精确控制。Falcon2 4M面阵相机最大帧率为168fps，最高分辨率为2432×1728，最高像素可以达到400万，能够同时满足检测系统高分辨率和高帧率的要求。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

1.采集液位图像T₁：

在进行检测之前，先向密闭容积腔中充满燃油。检测时，控制喷油器向密闭容积腔中喷射燃油，则出油口一侧玻璃管内的液面高度由于密闭容积腔内油量的增多而上升，相机按照喷油器给出的触发信号对本次喷油后玻璃管内的液位进行图像采集。

2.处理图像T₁，得到液位高度H₁：

对采集到的液位图像T₁，进行边缘提取，求得包含液位边缘的二值图像，并在建立的坐标系中，由此二值图像数据进行曲线拟合，以求得液位高度的曲线模型，从而得到液位高度 H₁。

3.触发喷油，按触发信号采集液位图像T₂：

控制喷油器向密闭容积腔再次喷射燃油后，相机按照喷油器给出的触发信号对本次喷油后玻璃管内的液位进行图像采集。

4.处理图像T₂，得到液位高度H₂：

对采集到的液位图像T₂，进行边缘提取，求得包含液位边缘的二值图像，并在建立的坐标系中，由此二值图像数据进行曲线拟合，以求得液位高度的曲线模型，从而得到液位高度H₂。

所述的曲线拟合算法是指基于RANSAC的曲线拟合算法。

5.计算本次喷油量

W是喷油器的单次喷油量，D是玻璃管的内径值。

所述的喷油量，具体是：检测时，控制喷油器向密闭容积腔中喷射燃油，则出油口一侧玻璃管内的液面高度由于密闭容积腔内油量的增多而上升，由于油为不可压缩液体，故玻璃管内上升油量即为本次的喷油量。

6.触发放油

随着喷油次数的增加，玻璃管会被燃油注满，从而无法继续检测，因此在完成一定次数检测之后触发放油信号，通过控制高速排油电磁阀的开关来对检测装置进行排油，以备下一次检测。

本实施例中基于RANSAC的高度曲线拟合算法的详细步骤如下：

1)初始化

设置最小样本集的基数n，误差容忍度t，一致集的基数N，拟合直线的斜率限θ₀，最大随机样本抽取次数J；

2)输入样本

输入样本集合P是经过边缘提取的玻璃管及液位边缘的二值化图像的像素位置数据： 其中m为像素数目；

3)构造假设模型

按照最小样本集基数n，在m个样本中随机抽取最小样本集S，并由S中样本数据，根据回归算法如最小二乘法估计直线模型：M(θ)＝{z_k∈R：f(z_k；θ)＝0}。若θ≤θ₀，转第4步；若θ＞θ₀且抽样次数小于J，转第3步；否则，则转第6步；

4)一致性检验

按下式分别计算样本集P中除最小样本集S外的每一个数据z′_k与估计模型f(z′_k；θ)估计值之间的误差：

若满足t′_k＜t，则认为量测数据z′_k是内点，归入一致集S^*，否则z′_k是外点，归入余集SC；

5)一致集判断

若一致集S^*的基数n＞N，则认为该一致集中的量测数据代表液位边缘，并由此一致集中的量测数据，根据回归方法重新估计新的模型M^*，算法结束；否则，若样本抽取次数m≤J，转第3步；若样本抽取次数m＞J，转第6步；

6)输出液位边缘模型；

若抽样次数小于J，输出液位液位边缘模型；否则，输出“没有找到合适的边缘模型”。

实施效果

在搭建系统试验平台之后，对IPT3000共轨试验台设定相应喷油参数，控制喷油器进行喷油，进行单次喷油量检测的试验。由共轨试验台的喷油脉冲信号来触发图像的采集，并在完成图像采集之后触发放油信号，通过控制高速排油电磁阀将燃油从检测装置中排出，进行下一次测量。试验在100bar的轨压压力条件下进行，喷油间隔为25ms，排油电磁阀阀门开启时间为1ms。附图4-7为一次喷油后的图像处理过程，包括原始图像的二值化，边缘提取以及液位边缘拟合。

对于图7中液面的拟合曲线，在图示坐标系下，液面上边缘为直线

Y＝-0.0054X+1275.6 (2)

液面下边缘为圆弧

(X-1749.6)²+(Y-1550.5)²＝367.8² (3)

于是可以由上面两个方程求取液面型心，由型心进行喷油高度的计算。

测量误差分析：图像中每两个像素点间距离为0.009mm，也就是图像的分辨率为0.009mm；对应的喷油量的分辨率为因此，测量误差范围为最大误差发生在能够除尽0.0833的奇数点上。

本实施例针对发动机单次喷油量精密检测问题，提出一种基于图像处理的非接触式测量系统。通过对喷油前后油柱高度图像的处理，可以精确计算出一次喷油引起的油柱高度差，从而可以精确计算出一次喷油量。该系统构造简单，测量可靠，可以对发动机喷油进行单次或多次直接测量，并满足测量的高精密度与实时性的要求。

Claims (1)

1.基于RANSAC的直喷发动机单次喷油量液位高度视觉检测方法，其特征在于，包括以下步骤：

第一步，采集液位图像T1：

在喷油器向密闭容积腔喷射燃油后，相机按照喷油器给出的触发信号对本次喷油后玻璃管内的液位进行图像采集；

第二步，处理图像T1，得到液位高度H1：

对采集到的液位图像T1，进行边缘提取，求得包含液位边缘的二值图像，并在建立的坐标系中，由此二值图像数据进行曲线拟合，以求得液位高度的曲线模型，从而得到液位高度H1；

第三步，触发喷油，按触发信号采集液位图像T2：

第四步，处理图像T2，得到液位高度H2：

对采集到的液位图像T2，进行边缘提取，求得包含液位边缘的二值图像，并在建立的坐标系中，由此二值图像数据进行曲线拟合，以求得液位高度的曲线模型，从而得到液位高度H2；

第五步，计算本次喷油量W是喷油器的单次喷油量，D是玻璃管的内径值；

第六步，触发放油：随着喷油次数的增加，玻璃管会被燃油注满，从而无法继续检测，因此在完成一定次数检测之后触发放油信号，通过控制高速排油电磁阀的开关来对检测装置进行排油，以备下一次检测；

所述的曲线拟合指基于RANSAC的曲线拟合算法，具体步骤是：

A.初始化：设置最小样本集的基数n，误差容忍度t，一致集的基数N，拟合直线的斜率θ₀，最大随机样本抽取次数J；

B.输入样本：输入样本集合P是经过边缘提取的玻璃管及液位边缘的二值化图像的像素位置数据：其中m为像素数目，x₁,x₂,…x_m为边缘像素位置的x轴坐标，y₁,y₂,…y_m为边缘像素位置的y轴坐标，xoy坐标系的原点位于图像左上角，x轴方向向右，y轴方向向下；

C.构造假设模型：按照最小样本集基数n，在m个样本中随机抽取最小样本集S，并由S中样本数据，根据最小二乘法估计直线模型M(θ)＝{Z_k∈R:f(Z_k；θ)＝0}，其中θ为直线斜率，M(θ)为样本集S的最小二乘法估计的直线模型，Z_k为最小样本集S中的样本数据，f(Z_k；θ)为最小样本集S中的样本数据根据最小二乘估计模型得到的输出估计值，若θ≤θ₀，转步骤D；若θ>θ₀且抽样次数小于最大随机样本抽取次数J，转步骤C；否则转步骤F；

D.一致性检验：按下式分别计算样本集合P中除最小样本集S外的每一个数据Z_k′与估计模型f(Z′_k；θ)估计值之间的误差：t′_k＝||Z′_k-f(Z′_k；θ)|| (1)

其中t′_k为数据Z′_k与估计模型之间的误差，其中Z′_k为最小样本集S外的样本数据值；

其中f(Z′_k；θ)为最小样本集S外的样本数据值根据最小二乘估计模型得到的输出估计值；若满足t′_k<t，则认为两侧数据Z′_k是内点，归入一致集S^*，否则Z′_k是外点，归入余集SC；

E.一致集判断：若一致集S^*的最小样本集基数n>N，N为一致集的基数，则认为该一致集中的量测数据代表液位边缘，并由此一致集中的量测数据，根据回归方法重新估计新的模型M^*，算法结束；否则，若样本抽取次数m≤J，转步骤C；若样本抽取次数m>J，转步骤F；

F.输出液位边缘模型：若抽样次数小于最大随机样本抽取次数J，输出液位液位边缘模型；否则，输出“没有找到合适的边缘模型”。