CN108288065B - 一种基于图像分析的四轮定位仪检测方法 - Google Patents

Abstract

本发明公开了一种基于图像分析的四轮定位仪检测方法。步骤如下：首先在车轮轴位置放置激光器光源，距离车轮一定位置处平行放置一个接受面，当车轮前束角与外倾角开始变化时，由图像采集系统的摄像头获取接受面的图像传输到ARM硬件平台；ARM对获取的图像进行分析和处理，包括灰度处理，高斯滤波以及边缘检测，然后利用灰度重心法计算出激光光点在接受面的像素位置；最终由坐标转换及空间几何知识，可确定车轮的前束角及外倾角，再传输给上位机实现人机交互。本发明方法操作简单，实时，高效且检测精度较高。

Description

一种基于图像分析的四轮定位仪检测方法

技术领域

本发明属于计量检测技术领域，特别是一种基于图像分析的四轮定位仪检测方法。

背景技术

四轮定位是汽车各项检测指标中重要的一项，它主要是用来调整汽车四个轮胎的空间相对位置的，对整车的安全性与可靠性的影响举足轻重。四轮定位要检查的内容分为两种：前轮定位和后轮定位。前轮定位中包含主销后倾角、主销内倾角、车轮外倾角、车轮前束角、包容角等，后轮定位包含了推力角、后轮外倾角、后轮前束角、车轴偏角等，最重要的就是前束角与外倾角的测量。其中车轮前束角可以降低轮胎磨损与滚动摩擦，外倾角可以转向轻便、减小轮胎磨损、保护轴头磨损、保持轮胎与拱形路面垂直，减少轮胎偏磨损。

传统的四轮定位仪，有标准车，正弦规法，倾角传感器检定装置，SDJ-I～SDJ-IV型系列检定装置大多是基于机械的，需要相关人员操作仪器并读出仪器上刻度读数才能完成，而唯一一个只使用倾角传感器探测外倾角和前束角的能自动获取测量结果的仪器，其精度却很低。因此这些仪器存在需要的传感器众多、标定复杂、操作繁琐以及检测速度慢、精度不高等问题，不能实现快速检测，无法满足汽车检测行业的发展要求。

发明内容

本发明的目的在于提供一种操作简便、测量精度高的基于图像分析的四轮定位仪检测方法。

实现本发明目的的技术解决方案为：一种基于图像分析的四轮定位仪检测技术，通过图像采集系统的摄像头获取车轮上激光投影在接受面的图像，传输到ARM硬件平台，对获取的图像进行分析和处理，包括灰度处理、高斯滤波以及边缘检测，然后利用灰度重心法计算出激光光点在接受面的像素位置；最终由坐标转换及空间几何知识，可确定车轮的前束角及外倾角，再传输给上位机实现人机交互。具体包括以下步骤：

步骤1、在车轮轴上设置激光器，激光器发出的激光所在直线与车轮轴重合，在地面上设置与水平面垂直的半透激光接受面，激光接受面的后面设置摄像头，该摄像头用于采集接受面的图像；

步骤2、车轮不动，对摄像头采集到的每一帧图像进行处理；对摄像头采集到的每一帧图像进行处理具体为：先将初始图像转换成灰度图像，之后进行高斯滤波，最后进行边缘检测，最终图像上仅剩一个激光点的圆斑轮廓。

步骤3、对处理后图像上的圆斑进行处理，记录初始光斑位置；对处理后图像上的圆斑进行处理时，采用灰度重心法，所用公式为：

式中，I(x,y)为灰度图像，S为圆斑轮廓，x为图像中心的横坐标，y为图像中心的纵坐标。

步骤4、转动车轮，并检测摄像头采集到的每一帧图像，之后对采集到的图像进行处理，得到新的光斑位置；

步骤5、将步骤4得到的光斑位置与初始光斑位置进行比较，计算出光斑位移；

步骤6、利用坐标转换，将光斑位移量转为实际物理位移量；坐标转换所用公式为：

X＝kx Y＝ky

式中，k为常数，即摄像头的固定参数，表示每个像素点的物理尺寸；(x,y)为光斑的像素坐标，(X,Y)为光斑的物理位置坐标。

步骤7、建立系统空间数学模型，对光斑的实际物理位移量、车轮与接受面距离D，进行空间几何分析，得到前束角与外倾角。建立的系统空间数学模型为：

设L为车轮的垂直轴，激光器的安装位置即轴L的旋转中心，设为S，激光接受面为I，接受面与S的距离为D，前束角为α，外倾角为θ，在接受面I上建立坐标系，S在I上的投影O作为原点，x轴和y轴都在平面I上，x轴过O点且平行于水平面，方向由左指向右，y轴过O点且垂直于水平面，由下指向上，沿直线OS作z轴，方向由O指向S。延长轴L交接受面I于点P，则在α＝0时，光斑成像在y轴上，设为B(0,y)点，同时θ＝0时，成像在O点；当α≠0时，正前束角会向x轴正方向偏移，设为点A(x1,y)，负前束角则向负方向偏移，设为点C(x2,y)。

在SPB平面中，SB⊥SP，SO⊥BP，可得θ＝∠SPB，根据相似三角形定理，外倾角θ＝∠BSO＝arctan(y/D)。在平面ABS上，AB⊥SB,可得前束角α＝∠ASB＝arctan(x1·cosθ/D)。

本发明与现有技术相比，其显著优点为：(1)本发明通过选择摄像头分辨率及接受面板面积，满足了四轮定位仪检定装置的精度和广度要求；(2)本发明应用机器视觉技术，即机器(硬件电路板和PC机)对图像的各种处理，自动获取图像中信息的过程，是一种新兴的、先进的测量方法，实现了智能检测功能以及人机交互；(3)摄像机和车轮面板是分离的两部分，采用的非接触式的机器视觉方式，效避免由机械回转或其他原因引起的测量误差；(4)本发明的方法实现简单，操作方便，成本低廉，准确率高。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明基于图像分析的四轮定位仪检测方法的前束角原理图。

图2是本发明基于图像分析的四轮定位仪检测方法的外倾角原理图。

图3是本发明基于图像分析的四轮定位仪检测方法的流程图。

图4是本发明基于图像分析的四轮定位仪检测方法的系统数学模型图。

具体实施方式

结合图1，本发明的一种基于图像分析的四轮定位仪检测方法，包括以下步骤：

步骤1、在车轮轴上设置激光器，激光器发出的激光所在直线与车轮轴重合，在地面上设置与水平面垂直的半透激光接受面，激光接受面的后面设置摄像头，该摄像头用于采集接受面的图像；

步骤2、车轮不动，对摄像头采集到的每一帧图像进行处理；对摄像头采集到的每一帧图像进行处理具体为：先将初始图像转换成灰度图像，之后进行高斯滤波，最后进行边缘检测，最终图像上仅剩一个激光点的圆斑轮廓。

步骤3、对处理后图像上的圆斑进行处理，记录初始光斑位置；对处理后图像上的圆斑进行处理时，采用灰度重心法，所用公式为：

式中，I(x,y)为灰度图像，S为圆斑轮廓，x为图像中心的横坐标，y为图像中心的纵坐标。

步骤4、转动车轮，并检测摄像头采集到的每一帧图像，之后对采集到的图像进行处理，得到新的光斑位置；

步骤5、将步骤4得到的光斑位置与初始光斑位置进行比较，计算出光斑位移；

步骤6、利用坐标转换，将光斑位移量转为实际物理位移量；坐标转换所用公式为：

X＝kx Y＝ky

式中，k为常数，即摄像头的固定参数，表示每个像素点的物理尺寸；(x,y)为光斑的像素坐标，(X,Y)为光斑的物理位置坐标。

步骤7、建立系统空间数学模型，对光斑的实际物理位移量、车轮与接受面距离D，进行空间几何分析，得到前束角与外倾角。建立的系统空间数学模型为：

设L为车轮的垂直轴，激光器的安装位置即轴L的旋转中心，设为S，激光接受面为I，接受面与S的距离为D，前束角为α，外倾角为θ，在接受面I上建立坐标系，S在I上的投影O作为原点，x轴和y轴都在平面I上，x轴过O点且平行于水平面，方向由左指向右，y轴过O点且垂直于水平面，由下指向上，沿直线OS作z轴，方向由O指向S；延长轴L交接受面I于点P，则在α＝0时，光斑成像在y轴上，设为B(0,y)点，同时θ＝0时，成像在O点；当α≠0时，正前束角会向x轴正方向偏移，设为点A(x1,y)，负前束角则向负方向偏移，设为点C(x2,y)；

在SPB平面中，SB⊥SP，SO⊥BP，可得θ＝∠SPB，根据相似三角形定理，外倾角θ＝∠BSO＝arctan(y/D)；在平面ABS上，AB⊥SB,可得前束角α＝∠ASB＝arctan(x1·cosθ/D)。

本发明通过选择摄像头分辨率及接受面板面积，满足了四轮定位仪检定装置的精度和广度要求。

下面结合实施例对本发明做进一步详细的描述：

实施例

结合图1～4，本发明提出的基于图像分析的四轮定位仪检测技术的步骤如下：

步骤一：设备安装与图像获取

在机器视觉领域，相机的分辨率越大，所达到的精度越高，但图片大小过大会影响计算与传输，选择合适的分辨率是很重要的。本发明期望精度能达到1'，则要求至少一个像素能够反映1'，要测量范围达到20°，分辨率要达到为1200，这里选用的友善200W像素相机，分辨率为1600*1200。

测量开始前，在垂直车轮平面的中心放置一个激光器，平行于车轮1m处放置一个接受面，接受面板设计大小为170*180mm，可保证测量范围，将CMOS摄像机等图像采集和传输设备安装在接收面后一个固定位置，使得CMOS摄像机能够获取接受面的全部清晰图像。

NanoPi M2是友善之臂团队推出的一款完全开源的ARM处理板，可运行多种作系统，并具有丰富的接口。本发明将其作为开发用的硬件平台，使用Debian系统与其配套的摄像头接口，将视频流传入。

步骤二：图像预处理

在本发明所提出的基于图像分析的四轮定位仪检测技术中，对获取图像的预处理主要是利用OpenCV对图像进行灰度化处理、高斯滤波以及边缘检测。

先使用OpenCV中的VideoCapture来打开摄像头，这个类是用来处理视频文件或者摄像头视频流的类，可控制摄像头的打开与关闭，利用cap>>frame，可将视频流读入硬件平台，并保存在矩阵frame中，以便对视频中每一帧图像进行处理。

由于本发明中摄像头采集的视频为彩色，处理时应先将其处理成灰度图像，RGB格式的灰度图像R、G、B三个分量都相等，且等于灰度值。在OpenCV中，实现RGB颜色空间到灰度图的转换的函数声明是：cvCvtColor(const CvArr*src,CvArr*dst,int code)，即将原图像src转化为dst，code代表颜色空间转换参数，可使用这个函数对每一帧彩色图像进行灰度转换。具体函数实现为cvtColor(frame,edges,CV_BGR2GRAY)，其中frame即原始图像，edges为灰度图像。

图像去噪是图像预处理中常用的一个步骤，常用的图像去噪算法有中值滤波，高斯滤波，维纳滤波等。其中中值滤波更适用于有突变的白点或黑点的这种椒盐噪声，而维纳滤波的实现方式相对而言比较复杂。图像噪声主要来源于图像获取和传输过程，常见的噪声有加性噪声、乘性噪声、量化噪声以及椒盐噪声等，在这些噪声模型中，大多数噪声都满足高斯噪声分布，因此，本发明采用高斯滤波来消除噪声。在OpenCV中，高斯滤波其函数声明为：GaussianBlur(InputArray src,OutputArray dst,Size ksize,double sigmaX,double sigmaY＝0,int borderType＝BORDER_DEFAULT)，其中参数src和dst当然分别是输入图像和输出图像。Ksize为高斯滤波器模板大小，sigmaX和sigmaY分别为高斯滤波在横线和竖向的滤波系数,borderType为边缘点插值类型。具体函数实现为GaussianBlur(edges,edges,Size(7,7),1.5,1.5)。

边缘检测是本发明方法中进行重心检测前的一个重要的步骤，利用边缘检测技术，能够大大减少后续重心检测中所需要处理的图像中的信息量，提高整个激光光点检测系统的检测速度和检测效率。在OpenCV中，函数cvCanny采用CANNY算法发现输入图像的边缘而且在输出图像中标识这些边缘。其函数声明为：cvCanny(const CvArr*image,CvArr*edges,double threshold1,double threshold2,3)，参数image为单通道输入图像，edges为单通道存储边缘的输出图像，threshold1为第一个阈值，threshold2为第二个阈值，其中小阈值用来控制边缘连接，大阈值用来控制强边缘的初始分割，最后一个参数为Sobel算子内核大小。具体函数实现为Canny(edges,cannys,20,80,3),其中edges为经过高斯滤波的图像，cannys为边缘检测后的图像，这里选取阈值为20和80，处理效果较好。

步骤三：位置坐标计算

首先计算激光光点的像素位置，本发明使用灰度重心法，即用图像的灰度值作为权值的加权形心法。灰度图像I中目标S的灰度重心坐标(x,y)为

在本发明中对边缘处理后的图像中每一行每一列像素点进行求和加权平均，求出整个图像白色像素点的中心位置即激光点中心位置。在具体实验时可得到初始光斑的像素位置为(586,324),车轮转动后光斑位置变化为(789,335)，因此光斑位移为(203,11)。

再进行坐标转换，所用公式为：

X＝kx Y＝ky

式中，k为常数，即摄像头的固定参数，表示每个像素点的物理尺寸；(x,y)为光斑的像素坐标，(X,Y)为光斑的物理位置坐标。已知摄像头每个像素物理尺寸大小为6.7*10^{- 5}m，则实际空间物理位置坐标为(1.3601*10^-2,7.37*10^-4),单位为m。

步骤四：角度计算与传输

根据附图1，2，可知前束角与外倾角的定义概念，因此可建立一个系统数学模型，即图4，设L为车轮的垂直轴，激光器的安装位置即轴L的旋转中心，设为S，激光接受面为I，接受面与S的距离为D，前束角为α，外倾角为θ，则车轮在不同角度发射的一系列激光线K_n,n＝1,2...与接受面交于点A,B,C...，再在接受面后面放置一个摄像机，对这些激光点的投影进行成像，通过其成像来检测T的前束角与外倾角。

在接受面I上建立坐标系，S在I上的投影O作为原点，x轴和y轴都在平面I上，x轴过O点且平行于水平面，方向由左指向右，y轴过O点且垂直于水平面，由下指向上，沿直线OS作z轴，方向由O指向S。延长轴L交接受面I于点P，则在α＝0时，光斑成像在y轴上，设为B(0,y)点，同时θ＝0时，成像在O点；当α≠0时，正前束角会向x轴正方向偏移，设为点A(x1,y)，负前束角则向负方向偏移，设为点C(x2,y)。

在SPB平面中，SB⊥SP，SO⊥BP，外倾角θ＝∠SPB，根据相似三角形定理，θ＝∠BSO，B点坐标为(0,y)，则SO＝D，BO＝y，可得SB＝D/cosθ，外倾角θ＝arctan(y/D)。将D＝1，y＝7.37*10^-4代入，可得到θ＝46.7082',在平面ABS上，A点的坐标为(x1,y)前束角α＝∠ASB，其中AB⊥SB，AB＝x1，SB＝D/cosθ，可得前束角α＝arctan(x1·cosθ/D)。将D＝1，x1＝1.3601*10^-2,θ＝46.7082'代入，可得到α＝2.5336′。

计算出两个角度之后，可在硬件平台中调用termios结构初始化终端，通过write()函数和sendNum()函数，将硬件系统上的数据传出，使用TTL转USB模块，将数据传入上位机框架系统，该系统是通过VC6.0，用MFC框架系统实现的，创建CSerialPort类来开启数据传输线程，存储串口打开，关闭，接收等函数。

在进行实验的同时，使用标准测角仪进行测量，得到前束角α＝2.5'，外倾角θ＝46'，可以将测量值与真实值比较，明显可达到的精度1'，且测量值更精确，简单实时。

Claims (5)

1.一种基于图像分析的四轮定位仪检测方法，其特征在于，包括以下步骤：

步骤1、在车轮轴上设置激光器，激光器发出的激光所在直线与车轮轴重合，在地面上设置与水平面垂直的半透激光接受面，激光接受面的后面设置摄像头，该摄像头用于采集接受面的图像；

步骤2、车轮不动，对摄像头采集到的每一帧图像进行处理；

步骤3、对处理后图像上的圆斑进行处理，记录初始光斑位置；

步骤4、转动车轮，并检测摄像头采集到的每一帧图像，之后对采集到的图像进行处理，得到新的光斑位置；

步骤5、将步骤4得到的光斑位置与初始光斑位置进行比较，计算出光斑位移；

步骤6、利用坐标转换，将光斑位移量转为实际物理位移量；

步骤7、建立系统空间数学模型，对光斑的实际物理位移量、车轮与接受面距离D，进行空间几何分析，得到前束角与外倾角。

2.根据权利要求1所述的基于图像分析的四轮定位仪检测方法，其特征在于，步骤2中对摄像头采集到的每一帧图像进行处理具体为：先将初始图像转换成灰度图像，之后进行高斯滤波，最后进行边缘检测，最终图像上仅剩一个激光点的圆斑轮廓。

3.根据权利要求1所述的基于图像分析的四轮定位仪检测方法，其特征在于，步骤3对处理后图像上的圆斑进行处理时，采用灰度重心法，所用公式为：

式中，I(x,y)为灰度图像，S为圆斑轮廓，x为图像中心的横坐标，y为图像中心的纵坐标。

4.根据权利要求1所述的基于图像分析的四轮定位仪检测方法，其特征在于，步骤6坐标转换所用公式为：

X＝kx Y＝ky

式中，k为常数，即摄像头的固定参数，表示每个像素点的物理尺寸；(x,y)为光斑的像素坐标，(X,Y)为光斑的物理位置坐标。

5.根据权利要求1所述的基于图像分析的四轮定位仪检测方法，其特征在于，步骤7中建立的系统空间数学模型为：

设L为车轮的垂直轴，激光器的安装位置即轴L的旋转中心，设为S，激光接受面为I，接受面与S的距离为D，前束角为α，外倾角为θ，在接受面I上建立坐标系，S在I上的投影O作为原点，x轴和y轴都在平面I上，x轴过O点且平行于水平面，方向由左指向右，y轴过O点且垂直于水平面，由下指向上，沿直线OS作z轴，方向由O指向S；延长轴L交接受面I于点P，则在α＝0时，光斑成像在y轴上，设为B(0,y)点，同时θ＝0时，成像在O点；当α≠0时，正前束角会向x轴正方向偏移，设为点A(x1,y)，负前束角则向负方向偏移，设为点C(x2,y)；

在SPB平面中，SB⊥SP，SO⊥BP，可得θ＝∠SPB，根据相似三角形定理，外倾角θ＝∠BSO＝arctan(y/D)；在平面ABS上，AB⊥SB,可得前束角α＝∠ASB＝arctan(x1·cosθ/D)。

Images