CN112053345A - 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 - Google Patents
基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 Download PDFInfo
- Publication number
- CN112053345A CN112053345A CN202010912002.3A CN202010912002A CN112053345A CN 112053345 A CN112053345 A CN 112053345A CN 202010912002 A CN202010912002 A CN 202010912002A CN 112053345 A CN112053345 A CN 112053345A
- Authority
- CN
- China
- Prior art keywords
- spray
- image
- wall
- binarization
- collision
- 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.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 48
- 238000005507 spraying Methods 0.000 title claims abstract description 26
- 239000007921 spray Substances 0.000 claims abstract description 219
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000035515 penetration Effects 0.000 claims abstract description 17
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000011161 development Methods 0.000 claims abstract description 6
- 238000000926 separation method Methods 0.000 claims description 19
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 238000002347 injection Methods 0.000 claims description 13
- 239000007924 injection Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- 238000002156 mixing Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法及系统。包括如下步骤：步骤1、背景分离；步骤2、基于小波变换的分层二值化；步骤3、喷雾撞壁参数的提取：步骤3.1、喷雾贯穿距离L的提取；步骤3.2、喷雾锥角θ提取；步骤3.3、喷雾半径r的提取；步骤3.4、喷雾高度h的提取。本发明自动提取的喷雾撞壁参数均能准确反映喷雾撞壁发展趋势，并且参数值与人工标定结果基本一致，误差较小，实现了自动快速准确提取喷雾撞壁参数。
Description
技术领域
本发明涉及机器视觉领域，尤其涉及一种基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法及系统。
背景技术
GDI汽油机在提高动力性、燃油经济性和降低有害排放上具有潜在的优势[1-2]。但其喷射过程不可避免的发生喷雾撞壁现象，严重影响了发动机内混合气的形成、燃烧和排放优劣[3-5]。因此喷雾撞壁特性研究至关重要，是影响发动机性能的关键因素之一。近年来，国内外学者对喷雾以及喷雾撞壁特性进行了大量研究[6-8]。研究过程中，对于不同条件、不同采集时刻大量的结构复杂且边界模糊不清的喷雾撞壁图像，如何快速准确的提取喷雾图像的特征参数并没有有效的方法。目前，国内外通常使用人工标定或对图像一一进行简单图像处理的方法，对喷雾撞壁参数进行观察测量，该方法不仅费时费力，且在不同图像的边界界定时受人为因素影响较大，更无法实现快速自动处理图像和提取撞壁参数。
参考文献
[1]Qinglong Tang,Haifeng Liu,Mingkun Li and Mingfa Yao.Optical studyof spray-wall impingement impact on early-injection gasoline partiallypremixed combustion at low engine load[J].Applied Energy.2017,Vol.185(Part1):708-719.
[2]Hanzhengnan Yu,Xingyu Liang,Gequn Shu1,Xu Wang,Yuesen Wang,Hongsheng Zhang.Experimental Investigationon Wall FilmDistribution ofDimethylEther/Diesel Blended Fuels Formed duringSpray Wall Impingement.[J].Energies.2016,Vol.9(No.11):1-17.
[3]Fabian
Dimitri Seboldt,Paul Jochmann,Alexander Hettinger,Andreas Kufferath,Michael Bargende.Experimental Investigation ofFuelImpingement and Spray-Cooling on the Piston of a GDI Engine via InstantaneousSurface Temperature Measurements[J].SAE International Journal ofEngines.2014,Vol.7(No.3):1178-1194.
[4]Allocca L.,Lazzaro M.,Meccariello G.,MontanaroA..Schlierenvisualizationofa GDI spray impacting on a heated wall:Non-vaporizing andvaporizing evolutions[J].Energy.2016,Vol.108：93-98.
[5]Qin Jing,Zhang Yidan,Pei Yiqiang,Chen Hao,ZhangTaiyu.BasicExperimental Study of Spray-Wall ImpingementwithGDI Injector[J].ChineseInternal CombustionEngine Engineering.2016,Vol.37(No.5):119-127.
[6]HanzhengnanYu,Xingyu Liang,Gequn Shu1,Yuesen Wang1,HongshengZhang1.Experimental investigationonspray-wallimpingement characteristics ofn-butanol/dieselblended fuels[J].Fuel.2016,Vol.182:248-258.
[7]Ziman Wang,Yanfei Li,HengjieGuo,Chongming Wang,HongmingXu.Microscopic and macroscopic characterization of spray impingementunder flash boiling conditions with the application of split injectionstrategy[J].Fuel.2018,Vol.212:315-325.
[8]Yoshio Zama,YotsuguOdawara,TomohikoFuruhata.Experimentalinvestigation on velocity inside a diesel spray after impingement on a wall[J].Fuel.2017,Vol.203:757-763
[9]Mengying Li,Ruiqing He,Qian Chen,GuohuaGu,Wenwen Zhang.Research onghost imaging method based on wavelet transform[J].Journal of Optics.2017,Vol.19(No.9):1.
[10]Igoe Damien P,ParisiAlfio V,Amar Abdurazaq,Rummenie KatherineJ.Median filters as a tool to determine dark noise thresholds in highresolutionsmartphone image sensors for scientific imaging[J].Review ofScientific Instruments.2018,Vol.89(No.1):1.
[11]
J.D.,Terol-Villalobos I.R..Filtering of mixedGaussian and impulsive noise usingmorphological contrast detectors[J].ImageProcessing,IET.2014,Vol.8(No.3):131-141.
[12]C.H.Lee,K.H.Lee.Experimental study on macroscopic spraycharacteristics after impingement in a slit-type GDI injector[J].International Journal of Automotive Technology.2008,Vol.9(No.3):373-380.
[13]黄豪中,安彦召,苏万华,毛立伟,梁源飞,代玉利.喷射压力和喷孔直径对柴油机混合燃料喷雾特性的影响[J].内燃机学报,2013,31(03):200-207.
[14]Du,Wei；Zhang,Qiankun,Bao,Wenhua,Lou,Juejue.Effects of injectionpressure on spray structure after wall impingement[J].Applied ThermalEngineering.2018,129:1212-1218.
[15]V.P.Il’in.Least Squares Methods in Krylov Subspaces[J].Journal ofMathematical Sciences.2017,Vol.224(No.6):900-910.
发明内容
1、本发明的目的
本发明设计了一套基于机器视觉的GDI汽油机喷雾撞壁参数自动提取系统。通过自行设计的一款可视化喷雾撞壁定容弹装置，用高速摄像机拍摄记录喷雾撞壁发展的整个过程，传递给上位机，运用多种图像处理和特征提取技术，实现喷雾撞壁参数自动提取。
2、本发明所采用的技术方案
本发明公开了一种基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法，包括如下步骤：
步骤1、背景分离
设置外部信号触发高速摄像机，实现喷油器喷油之前触发高速摄像机进行拍摄，获取无喷油时的初始状态图像作为背景图像，将采集的喷雾图像与背景图像做差，实现背景分离；
步骤2、基于小波变换的分层二值化
步骤2.1基于小波变换的初步二值化，采用Haar小波对背景分离后的喷雾图像进行二层小波分解，将高频系数置零，再重构图像，对重构的只含低频轮廓信息的图像进行二值化，得到初次二值化图像；
步骤2.2、二次二值化
在初次二值化基础上，利用初次二值化图像准确分割出其余喷雾边缘信息，再次进行二值化；
步骤2.3、二值图像去噪与轮廓提取
采用中值滤波算法去除二值化图像的噪声，然后用形态学开运算方法消除细小的尖刺，平滑图像边界，提取出完整的喷雾部分图像即感兴趣区域及其轮廓；
步骤3、喷雾撞壁参数的提取
定义贯穿距离L在撞壁前为喷嘴位置O点到喷雾发展最远端的距离，撞壁后为喷嘴位置到壁面的竖直距离；喷雾锥角θ定义为喷嘴位置到1/2喷雾贯穿距离处，喷雾两侧切线之间的夹角；喷雾半径r为喷雾撞壁后，射流沿壁面向铺展距离；喷雾高度h为自由喷雾撞壁后沿壁面方向向外，垂直壁面的喷雾卷吸高度；
步骤3.1、喷雾贯穿距离L的提取
在提取的喷雾轮廓基础上，利用扫描法求O点、喷雾最远端点所在坐标，利用最小二乘法拟合求取壁面所在直线AB方程，根据喷雾贯穿距离定义，进而求出已撞壁和未撞壁两种喷雾的贯穿距离；
步骤3.2、喷雾锥角θ提取
利用扫描法求喷雾从O点到1/2L处两侧边界位置的坐标，采用最小二乘法拟合出喷雾两侧切线OA和OB方程，进而求得到喷雾锥角θ；
步骤3.3、喷雾半径r的提取
利用扫描法求撞壁喷雾左右两侧边缘所在的两列，再求边缘所在列及O点所在列直线AB的交点，进而采用欧式距离求解喷雾的半径；
步骤3.4、喷雾高度h的提取
扫描AC或BD区间内喷雾上边缘，计算各点到壁面直线AB距离的最大值，即为喷雾左右卷吸高度。
更进一步，步骤1、背景分离：
设置外部信号触发高速摄像机，实现喷油器喷油之前触发高速摄像机进行喷雾过程拍摄，获取无喷油时的初始状态图像；
选取喷油开始前一张图像作为背景图，对整组图像做去背景的初步处理；设背景图像和喷雾图像灰度化后的像素值分别用f1(x,y)、f2(x,y)，则背景分离后的喷雾灰度图像f(x,y)为
f(x,y)＝255-[f1(x,y)-f2(x,y)]……………(1)
更进一步，步骤2.1、基于小波变换的初步二值化：
更进一步，采用Haar小波对背景分离后的喷雾图像进行二层小波分解；其中低频部分LL代表原图像的轮廓信息，高频部分LH、HL、HH分别代表图像在水平、垂直和对角线方向的细节信息；基于小波变换的初步二值化算法即先对小波分解得到的低频图像初步二值化，得到喷雾图像的主要轮廓：首先对喷雾图像进行二层小波分解；然后将第一层和第二层的高频系数全部置零；再利用低频系数和置零的高频系数重构，得到反映原图像轮廓的只包含低频信息的重构图像；最后对重构图像进行二值化。
更进一步，步骤2.2、二次二值化：
先将初次二值化的喷雾图像与原喷雾图像做点乘，将图像中初次二值化部分像素值全置为零；再求图像中像素值非0和非255点的像素平均值，作为二次二值化的阈值T；然后对初次二值化后的喷雾图像再次二值化。
更进一步，步骤2.3、二值图像去噪与轮廓提取：采用Canny算子边缘检测，提取二值图像轮廓。
更进一步，步骤3.2、喷雾锥角θ提取：
利用扫描法求喷雾从O点到1/2L处，两侧边界，两侧坐标分别记为{(xA1，yA1)，(xA2，yA2)...(xAn，yAn)}，{(xB1，y1)，(xB2，yB2)...(xBn，yBn)}，利用两组数据点，采用最小二乘法拟合出喷雾两侧切线OA和OB，则喷雾锥角为
式中kOA，kOB分别为OA、OB的斜率。
更进一步，步骤3.3、喷雾半径r的提取
利用扫描法求喷雾最边缘所在列，并求其与直线AB交点C(xC，yC)和D(xD，yD)，则喷雾左右半径为C、D到P(xP，yP)点的欧氏距离，
更进一步，将C(xC，yC)和D(xD，yD)带入公式(2)即可求左右半径r1、r2。
更进一步，步骤3.4、喷雾高度h的提取
由于喷雾撞壁后沿壁面向外定义为喷雾卷吸部分，设AB所在直线方程一般式为Ax+By+C＝0，点到直线距离公式，如公式(3)；则AC区间内喷雾上边缘各点到直线AB的距离的最大值则喷雾左侧卷吸起的喷雾高度h1，同理，BD区间内可求喷雾右侧卷吸起的喷雾高度h2：
本发明提出了一种GDI汽油机喷雾撞壁参数自动提取系统，包括可视化定容器装置、高速摄影系统、控制系统以及计算机图像处理系统，使用以上所述的GDI汽油机喷雾撞壁参数自动提取方法。
更进一步，采用V611高速摄像机，用快速原型工具dSPACE来实现喷油和高速摄像整体控制；利用反射光进行直接拍摄的阴影法，实现对喷雾撞壁图像的拍摄，并通过数据线连接到上位机记录保存所需图像，分辨率为512像素×480像素，采样频率为20000fps。
3、本发明所采用的有益效果
(1)本发明采用自行设计的喷雾撞壁图像采集系统，采集背景及喷雾图像上传至上位机；
(2)本发明利用背景分离、基于小波变换的分层二值化、中值滤波及形态学算法，准确地分离出喷雾撞壁图像的二值化图像和轮廓，为参数提取提供基础；
(3)本发明利用扫描法、最小二乘法线性拟合算法，自动提取出关键点及所需直线，避免了因噪声点引起的直线提取误差，保证了喷雾撞壁参数的准确性。
(4)本发明系统能够准确自动提取喷雾撞壁参数，反映喷雾撞壁发展过程规律，并且参数数值与人工标定值误差很小，实现了自动、快速、准确提取喷雾撞壁参数，对于喷雾撞壁特性研究具有重要的应用价值。
附图说明
图1为可视化喷雾撞壁图像采集系统；
图2为背景分离系统；(a)背景图像(b)喷雾撞壁图像(c)背景分离后图像；
图3为二层小波分解结构图；(a)二层分解结构(b)喷雾图像分解图；
图4为图像的初次二值化；(a)小波变换低频图像、(b)初次二值化图像；
图5为图像二次二值化；(a)初次二值化与原图叠加、(b)二次二值化图像；
图6为图像去噪；(a)中值滤波后二值图像、(b)开运算后二值图像；
图7为喷雾图像轮廓提取；(a)二值图像轮廓、(b)二值图像轮廓与原图叠加；
图8为喷雾撞壁参数定义；(a)未撞壁、(b)已撞壁；
图9为喷雾贯穿距离算法流程图；
图10为背景分离后的喷雾样本图像；
图11为系统提取参数值与人工标定结果对比曲线，(a)喷雾锥角随喷射时刻的变化曲线、(b)喷雾贯穿距离随喷射时刻的变化曲线、(c)喷雾半径随喷射时刻的变化曲线、(d)喷雾高度随喷射时刻的变化曲线。
具体实施方式
下面结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域技术人员在没有做创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
下面将结合附图对本发明实例作进一步地详细描述。
该系统采用自行设计的可视化喷雾撞壁定容弹装置，利用高速摄像机采集喷雾撞壁图像并上传至计算机，通过图像处理系统自动提取喷雾撞壁参数。首先，原始图像经背景分离后，采用基于小波变换的分层二值化算法、中值滤波及形态学算法获取其二值化喷雾图像及轮廓；然后采用扫描法提取关键点，利用最小二乘拟合出关键曲线，进而计算得到喷雾撞壁参数。
实施例1
1GDI喷雾撞壁图像硬件采集装置
喷雾撞壁图像采集系统主要由可视化定容器装置、高速摄影系统、控制系统以及计算机图像处理系统几部分构成。基于自行设计的一款可视化喷雾撞壁定容弹装置，采用V611高速摄像机，用快速原型工具dSPACE来实现喷油和高速摄像整体控制。利用反射光进行直接拍摄的阴影法，实现对喷雾撞壁图像的拍摄，并通过数据线连接到上位机记录保存所需图像，系统装置如图1所示。试验使用的分辨率为512像素×480像素，采样频率为20000fps。
2喷雾撞壁图像预处理
高速摄像机采集到的喷雾撞壁图像包含定容弹以及壁面等复杂背景信息；喷雾边缘模糊不清，与喷雾内部对比度较高，而与背景的对比度较低。为准确分离出喷雾图像，进而求取喷雾撞壁参数，本发明提出背景分离和基于小波变换[9]的分层二值化算法，再结合中值滤波[10]和形态学方法[11]，对图像进行处理，分割出感兴趣区域——喷雾撞壁图像。
2.1背景分离
本系统设置外部信号触发高速摄像机，实现喷油器喷油之前触发高速摄像机进行喷雾过程拍摄，获取无喷油时的初始状态图像。选取喷油开始前一张图像作为背景图，对整组图像做去背景的初步处理。设背景图像和喷雾图像灰度化后的像素值分别用f1(x,y)、f2(x,y)和则背景分离后的喷雾灰度图像的像素值f(x,y)为
f(x,y)＝255-[f1(x,y)-f2(x,y)]……………(1)
以倾斜撞壁的喷雾图像为例，如图2所示(a)、(b)、(c)分别为背景图像、喷雾图像和背景分离后的图像。
2.2基于分层二值化的感兴趣区域分割
2.2.1基于小波变换的初步二值化
小波变换是一种能够对图像进行多尺度细化分析方法，变换得到低、高频图像分别代表原图像的轮廓和细节信息。本发明采用Haar小波对背景分离后的喷雾图像进行二层小波分解，如图3所示，(a)为二层小波分解结构示意图，其中低频部分LL代表原图像的轮廓信息，高频部分LH、HL、HH分别代表图像在水平、垂直和对角线方向的细节信息。
基于小波变换的初步二值化算法即先对小波分解得到的低频图像初步二值化分割，得到喷雾图像的主要轮廓。具体过程为：首先对喷雾图像进行二层小波分解；然后将第一层和第二层的高频系数全部置零；再利用低频系数和置零的高频系数重构，得到反映原图像轮廓的低频重构图像，如图4(a)所示；最后对低频重构的图像进行二值化，结果如图4(b)所示。
2.2.2二次二值化
初步二值化得到喷雾图像主要轮廓，二次二值化的目标是在初次二值化基础上，准确分割出其余喷雾边缘信息。具体过程为：先将初次二值化的喷雾图像与原喷雾图像做点乘，将图像中初次二值化部分像素值全置为零，结果如图5(a)所示；再求图像中像素值非0和非255的点的像素平均值，作为二次二值化的阈值T；然后对初次二值化后的喷雾图像再次二值化。
结果如图5(b)所示，可以看出，经过分层二值化后，可以将喷雾边缘完整准确提取出来。
2.2.3二值图像去噪与轮廓提取
分层二值化的方法在完整提取喷雾边缘信息的同时，同时也将背景分离遗留的细微背景信息分割出来。为此，本发明首先采用中值滤波算法去除二值化图像的噪声，结果如图6(a)所示；然后用形态学开运算方法消除细小的尖刺，平滑图像边界，最终的感兴趣区域，图像分割结果如图6(b)。为更直观观察分割效果，本发明采用Canny算子边缘检测，提取二值图像轮廓，如图7(a)，轮廓图像与原图像的叠加效果如图7(b)所示，可以看出本发明算法可以完整的提取出喷雾图像。
3喷雾撞壁参数的提取
3.1喷雾撞壁参数的定义
由于不同的壁面倾角α及喷雾撞壁前后，喷雾形态不同，因而喷雾参数不同。如图8所示，(a)和(b)分别为喷雾撞壁过程喷雾撞壁前后参数的示意图。图8中，定义贯穿距离L在撞壁前为喷嘴位置到喷雾发展最远端的距离，撞壁后为喷嘴位置到壁面的竖直距离[12]；喷雾锥角θ定义为喷嘴位置到1/2喷雾贯穿距离处，喷雾两侧切线之间的夹角[13]；喷雾半径r为喷雾撞壁后，射流沿壁面向铺展距离；喷雾高度h为自由喷雾撞壁后沿壁面方向向外，垂直壁面的喷雾卷吸高度[14]。
3.2喷雾撞壁参数提取
3.2.1喷雾贯穿距离L的提取
在提取的喷雾轮廓基础上，根据喷雾贯穿距离定义，利用扫描法求各关键点坐标，具体算法流程如图9所示。3.2.2喷雾锥角θ提取
利用扫描法求喷雾从O点到1/2L处两侧边界位置的坐标，，两侧坐标分别记为{(xA1，yA1)，(xA2，yA2)...(xAn，yAn)}，{(xB1，y1)，(xB2，yB2)...(xBn，yBn)}，利用两组数据点，采用最小二乘法[15]拟合出喷雾两侧切线OA和OB，则喷雾锥角为
式中kOA，kOB分别为OA、OB的斜率。
3.2.3喷雾半径r的提取
利用扫描法求喷雾最边缘所在列，并求其与直线AB交点C(xC，yC)和D(xD，yD)，则喷雾左右半径为C、D到P(xP，yP)点的欧氏距离，
将C(xC，yC)和D(xD，yD)带入公式(2)，即可求左右半径r1、r2。
3.2.4喷雾高度h的提取
由于喷雾撞壁后沿壁面向外定义为喷雾卷吸部分，设AB所在直线方程一般式为Ax+By+C＝0，点到直线距离公式，如公式(3)。则AC区间内喷雾上边缘各点到直线AB的距离的最大值则喷雾左侧卷吸起的喷雾高度h1，同理，BD区间内可求喷雾右侧卷吸起的喷雾高度h2
4实验结果分析
选取不同条件、不同时刻、相同时间间隔的10组、每组30幅喷雾撞壁图像样本做实验，本发明以壁面倾角15°，撞壁距离20mm，喷油压力8MPa，喷油脉宽1ms，环境背压分别为1MPa和0.1MPa条件下获取样本图像为例，见图10。由图10可知，样本第5幅图像开始撞壁，第10幅开始出现卷吸，第25幅喷雾结束。
喷雾撞壁参数自动提取结果如图11所示，其中红线为系统自动提取喷雾撞壁参数值，蓝线为多次人工标定取均值的参数值。由图11(a～d)可以看出，系统自动提取的喷雾撞壁参数能够准确反映喷雾变化过程，参数变化曲线与理论变化规律一致，并且提取出的参数数值与人工标定结果基本吻合，误差较小。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (10)
1.一种基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法，其特征在于包括如下步骤：
步骤1、背景分离
设置外部信号触发高速摄像机，实现喷油器喷油之前触发高速摄像机进行拍摄，获取无喷油时的初始状态图像作为背景图像，将采集的喷雾图像与背景图像做差，实现背景分离；
步骤2、基于小波变换的分层二值化
步骤2.1基于小波变换的初步二值化，采用Haar小波对背景分离后的喷雾图像进行二层小波分解，将高频系数置零，再重构图像，对重构的只含低频轮廓信息的图像进行二值化，得到初次二值化图像；
步骤2.2、二次二值化
在初次二值化基础上，利用初次二值化图像准确分割出其余喷雾边缘信息，再次进行二值化；
步骤2.3、二值图像去噪与轮廓提取
采用中值滤波算法去除二值化图像的噪声，然后用形态学开运算方法消除细小的尖刺，平滑图像边界，提取出完整的喷雾部分图像即感兴趣区域及其轮廓；
步骤3、喷雾撞壁参数的提取
定义贯穿距离L在撞壁前为喷嘴位置O点到喷雾发展最远端的距离，撞壁后为喷嘴位置到壁面的竖直距离；喷雾锥角θ定义为喷嘴位置到1/2喷雾贯穿距离处，喷雾两侧切线之间的夹角；喷雾半径r为喷雾撞壁后，射流沿壁面向铺展距离；喷雾高度h为自由喷雾撞壁后沿壁面方向向外，垂直壁面的喷雾卷吸高度；
步骤3.1、喷雾贯穿距离L的提取
在提取的喷雾轮廓基础上，利用扫描法求O点、喷雾最远端点所在坐标，利用最小二乘法拟合求取壁面所在直线AB方程，根据喷雾贯穿距离定义，进而求出已撞壁和未撞壁两种喷雾的贯穿距离；
步骤3.2、喷雾锥角θ提取
利用扫描法求喷雾从O点到1/2L处两侧边界位置的坐标，采用最小二乘法拟合出喷雾两侧切线OA和OB方程，进而求得到喷雾锥角θ；
步骤3.3、喷雾半径r的提取
利用扫描法求撞壁喷雾左右两侧边缘所在的两列，再求边缘所在列及O点所在列直线AB的交点，进而采用欧式距离求解喷雾的半径；
步骤3.4、喷雾高度h的提取
扫描AC或BD区间内喷雾上边缘，计算各点到壁面直线AB距离的最大值，即为喷雾左右卷吸高度。
2.根据权利要求1所述的基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法，其特征在于步骤1、背景分离：
设置外部信号触发高速摄像机，实现喷油器喷油之前触发高速摄像机进行喷雾过程拍摄，获取无喷油时的初始状态图像；
选取喷油开始前一张图像作为背景图，对整组图像做去背景的初步处理；设背景图像和喷雾图像灰度化后的像素值分别用f1(x,y)、f2(x,y)，则背景分离后的喷雾灰度图像f(x,y)为
f(x,y)＝255-[f1(x,y)-f2(x,y)]………………(1)
3.根据权利要求1或2所述的基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法，其特征在于步骤2.1、基于小波变换的初步二值化：
采用Haar小波对背景分离后的喷雾图像进行二层小波分解；其中低频部分LL代表原图像的轮廓信息，高频部分LH、HL、HH分别代表图像在水平、垂直和对角线方向的细节信息；基于小波变换的初步二值化算法即先对小波分解得到的低频图像初步二值化，得到喷雾图像的主要轮廓：首先对喷雾图像进行二层小波分解；然后将第一层和第二层的高频系数全部置零；再利用低频系数和置零的高频系数重构，得到反映原图像轮廓的只包含低频信息的重构图像；最后对重构图像进行二值化。
4.根据权利要求1或3所述的基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法，其特征在于步骤2.2、二次二值化：
先将初次二值化的喷雾图像与原喷雾图像做点乘，将图像中初次二值化部分像素值全置为零；再求图像中像素值非0和非255点的像素平均值，作为二次二值化的阈值T；然后对初次二值化后的喷雾图像再次二值化。
5.根据权利要求1或4所述的基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法，其特征在于步骤2.3、二值图像去噪与轮廓提取：采用Canny算子边缘检测，提取二值图像轮廓。
6.根据权利要求1或5所述的基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法，其特征在于步骤3.2、喷雾锥角θ提取：
利用扫描法求喷雾从O点到1/2L处，两侧边界，两侧坐标分别记为{(xA1，yA1)，(xA2，yA2)...(xAn，yAn)}，{(xB1，y1)，(xB2，yB2)...(xBn，yBn)}，利用两组数据点，采用最小二乘法拟合出喷雾两侧切线OA和OB，则喷雾锥角为
式中kOA，kOB分别为OA、OB的斜率。
7.根据权利要求6所述的基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法，其特征在于步骤3.3、喷雾半径r的提取
利用扫描法求喷雾最边缘所在列，并求其与直线AB交点C(xC，yC)和D(xD，yD)，则喷雾左右半径为C、D到P(xP，yP)点的欧氏距离，
将C(xC，yC)和D(xD，yD)带入公式(2)即可求左右半径r1、r2。
8.根据权利要求7所述的基于机器视觉的GDI汽油机喷雾撞壁参数自动提取方法，其特征在于步骤3.4、喷雾高度h的提取
由于喷雾撞壁后沿壁面向外定义为喷雾卷吸部分，设AB所在直线方程一般式为Ax+By+C＝0，点到直线距离公式，如公式(3)；则AC区间内喷雾上边缘各点到直线AB的距离的最大值则喷雾左侧卷吸起的喷雾高度h1，同理，BD区间内可求喷雾右侧卷吸起的喷雾高度h2：
9.一种GDI汽油机喷雾撞壁参数自动提取系统，其特征在于：包括可视化定容器装置、高速摄影系统、控制系统以及计算机图像处理系统，使用如权利要求8所述的GDI汽油机喷雾撞壁参数自动提取方法。
10.根据权利要求9所述的GDI汽油机喷雾撞壁参数自动提取系统，其特征在于：采用V611高速摄像机，用快速原型工具dSPACE来实现喷油和高速摄像整体控制；利用反射光进行直接拍摄的阴影法，实现对喷雾撞壁图像的拍摄，并通过数据线连接到上位机记录保存所需图像，分辨率为512像素×480像素，采样频率为20000fps。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010912002.3A CN112053345B (zh) | 2020-09-02 | 2020-09-02 | 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010912002.3A CN112053345B (zh) | 2020-09-02 | 2020-09-02 | 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112053345A true CN112053345A (zh) | 2020-12-08 |
| CN112053345B CN112053345B (zh) | 2023-12-05 |
Family
ID=73608260
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010912002.3A Active CN112053345B (zh) | 2020-09-02 | 2020-09-02 | 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112053345B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114357760A (zh) * | 2021-12-31 | 2022-04-15 | 北京理工大学 | 一种多工况喷雾卷吸系数预测方法 |
| CN115131387A (zh) * | 2022-08-25 | 2022-09-30 | 山东鼎泰新能源有限公司 | 基于图像处理的汽油机喷雾撞壁参数自动提取方法及系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5226331A (en) * | 1991-10-03 | 1993-07-13 | General Electric Company | Apparatus and method for measuring the particle number rate and the velocity distribution of a sprayed stream |
| JP2001304819A (ja) * | 2000-04-19 | 2001-10-31 | Nec Corp | ノズル穴計測方法及びその装置 |
| US20010054687A1 (en) * | 1998-10-14 | 2001-12-27 | Hitachi, Ltd., | Atmospheric pressure ionization mass spectrometer |
| US20060081039A1 (en) * | 2004-10-01 | 2006-04-20 | Scheer Ingo W | Spray pattern characterization and monitoring method and system |
| CN101226108A (zh) * | 2007-01-19 | 2008-07-23 | 中国农业机械化科学研究院 | 一种雾滴分布均匀度的检测方法 |
| CN102688823A (zh) * | 2012-06-19 | 2012-09-26 | 中国农业大学 | 一种基于手眼喷雾机械臂的喷雾定位装置及方法 |
| CN104252623A (zh) * | 2014-09-04 | 2014-12-31 | 华中科技大学 | 一种高温蒸发型喷雾纹影图像识别与测量方法 |
| CN104634279A (zh) * | 2013-11-13 | 2015-05-20 | 中国科学院沈阳计算技术研究所有限公司 | 基于视觉的航空油雾喷嘴雾化角度自动检测装置及方法 |
| CN106952280A (zh) * | 2017-03-13 | 2017-07-14 | 哈尔滨工业大学 | 一种基于计算机视觉的喷枪喷漆量均匀度检测方法 |
| CN107421746A (zh) * | 2017-09-14 | 2017-12-01 | 吉林大学 | 一种带有可调倾角试验平台的定容弹装置 |
| CN109816678A (zh) * | 2019-02-27 | 2019-05-28 | 青岛伴星智能科技有限公司 | 一种基于视觉的喷嘴雾化角度自动检测系统及方法 |
| CN109978905A (zh) * | 2019-04-04 | 2019-07-05 | 华南农业大学 | 一种基于数字图像处理的喷头雾锥角测量方法及装置 |
| US20190212230A1 (en) * | 2016-02-15 | 2019-07-11 | SpecTree LLC | Aerodynamic Sampling of Particles and Vapors from Surfaces for Real-Time Analysis |
| CN110823584A (zh) * | 2019-11-06 | 2020-02-21 | 天津大学 | 实现层流或湍流火焰多角度多工况撞击壁面的实验装置 |
| CN111089743A (zh) * | 2020-02-06 | 2020-05-01 | 山东农业大学 | 一种冠层内雾滴沉积性能在线检测系统及喷雾性能综合评价方法 |
-
2020
- 2020-09-02 CN CN202010912002.3A patent/CN112053345B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5226331A (en) * | 1991-10-03 | 1993-07-13 | General Electric Company | Apparatus and method for measuring the particle number rate and the velocity distribution of a sprayed stream |
| US20010054687A1 (en) * | 1998-10-14 | 2001-12-27 | Hitachi, Ltd., | Atmospheric pressure ionization mass spectrometer |
| JP2001304819A (ja) * | 2000-04-19 | 2001-10-31 | Nec Corp | ノズル穴計測方法及びその装置 |
| US20060081039A1 (en) * | 2004-10-01 | 2006-04-20 | Scheer Ingo W | Spray pattern characterization and monitoring method and system |
| CN101226108A (zh) * | 2007-01-19 | 2008-07-23 | 中国农业机械化科学研究院 | 一种雾滴分布均匀度的检测方法 |
| CN102688823A (zh) * | 2012-06-19 | 2012-09-26 | 中国农业大学 | 一种基于手眼喷雾机械臂的喷雾定位装置及方法 |
| CN104634279A (zh) * | 2013-11-13 | 2015-05-20 | 中国科学院沈阳计算技术研究所有限公司 | 基于视觉的航空油雾喷嘴雾化角度自动检测装置及方法 |
| CN104252623A (zh) * | 2014-09-04 | 2014-12-31 | 华中科技大学 | 一种高温蒸发型喷雾纹影图像识别与测量方法 |
| US20190212230A1 (en) * | 2016-02-15 | 2019-07-11 | SpecTree LLC | Aerodynamic Sampling of Particles and Vapors from Surfaces for Real-Time Analysis |
| CN106952280A (zh) * | 2017-03-13 | 2017-07-14 | 哈尔滨工业大学 | 一种基于计算机视觉的喷枪喷漆量均匀度检测方法 |
| CN107421746A (zh) * | 2017-09-14 | 2017-12-01 | 吉林大学 | 一种带有可调倾角试验平台的定容弹装置 |
| CN109816678A (zh) * | 2019-02-27 | 2019-05-28 | 青岛伴星智能科技有限公司 | 一种基于视觉的喷嘴雾化角度自动检测系统及方法 |
| CN109978905A (zh) * | 2019-04-04 | 2019-07-05 | 华南农业大学 | 一种基于数字图像处理的喷头雾锥角测量方法及装置 |
| CN110823584A (zh) * | 2019-11-06 | 2020-02-21 | 天津大学 | 实现层流或湍流火焰多角度多工况撞击壁面的实验装置 |
| CN111089743A (zh) * | 2020-02-06 | 2020-05-01 | 山东农业大学 | 一种冠层内雾滴沉积性能在线检测系统及喷雾性能综合评价方法 |
Non-Patent Citations (6)
| Title |
|---|
| 伍文锋;吴建华;钟柳花;游江;: "航空发动机燃油喷嘴雾化角度测量研究", 航空发动机, no. 05, pages 73 - 77 * |
| 张韬: "基于图像处理的接触网检测系统研究", 《信息科技》, no. 01, pages 18 - 20 * |
| 石玲;吴国兴;张振东;尹从勃;: "直喷汽油机喷油器喷雾可视化测试系统开发及试验", 汽车技术, no. 01, pages 30 - 36 * |
| 蒲超杰: "基于定容测试系统的GDI喷油器的喷雾及撞壁特性研究", 《工程科技II辑》, no. 01, pages 11 - 32 * |
| 赵栋杰;张宾;王学雷;郭洪红;徐松兵;: "基于图像矩的室内喷雾机器人自动对靶研究", 农业机械学报, no. 12, pages 27 - 34 * |
| 邓巍;丁为民;柳平增;张浩;: "基于MATLAB的雾化图像处理及雾化角的测定", 西北农林科技大学学报(自然科学版), no. 07, pages 161 - 165 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114357760A (zh) * | 2021-12-31 | 2022-04-15 | 北京理工大学 | 一种多工况喷雾卷吸系数预测方法 |
| CN114357760B (zh) * | 2021-12-31 | 2023-03-07 | 北京理工大学 | 一种多工况喷雾卷吸系数预测方法 |
| CN115131387A (zh) * | 2022-08-25 | 2022-09-30 | 山东鼎泰新能源有限公司 | 基于图像处理的汽油机喷雾撞壁参数自动提取方法及系统 |
| CN115131387B (zh) * | 2022-08-25 | 2023-01-24 | 山东鼎泰新能源有限公司 | 基于图像处理的汽油机喷雾撞壁参数自动提取方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112053345B (zh) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111626290B (zh) | 一种复杂海面环境下的红外舰船目标检测识别方法 | |
| CN112053345B (zh) | 基于机器视觉的gdi汽油机喷雾撞壁参数自动提取方法及系统 | |
| CN109544612B (zh) | 基于特征点几何表面描述的点云配准方法 | |
| CN107203973A (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
| CN109118453B (zh) | 一种背景抑制的图像处理方法 | |
| CN116029988B (zh) | 一种燃油气泡喷嘴内外部雾化过程的检测系统及检测方法 | |
| CN106886747A (zh) | 一种基于扩展小波变换的复杂背景下舰船检测方法 | |
| Li et al. | Infrared-visible image fusion method based on sparse and prior joint saliency detection and LatLRR-FPDE | |
| Wang et al. | Design and application of an algorithm for measuring particle velocity based on multiple characteristics of a particle | |
| Lazzaro et al. | Image processing of vaporizing GDI sprays: a new curvature-based approach | |
| CN105931235A (zh) | 一种基于复数Scharr滤波器的海空红外图像弱小目标检测方法 | |
| CN107748885B (zh) | 一种对模糊字符进行识别的方法 | |
| CN109815784A (zh) | 一种基于红外热像仪的智能分类方法、系统及存储介质 | |
| Rochussen et al. | Robust image segmentation for feature extraction from internal combustion engine in-cylinder images | |
| CN111144246B (zh) | 利用多时相sar影像和光学辅助信息的道路提取方法 | |
| Ruiz et al. | Morphological characteristics and fractal analysis of diesel particulate matter from TEM images produced by dual-fuel n-butanol injection | |
| CN111027441B (zh) | 一种基于机载高光谱遥感影像的道路提取方法 | |
| Chen et al. | Edge detection of remote sensing image based on Grünwald-Letnikov fractional difference and Otsu threshold | |
| CN105551013A (zh) | 基于运动平台参数的sar图像序列配准方法 | |
| Chengli et al. | Application research on digital image technology in the measurement of nozzle spray cone angle | |
| Sun et al. | A novel spatiotemporal filtering for dim small infrared maritime target detection | |
| Cui | A rapid iris location algorithm based on embedded | |
| Hagos et al. | Application of the chain code and fourier analysis techniques for the investigation of wrinkles and distortions on early flames | |
| Desai et al. | Vision based injector spray pattern testing system | |
| Han et al. | CG-fusion CAM: Online segmentation of laser-induced damage on large-aperture optics |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |