CN113296516B - 一种自动托举汽车的机器人控制方法 - Google Patents

Abstract

本发明公开了一种自动托举汽车的机器人控制方法，包括用于泊车的可自动托举汽车的机器人；机器人在抓取汽车时，依靠自身的识别系统对车轮胎进行自动识别，然后矫正车身状态，最后采用夹持机构抓取汽车的轮胎，对其完成托举的动作；具体的方法包括：（1）车牌识别、（2）矫正机器人车身、（3）抓取汽车轮胎三个步骤。本发明对现代开发智慧停车自动泊车具有重要的作用和意义，运用本方法的泊车机器人相对于传统泊车机器人更具灵活性，抓取汽车依靠自身自动识别，不再依赖外部设备和条件，更有利于解决现代社会人车矛盾，提高泊车效率。

Description

一种自动托举汽车的机器人控制方法

技术领域

本发明涉及机器视觉领域，具体涉及一种自动托举汽车的机器人控制方法。

背景技术

当代人们的生活水平逐渐提高，小汽车数量也随之增多，停车设施供给不足，城市空间也越来越小。停车位和小汽车数量的比例日渐失调，人们对于便捷停车服务的需求越来越急迫，解决城市交通堵塞和停车困难的问题，已成为影响和制约城市建设和经济发展的一个重要因素。

发明内容

针对上述的技术问题，本技术方案提供了一种自动托举汽车的机器人控制方法，能有效的解决上述问题。

本发明通过以下技术方案实现：

一种自动托举汽车的机器人控制方法，包括用于泊车的可自动托举汽车的机器人；机器人在抓取汽车时，依靠自身的识别系统对车轮胎进行自动识别，然后矫正机器人的车身状态，最后采用夹持机构抓取汽车的轮胎，对其完成托举的动作；具体的方法如下：

步骤一：车牌识别是运用计算机仿真及FPGA集成开发环境实现车牌识别功能，确认车辆为所需托起的车辆；

步骤二：矫正机器人的车身状态是采用双目导航系统模型，将双目相机安装于托举机器人的前端，采用棋盘格标定双目系统，系统标定完成后，使用双目导航进入待泊车底部；

步骤三：抓取汽车轮胎是采用夹持单目结构光系统模型系统建模，激光线打在被测物体表面，形成特定条纹，通过相机采集后，并依据系统数学模型，获得激光点的三维坐标；步骤如下：

首先是建立相机模型，其次是建立光平面方程模型，两个模型建立两个方程、三个未知数，模型中的系数运用棋盘法进行标定。

进一步的，步骤一所述的实现车牌识别功能的具体方式如下：

步骤1.1：采集彩色图片并输入到系统中；

步骤1.2：在系统中将接收到的彩色图片转化为256色灰度级的dib位图灰度图像，灰度化图像可根据以下公式进行：v＝r*0.3+g*0.6+b*0.1，式中r、g、b分别是读取的红、绿、蓝的分量值，v是计算出的每个像素的灰度值；然后，将像素r,g,b三分量的值都设为v重新写回内存，实现彩色向灰度图像的转换；

步骤1.3：用基于空间分布的二值化将灰度图像二值化，图像的二值化就是把灰度图像变成黑白图像；灰度图像的二值化就是选取一个阈值，当灰度值大于该阈值时令其为白点，否则为黑点；采用双峰法的自适应阈值选择方法；根据图像由前景和背景组成，而前后二景都形成高峰，在双峰之间的最低谷就是图像的阈值所在；但是，自适应阈值可能会产生许多噪声点；

步骤1.4：对二值化图像进行中值滤波处理，采用中值滤波法进行滤波；

步骤1.5：采用边缘检测来实现车牌区域和背景的分离；采用水平差分算法得到边缘图像；为此设计了一个水平模板算子，即tm＝[1,1,1,1,1,1,1]，是一个7X1向量，使用该算子与图像进行卷积，取平均值然后再与原图像进行差分运算，当差分值大于某一门限值就认为它是边缘目标，否则是背景；

步骤1.6：对处理后的图像进行逐行逐列扫描,确定车牌的上下左右边界。

进一步的，步骤二所述的矫正机器人的车身状态的具体步骤如下所示：

步骤2.1：采集双目系统视野范围内的棋盘格图像，棋盘格图像的数量大于等于3幅；

步骤2.2：使用标定软件，如matlab中的立体相机标定APP，分别提取角点、计算左右摄像机的内、外参数；

步骤2.3：根据对应图像的内、外参数，计算两摄像机坐标系的外参数；标定出的双目系统两相机内参数分别为

和

两相机间的外参数为R、t，其中R为两相机坐标系间的旋转矩阵，t为两相机间的平移向量，如果两相机平行放置，则R＝E＝[1,0,0；0,1,0；0,0,1；]。

进一步的，在得到所述的标定参数后，再进入如下工作流程：

步骤S1：双目系统分别采集工作空间图像，图像采集，识别特征点：左右轮胎，使用立体匹配算法，计算特征点的三维坐标；

步骤S2：测量待泊车辆后方左右轮胎的三维坐标；通过图像识别系统采集两个左右轮胎的三维坐标，分别为Wl(xl,yl,zl)和Wr(x_r,y_r,z_r)，以Wl和Wr构建空间直线，求解空间直线中点W0和法向量，调整机器人的位姿并规划轨迹，对Xl和Xr取绝对值，比较大小，进行平行于两大灯方向左右移动，直到两绝对值相等，使托举车在到达待泊车左右大灯连线中点位置时的行车方向与直线法向量重合；

步骤S3：进入待泊车底部后，以法向量方向行进L0距离后，停泊与待泊车底部。

进一步的，步骤S2中所述的调整机器人的位姿并规划轨迹，具体的方式如下：对Xl和Xr取绝对值，得到机器人距离待泊车辆左右轮胎的远近，以此判断机器人旋转大体方向，假设y1＞y2，即左胎远于右胎，机器人测出所需角度时机器人顺时针旋转；反之，逆时针旋转；

机器人根据指示朝汽车方向前进，在达到限定的安全距离时，停止前进；以左右轮胎进行坐标系转换，以x₁和x_r连线中点作为原点平行地面且垂直于中点连线为y方向，在经过原点作垂直于机器人横向车身的直线，直线与y轴夹角利用自身麦克纳姆轮进行车身旋转，已经测出角度为O；假设麦克纳姆轮左上角为1号轮顺时针为2、3、4号轮，此时以2号轮为原点进行顺时针旋转，各个麦克纳姆轮旋转角度的旋转公式如下：V为各轮胎线速度，W为角速度，控制角速度旋转相同，小车速度分解公式如下：

V₁＝W*r₁；

V₂＝W*r₂；

V₃＝W*r₃；

其中，V₁为机器人1号轮胎的线速度，V₂为机器人2号轮胎的线速度，V₃为机器人3号轮胎的线速度；r₁为机器人1号轮胎的半径，r₂为机器人2号轮胎的半径，r₃为机器人3号轮胎的半径；

此时机器人继续前进直至于轮胎较近位置，此时利用双目视觉测量机器人与汽车两轮之间中点与双目视觉点x轴相差距离进行平移；待机器人双目视觉点与中点重合时前进，于托举指定位置停止；托举指定位置为单目视觉光结构点于汽车前轮胎特征值中点重合。

进一步的，步骤三所述的建立相机模型的具体步骤如下：

设空间上任意一点P在相机坐标系的坐标为X_P＝(x_c，y_c，z_c)^T经相机成像后，图像平面上的投影点为P，其坐标为P＝(u，v，)-T，将X_p和P增加一维单位坐标变成其次形式为：

和

在小孔成像模型中

其中：

式中，K为相机内参数，f_u、f_v为图像u、v方向的尺度因字，s为u、v两轴向的夹角因子，u₀、v₀为相机镜头光轴与CCD/CMOS平面的交点坐标。

进一步的，步骤三所述的建立光平面方程模型的具体步骤如下：

激光平面在相机坐标系可表示为π＝(a，b，c，1)；在系统工作时，激光条打在轮胎上，在轮胎上留有系列特征点，设特征点在相机坐标系的齐次坐标为

该系列特征点在激光平面上，所以满足：

将公式(1)和公式(2)联立可得到三维坐标：

将结构光系统安装与每个夹具的上方，系统标定仍采用棋盘格标定方法，步骤为：

(1)集系统视野范围内的棋盘格图像，同一位姿分别采集不带激光条和带激光条的图像，采集不少于10个位姿下的图像；

(2)使用不带激光条的棋盘格图片标定摄像机内参数，并获得每个位姿下的摄像机外参数；

(3)使用这些为参数标定激光平面方程；

(4)控制夹具末端点触碰棋盘格上的角点，距离控制夹具的三维坐标，根据夹具三维坐标和摄像机坐标系下测量的该点坐标，获得夹具坐标系与摄像机坐标系的原点偏差，假设夹具有3自由度；标定完成后，根据结构光测得的轮胎尺寸及两侧极值点，控制夹具夹持待泊车轮胎。

(三)有益效果

本发明提出的一种自动托举汽车的机器人控制方法，与现有技术相比较，其具有以下有益效果：

(1)本技术方案通过安装在机器人前端的双目摄像头，采用了车前视觉导航系统，可精准控制机器人车从待泊车正下方进入，使用技术模型为双目摄像机模型，能够自动校准自身与汽车中轴线对齐其优点在于适用于各种场景，无论托举机器人位于汽车后方何种角度，均能够完成车身修正，停于汽车轴中心下方，且适用性更加广阔，所需调整的地域更加狭窄，此发明实用于各类大型停车场，狭隘地域停车场，立体升降式停车场等。相较于传统先矫正机器人车身与待托举平行的行进办法，此发明需要的直行前进方向更加短，步骤更加简明，适用范围更加广阔，机器人停车托举精度更加准确，避免伤害车身与机器人。

(2)本技术方案通过获取轮胎的三维坐标，使用技术模型为单目摄像机线结构光模型，实现夹具精准夹持轮胎并托举，能够自动准确精准夹持轮胎，较于传统夹持式汽车托举车，采用该力度传感器或以汽车夹持离地为标准，利用此发明能够更加精准识别所需夹取的坐标点位置，且无伤车体，对轮胎损伤程度更低。

(3)本技术方案对现代开发智慧停车自动泊车具有重要的作用和意义，运用本方法的泊车机器人相对于传统泊车机器人更具灵活性，抓取汽车依靠自身自动识别，不再依赖外部设备和条件，更有利于解决现代社会人车矛盾，提高泊车效率。

附图说明

图1是本发明完成自动托举的流程示意图。

图2是本发明中狭窄地域时待托举车辆示意图。

图3是本发明中以轮胎2为基准点做顺时针旋转分解示意图。

图4是本发明中结构光系统示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。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。在不脱离本发明设计构思的前提下，本领域普通人员对本发明的技术方案做出的各种变型和改进，均应落入到本发明的保护范围。

实施例1：

如图1-4所示，一种自动托举汽车的机器人控制方法，包括用于泊车的可自动托举汽车的机器人；机器人在抓取汽车时，依靠自身的识别系统对车轮胎进行自动识别，然后矫正机器人的车身状态，最后采用夹持机构抓取汽车的轮胎，对其完成托举的动作；具体的方法如下：

步骤一：车牌识别是运用计算机仿真及FPGA集成开发环境实现车牌识别功能，确认车辆为所需托起的车辆；

实现车牌识别功能的具体方式如下：

步骤1.1：采集彩色图片并输入到系统中；

步骤1.2：在系统中将接收到的彩色图片转化为256色灰度级的dib位图灰度图像，灰度化图像可根据以下公式进行：v＝r*0.3+g*0.6+b*0.1，式中r、g、b分别是读取的红、绿、蓝的分量值，v是计算出的每个像素的灰度值；然后，将像素r,g,b三分量的值都设为v重新写回内存，实现彩色向灰度图像的转换；

步骤1.3：用基于空间分布的二值化将灰度图像二值化，图像的二值化就是把灰度图像变成黑白图像；灰度图像的二值化就是选取一个阈值，当灰度值大于该阈值时令其为白点，否则为黑点；采用双峰法的自适应阈值选择方法；根据图像由前景和背景组成，而前后二景都形成高峰，在双峰之间的最低谷就是图像的阈值所在；但是，自适应阈值可能会产生许多噪声点；

步骤1.4：对二值化图像进行中值滤波处理，采用中值滤波法进行滤波；

步骤1.5：采用边缘检测来实现车牌区域和背景的分离；采用水平差分算法得到边缘图像；为此设计了一个水平模板算子，即tm＝[1,1,1,1,1,1,1]，是一个7X1向量，使用该算子与图像进行卷积，取平均值然后再与原图像进行差分运算，当差分值大于某一门限值就认为它是边缘目标，否则是背景；

步骤1.6：对处理后的图像进行逐行逐列扫描,确定车牌的上下左右边界。

步骤二：矫正机器人的车身状态是采用双目导航系统模型，将双目相机安装于托举机器人的前端，采用棋盘格标定双目系统，系统标定完成后，使用双目导航进入待泊车底部；

步骤2.1：采集双目系统视野范围内的棋盘格图像，棋盘格图像的数量大于等于3幅；

步骤2.2：使用标定软件，如matlab中的立体相机标定APP，分别提取角点、计算左右摄像机的内、外参数；

步骤2.3：根据对应图像的内、外参数，计算两摄像机坐标系的外参数；标定出的双目系统两相机内参数分别为

和

两相机间的外参数为R、t，其中R为两相机坐标系间的旋转矩阵，t为两相机间的平移向量，如果两相机平行放置，则R＝E＝[1,0,0；0,1,0；0,0,1；]。

在得到所述的标定参数后，再进入如下工作流程：

步骤S1：双目系统分别采集工作空间图像，图像采集，识别特征点：左右轮胎，使用立体匹配算法，计算特征点的三维坐标；

步骤S2：测量待泊车辆后方左右轮胎的三维坐标；通过图像识别系统采集两个左右轮胎的三维坐标，分别为Wl(xl,yl,zl)和Wr(x_r,y_r,z_r)，以Wl和Wr构建空间直线，求解空间直线中点W0和法向量，调整机器人的位姿并规划轨迹，对Xl和Xr取绝对值，比较大小，进行平行于两大灯方向左右移动，直到两绝对值相等，使托举车在到达待泊车左右大灯连线中点位置时的行车方向与直线法向量重合；

所述的调整机器人的位姿并规划轨迹，具体的方式如下：对Xl和Xr取绝对值，得到机器人距离待泊车辆左右轮胎的远近，以此判断机器人旋转大体方向，假设y1>y2,即左胎远于右胎，机器人测出所需角度时机器人顺时针旋转；反之，逆时针旋转；

机器人根据指示朝汽车方向前进，在达到限定的安全距离时，停止前进；以左右轮胎进行坐标系转换，以x₁和x_r连线中点作为原点平行地面且垂直于中点连线为y方向，在经过原点作垂直于机器人横向车身的直线，直线与y轴夹角利用自身麦克纳姆轮进行车身旋转，已经测出角度为O；假设麦克纳姆轮左上角为1号轮顺时针为2、3、4号轮，此时以2号轮为原点进行顺时针旋转，各个麦克纳姆轮旋转角度的旋转公式如下：V为各轮胎线速度，W为角速度，控制角速度旋转相同，小车速度分解公式如下：

V₁＝W*r₁；

V₂＝W*r₂；

V₃＝W*r₃；

其中，V₁为机器人1号轮胎的线速度，V₂为机器人2号轮胎的线速度，V₃为机器人3号轮胎的线速度；r₁为机器人1号轮胎的半径，r₂为机器人2号轮胎的半径，r₃为机器人3号轮胎的半径；

此时机器人继续前进直至于轮胎较近位置，此时利用双目视觉测量机器人与汽车两轮之间中点与双目视觉点x轴相差距离进行平移；待机器人双目视觉点与中点重合时前进，于托举指定位置停止；托举指定位置为单目视觉光结构点于汽车前轮胎特征值中点重合。

步骤S3：进入待泊车底部后，以法向量方向行进L0距离后，停泊与待泊车底部。

步骤三：采用夹持单目结构光系统模型系统建模如图4所示，抓取汽车轮胎是采用夹持单目结构光系统模型系统建模，激光线打在被测物体表面，形成特定条纹，通过相机采集后，并依据系统数学模型，获得激光点的三维坐标；步骤如下：

首先是建立相机模型，其次是建立光平面方程模型，两个模型建立两个方程、三个未知数，模型中的系数运用棋盘法进行标定；

建立相机模型的具体步骤如下：

设空间上任意一点P在相机坐标系的坐标为X_P＝(x_c，y_c，z_c)^T经相机成像后，图像平面上的投影点为P，其坐标为P＝(u，v，)-T，将X_p和P增加一维单位坐标变成其次形式为：

和

在小孔成像模型中

其中：

式中，K为相机内参数，f_u、f_v为图像u、v方向的尺度因字，s为u、v两轴向的夹角因子，u₀、v₀为相机镜头光轴与CCD/CMOS平面的交点坐标。

建立光平面方程模型的具体步骤如下：

激光平面在相机坐标系可表示为π＝(a，b，c，1)；在系统工作时，激光条打在轮胎上，在轮胎上留有系列特征点，设特征点在相机坐标系的齐次坐标为

该系列特征点在激光平面上，所以满足：

将公式(1)和公式(2)联立可得到三维坐标：

将结构光系统安装与每个夹具的上方，系统标定仍采用棋盘格标定方法，步骤为：

(1)集系统视野范围内的棋盘格图像，同一位姿分别采集不带激光条和带激光条的图像，采集不少于10个位姿下的图像；

(2)使用不带激光条的棋盘格图片标定摄像机内参数，并获得每个位姿下的摄像机外参数；

(3)使用这些为参数标定激光平面方程；

(4)控制夹具末端点触碰棋盘格上的角点，距离控制夹具的三维坐标，根据夹具三维坐标和摄像机坐标系下测量的该点坐标，获得夹具坐标系与摄像机坐标系的原点偏差，假设夹具有3自由度；标定完成后，根据结构光测得的轮胎尺寸及两侧极值点，控制夹具夹持待泊车轮胎。

Claims (2)

1.一种自动托举汽车的机器人控制方法，包括用于泊车的可自动托举汽车的机器人；机器人在抓取汽车时，依靠自身的识别系统对车轮胎进行自动识别，然后矫正机器人的车身状态，最后采用夹持机构抓取汽车的轮胎，对其完成托举的动作；具体的方法如下：

步骤一：车牌识别是运用计算机仿真及FPGA集成开发环境实现车牌识别功能，确认车辆为所需托起的车辆；

步骤二：矫正机器人的车身状态是采用双目导航系统模型，将双目相机安装于托举机器人的前端，采用棋盘格标定双目系统，系统标定完成后，使用双目导航进入待泊车底部；

所述的矫正机器人的车身状态的具体步骤如下所示：

步骤2.1：采集双目系统视野范围内的棋盘格图像，棋盘格图像的数量大于等于3幅；

步骤2.2：使用标定软件，如matlab中的立体相机标定APP，分别提取角点、计算左右摄像机的内、外参数；

步骤2.3：根据对应图像的内、外参数，计算两摄像机坐标系的外参数；标定出的双目系统两相机内参数分别为

和

两相机间的外参数为R、t，其中R为两相机坐标系间的旋转矩阵，t为两相机间的平移向量，如果两相机平行放置，则R＝E＝[1,0,0；0,1,0；0,0,1；]

在得到所述的标定参数后，再进入如下工作流程：

步骤S1：双目系统分别采集工作空间图像，图像采集，识别特征点：左右轮胎，使用立体匹配算法，计算特征点的三维坐标；

步骤S2：测量待泊车辆后方左右轮胎的三维坐标；通过图像识别系统采集两个左右轮胎的三维坐标，分别为Wl(xl,yl,zl)和Wr(x_r,y_r,z_r)，以Wl和Wr构建空间直线，求解空间直线中点W0和法向量，调整机器人的位姿并规划轨迹，对Xl和Xr取绝对值，比较大小，进行平行于两大灯方向左右移动，直到两绝对值相等，使托举车在到达待泊车左右大灯连线中点位置时的行车方向与直线法向量重合；

所述的调整机器人的位姿并规划轨迹，具体的方式如下：对Xl和Xr取绝对值，得到机器人距离待泊车辆左右轮胎的远近，以此判断机器人旋转大体方向，假设y1>y2,即左胎远于右胎，机器人测出所需角度时机器人顺时针旋转；反之，逆时针旋转；

机器人根据指示朝汽车方向前进，在达到限定的安全距离时，停止前进；以左右轮胎进行坐标系转换，以x₁和x_r连线中点作为原点平行地面且垂直于中点连线为y方向，在经过原点作垂直于机器人横向车身的直线，直线与y轴夹角利用自身麦克纳姆轮进行车身旋转，已经测出角度为O；假设麦克纳姆轮左上角为1号轮顺时针为2、3、4号轮，此时以2号轮为原点进行顺时针旋转，各个麦克纳姆轮旋转角度的旋转公式如下：V为各轮胎线速度，W为角速度，控制角速度旋转相同，小车速度分解公式如下：

V₁＝W*r₁；

V₂＝W*r₂；

V₃＝W*r₃；

其中，V₁为机器人1号轮胎的线速度，V₂为机器人2号轮胎的线速度，V₃为机器人3号轮胎的线速度；r₁为机器人1号轮胎的半径，r₂为机器人2号轮胎的半径，r₃为机器人3号轮胎的半径；

此时机器人继续前进直至于轮胎较近位置，此时利用双目视觉测量机器人与汽车两轮之间中点与双目视觉点x轴相差距离进行平移；待机器人双目视觉点与中点重合时前进，于托举指定位置停止；托举指定位置为单目视觉光结构点于汽车前轮胎特征值中点重合；

步骤S3：进入待泊车底部后，以法向量方向行进L0距离后，停泊与待泊车底部；

步骤三：抓取汽车轮胎是采用夹持单目结构光系统模型系统建模，激光线打在被测物体表面，形成特定条纹，通过相机采集后，并依据系统数学模型，获得激光点的三维坐标；步骤如下：

首先是建立相机模型，其次是建立光平面方程模型，两个模型建立两个方程、三个未知数，模型中的系数运用棋盘法进行标定；所述的建立相机模型的具体步骤如下：

设空间上任意一点P在相机坐标系的坐标为X_P＝(x_c，y_c，z_c)^T经相机成像后，图像平面上的投影点为P，其坐标为P＝(u，v，)-T，将X_p和P增加一维单位坐标变成其次形式为：

和

在小孔成像模型中

其中：

式中，K为相机内参数，f_u、f_v为图像u、v方向的尺度因字，s为u、v两轴向的夹角因子，u₀、v₀为相机镜头光轴与CCD/CMOS平面的交点坐标；

所述的建立光平面方程模型的具体步骤如下：

激光平面在相机坐标系可表示为π＝(a，b，c，1)；在系统工作时，激光条打在轮胎上，在轮胎上留有系列特征点，设特征点在相机坐标系的齐次坐标为

该系列特征点在激光平面上，所以满足：

将公式(1)和公式(2)联立可得到三维坐标：

将结构光系统安装与每个夹具的上方，系统标定仍采用棋盘格标定方法，步骤为：

(1)集系统视野范围内的棋盘格图像，同一位姿分别采集不带激光条和带激光条的图像，采集不少于10个位姿下的图像；

(2)使用不带激光条的棋盘格图片标定摄像机内参数，并获得每个位姿下的摄像机外参数；

(3)使用这些为参数标定激光平面方程；

(4)控制夹具末端点触碰棋盘格上的角点，距离控制夹具的三维坐标，根据夹具三维坐标和摄像机坐标系下测量的该点坐标，获得夹具坐标系与摄像机坐标系的原点偏差，假设夹具具有3自由度；标定完成后，根据结构光测得的轮胎尺寸及两侧极值点，控制夹具夹持待泊车轮胎。

2.根据权利要求1所述的一种自动托举汽车的机器人控制方法，其特征在于：步骤一所述的实现车牌识别功能的具体方式如下：

步骤1.1：采集彩色图片并输入到系统中；

步骤1.2：在系统中将接收到的彩色图片转化为256色灰度级的dib位图灰度图像，灰度化图像可根据以下公式进行：v＝r*0.3+g*0.6+b*0.1，式中r、g、b分别是读取的红、绿、蓝的分量值，v是计算出的每个像素的灰度值；然后，将像素r,g,b三分量的值都设为v重新写回内存，实现彩色向灰度图像的转换；

步骤1.3：用基于空间分布的二值化将灰度图像二值化，图像的二值化就是把灰度图像变成黑白图像；灰度图像的二值化就是选取一个阈值，当灰度值大于该阈值时令其为白点，否则为黑点；采用双峰法的自适应阈值选择方法；根据图像由前景和背景组成，而前后二景都形成高峰，在双峰之间的最低谷就是图像的阈值所在；但是，自适应阈值可能会产生许多噪声点；

步骤1.4：对二值化图像进行中值滤波处理，采用中值滤波法进行滤波；

步骤1.5：采用边缘检测来实现车牌区域和背景的分离；采用水平差分算法得到边缘图像；为此设计了一个水平模板算子，即tm＝[1,1,1,1,1,1,1]，是一个7X1向量，使用该算子与图像进行卷积，取平均值然后再与原图像进行差分运算，当差分值大于某一门限值就认为它是边缘目标，否则是背景；

步骤1.6：对处理后的图像进行逐行逐列扫描,确定车牌的上下左右边界。

Images