基于HALCON的汽車前照燈檢測(cè)系統(tǒng)的研究

秦超，吳杰，陶丹萍，武光澤，潘明清

(常州星宇車燈股份有限公司，江蘇常州 213000)

0 引言

汽車前照燈是在夜間以及其他能見(jiàn)度較低的環(huán)境中提供照明的重要安全部件,并且可以發(fā)出警示聯(lián)絡(luò)等信號(hào)。前照燈必須滿足相關(guān)的重要法規(guī)要求，因此對(duì)汽車前照燈的檢測(cè)是必不可少的。我國(guó)主要采用歐洲的ECE標(biāo)準(zhǔn)，針對(duì)近光截止線、拐點(diǎn)、光照中心、光軸偏轉(zhuǎn)角，以及遠(yuǎn)光的光照中心、光軸偏轉(zhuǎn)角都有嚴(yán)格的檢測(cè)要求[1]。

隨著計(jì)算機(jī)處理運(yùn)算速度的逐年增長(zhǎng)，機(jī)器視覺(jué)在許多新的領(lǐng)域都有廣泛應(yīng)用。其中汽車前照燈檢測(cè)技術(shù)也有了很大的提升，主要體現(xiàn)在設(shè)備結(jié)構(gòu)的簡(jiǎn)化以及處理算法的提高，可以很好地滿足工業(yè)生產(chǎn)中的速度和精度要求[2-3]。當(dāng)前，采用機(jī)器視覺(jué)技術(shù)的在線配光檢測(cè)已經(jīng)成為了主流。

1 檢測(cè)系統(tǒng)的組成

1.1 硬件組成

檢測(cè)系統(tǒng)的硬件主要包括CCD相機(jī)、鏡頭、菲涅爾透鏡、接收屏、I/O數(shù)據(jù)采集卡、工控機(jī)、鼠標(biāo)鍵盤、顯示器。具體如圖1所示。

圖1 系統(tǒng)硬件框圖

其工作流程為：將待檢車燈放置于檢測(cè)工裝上點(diǎn)亮，經(jīng)過(guò)菲涅爾透鏡在接收屏上形成光形圖像，CCD相機(jī)采集圖像經(jīng)以太網(wǎng)傳輸至工控機(jī)。其中圖像采集模塊主要由CCD相機(jī)、菲涅爾透鏡、接收屏組成。如圖2所示，軟件安裝在計(jì)算機(jī)中，操作平臺(tái)為Windows7，應(yīng)用程序包括圖像處理程序和運(yùn)行控制程序。圖像處理軟件采用灰度變換、濾波去噪、圖像分割、邊緣查找、線性擬合等算子實(shí)現(xiàn)圖像的處理和參數(shù)分析，對(duì)于分析的結(jié)果通過(guò)I/O卡直接驅(qū)動(dòng)執(zhí)行器件動(dòng)作和報(bào)警。在該檢測(cè)系統(tǒng)中，CCD相機(jī)為Basler工業(yè)相機(jī)acA2000-50gc；鏡頭為Computar 500萬(wàn)像素工業(yè)鏡頭M1620-MPW2；I/O板卡為研華PCI-1730U-BE。

圖2 圖像采集示意圖

1.2 圖像處理軟件

該系統(tǒng)的圖像處理是基于HALCON軟件開(kāi)發(fā)的。HALCON作為德國(guó)某公司研發(fā)的一套完善的機(jī)器視覺(jué)算法包，其集成開(kāi)發(fā)環(huán)境應(yīng)用非常廣泛，可以導(dǎo)出C、C++、C#以及VB等代碼，大大節(jié)約了產(chǎn)品開(kāi)發(fā)成本并有效縮短了軟件的開(kāi)發(fā)周期。在歐洲和日本的工業(yè)界已經(jīng)是公認(rèn)具有最佳效能的機(jī)器視覺(jué)軟件。HALCON擁有1 000多個(gè)獨(dú)立函數(shù)，包含各類濾波、色彩以及幾何、數(shù)學(xué)轉(zhuǎn)換、形態(tài)學(xué)分析和計(jì)算、校正、分類識(shí)別、形狀搜尋等基本的幾何以及圖像計(jì)算功能。從醫(yī)學(xué)、遙感探測(cè)、監(jiān)控，到工業(yè)上的各類自動(dòng)化檢測(cè)等HALCON都有涉及[4]。HALCON支持了絕大多數(shù)圖像獲取設(shè)備，可以為百余種工業(yè)相機(jī)和圖像采集卡提供相應(yīng)的接口，包括GenlCam、GigE和IIDC 1394等。

系統(tǒng)軟件基本上可按照?qǐng)D像處理的流程進(jìn)行描述，主要包括源圖像的采集、灰度變換、濾波去噪、圖像分割、形態(tài)學(xué)處理、參數(shù)分析與統(tǒng)計(jì)、結(jié)果信息顯示及數(shù)據(jù)保存等幾個(gè)模塊[5-6]。組成框圖如圖3所示。研究這些函數(shù)的算法與功能組合，可以高效率、高精度的完成車燈光形的各種參數(shù)檢測(cè)。

圖3 車燈光形圖像檢測(cè)流程圖

2 前照燈的光形檢測(cè)算法

前照燈檢測(cè)主要包括近光截止線檢測(cè)、遠(yuǎn)近光的光照中心點(diǎn)檢測(cè)及其光軸偏轉(zhuǎn)角檢測(cè)。

2.1 近光截止線檢測(cè)

近光截止線檢測(cè)項(xiàng)目包括：截止線傾角以及截止線拐點(diǎn)。通過(guò)HALCON的HDdevelop平臺(tái)實(shí)現(xiàn)的具體步驟如下：

(1)圖像的采集與顯示。先用open_framegrabber打開(kāi)圖像采集設(shè)備(CCD相機(jī))，再用grap_image算子抓取單幅車燈近光圖像，存儲(chǔ)到HALCON圖形庫(kù)中，通過(guò)read_images算子讀入圖片，再經(jīng)dev_display算子顯示出來(lái)。

(2)圖像的濾波去噪。在圖像獲取過(guò)程中，由于相機(jī)本身的CCD靈敏度的不均、數(shù)字化過(guò)程中的量化噪聲以及信號(hào)傳輸過(guò)程中的干擾等，獲取的圖像包含了各種隨機(jī)噪聲。為了消除圖像采集過(guò)程中產(chǎn)生的噪聲，采用平滑濾波器對(duì)圖像進(jìn)行預(yù)處理。由于均值濾波器會(huì)使圖像邊緣模糊進(jìn)而影響截止線的檢測(cè)，采用中值濾波去噪。在HALCON中運(yùn)用mediann_image算子。具體語(yǔ)句為：

median_image(Image, ImageMedian, ′circle′, 3, ′mirrored′)

其中：Image為輸入圖像；ImageMedian為輸出圖像；circle為濾波窗口形狀；3為濾波窗口半徑；mirrored為邊緣處理方法。

(3)圖像邊緣提取。在近光截止線檢測(cè)中，對(duì)邊緣質(zhì)量有較高要求，所以采用基于坎尼算法的亞像素精度的邊緣提取方法。具體語(yǔ)句為：

edges_sub_pix(Image, Edges,′canny′,7, 20, 40)

其中圖4為亞像素精度的邊緣提取圖，圖5為像素精度的邊緣提取圖。由圖4和圖5可以看出：基于亞像素精度的邊緣更加清晰，抗干擾性明顯提高。

圖4 亞像素精度的邊緣提取

圖5 像素精度的邊緣提取

(4)直線擬合。通過(guò)segment_contours_xld算子將得到的邊緣線分為一系列線段，通過(guò)sort_contours_xld算子將得到的線段從左至右排序，并存放于一維數(shù)組中，如圖6所示。最后運(yùn)用fit_line_contour_xld算子擬合直線，該方法利用了輪廓線段上的所有點(diǎn)來(lái)擬合直線，通過(guò)5次迭代，應(yīng)用削波因素為2σδ的Tukey加權(quán)函數(shù)，可以得到擬合很好的直線。

圖6 輪廓?jiǎng)澐质疽鈭D

(5)近光拐點(diǎn)檢測(cè)。通過(guò)line_orientation算子計(jì)算出每條直線的斜率，并求出相鄰線段擬合出的兩條直線的夾角，從而得到夾角最大的兩條直線，其夾角即為截止線傾角。通過(guò)intersection_lines算子得出兩直線的交點(diǎn)，即為拐點(diǎn)。如圖7所示。

圖7 截止線拐點(diǎn)

2.2 遠(yuǎn)近光光照中心點(diǎn)檢測(cè)

在這里，選取灰度重心法求取光照中心點(diǎn)?；叶戎匦姆ㄊ菍^(qū)域內(nèi)每一像素位置的灰度值作為該點(diǎn)的“質(zhì)量”，其區(qū)域中心的求解公式如下：

(1)

(1)采集圖像并去除噪聲；

(2)運(yùn)用scale_image_max算子進(jìn)行對(duì)比度拉伸，突出光形中心區(qū)域特征；

(3)運(yùn)用threshold算子分割圖像，得出中心區(qū)域(如圖8所示)；

圖8 閥值分割后近光的圖像

(4)通過(guò)area_center_gray算子求取區(qū)域中心(如圖9所示)。

圖9 區(qū)域中心點(diǎn)

2.3 光軸偏角檢測(cè)

關(guān)于光軸偏角檢測(cè)，可通過(guò)圖像的唯一特征點(diǎn)來(lái)計(jì)算，近光可以選取拐點(diǎn)作為特征點(diǎn)，遠(yuǎn)光可以選用光照區(qū)域中心點(diǎn)作為特征點(diǎn)。分別得出偏轉(zhuǎn)前和偏轉(zhuǎn)后的特征點(diǎn)坐標(biāo)，求出其橫、縱坐標(biāo)的差值(Δu,Δv)，由于圖像坐標(biāo)差值(Δu,Δv)和實(shí)際空間坐標(biāo)差值(Δx,Δy)存在對(duì)應(yīng)關(guān)系，此對(duì)應(yīng)關(guān)系表通過(guò)前期的相機(jī)標(biāo)定可以獲得。通過(guò)查表可以獲得實(shí)際空間坐標(biāo)差值(Δx,Δy)。即：

(2)

其中：α為光軸水平偏移角；β為光軸垂直偏移角；l為透鏡至接收屏的距離。光路偏轉(zhuǎn)示意圖如圖10所示。

圖10 光路偏轉(zhuǎn)示意圖

3 實(shí)驗(yàn)結(jié)果和分析

根據(jù)硬件設(shè)計(jì)，搭建如圖11所示的實(shí)驗(yàn)裝置，在采集光形圖像前需要對(duì)前照燈透鏡模組的位置進(jìn)行校準(zhǔn)，保證發(fā)光中心和透鏡中心在水平和垂直坐標(biāo)系上重合，從而保證光束盡可能多的進(jìn)入受光箱體。

圖11 實(shí)驗(yàn)平臺(tái)

基于C#通過(guò)Microsoft Visual Studio Community 2015開(kāi)發(fā)一個(gè)簡(jiǎn)易的測(cè)試系統(tǒng)軟件，對(duì)圖像進(jìn)行采集處理，并輸出相應(yīng)結(jié)果。具體如圖12所示。

實(shí)驗(yàn)運(yùn)行環(huán)境CPU為Intel Core i5-4310M，2.70 GHz，內(nèi)存8 GB，操作系統(tǒng)為Windows7 64位專業(yè)版，軟件為Microsoft Visual Studio Community 2015 Version 14.0.25431.01 Update 3，HALCON 11.0.1.1。為了驗(yàn)證算法的準(zhǔn)確性和穩(wěn)定性，可實(shí)時(shí)采集圖像，并且每經(jīng)過(guò)0.5 s記錄一次數(shù)據(jù)，共采集20組數(shù)據(jù)。近光拐點(diǎn)和光照中心點(diǎn)的實(shí)驗(yàn)結(jié)果如圖13所示，其中縱坐標(biāo)為各像素點(diǎn)(x,y)與基準(zhǔn)點(diǎn)的距離，單位為Pixel，基準(zhǔn)點(diǎn)選用20個(gè)像素坐標(biāo)點(diǎn)的橫縱坐標(biāo)最小值即(xmin,ymin)，為了讓兩折線不重合，將中心點(diǎn)的折線向上平移兩個(gè)像素單位。從實(shí)驗(yàn)結(jié)果來(lái)看，拐點(diǎn)和中心的誤差都在3個(gè)像素內(nèi)，其中相機(jī)的空間分辨率為0.112 mm/pixel，所以拐點(diǎn)和中心點(diǎn)的誤差為0.336 mm，可見(jiàn)拐點(diǎn)和中心點(diǎn)的查找算法穩(wěn)定性較好。

其中光軸偏移角的測(cè)量，選取的測(cè)量角度為上下1°，左右2°。將車燈按照旋轉(zhuǎn)刻度分別上下左右旋轉(zhuǎn)。通過(guò)多次測(cè)量和對(duì)數(shù)據(jù)進(jìn)行相關(guān)分析后，其結(jié)果如表1所示。

圖12 檢測(cè)系統(tǒng)軟件界面

圖13 拐點(diǎn)和中心點(diǎn)的重復(fù)檢測(cè)

(°)

由以上結(jié)果可以看出，光軸偏移角的測(cè)量誤差不超過(guò)1.32′，滿足系統(tǒng)要求。因此這種檢測(cè)光軸偏轉(zhuǎn)角度的方法還是比較可靠的。

4 結(jié)論

文中通過(guò)對(duì)汽車前照燈光形檢測(cè)技術(shù)的研究，提出了基于坎尼的亞像素邊緣提取方法，提高了邊緣檢測(cè)的精度和抗干擾性；為了提高拐點(diǎn)檢測(cè)精度，提出了采用基于Tukey加權(quán)函數(shù)的線性擬合法；并提出了采用灰度重心法檢測(cè)光束中心。最后通過(guò)HALCON和Microsoft Visual Studio，開(kāi)發(fā)了一套前照燈光形檢測(cè)系統(tǒng)。實(shí)驗(yàn)表明該系統(tǒng)檢測(cè)穩(wěn)定性、準(zhǔn)確性都較好，可以滿足前照燈的光形檢測(cè)要求。