基于Halcon的動(dòng)車配電盤開關(guān)狀態(tài)批量檢測方法

曹 瑞，史程程，朱肖謠

（1.中車青島四方機(jī)車車輛股份有限公司，青島 266000；2.青島大學(xué) 自動(dòng)化學(xué)院，青島 266071）

0 引言

動(dòng)車組配電盤在運(yùn)行使用一定時(shí)間之后或者高級(jí)檢修過程中需要對其狀態(tài)進(jìn)行檢查，判斷零部件是否缺失、零部件安裝是否正確、配電盤有無異物遮擋或遺留等情況。通過人工目視檢查的方式，存在對人員經(jīng)驗(yàn)的依賴性和檢查結(jié)果的不確定性。尤其是數(shù)量眾多的開關(guān)組配電盤人工目檢的誤檢的幾率更高，若異常狀態(tài)不能被及時(shí)發(fā)現(xiàn)，將造成安全隱患。模板匹配是機(jī)器視覺中比較常用的方法[1]，通常用于缺陷檢測、目標(biāo)識(shí)別等領(lǐng)域。例如孫煉杰，樊臻在光纖收發(fā)PCB板目標(biāo)檢測[2]中采用了基于灰度值模板匹配的方式；陳廣鋒，管觀洋，魏鑫在沖壓件表面缺陷在線檢測研究[3]中采用了基于形狀的匹配方式。

動(dòng)車配電盤開關(guān)組的打開狀態(tài)和閉合狀態(tài)分別對應(yīng)紅色和綠色顏色標(biāo)識(shí)，如圖3所示，因此識(shí)別顏色即可對開關(guān)狀態(tài)進(jìn)行判斷。如何判斷開關(guān)是否是應(yīng)有的狀態(tài)，如（影視控制開關(guān)應(yīng)打開），則通過與良品配電盤建立的模板進(jìn)行灰度值模板匹配。匹配前需將檢測圖像進(jìn)行校準(zhǔn)使其與基準(zhǔn)圖像重合。

1 圖像校準(zhǔn)

由于動(dòng)車空間配電盤處空間狹窄，且一節(jié)車廂中僅有幾處配電盤，不方便機(jī)械定位結(jié)構(gòu)的架設(shè)，所以采取操作人員人手持相機(jī)進(jìn)行拍攝的方法。拍攝完成后的照片通過無線通信傳輸?shù)杰囃獾墓た貦C(jī)進(jìn)行圖像處理。人手持拍攝角度高度帶有很大的不確定性，與基準(zhǔn)圖像存在位置上的差異，所以首先應(yīng)進(jìn)行校準(zhǔn)，使待檢圖像和基準(zhǔn)圖像相對位置的重合，這樣，基本保證兩幅圖像相同像素的坐標(biāo)在一個(gè)誤差范圍內(nèi)，后續(xù)可以通過擴(kuò)大搜索范圍來尋找目標(biāo)點(diǎn)。關(guān)于仿射變換，Halcon里提供了一種叫做affine_trans_image的算子[4]即affine_trans_image（Image：ImageAffinTrans：HomMat2D，Interpolation，AdaptImageDize：）

在確定好校正點(diǎn)之后，該算子通過平移，縮放，旋轉(zhuǎn)，待檢圖像的校正點(diǎn)與基準(zhǔn)圖像的校正點(diǎn)重合[5]。校正點(diǎn)的選取可以有多個(gè)，數(shù)量增加會(huì)提高校正的準(zhǔn)確度，但相應(yīng)的校準(zhǔn)速度會(huì)降低。該算子的參數(shù)，其中Image是原始圖像，即原始的待檢圖像，ImageAffinTrans是仿射變換后的圖像，HomMat2D是仿射變換矩陣，Interpolation為灰度插值函數(shù)，AsaptImageSize設(shè)置為true，則自動(dòng)調(diào)整輸出圖像大小使圖像右下角對齊[6]。如圖1所示，圖1(a)是待檢圖像，圖1(b)是經(jīng)過仿射變換校準(zhǔn)后的圖像。

2 基于灰度值的模板匹配

2.1 匹配算法

圖1 仿射變換校準(zhǔn)待檢圖像

模板匹配的基本含義是通過已有的一幅圖像或某個(gè)區(qū)域作為模板圖像，根據(jù)一定的算法模式在另一幅圖像中（通常是待檢圖像）尋找該模板的一種方法。其有三種基本匹配方式：即Component-Based、Shaped_based、Gray-Value-Based，分別是基于組件，基于形狀和基于灰度值的匹配[7]。本文利用基于灰度值的模板匹配方式，其同基于形狀、特征的匹配流程是一樣的，主要分為兩步—?jiǎng)?chuàng)建模板和模板匹配。創(chuàng)建模板就是以整體的原始圖像或者是選定的感興趣區(qū)域（ROI）作為模板，一般需要有鮮明的特征，如形狀或特定范圍內(nèi)的灰度；模板匹配就是根據(jù)創(chuàng)建好的感興趣區(qū)域，在待檢圖像中設(shè)定好的搜索范圍內(nèi)尋找一定相似度的特征[8]。

選定搜索區(qū)域后，模板在該區(qū)域做相似度匹配，相似度D（I，j）是衡量搜索精確度的重要參數(shù)，算法有多種，最常用的是平均絕對差算法（簡稱MAD算法）[9]。計(jì)算公式如下：

式中，S（x，y）是搜索圖SearchImage，T（x，y）是A×B的模板圖ModelImage，i，j是大小為A×B的子圖的左上角像素坐標(biāo)。遍歷整幅搜索圖像，在所有子圖中，與模板圖像相似度最高（D（x，y）值最大）的即為匹配結(jié)果。該算法運(yùn)算過程簡單，匹配精確度高，但對光線要求較高，如果待檢圖像的光照條件與基準(zhǔn)圖像相差過大，會(huì)造成噪聲干擾，影響匹配效果。

2.2 軟件設(shè)計(jì)

Halcon是德國MVtec公司開發(fā)的一款機(jī)器視覺軟件，擁有集成度較高的開發(fā)包，廣泛應(yīng)用于工業(yè)領(lǐng)域[4]。利用Halcon進(jìn)行模板匹配編程步驟如圖2所示。

圖2 軟件設(shè)計(jì)流程

1）將采集圖像序列放入指定文件夾；

2）分別獲取待檢和模板圖像數(shù)據(jù)的地址、圖像的高度和寬度；

3）建立一個(gè)目標(biāo)對象指針到指定內(nèi)存，用以存儲(chǔ)完成匹配后的結(jié)果圖像，將待檢圖像復(fù)制到目標(biāo)對象；

4）選擇一定算法進(jìn)行創(chuàng)建模板和模板匹配。

創(chuàng)建模板的算子是：

參數(shù)中，Template是輸入模板圖像，NumLevel表示圖像金字塔等級(jí)的最大數(shù)量。Optimize優(yōu)化方式，這里我們選擇none，GrayValues表示灰度值來源的方式，包括梯度'，'歸一化'，'原始'，'sobel '；TemplateID是軟件分配給建立好的模板一個(gè)標(biāo)識(shí)號(hào)。利用”gen_rectangle2(:Rectangle :Row，Column，Phi，Length1，Length2 :)”框選出每一個(gè)開關(guān)下的色塊，在確定好ROI的同時(shí)，利用gen_rectangle2確定一個(gè)搜索區(qū)域，該區(qū)域要大于ROI，但是不能將周圍開關(guān)框選，保證每個(gè)搜索區(qū)域內(nèi)只有一個(gè)開關(guān)色塊。搜索模板和圖像最佳匹配，模板匹配的算子：

Image為打開的檢測圖像；TemplateID在create_template中分配的ID號(hào)，MaxError灰度值的最大平均差，SubPixel是否采用亞像素，Row和Column分別是匹配的行坐標(biāo)、列坐標(biāo)，Error最佳匹配的灰度值的平均發(fā)散度。關(guān)鍵Halcon代碼如下：

3 結(jié)果及分析

在基準(zhǔn)圖中，建立的開關(guān)端子的ROI和搜索區(qū)域，當(dāng)在搜索區(qū)域中成功匹配到與基準(zhǔn)圖像同樣位置的色塊，則說明該開關(guān)正常，若不能尋找到該色塊，說明該開關(guān)存在異常狀態(tài)。圖3中分別進(jìn)行了良品圖像和模擬故障的匹配測試，開關(guān)狀態(tài)正常時(shí)，結(jié)果用綠框標(biāo)出，如圖3(b)所示；開關(guān)狀態(tài)異常時(shí)，結(jié)果用紅框標(biāo)出，如圖3(c)所示。

圖3 匹配測試

在實(shí)際現(xiàn)場測試中，每列車共計(jì)8個(gè)此種型號(hào)的開關(guān)型配電盤，每個(gè)盤64個(gè)開關(guān)。車廂斷電情況下接近全暗環(huán)境，相機(jī)必須加裝光源。由于基于灰度值的模板匹配，灰度的變化受光線的影響較大，為保證良好的匹配效果，拍照檢測時(shí)的的光照度和色溫應(yīng)與基準(zhǔn)圖像光源的相等，試驗(yàn)中統(tǒng)一采用4000K色溫，50lux光照度的光源。64個(gè)開關(guān)全部正確識(shí)別出，識(shí)別時(shí)間在1s以內(nèi)，達(dá)到了系統(tǒng)檢測的實(shí)時(shí)性要求。

4 結(jié)語

本文運(yùn)用機(jī)器視覺的方法，考慮到開關(guān)形狀特征不明顯，且形狀特征受拍攝角度的影響較大，故采用基于灰度值得模板匹配方法。在Halcon開發(fā)環(huán)境中進(jìn)行編程，經(jīng)過創(chuàng)建基準(zhǔn)圖像模板，校準(zhǔn)檢測圖像，搜索模板進(jìn)行模板匹配完成了對大量開關(guān)的狀態(tài)校測。從測試結(jié)果來看，在同等光線條件下，64個(gè)開關(guān)均能準(zhǔn)確地判斷出正確狀態(tài)，模擬故障的檢測成功率也達(dá)到了100%。該方法也存在一些不足，例如，基準(zhǔn)圖像的制作，檢測目標(biāo)點(diǎn)的選取效率較低，對光線條件要求高等，后續(xù)通過增加目標(biāo)檢測點(diǎn)的相似性查找，研究算法使相等灰度值的區(qū)域自動(dòng)完成框選，改進(jìn)匹配算法，減小對噪聲干擾的影響。