基于红外结构光的汽车轮毂参数测量技术

王宝刚 庄严 赵艳丽

摘 要：本文介绍了以机器视觉的方式来实现非接触式车辆四轮定位功能，其视觉装置以计算机视觉进行车轮毂拍摄，并通过局域网传输到控制台计算机上，控制台计算机对图像进行处理并通过图像处理技术和Steger算法获取结构光中心线并对应车轮空间信息进行识别获取，经过计算得到四轮的空间位置信息。定位系统得到四轮定位信息与数据库中同款车辆的出厂参数进行比对，给出误差和调整参考信息。车辆维护人员可以根据四轮定位系统的提示对车辆进行调教。

关键词：四轮定位;结构光;Steger算法;Hough椭圆检测

1 四轮定位技术的基本原理

四轮定位是以车辆的四轮参数为依据，通过调整以确保车辆良好的行驶性能并具备一定的可靠性。轿车的转向车轮、转向节和前轴三者之间的安装具有一定的相对位置，这种具有一定相对位置的安装叫做转向车轮定位，也称前轮定位。前轮定位包括主销后倾（角）、主销内倾（角）、前轮外倾（角）和前轮前束四个内容。这是对两个转向前轮而言，对两个后轮来说也同样存在与后轴之间安装的相对位置，称后轮定位。后轮定位包括车轮外倾（角）和逐个后轮前束。这样前轮定位和后轮定位总起来说叫四轮定位。传统的四轮定位仪通过专业人员安装在轮毂上的定位器来测定轮毂的水平方位以及相互关系。通过这种方式来实现参数测量往往需要依靠操作人员的水平，而且接触式测量可能会损坏车体表面，因此采用基于红外结构光的测量技术，依据机器视觉对高清摄像所采集到的图像进行图像识别，获得汽车轮毂参数的方法，相比较于传统的四轮定位仪有不需要安装，非接触式，测量速度快等优点。

本论文所描述的光栅测量功能所采用的集成开发环境为Visual Studio 2010，采用VC++语言和OpenCV机器视觉库来实现机器视觉软件功能的开发工作，所其中包括图像的读取、处理、光栅识别和所测量对象空间位置的计算功能的实现。所设定的应用的场景为汽车维护，在停车区域的四个固定测量机位固定安装四个集成了高清图像采集镜头和结构光栅发射器的装置，当待测量的车辆停入固定的车位后，四个高清图像采集镜头会采集照射在车轮的结构光图像，所采集的光栅图像经过软件处理识别出轮毂的椭圆轮廓，根据椭圆轮廓的空间信息与软件中的图案库所保存的椭圆进行比对，得到四个轮胎的倾角信息，进而实现对车辆的四轮定位标定功能。

2 Steger光栅检测技术的实现

红外线结构光通过平行直线光栅对轮胎进行投射，而用结构光进行扫描检测时，需要提取结构光条纹的中心线，本文所包含的关键技术为对结构光中心线的获取功能采用Steger算法来实现。Steger算法基于Hessian矩阵，能够实现光条中心亚像素精度定位：首先通过Hessian矩阵能够得到光条的法线方向，然后在法线方向利用泰勒展开得到亚像素位置。对于图像中激光条纹上的任意一点（x，y），Hessian矩阵可以表示为两行两列的矩阵：

H（x，y） = [ rxx， rxy， rxy， ryy ]

其中rxx表示图像沿x的二阶偏导数，其他参数类似。需要注意的是在求Hessian矩阵之前需要对图像进行高斯滤波，高斯滤波时，设置高斯方差ρ<ω/1.732，其中ω为光条宽度。Hessian矩阵最大特征值对应的特征向量对应于光条的法线方向，用（nx，ny） 表示，以点（x0，y0）为基准点，则光条中心的亚像素坐标为：（px，py）=（x0+tnx，y0+tny）。在公式中如果参数取值范围（tnx，tny）∈[?0.5，0.5]×[?0.5，0.5]，即一阶导数为零的点位于当前像素内，且（nx，ny） 方向的二阶导数大于指定的阈值，则该点（x0，y0）为光条的中心点，则为亚像素坐标。

上面介绍了结构光条纹的中心线的Steger算法的基本理论，在具体功能实现中采集装置首先采集得到的为彩色高清图像，在程序中首先需要转化为灰度图像。转化之后的灰度图像采用高斯滤波进行去噪处理，调用函数OpenCV函数cv：：GaussianBlur来实现，其中滤波参数Ksize设置为Size（0，0），SigmaX为6，SigmaY为6滤波效果最适合后续的Steger算法对结构光栅的图像处理。经过Steger算法得到红外光栅图像由于投影光栅为平行直线因此在轮胎表面会形成平行的比较清晰的线段图案，而在非轮胎位置投影比较杂乱不明显。在轮胎与轮毂的交界处和轮胎边缘可以很明显的看到平行线段的完全和断裂图案。因此调用OpenCV函数通过曲线拟合的最小二乘法对光栅中心线中点进行拟合为线段集合。根据平行线段的区域和断点位置，通过霍夫椭圆拟合的算法将断点集合拟合为一个椭圆。从而确定照片中轮胎轮毂的空间位置。

3 椭圆的检测算法的实现

本文采用随机Hough变换椭圆检测算法，随机椭圆检测结合使用了了最小二乘法和Hough变换算法。第一步预处理，获得较理想的边缘图。第二步随机选取三个点，取这三点为中心相同大小的邻域中所有点，用最小二乘法把它们拟合成一个椭圆。第三步从边缘点中再随机选取第四个点，判断此点是否在拟合出的圆上。若是，则认为该椭圆是真实椭圆的可能性较大，接着收集证据，验证该椭圆的真实性。

算法具体过程如下（从第二步开始）：

（1）把边缘检测得到的点收进集合V中，失败计数器f初始值设为0。设定5个阈值，分别是能容忍的失败次数最大值Tf，检测进行时对V中边缘点数量的要求阈值Tem，随机选取的三点之间两两距离最小值Ta，随机选取的第四点到可能椭圆边界距离的最大值Td，以及椭圆残缺比率阈值Tr。

（2）np表示集合V中剩余的点的数量，当np小于Tem时或当失败次数f大于Tf时停止检测，算法终止;否则从V中随机取四点，并从V中删除这四点。

（3）若用来求解椭圆参数的三个点两两之间距离都大于Ta，拟合出椭圆，计算第四个点到该椭圆边界的距离，若距离小于Td，执行第4步;若不满足两者之一，将这四个点返回到V中，失败次数加一，回到第2步执行。

（4）设E为第3步拟合出来的椭圆，初始化满足阈值Td的点的个数num。遍历V中点，计算并判断它们到椭圆E的边界的距离是否小于Td，若是则num=num+1，并将该点从V中除去，直到遍历完成。

（5）若num>=Tr*K，其中K为椭圓E的周长，那么跳转到第6步;否则认为椭圆E不是真实的椭圆，将第4步和第2步中删除的num+4个点返回V中，并跳转到第2步。

（6）认为椭圆E是一个真实存在的椭圆，f置0，并跳转到第2步。

经过以上步骤拟合出来的椭圆会与系统中以及保存好的椭圆数据进行比对，搜索对应的椭圆信息对应轮胎空间和倾角信息，根据系统所包含的空间信息既可以完成对汽车轮毂测量信息的获取和校准功能。

参考文献：

[1]熊会元，宗志坚，陈成鹤.线结构光条纹中心的全分辨率精确提取[J].光学精密工程，2009，17（05）：1057-1062.

[2]胡坤，周富强.一种条纹中心线快速亚像素提取方法[J].光电技术应用，2005，20（06）：60-63.