计算机视觉在车灯面形检测中的应用.pdf

计算机视觉在车灯面形检测中的应用.pdf 计算机视觉技术在车灯面形检测中的应用是当前汽车制造业中的一个热点话题。随着人们生活水平的不断提高，对汽车的要求也越来越高，不仅要具有较高的美观性、安全性和舒适性，而且汽车的车灯设计也越来越引起人们的注意。车灯面形的尺寸和定位是相当重要的，如果面形和定位不准，不但会影响汽车的外观，还影响汽车的照明，降低了安全性。 传统的车灯面形检测方法有两种，一种是采用精密三坐标测量仪对所选取的若干具有代表性点进行逐点测量，这种方法检测精度很高，但是检测设备成本高、检测周期过长，不适合大规模生产的大批量检测， 只能做到抽检。另一种是采用物位传感器多点测量方法，物位传感器的按触式测量虽然测量周期较短，但是由于物位传感器在运动过程中产生的积累误差，使测量精度无法保证。此外，只适用于单一型号的车灯检测，很难跟上汽车外型更新速度较快带来的车灯改型。 计算机视觉技术可以避免这些缺陷，因为它具有自动化、客观、非接触和高精度的特点，避免了位移传感器在移动过程中的固有误差，还可以做到很高的检测精度，适用于大批量生产过程中的尺寸精度等方面的测量。采用的模板技术，可以随时更改检测车灯的型号。 在计算机视觉技术中，首先需要获取车灯图像，车灯用于检测的点分布在车灯的不同面上，所以需要从不同角度车灯的图像，最后通过采集卡传送给PC机。然后对采集到的车灯图像进行边缘的提取，亦即利用对象边缘而不是对象本身作为处理对象。这是因为各种元素的边缘信息是相对稳定的。 Sobel算法是一种常用的边缘检测算法，它可以快速地提取图像的边缘信息。 Sobel算法原理是根据像素的灰度值来计算边缘信息的，利用一阶差分的算法来检测边缘。 在边缘检测后，需要对图像进行曲线拟合，曲线拟合是计算机视觉技术中的一种常用的图像处理方法，能够将图像上的点连接成曲线，从而获取图像上的信息。 计算机视觉技术可以很好地应用于车灯面形检测中，提高检测精度和速度，满足汽车制造业的需求。