基于圖像處理與計算機視覺的車輛四輪定位儀的設計與實現

摘 要： 針對傳統四輪定位儀精度不高、操作復雜的問題，設計了一套基于圖像處理與計算機視覺的車輛四輪定位儀，給出了該儀器基于2D平面靶標的攝像機定標方法及攝像頭拍攝連續圖像的處理方法。最后分析了該車輛四輪定位儀的工作過程及工作原理，并與手工測量的車輛四輪定位參數進行了對比實驗，實驗結果表明基于圖像處理與計算機視覺的車輛四輪定位儀的設計理論和方法都是正確的。

關鍵詞： 計算機視覺； 攝像機定標； 圖像處理； 四輪定位

中圖分類號： TN911.73?34； TG202 文獻標識碼： A 文章編號： 1004?373X（2016）19?0042?05

Abstract： To overcome the low accuracy and complex operation of the traditional four?wheel aligner， a vehicle four?wheel aligner based on image processing and computer vision was designed. The instrument′s camera calibration method based on 2D plane target and processing method of the continuous images taken by the camera are given. The working process and principle of the designed vehicle four?wheel aligner are analyzed. The contrast experiment for the vehicle four?wheel aligning parameters measured by the aligner and manual operation was performed. The experimental results show that the design theory and method of the vehicle four?wheel aligner based on image processing and computer vision are correct.

Keywords： computer vision； camera calibration； image processing； four?wheel alignment

0 引 言

隨著汽車行駛速度的加快，影響車輛安全性的車輪定位參數就越發的重要。當車軸、轉向機構和車架發生磨損和變形[1]后，車輪定位將會失準從而影響車輛的安全性。但現有的四輪定位儀精度不高、操作復雜，嚴重的影響了車輪定位調校的效率[2?4]。

針對上述問題，設計了一套基于圖像處理與計算機視覺的車輛四輪定位儀。給出了該儀器基于2D平面靶標的攝像機定標方法及攝像頭拍攝連續圖像的處理方法，并分析了該四輪定位儀的工作原理，最后通過實驗證明了該儀器設計理論和測量方法的正確性。

1 基于2D平面靶標的攝像機定標

1.1 圖像坐標系、攝像機坐標系與世界坐標系

攝像機拍攝的圖像采用標準電視信號的形式存儲于計算機中，然后計算機使用數模板轉換為數字圖像。在圖1所示的直角坐標系[（u，v）]中，各像素的坐標[（u，v）]表示該像素在整個數組中的列數編碼和行數編碼。但并沒有物理單位能夠表示出該像素在整幅圖像中的具體位置，所以還需創建以物理單位為刻度的圖像坐標系。圖像坐標系以圖像內一點作為坐標原點，其中[x]軸 與[u]軸平行，[y]軸與[v]軸平行，具體如圖1所示，[（u，v）]表示以像素作為單位的圖像坐標系，[（x，y）]表示以物理單位毫米作為單位的圖像坐標系，兩個坐標系均為圖像坐標系，但所采用的坐標單位不同。

攝像機的光心為[O]點，攝像機的光軸為[zc]軸，垂直于圖像平面，[xc]軸與圖像坐標系的[x]軸平行，[yc]軸與圖像坐標系的[y]軸平行。圖像坐標系的坐標原點為圖像平面和光軸的交點，[xc]軸，[yc]軸和[zc]軸與點[O]組成的坐標系即為攝像機坐標系，[OO1]即為攝像機焦距。

1.2 基于2D平面靶標的攝像機定標

由于3D立體靶標加工精度受到一定的限制且制作成本較高，此處采用2D平面靶進行攝像機定標[5]。在定標過程中，攝像機以多于兩個方位對同一個平面靶標進行拍攝，平面靶標和攝像機均能夠自由移動且無需知曉其運動參數。在定標過程中，攝像機內部參數始終為定常數，僅外部參數發生變化。

2 圖像處理

為了降低圖像的噪聲干擾，靶盤為黑底，上面有若干個白色圓斑，并以圓心作為特征點，為了取得特征點（白色橢圓中心）的二維圖像坐標，首先進行圖像閾值分割，然后完成邊緣檢測，最后尋找特征點坐標[6]。四輪定位系統工作中拍攝的靶盤圖像如圖3所示。

2.1 圖像閾值分割和邊緣檢測

根據實際觀測，將閾值設置為150，則閾值分割處理后的結果如圖4所示。

2.2 Hough變換求取橢圓參數

對于平面上的任意橢圓，設橢圓圓心為點[c，]在平面上任取一點[p，]則點[p]距橢圓上任意點的最大距離必然大于點[c]距橢圓上任意點的最大距離。根據橢圓的該性質，可以通過尋找平面內距橢圓上任意點的最大距離數值最小的點來確定橢圓圓心，而且找到的這個最大距離的最小值即為橢圓的長軸長度。通過該方法，可以得到橢圓長、短軸長，橢圓圓心點橫、縱坐標和旋轉角度5個參數中的3個，剩下的2個橢圓參數就能夠通過Hough變換的方法求得，算法的具體實現步驟如下：

（1） 首先對需處理的圖像完成邊緣檢測，取得二值化的圖像邊緣輪廓，將邊緣輪廓圖上的各點數據存入數組[A；]

（2） 針對二維平面上的所有點，分別計算與上步中得到的數組[A]中點的距離，得到所有點與數組[A]中點的最大距離，在計算的最大距離中的最小值對應的點就是橢圓圓心的橫縱坐標[p，q，]該最大距離就是橢圓長軸的長度[a；]

（3） 將第一步中數組[A]所有點的數值與橢圓參數[p，q，a]代入橢圓方程[E，]橢圓方程為：

然后在二維空間內對參數[b，θ]進行統計分析，得到一組峰值大于一定閾值的參數即為橢圓的參數。

2.3 特征點三維坐標求取

通過前面的分析可知，當靶盤上圓的實際大小與圖像上橢圓長、短軸尺寸都知道時，攝像機與圓心間的距離為：

式中：[F]表示攝像機鏡頭的焦距；[P]表示圓半徑；[A]表示橢圓長軸長度，[A=μ×N，][μ]表示像元尺寸，[N]表示圖像中橢圓長軸的長度，單位為像素。

根據式（3）世界坐標系與圖像坐標系的關系，可以通過求解該方程得到特征點坐標[（xw，yw，zw）。]此處選取測量靶盤中相距0.075 m的兩圓心的距離進行實驗，攝像機拍到的照片如圖6所示。

3 四輪定位儀的工作流程及原理

3.1 工作流程

基于圖像處理與計算機視覺的車輛四輪定位系統由兩臺數字攝相機、計算機主機和四個靶盤組成，具體如圖7所示。

攝像機僅能獲取單側靶盤的圖像，紅外線由特制的光源發射，靶盤接收到紅外線后，將其反射至高性能數字攝像機成像，攝像機依據獲取的圖像通過計算得出相機與目標之間的距離，然后將數據處理后就能夠得出車輪的定位參數，車輪定位參數的測量流程具體如下：將汽車放置于舉升機上，使汽車進入攝像機的拍攝視角范圍；打開攝像機，固定方向盤后推動汽車行駛，然后拍攝行駛中的靶盤；根據攝像機拍攝到的圖像（三幅以上）計算出車輪的外傾角和前束角；將汽車整體固定使其無法前后移動，轉動方向盤，獲取車輪轉動過程中靶盤的圖像，然后計算出主銷后傾角和內傾角。

3.2 建立測量基準平面?車身平面

在汽車行駛過程中，靶盤本身是傾斜的，車輛前輪兩個旋轉中心點即為汽車前輪定位平面；同樣，車輛后輪兩個旋轉中心點即為后輪定位平面。這兩個面作為整個四輪定位測量系統的基準平面，其優點是該平面無需依賴于重力和重力傳感器。所以，在車輛行駛過程中，不論車輛是前后傾斜還是左右傾斜，都不會影響車輪定位參數的測量[7]。

3.3 汽車定位參數數學模型的建立

靶盤固定于車輪，所以可將靶盤和車輪當做一個剛體來分析，車輪的運動可分解為平動和旋轉兩個分運動。由于車輪的旋轉軸與車輪輪面垂直，所以可將車輪前束角和外傾角看作是車輪旋轉軸與各坐標軸間的夾角。

由于汽車前輪上安裝的兩靶盤是完全相同的，且其能夠與車輪共同當做一個剛體處理[8]，汽車車輪運動驅動靶盤運動，將靶盤的運動分解成平移運動和旋轉運動，同時假設靶盤先平移后旋轉。在靶盤的旋轉過程中，車輪滾動一圈，則靶盤上所有白色圓心的運動軌跡均是圓。但在四輪定位儀的實際測量中，車輪滾動軌跡達不到一圈，靶盤圓心軌跡是一段弧，但仍能夠通過圓弧上任意三點求出軌跡圓心。在車輪的平動過程中，左右靶盤上同一位置的白色圓心的連線隨車輪平動形成前輪定位平面，后輪則形成后輪定位平面。

在汽車轉向過程中，車輪繞主銷旋轉，通過旋轉前后靶盤特征點的坐標變化就能夠得出主銷軸線本身與[X，Y，Z]軸間的夾角[α，β，γ，]進一步就可求出主銷后傾角和內傾角，具體求解示意圖如圖9所示。

4 實 驗

為了驗證本文所設計的車輪定位儀的準確性，選取車輪外傾角和前束角進行了實驗。實驗通過車輪外傾角和前束角的變化，從四輪定位儀中輸出各定位參數的變化，同時選取手工測量作為對比數據。各組實驗數據如表2～表4所示。

5 結 論

針對傳統四輪定位儀精度不高、操作復雜這一問題，設計了一套基于圖像處理與計算機視覺的車輛四輪定位儀。給出了該儀器的設計方法并進行了測量精度實驗，實驗結果表明所設計的四輪定位儀操作簡單并具有較高的精度。但為了進一步提高儀器的測量精度，后續還要對圖像質量和圖像處理算法進行改進，并提高攝像機的定標精度。

參考文獻

[1] SINGH S. Design of front wheel active steering for improved vehicle handling and stability [C]// Proceedings of 2000 SAE Automotive Dynamic Stability Conference. [S.l.]： SAE， 2000： 1619?1623.

[2] KIM H. An on?line learning control of unsupervised neural for a vehicle four wheel steering system [J]. SAE transaction on suspensions and steering technology， 1996（2）： 1136?1145.

[3] SKEA A F. CFD simulations and experimental measurement of the flow over a rotating wheel in a wheel arch [C]// Proceedings of 2000 SAE World Congress on Automotive. [S.l.]： SAE， 2000： 1524?1530.

[4] ZHDANOVICH C， BOIKOV V. Comparison of wheel， metal?track and pneumatic track harvester propulsion systems [C]// Proceedings of 1995 International OFF?highway Powerplant Congress Exposition. [S.l.]： SAE， 1999： 1474?1478.

[5] 王冬，夏乙，殷木一，等.基于OpenCV的攝像機標定方法實現[J].現代電子技術，2013，36（8）：97?100.

[6] 占俊.幾種計算機數字圖像技術的處理效果研究[J].現代電子技術，2015，38（21）：32?35.

[7] 曹洪劫.非接觸式四輪定位儀的原理分析[D].哈爾濱：哈爾濱工業大學，2015.

[8] 程曉亮.基于雙目立體視覺的三維重構研究[D].哈爾濱：哈爾濱工業大學，2014：1?3.