基于圖像處理的非接觸式車輛輪眉間隙測量系統設計

【摘要】為高效實現車輛輪眉測量，基于圖像處理技術設計了一種非接觸式車輛輪眉間隙測量系統，并利用MATLAB的圖形用戶界面（GUI）開發了相應的測量軟件，驗證結果表明，實際間隙不小于15 mm時，該系統在不同拍攝距離條件下計算得到的輪眉間隙誤差均控制在2%以內，具有較高的測量精度。

關鍵詞：圖像處理 輪眉間隙 測量系統

中圖分類號：U463.34；TP751；TP317.4 文獻標志碼：A DOI： 10.20104/j.cnki.1674-6546.20240124

Design of Non-Contact Vehicle Wheel Fender Clearance Measurement System Based on Image Processing

Yao Yuan， Jin Sui， Sun Xianmeng

（BYD Automotive Industry Co.， Ltd.， Shenzhen 518118）

【Abstract】In order to efficiently realize the measurement of vehicle wheel brows， a non-contact vehicle wheel fender clearance measurement system is designed based on image processing technology， and corresponding measurement software is created with the Graphical User Interface （GUI） of MATLAB. The verification results show that for actual clearance of at least 15 mm， the error of the wheel fender clearance calculated by the system under different shooting distance conditions is controlled within 2%， which exhibiting a high degree of measurement accuracy.

Key words： Image processing， Wheel fender clearance， Measurement system

【引用格式】 姚淵， 金穗， 孫憲猛. 基于圖像處理的非接觸式車輛輪眉間隙測量系統設計[J]. 汽車工程師， 2024（12）： 14-20.

YAO Y， JIN S， SUN X M. Design of Non-Contact Vehicle Wheel Fender Clearance Measurement System Based on Image Processing[J]. Automotive Engineer， 2024（12）： 14-20.

1 前言

根據分類方式不同，測量技術可分為接觸式與非接觸式、近程與遠程測量等多種類型。近年來，數字圖像技術發展迅速，基于圖像處理的非接觸式測量技術已廣泛應用于各類測量場景。韓曉勇[1]利用圖像處理技術進行車輛焊縫間隙檢測，并開發了相應檢測軟件。馬嘉斌[2]利用圖像處理技術對橋梁裂縫進行了智能識別與間隙測量。這說明圖像處理技術可有效應用于工程測量。

汽車輪眉間隙指輪胎上點與輪眉間的距離。在汽車設計過程中，輪眉間隙的測量有利于選擇合適的輪胎規格，并指導調整懸架姿態，從而提高行駛穩定性和舒適性。

傳統的接觸式車輛輪眉間隙測量方法易受到周圍環境、人為操作等因素的影響，且測量效率較低。基于圖像處理的非接觸式測量技術可以采集被測量物體的圖像，再利用相關軟件獲得理想的測量結果，具有精度高、效率高等優勢。

綜上，本文基于圖像處理技術，利用MATLAB軟件設計一種非接觸式輪眉測量系統，通過計算拍攝圖像中輪眉相關目標特征的像素距離，經軟件標定得到實際輪眉間隙，并加以驗證。

2 測量系統設計

2.1 測量原理

數字圖像本質上是被量化的二維矩陣，可以利用計算機對圖像進行預處理，并提取目標特征，從而計算目標特征間的像素距離，通過標定得到像素比例尺，從而獲得實際距離[3]。

如圖1所示為某車輛輪眉區域示意，其中，O為輪心，A、B分別為地面垂線與輪眉和輪胎外緣的交點，C為輪胎接地點，A、B間的距離即為輪眉間隙h1，O、B間的距離為輪胎的靜載半徑h2，在車輛靜止狀態和標準胎壓條件下測量獲得，為已知量。只需獲得O與A間的距離H，即可計算得到h1。

2.2 系統組成

該測量系統主要分為軟件和硬件2個部分，如圖2所示。圖像采集模塊選取電荷耦合器件（Charge Coupled Device，CCD）相機，測距模塊選擇激光測距儀，光源模塊選擇發光二極管（Light Emitting Diode，LED）照明燈。除測量環境特別昏暗外，測量過程中一般不需要額外照明。

該系統的工作流程為：圖像采集模塊利用CCD相機拍攝車輛輪眉區域，距離測量模塊同時記錄相機與被攝物的距離，光源模塊根據拍攝環境光線判斷補光需求并按需執行補光操作，如圖3所示；對采集到的圖像進行處理，使獲得的圖像清晰準確；距離計算模塊利用預設軟件計算獲得車輛輪眉間隙。

3 圖像處理

圖像采集模塊采集到的圖像在一定程度上受到相機質量、光照條件、拍攝角度、拍攝距離、快門速度等因素的影響，可能存在瑕疵。因此，有必要對其進行預處理，具體過程如圖4所示。

3.1 灰度轉換

圖像上每個像素點對應不同的灰度值。彩色圖像包含的信息較多，易對數據處理造成干擾，故先將其轉換為灰度圖像，轉換公式為：

Gy（i，j）=0.3×R（i，j）+0.6×G（i，j）+0.12×B（i，j） （1）

式中：Gy（i，j）為灰度轉換后像素點（i，j）處的灰度值，R（i，j）、G（i，j）、B（i，j）分別為原始圖像像素點（i，j）處紅、綠、藍色的亮度。

在MATLAB中，可采用rgb2gray函數進行灰度圖像轉換。以某車輛輪眉區域為例，轉換效果如圖5所示。

為獲得更加明顯可見的圖像特征，通常對圖像再進行一次灰度增強變換。圖像增強處理方法主要包括空間域計算和頻率域計算兩種方法。空間域計算方法對圖像本身的空間坐標進行系列處理分析，包括數學形態運算、數值運算、集合運算和邏輯運算；頻率域計算方法從頻率的角度分析圖像函數，以時間為自變量、振幅為因變量，對圖像信號進行頻域分析，常以濾波方式過濾無關頻域信號，從而實現圖像增強[4]。

本文采用空間域計算方法對初步獲得的灰度圖像進行增強處理。空間域是由像素組成的，這種增強方法能夠對像素進行操作。空間處理過程可表示為：

F（i，j）=T[Gy（i，j）] （2）

式中：F（i，j）為增強后像素點（i，j）處的灰度值，T為灰度變換函數。

灰度變換函數T的形式較多，本文采用分段線性變換，突出車輪與輪眉，抑制其他特征，使目標圖像更突出。在MATLAB中，imadjust函數可用于增強圖像灰度，采用該函數對圖5b所示的灰度圖進行處理，結果如圖6所示。

3.2 中值濾波去噪

圖像在拍攝、傳輸和后期處理過程中的噪聲通常采用圖像平滑技術去除。常見的圖像平滑技術有鄰域平均法、高斯平滑法和中值濾波。

中值濾波器是空間域中一種典型的低通濾波器，可在保留圖像邊緣的基礎上消除噪聲。中值濾波的原理是將數據圖像或數字編碼中一個點的值替換為該點的任一鄰域中每個點的平均值，替換后使其周圍像素的顏色接近真實值，從而消除孤立噪聲點[5]。

在MATLAB中采用中值濾波對圖6進行處理，結果如圖7所示。

3.3 邊緣檢測

圖像在處理前由不同區域組成，這些區域主要根據像素的顏色劃分。區域之間的邊界主要表現為顏色灰度值的不同，灰度值相近的像素連接起來形成一個區域。位于不同區域之間的像素集合為邊緣，即通過某一算法得到的具備一定特征像素點的集合。邊緣檢測通過對灰度躍變進行分析，從而識別區域邊緣。輪眉、輪胎和輪轂裝飾蓋的邊界分別為不同區域，故提取其邊緣具備可行性。在測量過程中只需獲得輪眉，以及輪轂裝飾蓋或輪輞中一個的邊緣即可。

常用的邊緣檢測算子包括羅伯茨（Roberts）算子、索貝爾（Sobel）算子、普雷維特（Prewitt）算子、拉普拉斯高斯（Laplacian Of Gaussian，LOG）算子、坎尼（Canny）算子等。本文在MATLAB中采用不同算子對經圖像處理后的圖片提取邊緣，結果如圖8所示。

從圖8中可以看出：對噪聲最敏感的是坎尼算子，但檢測到的邊緣較為清晰；羅伯茨、普雷維特和索貝爾算子對噪聲的敏感性有所減弱，其中索貝爾算子檢測獲得的邊緣相對較寬；拉普拉斯高斯算子檢測得到的邊緣較為連續，但清晰度較差。故去噪處理后建議采用坎尼算子進行邊緣提取，以便獲得較為清晰的圖像邊緣。

3.4 最終圖像結果

不同車輛的輪眉圖像及相應的圖像處理結果如圖9所示。

4 車輛輪眉測量系統設計

4.1 軟件界面與功能設計

為實現車輛輪眉間隙測量，以MATLAB為開發平臺，根據所需實現的功能和相應代碼，基于圖形用戶界面（Graphical User Interface，GUI）開發了測量系統軟件，軟件測量流程如圖10所示。

軟件界面如圖11所示。該軟件能夠對采集到的圖像進行預處理、提取邊緣、捕捉邊緣上的點求得圓心，并進一步取得交點，計算兩點之間的像素距離，再經過坐標轉換得到實際距離，保存測量結果。

4.1.1 輪心捕捉

輪輞邊緣、輪轂裝飾蓋邊緣較小，受圖像質量影響，輪轂裝飾蓋邊緣可能并不清晰，導致捕捉到的輪心不準確，所以一般采用輪輞邊緣上一部分點捕捉輪心。在提取出的輪輞邊緣上至少捕捉3個點，系統應用最小二乘法得到整個圓及其圓心，取得圓心坐標和圓的半徑。選擇清晰的邊緣、增加采集點的數量可使測量結果更加精確。軟件具體操作如圖12所示。

4.1.2 交點捕捉

過圓心作地面垂線獲得垂線與輪眉邊緣的交點A、過圓心作地面垂線獲得垂線與輪胎邊緣的交點B和C，如圖13所示。

4.1.3 兩點距離計算

根據捕捉獲得的圓心O（x0，y0）、交點A（xA，yA）求解兩點間的距離：

[L=（x0-xA）2+（y0-yA）2] （3）

根據圓心和交點坐標，兩點的像素距離可直接在軟件中獲得。

4.2 像素距離與實際距離轉換

MATLAB中圖形界面采用笛卡爾坐標系，圖14所示為相機模型的坐標系關系。

在相機模型的4個坐標系中，假設點P在世界坐標系下的坐標為（Xw，Yw，Zw），對應的相機坐標系坐標為（XC，YC，ZC），對應在圖像坐標系上的投影點坐標為（x，y），對應在像素坐標系上的投影點坐標為（u，v）。其中，ZC表征了相機與實物間的距離，由距離測量模塊測得。

根據坐標變換和三角形的相似性，可推導出像素坐標與圖像坐標之間的關系：

[uv1=1dx0u001dyv0001?xy1] （4）

同理，圖像坐標與相機坐標之間存在如下關系：

[ZCxy1=F000F0001?XCYCZC] （5）

故可得：

XC=[（u-u0）×ZC×dx]/F （6）

YC=[（v-v0）×ZC×dy]/F （7）

式中：dx、dy分別為單個像素在x、y方向對應的物理尺寸，（u0，v0）為圖像中心的像素坐標，F為相機的焦距。

在用相機采集目標圖像時，需保證相機的焦距、物距完全一致，使光軸與被測對象平面保持垂直。本文系統可以借助激光測距儀的輔助垂直功能判定是否保持垂直，所以可推導出相機坐標與像素坐標的關系為：

YC=（av+b）×ZC （8）

式中：a、b為待標定參數。

利用此原理，可以計算輪眉的實際距離。為了確保測量結果的準確性，引入二次項進行擬合，以排除其他干擾因素的影響：

H=mh2+nh+l （9）

式中：H為輪心到輪眉邊緣的實際距離，h為輪心到輪眉邊緣的像素距離，m、n、l為待標定擬合系數。

最終的輪眉間隙為：

h1=H-h2 （10）

5 軟件標定與驗證

5.1 軟件標定

如圖15所示，由中心向外繪制同心圓制作標定板，圓的半徑范圍為5～75 mm，相鄰同心圓的半徑相差5 mm。在不同拍攝距離下進行標定試驗。

保持相機與標定板間的距離為1.5 m，使用相機進行圖像采集，再通過在標定板上取點畫圓等步驟來確定標定參數。如圖16所示為軟件標定界面。

采用標定板的標定方式不僅驗證了最小二乘法取圓心的程序，同時也標定了像素與實際距離的轉換精確度。通過標定得到式（9）中參數的取值如表1所示。

5.2 驗證結果

設相機與標定板之間的距離為1.5 m，采集圖像并匯總實際寬度和計算測量值的對比數據及誤差，結果如表2所示：尺寸較小（不超過10 mm）時，測量誤差在4%以內；尺寸較大（不小于35 mm）時，測量誤差均在1%以內。

將表2所示的部分實測距離和軟件計算測量值繪制成如圖17所示的擬合曲線，可以看出，計算值與實測值基本吻合，系統計算準確率較高。

為了驗證不同拍攝距離（特別是遠距離）條件下的拍攝測量結果，對標定板進行重新標定，以獲取新的標定值進行驗證。除拍攝距離不同外，控制其他拍攝條件相同，分別在1.5 m、3.0 m、5.0 m、10.0 m處進行車輛輪眉拍攝，然后用測量軟件對輪眉間隙進行計算，結果如表3所示。

由表3可知，當拍攝距離在一定范圍內時，測量系統計算得到的輪眉間隙與實測輪眉間隙尺寸基本符合，誤差控制在2%以內。

6 結束語

本文設計了一種基于圖像處理技術的非接觸式車輛輪眉間隙測量系統。對輪眉區域圖像進行預處理、邊緣提取后，應用MATLAB軟件設計了測量軟件，并通過標定板開展標定后，對不同距離下的輪眉進行間隙測量。結果表明，該測量系統的誤差小于2%，具有較高的測量精度。

參考文獻

[1] 韓曉勇. 基于圖像處理的車輛焊縫間隙檢測技術研究[D]. 長春： 長春理工大學， 2019.

HAN X Y. Research on Vehicle Weld Gap Detection Technology Based on Image Processing[D]. Changchun： Changchun University of Science and Technology， 2019.

[2] 馬嘉斌. 基于圖像處理的橋梁裂縫識別與測量方法研究[D]. 北京： 北京交通大學， 2021.

MA J B. Research on Bridge Crack Recognition and Measurement Method Based on Image Processing[D]. Beijing： Beijing Jiaotong University， 2021.

[3] 李俊山， 李旭輝. 數字圖像處理[M]. 北京： 清華大學出版社， 2007.

LI J S， LI X H. Digital Image Processing[M]. Beijing： Tsinghua University Press， 2007.

[4] 任美臣， 劉忠義， 孫尚乾， 等. 基于MATLAB軟件的數字圖像增強處理[J]. 工業控制計算機， 2023， 36（1）： 105-106+108.

REN M C， LIU Z Y， SUN S Q， et al. Digital Image Enhancement Based on MATLAB[J]. Industrial Control Computer， 2023， 36（1）： 105-106+108.

[5] 耿帥， 王希常. 一種基于中值濾波的圖像去噪算法[J]. 計算機與現代化， 2011（11）： 90-92.

GENG S， WANG X C. An Image Denoising Algorithm Based on Median Filter[J]. Computer and Modernization， 2011（11）： 90-92.

（責任編輯 斛 畔）

修改稿收到日期為2024年5月13日。