摘要：本文提出一套基于机器视觉的汽车整车尺寸测量系统，并论述了该系统的组成、测量原理及方法。利用基于彩色图像的彩色分割技术，提高了图像分割的质量和边缘的检测精度，试验表明，该系统实现了汽车整车尺寸的自动、快速、准确的测量，提供了一种先进的汽车检测手段。
关键词：汽车尺寸；测试系统；机器视觉；三维测量
中图分类号：

Research on Vehicle Dimensional Measurement Based on
Machine Vision

SU Jian; ZHAI Naibin
(Transportation College of Jilin University， Changchun Jilin 130022， China)
Abstract：To present a testing system of vehicle-body dimensions based on machine vision, the construction of the system, testing principle and methods are mentioned in this paper. The quality of image segmentation and the precision of edge detection are improved greatly with the application of technique of color segmentation based on color image. The testing system achieves the automatic, fast and accurate testing of vehicle dimensions as an advanced testing method in the field of automotive detection.
Keywords：Vehicle dimensions; testing system; machine vision; 3D testing

1引言
车辆超限超载是造成道路交通事故的主要原因之一，近年来，车辆超限超载严重影响国家财产和人民生命安全。[ ]旨在从源头治理车辆超限超载的国家强制性标准《道路车辆外廓尺寸、轴荷及质量限值》(GB1589-2004)已于2004年10月1日正式实施。《营运车辆综合性能要求和检验方法》（GB18565－2001）整车整备检测项目中要求对汽车尺寸参数进行检测，车辆的结构不得任意改造。车辆整车尺寸参数是汽车通过性参数及运行安全检测的重要内容之一。我国汽车检测机构主要是用钢卷尺、角度尺及标杆等进行手工测量，劳动强度大、测量时间长并易出现人为误差，已不适应于自动化检测的需要。因此，利用图像理解和机器视觉技术，研究汽车整车尺寸参数非接触快速检测系统，对于从源头治理超限超载，提高交通安全性具有非常重要的意义。

机器视觉是指用计算机实现人的视觉功能——对客观世界的三维场景的感知、识别和理解。它作为一种提高生产效率和保证产品质量的关键技术，广泛应用于产品质量检测、振动检测及机器人领域，美国通用公汽车公司率先将机器视觉技术成功应用于车身在线检测。

在本文提出的系统中，将机器视觉理论与实际的检测任务结合起来，通过计算机对视觉传感器及各种机械、电气部分的控制，以实现汽车整车尺寸的智能检测。

2机器视觉检测系统的组成
本视觉检测系统主要包括CCD彩色摄像头、图像采集卡、灯光系统、位置传感器、计算机测控系统，如图1所示。
 

图1 机器视觉检测系统组成示意图

工作过程为：车辆驶入检测位置停车，由位置传感器感知，并给出一个触发信号，使计算机启动机器视觉系统，控制灯光系统并由图像采集卡采集图像。软件系统执行程序、处理采集的图像数据，将处理结果发送给数据库服务器或进行打印。

车身尺寸参数的测量具有量程大、测量范围广、车身形状复杂等特点，同时所要测量的尺寸参数以车辆水平支承面、车辆纵向对称平面和与这两个平面平行的平面为基准。所以当摄像机投影面正平行于基准面时，能更准确地测量相关尺寸，测量示意图如图2所示，摄像头1、2固定在车顶的横梁上面，它们的像平面平行于水平面形成汽车上面的正平行投影面。可测量车身特征尺寸有：车身长度及宽度、车厢的长度及宽度；车体在世界坐标系中的坐标位置；车身相对于行车方向的偏斜角度。摄像头3、4、5分别固定在汽车一侧的支架上，它们的像平面（CCD光敏面）形成汽车侧面的正平行投影面。可测量的车身特征尺寸，包括车身总长、车身高度、车厢长度、车厢高度、轴距、车轮半径、离地间隙、前悬、后悬等。当车辆驶入测量平台时，如果车身与测量坐标系有一偏转角度，则其投影就不是正平行投影，其会造成测量误差可根据摄像机1、2测量的车身偏斜角度进行修正。

在汽车顶部、侧面各配有一个白炽照明灯，可由测控系统控制其在摄像机采集图像的同时提供照明，以消除视场内的阴影，改善获取的图像质量，提高测量精度。

图2 测量示意图

3测量技术方案
3.1立体成像模型
本系统主要是基于双目成像和视差理论实现尺寸测量。如图3所示为双目成像视差示意图，图中两个镜头中间的连线称为系统的基线B。双目成像可获得同一场景的两幅不同图像，可以确定具有像平面坐标点（ ）和（ ）的世界点坐标W（ ）。当摄像机坐标系和世界坐标系重合后，像平面与世界坐标系统的XY平面也是平行的。物体与像平面的距离Z（即3-D信息中的深度）为：

 
在视差D（即 ）可以确定并且基线B和焦距 已知的情况下，很容易的得出Z点的世界坐标，进而可以求出世界坐标系中两点之间的距离。[3, 4]
 

图3 双目成像视差示意图

车顶摄像机1、2组成立体成像的双目传感器，它们的像平面均平行于水平面，且由于图像背景较单一、车身或车厢具有规则的矩形外形等，图像容易识别及特征提取并容易实现特征匹配。此双目成像系统结构简单、使用方便、速度快，同时也满足精度的要求。

摄像机3、4、5分别组成各自的单目成像系统。单目成像的像平面的透视投影与原场景中的物体的尺寸大小不同，即发生了畸变，当确定物体与像平面的距离时，根据像平面上的投影大小可以计算出物体的尺寸。车身侧面正平行于像平面，并根据摄像机1、2所得的车体的世界坐标系的坐标位置，容易得到车身侧面与像平面的距离，从而将车身三维尺寸的测量转化为其在各投影面内二维尺寸的直接测量。另外，它们也可以组成多目成像系统，但由于摄像机间的基线长度过长，仅可以用来实现图像间的特征粗匹配，帮助系统进行决策，如决定一副图像中的车轮是前轮还是后轮等等。

3.2摄像机标定
本系统中，多个CCD摄像机的测量对象是特定的线、面以及特定区域上的点，需要通过全局标定，确定所有摄像机的空间位置，将各个摄像机坐标统一到世界坐标系中，并确定各个摄像机的相对位置[6,7]。

摄像机的标定既是确定摄像机内部的几何和光学特性（内部参数），也是确定摄像机平面相对于世界坐标系3-D位置和朝向（外部参数）的过程，其中标定的参数主要有旋转矩阵R、平移矩阵T、摄像机焦距 以及不确定性图像尺度因子 ，如图4所示。系统标定结束后，视觉检测系统可以根据双目成像系统两幅图像中对应特征点的图像坐标，得出其在世界坐标系中的世界坐标，进而实现特征量的测量。

图4 世界坐标到图像坐标的三步变换及需要标定的参数

3.3车身识别确认
车身识别主要是车身分割和特征提取，使用图像分割技术把图像分成各具特性的区域并提取出感兴趣目标，在此基础上实现特征提取和参数的测量[5]。本文主要是研究基于彩色图像的车身分割技术。

彩色图像包含的信息明显多于灰度图像，随着计算机处理速度的提高，利用颜色信息可以更有效地实现车身分割，同时还可以有效消除阴影对车身分割的影响。当车辆在检测车间内测量时，由于光线、照明的原因，图像包含很多阴影信息，由于阴影只是影响颜色的亮度，不影响颜色的分类，采用彩色图像颜色分类后车身分割可以取得更好的效果。

本文基于HSV（H色调，S饱和度，V亮度）色度空间这一非线性色彩表示系统。HSV色彩表示方法同人对色彩的感知相一致，且在色调图像中描述彩色更方便。彩色图像在HSV空间中利于图像处理，如边缘检测、图像分割和目标识别等。

该文针对复杂背景的彩色图像，提出并实现了一种图像封闭轮廓线提取的方法。该方法利用初始轮廓逐步逼近最佳轮廓，不仅将图像灰度变化的微分信息作为边缘提取的依据，同时以图像轮廓的整体几何信息作为指导，使得检测出来的边缘定位精度高，抑制噪声性能好。

通过对图像进行一定的预处理，增强车身颜色、拉开车体和背景的对比度，使图像中车身颜色明显区别于背景，而整个图像仍保持细节且颜色不失去平衡。边缘点和非边缘点的分类判据的选择不仅局限于图像本身的灰度变化的微分信息，还将当前图像的平均色度作为另一个分类判据。分类的过程应是迭代、学习的过程，当一次运算不能达到理想目标的情况下，就要反复进行多次的迭代处理。迭代结束，当前得到的区域轮廓线即被认为是最终轮廓线。

单独的边缘检测只能产生边缘点，而不是一个完整意义上的图像分割过程，边缘点信息需要后续处理或与其他分割算法结合起来，才能完成分割任务。还应该包括正交变换、霍夫（Hough）变换、边缘细化、轮廓跟踪、拼接、模板匹配等图像处理与分析系统模块。

对摄取的汽车图像进行仿真检测，部分检测方法和结果如图5、图6所示。基于车身特征的先验知识，如车厢大体成矩形、轮胎大体成圆形、车身尺寸存在一定比例关系、边界特征明显等等，将图像中分割成不同区域，进而获得目标特征的量值。图中对车厢的检测可以得到车厢长度及高度，车轮的检测可以得到车轮半径、车轮中心坐标。结合其他一些特征点坐标的测量并运用相关的解析几何公式，也可以得到轴距、后悬、车身总长度、离地间隙等。

      
4应用实例
应用汽车整车尺寸测量系统对汽车整车尺寸进行测量，以检验其有效性。系统对多辆在用载货汽车同时进行了手工测量和机器视觉测量，部分结果如表1所示。通过对测量结果进行比较可知，机器视觉测量系统与传统手工测量结果相近，误差较小。本系统满足了尺寸测量的精度要求，达到了检测的目的，证明基于机器视觉的汽车整车尺寸测量系统切实可行。该系统完全实现自动、快速、非接触测量，并实现微机联网功能，可应用于汽车智能综合检测线。

本文论述了基于机器视觉的汽车整车尺寸测量系统的组成、测量原理及方法，可将这一系统应用于汽车综合性能检测线。本系统自动化程度高，使用方便、快捷、省力，通过对比测量结果可以看出，测量精度较高，达到了实用的要求，提供了一种先进的汽车检测手段。

参考文献
1. 昌云宗，刘成江等. 公路超限运输的现状与治理[J]. 山东交通科技, 2004（3）
2. 刘常杰，邾继贵等. 汽车白车身在线激光视觉检测站[J].仪器仪表学报, 2004（4）
3. 刘燕，刘浩学. 基于计算机视觉的单目摄像机纵向车距测量系统研究[J],公路交通科技, 2004(9)
4. 赵梅芳，沈邦兴等. 多目立体视觉在工业测量中的应用研究[J]. 计算机测量与控制, 2003(11)
5. 高朝晖，黄卫. 基于彩色图像车牌分割研究[J],公路交通科技, 2004(8)
6. 郑南宁. 计算机视觉与模式识别[M]. 北京：国防工业出版社, 1998
7. 章毓晋. 图像理解与计算机视觉M]. 北京：清华大学出版社, 2000