基于機(jī)器視覺的汽車儀表盤的分割研究.pdf

1、目前有些學(xué)者將機(jī)器視覺技術(shù)應(yīng)用于指針儀表的校驗(yàn)、自動檢定和識別等系統(tǒng)的研究，這些都是單個的指針儀表，而像汽車儀表盤內(nèi)集成了多塊儀表的復(fù)雜儀表研究的較少，其內(nèi)部集成了車速里程表、轉(zhuǎn)速表、機(jī)油壓力表、水溫表等，研究起來較為復(fù)雜。本文將重點(diǎn)研究基于機(jī)器視覺的汽車儀表盤的分割技術(shù)，將汽車儀表盤內(nèi)復(fù)雜的多個儀表分割成單個儀表，就可以借鑒前人對于單個指針儀表研究的成果，繼而實(shí)現(xiàn)下一步汽車儀表讀數(shù)自動識別。 與以前的儀表盤圖像處理時通常單獨(dú)采

2、用常規(guī)的方法相比，本文是根據(jù)圖片的實(shí)際特點(diǎn)，將常規(guī)的方法與其他一些理論或算法結(jié)合使用，達(dá)到圖片處理的更好的效果。比如在去除噪聲時除了運(yùn)用常規(guī)的中值濾波外，將采用分段線性變換，選擇了拉伸灰度區(qū)間，可以更好地控制圖像灰度直方圖的分布，最終改善圖片的質(zhì)量。分割時，在基于閾值分割得到二值圖基礎(chǔ)上，通過搜索連通域的方法使得分割的圖像定位更準(zhǔn)確。 將機(jī)器視覺技術(shù)應(yīng)用到汽車儀表研究中，也就是用攝像機(jī)等機(jī)器代替人眼對目標(biāo)進(jìn)行測量、跟蹤和識別，并

3、加以判斷。當(dāng)識別的讀數(shù)即將達(dá)到臨界值時，就給駕駛員適當(dāng)?shù)膱缶盘?，以提醒其注意，彌補(bǔ)了由于長期駕駛導(dǎo)致的人眼疲勞，讀數(shù)的不及時性和不準(zhǔn)確性，提高了安全系數(shù)，這也就是本篇論文的研究意義之所在。 雖然研究起來不像單個指針儀表那么簡單，但是前人研究單個儀表的一些經(jīng)典理論和成果，是可以借鑒的，那么我們就可以考慮先完成多個儀表向單個儀表的分割過程，再按照單個儀表讀數(shù)識別步驟進(jìn)行，由于部分學(xué)者已經(jīng)進(jìn)行了后者的研究，本文將重點(diǎn)研究基于機(jī)器視覺

4、的汽車儀表盤的分割。由此可見在此過程中做好儀表盤圖片的預(yù)處理和分割是本文研究的關(guān)鍵。 本研究重點(diǎn)做好兩方面的工作： 1.汽車儀表盤圖像的預(yù)處理在實(shí)際系統(tǒng)中，由于車輛自身的運(yùn)動、光照的穩(wěn)定性與均勻性、攝像機(jī)的角度、位置等因素等影響，所獲取的圖片存在各種各樣的噪聲，為保證后續(xù)圖像處理順利進(jìn)行，需要獲得盡可能高質(zhì)量的圖片，因此做好汽車儀表圖像的預(yù)處理非常有必要。本文去除儀表盤圖像噪聲時，采用了非線性濾波中的中值濾波。中值濾波是

5、比較好的方法，在某些條件下可以做到既去除噪聲又保護(hù)圖像邊緣的較滿意的復(fù)原，且在噪聲未知的情況下很適合于信號的平滑，消除噪聲的同時又保留了圖像的細(xì)節(jié)。接著采用分段線性變換彌補(bǔ)中值濾波后圖像的對比度不足，突出感興趣的目標(biāo)或者灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)域，最終取得了改善圖片質(zhì)量的效果。 2.汽車儀表盤圖像的分割由于分割儀表沒有統(tǒng)一的可套用的理論規(guī)則，要針不同形狀特征的儀表提出不同的算法。首先提到了兩種較常用的圖像分割算法，