一种基于视觉的油箱内盖识别及位姿参数感知方法

1.本发明属于计算机视觉技术领域，具体涉及一种基于视觉的油箱内盖识别及位姿参数感知方法。


背景技术：

2.随着我国社会经济的快速发展、交通设施的不断改善以及居民生活水平的不断提高，加油站的使用需求也随着通行车辆的增加而增加。在这样的市场趋势下，传统的人工加油方式由于人力成本提高、工作效率较低、劳动强度较大以及部分环境较为恶劣的因素不能够完全适应社会的发展和人们生活的需求，通过机器人实现无人值守加油站的自主加油成为了一种新的实现方式。
3.视觉识别属于加油机器人自主加油过程中环境感知的一个重要环节，针对加油动作流程及汽车构造，机器人需要完成油箱外盖识别及油箱内盖识别。油箱内盖识别属于加油动作前的关键识别环节，由于内盖形状存在局部差异及其特征易受光照环境影响的特点，现有的加油机器人功能产品以及相关的研究主要集中在外盖识别的环节上，往往忽略内盖识别的环节。汽车油箱内盖的姿态存在俯仰角度和内盖把手旋转角度上的区别，机器人在加油过程中需要根据内盖的俯仰角度调整自身姿态使其能够正对油箱内盖，并正确识别出内盖把手旋转角度，以完成后续加油动作。由于光照情况的变化以及油箱内盖自身位姿的差异，内盖视觉识别的工作存在较大的困难。
4.因此，设计一种适用于不同类型内盖且在实际环境下能够感知内盖位姿参数的油箱内盖识别方法对加油机器人的应用具有非常重要的意义。


技术实现要素：

5.为解决现有技术中存在的问题，本发明的目的在于提供一种基于视觉的油箱内盖识别及位姿参数感知方法，本发明针对实际环境下位姿不定、局部样式存在差异的汽车油箱内盖，提出一种能够适应油箱内盖样式变化且准确感知内盖位姿参数的视觉识别方法，利用不同内盖的共性特征进行学习，在识别出内盖对象的基础上较高精度地获得内盖的位姿参数(如俯仰程度、中心坐标以及把手旋转角度)。
6.本发明采用如下的技术方案来实现：
7.一种基于视觉的油箱内盖识别及位姿参数感知方法，包括如下过程：
8.获取的包含汽车油箱内盖的初始图像；
9.对所述初始图像进行灰度化处理，得到初始图像的灰度图；
10.对初始图像的灰度图进行高斯滤波，获得包含完整油箱内盖边缘轮廓的边缘特征图像；
11.对所述边缘特征图像进行基于边缘模板的模板匹配，得到油箱内盖疑似区域；
12.对所述初始图像进行自适应直方图均衡处理，增强初始图像的对比度；利用增强了初始图像对比度的图像和油箱内盖疑似区域位置进行图切割，得到油箱内盖区域轮廓图
像；
13.基于形态学特征对油箱内盖区域轮廓图像进行形状拟合，利用拟合区域重合程度衡量油箱内盖的俯仰程度，利用拟合区域中心作为油箱内盖中心坐标；基于油箱内盖形状边缘特征及阴影灰度特征进行双层直线拟合，拟合出油箱内盖把手方向直线，得到内盖把手旋转角度，从而实现对油箱内盖识别及位姿参数感知。
14.优选的，对初始图像的灰度图进行高斯滤波，获得包含完整油箱内盖边缘轮廓的边缘特征图像时：
15.采用高斯卷积核对初始图像的灰度图进行高斯滤波，之后采用canny算子对灰度图进行边缘提取，得到包含完整油箱内盖边缘轮廓的边缘特征图像。
16.优选的，对所述边缘特征图像进行基于边缘模板的模板匹配，得到油箱内盖疑似区域的过程包括：
17.根据包含完整油箱内盖边缘轮廓的边缘特征图像的图像尺寸及油箱内盖的大小范围创建初始模板图像；
18.对初始模板图像进行比例缩放变化，在预设范围内适应所述边缘特征图像中油箱内盖的大小变化，对每一帧待匹配图像依次利用每个缩放比例下得到的模板图像进行模板匹配，选择相似程度最高的匹配位置作为匹配结果；
19.对所述边缘特征图像进行模板匹配，以圆形边缘模板图像在所述边缘特征图像上的左上角坐标位置，将模板图像作为滑动窗口在待匹配图像上进行全局遍历式的匹配程度计算；对于每个位置的匹配程度计算，以模板图像上的匹配点坐标作为参与匹配程度计算的像素坐标，进行圆形边缘模板图像和所述边缘特征图像上对应区域的像素级匹配，得到油箱内盖疑似区域。
20.优选的，对于每个位置的匹配程度计算，以模板图像上的匹配点坐标作为参与匹配程度计算的像素坐标，进行圆形边缘模板图像和所述边缘特征图像上对应区域的像素级匹配时：
21.采用归一化相关匹配法进行匹配，匹配程度的计算公式如下：
[0022][0023]
式中，(x,y)为待匹配图像上的匹配位置坐标；(x
′
,y
′
)为模板图像上的匹配点坐标；col_t为模板图像宽度方向尺寸；row_t为模板图像高度方向尺寸；t(x
′
,y
′
)为模板图像上相应位置的像素值；i(x+x
′
,y+y
′
)为待匹配图像上相应位置的像素值；r(x,y)为(x,y)坐标位置上的匹配程度结果。
[0024]
优选的，对所述初始图像进行自适应直方图均衡处理，增强初始图像的对比度；利用增强了初始图像对比度的图像和油箱内盖疑似区域位置进行图切割，得到油箱内盖区域轮廓的过程包括：
[0025]
采用自适应直方图均衡方法对所述初始图像进行处理，将初始图像分为若干个局部区域，以预设阈值对局部区域直方图高度进行截断，控制局部区域的对比度强度；采用图切割算法利用自适应直方图均衡后的初始图像和油箱内盖疑似区域进行油箱内盖对象的分割，利用油箱内盖对象的颜色和边缘特征对疑似区域和背景区域进行预设次数迭代学
习，在油箱内盖疑似区域中划分出背景区域和前景区域；迭代分割后得到与初始图像尺寸相同的编码矩阵，对编码矩阵进行重新编码，以0表示将背景和可能背景，以1代表前景和可能前景；利用重新编码得到的编码矩阵对所述初始图像进行处理，最终得到仅包含油箱内盖分割结果区域的图像，该图像为含有油箱内盖区域轮廓图像。
[0026]
优选的，基于形态学特征对油箱内盖区域轮廓图像进行形状拟合，利用拟合区域重合程度衡量油箱内盖的俯仰程度的过程包括：
[0027]
对油箱内盖区域轮廓图像进行灰度化，并对灰度化图像以固定阈值进行阈值分割，得到二值化区域图像；
[0028]
对所述二值化区域图像先进行预设阶的闭操作，填补油箱内盖区域内的离散黑点，再对填补后的图像进行预设阶的开操作，去除油箱内盖区域外的干扰区域，仅保留油箱内盖区域；
[0029]
提取所述油箱内盖区域的边缘特征，对边缘进行椭圆拟合，得到近似的油箱内盖区域椭圆边线并进一步获得该椭圆边线的外接圆；
[0030]
计算所述椭圆边线和椭圆边线的外接圆相差区域的面积，以面积比例作为油箱内盖俯仰程度评价指标，油箱内盖俯仰程度评价指标的计算公式如下所示：
[0031][0032]
式中，result_pose为俯仰程度评价指标；s(area_circle-area_oval)为拟合得到的椭圆边线和该椭圆边线的外接圆的相差区域面积；s(area_circle)为外接圆区域面积。
[0033]
优选的，基于油箱内盖形状边缘特征及阴影灰度特征进行双层直线拟合，拟合出油箱内盖把手方向直线，得到内盖把手旋转角度的过程包括：
[0034]
对油箱内盖区域轮廓图像进行灰度化，对得到的油箱内盖区域灰度图像采用预设上下阈值的canny算子进行边缘提取，对油箱内盖区域的边缘轮廓特征进行检测阈值为预设值的霍夫直线检测，得到油箱内盖区域直线集合；
[0035]
对所述油箱内盖区域直线集合进行预设阶的闭操作，得到油箱内盖的把手方向疑似区域；
[0036]
利用自适应阈值分割获得油箱内盖区域灰度图像的暗区域，获得以像素点聚集的形式集中在把手边缘形成的阴影区域；
[0037]
利用所述把手方向疑似区域保留所述阴影区域中沿着把手方向的像素区域，对该像素区域进行直线拟合，得到把手方向直线，根据把手方向直线得到把手旋转角度。
[0038]
本发明还提供了一种基于视觉的油箱内盖识别及位姿参数感知系统，包括：
[0039]
图像获取模块：用于获取的包含汽车油箱内盖的初始图像；
[0040]
灰度化处理模块：用于对所述初始图像进行灰度化处理，得到初始图像的灰度图；
[0041]
降噪模块：用于对初始图像的灰度图进行高斯滤波，获得包含完整油箱内盖边缘轮廓的边缘特征图像；
[0042]
疑似区域获取模块：用于对所述边缘特征图像进行基于边缘模板的模板匹配，得到油箱内盖疑似区域；
[0043]
油箱内盖区域轮廓图像提取模块：用于对所述初始图像进行自适应直方图均衡处理，增强初始图像的对比度；利用增强了初始图像对比度的图像和油箱内盖疑似区域位置
进行图切割，得到油箱内盖区域轮廓图像；
[0044]
油箱内盖位姿识别模块：用于基于形态学特征对油箱内盖区域轮廓图像进行形状拟合，利用拟合区域重合程度衡量油箱内盖的俯仰程度，利用拟合区域中心作为油箱内盖中心坐标；基于油箱内盖形状边缘特征及阴影灰度特征进行双层直线拟合，拟合出油箱内盖把手方向直线，得到内盖把手旋转角度，从而实现对油箱内盖识别及位姿参数感知。
[0045]
本发明还提供了一种电子设备，包括：
[0046]
一个或多个处理器；
[0047]
存储装置，其上存储有一个或多个程序；
[0048]
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明如上所述的基于视觉的油箱内盖识别及位姿参数感知方法。
[0049]
本发明还提供了一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明如上所述的基于视觉的油箱内盖识别及位姿参数感知方法。
[0050]
本发明具有如下有益的技术效果：
[0051]
本发明基于视觉的油箱内盖识别及位姿参数感知方法，通过边缘模板匹配的方式利用内盖的形状共性获得疑似轮廓区域，以该疑似区域作为图切割算法的输入参数实现了针对油箱内盖对象的程序化自动分割效果，在具有高效分割质量的情况下不需要人工标记；对自适应直方图均衡化后的图像进行图切割，在增强图像对比度的情况下利用目标对象的颜色和轮廓特征在局部光照环境不佳时仍能保证较好的目标分割效果。本发明将针对油箱内盖区域拟合得到的边缘区域与理想区域之间的近似程度作为俯仰程度衡量指标，与传统姿态反求方法中通过特征点计算的方式相比，在无法保证特征点抓取精度的情况下，本发明所采用的感知方式具有更好的应用效果；利用内盖边缘特征拟合得到的直线集合确定把手方向疑似区域，进而筛选得到疑似区域内的把手阴影区域像素点，以该像素点集进行二次拟合，所确定的直线针对不同环境下的内盖图像具有较好的稳定性以及较高的精度。
附图说明
[0052]
图1为本发明基于视觉的油箱内盖识别及位姿参数感知方法的流程图；
[0053]
图2(a)为本发明实施例中待处理的初始图像，图2(b)为本发明实施例中采用canny算子获得边缘特征图像；
[0054]
图3(a)为本发明实施例中创建的圆形模板图像，图3(b)为本发明实施例中进行边缘模板匹配后得到的匹配结果图像；
[0055]
图4(a)为本发明实施例中对初始图像进行自适应直方图均衡(clahe)得到的图像，图4(b)为本发明实施例中采用图切割算法(grabcut)处理后得到的分割结果图像；
[0056]
图5(a)为本发明实施例中分割区域经过阈值分割后得到的二值区域图像，图5(b)为本发明实施例中经过处理后仅保留内盖区域的二值区域图像；
[0057]
图6为本发明实施例中俯仰程度判断结果图像；
[0058]
图7(a)为本发明实施例中内盖区域图像的边缘特征图像，图7(b)为本发明实施例中采用霍夫直线检测得到的结果图像；
[0059]
图8(a)为本发明实施例中内盖区域图像的把手边缘阴影区域图像，图8(b)为本发
明实施例中利用把手方向疑似区域保留的阴影区域图像；
[0060]
图9(a)为本发明实施例中对把手方向阴影区域图像进行直线拟合的结果图像，图9(b)为本发明实施例中把手旋转方向直线的检测结果图像；
[0061]
图10(a)为本发明实施例中位置精度pra曲线图，图10(b)为本发明实施例中旋转角度识别误差曲线图。
具体实施方式
[0062]
下面结合附图以及具体实施方式对本发明做进一步说明，以使本发明的优点和特征更易于被本领域的技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
[0063]
参照图1中图9(b)，本发明基于视觉的油箱内盖识别及位姿参数感知方法包括如下步骤：
[0064]
步骤1)利用加油机器人的摄像头获得待识别的含有油箱内盖的初始图像(rgb)；
[0065]
步骤2)对初始图像进行灰度化(rgb-gray)处理，转换为单通道灰度图像，对经过灰度化处理的汽车油箱内盖初始图像进行高斯滤波，对油箱内盖初始图像的灰度图像进行低阈值的边缘检测以获得包含完整内盖边缘轮廓的边缘特征图像；
[0066]
具体的，在进行高斯滤波时，采用k
×
k大小的高斯卷积核对灰度图像进行高斯滤波，降噪后采用上下阈值为thre_1和thre_2的canny算子对图像进行边缘提取，得到初始图像的边缘轮廓特征。本发明优选的，k＝3，thre_1＝20，thre_2＝10。
[0067]
步骤3)对边缘特征图像进行基于边缘模板的模板匹配，得到内盖疑似区域；步骤3)的具体实现方式如下：
[0068]
步骤301)首先根据待匹配图像的图像尺寸及油箱内盖的大小范围创建一个初始模板图像，待匹配图像尺寸640
×
480，创建出图像尺寸为240
×
240、圆心位于图像中心、半径像素值为110的圆形模板图像；
[0069]
步骤302)对模板图像进行比例缩放变化在一定范围内适应待匹配图像中油箱内盖的大小变化，本发明所提出的方法中采用的缩放比例为1.1到1.5，对每一帧待匹配图像依次利用每个缩放比例下得到的模板图像进行模板匹配，选择相似程度最高的匹配位置作为匹配结果；
[0070]
步骤303)对待匹配图像进行模板匹配，以(x,y)作为模板图像在待匹配图像上的左上角坐标位置，将模板图像作为滑动窗口在待匹配图像上进行全局遍历式的匹配程度计算，x＝0,1,2,
…
,col_i-col_t，y＝0,1,2,
…
,row_i-row_t；对于每个位置的匹配程度计算，以(x
′
,y
′
)作为参与匹配程度计算的像素坐标，进行模板图像和待匹配图像上对应区域的像素级匹配，x
′
＝0,1,2,
…
,col_t-1，y
′
＝0,1,2,
…
,row_t-1；该匹配过程采用归一化相关匹配法进行匹配，匹配程度计算公式如下所示：
[0071][0072]
式(1)中，(x,y)为待匹配图像上的匹配位置坐标；(x
′
,y
′
)为模板图像上的匹配点坐标；col_t为模板图像宽度方向尺寸；row_t为模板图像高度方向尺寸；t(x
′
,y
′
)为模板图像上相应位置的像素值；i(x+x
′
,y+y
′
)为待匹配图像上相应位置的像素值；r(x,y)为(x,y)
坐标位置上的匹配程度结果。
[0073]
步骤4)对彩色初始图像(rgb)进行自适应直方图均衡(clahe)处理，增强图像对比度；具体的，采用自适应直方图均衡算法(clahe)对初始图像进行处理，将初始图像分为m
×
m的若干个局部区域，进行直方图均衡得到各区域的累计分布函数，通过限制直方图最大高度来限制累计分布的最大斜率，以阈值t对直方图高度进行截断，将截掉的部分在整体的灰阶范围内均匀分布，进而控制局部区域的对比度强度；通过灰度级重新映射扩大图像的像素变化范围，使图像对比度得到明显提高。本发明优选的，m＝8，t＝2。
[0074]
步骤5)利用均衡化后的图像和内盖疑似区域位置进行图切割，分割得到较为完整且具有基本轮廓的油箱内盖区域；具体的，采用图切割算法(grabcut)利用自适应直方图均衡后的初始图像和内盖疑似区域(矩形框区域)进行内盖对象的分割，利用目标对象的颜色和边缘特征对疑似区域和非疑似区域(背景)进行d次迭代学习，在疑似区域中划分出背景区域和前景区域(目标对象)；迭代分割后得到与初始图像尺寸相同的编码矩阵，对编码矩阵进行重新编码，以0表示将背景和可能背景，以1代表前景和可能前景；利用重新编码得到的编码矩阵对初始图像进行处理，最终得到仅包含分割结果区域的图像。本发明优选的，d＝5。
[0075]
步骤6)基于形态学特征对分离出的内盖区域轮廓进行形状拟合，利用拟合区域重合程度衡量内盖俯仰程度，利用拟合区域中心作为内盖中心坐标；具体的，基于形态学特征拟合的俯仰程度感知的具体实现方法如下：
[0076]
步骤601)对分割得到的油箱内盖区域图像进行灰度化，对灰度化图像以固定阈值thre_3进行阈值分割，得到二值化区域图像；
[0077]
步骤602)对二值化区域图像先进行k_1阶的闭操作，填补内盖区域内的离散黑点，再对填补后的图像进行k_2阶的开操作，去除内盖区域外的干扰区域，仅保留油箱内盖区域；
[0078]
步骤603)提取上述处理后得到的内盖区域的边缘特征，对边缘进行椭圆拟合，得到近似的内盖区域椭圆边线并进一步获得该椭圆边线的外接圆；
[0079]
步骤604)计算拟合得到的椭圆轮廓和外接圆轮廓相差区域的面积，以面积比例作为内盖俯仰程度评价指标，该指标越接近0代表内盖的俯仰角越小，该指标的计算公式如下所示：
[0080][0081]
式(2)中，result_pose为俯仰程度评价指标；s(area_circle-area_oval)为拟合得到的椭圆区域和外将圆区域的相差区域面积；s(area_circle)为外接圆区域面积。
[0082]
本发明优选的，thre_3＝5，k_1＝3，k_2＝21。
[0083]
步骤7)基于内盖形状边缘特征及阴影灰度特征进行双层直线拟合，拟合出把手方向直线，得到内盖把手旋转角度。具体的，基于内盖形状边缘特征及阴影灰度特征的把手旋转角度感知的具体实现方法如下：
[0084]
步骤701)对分割得到的油箱内盖区域图像进行灰度化，对灰度化图像采用上下阈值为thre_4和thre_5的canny算子进行边缘提取，对内盖区域的边缘轮廓特征进行检测阈值为thre_6的霍夫直线检测；
[0085]
步骤702)对检测得到的直线进行k_3阶的闭操作，得到油箱内盖的把手方向疑似区域；
[0086]
步骤703)利用自适应阈值分割获得内盖区域灰度图像的暗区域，获得以像素点聚集的形式集中在把手边缘形成的阴影区域；
[0087]
步骤704)利用把手方向疑似区域保留阴影区域中沿着把手方向的像素区域，对该像素区域进行直线拟合，得到把手方向直线，进而得到把手旋转角度。
[0088]
本发明优选的，thre_4＝120，thre_5＝80，thre_6＝75，k_3＝15。
[0089]
实施例
[0090]
参见图1，本实施例提供的基于视觉的油箱内盖识别及位姿参数感知方法，包括步骤：
[0091]
步骤1)加油机器人摄像头获得待识别的油箱内盖初始图像；步骤2)对经过灰度化处理的汽车油箱内盖初始图像进行高斯滤波，对其灰度图像进行低阈值的边缘检测以获得包含完整内盖边缘轮廓的边缘特征图像；步骤3)对边缘特征图像进行基于边缘模板的模板匹配，得到内盖疑似区域；步骤4)对彩色初始图像(rgb)进行自适应直方图均衡(clahe)处理，增强图像对比度；步骤5)利用均衡化后的图像和内盖疑似区域位置进行图切割，分割得到较为完整且具有基本轮廓的油箱内盖区域；步骤6)基于形态学特征对分离出的内盖区域轮廓进行形状拟合，利用拟合区域重合程度衡量内盖俯仰程度，利用拟合区域中心作为内盖中心坐标；步骤7)基于内盖形状边缘特征及阴影灰度特征进行双层直线拟合，拟合出把手方向直线，得到内盖把手旋转角度。
[0092]
参见图2(a)，为实施例中在实际环境下获得的待识别的初始图像；图2(b)为经处理获得的边缘特征图像，将初始图像进行灰度化(rgb-gray)，转换为单通道灰度图像，采用3
×
3大小的高斯卷积核对灰度图像进行高斯滤波，降噪后采用canny算子对图像进行边缘提取，得到初始图像的边缘轮廓特征。如图2(b)所示，边缘特征图像中应包含内盖的完整轮廓。
[0093]
参见图3(a)，为实施例中自动创建的固定尺寸的圆形模板图像，待匹配图像尺寸640
×
480，圆形模板图像尺寸为240
×
240，圆心位于图像中心，半径像素值为110，在匹配过程中通过比例缩放来适应不同内盖的大小变化；图3(b)为进行边缘模板匹配后得到的匹配结果图像，在创建出圆形模板图像后，对模板图像进行比例缩放变化在一定范围内适应待匹配图像中油箱内盖的大小变化，本发明所提出的方法中采用的缩放比例为1.1到1.5，对每一帧待匹配图像依次利用每个缩放比例下得到的模板图像进行模板匹配，选择相似程度最高的匹配位置作为匹配结果；对待匹配图像进行模板匹配，以(x,y)作为模板图像在待匹配图像上的左上角坐标位置，将模板图像作为滑动窗口在待匹配图像上进行全局遍历式的匹配程度计算，x＝0,1,2,
…
,col_i-col_t，y＝0,1,2,
…
,row_i-row_t；对于每个位置的匹配程度计算，以(x
′
,y
′
)作为参与匹配程度计算的像素坐标，进行模板图像和待匹配图像上对应区域的像素级匹配，x
′
＝0,1,2,
…
,col_t-1，y
′
＝0,1,2,
…
,row_t-1，该匹配过程采用归一化相关匹配法进行匹配。如图所示，匹配结果得到的内盖区域疑似位置能够完整包含油箱内盖区域。
[0094]
参见图4(a)，为实施例中对初始图像进行自适应直方图均衡后得到的图像，采用自适应直方图均衡算法(clahe)对初始图像进行处理，将初始图像分为m
×
m的若干个局部
区域，进行直方图均衡得到各区域的累计分布函数，通过限制直方图最大高度来限制累计分布的最大斜率，以阈值t对直方图高度进行截断，将截掉的部分在整体的灰阶范围内均匀分布，进而控制局部区域的对比度强度；通过灰度级重新映射扩大图像的像素变化范围，使图像对比度得到明显提高，m＝8，t＝2；图4(b)为采用图切割算法(grabcut)后得到的分割结果图像，采用图切割算法利用自适应直方图均衡后的初始图像和内盖疑似区域(矩形框区域)进行内盖对象的分割，利用目标对象的颜色和边缘特征对疑似区域和非疑似区域(背景)进行5次迭代学习，在疑似区域中划分出背景区域和前景区域(目标对象)；迭代分割后得到与初始图像尺寸相同的编码矩阵，对编码矩阵进行重新编码，以0表示将背景和可能背景，以1代表前景和可能前景；利用重新编码得到的编码矩阵对初始图像进行处理，最终得到仅包含分割结果区域的图像，分割得到的内盖区域边缘轮廓较为完整，存在局部的缺失或是残余，但都属于算法控制范围之内。
[0095]
参见图5(a)，为实施例中对分割区域图像进行阈值分割得到的二值化区域图像，对分割得到的油箱内盖区域图像进行灰度化，对灰度化图像以固定阈值5进行阈值分割，得到二值化区域图像；图5(b)为经过处理后仅保留内盖区域的二值区域图像，对二值化区域图像先进行3阶的闭操作，填补内盖区域内的离散黑点，再对填补后的图像进行21阶的开操作，去除内盖区域外的干扰区域，仅保留油箱内盖区域，图像结果显示，内盖区域轮廓并未出现较大程度的形变且成功去除了由于分割残余的干扰区域。
[0096]
参见图6，为实施例中基于形态学特征得到的俯仰程度判断结果图像，提取上述处理后得到的内盖区域的边缘特征，对边缘进行椭圆拟合，得到近似的内盖区域椭圆边线并进一步获得该椭圆边线的外接圆；计算拟合得到的椭圆轮廓和外接圆轮廓相差区域的面积，以面积比例(相差区域占外接圆轮廓区域的百分比)作为内盖俯仰程度评价指标，该指标越接近0代表内盖的俯仰角越小；俯仰程度判断的结果显示，该评价指标约为0.023，拟合得到的椭圆轮廓和外接圆轮廓基本重合。
[0097]
参见图7(a)和图7(b)，对分割得到的油箱内盖区域图像进行灰度化，对灰度化图像采用上下阈值为120和80的canny算子进行边缘提取，对内盖区域的边缘轮廓特征进行检测阈值为75的霍夫直线检测。图7(a)为实施例中经边缘提取得到的内盖区域边缘特征，图7(b)为采用霍夫直线检测后得到的检测直线结果图像，所检测得到的直线基本集中在内盖把手两条平行边区域。
[0098]
参见图8(a)，为内盖区域图像的把手边缘阴影区域图像，利用自适应阈值分割获得内盖区域灰度图像的暗区域，获得以像素点聚集的形式集中在把手边缘形成的阴影区域；图8(b)为利用把手方向疑似区域保留的阴影区域图像，对利用霍夫直线检测得到的直线集合进行15阶的闭操作，得到油箱内盖的把手方向疑似区域，利用把手方向疑似区域通过图像差分的形式保留阴影区域中沿着把手方向的像素区域，最终获得沿着把手方向分布的像素点集。
[0099]
参见图9(a)和图9(b)，对沿把手方向分布的像素区域进行直线拟合，得到把手方向直线，进而得到把手旋转角度。图9(a)为实施例中对把手方向阴影区域图像进行直线拟合的结果图像，图9(b)为把手旋转方向直线的检测结果图像，内盖区域中心点像素坐标和检测得到的把手旋转角度显示在检测结果图像的左上角，从视觉效果上看，检测得到的结果沿着把手方向，达到预期检测期望。
[0100]
参见图10，采用位置精度指标pra(position recognition accuracy)来评价油箱内盖识别的定位精度，该指标衡量识别得到的油箱内盖中心点相对于理想中心点位置的偏离程度，采用旋转角度误差δθ(识别角度和理论角度间的差值)来衡量角度检测的精度。计算公式如下所示：
[0101][0102]
式(3)中，distance(p1,p0)为识别区域中心点与标记的理想区域中心点间的像素距离；threshold_distance为误差允许的最大像素偏离距离；θ1为图像识别得到的油箱内盖旋转角度；θ0为手动标记的油箱内盖理论旋转角度。
[0103]
实验实际选择89张利用仿真软件生成的带理想识别信息(中心点位置和标准内盖旋转角度)的油箱内盖样本，根据上述评价指标计算方式将感知结果与理论结果进行比较，得到相应的结果曲线图。图10(a)为位置精度指标pra曲线图，本发明所提出的方法的平均位置精度为0.058，误差允许的最大像素偏离距离为30，即平均位置偏差在2个像素内；图10(b)为角度识别误差曲线图，本发明所提出的方法的内盖旋转角度识别的平均误差为0.3726度，小于1度。
[0104]
综上，本发明针对局部光照不佳等不同的光照环境对存在局部形状差异的油箱内盖进行自适应的识别和分割，在此基础上感知得到的位姿参数具有较高的精度及较好的稳定性。