一种基于Opencv的车外灯故障检测方法

本发明涉及机器视觉检测，具体涉及一种基于opencv的车外灯故障检测方法。

背景技术：

1、车外灯一般分布在车的前灯与尾灯。 根据车的位置，一般在车头正方向以及尾部的正方向。 车外灯是车辆用于夜间行驶及极端天气行驶的必要因素。 外部灯具：组合灯具，轿车将大灯、前转向灯、前示位灯组装在一起，称为组合前灯。将后转向灯、制动灯、后示位灯、后雾灯、和倒车灯组装在一起，称为组合后灯。前照灯也叫大灯或头灯，安装在车辆前端的两侧，用来在夜间行驶时的道路照明。为了防止会车时前照灯的强光使迎面车辆驾驶员炫目，前照灯一般选用双丝灯泡，即远光和近光两个灯丝，分别发出远光光束和近光光束。雾灯安装在汽车的头部或尾部，用来在有雾、雨、雪或风尘弥漫的情况下，改善路面的照明。前雾灯一般为黄色或橙色，安装位置低于大灯。后雾灯光色为红色，以警示尾随车辆保持安全距离。主转向灯一般安装在汽车头部和尾部的左右两侧，用来指示汽车的行驶趋向。一般在汽车侧面中间还装有侧转向灯。逐渐在小型车上，把侧转向灯安装到外后视镜上。

2、机器视觉是人工智能正在快速发展的一个分支，简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对图像等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据，其在语音和图像识别方面取得的效果，远远超过先前相关技术。机器视觉识别技术是移动机器人平台十分关键的技术，代表着机器人智能化、自动化及先进性的判定标准。基于机器视觉的三维物体目标的识别、检测与定位技术已经成功应用于众多工业领域中。配合着机械臂平台，以其为基础的操作系统可以完成一系列繁重复杂的工作，大大解放了人类的双手，提高了工业生产效率。作为促成这一切成果基础的机器人视觉识别技术正在逐步建立、稳定发展并一步步走向成熟。近年来，随着机器人相关技术的快速发展，其依靠的平台也快速的更新换代。之前价格较为昂贵的3d工业相机、3d图像传感器、3d扫描仪渐渐得到普及，传感器的微型化、智能化、低功耗以及高效率带来的深度图像设备价格大幅下降，随之机器视觉识别技术也越发深入且成熟。

3、因此，在检测车外灯是否能正常启用灯工作，使用机器视觉识别技术对汽车的车外灯故障检测，不仅能够使各单位应对当下日益高昂的的人工成本，也节省了时间成本，提高了准确率，具有非常重要的意义。

技术实现思路

1、本发明的目的在于提供一种基于opencv的车外灯故障检测方法，对车外灯故障进行检测，节省时间成本与人力资源，使用工业相机获取汽车车外灯部位图像，并进行二值化处理与膨胀与腐蚀的开闭合运算，最后通过背景帧差法判断车灯是否异常。

2、为达到上述目的，本发明所采用的技术方案是：

3、一种基于opencv的车外灯故障检测方法，其包括以下步骤：

4、步骤一、车灯启用情况下，运用相机对车辆外灯轮廓进行拍照检测并识别车型；对于不同的车型，分别具有不同的侧面轮廓特征，特征值选取是识别车外灯的依据和关键。

5、步骤二、对步骤一的相机获取的图像进行预处理，先对图像进行高斯滤波和中值滤波的处理，将图片的噪声去除；然后进行二值化处理，得到二值化的图像。

6、步骤三、对二值化后预处理后的图像进行基于膨胀、腐蚀的开闭合运算，上述处理完成后便可获得n个有可能成为目标的矩形区域，即经处理后的汽车外灯图像。

7、步骤四、车灯启用情况下，再次进行相机拍摄，对车辆需要检测的车外灯的灯部轮廓进行拍照提取，获得灯部图像。

8、步骤五、利用背景帧差法，通过前后两幅提取的汽车外灯图像和灯部图像的帧作差分运算来获得运动目标轮廓；由于帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度差的绝对值，判断它是否大于阈值来分析视频或图像序列的运动特性，确定图像序列中车灯是否存在故障。

9、上述方案中，步骤二的二值化处理原理如下：

10、二值化把灰度图像转换成二值图像，把大于某个临界灰度值(阈值)的像素灰度设为灰度极大值(255)，把小于这个值的像素灰度设为灰度极小值（0），从而实现二值化，也就是设定一个阈值valve，对于视频信号矩阵中的每一行，从左至右比较各像素值和阈值的大小，若图像灰度值大于或等于阈值，则判定该像素对应的255；反之，小于阈值的灰度值则为0。

11、上述方案中，步骤三的膨胀腐蚀的开闭合运算原理如下：

12、图像膨胀与卷积操作类似，假设有图像a和结构元素b，结构元素b在a上边移动，其中b定义其中心为锚点，计算b覆盖下a的最大像素值用来替换锚点的像素，其中b作为结构体可以是任何形状；图像腐蚀腐蚀跟膨胀操作的过程类似，唯一不同的是以最小值替换锚点重叠下的像素值；开闭合运算则是对图像进行膨胀与腐蚀的先后顺序不同。

13、上述方案中，步骤五通过背景帧差法原理如下：

14、帧差法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和摄像机移动的情况；当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度差的绝对值，判断它是否大于阈值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动。

15、本发明与现有技术相比，具有以下有益效果：

16、1、本发明能够自动对车辆的车外灯进行定位并且识别，能够节省人工识别成本，并且缩短识别的时间。

17、2、本发明先对图像进行二值化处理并进行膨胀与腐蚀的闭合运算，再使用帧差法对车外灯图像进行识别检测，故障检测更为快速、准确。

技术特征：

1.一种基于opencv的车外灯故障检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于opencv的车外灯故障检测方法，其特征在于，步骤二的二值化处理原理如下：

3.根据权利要求1所述的一种基于opencv的车外灯故障检测方法，其特征在于，步骤三的膨胀腐蚀的开闭合运算原理如下：

4.根据权利要求1所述的一种基于opencv的车外灯故障检测方法，其特征在于，步骤五通过背景帧差法原理如下：

技术总结
本发明涉及一种基于Opencv的车外灯故障检测方法，包括以下步骤：一、采用工业相机提取初始背景；二、对帧进行预处理，先转灰度图，在进行高斯滤波；三、二值化阈值处理，形态学膨胀，框选符合区域；四、相机拍摄；五、通过背景帧差法判断车灯是否异常。本发明能够自动对车辆的车外灯进行定位并且识别，能够节省人工识别成本，并且缩短识别的时间，故障检测更为快速、准确。

技术研发人员：吴兆乾,萧泽建,陈浩伦,蒋飞,梁经伦,张文涛,刘雨成
受保护的技术使用者：东莞理工学院
技术研发日：
技术公布日：2024/1/13