利用图像处理与机器视觉技术开发了一套安全气囊检测系统，实现了对安全气囊生产的全部过程某一工位处关键尺寸的亚像素测量。介绍了该检测系统的总体组成和主要工作流程; 分别介绍了该系统的软硬件设计; 并选取实际气囊对所开发的检测系统来进行了可行性、有效性的验证。通过实验表明该系统的检测结果符合实际生产的要求。

  21 世纪以来，汽车行业发展迅猛。安全气囊作为汽车的安全辅助工具，它的出现大幅度的降低了死亡率，因而必须确保其尺寸精确，并能正常使用。对安全气囊传统的检 测方法主要是借助千分表、轮廓仪等工具进行人工抽检［1］。然而在长时间、大批量的工作模式下，工作人员由于身体条件、视觉疲劳等因素，造成产品误检率高，极大地 限制了生产效率和产品质量。

  针对上述情况，开发了一套基于机器视觉的安全气囊检测系统，实现对安全气囊关键尺寸的亚像素测量。该系统具有非接触、实时、高精度、高效率的特点，可有效降低企业的人工成本，同时减少误检率和漏检率，提高企业的生产效率和经济效益。

  待检测对象安全气囊的实物图如图 1 所示。对气囊进行检测主要是对其外轮廓尺寸大小和预缝线间距进行测量，具体要求如下: （1）对气囊外轮廓尺寸进行测量，测量误差范围为±0.5 mm。 （2） 对预缝线间距进行测量，测量误差范围为±0.5mm。 针对以上需求，设计并开发了一套基于机器视觉的气囊尺寸检 测系统。示例中的气囊外轮廓尺寸为 205.55mm，预缝线 待检测的安全气囊实物图

  视觉检测系统主要由光源、相机、计算机、执行机构等部分组合而成［2］，如图 2 所示。其工作原理是: 照明光源发出平行光照射在检测工件上，工业相机采集图像，将光信号转换成图像数据传送给计算机，由计算机完成图像处理、分析和计算等，并将处理结果以信号的形式发送给执行机构，指导机器的运行。

  硬件系统包含机械装置、图像采集子系统以及计算机等部分，其中图像采集子系统是整个硬件系统的核心模块，由光源、相机以及照明系统等复合而成，其任务是对工件进行图像数据采集［3］。对图像采集子系统的设计主要从相机和光源的选型、光照模式的设计等两个方面入手。根据检测工件的表面属性和几何外形，结合检测指标为外轮廓尺寸和预缝线间距测量，决定选用 MER－ 503－ 20GM / C－P 相机，选择线性LED条形光源，以垂直照射的方式进行照明，如图 3( a) 所示。

  软件系统是基于 Window操作系统平台，依托 Visual Studio 2013 中 MFC 和开源图像处理库 OpenCV2．4．9 设计的 UI 界面，主要包括视频显示、图像结果显示、识别与测量及设备控制等功能模块，如图 3( b) 所示。图中左侧两个窗口分别为“视频显示窗口”和“图像结果显示窗口”；界面右侧从上到下依次是“串口通信窗口”、“设备控制窗 口”、“检测识别与测量窗口”以及“检测结果显示窗口”。

  针对气囊的尺寸测量，采用基于灰度图像的边缘特征，通过滤波与增强，改善图像质量，锐化边缘细节，并通 过亚像素定位技术，提高边缘定位精度，最后通过对边缘 的直线拟合和直方图投影，进行尺寸测量，整个检测算法 流程如图 4 所示。

  在进行图像采集和数据传输时，因受到图像传感器质量、环境光照等因素的影响，常常会引入无关的噪声，不利于后续图像识别。图 5 所示为采集图像的外轮廓和预缝线区域的局部图，可以看出图像含有大量的噪声点。

  在图像处理中，主要运用图像滤波进行噪声点的去除。目前，常用的滤波方法有高斯滤波、均值滤波和中值 滤波等。采用上述 3 种滤波方法分别对工件图像进行处理，同时以峰值信噪比( PSNR)［4］作为质量评价指标，最终决定采用高斯滤波对图像进行去噪处理。

  高斯滤波是一种广泛使用的线性平滑滤波器，主要思路是对整幅图像进行加权平均，从而消除噪声点的影响， 其具体操作是: 通过高斯核的离散化窗口滑窗卷积来实现，高斯核是一个奇数的大小高斯模板。

  采用高斯滤波对采集图像进行噪声点的去除，效果如 图 6 所示，可以看到噪声点被平滑处理掉，图像质量得到明显改善。

  经过高斯滤波之后的图像，噪声点被滤除，但是由于引入平均的效果，使得边缘细节变得模糊。为了抵消这种模糊的因素，应该增强图像的对比度。采用 Laplace 算子， 对图像边缘进行锐化处理。

  Laplace 算子是一种各向同性的二阶微分算子［5］，而图像的边缘灰度是阶跃变化的，在数学上表示为其二阶导数过零点，故可利用 Laplace 算子对进行图像锐化，可以有效地定位边缘点，并通过加强边缘的灰度值，使图像的对 比度增强，同时使边缘细节得到提升。

  如图 7 所示，经过 Laplace 算子增强后，可以发现图像的对比度得到了提高，预缝线和外轮边缘也更加清晰，有利于后续图像边缘的检测。

  图像边缘指的是其周围像素灰度急剧变化的那些像 素的集合，它主要存在于目标、背景与区域之间，对图像进 行边缘检测是图像识别的重要步骤［6］。采用亚像素技术 对像素级边缘进行精细再分，提高了图像的分辨率，具体 实现过程如下:

  （2）精定位阶段，采用图像处理算法，实现像素精细划分。在粗定位阶段，传统的像素级边缘检测算子主要有:

  Roberts 算子、Prewitt 算子、Sobel 算子、Log 算子、Canny 算子等［7］。从定位精度和边缘细节两方面，对比上述检测算子的检测效果，如图 8 所示，可以发现 Roberts 算子、Prewitt 算子、Sobel 算子检测结果相似，能够准确定位边缘，但是边缘细节模糊，而 Canny 算子检测效果最佳，定位精度高，边缘连续性强，故在粗定位阶段采用 Canny 算子进行边缘检测。

  在精定位阶段，采用基于 Zernike 矩的亚像素边缘检测算法，并对阶跃阈值的选择进行改进，利用 Otsu 法( 大津法) 确定最佳分割阈值 T 作为阶跃阈值，对检测边缘进行精确定位。

  步骤5: 利用Otsu 法确定最佳分割阈值作为阶跃阈值 T; 步骤 6: 取距离阈值 δ，若满足条件 k ≥T 且 h≤δ，则该像素点即为边缘点。

  通过 Otsu 法确定最佳分割阈值 T = 86，并设置距离阈值 δ 为一个像素单位，进行亚像素边缘检测，如图 9 所示。可以看出采用改进的 Zernike 矩边缘检测算法提取的图像边缘无毛刺，且连续性更强，为后续的高精度尺寸测量提供了保证。

  通过对气囊的边缘图像进行分析，发现外轮廓具有波 浪形边缘，而预缝线边缘具有明显的倾斜角度，并且含有 线头边缘，对测量产生极大的干扰，针对以上问题，分别提 出了基于直线拟合和直方图投影的测量算法，检测效果如 图 10 所示。

  对于外轮廓的尺寸测量，其核心步骤在于对轮廓的拟 合，最小二乘法是最常见的直线拟合方法，其具体步骤如下。

  步骤 1: 采集图像上、下边缘，采用最小二乘法拟合基准直线) ，将上边缘 x 坐标均值作为 x0，根据直线方程获取中心点位置;

  首先对工件的边缘图像进行轮廓提取，同时获得每个轮廓的最小外接矩形，再依据面积和长宽比等几何特征， 定位预缝线，并记录其左上角顶点坐标，如图 10 所示。

  对定位出的预缝线区域，进行直方图投影，其具体步骤是: 首先遍历 ROI 区域 R1 和 R2，统计区域内非 0 值像素的个数 Ni，以行数为横坐标，Ni 为纵坐标，绘制直方图，并记录直方图最大值所在位置行数，计为 I1max 和 I2max，如图 11 所示。结合 ROI 区域的位置坐标，作差即可求得预缝线 预缝线、实验结果与分析

  对本视觉系统进行重复性测量实验，即将气囊在相机视野中任意位置摆放 10 次，采用检测系统对气囊进行尺寸测量，并计算其测量均值和标准差，测量结果如表 1 所示。

  通过表 1 可知，外轮廓测量均值为 205.55 mm，其标准偏差为 0.0317 mm，预缝线 mm，标准偏差均在± 0.05 mm 之间，满足了生产实际的精度要求。同时为了更加直观体现，绘制其检测结果折线 零件检测结果折线 可知虽然该系统测得的数据整体比较理想， 测量结果基本在测量均值附近，但是也有个别数据会产生波动，出现这种情况，主要有以下几个方面原因:

  镜头误差。由于镜头制造工艺的限制，使得镜头存在畸变，在光学成像时产生一定的误差。

  环境误差。受到环境光照的影响，使得被测工件的边缘亮度和阴影产生变化，这将导致在边缘提取时产生 一定的误差。

  算法误差。对外轮廓进行直线拟合时，由于轮廓具有波浪形边缘，使得拟合出的结果会存在一定的误差。

  根据安全气囊安全尺寸的检测要求，开发了一套视觉检测系统，该系统采用改进的Zernike 矩的亚像素边缘算法，实现边缘的精确定位，提高了测量精度。针对工件两个不同的测量指标，分别提出了基于直线拟合的点测距和基于直方图投影测距的测量方法。在实例验证下， 检测精度符合工业生产要求，有效地提高了生产效率和产品质量。

  上一篇：5个例子一步步带你入门PLC下一篇：简述伺服驱动器工作原理和控制方式

  安全气囊在汽车辅助约束系统(SRS)中发挥着关键的作用。目前，乘用车安装安全气囊已经成为一种标準。大家都知道在汽车产生碰撞时，安全气囊和安全带可降低车内人员头部和上身撞击车内元件的机率。它们还可透过使撞击力更均匀地分佈来降低人员受伤的风险。 但是现在，许多人已经认识到能给人带来安全的辅助约束系统也有可能会危及车内人员的生命安全。因此，在开发安全系统时，必须全面考虑系统的各种特性，以确保达到所需的安全水準。为了解决这方面的问题，英飞凌开发出了具有丰富特性的气囊触发晶片，可帮助系统实现自动故障防护功能。 图1：安全气囊的ECU简图。 亚洲的汽车安全气囊系统市场预计将继续成长，这主要得益于中国市场的成长。未来五年，

  系统自动故障防护功能的实现 /

  随着人民生活水平的提高，人们对居住环境的要求不断提高，办公楼、商住楼、商场、酒店等建筑已必须配备舒适的中央空调系统。舒适的中央空调系统需要对房间内的温度、湿度、洁净度、空气质量等实行实时监视及准确控制。计算机和自动化技术的发展，新的高科技技术不断应用到各个方面中，使得智能化已成为一种发展的必然趋势。数字传感器的普及，及其直接输出的数字信号可适配于各种微处理器，使中央空调温湿度检测系统应该在系统稳定性、抗干扰性、实时性和经济性等方面有很高的要求。 1 系统的总体设计方案 1．1 系统的组成 因为本系统是以嵌入式微控制器为核心，它控制本系统的各模块功能，因此选择性能可靠、发展技术成熟的AT89S52单片机为本系统的控制器。本系统主要完

  设计 /

  2012年1月-KIC日前推出回流焊接工艺指数系统(RPI),该产品的设计旨在帮助电子制造商从回流焊炉中获得更高的质量和产量。 回流焊炉是一种精密黑箱设备。其内部进行着一系列令人惊叹的活动，诸如：加热、冷却、消除空气中的挥发物、控制静压、控制温度和链速、用户交互等等。这些项目都很重要，尽管最终只有一个结果。但他们缺一不可，各环节共同促使最终结果的产生。 预期的结果是保证合格的PCB曲线和取得需求的产量。KIC RPI帮助回流焊炉将预期结果始终保持最大化。另外，KIC RPI提供了工艺缺陷的信息以帮助用户迅速改正缺陷问题，RPI是一个自动化系统，经过编程后，即可自动在后台运行，无需任何操作人员参与。其功能包括： • 提

  传统的汽车尾气检测的新方法采用底盘测功机测试法。该方法的工作原理是：在室内，结合底盘测功机和气体分析仪，在预设机动车行驶工况下来测试机动车的尾气排放量。但由于这种方法必须在室内，且要求按固定行驶工况对机动车进行测试，因此不能真实反映实际道路上的尾气排放，且排放测试系统体积过于庞大，使用时操作困难，被检测的车辆往往需花费大量的时间才能得到检测结果。 上述缺点的存在，表明传统的汽车尾气检测系统无法有效的监管汽车尾气的排放，有必要研制出一种可检测汽车行驶在实际道路时尾气成分的系统，并且该系统能根据检测结果立即判断汽车尾气是否超标，有效节少检测时间。 利用RFID技术可自动识别的特性，本文基于RFID技术介绍了一种汽车尾气检测系统

  安全气囊拥有漫长的成功发展过程，至今仍然是用于保护汽车乘客的最重要系统之一。但它只是电子部件、机械部件和传感器的相互作用，并使被动安全约束系统成为目前的样子：一种用于保护汽车乘客的高度有效的平台——对安全气囊本身的激活以及对其他许多挽救生命的功能的启动而言都是如此。 通过SPEED（高效经济设计的安全平台），我们构建了一个模块化、可扩展的控制单元来非常灵活地满足所有要求：从基本功能到碰撞冲击声学传感器的集成，以及主动传感器的集成。安全气囊控制单元因此成为综合性的安全控制器。 为每个人提供潜在最佳保护 今天，几乎每辆新车都备有安全气囊。不过从全球来看，其提供的安全保障水平是参差不齐的。虽然高度工业化地区的汽车

  在工业控制领域，通常有大量的脉冲信号用于控制其他设备或部件的开关或者工作状态切换。这些脉冲信号除了常规计算机系统采用的+5 V接口电平外，还有+12 V、+30 V，乃至更高幅度的接口电平，通常为功率型电流驱动信号。本文提出了一种两级测试系统的设计思路，给出了在较宽的范围内兼容不同接口电平的脉冲信号检测系统的设计方案，采用标准CPCI总线接口设计，具有良好的兼容性和扩展性，适用于产品功能测试或系统集成测试。 1测试系统架构 如图1所示，测试系统采用二级（主控机、下位机）结构设计，由主控计算机（即主控机）、测试客户机（即下位机）、局域网、电缆及运行于各设备中的测试软件共同构成。主控计算机属主控机一级，控制测试客

  如果你以前没有接触过机器视觉，而你想要学习机器视觉，你可能就会有第一个疑惑： 机器视觉到底难不难学？ 在回答大家这个问题之前，让我们先了解什么是机器视觉？ 一、机器视觉的定义 机器视觉是用机器代替人眼做测量和判断。 而机器视觉系统是指通过机器视觉产品（即图像捕获设备，分为CMOS和CCD）将摄取的目标转换为图像信号，并将其传输到专用图像处理系统以获得形状信息目标，根据像素分布。 将亮度和颜色等信息转换为数字化信号；图像系统对这些信号执行各种操作以提取目标的特征，然后根据辨别的结果控制设备的动作。 二、机器视觉原理 机器视觉检测系统采用CCD摄像头将检测到的目标转换成图像信号，传输到专用图像处理系统，

  到底难不难学？ /

  1、引言 在日常生活中，经常会遇到各种“反光”现象，使得我们在观察事物或摄影时有一定的障碍。比如：观赏水中的动植物时，水面上常常会有一道道光斑影响视线；阳光充足的柏油路面上，时常会有耀眼的强光射入司机的眼睛……相应地，在机器视觉中，我们也会经常遇到类似的情况：由于工件表面上的喷漆、镀膜、玻璃、包装膜或其它反光材质的影响，工业相机无法顺利采集到高质量的图像。因图像的对比度较低或者关键特征无法完整呈现，经常会导致机器视觉系统中误检、误判、精度低、不稳定等现象的发生，甚至是输出错误的数据。然而，这些问题我们是可以利用光的偏振特性得以解决的。 2、偏振光介绍 偏振是指横波的振动矢量（垂直于波的传播方向）偏于某些方向的现象，光的偏振现象

  中的应用 /

  技术及应用 (韩九强, 胡怀中)

  3D机器视觉技术研讨会

  用RISC-V做GPU则不同，很多人都在尝试利用开源方式弥补GPU生态不足，同时通过开源方式为国产GPU提供开源知识产权保护。...

  Toradex推出公司首款Aquila系列模块系统（SoM），采用AM69 SoC，具有较小的外形尺寸和坚固耐用的约 400 引脚板对板连接器，面向医疗、工 ...

  音视频转换器怎样接电视将音视频转换器与电视连接的方法取决于音视频转换器和电视的接口类型。以下是一些常见的连接方法：1 HD ...

  冰箱慢慢的变成了目前很多中国家庭必备的家用电器之一。随着人们的不同需求，电冰箱的样式在多样化，功能也变得越来越丰富。当然。电冰箱的 ...

  音箱矩阵是什么意思音箱矩阵是指将多个音箱组合在一起形成的一个音箱系统。这些音箱以特定的排列方式连接在一起，以产生更广阔的声 ...

  网站地图最新更新手机版站点相关：嵌入式处理器嵌入式操作系统开发相关FPGA/DSP

  总线与接口数据处理消费电子工业电子汽车电子其他技术存储技术综合资讯论坛电子百科词云：