[发明专利]一种基于边缘检测的车身门缝检测方法

权利要求书

1.一种基于边缘检测的车身门缝检测方法，具体步骤如下，其特征在于：

步骤1，搭建车身门缝检测设备，检测车身门缝图像，检测设备包括：光源控制器、CCD相机、激光指示器、网络通讯、计算机处理系统；

步骤1中搭建车身门缝检测设备的过程如下：

将CCD相机放置于待检测车辆车门正前方，将激光指示器垂直于门缝照射，激光在门缝间会形成断点，CCD相机沿门缝的走向方向移动，获取多帧的车身门缝图像，通过网络通讯将图像数据上传至计算机处理系统；

步骤2，对图像进行滤波处理，先将待检测车辆的车身门缝进行灰度化处理，再将灰度化处理后的图像进行滤波处理；

步骤2中对图像进行滤波处理的过程如下：

步骤2.1，将连续两帧图像的灰度图像分别作为输入图像和引导图像，通过式(1)进行滤波处理，获得滤波后的输出图像：

O_i＝a_kG_i+b_k，i∈ω_k      (1)

式中，O为输出图像，G为引导图像，O_i为滤波窗口下的输出图像，G_i为滤波窗口下的引导图像，a_k和b_k为滤波系数，ω_k为滤波窗口，k为图像位置；

步骤2.2，定义图像滤波的代价函数：

式中，I为输入图像，I_i为滤波窗口下的输入图像，ε为正则化参数；

步骤2.3，分别对a_k和b_k求偏导，并令偏导数等于零，可得：

式中，mean为取平均，Cov为协方差公式，Val为方差公式

步骤2.4，在确定a_k和b_k后，返回式1对输入图像进行滤波处理，获得滤波后的图像；

步骤3，利用高斯函数的一阶偏导对滤波后的图像进行平滑，再利用一阶偏导的有限差分计算图像的梯度和方向，形成梯度图像，使用Roberts算子作为边缘检测算子；

步骤4，对梯度图像中的梯度幅值进行非极大值抑制，只保留局部最大值点，获得边缘轮廓梯度图的离散点；

步骤5，给定低阈值和高阈值，梯度值大于高阈值记为强边缘像素，作为图像中的锚点，小于低阈值的点将像素置0，连接锚点形成边缘图像；

步骤5中获取边缘图像的过程如下：

步骤5.1，先计算每个锚点之间的曼哈顿距离，距离计算公式如下：

d＝|x₁-x₂|+|y₁-y₂|    (7)

式中，d为两个锚点(x₁，y₁)、(x₂，y₂)间的距离，x₁和x₂是锚点的水平方向坐标，y₁和y₂是锚点的垂直方向坐标；

步骤5.2，筛选出与周围锚点曼哈顿距离小的锚点，在不同方向上分解得到不同分析要求的数据，并选出与该锚点曼哈顿距离最小的锚点，并连接该两个锚点获得边缘图像；

步骤6，提取边缘图像的特征点，匹配激光标记的图像窗口，找到垂直于缝隙的位置，在该窗口处计算曼哈顿距离，将窗口内最大的曼哈顿距离作为车身门缝曼哈顿宽度，确定车身门缝宽度，根据多帧图像中的门缝宽度，获取门缝宽度最小值；

步骤6中获取门缝宽度最小值的过程如下：

步骤6.1，根据式(8)提取边缘图像特征点L_Hessian：

式中，σ为当前层尺度参数，L_xx、L_yy分别为图像在x、y处的二阶微分值，L_xy为二阶交叉偏导数；

步骤6.2，通过计算特征向量间的曼哈顿距离并结合最近邻次近邻比值法来确定两个特征点是否匹配，并与设好的阈值进行比较，如果最近邻次近邻比值法计算出来的比值比阈值小，那么就将该提取边缘图像的特征点处作为激光标记点；

步骤6.3，相机利用距离传感器拍摄标准尺寸板的照片，通过式(7)计算每一像素点对应的尺寸，相机与标准板之间的距离和每像素点对应的尺寸为一组数据；

步骤6.4，相机在离标准板不同距离测量，算出相机每像素在不同距离上对应的尺寸；

步骤6.5，通过步骤6.4的数据计算出相机拍摄的发散角度，对实物进行测量，相机与被测物体表面参考激光线保持相同的距离；

步骤6.6，如果步骤6.5的距离不同,通过步骤6.5计算的角度和距离换算，算出每像素在在该测量距离上代表的尺寸，乘上曼哈顿方法的像素点数量就是该距离上测出的缝隙长度；

步骤6.7，再通过对测得的最小距离在不同方向上的分解，得到需要的不同尺寸数据。