三维视觉式四轮定位参数检测方法的研究.docxVIP

三维视觉式四轮定位参数检测方法的研究 0 汽车界定和检测方法 作为车辆检测的一个重要组成部分，检测车辆定位参数对整个车辆的安全性和可靠性有重要影响。传统的四轮定位仪，如传统的激光式、红外线式、水准式、光学式和拉线式车轮定位仪，由于其检测原理的局限性，存在需要的传感器众多、标定复杂、操作繁琐以及检测速度慢、精度不高等问题，不能实现快速检测，无法满足汽车检测行业的发展要求 计算机视觉测量技术是一种新兴的、先进的测量方法，具有非接触、实时、操作简便、精度高的特点，目前国外已有几款四轮定位仪开始采用此技术，如美国JohnBean公司的V3D四轮定位仪，其根据透视学原理, 通过摄像机捕捉随车轮运动的目标盘上圆形的形状变化来求取四轮定位参数。这种方式原理简单, 构思巧妙, 但对目标盘的精度、摄像机的精度和工作环境有很高要求 1 一种新的三维视觉检测方法用于检测四个3d结构的参数 1.1 kingpooi的角度 四轮定位的主要参数包括:前束角Toe (车轮中心线与车辆几何中心线之间的夹角) 、外倾角Camber (车轮旋转平面与车辆纵向垂直面的夹角) 、主销内倾角K i n g p i n Inclination (在汽车横向平面内转向结主销轴线与铅轴线的夹角，以下简称KI) 及主销后倾角Caster (在汽车纵向垂直平面内转向结主销轴线与铅垂线的夹角) 等。其几何示意图如图1、图2所示。 X、Y、Z分别为车体的横向、铅垂方向和纵向的坐标轴，根据立体几何知识，四轮定位参数数学模型为式 (1) 所示，单位为度。 其中， 1.2 数学模型求解 根据四轮定位参数的数学模型，我们可以通过摄像机采集随车轮运动的棋盘格式目标盘的序列图像，对其进行角点检测，而后计算棋盘格角点的图像坐标与世界坐标之间的单应性矩阵H，结合摄像机标定所得到的摄像机内参矩阵，便可求出棋盘格角点的旋转矩阵，即车轮运动的旋转矩阵，进而计算出车轮旋转轴线的方向余弦，从而得到车轮的四轮定位参数，其具体的数学模型求解流程如图3所示。 2 基于epcv的新方法 2.1 安装摄像机和目标盘 (1) 分配内存空间。通过cvCreateMat () 函数为棋盘格角点的世界坐标值、图像坐标值以及摄像机的内、外部参数等分配内存存储空间； (2) 安装摄像机和目标盘。将棋盘格式目标盘固定在车轮上，使目标盘平面与车轮平面垂直，摄像机的光轴线要与车身轴线平行； (3) 采集图像。前后推动或左右摆动车轮, 通过cvCap tureFromCAM () 函数在车轮每转过10度时采集一次目标盘图像。本方法对采集图像的帧率要求不高，可由程序调用操作系统的DirectShow直接通过USB2.0接口将图像采集至计算机。 2.2 角点检测算法 角点检测的精度直接影响到摄像机标定的精度以及参数计算的精度。针对棋盘格角点的特点，本文采用了Jean-Yves Bouguet角点检测法，这是一种基于灰度图像的方法，可以根据角点处灰度值的特征来方便快捷的提取角点。并且在目标盘随车轮小幅度旋转时，能根据棋盘格行、列角点数目的不同实现角点的自动匹配，进一步提高角点检测的成功率与速度。整个角点检测过程为以下三步。 (1) 图像处理。先使用cvNormalizeHist () 函数来均衡化图像亮度，并使用自适应阈值（通过平均图像灰度值计算得到）将图像转换为二值图，提高角点检测的成功率； (2) 像素级角点检测。将处理后的图像数据分别代入cvFindChessboardCorners () 函数，如果返回值是1，则表示在该幅图像上提取的角点数目和设定的相同，提取角点成功，程序用直线将检测到的角点从头至尾连接；若为0，则表示角点提取失败，该幅图要抛弃。图4、图5分别为角点检测成功与失败时的图像； (3) 亚像素级角点检测。将得到的粗略图像坐标值代入FindCornerSubPix () 函数, 利用角点邻域内图像灰度梯度变化与角点到邻域内任一点的矢量点乘为零的性质, 采用迭代算法, 获取精度优于0.01个像素的亚像素角点坐标。 2.3 图像n个角点的标定 在计算机视觉系统中，三维物体的位置、形状等几何信息是从摄像机获取的图像信息中得到的。为了获取空间点到摄像机图像像素点的对应关系，摄像机的标定必不可少。 Op e n C V中采用的是张正友的标定法，标定过程分为线性计算和非线性优化两步：第一步不考虑畸变，直接在针孔模型的基础上利用直接线性变换D L T变换方法计算出摄像机的内部参数和外部参数的初值。第二步考虑畸变的影响，建立数据拟合目标函数如式 (2) 所示。既要将图像上N个角点的坐标值 这种标定方法既具有较好的鲁棒性，又不需昂贵的精制标定块，很有实用性，其具体实现步骤如下。 (1) 确定角点世界坐标。根据棋盘格角点个数及