基于数字图像处理的货车交叉杆弯曲度自动检测

王燕燕 湖南机电职业技术学院电气工程学院

鲁五一 秦炳桂 中南大学信息科学与工程学院

基于数字图像处理的货车交叉杆弯曲度自动检测

王燕燕 湖南机电职业技术学院电气工程学院

鲁五一 秦炳桂 中南大学信息科学与工程学院

交叉杆；弯曲度；图像处理；自动检测

引言

货车转向架交叉杆是货车车厢底部的一个固定机构，在行车过程中因机械碰撞而易发生弯曲、变形。因此交叉杆检修质量的高低直接影响到车辆的运行安全。交叉杆评判是否合格的重要指标是其几何尺寸（包括交叉杆长度、端头平面度和杆体弯曲度）。由于交叉杆的几何尺寸非常大，超出了一般常规的测量范围，并要求极高的准确度，同时需要测量三维空间的尺寸，这些因素造成了目前没有办法实现交叉杆的自动检测。工业三维空间尺寸测量主要以全站仪、三坐标测量机等为主，这些设备结构复杂，苛刻的测量条件限制，再加上昂贵的价格，使其未能在交叉杆测量领域进行大规模的推广。同时人工测量方法需要多人共同协作才能完成，不仅费事费力，而且存在较大误差。因此，铁路货运部门迫切需要研发出一种全新的货车交叉杆几何尺寸的自动检测方法，本文主要研究货车交叉杆弯曲度的自动检测。

1.货车交叉杆弯曲度自动检测系统结构及工作原理

整个检测系统主要由CCD工业相机、光源、工件测量台、上位机（计算机图像检测软件）、数据传输模块、输出设备等组成。本系统测量的交叉杆的型号为K2型号，弯曲度检测其检测标准大于20mm时修程为报废，大于10mm时修程为调修，检测范围0～30mm，且在全长范围内进行，检测精度为±1mm，重复精度为±1.5mm。

交叉杆通过传送带输送至检测台，支撑架自动用卡子将交叉杆卡住并托起至预定位置。由上位机发送拍照指令， 4台相机同时工作，拍摄照片，通过千兆网和网络交换机把图片信息传输到上位机，经过图像滤波、背景差分、自适应二值化阈值算法和图像的膨胀与腐蚀得到基准点的像素坐标，经过坐标转换以及标定的内参矩阵得到交叉杆的弯曲度。最后提交数据处理报告，打印出相关数据。

2.交叉杆弯曲度测量图像处理

2.1 图像预处理

在铁路货车交叉杆检修线上，环境十分恶劣，存在着机械振动、光线亮度变化、电磁波干扰等，要消除干扰噪声的影响，同时突出或保持交叉杆图像边缘信息，在对图像特征提取前需要进行预处理，考虑到工程的实际情况，本文选择5*5的圆形模板加窗中值滤波器对交叉杆图像进行处理。

2.2 图像特征提取

摄像机在工业现场采集的图像除了包含有交叉杆的图像外，还夹杂有复杂的背景图像。会给目标图像的特征提取造成干扰。由于交叉杆本身的颜色是黑色，选择与黑色对比度很强的白色为背景底色，在实际调试过程中发现交叉杆本身具有反光现象，背景与光源问题依然严重。于是，本文利用在短时间内背景不会有很大变化的现实情况，利用背景差分的方法，去除背景。即先保存背景图像，利用前景图像与背景图像相减，产生目标交叉杆的图片的轮廓图，然后选择合适的阈值T，如果差值大于T，那么该点即为目标点，反之该点为背景点。采集到的背景图如图1（a）所示，实际图像如图1（b）所示，通过背景差分后得到的目标图像如图1（c）所示。经过背景差分后的目标图像需要进行二值化处理，使整个图像呈现出明显的黑白效果。

图1 交叉杆进行背景差分前后的图片

2.3 图像的膨胀腐蚀

由于有些交叉杆会做一些记号，影响测量的精度，本文对标记区域通过ROI大致定位，对有噪点的图片区域进行多次腐蚀，对丢失了信息的图像进行膨胀，能够较好地恢复交叉杆真实的杆体。

3.交叉杆弯曲度测量及分析

3.1测量过程

（1）事先通过标定，把标准杆的相关参数写入系统。

（2）待测杆装上检修线，工作人员点击获取背景按钮。背景图像必须要在待测交叉杆没有上升的情况下获取，为了减小阳光、背景等偶然误差每测一根交叉杆都需要获取一次背景图像。

（3）检修线运行，交叉杆通过气缸自动上升到待测位置。进行拍照，获取所有的图片数据，并进行一系列的图像处理。

（4）打印数据报表，判断交叉杆是否合格。

3.2 测量算法与分析

通过前面对交叉杆图像的处理，系统已经得到交叉杆轮廓的经过腐蚀膨胀的二值图像，现在对图像的轮廓进行提取与分析。每幅图片的大小为2592*1944。根据标准杆的位置，大致定位每个端头的ROI区域，如图2所示，白色区域为ROI区域。这种方法可以减少交叉杆图片的噪点和计算的区域，提高算法的速度。

图2 交叉杆ROI区域

在现场环境中，基准点（交叉杆中心）与理论基准点会有偏差，并且交叉杆所在的平面与理论的水平面不能完全平行。经过一系列的坐标变换，由于机械定位不准确导致的坐标误差会被放大。同时由于相机的畸变，会导致弯曲度较大的交叉杆的修正产生较大误差。本文不再沿用图像坐标转换为世界坐标的传统思路，而是采用分块修正查表的思想对图像坐标进行修正。具体算法步骤如下：

（1）采用标准样杆（经过计量局认证过的完全没有弯曲的交叉杆）进行标定。

（2）在气缸上设定毫米为单位的标度，（-7.5mm到22.5mm），待测杆的标准端面位置在0mm处。

（3）在检测台放上标准样杆，每次气缸上升1.5mm（3到5个像素点，1.5mm为重复精度）， 得到一组边缘图片数据，记为集合。集合有如下定义，由公式1-1给出，表示标度。集合的数据包括：表示刻度值，的取值有-7.5， -5， -3.5 ， ...， 21， 22.5，表示是第几组刻度值，的取值为1， 2， ...， 20。后面的坐标值为交叉杆的100组像素坐标值，表示一组图片的第个区域，表示这一组的平均纵坐标。（1-1）

（4）拍摄20副图片，形成20*1.5mm的弯曲区域。为方便显示，放大弯曲区域的面积，如图3箭头所示。每根样杆图像在-7.5mm到22.5mm之间的每个图像区域形成了一个25像素点*1.5mm的数据表。

图3 交叉杆分组区域

采用图像坐标转换的方法从测量现场选取的部分数据如表1所示，采用分块修正查表的思想对图像坐标进行修正的方法测量同样的10根交叉杆，测量数据如表2所示，由表1和表2的数据可以看出，针对不同弯曲程度的交叉杆，利用改进后的测量交叉杆弯曲度算法，平均测量误差由原来的1.3mm减小到0.5mm。对于弯曲度较大的交叉杆，测量误差由原来的5.1mm减小到只有2.2 mm 。由此可知，采用改进后的测量算法，提高了测量结果的精确度。经过大量现场数据表明该系统的最大测量误差|δ|<3mm，与手工测量相比，提高了测量速度，减少了人力与物力。

表1 改进算法前弯曲度测量数据

表2 改进算法后弯曲度测量数据

4.结论

本文以数字图像处理的相关原理及算法为基础，通过非接触式测量采集到货车交叉杆的图像，通过对图像进行分析与处理，得到真实交叉杆的轮廓。根据标准杆对待测杆进行比较，结合实际情况以及对检测结果分析，本文所介绍的检测方法能够减小弯曲度比较大的交叉杆的测量误差，提高了检测的精确度，满足对测量系统的误差要求。实现了测量的自动化。具有一定的应用和推广价值。

［1］ 陈雷.中国铁路重载货车关键技术和可靠性评价［J］.铁道车辆，2010，48（1）：18-21.

［2］ 邓旭辉，王川.关于火车货车转向架检修的优化和提升［J］.科技创新导报，2014，（29）：84-84.

［3］ 陈刚，胡祯.大型测量台的大尺寸测量技术研究［J］.中国计量，2014，（4）：23-25.

［4］ 王欢，杨杰.欧洲铁路货车转向架发展综述［J］.机车车辆工艺，2012，（5）：12-14.

［5］ 郑玉丽，陈卫兵.图像加窗中值滤波算法研究［J］.微计算机应用，2011，32（9）：9-14.

［6］ 屈晶晶，辛云宏.连续帧间差分与背景差分相融合的运动目标检测方法［J］.光子学报.2014，43（7）：710002-8.

［7］ 胡进忠，余晓芬，刘媛媛.基于激光多边法的坐标测量系统自标定研究［J］.电子测量与仪器学报，2014，28（2）：130-137

［8］ 黄湛，徐杜，蒋永平.高精度图像尺寸检测镜头畸变校正方法与实现［J］.电子科技，2013，26（8）：126-129.

王燕燕（1984- ），女，山西临汾人，讲师，工程硕士，研究方向：智能控制及其应用。

鲁五一（1957- ），男，湖南长沙人，教授，研究方向：智能检测与控制。

秦炳桂（1990- ），男，硕士研究生，主要研究方向：数字图像处理。

以数字图像处理技术为基础，设计了一套运用机器视觉技术对铁路货车交叉杆的弯曲度进行自动测量的系统。将检测台上的交叉杆进行定位，拍摄照片，并将图片信息传输到上位机。对采集到的原始交叉杆图像运用加窗中值滤波器，去除现场环境的噪声。利用背景差分法去除工业现场背景对目标图像的干扰。采用图像处理ROI的思想，运用膨胀与腐蚀算法，得到交叉杆轮廓的二值图像，考虑到现场环境中，机械定位不可能完全准确以及相机的畸变，采用分块修正查表的思想对图像坐标进行修正，求解出交叉杆弯曲度的值。实现了对交叉杆的自动化流水线在线检测，取代传统人工检测，大大提升了工作效率和经济效益。