论文部分内容阅读
导航车辆车轮转向角的角度值是转向系统的主要控制参数之一,其测量性能的优劣直接关系到车辆自动导航执行的稳定性和准确性。但由于车辆机械震动容易导致常用的接触式转角传感器与测量机构发生干涉,进而出现损坏、测量精度降低等问题。因此非接触与高精度的测量导航车辆车轮转向角是解决问题的关键。 视觉测量技术是建立在计算机视觉研究基础上的一门新兴测量技术。该技术具有非接触与高精度等优点,在工业、军事以及日常生活中都有着广泛的应用。本文研究和探索机器视觉方法测量东方红X-804拖拉机车轮转向角。采用摄像头拍摄固定在东方红拖拉机前轮转向液压缸上的标志点,通过计算机寻找标志点间的像素距离,此像素距离直接反映液压缸升缩量。并由KMA199磁阻角度传感器测量拖拉机前轮转向角度,用来建立像素距离与轮转向角度的关系模型。利用此模型对像素距离进行查表就可以得到前轮转向角度。在最后通过静态与动态实验分析图像测量转角的误差。 本文的主要研究内容及结论如下: (1)本文采用机器视觉方法建立东方红X-804拖拉机前轮转向角自动测量系统。通过初步实验表明车辆动态行走时平均测量误差为0.5°左右。系统具有测量精度较高、非接触性以及成本低等优点,能够作为传统测量仪器的替代品,具有广泛的应用前景。同时算法也存在不足之处,LED灯标志识别与重心位置获取的算法略显复杂,在后续研究中考虑用更简单的图像处理方式识别LED灯标志与获取所需信息。 (2)本文在摄像头加装红色滤镜,以及在转向液压缸左右两端安装红光圆形LED灯。实现动态复杂背景下减弱背景影响,突出颜色目标,克服背景的颜色干扰,使颜色目标识别和跟踪具有较高的鲁棒性和实时性。并通过图像类型转换、感兴趣区域、图像边沿提取、图像分割、数学形态学等数字图像处理方法寻找LED灯位置,确定LED灯重心位置,得到两LED灯间的像素距离。 (3)通过Simulink在计算机中同时采集视频流和由U2331A采集器获得的KMA199电压信号。并建立两LED灯间的像素距离与电压信号两者之间的拟合关系模型。利用此模型进行查表,像素距离就可以反求KMA199电压信号,并转换得到前轮转向角。 (4)通过Matlab的Simulink框图化系统建模和仿真工具实现快速高效地建立视觉系统工作模型,并由Matlab的RTW工具箱将模型快速转为C/C++代码。RTW工具箱免去了C/C++代码编程带来的低效与繁琐,直接在系统模型调试通过后直接生成告高速、移植性能好的C/C++代码。生成的C/C++代码能实现实时地采集和处理视频流数据。