改进Faster R-CNN的汽车仪表指针实时检测

针对产业化的汽车仪表指针人工视觉检测效果差、检测速度慢和实时性低等问题,本文提出了一种改进的Faster R-CNN汽车仪表指针实时检测算法。通过改进原始的RoI网络层结构,实现小目标高低层特征之间的完整传递;采用双线性内插算法替代两次量化操作,使得特征聚集变成连续的过程,能够有效减少计算时间;最后将工业机采集的视频数据,预处理成VOC格式数据集进行训练,调整超参数得到改进汽车仪表指针检测模型。实验结果表明:所提出的方法能够快速、准确地实现汽车仪表指针检测,单张图片的平均检测时间为0.197 s,平均检测精度可达92.7%。在不同类别仪表指针的迁移实验中,展示了良好的泛化性能。

基于机器视觉的汽车仪表指针检测方法

针对目前汽车指针式仪表读数识别由人工检测,导致错检率高的问题,提出一种基于机器视觉的指针检测方法。首先采用最小灰度相减法从两张背景相同的图像中提取无指针图像,以此为模板,让待检仪表与之进行匹配,矫正位姿。然后通过剪影法提取出仪表指针,二值化,闭运算后将指针用最小二乘法拟化成椭圆,利用椭圆长轴与水平线的夹角计算偏转角度。最后与标准表的偏转角度做比较,从而判断是否合格。实验结果表明,该方法可有效解决对于工艺偏差或设备轻微抖动造成的指针偏转测量有误的问题。算法稳定可靠,误差较小。

基于HSI模型和Hough变换的指针式汽车仪表自动校验

为了克服传统的汽车仪表人工校验普遍存在准确率不高的弊端,提出一种指针式汽车仪表自动校验算法.针对汽车仪表盘颜色信息丰富的特征和采集图像时目标物体周边有阴影的现象,将RGB模型下的表盘图像转到HSI(色调、饱和度、亮度)模型以消除阴影影响,并利用色调和饱和度分量作为特征参数进行图像分割,并采用Hough变换检测目标;分别计算出指针指向主要刻度线时相对于零刻度线的偏转角,并与相对应的标准偏转角比较,若超过允许误差范围则返回重调.对常用汽车仪表盘的自动校验结果表明该算法精度好,校验准确率高.

全自动化汽车仪表盘指针帽头压制系统探索

本文分析针对汽车仪表指针半自动压制中人工参与物料的配送以及指针帽体的人工放置难以保证生产节拍和帽头放置的位置差别影响质量的不足,提出一种由工业机器人进行快速准确的汽车仪表指针上下料,实现整个汽车仪表指针压制过程的全自动化。

颜色分割和拟合椭圆相结合的指针检测方法

针对目前汽车指针式仪表读数识别由人工检测,导致错检率高的问题,提出一种将颜色分割和拟合椭圆相结合的指针检测方法。首先根据汽车仪表指针颜色鲜明的特点,在充分保留图像原始信息的情况下,将图像由RGB颜色模型转换到HSI颜色模型中,根据色调设定阈值,对图像进行分割。然后根据指针细而长的特点,用优化的最小二乘法将指针图像拟化成椭圆,计算椭圆长轴与X轴夹角。最后根据椭圆中心和仪表的圆中心相对位置判断象限,确定指针的偏转角度,与标准表的偏转角度做比较,从而判断是否合格。实验结果表明,该方法对于彩色仪表的指针偏转角度检测,简单有效,具有很好的鲁棒性。