基于计算机视觉的汽车仪表检测方法的研究

发布时间：2021-09-18 10:30

　　随着汽车工业的发展,尤其是汽车电子技术在汽车仪表中的广泛应用,现有的汽车仪表检测算法已无法满足仪表的检测需求,实际应用于汽车仪表检测任务时表现出检测精度低、通用性差等诸多问题,所以仪表供应商提出了构建一种可靠性好、检测精度高、通用性强的仪表自动检测系统的迫切需求。本课题针对现有汽车仪表检测中检测精度不高、泛化性较差等诸多问题,基于计算机视觉技术设计了一种全新的自动检测方法。提出了基于暗通道的外界光照处理方法,解决了原始仪表图像中光线不均、存在折反射光等的影响,使仪表图像光线更加均匀,实现外界光照下的仪表检测。本文针对仪表检测算法需要修改大量的参数,才能适用于其他款式汽车仪表的检测任务的问题,提出了基于目标检测的车速表、转速表、指针区域及数字字符的提取方法,通过构建专用于汽车仪表检测的SSD模型,实现仪表待检测区域的自动提取,进而增强汽车仪表检测算法的通用性和智能化程度。提出了指针的精提取方法,增强了算法稳定性,解决了由于仪表数字字符影响而导致拟合指针直线有严重偏差的问题,为仪表检测工作提供了高精度的指针拟合结果。为解决传统检测算法对于刻度点的提取需要进行人工赋值,检测流程僵化的问题,提... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

DH-HV1310FM工业相机

图像b)处理后图像图3-1基于暗通道的外界光照处理a)原始

a)原始图像二值化b)光照处理后图像二值化图3-2二值化结果对比基于目标检测的汽车仪表待检测区域的自动提取图像的目标检测(Object Detection)是在图像中识别出目标物体并提，是图像处理领域中的重要研究方向。由于目标检测可以解决人工低下的问题，同时实现自动提取目标物体，所以目标检测算法逐渐业检测领域。近年来由于CV技术表现出检测精度高等诸多优秀逐渐开始采用计算机图像处理技术对目标进行实时检测。Girshick等人提出R-CNN算法[31]，该算法第一次将CNN应用于图像之中，提高了物体识别的精度，让检测性能得到了显著提升，推动测的发展，尤其是深度学习技术在目标检测中的发展，之后陆续-NET[32]、Faster R-CNN[33]、SSD[34]等目标检测算法。这些目标检测算否使用区域提取(Selective Search[35]、Region Proposal Network[33])分为类使用区域提取包括R-CNN、Fast R-CNN[36]、Faster R-CNN等，由于

【参考文献】：
期刊论文
[1]视觉检测系统在汽车仪表自动化测试方面的应用[J]. 李沫.  软件. 2018(05)
[2]现代汽车仪表技术及发展趋向研究[J]. 于琦.  汽车与驾驶维修(维修版). 2018(03)
[3]组合SVM分类器在行人检测中的研究[J]. 邹冲,蔡敦波,刘莹,赵娜,赵彤洲.  计算机科学. 2017(S1)
[4]基于视觉自动识别功能的汽车仪表自动化检测技术研究[J]. 王连桂.  自动化与仪器仪表. 2015(11)
[5]基于机器视觉的汽车仪表盘指针检测[J]. 张永强,邸金红,马鹏阁.  计算机测量与控制. 2015(06)
[6]浅谈汽车网络技术[J]. 李晶.  机械管理开发. 2012(06)
[7]汽车仪表技术现状与展望[J]. 安宗权,余道和.  中国新技术新产品. 2011(11)
[8]CMOS与CCD图像传感器的比较研究和发展趋势[J]. 王旭东,叶玉堂.  电子设计工程. 2010(11)
[9]CCD与CMOS图像传感器特点比较[J]. 熊平.  半导体光电. 2004(01)
[10]机器视觉中的图像采集技术[J]. 刘焕军,王耀南,段峰.  电脑与信息技术. 2003(01)

硕士论文
[1]基于字符级联分类器的自适应汽车仪表检测算法的研究[D]. 伊明.哈尔滨工业大学 2018
[2]基于机器视觉的总线式汽车仪表盘显示状态监测技术研究[D]. 孙晶晶.江苏大学 2017
[3]基于卷积神经网络的轴承故障诊断算法研究[D]. 张伟.哈尔滨工业大学 2017
[4]基于机器视觉的汽车仪表读数识别方法研究与应用[D]. 秦善培.吉林大学 2015
[5]基于图像处理的仪表功能检测系统[D]. 钟贤德.哈尔滨工业大学 2013
[6]基于机器视觉的汽车仪表读数检测技术研究[D]. 孟祥雪.哈尔滨工业大学 2012
[7]基于特征识别的指针式仪表自动识别研究[D]. 晁阳.山东大学 2008



本文编号：3399976