动态剪影与LOG算子在汽车车型识别中的应用研究

　　1 引言

　　在多品种混流机器人喷漆自动线上，最关键的技术就是自动线上汽车驾驶室车型的识别，只有识别准确，机器人才能正确地执行喷漆动作。因此，识别准确率的高低直接影响汽车的质量和生产效率。

　　在车型识别方面成功应用的文献不多，jolly[1]等通过模板匹配法对车型进行分类，其模板是融入先验知识的在一定范围变形的多边形，用bayes决策 判断车辆类型，该算法计算量大，耗时多，并且识别准确率不高，显然，这种方法的实时性和准确率都不太能满足实际生产的需要。

　　在文献[2]中所采用的方法是通过动态剪影后的图像提取驾驶室的长、宽、高三个特征，进行特征匹配而识别车型。由于动态剪影需要连续的两幅图像，那么这个连续的图像间隔时间直接关系到识别尺寸的准确与否;当连续的两幅图像间隔时间短，则所获得的尺寸就精确，否则误差就增加。为了克服这个缺点，可以采用 log算子对连续图像的任意一幅图像进行边缘提取，再通过特征匹配，可以提高识别尺寸的精度，从而提高汽车车型的识别率。

　　2 识别系统的结构

　　车型识别系统采用数字图像处理方法。此系统利用2个摄像头分别摄取驾驶室的顶部图像和侧面图像，然后由计算机对数字图像进行实时处理，提取车型特征，根据 车型特征数据库中车型特征信息可以得到车型代码，将代码送至机器人喷漆控制系统，机器人就可以自动执行相应的喷漆程序。

　　2个摄像头分别安装在自动线的顶部和侧面，当自动线上的驾驶室进入摄像区域时，通过1个触发开关向计算机发出到位信号，计算机立即采集驾驶室顶部图像和驾 驶室侧面图像各两幅，接着分别对顶部和侧面图像进行处理和分析，并提取驾驶室的几何特征参数(长、宽、高)。根据驾驶室的几何特征参数在车型特征数据库中 进行检索，便可得到该驾驶室的车型名称和代码。然后向机器人喷漆控制系统发送车型代码，让机器人自动喷漆。

　　3 边缘检测算子简介

　　图像的边缘信息包含了大部分的图像特性信息，对图像分析十分重要。图像中的大多数边缘是尖锐的，也就是说在为数不多的像素范围内，灰度有了陡峭的变化;但 有些边缘是模糊的，灰度变化发生在为数较多的像素范围内，用单一固定尺寸的经典边缘检测算子，不可能较好地检测出边缘[3]。

　　最基本的一类边缘检测算子是微分算子类。除了laplacian算子和marr-hildreth算子，其它的算子基于的是一阶方向导数在边缘处取最大值 这一变化规律。而laplacian算子和marr-hildreth算子基于的是二阶导数的零交叉。微分算子类边缘检测方法的效果类似于高空间域的高通滤波，有增强高频分量的作用。因而这类算子对噪声是敏感的[4]。