[发明专利]一种基于机器视觉的汽车仪表自动化测试系统及测试方法

权利要求书

1.一种基于机器视觉的汽车仪表自动化测试系统，其特征在于，包括上位机仿真端、组合仪表盘、机器视觉构件、下位机视觉分析机；

所述上位机仿真端与HIL仿真平台建立连接，通过HIL仿真平台发送仿真信号来控制组合仪表盘的动作；

所述机器视觉构件包括：暗箱，设置在暗箱内的用于支撑组合仪表盘以及安放工业摄像机的台架，工业摄像机，与工业摄像机连接的采集卡；

所述下位机视觉分析机接收上位机仿真端发送的控制命令，驱动所述工业摄像机对组合仪表盘的仪表盘图像进行采集进而对采集图像进行识别并向上位机仿真端回传识别结果，同时保存采集的图片结果并生成日志；所述上位机仿真端对下位机视觉分析机回传来的识别结果进行分析，并生成识别报告。

2.如权利要求1所述的一种基于机器视觉的汽车仪表自动化测试系统的测试方法，其特征在于，包括如下步骤：

S1、上位机仿真端将识别命令发送给下位机视觉分析机；同时上位机仿真端将仿真的信号发送给HIL仿真平台，使仪表盘显示所需识别数据；

S2、下位机视觉分析机在收到上位机仿真端所发出的指令后，驱动工业摄像机开始对组合仪表盘进行图像采集；

S3、图像采集完成后，对图像进行预处理，由下位机视觉分析机进行采集结果的识别和分析，将识别结果回传上位机仿真端，同时在下位机视觉分析机保存采集的图片结果并生成日志；

S4、上位机仿真端分析下位机视觉分析机回传的识别结果，并生成识别报告。

3.如权利要求2所述的一种基于机器视觉的汽车仪表自动化测试系统的测试方法，其特征在于，所述步骤S3中对图像进行预处理的方法为：

首先利用高斯滤波去除图像噪声部分，灰度化后运用礼帽变换分离比邻近点的斑块，去除部分噪点；使用OTSU算法对所得的图像进去阈值分割，方便图像二值化；采用四连通的种子填充算法，对二值图像中的大面积噪声区域填充。

4.如权利要求2所述的一种基于机器视觉的汽车仪表自动化测试系统的测试方法，其特征在于，所述步骤S3中下位机视觉分析机对组合仪表盘的图像采集结果的识别包括图标识别、指针读数识别和字符识别。

5.如权利要求4所述的一种基于机器视觉的汽车仪表自动化测试系统的测试方法，其特征在于，所述图标识别包括以下步骤：

S11、首先建立训练样本数据库，针对各个图标，抓取它在各种情况下的图像并保存；

S12、预处理后，分别采用SIFT算法和主成分分析算法提取各个样本的特征值，并存入数据库；

S13、对于测试时摄像机抓取的任意图标样本图像，同样经历图像预处理以及特征提取的处理过程；

S14、图标识别：首先根据图像的PCA特征进行匹配，计算测试样本与各个训练样本特征值的欧式距离，选取距离值最小的作为最佳匹配目标，如果匹配效果不理想，则采用SIFT特征进行匹配，将特征向量的欧式距离作为两幅图像中的特征点相似性判定度量。

6.如权利要求4所述的一种基于机器视觉的汽车仪表自动化测试系统的测试方法，其特征在于，所述指针读数识别包括以下步骤：对于组合仪表盘中的指针图像首先进行预处理，然后利用骨架提取算法将图像中的指针细化，使其从矩形细化为线形；利用霍夫变换的方法对该直线进行识别后，根据直线所处的角度计算其读数。

7.如权利要求4所述的一种基于机器视觉的汽车仪表自动化测试系统的测试方法，其特征在于，所述字符识别包括如下步骤：

S21、选择字符图像，截取大量的文字图像素材，以此作为字库中的标准数据；

S22、经过图像预处理后，利用Tesseract OCR引擎对其进行训练，对于识别效果不理想的文字图像手动建立其文字识别库；

S23、将所有的训练图片特征信息合并，并手工调整文字大小，核对文字精度，从而建立针对仪表盘的文字识别库traineddata；测试过程中所抓取的文字图像，经过相同的处理；

S24、运用Tesseract OCR引擎匹配到文字识别库中的标准数据，完成字符识别。