摘 要

汽车保险杠在生产过程中，由于喷漆工艺的不稳定，导致部分保险杠的颜色和标准颜色之间存在色差，极大的影响汽车生产的进度与质量。鉴于工件小，目前采取人工挑选，仪器辅助识别较多，但由于人眼识别的局限性，无法识别非肉眼可见的色差，识别的精度不够，另一方面效率也不高。研制自动识别保险杠色差，并能准确检测判断工件是否合格的系统，就能有效避免目前色差检测过程中出现的种种问题，大大提高效率与准确性，同时降低生产成本。

本文针对色差识别问题研究内容如下：

1.图像识别基本原理。通过匹配结构、颜色、特征等的相似性度量来识别图像。图像识别的关键在于特征提取，常见有特征区域、特征边缘、特征点的提取。

2.识别算法设计。目前主流的识别算法有SIFT算法、SURF算法以及ORB算法。通过算法提取出图像的RGB值并比较差异从而进行识别。

3.算法实现流程。基于OpenCV，完成图像颜色特征提取算法编写。将模板图与测试图对应位置像素值RGB相减得到结果，在结果灰度化、二值化处理后进行轮廓查找，根据是否存在轮廓判断出二者之间的差异。

关键词：汽车保险杠；OpenCV；图像处理；ORB算法；RGB值；

Abstract

Automobile bumper in the production process, due to the instability of the painting process, leading to part of the color of the bumper and the standard color of the color difference, greatly affecting the progress of automobile production and quality. Due to the small size of the workpiece, manual selection is adopted at present, and many instruments are used for auxiliary recognition. However, due to the limitations of human eye recognition, the color difference that is not visible to the naked eye cannot be recognized, and the accuracy of recognition is not enough. On the other hand, the efficiency is not high. The development of automatic identification of the color difference bumper, and can accurately determine whether the workpiece is qualified detection system, can effectively avoid the various problems in the current color difference detection process, greatly improve efficiency and accuracy, while reducing production costs.

The research contents of this paper are as follows:

1. Basic principles of image recognition. Images are identified by matching similarity measures such as structure, color and feature. The key of image recognition lies in feature extraction.

2. Design of recognition algorithm. At present, the mainstream recognition algorithms include SIFT algorithm, SURF algorithm and ORB algorithm. The RGB value of the image is extracted by the algorithm and the difference is compared for recognition.

3. Algorithm implementation process. Based on OpenCV, the algorithm of image color feature extraction was completed. The results were obtained by subtracting the pixel value RGB of the corresponding position between the template image and the test image. After the result was grayed and binarized, the contour search was carried out, and the difference between the two was determined according to the presence of the contour.

Keywords:Bumper;OpenCV;Image Processing;ORB algorithm;RGB value;

目录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

1.3 研究的主要内容和章节安排 2

第2章 OpenCV简介 4

2.1 OpenCV的基本介绍 4

2.2 配置 5

第3章 图像识别算法概述 6

3.1 图像匹配识别 6

3.1.1 图像的匹配 6

3.1.2 图像匹配的过程 6

3.2 基于特征的图像匹配 7

3.3 特征提取算法 8

3.3.1 设计算法的目的 8

3.3.2 SIFT算法简介 9

3.3.3 SURF算法介绍 11

3.3.4 ORB算法概要 12

3.4 色差识别算法对比分析 14

第4章 色差识别算法设计 15

4.1 整体算法流程 15

4.2 ORB特征点提取与匹配 16

4.2.1特征点的检测 16

4.2.2计算特征点 16

4.3 仿射矩阵变换 16

4.4 RGB差值法与结果图像处理 16

4.4.1 RGB值 16

4.4.2 图像灰度化 17

4.4.3 图像二值化 17

4.5 轮廓查找 18

第5章 系统测试 19

第6章 总结 23

参考文献 24

附录 25

致谢 32

第1章 绪论

1.1 研究背景及意义

随着我国经济的飞速发展，人们的消费水平与日俱增，现如今越来越多的人选择购买私人汽车以满足自身的工作、生活需求。与此同时，人们购买汽车的消费观念也在慢慢的发生改变，相较于以往只考虑汽车的性价比而忽略汽车的功能性和舒适性，现在人们更多的会考虑汽车的外观、内饰，即舒适性能，作为购车的重要选择参考。汽车零件外饰作为消费者买车、用车首先接触的零部件之一，其外观质量的好坏尤为重要。而保险杠作为车身质量及车身外观的重要组成部分，更是受到消费者的重点关注。

近年来，不管是汽车工业还是化工工业都有了迅猛发展，塑料的出现尤其是工程塑料，为汽车外壳的设计以及车身设计都注入了新的活力。然而随着车身一体喷漆要求的不断提高，保险杠的喷漆工作也面临着更大的挑战。在汽车保险杠生产过程中，由于生产工艺的不稳定，导致部分保险杠的颜色和标准色之间存在差异，色差是生产部门在喷涂过程中遇到的一个非常复杂且难以控制的问题^[1]。

以往的保险杠色差检测大多是靠仪器检测和目测识别双层控制，由于没有专业的检测仪器以及过硬的专业目视识别技能，所能够做到的色差控制效果十分有限，往往在双层检测的过程中出现较大分歧，影响最终的检测判断。并且由于检测过程久流程复杂，大大的影响了时效，对汽车整体生产速率产生较大影响。这时，如果设计出一套能够自动识别保险杠色差，并能准确检测判断工件是否合格的系统，就能有效避免目前色差检测过程中出现的种种问题，大大提高效率与准确率，在整个汽车生产过程，不仅有效节约生产时间，而且极大的缩减了整体生产成本，提升了汽车的整体竞争力。

1.2 国内外研究现状

国外西方发达国家的汽车工业起步早，发展历史久远，诞生了很多汽车巨头，也形成了一套完整的汽车工艺生产的标准，并不断升级迭代，适应时代的发展。自计算机诞生以来，随着机器人技术的发展与普及，现代汽车工业迎来飞速发展，大量新技术，新工艺被投入到生产线中。在计算机诞生初始就被投入到辅助工业生产当中，无论是计算机强大的运算能力还是高精度的计算效率，都使得计算机作为解放人类双手，提高工作效率的必不可少的一部分。

自上世纪60年代历史上第一台能够处理数字图像的计算机出现以来，数字图像通过计算机处理进入到一个快速发展的阶段，根据计算机的功能，数字图像处理技术的作用和价值得到了多方位的体现，在工业生产尤其是当时的汽车工业生产的发展中发挥了巨大力量。到了新世纪，由Intel推出的OpenCV计算机视觉库一经面世，就将数字图像处理技术的发展推到了一个新的高度，在运用大量的算法语言，借助于计算机编程功能的多样化，计算机图像处理出现了大量新技术，新工艺。其中，基于OpenCV的计算机视觉处理^[2]得到了快速发展，并逐渐成为主流。通过编程的方式在上游改变图像处理的作用、功能，从而大大简化图像处理的难度和效率，大大节约了人力物力成本。图像识别是图像处理的一个重要分支，通过提取目标图像的相关特征从而达到识别的目的，图像识别是人工智能领域的一个重要组成部分。图像色差识别是图像识别的一个必不可少的一环，不管是实验研究还是工业生产，以及我们的日常生活，越来越多的地方需要用到色差识别。传统的色差靠人眼便可以分辨，然而随着工艺的发展，颜色的细微差别已经超出了肉眼识别的范围，这时候运用机器识别更精确更高效。在颜色识别的发展过程中，运用算法提取图像颜色的RGB值，以实现快速简单的识别，发展至今，提取图像颜色特征值出现了ORB（ORiented Brief）算法^[3]，Surf（Speeded Up Robust Features）算法，sift（Scale-invariant feature transform）算法这几种主流算法，通过算法实现颜色提取高效快速，进而识别图像颜色，最终比对色差。

反观国内汽车工业，起步晚，底子薄，虽然得益于改革开放的政策扶持，但相关的汽车生产工艺始终没有摆脱依靠人工，自动化程度不高。近年来，随着国有汽车品牌的崛起，各大汽车厂商也逐渐重视其生长线的技术升级，可作为喷漆工艺的一个子系统，保险杠的色差识别技术迟迟没有提上议程，还在依靠老旧的仪器检测及人工目视识别，相关的基础研究还没开始，更提不上生产工艺的出现了。

国内的图像处理技术相比于国外发达国家起步较晚，自计算机引入国内以来，才开始计算机数字图像处理的相关研究。由于国内基础建设的普及，交通运输业的高速发展，图像识别率先在交通方面得到应用，交通标识识别、车牌等识别纷纷被用于实际，由此可见国内的研究虽然延后，但由于需求大，相关领域的研究应用正呈现一股奋起直追的劲头。随着近年来人工智能的逐渐开发，国内对于图像处理技术，尤其是图像识别的研究应用有较大的研发投入。

1.3 研究的主要内容和章节安排

当计算机获取到外部设备采集到的保险杠图片，需要对图片的颜色进行获取，使之成为可以被计算机识别处理的信号，进而进行后续的颜色识别，最后与标准颜色比对从而得出结果。整个系统实现过程大致分为：

1.通过摄像头，利用拍照技术，获得保险杠喷涂颜色的样本图片；

2.对图片进行预处理，包括筛选，初加工等步骤；

3.在计算机上基于OpenCV编写相应的颜色特征提取算法；

4.将提取汇总出来的保险杠颜色与标准颜色比对分析；

5.获得每条保险杠颜色与标准颜色之间的色差，记录产品检测结果。

汽车保险杠色差识别系统的设计，主要在于如何设计算法来提取图像的颜色特征值，从而实现对色差的识别。本文主要比较了ORB算法，Surf算法，sift算法这三种算法对于提取目标图像特征值的差异，由此选出最合适的颜色提取算法，实现模板图检测图的匹配。通过算法提取特征值，自比较二者对应部位的RGB值获得二者的差异度，最终实现识别。

本文的主要结构组成有：

第一章：绪论。基于汽车保险杠色差识别系统，介绍了其背后的现状背景，对识别算法研究有了一个整体的认识。

第二章：OpenCV简介。本文是基于OpenCV实现色差识别系统的功能，作为计算机视觉编程库，支持跨平台、多语言使用。还介绍了Visual Studio，作为软件开发集成工具，它具有各种各样的特色化工具，能够满足软件开发的周期化需求。

第三章：图像识别算法概述。图像匹配是个复杂且繁琐的过程，选择合适的匹配算法尤为重要。在色差识别算法中，有ORB算法，Surf算法，sift算法，针对系统需求，分比对这三种算法进行分析比对，从而选择最佳算法。

第四章：识别算法设计。一旦确定了算法，就需要特定的编程来实现功能，并整理出整个识别过程。

第五章：系统测试。将程序编写完成后，就需要去验证系统的功能，通过多组测试从而确定结果是否正确。

第六章：总结。总结和预测本文设计的系统。

第2章 OpenCV简介

目前，图像识别技术研究的主要工具有OpenCV、OpenPR、Matlab、Halcom和QVision等。QVision能够快速开发应用程序，是QT平台下的机器视觉库。Halcom是一个简单快速的机器视觉应用开发平台，包含一个全面的机器视觉功能库。Matlab是一种数学运算软件，可以对图像矩阵进行各种简单或者复杂运算。OpenPR的全称是开放模式识别项目，作开源的机器视觉函数库。^[4]本文是借助计算机系统，基于OpenCV这个工具，编写相应的提取算法，从而实现图片色差识别功能，因此，需要先了解一下实现工具OpenCV。

2.1 OpenCV的基本介绍

OpenCV是Intel公司于20世纪末资助的一个项目，目的是探索数字图像处理的相关技术，OpenCV基于BSD协议，是一个跨平台的视觉库 。OpenCV包含了两部分，Open Source和Computer Vision ，即开源和计算机视觉。OpenCV的发展同时也促进了软件开发。

（1）开源

自计算机程序诞生以来源程序就一直是计算机应用执行功能的关键，开源即开放性的源代码，能够比多方编辑使用，在编程开发人员中很受欢迎。开源免费功能使其在全球范围内快速流行，越来越多的程序员参与到源代码的开发。开源软件一般具有流水线化、集中功能化、资源占用少、安全性能高的特点。

自诞生以来，吸引了来自全球的编程爱好者的参与，同时，更多的商业公司也加入到完善开放源程序的步伐中来，从历史发展的角度来看，开源可能是是一种更加合理有效的软件商业模式。

（2）计算机视觉

计算机视觉是基于数字图像处理技术开发的一项新技术。通过计算机强大的信息处理功能，将视觉信息输入计算机去研究相应的理论知识以及计算方法，视觉研究包括图像的特征提取与检测，图像的各种处理，运动图像信息处理以及从图像灰度获得彩色图像的算法。作为一项新兴的计算机处理技术，它的研究领域涉及方方面面，有计算机科学，信号处理，神经生理学与认知科学。它广泛用于制造，检验，文件分析，医疗诊断和军事领域的各种智能系。^[5]

OpenCV的库中集成了大量的C/C 算法语言，通过度这些算法的研究，可以完成很多的图像处理方法的构建。像特征检测与跟踪，运动分析，目标分割与识别等。作为C/C 编写的跨平台编程工具，它可以在Windows、Linux、Android和Mac Os操作系统上运行，它还提供了Python、Ruby、Matlab等语言接口。^[6]它的主题分为以下5个模块，其中4个模块如图2-1所示。

图2-1 OpenCV的基本结构

4个模块中CXcore是基础模块，其他模块都与之有紧密联系，CV模块是图像处理过程经常用到的，由基本的图像处理以及视觉处理算法构成。OpenCV拥有一个机器学习库就是MLL，是一些帮助视觉处理的统计类工具。作为一个实现工具，OpenCV自然应该具有输入输出端，HIghGUI就充当了这个角色。

在处理一些计算机世界中的复杂问题时，可以利用OpenCV自带的高层函数快速解决。OpenCV有一个强大的函数库，并在不断扩大中，它可以提供基本函数为大多数计算机视觉问题产生完美解决方案。

与其他图像识别研究算法工具相比，OpenCV具有许多出色的功能：

①开放的源代码。对于开发者来说，它是免费的。

②强大的图像和矩阵运算能力。在OpenCV库中有效的实现各种图像处理模块，并且可以对图像矩阵执行各种操作。

③方便灵活的用户接口。OpenCV为用户提供了大量透明接口，并实时有效的更新，保证用户可以随时加载函数库。

本文采用OpenCV库和各种图像识别算法来开发了这套色差识别系统。

2.2 配置

OpenCV需要与VS配对使用，因此需要配置出适合它的运作环境，VS，全称是Microsoft Visual Studio，是由美国微软公司发行的实现软件开发全套流程的工具集。

作为一款软件开发集成工具，VS拥有各种各样的特色化工具，能够满足软件开发的周期化需求。同时作为一款面向市场的开发工具，用VS开发的代码可以适配所有微软支持的平台。

第3章 图像识别算法概述

3.1 图像匹配识别

3.1.1 图像的匹配

输入一张图像，通过计算机将其与模板图像进行一系列的处理，在结构、尺寸、灰度等方面对比分析它们的联系的过程称之为图像的匹配。用P₁表示标准图像，P₂表示比对图像，则图像匹配的数学模型如下：

（3-1）

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：