基于LabVIEW的车灯日行灯自动化测试

摘要 设计了一种汽车日行灯自动测试系统。该系统主要由工业计算机、高性能数字摄像机硬件平台和LabVIEW软件平台两部分构成。采用摄像机拍摄一张标准日行灯图片作为模板，对待测试的日行灯进行图像采集且与模板比较。由模板定位出测试窗口，然后对各个窗口进行RGB模型分析和HSL模型分析，从而完成对日行灯颜色和明度的检测。此外，系统可同时对多个窗口进行分析，并可实时显示测试画面和测试结果，一次测试时间不超过6s，且准确度和重复性较好，已在实际中应用。

日行灯(Daytime Running Light，DRL)是近年来兴起的一种信号灯具。一般安装在汽车前大灯中，其功效是为了使车辆在白天行驶时更容易被识别。据统计，开启日行灯可降低12.4%的车辆意外，以及降低26.45%的车祸死亡率。最初的生产线由人眼去识别日行灯的颜色异常和亮度异常，长时间的工作会对眼睛造成较大伤害，且也会造成良品率的下降。根据这一需求，设计一种自动测试系统。该系统由两个部分构成，一是拍摄一张标准日行灯图片作为模板，二是将需要测试的日行灯与之进行比较。前一部分主要完成窗口数量和位置的确定，以及窗口部分颜色特性的分析，并将这些参数保存下来。后一部分在实际测试中，在模板图片中模板窗口位置范围内寻找测试窗口、提取测试窗口颜色并与标准模板窗口颜色进行比较、显示测试结果和保存结果。本系统由工业数字彩色摄像机采集图像，图像分辨率为680×480，在保证了图像质量的同时也提高了系统的测试速度，系统能同时对多达15个测试窗口进行分析。整个测试流程耗费的时间不到6 s，且准确度和重复性好。

1 原理与组成

1.1 测试原理

LabVIEW是美国NI公司推出的一种基于图形化编程的软件开发工具，也是当今国际上唯一的编译型图形化编程语言，是一个标准的数据采集和仪器控制软件。本系统功能的实现主要基于NI LabVIEW的机器视觉模块以及图像处理技术。系统通过摄像机采集车灯日行灯标准样灯图像作模板，以多窗口的方式将待测试的区域细分，对每一个窗口单独测量得出色度和明度数据，以RGB模型3个分量所占的比例来表示所提取窗口模板的颜色组成，即以R、G、B各分量所占的比重来表示颜色偏向。用HSL模型中的明度分量L表示亮度。以模板所得的亮度值以及R、G、B各分量比例在各自允许公差下组成合格模板。然后保存到配置文件，供实时检测使用。

1.2 系统框图设计

如图1所示系统主要由4部分组成：(1)图像采集，由摄像机对点亮的日行灯进行图像采集。这里要注意摄像头光圈和焦距的调节以及白平衡的校准。所采集的图像必须是处于亮度不饱和且颜色不失真的状态，以最接近日行灯真实状况。(2)模板制作，以标准日行灯样件的图像作模板确定窗口的数目和位置信息，并对每个窗口进行分析，提取出R、G、B、L的信息，并设置各个分量的可允许公差，组成测试模板。(3)图像实时处理，在对被测试产品所采集的图像上，根据测试模板上的窗口位置信息确定所有待测试窗口位置，并逐一分析窗口得出R、G、B、L分量数据，各分量数据与测试模板相匹配，判断合格与否。(4)结果，对结果进行显示和保存。

2 LabVIEW的编程实现

系统功能的实现主要基于LahVIEW中的机器视觉模块，机器视觉模块可提供大量的有关于图像处理的函数使用，且可提供良好的人机交互界面，对于快速开发测量系统较为方便。

2.1 前面板设计

前面板给测试提供一个友好的界面，如图2所示，系统面板包括图像显示控件，灯控制模块、窗口选择模块、标准范围模块和摄像头设置模块。灯控制部分可控制灯的开关状态。窗口选择部分可定义窗口的颜色、激活状态、名称，通过截取窗口按钮可在图片中定义所选定窗口的大小，通过选择Active选择项可激活窗口以将该窗口添加到测试中去，否则该窗口将不被检测。标准范围模块用来制作模板，定义公差和测试数据显示。若测试合格则指示灯为绿色，结果中不显示数据。若测试不合格，则指示灯为红色，结果以红色字体显示不合格的数据指标。摄像头设置模块可以设置摄像头的参数，以保证拍到的图像效果最佳。最后还可对测试的结果导出Excel文件进行分析。

2.2 窗口模板的提取

模板的提取对整个测试结果有决定性作用。所有的测试判断均基于对标准日行灯样灯提取的模板数据来进行。日行灯一般呈条状光斑出现，由一根光导或多颗LED灯珠组成。为了对整个条状光斑进行测试，系统以多窗口的方式将整条光斑细分，每个窗口独立成一个模板。对每个窗口进行测试则可完成对整条光斑的测试。LabVIEW中IMAQ Wind GetROI.vi可在一幅图像中任意的划定范围作为感兴趣的区域，且返回所选区域的像素坐标。本系统以矩形来提取模板作为窗口模板。

如图3所示，程序的主要功能是选取感兴趣的区域后，双击鼠标左键，系统如果检测到鼠标有“Doubleclick event”(鼠标双击事件)发生，则退出模板采集界面，并记录下窗口的坐标信息ROI。在此，提取的窗口信息在制作模板时被保存为所采集窗口模板的信息，在后续的测试中还直接作为测试区域来对待测日行灯图像进行测试。

2.3 窗口模板分析

如图4所示，本程序模块的主要功能是对前面提取的窗口进行分析，提取出窗口的RGB信息及明度信息。

本功能主要由两个vi实现，分别为IMAQ Extract.vi和IMAQ ExtlractColorPlanes.vi。IMAQ Extract.vi的主要功能是在一幅图像中根据给定的范围来截取图像。这里以窗口模板中提取的窗口信息ROI作为图像截取区域。所提取的图像区域作为待测试窗口供给后面的程序模块进行分析。IMAQ ExtlractColorPlanes.vi主要功能是对所给定的图像进行分析，并可选定色彩模型，包括RGB，HSL，HSV和HIS，针对特定的色彩模型作特定的特性分析。本系统主要对RGB和HSL两个色彩模型作分析。RGB模型用于分析图像的三基色成分比例，HSL用来分析图像的明度信息。然后经过直方图分析以均值的形式得出各指标具体数据。并将具体的数据和各自的公差组成合格模板保存到配置文件供给待测日行灯测试使用。在实时检测时，从该模块得出待测窗口的数据，并与合格模板做比较，得出测试结果。

2.4 窗口图像处理

首先通过读取之前保存的日行灯标准样灯窗口模板信息得出ROI，即如图5所示的homops_hl，homops_vl，homops_hh，homops_vl所组成的矩形区域。并将这4个坐标组建成数组的形式传送到RGB—LED.vi中去，该VI根据数组表示的矩形区域截取窗口图像，对测试窗口进行定位。然后对窗口图像进行色度和明度的分析，得出R、G、B三分量的值和明度值，并与合格模板对比，判定合格与否。并将测试结果传送到vi外。程序利用for循环的特性，对所有定义并激活的窗口进行分析，若某一窗口出现亮度或色度不合格，RCB—LED.vi会传递一个布尔量F给条件结构，当条件结构接收到布尔量F时，结构内部程序便对窗口测试结果进行分析，是色度不合格还是明度不合格，并记录窗口的编号。以便将报错信息传送到结果中显示。若RGB—LED.vi并未传送出布尔量F，则表示所有窗口的所有待测指标均合格，整个测试合格。

3 系统准确度和重复性分析

3.1 系统准确度分析

系统采用RGB三分量所占比例的方式来表示颜色的偏向，因此对不同颜色的图片，R、G、B三分量所占比例是不同的。图6为5张数字摄像机拍摄的车灯DRL图像。其中4张颜色异常图像，DRL颜色分别偏红、偏绿、偏蓝、偏黄以及1张标准车灯DRL图像。

表1为从5张图像测得的色度和明度数据。选定一个窗口，对5张图像中的同一个窗口做色度和明度的分析，得出数据。由数据可知系统的准确度比较高。偏红图像的R分量所占比例高达41.4%，偏绿的G分量为38%，偏蓝的B分量为44.33。对于正常图像，R、G、B三分量则较为接近。明度与图像的最多颜色成分和最少的颜色成分的总量有关。明度越小，图像越趋于黑色。亮度越高图像越趋于明亮的白色。表1中明度分量L的变化也符合色彩差异带来的色彩明度变化。

3.2 系统重复性分析

这里对颜色正常DRL图像的同一窗口作反复测试，测试次数为10次，表2为测试所得的数据。由数据可得各分量方差VAR(R)=0.0008944;VAR(G)=0.0003211;VAR(B) =0.0 003211;VAR(L) =0.0005333。各指标方差都达到万分位精度，可见数据的波动性微小，系统测得的数据值较为稳定，且系统的重复性较好。

4 结束语

系统充分利用了计算机视觉与图像处理技术在工业检测上的优点，LahVIEW可视化编程语言提供了可利用的机器视觉模块，使计算机视觉与图像处理技术结合在一起，并能提供一个智能的人工交互界面，相比传统的人眼检测方法有明显的优势：(1)测试效率高。(2)准确率高，稳定性好。(3)连续工作时间长，节约人工成本。通过对系统进行准确度分析和重复性分析，验证了系统的稳定性。随着日行灯的普及使用，相信该系统的使用价值将越来越大。