基于机器视觉的测控技术.docx

基于机器视觉的测控技术.docx

《基于机器视觉的测控技术.docx》由会员分享，可在线阅读，更多相关《基于机器视觉的测控技术.docx（20页珍藏版）》请在冰豆网上搜索。

基于机器视觉的测控技术

题目：

基于机器视觉的测控技术

院系物流学院

专业机械设计制造及其自动化

班级09940731

学生姓名刘凯新

学号0994073107

导师姓名姚志英

导师职称讲师

2012年12月17日

【摘要】

机器视觉技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。

机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。

机器视觉技术最大的特点是速度快、信息量大、功能多。

关键词：

机器视觉；检测；识别

目录

关键词2

一、机器视觉检测技术综述4

（一）传统人工检测的缺点4

（二）机器视觉检测技术4

二、机器视觉的基本原理5

（一）基本原理5

（二）系统构成6

1、光学系统6

2、图像处理系统6

3、执行机构及人机界面6

三、国内外发展现状及趋势7

（一）国外发展现状7

（二）国内发展现状7

（三）机器视觉的发展趋势7

四、典型应用案例9

（一）机器视觉在汽车试验中的应用10

1、机器视觉在车辆几何尺寸测量中的应用10

2、机器视觉在前轮定位参数测定中的应用11

3、机器视觉在客车车厢防雨密封性试验中的应用11

4、机器视觉在汽车碰撞试验中的应用12

（二）安全车距测量技术研究13

1、双目立体视觉模型13

2、安全车距测量系统14

五、机器视觉在流水线条形码识别中的应用16

（一）基于机器视觉的条码自动识别16

1、实验系统组成16

2、图像预处理17

（二）基于机器视觉的条码识别19

1、识读条码19

2、译码及纠错20

（三）结论20

参考文献20

[1]20

[2]20

一、机器视觉检测技术综述

检测技术是制造业的基础，随着制造水平的快速发展，制造领域不断扩大，产品质量不断提高。

相应地，对检测技术提出了新的需要，传统意义上的很多检测方法已经不能适应现代制造业的要求。

比如在汽车工业中，为全面控制车身的制造质量，需要在制造现场对制造过程中的产品（或零件）实行检测，这是一类典型的在线测量问题，在现代制造业中具有广泛代表性，也是传统测量方法难以解决的。

（一）传统人工检测的缺点

对于工业中批量生产的产品，传统的人工检测存在以下几个不可避免的缺点：

（1）容易漏检。

由于是人眼检测，眼睛容易疲劳，会造成故障不能被发现的问题。

并且人工检测主观性大，判断标准不统一，使检测质量变得不稳定。

（2）检测速度慢，检测时间长。

比如对于图形复杂的印刷电路板，人工很难实现快速高效的检测，因此人工检测不能满足高速的生产效率。

（3）随着技术的发展，设备的成本降低，人工费用增加，仍然由人工进行产品质量控制，将难于实现优质高效，而且还会增加生产成本。

（4）在信息技术如此发达的今天人工检测有不可克服的劣势，例如：

对检测结果实时地保存和远距离传输，对原始图像的保存和远距离传输等。

（5）有些在线检测系统是接触式检测，需要与产品进行接触测量，因此，有可能会损伤产品。

（二）机器视觉检测技术

机器视觉检测技术，综合运用了电子学、光电探测、图像处理和计算机技术，是精密测试技术领域内最具有发展潜力的新技术。

将机器视觉引入到工业检测中，实现对物体（产品或零件）三维尺寸或位置的快速测量，具有非接触、速度快、柔性好等突出优点，在现代制造业中有着重要的应用前景。

机器视觉工业检测系统就其检测性质和应用范围而言，分为定量检测和定性检测两大类，每类又分为不同的子类。

机器视觉在工业在线检测的各个应用领域十分活跃，如：

印刷电路板的视觉检测、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。

此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。

机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。

具体来讲，机器视觉系统是指通过机器视觉产品，即图像摄取装置，将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。

机器视觉系统的特点是提高生产的柔性和自动化程度。

在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。

而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。

DVT总裁RobertSteinke认为，“任何通过人来完成的检测过程，都适合于用机器视觉技术来代替”。

总之，随着机器视觉技术自身的成熟和发展，可以预计它将在现代和未来制造企业中得到越来越广泛的应用。

二、机器视觉的基本原理

机器视觉检测系统采用照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能。

机器视觉被称为自动化的眼睛，在国民经济、科学研究及国防建设等领域都有着广泛的应用。

（一）基本原理

机器视觉系统的目的就是给机器或自动生产线添加一套视觉系统，其原理是由计算机或图像处理器以及相关设备来模拟人的视觉行为，完成得到人的视觉系统所得到的信息。

人的视觉系统是由眼球、神经系统及大脑的视觉中枢构成，计算机视觉系统则是由图像采集系统、图像处理系统及信息综合分析处理系统构成。

（二）系统构成

机器视觉系统由光学系统，图象处理系统和执行机构及人机界面三部分构成，如下图所示。

三个部分缺一不可，选取合适的光学系统，采集适合处理的图像，是完成视觉检测的基本条件，开发稳定可靠的图象处理软件是视觉检测的核心任务，可靠的执行机构和人性化的人机界面是实现最终功能的临门一脚。

1、光学系统

光学系统是机器视觉系统中不可或缺的部分如果没有适合的光学系统采集适于处理的图片则难以有效地完成图像检测，甚至直接导致检测的失败。

因此，我们认为适合的光学系统是成功完成机器视觉应用的前提条件。

一个典型的光学系统包括：

照明光源、镜头、摄像机。

2、图像处理系统

图象处理系统是机器视觉系统的核心部分取得图像后我们需要对图像进行处理分析和计算并输出检测结果。

图像处理系统包括硬件和软件两部分:

（1）硬件方面，目前主流的机器视觉图像处理系统有PCBased系统和嵌入式系统（智能相机）两种。

（2）软件包括开发平台和应用软件。

图像处理软件是否先进是机器视觉应用成功的关键。

3、执行机构及人机界面

在完成所有的图像采集和图象处理工作之后，我们需要输出图象处理的结果，并进行动作（报警、剔除、位移等），并通过人机界面显示生产信息，并在型号、参数发生改变时对系统进行切换和修改工作。

三、国内外发展现状及趋势

（一）国外发展现状

在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。

例如各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。

电子生产加工设备：

电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。

机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。

（二）国内发展现状

在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白，即便是有，也只是低端方面的应用。

目前在我国，随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现。

国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。

其主要应用于制药、印刷、矿泉水瓶盖检测等领域。

这些应用大多集中在如药品检测分装、印刷色彩检测等，真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。

当然，其他领域如指纹检测等等领域也有着很好的发展空间。

（三）机器视觉的发展趋势

在机器视觉赖以普及发展的诸多因素中，有技术层面的，也有商业层面的，但制造业的需求是决定性的。

制造业的发展，带来了对机器视觉需求的提升；也决定了机器视觉将由过去单纯的采集、分析、传递数据，判断动作，逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与自动化更进一步的融合。

目前机器视觉的测控大部分以单目视觉为主，原因是处理速度快，图像处理技术比较成熟。

但是随着电子技术的不断进步，机器视觉摄像机的分辨率、采样速度有了很大的提高，成本则日益降低，出现了可以直接将图像信号送入计算机的数字摄像机，使得部分图像预处理可以在摄像机中完成，从而大大提高了图像处理的速度，而制约机器视觉的海量数据存储和处理也随着计算机硬件技术的发展而得到了缓解，因此，立体视觉逐渐成为视觉测控的主流，从仿生学的角度来看，立体视觉也更加符合人的操作习惯。

需求决定产品，只有满足需求的产品才有生存的空间，这是不变的规律。

机器视觉也是如此。

未来，中国机器视觉发展主要表现为以下一些特性：

1、随着产业化的发展对机器视觉的需求将呈上升趋势

机器视觉发展空间较大的部分在半导体和电子行业，而据我国相关数据显示，全球集成电路产业复苏迹象明显；与此同时，全球经济衰退使我国集成电路产业获取了市场优势、成本优势、人才回流等优势；国家加大对集成电路产业这一战略领域的规划力度，“信息化带动工业化”，走“新兴工业化道路”为集成电路产业带来了巨大的发展机遇，特别是高端产品和创新产品市场空间巨大，设计环节、国家战略领域、3C应用领域、传统产业类应用领域成为集成电路产业未来几年的重点投资领域。

此外，中国已成为全球集成电路的一个重要需求市场。

据相关数据显示，2002年我国集成电路市场需求规模为1135.5亿元人民币，占世界市场规模的9.76%。

2002年中国集成电路市场总销量为283.2亿块，总销售额为1135.5亿元，同比增长26.2%。

中国已成为近年来世界半导体投资的热点。

在全国许多地区，特别是长江三角洲地区，都有新的IC制造线和封装测试线投资兴建，IC设计公司的数量每年成倍增长。

在产业政策的引导下，上海、北京、天津和深圳等地出现投资IC的好势头：

天津Motorola投资15亿美元，月投2.5万片的8英寸芯片生产线和上海中芯国际投资14亿美元，月投8英寸芯片硅片4.2万片的项目已经投入运行。

另外，中国半导体行业协会最新调研数据表明，2000年6月到2002年8月两年间，中国IC产业的投资总额约300亿元，相当于过去40年的投资总和。

全国IC设计单位数量两年之间翻两番，已激增到389家，收入过亿元的达7～8家；专业测试公司已有10家左右，我国的IC测试业初具雏形。

就以上数据显示，中国的半导体和电子市场已初具规模，而如此强大的半导体产业将需要高质量的技术做后盾。

同时他对于产品的高质量、高集成度的要求将越来越高。

恰巧，机器视觉将能帮助他们解决以上的问题，因此该行业将是机器视觉最好的用武之地。

同时，对于机器视觉的需求将蒸蒸日上。

2、统一开放的标准是机器视觉发展的原动力

目前国内有近数家机器视觉产品厂商，与国外机器视觉产品相比，国内产品最大的差距并不单纯是在技术上，而且还包括品牌和知识产权上。

另一现状是目前国内的机器视觉产品主要以代理国外品牌为主，以此来逐渐朝着自主研发产品的路线靠近，起步较晚。

未来，机器视觉产品的好坏不能够通过单一因素来衡量，应该逐渐按照国际化的统一标准判定，随着中国自动化的逐渐开放，将带领与其相关的产品技术也逐渐开放。

因此，依靠封闭的技术难以促进整个行业的发展，只有形成统一而开放的标准才能让更多的厂商在相同的平台上开发产品，这也是促进中国机器视觉朝国际化水平发展的原动力。

3、基于嵌入式的产品将取代板卡式产品

从产品本身看，机器视觉会越来越趋于依靠PC技术，并且与数据采集等其他控制和测量的集成会更紧密。

且基于嵌入式的产品将逐渐取代板卡式产品，这是一个不断增长的趋势。

主要原因是随着计算机技术和微电子技术的迅速发展，嵌入式系统应用领域越来越广泛，尤其是其具备低功耗技术的特点得到人们的重视。

另外，嵌入式操作系统绝大部分是以C语言为基础的，因此使用C高级语言进行嵌入式系统开发是一项带有基础性的工作，使用高级语言的优点是可以提高工作效率，缩短开发周期，更主要的是开发出的产品可靠性高、可维护性好、便于不断完善和升级换代等。

因此，嵌入式产品将会取代板卡式产品。

4、标准化、一体化解决方案也将是机器视觉的必经之路

另外，由于机器视觉是自动化的一部分，没有自动化就不会有机器视觉，机器视觉软硬件产品正逐渐成为协作生产制造过程中不同阶段的核心系统，无论是用户还是硬件供应商都将机器视觉产品作为生产线上信息收集的工具，这就要求机器视觉产品大量采用“标准化技术”，直观的说就是要随着自动化的开放而逐渐开放，可以根据用户的需求进行二次开发。

当今，自动化企业正在倡导软硬一体化解决方案，机器视觉的厂商在未来5-6年内也应该不单纯是只提供产品的供应商，而是逐渐向一体化解决方案的系统集成商迈进。

在未来的几年内，随着中国加工制造业的发展，对于机器视觉的需求也逐渐增多；随着机器视觉产品的增多，技术的提高，国内机器视觉的应用状况将由初期的低端转向高端。

由于机器视觉的介入，自动化将朝着更智能、更快速的方向发展。

另外，由于用户的需求是多样化的，且要求程度也不相同。

那么，个性化方案和服务在竞争中将日益重要，即用特殊定制的产品来代替标准化的产品也是机器视觉未来发展的一个取向。

机器视觉的应用也将进一步促进自动化技术向智能化发展。

四、典型应用案例

随着汽车工业的不断发展，越来越多的汽车试验中已经开始采用机器视觉来提高试验的精度和自动化程度。

文章从我国汽车行业的现实水平出发，阐述了机器视觉系统在汽车检测领域内的发展状况，并具体介绍几种目前常用的机器视觉系统的结构和原理。

（一）机器视觉在汽车试验中的应用

1、机器视觉在车辆几何尺寸测量中的应用

利用机器视觉原理可以实现对汽车尺寸参数的快速、准确及自动化测量。

其实现过程如下：

首先将各测量仪器空间位置固定，主要是摄像机的位置和车辆停放位置的确定；接下来要进行空间三维坐标的标定，确定各摄像机及车辆在空间系统中的坐标。

测量过程中，将试验车辆停放在指定区域，然后开启摄像机对车辆进行图像采集。

一般系统中均采用多台CCD摄像机从不同角度对车辆进行拍摄。

图像采集完成之后，由计算机中的图像处理软件对图像进行处理，得到车辆的各“兴趣”点的坐标，对坐标进行简单的数学运算就能准确的得到车辆的相关尺寸参数。

图像处理软件的核心及难点是三维图像的重构，一般采用双目立体视觉的原理对平面图像进行重构。

双目立体视觉指的是采用2个CCD摄像机从不同角度对同一物体进行拍摄，得到2幅图片，然后进行空间坐标变换。

图2是双目立体视觉的示意图。

从被测量物的三维世界坐标（Xf,Yf,Zf）到计算机图像坐标（X，Y）的变换过程如下：

（1）从物体三维世界坐标（Xf，Yf，Zf）到摄像机三维坐标（a，b，c）的变换。

=S·

+Q

（1）

式中：

：

S——3×3的旋转变换矩阵；Q——3×1的平移矢量。

（2）摄像机三维坐标（a，b，c）在理想的小孔成像模型下经投影变换至图像坐标（Xv，Yv）。

Xv=f

Yv=f

（2）

（3）考虑摄像机透镜的径向畸变因素，将理想图像坐标（Xv，Yv）转换成实际图像坐标（Xd，Yd）。

Xd=Xv（1+kr2）-1,Yd=Yv（1+kr2）-1（3）

式中：

r——图像中心Oi到实际图像坐标（Xd，Yd）的距离r=（Xd2+Yd2）0.5;k——透镜径向畸变系数。

（4）实际图像坐标（Xd，Yd）到计算机图像坐标（X，Y）的变换：

X=XdNx+uo,Y=YdNy+vo（4）

2、机器视觉在前轮定位参数测定中的应用

利用机器视觉原理能够实现对前轮定位参数进行快速准确的检测。

当该检测系统逐渐完善以后，在现在的汽车综合性能检测线上，增加该系统后检测线给出的检测结果能够更加全面的反映汽车的总体性能，提高汽车综合性能检测线的检测效率。

具体的检测原理是：

当汽车静止时使用面阵CCD摄像机对前轮的相关部位进行图像采集，然后让汽车向前行驶很短的一段距离，再对前轮进行图像采集。

对于车轮上的一点，车轮转动过程中，它的运动可以分解为绕着通过摄像机坐标系原点的轴旋转运动以及自身的平移运动。

对前后两次拍摄的照片进行分析运算得到车轮旋转轴线与摄像机坐标系X轴，Y轴，Z轴的夹角a，b，c。

调整摄像机的安装位置和拍摄角度使得摄像机坐标系中的Z轴垂直于水平面向上,X轴指向汽车的前进方向,Y轴垂直于OXZ平面指向汽车左侧,则c-90°为车轮外倾角,旋转轴线与OYZ平面之间的夹角为前束。

同理,当汽车前轮向左或向右转动一个角度时,利用相同的方法能得到主销内倾和主销后倾角。

图3是前轮定位参数检测系统示意图。

3、机器视觉在客车车厢防雨密封性试验中的应用

客车车厢的防水密封性主要由一些装置密封不严造成，如空调、换气扇及安全出口等。

另外车身蒙皮焊接时形成的焊缝以及安装螺钉时形成的裂缝也会对车身的防水密封性造成很大的影响。

从这些因素出发，可以认为裂缝的数量、位置及宽度可以反映客车车厢的密封性，这样就能够利用机器视觉进行客车车厢密封性检测。

检测方法的基本思路是用CCD摄像机拍摄车门、车窗及地板等封口处的图像，然后通过图像采集卡将图像传输至计算机，由图像处理软件对图像进行分析，得到裂缝的宽度、长度及数量等参数，然后将结果输出。

图像处理算法的核心是边缘检测，在进行边缘检测前需要对图像进行预处理。

边缘检测完成之后还需要进行裂缝形状提取和裂缝尺寸的计算等工作，整个工作流程，如图4所示。

图像滤波是图像处理的第一步，摄像机拍摄的原始图像存在着很多干扰点，因此，一般要采用滤波的方法来去除杂点。

常用的滤波算法有中值滤波和卡尔曼滤波等。

图像滤波完成之后进行图像的二值化处理，滤波得到的图像是255级的灰度图像，计算机不能直接识别，因此需要将灰度图像转化为二值图像。

所谓的二值图像指的是由数字0和1构成的图像。

在处理过程中，选择一个阈值，将灰度图像的像素点与阈值逐一进行比较，根据灰度大小关系转化为数字0或1。

二值化完成以后进行边缘检测，对二值图像，计算机按照一定的规律对图像进行扫描识别，根据预先设定的条件进行边缘检测。

检测到边缘后判断是否为裂缝，然后进行裂缝尺寸的计算。

机器视觉检测方法能够快速的对客车车厢密封性进行检测，提高了检测的效率和自动化程度，具有很好的应用前景。

4、机器视觉在汽车碰撞试验中的应用

利用机器视觉能够对碰撞过程中假人的运动状况进行全面的记录和详细分析。

试验过程中，在车内安装几个摄像机对假人身体的不同部位进行拍摄，得到碰撞过程中假人在各个时刻的位置。

试验中所采用的摄像机不能是普通的摄像机。

普通摄像机的扫描频率一般为50帧每秒，即每0.02s拍摄一帧图像。

汽车的碰撞过程，从开始接触到完全静止的过程一般在0.2s左右，如果采用普通摄像机则只能采集到10帧图像，这对于图像分析是远远不够的。

因此，在碰撞试验中都是采用500帧每秒或者更快的摄像机。

采集到运动图像后，因为摄像机的安装位置和拍摄角度是固定的，因此利用计算机对一个摄像机连续采集的图像进行分析就能得到每个时刻假人的位置和运动趋势，为研究针对性的防护提供有利依据。

处理程序的流程，如图5所示。

试验处理程序的第一步是进行图像的坐标标定，图像坐标标定的目的是为后续的数据运算提供基础。

标定完成之后进行碰撞过程的图像采集，接下来将采集到的图像输入计算机，计算机启动图像处理程序对图像进行处理。

处理过程中，首先需要提取被摄物体的轮廓，然后得到上述轮廓特定点在标定坐标系中的坐标，由坐标进行数值计算则可以得到假人在每个时刻的位置、速度及加速度等参数，最后将试验结果输出。

在汽车试验中适当的引入机器视觉，根据试验的需要搭建不同的基于机器视觉原理的测量系统，能够提高试验的精度，提高试验的效率，同时可以提高试验系统的自动化程度及系统的稳定性。

机器视觉的核心和难点在于图像处理，随着图像处理算法的不断发展和完善，机器视觉在汽车试验中将得到更加广泛的应用。

（二）安全车距测量技术研究

车载机器视觉技术是基于汽车的道路安全保障技术之一，它旨在提高驾驶员的视觉效能，通过改善视觉和驾驶行为的关系，同时辅助驾驶，以减少因视觉原因而带来的不当操作，从而使“人一车一路”系统更加稳定、安全、可靠，提高车辆的主动安全性。

1、双目立体视觉模型

机器视觉系统是指通过机器视觉产品来抓取图像，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息来进行尺寸、形状、颜色等的判别。

随着机器视觉技术的不断发展，其应用领域逐渐扩大，目前机器视觉技术是汽车辅助驾驶领域发展最快的技术之一，也是辅助驾驶领域的主要研究方向之一。

双目立体视觉是机器视觉的一个重要分支，即由不同位置的两台摄像机或者一台摄像机（CCD）经过移动或旋转拍摄同一幅场景，通过计算空间点在两幅图像中的视差，获得该点的三维坐标值。

本文以比较简单常用的双目CCD视觉系统为例，其几何关系如图1所示。

它由两个完全相同的CCD摄像机（摄像头）构成，两个图像平面位于同一个平面上，两个摄像机（摄像头）的纵轴相互平行，且x轴重合，摄像机之间在x方向上的间距为极限距离B。

图1中，场景点P在左、右图像平面中的投影点分别为Pl，和Pr假设坐标系原点与左透镜中心重合，比较相似三角形△PMCl和△PlLCl得到：

=

。

……

（1）

同理，从相似三角形△PNCr和△PrRCr得到：

=

。

……

（2）

合并式

（1）与式

（2）得：

z=

。

……（3）

其中：

F为焦距。

由上面推导可知各种场景中的深度信息可以通过计算视差来实现。

2、安全车距测量系统

（1）系统构成及软件

测量系统由图像采集模块和图像处理模块组成。

系统中采用两个参数完全一致的CMOS数字摄像头

作为双目立体视觉测量系统的图像采集模块，一台笔记本电脑作为图像处理计算终端。

摄像头拍摄采集的图像经过USB输入到笔记本，然后经过专门的测试软件处理计算出左、右坐标，并计算出车距。

测试软件在LabWindows环境下，结合NI公司的Vision工具进行编写。

本系统具有面板简洁、操作简单、数据存储读取方便等特点，可以实时显示图像及处理结果。

软件界面如图2所示。

（2）试验结果

依据上述方法，通过计算双目立体视觉系统的内外参数后，选取10m、12m、14m、16m共4个车距对图2所示的车辆在不同角度进行了实际测量，所得测量数据见表1。

10m车距测量图像如图3所示。

通过以上试验数据我们发现，测量结果误差都在0.6%以内，充分说明该测距方法完全能够满足汽车辅助驾驶技术中车辆安全距离测量的实际需要，是一种行之有效的前方车距测量方案。

本文研究方法同样适用于车辆前方其他目标物的距离测量。

（3）总结

人眼的作用能力是有限的，采用机器视觉辅助驾驶技术可以通过一系列车