基于橢圓檢測的充電口識別

項博良，余 粟

(上海工程技術大學，上海 201620)

0 引 言

隨著電動汽車逐步實現產業(yè)化和市場化，電動汽車配套相關的基礎設施也正在逐步完善中，電動汽車的充電設備在能源補給方面起著至關重要的作用。為了能夠實現更加快速便利的充電，自動充電技術是大勢所趨。而對于自動充電技術中的充電口識別，是整個自動充電技術中最至關重要的一個部分。現在市場上普遍的電動汽車充電口，無論是直流充電口還是交流充電口的識別，根據其特性，運用橢圓檢測的識別技術是最好的方法。橢圓檢測作為計算機視覺中一個非常關鍵的部分，在這方面有著很好的應用。當前橢圓檢測的主流方法為霍夫變換及其變形，以及最小二乘法擬合橢圓與基于弧段提取的橢圓檢測與擬合。

基于霍夫變換的橢圓檢測利用Hough變換將圖像空間映射到參數空間，但是這種方法不僅對噪聲不敏感，并且參數高達5維，計算量過大。文獻[1]提出了一種降低隨機Hough變換的無效采樣，并對定位精度達到亞像素級的改進方法，文獻[2-3]也對參數空間的計算進行了改進，這一類算法無法避免計算量大，耗時長的缺陷。為此，人們開始從曲線弧的角度擬合橢圓。例如，文獻[4]提出了基于輪廓尋找連續(xù)區(qū)域的方法去尋找橢圓弧，文獻[5]提出基于不變特征數的弧段選擇去擬合橢圓，而文獻[6-8]更加詳細地提出了一種怎么分割曲線弧的方法，利用邊緣是否相鄰，連接相鄰邊緣組成有效弧段，這種方法對邊緣的信息要求很高。文獻[9]提出了結合差分函數與因子矩陣的方法能夠加強邊緣的信息，但是同時可能會擬合出大量的假橢圓。文獻[10-11]在分割曲線弧的基礎上，又進一步將曲線弧分類，為擬合橢圓篩選了更加有效的弧段，可以減少很大的計算量。文獻[12-14]在邊緣提取的基礎上，用一些限制條件對邊緣點進行了過濾，提高了計算效率。文獻[15]是橢圓檢測在實際生產中的一些應用，能夠提供一個很好的借鑒。

基于各種弧段提取的改進算法，文中提出了一種全面的弧段選擇與篩選的方法，不僅能夠加速弧段選擇的速率，還能夠提高選取弧段的有效性，能夠在很大程度上保證選取的弧段為某一橢圓的一部分，提高了檢測出的橢圓的準確性。

1 基于弧段提取的橢圓檢測

1.1 圖像的預處理

由于相機拍攝的原始圖片中包含著大量復雜的信息，這就需要對圖像進行預處理，將圖像的特征信息從中提取出來，為后續(xù)的弧段提取及分類提供一系列的依據。圖像預處理如下：

(1)圖像的灰度化以及濾波，將RGB圖像轉換成灰度圖像，就能夠提取到圖像的關鍵因素梯度，意味著有利于邊緣的檢測；且在圖像中一般都會存在大量的噪點從而影響到對特征的提取，因此對圖像進行濾波，將噪聲平滑并盡量保留圖像的邊緣信息。

(2)弧段提取的前提是邊緣的檢測，由于在進行濾波的同時可能會將有些邊緣平滑，會造成某些邊緣信息檢測過程中的遺漏，為了盡量避免這種情況的出現，利用圖像的銳化增強圖像邊緣有助于得到更多有用的信息。

(3)用Canny邊緣檢測算法對銳化后的圖像進行邊緣檢測，利用OPENCV的滑塊調整邊緣的閾值，得到需要的邊緣圖。

1.2 弧段的提取

利用Canny邊緣檢測得到的邊緣并不一定都是需要的弧段，其中包含著許多不屬于橢圓邊緣的信息。因此需要采用一系列的選擇，過濾篩選出弧段，讓其盡量都是屬于橢圓的弧段。首先，利用八鄰域邊緣跟蹤篩選出具有一定長度的弧，因為短弧對橢圓擬合的意義不大。八鄰域邊緣跟蹤的過程如下：

(1)將提取的邊緣點設為前景色白色，其余部分為背景色黑色?？勺远x八鄰域的檢索方向為順時針方向或者順時針方向，在這里選擇順時針。

(2)對邊緣圖像的每一個像素點進行檢測，如果檢測到當前點為前景點，則以當前點為八鄰域檢索的中心，按順時針方向進行檢索，如果在檢索過程中，遇到像素點為前景點的，則將當前點定為新的八鄰域搜索點，重復步驟(2)，并將當前點存儲，并置為背景色。

(3)當檢索的八鄰域中不再有前景點時，一次檢索完成，將之前所有的八鄰域搜索點形成一個集合為一個弧段。

對圖像中的每一個像素點都重復步驟(2)-步驟(3)，直至完成整個圖像的遍歷。通過八鄰域邊緣跟蹤，得到了一系列由點組成的弧段，根據點的個數確定弧段的長度，過濾長度較小的，對擬合橢圓無太大意義的弧段。根據橢圓特性，沒有曲率的直弧顯然不屬于橢圓弧的一部分，根據每一段弧，從中取出五等份五個位置的點，計算其每兩點之間的斜率來表示曲率的變化，如果曲率沒有很大的變化，則判定其為直弧，將這樣的弧段刪除。經過如此過濾的弧很大程度上屬于一定橢圓上的弧段。

根據邊緣的正負性以及弧段的凹凸性，可以將所有過濾好的邊緣分為四種情況，由于前期對弧段進行了短弧和直弧過濾，所以同一種情況下的弧段不可能屬于同一個橢圓。邊緣的正負性定義為做邊緣檢測時，根據檢測邊緣梯度的正負分為正邊緣和負邊緣；弧段的凹凸性定義如下：取每條弧的兩個端點作為一個矩形的對角線，當這條弧位于對角線的上方時，定義此段弧為凸型的，當這條弧位于對角線的下方時，定義此段弧為凹型的。由此，便將所有的弧段分成了四個弧段的集合。

2 橢圓擬合及篩選

2.1 橢圓的擬合

通過之前的弧段提取，得到了4種弧段的集合，用平面坐標系的四象限表示。在這里選用來自不同象限的3段弧來擬合出候選的橢圓，因為在前文提到同一種情況下的弧段屬于同一橢圓的可能性不是很大。如果對全部的弧段進行擬合，并采用投票機制來選取目標橢圓的話，就會有C3N種選擇方案，但是這其中又存在著諸多的不合理的組合情況，對橢圓的擬合沒有任何的意義。在這里通過一些條件限制將那些沒有意義的弧段組合刪除。

對于弧段組合的選取，有四種選取方案，分別為象限(1，2，4)，象限(2，3，4)，象限(3，4，1)，象限(1，2，3)這四種組合。且像素平面的坐標分布是以左上角為坐標系零點，以向左為X軸正方向，以向下為Y軸正方向的，可以根據像素平面的X軸坐標對弧段的選擇做出合理的限制，在此將弧段中所有點的排列順序均是按照X坐標由小到大的順序排列。例如對(1，2，4)的弧段組合，需要滿足：

{Ⅳ象限弧起X≥Ⅰ象限弧終X,I象限弧起X≥II象限弧終X}

對于(2，3，4)的弧段組合，需要滿足：

{Ⅱ象限弧起X≥Ⅲ象限弧起X,Ⅲ象限弧終X≥Ⅳ象限弧終X}

對于(3，4，1)的弧段組合，需要滿足：

{Ⅰ象限弧終X≥Ⅳ象限弧終X,Ⅰ象限弧起X≥Ⅲ象限弧終X}

對于(1，2，3)的弧段組合，需要滿足：

{Ⅰ象限弧起X≥Ⅱ象限弧終X,Ⅱ象限弧起X≥Ⅲ象限弧起X}

在這些條件的限制之下，可以很大程度地減少那些無意義的弧段組合，提高了擬合橢圓的效率，也縮短了擬合的時間。

又因為橢圓是二次曲線，它的一般方程表示為：

AX2+BXY+CY2+DX+EY+1=0

(1)

可以得到含有5個未知數的參數方程，因此將每個象限的所有的備選的弧段組合的點重新按X的大小排列，得到一系列點的集合。將這個集合四等分，取四等分的五個點作為特征點代入方程，得到方程組，求解該方程組。若方程組的系數的矩陣行列式的值大于0，此時五個未知數有唯一解；若行列式的值等于0，則這些點不在一個橢圓上。

在這里設橢圓的中心點為(x,y),長軸為a，短軸為b，橢圓的傾斜角為θ，至此橢圓的五個描述參數x,y,a,b,θ可以分別表示為：

(2)

(3)

(4)

(5)

(6)

對這四種橢圓組合擬合出的橢圓進行聚類，將所有擬合出的橢圓進行比對，中心點位置的差值，短軸及長軸的差值，以及傾斜角的傾斜偏差在很小的范圍時，此時認定其為同一個橢圓，對其所有數據做平均，認定其為擬合出的橢圓。

2.2 目標橢圓的篩選

經過擬合的橢圓，可以將擬合的橢圓顯示在充電口的圖片中進行比對，發(fā)現其能夠很好地擬合出圖片上大部分的橢圓，但是針對于實際工況的需要，需要的僅僅是充電口中的充電插接口的橢圓，因此還需要根據橢圓的一系列特征參數制定完善的橢圓過濾方法。

根據檢測目標的特點，以實驗用的直流充電口為例提出以下完善的過濾策略。首先通過設置橢圓的長短軸之比，過濾長短軸之比比較小的橢圓，保留出所需要的具有相對較大長短軸之比的橢圓。其次，根據需要的目標橢圓的特點，設定一個關于橢圓長軸所占像素寬度的范圍，將過大或者過小的橢圓過濾，然后針對于可能會檢測到的同心圓的情況，根據橢圓中心點的X,Y坐標所在的位置，將中心X,Y坐標相近的視為同一中心的橢圓，濾去長短軸之比較小的那個同心圓。從圖中也可以看出，充電口四個角的橢圓邊緣明顯，或多或少都會被檢測到擬合成橢圓。針對于這種情況，將過濾好的橢圓按照Y坐標的大小從小到大排列，根據目標橢圓的Y的大致情況，設定一個關于Y軸閾值范圍，將這一系列橢圓中Y坐標過大或者過小的橢圓過濾，從而得到需要的目標橢圓。

3 實驗結果

為了驗證提出的基于弧段的橢圓檢測方法在充電口識別上的應用，在保證光源的情況下，從各個角度對直流充電口進行拍攝，利用提出的方法，基于VS2017進行實驗，以此來驗證是否能夠對對充電口的目標橢圓，即對插接口有一個準確的檢測。為了更好地模擬新能源汽車的實際停車不可能都停正的情況，分別取向左傾斜，向右傾斜，以及正中間的三種位置情況來模擬停車時車身向左，向右與停正的三種情況。

圖1是在三種位置下進行預處理之后的Canny邊緣檢測結果。

圖2為通過邊緣追蹤濾去短弧的結果。

以圖2中最左邊的圖為例，圖3是將邊緣分為梯度大于0和梯度小于0的兩種情況，為下一步提取有效邊緣點做好準備。

圖4為通過取點擬合出的橢圓情況，可以看出對要檢測出的目標橢圓都可以檢測出，還能檢測出充電口上其他部分的橢圓，但是那些橢圓是不利于后續(xù)進行橢圓的位姿估計的，因此如圖(5)所示，采用上述的根據特征參數制定的過濾準則，三個位置的過濾圖均能達到很好的過濾效果，得到目標橢圓。

圖2 邊緣追蹤結果

圖3 邊緣梯度區(qū)分

圖4 橢圓擬合效果

圖5 目標橢圓檢測

為了驗證這種充電口識別的方法，在保證光源的條件下，在正負20度的極限范圍內對其拍攝識別，進行20組實驗，發(fā)現除了在特別極限的位置有可能檢測失敗，其他情況下能夠識別出17組目標橢圓，達到了85%的識別準確率，為后續(xù)的自動充電提供了一個很有必要的前提。

4 結束語

自動充電技術作為新能源汽車發(fā)展的關鍵技術，是未來發(fā)展的必然趨勢。針對自動充電技術中的充電口識別，提出的基于橢圓檢測的識別技術運用了弧段提取技術，并對其進行了改進，提出的邊緣跟蹤及邊緣分類技術，能夠在復雜的背景之下快速地提取并篩選出擬合橢圓的有效邊緣。并且提出了一種能夠快速聚類有效弧段并對其組合的方法，通過參數擬合獲得橢圓。針對實際工況，運用橢圓的一系列參數特征，達到對目標橢圓的有效過濾以及快速識別充電口的效果，為自動充電提供了有效的保障。