CN113610083B - 车辆vin码的字符识别和字符打刻深度检测***及检测方法 - Google Patents

Abstract

本发明涉及汽车生产技术领域，尤其涉及一种车辆VIN码的字符识别和字符打刻深度检测***及检测方法。待测工件位于测量装置的初始扫描位置；对VIN码进行拍照，用于进行字符的二维识别；并对明显的缺陷进行筛查；通过移动待测工件或传感器进行扫描，使传感器的激光条连线扫过VIN码字符区域，并连续拍照，获取图像；解算三维信息；根据三维结果重构字符，与二维识别结果比对；若三维识别结果与二维识别结果一致，则继续输出检测结果。本发明提高了识别效果的准确性，提高了测量便捷性，保证了测量的高精度和重复性，可实现测量，有效地对测量结果进行分析评价。

Description

车辆VIN码的字符识别和字符打刻深度检测***及检测方法

技术领域

本发明涉及汽车生产技术领域，尤其涉及一种车辆VIN码的字符识别和字符打刻深度检测***及检测方法。

背景技术

车辆识别代号(Vehicle Identification Number，或车架号码)，简称VIN，由17位数字或字母组成，是用于识别汽车车辆的独一无二的号码。正确识别的车辆的VIN码有助于我们识别汽车的生产商、车型类别、发动机型号、车型年款及出厂顺序号等信息。VIN码是通过专用打码机将字符信息打印在车身上，国家标准要求(GB16735)，VIN码的打印应当易于观察、清晰可见、易于拓印及便于检验查验。车辆识别代号可直接打刻在车架上，对于无车架车身而言，可以直接打刻在不易拆除或更换的车辆结构件上。标识车辆VIN码时，对于汽车及挂车，直接打刻的字码深度应大于或等于0.3mm；乘用车及总质量小于或等于3500kg的封闭式货车，字符深度应大于或等于0.2mm。正确解读VIN码字符，对于我们正确地识别车型，以致进行正确地诊断和维修十分重要。解读VIN码包括对VIN字符能否准确识别，以及检测VIN码打印的深度是否达标。

对于车辆识别代号的识别，现阶段主要依靠人工识别；而随着人工智能技术的发展，图像识别技术被运用到VIN的识别中；随着深度学习和机器学习技术的逐步兴起，很多研究者也将相关的技术用在VIN识别中。

对于车辆VIN码打刻深度的检测，传统方法主要为工作人员通过目测的方式对VIN码深度进行人眼直观测量，进行粗略的评判。该方法缺乏统一的检查标准，测量结果也因人而异，结果无法保证。

针对车辆VIN码的识别，国内外有大量的研究。CN109784322A提供了一种基于图像处理的VIN码识别方法，包括对vin码图像进行边缘检测、形态学运算、确定VIN码最小外接矩形等，对目标车辆的vin码区域进行识别。

专利申请号为CN201710617443.9，公开了一种基于Android平台的车辆VIN识别方法；采用基于Google的开源Tesseract-OCR识别库对预处理后的车辆VIN码图像进行字符特征提取，然后与基于该库进行训练生成的车辆VIN码字符库做匹配识别。

随着深度学习和机器学习技术的逐步兴起，在汽车VIN码的识别领域中，文献，王璐,吴志刚,任豪杰,郑磊.基于逻辑回归模型的汽车VIN码识别应用研究[J].中原工学院学报,2019,30(04):68-74，采用了一种基于逻辑回归神经网络模型的识别算法，研究表明该算法对于VIN的的识别有更好的适应性；

CN111950550A提供一种基于深度卷积神经网络的车架号识别***，能够在图像严重畸变的条件下，对车辆VIN进行精确识别。

以上方法虽然可以有效识别车辆VIN码，但是在复杂的工业现场环境下，打刻VIN码的车架上往往存在锈迹、划痕、污渍等，干扰VIN码的识别准确性。仅仅采用以上的二维识别方法都难以解决该问题。

针对车辆VIN码打刻深度的测量，CN102967241A提供一种VIN码字符深度测量装置，以百分表和千分表为主体的VIN码深度测量装置，利用千分表(或百分表)在导轨等机械结构上移动，人为测量VIN码每个字符的深度。相比于传统的人工目测的方法，该测量装置虽然能显著提高字符码深度的检测精度，但依然摆脱不了人工的参与，且要脱离生产线进行，效率不高，自动化程度低。

发明内容

本发明针对现有技术中存在的不足，提供一种车辆VIN码的字符识别和字符打刻深度检测***及检测方法，以提高VIN码字符识别的准确性，以及实现高精度、高效率、自动化的字符打刻深度测量，并给打刻深度提供数据支撑，准确识别打刻缺陷。

车辆VIN码的字符识别和字符打刻深度检测方法，包括以下步骤：

S1、通过直线位移单元移动携带有VIN码的待测工件或者通过工业机器人移动测量装置的传感器，使待测工件位于测量装置的初始扫描位置；初始扫描位置即为传感器激光条照射在VIN码字符一侧的位置；

S2、在当前位置，对VIN码进行拍照，用于进行字符的二维识别，对图像处理和字符识别，得到字符区域位置和字符的二维识别结果；并对明显的缺陷进行筛查；

S3、通过直线位移单元移动待测工件或机器人带动传感器进行扫描，使传感器的激光条连续扫过VIN码字符区域，并连续拍照，获取图像；

S4、解算三维信息，具体步骤如下：

S4.1.根据已得到的一系列连续的VIN码字符的激光条图像，对图像进行滤波并转为灰度图像；然后提取激光条中心点；

S4.2.根据步骤S2中识别出的每个字符区域，由提取到的激光条中心点坐标，拟合当前字符区域的激光条直线方程；

S4.3.在图像中寻找字符位置区域；首先计算激光条所有中心点距拟合直线的距离；遍历所有距离值，设定阈值，当距离值大于阈值时，认为出现刻印字符位置，记为拐点位置；

S4.4.确定图像中当前激光条位置的字符深度，即寻找字符打刻深度最大位置；在拐点坐标向后搜索10个像素位置的距离值，找到最大值即为打刻深度最大位置；

S4.5.求取打刻最深位置对应的激光条直线方程上的点，即为工件上平面位置的点；求两点对应的在相机空间坐标系下的坐标，求得两点Z方向的差值；并根据相机摆放角度，转换为所求的字符打刻深度。

S5、根据三维结果重构字符，与二维识别结果比对，提高二维识别的准确性，具体步骤如下：

S5.1.确定直线位移单元每次扫描字符的位移量或者是机器人携带传感器扫描的位移量；

S5.2.从第一次获取到含有深度信息的字符位置，得到当前位置下字符在图像中的位置后，在之后每次扫描完成，计算字符位置时，加入累计的位移量，获得所有包含三维信息的字符位置点；

S5.3.根据所有含有三维深度信息得到的字符位置坐标重绘VIN字符图像；

S5.4.重绘出VIN码字符图片后的识别结果与二维识别结果比对，若不一致，说明VIN码工件表面可能存在缺陷，需要检查。

S6、若三维识别结果与二维识别结果一致，则继续输出检测结果；对每次得到的深度值与标准值进行比较，分类出合格位置、次合格位置和不合格位置，重构时可在对应的字符位置标识出打刻情况，有利于观察VIN码字符的具体刻印效果；同时，也对所有单个字符的测量结果取打刻深度平均值计算，对单个字符的整体打刻效果做出评判。

本发明还提供车辆VIN码的字符识别和字符打刻深度检测***，用于上述的检测方法实施，包括基座、直线位移单元和测量装置，测量装置包括传感器，直线位移单元与基座滑动连接；待测工件固定于所述直线位移单元上；待测工件的字符方向垂直于直线位移单元的运动方向，并朝向传感器；

传感器包括相机、激光器、光源和反射镜；激光器位于传感器中央；光源、激光器、相机、反射镜依次安置在传感器的主线上；传感器与待测工件的距离为激光器工作距离；激光器的线型激光条垂直照射在待测工件上，覆盖待测工件上所有的VIN码字符，反射镜位于待测工件反射线路上，并且将光路反射到相机上进行拍摄。

测量装置与基座滑动连接，移动方向垂直于待测工件的字符方向。

相机拍摄待测工件7的角度为45°方向，即待测工件、激光器和相机分别位于一个等腰直角三角形的三个角上，激光器位于直角上；相机按拍摄方向水平向外的方向安装，通过反射镜获取被测工件图像，反射镜的安装角度为22.5°，保证相机的拍摄方向为45°。

光源为长度不小于VIN码字符长度的条形光源。

本发明具有以下技术效果：

1、提高了普遍二维字符识别效果的准确性。通过打刻字符的三维信息对字符内容进行有效地重构，能够有效避免由于工件表面的划痕、污渍等影响导致的二维识别结果的准确性不足的问题，减小了二维方法的误识别率，提高识别结果的准确性。

2、提高了测量便捷性。相比于传统的人眼目测和采用千分表、百分表的测量方法，本方案采用相机、激光器和光源组成的测量单元以及配合程序的使用，能大幅提高测量的便捷性和效率。

3、保证了测量的高精度和重复性。本方案采用高分辨率相机，计算过程中精确到像素级别，确保了测量结果的精度；测量单元的整体结构、扫描单元的使用以及整体的测量方案都能保证测量的重复性要求。

4、可实现测量自动化。在本方案中，采用直线位移平台搭载待测工件进行运动进行扫描，而测量装置固定不动的方案；在生产线中，也可采用将待测工件固定，通过控制机器人带动传感器运动进行扫描的方案。在测量过程中不需要进行人工测量操作，自动化程度高。

5、有效地对测量结果进行分析评价。该***能够对VIN码字符各部位打刻效果给出数据支撑，以及能够对字符整体打刻深度效果做出评判。

附图说明

图1为本发明的流程图；

图2为本发明的结构示意图；

图3是本发明的测量装置结构示意图。

具体实施方式

结合实施例说明本发明的具体技术方案。

如图1所示，一种车辆VIN码的字符识别和字符打刻深度检测方法，包括以下步骤：

S1、通过直线位移单元移动携带有VIN码的待测工件或者通过工业机器人移动测量装置的传感器，使待测工件位于测量装置的初始扫描位置；初始扫描位置即为传感器激光条照射在VIN码字符一侧的位置。

S2、在当前位置，对VIN码进行拍照，用于进行字符的二维识别，采用一定的图像处理方法和字符识别方法，包括字符区域定位、字符分割、模板匹配字符识别法等，得到字符区域位置和字符的二维识别结果；并对明显的缺陷进行筛查。

S3、通过直线位移单元移动待测工件或机器人带动传感器进行扫描，使传感器的激光条连线扫过VIN码字符区域，并连续拍照，获取图像。

S4、解算三维信息，具体步骤如下：

S4.1.根据已得到的一系列连续的VIN码字符的激光条图像，对图像进行滤波并转为灰度图像；然后提取激光条中心点；

S4.2.根据步骤S2中识别出的每个字符区域，由提取到的激光条中心点坐标，拟合当前字符区域的激光条直线方程；

S4.3.在图像中寻找字符位置区域。首先计算激光条所有中心点距拟合直线的距离。遍历所有距离值，设定阈值，当距离值大于阈值时，认为出现刻印字符位置，记为拐点位置；

S4.4.确定图像中当前激光条位置的字符深度，即寻找字符打刻深度最大位置。在拐点坐标向后搜索10个像素位置的距离值，找到最大值即为打刻深度最大位置；

S4.5.求取打刻最深位置对应的激光条直线方程上的点，即为工件上平面位置的点；求两点对应的在相机空间坐标系下的坐标，求得两点Z方向的差值；并根据相机摆放角度，转换为所求的字符打刻深度。

S5、根据三维结果重构字符，与二维识别结果比对，提高二维识别的准确性，具体步骤如下：

S5.1.确定直线位移单元每次扫描字符的位移量或者是机器人携带传感器扫描的位移量；

S5.2.从第一次获取到含有深度信息的字符位置，得到当前位置下字符在图像中的位置后，在之后每次扫描完成，计算字符位置时，加入累计的位移量，获得所有包含三维信息的字符位置点；

S5.3.根据所有含有三维深度信息得到的字符位置坐标重绘VIN字符图像；

S5.4.重绘出VIN码字符图片后的识别结果与二维识别结果比对，若不一致，说明VIN码工件表面可能存在缺陷，需要检查。

S6、若三维识别结果与二维识别结果一致，则继续输出检测结果。对每次得到的深度值与标准值进行比较，分类出合格位置、次合格位置和不合格位置，重构时可在对应的字符位置标识出打刻情况，有利于观察VIN码字符的具体刻印效果；同时，也对所有单个字符的测量结果取打刻深度平均值计算，对单个字符的整体打刻效果做出评判。

为实施例上述检测方法，本实施例提供一种车辆VIN码的字符识别和字符打刻深度检测***，如图1所示，包括基座、直线位移单元1和测量装置，测量装置包括传感器2，直线位移单元1与基座滑动连接；待测工件7固定于所述直线位移单元1上；待测工件7的字符方向垂直于直线位移单元1的运动方向，并朝向传感器2；直线位移单元1实现字符区域的扫描过程。或者，测量装置与基座滑动连接；移动方向垂直于待测工件的字符方向。

如图3所示，传感器2包括相机3、激光器4、光源5和反射镜6；激光器4位于传感器2中央；光源5、激光器4、相机3、反射镜6依次安置在传感器2的主线上；传感器2与待测工件7的距离为激光器4工作距离；激光器4的线型激光条垂直照射在待测工件7上，覆盖待测工件7上所有的VIN码字符，反射镜6位于待测工件7反射线路上，并且将光路反射到相机3上进行拍摄；

为了保证测量的精确性，采取相机3拍摄待测工件7的角度为45°方向，即待测工件7、激光器4和相机3分别位于一个等腰直角三角形的三个角上，激光器4位于直角上；为保证整体结构的统一，相机3按拍摄方向水平向外的方向安装，通过反射镜6获取被测工件图像，反射镜6的安装角度为22.5°，从而保证相机3的拍摄方向为45°。

传感器2的光源5选取为长度略大于字符长度的条形光源；且光源5设计为外挂式，其照射角度可调节；光源5的安装位置与反射镜6对称分布在激光器4的两侧。

Claims (1)

1.车辆VIN码的字符识别和字符打刻深度检测方法，其特征在于，包括以下步骤：

S1、通过移动携带有VIN码的待测工件或者移动测量装置的传感器，使待测工件位于测量装置的初始扫描位置；初始扫描位置即为传感器激光条照射在VIN码字符一侧的位置；

S2、在当前位置，对VIN码进行拍照，用于进行字符的二维识别，对图像处理和字符识别，得到字符区域位置和字符的二维识别结果；并对明显的缺陷进行筛查；

S3、通过移动待测工件或传感器进行扫描，使传感器的激光条连续扫过VIN码字符区域，并连续拍照，获取图像；

S4、解算三维信息；

解算三维信息，具体包括以下子步骤：

S4.1.根据已得到的一系列连续的VIN码字符的激光条图像，对图像进行滤波并转为灰度图像；然后提取激光条中心点；

S4.2.根据步骤S2中识别出的每个字符区域，由提取到的激光条中心点坐标，拟合当前字符区域的激光条直线方程；

S4.3.在图像中寻找字符位置区域；首先计算激光条所有中心点距拟合直线的距离；遍历所有距离值，设定阈值，当距离值大于阈值时，认为出现刻印字符位置，记为拐点位置；

S4.4.确定图像中当前激光条位置的字符深度，即寻找字符打刻深度最大位置；在拐点坐标向后搜索10个像素位置的距离值，找到最大值即为打刻深度最大位置；

S4.5.求取打刻最深位置对应的激光条直线方程上的点，即为工件上平面位置的点；求两点对应的在相机空间坐标系下的坐标，求得两点Z方向的差值；并根据相机摆放角度，转换为所求的字符打刻深度；

S5、根据三维结果重构字符，与二维识别结果比对；

具体包括以下子步骤：

S5.1.确定每次扫描字符的位移量或者是传感器扫描的位移量；

S5.2.从第一次获取到含有深度信息的字符位置，得到当前位置下字符在图像中的位置后，在之后每次扫描完成，计算字符位置时，加入累计的位移量，获得所有包含三维信息的字符位置点；

S5. 3.根据所有含有三维深度信息得到的字符位置坐标重构VIN字符图像；

S5.4.重构出VIN码字符图像后的识别结果与二维识别结果比对，若不一致，说明VIN码工件表面可能存在缺陷，需要检查；

S6、若三维识别结果与二维识别结果一致，则继续输出检测结果；

具体包括：对每次得到的深度值与标准值进行比较，分类出合格位置、次合格位置和不合格位置；同时，也对所有单个字符的测量结果取打刻深度平均值计算，对单个字符的整体打刻效果做出评判。