吳大用　赫蘭光　趙瑜東　楊宗諭　費斯奇　劉碧

【摘? 要】在對車燈類零件進行電磁兼容抗擾測試時，行業(yè)內(nèi)普遍采用人工監(jiān)控被測樣件工作狀態(tài)的方式，帶來了測試異常不易識別、結(jié)果判定主觀性強等問題。本文針對車燈零件光強動態(tài)區(qū)間大、光源多區(qū)域分布、工作模式復(fù)雜、造型變化多樣等諸多業(yè)內(nèi)面臨的監(jiān)控難題，提出一種智能光強度變化監(jiān)控方法。利用圖像識別技術(shù)，開發(fā)出適用于復(fù)雜電磁場環(huán)境下光強度變化監(jiān)控系統(tǒng)，并有效應(yīng)用于測試中對車輛燈具工作狀態(tài)監(jiān)控的各個場景。

【關(guān)鍵詞】圖像識別；動態(tài)車燈；光色識別；電磁屏蔽

中圖分類號：U463.65? ? 文獻標志碼：A? ? 文章編號：1003-8639（ 2023 ）09-0066-04

Research and Application of Intelligent Light Intensity Testing and

Monitoring System Under Complex Field Intensity

WU Dayong，HE Languang，ZHAO Yudong，YANG Zongyu，F(xiàn)EI Siqi，LIU Bi

（FAW-Volkswagen Automotive Co.，Ltd.，Changchun 130011，China）

【Abstract】Aiming at many monitoring problems faced by the industry，such as large dynamic range of light intensity of lamp parts，multi-regional distribution of light sources，complex working mode and various shape changes，an intelligent light intensity change monitoring method is proposed. A light intensity change monitoring system suitable for complex electromagnetic field environment is developed by using image recognition technology and effectively applied to each scene of monitoring the working state of vehicle lamps in the test.

【Key words】image recognition；dynamic light；light color recognition；electromagnetic shielding

作者簡介

吳大用（1987—），男，碩士，系統(tǒng)集成開發(fā)工程師，主要從事汽車電磁兼容設(shè)計開發(fā)工作。

1? 前言

隨著汽車產(chǎn)業(yè)飛速發(fā)展，車載電器裝備技術(shù)也有了長足的進步。車輛燈光技術(shù)的廣泛應(yīng)用使得燈具工作狀態(tài)更加智能化，燈光顯示方式更加多樣化[1]，但另一方面也使車燈的電磁兼容性測試更加繁復(fù)。眾所周知，車輛燈具是國家強制要求的安全件，對其保持正常工作狀態(tài)的要求極為嚴格[2]，對應(yīng)的電磁兼容測試等級也最高，因此車燈的電磁兼容測試不能放過任何一個微小的誤差，必須全程精準捕捉全部的故障瞬間[3]。當前，行業(yè)內(nèi)各電磁兼容實驗室普遍采用人工監(jiān)控的方式進行試驗。長時間的工作難免有測試人員疏忽，遺漏微小不易察覺的異常，影響評價數(shù)據(jù)的客觀性。行業(yè)內(nèi)也產(chǎn)生了幾種輔助監(jiān)控設(shè)備或系統(tǒng)，如光強度檢測儀、數(shù)據(jù)記錄儀等，但存在著裝置不能應(yīng)用于電磁兼容電波暗室，不易同時監(jiān)控被測燈具所有發(fā)光區(qū)域，測試數(shù)據(jù)無法保留，設(shè)備監(jiān)控功能單一等局限性問題[4]。為克服以上缺點，設(shè)計開發(fā)一種適用于復(fù)雜電磁環(huán)境下智能光強度監(jiān)控系統(tǒng)。

2? 測試環(huán)境及監(jiān)控特征

2.1? 整車測試環(huán)境介紹

在電波暗室內(nèi)，由抗擾天線發(fā)射最高140V/m的場強，天線波瓣覆蓋被測車輛所在區(qū)域。由于天線的特性，前向波瓣大，功率也大，在此區(qū)域內(nèi)的場強也越大，因此，布置的監(jiān)控裝置需要額外考慮電磁屏蔽性能。暗室內(nèi)場強分布如圖1所示。

整車抗擾測試頻率范圍覆蓋0.1MHz～3GHz，在每個測試頻點需持續(xù)停留1s施加電磁場干擾。

2.2? 光強圖像特征

車燈具有動態(tài)轉(zhuǎn)向燈功能，需要在400ms內(nèi)，通過順次驅(qū)動n組LED燈珠點亮，并在另一個400ms內(nèi)關(guān)閉所有LED燈珠，以1.25Hz頻率循環(huán)點亮和關(guān)閉，實現(xiàn)動態(tài)流水工作效果。如圖2所示。

目前高端車輛內(nèi)部氛圍燈顏色多達30色之多，通過LIN總線控制顏色。氛圍燈分布廣泛，顏色差異小，亮度低，顏色定義如圖3所示。

3? 圖像模型構(gòu)建及算法

3.1? 動態(tài)監(jiān)控模型

由于動態(tài)轉(zhuǎn)向燈是逐次被點亮的，各組LED燈在受到場強干擾時，可能出現(xiàn)一組或多組驅(qū)動異常，造成轉(zhuǎn)向燈閃爍順序發(fā)生變化，而采用常規(guī)的固定點監(jiān)控無法精確匹配故障LED燈組位置，不能準確監(jiān)控光強異常。因此，需利用智能攝像頭來對動態(tài)轉(zhuǎn)向燈的圖像進行監(jiān)控，通過繪制動態(tài)轉(zhuǎn)向燈的亮度曲線，與基準亮度曲線相比較，如超出設(shè)計偏差則判定異常。動態(tài)監(jiān)控模型如圖4所示。

所選攝像頭可在動態(tài)轉(zhuǎn)向燈工作周期800ms內(nèi)采集25次，對應(yīng)動態(tài)轉(zhuǎn)向燈不同的發(fā)光狀態(tài)，獲得25幀的采集圖片。設(shè)定亮度值從0～255對應(yīng)每張圖片的亮度，并繪制出轉(zhuǎn)向燈一個工作周期內(nèi)的亮度曲線。通過設(shè)定偏差范圍a，將基準亮度曲線與實時的亮度曲線相比較，如果超出±a的范圍，則判定出現(xiàn)異常。

3.2? 光色監(jiān)控算法

常用的表征彩色模型有RGB色彩空間和HSV色彩空間。其定義見表1。

利用攝像頭高速成像技術(shù)，可由硬件設(shè)備直接獲得圖像的RGB顏色圖像數(shù)據(jù)，但RGB 3種顏色分量的具體取值與所生成顏色之間的聯(lián)系并不直觀。而HSV值分別在色調(diào)、飽和度以及亮度3個維度上對顏色進行表示，呈現(xiàn)結(jié)果更貼近于人眼感知[5]。采用RGB三要素代表顏色的方式，因其各分量關(guān)聯(lián)性不高，不適合區(qū)分相似顏色。而HSV值，則能較直觀地表達顏色明暗、色調(diào)及鮮艷程度，效果最優(yōu)，因此選擇HSV值作為采集參考值[6-7]。HSV模型參數(shù)公式如下。

3.3? 圖像濾波算法

由于在電波暗室中受到照明光線及地板反光的影響，各類噪聲會對采集圖像品質(zhì)造成影響，甚至出現(xiàn)采集圖像中存在橫紋阻擋關(guān)鍵特征信息的情況。因此，為保證圖像處理效果，需對采集圖片噪聲進行抑制。常用的濾波算法對比如表2所示。

雙邊濾波是一種用于圖像邊緣保持的空間域非線性濾波方法，其利用空間域核及值域核卷積，獲得雙邊濾波后的圖像。相較于高斯濾波，雙邊濾波既可以做平滑處理又可較好地保留邊界。其數(shù)學(xué)模型如下。

4? 系統(tǒng)實現(xiàn)

4.1? 系統(tǒng)架構(gòu)設(shè)計

為使得所設(shè)計監(jiān)控系統(tǒng)適合于企業(yè)所有開發(fā)的車燈，且在電磁兼容抗擾測試中良好應(yīng)用，特設(shè)計系統(tǒng)架構(gòu)，如圖5所示。

系統(tǒng)包含7個板塊層級設(shè)計，通過攝像頭采集被測車燈圖像數(shù)據(jù)，連同干擾數(shù)據(jù)統(tǒng)一集成，配合一系列的測試設(shè)置，實現(xiàn)采集數(shù)據(jù)的初始設(shè)置。在測試過程中，通過計算機的實時數(shù)據(jù)分析，實現(xiàn)燈光的光色異常分析、光強異常分析、車燈功能分析、干擾影響分析，并能以時域、功能異常的方式進行智能化的測試結(jié)果判斷，并生成測試報告。系統(tǒng)軟件流程如圖6所示。

4.2? 關(guān)鍵模塊設(shè)計

4.2.1? 圖像識別模塊設(shè)計

利用Halcon高清攝像頭進行圖像采集，通過OpenCV圖像處理函數(shù)庫，對識別區(qū)域進行劃定，可覆蓋任意造型零件監(jiān)控需求，如圖7所示。同時采用雙邊濾波技術(shù)，提高圖像識別率。

4.2.2? 動態(tài)識別模塊設(shè)計

為了有效地獲取動態(tài)轉(zhuǎn)向燈工作軌跡，便于圖像數(shù)據(jù)與初始采集比對，設(shè)計將攝像頭采集到的動態(tài)圖片轉(zhuǎn)化成灰度圖，并進行二值化處理，濾除掉監(jiān)控區(qū)域內(nèi)背景，工作流程如圖8所示。

選用的高清攝像頭采集圖片速率為25張/s，由于個別幀圖片的品質(zhì)并不高，除去單一周期內(nèi)非理想采集圖片，理想的圖片約為15張，因此選用至少2個動態(tài)轉(zhuǎn)向燈工作周期以上作為初始采集周期。綜合下來，選擇100幀圖片的時長作為初始采集周期。實際亮度采集曲線如圖9所示。

4.3? 攝像頭電磁屏蔽設(shè)計

由于監(jiān)測需要，智能監(jiān)控攝像頭必須布置在抗擾發(fā)射天線的波瓣范圍內(nèi)，因此需要保證監(jiān)控攝像頭承受高測試輻射場強且能正常工作。根據(jù)電磁兼容和防護理論，主要從孔縫、線纜等耦合途徑入手，提高智能監(jiān)控攝像頭的整體電磁防護性能。

首先設(shè)計監(jiān)控攝像頭的殼體，采用0.5mm厚鋁制圓柱體外殼，其內(nèi)部半徑為57.5mm，長度為235mm。在殼體最前端的攝像頭鏡處，采用透光率為80%導(dǎo)電防護玻璃提高殼體屏蔽效能，導(dǎo)電防護玻璃半徑為45mm，厚度0.25mm，電導(dǎo)率為130000S/m。同時，考慮殼體后部攝像頭電源線的接插件處采用密封處理，保證攝像頭的電磁防護效能。

依據(jù)實際的測試搭建，并按照上述參數(shù)設(shè)置，通過仿真軟件建立實際攝像頭在復(fù)雜電磁場強下的電磁仿真模型，如圖10所示。

設(shè)置施加電磁場強度有效值為140V/m、頻率為100MHz、調(diào)制系數(shù)為0.8的AM調(diào)制波形，得到在100kHz～800MHz頻率范圍內(nèi)，調(diào)制干擾波形和攝像頭殼體內(nèi)部的信號場強時域波形，如圖11所示。攝像頭內(nèi)部場強峰值為0.147V/m，攝像頭屏蔽效能為59.57dB。

設(shè)置施加電磁場強度有效值為140V/m、調(diào)制頻率為100MHz、調(diào)制度為0.5的PM調(diào)制波形，得到在800MHz～2GHz頻率范圍內(nèi)，調(diào)制干擾波形和攝像頭殼體內(nèi)部的信號場強時域波形，如圖12所示。攝像頭內(nèi)部場強峰值為0.287V/m，攝像頭殼體的屏蔽效能為53.75dB。

5? 結(jié)果驗證及分析

為了驗證本文方法的實際應(yīng)用效果，分別對動態(tài)圖像檢測及光色檢測功能模塊進行驗證。

通過反復(fù)調(diào)節(jié)驗證光源的供電電壓，模擬靜態(tài)光源光強度波動。采取降低驗證光源閃爍頻率的方式，模擬動態(tài)光源受場強影響導(dǎo)致閃爍頻率變化。通過交替更換被測燈具顯示顏色的方式，模擬氛圍燈受場強影響導(dǎo)致顯示顏色變化。模擬驗證效果如圖13所示。

通過多次的驗證，應(yīng)用結(jié)果統(tǒng)計見表3。

6? 結(jié)論

基于圖像識別技術(shù)的智能光強度監(jiān)控系統(tǒng)，能夠有效應(yīng)用于復(fù)雜場強下電磁兼容抗擾測試，實現(xiàn)對燈光類零件的光強度變化監(jiān)控。實際應(yīng)用表明，該系統(tǒng)解決了寬范圍光強度場景下監(jiān)控難，多區(qū)域監(jiān)控耗費時間長的行業(yè)難題，填補動態(tài)轉(zhuǎn)向燈圖像監(jiān)控技術(shù)空白。該系統(tǒng)具備低成本、高可靠、使用便捷的優(yōu)點。相較于傳統(tǒng)的人工監(jiān)控，保證了測試結(jié)果評價客觀性，同時提升測試人效。隨著未來車輛燈光技術(shù)的發(fā)展，面向可投射復(fù)雜信息的車燈光強度智能監(jiān)控是下一步的研究方向。

參考文獻：

[1] 傅劍華，李文強，周華，等. LED技術(shù)在汽車燈具中的應(yīng)用[J]. 照明工程學(xué)報，2010，21（3）：64-69，75.

[2] 凌銘，張建文，章世駿. 汽車前照燈EMC研究發(fā)展現(xiàn)狀的探討[J]. 質(zhì)量與標準化，2013（4）：45-48.

[3] 李祥兵，彭麗，王坦，等. 智能網(wǎng)聯(lián)時代汽車照明系統(tǒng)的開發(fā)[J]. 汽車工程師，2020（12）：28-31，48.

[4] ALLGEIERC C. Challenges of Future，Digital ADB systems，Proceeding of the 6th international Forum on Automotive Lighting（IFAL）[C]//Shanghai：IOC，2018：67-71.

[5] 周欣，劉碩迪. 自然交通場景中的車輛顏色識別[J]. 計算機科學(xué)，2021，48（S1）：15-20，37.

[6] 許明文. 基于無人駕駛平臺的交通燈及數(shù)字檢測與識別系統(tǒng)[D]. 南京：南京理工大學(xué)，2017.

[7] 石美紅，申亮，龍世忠，等. 從RGB到HSV色彩空間轉(zhuǎn)換公式的修正[J]. 紡織高校基礎(chǔ)科學(xué)學(xué)報，2008，21（3）：351-356.

[8] 張雪峰，萬鵬程. 改進的粗糙集雙邊濾波圖像去噪算法[J]. 沈陽大學(xué)學(xué)報（自然科學(xué)版），2022，34（5）：354-362.

（編輯? 楊凱麟）