高 健，夏利霞

（1.湖北工业大学 机械工程学院，武汉 430068；2.湖北省机电研究设计院，武汉 430068）

0 引言

近年来，图像处理技术被广泛应用于工业生产，以提高生产效率和产品质量。就汽车保险杠生产来说，汽车保险杠型号识别是实现保险杠生产全自动化的关键技术。

目前，汽车保险杠识别的研究也愈发深入，何新龙等[1]根据常用汽车保险杠制作材料聚碳酸酯分子结构对称的特点，拉曼光谱对对称的有机基团振动敏感的特性，借助于聚类分析法实现了对44种不同保险杠的识别，准确率达94.8%。但此方法对检测设施、检测环境要求严苛，不适用于工业现场的使用。

毕程[2]通过kinect获取各保险杠三维点云，以单视角点云的视点特征直方图V F H（Viewpoint Feature Histogram）特征计算结果训练主成分分析SVM（Support Vector Machine）分类器，借助于最小欧氏距离的聚类分割方法对待分类点云数据进行分割，使用已训练的SVM分类器对分割结果的VFH特征进行分类。但该方法需要人工获取各保险杠全视角点云，再模拟单视角采集，对操作员水品要求较高，后期维护难度大。

Kazuya等[3]使用背景差分法滤除背景，通过背景图像与包含保险杠图像的全局平均像素值的差确定二值化阈值，使用最大面积矩形法截取二值化结果区域作为模板，最终通过模板匹配进行型号识别。该方法识别过程简单，但使用最大面积矩形法使得模板中包含了过多的非保险杠像素点，不仅增加了计算量也降低了识别的正确率。

本文借助OpenCV所包含的算法对一组前后保险杠源图进行识别，实现方式简单，后期维护难度小，实施过程如图1所示。……