周尚儒， 李麗宏， 張劍勇， 楊 軍

(1.太原理工大學(xué)，山西 太原 030024；2.山西萬(wàn)立科技有限公司，山西 太原 030032)

0 引 言

目前,公路計(jì)重系統(tǒng)的稱(chēng)量設(shè)備多數(shù)為動(dòng)態(tài)汽車(chē)衡，據(jù)調(diào)研，目前已安裝的動(dòng)態(tài)軸重稱(chēng)量設(shè)備的典型誤差為5 %[1,2]，但實(shí)際安裝使用后均達(dá)不到。其原因主要是安裝現(xiàn)場(chǎng)的條件遠(yuǎn)達(dá)不到產(chǎn)品的設(shè)計(jì)標(biāo)準(zhǔn)，主要是廠家標(biāo)稱(chēng)精度的測(cè)試數(shù)據(jù)是在保證勻速通過(guò)的前提下得到的，而現(xiàn)場(chǎng)使用時(shí)車(chē)輛卻不是勻速的。影響動(dòng)態(tài)稱(chēng)重精度的因素較多，例如:車(chē)輛速度、車(chē)輛加速度、秤臺(tái)寬度、車(chē)輛振動(dòng)等[3,4]，造成測(cè)量結(jié)果誤差大和不準(zhǔn)確，導(dǎo)致公路計(jì)重系統(tǒng)不具有很強(qiáng)的說(shuō)服力和廣泛的公信度，因此,提高車(chē)輛動(dòng)態(tài)稱(chēng)重精度具有重要的理論和實(shí)際意義。

本文提出了一種以CCD為前端測(cè)量裝置采集汽車(chē)的圖像信號(hào)，以單片機(jī)為核心處理芯片進(jìn)行相關(guān)運(yùn)算的汽車(chē)瞬時(shí)速度測(cè)量的方法，并將測(cè)量的速度和加速度對(duì)稱(chēng)重?cái)?shù)據(jù)進(jìn)行相應(yīng)的補(bǔ)償[5]，實(shí)驗(yàn)證明:經(jīng)補(bǔ)償后的動(dòng)態(tài)稱(chēng)重系統(tǒng)精度大大提高。

1 系統(tǒng)組成原理

本系統(tǒng)可對(duì)車(chē)輛瞬時(shí)速度進(jìn)行測(cè)量，其基本原理是：在道路同一側(cè)相距一定距離安裝2只CCD，每只CCD前端均安裝合適的鏡頭[6]，當(dāng)檢測(cè)到有汽車(chē)通過(guò)時(shí)，兩路傳感器以一定的頻率同時(shí)采集汽車(chē)通過(guò)傳感器時(shí)產(chǎn)生的圖像信號(hào)，經(jīng)濾波、放大處理和A/D轉(zhuǎn)換后送給C8051F010單片機(jī)[7]進(jìn)行相關(guān)運(yùn)算，算出車(chē)輛同一位置處2組信號(hào)波形的相位差，由于采樣的時(shí)間間隔已知，可以算出汽車(chē)通過(guò)2只傳感器的時(shí)間差τ；2只傳感器安裝的距離固定為L(zhǎng)，則v=L/τ可計(jì)算出汽車(chē)速度[8，10]。將采集的圖像信號(hào)實(shí)時(shí)分段進(jìn)行相關(guān)運(yùn)算，即可計(jì)算出車(chē)輛的瞬時(shí)速度系統(tǒng)原理如圖1所示。

2 相關(guān)算法

2.1 基本原理

相關(guān)函數(shù)用來(lái)研究2個(gè)序列的相似性。通常在實(shí)際應(yīng)用中這2個(gè)信號(hào)往往是由同一原因產(chǎn)生的，由于接收點(diǎn)的位置不同，信號(hào)在x(t)與y(t)序列中出現(xiàn)的時(shí)間也不同，因此,可利用2個(gè)序列的線性相關(guān)性來(lái)找出信號(hào)的延遲時(shí)間。相關(guān)算法的原理是：存在2個(gè)連續(xù)的隨機(jī)信號(hào)x(t)與y(t)，當(dāng)這2個(gè)信號(hào)是實(shí)數(shù)且為周期函數(shù)時(shí)，相關(guān)函數(shù)可定義為[11]

圖1 CCD測(cè)速原理圖

(1)

通常在計(jì)算時(shí)，由t=0開(kāi)始，因此，式(1)可寫(xiě)成

(2)

如果x(t)與y(t)是同一信號(hào)，則稱(chēng)Rxy(τ)為自相關(guān)函數(shù);否則,稱(chēng)Rxy(τ)為互相關(guān)函數(shù)。若x(t)與y(t)是緊密相關(guān)或十分相近，Rxy(τ)的波形將會(huì)有一個(gè)很突出的峰值出現(xiàn)。Rxy(τ)的大小表示2組波形相似程度，當(dāng)Rxy(τ)達(dá)到峰值時(shí)，表明此時(shí)2組波形的相關(guān)度最大，也就是說(shuō)2組波最相似。在本系統(tǒng)中從傳感器采集的兩路信號(hào)僅差一個(gè)時(shí)間延遲，故在有車(chē)輛通過(guò)時(shí)將采集的兩路數(shù)據(jù)作相關(guān)運(yùn)算，并記錄移位個(gè)數(shù)，當(dāng)移位到2組數(shù)據(jù)的對(duì)應(yīng)點(diǎn)都相同時(shí)，相關(guān)度最大，通過(guò)這一最大的相關(guān)值對(duì)應(yīng)的移位個(gè)數(shù)，即可求出時(shí)間差τ。因而，對(duì)兩路信號(hào)作相關(guān)運(yùn)算，找出其相關(guān)值最大時(shí)的移位個(gè)數(shù)成為系統(tǒng)的關(guān)鍵。

對(duì)于C8051F010內(nèi)的信號(hào)處理，需要先將公式(2)離散化，然后對(duì)離散數(shù)據(jù)作相關(guān)運(yùn)算

(3)

其中,rxy(m)為x(n)和y(n)的互相關(guān)函數(shù)。該式表示rxy(m)在時(shí)刻m的值為將x(n)保持不變，而y(n)移動(dòng)m個(gè)抽樣周期后2個(gè)序列對(duì)應(yīng)相乘再相加的結(jié)果。

2.2 算法改進(jìn)

實(shí)際使用式(3)時(shí)，由于所取的數(shù)據(jù)長(zhǎng)度是有限的一部分，當(dāng)對(duì)2列有限的數(shù)據(jù)計(jì)算移位個(gè)數(shù)尋找rxy(m)的最大值時(shí)，具有一定的局限性，而且計(jì)算結(jié)果不準(zhǔn)確,故將式(3)改寫(xiě)為

(4)

其中,N為作相關(guān)運(yùn)算相乘的次數(shù)，即為采樣個(gè)數(shù)；當(dāng)Rxy(m)取最大值時(shí)的m即為2組數(shù)列的移位個(gè)數(shù)，m乘以采樣間隔T就可以得到兩列波形的時(shí)間差τ。

實(shí)際使用離散形式的互相關(guān)函數(shù)為[8]

(5)

其中,δ為對(duì)信號(hào)采樣的時(shí)間間隔；N為采樣序列的總組數(shù)；m,n為自然整數(shù)。

由于在程序運(yùn)行過(guò)程中，計(jì)算量過(guò)大導(dǎo)致系統(tǒng)運(yùn)行速度降低，故對(duì)式(5)進(jìn)行優(yōu)化得

(6)

此時(shí)，Rxy(m)取最小值時(shí)，2組數(shù)據(jù)最相關(guān)，故此時(shí)的m即為2組數(shù)列的移位個(gè)數(shù)。這種優(yōu)化算法在實(shí)際應(yīng)用中具有準(zhǔn)確度高，計(jì)算速度快等優(yōu)點(diǎn)。

3 實(shí)驗(yàn)結(jié)果與分析

當(dāng)有車(chē)輛通過(guò)時(shí)，傳感器采集的兩路信號(hào)僅差一個(gè)時(shí)間延遲，將此兩路信號(hào)作相關(guān)運(yùn)算，計(jì)算出兩路信號(hào)的時(shí)間差。對(duì)現(xiàn)場(chǎng)采集信號(hào)作相關(guān)運(yùn)算，結(jié)果如圖2所示，第一個(gè)波形表示第一路CCD所采集到車(chē)輛信號(hào)的數(shù)據(jù)，第二個(gè)波形表示第二路CCD采集到車(chē)輛信號(hào)的數(shù)據(jù)，最后一個(gè)波形表示前2組數(shù)據(jù)作相關(guān)運(yùn)算的波形，波形的峰值表示2組數(shù)據(jù)的最大的相似度，此時(shí)對(duì)應(yīng)的橫坐標(biāo)即是2只傳感器對(duì)物體同一部位采集的相位差n=20，相位差n乘以AD的采樣周期T即為兩路信號(hào)的時(shí)間差τ，此時(shí)車(chē)輛的速度為v=L/τ。

圖2 相關(guān)測(cè)速仿真圖

將兩路CCD采集的車(chē)輛所有數(shù)據(jù)分段后作相關(guān)運(yùn)算，即可計(jì)算出車(chē)輛的瞬時(shí)速度。如圖3所示，第一個(gè)波形表示第一路CCD所采集到整車(chē)車(chē)輛信號(hào)的數(shù)據(jù)，第二個(gè)波形表示第二路CCD采集到整車(chē)車(chē)輛信號(hào)的數(shù)據(jù)，最后一個(gè)波形表示前兩組數(shù)據(jù)分段后作相關(guān)運(yùn)算的波形，波形中標(biāo)出來(lái)的各值即為分段后兩路信號(hào)的各相位差ni(i為分段計(jì)算次序)，分別將ni乘以AD的采樣周期T即為兩路信號(hào)的時(shí)間差τi，此時(shí)車(chē)輛的瞬時(shí)速度為vi=L/τi。

圖3 瞬時(shí)速度測(cè)量仿真圖

在實(shí)際應(yīng)用中，由于L=10 cm，T設(shè)置為2 ms，每次取200個(gè)數(shù)據(jù)進(jìn)行相關(guān)處理，結(jié)合圖3，可計(jì)算出車(chē)輛的速度和加速度，如表1所示。

由重量加速度補(bǔ)償公式[7,8]即可計(jì)算出車(chē)輛總重

(7)

其中,G為修正后的車(chē)輛總重，G0為車(chē)輛動(dòng)態(tài)測(cè)量結(jié)果，ΔG為車(chē)輛加速度補(bǔ)償值，a為車(chē)輛加速度，H為重心距地面的距離，M為車(chē)輛動(dòng)態(tài)總質(zhì)量，L1,L2分別為汽車(chē)重心到前、后軸的水平距離。

表1 現(xiàn)場(chǎng)采集數(shù)據(jù)分析

4 結(jié) 論

本文給出了一種測(cè)量汽車(chē)瞬時(shí)速度的方法。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，利用優(yōu)化后的相關(guān)算法可以很方便地計(jì)算出2組圖像信號(hào)的相位差，同時(shí)還可以滿(mǎn)足對(duì)車(chē)輛瞬時(shí)速度的精確度要求，具有結(jié)構(gòu)簡(jiǎn)單、測(cè)量方便、精度高等優(yōu)點(diǎn)。

但是該系統(tǒng)還存在著一些不足之處，如,相關(guān)算法的計(jì)算公式較復(fù)雜，運(yùn)行時(shí)單片機(jī)內(nèi)存使用率高；對(duì)CCD硬件系統(tǒng)缺乏足夠的研究。如果能進(jìn)一步改進(jìn)該系統(tǒng)的硬件結(jié)構(gòu)和提高A/D轉(zhuǎn)換的精度，系統(tǒng)的測(cè)量精度將大大提高。

參考文獻(xiàn):

[1] 邵勇強(qiáng).動(dòng)態(tài)汽車(chē)衡存在的問(wèn)題及對(duì)策[J].計(jì)量與測(cè)試技術(shù),2013,40(1):7-9.

[2] 肖維明.高速公路車(chē)輛動(dòng)態(tài)稱(chēng)重設(shè)備應(yīng)用研究[J].中國(guó)交通信息化,2010(2):141-142.

[3] 王 昶.動(dòng)態(tài)稱(chēng)重系統(tǒng)的動(dòng)態(tài)干擾因素分析和抑制[J].中國(guó)交通信息化，2011(5):74-79.

[4] Li Lihong, Wang Yajiao.Research of dynamic axle truck scale sampling data selection method[C]∥2010 International Confe-rence on Future Industrial Engineering and Application,ICFIEA 2010,2010:187-190.

[5] 李麗宏,朱 旭.淺析加速度對(duì)動(dòng)態(tài)稱(chēng)重結(jié)果的影響[J].技術(shù)交流,2012,41(3):41-44.

[6] 薛 華,李東濤,熊永超.CCD 技術(shù)在非接觸檢測(cè)中的應(yīng)用[J].煤礦機(jī)械,2006,27(8):162-165.

[7] 周維龍.基于80C51單片機(jī)控制的CCD視頻信號(hào)二值化電路[J].湖南冶金職業(yè)技術(shù)學(xué)院學(xué)報(bào),2007,7(1):75-77.

[8] 胡廣書(shū).數(shù)字信號(hào)處理[M].北京：清華大學(xué)出版社,2012:33-39.

[9] Liu Yujia, Zhang Yumei.An adaptive algorithm for cross-correlation velocity measurement[J].Proceedings of ISICT 2012,2012(7):96-100.

[10] 陳 佳.基于單幅運(yùn)動(dòng)模糊圖像的車(chē)速測(cè)量方法研究[J].制造業(yè)自動(dòng)化,2013,35(3):22-27.

[11] Li Zhanpeng, Fang Bin.Application of cross-correlation in velocity measurement of rain-water in pipe[J].Advances in Intelligent and Soft Computing, 2011,100:587-594.