车用雨量传感器是自动雨刮器的核心部件,对于提高雨天行车安全性和车辆智能化程度有着重要的意义。虽然目前市场上主流的红外式和电容式车用雨量传感器已经有了相对成熟的产品,但它们都存在难以克服的固有缺点,视觉型雨量传感器的研究则尚不成熟,难以很好地兼顾成本和性能两方面。针对以上问题,本文在通用成像条件下,研究一种基于雨滴粗精分割方法的雨量传感器。采用改进型的背景模糊化梯度方法进行雨滴粗分割,利用雨滴外形特征以及亮度分区方法实现雨滴精分割,算法整体简单快速,保证了检测算法在低成本硬件条件下的检测精度和处理速度。论文主要的研究内容为:针对雨滴的灰度和梯度特征,利用挡风玻璃雨滴短时相对静止的特点,设计基于改进型背景模糊化梯度方法的雨滴粗分割算法。首先平均化多个连续帧图像,然后通过图像平滑和平均化图像间的集合操作进一步模糊图像背景,用Sobel算子分割边缘后再通过最强梯度方法消除部分非雨滴边缘,完成雨滴粗分割。该方法能够获得近80%的正检率,在部分场景下能保证较低的误检率和漏检率。针对图像亮区出现的漏检测问题,使用幂律变换增强亮区雨滴的梯度特征,降噪后同样使用Sobel算子分割亮区雨滴。多个场景的测试结果表明该方法有效改善了亮区漏检测的问题。针对雨滴粗分割结果中存在部分误检的问题,根据雨滴外形特征对雨滴进行精分割。通过消除粗分割结果中面积较大和圆形度较低的连通域,有效消除了形态上不符合雨滴特征的误检。最后将算法封装到软件当中,计算出雨量信息,实现雨量状况的判定。实验结果表明,本文算法具有近91%的正检率,同时误检率和漏检率分别为9%和4.4%,雨量判定结果比较符合驾驶员感官。对比同类方法,本文算法能够在通用的成像条件下工作,并保持较高的检测精度,运算速度和对复杂环境的适应性也有显著提高。