CN109155062A - 裂纹分析装置和方法 - Google Patents

裂纹分析装置和方法 Download PDF

Info

Publication number
CN109155062A
CN109155062A CN201780029656.8A CN201780029656A CN109155062A CN 109155062 A CN109155062 A CN 109155062A CN 201780029656 A CN201780029656 A CN 201780029656A CN 109155062 A CN109155062 A CN 109155062A
Authority
CN
China
Prior art keywords
crackle
image
mobile computing
computing device
luffer boards
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201780029656.8A
Other languages
English (en)
Inventor
汉森·马克
黑尔斯·伊恩
法鲁克·阿卜杜勒
史密斯·梅尔文
丹尼尔·格温
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bellelon International Ltd
Original Assignee
Bellelon International Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bellelon International Ltd filed Critical Bellelon International Ltd
Priority to CN202310141095.8A priority Critical patent/CN116205871A/zh
Publication of CN109155062A publication Critical patent/CN109155062A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
    • G01N2021/9586—Windscreens
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Geometry (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)
  • Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
  • Preparing Plates And Mask In Photomechanical Process (AREA)
  • Image Analysis (AREA)
  • Processing Of Solid Wastes (AREA)
  • Debugging And Monitoring (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)

Abstract

本发明公开了一种能够在技术人员不在现场的情况下分析车辆玻璃窗板中的裂纹的方法和装置。所述方法和装置捕获并处理裂纹的图像，从而能够决定玻璃窗板适合修复还是更换。

Description

裂纹分析装置和方法
技术领域
本发明大体涉及一种装置和方法。特别地，但非排他地，本发明涉及用于分析车辆的玻璃窗板中的裂纹的装置和方法。进一步特别地，但非排他地，本发明涉及用于分析玻璃——特别是车辆的玻璃窗板——中的裂缝的方法和设备。
背景技术
在驾驶过程中，如果道路上有碎片和其他物质，会导致这些物质转移到行车道中，当这些物质碰撞到挡风玻璃上时，会导致挡风玻璃出现裂缝，裂纹或其他损坏，这就需要修复或更换车辆的玻璃窗板。
出于安全原因和经济原因，修复或更换工作必须尽快进行，因为这些裂缝可能由于寒冷天气的影响而进一步扩大到挡风玻璃中，例如，寒冷天气会导致裂缝增大。这可能导致裂缝从需要小规模修复变为需要完全更换挡风玻璃。
需要评估是否可以通过修复来补救车辆的玻璃窗板的损坏。如果评估表明修复不可行，则需要更换玻璃窗板。
基于对前述内容的考虑，构思了各方面和实施例。
发明内容
从第一方面来看，把发明提供了一种用于分析车辆玻璃窗板中的裂纹的裂纹分析方法，该方法包括：捕获车辆玻璃窗板中的裂纹的图像；处理裂纹的图像。从第二方面来看，本发明提供了一种用于分析车辆玻璃窗板中的裂纹的裂纹分析装置，该装置包括：相机，用于捕获车辆玻璃窗板中的裂纹的图像；处理模块，用于处理裂纹的图像。
可选地，该装置可包括移动计算设备，该移动计算设备包括相机。移动计算设备为用于捕获图像的电子设备，可以包括移动电话(例如智能电话)，笔记本计算机，平板电脑，平板手机或照相机。移动计算设备包括用于捕获图像的相机。
移动计算设备还可以包括处理模块。
根据第一和第二方面的方法或设备使得能够使用表面中的裂纹的图像来分析裂纹。这就使技术人员不必亲自到场对裂纹进行任何分析。
可以基于图像的处理确定是否需要更换玻璃窗板。因此，该方法可包括基于图像的处理来确定是否需要更换玻璃窗板，和/或玻璃窗板是否适合修复的步骤。
可以以相对于车辆玻璃窗板倾斜的角度来捕获裂纹的图像。
该图像可由与玻璃窗板的表面保持接触的移动计算设备捕获，其中移动计算设备包括相机。移动计算设备可以例如是移动电话，例如设置有相机的智能电话。本发明可以通过软件构件实现，该软件构件用于处理来自相机的图像数据，以便确定是否可以修复裂纹或者是否需要更换玻璃窗板。可以将软件构件下载到设备，例如作为独立应用程序(app-application)等。软件元件可包括用于进行确定的算法，并且还优选地显示指示如何实现确定方法的用户指令。
因此，根据另一方面，本发明包括一种用于确定车辆玻璃窗板中存在的裂纹的技术信息的计算机实现的方法，其中该方法包括将软件构件下载到具有相机的移动计算设备的步骤，该软件构建用于处理通过相机捕获的图像信息，以确定优选是修复裂纹还是更换。
移动计算设备可以是倾斜的，以在相机的视场中的预定位置查看裂纹。可以通过确保计算设备向玻璃窗板倾斜并且边缘接触玻璃窗板来实现基准位置。
可以通过在相机上或在包括相机的移动计算设备上(例如在屏幕上)显示的标记来指示预定位置，在该预定位置移动计算设备可倾斜来观看裂纹。
附加地或替代地，标记可以指示视场的中心(例如，在屏幕上)。
可选地，相机或移动计算设备可最初平放在玻璃窗板的表面上。然后，移动计算设备可枢转离开玻璃窗板或倾斜于玻璃窗板，其中至少部分移动计算设备保持与玻璃窗板接触。
可选地，在移动计算设备枢转之前，相机定位在相对于裂纹的预定位置。例如，该方法可以包括将移动计算设备的特征对准在相对于裂纹的预定位置。
在一些实施例中，图像捕获模块的边缘——例如顶部边缘——可与裂纹的最低点紧邻(或紧挨着其下方)处对齐。这意味着可以使用移动计算设备的几何结构来确定相机和裂纹的最低点之间的初始距离。
然后，图像捕获模块或移动计算设备可以枢转离开玻璃窗板，其中移动计算设备的底部边缘保持与玻璃窗板接触。然后捕获裂纹的图像。
该方法可以包括枢转或倾斜移动计算设备，直到在相机的视场中的预定位置处可以看到裂纹。
可选地，该方法包括枢转移动计算设备，直到裂纹位于相机的视场的中心。
该方法可以包括使用移动计算设备的几何参数和相机的镜头参数来估计裂纹的参数。裂纹的参数包括指示裂纹尺寸的一个或多个空间维度。
例如，使用上述方法，移动计算设备的几何参数和相机的镜头参数可用于确定裂纹的一条或多条支路的长度和/或裂纹中心的尺寸(例如，宽度/直径)。
移动计算设备的几何参数可用于确定移动计算设备和玻璃窗板之间的旋转角度(或枢转角度)。
如果估计的裂纹尺寸(例如裂纹的一个支路的长度)超过给定阈值，则该方法可确定需要更换玻璃窗板。如果估计的裂纹的尺寸(例如裂纹的一个支路的长度)小于给定阈值，则该方法可以确定玻璃窗板适合修复。
图像的处理可基于移动计算设备的几何参数来捕获裂纹的图像。
图像的处理还可基于相机和/或移动计算设备的芯片参数。
图像的处理可以生成一组数据点，这些数据点用于生成裂纹的直径，该直径可以用于确定更换车辆玻璃窗板的要求。
该方法可包括输出指示玻璃窗板是否需要修复或更换的信号或指示。
玻璃窗板中的裂纹可包括中心及一条或多条支路。当小石头或其他物体撞击玻璃窗板时，这种裂纹形式很常见。所述一条或多条支路(或裂缝(cracks))通常从裂纹(break)中心向周围辐射。
裂纹中心的形状可基本上为圆形。
确定更换或修复玻璃窗板的需要可以包括生成指示裂纹中心及裂纹的一条或多条支路的数据。
该方法可以包括识别裂纹中心及裂纹的一条或多条支路。
该方法可以包括生成比例因子，该比例因子指示与裂纹中心的尺寸相比，裂纹的一条或多条支路的相对长度。裂纹中心的尺寸可以是裂纹中心的直径、宽度和/或长度。
该方法可以包括使用比例因子估计裂纹的一条或多条支路的长度(即，以cm或mm等为单位的绝对长度)。例如，可以通过将比例因子乘以预定值来估算一条或多条支路的长度。
预定值可为对裂纹中心的实际(即绝对)尺寸的估计，优点是不需要校准对象，这对于用户来说至少是更方便。
因此，本发明的方法可包括确定图像的比例值以估计裂纹的一条或多条支路的长度。
如果一条或多条支路的估计长度超过给定阈值，则该方法可确定需要更换玻璃窗板。如果一条或多条支路的估计长度小于给定阈值，则该方法可以确定玻璃窗板中的裂纹适合修复。
该方法可以包括：如果一条支路或多条支路的估计长度小于给定阈值，则输出指示需要修复玻璃窗板的信号。
该方法可以包括：如果一条支路或多条支路的估计长度超过给定阈值，则输出指示需要更换玻璃窗板的信号。
已经发现，当比较璃窗板中的不同裂纹时，裂纹中心的尺寸通常是不同的且小于裂纹的一条或多条支路的长度。这样，预定值可以是玻璃窗板中的裂纹中心的测量尺寸的平均值或众数。
可选地，裂纹中心的实际宽度(或直径)的估计值(即预定值)可以在1mm和3mm之间。裂纹中心的特别优选的预定宽度(或直径)可以是2mm。这些范围/值已经由申请人进行的裂纹研究确定。
这样的效果是，裂纹中心的估计尺寸，例如裂纹中心的估计直径，可用于估计裂纹支路的长度，因为预定值可用于在相对于裂纹中心的尺寸一条或多条支路的相对长度，和裂纹的一条或多条支路的估计的实际长度之间进行变化。
例如，如果我们知道裂纹中心总是宽约(或直径为)2mm，并且生成的图像数据表明支路长度是裂纹中心直径的两倍，那么该方法可以包括将2mm乘以比例因子2。这就估计出支路的长度为4mm，有助于在数据中构建裂纹维度的图片。
一条或多条支路的生成的(或估计的)长度可用于指示裂纹的估计的尺寸。可以将裂纹的尺寸与阈值参数进行比较，以确定需要更换玻璃窗板或者修复玻璃窗板。
如果估计的裂纹尺寸超过给定阈值，则该方法可确定需要更换玻璃窗板。如果估计的裂纹尺寸小于给定阈值，则该方法可以确定玻璃窗板适合修复。
可以对裂纹阈值参数和裂纹的最大跨度距离进行比较。
可选地，裂纹中心的尺寸的预定的估计可取决于一个或多个参数。参数可以由用户输入和/或预先设置到设备或处理模块中。例如，参数可包括：玻璃窗板的一个或多个属性(例如类型，尺寸等)，和/或当发生破裂时车辆行进的速度。
图像的处理可包括过滤图像以去除背景部分以识别裂纹。
可以对图像应用形态细化以从图像中去除任何杂质，并改善图像数据的质量，该图像数据用作确定是否需要更换玻璃窗板的基础。
该方法可包括在捕获裂纹的图像之前清洁玻璃窗板。这可以帮助去除任何可能影响图像处理的污垢。例如，污垢有可能被图像处理软件构建为裂纹的风险。
该方法可包括在捕获裂纹的图像之前，禁用图像捕获模块或设备的闪光功能。如果使用闪光摄影，则光可能不利地影响图像处理软件的准确性。例如，闪光可以在玻璃窗板中反射，这可能影响对裂纹的识别或分析。
该方法可使用计算机实现的指令来实现，当安装到存储器中时，所述指令指示处理器实施如上定义的方法，优选为可下载的软件构建(例如app)。
应当理解，可使用本发明的装置执行该方法的任何特征。
参考本文所述的实施例，本发明的这些方面和其他方面将变得清楚明了。
附图说明
现在将仅通过示例并参考附图来描述本发明的第一和第二实施例。其中：
图1示出了一个带有裂缝的挡风玻璃；
图2示出了使用相机捕获裂缝的图像；
图3示出了可用于分析图1的挡风玻璃中的裂缝的处理模块；
图4示出了详细描述使用图3的***评估挡风玻璃中的裂缝所涉及的步骤的流程图；
图5示出了裂缝的傅立叶变换的图像；以及
图6示出了裂缝的轮廓图像；
图7示出了可用于模拟裂缝102的布置；
图8示出了生成裂纹参数所涉及的步骤；
图9a示意性地示出了相机对挡风玻璃的俯视视场；
图9b示意性地示出了相机对挡风玻璃的倾斜视场；
图10示出了如何对相机进行建模以便使用相机的参数来分析裂缝；以及
图11示出了从***输出的，用以确定挡风玻璃中的裂缝的尺寸的图像。
具体实施方式
在第一实施例中，图1示出了挡风玻璃100，其具有由弹击到挡风玻璃上的石头引起的裂缝102。然后，挡风玻璃100封装的汽车的驾驶员使用移动电话104捕获裂缝102的图像，移动电话104包含用于捕获裂缝102的图像的相机106。这种设置在图2中以侧面视图示出。相机106的焦距固定在100毫米以下，以使相机的焦点近距离紧密聚焦。
然后响应用户输入，捕获裂缝102的图像，移动电话104用于向用户提供提示，以请求用户指明他们希望将图像从相机106传输到图像处理模块108。现在我们将参考图3描述图像处理模块108。该步骤使用户能够自己评价图像的质量，从而，如果他们认为图像不清晰——例如在恶劣天气条件下，可能会有水珠凝结在相机106的镜头上——他们可以选择捕获另一张图像。
使用任何合适的方法，相机106将捕获的图像转换为图像数据阵列。相机106可将图像数据保存为可交换图像文件(EXIF)，其中相机的镜头参数也被存储。
也就是说，相机106是图像捕获模块的示例，其可运行以捕获裂缝102的图像，并且以捕获的图像数据的形式将捕获的图像传输到图像处理模块108，在图像处理模块108中该图像可进一步被处理，以提取裂缝的细节。
图像处理模块108可形成为移动电话104的一部分，或者它可地理上相对远离移动电话104。图像数据通过任何合适的手段——例如，数据总线或互联网——传输到图像处理模块108。
在优选实施例中，图像处理模块108作为下载到移动电话的软件构建得以实现。这可以通过将软件构建下载为app来实现。软件构建能够处理来自相机的图像数据，以确定裂纹是否易于修复，或者是否需要将更换玻璃窗板作为优选解决方案。
裂纹分析模块112可为下载到移动电话的软件构建，优选地，作为与图像处理模块108结合的单个下载。优选地，单个下载的软件构建I用于处理来自电话相机的图像数据，并使用软件中实现的一个或多个算法分析裂纹。
在一个实施例中，捕获的图像数据由图像处理模块108在数据输入接口110处接收。然后将图像数据传输到裂纹分析模块112，裂纹分析模块112用于访问例程库114，其中可存储例程，以在对捕获的图像数据的分析过程中，对捕获的数据执行操作。
裂纹分析模块112还用于访问设备参数数据库116，其中存储与移动电话104相关的参数。
与移动电话104相关的参数包括定义相机106的图像捕获性能的芯片参数，例如，焦距，镜头的传感器尺寸，以及移动电话104的维度参数，例如，移动电话104的长度，以及移动电话104的顶部边缘与相机106的图像中心之间的距离。
裂纹分析模块112还可用于与显示模块118连接，显示模块118可运行以在显示器上显示从裂纹分析模块112传输的图像数据，并在显示器上显示从裂纹分析模块112传输的参数数据。
现在，我们将参考图4描述使用裂纹分析模块112对裂缝102进行的分析。
在步骤S400中，裂纹分析模块112接收图像数据。然后，在步骤S402中，裂纹分析模块112从例程库114调用傅里叶变换例程，并使用傅里叶变换例程将二维离散傅立叶变换(discrete two-dimensional Fourier transform)应用于图像数据以产生如图5a所示的已变换的图像。
在图5a中，我们可以看到已变换的图像。图5a根据相应的傅立叶分量的量级绘制了的空间频率。可以看出，低空间频率占据已变换的图像中心，当我们远离已变换的图像中心时，可以看到更高的空间频率。
对图像进行傅里叶变换，使得裂纹分析模块112能够对图像的分量空间频率(component spatial frequencies)和相位方面进行图像分析。如现在将描述的，这去除了我们不感兴趣的空间频率并且使我们能够通过保留感兴趣的空间频率来重建我们感兴趣的图像。
在步骤S404中，然后，通过裂纹分析模块112将巴特沃斯带通滤波器(Butterworthbandpass filter)应用于已变换的图像。由巴特沃斯带通滤波器实现的掩模(mask)在图5b中示出。巴特沃斯带通滤波器在图5a所示的已变换的图像上实现了一个掩模，并去除了低空间频率(图5b中心的黑点所示)和非常高的空间频率(图5b中图像中的暗边界)，非常高的空间频率代表图像上的灰尘和污垢斑点。
在步骤S406中，然后，通过从例程库114调用傅里叶变换反演例程来反转图像数据的傅里叶变换，以对已变换的图像数据执行逆离散二维傅里叶变换(inverse discretetwo-dimensional Fourier transform)。
对已变换的图像数据的逆傅立叶变换过程，将已变换的图像数据从傅里叶域变换到实域，以生成实域图像数据。得到的实域图像数据在图6a和6b中示出。
使用傅立叶变换产生图6b中所示图像，具有将裂缝从背景隔离的效果。
在步骤S408中，将实域图像数据与阈值强度4进行比较，以更清楚地描绘感兴趣区域。
图6a示出了不使用巴特沃斯带通滤波器的实域图像数据。图6b示出了在将巴特沃斯带通滤波器应用于图5a中所示的已变换的数据之后的实域图像数据，并且应用阈值处理以使用阈值强度4生成二值图像。该示例中的巴特沃斯带通滤波器具有衰减(rolloff)值3。
可对巴特沃斯带通滤波器的上截止频率和下截止频率进行建模，因为它们与图像最长边的像素个数(表示为m)线性地相关，可分别表示为：
可以使用标准试验和数值实验来改变这种关系。
图6b中所示的图像是不只包括裂缝102的图像。该图像还可包括已经通过步骤S400至S408的图像数据，但是由挡风玻璃上的污垢斑点和通过裂纹分析模块112所执行的处理的其他伪影(artefacts)所造成的。
使用阈值强度4来生成图6b中所示的二值图像有助于更清楚地显示感兴趣的区域。图6b中所示的实域图像数据所示的图像突出了裂缝——包括中心裂缝区域——这是一个低空间频率的区域。
可以看出，傅里叶方法做了一个非常巧妙的工作，即将裂缝区域从杂乱的背景中隔离，从而假设它处于焦点而背景没有处于焦点。
然后，裂纹分析模块112可以从例程库114调用形态例程，以在步骤S410从图6b中所示的图像中去除任何杂质。
形态学例程对图6b中所示的图像执行若干操作。该图像是二值图像。黑色区域为零值，白色区域值为非零值。像素的值存储在裂纹分析模块112的存储器中，并且是步骤S400至S408中处理的结果。
这些操作中的第一个是填充操作，该操作使用形态重建，用白色来填充由白色区域包围的像素大小的黑色区域，通过根据[1]所列出的过程将零值替换为非零值来进行填充。
这些操作中的第二个是清理操作，其丢弃非常小的非零值区域。非常小的非零值区域被定义为占据小于(图像的最大维度/500)平方的区域的非零值区域。图像的最大维度可通过裂纹分析模块简单地通过比较图像的宽与图像的长来确定。
然后重复第一形态学操作以填充由第二形态学操作产生的被白色区域围绕的任何像素大小的黑色区域。这是第三种形态学操作。
然后实施第四形态学操作以连接裂缝102的图像中的任何支路，所述支路具有间隙。这是使用[2]中描述的形态学闭合操作实现的。通过利用半径为(图像的最大维度\5312)乘以20的盘形结构元件进行侵蚀，然后进行扩张。值20是凭经验确定的，并且可以改变。可以确定该值，而对不同的图像分辨率不造成任何不适当的负担。
然后重复第一形态学操作以填充由第四形态学操作产生的被白色区域围绕的任何像素大小的黑色区域。这是第五次形态学操作。
然后执行第六形态学操作以丢弃任何非零的小区域。小区域定义为面积等于(图像的最大维度/100)平方的区域。
然后执行第七形态学操作以移除图像中的任何断开连接的对象。感兴趣的断开连接的对象是比最接近图像中心的最大对象的半径的3/4要远的对象。这意味着包括仍不连贯的裂缝的支路，但包括多余的伪影。通过为图像中的每个剩余区域找到质心(即图像的质心)和该区域的长轴的长度来实现第七形态学操作。基于质心与图像中心的接近程度，为每个区域分配额外的加权。
加权w＝1/d2，其中d是质心和图像中心之间的欧几里德距离(Euclideandistance)。选择最接近图像中心的最大区域，并且其长轴长度用于设置半径(或者从其质心算起的长轴长度的3/4)，丢弃在该半径之外的任何区域。也就是说，形态例程和质心到边界计算用于将所有“斑点”保持在一定距离内，该距离为距图像中的最大对象的半径的裂缝中心的距离加上该半径的一半，以确保不会丢失任何裂缝102中的不连续部分。
在应用形态学以细化图像数据之后，图像数据可以用于确定裂缝102的维度。
裂纹分析模块112应用进一步的边缘检测、形态学、模糊处理和阈值处理来确定裂缝102中心。
通过实验已经观察到裂缝中心直径通常约为2mm。裂纹分析模块112用于使用细化的图像数据和由裂缝102中心的确定而得到的数据，估计裂缝102的支路的长度，并确定比例值，该比例值表征与裂缝102中心的直径相比的支路的长度，即与裂缝102中心相比的支路的比例因子。使用观察到的裂缝中心通常为2mm，则比例因子可以用来确定支路的长度。这就提供了裂缝102的尺寸的未校准分析。
然后所确定的支路的长度可以用来接近裂缝102的尺寸，并且使裂纹分析模块112能够输出是否需要更换挡风玻璃，或者是否修复挡风玻璃就足够了，因为裂缝的尺寸是决定做出哪种决定的重要因素。通过将裂缝102的尺寸与修复/更换阈值进行比较，裂纹分析模块112可以自动化该决定。裂纹分析模块112将该决定输出到显示模块118。
在步骤S412中，然后，使用显示模块118显示输出，即是否需要更换挡风玻璃。
使用观察到的裂缝中心的估计来估计裂缝支路的尺寸，这取决于对裂缝径向的尖锐程度的假定，这就意味着可以拍摄裂缝的图像，并用于在现场不借助任何标度的情况下，分析裂缝以提供裂缝102的尺寸。
该方法能够在各种条件下进行裂缝分析，而无需技术人员的参与。
在第二实施例中，我们现在描述如何使用移动电话104的参数和相机106的镜头来获得裂缝102的参数。这可以帮助校正角度对图像的任何影响。
在不偏离本发明的情况下，第二实施例可以与第一实施例组合。
图2中所示的布置使得使用相机106的芯片参数和移动电话104的几何参数来估计裂缝的维度成为可能。
为了计算移动电话104相对于挡风玻璃的旋转角度(或枢转角度或倾斜角度)，我们可以使用移动电话104的几何参数。
在将裂缝102定位在相机106透镜的视场的中心时，能够绘制直角三角形。这是参考图7进行描述的。
在发现裂缝102之后，移动电话104平放在挡风玻璃上，顶部边缘位于裂缝102的底部。这意味着，移动电话104的底部边缘与裂缝的底部之间的距离等于移动电话104的长度。移动电话104从移动电话104的底部边缘倾斜，直到裂缝102位于相机106的视场的中心。可以在移动电话104的显示区上作标记，以指示视场的中心。
可以从设备参数数据库116中获得移动电话104的底部边缘和相机106的镜头之间的距离。因此，形成由移动电话104的底部边缘和挡风玻璃100之间的旋转角度，相机镜头的z轴，以及底部边缘与裂缝底部之间形成的距离限定的直角三角形。
我们现在描述如何使用移动电话104的几何参数和镜头参数来估计裂缝的参数。
捕获裂缝的图像与上述过程一致，其中旋转移动电话104，直到裂缝102位于相机106的视场的中心。
这就使得能够通过相机镜头的z轴、所述底部边缘和裂缝底部之间形成的距离、以及所述底部边缘和相机镜头之间的长度形成直角三角形。
我们参考图8来描述如何使用移动电话104的几何形状和镜头参数来估计裂纹的参数。
在步骤S800中，裂纹分析模块112从设备参数数据库116获得移动电话104的底部边缘与裂缝底部之间的距离(即移动电话104的长度)，以及移动电话104的底部边缘与相机镜头之间的长度。然后，可以在步骤S802中使用底部边缘和裂缝底部之间的距离与底部边缘和相机镜头之间的长度之间的余弦关系来计算移动电话104的旋转角度。
然后，我们需要使用相机参数来推导出相机的像素与图像的真实世界空间维度之间的平面-到-平面单应映射(plane-plane homographic mapping)。然后在步骤S804中从例程库114调用平面-到-平面单应映射例程，以导出图像的真实世界空间维度。
单应映射的推导以提供图像的真实世界空间维度是单应映射基于“针孔相机模型”，其中相机认为相机的视图区域是相对于相机106的镜头展开的底部为矩形的锥体，如图9a和9b中所示。
图9a仅用于说明，其示出了移动电话104位于挡风玻璃100正上方的情况。也就是说，相机106提供了挡风玻璃100的俯视图。在这种情况下，视场区域A1是矩形，且每个像素占用相同数量的真实世界空间(以毫米为单位)。
在这种情况下，如图9b所示，移动电话104相对于挡风玻璃100成一角度。在步骤S802中计算该角度。然后，视场区域A2变为梯形，这意味着靠近相机的像素代表的距离比距离更远的像素代表的更少的毫米。
我们描述了如何推导出平面-到-平面单应映射的理论基础，但是应当理解，这将使用例程以数值表示而实现，使用例程库114，该例程将对裂纹分析模块112可用。
考虑形成相机106的一部分的矩形图像传感器和从平面倾斜一个旋转角θ的传感器，传感器观察到的区域映射到等腰梯形。该梯形的基部宽度直接取决于θ。使用平面-到-平面单应映射例程，我们可以使用该原理使用相机106上的像素知识对裂缝102的参数进行数值估计。
我们定义围绕x轴的3D旋转矩阵，作为θ的函数，如下所示：
应当理解，θ是移动电话104相对于挡风玻璃的角度。我们可以在(0，0，0)处定义笛卡尔(Cartesian)x，y和z维度的原点，即世界原点。这是与x轴对齐的移动电话104的底边的中间的点。然后，该坐标系的y轴从底部垂直指向电话顶部。为了简单而不失普遍性，如果我们假设相机位于y轴上，距离手机底部一定距离dc，则相机中心定义为：
然后，在步骤S806中，可以从设备参数数据库116中获得相机106的镜头的焦距及垂直和水平传感器的尺寸。这些参数可以称为芯片参数。这使我们能够从相机计算视野区域。视野区域由两个量定义，称为水平和垂直视角(分别表示为αH和αV)，由以下等式定义：
其中，Sx和Sy为水平和垂直传感器的尺寸，f是焦距。
步骤S808，在计算了水平和垂直视角之后，裂纹分析模块112使用平面-到-平面单应映射例程来计算视场金字塔的边缘，以在挡风玻璃100上为我们提供视场。这就提供了图9b中所示的梯形，即我们需要校正的梯形，以补偿距离透镜更远的像素相对于更靠近透镜的像素所占据的不同空间量。也就是说，我们需要缩放梯形以确保正在进行的计算为每个像素分配相等的真实世界空间量。
这是在由裂纹分析模块112使用的平面-到-平面单应映射例程中由线——即射线——建模的，该线从透镜沿着透镜和裂缝102之间的视线延伸。该线将与由挡风玻璃代表的平面相交——即平面-到-平面的单应映射例程建模为平面。
在步骤S810中，平面-到-平面的单应映射例程从例程库114调用数值求解器例程以求解定义挡风玻璃的平面的联立方程以及从透镜沿着透镜和裂缝102之间的视线延伸的线。假定限定挡风玻璃100的平面是平的并且相机106相对于该平面倾斜的情况下，编程平面-到-平面单应映射例程。这就提供了从镜头沿着视线延伸的线与挡风玻璃100的平面之间的交点。
理论上，上述内容可以表示为对射线的计算：所述射线从相机的中心点放射，经由传感器/图像平面的各个角到挡风玻璃上，形成上述梯形。
我们首先在给定如上所述水平和垂直视角αH和αV的情况下，获得射线与平面的交点，该平面以单位距离与图像平面平行。
有四条射线，每条用于矩形传感器的每个角。最小和最大x值可以定义为：
同理，我们可以将最小和最大y值定义为：
然后我们可以将矩形传感器的角定义为：
按照这些坐标的量级对其进行标准化，为我们提供了4条射线的方向。我们将每个坐标的射线方向定义为：
如果我们假设手机在x轴上旋转θ的角度，我们可以计算出相机中心的位置为：
这使我们能够将射线的方向定义为：
这就给我们提供了笛卡尔坐标系中的射线，具有一个与平行于图像平面的平面相交的已知的点，我们知道这种相交只发生一次。这就提供了指示现实世界中的视场的梯形。
我们将梯形的角定义为：
vi，i∈(tl，tr，br，bl)
我们使用[3]中描述的线平面交点公式计算梯形的顶点。
我们知道挡风玻璃平面的法线是向量n＝(0，0，-1)，位于世界原点上，这意味着交点公式简化为：
其中，所述点vi，i∈(tl，tr，br，bl）为梯形的顶点，我们需要使用梯形顶点和图像坐标之间的四点对应技术，来定义从图像平面到现实世界中的平面的单应映射H，图像坐标：
其中w是图像的宽度，h是图像的高度。在[4]中讨论涉及如何获得该单应映射的算法。
挡风玻璃上方的相机的高度可以由裂纹分析模块112使用毕达哥拉斯(Pythagoras)定理计算，因为在步骤S800中，移动电话104的底部边缘与裂缝的基部之间形成的距离(即移动电话104的长度)和移动电话104的底部边缘与相机镜头之间的长度已经从设备参数数据库116获取并且仍然在裂纹分析模块112的存储器中。
步骤S810的输出是现实世界中的梯形视图(X1，X2，X3，X4)。参数(X1，X2，X3，X4)与挡风玻璃上捕获的图像的各个角之间的比较(在步骤S812中由裂纹分析模块112执行)提供了将相机106的像素的位置映射到挡风玻璃100上的视场上以毫米为单位的位置所需的标定(scaling)。这就为我们提供了平面-到-平面单应映射。标定是3×3矩阵的形式，表示相机的视场和挡风玻璃100之间的比例值、旋转、倾斜和平移。
平面-到-平面单应映射能够校正视角对捕获图像的影响，以及从像素维度到毫米的转换使得裂纹分析模块112能够推导出裂缝102的维度参数。
平面-到-平面单应映射为矩阵，该矩阵将相机106的二维图像平面映射到表示挡风玻璃的平面上。
平面-到-平面单应映射的输出提供了以毫米为单位的正射纠正掩模，指示裂缝的位置和形状。
响应于平面-到-平面单应映射的这个输出，如所理解的将为平面-到-平面单应映射例程的输出，裂纹分析模块112从例程库114调用凸包计算例程。挡风玻璃的视场上以毫米为单位的位置被提供给来自例程库114的凸包计算例程。
总之，凸包是覆盖视场上以毫米为单位的每个位置的空间。凸包计算例程的输出是可以简单地表示为“二进制大对象(blob)”的数据，其与检测到的裂缝102具有相同的尺寸。这使得能够使用blob对检测到的裂缝102执行分析。
然后，裂纹分析模块112从例程库114调用最小圆例程，其实现了凸包的最小圆问题的数值解，该凸包由凸包计算例程输出。该模块输出了包围凸包中的每个点的最小圆，因此为裂缝102提供最小半径。
表示凸包的数据，表示凸包的最小圆问题的解的数据和计算的裂缝半径分别由裂纹分析模块112存储在存储器中，该存储器是处理模块108的本地存储器，或远离处理模块108。
也就是说，裂纹分析模块112已经使用移动电话104的几何参数和相机106的参数来生成裂缝102的半径。
然后，在步骤S814中，可以使用显示模块118显示由最小圆例程输出的参数和圆。
可以由显示模块118提供的示例图像在图11中示出。在这种情况下，最小圆的直径表示为16mm，即半径为8mm。在这种情况下估计的最大裂缝直径为16毫米。这里的效果是估计出了裂缝的最小尺寸并且裂缝的最小尺寸可以用于确定更换挡风玻璃的必要性。
可以通过裂纹分析模块112将估计的半径与更换/修复阈值进行比较，以确定裂缝102是否需要更换或者仅作修复是否足够。
移动电话104上存在的壳体可能会在测量参数中引入错误，因为这将增加移动电话104的长度，但误差通常约为3％。在裂纹分析模块112的计算中置入3％的误差容限并由显示模块118提供在显示器上。
移动电话104的底部和相机106之间的距离也可能无法从设备参数数据库获取。在这种情况下，我们可以估计参数以改善所描述方法的稳健性。
当捕获裂缝102的图像时，我们可以使用内置于移动电话104中的倾角计来获得移动电话的角度。这可用于计算高度h，基于以下等式：
h＝l*sin(θ)
其中l是移动电话104的长度，角θ是从倾角计获得的角度。
类似地，可以使用视角，图像分辨率和传感器尺寸来估计电话角度。
如第一技术所描述的，在优选实施例中，图像处理模块108实现为下载到移动电话的软件构建。这可以通过将软件构建下载为app来实现。软件构建能够处理来自相机的图像数据，以确定裂缝是否易于修复，或者需要更换玻璃窗板是否为优选的解决方案。
裂纹分析模块112可以是下载到移动电话的软件构建，优选地作为与图像处理模块108结合的单个下载。单个下载的软件构建I优选地用于处理来自电话相机的图像数据，并使用在软件中执行的一个或多个算法来分析裂纹。
裂纹分析模块112可运行以基于最小圆的半径在显示器上提供关于是否需要完全更换挡风玻璃的警报。如果裂缝102高于指定阈值，则裂纹分析模块112将指示需要更换挡风玻璃，否则不需更换。警报可以显示在移动电话104的显示器上。
应该注意，上述实施例说明而不是限制本发明，并且本领域技术人员将能够设计许多替代实施例而不脱离所附权利要求所限定的本发明的范围。在权利要求中，括号中的任何附图标记都不应解释对权利要求的限制。词语“包括”(comprising)和“包括”(comprises)等不排除除了在任何权利要求或说明书的整体中列出的元件或步骤之外的元件或步骤的存在。在本说明书中，“包括”(comprises)意指“包括(includes)或由......组成”并且包括“包括”(comprising)意指“包括”(including)或“由……组成”。元素的单数引用不排除这些元素的复数引用，反之亦然。本发明可以借助于包括若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的设备权利要求中，这些装置中的若干个可以由同一个硬件项来体现。单纯在相互不同的从属权利要求中叙述某些方法并不代表这些方法的组合不能用于获益。
参考：
[1]http://www.mathworks.com/tagteam/64199 91822v00 eddins final.pdf
[2]https://en.wikipedia.org/wiki/closing(morphology)
[3]Joseph O’Rourke“Computational Geometry in C”，Cambridge UniversityPress，2012
[4]Richard Hartley and Andrew Zisserman“Multiple View Geometry inComputer Vision”，Cambridge University Press，2011.

Claims (31)

1.用于分析车辆的玻璃窗板中的裂纹的裂纹分析方法，所述方法包括：
捕获车辆的玻璃窗板中的裂纹的图像；
处理所述裂纹的所述图像。
2.根据权利要求1所述的方法，所述方法进一步包括：
基于对所述图像的处理，确定需要更换或者修复所述玻璃窗板。
3.根据前述权利要求中的任意一项所述的方法，其中以相对于所述车辆玻璃窗板倾斜的角度，捕获所述裂纹的所述图像。
4.根据前述权利要求中的任意一项所述的方法，其中所述图像是由与所述玻璃窗板的表面保持接触的移动计算设备捕获的，其中所述移动计算设备包括相机。
5.根据权利要求4所述的方法，其中所述移动计算设备是倾斜的，以在所述相机的视场中的预定位置查看所述裂纹。
6.根据权利要求5所述的方法，其中通过在所述移动计算设备上显示的标记，指示所述预定位置。
7.根据权利要求4到6中的任意一项所述的方法，包括：
将所述移动计算设备平放在所述玻璃窗板的表面上；将所述移动计算设备枢转移开所述玻璃窗板，其中至少部分所述移动计算设备保持与所述玻璃窗板接触。
8.根据权利要求7所述的方法，其中在将所述移动计算设备枢转之前，所述相机定位在相对于所述裂纹的预定位置。
9.根据权利要求8所述的方法，包括在将所述移动计算设备枢转之前，将所述移动计算设备的特征与相对于所述裂纹的预定位置对齐。
10.根据权利要求9所述的方法，包括在将所述移动计算设备枢转之前，将所述移动计算设备的边缘与所述裂纹的最低点对齐。
11.根据权利要求7到10中的任意一项所述的方法，包括枢转所述移动计算设备，直到在所述相机的视场中的预定位置可以看到所述裂纹。
12.根据权利要求11所述的方法，其中所述预定位置为所述相机的视场的中心。
13.根据权利要求7到12中的任意一项所述的方法，包括使用所述移动计算设备的几何参数和所述相机的镜头参数，估计所述裂纹的尺寸。
14.根据权利要求13所述的方法，其中所述移动计算设备的几何参数用于确定所述移动计算设备和所述玻璃窗板之间的枢转角度。
15.根据权利要求13或权利要求14所述的方法，其中所述图像的所述处理进一步基于所述相机和/或所述移动计算设备的芯片参数。
16.根据权利要求13到15中的任意一项所述的方法，其中所述图像的所述处理生成一组数据点，所述数据点用于生成所述裂纹的直径或所述裂纹内的区域。
17.根据权利要求13到16中的任意一项所述的方法，其中所述方法进一步包括：
基于所述裂纹估计的尺寸，确定需要更换玻璃窗板或者修复所述玻璃窗板。
18.根据前述权利要求中的任意一项所述的方法，包括识别所述裂纹中心和所述裂纹的一条或多条支路。
19.根据权利要求18所述的方法，包括：
生成比例因子，所述比例因子指示与所述裂纹中心的尺寸相比，所述裂纹的一条或多条支路的相对长度；
使用所述比例因子，估计所述一条或多条支路的长度。
20.根据权利要求19所述的方法，其中估算所述裂纹的一条或多条支路的长度包括，将所述比例因子乘以预定值。
21.根据权利要求20所述的方法，其中所述预定值为对所述裂纹中心的实际尺寸的预定估计，其中所述尺寸为所述裂纹中心的直径、宽度和/或长度。
22.根据权利要求19到21中的任意一项所述的方法，其中所述一条或多条支路估计的长度用于指示所述裂纹的尺寸，所述裂纹的尺寸与阈值参数进行比较，以确定需要更换玻璃窗板或者修复玻璃窗板。
23.根据从属于权利要求2的权利要求19到22中的任意一项所述的方法，其中所述确定需要更换或者修复玻璃窗板的步骤包括，确定所述一条或多条支路估计的长度是否超过给定阈值。
24.根据前述权利要求中的任意一项所述的方法，其中所述图像的所述处理包括，过滤所述图像，去除背景部分以识别所述裂纹。
25.根据权利要求24所述的方法，其中过滤所述图像包括，对图像应用形态细化。
26.根据权利要求17或23所述的方法，包括输出信号，所述信号指示挡风玻璃是否需要修复或者更换。
27.用于分析车辆的玻璃窗板中的裂纹的装置，所述装置包括：
相机，用于捕获车辆的玻璃窗板中的裂纹的图像；
处理模块，用于处理所述裂纹的所述图像。
28.根据权利要求27所述的装置，包括移动计算设备，其中所述移动计算设备包括相机。
29.根据权利要求28所述的装置，其中所述移动计算设备包括所述处理模块。
30.根据权利要求27至29中的任意一项所述的装置，其中所述处理模块用于实施所述权利要求1至26中的任意一项所述的方法步骤。
31.用于确定车辆玻璃窗板中存在的裂纹的技术信息的计算机实现方法，其中所述方法包括，将软件构建下载到具有相机的移动计算设备的步骤，所述软件构建用于处理通过所述相机捕获的图像信息，以确定优选是修复裂纹还是更换。
CN201780029656.8A 2016-05-13 2017-05-11 裂纹分析装置和方法 Pending CN109155062A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310141095.8A CN116205871A (zh) 2016-05-13 2017-05-11 裂纹分析装置和方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1608455.0 2016-05-13
GBGB1608455.0A GB201608455D0 (en) 2016-05-13 2016-05-13 Break analysis system, method and device
PCT/GB2017/051316 WO2017194950A1 (en) 2016-05-13 2017-05-11 Break analysis apparatus and method

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202310141095.8A Division CN116205871A (zh) 2016-05-13 2017-05-11 裂纹分析装置和方法

Publications (1)

Publication Number Publication Date
CN109155062A true CN109155062A (zh) 2019-01-04

Family

ID=56320372

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201780029656.8A Pending CN109155062A (zh) 2016-05-13 2017-05-11 裂纹分析装置和方法
CN202310141095.8A Pending CN116205871A (zh) 2016-05-13 2017-05-11 裂纹分析装置和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202310141095.8A Pending CN116205871A (zh) 2016-05-13 2017-05-11 裂纹分析装置和方法

Country Status (29)

Country Link
US (3) US10852249B2 (zh)
EP (2) EP3783567B1 (zh)
JP (1) JP2019518276A (zh)
KR (1) KR20190007481A (zh)
CN (2) CN109155062A (zh)
AR (1) AR108460A1 (zh)
AU (2) AU2017263145B2 (zh)
BR (1) BR112018072977A2 (zh)
CA (1) CA3021030C (zh)
DK (2) DK3783567T3 (zh)
ES (2) ES2848546T3 (zh)
FI (1) FI3783567T3 (zh)
GB (3) GB201608455D0 (zh)
HR (2) HRP20231169T1 (zh)
HU (2) HUE063378T2 (zh)
LT (2) LT3455825T (zh)
MA (1) MA44971B1 (zh)
MX (2) MX2018013704A (zh)
PL (2) PL3455825T3 (zh)
PT (2) PT3455825T (zh)
RS (2) RS64596B1 (zh)
RU (1) RU2766420C2 (zh)
SG (1) SG11201809865RA (zh)
SI (2) SI3783567T1 (zh)
TN (1) TN2018000371A1 (zh)
TW (2) TW201839385A (zh)
UA (1) UA128153C2 (zh)
WO (1) WO2017194950A1 (zh)
ZA (2) ZA201806995B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110893382A (zh) * 2019-11-09 2020-03-20 钟连杰 自动化细纹修补***
CN110907473A (zh) * 2019-11-29 2020-03-24 上海科世达-华阳汽车电器有限公司 光伏组件的检修方法、装置、设备以及存储介质
CN111762181A (zh) * 2019-11-06 2020-10-13 杨鹏 汽车事故编号映射***以及方法
CN112784626A (zh) * 2019-11-04 2021-05-11 解晗 基于移动终端的更换需求现场触发装置
CN112906688A (zh) * 2019-12-04 2021-06-04 刘志方 基于视觉处理的信息解析平台

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201608455D0 (en) 2016-05-13 2016-06-29 Belron Internat Ltd Break analysis system, method and device
GB2585004A (en) 2019-06-24 2020-12-30 Belron Int Ltd Analysis of damage to vehicle glazing panels
US20230384116A1 (en) * 2022-05-25 2023-11-30 Here Global B.V. Method and apparatus for determining window damage indicators

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6115118A (en) * 1997-08-25 2000-09-05 Northstar Automotive Glass, Inc. Vehicle windshield scanning system
CN104081192A (zh) * 2011-04-21 2014-10-01 艾悌亚信息技术（上海）有限公司 一种对玻璃多层面摄像的摄像装置及其方法
US20140347517A1 (en) * 2013-05-22 2014-11-27 Canon Kabushiki Kaisha Image processing apparatus, control method, and recording medium
WO2015173594A2 (en) * 2014-05-16 2015-11-19 Pre-Chasm Research Limited Examining defects

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2391784B (en) * 2002-08-02 2005-10-19 Carglass Luxembourg Sarl Zug Windscreen heater device particularly for windscreen repair
GB2415776B (en) * 2004-06-28 2009-01-28 Carglass Luxembourg Sarl Zug Investigation of vehicle glazing panels
US7089099B2 (en) * 2004-07-30 2006-08-08 Automotive Technologies International, Inc. Sensor assemblies
RU2366933C2 (ru) * 2004-12-16 2009-09-10 Вольво Аэро Корпорейшн Способ и устройство для выявления трещин в объекте
CN101253515B (zh) * 2005-06-30 2012-09-26 北美Agc平板玻璃公司 单片图像感知器件和方法
US20070067075A1 (en) * 2005-09-16 2007-03-22 Mcmillan Michael W Quick automotive cosmetic repair
US20070245956A1 (en) * 2006-02-23 2007-10-25 Picodeon Ltd Oy Surface treatment technique and surface treatment apparatus associated with ablation technology
US8073196B2 (en) * 2006-10-16 2011-12-06 University Of Southern California Detection and tracking of moving objects from a moving platform in presence of strong parallax
GB2451417A (en) * 2007-04-23 2009-02-04 Carglass Luxembourg Sarl Zug Glazing panel investigation methods and systems
DE102007021181B3 (de) * 2007-05-05 2008-07-03 Dr.Ing.H.C. F. Porsche Ag Verfahren zur Reparatur eines beschädigten Fahrzeug-Trägers, insbesondere eines Seitenschwellers
KR101561913B1 (ko) 2009-04-17 2015-10-20 엘지전자 주식회사 이동 단말기의 영상 표시 방법 및 그 장치
WO2011022490A2 (en) * 2009-08-18 2011-02-24 Serious Materials, Inc. Method and systems for retrofitting glass or insulated glass units of existing curtain wall systems for improved thermal performance
US20140247348A1 (en) * 2013-03-01 2014-09-04 Hertz System, Inc. Virtual rent-a-car system and method with in-car concierge device
US9113306B2 (en) * 2013-08-02 2015-08-18 Google Inc. Predictive assistance information
JP2016095502A (ja) * 2014-11-11 2016-05-26 株式会社半導体エネルギー研究所 表示システム、表示装置
GB201608455D0 (en) 2016-05-13 2016-06-29 Belron Internat Ltd Break analysis system, method and device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6115118A (en) * 1997-08-25 2000-09-05 Northstar Automotive Glass, Inc. Vehicle windshield scanning system
CN104081192A (zh) * 2011-04-21 2014-10-01 艾悌亚信息技术（上海）有限公司 一种对玻璃多层面摄像的摄像装置及其方法
US20140347517A1 (en) * 2013-05-22 2014-11-27 Canon Kabushiki Kaisha Image processing apparatus, control method, and recording medium
WO2015173594A2 (en) * 2014-05-16 2015-11-19 Pre-Chasm Research Limited Examining defects

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程多祥等: "《无人机移动测量数据快速获取与处理》", 测绘出版社, pages: 48 - 53 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784626A (zh) * 2019-11-04 2021-05-11 解晗 基于移动终端的更换需求现场触发装置
CN112784626B (zh) * 2019-11-04 2022-07-01 广东新星源智能信息科技有限公司 基于移动终端的更换需求现场触发装置
CN111762181A (zh) * 2019-11-06 2020-10-13 杨鹏 汽车事故编号映射***以及方法
CN110893382A (zh) * 2019-11-09 2020-03-20 钟连杰 自动化细纹修补***
CN110907473A (zh) * 2019-11-29 2020-03-24 上海科世达-华阳汽车电器有限公司 光伏组件的检修方法、装置、设备以及存储介质
CN112906688A (zh) * 2019-12-04 2021-06-04 刘志方 基于视觉处理的信息解析平台

Also Published As

Publication number Publication date
TWI647443B (zh) 2019-01-11
DK3783567T3 (da) 2023-09-18
GB2565500A (en) 2019-02-13
BR112018072977A2 (pt) 2019-03-06
US20190170662A1 (en) 2019-06-06
SG11201809865RA (en) 2018-12-28
GB201819662D0 (en) 2019-01-16
PL3455825T3 (pl) 2021-07-19
JP2019518276A (ja) 2019-06-27
HRP20231169T1 (hr) 2024-01-05
GB201608455D0 (en) 2016-06-29
ES2956878T3 (es) 2023-12-29
RS61389B1 (sr) 2021-02-26
EP3455825B1 (en) 2020-11-11
AU2017263145A1 (en) 2018-11-08
PL3783567T3 (pl) 2023-12-11
FI3783567T3 (fi) 2023-09-08
HUE063378T2 (hu) 2024-01-28
ZA201806995B (en) 2023-09-27
ES2848546T3 (es) 2021-08-10
AR108460A1 (es) 2018-08-22
US20210131979A1 (en) 2021-05-06
RS64596B1 (sr) 2023-10-31
RU2766420C2 (ru) 2022-03-15
TN2018000371A1 (en) 2020-06-15
AU2022201019B2 (en) 2023-04-13
GB201707572D0 (en) 2017-06-28
AU2017263145B2 (en) 2021-12-23
RU2018140338A3 (zh) 2020-10-26
CA3021030C (en) 2024-02-27
AU2022201019A1 (en) 2022-03-10
DK3455825T3 (da) 2021-02-08
CN116205871A (zh) 2023-06-02
RU2018140338A (ru) 2020-06-15
ZA202100372B (en) 2022-10-26
LT3783567T (lt) 2023-10-10
US20220326163A1 (en) 2022-10-13
MX2022000529A (es) 2022-02-10
PT3455825T (pt) 2021-02-03
MX2018013704A (es) 2019-05-02
SI3455825T1 (sl) 2021-04-30
CA3021030A1 (en) 2017-11-16
PT3783567T (pt) 2023-08-18
SI3783567T1 (sl) 2023-11-30
GB2551894A (en) 2018-01-03
EP3783567B1 (en) 2023-07-05
EP3783567A1 (en) 2021-02-24
HUE053349T2 (hu) 2021-06-28
EP3455825A1 (en) 2019-03-20
MA44971B1 (fr) 2021-03-31
TW201839385A (zh) 2018-11-01
KR20190007481A (ko) 2019-01-22
US10852249B2 (en) 2020-12-01
TW201740102A (zh) 2017-11-16
HRP20210174T1 (hr) 2021-04-02
US11385189B2 (en) 2022-07-12
LT3455825T (lt) 2021-02-25
UA128153C2 (uk) 2024-04-24
US11692949B2 (en) 2023-07-04
MA44971A (fr) 2019-03-20
WO2017194950A1 (en) 2017-11-16

Similar Documents

Publication Publication Date Title
CN109155062A (zh) 裂纹分析装置和方法
JP5122948B2 (ja) タッチ面に対応するポインタを検出するための装置及び方法
US9959600B2 (en) Motion image compensation method and device, display device
CN110706182B (zh) 一种屏蔽罩平面度检测方法、装置、终端设备及存储介质
RU2013140835A (ru) Устройство обработки изображения, способ обработки изображения и программа
CN111256628A (zh) 墙面平整度检测方法、装置、计算机设备和存储介质
JP6045429B2 (ja) 撮像装置、画像処理装置及び画像処理方法
JP2003167529A (ja) 画面欠陥検出方法及び装置並びに画面欠陥検出のためのプログラム
CN116908185A (zh) 物品的外观缺陷检测方法、装置、电子设备及存储介质
KR101559338B1 (ko) 카메라 모듈용 결함 픽셀 평가 시스템 및 이를 사용한 카메라 모듈용 결함 픽셀 평가 방법
JP2018088228A (ja) 交点検出装置、カメラ校正システム、交点検出方法、カメラ校正方法、プログラムおよび記録媒体
Chowdhury et al. Computer vision-based street-width measurement for urban aesthetics identification
CN116228683A (zh) 一种相机标定前图像检测方法、装置及介质
CN116736272A (zh) 一种联合标定参数确定方法、装置、设备及介质
NZ787611A (en) Break analysis apparatus and method
CN114674244A (zh) 一种同轴正入射散斑偏折术测量方法和装置
CN116630806A (zh) 目标尺寸下对象检测方法、装置、计算机设备、存储介质
Barth Visual inspection of fast moving heat shrink tubes in real-time
JP2004272546A (ja) 空間フィルタ、空間フィルタ作成方法、空間フィルタ作成プログラム並びにその空間フィルタを用いた画像処理装置及び検査装置並びに画像変換方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination