CN111383225A - 一种对比标准变形率的轮胎异常状态的检测方法 - Google Patents

Abstract

本发明提供的一种对比标准变形率的轮胎异常状态的检测方法，借助图像处理技术将轮胎图像分割出轮毂区域和地面区域，利用轮毂的圆形特点，用标准圆拟合轮毂区域，轮毂和地面间的像素距离认为是轮胎的胎厚，基于胎厚值可以对轮胎的异常变形量进行检测；该方法能够对轮胎的异常变形进行检测，提高车辆的行车安全，尤其适用于高危车辆的实时监控轮胎。

Description

一种对比标准变形率的轮胎异常状态的检测方法

技术领域

本发明涉及汽车外观检测的技术领域，特别是一种对比标准变形率的轮胎异常状态的检测方法。

背景技术

汽车轮胎是强弹性的橡胶制品，它和路面直接接触，是汽车的重要部件之一，在行驶中起着非常重要的作用：承受着汽车的重量；和汽车悬架共同来缓和汽车行驶时的冲击，保证车辆的舒适性和平顺性；保证车轮和路面有良好的附着性，提高汽车的牵引性、制动性和通过性。

轮胎行驶中变形量会受胎压、路面温度、载重量、轮胎参数和路面平整度等诸多因素的影响而发生变化，变形量过大或过小都会引发诸多的隐患。车辆行驶中轮胎变形量较大时，与路面的摩擦系数增大，油耗上升，进而造成方向盘沉重，易跑偏；轮胎的胎壁及胎体长时间受到挤压和形变(屈挠)，会加速轮胎的老化，导致胎肩磨损；轮胎与地面的摩擦成倍增加，胎温急剧升高，轮胎***，强度下降，高速行驶时容易引发爆胎等等。若轮胎变形量较小时，轮胎的抓地力的减少、摩擦附着力降低，影响车辆制动性能；车体震动大，会影响司乘人员的舒适性，且间接影响其他零部件的寿命；加速轮胎胎面中央花纹的局部磨损，使轮胎寿命下降；胎壁张力过大，会导致胎体弹性下降，车辆受到的负荷增大，异物撞击时出现破裂导致爆胎的概率大大增加。可见，车辆的变形量的自动检测，对于减缓轮胎磨损和提高行车安全等非常重要。然而，轮胎细微的变形率很难用肉眼直接观测到，鉴于此，本发明提出了一种载重状态下汽车轮胎着地面的变形率的自动检测方法，可以提高行车的安全性。

发明内容

本发明的目的在于提供一种对比标准变形率的轮胎异常状态的检测方法，解决了车辆轮胎磨损变形量的检测问题，用以提高车辆的行车安全性。

为了达到上述目的，本发明采用的技术方案是：

本发明提供的一种对比标准变形率的轮胎异常状态的检测方法，包括以下步骤：

步骤1，对采集得到的轮胎图像进行预处理，得到轮胎二值图；

步骤2，在步骤1中得到的轮胎二值图上提取轮毂初始区域和地面初始区域，分别作为轮毂图和地面图；

步骤3，计算步骤2中得到的轮毂图的近似圆心和近似半径；

步骤4，根据步骤3中得到的轮毂图的近似圆心和近似半径建立虚拟圆图像；

步骤5，构建轮毂图和虚拟圆图像的相和图像和差异图像；

步骤6，根据步骤5中得到的相和图像和差异图像计算虚拟圆图像与轮毂图之间的拟合度；

步骤7，根据步骤6中得到的虚拟圆图像与轮毂图之间的拟合度更新虚拟圆图像，得到修复轮毂图；

重复执行步骤4至步骤6更新虚拟圆图像，得到与轮毂图之间的拟合度满足W^r*≤W^r*-α且W^r*≤W^r*+α，得到修复轮毂图；执行步骤8；

步骤8，根据步骤7得到的修复轮毂图计算轮胎着地点；

步骤9，根据轮胎着地点计算轮胎像素厚度；

步骤10，根据步骤9得到的轮胎像素厚度计算轮胎实际厚度；

步骤11，根据步骤10得到的轮胎实际厚度计算轮胎的载重变形率；

步骤12，根据步骤11得到的轮胎的载重变形率判定轮胎变形的异常状态。

优选地，步骤1中，对采集得到的轮胎图像进行预处理，具体方法是：

S1，对采集得到的轮胎图像进行基于阈值的图像分割，得到轮胎二值初图；

S2，对得到的轮胎二值初图进行形态处理，得到轮胎二值图；

其中，采集得到的轮胎图像为灰度图像，且在进行图像采集时，采集设备与轮毂中心同高度，拍摄角度与轮轴重合。

优选地，步骤2中，在步骤1中得到的轮胎二值图上提取轮毂初始区域和地面初始区域，具体方法是：

将轮胎二值图中面积最大的两个不连通的区域认为轮毂初区域和地面初区域，且轮毂初区域位于地面初区域的上方；则轮毂初区域为轮毂图；地面初区域为地面图。

优选地，步骤3中，计算步骤2中得到的轮毂图的近似圆心和近似半径，具体方法是：

其中，cx和cy分别为近似圆心o的行、列坐标值；R为近似半径；f_l(x,y)为轮毂图像素点。

优选地，步骤4中，根据步骤3中得到的轮毂图的近似圆心和近似半径建立虚拟圆图像，具体方法是：

以o为圆心、半径为r构建虚拟圆，得到二值的虚拟圆图像，其中，r的初始值为0.7R。

优选地，步骤5中，构建轮毂图和虚拟圆图像的相和图像和差异图像，具体方法是：

利用相和图像表示虚拟圆图像和轮毂图的重叠区域，计算式如下：

其中，g^r(x,y)为相和图像的像素点；Y^r(x,y)为虚拟圆图像的像素点；

利用差异图像表示虚拟圆图像和轮毂图的差异度，计算式如下：

其中，h^r(x,y)为差异图像的像素点；

步骤6中，根据步骤5中得到的相和图像和差异图像计算虚拟圆图像与轮毂图之间的拟合度，同时下式进行计算：

其中，W^r为虚拟圆图像与轮毂图之间的拟合度。

优选地，步骤7中，根据步骤6中得到的虚拟圆图像与轮毂图之间的拟合度更新虚拟圆图像，具体方法是：

以o为圆心、α为半径变动步长更新半径重新构建虚拟圆图像，直至得到的虚拟圆图像满足

且

此时，将该虚拟圆图像作为修复轮毂图。

优选地，步骤8中，根据步骤7得到的修复轮毂图计算轮胎着地点，具体方法是：

将修复轮毂图中满足下式的像素点作为轮胎着地点：

xz＝cx+r^*

yz＝cy

其中，xz为轮胎着地点的行坐标；yz为轮胎着地点的列坐标；cx为像素点的行坐标；cy为像素点的列坐标；

步骤9中，根据轮胎着地点结合下式计算轮胎像素厚度：

若f_d(x_p,y_p)＝1

其中，d为轮胎像素厚度；x和y分别为像素点p的行、列坐标值；

步骤10中，根据步骤9得到的轮胎像素厚度结合下式计算轮胎实际厚度，具体方法是：

其中，dl为轮毂的直径；dz为轮胎实际厚度。

优选地，步骤11中，根据步骤10得到的轮胎实际厚度结合下式计算轮胎的载重变形率：

其中，ξ为轮胎的载重变形率；db为轮胎的标准胎厚，db＝S·μ；μ为扁平比；S为胎宽。

优选地，步骤12中，根据步骤11得到的轮胎的载重变形率判定轮胎变形的异常状态，具体方法是：

其中，fl为轮胎变形量的状态标记，fl＝1表示轮胎变形量为异常，fl＝0表示轮胎变形量为正常；κ为变形量上阈值，

λ为变形量下阈值，

dd为新轮胎在标准载重、低气压下测得的胎厚值；dh为新轮胎在标准载重、高气压下测得的胎厚值。

与现有技术相比，本发明的有益效果是：

本发明提供的一种对比标准变形率的轮胎异常状态的检测方法，借助图像处理技术将轮胎图像分割出轮毂区域和地面区域，利用轮毂的圆形特点，用标准圆拟合轮毂区域，轮毂和地面间的像素距离认为是轮胎的胎厚，基于胎厚值可以对轮胎的异常变形量进行检测；该方法能够实现没有专业胎压测量工具时，对轮胎异常变形的进行快速地判定；当车辆行驶过程气温、载重和路面情况等发生变化时，也可以对轮胎的异常变形进行检测，提高车辆的行车安全，尤其适用于高危车辆的实时监控轮胎。

附图说明

图1是轮胎图像f。

图2是轮胎二值初图f_a。

图3是轮胎二值图f_b。

图4是轮毂图f_l。

图5是地面图f_d。

图6是虚拟圆图像Y^r。

图7是相和图像

图8是差异图像h^r。

图9是修复轮毂图f_c。

图10差异图像r*。

具体实施方式

下面结合附图，对本发明进一步详细说明。

本发明提供的一种对比标准变形率的轮胎异常状态的检测方法，具体实施步骤如下：

步骤0：汽车轮胎图像采集。在车辆不解体的情形下，用图像采集设备采集汽车轮胎的图像，采集要求为：采集设备应与轮毂中心同高度，使拍摄角度与轮轴重合；要求拍摄光线明亮、能得到完整的轮胎图像；为便于视觉上较好地区分轮胎和地面，将轮胎停靠在水泥地面(或其它高亮地面)拍摄为最佳。由于轮胎图像主要以亮度为主，故为加快后续的处理，直接以灰度格式拍摄轮胎图像，得到轮胎图像f，图像大小为M×N，M和N分别表示轮胎图像的总行和总列。

本实施例中，轮胎图像f如图1所示，图像大小为576×576，即M＝576，N＝704。

步骤1：轮胎图像的分割。轮胎图像f具有鲜明的对比度，地面和轮毂为高亮色，轮胎为暗色，基于阈值的图像分割法很适合用于轮胎图像的分割处理。

其中，f_a为轮胎二值初图；x和y为某像素点p的行、列坐标值，均为正整数，且有不等式1≤x≤M，1≤y≤N成立；T为图像分割阈值，其值由最大类间法确定。

本实施例中，轮胎二值初图f_a如图2所示。

步骤2：轮胎二值初图的形态处理。

由于受噪声和阴影等的影响，轮胎二值初图f_a中的轮毂和地面等区域还存在空洞，不利于后续的处理，故先对其执行形态处理。

具体包括：先用小的圆形结构算子se对轮胎二值初图f_a进行闭运算(即先膨胀、后腐蚀运算)，接着进行填空洞操作，得到轮胎二值图f_b。

本实施例中，选用半径为5的圆形结构算子，得到的轮胎二值图f_b如图3所示。

步骤3：提取初始的轮毂区域和地面区域。提取出轮毂区域和地面区域是测量车辆轮胎着地面的胎厚的前提。轮胎二值图f_b中面积最大的两个不连通的区域认为是轮毂初区域和地面初区域，且轮毂区域位于地面区域的上方，提取得到的轮毂图和地面图分别用符号f_l和f_d表示。

本实施例中，轮毂图f_l和地面图f_d分别如图4和5所示。

步骤4：计算轮毂图的近似圆心o和近似半径R₀。

轮毂图f_l中只有轮毂区域的像素值为1，非轮毂区域的像素值为0，轮毂区域的参数计算过程如式(2-4)所示。

其中，cx和cy分别为近似圆心o的行、列坐标值；R为近似半径。

本实施例中，cx和cy分别为377.3822和351.7266；R＝213.6342。

步骤5：建立虚拟圆图像。由于拍摄角度和噪声等原因，使得检测的轮毂图f_l存在变形和提取不精确等问题，我们通过建立虚拟圆技术来修复真实的轮毂区域：以o为圆心、半径为r构建虚拟圆，得到二值的虚拟圆图像Y^r，其中圆外的像素值为0，圆内的像素值为1，r的初始值为0.7R。

本实施例中，虚拟圆图像Y^r(r＝0.7R)如图6所示。

步骤6：构建相和图像和差异图像。用相和图像g^r表示虚拟圆图像Y^r和轮毂图f_l的重叠区域，用差异图像h^r表示虚拟圆图像Y^r和轮毂图f_l的差异度，计算式如式(5-6)所示。

本实施例中，r取初始值0.7R时，得到的相和图像g^r和差异图像h^r分别如图7和图8所示。

步骤7：计算虚拟圆图像对轮毂区域的拟合度。用虚拟圆图像中被正确归类的像素数来表示虚拟圆图像对轮毂区域的拟合度，计算式如(7)所示。

本实施例中，W^r＝91767(r＝0.7R)。

步骤8：重复执行步骤5至步骤8，直到找到这样的一个虚拟圆

(o为圆心，半径为r^*)，满足：

且

认为该虚拟圆图像即为修复轮毂图f_c，转入步骤9；否则以一定步长更新半径，即：r^*＝r+α，转入步骤5。

其中，α为半径变动步长。

本实施例中，当r＝r^*时，相和图像

和差异图像h^r(r＝r^*)分别如图9和图10所示；此时，r^*＝212.9074和W^r*＝141026。

步骤9：计算轮胎着地点。认为修复轮毂图f_c中，行坐标最大、列坐标为cy的像素点，认为是轮胎着地点Z，其行、列坐标表示为(xz,yz)，轮胎着地点Z的行、列坐标计算式如式(8)和(9)所示。

xz＝cx+r^* (8)

yz＝cy (9)

本实施例中，xz＝563，yz＝352。

步骤10：计算轮胎像素厚度。轮胎着地点Z到地面区域f_d的最短距离认为是胎厚，其计算式如式(10)所示。

若f_d(x_p,y_p)＝1 (10)

其中，d为轮胎像素厚度，即轮胎着地点Z和地面区域的最短距离；x和y为像素点p的行、列坐标值。

本实施例中，轮胎像素厚度d＝76。

步骤11：计算轮胎实际厚度。轮毂通常不会发生变形，可以根据轮毂的直径(分母部分)可以计算出轮胎实际厚度dz，其计算式如式(11)所示。

其中，dl为轮毂的直径，在轮胎的规格尺寸中已标注。

本实施例中，轮胎实际厚度dz为9.8224cm。

步骤12：计算轮胎的标准胎厚。根据轮胎的规范尺寸(胎宽和扁平比)，计算轮胎的标准胎厚，计算式如下所示。

db＝S·μ (12)

其中，S为胎宽，μ为扁平比。

本实施例中，轮胎的胎宽S为195cm，扁平比尺寸μ为：65％，可知db＝12.87cm。

步骤13：计算轮胎的载重变形率ξ。

本实施例中，轮胎的载重变形率ξ＝0.7632。

步骤14：判定轮胎变形的异常状态。依据变形率判定轮胎变形的状态：正常或异常。

其中，fl为轮胎变形量的状态标记，为二值变量，fl＝1表示轮胎变形量为异常，fl＝0表示轮胎变形量为正常；κ和λ分别变形量上、下阈值，由标准低压和高压下的汽车胎厚决定，其计算式如(15-16)所示。

在标准载重时，测量新轮胎在标准低压和高压下的胎厚，这是一个基准值，当测定好后，直接查询即可。

其中，dd为新轮胎在标准载重、低气压下测得的胎厚值；dh为新轮胎在标准载重、高气压下测得的胎厚值。

本实施例中，测量的κ和λ分别为0.75和0.85，由于ξ<κ，故fl＝1。

步骤15：算法结束。

本发明可以在客户端离线运行，也可以和云数据结合，实现线上自动检测。

Claims (10)

1.一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，包括以下步骤：

步骤1，对采集得到的轮胎图像进行预处理，得到轮胎二值图；

步骤2，在步骤1中得到的轮胎二值图上提取轮毂初始区域和地面初始区域，分别作为轮毂图和地面图；

步骤3，计算步骤2中得到的轮毂图的近似圆心和近似半径；

步骤4，根据步骤3中得到的轮毂图的近似圆心和近似半径建立虚拟圆图像；

步骤5，构建轮毂图和虚拟圆图像的相和图像和差异图像；

步骤6，根据步骤5中得到的相和图像和差异图像计算虚拟圆图像与轮毂图之间的拟合度；

步骤7，根据步骤6中得到的虚拟圆图像与轮毂图之间的拟合度更新虚拟圆图像，得到修复轮毂图；

重复执行步骤4至步骤6更新虚拟圆图像，得到与轮毂图之间的拟合度满足

且

得到修复轮毂图；执行步骤8；

步骤8，根据步骤7得到的修复轮毂图计算轮胎着地点；

步骤9，根据轮胎着地点计算轮胎像素厚度；

步骤10，根据步骤9得到的轮胎像素厚度计算轮胎实际厚度；

步骤11，根据步骤10得到的轮胎实际厚度计算轮胎的载重变形率；

步骤12，根据步骤11得到的轮胎的载重变形率判定轮胎变形的异常状态。

2.根据权利要求1所述的一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，步骤1中，对采集得到的轮胎图像进行预处理，具体方法是：

S1，对采集得到的轮胎图像进行基于阈值的图像分割，得到轮胎二值初图；

S2，对得到的轮胎二值初图进行形态处理，得到轮胎二值图；

其中，采集得到的轮胎图像为灰度图像，且在进行图像采集时，采集设备与轮毂中心同高度，拍摄角度与轮轴重合。

3.根据权利要求1所述的一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，步骤2中，在步骤1中得到的轮胎二值图上提取轮毂初始区域和地面初始区域，具体方法是：

将轮胎二值图中面积最大的两个不连通的区域认为轮毂初区域和地面初区域，且轮毂初区域位于地面初区域的上方；则轮毂初区域为轮毂图；地面初区域为地面图。

4.根据权利要求1所述的一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，步骤3中，计算步骤2中得到的轮毂图的近似圆心和近似半径，具体方法是：

其中，cx和cy分别为近似圆心o的行、列坐标值；R为近似半径；f_l(x,y)为轮毂图像素点。

5.根据权利要求1所述的一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，步骤4中，根据步骤3中得到的轮毂图的近似圆心和近似半径建立虚拟圆图像，具体方法是：

以o为圆心、半径为r构建虚拟圆，得到二值的虚拟圆图像，其中，r的初始值为0.7R。

6.根据权利要求1所述的一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，步骤5中，构建轮毂图和虚拟圆图像的相和图像和差异图像，具体方法是：

利用相和图像表示虚拟圆图像和轮毂图的重叠区域，计算式如下：

其中，g^r(x,y)为相和图像的像素点；Y^r(x,y)为虚拟圆图像的像素点；

利用差异图像表示虚拟圆图像和轮毂图的差异度，计算式如下：

其中，h^r(x,y)为差异图像的像素点；

步骤6中，根据步骤5中得到的相和图像和差异图像计算虚拟圆图像与轮毂图之间的拟合度，同时下式进行计算：

其中，W^r为虚拟圆图像与轮毂图之间的拟合度。

7.根据权利要求1所述的一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，步骤7中，根据步骤6中得到的虚拟圆图像与轮毂图之间的拟合度更新虚拟圆图像，具体方法是：

以o为圆心、α为半径变动步长更新半径重新构建虚拟圆图像，直至得到的虚拟圆图像满足

且

此时，将该虚拟圆图像作为修复轮毂图。

8.根据权利要求1所述的一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，步骤8中，根据步骤7得到的修复轮毂图计算轮胎着地点，具体方法是：

将修复轮毂图中满足下式的像素点作为轮胎着地点：

xz＝cx+r^*

yz＝cy

其中，xz为轮胎着地点的行坐标；yz为轮胎着地点的列坐标；cx为像素点的行坐标；cy为像素点的列坐标；

步骤9中，根据轮胎着地点结合下式计算轮胎像素厚度：

若f_d(x_p,y_p)＝1

其中，d为轮胎像素厚度；x和y分别为像素点p的行、列坐标值；

步骤10中，根据步骤9得到的轮胎像素厚度结合下式计算轮胎实际厚度，具体方法是：

其中，dl为轮毂的直径；dz为轮胎实际厚度。

9.根据权利要求1所述的一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，步骤11中，根据步骤10得到的轮胎实际厚度结合下式计算轮胎的载重变形率：

其中，ξ为轮胎的载重变形率；db为轮胎的标准胎厚，db＝S·μ；μ为扁平比；S为胎宽。

10.根据权利要求1所述的一种对比标准变形率的轮胎异常状态的检测方法，其特征在于，步骤12中，根据步骤11得到的轮胎的载重变形率判定轮胎变形的异常状态，具体方法是：

其中，fl为轮胎变形量的状态标记，fl＝1表示轮胎变形量为异常，fl＝0表示轮胎变形量为正常；κ为变形量上阈值，

λ为变形量下阈值，

dd为新轮胎在标准载重、低气压下测得的胎厚值；dh为新轮胎在标准载重、高气压下测得的胎厚值。

Images