CN111932494B - 一种轮胎磨损程度评价方法及装置 - Google Patents

一种轮胎磨损程度评价方法及装置 Download PDF

Info

Publication number
CN111932494B
CN111932494B CN202010619129.6A CN202010619129A CN111932494B CN 111932494 B CN111932494 B CN 111932494B CN 202010619129 A CN202010619129 A CN 202010619129A CN 111932494 B CN111932494 B CN 111932494B
Authority
CN
China
Prior art keywords
tire
crown
evaluated
pattern
local area
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.)
Active
Application number
CN202010619129.6A
Other languages
English (en)
Other versions
CN111932494A (zh
Inventor
雷志辉
伏思华
陈状
刘宇
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.)
Hunan Yingyan Online Electronic Technology Co ltd
Original Assignee
Hunan Yingyan Online Electronic Technology Co 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 Hunan Yingyan Online Electronic Technology Co ltd filed Critical Hunan Yingyan Online Electronic Technology Co ltd
Priority to CN202010619129.6A priority Critical patent/CN111932494B/zh
Publication of CN111932494A publication Critical patent/CN111932494A/zh
Application granted granted Critical
Publication of CN111932494B publication Critical patent/CN111932494B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Computer Graphics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明实施例提供一种轮胎磨损程度评价方法，包括以下内容：通过多线激光投影获取待评价轮胎胎冠局部区域图像数据；对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的相对位置数据和深度数据；根据胎冠局部区域上各花纹的相对位置数据和深度数据，构建待评价轮胎的局部三维模型；获取转动的待评价轮胎胎冠剩余区域上各花纹的相对位置数据和深度数据，并按照时间顺序，以局部三维模型为基准，拼接剩余区域上各花纹的相对位置数据和深度数据，以形成完整的待评价轮胎的三维模型。本发明实施例还提供一种轮胎磨损程度评价装置。本发明能够直观、整体评价待评价轮胎的磨损位置和磨损程度值。

Description

一种轮胎磨损程度评价方法及装置
技术领域
本发明涉及图像数据处理技术领域，具体涉及一种轮胎磨损程度评价方法及装置。
背景技术
目前，当驾驶员或维修人员通过观察或简单测量发现轮胎出现磨损时，为了确定轮胎具体的磨损程度，需要进行进一步的检测，根据轮胎类型不同，检测方法大致可以分为两类：
第一类是针对单线轮胎的单线检测：单线检测的相关现有技术可以参见在先专利申请一种轮胎花纹深度测量方法、***及存储介质(申请号：20191127368.5)。由于受到驾驶员驾驶***面为基础进行磨损程度计算，因而无法对轮胎整体进行三维形貌重建，进而无法直观显示出轮胎不同区域的磨损程度。同时，单线检测对检测人员依赖程度较大，例如，需要检测人员进行区域选择、摆放等操作，而这些操作会直接导致相邻区域的检测结果明显不同，为了尽量提高检测结果的准确性，需要进行大量的重复性操作，显然，此种检测方式效率低，误差大。
第二类是针对多线轮胎的“多线检测”：多线轮胎虽然是先通过多条激光线提取轮胎花纹特征，但之后却将其划分成多条单线，以单独提取每条线的沟槽，最后将多条线强行进行拟合成多条线结果。显然，在这个过程中只考虑当前几条线的影响，而忽略了轮胎测量区域与轮胎运动轨迹的整体关系，所以，当轮胎移动或位置发生变化时，当前多线检测结果与下一次多线检测结果是独立的，因此，仍需要人工选取位置，以进行大量的重复性操作，可见，现有技术中的“多线检测”实质上仍是单线检测，其仍难以解决单线检测的上述技术问题。
发明内容
鉴于此，本发明实施例提供一种轮胎磨损程度评价方法及装置，以解决上述技术问题。
为实现上述技术目的，本发明实施例提供一种轮胎磨损程度评价方法，其改进之处在于，包括以下内容：
通过多线激光投影获取待评价轮胎胎冠局部区域图像数据；
对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的相对位置数据和深度数据；
根据胎冠局部区域上各花纹的相对位置数据和深度数据，构建待评价轮胎的局部三维模型；
获取转动的待评价轮胎胎冠剩余区域上各花纹的相对位置数据和深度数据，并按照时间顺序，以局部三维模型为基准，拼接剩余区域上各花纹的相对位置数据和深度数据，以形成完整的待评价轮胎的三维模型，进而通过三维模型直观、整体评价待评价轮胎的磨损位置和磨损程度值。
为实现上述技术目的，本发明实施例提供一种轮胎磨损程度评价装置，其改进之处在于，包括：
获取模块，用于通过多线激光投影获取待评价轮胎胎冠局部区域图像数据；
处理模块，用于对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的相对位置数据和深度数据；
构建模块，用于根据胎冠局部区域上各花纹的相对位置数据和深度数据，构建待评价轮胎的局部三维模型；
评价模块，用于获取转动的待评价轮胎胎冠剩余区域上各花纹的相对位置数据和深度数据，并按照时间顺序，以局部三维模型为基准，拼接剩余区域上各花纹的相对位置数据和深度数据，以形成完整的待评价轮胎的三维模型，进而通过三维模型直观、整体评价待评价轮胎的磨损位置和磨损程度值。
本发明由于采取以上技术方案，与现有技术相比，其具有以下优点：
本发明通过对胎冠图像数据进行处理，构建获取待评价轮胎的三维模型，因此，能够直观、整体评价待评价轮胎的各个不同区域的磨损，及磨损程度值，非常方便。
本发明操作方便，成本低，可以广泛应用于图像数据处理技术领域，尤其是通过图像数据构建工件或产品的三维模型，以对相应的工件或产品进行测量、评价或性能监控的技术领域。
附图说明
图1是本发明的轮胎磨损程度评价方法其中一个实施例的流程示意图；
图2是本发明的轮胎磨损程度评价方法应用于多线轮胎其中一个实施例的流程示意图；
图3是多线激光投影获取的原始图像；
图4是待评价轮胎胎冠局部区域图像；
图5是待评价轮胎胎冠局部区域上各花纹的亚像素中心图像；
图6是待评价轮胎胎冠局部区域上各花纹的沟槽区域图像；
图7是待评价轮胎胎冠局部区域上各花纹的沟槽和胎面图像；
图8是待评价轮胎胎局部三维模型的其中一个图示；
图9是待评价轮胎胎局部三维模型的另外一个图示；
图10是本发明的轮胎磨损程度评价装置其中一个实施例的原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
如图1～9所示，本发明实施例提供一种轮胎磨损程度评价方法，包括以下内容：
通过多线激光投影获取待评价轮胎胎冠局部区域图像数据；
对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的相对位置数据和深度数据；
根据胎冠局部区域上各花纹的相对位置数据和深度数据，构建待评价轮胎的局部三维模型；
获取转动的待评价轮胎胎冠剩余区域上各花纹的相对位置数据和深度数据，并按照时间顺序，以局部三维模型为基准，拼接剩余区域上各花纹的相对位置数据和深度数据，以形成完整的待评价轮胎的三维模型，进而通过三维模型直观、整体评价待评价轮胎的磨损位置和磨损程度值。
由于多线激光是一个光源发射出多条激光线，从而使得获取到的待评价轮胎胎冠图像数据是三维图像数据，明显区别于单线激光投影获取的二维平面图像数据，进而为构建待评价轮胎的三维模型提供了图像数据基础。
可见，通过对胎冠图像数据进行处理，构建获取待评价轮胎的三维模型，因此，能够直观、整体评价待评价轮胎的各个不同区域的磨损，及磨损程度值，非常方便。
同时，上述轮胎磨损程度评价方法可以在汽车行进过程中进行，实现全自动、智能化、精确测量，有效避免人为因素的干扰。
另外，上述方法既适用于单线轮胎检测或评价，也适用于多线轮胎检测或评价，有效拓宽了应用范围。
在一些实施例中，通过多线激光投影获取待评价轮胎胎冠局部区域图像数据，包括以下内容：
通过多线激光投影获取待评价轮胎胎冠局部区域的花纹外廓图像数据；
根据胎冠局部区域的花纹外廓图像数据和像素点的灰度值确定待评价轮胎胎冠局部区域图像数据。
在一些实施例中，对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的相对位置数据和深度数据，包括以下内容：
对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的亚像素中心图像数据。针对原始光条中心线提取(steger)算法在轮胎胎面深度处提取多条中心线、深度处的中心线定位不准确的问题，其中，本步骤具体操作时，将steger算法进行改进解决了深度处中心线定位问题，具体的，改进的steger算法如下：
a、图像预处理
线条边缘表现为图像亮度突然从一个灰度变化到另一个灰度，之后又很快返回到原来或接近原来的灰度。从视觉上线条边缘位于灰度值从增加到减小(或从减小到增加)的变化的转折点。在实际图像中由于图像传感器件的特性和光学衍射小型等影响，线条边缘变成屋顶形边缘。通过与高斯函数卷积进行平滑滤波，并且在图像中的某一像素(x0,y0)进行二阶泰勒展开有：
Figure BDA0002564586850000041
其中gx、gy、gxx、gyy、gxy分别是一阶x偏导、一阶y偏导、二阶x偏导等高斯核和图像卷积的结果。各阶高斯核如下:
Figure BDA0002564586850000042
注：对于二维图像f(x,y)，线条边缘中心点处的一阶导数为0，且二阶方向导数取极小值的点就是线条边缘中心点。
b、确定线条边缘一阶导数和二阶导数极小值
由于线条边缘法线方向即是灰度变化最大的方向，则可沿法线方向作泰勒展开：
Figure BDA0002564586850000051
针对线条边缘，令
Figure BDA0002564586850000052
可得：
Figure BDA0002564586850000053
为了求得边缘法线方向(nx,ny)和在该方向的二阶导数，可以直接求二阶导：
Figure BDA0002564586850000054
从而可得ftt＝nx 2gxx+2nxnygxy+ny 2gyy(1.6)
还可以通过Hessian矩阵法，即：
Figure BDA0002564586850000055
Hessian矩阵的两个特征值分别为图像灰度函数的二阶导数的极大值和极小值，所对应的两个特征向量则表示了两个极值所取的方向。相互正交，从而通过求Hessian矩阵的最大绝对特征值和所对应的特征向量，即可获得边缘法线方向和在该方向的二阶导数值。
c、通过判别准则提取中心点
若
Figure BDA0002564586850000056
则说明一阶导数为零的点位于当前像素内，再加上该方向上二阶导数的极小值小于一定阈值，则通过两层判断，则会比较准确的提取出线条边缘的中心点。
对亚像素中心图像数据中各花纹进行分类，并确定出各花纹的相对位置数据，其中，本步骤具体操作时，使用定位算法，可以为每条花纹对应设置一个颜色；优选地，所述定位算法为邻域寻址算法，将轮胎胎面的多条中心线进行分类，能够确定每个点属于哪条直线以及直线的位置。
基于各花纹的相对位置数据，对各花纹上的各沟槽和对应胎面进行识别，并将属于同一沟槽的相邻沟槽进行合并；
分别提取每个沟槽的胎底点和胎面点，并根据胎面点拟合待评价轮胎的三维模型的中轴线，并计算获取每个沟槽的胎底点和胎面点的空间距离，以获取每个沟槽的实际深度数据，进而获取各花纹的深度数据，其中，胎底点为到中轴线距离最小的点，胎面点为到中轴线距离最大的点。
在一些实施例中，轮胎磨损程度评价方法，还包括以下内容：
通过转动待评价轮胎，以对待评价轮胎的三维模型进行修正，进而有效提高评价结果的准确性。转动的目的是保证轮胎滚动过程中所有的位置都会被激光线扫描到。具体地，转动拼接是通过各个位置拟合中轴线，计算相邻位置的线速度和轮胎弧面变化方程，并将下一多线结果映射到基准轮廓上。
具体地，以汽车直线匀速运动为例(假定为Y方向)；移动过程中，相邻两条中轴线在行驶方向为平动轨迹方程，Y方向的差值(abs(差值)为两次采图时间的线速度)/(两次采图时间)为单位线速度，运动的弧面变化＝单位线速度*两次采图时间*拟合半径。第一次拟合数据为起始，以每次的弧面变化为增量进行画图，完成所有拼接。
基于同样的发明构思，本发明实施例还提供一种轮胎磨损程度评价装置，如图10所示，包括：
获取模块1，用于通过多线激光投影获取待评价轮胎胎冠局部区域图像数据；
处理模块2，用于对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的相对位置数据和深度数据；
构建模块3，用于根据胎冠局部区域上各花纹的相对位置数据和深度数据，构建待评价轮胎的局部三维模型；
评价模块4，用于获取转动的待评价轮胎胎冠剩余区域上各花纹的相对位置数据和深度数据，并按照时间顺序，以局部三维模型为基准，拼接剩余区域上各花纹的相对位置数据和深度数据，以形成完整的待评价轮胎的三维模型，进而通过三维模型直观、整体评价待评价轮胎的磨损位置和磨损程度值。
由于多线激光是一个光源发射出多条激光线，从而使得获取到的待评价轮胎胎冠图像数据是三维图像数据，明显区别于单线激光投影获取的二维平面图像数据，进而为构建待评价轮胎的三维模型提供了图像数据基础。
可见，通过对胎冠图像数据进行处理，构建获取待评价轮胎的三维模型，因此，能够直观、整体评价待评价轮胎的各个不同区域的磨损，及磨损程度值，非常方便。
同时，上述轮胎磨损程度评价装置可以应用在汽车行进过程中，实现全自动、智能化、精确测量，有效避免人为因素干扰。
另外，上述方法既适用于单线轮胎检测或评价，也适用于多线轮胎检测或评价，有效拓宽了应用范围。
在一些实施例中，获取模块1，包括：
第一获取模块，用于通过多线激光投影获取待评价轮胎胎冠局部区域的花纹外廓图像数据；
第二获取模块，用于根据胎冠局部区域的花纹外廓图像数据和像素点的灰度值确定待评价轮胎胎冠局部区域图像数据。
在一些实施例中，处理模块2，包括：
第一处理模块，用于对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的亚像素中心图像数据；
第二处理模块，用于对亚像素中心图像数据中各花纹进行分类，并确定出各花纹的相对位置数据；
第三处理模块，用于基于各花纹的相对位置数据，对各花纹上的各沟槽和对应胎面进行识别，并将属于同一沟槽的相邻沟槽进行合并；
第四处理模块，用于分别提取每个沟槽的胎底点和胎面点，并根据胎面点拟合待评价轮胎的三维模型的中轴线，并计算获取每个沟槽的胎底点和胎面点的空间距离，以获取每个沟槽的实际深度数据，进而获取各花纹的深度数据，其中，胎底点为到中轴线距离最小的点，胎面点为到中轴线距离最大的点。
在一些实施例中，轮胎磨损程度评价装置，还包括：
修正模块，用于通过待评价轮胎的转动，对待评价轮胎的三维模型进行修正，进而有效提高评价结果的准确性。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种轮胎磨损程度评价方法，其特征在于，包括以下内容：
通过多线激光投影获取待评价轮胎胎冠局部区域图像数据；
对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的相对位置数据和深度数据；
根据胎冠局部区域上各花纹的相对位置数据和深度数据，构建待评价轮胎的局部三维模型；
获转动的取待评价轮胎胎冠剩余区域上各花纹的相对位置数据和深度数据，并按照时间顺序，以局部三维模型为基准，转动拼接剩余区域上各花纹的相对位置数据和深度数据，以形成完整的待评价轮胎的三维模型，进而通过三维模型直观、整体评价待评价轮胎的磨损位置和磨损程度值;
其中，所述的转动拼接是通过各个位置拟合中轴线，计算相邻位置的线速度和轮胎弧面变化方程，以第一次拟合数据为起始，以每次的弧面变化为增量进行画图，完成所有拼接。
2.根据权利要求1所述一种轮胎磨损程度评价方法，其特征在于，所述通过多线激光投影获取待评价轮胎胎冠局部区域图像数据，包括以下内容：
通过多线激光投影获取待评价轮胎胎冠局部区域的花纹外廓图像数据；
根据胎冠局部区域的花纹外廓图像数据和像素点的灰度值确定待评价轮胎胎冠局部区域图像数据。
3.根据权利要求1所述一种轮胎磨损程度评价方法，其特征在于，所述对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的相对位置数据和深度数据，包括以下内容：
对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的亚像素中心图像数据；
对亚像素中心图像数据中各花纹进行分类，并确定出各花纹的相对位置数据；
基于各花纹的相对位置数据，对各花纹上的各沟槽和对应胎面进行识别，并将属于同一沟槽的相邻沟槽进行合并；
分别提取每个沟槽的胎底点和胎面点，并根据胎面点拟合待评价轮胎的三维模型的中轴线，并计算获取每个沟槽的胎底点和胎面点的空间距离，以获取每个沟槽的实际深度数据，进而获取各花纹的深度数据。
4.根据权利要求1所述一种轮胎磨损程度评价方法，其特征在于，所述轮胎磨损程度评价方法，还包括以下内容：
通过转动待评价轮胎，以对待评价轮胎的三维模型进行修正。
5.一种轮胎磨损程度评价装置，其特征在于，包括：
获取模块，用于通过多线激光投影获取待评价轮胎胎冠局部区域图像数据；
处理模块，用于对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的相对位置数据和深度数据；
构建模块，用于根据胎冠局部区域上各花纹的相对位置数据和深度数据，构建待评价轮胎的局部三维模型；
评价模块，用于获取转动的待评价轮胎胎冠剩余区域上各花纹的相对位置数据和深度数据，并按照时间顺序，以局部三维模型为基准，转动拼接剩余区域上各花纹的相对位置数据和深度数据，以形成完整的待评价轮胎的三维模型，进而通过三维模型直观、整体评价待评价轮胎的磨损位置和磨损程度值；
其中，所述的转动拼接是通过各个位置拟合中轴线，计算相邻位置的线速度和轮胎弧面变化方程，以第一次拟合数据为起始，以每次的弧面变化为增量进行画图，完成所有拼接。
6.根据权利要求5所述一种轮胎磨损程度评价装置，其特征在于，所述获取模块，包括：
第一获取模块，用于通过多线激光投影获取待评价轮胎胎冠局部区域的花纹外廓图像数据；
第二获取模块，用于根据胎冠局部区域的花纹外廓图像数据和像素点的灰度值确定待评价轮胎胎冠局部区域图像数据。
7.根据权利要求5所述一种轮胎磨损程度评价装置，其特征在于，所述处理模块，包括：
第一处理模块，用于对胎冠局部区域图像数据进行处理，以获取胎冠局部区域上各花纹的亚像素中心图像数据；
第二处理模块，用于对亚像素中心图像数据中各花纹进行分类，并确定出各花纹的相对位置数据；
第三处理模块，用于基于各花纹的相对位置数据，对各花纹上的各沟槽和对应胎面进行识别，并将属于同一沟槽的相邻沟槽进行合并；
第四处理模块，用于分别提取每个沟槽的胎底点和胎面点，并根据胎面点拟合待评价轮胎的三维模型的中轴线，并计算获取每个沟槽的胎底点和胎面点的空间距离，以获取每个沟槽的实际深度数据，进而获取各花纹的深度数据。
8.根据权利要求5所述一种轮胎磨损程度评价装置，其特征在于，所述轮胎磨损程度评价装置，还包括：
修正模块，用于通过待评价轮胎的转动，对待评价轮胎的三维模型进行修正。
CN202010619129.6A 2020-07-01 2020-07-01 一种轮胎磨损程度评价方法及装置 Active CN111932494B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010619129.6A CN111932494B (zh) 2020-07-01 2020-07-01 一种轮胎磨损程度评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010619129.6A CN111932494B (zh) 2020-07-01 2020-07-01 一种轮胎磨损程度评价方法及装置

Publications (2)

Publication Number Publication Date
CN111932494A CN111932494A (zh) 2020-11-13
CN111932494B true CN111932494B (zh) 2022-06-17

Family

ID=73316827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010619129.6A Active CN111932494B (zh) 2020-07-01 2020-07-01 一种轮胎磨损程度评价方法及装置

Country Status (1)

Country Link
CN (1) CN111932494B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112937223A (zh) * 2021-01-18 2021-06-11 王安竹 车辆轮胎磨损程度实时监测平台
CN113008158B (zh) * 2021-03-25 2023-02-24 烟台大学 多线激光轮胎花纹深度测量方法
CN117115724A (zh) * 2023-10-25 2023-11-24 山东玲珑轮胎股份有限公司 一种轮胎印痕确定方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017103809A1 (en) * 2015-12-16 2017-06-22 Pirelli Tyre S.P.A. Apparatus and method for the analysis of tyres
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法
CN108759714A (zh) * 2018-05-22 2018-11-06 华中科技大学 一种多线激光轮廓传感器坐标系融合及转轴标定方法
EP3460520A1 (en) * 2017-09-25 2019-03-27 Hexagon Technology Center GmbH Multi-beam laser scanner
CN110068270A (zh) * 2019-04-18 2019-07-30 上海拓今智能科技有限公司 一种基于多线结构光图像识别的单目视觉箱体体积测量方法
CN110942460A (zh) * 2019-12-12 2020-03-31 湖南省鹰眼在线电子科技有限公司 一种轮胎花纹深度测量方法、***及存储介质
CN111308499A (zh) * 2020-03-09 2020-06-19 中振同辂(江苏)机器人有限公司 一种基于多线激光雷达的障碍物检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017103809A1 (en) * 2015-12-16 2017-06-22 Pirelli Tyre S.P.A. Apparatus and method for the analysis of tyres
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法
EP3460520A1 (en) * 2017-09-25 2019-03-27 Hexagon Technology Center GmbH Multi-beam laser scanner
CN108759714A (zh) * 2018-05-22 2018-11-06 华中科技大学 一种多线激光轮廓传感器坐标系融合及转轴标定方法
CN110068270A (zh) * 2019-04-18 2019-07-30 上海拓今智能科技有限公司 一种基于多线结构光图像识别的单目视觉箱体体积测量方法
CN110942460A (zh) * 2019-12-12 2020-03-31 湖南省鹰眼在线电子科技有限公司 一种轮胎花纹深度测量方法、***及存储介质
CN111308499A (zh) * 2020-03-09 2020-06-19 中振同辂(江苏)机器人有限公司 一种基于多线激光雷达的障碍物检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于多个线激光传感器旋转扫描的铸钢车轮在线三维测量技术研究;陈瀚;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20200315(第3期);第9、18页 *
基于红绿双色多线激光的三维深度图像***;杨琨;《潍坊学院学报》;20101231(第06期);全文 *
轮胎外观质量自动检测装置的设计与分析;白跃峰;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20180115(第1期);第54、62页 *

Also Published As

Publication number Publication date
CN111932494A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN111932494B (zh) 一种轮胎磨损程度评价方法及装置
US10311835B1 (en) Method for detection and estimation of tire tread wear
CN101896806B (zh) 通过比较所获取的图像与参考图像进行评估的方法
CN110866924B (zh) 一种线结构光中心线提取方法及存储介质
CN107064170B (zh) 一种检测手机外壳轮廓度缺陷方法
CN101896937A (zh) 处理轮胎表面的三维图像以便其能够用来检查所述表面的方法
EP2500686B1 (en) Device and method for inspecting tyre shape
CN103168220B (zh) 用于识别和定义形成轮胎胎面设计的基本花纹的方法
CN103047943B (zh) 基于单投射编码结构光的车门外板形状尺寸检测方法
CN106682646B (zh) 一种车道线的识别方法及装置
CN110942460B (zh) 一种轮胎花纹深度测量方法、***及存储介质
US20180197285A1 (en) Optimised method for analysing the conformity of the surface of a tire
KR20140009209A (ko) 연속된 b-스플라인 변형을 이용한 타이어 표면의 삼차원 이미지 전처리 방법
CN111415376B (zh) 汽车玻璃亚像素轮廓提取方法及汽车玻璃检测方法
JP2013542435A (ja) タイヤ表面の検査に用いられるタイヤ表面の三次元画像を前処理する方法
JP2014503789A (ja) タイヤのトレッドデザインを形成する基本的パターンを識別すると共に規定する方法
CN104075659A (zh) 一种基于rgb结构光源的三维成像识别方法
CN110608685A (zh) 一种基于树莓派的物体尺寸快速测量方法
CN112085675A (zh) 深度图像去噪方法、前景分割方法及人体运动监测方法
CN116358449A (zh) 一种基于双目面结构光的飞机铆钉凹凸量测量方法
CN113222955A (zh) 一种基于机器视觉的齿轮尺寸参数自动测量方法
CN111784643B (zh) 一种基于交叉线结构光的轮胎切平面获取方法及***
CN111415378B (zh) 用于汽车玻璃检测的图像配准方法及汽车玻璃检测方法
CN113155057A (zh) 一种使用非特制靶标的线结构光平面标定方法
CN111508022B (zh) 一种基于随机采样一致性的线激光条纹定位方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Lei Zhihui

Inventor after: Fu Sihua

Inventor after: Chen Zhuang

Inventor after: Liu Yu

Inventor before: Fu Sihua

Inventor before: Tan Xiaolin

Inventor before: Jiang Guangwen

Inventor before: Lei Zhihui

GR01 Patent grant
GR01 Patent grant