CN113674270A - 一种轮胎花纹一致性检测***及其方法 - Google Patents
一种轮胎花纹一致性检测***及其方法 Download PDFInfo
- Publication number
- CN113674270A CN113674270A CN202111029178.5A CN202111029178A CN113674270A CN 113674270 A CN113674270 A CN 113674270A CN 202111029178 A CN202111029178 A CN 202111029178A CN 113674270 A CN113674270 A CN 113674270A
- Authority
- CN
- China
- Prior art keywords
- tire
- image
- feature
- edge
- images
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 239000012535 impurity Substances 0.000 claims abstract description 10
- 238000010606 normalization Methods 0.000 claims description 13
- 230000000903 blocking effect Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 235000009508 confectionery Nutrition 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种轮胎花纹一致性检测***及其方法，包括图像采集模块、特定条件处理模块和相似度匹配模块，所述图像采集模块用于同步获得至少两张轮胎原始图像，对所述轮胎原始图像进行滤杂处理得到至少两张轮胎局部图像；所述特定条件处理模块用于从至少两张所述轮胎局部图像中寻找斜率线条并拟合处理后，按特定条件分成若干特征组得到特征线条，将每张边缘图中的轮胎花纹按所述特征线条的特征信息分成若干特征块；本发明的相似度匹配模块能够快速、高效的对机动车同步采集的同轴两张轮胎图像测算出相似度数值，分析轮胎安装同型号规格的一致性及使用磨损纹理状态，对机动车轮胎品质特性的人工主观检测方式替代具有很强的实际意义。
Description
技术领域
本发明属于汽车轮胎检测技术领域，具体而言，涉及一种轮胎花纹一致性检测***及其方法。
背景技术
我们知道一种用于自动地搜索轮胎表面上存在的缺陷的方法。在该方法中，首先通过工业视觉技术利用传感器来采集表面的二维或者三维图像。这些图像然后通过自动化的装置来分析以定位表面上的任何缺陷。为此，自动化的装置分析图像的一个或者多个纹理参数，其目的在于，一方面来分割图像，换句话说是把图像分成区域，在这些区域中纹理参数是不同的；并且另一方面，其目的是将图像分类，换句话说是使分割的图像与参考图像基底中的一组图像相匹配，这样的目的是识别任何缺陷。
把图像分成纹理参数不同的区域，例如但是不仅仅是由以下构成：把图像分成对应平滑表面的区域，对应粗糙表面的区域以及对应有条纹的表面的区域。
但是，车辆行驶时，轮胎经过长期的磨损后，同轴的两个轮胎表面磨损程度不尽相同，纹理也存在着偏差，给行驶带来了一定的安全隐患，因此，如何检测同轴的两个轮胎的规格型号及磨损纹理是否一致是当下需解决的问题。
发明内容
本发明实施例提供了一种轮胎花纹一致性检测***及其方法，其目的在于解决现有的轮胎经过长期的磨损后纹理存在着偏差，纹理难以保证一致，如何检测同轴的两个轮胎的规格型号及磨损纹理是否一致的的问题。
鉴于上述问题，本发明提出的技术方案是：
一种轮胎花纹一致性检测***，包括：
图像采集模块，所述图像采集模块用于获得至少两张轮胎原始图像，对所述轮胎原始图像进行滤杂处理得到至少两张轮胎局部图像；
特定条件处理模块，所述特定条件处理模块用于从至少两张所述轮胎局部图像中寻找斜率线条并拟合处理，按特定条件分成若干特征组得到特征线条，将每张边缘图中的轮胎花纹按所述特征线条的特征信息分成若干特征块；
相似度匹配模块，所述相似度匹配模块用于接收至少两张所述边缘图的每个所述特征块进行比对，并判断至少两张所述边缘图的每个所述特征块之间是否匹配进而输出结果。
作为本发明的一种优选技术方案，所述图像采集模块包括：
获得单元，所述获得单元用于获得至少两张轮胎原始图像，基于至少两张所述轮胎原始图像构建至少两张HOG图像；
归一化处理单元，所述归一化处理单元用于对每张所述HOG图像进行归一化处理，将每张所述HOG图像中低于预设阀值的梯度信息去除，统计每张所述HOG图像中的每个细胞单元纹理信息的密集程度；
标记处理单元，所述标记处理单元用于将每张所述HOG图像中所述细胞单元纹理信息的多个连通区域标记，对每张所述HOG图像中的多个所述连通区域按标记从大到小依次排列；
扫描单元，所述扫描单元用于对每张所述HOG图像中的多个所述连通区域逐列扫描以确定轮胎左右边界位置；
剪辑单元，所述剪辑单元用于将每张所述HOG图像的其他纹理信息进行剪辑后得到轮胎局部图像。
作为本发明的一种优选技术方案，所述特定条件处理模块包括：
边缘提取单元，所述边缘提取单元用于使用candy边缘提取将每张所述轮胎局部图像转化为边缘图，并对每张所述边缘图中的每个点进行取值并进行遍历，同时从每张所述边缘图寻找斜率线条；
初次拟合单元，所述初次拟合单元用于对每张所述边缘图中相同斜率的斜率线条进行优化拟合，保留最优的斜率线条；
再次拟合单元，所述再次拟合单元用于对每张所述边缘图中所述最优的斜率线条进行优化拟合，保留最长的斜率线条；
特征线条处理单元，所述特征线条处理单元用于将每张所述边缘图中所述最长的斜率线条按特定条件分为若干所述特征组，并对每个特征组所述最长的斜率线条进行处理拟合得到多条特征线条；
分块单元，所述分块单元用于将每张所述边缘图的轮胎花纹利用所述特征线条的特征信息进行分块处理得到若干所述特征块。
作为本发明的一种优选技术方案，所述特定条件具体为位置接近、斜率接近和长度接近的所述最长的斜率线条。
作为本发明的一种优选技术方案，所述特征线条的特征信息具体为存放特征角度、开始点的x坐标、结束点的x坐标、长度、最小起始点、最大结束点、最长的斜率线条个数和起始点的平均y。
作为本发明的一种优选技术方案，所述相似度匹配模块包括：
判断单元，所述判断单元用于将至少两张所述边缘图的每个所述特征块进行对比，计算至少两张所述边缘图的每个所述特征块之间的相似度，根据所述相似度判断至少两张所述边缘图的每个所述特征块之间是否匹配；
输出单元，所述输出单元用于输出匹配结果。
另一方面，本发明实施例还提供了一种轮胎花纹一致性的检测方法，包括以下步骤：
S1，获得至少两张轮胎原始图像，对所述轮胎原始图像进行滤杂处理得到至少两张轮胎局部图像；
S2，从至少两张所述轮胎局部图像中寻找斜率线条并拟合处理，按特定条件分成若干特征组得到特征线条，将每张边缘图中的轮胎花纹按所述特征线条的特征信息分成若干特征块；
S3，接收至少两张所述边缘图的每个所述特征块进行比对，并判断至少两张所述边缘图的每个所述特征块之间是否匹配进而输出结果。
作为本发明的一种优选技术方案，所述获得轮胎原始图像，对所述轮胎原始图像进行滤杂处理得到轮胎局部图像具体步骤为：
S11，获得至少两张轮胎原始图像，基于至少两张所述轮胎原始图像构建至少两张HOG图像；
S12，对每张所述HOG图像进行归一化处理，将每张所述HOG图像中低于预设阀值的梯度信息去除，统计每张所述HOG图像中的每个细胞单元纹理信息的密集程度；
S13，将每张所述HOG图像中所述细胞单元纹理信息的多个连通区域标记，对每张所述HOG图像中的多个所述连通区域按标记从大到小依次排列；
S14，对每张所述HOG图像中的多个所述连通区域逐列扫描以确定轮胎左右边界位置；
S15，将每张所述HOG图像的其他纹理信息进行剪辑后得到轮胎局部图像。
作为本发明的一种优选技术方案，所述寻找斜率线条，对所述斜率线条进行拟合处理后，按特定条件分成若干特征组得到特征线条，将所述轮胎局部图像中的轮胎花纹按所述特征线条的特征信息分成若干特征块具体步骤为：
S21，使用candy边缘提取将每张所述轮胎局部图像转化为边缘图，并对每张所述边缘图中的每个点进行取值并进行遍历，同时从每张所述边缘图寻找斜率线条；
S22，对每张所述边缘图中相同斜率的斜率线条进行优化拟合，保留最优的斜率线条；
S23，对每张所述边缘图中所述最优的斜率线条进行优化拟合，保留最长的斜率线条；
S24，将每张所述边缘图中所述最长的斜率线条按特定条件分为若干所述特征组，并对每个特征组所述最长的斜率线条进行处理拟合得到多条特征线条；
S25，将每张所述边缘图的轮胎花纹利用所述特征线条的特征信息进行分块处理得到若干所述特征块。
作为本发明的一种优选技术方案，所述基于每个所述特征块每个特征线条进行比对，并判断两个特征块之间是否匹配进而输出结果具体步骤为：
S31，将至少两张所述边缘图的每个所述特征块进行对比，计算至少两张所述边缘图的每个所述特征块之间的相似度，根据所述相似度判断至少两张所述边缘图的每个所述特征块之间是否匹配；
S32，输出匹配结果。
本发明实施例提供的上述技术方案的有益效果至少包括：
(1)本发明的特定条件处理模块运用数值图像处理技术，通过提取花纹边界特征，最后找到若干特征线条，并将其分成若干特征块，极大的方便两张图像进行对比。
(2)本发明的相似度匹配模块能够快速、高效的对机动车同步采集的同轴两张轮胎图像测算出相似度数值，分析轮胎安装同型号规格的一致性及使用磨损纹理状态，对机动车轮胎品质特性的人工主观检测方式替代具有很强的实际意义。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
图1是本发明所公开的一种轮胎花纹一致性检测***的结构示意图；
图2是本发明所公开的一种轮胎花纹一致性检测***的某一张轮胎原始图像示意图；
图3是本发明所公开的一种轮胎花纹一致性检测***的某一张轮胎局部图像示意图；
图4是本发明所公开的一种轮胎花纹一致性检测***的某一张轮胎边缘图；
图5是本发明所公开的一种轮胎花纹一致性检测***的某一张符合长度阀值和宽度阀值要求的轮胎边缘图；
图6是本发明所公开的一种轮胎花纹一致性检测***的某一张完成初次拟合的轮胎边缘图；
图7是本发明所公开的一种轮胎花纹一致性检测***的某一张完成二次拟合的轮胎边缘图；
图8是本发明所公开的一种轮胎花纹一致性的检测方法的流程图；
图9是本发明所公开的一种轮胎花纹一致性的检测方法的步骤S1流程图；
图10是本发明所公开的一种轮胎花纹一致性的检测方法的步骤S2流程图
图11是本发明所公开的一种轮胎花纹一致性的检测方法的步骤S3流程图。
附图标记说明：100、图像采集模块；110、获得单元；120、归一化处理单元；130、标记处理单元；140、扫描单元；150、剪辑单元；200、特定条件处理模块；210、边缘提取单元；220、初次拟合单元；230、再次拟合单元；240、特征线条处理单元；250、分块单元；300、相似度匹配模块；310、判断单元；320、输出单元。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
实施例一
参照附图1所示，本发明提供一种技术方案：一种轮胎花纹一致性检测***，包括图像采集模块100、特定条件处理模块200和相似度匹配模块300；
图像采集模块100用于获得至少两张轮胎原始图像，对轮胎原始图像进行滤杂处理得到至少两张轮胎局部图像。
图像采集模块100包括获得单元110、归一化处理单元120、标记处理单元130、扫描单元140和剪辑单元150，获得单元110用于获得至少两张轮胎原始图像，基于至少两张轮胎原始图像构建至少两张HOG图像，归一化处理单元120用于对每张HOG图像进行归一化处理，将每张HOG图像中低于预设阀值的梯度信息去除，统计每张HOG图像中的每个细胞单元纹理信息的密集程度，标记处理单元130用于将每张HOG图像中细胞单元纹理信息的多个连通区域标记，对每张HOG图像中的多个连通区域按标记从大到小依次排列，扫描单元140用于对每张HOG图像中的多个连通区域逐列扫描以确定轮胎左右边界位置，剪辑单元150用于将每张HOG图像的其他纹理信息进行剪辑后得到轮胎局部图像。
参照附图2～3所示，具体而言，轮胎原始图像有由点云扫描仪正对轮胎拍照得到，拍照时以机动车同轴的两个轮胎的轮胎原始图像作为依据，便于同轴的两个轮胎的轮胎进行一致性辨识；由于得到轮胎原始图像中背景占比过大，并且部分车辆挡泥瓦会遮挡轮胎，因此需进行胎面的切割、排除轮胎原始图像背景和挡泥瓦的影响；归一化处理单元120对HOG图像进行归一化处理后，HOG图像中还包含了其他纹理信息；其中，其他纹理信息包含周围车辆以及环境杂物。
扫描单元140扫描时，由于轮胎区域花纹纹理的影响，轮胎区域会出现明显的波峰；另外，由于导水槽处纹理信息不密集，因此可能会被误认为是轮胎的边界，此时预设阀值不再适用，需针对本张HOG图像修改预设阈值。
特定条件处理模块200用于从至少两张所述轮胎局部图像中寻找斜率线条并拟合处理，按特定条件分成若干特征组得到特征线条，将每张边缘图中的轮胎花纹按特征线条的特征信息分成若干特征块。
特定条件处理模块200包括边缘提取单元210、初次拟合单元220、再次拟合单元230、特征线条处理单元240和分块单元250，边缘提取单元210用于使用candy边缘提取将每张轮胎局部图像转化为边缘图，并对每张边缘图中的每个点进行取值并进行遍历，同时从每张边缘图寻找斜率线条，初次拟合单元220用于对每张边缘图中相同斜率的斜率线条进行优化拟合，保留最优的斜率线条，再次拟合单元230用于对每张边缘图中最优的斜率线条进行优化拟合，保留最长的斜率线条，特征线条处理单元240用于将每张边缘图中最长的斜率线条按特定条件分为若干特征组，并对每个特征组最长的斜率线条进行处理拟合得到多条特征线条，分块单元250用于将每张边缘图的轮胎花纹利用特征线条的特征信息进行分块处理得到若干特征块。
具体而言，参照附图4～5所示，每张边缘图的每个点有两个取值(x，y)并进行遍历以寻找边缘图中斜率线条，斜率线条还需满足一元函数的计算条件；若一元函数中a确定时，边缘图上每个边缘点(x，y)对应不同的b，对于b相同的边缘点，则有可能连成一条直线，所以需遍历b来寻找线条。通过使用错位相减，错位相减判断条件为一个边缘点的x或y与下一个边缘点的x或y的差值大于等于2，即认为前后是两个不同斜率线条；对于这些斜率线条，还需满足长度和宽度条件，则满足长度和宽度的条件为长度需大于长度阀值，宽度需大于宽度阀值。
参照附图6所示，对于初次拟合，相同斜率的斜率线条，如果b的差值不超过15，两两斜率线条就会进行比较，则留下效果最好的斜率线条，即最优的斜率线条。
参照附图7所示，对于再次拟合，不同斜率的最优的斜率线条，要判断这些线条是否有重合，判断条件即x或y是否存在重合，对用重合的线条选择留下效果最好的线条，即最长的斜率线条。
特定条件具体为位置接近、斜率接近和长度接近的最长的斜率线条。
特征线条的特征信息具体为存放特征角度、开始点的x坐标、结束点的x坐标、长度、最小起始点、最大结束点、最长的斜率线条个数和起始点的平均y。
相似度匹配模块300用于接收至少两张边缘图的每个特征块进行比对，并判断至少两张边缘图的每个特征块之间是否匹配进而输出结果。
相似度匹配模块300包括判断单元310和输出单元320，判断单元310用于将至少两张边缘图的每个特征块进行对比，计算至少两张边缘图的每个特征块之间的相似度，根据相似度判断至少两张边缘图的每个特征块之间是否匹配，输出单元320用于输出匹配结果。
具体而言，两张边缘图的每个特征块进行对比时，其实质是边缘图A的每个特征块与边缘图B的每个特征块进行对比，进一步延伸的说是边缘图A的每个特征块所包含的特征线条与边缘图B的每个特征块所包含的特征线条进行对比，进而可判断两张边缘图知否相似，最终可判断判断两幅轮胎图像是否相似。
实施例二
本发明实施例还公开了一种轮胎花纹一致性的检测方法，参照附图8～11所示，包括以下步骤：
S1，获得至少两张轮胎原始图像，对所述轮胎原始图像进行滤杂处理得到至少两张轮胎局部图像。
在本发明较佳的实施例中，所述获得轮胎原始图像，对所述轮胎原始图像进行滤杂处理得到轮胎局部图像具体步骤为：
S11，获得至少两张轮胎原始图像，基于至少两张所述轮胎原始图像构建至少两张HOG图像；
S12，对每张所述HOG图像进行归一化处理，将每张所述HOG图像中低于预设阀值的梯度信息去除，统计每张所述HOG图像中的每个细胞单元纹理信息的密集程度；
S13，将每张所述HOG图像中所述细胞单元纹理信息的多个连通区域标记，对每张所述HOG图像中的多个所述连通区域按标记从大到小依次排列；
S14，对每张所述HOG图像中的多个所述连通区域逐列扫描以确定轮胎左右边界位置；
S15，将每张所述HOG图像的其他纹理信息进行剪辑后得到轮胎局部图像。
S2，从至少两张所述轮胎局部图像中寻找斜率线条并拟合处理，按特定条件分成若干特征组得到特征线条，将每张边缘图中的轮胎花纹按所述特征线条的特征信息分成若干特征块。
在本发明较佳的实施例中，所述寻找斜率线条，对所述斜率线条进行拟合处理后，按特定条件分成若干特征组得到特征线条，将所述轮胎局部图像中的轮胎花纹按所述特征线条的特征信息分成若干特征块具体步骤为：
S21，使用candy边缘提取将每张所述轮胎局部图像转化为边缘图，并对每张所述边缘图中的每个点进行取值并进行遍历，同时从每张所述边缘图寻找斜率线条；
S22，对每张所述边缘图中相同斜率的斜率线条进行优化拟合，保留最优的斜率线条；
S23，对每张所述边缘图中所述最优的斜率线条进行优化拟合，保留最长的斜率线条；
S24，将每张所述边缘图中所述最长的斜率线条按特定条件分为若干所述特征组，并对每个特征组所述最长的斜率线条进行处理拟合得到多条特征线条；
S25，将每张所述边缘图的轮胎花纹利用所述特征线条的特征信息进行分块处理得到若干所述特征块。
S3，接收至少两张所述边缘图的每个所述特征块进行比对，并判断至少两张所述边缘图的每个所述特征块之间是否匹配进而输出结果。
在本发明较佳的实施例中，所述基于每个所述特征块每个特征线条进行比对，并判断两个特征块之间是否匹配进而输出结果具体步骤为：
S31，将至少两张所述边缘图的每个所述特征块进行对比，计算至少两张所述边缘图的每个所述特征块之间的相似度，根据所述相似度判断至少两张所述边缘图的每个所述特征块之间是否匹配；
S32，输出匹配结果。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个***所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。
结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。
对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语″包含″，该词的涵盖方式类似于术语″包括″，就如同″包括，″在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语″或者″是要表示″非排它性的或者″。
Claims (10)
1.一种轮胎花纹一致性检测***，其特征在于，包括：
图像采集模块，所述图像采集模块用于同步获得至少两张轮胎原始图像，对所述轮胎原始图像进行滤杂处理得到至少两张轮胎局部图像；
特定条件处理模块，所述特定条件处理模块用于从至少两张所述轮胎局部图像中寻找斜率线条并拟合处理后，按特定条件分成若干特征组得到特征线条，将每张边缘图中的轮胎花纹按所述特征线条的特征信息分成若干特征块；
相似度匹配模块，所述相似度匹配模块用于接收至少两张所述边缘图的每个所述特征块进行比对，并判断至少两张所述边缘图的每个所述特征块之间是否匹配进而输出结果。
2.根据权利要求1所述的一种轮胎花纹一致性检测***，其特征在于，所述图像采集模块包括：
获得单元，所述获得单元用于获得至少两张轮胎原始图像，基于至少两张所述轮胎原始图像构建至少两张HOG图像；
归一化处理单元，所述归一化处理单元用于对每张所述HOG图像进行归一化处理，将每张所述HOG图像中低于预设阀值的梯度信息去除，统计每张所述HOG图像中的每个细胞单元纹理信息的密集程度；
标记处理单元，所述标记处理单元用于将每张所述HOG图像中所述细胞单元纹理信息的多个连通区域标记，对每张所述HOG图像中的多个所述连通区域按标记从大到小依次排列；
扫描单元，所述扫描单元用于对每张所述HOG图像中的多个所述连通区域逐列扫描以确定轮胎左右边界位置；
剪辑单元，所述剪辑单元用于将每张所述HOG图像的其他纹理信息进行剪辑后得到轮胎局部图像。
3.根据权利要求2所述的一种轮胎花纹一致性检测***，其特征在于，所述特定条件处理模块包括：
边缘提取单元，所述边缘提取单元用于使用candy边缘提取将每张所述轮胎局部图像转化为边缘图，并对每张所述边缘图中的每个点进行取值并进行遍历，同时从每张所述边缘图寻找斜率线条；
初次拟合单元，所述初次拟合单元用于对每张所述边缘图中相同斜率的斜率线条进行优化拟合，保留最优的斜率线条；
再次拟合单元，所述再次拟合单元用于对每张所述边缘图中所述最优的斜率线条进行优化拟合，保留最长的斜率线条；
特征线条处理单元，所述特征线条处理单元用于将每张所述边缘图中所述最长的斜率线条按特定条件分为若干所述特征组，并对每个特征组所述最长的斜率线条进行处理拟合得到多条特征线条；
分块单元，所述分块单元用于将每张所述边缘图的轮胎花纹利用所述特征线条的特征信息进行分块处理得到若干所述特征块。
4.根据权利要求3所述的一种轮胎花纹一致性检测***，其特征在于，所述特定条件具体为位置接近、斜率接近和长度接近的所述最长的斜率线条。
5.根据权利要求3所述的一种轮胎花纹一致性检测***，其特征在于，所述特征线条的特征信息具体为存放特征角度、开始点的x坐标、结束点的x坐标、长度、最小起始点、最大结束点、最长的斜率线条个数和起始点的平均y。
6.根据权利要求2所述的一种轮胎花纹一致性检测***，其特征在于，所述相似度匹配模块包括：
判断单元，所述判断单元用于将至少两张所述边缘图的每个所述特征块进行对比，计算至少两张所述边缘图的每个所述特征块之间的相似度，根据所述相似度判断至少两张所述边缘图的每个所述特征块之间是否匹配；
输出单元，所述输出单元用于输出匹配结果。
7.一种轮胎花纹一致性的检测方法，应用于权利要求1～6任一项所述的一种轮胎花纹一致性检测***，其特征在于，包括以下步骤：
S1，获得至少两张轮胎原始图像，对所述轮胎原始图像进行滤杂处理得到至少两张轮胎局部图像；
S2，从至少两张所述轮胎局部图像中寻找斜率线条并拟合处理，按特定条件分成若干特征组得到特征线条，将每张边缘图中的轮胎花纹按所述特征线条的特征信息分成若干特征块；
S3，接收至少两张所述边缘图的每个所述特征块进行比对，并判断至少两张所述边缘图的每个所述特征块之间是否匹配进而输出结果。
8.根据权利要求7所述的一种轮胎花纹一致性的检测方法，其特征在于，所述获得轮胎原始图像，对所述轮胎原始图像进行滤杂处理得到轮胎局部图像具体步骤为：
S11，获得至少两张轮胎原始图像，基于至少两张所述轮胎原始图像构建至少两张HOG图像；
S12，对每张所述HOG图像进行归一化处理，将每张所述HOG图像中低于预设阀值的梯度信息去除，统计每张所述HOG图像中的每个细胞单元纹理信息的密集程度；
S13，将每张所述HOG图像中所述细胞单元纹理信息的多个连通区域标记，对每张所述HOG图像中的多个所述连通区域按标记从大到小依次排列；
S14，对每张所述HOG图像中的多个所述连通区域逐列扫描以确定轮胎左右边界位置；
S15，将每张所述HOG图像的其他纹理信息进行剪辑后得到轮胎局部图像。
9.根据权利要求7所述的一种轮胎花纹一致性检测***的检测方法，其特征在于，所述寻找斜率线条，对所述斜率线条进行拟合处理后，按特定条件分成若干特征组得到特征线条，将所述轮胎局部图像中的轮胎花纹按所述特征线条的特征信息分成若干特征块具体步骤为：
S21，使用candy边缘提取将每张所述轮胎局部图像转化为边缘图，并对每张所述边缘图中的每个点进行取值并进行遍历，同时从每张所述边缘图寻找斜率线条；
S22，对每张所述边缘图中相同斜率的斜率线条进行优化拟合，保留最优的斜率线条；
S23，对每张所述边缘图中所述最优的斜率线条进行优化拟合，保留最长的斜率线条；
S24，将每张所述边缘图中所述最长的斜率线条按特定条件分为若干所述特征组，并对每个特征组所述最长的斜率线条进行处理拟合得到多条特征线条；
S25，将每张所述边缘图的轮胎花纹利用所述特征线条的特征信息进行分块处理得到若干所述特征块。
10.根据权利要求7所述的一种轮胎花纹一致性的检测方法，其特征在于，所述基于每个所述特征块每个特征线条进行比对，并判断两个特征块之间是否匹配进而输出结果具体步骤为：
S31，将至少两张所述边缘图的每个所述特征块进行对比，计算至少两张所述边缘图的每个所述特征块之间的相似度，根据所述相似度判断至少两张所述边缘图的每个所述特征块之间是否匹配；
S32，输出匹配结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111029178.5A CN113674270B (zh) | 2021-09-06 | 2021-09-06 | 一种轮胎花纹一致性检测***及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111029178.5A CN113674270B (zh) | 2021-09-06 | 2021-09-06 | 一种轮胎花纹一致性检测***及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113674270A true CN113674270A (zh) | 2021-11-19 |
| CN113674270B CN113674270B (zh) | 2023-11-14 |
Family
ID=78548140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111029178.5A Active CN113674270B (zh) | 2021-09-06 | 2021-09-06 | 一种轮胎花纹一致性检测***及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113674270B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101140624A (zh) * | 2007-10-18 | 2008-03-12 | 清华大学 | 图像匹配方法 |
| CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
| WO2015141302A1 (ja) * | 2014-03-17 | 2015-09-24 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
| CN106919910A (zh) * | 2016-05-12 | 2017-07-04 | 江苏科技大学 | 一种基于hog‑cth组合特征的交通标志识别方法 |
| CN107239780A (zh) * | 2017-04-29 | 2017-10-10 | 安徽慧视金瞳科技有限公司 | 一种多特征融合的图像匹配方法 |
| EP3327470A1 (en) * | 2016-11-25 | 2018-05-30 | Nuctech Company Limited | Method of assisting analysis of radiation image and system using the same |
| US20180204111A1 (en) * | 2013-02-28 | 2018-07-19 | Z Advanced Computing, Inc. | System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform |
| EP3438934A1 (en) * | 2016-03-30 | 2019-02-06 | Equos Research Co., Ltd. | Image recognition device, mobile device and image recognition program |
| CN109685142A (zh) * | 2018-12-25 | 2019-04-26 | 国信优易数据有限公司 | 一种图像匹配方法及装置 |
| CN109993134A (zh) * | 2019-04-04 | 2019-07-09 | 中山大学 | 一种基于hog和svm分类器的道路交叉口车辆检测方法 |
| CN110660071A (zh) * | 2019-08-23 | 2020-01-07 | 中山市奥珀金属制品有限公司 | 一种边缘检测双阈值自动设定方法及*** |
| CN110956200A (zh) * | 2019-11-05 | 2020-04-03 | 哈尔滨工程大学 | 一种轮胎花纹相似度检测方法 |
| JP2020190913A (ja) * | 2019-05-22 | 2020-11-26 | キヤノンメディカルシステムズ株式会社 | 読影支援装置および読影支援方法 |
-
2021
- 2021-09-06 CN CN202111029178.5A patent/CN113674270B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101140624A (zh) * | 2007-10-18 | 2008-03-12 | 清华大学 | 图像匹配方法 |
| CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
| US20180204111A1 (en) * | 2013-02-28 | 2018-07-19 | Z Advanced Computing, Inc. | System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform |
| WO2015141302A1 (ja) * | 2014-03-17 | 2015-09-24 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
| EP3438934A1 (en) * | 2016-03-30 | 2019-02-06 | Equos Research Co., Ltd. | Image recognition device, mobile device and image recognition program |
| CN106919910A (zh) * | 2016-05-12 | 2017-07-04 | 江苏科技大学 | 一种基于hog‑cth组合特征的交通标志识别方法 |
| EP3327470A1 (en) * | 2016-11-25 | 2018-05-30 | Nuctech Company Limited | Method of assisting analysis of radiation image and system using the same |
| CN107239780A (zh) * | 2017-04-29 | 2017-10-10 | 安徽慧视金瞳科技有限公司 | 一种多特征融合的图像匹配方法 |
| CN109685142A (zh) * | 2018-12-25 | 2019-04-26 | 国信优易数据有限公司 | 一种图像匹配方法及装置 |
| CN109993134A (zh) * | 2019-04-04 | 2019-07-09 | 中山大学 | 一种基于hog和svm分类器的道路交叉口车辆检测方法 |
| JP2020190913A (ja) * | 2019-05-22 | 2020-11-26 | キヤノンメディカルシステムズ株式会社 | 読影支援装置および読影支援方法 |
| CN110660071A (zh) * | 2019-08-23 | 2020-01-07 | 中山市奥珀金属制品有限公司 | 一种边缘检测双阈值自动设定方法及*** |
| CN110956200A (zh) * | 2019-11-05 | 2020-04-03 | 哈尔滨工程大学 | 一种轮胎花纹相似度检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| "Optimizing automatic morphological classification of galaxies with machine learning and deep learning using Dark Energy Survey imaging", MONTHLY NOTICES OF THE ROYAL ASTRONOMICAL SOCIETY, vol. 493, no. 3 * |
| GAO, HUIJUN;SONG, CHUNWEI;ZHANG, HONGZHI;ZUO, WANGMENG;DENG, HONG: "Bayesian non-parametric gradient histogram estimation for texture-enhanced image deblurring", NEUROCOMPUTING, no. 12 * |
| 刘超;周激流;何坤;: "基于Canny算法的自适应边缘检测方法", 计算机工程与设计, no. 18 * |
| 陈跃;张晓光;阮殿旭;: "基于模糊梯度法的焊接图像缺陷边缘检测方法", 煤矿机械, no. 01 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113674270B (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Akagic et al. | Pavement crack detection using Otsu thresholding for image segmentation | |
| CN111145161B (zh) | 一种路面裂缝数字图像处理和识别的方法 | |
| CN107729818B (zh) | 一种基于深度学习的多特征融合车辆重识别方法 | |
| Ouma et al. | Pothole detection on asphalt pavements from 2D-colour pothole images using fuzzy c-means clustering and morphological reconstruction | |
| CN109101924B (zh) | 一种基于机器学习的路面交通标志识别方法 | |
| CN108088799B (zh) | 机动车尾气林格曼黑度的测量方法及*** | |
| CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
| CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
| CN108052904B (zh) | 车道线的获取方法及装置 | |
| TWI504858B (zh) | A vehicle specification measuring and processing device, a vehicle specification measuring method, and a recording medium | |
| CN109858438B (zh) | 一种基于模型拟合的车道线检测方法 | |
| CN110428425B (zh) | 一种基于海岸线矢量数据的sar图像海陆分离方法 | |
| CN107563301A (zh) | 基于图像处理技术的红灯信号检测方法 | |
| CN111027544A (zh) | 一种基于视觉显著性检测的mser车牌定位方法及*** | |
| CN114926410A (zh) | 制动盘外观缺陷检测方法 | |
| CN111932494B (zh) | 一种轮胎磨损程度评价方法及装置 | |
| Vajak et al. | A rethinking of real-time computer vision-based lane detection | |
| CN1290049C (zh) | 强反射背景下粗糙纹理工件图像特征点自动提取方法 | |
| CN108268866B (zh) | 一种车辆检测方法和*** | |
| CN103544495A (zh) | 一种识别图像类别的方法及*** | |
| CN112950594A (zh) | 产品表面缺陷的检测方法、设备及存储介质 | |
| CN113674270A (zh) | 一种轮胎花纹一致性检测***及其方法 | |
| Buck et al. | Enhanced ship detection from overhead imagery | |
| CN112069924A (zh) | 车道线检测方法、装置及计算机可读存储介质 | |
| CN116681912A (zh) | 铁路道岔的轨距检测方法及装置 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 266000 building 7, Qingdao Tiangu Industrial Park, Chengyang District, Qingdao City, Shandong Province Applicant after: Shenbang Intelligent Technology Group (Qingdao) Co.,Ltd. Address before: 266000 building 7, Qingdao Tiangu Industrial Park, Chengyang District, Qingdao City, Shandong Province Applicant before: SHENBANG INTELLIGENT TECHNOLOGY (QINGDAO) CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A tire pattern consistency detection system and its method Granted publication date: 20231114 Pledgee: Weihai commercial bank Limited by Share Ltd. Qingdao branch Pledgor: Shenbang Intelligent Technology Group (Qingdao) Co.,Ltd. Registration number: Y2024980011683 |