CN113850786A - 一种检测车辆车门缝隙参数的方法、装置及测量设备 - Google Patents
一种检测车辆车门缝隙参数的方法、装置及测量设备 Download PDFInfo
- Publication number
- CN113850786A CN113850786A CN202111137875.2A CN202111137875A CN113850786A CN 113850786 A CN113850786 A CN 113850786A CN 202111137875 A CN202111137875 A CN 202111137875A CN 113850786 A CN113850786 A CN 113850786A
- Authority
- CN
- China
- Prior art keywords
- edge
- vehicle door
- door gap
- point
- calculating
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000015654 memory Effects 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例涉及测量装置技术领域,公开了一种检测车辆车门缝隙参数的方法、装置及测量设备,所述方法包括:获取所述车辆车门缝隙的点云图像;根据所述点云图像,识别所述车辆车门缝隙相对的第一边缘和第二边缘;从所述第一边缘和第二边缘,提取若干边缘对,其中,每一所述边缘对均包括位于所述第一边缘的第一边缘点和位于第二边缘的第二边缘点,并且所述第一边缘点和第二边缘点相对;计算各所述边缘对中第一边缘点和第二边缘点之间的距离;提取所述距离小于预设距离的边缘对;根据提取到边缘对,计算车辆车门缝隙的参数。通过上述方式,本发明实施例能够精确测量车辆车门缝隙宽度和车辆车门两侧高度差,提高生产质量和效率。
Description
技术领域
本发明实施例涉及测量装置技术领域,特别是涉及一种检测车辆车 门缝隙参数的方法、装置及测量设备。
背景技术
随着汽车行业的发展,汽车零部件的制造水平和装配工艺的质量越 来越受到关注,市面上各种各样的测量设备工具应运而生。
本发明实施例的发明人在实施本发明实施例的过程中,发现:目前, 一辆汽车中同侧车门之间偶尔出现缝隙过大或者存在高度差,但是现场 不同质检人员由于个人测量习惯和测量设备不精确等问题,测量结果差 异较大,不能准确把控汽车组装质量。
发明内容
本发明实施例主要解决的技术问题是提供一种检测车辆车门缝隙 参数的方法、装置及测量设备,能够精确测量车辆车门缝隙宽度和车辆 车门两侧高度差,提高生产质量和效率。
为解决上述技术问题,本发明实施例采用的一个技术方案是:提供 一种检测车辆车门缝隙参数的方法,所述方法包括:获取所述车辆车门 缝隙的点云图像;根据所述点云图像,识别所述车辆车门缝隙相对的第 一边缘和第二边缘;从所述第一边缘和第二边缘,提取若干边缘对,其 中,每一所述边缘对均包括位于所述第一边缘的第一边缘点和位于第二 边缘的第二边缘点,并且所述第一边缘点和第二边缘点相对;计算各所 述边缘对中第一边缘点和第二边缘点之间的距离;提取所述距离小于预 设距离的边缘对;根据提取到边缘对,计算车辆车门缝隙的参数。
可选地,所述根据所述点云图像,识别所述车辆车门缝隙相对的第 一边缘和第二边缘的步骤,进一步包括:将所述点云图像转换至二维灰 度图;沿所述二维灰度图的X轴方向,计算所述二维灰度图中相邻两个 像素的灰度值的差值,并将所述差值作为相邻两个像素中一像素的灰度 值,从而生成梯度图;将所述梯度图中相邻且灰度值大于预设数值的像素连接,得到第一边缘和第二边缘。
可选地,所述方法还包括:将所述点云图像转换至二维灰度图;
所述将所述点云图像转换至二维灰度图的步骤,进一步包括:将去 噪后的所述点云图像转换至二维灰度图。
可选地,所述将所述梯度图中相邻且灰度值大于预设数值的像素连 接,得到第一边缘和第二边缘的步骤之前,所述方法还包括:将所述梯 度图腐蚀膨胀后再细化。
可选地,所述第一边缘中每一第一边缘点和所述第二边缘中每一第 二边缘点均包括若干相邻设置的像素点。
可选地,所述车辆车门缝隙的参数包括车门缝隙宽度;所述根据提 取到边缘对,计算车辆车门缝隙的参数的步骤,进一步包括:将提取到 的所述边缘对的第一边缘点拟合为第一直线,以及,将提取到所述边缘 对的第二边缘点拟合为第二直线;在所述第二直线上选取若干个点坐 标;计算所述若干个坐标点到所述第一直线的第一距离;计算若干所述第一距离的第一平均值,并将所述第一平均值作为车辆车门缝隙的宽 度。
可选地,所述车辆车门缝隙的参数还包括车门缝隙两侧高度差;所 述根据提取到边缘对,计算车辆车门缝隙的参数的步骤,进一步包括: 根据提取到的边缘对中第一边缘点拟合出第一平面;根据提取到的边缘 对中第二边缘点拟合出第二平面;选取第二平面中若干个点坐标;根据 所选取的若干个点坐标,计算所述若干个坐标点到第一平面的第二距离;计算所述若干第二距离的第二平均值,并将所述第二平均值作为车 辆车门缝隙两侧的高度差。
为了解决上述技术问题,本发明实施例采用的另一个技术方案是: 提供一种检测车辆车门缝隙参数的装置,所述装置包括:获取模块,用 于获取所述车辆车门缝隙的点云图像;识别模块,用于根据所述点云图 像,识别所述车辆车门缝隙相对的第一边缘和第二边缘;第一计算模块, 用于计算各所述边缘对中第一边缘点和第二边缘点之间的距离;提取模 块,用于提取所述距离小于预设距离的边缘对;第二计算模块,用于根 据提取到边缘对,计算车辆车门缝隙的参数。
为了解决上述技术问题,本发明实施例采用的再一个技术方案是: 提供一种测量设备,包括:底座;图像采集装置,用于采集车辆车门缝 隙的点云图像;控制器,包括:至少一个处理器,以及,与所述至少一 个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一 个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述 至少一个处理器能够执行上述的方法。
为解决上述技术问题,本发明实施例采用的还一个技术方案是:提 供一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可 读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使服 务器执行上述的方法。
本发明实施例的有益效果是:区别于现有技术的情况,本发明实施 例通过先取所述车辆车门缝隙的点云图像,再根据所述点云图像,识别 所述车辆车门缝隙相对的第一边缘和第二边缘,然后从所述第一边缘和 第二边缘,提取若干边缘对,计算各所述边缘对中第一边缘点和第二边 缘点之间的距离,提取所述距离小于预设距离的边缘对,根据提取到边 缘对,计算车辆车门缝隙的参数,实现对车辆车门缝隙的自动化检测, 无需要人工检测,节省人工成本。
附图说明
图1是本发明检测车辆车门缝隙参数方法的应用环境的示意图;
图2是本发明检测车辆车门缝隙参数方法实施例的流程图;
图3是本发明检测车辆车门缝隙参数方法实施例中的识别车辆车门 缝隙相对的第一边缘和第二边缘的流程图;
图4是本发明检测车辆车门缝隙参数方法实施例中的提取车辆车门 缝隙的宽度的流程图;
图5是本发明检测车辆车门缝隙参数方法实施例中提取车辆车门缝 隙的高度差的流程图;
图6是本发明检测车辆车门缝隙参数的装置实施例的结构框图;
图7是本发明检测车辆车门缝隙参数的测量设备实施例的示意图。
具体实施例
为了便于理解本发明,下面结合附图和具体实施例,对本发明进行 更详细的说明。需要说明的是,当元件被表述“固定于”另一个元件, 它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元 件。当一个元件被表述“连接”另一个元件,它可以是直接连接到另一 个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的 术语“上”、“下”、“内”、“外”、“垂直的”、“水平的”等指 示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于 描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有 特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为 指示或暗示相对重要性。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本 发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中 所使用的术语只是为了描述具体的实施例的目的,不是用于限制本发 明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的 任意的和所有的组合。
此外,下面所描述的本发明不同实施例中所涉及的技术特征只要彼 此之间未构成冲突就可以相互结合。
请参阅图1,图1是本发明检测车辆车门缝隙参数方法的应用环境 的示意图,该应用环境包括汽车40和测量设备1,测量设备1包括底座 30、图像采集装置20和控制器10,图像采集装置20设置于底座30上, 并且图像采集装置20的取景镜头21朝向汽车,用于采集车辆车门缝隙 的点云图像,控制器10用于根据点云图像识别车辆车门缝隙的参数。
可以理解的是,测量设备1可以安装在汽车生产线一侧,在汽车生 产线运动过程中,测量设备1同步进行车辆车门缝隙的参数的检测,实 现流水线产品检测。
图2示出了根据本发明一个实施例的检测车辆车门缝隙参数方法的 流程图,如图2所示,该方法包括以下步骤:
步骤S110,获取所述车辆车门缝隙的点云图像;
所述车辆车门缝隙为车辆同一侧相邻两个车门关闭时两者之间的 缝隙,例如:前车门与后车门之间的缝隙。所述的点云图像为3D立体 点云图像。当测量设备装备到流水线时,当流水线上的车辆经过测量设 备时,测量设备对车辆车门处进行扫描,得到3D点云图像,并将3D传 送至控制器中。
步骤S120,根据所述点云图像,识别所述车辆车门缝隙相对的第一 边缘和第二边缘;
在本发明实施例中,所述的第一边缘和第二边缘的位置不作限定, 可以是第一边缘在车辆前车门,第二边缘在车辆后车门,也可以是第一 边缘在车辆后车门,第二边缘在车辆前车门,只有当第一边缘的位置确 定后,第二边缘的位置才被确定。
在一些实施例中,请参阅图3,步骤S120包括:
步骤S1201,将所述点云图像转换至二维灰度图;二维灰度图是指 只包含黑色和白色两种颜色的附图,而二维灰度图中,边缘上的像素点 与边缘附近的像素点的灰度值差距通常是非常大,因此,先将点云图像 转换为二维灰度图,有利于提取第一边缘和第二边缘。
在一些实施例中,将所述点云图像转换至二维灰度图是按高度信 息,将3D点云图像转换至二维灰度图之后而,而二维灰度图可以为8bit (0-255)的二维灰度图。
步骤S1202,沿所述二维灰度图的X轴方向,计算所述二维灰度图 中相邻两个像素的灰度值的差值,并将所述差值作为相邻两个像素中一 像素的灰度值,从而生成梯度图;
边缘上的像素点与边缘附近的像素点的灰度值差距是非常大,而边 缘之外的其它像素点的灰度值非常接近,因此,转换为梯度图之后,第 一边缘和第二边缘会更加凸出,更加有利于提取边缘。所述的X轴的方 向为所述二维灰度图的宽度方向。
步骤S1203,将所述梯度图中相邻且灰度值大于预设数值的像素连 接,得到第一边缘和第二边缘;
预设数值的具体数值不作限定,可以根据实际情况设定。
在一些实施例中,为了更好地提取第一边缘和第二边缘,可以先对 将所述梯度图腐蚀膨胀后再细化,然后基于细化后的梯度图提取第一边 缘和第二边缘。
在一些实施例中,测量设备拍摄所得到的原始3D点云图像往往存 在许多干扰测量的噪点,因此在转换为二维灰度图之前,需要对原始3D 点云图像先进行噪点去除处理,然后将去噪后的所述点云图像转换至二 维灰度图,通过去噪处理,可以减少噪点的干扰,有利于更准确提取第 一边缘和第二边缘。
步骤S130,从所述第一边缘和第二边缘,提取若干边缘对,其中, 每一所述边缘对均包括位于所述第一边缘的第一边缘点和位于第二边 缘的第二边缘点,并且所述第一边缘点和第二边缘点相对;
在本发明实施例中,所述第一边缘点与第二边缘点的连线与所述梯 度图中图像的中心对称线垂直,而不是与所述X轴方向平行。
步骤S140,计算各所述边缘对中第一边缘点和第二边缘点之间的距 离。
步骤S150,提取所述距离小于预设距离的边缘对;
预设距离是预先定义的数值,对预设距离的数值不作限定,可以根 据实际情况设置。当然,如果不存在小于预设距离达到边缘对时,则说 明第一边缘和第二边缘之间的距离过大,可以直接提醒工作人员。
步骤S160,根据提取到边缘对,计算车辆车门缝隙的参数。
所述车辆车门缝隙的参数包括车门缝隙宽度和车门缝隙两侧高度 差,步骤S160可以计算车门缝隙宽度,也可以计算车门缝隙两侧高度 差,又或者,同时计算车门缝隙宽度和车门缝隙两侧高度差。
(1)当计算车门缝隙宽度时,请参阅图4,步骤S160包括:
步骤S1611,将提取到的所述边缘对的第一边缘点拟合为第一直线, 以及,将提取到所述边缘对的第二边缘点拟合为第二直线;
步骤S1612,在所述第二直线上选取若干个点坐标;
步骤S1613,计算所述若干个坐标点到所述第一直线的第一距离;
步骤S1614,计算若干所述第一距离的第一平均值,并将所述第一 平均值作为车辆车门缝隙的宽度。
(2)当计算车门缝隙两侧高度差时,请参阅图5,步骤S160包括: 步骤S1621,根据提取到的边缘对中第一边缘点拟合出第一平面;
步骤S1622,根据提取到的边缘对中第二边缘点拟合出第二平面;
步骤S1623,选取第二平面中若干个点坐标;
步骤S1624,根据所选取的若干个点坐标,计算所述若干个坐标点 到第一平面的第二距离;
步骤S1625,计算所述若干第二距离的第二平均值,并将所述第二 平均值作为车辆车门缝隙两侧的高度差。
在本发明实施例中,先取所述车辆车门缝隙的点云图像,再根据所 述点云图像,识别所述车辆车门缝隙相对的第一边缘和第二边缘,然后 从所述第一边缘和第二边缘,提取若干边缘对,计算各所述边缘对中第 一边缘点和第二边缘点之间的距离,提取所述距离小于预设距离的边缘 对,根据提取到边缘对,计算车辆车门缝隙的参数,实现对车辆车门缝 隙的自动化检测,无需要人工检测,节省人工成本。
本发明还提供检测车辆车门缝隙参数的装置50实施例,请参阅图6, 图6示出了本发明一种检测车辆车门缝隙参数的装置50的功能框图, 所述装置50包括:获取模块501、识别模块502、第一提取模块403、 第一计算模块404、第二提取模块505以及第二计算模块506,其中, 获取模块501用于获取所述车辆车门缝隙的点云图像;识别模块502用 于根据所述点云图像,识别所述车辆车门缝隙相对的第一边缘和第二边 缘;第一提取模块403用于从所述第一边缘和第二边缘,提取若干边缘 对,其中,每一所述边缘对均包括位于所述第一边缘的第一边缘点和位 于第二边缘的第二边缘点,并且所述第一边缘点和第二边缘点相对;第 一计算模块404用于计算各所述边缘对中第一边缘点和第二边缘点之间 的距离;第二提取模块505用于提取所述距离小于预设距离的边缘对; 第二计算模块506用于根据提取到边缘对,计算车辆车门缝隙的参数。
其中,识别模块502包括:转换单元5021、第一计算单元5022、 连接单元5023、去噪单元5024以及腐蚀膨胀细化单元5025,其中,转 换单元5021用于将所述点云图像转换至二维灰度图;第一计算单元5022 用于沿所述二维灰度图的X轴方向,计算所述二维灰度图中相邻两个像 素的灰度值的差值,并将所述差值作为相邻两个像素中一像素的灰度 值,从而生成梯度图;连接单元5023用于将所述梯度图中相邻且灰度 值大于预设数值的像素连接,得到第一边缘和第二边缘,去噪单元5024 用于将所述点云图像的噪点去除,腐蚀膨胀细化单元5025用于将所述 梯度图腐蚀膨胀后再细化。
其中,第二计算模块506包括:第一拟合单元5061、第一选取单元 5062、第二计算单元5063、第三计算单元5064、第二拟合单元5065、 第二选取单元5066、第四计算单元5067以及第五计算单元5068,其中, 第一拟合单元5061用于将提取到的所述边缘对的第一边缘点拟合为第 一直线,以及,将提取到所述边缘对的第二边缘点拟合为第二直线;第 一选取单元5062用于在所述第二直线上选取若干个点坐标;第二计算 单元5063用于计算所述若干个坐标点到所述第一直线的第一距离;第 三计算单元5064用于计算若干所述第一距离的第一平均值,并将所述 第一平均值作为车辆车门缝隙的宽度,第二拟合单元5065用于根据提 取到的边缘对中第一边缘点拟合出第一平面;根据提取到的边缘对中第 二边缘点拟合出第二平面;第二选取单元5066用于选取第二平面中若 干个点坐标;第四计算单元5067用于根据所选取的若干个点坐标,计 算所述若干个坐标点到第一平面的第二距离;第五计算单元5068用于 计算所述若干第二距离的第二平均值,并将所述第二平均值作为车辆车门缝隙两侧的高度差。
在本发明实施例中,通过获取模块501来获取车辆车门的缝隙图像, 并通过识别模块502识别出车辆车门缝隙的第一边缘以及第二边缘,然 后通过第一提取模块403得到若干边缘对,再通过第一计算模块404以 及第二提取模块505得到合适的边缘对,最后通过第二计算模块506计 算得出车辆车门缝隙的宽度以及车门缝隙两侧的高度差,通过本发明实 施例,可以实现对车辆车门缝隙的自动化检测并且计算车门缝隙宽度以 及缝隙两侧高度差等参数,整个过程无需要人工检测,节省人工成本且 提高了检测效率。
本发明还提供测量设备的实施例,请参见图7,图7是本发明供测 量设备实施例的示意图,所述测量设备的控制器包括:至少一个处理器 701;以及,与所述至少一个处理器701通信连接的存储器702,图7中 以其以一个处理器701为例。所述存储器702存储有可被所述至少一个 处理器701执行的指令,所述指令被所述至少一个处理器701执行,以 使所述至少一个处理器701能够执行上述图2至图5所述的检测车辆车 门缝隙参数的方法,以及,执行上述图6所述的检测车辆车门缝隙参数 的装置。所述处理器701和所述存储器702可以通过总线或者其他方式 连接,图7中以通过总线连接为例。
存储器702作为一种非易失性计算机可读存储介质,可用于存储非 易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施 例中的检测车辆车门缝隙参数的方法对应的程序指令/模块,例如,附 图6所示的各个模块。处理器701通过运行存储在存储器702中的非易 失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数 据处理,即实现上述方法实施例检测车辆车门缝隙参数的方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区 可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储 根据检测车辆车门缝隙参数的装置的使用所创建的数据等。此外,存储 器702可以包括高速随机存取存储器,还可以包括非易失性存储器,例 如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存 储器,这些远程存储器可以通过网络连接至检测车辆车门缝隙参数的装 置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动 通信网及其组合。
所述一个或者多个模块存储在所述存储器702中,当被所述一个或 者多个处理器701执行时,执行上述任意方法实施例中的检测车辆车门 缝隙参数的方法,例如,执行以上描述的图2至图5的方法步骤,以及, 执行上述图6所述的检测车辆车门缝隙参数的装置。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的 功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本 申请实施例所提供的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质,所述计 算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一 个或多个处理器执行,例如,执行以上描述的图2至图5的方法步骤, 以及,执行上述图6所述的检测车辆车门缝隙参数的装置。
本申请实施例还提供了一种计算机程序产品,包括存储在非易失性 计算机可读存储介质上的计算程序,所述计算机程序包括程序指令,当 所述程序指令被计算机执行时时,使所述计算机执行上述任意方法实施 例中的检测车辆车门缝隙参数的方法,例如,执行以上描述的图2至图 5的方法步骤,以及,执行上述图6所述的检测车辆车门缝隙参数的装 置。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围, 凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或 直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保 护范围内。
Claims (10)
1.一种检测车辆车门缝隙参数的方法,其特征在于,所述方法包括:
获取所述车辆车门缝隙的点云图像;
根据所述点云图像,识别所述车辆车门缝隙相对的第一边缘和第二边缘;
从所述第一边缘和第二边缘,提取若干边缘对,其中,每一所述边缘对均包括位于所述第一边缘的第一边缘点和位于第二边缘的第二边缘点,并且所述第一边缘点和第二边缘点相对;
计算各所述边缘对中第一边缘点和第二边缘点之间的距离;
提取所述距离小于预设距离的边缘对;
根据提取到边缘对,计算车辆车门缝隙的参数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述点云图像,识别所述车辆车门缝隙相对的第一边缘和第二边缘的步骤,进一步包括:
将所述点云图像转换至二维灰度图;
沿所述二维灰度图的X轴方向,计算所述二维灰度图中相邻两个像素的灰度值的差值,并将所述差值作为相邻两个像素中一像素的灰度值,从而生成梯度图;
将所述梯度图中相邻且灰度值大于预设数值的像素连接,得到第一边缘和第二边缘。
3.根据权利要求2所述的方法,其特征在于,所述将所述点云图像转换至二维灰度图的步骤,进一步包括:
将去噪后的所述点云图像转换至二维灰度图。
4.根据权利要求2所述的方法,其特征在于,所述将所述梯度图中相邻且灰度值大于预设数值的像素连接,得到第一边缘和第二边缘的步骤之前,所述方法还包括:
将所述梯度图腐蚀膨胀后再细化。
5.根据权利要求2所述的方法,其特征在于,所述第一边缘中每一第一边缘点和所述第二边缘中每一第二边缘点均包括若干相邻设置的像素点。
6.根据权利要求1所述的方法,其特征在于,
所述车辆车门缝隙的参数包括车门缝隙宽度;
所述根据提取到边缘对,计算车辆车门缝隙的参数的步骤,进一步包括:将提取到的所述边缘对的第一边缘点拟合为第一直线,以及,将提取到所述边缘对的第二边缘点拟合为第二直线;
在所述第二直线上选取若干个点坐标;
计算所述若干个坐标点到所述第一直线的第一距离;
计算若干所述第一距离的第一平均值,并将所述第一平均值作为车辆车门缝隙的宽度。
7.根据权利要求1所述的方法,其特征在于,
所述车辆车门缝隙的参数还包括车门缝隙两侧高度差;
所述根据提取到边缘对,计算车辆车门缝隙的参数的步骤,进一步包括:
根据提取到的边缘对中第一边缘点拟合出第一平面;
根据提取到的边缘对中第二边缘点拟合出第二平面;
选取第二平面中若干个点坐标;
根据所选取的若干个点坐标,计算所述若干个坐标点到第一平面的第二距离;
计算所述若干第二距离的第二平均值,并将所述第二平均值作为车辆车门缝隙两侧的高度差。
8.一种检测车辆车门缝隙参数的装置,其特征在于,所述装置包括:
获取模块,用于获取所述车辆车门缝隙的点云图像;
识别模块,用于根据所述点云图像,识别所述车辆车门缝隙相对的第一边缘和第二边缘;
第一计算模块,用于计算各所述边缘对中第一边缘点和第二边缘点之间的距离;
提取模块,用于提取所述距离小于预设距离的边缘对;
第二计算模块,用于根据提取到边缘对,计算车辆车门缝隙的参数。
9.一种测量设备,包括:
底座;
图像采集装置,用于采集车辆车门缝隙的点云图像;
控制器,包括:至少一个处理器,以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-7任一项所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使服务器执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111137875.2A CN113850786A (zh) | 2021-09-27 | 2021-09-27 | 一种检测车辆车门缝隙参数的方法、装置及测量设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111137875.2A CN113850786A (zh) | 2021-09-27 | 2021-09-27 | 一种检测车辆车门缝隙参数的方法、装置及测量设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113850786A true CN113850786A (zh) | 2021-12-28 |
Family
ID=78980234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111137875.2A Pending CN113850786A (zh) | 2021-09-27 | 2021-09-27 | 一种检测车辆车门缝隙参数的方法、装置及测量设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113850786A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115187552A (zh) * | 2022-07-14 | 2022-10-14 | 南京思飞捷软件科技有限公司 | 一种基于边缘检测的车身门缝检测方法 |
CN116228831A (zh) * | 2023-05-10 | 2023-06-06 | 深圳市深视智能科技有限公司 | 耳机接缝处的段差测量方法及***、校正方法、控制器 |
CN117173186A (zh) * | 2023-11-03 | 2023-12-05 | 南通苏禾车灯配件有限公司 | 一种列车车门缝隙参数检测方法及*** |
-
2021
- 2021-09-27 CN CN202111137875.2A patent/CN113850786A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115187552A (zh) * | 2022-07-14 | 2022-10-14 | 南京思飞捷软件科技有限公司 | 一种基于边缘检测的车身门缝检测方法 |
WO2024011851A1 (zh) * | 2022-07-14 | 2024-01-18 | 南京思飞捷软件科技有限公司 | 一种基于边缘检测的车身门缝检测方法 |
CN116228831A (zh) * | 2023-05-10 | 2023-06-06 | 深圳市深视智能科技有限公司 | 耳机接缝处的段差测量方法及***、校正方法、控制器 |
CN116228831B (zh) * | 2023-05-10 | 2023-08-22 | 深圳市深视智能科技有限公司 | 耳机接缝处的段差测量方法及***、校正方法、控制器 |
CN117173186A (zh) * | 2023-11-03 | 2023-12-05 | 南通苏禾车灯配件有限公司 | 一种列车车门缝隙参数检测方法及*** |
CN117173186B (zh) * | 2023-11-03 | 2024-03-05 | 南通苏禾车灯配件有限公司 | 一种列车车门缝隙参数检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kropp et al. | Interior construction state recognition with 4D BIM registered image sequences | |
CN113850786A (zh) | 一种检测车辆车门缝隙参数的方法、装置及测量设备 | |
US10102433B2 (en) | Traveling road surface detection apparatus and traveling road surface detection method | |
US8818077B2 (en) | Stereo image matching apparatus and method | |
CN107025663B (zh) | 视觉***中用于3d点云匹配的杂波评分***及方法 | |
CN106296666B (zh) | 一种彩色图像去阴影方法和应用 | |
CN108694741B (zh) | 一种三维重建方法及装置 | |
Rashidi et al. | Innovative stereo vision-based approach to generate dense depth map of transportation infrastructure | |
CN104574393A (zh) | 一种三维路面裂缝图像生成***和方法 | |
CN102915545A (zh) | 一种基于OpenCV的视频目标跟踪算法 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测*** | |
CN106096555A (zh) | 三维面部检测的方法和装置 | |
CN110876053A (zh) | 图像处理装置、驾驶支援***及记录介质 | |
CN114726978A (zh) | 信息处理装置、信息处理方法以及程序 | |
CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
CN112837384A (zh) | 车辆标记方法、装置和电子设备 | |
CN115631199B (zh) | pin针缺陷检测方法、装置、设备及存储介质 | |
CN104200460A (zh) | 基于图像特征和互信息的图像配准方法 | |
CN106651803A (zh) | 户型数据的识别方法及装置 | |
CN114998864A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
CN103837098A (zh) | 屏幕检测装置及方法 | |
CN103208013A (zh) | 一种基于图像噪声分析的照片来源识别方法 | |
Miljanovic et al. | Detection of windows in facades using image processing algorithms | |
KR102476701B1 (ko) | 구조물 외관 조사망도 구축 시스템 및 방법 | |
US20220392103A1 (en) | Visual positioning method, mobile machine using the same, and computer readable storage medium |
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 |