CN114219806B

CN114219806B - 一种汽车雷达检测方法、装置、设备、介质及产品

Info

Publication number: CN114219806B
Application number: CN202210161446.7A
Authority: CN
Inventors: 不公告发明人
Original assignee: Chengdu Shulian Cloud Computing Technology Co ltd
Current assignee: Chengdu Shulian Cloud Computing Technology Co ltd
Priority date: 2022-02-22
Filing date: 2022-02-22
Publication date: 2022-04-22
Anticipated expiration: 2042-02-22
Also published as: CN114219806A

Abstract

本申请公开了一种汽车雷达检测方法、装置、设备、介质及产品，该方法包括：获取待检测图像，所述待检测图像中包括第一bbox包围框，所述第一bbox包围框包括参考部件所在区域；基于所述第一bbox包围框和相对位置信息，获得包含待检测区域的局部图像；其中，所述相对位置信息为所述第一bbox包围框的中心坐标与所述待检测区域的中心坐标的相对距离；对所述局部图像中各区域进行轮廓提取，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点；遍历所述闭合区域轮廓的边界像素点，获得所述闭合区域轮廓的圆度值；根据所述闭合区域轮廓的圆度值，判断所述局部图像中是否含有雷达。解决了现有检测技术容易出现漏检误检的技术问题。

Description

一种汽车雷达检测方法、装置、设备、介质及产品

技术领域

本申请涉及汽车雷达检测技术领域，具体涉及一种汽车雷达检测方法、装置、设备、介质及产品。

背景技术

在汽车装配过程中，不同车型会有不同的外饰件配置，而由于人工的疏忽或者装配设备的问题可能会导致车辆在配置过程中出现漏配的技术问题。

因此通常汽车工厂会在汽车出厂时设置一条用于检测外饰件配置情况的检测线，但由于汽车雷达等小部件面积太小，容易出现误检的问题。

发明内容

本申请的主要目的在于提供一种汽车雷达检测方法、装置、设备、介质及产品，解决现有检测技术容易出现漏检误检的技术问题。

为实现上述目的，本申请的实施例提供一种汽车雷达检测方法，包括：

获取待检测图像，所述待检测图像中包括第一bbox包围框，所述第一bbox包围框包括参考部件所在区域；

基于所述第一bbox包围框和相对位置信息，获得包含待检测区域的局部图像；其中，所述相对位置信息为所述第一bbox包围框的中心坐标与所述待检测区域的中心坐标的相对距离；

对所述局部图像中各区域进行轮廓提取，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点；

遍历所述闭合区域轮廓的边界像素点，获得所述闭合区域轮廓的圆度值；

根据所述闭合区域轮廓的圆度值，判断所述局部图像中是否含有雷达。

可选地，所述基于所述第一bbox包围框和相对位置信息，获得包含待检测区域的局部图像的步骤，包括：

基于所述第一bbox包围框和相对位置信息，获得所述待检测区域的中心坐标；

基于所述待检测区域的中心坐标，获得所述包含待检测区域的局部图像。

在上述技术方案中，所述相对位置信息为所述第一bbox包围框的中心坐标与所述待检测区域的中心坐标的相对距离；在具体实施过程中，由于实物中轮毂和雷达的相对位置是固定的，基于此，可利用轮毂坐标位置（即第一bbox包围框），根据实物中轮毂和雷达的相对位置，进行坐标平移，以确定雷达所在待检测区域；即通过上述技术方案可以对雷达所在待检测区域的局部图像进行确定。

可选地，所述基于所述待检测区域的中心坐标，获得所述包含待检测区域的局部图像的步骤，包括：

基于所述待检测区域的中心坐标，对所述待检测区域的中心坐标设置偏置项，以获得所述包含待检测区域的局部图像。

在上述可选方案中，所述偏置项为根据不同车型所设置的经验值，并且所述偏置项的选取应当满足，使所获得的待检测区域的局部图像包含有完整的待检测区域，进而保证后续提取所述局部图像中各区域时包含了待检测区域的边缘轮廓，以保证不会存在因局部图像中不存在雷达而导致的漏检雷达风险。因此，通过上述技术方案，可以获得包含完整雷达的局部图像。

可选地，所述对所述局部图像中各区域进行轮廓提取，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点的步骤，包括：

对所述局部图像进行二值化处理，获得黑白图像；

基于所述黑白图像，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点。

在上述技术方案中，由于原始图像（即待检测图像）一般为彩色图像（RGB图像），为了后续按照统一的像素进行像素遍历，在本实施例中，可以首先将局部转换为黑白图像；将局部图像转换为黑白图像后，可以初步筛除一些干扰区域，更有利于后续计算机程序对所述局部图像中各区域进行轮廓提取，使得所获取的所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点更为精准。

可选地，所述基于所述黑白图像，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点的步骤，包括：

对所述黑白图像进行像素膨胀处理，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点。

在上述技术方案中，通过对所提取的非闭合区域轮廓的黑白图像进行像素膨胀处理，获得闭合边缘轮廓，再对所述闭合边缘轮廓的圆度值进行计算，提高了判断所述闭合区域轮廓是否为雷达的准确性。

可选地，所述遍历所述闭合区域轮廓的边界像素点，获得所述闭合区域轮廓的圆度值的步骤，包括：

基于所述局部图像的闭合区域轮廓，获得所述闭合区域轮廓的最小外接圆；

基于所述闭合区域轮廓的边界像素点和所述闭合区域轮廓的最小外接圆，获得所述边界像素点与所述最小外接圆圆心的距离；

基于所述边界像素点与所述最小外接圆圆心的距离，获得所述闭合区域轮廓的圆度值。

在汽车制造领域，通常雷达部件的外形被制造为圆形，因此在基于图像识别方法判断所述待检测区域是否为雷达时，则需要判断所述待检测区域是否为圆形，如果是则为雷达，如果不是则不是雷达。当然这里的待检测区域是指已经筛除了一些其他包含圆形部件的局部图像。而为了判断所述待检测区域是否为圆形，则需要对所述待检测区域的圆度值进行计算，因此需要对所述局部图像的闭合区域轮廓进行最小外接圆计算。在上述技术方案中，为了提高判断所述闭合区域轮廓是否为雷达的准确性，基于所述闭合区域轮廓的边界像素点和所述闭合区域轮廓的最小外接圆，获得所述边界像素点与所述最小外接圆圆心的距离，以便于后续更为准确的判断所述闭合区域轮廓是否为圆形。

可选地，所述基于所述边界像素点与所述最小外接圆圆心的距离，获得所述闭合区域轮廓的圆度值的步骤，包括：

基于所述边界像素点与所述最小外接圆圆心的距离，获得所述边界像素点中各像素点与所述最小外接圆圆心的平均距离；

基于所述距离和所述平均距离，获得所述距离与所述平均距离的平均偏差；

基于所述平均偏差，获得所述闭合区域轮廓的圆度值。

在上述技术方案中，为了更准确计算所述闭合区域的圆度值，在计算所述边界像素点与所述最小外接圆圆心的距离后，再对所述边界像素点中各像素点与所述最小外接圆圆心的平均距离进行计算；并基于所述距离和所述平均距离，获得所述距离与所述平均距离的平均偏差；再基于所述平均偏差，获得所述闭合区域轮廓的圆度值。

可选地，所述平均距离满足如下关系式：

其中，R为所述边界像素点中各像素点与所述最小外接圆圆心的平均距离，N为边界像素点中的像素点个数，

为第i个轮廓边界像素点到最小外接圆圆心的距离。

通过上述公式，可以基于所提取到的N个轮廓边界像素点到最小外接圆圆心的距离，准确计算出所述边界像素点中各像素点与所述最小外接圆圆心的平均距离，以用于后续平均偏差的计算。

可选地，所述平均偏差满足如下关系式：

其中，S为所述距离与所述平均距离的平均偏差，N为边界像素点中的像素点个数，

为第i个轮廓边界像素点到最小外接圆圆心的距离，R为所述边界像素点中各像素点与所述最小外接圆圆心的平均距离。

通过上述公式，可以基于所提取到的N个轮廓边界像素点到最小外接圆圆心的距离，和所述边界像素点中各像素点与所述最小外接圆圆心的平均距离，获得准确的所述距离与所述平均距离的平均偏差，以用于后续圆度值的计算。

可选地，所述闭合区域轮廓的圆度值满足如下关系式：

其中，Roundness为所述目标部件位置的闭合区域轮廓的圆度值，S为所述距离与所述平均距离的平均偏差，R为所述边界像素点中各像素点与所述最小外接圆圆心的平均距离。

通过上述公式，可以基于所述距离与所述平均距离的平均偏差、以及所述边界像素点中各像素点与所述最小外接圆圆心的平均距离，获得所述目标部件位置的闭合区域轮廓的圆度值，用于后续判断所述局部图像中是否含有雷达。

可选地，所述根据所述闭合区域轮廓的圆度值，判断所述局部图像中是否含有雷达的步骤，包括：

根据所述闭合区域轮廓的圆度值与预设的圆度阈值的关系，判断所述局部图像中是否含有雷达。

在上述技术方案中，由于拍摄角度不同，因而所拍摄的雷达区域可能为正圆形、椭圆形等，因此在具体实施过程中，可以提前设置好圆度阈值，并将所述圆度阈值与所述闭合区域轮廓的圆度值进行对比，如果圆度值大于所述圆度阈值，则所述局部图像中含有雷达。

可选地，所述根据所述闭合区域轮廓的圆度值与预设的圆度阈值的关系，判断所述局部图像中是否含有雷达的步骤，包括：

将所述闭合区域轮廓的圆度值与预设的圆度阈值进行比较；

若所述闭合区域轮廓的圆度值大于预设的圆度阈值，则将圆度值大于预圆度阈值的目标闭合区域轮廓确定为雷达。

在上述技术方案中，当所述闭合区域轮廓为标准圆形时，则圆度值应当等于1，若所述闭合区域轮廓为非标准圆形时，则其越接近标准圆形，所对应的圆度值也越接近1。同时如上所述，由于在实际操作过程中，由于拍摄角度原因，所获得的待检测图像不一定为正前方图像，有可能为俯视或仰视，那么必然所述待检测图像中的雷达区域外形并非标准圆形，有可能为椭圆形。因此为了适应实际操作，本申请在设置圆度阈值时可以根据需要进行设置，也可以通过历史数据得出；例如，根据历史数据中，圆度值达到多少，判断对应的闭合区域轮廓确定为雷达，来进行圆度阈值的设置。举例说明，如将圆度阈值设置为0.8，则既能满足大部分椭圆形的圆度值需求，也能将其余非圆形闭合区域轮廓筛除。这样既能满足不同拍摄场景下，对雷达的精准检出，又能最大程度的避免其余非雷达部件的干扰，从而提高了检测雷达的精准度。

可选地，所述参考部件包括：轮毂。

在上述技术方案中，由于轮毂距离雷达较近、且较具有标识性，因此为了便于初始待检测图像的获取，将所述参考部件设置为轮毂。

此外，为实现上述目的，本申请的实施例还提供一种汽车雷达检测装置，包括：

图像获取模块，获取待检测图像，所述待检测图像中包括第一bbox包围框，所述第一bbox包围框包括参考部件所在区域；

第一获得模块，基于所述第一bbox包围框和相对位置信息，获得包含待检测区域的局部图像；其中，所述相对位置信息为所述第一bbox包围框的中心坐标与所述待检测区域的中心坐标的相对距离；

第二获得模块，对所述局部图像中各区域进行轮廓提取，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点；

第三获得模块，遍历所述闭合区域轮廓的边界像素点，获得所述闭合区域轮廓的圆度值；

判断模块，根据所述闭合区域轮廓的圆度值，判断所述局部图像中是否含有雷达。

此外，为实现上述目的，本申请的实施例还提供一种电子设备，该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现前述的方法。

此外，为实现上述目的，本申请的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现前述的方法。

此外，为实现上述目的，本申请的实施例还提供一种计算机程序产品，所述计算机程序产品在被处理器时，实现前述的方法。

与现有技术相比，本申请的有益效果在于：

本申请的实施例提供一种汽车雷达检测方法、装置、设备及介质，该方法包括：获取待检测图像，所述待检测图像中包括第一bbox包围框，所述第一bbox包围框包括参考部件所在区域；基于所述第一bbox包围框和相对位置信息，获得包含待检测区域的局部图像；其中，所述相对位置信息为所述第一bbox包围框的中心坐标与所述待检测区域的中心坐标的相对距离；对所述局部图像中各区域进行轮廓提取，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点；遍历所述闭合区域轮廓的边界像素点，获得所述闭合区域轮廓的圆度值；根据所述闭合区域轮廓的圆度值，判断所述局部图像中是否含有雷达。也即，通过在坐标系中对所述局部图像的闭合区域轮廓的边界像素点进行像素级的遍历计算，获得所述闭合区域轮廓的圆度值，来判断所述局部图像中是否含有雷达。相对于现有的检测雷达技术，解决了由于汽车雷达面积太小，容易出现误检的问题，提高了检测精度。

附图说明

图1为本申请的实施例涉及的硬件运行环境的电子设备结构示意图；

图2为本申请的实施例提供的一种汽车雷达检测方法的流程示意图；

图3为本申请的实施例中的一张待检测图像；

图4为图2中步骤S20一种具体实现方法的流程示意图；

图5为本申请的实施例中的一张包含待检测区域的局部图像；

图6为图2中步骤S30一种具体实现方法的流程示意图；

图7为本申请的实施例中的一张局部图像的非闭合区域轮廓图；

图8为本申请的实施例中的一张局部图像的闭合区域轮廓图；

图9为图2中步骤S40一种具体实现方法的流程示意图；

图10为图8中步骤S403一种具体实现方法的流程示意图；

图11为图2中步骤S50一种具体实现方法的流程示意图；

图12为本申请实施例提供的一张检出汽车雷达示例图；

图13为本申请的实施例提供的一种汽车雷达检测装置的功能模块示意图；

图中，1-参考部件所在区域，2-待检测区域，3-待检测图像中的雷达，4-非闭合的雷达区域轮廓，5-闭合的雷达区域轮廓，6-雷达。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例的主要解决方案是：提供一种汽车雷达检测方法、装置、设备、介质及产品，通过获取待检测图像，所述待检测图像中包括第一bbox包围框，所述第一bbox包围框包括参考部件所在区域；基于所述第一bbox包围框和相对位置信息，获得包含待检测区域的局部图像；其中，所述相对位置信息为所述第一bbox包围框的中心坐标与所述待检测区域的中心坐标的相对距离；对所述局部图像中各区域进行轮廓提取，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点；遍历所述闭合区域轮廓的边界像素点，获得所述闭合区域轮廓的圆度值；根据所述闭合区域轮廓的圆度值，判断所述局部图像中是否含有雷达。

在汽车装配过程中，不同车型会有不同的外饰件配置，但由于人工的疏忽或装备设备的问题可能导致车辆出现装配出错的问题，因此汽车工厂通常会在汽车出厂时设置一条检测线。但由于汽车雷达面积较小，因此现有的检测线很容易出现误检的风险，导致无效错报报警。因此，如果能够准确检出是否装配有雷达，有利于工厂节约成本。

本申请提供一种解决方案，通过在坐标系中对所述局部图像的闭合区域轮廓的边界像素点进行像素级的遍历计算，获得所述闭合区域轮廓的圆度值，来判断所述局部图像中是否含有雷达。相对于现有的检测雷达技术，解决了由于汽车雷达面积太小，容易出现误检的问题，提高了检测精度。

参照图1，图1为本申请的实施例涉及的硬件运行环境的电子设备结构示意图。

如图1所示，该电子设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作***、数据存储模块、网络通信模块、用户接口模块以及电子程序。

在图1所示的电子设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电子设备中的处理器1001、存储器1005可以设置在电子设备中，所述电子设备通过处理器1001调用存储器1005中存储的PCB板缺陷评估装置，并执行本申请实施例提供的PCB板缺陷评估方法。

参照图2，本申请的实施例提供一种汽车雷达检测方法，包括：

S10、获取待检测图像。

在具体实施过程中，待检测图像为包括了雷达和参考部件所在区域的图像，可以通过现有的智能检测方法和拍照方法获得，举例来说，可以基于ADC智能检测***获得。因此，在本实施中，所述待检测图像中包括第一bbox包围框，所述第一bbox包围框包括参考部件所在区域。其中，ADC（Automatic Defect Classification）***可采用faster rcnn等深度学习算法建立参考部件自动检测模型，实现目标部件检测与定位。

在本实施例中，参考部件为轮毂。

具体的，bbox（Bounding Box，检测目标位置框）框是智能检测***输出自带的，可以框出参考部件所在区域，详见图3中的标号1所标出的区域。基于ADC智能缺陷检测***识别到出现轮毂，并返回包含轮毂位置坐标的bbox框的待检测图像，bbox框坐标信息如下：

其存储了轮毂位置框的左上角点坐标

和右下角点坐标

，两对角点可唯一确定一个矩形框，即

。

S20、基于所述第一bbox包围框和相对位置信息，获得包含待检测区域的局部图像。

其中，所述相对位置信息为所述第一bbox包围框的中心坐标与所述待检测区域的中心坐标的相对距离。在具体实施过程中，参照图3，由于实物中轮毂和雷达的相对位置是固定的，基于此，可利用轮毂坐标位置，根据实物中轮毂和雷达的相对位置，进行坐标平移，以确定雷达所在待检测区域，详见图3中的标号2所标出的区域。

在一个实施例中，参照图4，图4为本实施例中一种确定雷达所在待检测区域的具体方法，即S20的具体实施方法。因此，所述基于所述第一bbox包围框和相对位置信息，获得包含待检测区域的局部图像的步骤，包括：

S201、基于所述第一bbox包围框和相对位置信息，获得所述待检测区域的中心坐标；

由于实物中第一bbox包围框和待检测区域的相对位置时固定的，基于此，可利用第一bbox包围框中心坐标位置，根据实物中第一bbox包围框和待检测区域的相对位置，进行坐标平移，以获得所述待检测区域的中心坐标。

举例说明，假设轮毂中心点坐标为

，而轮毂中心点和待检测区域中心点在x轴和y轴方向上的相距离分别是Dx和Dy，则待检测区域中心点坐标为

。

所述轮毂中心点坐标

满足如下关系式：

所述待检测区域中心点坐标

满足如下关系式：

可以看出，由于所述轮毂中心点坐标和所述待检测区域中心点坐标相对固定，相对位置固定，因此，在知晓所述轮毂中心点坐标位置后，即可按照上述关系式准确地获得所述待检测区域中心点坐标位置。

S202、基于所述待检测区域的中心坐标，获得所述包含待检测区域的局部图像。

在具体实施过程中，获得待检测区域中心坐标位置后，在x轴和y轴方向上各加一个偏置项，所述偏置项为根据不同车型所设置的经验值，并且所述偏置项的选取应当满足，使所获得的待检测区域的局部图像包含有完整的待检测区域，进而保证后续提取所述局部图像中各区域时包含了待检测区域的边缘轮廓，以保证不会存在因局部图像中不存在雷达而导致的漏检雷达风险。所述局部图像参照图5，图5所示的待检测图像中包含了雷达待检测区域3，即雷达所在区域，同时也因为在待检测区域中心位置的x轴和y轴方向上各加一个偏置项，所以包含了其他非雷达区域。

S30、对所述局部图像中各区域进行轮廓提取，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点。

在具体实施过程中，对所述局部图像中各区域采用CV（Computer Vision，计算机视觉）图像处理技术进行边缘轮廓提取。在本实施例中，获得所述局部图像的闭合区域轮廓的目的是为了便于后续利用像素遍历进行闭合区域轮廓的圆度值计算，进行进行所述局部图像中是否含有雷达。

在一个实施例中，参照图6，图6为本实施例中一种提取局部图像中各区域轮廓的具体方法，即S30的具体实施方法。因此，所述对所述局部图像中各区域进行轮廓提取，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点的步骤，包括：

S301、对所述局部图像进行二值化处理，获得黑白图像；

在具体实施过程中，由于原始图像（即待检测图像）一般为彩色图像（RGB图像），为了后续按照统一的像素进行像素遍历，在本实施例中，可以首先将局部转换为黑白图像；将局部图像转换为黑白图像后，可以初步筛除一些干扰区域，更有利于后续计算机程序对所述局部图像中各区域进行轮廓提取，使得所获取的所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点更为精准。

具体的，在本实施例中，利用OPENCV对图像进行二值化处理，将图像转化为仅取0和255两个像素值的黑白图；所述OPENCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作***上。它轻量级而且高效--由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

S302、基于所述黑白图像，获得所述局部图像的闭合区域轮廓以及所述闭合区域轮廓的边界像素点。

在具体实施过程中，基于所述黑白图像，采用CV图像处理技术进行边缘轮廓提取，但由于所提取的边缘轮廓为非闭合边缘轮廓，参见图7，图7中标号4所标出的即为非闭合的雷达区域轮廓，可以看出，图7中还包括了其他非闭合区域轮廓，即其他白色线条所组成的区域。但如果为非闭合区域轮廓，则不利于后续计算区域的圆度值，因此对所提取的非闭合区域轮廓进行膨胀处理，获得所述局部图像的闭合区域轮廓，参见图8，图8中标号5所标出的即为闭合的雷达区域轮廓，可以看出，图8中还包括了其他闭合区域轮廓，即白色像素点所组成的区域。基于图8所示的闭合区域轮廓，可以对所述闭合区域轮廓进行圆度值计算，以提高判断所述闭合区域轮廓是否为雷达的准确性。

在具体实施过程中，可以通过Canny边缘检测算子方法，从所述局部图像的闭合区域轮廓图中的每一个白色像素点区域做轮廓边界提取，每一组轮廓边界都存储一个轮廓的边界像素点。具体的，在本实施例中，像素点是以图像为载体；所述Canny边缘检测算子方法在保留原有图像属性的情况下，显著减少图像的数据规模。

S40、遍历所述闭合区域轮廓的边界像素点，获得所述闭合区域轮廓的圆度值。

在具体实施过程中，为了更精确的判断所述闭合区域轮廓是否为雷达轮廓，故遍历所述闭合区域轮廓的边界像素点，获得所述闭合区域轮廓的圆度值。

在具体实施过程中，通过对所述闭合区域轮廓的边界像素点进行遍历，获得每个闭合区域轮廓，并基于所述每个闭合区域轮廓，获得每个闭合区域轮廓的最小外接圆，并计算所述每个闭合区域轮廓边界像素点到所述最小外接圆圆心的距离，获得所述闭合区域轮廓的圆度值。具体的，参见图9，图9为本实施例中一种获得闭合区域轮廓圆度值的具体方法，即S40的具体实施方法。因此，所述遍历所述闭合区域轮廓的边界像素点，获得所述闭合区域轮廓的圆度值的步骤，包括：

S401、基于所述局部图像的闭合区域轮廓，获得所述闭合区域轮廓的最小外接圆；

在汽车制造领域，通常雷达部件的外形被制造为圆形，因此在基于图像识别方法判断所述待检测区域是否为雷达时，则需要判断所述待检测区域是否为圆形，如果是则为雷达，如果不是则不是雷达。当然这里的待检测区域是指已经筛除了一些其他包含圆形部件的局部图像。而为了判断所述待检测区域是否为圆形，则需要对所述待检测区域的圆度值进行计算，因此需要对所述局部图像的闭合区域轮廓进行最小外接圆计算。

S402、基于所述闭合区域轮廓的边界像素点和所述闭合区域轮廓的最小外接圆，获得所述边界像素点与所述最小外接圆圆心的距离；

本领域人员知晓，如果当所述闭合区域轮廓为圆形时，其每个边界像素点到所述最小外接圆圆心的距离应该时相等的。因为本申请为了判断所述闭合区域轮廓是否为圆形，故基于所述闭合区域轮廓的边界像素点和所述闭合区域轮廓的最小外接圆，获得所述边界像素点与所述最小外接圆圆心的距离，以便于后续更为准确的判断所述闭合区域轮廓是否为圆形。

在具体实施过程中，所述闭合区域轮廓图像中除了雷达，其余轮廓均为不规则轮廓，而越是接近圆形的轮廓，其圆度值也会更接近1。因此在本实施例中，基于所述闭合区域轮廓的边界像素点和所述闭合区域轮廓的最小外接圆，获得所述区域轮廓的每个边界像素点与所述最小外接圆圆心的距离，用于后续圆度值的计算。

S403、基于所述边界像素点与所述最小外接圆圆心的距离，获得所述闭合区域轮廓的圆度值。

在具体实施过程中，为了更准确计算所述闭合区域的圆度值，在计算所述边界像素点与所述最小外接圆圆心的距离后，再对所述边界像素点中各像素点与所述最小外接圆圆心的平均距离进行计算；并基于所述距离和所述平均距离，获得所述距离与所述平均距离的平均偏差；再基于所述平均偏差，获得所述闭合区域轮廓的圆度值。具体的，参加图10，图10为本实施例中一种获得闭合区域轮廓的圆度值的具体方法，即S403的具体实施方法。因此，所述基于所述边界像素点与所述最小外接圆圆心的距离，获得所述闭合区域轮廓的圆度值的步骤，包括：

S4031、基于所述边界像素点与所述最小外接圆圆心的距离，获得所述边界像素点中各像素点与所述最小外接圆圆心的平均距离；

本领域人员知晓，如果当所述闭合区域轮廓为圆形时，其每个边界像素点到所述最小外接圆圆心的距离应该时相等的，同时等于所述每个边界像素点到所述最小外接圆圆心的平均距离。因此为了更准确的计算所述闭合区域轮廓的圆度值，本申请还对所述边界像素点中各像素点与所述最小外接圆圆心的平均距离进行了计算。

在一种可选的实方式中，所述平均距离满足如下关系式：

为第i个轮廓边界像素点到最小外接圆圆心的距离。

S4032、基于所述距离和所述平均距离，获得所述距离与所述平均距离的平均偏差；

由于在实际操作过程中，由于拍摄角度原因，所获得的待检测图像不一定为正前方图像，有可能为俯视或仰视，那么必然所述待检测图像中的雷达区域外形并非标准圆形，有可能为椭圆形。因此为了适应实际操作，本申请还基于所述距离和所述平均距离，获得所述距离与所述平均距离的平均偏差；以满足不同拍摄角度所导致的雷达区域为椭圆的情况时的精确判断。

在一种可选的实方式中，所述平均偏差满足如下关系式：

S4033、基于所述平均偏差，获得所述闭合区域轮廓的圆度值；

为了满足上述因不同拍摄角度所导致的雷达区域为椭圆的情况时的精确判断，本申请设置了基于所述平均偏差和所述边界像素点中各像素点与所述最小外接圆圆心的平均距离，而获得所述闭合区域轮廓的圆度值的公式，即：所述闭合区域轮廓的圆度值满足如下关系式：

S50、根据所述闭合区域轮廓的圆度值，判断所述局部图像中是否含有雷达。

在具体实施过程中，可以提前设置好圆度阈值，并将所述圆度阈值与所述闭合区域轮廓的圆度值进行对比，如果圆度值大于所述圆度阈值，则所述局部图像中含有雷达。具体的，所述根据所述闭合区域轮廓的圆度值，判断所述局部图像中是否含有雷达的步骤，包括：根据所述闭合区域轮廓的圆度值与预设的圆度阈值的关系，判断所述局部图像中是否含有雷达。更具体的，参见图11，图11为本实施例中一种判断局部图像中是否含有雷达的具体方法，即S50的具体实施方法。因此，所述根据所述闭合区域轮廓的圆度值与预设的圆度阈值的关系，判断所述局部图像中是否含有雷达的步骤，包括：

S501、将所述闭合区域轮廓的圆度值与预设的圆度阈值进行比较；

本领域公知，当所述闭合区域轮廓为标准圆形时，则圆度值应当等于1，若所述闭合区域轮廓为非标准圆形时，则其越接近标准圆形，所对应的圆度值也越接近1。同时如上所述，由于在实际操作过程中，由于拍摄角度原因，所获得的待检测图像不一定为正前方图像，有可能为俯视或仰视，那么必然所述待检测图像中的雷达区域外形并非标准圆形，有可能为椭圆形。因此为了适应实际操作，本申请在设置圆度阈值时可以根据需要进行设置，也可以通过历史数据得出；例如，根据历史数据中，圆度值达到多少，判断对应的闭合区域轮廓确定为雷达，来进行圆度阈值的设置。举例说明，如将圆度阈值设置为0.8，则既能满足大部分椭圆形的圆度值需求，也能将其余非圆形闭合区域轮廓筛除。

S502、若所述闭合区域轮廓的圆度值大于预设的圆度阈值，则将圆度值大于预圆度阈值的目标闭合区域轮廓确定为雷达。

如上所述，圆度阈值时可以根据需要进行设置，也可以通过历史数据得出；假设当圆度阈值为0.8时，则当所述闭合区域轮廓的圆度值大于0.8，则所对应的闭合区域轮廓确定为雷达，如图12中的标号6所标出的闭合区域轮廓即判断为雷达；当所述闭合区域轮廓的圆度值小于0.8时，则所对应的闭合区域轮廓确定不是雷达。这样既能满足不同拍摄场景下，对雷达的精准检出，又能最大程度的避免其余非雷达部件的干扰，从而提高了检测雷达的精准度。

应当理解的是，以上仅为举例说明，对本申请的技术方案并不构成任何限制，本领域的技术人员在实际应用中可以基于需要进行设置，此处不做限制。

通过上述描述不难发现，将待检测图像转换到笛卡尔坐标系，并利用CV（ComputerVision）计算机视觉方法对数字化/结构化的图像像素数据进行处理，实现了对汽车雷达的精准检测，基于判断结果可指导工厂对漏装配雷达的车辆进行返修处理。具体的，本实施例的方法通过在坐标系中进行像素级的遍历计算，精确的获得闭合区域的圆度值，来判断所述闭合区域是否为雷达，相较于现有的检测方法，解决了由于汽车雷达面积较小，因此现有的检测线很容易出现误检的风险，导致无效错报报警的技术问题，提高了检测效率和检测精度。

参照图13，基于同样的发明原理，本申请的实施例还提供一种汽车雷达检测装置，包括：

需要说明的是，本实施例中汽车雷达检测装置中各模块是与前述实施例中的汽车雷达检测方法中的各步骤一一对应，因此，本实施例的具体实施方式和达到的技术效果可参照前述汽车雷达检测方法的实施方式，这里不再赘述。

此外，在一种实施例中，，本申请的实施例还提供一种计算机程序产品，所述计算机程序产品在被处理器时，实现前述的方法。

此外，在一种实施例中，本申请的实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现前述的方法。

在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，可执行指令可以但不一定对应于文件***中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言（HTML，Hyper TextMarkup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。

作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器/随机存取存储器、磁碟、光盘）中，包括若干指令用以使得一台多媒体终端设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本申请各个实施例所述的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。