基于视觉反馈和深度网络的轮胎变形量识别方法及装置制造方法及图纸

本申请公开了一种基于视觉反馈和深度网络的轮胎变形量识别方法、装置、设备及可读存储介质，方法包括：根据获取到的车辆图像识别车道，根据车道与道路侧面摄像头的焦距间的关系对道路侧面摄像头进行调焦；利用调焦后的道路侧面摄像头获取轮胎图像，利用预先训练得到的语义分割算法对轮胎图像进行识别，得到轮辋区域和轮胎区域；对轮辋区域、轮胎区域进行检测，得到轮辋区域的像素点、轮胎区域的像素点；根据轮辋区域的像素点及轮辋直径，计算图像比例因子；根据轮胎区域的像素点及图像比例因子，计算轮胎变形量。本申请公开的技术方案，通过借助轮胎图像来实现非接触式地识别轮胎变形量，以提高轮胎变形量识别的便捷性和准确性，降低识别成本。降低识别成本。降低识别成本。

【技术实现步骤摘要】
基于视觉反馈和深度网络的轮胎变形量识别方法及装置


[0001]本申请涉及智能交通
，更具体地说，涉及一种基于视觉反馈和深度网络的轮胎变形量识别方法、装置、设备及可读存储介质。

技术介绍

[0002]随着智能交通领域的不断发展，智能、高效、准确的获取车辆各种信息是至关重要的。轮胎作为车辆与路面接触的唯一部件，其变形量的大小是评价车辆行驶舒适性、行驶安全性、交通经济性及接触力识别准确性等方面的重要评价指标。
[0003]目前，常采用如下方式进行轮胎变形识别：基于轮胎内部传感器信号的变化进行轮胎变形识别、基于行驶轮胎的车速进行轮胎变形识别，其中，基于轮胎内部传感器信号的变化进行轮胎变形识别是在轮胎运动过程中，根据传感器中的纵向加速计信号的变化，利用信号中波峰和波谷之间的距离确定轮胎变形，但是，轮胎传感器存在安装要求比较高、使用电池寿命有限等问题；基于行驶轮胎的车速关系进行轮胎变形识别是基于轮胎在运动过程中轮胎发生变形后会导致车速的改变，因此，测量轮胎的转速变化后反算轮胎变形，具体地，根据车速变化获取轮胎的周长，从而确定轮胎是否发生变形，但是，这种方式只是一个定性判断，无法对轮胎变形进行量化，此外，在实际中无法准确地获取轮胎转速，且无法准确的检测轮胎周长。
[0004]综上所述，如何在不借助轮胎传感器的情况下对轮胎变形量识别，是目前本领域技术人员亟待解决的技术问题。

技术实现思路

[0005]有鉴于此，本申请的目的是提供一种基于视觉反馈和深度网络的轮胎变形量识别方法、装置、设备及可读存储介质，用于在不借助轮胎传感器的情况下对轮胎变形量识别。
[0006]为了实现上述目的，本申请提供如下技术方案：
[0007]一种基于视觉反馈和深度网络的轮胎变形量识别方法，包括：
[0008]利用交通摄像头获取位于预先建立的虚拟检测区域内的目标车辆的车辆图像；
[0009]根据所述车辆图像识别所述目标车辆的车道，根据预先设置的车道与道路侧面摄像头的焦距间的关系及所述目标车辆的车道，对所述道路侧面摄像头进行调焦；
[0010]利用调焦后的道路侧面摄像头获取所述目标车辆的轮胎图像，利用预先训练得到的语义分割算法对所述轮胎图像进行识别，得到轮辋区域和轮胎区域；
[0011]对所述轮辋区域、所述轮胎区域进行检测，得到所述轮辋区域的像素点、所述轮胎区域的像素点；
[0012]根据所述轮辋区域的像素点及轮辋直径，计算图像比例因子；
[0013]根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量。
[0014]优选的，对所述轮辋区域、所述轮胎区域进行检测，得到所述轮辋区域的像素点、所述轮胎区域的像素点，包括：
[0015]对所述轮辋区域、所述轮胎区域进行边缘检测，得到轮辋边缘像素点、轮胎边缘像素点；
[0016]根据所述轮辋区域的像素点及轮辋直径，计算图像比例因子，包括：
[0017]从所述轮辋边缘像素点中选取任意三个像素点，并获取选取的各所述像素点的坐标；
[0018]根据选取的各所述像素点的坐标，计算轮辋圆心的坐标及所述轮辋直径上的像素点个数；
[0019]利用所述轮辋直径、所述轮辋直径上的像素点个数，计算第一比例因子。
[0020]优选的，根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量，包括：
[0021]根据所述轮辋圆心确定轮胎接触中心点及轮胎上边缘的最高边缘点；
[0022]从所述最高边缘点的两侧各获取第一预设数量个轮胎上边缘像素点，并将获取到的所述轮胎上边缘像素点及所述最高边缘点构成轮胎上边缘点群；
[0023]根据所述轮胎上边缘点群计算所述轮胎上边缘点群和所述轮辋圆心间的均值像素点个数；
[0024]在所述轮胎与地面的接触长度上，从所述轮胎接触中心点的两侧各获取第二预设数量个轮胎下边缘像素点，并将获取到的所述轮胎下边缘像素点及所述轮胎接触中心构成轮胎下边缘点群；
[0025]根据所述轮胎下边缘点群计算所述轮胎下边缘点群和所述轮辋圆心间的最少像素点个数；
[0026]根据所述均值像素点个数、所述最少像素点个数，计算轮胎垂向挠度的像素点个数；
[0027]根据所述轮胎垂向挠度的像素点个数及所述第一比例因子，得到所述轮胎的垂向挠度。
[0028]优选的，根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量，包括：
[0029]根据所述轮辋圆心确定轮胎接触中心点；
[0030]从所述轮胎中心点的两侧分别选取轮胎下边缘像素点，计算各所述轮胎下边缘像素点与所述轮胎接触中心点的斜率；
[0031]将选取的轮胎下边缘像素点与所述轮胎接触中心点的斜率与阈值进行比较，并将所述轮胎中心点左侧与所述轮胎接触中心点的斜率大于或等于所述阈值的轮胎下边缘像素点确定为左临界点，将所述轮胎中心点右侧与所述轮胎接触中心点的斜率大于或等于所述阈值的轮胎下边缘像素点确定为右临界点；
[0032]确定所述左临界点与所述右临界点间的像素点个数，根据所述左临界点与所述右临界点间的像素点个数及所述第一比例因子，计算所述轮胎与地面的接触长度。
[0033]优选的，根据所述轮辋区域的像素点及轮辋直径，计算图像比例因子，包括：
[0034]获取所述轮辋区域包含的像素点个数；
[0035]利用所述轮辋直径计算所述轮辋的面积；
[0036]根据所述轮辋的面积、所述轮辋区域包含的像素点个数，得到第二比例因子；
[0037]根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量，包括：
[0038]获取所述轮胎上半部分区域包含的像素点个数、所述轮胎下半部分区域包含的像素点个数，并计算所述上半部分区域包含的像素点个数、所述轮胎下半部分区域包含的像素点个数的差值；
[0039]根据所述差值及所述第二比例因子，计算所述轮胎的变形面积。
[0040]优选的，根据所述车辆图像识别所述目标车辆的车道，包括：
[0041]利用预先训练的目标检测算法对所述车辆图像进行检测，得到所述目标车辆对应的车辆目标检测框的位置信息；
[0042]根据所述车辆目标检测框的位置信息，确定所述目标车辆的车道。
[0043]优选的，在根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量之后，还包括：
[0044]判断所述轮胎变形量是否处于对应的预设范围内，若否，则进行预警。
[0045]一种基于视觉反馈和深度网络的轮胎变形量识别装置，包括：
[0046]获取模块，用于利用交通摄像头获取位于预先建立的虚拟检测区域内的目标车辆的车辆图像；
[0047]调焦模块，用于根据所述车辆图像识别所述目标车辆的车道，根据预先设置的车道与道路侧面摄像头的焦距间的关系及所述目标车辆的车道，对所述道路侧面摄像头进行调焦；
[0048]第一识别模块，用于利用调焦后的道路侧面摄像头获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉反馈和深度网络的轮胎变形量识别方法，其特征在于，包括：利用交通摄像头获取位于预先建立的虚拟检测区域内的目标车辆的车辆图像；根据所述车辆图像识别所述目标车辆的车道，根据预先设置的车道与道路侧面摄像头的焦距间的关系及所述目标车辆的车道，对所述道路侧面摄像头进行调焦；利用调焦后的道路侧面摄像头获取所述目标车辆的轮胎图像，利用预先训练得到的语义分割算法对所述轮胎图像进行识别，得到轮辋区域和轮胎区域；对所述轮辋区域、所述轮胎区域进行检测，得到所述轮辋区域的像素点、所述轮胎区域的像素点；根据所述轮辋区域的像素点及轮辋直径，计算图像比例因子；根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量。2.根据权利要求1所述的基于视觉反馈和深度网络的轮胎变形量识别方法，其特征在于，对所述轮辋区域、所述轮胎区域进行检测，得到所述轮辋区域的像素点、所述轮胎区域的像素点，包括：对所述轮辋区域、所述轮胎区域进行边缘检测，得到轮辋边缘像素点、轮胎边缘像素点；根据所述轮辋区域的像素点及轮辋直径，计算图像比例因子，包括：从所述轮辋边缘像素点中选取任意三个像素点，并获取选取的各所述像素点的坐标；根据选取的各所述像素点的坐标，计算轮辋圆心的坐标及所述轮辋直径上的像素点个数；利用所述轮辋直径、所述轮辋直径上的像素点个数，计算第一比例因子。3.根据权利要求2所述的基于视觉反馈和深度网络的轮胎变形量识别方法，其特征在于，根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量，包括：根据所述轮辋圆心确定轮胎接触中心点及轮胎上边缘的最高边缘点；从所述最高边缘点的两侧各获取第一预设数量个轮胎上边缘像素点，并将获取到的所述轮胎上边缘像素点及所述最高边缘点构成轮胎上边缘点群；根据所述轮胎上边缘点群计算所述轮胎上边缘点群和所述轮辋圆心间的均值像素点个数；在所述轮胎与地面的接触长度上，从所述轮胎接触中心点的两侧各获取第二预设数量个轮胎下边缘像素点，并将获取到的所述轮胎下边缘像素点及所述轮胎接触中心构成轮胎下边缘点群；根据所述轮胎下边缘点群计算所述轮胎下边缘点群和所述轮辋圆心间的最少像素点个数；根据所述均值像素点个数、所述最少像素点个数，计算轮胎垂向挠度的像素点个数；根据所述轮胎垂向挠度的像素点个数及所述第一比例因子，得到所述轮胎的垂向挠度。4.根据权利要求2所述的基于视觉反馈和深度网络的轮胎变形量识别方法，其特征在于，根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量，包括：根据所述轮辋圆心确定轮胎接触中心点；从所述轮胎中心点的两侧分别选取轮胎下边缘像素点，计算各所述轮胎下边缘像素点
与所述轮胎接触中心点的斜率；将选取的轮胎下边缘像素点与所述轮胎接触中心点的斜率与阈值进行比较，并将所述轮胎中心点左侧与所述轮胎接触中心点的斜率大于或等于所述阈值的轮胎下边缘像素点确定为左临界点，将所述轮胎中心...

【专利技术属性】
技术研发人员：张杰，史鹏，孔烜，邓露，戴丙维，
申请(专利权)人：湖南中登科技有限公司，
类型：发明
国别省市：