一种车辆轮胎损伤检测方法及系统技术方案

本发明专利技术公开了一种车辆轮胎损伤检测方法及系统，本发明专利技术中通过多个摄像头，对运行中的车辆轮胎进行连续拍照，得到不同位置的车辆轮胎局部图像，将多张不同位置的车辆轮胎局部图像拼接成完整的车辆轮胎图像，通过车辆轮胎图像与预存灰度车辆轮胎图像进行对比，直接且准确的找到损伤位置，解决了现有采用神经网络进行车辆轮胎故障检测方法存在模型复杂，在没有足够的样本对其进行训练时，其检测准确度较低的问题。的问题。的问题。

【技术实现步骤摘要】
一种车辆轮胎损伤检测方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种车辆轮胎损伤检测方法及系统。

技术介绍

[0002]智轨电车属于公共交通，对其车辆的车轮需要定期进行检查是否有异常磨损或损坏，而采用人工目视对车轮表面进行识别，其空间较小，人员不易观察车轮整个表面情况，可能会存在漏检或忘检的情况，导致车轮问题流入运营现场，影响公共交通安全。
[0003]现有采用神经网络进行车辆轮胎故障检测方法能解决人工检测的弊端，但其存在模型复杂，在没有足够的样本对其进行训练时，其检测准确度较低。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种车辆轮胎损伤检测方法及系统解决了现有采用神经网络进行车辆轮胎故障检测方法存在模型复杂，在没有足够的样本对其进行训练时，其检测准确度较低的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种车辆轮胎损伤检测方法，包括以下步骤：
[0006]S1、采集不同位置的车辆轮胎局部图像；
[0007]S2、将多张不同位置的车辆轮胎局部图像进行拼接，得到车辆轮胎图像；
[0008]S3、将车辆轮胎图像与预存灰度车辆轮胎图像进行对比，得到损伤位置。
[0009]进一步地，所述步骤S1包括以下分步骤：
[0010]S11、对多个摄像头以相同间距进行固定在地面下；
[0011]S12、在车辆轮胎经过时，采用摄像头对车辆轮胎进行拍摄，得到不同位置的车辆轮胎局部图像。
[0012]进一步地，所述步骤S2包括以下分步骤：
[0013]S21、根据摄像头光学特性，对每张车辆轮胎局部图像进行畸变矫正，得到矫正图像；
[0014]S22、剔除每张矫正图像在拼接时的重叠部分，得到拼接块；
[0015]S23、将每张拼接块按摄像头排列顺序依次拼接，得到车辆轮胎图像。
[0016]进一步地，所述步骤S22中每张矫正图像在拼接时剔除重叠部分的长度为：
[0017][0018]其中，d为每张矫正图像在两侧各剔除图像的长度，N为摄像头数量，L为在图像中车辆轮胎外圆周周长，S为每个摄像头拍摄到的轮胎在图像上的长度，γ为成像系数。
[0019]进一步地，所述步骤S3包括以下分步骤：
[0020]S31、将车辆轮胎图像灰度处理，得到灰度图；
[0021]S32、剔除灰度图中的背景部分，得到轮胎图；
[0022]S33、对轮胎图进行亮度调节，得到标准亮度轮胎图；
[0023]S34、将标准亮度轮胎图与预存灰度车辆轮胎图像进行对比，得到损伤位置。
[0024]进一步地，所述步骤S32包括以下分步骤：
[0025]S321、取灰度图中轮胎一侧或另一对侧的边缘像素点；
[0026]S322、计算边缘像素点与周边的像素点距离，得到灰度距离；
[0027]S323、判断灰度距离是否小于距离阈值，若是，则周边的像素点为边缘像素点，并跳转至步骤S324，若否，则周边的像素点为轮胎像素点，并跳转至步骤S324；
[0028]S324、判断灰度图中边缘像素点是否取完，若是，则跳转至步骤S325，若否，则取未被选取的边缘像素点，并跳转至步骤S322；
[0029]S325、将所有边缘像素点从灰度图上剔除，得到轮胎图。
[0030]上述进一步方案的有益效果为：在本专利技术中两侧的边缘像素点以及周边找到的边缘像素点均要执行步骤S322至S325，在灰度相差不大时，则为边缘像素点，去核对每个边缘像素点周围的像素点，找到所有的边缘像素点，则可将边缘像素点从灰度图剔除，剩余的为轮胎像素点。
[0031]进一步地，所述步骤S33包括以下分步骤：
[0032]S331、取预存灰度车辆轮胎图像多个边缘像素点，得到多个预存边缘像素点的灰度值；
[0033]S332、取轮胎图相同位置多个边缘像素点，得到多个轮胎边缘像素点的灰度值；
[0034]S333、根据多个预存边缘像素点的灰度值和多个轮胎边缘像素点的灰度值，计算亮度系数；
[0035]S334、根据亮度系数，对轮胎图进行亮度调节，得到标准亮度轮胎图。
[0036]上述进一步方案的有益效果为：取相同位置的像素点的灰度值计算亮度系数，通过亮度系数将轮胎图的亮度进行调节，排除光线强度对图像的影响。
[0037]进一步地，所述步骤S333中亮度系数的计算公式为：
[0038][0039]其中，δ为亮度系数，N为预存边缘像素点的数量或轮胎边缘像素点的数量，G
′
i
为第i个轮胎边缘像素点的灰度值，G
″
i
为第i个预存边缘像素点的灰度值；
[0040]所述步骤S334中对轮胎图进行亮度调节的公式为：
[0041][0042]其中，g
i
为标准亮度轮胎图上第j个像素点的灰度值，G
j
为轮胎图上第j个像素点的灰度值，M为轮胎图像素点数量。
[0043]进一步地，所述步骤S34包括以下分步骤：
[0044]S341、将标准亮度轮胎图划分为多个轮胎图像块；
[0045]S342、以相同划分方式，将预存灰度车辆轮胎图像划分为多个预存图像块；
[0046]S343、对每个轮胎图像块和预存图像块计算灰度值总量；
[0047]S345、将轮胎图像块的灰度值总量减去相同位置的预存图像块的灰度值总量，得
到总量差值；
[0048]S346、选出总量差值超过总量阈值的轮胎图像块作为损伤位置。
[0049]上述进一步方案的有益效果为：轮胎图像块和预存图像块的划分方式一致，仅需通过每对图像块之间灰度的差值就可以找到异常的图像块，从而确定损伤位置。
[0050]一种车辆轮胎损伤检测方法的系统，包括：摄像头、图像拼接单元和损失识别单元；
[0051]所述摄像头用于采集不同位置的车辆轮胎局部图像；
[0052]所述图像拼接单元用于将多张不同位置的车辆轮胎局部图像进行拼接，得到车辆轮胎图像；
[0053]所述损失识别单元用于将车辆轮胎图像与预存灰度车辆轮胎图像进行对比，得到损伤位置。
[0054]综上，本专利技术的有益效果为：本专利技术中通过多个摄像头，对运行中的车辆轮胎进行连续拍照，得到不同位置的车辆轮胎局部图像，将多张不同位置的车辆轮胎局部图像拼接成完整的车辆轮胎图像，通过车辆轮胎图像与预存灰度车辆轮胎图像进行对比，直接且准确的找到损伤位置，解决了现有采用神经网络进行车辆轮胎故障检测方法存在模型复杂，在没有足够的样本对其进行训练时，其检测准确度较低的问题。
附图说明
[0055]图1为一种车辆轮胎损伤检测方法的流程图；
[0056]图2为摄像头的安装图；
[0057]图3为拼接图像时的原理图。
具体实施方式
[0058]下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆轮胎损伤检测方法，其特征在于，包括以下步骤：S1、采集不同位置的车辆轮胎局部图像；S2、将多张不同位置的车辆轮胎局部图像进行拼接，得到车辆轮胎图像；S3、将车辆轮胎图像与预存灰度车辆轮胎图像进行对比，得到损伤位置。2.根据权利要求1所述的车辆轮胎损伤检测方法，其特征在于，所述步骤S1包括以下分步骤：S11、对多个摄像头以相同间距进行固定在地面下；S12、在车辆轮胎经过时，采用摄像头对车辆轮胎进行拍摄，得到不同位置的车辆轮胎局部图像。3.根据权利要求2所述的车辆轮胎损伤检测方法，其特征在于，所述步骤S2包括以下分步骤：S21、根据摄像头光学特性，对每张车辆轮胎局部图像进行畸变矫正，得到矫正图像；S22、剔除每张矫正图像在拼接时的重叠部分，得到拼接块；S23、将每张拼接块按摄像头排列顺序依次拼接，得到车辆轮胎图像。4.根据权利要求3所述的车辆轮胎损伤检测方法，其特征在于，所述步骤S22中每张矫正图像在拼接时剔除重叠部分的长度为：其中，d为每张矫正图像在两侧各剔除图像的长度，N为摄像头数量，L为在图像中车辆轮胎外圆周周长，S为每个摄像头拍摄到的轮胎在图像上的长度，γ为成像系数。5.根据权利要求1所述的车辆轮胎损伤检测方法，其特征在于，所述步骤S3包括以下分步骤：S31、将车辆轮胎图像灰度处理，得到灰度图；S32、剔除灰度图中的背景部分，得到轮胎图；S33、对轮胎图进行亮度调节，得到标准亮度轮胎图；S34、将标准亮度轮胎图与预存灰度车辆轮胎图像进行对比，得到损伤位置。6.根据权利要求5所述的车辆轮胎损伤检测方法，其特征在于，所述步骤S32包括以下分步骤：S321、取灰度图中轮胎一侧或另一对侧的边缘像素点；S322、计算边缘像素点与周边的像素点距离，得到灰度距离；S323、判断灰度距离是否小于距离阈值，若是，则周边的像素点为边缘像素点，并跳转至步骤S324，若否，则周边的像素点为轮胎像素点，并跳转至步骤S324；S324、判断灰度图中边缘像素点是否取完，若是，则跳转至步骤S325，若否，则取未被选取的边缘像素点，并跳转至步骤...

【专利技术属性】
技术研发人员：李庆军，伍国平，左博凯，
申请(专利权)人：湖南中车智行科技有限公司，
类型：发明
国别省市：