车辆轮胎纵向花纹比对方法技术

本发明专利技术属于数据处理技术领域，公开了一种车辆轮胎纵向花纹比对方法，包括以下步骤：获取轮胎胎面标准图；提取轮胎纵向花纹抠图；计算轮胎纵向花纹特征向量；计算轮胎纵向花纹差异值；将轮胎纵向花纹差异值与阈值对比，得到比对结果。本发明专利技术所提供的车辆轮胎纵向花纹比对方法，应用于机动车检验过程中，提出了车辆轮胎花纹的拍摄标准和方法，并结合深度学习像素抠图算法，实现了轮胎纵向花纹的有效提取。实现了轮胎纵向花纹的有效提取。实现了轮胎纵向花纹的有效提取。

【技术实现步骤摘要】
车辆轮胎纵向花纹比对方法


[0001]本专利技术属于数据处理
，具体涉及一种车辆轮胎纵向花纹比对方法。

技术介绍

[0002]机动车轮胎花纹设计是为了提高车辆行驶性能和安全性，现有大量各种形式的轮胎花纹设计，包括对称和非对称花纹、单导向花纹、块状花纹、综合花纹、全纵向花纹、全横向花纹轮胎等，但车辆轮胎花纹不一致会导致安全隐患，不同花纹的轮胎在行驶中的抓地力不同，可能导致车辆高速行驶不稳，增加交通事故风险，如果因轮胎混装引发交通事故，保险公司也可能会拒绝赔偿。在机动车年检过程中，轮胎花纹一致性检验是其中一个重要环节。
[0003]机动车检验过程一般由车主到指定检测站，然后检测站把检验过程数据和图像上传到地市车管所综合应用平台，再由地市车管所审核人员在后台对检验过程和数据进行一一复核。
[0004]粗略统计，各地车管所平均一天审核量大约在2000
‑
4000辆车之间，其中车管所人工审核的大量时间花费在多图检验项目的审核比对上，比如花纹花纹比对，需要依次反复查看比对所有轮胎的花纹图像，根据审核要求，就轮胎花纹比对这个项目的审核就需要1分钟以上，很多车管所受人力限制，在审核业务繁忙时只能放松对此类项目的复核要求，在车辆的安全技术检验环节复核上存在一定的风险。

技术实现思路

[0005]本专利技术旨在至少在一定程度上解决上述技术问题。为此，本专利技术目的在于提供一种车辆轮胎纵向花纹比对方法。
[0006]本专利技术所采用的技术方案为：一种车辆轮胎纵向花纹比对方法，包括以下步骤：S1、获取轮胎胎面标准图；S2、提取轮胎纵向花纹抠图；S3、计算轮胎纵向花纹特征向量；S4、计算轮胎纵向花纹差异值；S5、将轮胎纵向花纹差异值与阈值对比，得到比对结果。
[0007]优选地，所述步骤S1包括以下步骤：S11、将待拍摄车轮垫高；S12、使待拍摄车轮接近零度偏转；S13、调整摄像机拍摄角度和位置，使待拍摄车轮的轮胎胎面两侧与拍摄图像两侧边缘紧贴；S14、拍摄图像，获得车辆所有轮胎的胎面标准图。
[0008]优选地，所述步骤S2中，将胎面标准图输入到轮胎纵向花纹抠图网络模型得到轮
胎纵向花纹抠图。
[0009]优选地，所述轮胎纵向花纹抠图网络模型的训练步骤为：缩放胎面标准图到预设宽度和预设高度；对不同侧的轮胎胎面标准图进行镜像翻转；得到胎面图像样本；对胎面图像样本进行纵向花纹像素标注；将标注后的胎面图像样本生成灰度二值图；通过灰度二值图和胎面标准图构建训练样本集；构建抠图网络模型，网络架构采用MODNET抠图网络，网络输入图像尺寸修改为预设宽度和预设高度，主干网络采用Resnet50，并DCNv2卷积；用训练样本集训练抠图网络模型，得到训练好的轮胎纵向花纹抠图网络模型。
[0010]优选地，所述步骤S3包括以下步骤：S31、将轮胎纵向花纹抠图生成灰度二值图；S32、使用OpenCV轮廓检测算法检测灰度二值图中的轮廓；S33、根据轮廓宽高判断是否为纵向花纹，并且过滤掉横向或误提取花纹，判断方法为：，其中，为轮廓宽，为轮廓高，为图像宽，为图像高；S34、比对同一车辆的轮胎纵向花纹数量，若数量相同且大于1，则进入步骤S35，否则判定比对不通过；S35、对步骤S31中的灰度二值图进行像素值误差修正；将步骤S33中判定为非纵向花纹的轮廓区域像素值修改为0；S36、基于修正后的灰度二值图，从首行到末行，统计连续像素值255和0的数量，去掉每行首尾像素0统计，最终形成矩阵G：，其中，为连续255像素数，为连续0像素数，为纵向花纹数；S37、对矩阵G的列数据使用KMeans聚类算法求数据中心值，得到纵向花纹与间隙的预估宽度向量W：，其中，，为纵向花纹预估宽；，为间隙预估宽；S38、计算纵向花纹与间隙的预估宽度向量W相邻列的比值，做为轮胎纵向花纹的特征向量R：，其中，，是纵向花纹与间隙宽的比或间隙宽与纵向花纹的比。
[0011]优选地，生成灰度二值图的转换算式为：，其中，为转换前像素值，为转换后像素值。
[0012]优选地，所述步骤S4包括以下步骤：S41、计算轮胎A与B的向量距离：，其中，为轮胎A的纵向花纹的特征向量，为轮胎B的纵向花纹的特征向量；S42、计算轮胎纵向花纹差异值：，其中，n为纵向花纹数。
[0013]本专利技术的有益效果为：本专利技术所提供的车辆轮胎纵向花纹比对方法，应用于机动车检验过程中，提出了车辆轮胎花纹的拍摄标准和方法，并结合深度学习像素抠图算法，实现了轮胎纵向花纹的有效提取。本专利技术还提供了轮胎纵向花纹特征向量的计算方法，并提供了基于该特征向量计算轮胎纵向花纹差异值的方法，通过这种方法得到的差异值可以准确量化轮胎纵向花纹的差异。
附图说明
[0014]图1是本专利技术车辆轮胎纵向花纹比对方法的流程图。
[0015]图2是本专利技术获取轮胎胎面标准图的示意图。
[0016]图3是本专利技术轮胎纵向花纹抠图网络模型的训练流程图。
[0017]图4是本专利技术MODNET抠图网络头部输出结构图。
[0018]图5是本专利技术计算轮胎纵向花纹特征向量的示意图。
具体实施方式
[0019]下面将结合本专利技术中的附图，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]应当理解，还应当注意到实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。
[0021]如图1至图5所示，本实施例的车辆轮胎纵向花纹比对方法，具体包括以下步骤：S1、获取轮胎胎面标准图。
[0022]如图2所示，步骤S1包括以下步骤：
S11、在拍摄场地布置高50mm减速带，将待拍摄车轮停至减速带上，垫高待拍摄车轮；S12、调整车辆方向，使待拍摄车轮接近零度偏转；S13、调整摄像机拍摄角度和位置，使待拍摄车轮的轮胎胎面两侧与拍摄图像两侧边缘紧贴；S14、拍摄图像，得到轮胎的胎面标准图，依次对所有轮胎重复以上步骤，以获得获得车辆所有轮胎的胎面标准图。
[0023]S2、提取轮胎纵向花纹抠图；轮胎在使用过程中胎面持续磨损，横纹、杂纹由于设计以浅细纹为主，磨损后不易提取，而轮胎纵向花纹作为主花纹，花纹设计更宽更耐磨，所以更加适合像素提取，因此本专利技术采用深度学习像素抠图算法来提取轮胎纵向主花纹作为比对基础。
[0024]步骤S2中，将胎面标准图输入到轮胎纵向花纹抠图网络模型得到轮胎纵向花纹抠图。如图3所示，轮胎纵向花纹抠图网络模型的训练步骤为：缩放胎面标准图到预设宽度像素以及预设高度像素；基于缩放后的胎面标准图，对右侧的轮胎胎面标准图进行镜像翻转，以使不同轮胎花纹方向保持一致，得到胎面图像样本；收集胎面图像样本20000张，这些胎面图像样本需涵盖各类轮本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆轮胎纵向花纹比对方法，其特征在于，包括以下步骤：S1、获取轮胎胎面标准图；S2、提取轮胎纵向花纹抠图；S3、计算轮胎纵向花纹特征向量；S4、计算轮胎纵向花纹差异值；S5、将轮胎纵向花纹差异值与阈值对比，得到比对结果。2.根据权利要求1所述的车辆轮胎纵向花纹比对方法，其特征在于：所述步骤S1包括以下步骤：S11、将待拍摄车轮垫高；S12、使待拍摄车轮接近零度偏转；S13、调整摄像机拍摄角度和位置，使待拍摄车轮的轮胎胎面两侧与拍摄图像两侧边缘紧贴；S14、拍摄图像，获得车辆所有轮胎的胎面标准图。3.根据权利要求1所述的车辆轮胎纵向花纹比对方法，其特征在于：所述步骤S2中，将胎面标准图输入到轮胎纵向花纹抠图网络模型得到轮胎纵向花纹抠图。4.根据权利要求3所述的车辆轮胎纵向花纹比对方法，其特征在于：所述轮胎纵向花纹抠图网络模型的训练步骤为：缩放胎面标准图到预设宽度和预设高度；对不同侧的轮胎胎面标准图进行镜像翻转；得到胎面图像样本；对胎面图像样本进行纵向花纹像素标注；将标注后的胎面图像样本生成灰度二值图；通过灰度二值图和胎面标准图构建训练样本集；构建抠图网络模型，网络架构采用MODNET抠图网络，网络输入图像尺寸修改为预设宽度和预设高度，主干网络采用Resnet50，并DCNv2卷积；用训练样本集训练抠图网络模型，得到训练好的轮胎纵向花纹抠图网络模型。5.根据权利要求4所述的车辆轮胎纵向花纹比对方法，其特征在于：预设宽度像素，预设高度像素。6.根据权利要求4所述的车辆轮胎纵向花纹比对方法，其特征在于：胎面图像样本至少包括以下轮胎花纹：对称和非对称花纹、单导向花纹、块状花纹、综合花纹、全纵向花纹、全横向花纹。7.根据权利要求1所述的车辆轮胎纵向花纹比对方法，其特征...

【专利技术属性】
技术研发人员：李龙文，徐其权，戴斌，
申请(专利权)人：成都锐菲网络科技有限公司，
类型：发明
国别省市：