基于机器视觉的自主洗车监测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及基于机器视觉的自主洗车监测方法，包括：根据汽车表面图像获取若干比特图像；对若干比特图像进行两两重构并将两两重构后的比特图像记为重构比特图像；根据重构比特图像获取重构比特图像中的所有闭合区域；根据闭合区域获取闭合区域的第一特征参数以及比特图像对重构比特图像中闭合区域的边缘贡献度；根据闭合区域的第一特征参数以及比特图像对重构比特图像中闭合区域的边缘贡献度，获取最佳重构比特图像；根据最佳重构比特图像获取汽车图像中的污渍区域

【技术实现步骤摘要】
基于机器视觉的自主洗车监测方法


[0001]本专利技术涉及图像处理
，具体涉及基于机器视觉的自主洗车监测方法
。

技术介绍

[0002]随着社会的发展，科技的进步，汽车已经成为现代社会中不可或缺的一部分，然而，对于许多车主来说，洗车是一个耗时且繁琐的任务
。
此外，人工洗车往往存在无法全面
、
深入清洁车辆的问题
。
因此，开发一种能够自动完成洗车过程并确保洗车质量的系统显得尤为重要
。
近年来，机器视觉技术的发展为实现这一目标提供了新的可能
。
[0003]在使用自动洗车设备对汽车进行清洗时，可能会存在由于自动洗车设备自身问题亦或污渍自身较顽固等，在洗车结束后仍可能存在一些残留污渍和水珠
。
而传统的机器视觉对刚洗好的车进行监测时，由于汽车表面存在的水珠会对残留污渍的识别产生干扰，使得传统的机器视觉监测技术无法准确地将汽车表面的残留污渍识别出来
。

技术实现思路

[0004]本专利技术提供基于机器视觉的自主洗车监测方法，以解决现有的问题
。
[0005]本专利技术的基于机器视觉的自主洗车监测方法采用如下技术方案：本专利技术一个实施例提供了基于机器视觉的自主洗车监测方法，该方法包括以下步骤：采集汽车表面图像，对汽车表面图像进行预处理获取汽车图像；对汽车图像进行比特分层获取若干比特图像；对若干比特图像进行两两重构并将两两重构后的比特图像记为重构比特图像；根据重构比特图像获取重构比特图像中的边缘端点以及次边缘端点；根据重构比特图像中的边缘端点以及次边缘端点，获取同一条边缘线上的两个边缘端点之间的连接程度；根据同一条边缘线上的两个边缘端点之间的连接程度，获取重构比特图像中的所有闭合区域；根据闭合区域中的像素点获取闭合区域的第一特征参数；根据闭合区域边缘上的像素点，获取比特图像对重构比特图像中闭合区域的边缘贡献度；根据闭合区域的第一特征参数以及比特图像对重构比特图像中闭合区域的边缘贡献度，获取重构比特图像中的水珠特征程度；根据重构比特图像中的水珠特征程度获取最佳重构比特图像；根据最佳重构比特图像获取最佳重构比特图像中闭合区域的光滑程度；根据最佳重构比特图像中闭合区域的光滑程度，获取汽车图像中水珠区域；根据汽车图像中水珠区域，获取汽车图像中的污渍区域
。
[0006]优选的，所述采集汽车表面图像，对汽车表面图像进行预处理获取汽车图像；对汽车图像进行比特分层获取若干比特图像，包括的具体方法为：通过工业相机采集汽车表面图像，对汽车表面图像进行灰度化与去噪处理，再对灰度化与去噪处理处理后的汽车表面图像进行语义分割，得到预处理后的汽车表面图像记
为汽车图像；再对汽车图像进行比特分层处理，得到若干比特图像
。
[0007]优选的，所述对若干比特图像进行两两重构并将两两重构后的比特图像记为重构比特图像；根据重构比特图像获取重构比特图像中的边缘端点以及次边缘端点，包括的具体方法为：将比特图像进行两两重构，得到重构比特图像，再利用
canny
算子对每种重构比特图像进行边缘检测，获取重构比特图像的边缘像素点，获取在同一条边缘线上任意一个边缘像素点到边缘线中另一个边缘像素点的路径长度；将最长的路径长度的路径两端的边缘像素点记为边缘端点，将最长的路径上与边缘端点相邻的像素点记为次边缘端点
。
[0008]优选的，所述获取同一条边缘线上的两个边缘端点之间的连接程度，包括的具体方法为：沿次边缘端点到边缘端点方向做一条射线记为边缘端点的切线，获取重构比特图像中另一个边缘端点的切线，通过两个边缘端点的切线之间的夹角与两个边缘端点之间的距离，获取同一条边缘线上的两个边缘端点之间的连接程度，其具体的计算公式为：式中，表示同一条边缘线上的边缘端点与边缘端点之间的连接程度；表示同一条边缘线上的边缘端点的切线与边缘端点的切线之间的切线方向夹角；表示同一条边缘线上的边缘端点与边缘端点之间的距离；表示线性归一化函数
。
[0009]优选的，所述根据同一条边缘线上的两个边缘端点之间的连接程度，获取重构比特图像中的所有闭合区域，包括的具体方法为：预设一个归属阈值；在重构比特图像中，若边缘端点之间的连接程度大于时，则连接两个边缘端点；若边缘端点之间的连接程度小于等于时，则不连接两个边缘端点，然后将连接后的边缘线所围成的区域记为闭合区域，获取重构比特图像中的所有闭合区域
。
[0010]优选的，所述根据闭合区域中的像素点获取闭合区域的第一特征参数，包括的具体方法为：对于第层比特图像与第层比特图像的重构比特图像中的第个闭合区域；将第层比特图像与第层比特图像的重构比特图像中的第个闭合区域记为；首先以内的灰度均值为阈值，将内的像素点分为：灰度值大于等于内的灰度均值的像素点和灰度值小于内的灰度均值的像素点两类像素点；再根据第层比特图像以及第层比特图像中与相同位置的像素点，得到第一特征参数，其具体的计算公式为：
式中，表示的第一特征参数；表示在第层比特图像中与相同位置的区域内灰度值为0的像素点数量；表示在第层比特图像中与相同位置的区域内灰度值为1的像素点数量；表示在第层比特图像中与相同位置的区域内灰度值为0的像素点数量；表示在第层比特图像中与相同位置的区域内灰度值为1的像素点数量；表示内灰度值小于内的灰度均值的像素点数量；表示内灰度值大于等于内的灰度均值的像素点数量
。
[0011]优选的，所述根据闭合区域边缘上的像素点，获取比特图像对重构比特图像中闭合区域的边缘贡献度，包括的具体方法为：对于第层比特图像与第层比特图像的重构比特图像中的第个闭合区域；首先获取的所有边缘像素点记为的目标像素点，并记录的目标像素点的坐标，将第层比特图像中与目标像素点的坐标相同的像素点标记出来，并记为第层第个闭合区域的标记像素点；然后将第层第个闭合区域的标记像素点中灰度值相同且相邻的像素点归为同一边缘段，最后根据第层第个闭合区域的边缘段数量以及第层第个闭合区域的标记像素点数量，获取第层比特图像对的边缘贡献度，其具体的计算公式为：式中，表示第层比特图像对的边缘贡献度；表示在第层第个闭合区域的标记像素点中灰度值为1的像素点数量；表示在第层第个闭合区域中灰度值为1的边缘段数量；表示在第层第个闭合区域的标记像素点中灰度值为0的像素点数量；表示在第层第个闭合区域中灰度值为0的边缘段数量
。
[0012]优选的，所述根据闭合区域的第一特征参数以及比特图像对重构比特图像中闭合区域的边缘贡献度，获取重构比特图像中的水珠特征程度；根据重构比特图像中的水珠特征程度获取最佳重构比特图像，包括的具体方法为：根据闭合区域的第一特征参数以及比特图像对重构比特图像中闭合区域的边缘贡献度，获取重构比特图像中的水珠特征程度，其具体的计算公式为：式中，表示第层比特图像与第层比特图像的重构比特图像中的水珠特征程度；表示的第一特征参数；表示第层比特图像对的边缘贡献度；表示第
层比特图像对的边缘贡献度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于机器视觉的自主洗车监测方法，其特征在于，该方法包括以下步骤：采集汽车表面图像，对汽车表面图像进行预处理获取汽车图像；对汽车图像进行比特分层获取若干比特图像；对若干比特图像进行两两重构并将两两重构后的比特图像记为重构比特图像；根据重构比特图像获取重构比特图像中的边缘端点以及次边缘端点；根据重构比特图像中的边缘端点以及次边缘端点，获取同一条边缘线上的两个边缘端点之间的连接程度；根据同一条边缘线上的两个边缘端点之间的连接程度，获取重构比特图像中的所有闭合区域；根据闭合区域中的像素点获取闭合区域的第一特征参数；根据闭合区域边缘上的像素点，获取比特图像对重构比特图像中闭合区域的边缘贡献度；根据闭合区域的第一特征参数以及比特图像对重构比特图像中闭合区域的边缘贡献度，获取重构比特图像中的水珠特征程度；根据重构比特图像中的水珠特征程度获取最佳重构比特图像；根据最佳重构比特图像获取最佳重构比特图像中闭合区域的光滑程度；根据最佳重构比特图像中闭合区域的光滑程度，获取汽车图像中水珠区域；根据汽车图像中水珠区域，获取汽车图像中的污渍区域
。2.
根据权利要求1所述基于机器视觉的自主洗车监测方法，其特征在于，所述采集汽车表面图像，对汽车表面图像进行预处理获取汽车图像；对汽车图像进行比特分层获取若干比特图像，包括的具体方法为：通过工业相机采集汽车表面图像，对汽车表面图像进行灰度化与去噪处理，再对灰度化与去噪处理处理后的汽车表面图像进行语义分割，得到预处理后的汽车表面图像记为汽车图像；再对汽车图像进行比特分层处理，得到若干比特图像
。3.
根据权利要求1所述基于机器视觉的自主洗车监测方法，其特征在于，所述对若干比特图像进行两两重构并将两两重构后的比特图像记为重构比特图像；根据重构比特图像获取重构比特图像中的边缘端点以及次边缘端点，包括的具体方法为：将比特图像进行两两重构，得到重构比特图像，再利用
canny
算子对每种重构比特图像进行边缘检测，获取重构比特图像的边缘像素点，获取在同一条边缘线上任意一个边缘像素点到边缘线中另一个边缘像素点的路径长度；将最长的路径长度的路径两端的边缘像素点记为边缘端点，将最长的路径上与边缘端点相邻的像素点记为次边缘端点
。4.
根据权利要求1所述基于机器视觉的自主洗车监测方法，其特征在于，所述获取同一条边缘线上的两个边缘端点之间的连接程度，包括的具体方法为：沿次边缘端点到边缘端点方向做一条射线记为边缘端点的切线，获取重构比特图像中另一个边缘端点的切线，通过两个边缘端点的切线之间的夹角与两个边缘端点之间的距离，获取同一条边缘线上的两个边缘端点之间的连接程度，其具体的计算公式为：式中，表示同一条边缘线上的边缘端点与边缘端点之间的连接程度；表示同
一条边缘线上的边缘端点的切线与边缘端点的切线之间的切线方向夹角；表示同一条边缘线上的边缘端点与边缘端点之间的距离；表示线性归一化函数
。5.
根据权利要求1所述基于机器视觉的自主洗车监测方法，其特征在于，所述根据同一条边缘线上的两个边缘端点之间的连接程度，获取重构比特图像中的所有闭合区域，包括的具体方法为：预设一个归属阈值；在重构比特图像中，若边缘端点之间的连接程度大于时，则连接两个边缘端点；若边缘端点之间的连接程度小于等于时，则不连接两个边缘端点，然后将连接后的边缘线所围成的区域记为闭合区域，获取重构比特图像中的所有闭合区域
。6.
根据权利要求1所述基于机器视觉的自主洗车监测方法，其特征在于，所述根据闭合区域中的像素点获取闭合区域的第一特征参数，包括的具体方法为：对于第层比特图像与第层比特图像的重构比特图像中的第个闭合区域；将第层比特图像与第层比特图像的重构比特图像中的第个闭合区域记为；首先以内的灰度均值为阈值，将内的像素点分为：灰度值大于等于内的灰度均值的像素点和灰度值小于内的灰度均值的像素点两类像素点；再根据第层比特图像以及第层比特图像中与相同位置的像素点，得到第一特征参数，其具体的计算公式为：式中，表示的第一特征参数；表示在第层比特图像中与相同位置的区域内灰度值为0的像素点数量；表示在第层比特图像中与相同位置的区域内灰度值为1的像素点数量；表示在第层比特图像中与相同位置的区域内灰度值为0的...

【专利技术属性】
技术研发人员：王玉忠，
申请(专利权)人：南通苏禾车灯配件有限公司，
类型：发明
国别省市：