一种基于胎厚测量的轮胎异常变形量的检测方法与流程
本发明涉及汽车外观检测诊断的技术领域，特别是一种基于胎厚测量的轮胎异常变形量的检测方法。
背景技术：
汽车轮胎是强弹性的橡胶制品，它和路面直接接触，是汽车的重要部件之一，在行驶中起着非常重要的作用：承受着汽车的重量；和汽车悬架共同来缓和汽车行驶时的冲击，保证车辆的舒适性和平顺性；保证车轮和路面有良好的附着性，提高汽车的牵引性、制动性和通过性。
轮胎行驶中变形量会受胎压、路面温度、载重量、轮胎参数和路面平整度等诸多因素的影响而发生变化，变形量过大或过小都会引发诸多的隐患。车辆行驶中轮胎变形量较大时，与路面的摩擦系数增大，油耗上升，进而造成方向盘沉重，易跑偏；轮胎的胎壁及胎体长时间受到挤压和形变(屈挠)，会加速轮胎的老化，导致胎肩磨损；轮胎与地面的摩擦成倍增加，胎温急剧升高，轮胎变软，强度下降，高速行驶时容易引发爆胎等等。若轮胎变形量较小时，轮胎的抓地力的减少、摩擦附着力降低，影响车辆制动性能；车体震动大，会影响司乘人员的舒适性，且间接影响其他零部件的寿命；加速轮胎胎面中央花纹的局部磨损，使轮胎寿命下降；胎壁张力过大，会导致胎体弹性下降，车辆受到的负荷增大，异物撞击时出现破裂导致爆胎的概率大大增加。可见，车辆的变形量的自动检测，对于减缓轮胎磨损和提高行车安全等非常重要。然而，轮胎细微的变形率很难用肉眼直接观测到，鉴于此，亟需一种变形率的自动检测方法，解决车辆轮胎异常变形带来的安全问题。
技术实现要素：
本发明的目的在于提供一种基于胎厚测量的轮胎异常变形量的检测方法，解决了现有的车辆轮胎异常变形无法进行检测，导致车辆的行车安全存在问题。
为了达到上述目的，本发明采用的技术方案是：
本发明提供的一种基于胎厚测量的轮胎异常变形量的检测方法，包括以下步骤：
步骤1，对采集得到的轮胎图像进行预处理，得到轮胎二值图；
步骤2，在步骤1中得到的轮胎二值图上提取轮毂区域和地面区域，分别作为轮毂初图和地面区图；
步骤3，对步骤2中的轮毂初图进行形态处理，得到轮毂填补图；
步骤4，根据步骤3中得到的轮毂填补图计算轮毂参数；
步骤5，根据步骤4中得到的轮毂参数构建矫正圆；
步骤6，利用步骤5中得到的矫正圆更新轮毂填补图；并计算更新后的轮毂填补图的形心坐标和虚拟半径；
步骤7，将步骤3中的轮毂填补图的虚拟半径和步骤6中更新后的轮毂填补图的虚拟半径进行处理，其中，当|r'-r|≤τ，转入步骤8，否则，转入步骤5；
步骤8，在更新后的轮毂填补图中提取轮毂的最低点群；
步骤9，计算轮毂最低点群和地面区域之间的最短距离；
步骤10，根据步骤9得到的轮毂最低点群和地面区域之间的最短距离，计算轮胎的实际胎厚；
步骤11，根据步骤10中得到的轮胎的实际胎厚计算轮胎的载重变形率；
步骤12，根据步骤11中得到的轮胎的载重变形率判断轮胎变形的状态。
优选地，步骤1中，对采集得到的轮胎图像进行预处理，具体方法是：
s1，对采集得到的轮胎图像进行灰度化及去噪处理，之后得到预处理轮胎图像；
s2，对预处理轮胎图像进行二分类分割，得到轮胎二值初图；
s3，对得到的轮胎二值初图进行形态处理，得到轮胎二值图；
其中，在采集轮胎图像时，采集设备与轮毂中心同高度，拍摄角度与轮轴重合。
优选地，步骤2中，在步骤1中得到的轮胎二值图上提取轮毂区域和地面区域，具体方法是：
设定轮胎二值图上有h个连通区域块，若其中一个连通区域块同时满足下式，则该连通区域块为轮毂区域，作为轮毂初图：
其中，bai为轮胎二值图中第i个连通区域的像素总和；α1为轮毂尺寸阈值；bci为第i个连通区域的外接矩形模板的像素总和；
若轮胎二值图中某个连通区域块同时满足下式，则认为该连通区域块为地面区域，作为地面区图：
优选地，步骤3中，对步骤2中的轮毂初图进行形态处理，得到轮毂填补图，具体方法是：
利用圆形结构算子sf对轮毂初图进行闭运算，以填补轮毂初图中漏检的小区域块，得到轮毂填补图；
步骤4中，根据步骤3中得到的轮毂填补图计算轮毂参数，具体方法是：
设定轮毂填补图中的轮毂区域的像素值为1，其余区域的像素值为0；根据下式计算轮毂区域的参数：
其中，cx和cy分别为轮毂区域的形心行和列坐标值；r为虚拟半径。
优选地，步骤5中，根据步骤4中得到的轮毂参数构建矫正圆，具体方法是：
确定矫正圆的圆心坐标(cx’，cy’)和半径r’，其中，cx’＝cx；cy’＝cy；r’＝r；
步骤6中，利用步骤5中得到的矫正圆更新轮毂填补图，具体方法是：
利用矫正圆去除轮毂填补图中的噪声区域，得到更新后的轮毂填补图；
优选地，步骤8中，在更新后的轮毂填补图中提取轮毂的最低点群，具体方法是：
在更新后的轮毂填补图中，将行坐标为最大值的所有像素点作为轮毂最低点群；
步骤9中，根据下式计算轮毂最低点群和地面区域之间的最短距离：
其中，dp为最低点群中像素点p和地面区域的最短距离；xp和yp为像素点p的行、列坐标值；xq和yq为像素点q的行、列坐标值。
优选地，步骤10中，根据步骤9得到的轮毂最低点群和地面区域之间的最短距离，计算轮胎的实际胎厚，具体方法是：
其中，dt为轮胎的实际胎厚；
优选地，步骤11中，根据步骤10中得到的轮胎的实际胎厚计算轮胎的载重变形率，具体方法是：
其中，ξ为轮胎的载重变形率；db为轮胎的标准胎厚，db＝s·μ，s为胎宽，μ为扁平比。
优选地，步骤12中，根据步骤11中得到的轮胎的载重变形率判断轮胎变形的状态，具体
其中，fl为轮胎变形量的状态标记，fl＝1表示轮胎变形量为异常，fl＝0表示轮胎变形量为正常；κ为变形量上阈值，
与现有技术相比，本发明的有益效果是：
本发明提供的一种基于胎厚测量的轮胎异常变形量的检测方法，基于轮毂的圆形特性，利用图像处理的技术计算轮胎变形率，与标准高压、低压下的变形率做比较，可以判定轮胎变形的状态判定。本发明方法可以实现没有专业胎压测量工具，或气温、载重和路面情况等发生变化时，对轮胎的异常变形进行检测，提高车辆的行车安全，尤其适用于高危车辆的实时监控轮胎。
附图说明
图1是轮胎图像f；
图2是预处理轮胎图像g；
图3是轮胎二值初图b；
图4是轮胎二值图e；
图5是轮毂初图c；
图6是地面区图r；
图7是轮毂填补图ca。
具体实施方式
下面结合附图，对本发明进一步详细说明。
本发明提供的一种基于胎厚测量的轮胎异常变形量的检测方法，该方法能够在客户端离线运行，也可以和云数据结合，实现线上自动检测；具体包括以下步骤：
步骤0：汽车轮胎图像采集。在车辆轮胎不拆卸的情形下，用图像采集设备(或智能手机)采集汽车轮胎的图像，采集设备应与轮毂中心同高度，使拍摄角度与轮轴重合，要求拍摄到完整的轮胎图像，并使轮胎部分位于图像的中上部。采集到的轮胎图像用符号f表示，图像大小记为m和n，即图像f的总行数和总列数分别为m行和n列，总像素点为m×n。
本实施例中，m＝773，n＝604，轮胎图像f如图1所示。
步骤1：图像预处理。图像预处理包括：图像灰度化、去噪等处理，图像灰度化可以降低后续处理的计算量，灰度化处理的方法有很多，可采用加权平均法进行灰度化处理，以得到较合理的灰度图像；去噪处理能减少轮胎图像中噪声(如泥点和污渍等)，提高后续处理的精度，去噪处理可以采用针对椒盐噪声的中值滤波器。轮胎图像f经过预处理后得到预处理轮胎图像g。
实施例中，预处理轮胎图像g如图2所示。
步骤2：预处理轮胎图像的二值化。预处理轮胎图像g具有鲜明的对比度，地面和轮毂为高亮色，轮胎为暗色，利用亮度的对差异对预处理轮胎图像g进行二分类分割，如式(1)所示，得到轮胎二值初图b。
其中，x和y是图像中某像素点的行、列坐标值，均为整数值，且，1≤x≤m；1≤y≤n；t为图像分割阈值，可由最大类间法确定得到。
本实施例中，轮胎二值初图b如图3所示。
步骤3：轮胎二值图的形态处理。由于受噪声和阴影等的影响，轮胎二值初图b中，轮毂和地面等区域还存在空洞，不利于后续的处理，故应先对其执行形态处理。具体包括：先用小的结构算子se对轮胎二值初图b进行闭运算(即先膨胀、后腐蚀运算)，接着进行填空洞操作，得到轮胎二值图e。
本实施例中，考虑到轮毂的形状，结构算子se选用半径较小(半径为5)的圆形结构算子，以防止将非轮毂区域和轮毂区域相连，轮胎二值图e如图4所示。
步骤4：提取轮胎二值图e的轮毂区域。轮毂在轮胎图像中具有为圆形、尺寸较大、位于图像上部等特征，基于轮毂特征提取轮胎二值图e中的轮毂区域。假定轮胎二值图e中有h个连通区域块，若某连通区域块同时满足式(2-4)，则认为该连通区域块为轮毂区域，提取该区域块得到轮毂初图c。
其中，bai为轮胎二值图e中第i个连通区域的像素总和；α1为轮毂尺寸阈值，通常取值为0.18-0.5；bci为第i个连通区域的外接矩形模板(外接矩形及其内部像素值均为1)的像素总和；
本实施例中，α1取值为0.2，β1取值为0.7，γ1取值为0.65；轮毂区域i＝l的各参数如下：bal＝144843，bcl＝189570，oxl＝369，有：
步骤5：提取轮胎二值图e的地面区域。轮胎图像中的地面区域尺寸较大、位于图像的底部，基于此，若轮胎二值图e中某连通区域块同时满足式(5-6)，则认为该连通区域块为地面区域，记地面区图为r。
本实施例中，地面区域i＝j的各参数如下：baj＝128001，oxj＝684，有：
步骤6：利用较大的圆形结构算子sf对轮毂初图c进行闭运算(即先膨胀、后腐蚀运算)，以填补轮毂初图c中漏检的小区域块，得到轮毂填补图ca。
本实施例中，选用半径为35的圆形结构算子sf，得到的轮毂填补图ca如图7所示。
步骤7：计算轮毂的参数。轮毂填补图ca中只有轮毂区域被标记为1，其余区域像素值为0，轮毂区域的参数计算过程如式(7-9)所示。
其中，cx和cy分别为轮毂区域的形心行、列坐标值；r为虚拟半径。
本实施例中，cx和cy分别为337和369，虚拟半径r为216.3。
步骤8：构建矫正圆。构建矫正圆的目的是为了精确分割出轮毂区域，矫正圆需要确定的参数有圆心坐标(cx’，cy’)和半径r’，矫正圆参数的初始化或更新策略为：cx’＝cx,cy’＝cy和r’＝r。
步骤9：更新轮毂填补图ca。用矫正圆去除ca中的噪声区域，即将位于矫正圆之外的像素值均置为0，位于矫正圆内的像素值保持不变。
步骤10：计算更新的轮毂填补图ca的形心坐标(cx,cy)和虚拟半径r，其计算式如(7-9)所示。
步骤11：若|r'-r|≤τ，转入步骤12；否则，转入步骤8。其中，τ表示半径阈值，取值分别为0.001-0.1。
本实施例中，半径阈值τ取值为0.05。经过21次步骤8到11的循环迭代，r’＝212.4075，r＝212.4367，可知|r'-r|＝0.0292<0.05＝τ。
步骤12：提取轮毂的最低点群。经过更新后的轮毂填补图ca中，行坐标最大的所有像素点为轮毂最低点群，记w。
本实施例中，轮毂最低点群w的行列坐标值如表1所示。
表1轮毂最低点群w的坐标值
步骤13：计算轮毂最低点群和地面区域的最短距离。
其中，dp为最低点群中像素点p和地面区域的最短距离；xp和yp为像素点p的行、列坐标值；xq和yq为地面区域中像素点q的行、列坐标值。
本实施例中，最低点群和地面区域的最短距离如表2所示。
表2最低点群和地面区域的最短距离
步骤14：计算单位像素尺寸
其中，dl为根据规格尺寸获知的轮毂的实际直径；2r为轮毂的像素直径。
本实施例中，dl为15英寸，即38.1cm，得
步骤15：计算轮胎的实际胎厚。轮毂最低点群最短距离的平均值即为轮胎的最小胎厚。
其中，dt为轮胎的实际胎厚。
本实施例中，dt为5.1382。
步骤16：计算轮胎的标准胎厚。根据轮胎的规范尺寸(胎宽和扁平比)，计算轮胎的标准胎厚。
db＝s·μ(13)
其中，s为胎宽，μ为扁平比。
本实施例中，轮胎的胎宽s为195cm，扁平比尺寸μ为：65％，可知db＝12.87cm。
步骤17：计算轮胎的载重变形率ξ。
本实施例中，轮胎的载重变形率ξ＝0.3992。
步骤18：判定轮胎变形的异常状态。依据变形率判定轮胎变形的状态：正常或异常。
其中，fl为轮胎变形量的状态标记，为二值变量，fl＝1表示轮胎变形量为异常，fl＝0表示轮胎变形量为正常；κ和λ分别变形量上、下阈值，由标准低压和高压下的汽车胎厚决定，其计算式如(16-17)所示。
在标准载重时，测量新轮胎在标准低压和高压下的胎厚，这是一个基准值，当测定好后，直接查询即可。
其中，dd为新轮胎在标准载重、低气压下测得的胎厚值；dh为新轮胎在标准载重、高气压下测得的胎厚值。
本实施例中，测量的κ和λ分别为0.75和0.85，由于ξ<κ，故fl＝0。
步骤19：算法结束。
- 还没有人留言评论。精彩留言会获得点赞！