CN103646248B - 基于双目线阵ccd汽车底盘成像的异物检测方法 - Google Patents
基于双目线阵ccd汽车底盘成像的异物检测方法 Download PDFInfo
- Publication number
- CN103646248B CN103646248B CN201310632752.5A CN201310632752A CN103646248B CN 103646248 B CN103646248 B CN 103646248B CN 201310632752 A CN201310632752 A CN 201310632752A CN 103646248 B CN103646248 B CN 103646248B
- Authority
- CN
- China
- Prior art keywords
- image
- foreign body
- connected domain
- checked
- lab
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了基于双目线阵CCD汽车底盘成像的异物检测方法,步骤包括:步骤1、根据采集到的待检图像的每一行的行方差,求出行驶车辆的水平移动偏移量;步骤2、求解车辆行驶整体偏移趋势直线;步骤3、按各行平移位置校正待检图像的水平偏差;步骤4、计算待检图像与标准图像的正差分与负差分;步骤5、对正差分图和负差分图进行去噪;步骤6、合并正负差分图;步骤7、消除步骤6中误提取的非异物区域;步骤8、修复异物目标的缺损区域;步骤9、进一步确认异物区域;步骤10、求解车辆底盘中的异物的高度;步骤11、标记出异物位置及高度,即成。本发明方法能够对藏匿于汽车底盘中的异物进行自动检测,准确率高。
Description
技术领域
本发明属于数字图像处理技术领域,涉及一种基于双目线阵CCD汽车底盘成像的异物检测方法。
背景技术
在常规安防检测中,对汽车底盘藏匿危险品等异物的检测,大都是通过人工目视或手持探测仪器实施,工作不方便,工作效率低,检测准确率不高。
目前,已经出现了地埋双目线阵CCD采集汽车底盘图像,因为通过地埋双目线阵CCD采集到的汽车底盘数据并不能直接用来进行异物检测,所以在异物检测开始之前还需要对其进行一些预处理。首先,对采集到的待检图像经过车型识别模块定位出待检图像与标准库中对应的标准图像(有关车型识别的方法在专利《基于线阵CCD的汽车底盘成像的车型识别》,申请号为201310356802.1中有详细说明),以该标准图像作为识别待检测异物车辆底盘的参照;其次,由于车辆在行驶的过程中并不一定是匀速的并且行驶路径也不一定能与地埋双目线阵CCD位置完全吻合,所以需要将待检图像按照标准图像进行一个行进畸变校正处理(有关行进畸变校正处理方法,参照专利《一种线阵CCD的行进畸变校正方法》,该专利申请号为201310608742.8,申请日为2013年11月22日);最后才将待检图像与标准图像进行对比用于检测异物。但是该两种方法还不能直接得到满意的检测结果,还需要进一步研究制定可靠准确的处理方法,以满足各种复杂情况下汽车底盘成像的异物检测。
发明内容
本发明的目的在于提供一种基于双目线阵CCD汽车底盘成像的异物检测方法,解决了现有技术中采用人工目视或手持探测仪器实施,工作不方便,工作效率低,检测准确率不高的问题。
本发明采用的技术方案是,一种基于双目线阵CCD汽车底盘成像的异物检测方法,按照以下步骤实施:
步骤1、利用地埋双目线阵CCD采集上方行驶车辆的底盘图像,以下称为待检图像,根据采集到的待检图像的每一行的行方差,求出行驶车辆的水平移动偏移量
设大小为m×n的标准图像为[IS(x,y)]m×n,待检图像为[IR(x,y)]m×n,按照公式(1)将待检图像与标准图像进行差分运算,得到行差分ESR(x,y,k),
其中x=1,2,...,m,y=1,2,...,n,k=-l,-l+1,,...,0,1,2,...,l,l为行驶车辆可能的左右偏移的最大偏移量,
按照公式(2)和(3)计算每一行差分的均值μSR(x,k),方差σ2 SR(x,k),x=1,2,...,m,y=1,2,...,n,k=-l,-l+1,,...,0,1,2,...,l,则:
然后,按照公式(4)求出第x行的车辆行驶水平偏移量kx *:
步骤2、求解车辆行驶整体偏移趋势直线
设汽车行驶的水平偏移直线为kx=p·x+Δk,x=1,2,...,m为行坐标,则确定直线的参数p及Δk的计算公式如下:
其中,
步骤3、按各行平移位置校正待检图像的水平偏差
将待检图像按照步骤2求得的直线变化规律进行水平平移;
步骤4、计算待检图像与标准图像的正差分与负差分
对标准图像[IS(x,y)]m×n和待检图像[IR(x,y)]m×n,计算正差分图[ΔIp(x,y)]m×n及负差分图像[ΔIn(x,y)]m×n,计算公式如下:
x=1,2,...,m,y=1,2,...,n,(6)
x=1,2,...,m,y=1,2,...,n;(7)
步骤5、对正差分图和负差分图进行去噪
5.1)进行灰度腐蚀处理
首先对正差分图[ΔIp(x,y)]m×n、负差分图[ΔIn(x,y)]m×n进行灰度腐蚀,设[ΔIp(x,y)]m×n和[ΔIn(x,y)]m×n经过灰度腐蚀后的结果分别为[ΔIp E(x,y)]m×n和[ΔIn E(x,y)]m×n,之后分别进行二值化处理,得到二值化结果图分别为[Bp(x,y)]m×n和[Bn(x,y)]m×n,计算公式如下:
其中,和为二值化判断阈值;
5.2)进行sobel锐化处理
对经过灰度腐蚀之后的正差分图[Bp(x,y)]m×n和负差分图[Bn(x,y)]m×n,求其sobel边缘,设得到的边缘图像分别为[ΔIp Edge(x,y)]m×n和[ΔIn Edge(x,y)]m×n,之后分别对其进行二值化处理,得到二值化结果图分别为[Bp Edge(x,y)]m×n和[Bn Edge(x,y)]m×n,计算公式如下:
其中,和为二值化判断阈值;
5.3)消除边缘干扰处理
对于步骤5.1)处理的结果图像[Bp(x,y)]m×n和[Bn(x,y)]m×n,将其中的边缘干扰部分,按照公式(12)和公式(13)进行消除,分别得到图像[Bp S(x,y)]m×n和[Bn S(x,y)]m×n,计算公式如下:
步骤6、合并正负差分图
将步骤5得到的正差分图[Bp S(x,y)]m×n和负差分图[Bn S(x,y)]m×n合并,获得包含有异物和杂质的检测结果图像[BR(x,y)]m×n,计算公式如下:
步骤7、消除误提取的非异物区域
7.1)对步骤6得到的结果图像[BR(x,y)]m×n,进行贴标签处理,得到标签矩阵[LAB(x,y)]m×n,设由[LAB(x,y)]m×n标记的连通域的标签数为NLab,每个标签标记的连通域为Ωk,k=1,2,...,NLab,计算以下几个参数:
a)连通域的面积Sk,k=1,2,...,NLab,计算公式如下:
b)连通域的长宽比ρk,k=1,2,...,NLab,计算公式如下:
其中,Wk=xk max-xk min, Hk=yk max-yk min,
c)连通域的的占空比γk,k=1,2,...,NLab,计算公式如下:
7.2)对[BR(x,y)]m×n按照公式(18)计算,得到消除了误提取异物连通域后的异物结果
x=1,2,...,m,y=1,2,...,n,(18)
其中,ThS是用于判断当作异物目标误提取的阈值,Thρ和Thγ是用于判断异物目标形状的阈值,根据图像的分辨率以及判断最小异物的大小来确定;
步骤8、修复异物目标的缺损区域
将步骤6得到的图像[BR(x,y)]m×n作为区域生长的终止条件约束点,对图像进行区域生长,生长截止条件是,当遇到[BR(x,y)]m×n给出的边缘点时停止生长,由此,得到经过区域生长修复后异物目标缺损区域后的结果图像[B*(x,y)]m×n;
步骤9、进一步确认异物区域
对左、右两侧CCD拍摄的待检图像全部按照步骤1至步骤8进行处理,得到检测的异物区域[B*(x,y)]m×n,为下文描述方便起见,将左侧CCD拍摄的图像得到的异物检测结果图像表示为[Bleft *(x,y)]m×n,将右侧CCD拍摄的图像得到的异物检测结果图像表示为[Bright *(x,y)]m×n,继续进行如下的处理:
分别对[Bleft *(x,y)]m×n和[Bright *(x,y)]m×n进行贴标签处理,设得到的标签矩阵分别为[LABleft(x,y)]m×n和[LABright(x,y)]m×n,
设由[LABleft(x,y)]m×n标记的连通域的标签数为Nleft,每个标签标记的连通域为Ωk left,k=1,2,...,Nleft,
由[LABright(x,y)]m×n标记的连通域的标签数为Nright,每个标签标记的连通域为Ωk right,k=1,2,...,Nright,
经过三个条件判断之后,删除Nlef_tright个左、右侧图像连通域对(Ωk left,Ωk right)中,不是异物目标的部分,剩下N个属于异物的左、右侧图像连通域对(Ωk left,Ωk right),设为(Ωk left,Ωk right),k=1,2,...,N,即用该连通域对序列来表示N个异物;
步骤10、求解车辆底盘中的异物的高度
对步骤9得到的属于异物目标区域的左侧图像、右侧图像的连通域对(Ωk left,Ωk right),k=1,2,...,N,进行如下的计算:
10.1)计算连通域Ωk left和Ωk right的左侧边界点和,以及右侧边界点和计算公式如下:
10.2)计算异物的高度
对由(Ωk left,Ωk right),k=1,2,...,N表示的第k个异物,其高度hk的计算公式是:
步骤11、标记出异物位置及高度
如果右侧图像为主图像的话,就由(Ωk right,hk),k=1,2,...,N来标记异物;反之,如果左侧图像为主图像的话,就由(Ωk left,hk),k=1,2,...,N来标记异物,完成对汽车底盘异物数目,以及每个异物的位置以及高度的自动检测,即成。
本发明的有益效果是,由地埋双目线阵CCD拍摄汽车底盘图像,采集行驶车辆底盘数据,经车型识别模块定位出待测汽车底盘与标准库中对应的标准汽车底盘对比,实现车型识别和行进畸变校正,判断待测底盘中是否存有异物,若有异物则确定异物的位置及异物的大小和高度。该方法简便易行,识别准确率高。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明基于双目线阵CCD汽车底盘成像的异物检测方法,基于上述的两个专利中的部分技术方案,按照以下步骤实施:
步骤1、利用地埋双目线阵CCD采集上方行驶车辆的底盘图像(以下称为待检图像),根据采集到的待检图像的每一行的行方差,求出行驶车辆的水平移动偏移量
由于车辆行驶过地埋双目线阵CCD区域时,行驶的路径与预设的路线中心线不一定完全吻合,导致待检图像和标准图像在水平方向上有一定的左右偏差,所以要对待检图像进行水平方向的校正,
设大小为m×n的标准图像为[IS(x,y)]m×n,待检图像为[IR(x,y)]m×n,首先,按照公式(1)将待检图像与标准图像进行差分运算,得到行差分ESR(x,y,k),
其中x=1,2,...,m,y=1,2,...,n,k=-l,-l+1,,...,0,1,2,...,l,l为行驶车辆可能的左右偏移的最大偏移量,根据线阵CCD的分辨率和环境设置允许的车辆行驶偏移量来确定,属于经验选值;在实施例中,线阵CCD的分辨率设置为70DPI,选取l=70,
按照公式(2)和(3)计算每一行差分的均值μSR(x,k),方差σ2 SR(x,k),x=1,2,...,m,y=1,2,...,n,k=-l,-l+1,,...,0,1,2,...,l,则有:
然后,按照公式(4)求出第x行的车辆行驶水平偏移量kx *:
步骤2、求解车辆行驶整体偏移趋势直线
考虑到汽车行驶轨迹的水平偏差是渐变的,为了消除各种干扰对由步骤1中得到的每行的水平偏移量kx *的影响,需要对所得到的数据采用最小二乘法进行直线拟合,设汽车行驶的水平偏移直线为kx=p·x+Δk,x=1,2,...,m为行坐标,则确定直线的参数p及Δk的计算公式如下:
其中,
步骤3、按各行平移位置校正待检图像的水平偏差
将待检图像按照步骤2求得的直线变化规律进行水平平移;
步骤4、计算待检图像与标准图像的正差分与负差分
对标准图像[IS(x,y)]m×n和待检图像[IR(x,y)]m×n,计算正差分图[ΔIp(x,y)]m×n及负差分图像[ΔIn(x,y)]m×n,计算公式如下:
x=1,2,...,m,y=1,2,...,n,(6)
x=1,2,...,m,y=1,2,...,n;(7)
步骤5、对正差分图[ΔIp(x,y)]m×n和负差分图[ΔIn(x,y)]m×n进行去噪
5.1)进行灰度腐蚀处理
首先对正差分图、负差分图进行灰度腐蚀,灰度腐蚀的处理方法在图像处理相关教材均有详细说明,设[ΔIp(x,y)]m×n和[ΔIn(x,y)]m×n经过灰度腐蚀后的结果分别为[ΔIp E(x,y)]m×n和[ΔIn E(x,y)]m×n,之后分别进行二值化处理,得到二值化结果图分别为[Bp(x,y)]m×n和[Bn(x,y)]m×n,计算公式如下:
其中,和为二值化判断阈值,通过大津法进行确定(大津法在图像处理相关教材上均有详细说明);
5.2)进行sobel锐化处理
对经过灰度腐蚀之后的正差分图[Bp(x,y)]m×n和负差分图[Bn(x,y)]m×n,求其sobel边缘,设得到的边缘图像分别为[ΔIp Edge(x,y)]m×n和[ΔIn Edge(x,y)]m×n,之后分别对其进行二值化处理,得到二值化结果图分别为[Bp Edge(x,y)]m×n和[Bn Edge(x,y)]m×n,计算公式如下:
其中,和为二值化判断阈值,通过大津法进行确定(大津法在图像处理相关教材上均有详细说明);
5.3)消除边缘干扰处理
对于步骤5.1)处理的结果图像[Bp(x,y)]m×n和[Bn(x,y)]m×n,将其中的边缘干扰部分,按照公式(12)和公式(13)进行消除,分别得到图像[Bp S(x,y)]m×n和[Bn S(x,y)]m×n,计算公式如下:
步骤6、合并正负差分图
将步骤5得到的正差分图[Bp S(x,y)]m×n和负差分图[Bn S(x,y)]m×n合并,获得包含有异物和杂质的检测结果图像[BR(x,y)]m×n,计算公式如下:
步骤7、消除步骤6中误提取的非异物区域
7.1)对步骤6得到的结果图像[BR(x,y)]m×n,进行贴标签处理(贴标签方法在图像处理相关教材上均有详细说明),得到标签矩阵[LAB(x,y)]m×n,
设由[LAB(x,y)]m×n标记的连通域的标签数为NLab,每个标签标记的连通域为Ωk,k=1,2,...,NLab,计算以下几个参数:
a)连通域的面积Sk,k=1,2,...,NLab,计算公式如下:
b)连通域的长宽比ρk,k=1,2,...,NLab,计算公式如下:
其中,Wk=xk max-xk min, Hk=yk max-yk min,
c)连通域的的占空比γk,k=1,2,...,NLab,计算公式如下:
7.2)对[BR(x,y)]m×n进行如下的处理,按照公式(18)计算得到消除了误提取异物连通域后的异物结果
x=1,2,...,m,y=1,2,...,n,(18)
其中,ThS是用于判断当作异物目标误提取的阈值,根据图像的分辨率以及判断最小异物的大小来确定,根据底盘藏匿异物的情况,在分辨率为70DPI的情况下,优选范围为ThS∈[100,150];Thρ和Thγ是用于判断异物目标形状的阈值,根据底盘藏匿异物的情况,在分辨率为70DPI的情况下,优选范围为ThS∈[3,7]及Thγ∈[0.2,0.3];
步骤8、修复异物目标的缺损区域
经过上述步骤的处理之后,将误提取的区域进行了消除,但同时也会在一定程度上导致一些异物区域的缺损,因此需要采用区域生长方法重新进行修复,具体方法如下:
将步骤6得到的图像[BR(x,y)]m×n作为区域生长的终止条件约束点,对图像进行区域生长(区域生长的算法在图像处理相关教材上均有详细说明),生长截止条件是,当遇到[BR(x,y)]m×n给出的边缘点时停止生长,由此,得到经过区域生长修复后异物目标缺损区域后的结果图像[B*(x,y)]m×n;
步骤9、进一步确认异物区域
对左、右两侧CCD拍摄的待检图像全部按照步骤1至步骤8进行处理,得到检测的异物区域[B*(x,y)]m×n,为下文描述方便起见,将左侧CCD拍摄的图像得到的异物检测结果图像表示为[Bleft *(x,y)]m×n,将右侧CCD拍摄的图像得到的异物检测结果图像表示为[Bright *(x,y)]m×n,继续进行如下的处理:
分别对[Bleft *(x,y)]m×n和[Bright *(x,y)]m×n进行贴标签处理,设得到的标签矩阵分别为[LABleft(x,y)]m×n和[LABright(x,y)]m×n,
设由[LABleft(x,y)]m×n标记的连通域的标签数为Nleft,每个标签标记的连通域为Ωk left,k=1,2,...,Nleft,
由[LABright(x,y)]m×n标记的连通域的标签数为Nright,每个标签标记的连通域为Ωk right,k=1,2,...,Nright,
对这些连通域,如果同时满足以下三个条件,就被视作异物目标区域,否则,即为误提取的干扰区域,将其删除:
条件一、在步骤9中提取出的左侧图像的连通域Ωk left,k=1,2,...,Nleft中,与提取出的右侧CCD图像的连通域Ωk right,k=1,2,...,Nright中的某个连通域的具有相同位置坐标的像素点,设如此寻找到的具有相同位置坐标像素点的左右侧图像连通域对为(Ωk left,Ωk right),k=1,2,...,Nleft_right;
条件二、(Ωk left,Ωk right),k=1,2,...,Nleft_right中,则左侧图像中的连通域Ωk left在Ωk right的左边;
条件三、按照公式(15)计算得到的Ωk left的面积Sk left,与Ωk right的面积Sk right相似,即其中较小面积的连通域的面积是较大面积连通域的面积一半以上时,
经过上述三个条件判断之后,删除Nleft_right个左、右侧图像连通域对(Ωk left,Ωk right)中,不是异物目标的部分,剩下N个属于异物的左、右侧图像连通域对(Ωk left,Ωk right),设为(Ωk left,Ωk right),k=1,2,...,N,即用该连通域对序列来表示N个异物;
步骤10、求解车辆底盘中的异物的高度
对经过步骤9得到的属于异物目标区域的左侧图像、右侧图像的连通域对(Ωk left,Ωk right),k=1,2,...,N,进行如下的计算:
10.1)计算连通域Ωk left和Ωk right的左侧边界点和以及右侧边界点和计算公式如下:
10.2)计算异物的高度
对由(Ωk left,Ωk right),k=1,2,...,N表示的第k个异物,其高度hk的计算公式是:
步骤11、标记出异物位置及高度
如果右侧图像为主图像的话,就由(Ωk right,hk),k=1,2,...,N来标记异物;反之,如果左侧图像为主图像的话,就由(Ωk left,hk),k=1,2,...,N来标记异物,完成对汽车底盘异物数目,以及每个异物的位置以及高度的自动检测,即成。
Claims (5)
1.一种基于双目线阵CCD汽车底盘成像的异物检测方法,其特征在于,按照以下步骤实施:
步骤1、利用地埋双目线阵CCD采集上方行驶车辆的底盘图像,以下称为待检图像,根据采集到的待检图像的每一行的行方差,求出行驶车辆的水平移动偏移量
设大小为m×n的标准图像为[IS(x,y)]m×n,待检图像为[IR(x,y)]m×n,按照公式(1)将待检图像与标准图像进行差分运算,得到行差分ESR(x,y,k),
其中x=1,2,...,m,y=1,2,...,n,k=-l,-l+1,...,0,1,2,...,l,l为行驶车辆可能的左右偏移的最大偏移量,
按照公式(2)和(3)计算每一行差分的均值μSR(x,k),方差σ2 SR(x,k),x=1,2,...,m,y=1,2,...,n,k=-l,-l+1,...,0,1,2,...,l,则:
然后,按照公式(4)求出第x行的车辆行驶水平偏移量kx*:
步骤2、求解车辆行驶整体偏移趋势直线
设汽车行驶的水平偏移直线为kx=p·x+Δk,x=1,2,...,m为行坐标,则确定直线的参数p及Δk的计算公式如下:
其中,
步骤3、按各行平移位置校正待检图像的水平偏差
将待检图像按照步骤2求得的直线变化规律进行水平平移;
步骤4、计算待检图像与标准图像的正差分与负差分
对标准图像[IS(x,y)]m×n和待检图像[IR(x,y)]m×n,计算正差分图[ΔIp(x,y)]m×n及负差分图像[ΔIn(x,y)]m×n,计算公式如下:
步骤5、对正差分图和负差分图进行去噪
5.1)进行灰度腐蚀处理
首先对正差分图[ΔIp(x,y)]m×n、负差分图[ΔIn(x,y)]m×n进行灰度腐蚀,设[ΔIp(x,y)]m×n和[ΔIn(x,y)]m×n经过灰度腐蚀后的结果分别为[ΔIp E(x,y)]m×n和[ΔIn E(x,y)]m×n,之后分别进行二值化处理,得到二值化结果图分别为[Bp(x,y)]m×n和[Bn(x,y)]m×n,计算公式如下:
其中,和为二值化判断阈值;
5.2)进行sobel锐化处理
对经过灰度腐蚀之后的正差分图[Bp(x,y)]m×n和负差分图[Bn(x,y)]m×n,求其sobel边缘,设得到的边缘图像分别为[ΔIp Edge(x,y)]m×n和[ΔIn Edge(x,y)]m×n,之后分别对其进行二值化处理,得到二值化结果图分别为[Bp Edge(x,y)]m×n和[Bn Edge(x,y)]m×n,计算公式如下:
其中,和为二值化判断阈值;
5.3)消除边缘干扰处理
对于步骤5.1)处理的结果图像[Bp(x,y)]m×n和[Bn(x,y)]m×n,将其中的边缘干扰部分,按照公式(12)和公式(13)进行消除,分别得到图像[Bp S(x,y)]m×n和[Bn S(x,y)]m×n,计算公式如下:
步骤6、合并正负差分图
将步骤5得到的正差分图[Bp S(x,y)]m×n和负差分图[Bn S(x,y)]m×n合并,获得包含有异物和杂质的检测结果图像[BR(x,y)]m×n,计算公式如下:
步骤7、消除误提取的非异物区域
7.1)对步骤6得到的结果图像[BR(x,y)]m×n,进行贴标签处理,得到标签矩阵[LAB(x,y)]m×n,设由[LAB(x,y)]m×n标记的连通域的标签数为NLab,每个标签标记的连通域为Ωk,k=1,2,...,NLab,计算以下几个参数:
a)连通域的面积Sk,k=1,2,...,NLab,计算公式如下:
b)连通域的长宽比ρk,k=1,2,...,NLab,计算公式如下:
其中,Wk=xk max-xk min,Hk=yk max-yk min,
c)连通域的的占空比γk,k=1,2,...,NLab,计算公式如下:
7.2)对[BR(x,y)]m×n按照公式(18)计算,得到消除了误提取异物连通域后的异物结果
其中,ThS是用于判断当作异物目标误提取的阈值,Thρ和Thλ是用于判断异物目标形状的阈值,根据图像的分辨率以及判断最小异物的大小来确定;
步骤8、修复异物目标的缺损区域
将步骤6得到的图像[BR(x,y)]m×n作为区域生长的终止条件约束点,对图像进行区域生长,生长截止条件是,当遇到[BR(x,y)]m×n给出的边缘点时停止生长,由此,得到经过区域生长修复后异物目标缺损区域后的结果图像[B*(x,y)]m×n;
步骤9、进一步确认异物区域
对左、右两侧CCD拍摄的待检图像全部按照步骤1至步骤8进行处理,得到检测的异物区域[B*(x,y)]m×n,为下文描述方便起见,将左侧CCD拍摄的图像得到的异物检测结果图像表示为[Bleft *(x,y)]m×n,将右侧CCD拍摄的图像得到的异物检测结果图像表示为[Bright *(x,y)]m×n,继续进行如下的处理:
分别对[Bleft *(x,y)]m×n和[Bright *(x,y)]m×n进行贴标签处理,设得到的标签矩阵分别为[LABleft(x,y)]m×n和[LABright(x,y)]m×n,
设由[LABleft(x,y)]m×n标记的连通域的标签数为Nleft,每个标签标记的连通域为Ωk left,k=1,2,...,Nleft,
由[LABright(x,y)]m×n标记的连通域的标签数为Nright,每个标签标记的连通域为Ωk right,k=1,2,...,Nright,
经过三个条件判断之后,删除Nleft_right个左、右侧图像连通域对(Ωk left,Ωk right)中,不是异物目标的部分,剩下N个属于异物的左、右侧图像连通域对(Ωk left,Ωk right),设为(Ωk left,Ωk right),k=1,2,...,N,即用该连通域对序列来表示N个异物;
步骤10、求解车辆底盘中的异物的高度
对步骤9得到的属于异物目标区域的左侧图像、右侧图像的连通域对(Ωk left,Ωk right),k=1,2,...,N,进行如下的计算:
10.1)计算连通域Ωk left和Ωk right的左侧边界点和以及右侧边界点和计算公式如下:
10.2)计算异物的高度
对由(Ωk left,Ωk right),k=1,2,...,N表示的第k个异物,其高度hk的计算公式是:
步骤11、标记出异物位置及高度
如果右侧图像为主图像的话,就由(Ωk right,hk),k=1,2,...,N来标记异物;反之,如果左侧图像为主图像的话,就由(Ωk left,hk),k=1,2,...,N来标记异物,完成对汽车底盘异物数目,以及每个异物的位置以及高度的自动检测,即成。
2.根据权利要求1所述的基于双目线阵CCD汽车底盘成像的异物检测方法,其特征在于,所述的步骤1中,线阵CCD的分辨率设置为70DPI,选取l=70。
3.根据权利要求1所述的基于双目线阵CCD汽车底盘成像的异物检测方法,其特征在于,所述的步骤5中,二值化判断阈值和均通过大津法确定。
4.根据权利要求1所述的基于双目线阵CCD汽车底盘成像的异物检测方法,其特征在于,所述的步骤7中,根据底盘藏匿异物的情况,在分辨率为70DPI的情况下,ThS∈[100,150],Thρ∈[3,7],Thλ∈[0.2,0.3]。
5.根据权利要求1所述的基于双目线阵CCD汽车底盘成像的异物检测方法,其特征在于,所述的步骤9中,对这些连通域,如果同时满足以下三个条件,就被视作异物目标区域,否则,即为误提取的干扰区域,将其删除:
条件一、在步骤9中提取出的左侧图像的连通域Ωk left,k=1,2,...,Nleft中,与提取出的右侧CCD图像的连通域Ωk right,k=1,2,...,Nright中的某个连通域的具有相同位置坐标的像素点,设如此寻找到的具有相同位置坐标像素点的左右侧图像连通域对为(Ωk left,Ωk right),k=1,2,...,Nleft_right;
条件二、(Ωk left,Ωk right),k=1,2,...,Nleft_right中,则左侧图像中的连通域Ωk left在Ωk right的左边;
条件三、按照公式(15)计算得到的Ωk left的面积Sk left,与Ωk right的面积Sk right相似,即其中较小面积的连通域的面积是较大面积连通域的面积一半以上时。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310632752.5A CN103646248B (zh) | 2013-11-28 | 2013-11-28 | 基于双目线阵ccd汽车底盘成像的异物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310632752.5A CN103646248B (zh) | 2013-11-28 | 2013-11-28 | 基于双目线阵ccd汽车底盘成像的异物检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103646248A CN103646248A (zh) | 2014-03-19 |
CN103646248B true CN103646248B (zh) | 2016-08-03 |
Family
ID=50251459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310632752.5A Expired - Fee Related CN103646248B (zh) | 2013-11-28 | 2013-11-28 | 基于双目线阵ccd汽车底盘成像的异物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103646248B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984961B (zh) * | 2014-05-30 | 2017-12-05 | 成都西物信安智能系统有限公司 | 一种用于检测车底异物的图像检测方法 |
CN105376485B (zh) * | 2015-11-09 | 2018-06-29 | 南京大学 | 基于线阵式摄像机的双向实时车辆底盘图像合成方法 |
CN107884419B (zh) * | 2017-11-08 | 2020-06-09 | 安吉汽车物流股份有限公司 | 汽车底盘自动检测设备、汽车智能检测系统 |
CN110954968B (zh) * | 2019-12-17 | 2022-05-06 | 中国科学院合肥物质科学研究院 | 一种机场跑道异物检测装置及方法 |
CN112183325B (zh) * | 2020-09-27 | 2021-04-06 | 哈尔滨市科佳通用机电股份有限公司 | 基于图像对比的公路车辆检测方法 |
CN113324910A (zh) * | 2021-05-31 | 2021-08-31 | 深圳市路安仪器设备有限公司 | 一种移动式车底状况检测方法 |
CN113284195B (zh) * | 2021-07-08 | 2021-12-28 | 上海海栎创科技股份有限公司 | 双目立体视觉成像的在线补偿方法及其系统 |
CN113888798A (zh) * | 2021-09-28 | 2022-01-04 | 北京每日优鲜电子商务有限公司 | 无人售货柜的商品变动检测方法、装置、设备和存储介质 |
CN116843602A (zh) * | 2022-03-25 | 2023-10-03 | 广州镭晨智能装备科技有限公司 | 一种缺陷检测方法及视觉检测设备 |
CN116468729B (zh) * | 2023-06-20 | 2023-09-12 | 南昌江铃华翔汽车零部件有限公司 | 一种汽车底盘异物检测方法、系统及计算机 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101945257A (zh) * | 2010-08-27 | 2011-01-12 | 南京大学 | 基于监控视频内容提取车辆底盘图像的合成方法 |
CN102565872A (zh) * | 2012-03-02 | 2012-07-11 | 洛阳圣瑞机电技术有限公司 | 基于线阵ccd的汽车底盘图像采集装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1721287A4 (en) * | 2004-03-02 | 2009-07-15 | Sarnoff Corp | METHOD AND APPARATUS FOR DETECTING PRESENCE |
-
2013
- 2013-11-28 CN CN201310632752.5A patent/CN103646248B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101945257A (zh) * | 2010-08-27 | 2011-01-12 | 南京大学 | 基于监控视频内容提取车辆底盘图像的合成方法 |
CN102565872A (zh) * | 2012-03-02 | 2012-07-11 | 洛阳圣瑞机电技术有限公司 | 基于线阵ccd的汽车底盘图像采集装置 |
Non-Patent Citations (2)
Title |
---|
基于面阵相机阵列的车底安全检查方法研究;户鹏辉;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100615;I138-405 * |
视频车底安检系统的开发;张辉 等;《工业仪表与自动化装置》;20100430;27-29 * |
Also Published As
Publication number | Publication date |
---|---|
CN103646248A (zh) | 2014-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103646248B (zh) | 基于双目线阵ccd汽车底盘成像的异物检测方法 | |
US20210264176A1 (en) | Hazard detection from a camera in a scene with moving shadows | |
CN103177246B (zh) | 基于动态区域划分的双模型车道线识别方法 | |
US8208021B2 (en) | Vehicle and lane mark detection device | |
CN103996053B (zh) | 基于机器视觉的车道偏离报警方法 | |
CN103473762B (zh) | 一种车道线检测方法和装置 | |
CN104517283B (zh) | 用于车辆上摄像机的在线校准的系统、车辆和方法 | |
CN106127113A (zh) | 一种基于三维激光雷达的道路车道线检测方法 | |
CN103499585A (zh) | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 | |
CN104034733A (zh) | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 | |
CN105203552A (zh) | 一种360°踏面图像检测系统及其检测方法 | |
CN102646274B (zh) | 车道边界检测装置以及车道边界检测方法 | |
CN109635737B (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
EP1975558A3 (en) | Image recognition apparatus and image recognition method | |
CN103196418A (zh) | 一种弯道车距测量方法 | |
DE102016206117A1 (de) | Strassenoberflächenerfassungsvorrichtung und strassenoberflächenerfassungssystem | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
ATE527620T1 (de) | Verfahren und system zur automatischen detektion von objekten vor einem kraftfahrzeug | |
CN103295399A (zh) | 基于形态特征的夜间行驶车辆远光灯开启状态的判别方法 | |
CN202134079U (zh) | 一种无人驾驶车辆车道标志线识别与报警装置 | |
CN102589434B (zh) | 车辆侧滑运动的图像轮毂标识检测方法 | |
CN105139391A (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
CN107578046B (zh) | 一种基于图像二值化处理的辅助车辆行驶方法 | |
CN115018879A (zh) | 目标检测方法、计算机可读存储介质及驾驶设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160803 Termination date: 20201128 |
|
CF01 | Termination of patent right due to non-payment of annual fee |