CN105358934A - 利用目标标记进行安全标识验证的车轮定位 - Google Patents

利用目标标记进行安全标识验证的车轮定位 Download PDF

Info

Publication number
CN105358934A
CN105358934A CN201480037863.4A CN201480037863A CN105358934A CN 105358934 A CN105358934 A CN 105358934A CN 201480037863 A CN201480037863 A CN 201480037863A CN 105358934 A CN105358934 A CN 105358934A
Authority
CN
China
Prior art keywords
image
wheel alignment
target
alignment system
checking mark
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.)
Granted
Application number
CN201480037863.4A
Other languages
English (en)
Other versions
CN105358934B (zh
Inventor
史蒂文·W·罗杰斯
唐纳德·L·瓦尔丘克
罗伯特·J·达戈斯蒂诺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Snap On Inc
Original Assignee
Snap On Tools Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Snap On Tools Corp filed Critical Snap On Tools Corp
Publication of CN105358934A publication Critical patent/CN105358934A/zh
Application granted granted Critical
Publication of CN105358934B publication Critical patent/CN105358934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/26Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G01B11/275Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing wheel alignment
    • G01B11/2755Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing wheel alignment using photoelectric detection means
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B2210/00Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
    • G01B2210/10Wheel alignment
    • G01B2210/30Reference markings, reflector, scale or other passive device
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12Classification; Matching

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本申请描述这样一种方法:通过车轮定位系统获取包括验证标识的目标的图像,所述验证标识用于被所述车轮定位系统所辨认,以及被所述车轮定位系统确定其真实性;识别所述目标的图像中的验证标识;将所识别的验证标识与参考验证标识对比;根据所识别的验证标识与参考验证标识之间的对比结果,计算相似性度量;以及根据所计算的相似性度量,启用或禁用所述车轮定位系统。

Description

利用目标标记进行安全标识验证的车轮定位
相关申请
本申请要求于2013年7月2日提交的标题为“TARGETMARKINGFORSECUREIDENTIFICATIONBYACAMERASYSTEM”的美国临时申请第61/842,233号的权益,其公开内容通过引用全部合并于此。
背景技术
使用成像相机和目标的车轮定位(vehiclewheelalignment)的基本技术在工业中已变得常见。本技术领域众多专业人员引进了各种目标构造,其中最常见的是含有高度可见形状的平坦平面,这些形状彼此以已知的或确定的相对取向布置在平面上。每个车轮定位系统的软件算法被设计为:查看这些目标并通过各种方法确定车轮定位角,这些车轮定位角是为了确定是否符合车轮定位的规格条件所必需的。虽然可以查看众多专业人员制作的目标并提出有关其原始制造商的假设,但目前无法轻易而确凿地识别伪造的目标。此外,伪造目标目前有可能进入到自有产权的车轮定位系统中。
知识产权的盗用是车轮定位系统中普遍存在的问题,而且盗版定位系统已遍布于世界各地。快速而确凿地识别伪造车轮定位系统的挑战是一直存在的问题。因此,存在这样一种需要:在视觉上识别出车轮定位系统为伪造系统,并使得在没有视觉标识存在的情况下就无法直接复制该定位系统运行的软件或固件并启用功能定位系统。
发明内容
在一个总的方面,本申请描述一种方法,其包括:通过车轮定位系统获取包括验证标识的目标的图像,所述验证标识用于被所述车轮定位系统所辨认,以及被所述车轮定位系统确定其真实性;识别所述目标的图像中的验证标识;将所识别的验证标识与参考验证标识对比;根据所识别的验证标识与参考验证标识之间的对比的结果,计算相似性度量;以及根据所计算的相似性度量,启用或禁用所述车轮定位系统。
上述总的方面可以包括以下特征中的一个或多个。获取目标的图像可以包括:通过所述车轮定位系统的相机获取所述目标的图像。所述方法还可以包括:对所述目标的图像执行投影变换,以有助于所述目标的图像与所述参考验证标识的对比。所述投影变换可以包括:对所述目标的图像进行变换,使其匹配参考验证标识在相机图像平面中的取向。所述方法还可以包括:从所述目标的图像中裁剪所述验证标识,其中所述验证标识为版权标记并且在所述目标的图像中是易区别的。所述方法还可以包括:调整所述验证标识的尺寸,使其基本与所述参考验证标识的尺寸相同。所述方法还可以包括:调整所述验证标识的尺寸,使其与所述参考验证标识的尺寸相同。
启用或禁用所述车轮定位系统可以包括:一旦确定所述相似性度量超过阈值、确认了所述验证标识的真实性时,启用所述车轮定位系统。或者,启用或禁用所述车轮定位系统可以包括:一旦确定所述相似性度量未超过阈值、确认了所述验证标识的不真实性时,禁用所述车轮定位系统。计算所述相似性度量可以包括:根据所识别的验证标识与参考验证标识之间的对比结果,计算相关系数。
在另一方面,本申请描述了一种车轮定位系统,其包括:处理装置;以及存储器,其存储可执行指令,所述可执行指令用于使所述处理装置:获取包括验证标识的目标的图像,所述验证标识用于被所述车轮定位系统所辨认,以及被所述车轮定位系统确定其真实性;识别所述目标的图像中的验证标识;将所识别的验证标识与参考验证标识对比;根据所识别的验证标识与参考验证标识之间的对比结果,计算相似性度量;以及根据所计算的相似性度量,启用或禁用所述车轮定位系统。
上述车轮定位系统的总的方面可以包括以下特征中的一个或多个。所述车轮定位系统可以包括至少一台相机,其中为了获取所述目标的图像,所述存储器还可以包括用于使所述处理装置通过所述车轮定位系统的至少一台相机获取所述目标的图像的指令。所述存储器还可以包括用于使所述处理装置对所述目标的图像执行投影变换以有助于所述目标的图像与所述参考验证标识的对比的指令。所述投影变换可以包括:对所述目标的图像进行变换,使其匹配参考验证标识在相机图像平面中的取向。所述存储器还可以包括用于使所述处理装置从所述目标的图像中裁剪所述验证标识的指令,其中所述验证标识为版权标记并且在所述目标的图像中是易区别的。
所述存储器还可以包括用于使所述处理装置调整所述验证标识的尺寸以使其基本与所述参考验证标识的尺寸相同的指令。为了启用或禁用所述车轮定位系统,所述存储器还可以包括用于使所述处理装置一旦确定所述相似性度量超过阈值、确认了所述验证标识的真实性时启用所述车轮定位系统的指令。为了启用或禁用所述车轮定位系统,所述存储器还可以用于使所述处理装置一旦确定所述相似性度量未超过阈值、确认了所述验证标识的不真实性时禁用所述车轮定位系统的指令。为了计算所述相似性度量,所述存储器还可以包括用于使所述处理装置根据所识别的验证标识与参考验证标识之间的对比结果计算相关系数的指令。
在另一个总的方面,本申请描述一种方法,其包括:通过车轮定位系统,获取用于对车辆进行定位的目标的图像;确定所述目标的图像中是否存在验证标识,所述验证标识用于被所述车轮定位系统所辨认,以及用于所述车轮定位系统的来源的确定;以及根据所述确定结果,启用或禁用所述车轮定位系统。
上述方法的总的方面可以包括以下特征中的一个或多个。获取目标的图像可以包括:通过所述车轮定位系统的相机获取所述目标的图像。确定是否存在验证标识可以包括:识别所述目标的图像中应包括验证标识的一部分;将所识别部分的属性与参考验证标识对比;根据所识别部分的属性与参考验证标识的对比结果,计算相似性度量;以及根据所计算的相似性度量,确定所述目标的图像中是否存在验证标识。
所述方法还可以包括:对所述目标的图像执行投影变换,以有助于所述目标的图像与所述参考验证标识的对比。所述投影变换可以包括:对所述目标的图像进行变换,使其匹配参考验证标识在相机图像平面中的取向。所述方法还可以包括:从所述目标的图像中裁剪所述目标的图像中应包括验证标识的一部分,其中所述验证标识为版权标记并且在所述目标的图像中是易区别的。所述方法还可以包括:调整所裁剪部分的尺寸,使其相同于所述参考验证标识的尺寸。启用或禁用所述车轮定位系统可以包括:一旦确定所述相似性度量超过阈值、确定所述目标的图像中存在验证标识时,启用所述车轮定位系统。启用或禁用所述车轮定位系统可以包括:一旦确定所述相似性度量未超过阈值、确定所述目标的图像中不存在验证标识时,禁用所述车轮定位系统。
附图说明
附图仅以示例方式(而非限制方式)示出根据本教导的一个或多个实施方式。在附图中,相同的标记表示相同或相似的元件。
图1示出了在车轮定位系统中执行标识验证检查的示例性过程;
图2示出了包括车辆和被配置为执行图1所示标识验证过程的车轮定位系统的示例性系统;
图3A和图3B示出了可安装在图2所示车轮定位系统的无源端头上的示例性目标;以及
图4更详细地示出了可在图2所示车轮定位系统中使用的示例性计算机的组件。
具体实施方式
在以下的详细描述中,将通过示例方式阐述大量具体细节以提供对相关教导的透彻理解。但是,对本领域技术人员而言显然的是,本教导可以无需这些细节而实践。在其它实例中,公知的方法、过程、组件和/或电路以相对高的等级进行描述而无细节,以避免不必要地干扰到本教导的各方面。
当车轮定位系统配备有本教导内容时,该系统可以立即被辨认为是自有产权的,并通过推断,被辨认为采用了自有产权的定位软件。相反地,试图伪造并使用自有产权定位软件的尝试会因为对目标表面上的独特标记/标识的需要而暴露。该标记/标识可以对于裸眼和/或车轮定位系统而言是可见的。或者,该标记/标识可能要被放大尺寸才能对于裸眼和/或车轮定位系统而言可见。
允许快速且正确地识别车轮定位系统为自有产权系统的一种方式是:引入独特且自有产权的识别标识,作为车轮定位系统中使用的目标的可见部分,以识别车辆的合适定位。例如,该识别标识可作为目标的一部分引入,其在视觉上立即可被辨认为象征专有所有权。进一步,定位软件可被配置为:辨认独特且专有的标识,并且如果目标上不存在要求的标识,则禁用定位系统的功能。所以,如果试图隐藏对自有产权定位软件的盗版行为而从目标中除去独特标识,则该软件将无法正常运行。
现在对附图中示出并在下面讨论的各示例进行详细参考。
图1示出了在车轮定位系统中执行标识验证检查的示例性过程100。过程100从车轮定位系统(如图2所示的车轮定位系统)获取目标的图像开始(步骤110)。所述目标可以含有或不含有验证标识。如果目标包括验证标识,则可以认为验证检查通过。如果目标不包括验证标识,则可以认为验证检查不通过。所述验证标识可以是置于车轮定位系统的成像系统的视场中的对象,其用作参考点。它可以是置于目标(成像主题)之内或之上的某物。验证标识可以是任何唯一标识,其用于识别车轮定位系统的制造商,以及/或者识别车轮定位系统的自有产权属性。在一种实施方式中,验证标识为与车轮定位系统制造商相关联的版权标识。
为说明一个具体示例,目标可以包括矩形平坦黑板(plate),并且在黑板的表面上标记或安装有白色圆圈图案。所示出图像具有向后倾斜230″0度的板。白色圆圈可以有不同的尺寸,并且可以位于黑板上不同的位置处。每个白色圆圈可以在其内包括黑色中心(挖空的中心),而且黑色中心内可以存在验证标识。该中心的直径可以是约22像素。在一种实施方式中,验证标识可以对于裸眼而言是立即可见的,使得用户能够立即辨认包括验证标识的白色圆圈。在如图1所示的另一种实施方式中,验证标识可以尺寸较小且对于裸眼而言是不可见的,而且可能要被放大尺寸才能对于裸眼或对车轮定位系统的相机而言可见。如图1所示,在调整验证标识的尺寸之后,其显示为具有与白色圆圈的黑色中心重叠的倾斜的“S”形状。
此后,一旦获取目标图像(步骤110),标识验证过程100前进到对所获取的目标的图像进行投影变换(步骤112)。虽然对于标识验证过程100而言不是绝对必要的,但是图像的投影变换可以是提供进行标识验证过程100的准确而用户友好的方式的关键步骤。该变换可以数字化地变换验证标识图像,使其匹配车轮定位系统的相机图像平面中的参考验证标识的取向。在一个具体示例中,该变换可以包括:使目标的图像“右侧朝上”并且正交于相机图像平面。或者,该变换可以包括:使目标图像“左侧朝上”并且正交于相机图像平面。在任一情况下,可以进行该变换以有助于目标图像与参考模版(其也可以被投影变换)的对比。
参考模版可以包括参考验证标识图像。任务是要找出这样一种变换:将包括在目标图像中的验证标识子图像定位以相对于参考验证标识图像进行正确旋转。这种变换被称为单应变换。几种不同的方法可用来计算投影变换。因为观测目标的几何形状已知,可以计算目标相对于相机的“姿势”(位置及取向),然后根据该“姿势”估计来推算投影变换。但这会要求在执行标识验证检查之前用离线过程校准观测相机。不要求校准相机的替代方案是:直接根据2D图像测量结果和已知的2D目标参考几何点来计算投影变换矩阵。通过图像处理算法获得图像测量结果。在上面描述的方法中,通过找出图像的圆形区域的中心点来获得图像测量结果,但此应用并不限于这种方法,并且设想了其他替代方法。参考目标几何点是先前已知的,因为已按照规格制作了目标。图像测量结果可以直接对应于已知的目标参考几何点。两组2D点(图像测量结果和目标几何点)均可位于平面内。这类从2D平面到2D平面的变换被称为单应变换,并且用3x3矩阵来表示。
因此,任务就是求出变换“H”,其能够最好地将图像点(xi,yi)映射到它们在目标坐标系中的对应点(Xi,Yi):
X i Y i 1 ~ H x i y i 1
H为3x3单应矩阵,其将图像坐标系中的点(像素)变换到它们在目标坐标系中的对应点(物理尺寸单位)。H中有9个矩阵元,但只有8个自由度。可以通过矩阵伪逆、特征向量分解、奇异值分解、或者其他数值线性代数技术来估计H。还可以用迭代方法估计H,例如:梯度下降法、Levenberg-Marquardt算法、抛物线最小化法、或其他方法。用来生成单应矩阵的具体方法可以是不重要的。
在投影变换(步骤112)之后,标识验证过程100进行到识别变换后目标图像中的验证标识。验证标识可以区别于目标图像中的其他标记。例如,如所示,目标可以包括各种直径的圆圈,而且参考标识位于其中一个圆圈内。在一个具体示例中,系统先前已知每个圆圈的半径,包括与包含验证标识图像的圆圈关联的半径,并根据这些半径信息,识别包含验证标识的圆圈。在另一个示例中,系统可以包括这样的信息:将包含验证标识的圆圈识别为位于图1所示圆圈阵列中第二行、第四列的圆圈。在另一个示例中,根据与其他圆圈的关系来识别包含验证标识的圆圈。具体地,可以根据相距其他圆圈的距离来识别包含验证标识的圆圈。这些信息可以预先存储在系统中。
一旦被识别,可以从目标图像中裁剪验证标识(在下文中称作“验证标识子图像”)(步骤114)。这是因为,在一种实施方式中,这是标识验证过程100在目标图像中唯一感兴趣的部分。所裁剪的部分,如图1所示,可以包括包含验证标识的白色圆圈。
而后调整所裁剪的验证标识子图像的尺寸,使其基本相同或相同于参考验证标识图像的尺寸(步骤116)。这样做,可以是为了提供目标图像(可以含有或不含有验证标识)中的验证标识和参考图像中的参考验证标识之间的直接的像素对像素的对比。在一种实施方式中,所对比的图像可以需要具有相同数量的像素。然而,此步骤并不是必要的,而且可以只为下面进一步描述的两张对比图像之间的相关系数计算而进行。
一旦验证标识子图像的尺寸相同于参考验证标识图像的尺寸,则相互对比两者,并计算两个图像之间的相关系数(步骤118)。该相关系数可以反映验证标识子图像和参考验证标识图像之间的相似度,而且可以形成下面进一步描述的目标真实性检查的基础。可以根据以下公式计算相关系数:
C o r r ( I M , I L ) = C o v ( I M , I L ) V a r ( I M ) V a r ( I L )
其中:IM为将与参考验证标识图像对比的验证标识子图像;IL为作为验证检查参考的参考验证标识图像;Cov(IM,IL)为验证标识子图像和参考验证标识图像的协方差(例如,验证标识子图像的强度如何相对于参考验证标识图像的变化而变化);Var(IM)和Var(IL)分别为验证标识子图像和参考验证标识图像的图像强度方差。
此后,根据相关系数,标识验证过程100确定验证标识子图像和参考验证标识图像之间是否存在高的相关度(步骤120)。如果验证标识子图像和参考验证标识图像之间存在高的相关度(步骤120:是),则标识验证过程100输出验证检查通过的指示(例如,目标图像中存在验证标识)(步骤122)。反之(步骤120:否),则标识验证过程100输出验证检查失败的指示(例如,目标图像中不存在验证标识)(步骤124)。为此,可以将相关系数与阈值对比,如果相关系数等于或超过该阈值,则标识验证过程100确定目标图像中存在验证标识,反映验证检查通过(步骤122)。反之,如果相关系数小于此阈值,标识验证过程100确定目标图像中不存在正确的验证标识,反映验证检查失败(步骤124)。
图2示出了包括车辆210和被配置为执行图1所示标识验证过程100的车轮定位系统220的示例性系统200。车轮定位系统200示出了与被测车辆210各个车轮有关的车轮定位系统220的目标和有源传感端头的示例性布置,以例如测量一个或多个车轮定位参数。除了车轮,为便于说明省略了其他车辆元件。
车轮定位系统220至少包括一台相机和一个目标。在所示出的实施方式中,车轮定位系统220包括两台相机和两个目标。车轮定位系统220可以被配置为:现场检查目标上是否存在验证标识。在可以进行这项检测之前,可以采取若干预备步骤。第一,可以设计验证标识。验证标识221可以有各种形状和形式。例如,如图2所示,验证标识221可以具有倾斜的“S”形状。而在另一替代方案中,验证标识可以是格式化的“X”参考设计。一旦完成设计,可将验证标识置于目标上,使得其在使用中对于车轮定位系统220而言是可识别的。
而后可以设计参考验证标识。一旦设计了验证标识,可以将该验证标识所对应的模版图像(例如,参考验证标识)及其特征存储在车轮定位系统220中。这些信息可以存储在例如车轮定位系统220的(各台)相机中,而且可以在以后被车轮定位系统220用来确定目标上是否存在验证标识,以启用或禁用车轮定位系统220。
而后可以制作这些目标,其上面存在设计好的验证标识。而后可以在离线过程中“训练”处理计算机识别目标表面上的这种验证标识。本领域普通技术人员已知如何执行这些步骤,因此为了使描述简单和简洁起见,在此不对其进行更详细的描述。在完成设计、制作、以及“训练”过程之后,便可在实际操作场景下执行现场验证标识检查。
车轮定位系统220包括一对无源端头222和224,安装在车辆210的对应车轮212和214上,在该第一示例中为前转向轮。车轮定位系统220还包括一对有源传感端头226和228。有源传感端头226和228适于与车辆210的另外的对应车轮216和218相关联地安装,在这种情况下为后轮。有源传感端头226和228分别包括图像传感器230和232,用于产生图像数据,在各端头被安装在车辆210的对应车轮上时,此图像数据预计包括无源目标222、224的图像。在该第一示例中,分别位于有源传感端头226和228中的图像传感器230和232为二维(2D)成像装置,例如相机。
无源端头222和224之所以为无源,是因为其包括目标但不包括任何传感元件。无源端头222和224中的每一个包括一类目标,该目标可以分别被位于有源端头226和228中的图像传感器230或232之一所观测。无源目标是一种不由电源进行驱动而且不发射传感器所检测的能量的元件。在一种实施方式中,并结合先前示例,无源目标包括验证标识。验证标识可以是置于车轮定位系统220的成像系统230和232的视场中的对象,用在标识验证过程中。验证标识可以是独特的可识别标记。该独特的可识别标记可用于被车轮定位系统220所辨认,以及用于对目标222、224真实性进行确定,其目的为启用或禁用车轮定位系统220的继续运行。验证标识可以是能够识别车轮定位系统220的自有产权属性的任何独特的标志。在一种实施方式中,参考标识为与车轮定位系统220的制造商相关联的版权标志221。
假设端头226或228中有图像传感器,则无源目标222或224将是一个以相应图像传感器可探测的方式反射(或不反射)光或其他能量的对象。目标可以采用各种形状和形式。在示出的示例中,目标222和224包括亮区和暗区,在其他源照射时可以被探测到,而且可被有源传感端头226和228中的相机之类所成像。例如,目标可以是图1所示的矩形黑板的形状,不同尺寸的白色圆圈位于该矩形黑板中。或者,如图2所示,目标可以是矩形白板,黑色圆圈位于该矩形白板中。在任一情况下,目标可以包括验证标识。在一个示例中,验证标识可以置于目标中的任何位置。例如,如图1所示,验证标识可以位于黑板中某一白色圆圈的黑色中心上。在另一个示例中,如图2所示,验证标识可以与白板中某一黑圆圈重叠。
图3A和图3B示出了可安装在图2的车轮定位系统210的无源端头222和224上的示例性目标310和320。目标310是矩形目标;而目标320是圆形目标。在每一种情况下,目标可以包括平板,具有不同尺寸圆圈的图案以事先确定的格式和图案标记或安装在板的表面上。在诸多图案中存在独特的验证标识321,其可以是独特且自有产权的。验证标识321可以包括在目标310和320中,以使得能够对车轮定位系统的自有所有权进行视觉辨认。在一个具体示例中,验证标识321可以由实耐宝公司(“Snap-on”)创造,并且可以是实耐宝独特且自有产权的标记,并且可以用来快速识别车轮定位系统与实耐宝关联。在一种实施方式中,车轮定位系统可以被配置为:只有在确定目标中存在这样的标记时才会运行。如果标记因某种原因从目标中除去或被修改(例如,偶然或由于车轮定位系统的盗用),系统就不会运行。
虽然图3A和3B示出了具体的图案,但是显而易见的是,在每个目标上可以使用大量不同的图案。例如,可以包括更多数量或更少数量的点,而且其他尺寸和形状可用于这些点上。在另一个示例中,多面的板或对象也可用于这些目标。虽然示出了特定的验证标识,但是可以设计其他独特的验证标识并用于每个目标上。例如,验证标识可以包括与车轮定位系统相关联的公司的商标。结合先前示例,商标可以包括实耐宝。
再次参照图2,车轮定位系统220还包括与有源传感端头226或228中的至少一个关联的空间关系传感器。当有源传感端头安装在车辆的车轮上时,空间关系传感器使得能够对有源传感端头226和228之间的空间关系进行测量。通常,取决于使用的传感器类型,空间关系传感器可以测量相对位置和/或取向。位置测量是指被测项目在测量装置的透视图或坐标系中的相对位置。位置测量一般使用标准坐标系,如笛卡尔坐标或极坐标。可以从三维位置测量导出取向,或者可以独立于位置而测量取向。取向与被测量装置相对于在标准坐标系中表示的测量装置的旋转位置有关。取向一般表示为三个正交参考平面中的旋转角。
对本领域技术人员而言显而易见的是,在此讨论的车轮定位系统可以用各种不同类型的空间关系传感器来实施。在该第一示例中,系统使用两个传统的(1D)角度传感器240和242,以测量趾面上的有源传感端头226和228的相对角度。有源传感端头226和228还可以含有重力传感器等,以测量端头的倾斜度(通常为外倾角和间距)。有源传感端头226和228还可以分别包括倾斜度传感器226a和228a。
车轮定位系统220还包括计算机250。计算机250可以执行与目标图像处理有关的全部或部分处理。在一种实施方式中,计算机250执行与目标图像处理相关联的全部处理。在另一种实施方式中,计算机250执行与目标图像相关联的部分处理,而有源端头226和228执行与目标图像相关联的其他部分处理。在又一种实施方式中,有源传感端头226和228执行与目标图像处理相关联的全部处理。
结合这样一种情形:其中计算机处理与目标图像处理有关的数据的至少一部分,计算机250处理来自有源传感端头的有关目标观测的图像数据和倾斜角数据。计算机250还处理来自至少一个空间关系传感器的空间关系数据。该数据处理使得能够对车辆的至少一项测量结果进行计算。结合先前示例,计算机250可以执行如图1所示的标识验证过程100。为此,计算机250可以执行如上所述的对所获取的目标的图像进行投影变换。投影变换可以包括对目标的图像进行变化,使其匹配相机图像平面中的参考验证标识的取向。在一个具体示例中,投影变换可以使目标的图像“右侧朝上”并且正交于相机图像平面。计算机250可以进一步处理变换后的目标图像,以识别变换后的目标图像中的验证标识。一旦被识别,可以从目标图像裁剪验证标识。如在上面进一步讨论的,计算机250随后可调整所裁剪验证标识的尺寸,使其基本相同或相同于参考验证标识图像的尺寸。一旦验证标识子图像的尺寸基本相同或相同于参考验证标识图像的尺寸,计算机250可以相互对比两者,以计算两张图像之间的相似性度量。在一个具体示例中,相似性度量可以包括上面参考图1讨论的相关系数。
根据相关系数,计算机250确定验证标识子图像和参考验证标识图像之间是否存在高的相关度。如果验证标识子图像和参考验证标识图像之间存在高的相关度,则计算机250确定目标图像中存在验证标识,并激活车轮定位系统220的功能。反之,计算机250确定目标图像中不存在验证标识,并停用车轮定位系统220的功能。
图4更详细地示出了可在图2所示车轮定位系统220中使用的示例性计算机400的组件。计算机400处理来自有源传感端头226、228的数据,并为车轮定位系统220提供用户接口。该数据处理可在有源传感端头226、228中的一个或多个中的DSP等中完成。然而,为了最小化端头226和228的成本,主要处理功率可以由主机计算机系统400(图2中的计算机250)或类似的数据处理设备提供。在本示例中,计算机400可以用台式个人电脑(PC)或其他计算机装置(例如笔记本电脑、UMPC(超移动PC)、或类似装置)来实施。也可以使用客户端服务器布置,在这种情况下服务器会执行主机处理,而有源端头之一或另一用户装置会充当客户端,以提供用户接口。虽然高级车轮定位技术领域的技术人员会熟知各种适合的计算机系统的组件、编程和操作,但提供简要的示例还是会有所帮助。
计算机400包括中央处理单元(CPU)401和用于提供用户接口的相关元件。CPU部分401包括用于通信信息的总线402或者其他通信机构,以及耦接至总线402的用于处理信息的处理器404。计算机400还包括主存储器406,例如随机存取存储器(RAM)或其他动态存储装置,其耦接至总线402,用于存储信息和处理器404要执行的指令。这些指令可以包括用于执行验证标识过程的指令。主存储器406还可以用于在处理器404执行指令的过程中存储临时变量或其他中间信息。计算机400还包括只读存储器(ROM)408或其他静态存储装置,其耦接至总线402,用于为处理器404存储静态信息和指令。提供了存储装置410,如磁盘或光盘,其耦接至总线402,用于存储信息和指令。虽然只示出了一个,但是很多计算机系统包括两个或更多个存储装置410。
所示出的计算机400的实施方式还提供本地用户接口,例如,以便系统呈现为如可能在车轮定位港湾或汽车服务店使用的个人电脑或工作站。计算机400可以通过总线402耦接至用于向计算机用户显示信息的显示器412,例如阴极射线管(CRT)或平板显示器。输入装置414(包括字母数字以及其他键)耦接至总线402,其用于向处理器404通信信息和命令选择。另一类用户输入装置为光标控制器416,例如鼠标、轨迹球、或光标方向键,用于向处理器404通信方向信息和命令选择,接下来CPU401会用这些信息和命令来控制光标在显示器412上的移动。光标输入装置416通常在两条轴(第一轴(如x)和第二轴(如y))上具有两个自由度,这会允许该装置指定平面上的各个位置。用户接口元件412-416和CPU401之间的耦合可以是有线的,或者可以使用光学或射频无线通信技术。
CPU401还包括一个或多个输入/输出接口用于通信,以示例方式示出,例如用于与有源传感端头226和228进行双向数据通信的接口418。为车轮定位应用的目的,接口418允许CPU从有源传感端头226和228接收图像数据(包括验证标识图像)、空间关系测量数据以及倾斜度数据。通常,接口418还允许计算机400向有源传感端头226和228发送操作命令和可能的软件下载。例如,通信接口418可以是USB接口,其具有USB连接器,用于与有源传感端头226、228中的相匹配接口(未示出)进行线缆连接。本领域技术人员将认识到其他数据通信接口可以用在车轮定位系统中,例如以太网、RS-232、RS-422、RS-485、WIFI或无线以太网、Zigbee、蓝牙、UWB、IrDA或者任何其他合适的窄带或宽带数据通信技术。
虽然未示出,如有需要另一通信接口也可以通过网络提供通信。这样的附加接口可以是调制解调器、以太网卡或者任何其他合适的数据通信装置。连接(各个)附加通信接口的物理链接可以是光学链接、有线链接、或无线链接。
虽然计算机400可以服务于商店里的其他目的,定位系统220使用计算机400来处理来自端头226、228的数据,以从端头提供的数据导出所需的定位测量结果,并为系统210提供用户接口。然而,在执行定位功能之前,计算机400可以被配置为执行标识验证过程,以确保目标图像中存在验证标识。一旦确定存在验证标识,则计算机400执行车轮定位功能。反之,可以禁用车轮定位功能。
计算机系统400通常运行各种应用程序并存储数据,同时通过借助诸如412-416等元件提供的用户接口,允许一次或多次的互动,以实施所需的处理。为车轮定位应用所编的程序可以包括适当的代码,以处理从端头426、428的特定实施方式接收到的数据,这些代码包括:(i)从来自端头426及428的各种数据导出所需的车轮定位测量参数的计算;(ii)算出相关系数的计算;(iii)为标识验证过程所计算的相关系数应该达到或超过的适当阈值的测量;(iv)适当的测量,其用于调整验证标识子图像的尺寸,使其匹配参考验证标识图像的尺寸;以及/或者(v)适当的测量,其用于所捕获的目标图像的投影变换。
计算机400通常可以运行通用操作系统和应用或外壳,其特别适于执行定位相关的数据处理并为定位测量和相关服务提供用于输入和输出所需信息的用户接口。因为是通用系统,计算机400可以运行众多其他所需应用程序中的任何一个或多个。计算机400中含有的各组件是通常在用作服务器、工作站、个人电脑、网络终端等的通用计算机系统中存在的那些组件。事实上,这些组件意在代表领域中公知的这种计算机组件的广泛类别。
在很多时候,车轮定位应用的相关程序可以存放在若干不同介质中的一个或多个中。例如,部分或全部程序可以存储于硬盘或其他类型的存储装置410,并加载到CPU401中的主存储器406中以由处理器404来执行。程序也可以存放在用于上传到计算机400的其他介质,或通过这种介质运输,以从根本上安装和/或更新其程序。因此,在不同时候任何或全部软件元素的全部或部分可执行代码或数据可以存放在物理介质中,或者由电磁介质所携带,或者通过各种不同介质运输,以便对有源传感端头226、228的特定系统和/或电子设备进行编程。所以,在此使用的如计算机或机器“可读介质”之类的术语指的是:参与向处理器提供指令用于执行的任何介质。这种介质可以有很多形式,包括但不限于:非易失性介质、易失性介质、和传输介质(例如线缆、光纤之类)以及各种类型的信号,其可在系统之间或系统组件之间运载数据或指令。
总结在此描述的概念,可以在运行车轮定位系统之前离线设计验证标识。验证标识可以采用各种形状和形式。在一个具体示例中,验证标识可以为格式化“X”的形式。然后,可以创造与参考验证标识相对应的参考模版,而且有关参考模版的信息可以存储于车轮定位系统。此外,可以识别目标的“姿势”(位置及取向)。一旦识别,并且获取目标图像之后,可以根据先前识别的姿势投影变换目标图像,以匹配车轮定位系统中的参考模版的取向。或者,可以先裁剪目标图像中包括验证标识的部分,然后可以用目标姿势信息,对该部分进行矫正变换,以变换目标图像中该特定部分的取向,使其匹配相机图像平面中参考模版的取向。因为能够得知目标的姿势,所以可以对任何任意的目标位置和取向准确地进行投影变换。可以调整裁剪部分子图像的尺寸,以匹配参考模版,并可以计算调整尺寸后的子图像和存储的模版之间的相关系数。如果相关系数表示高相关性,则车轮定位系统“通过”安全检查,并继续正常操作。如果相关系数不表示高相关性,则车轮定位系统“不通过”安全检查,并且不启用完整的定位器操作。
在一种实施方式中,调整尺寸后的裁剪部分子图像和参考模版可以被二值化(例如,将像素转化成0或1而不是0到255的强度),因为可能只有灰度信息可用,而且这样图像尺寸的调整会变得更容易且快捷。在一种实施方式中,验证标识过程可以不需要长时间,而且用户甚至可以注意不到它的发生。当裁剪部分子图像很大,而且需要一段时间重新映射子图像的时候,验证标识过程可以需要更长的时间。
通过本教导,即使为了隐藏盗版行为而改变了车轮定位系统的形状和外观,也能够简化对盗版车轮定位系统的识别。例如,自有产权车轮定位系统的制造商能够根据目标上的独特标识识别盗版车轮定位系统。此外,快速检测能够识别为了隐藏盗版行为而被修改成外观上很不同于原版的盗版系统。具体地,如果复制的系统辨认出验证标识并根据对验证标识的辨认运行其功能,则该复制的系统可被识别为克隆系统。
考虑了其他实施方式。例如,验证标识可以采取各种形状和形式,而不限于图3A和图3B所示的形状。它可以是能够识别车轮定位系统自有产权属性的诸如公式或者任何其他标记。在另一个示例中,验证标识可以包括任何任意形状的一系列顶点。类似地,参考验证标识可以采取若干形式。在上面讨论的一个示例中,参考验证标识和包括在目标图像中的验证标识具有相同的形状。在另一个示例中,参考验证表示可以是与例如包括在目标图像中的验证标识的参数相对应的数字。假设验证标识为圆圈,则参数可以包括该圆圈的半径。
在另一个示例中,各种替代方法可用来验证参考验证标识在目标中的存在。一类这些方法用于开发图像分类特征,这些特征提供存在参考标识的目标和不存在标识的目标之间的辨别。可以用各种机器学习算法(例如,神经网络、贝叶斯分类器、支持向量机以及其他)训练计算机以辨认标识图像特征的存在。取代发现显著的图像特征,可以用“词袋”分类器来训练处理器,使其能够求出统计学异常特征点在标识图像中的分布。在运行时可以处理图像,以寻找统计学上类似的特征点集合,并确定验证标识是否存在。
另外,投影图像变换步骤可以完全跳过(其代价是终端用户的便利性下降)。终端用户可以被提示将目标放置于相机的视场中,使其匹配相机图像平面中的参考验证标识的取向(例如,右侧朝上且正交于图像平面)。换言之,终端用户可被提示手动执行目标的投影变换。可以通过利用能承受投影变换的机器学习算法和分类特征,完全跳过投影变换步骤。
在本公开所描述的示例性过程中,灰度图像强度可以用作对相关系数计算的输入。但重要的是,要注意到其他类型的图像(例如,RGB图像、二值化图像、边缘梯度强度图像、其他等等)在此过程中可以被比较,而不影响本公开的主张。同样重要的是,要注意到除了相关系数以外,统计学相似性度量可以用来提供稳健的相似性度量。可以使用诸如检测到的特征点分布、“填充”率、空间协方差及其相关中轴、以及各种其他方法之类的标准来构成统计学相似性度量。
在另一个示例中,如果所计算的相似性度量反映了验证标识和参考验证标识之间的低的相似性,系统可以再次运行验证过程,以保证该结果确实是正确的。系统可以运行特定次数(例如,2次或3次)该过程。一旦确认所计算的相似性度量反映了验证标识和参考验证标识之间的低的相似性,系统可以建议用户将目标换成正确的目标。该信息可以显示在车轮定位系统的用户接口上。
在上面讨论的示例中,有源端头与车辆的后轮相关联,而目标与车辆的前轮相关联。然而本领域技术人员将理解上面讨论的基础配置有很多变形。例如,考虑了一种类似于图1布置的布置,其中调换了有源端头和目标端头。再例如,两个有源传感端头可以安装在车辆的一侧,两个无源传感器可以安装在车辆的相对侧。考虑了有源和无源端头的其他布置。此外,验证标识不必存在于目标区域之内。它可以位于目标区域之外,只要它在相机的视场之内即可。在一个示例中,验证标识可以位于车轮定位举升机上。在一个示例中,验证标识可以位于车轮固定夹上或者放置目标的其他元件上,只要它在相机的视场之内即可。
虽然以上已经描述了所认为的最佳方式和/或其他示例,但是要理解的是,其中可以进行各种修改且本文公开的主题可以以各种形式和示例来实现,并且其教导可以在大量应用中进行应用,而在本文中只描述了其中的一部分。随附权利要求旨在要求落入本教导的实际范围内的任意和全部应用、修改和变形的权利。
除非另外指出,本说明书(包括随附的权利要求书)中阐述的所有测量结果、值、额定值、位置、大小、尺寸和其他规格是近似而非精确的。它们旨在具有与它们所相关的功能以及它们所属于的领域中的惯例相一致的合理范围。
保护范围仅由所附权利要求书来限定。该范围旨在并且应当被解释为当根据本说明书以及答辩历史对权利要求书中使用的语言进行解释时的通常含义相一致的范围,并且包括所有结构性和功能性等价物。然而,权利要求并不旨在包括不满足专利法101、102或103节要求的主题,它们也不应当按照这种方式进行解释。据此,放弃任何不意在包括的这种主题。
除了如上所述之外,所阐明和示出的内容中不旨在或不应当被解释为将任何组件、步骤、特征、对象、权益、优点或等价物奉献给公众,无论其是否在权利要求中叙述。
将认识到的是,本文使用的术语和表达具有相对于探讨和研究的它们相应的各领域的这种术语和表达相一致的普通意义,除非本文指出例外的特殊含义。诸如第一和第二之类的关系术语可仅用于区分一个实体或行为与另一个实体或行为,而不必须需要或隐含这种实体或行为之间的任何实际的这种关系或顺序。术语“包括”、“包含”或其任何变形旨在覆盖非排他性包括,因此,包括一列元素的处理、方法、制品或设备不仅包括那些元素而且还可以包括未专门列出的其他元素或者包括该流程、方法、制品或装置所固有的其他元素。没有进一步限定的情况下,元素以“一”或“一个”开头并不排除在包括该元素的流程、方法、制品或设备中存在额外的相同元素。
本公开内容的摘要被提供来使得读者能够快速确定本技术公开内容的实质。应当理解,提交该摘要并不是用于对权利要求的范围或含义进行解释或限制。此外,在此前的具体实施方式内容中,可以看出为了使本公开内容流畅的目的,在各个实施例中将各种特征组到一起。这种公开方法不应被解释为反映了这样的意图:所主张的实施例需要比每个权利要求中表述的特征更多的特征。相反,如随附权利要求所反映的,发明主题在于比单个公开实施例中的全部特征更少。因此,随附权利要求据此被并入具体实施方式中,其中每个权利要求自身作为单独的请求主题。

Claims (28)

1.一种方法,包括:
通过车轮定位系统,获取包括验证标识的目标的图像,所述验证标识用于被所述车轮定位系统所辨认,以及被所述车轮定位系统确定其真实性;
识别所述目标的图像中的所述验证标识;
将所识别的验证标识与参考验证标识对比;
根据所识别的验证标识与所述参考验证标识之间的对比结果,计算相似性度量;以及
根据所计算的相似性度量,启用或禁用所述车轮定位系统。
2.权利要求1所述的方法,其中获取所述目标的图像包括:通过所述车轮定位系统的相机获取所述目标的图像。
3.权利要求1所述的方法,还包括:对所述目标的图像执行投影变换,以有助于所述目标的图像与所述参考验证标识的对比。
4.权利要求3所述的方法,其中所述投影变换包括:对所述目标的图像进行变换,使其匹配所述参考验证标识在相机图像平面中的取向。
5.权利要求1所述的方法,还包括:从所述目标的图像中裁剪所述验证标识,其中所述验证标识为版权标记并且在所述目标的图像中是易区别的。
6.权利要求5所述的方法,还包括:调整所述验证标识的尺寸,使其与所述参考验证标识的尺寸实质上相同。
7.权利要求5所述的方法,还包括:调整所述验证标识的尺寸,使其与所述参考验证标识的尺寸相同。
8.权利要求1所述的方法,其中启用或禁用所述车轮定位系统包括:一旦确定所述相似性度量超过阈值、确认了所述验证标识的真实性时,启用所述车轮定位系统。
9.权利要求1所述的方法,其中启用或禁用所述车轮定位系统包括:一旦确定所述相似性度量未超过阈值、确认了所述验证标识的不真实性时,禁用所述车轮定位系统。
10.权利要求1所述的方法,其中计算所述相似性度量包括:根据所识别的验证标识与所述参考验证标识之间的对比结果,计算相关系数。
11.一种车轮定位系统,包括:
处理装置;以及
存储器,其存储可执行指令,所述可执行指令用于使所述处理装置:
获取包括验证标识的目标的图像,所述验证标识用于被所述车轮定位系统所辨认,以及被所述车轮定位系统确定其真实性;
识别所述目标的图像中的所述验证标识;
将所识别的验证标识与参考验证标识对比;
根据所识别的验证标识与所述参考验证标识之间的对比结果,计算相似性度量;以及
根据所计算的相似性度量,启用或禁用所述车轮定位系统。
12.权利要求11所述的车轮定位系统,还包括至少一台相机,其中为了获取所述目标的图像,所述存储器还包括用于使所述处理装置通过所述车轮定位系统的至少一台相机获取所述目标的图像的指令。
13.权利要求11所述的车轮定位系统,其中所述存储器还包括用于使所述处理装置对所述目标的图像执行投影变换以有助于所述目标的图像与所述参考验证标识的对比的指令。
14.权利要求13所述的车轮定位系统,其中所述投影变换包括:对所述目标的图像进行变换,使其匹配所述参考验证标识在相机图像平面中的取向。
15.权利要求11所述的车轮定位系统,其中所述存储器还包括用于使所述处理装置从所述目标的图像中裁剪所述验证标识的指令,其中所述验证标识为版权标记并且在所述目标的图像中是易区别的。
16.权利要求15所述的车轮定位系统,其中所述存储器还包括用于使所述处理装置调整所述验证标识的尺寸以使其与所述参考验证标识的尺寸实质上相同的指令。
17.权利要求11所述的车轮定位系统,其中为了启用或禁用所述车轮定位系统,所述存储器还包括用于使所述处理装置一旦确定所述相似性度量超过阈值、确认了所述验证标识的真实性时启用所述车轮定位系统的指令。
18.权利要求11所述的车轮定位系统,其中为了启用或禁用所述车轮定位系统,所述存储器还包括用于使所述处理装置一旦确定所述相似性度量未超过阈值、确认了所述验证标识的不真实性时禁用所述车轮定位系统的指令。
19.权利要求11所述的车轮定位系统,其中为了计算所述相似性度量,所述存储器还包括用于使所述处理装置根据所识别的验证标识与所述参考验证标识之间的对比结果计算相关系数的指令。
20.一种方法,包括步骤:
通过车轮定位系统,获取用于对车辆进行定位的目标的图像;
确定所述目标的图像中是否存在验证标识,所述验证标识用于被所述车轮定位系统所辨认,以及用于所述车轮定位系统的来源的确定;以及
根据确定结果,启用或禁用所述车轮定位系统。
21.权利要求20所述的方法,其中获取所述目标的图像包括:通过所述车轮定位系统的相机获取所述目标的图像。
22.权利要求20所述的方法,其中确定是否存在验证标识包括:
识别所述目标的图像中应包括所述验证标识的一部分;
将所识别部分的属性与参考验证标识对比;
根据所识别部分的属性与所述参考验证标识的对比结果,计算相似性度量;以及
根据所计算的相似性度量,确定所述目标的图像中是否存在所述验证标识。
23.权利要求22所述的方法,还包括:对所述目标的图像执行投影变换,以有助于所述目标的图像与所述参考验证标识之间的对比。
24.权利要求23所述的方法,其中所述投影变换包括:对所述目标的图像进行变换,使其匹配所述参考验证标识在相机图像平面中的取向。
25.权利要求22所述的方法,还包括:从所述目标的图像中裁剪所述目标的图像中应包括所述验证标识的一部分,其中所述验证标识为版权标记并且在所述目标的图像中是易区别的。
26.权利要求25所述的方法,还包括:调整所裁剪部分的尺寸,使其与所述参考验证标识的尺寸相同。
27.权利要求22所述的方法,其中启用或禁用所述车轮定位系统包括:一旦确定所述相似性度量超过阈值、确定了所述目标的图像中存在所述验证标识时,启用所述车轮定位系统。
28.权利要求22所述的方法,其中启用或禁用所述车轮定位系统包括:一旦确定所述相似性度量未超过阈值、确定了所述目标的图像中不存在所述验证标识时,禁用所述车轮定位系统。
CN201480037863.4A 2013-07-02 2014-07-01 利用目标标记进行安全标识验证的车轮定位 Active CN105358934B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361842233P 2013-07-02 2013-07-02
US61/842,233 2013-07-02
PCT/US2014/045045 WO2015002946A1 (en) 2013-07-02 2014-07-01 Wheel alignment with target marking for secure logo validation process

Publications (2)

Publication Number Publication Date
CN105358934A true CN105358934A (zh) 2016-02-24
CN105358934B CN105358934B (zh) 2021-09-10

Family

ID=51261229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480037863.4A Active CN105358934B (zh) 2013-07-02 2014-07-01 利用目标标记进行安全标识验证的车轮定位

Country Status (4)

Country Link
US (1) US9626559B2 (zh)
EP (1) EP2972075B1 (zh)
CN (1) CN105358934B (zh)
WO (1) WO2015002946A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107819636A (zh) * 2016-09-13 2018-03-20 联想企业解决方案(新加坡)有限公司 用于定位数据电缆的装置和方法
CN109844450A (zh) * 2016-12-06 2019-06-04 欧姆龙株式会社 分类装置、分类方法以及程序

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10196088B2 (en) * 2011-04-19 2019-02-05 Ford Global Technologies, Llc Target monitoring system and method
TWI581629B (zh) * 2014-08-07 2017-05-01 A Method and System for Message Transmission without Marked Identification
CN108139193B (zh) 2015-10-06 2021-05-28 实耐宝公司 具有高级诊断和不停止定位的车轮对准器
US10438089B2 (en) * 2017-01-11 2019-10-08 Hendricks Corp. Pte. Ltd. Logo detection video analytics
US10846552B1 (en) * 2018-09-06 2020-11-24 A9.Com, Inc. Universal object recognition

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6894771B1 (en) * 2002-05-15 2005-05-17 Hunter Engineering Company Wheel alignment apparatus and method utilizing three-dimensional imaging
CN1742193A (zh) * 2003-01-27 2006-03-01 斯耐普昂技术有限公司 车轮定位设备的校准检定
US20080086900A1 (en) * 2006-07-18 2008-04-17 Snap-On Incorporated Vehicle wheel alignment system and methodology
CN101720418A (zh) * 2007-05-21 2010-06-02 实耐宝公司 车轮定位的方法和设备
CN101802547A (zh) * 2007-07-27 2010-08-11 实耐宝公司 具有高级电源管理的车轮定位头和系统
CN102150009A (zh) * 2008-09-12 2011-08-10 罗伯特·博世有限公司 用于对汽车进行光学的车轴校调的方法和设备
CN102770738A (zh) * 2010-02-26 2012-11-07 Josam公司 用于车辆的车轮定位的方法和系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5724743A (en) * 1992-09-04 1998-03-10 Snap-On Technologies, Inc. Method and apparatus for determining the alignment of motor vehicle wheels
JP3257257B2 (ja) * 1994-07-13 2002-02-18 株式会社日立製作所 Cd−romディスク及び再生装置
US5768421A (en) * 1995-09-12 1998-06-16 Gaffin; Arthur Zay Visual imaging system and method
US6532304B1 (en) * 1998-10-21 2003-03-11 Tele Atlas North America, Inc. Matching geometric objects
US6442460B1 (en) * 2000-09-05 2002-08-27 Hunter Engineering Company Method and apparatus for networked wheel alignment communications and services
TWI282941B (en) * 2001-03-15 2007-06-21 Toshiba Corp Entrance management apparatus and entrance management method by using face features identification
US20060028059A1 (en) * 2004-08-06 2006-02-09 Choe David C Vehicle wheel center cap with non - rotating logo at high speed rotation of the wheel
DE102005022565A1 (de) * 2005-05-17 2006-11-23 Beissbarth Gmbh Automatisches Belichtungssystem für ein berührungslos messendes Automobilservicegerät
US8032279B2 (en) * 2007-07-27 2011-10-04 Snap-On Incorporated Wheel alignment head and system with advanced power management
US8162219B2 (en) * 2008-01-09 2012-04-24 Jadak Llc System and method for logo identification and verification
US8724924B2 (en) * 2008-01-18 2014-05-13 Mitek Systems, Inc. Systems and methods for processing mobile images to identify and extract content from forms
US8259998B2 (en) * 2008-09-30 2012-09-04 Mazda Motor Corporation Image processing device for vehicle
US8249361B1 (en) * 2010-04-22 2012-08-21 Google Inc. Interdependent learning of template map and similarity metric for object identification

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6894771B1 (en) * 2002-05-15 2005-05-17 Hunter Engineering Company Wheel alignment apparatus and method utilizing three-dimensional imaging
CN1742193A (zh) * 2003-01-27 2006-03-01 斯耐普昂技术有限公司 车轮定位设备的校准检定
US20080086900A1 (en) * 2006-07-18 2008-04-17 Snap-On Incorporated Vehicle wheel alignment system and methodology
US20110179656A1 (en) * 2006-07-18 2011-07-28 Snap-On Incorporated Vehicle wheel alignment system and methodology
CN101720418A (zh) * 2007-05-21 2010-06-02 实耐宝公司 车轮定位的方法和设备
CN101802547A (zh) * 2007-07-27 2010-08-11 实耐宝公司 具有高级电源管理的车轮定位头和系统
CN102150009A (zh) * 2008-09-12 2011-08-10 罗伯特·博世有限公司 用于对汽车进行光学的车轴校调的方法和设备
CN102770738A (zh) * 2010-02-26 2012-11-07 Josam公司 用于车辆的车轮定位的方法和系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107819636A (zh) * 2016-09-13 2018-03-20 联想企业解决方案(新加坡)有限公司 用于定位数据电缆的装置和方法
CN109844450A (zh) * 2016-12-06 2019-06-04 欧姆龙株式会社 分类装置、分类方法以及程序
US11475294B2 (en) 2016-12-06 2022-10-18 Omron Corporation Classification apparatus for detecting a state of a space with an integrated neural network, classification method, and computer readable medium storing a classification program for same

Also Published As

Publication number Publication date
EP2972075B1 (en) 2018-12-26
WO2015002946A1 (en) 2015-01-08
EP2972075A1 (en) 2016-01-20
CN105358934B (zh) 2021-09-10
US20150010228A1 (en) 2015-01-08
US9626559B2 (en) 2017-04-18

Similar Documents

Publication Publication Date Title
CN105358934A (zh) 利用目标标记进行安全标识验证的车轮定位
EP1901029B1 (en) Position and orientation measurement method and apparatus
Chen et al. Camera calibration using synthetic random speckle pattern and digital image correlation
CN101680754B (zh) 非接触式车轮定位传感器以及方法
AU711728B2 (en) Method and apparatus for determining the alignment of motor vehicle wheels
Steder et al. Robust on-line model-based object detection from range images
CN102971604A (zh) 用于确定车辆车轮对准的系统和相关方法
US20070139321A1 (en) Information processing apparatus and information processing method
CN102572505A (zh) 家中深度相机校准
CN101124454A (zh) 非接触式车辆测量方法及系统
JP5200180B2 (ja) 図面検証ツール
CN101295402A (zh) 信息处理设备和信息处理方法
Zhou et al. Accurate and robust estimation of camera parameters using RANSAC
CN105574812A (zh) 多角度三维数据配准方法及装置
CN100408974C (zh) 自校准位置确定系统和用户界面
Bauer et al. Registration strategy of point clouds based on region-specific projections and virtual structures for robot-based inspection systems
Ulrich et al. Automated model‐based quantitative analysis of phantoms with spherical inserts in FDG PET scans
Mavrinac et al. A fuzzy model for coverage evaluation of cameras and multi-camera networks
Hu et al. Homography‐based vision algorithm for traffic sign attribute computation
CN105373792A (zh) 车轮定位的方法和设备
Bauer et al. Intelligent predetection of projected reference markers for robot-based inspection systems
WO2020229793A1 (en) Virtual reality head mounted display system calibration methods and apparatus
Ugurdag et al. Gravitational pose estimation
Klement et al. Optimizing feature based image alignment for surface deformation measurements
Kanuganti Optimization of the Single Point Active Alignment Method (SPAAM) with a Random Forest for accurate Visual Registration

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant