CN107851314A - 用于分析轮胎表面一致性的优化的方法 - Google Patents
用于分析轮胎表面一致性的优化的方法 Download PDFInfo
- Publication number
- CN107851314A CN107851314A CN201680043971.1A CN201680043971A CN107851314A CN 107851314 A CN107851314 A CN 107851314A CN 201680043971 A CN201680043971 A CN 201680043971A CN 107851314 A CN107851314 A CN 107851314A
- Authority
- CN
- China
- Prior art keywords
- tire
- image
- interest
- area
- relief
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种用于检查轮胎表面的方法,在所述方法中执行步骤:利用采集系统来捕捉参考轮胎胎侧的纹理的图像,并将所获得的数据传输到处理器;操作员通过与所述处理器的交互对主要特征进行参数化,通过将参考轮胎的胎侧的表面的图像划分为多个不同的感兴趣区域来获得参考轮胎的胎侧的绘图;将特定控制和配准算法分配到每个感兴趣区域;自动捕捉待检查轮胎的图像并且执行以下操作,其中:在进行图像预处理之后,将所述绘图重叠在所述待检查轮胎的图像上,并执行轮胎的每个感兴趣区域特定的控制和配准算法,以确定轮胎的一致性。
Description
技术领域
本发明大体上涉及轮胎制造领域,并且更具体地,本发明属于制造过程中或制造结束时检查轮胎外观的操作的范畴,其目的是用来确定所述轮胎与检查参考的一致性。
背景技术
制造商开发的并且特别地旨在协助负责目视检查的操作员的用于自动轮胎检查的工业装置通常基于图像处理技术。
进行这一处理所使用的方法通常为将待检查轮胎表面的二维或优选地三维图像与所述轮胎表面的二维或优选地三维参考图像进行比较。
这个过程的其中一个步骤的目的是以已知的方式利用例如基于光学三角测量原理的装置(例如,使用联结至激光照明光源的2D传感器)采集轮胎表面的三维图像。二维图像是利用相同的捕捉装置获取的,在这种情况下,二维图像包括表面的简单照片。这种二维图像也可以通过诸如线扫描摄像机等任何采集装置而获取,或者在光学三角测量的情况下,可以根据投射到轮胎上的激光射线强度,与三维图像同时计算。
轮胎表面的图像是由数字数据的集合形成的,这些数字数据来自于三维和二维图像的捕捉。从传感器中获取的这些数据被传送到处理器,处理器的存储器中包含代码指令,当这些代码指令被执行时,所述处理器能够处理非常大量的数据。
在以下步骤中,进行了一定数量的预处理,以便于使用形成轮胎表面图像的数据。
在继续进行这一过程时,规定将待检查轮胎的浮凸表面和参考浮凸表面的图像进行配准。因为在离开硫化模具时压力释放所造成的局部形变,这一步骤已被证明是特别复杂的。这一参考图像可以从CAO模型中获取,或者从用于设计轮胎制造模具的模型中获取,或者可选地可以从假定没有异常的参考轮胎中获取。
因此,出版物WO 2009077539提出,通过尝试使预先在待检查轮胎表面和参考表面上确定的特征点重合,来提供仿射变换。
出版物WO 2012/055748是基于利用B样条表面的特殊属性而使所述特征点局部地重合。
出版物WO 2012/052300提出了一种使用基本花纹(其包括形成特征的磨损指示标记和易于识别的子图像),通过使基本花纹重合来配准胎面花纹的方法,这些花纹是以已知的方式排列的。
这一过程的最后是使用数字方法来进行检查和异常跟踪,或者较简单地将待检查轮胎的图像与参考图像进行比较。
出版物WO 2013/045593提出了一种利用形态学分析来处理光滑表面的二维图像的方法。出版物WO 2012/143197更具体地涉及对由排气口凝料(évent)形成的阴影区域所产生的非测量点的处理。申请FR1462901和FR 1462898(还未公开)提出了用于检测和分析位于轮胎胎侧表面上的条纹的一致性的算法,与传统的使用傅里叶变换或三维图像分析的方法相比,该算法计算时间更短。
然而,研究发现,这些工具为分析轮胎表面的特定浮凸元素(例如花纹或文字区域、或胎面花纹、模具排气装置所产生的排气口凝料、平滑区域、条纹或出现在可移动板上的文字区域)提供了良好的结果。
所有这些算法都具有在计算时间方面花费较大的特征,尤其是当这些算法被用于待检查轮胎的整个表面时。
发明内容
本发明旨在为减少在制造过程流水线结束时检查轮胎所需的计算时间,同时允许识别使用特定算法的不同的感兴趣区域做出贡献。
根据本发明,用于通过与参考轮胎的参考表面进行比较来检查待检查轮胎的表面的方法,所述表面包括浮凸元素或标记,其特征在于,步骤在以下过程中执行:
-利用采集系统来捕捉从制造过程中选取的并且认为一致的参考轮胎的表面的浮凸的图像,该图像由二维灰度或彩色图像以及三维灰度图像形成,在所述三维灰度图像中,图像的每个点都被分配与该点的凹凸(topographique)高度成正比的灰度值,由此产生的数据被传送到处理器中,处理器在其存储器中包含代码指令,当代码指令被执行时使得能够执行该方法的步骤,
-通过操作员与所述处理器的交互对主要特征进行参数化,通过将所述参考轮胎的参考表面的图像划分为多个不同的感兴趣区域来生成参考轮胎的参考表面的绘图(cartographie),其中每个感兴趣区域都包含特征形状或浮凸,感兴趣区域由边界分隔,将一个或更多个配准和检查算法分配到每个预先确定的感兴趣区域,所述一个或更多个配准和检查算法是从预先建立的算法的集合中选择并存储在所述处理器的存储器中的。
-使用所述采集系统来捕捉待检查轮胎的待检查表面的浮凸的图像,所述待检查轮胎来自与所述参考轮胎相同的模具并且与该参考轮胎不同,所产生的数据被传输到处理器,
-所述处理器以自动的方式并根据预先定义并记录在处理器的存储器中的主要特征,通过执行代码指令来执行下列操作,其中:
·对所采集的图像进行至少一次预处理,
·将所述绘图重叠在所述待检查轮胎的待检查表面的图像上,以确定待检查轮胎的感兴趣区域,
·运行待检查轮胎的每个感兴趣区域的特定的配准和检查算法,以确定轮胎的一致性。
因此,该方法为参考外胎(enveloppe)的冗长且有时复杂的参数化提供了初步的执行,从而定义了形成参考轮胎的感兴趣区域的主要特征的最优化参数,并从而仔细选择了最适合于这些感兴趣区域的每一个的算法。
通过这一初步工作,则可以在日常操作的检查阶段期间,只执行最适合于特定感兴趣区域的配准和随后检查的过程。对这些过程进行选择以具有较低复杂度,并且主要地,当将该过程应用于一致的区域时在所涉及的感兴趣区域的特征方面尤其性能良好。
因此,对于具有给定计算能力的处理器,本发明可以减少在检查阶段期间估计外胎一致性所需的计算时间,并可以以与工业制造速度相配的速度进行这种检查。
这里的“轮胎表面”是指由轮胎的内表面或外表面形成的部分或全部表面,所述轮胎包括胎侧、胎肩、胎圈或胎面。显然,如果参考轮胎的参考表面只代表轮胎表面的一个部分,如胎侧、胎面或内部部分,则待检查轮胎的待检查表面表示位于轮胎的完全相同部分的表面,即分别表示胎侧、胎面或内部部分。
根据本发明的方法也可以单独地或合并地具有下列特征:
-对所采集的图像进行的预处理包括从下列算法中选择的一个或更多个过程:
·表面的径向轮廓的扁平化,
·将相对于轮胎旋转轴表示的轮胎胎侧的表面的图像的极坐标变换为笛卡尔坐标,
·与进行采集的光学系统的缺陷有关的校正,如局部光学形变的校正或阴影区域的校正。
-对参考轮胎的主要特征进行参数化包括从下列特征中选择的数据:
·原始或经过滤波的三维图像的列和行的灰度值的总和,其形成一维签名,
·胎侧的平均曲率,
·位于给定的感兴趣区域内的特征浮凸的轮廓的形状,其在二个维度中形成特征子图像,
·位于感兴趣区域内的特征浮凸的一个或更多个特征点,
·几何矩,
·特征点之间的一种或更多种几何测量,如距离或角度,
·基于具有给定形状和方向的结构元素的对形态算子的响应,
·具有气孔的最大斜率的高度梯度的方向的参考图像,
·形态滤波器和对纹理类型的特征描述的响应。
-配准算法的集合包括用于使参考表面的感兴趣区域的浮凸与待检查表面的感兴趣区域的浮凸相一致的至少一种配准方法。
-所述配准方法是从下列一种或更多种方法中按复杂度递增的顺序选择的:
·匹配一维签名和角配准,
·匹配特征点,
·匹配特征子图像,
·在三个维度中匹配浮凸。
-算法的集合包括第一级算法,所述第一级算法基于分析,如对特征子图像的轮廓进行比较、对特征点之间的几何测量进行比较以及对几何矩进行比较。
-检查算法的集合包括用于分析由一个或更多个字母数字字符形成的特征浮凸所在的感兴趣区域的至少一种特定方法。
-检查算法的集合包括用于分析由条纹形成的特征浮凸所在的感兴趣区域的至少一种特定方法。
-检查算法的集合包括用于分析平滑的特征浮凸所在的感兴趣区域的至少一种特定方法。
-检查算法的集合包括用于分析由可移动板形成的特征浮凸所在的感兴趣区域的至少一种特定方法。
-检查算法的集合包括用于分析包括排气口凝料的特征浮凸所在的感兴趣区域的至少一种特定方法。
-检查算法的集合包括用于分析由胎面形成的特征浮凸所在的感兴趣区域的至少一种特定方法。
-检查算法的集合包括用于分析包括磨损指示标记的特征浮凸所在的感兴趣区域的至少一种特定方法。
-检查算法的集合包括用于分析包括纹理的特征浮凸所在的感兴趣区域的至少一种特定方法。
最后,本发明包括一种计算机程序,该计算机程序包括代码指令,当该程序在计算机上运行时,所述代码指令使得上述的方法的步骤被执行。
附图说明
通过阅读附图,将更容易理解本发明,附图以示例的方式提供且不以任何方式限制,其中:
图1示意性地显示了在表面图像的预处理过程中进行的更改坐标的操作。
图2示意性地显示了在表面图像的预处理过程中产生的图像扁平化的操作。
图3显示了在表面图像的预处理过程中进行的角配准操作。
图4示意性地显示了跟踪和匹配特征点的操作。
图5和图6显示了轮胎胎侧上绘图的形状和位置。
图7显示了由具有基本花纹的元素并置而形成的胎面的示意图。
具体实施方式
如上所述,轮胎表面的图像可以是表示表面的外观的二维图像,类似于照片。此图像可以是黑白图像或彩色图像。该图像反映了颜色或灰度,以及亮度。
这就导致了布置在平面上的点或像素点的集合,所述点或像素点的灰度值对应于轮胎表面反射的光。
除了基于光学三角测量的技术外,胎侧表面的凹凸图像的采集可以由传统的立体视觉来完成,在这种立体视觉中,提出使用两台专门用于采集与浮凸有关的数据的单独摄像机。这两台摄像机布置为使得待检查表面能以不同的视角记录下来。利用这项技术,在从两台摄像机采集二维图像的步骤后,将这些图像进行匹配,从而将每台摄像机生成的每个图像中形成的图像点与待检查表面上的给定点相关联,也是有益的。然后,在对摄像机进行校准后,通过确定两台摄像机所观察的表面上的点的不同视角,表面上该点的三维坐标通过三角测量计算出来。
这样得到了分布在三维空间并表示胎侧表面的点云。
例如,在出版物WO 2009/077534中描述了一种能够在轮胎的一次旋转中同时实现两次取景的装置。
然后,由采集系统获取的并且共同形成轮胎表面图像的二维图像和三维图像的原始数据被传送到处理器,该处理器包含代码指令,当代码指令由所述处理器运行时,就可以执行该方法的各个步骤。
为了便于执行进一步处理,通常对图像进行一定数量的预处理操作。这一预处理由与处理器进行交互的操作员利用从参考轮胎的参考图像中获取的数字数据进行调整。
为了进行该预处理,操作员可以使用预先输入处理器的存储器的数据(例如,与正在处理的轮胎相关的CAO设计数据)以及特定算法,这些特定算法的处理步骤不包括在本发明的范围内。
这一初始操作使得可以确定一组与轮胎的具体尺寸有关的主要特征。这些主要特征旨在当执行预处理或对待检查的每个外胎执行检查算法时,由处理器重新使用。
预处理可以包括第一操作,第一操作即重新校准二维图像,以校正在取景期间光线变化所产生的阴影区域,或校正与所使用的采集系统特有的光学系统有关的形变。每当取景时,这些阴影区域或形变都会再现。
然后,当分析参考轮胎的图像时,操作员确定将提供的补偿,并将这些补偿记录在维度的主要特征中,以便对与参考轮胎尺寸相同的所有待检查轮胎应用相同的补偿。
为了方便起见,三维图像也是经过重新加工的。
规定待分析表面的三维坐标x、y、z在正交参考坐标系OX、OY、OZ中表示,其中轴OZ与轮胎的旋转轴基本上一致。然后,如图1所示,通过在平面OXY中投影并将平面OXY中的笛卡儿坐标x,y变换成ρ,θ类型的极坐标,很容易对坐标x,y,z进行变换。
然后还执行通常被称为轮廓扁平化的操作。为了达到这个目的,表面的曲线的平均轮廓是通过将所有点投影在由轴OZ和OX'形成的平面上、在径向平面上确定的,如图2所示(图2对应于在径向平面上的投影)。平均径向轮廓的形状将由这一径向平面上的点云的形状给出,从这一点云中可以通过取方向OZ上的平均值来提取平均曲线。通过重新展开这一平均径向轮廓所获取的表面与不会出现浮凸标记的轮胎表面基本一致。
因此,对于角θ的每一个值,只需减去在OX’Z平面中表示的坐标的这个平均径向轮廓的值,就可以得到上面确定的展开表面的扁平化,其中,只有浮凸元素才在轴OZ上有值。
也可以通过沿指定的路径(例如,ρ的值为常数的线)跟随表面轮廓,以及通过检测表示位于所述表面上的浮凸标记的轮廓的局部变化来实现扁平化。这些线的并置也提供了扁平化的表面,只有浮凸元素出现在所述扁平化的表面上。
一旦确定后,将此平均轮廓记录在该维度的主要特征列表中,使得此平均轮廓可以重新用于对待检查轮胎进行扁平化。
通过给轴OZ上的值赋予灰度值并表示浮凸元素的高度,我们得到了表面的二维图像,在这幅二维图像上浮凸元素在视觉上与平均表面的颜色不同。后一种简化方法可根据上述方法之一在扁平化的表面上进行并得到相似的结果。
在操作员的操作的下一步,操作员仍然与处理器进行交互,绘制表面的绘图,并确定各种感兴趣区域的界限。然后,操作员为这些感兴趣区域中每一个都指定了最适合这些区域具体特征的特定配准和检查算法,如图5所示。例如,如果可获取用于固化轮胎的模具的CAO设计数据,则可以自动进行这种确定。
因此定义了具有不同形态特征的、并适用于不同的配准和检查算法的感兴趣区域Zi之间的界限。这些边界定义了绘图,如图6所示。
这张绘图,连同指向具体算法的链接,形成了轮胎主要特征的一部分。
在分析待检查轮胎的待检查表面期间,为了能够将待检查轮胎的表面图像与参考轮胎的表面图像进行比较,研究发现必须对绘图进行配准。
配准策略在于使用复杂度逐渐提高的数据,所述数据基于最初从图像的一维签名(signature),然后从二维图像,必要时从轮胎表面的三维图像中获取的数据元素。这一策略可用于使所使用的数据/算法的复杂度逐渐变化,同时减少所涉及的表面:
因此,一维签名适用于处理整个表面,二维图像允许处理非常均匀或几乎没有浮凸的感兴趣区域,而三维图像允许对包含大量和变化的浮凸元素的感兴趣区域进行配准。
对于这两幅图像的角配准Δα,简单的过程是通过寻找由二维图像中一行像素的灰度值所形成的原始数据的总和,或优选地由该参考轮胎的三维图像的灰度值所形成的原始数据的总和来提供参考图像的一维签名。由此产生了1D曲线。
为了提高这一签名的相关性,还可以在考虑到例如图像每行或每列的灰度梯度或灰度均值的情况下,对图像进行初步滤波。
通过对待检查轮胎执行相同的操作可以获取第二签名,并通过将两个签名相互滑动以使它们匹配而找到进行圆周移位的值,以便在待检查轮胎的角度图像和参考轮胎的图像之间提供角匹配。
如果必须在径向方向上进行配准,则可以通过找到列的原始灰度值或滤波灰度值的总和来执行类似的操作。
然后,参考轮胎的径向和圆周方向的、原始或滤波的1D签名形成主要特征的一部分。
在分析待检查轮胎的表面时,这种通常在预处理阶段进行的第一一维配准使绘图能够投射在待检查轮胎的表面,以定义相应的区域,并使操作员预先确定的、最符合该区域的浮凸的具体特征的配准和检查算法能够应用于这些区域。
因此,另一项更为复杂的配准操作(这次使用轮胎表面的二维图像)是在参考轮胎的参考图像中确定一些容易检测到的特征点,使得这些特征点可以与待检查轮胎的待检查表面上的相同参考点进行匹配,如图4所示。
特征点可由特征浮凸元素的轮廓所取代,从而形成特征子图像,特征子图像为所涉及的感兴趣区域的二维图像的部分。
这种匹配操作可用于配准整个表面,但优选地应用于在一维类型的角配准步骤中可能已经预先确定的特定感兴趣区域,以便能够使用简单的局部变换(例如平移)。
例如,我们也可以引用一种更加特别适合轮胎胎面所形成的感兴趣区域的特定配准算法,如图7所示,所述轮胎的胎面花纹是由圆周并置元素的集合(assemblage d'élements juxtaposés circonférentiellement)(ABCU)所形成的,这些元素以完全相同形状的边界彼此分隔开来。这些元素具有较少的、以精确和已知的方式排列的基本花纹,这些基本花纹包括至少一个这样的基本花纹:其上布置有与该基本花纹的特征点相关的磨损指示标记。
根据该算法,识别了位于待检查轮胎的胎面图像上的磨损指示标记。然后,将磨损指示标记分组为对应于包括磨损指示标记的基本花纹的子集,并确定这些子集的每一个的特征点。然后,通过计算在待检查胎面的表面上识别的磨损指示标记的每个子集的特征点之间的距离来确定距离的序列,并使这一距离序列与基本花纹的特征点之间的已知距离序列相一致。最后,根据所述元素的已知定位序列,将元素之间的边界形状投影到待检查表面上。
胎面花纹的基本花纹的特征点之间的距离序列形成了主要特征的一部分。
例如,在出版物WO 2012 052300中描述了这种类型的配准算法。
然后,可以运行胎面的检查算法,将待检查轮胎的胎面表面的三维图像的三维表面与参考轮胎的胎面的三维表面的图像进行比较。
另外,为了举例说明本发明提出的方法的原理,图中的感兴趣区域Z1、Z12、Z13、Z14、Z15是设置在轮胎胎侧上的感兴趣区域,其中包含类似于已开发了特定配准和检查算法的图案的浮凸元素。这些配准和检查算法的目的是使待检查外胎的三维表面尽可能准确地与参考外胎的三维表面重合,从而可以根据差异来确定成型异常。因此,必须对待检查表面进行受控制的形变,以便如上所述允许从模具中取出时压力释放所导致的定位的非常微小的变化。
当包含特征点Pij的基本B样条表面类型的检查网格与参考表面的每个图形元素相关联时,可以生成这些配准和检查算法。当这种关联完成后,通过修改基本B样条表面特征点的位置而使参考表面的每个图形元素的轮廓发生形变,从而使参考表面的图形元素的轮廓与待检查表面的图形元素的相应轮廓之间的距离最小。
例如,在出版物WO 2012 055748中描述了这种类型的配准和检查算法。
另一个过程是以迭代的方式搜索仿射变换函数,该仿射变换函数包括比率的绝对值不是1的相似扩大。该变换函数应用于参考表面的特征点,从而使得表示通过变换函数变换的参考表面的每个特征点与相匹配的待检查表面的点之间距离之和的值最小。
在出版物WO 2009/077539中更详细的描述了这种类型的特定配准和检查算法。
在这项调整完成后,研究了包括参考轮胎图案的区域的浮凸元素与属于待检查轮胎的同一区域的浮凸之间的差异。
操作员为进行这些精确的配准而选择的特征点被纳入参考轮胎的主要特征中,并记录在处理器的存储器中。
感兴趣区域Z2、Z3、Z4是包含排气口凝料的特定区域。排气口凝料(也称为毛刺),是由放置在模具中的排气设备引起的,这些排气设备可以促进成型时被阻塞的气体的排出。每个模具都有自己的排气系统。
这些排气口凝料会引起阴影区域,并因此引起这些排气口凝料所在的表面周围的测量异常。可以使用特定的算法来重建每个排气口凝料的底部周围的表面(通常是光滑的)。
根据待检查表面的三维图像,该算法搜索包括灰度值低于给定阈值的像素的表面区域,并确定包围框( englobante)的边界。在包围框内并且对于给定、与包括灰度值低于给定阈值的像素的区域相割的线,所述像素中的每一个都被分配了灰度值,该灰度值等于由属于所述线的参考线段的像素所形成的、并且位于所涉及区域附近的集合的平均灰度值。
还可以确定灰度值低于给定阈值的像素区域的面积,如果该区域的面积超过给定阈值,则确定出所述区域的主轴与像素线的方向之间的角度,以及所述区域的重心。然后,在所述区域主轴的其中一个端部处寻找排气口凝料的位置,该区域以沿区域延伸的方向定向,并以排气口凝料底部为起点。然后,对与包含灰度值低于给定阈值的像素的区域相割的线中的每一条都分配了位于所述区域的主轴一侧的参考线段,所述区域对应于与阴影区域的方向成正角的角扇形,而参考线段的像素的平均灰度值被分配给包含所述参考线段、并包括在该参考线段的中心和所述像素线与排气口凝料底部的轮廓的交叉点之间的线的像素的集合。
在出版物WO 2012/143197中更详细的描述了这种特定算法。
通过预先确定排气口凝料的位置,可以只在排气口凝料所处的区域内运行以上简要描述的检查算法,使得只有少量的数据用更复杂的算法进行处理。
感兴趣区域Z6、Z7、Z8、Z9、Z10、Z11是包含一个或更多个字母数字字符的区域。
为了确定标记的一致性,就只需简单地运行光学字符识别(OCR)类型的特定已知算法。
在这些感兴趣区域中,有些区域(如感兴趣区域Z6)属于特殊的类别,因为这些区域所包含的标记是由插入模具的可移动板形成的。这些板每天或每周都会更换,而其相对于模具表面的对齐可能会发生变化。这导致了浮凸的局部变化,为浮凸的局部变化提供了特定的公差。
在条纹区域(如感兴趣区域Z16、Z17、Z18或Z19),表面的起伏不会形成精确描述的凹凸的一部分。
用于分析这些条纹区域一致性的特定算法是基于使用工具对轮胎表面的二维或三维图像进行形态学分析。这些算法提供了:确定包含条纹区域的基本表示的至少一个扩展,以产生扩展的表示;确定基本表示的至少一个侵蚀,以产生侵蚀的表示;以及确定扩展的表示和侵蚀的表示之间的差异,以产生揭示异常的差异表示。
这些扩展和侵蚀是基于结构元素,结构元素的大小和方向必须根据条纹的大小和方向进行调整。
应注意的是,感兴趣区域Z16和Z17的条纹相对于感兴趣区域Z18和Z19的条纹是反向的。
因此,操作员将结构元素的参数调整为参考轮胎的条纹区域中的每一个的条纹,并将这些主要特征记录在每个所涉及区域的处理器的存储器中。
这些结构元素以及结构元素在参考表面上产生的特定响应形成了主要特征的一部分。
通过将这些特定算法仅应用于预先识别的条纹区域,就又可以在更小数据量上使用更复杂的算法。
感兴趣区域Z19是被认为不存在任何浮凸的平滑区域。
因此,分配给这些区域的配准算法可能极其简单,并且可能仅限于例如上文所述的一维配准。
在这些表面上出现的异常可以是局部成型缺陷或因胎体增强层的局部形变而引起的凹陷变化,或由于凹陷变化产生的过高的亮度而可检测到的斑点。
因此,特别适合于这些表面的特定检查算法已经被开发出来以检查表面的一致性。
例如,在出版物WO 2012/156262中描述了第一特定检查算法。该检查算法基于对表面三维灰度图像的分析。
根据该出版物,执行了以下步骤,其中,利用以圆周方向定向的尺寸连续增加的线性结构元素,在轮胎表面的图像中进行了一系列的形态学开运算。然后,从利用给定结构元素进行形态学开运算之后获得的图像的值减去利用下一个较小尺寸的结构元素进行形态学开运算之后获得的图像的值,以差值的方式获得一系列的扁平化的图像,该过程通过减去利用较小尺寸的结构元素来获取的图像开始。最后,对通过差值扁平化的图像进行二值化以得到二值图像,并对每幅二值图像的值进行集合以获取最终的二值图像,在最终的二值图像中只有标记花纹出现在浮凸中。
然后,该表面的二值图像中的独立花纹被识别,所述表面的曲率的图像由与轮胎表面的初始图像的差值确定,从而去除了曲率图像中的浮凸标记,只留下上述表面的局部形变。
这里应注意的是,这种算法也可以用来确定在预处理阶段用于扁平化的平均径向轮廓。
另一种特别适用于检查内表面的检查算法,也是基于对表面三维图像的纹理的分析,并且也利用了形态学分析工具。例如,在出版物WO 2013/045593中描述了这种类型的特定算法。
根据该出版物,通过使用因素空间确定了最适合突出所述异常的形态滤波器的系列,在所述因素空间中,数据由形态滤波器形成,变量由轮胎表面(轮胎表面包括预先识别的异常)的多变量图像形成。然后将这些滤波器的系列应用于待检查轮胎的图像,并借助分类器检测这些异常的存在。
这些形态滤波器连同形态滤波器在参考表面上生成的对纹理特征的响应,形成了主要特征的一部分。
这里应该注意到,一些不一致性并不是由模具的凹形浮凸元素所造成的浮凸的性质所特有的。例如,在材料两个内层之间的空气夹杂物就属于这种情况,空气夹杂物可以由于其在表面上产生局部形变而被检测到。
在出版物WO 2014/198777中描述了用于检测这些异常的特定算法。
根据该算法,基于待检查轮胎表面的三维数字图像,形成了表面高度梯度(gradient d'élévation)的方向的图像,其中,图像中的每个点都被赋予了灰度值,该灰度值与在非零范数向量的像平面内的投影给出的方向形成的角度成正比,此时,非零范数向量基本上对应于与表面相割的梯度向量并以最大斜率方向定向。然后,通过利用数字滤波器对高度梯度方向的图像进行变换,来确定所述方向的滤波图像,该数字滤波器能够选择包括与具有最大斜率的气孔的高度梯度方向的参考图像相似的结构的区域。
然后,这个具有最大斜率的气孔的高度梯度方向的参考图像(其采取了灰度的圆周渐变的形式),被认为是该维度的主要特征,并储存在处理器的存储器中。
然后,在检查待检查轮胎时,操作员可以选择是由处理器在所有区域内运行这一特定算法,还是仅在对这些空气夹杂物的出现更为敏感的某些特定区域内运行这一特定算法。
在所有可供操作员使用并存储在处理器存储器中的特定检查算法中,有些可视为第一级算法。这些特定算法需要的计算时间较短,可以用来快速识别运行该算法的区域是否包含可能引起对缺陷的存在的怀疑的元素。因此,建议运行这些所谓的第一级算法,并根据结果决定启动更加资源密集型的特定算法之一是否有用。
例如,在这些简化算法中,对于类似于图案的浮凸,可以计算由该图案的轮廓相对于特征点定义的表面的几何矩或惯性矩。更具体地,如论文“通过Zernike矩进行不变图像识别(Invariant image recognition by Zernike moments)”(作者Alizea Khotanzad和Yaw Hua Hong,IEEE模式分析与机器智能汇刊(IEEE Transactions and PatternAnalysis and Machine Intelligence),卷12,No.5,1990年5月)所述的Zernike矩的计算,似乎同样适用于检测图案区域和含有字母数字字符的区域中的第一级误差。
也可以证明,通过将位于参考轮胎感兴趣区域的参考图像的轮廓与位于待检查轮胎的同一区域的图像的轮廓重叠来进行比较,是有价值的帮助。通过已知的方式,可以根据表面的二维图像或三维图像来获取图像的轮廓。
更简单地说,也可以计算某些精心选择的特征点之间的距离,或进行几何测量,例如计算在这些点之间通过的直线所形成的角度。
参考轮胎的浮凸元素的轮廓形状、几何矩、几何测量和特征点被认为是主要特征,并记录在处理器存储器中。
特定的或简化的配准和检查算法的集合形成了也存储在处理器存储器中的算法的集合。
在操作员通过与处理器交互进行的分析参考轮胎表面的这个操作完成后,我们得到了丰富的库,其中,轮胎的每个感兴趣区域都与一个或更多个特征配准和检查算法相关联,所述特征配准和检查算法的主要特征的选择已确定。
在日常操作过程中,检查与参考轮胎产自相同模具的轮胎时,只需简单地连续进行上述的预处理操作,以配准表面的图像,并将绘图重叠在待检查轮胎的图像上,从而识别感兴趣区域。
然后,利用分配给这些算法并如上所述预先存储的主要特征,处理器自动运行为每个区域定义的特定配准和检查算法。
执行这些计算的结果使得能够确定轮胎的一致性。
由参考轮胎的参考表面的图像形成的集合、主要特征、利用与集合相关的最佳配准原则的绘图,以及为每一感兴趣区域选择的待运行的配准和检查算法,形成了与参考轮胎产自相同模具的待检查轮胎的最佳检查的基本模型。
每当在模具上进行钻排气孔或换板等操作时,都必须改造该基本模型。
通过作一些小的修改(例如,关于排气孔位置),可以很容易地改造这一基本模型以充当由相同尺寸的不同模具生产的参考轮胎的基本模型。
通过一些附加的改造,这一基本模型也可以充当具有不同直径的不同尺寸的相同轮胎模型的基本模型。
最后,可以使用特定算法的集合来创建不同尺寸轮胎的基本模型。
由此得到了基本模型的层次结构,这些模型是根据所使用的不同算法之间的相似性进行分组的。
Claims (15)
1.一种用于通过与参考轮胎的参考表面进行比较来检查待检查轮胎的待检查表面的方法,所述表面包括浮凸元素或标记,其特征在于,步骤在以下过程中执行:
-利用采集系统来捕捉从制造过程中选取的并且认为一致的参考轮胎的表面的浮凸的图像,该图像由二维灰度或彩色图像以及三维灰度图像形成,在所述三维灰度图像中,图像的每个点都被分配与该点的凹凸高度成正比的灰度值,由此产生的数据被传送到处理器中,处理器在其存储器中包含编码指令,当编码指令被执行时使得能够执行该方法的步骤,
-通过操作员与所述处理器的交互对主要特征进行参数化,通过将所述参考轮胎的参考表面的图像划分为多个不同的感兴趣区域来生成参考轮胎的参考表面的绘图,其中每个感兴趣区域都包含特征形状或浮凸,感兴趣区域由边界分隔,将从预先建立的算法的集合中选择并且存储在所述处理器的存储器中的一个或更多个配准和检查算法分配到每个预先确定的感兴趣区域,
-使用所述采集系统来捕捉待检查轮胎的待检查表面的浮凸的图像,所述待检查轮胎来自与所述参考轮胎相同的模具并且与所述参考轮胎不同,所产生的数据被传输到处理器,
-所述处理器以自动的方式并根据预先定义并记录在处理器的存储器中的主要特征,通过执行代码指令来执行下列操作,其中:
·对所采集的图像进行至少一次预处理,
·将所述绘图重叠在所述待检查轮胎的待检查表面的图像上,以确定待检查轮胎的感兴趣区域,
·运行待检查轮胎的每个感兴趣区域的特定的配准和检查算法,以确定轮胎的一致性。
2.根据权利要求1所述的检查方法,其中,对所采集的图像进行的预处理包括从下列算法中选择的一个或更多个过程:
-表面的径向轮廓的扁平化,
-相对于轮胎旋转轴表示的轮胎胎侧的表面的图像的极坐标到笛卡尔坐标的变换,
-与进行采集的光学系统的缺陷有关的校正,如局部光学形变的校正或阴影区域的校正。
3.根据权利要求1和2中的任一项所述的检查方法,其中,对参考轮胎的主要特征进行参数化包括从下列特征中选择的数据:
-原始或经过滤波的三维图像的列和行的灰度值的总和,其形成一维签名,
-胎侧的平均曲率,
-位于给定的感兴趣区域内的特征浮凸的轮廓的形状,其在二个维度中形成特征子图像,
-位于感兴趣区域内的特征浮凸的一个或更多个特征点,
-几何矩,
-特征点之间的一种或更多种几何测量,如距离或角度,
-基于具有给定形状和方向的结构元素的对形态算子的响应,
-具有气孔的最大斜率的高度梯度的方向的参考图像,
-形态滤波器和对纹理类型的特征描述的响应。
4.根据权利要求3所述的检查方法,其中,配准算法的集合包括至少一种配准方法,以用于使参考表面的感兴趣区域的浮凸与待检查表面的感兴趣区域的浮凸相一致。
5.根据权利要求4所述的检查方法,其中,所述配准方法是从下列一种或更多种方法中按复杂度递增的顺序选择的:
-匹配一维签名和角配准,
-匹配特征点,
-匹配特征子图像,
-在三个维度中匹配浮凸。
6.根据权利要求5所述的检查方法,其中,算法的集合包括第一级算法,所述第一级算法基于分析,如对特征子图像的轮廓进行比较、对特征点之间的几何测量进行比较以及对几何矩进行比较。
7.根据权利要求5所述的检查方法,其中,检查算法的集合包括用于分析由一个或更多个字母数字字符形成的特征浮凸所在的感兴趣区域的至少一种特定方法。
8.根据权利要求5所述的检查方法,其中,检查算法的集合包括用于分析由条纹形成的特征浮凸所在的感兴趣区域的至少一种特定方法。
9.根据权利要求5所述的检查方法,其中,检查算法的集合包括用于分析平滑的特征浮凸所在的感兴趣区域的至少一种特定方法。
10.根据权利要求5所述的检查方法,其中,检查算法的集合包括用于分析由可移动板形成的特征浮凸所在的感兴趣区域的至少一种特定方法。
11.根据权利要求5所述的检查方法,其中,检查算法的集合包括用于分析包含排气口凝料的特征浮凸所在的区域的至少一种特定方法。
12.根据权利要求5所述的检查方法,其中,检查算法的集合包括用于分析由胎面形成的特征浮凸所在的感兴趣区域的至少一种特定方法。
13.根据权利要求5所述的检查方法,其中,检查算法的集合包括用于分析包括磨损指示标记的特征浮凸所在的区域的至少一种特定方法。
14.根据权利要求5所述的检查方法,其中,检查算法的集合包括用于分析包括纹理的特征浮凸所在的区域的至少一种特定方法。
15.一种包括代码指令的计算机程序,当该程序在计算机上运行时,所述代码指令使得根据权利要求1至14中的任一项所述的方法的步骤被执行。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1557142A FR3039684B1 (fr) | 2015-07-27 | 2015-07-27 | Procede optimise d'analyse de la conformite de la surface d'un pneumatique |
FR1557142 | 2015-07-27 | ||
PCT/FR2016/051941 WO2017017371A1 (fr) | 2015-07-27 | 2016-07-26 | Procédé optimise d'analyse de la conformité de la surface d'un pneumatique |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107851314A true CN107851314A (zh) | 2018-03-27 |
Family
ID=54707895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680043971.1A Pending CN107851314A (zh) | 2015-07-27 | 2016-07-26 | 用于分析轮胎表面一致性的优化的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10346971B2 (zh) |
EP (1) | EP3329460A1 (zh) |
CN (1) | CN107851314A (zh) |
FR (1) | FR3039684B1 (zh) |
WO (1) | WO2017017371A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115773A (zh) * | 2018-07-20 | 2019-01-01 | 苏州光图智能科技有限公司 | 轮胎信息验证方法、装置及存储介质 |
CN110766075A (zh) * | 2019-10-23 | 2020-02-07 | 上海眼控科技股份有限公司 | 轮胎区域图像比对方法、装置、计算机设备和存储介质 |
CN111028283A (zh) * | 2019-12-11 | 2020-04-17 | 北京迈格威科技有限公司 | 图像检测方法、装置、设备及可读存储介质 |
CN111192225A (zh) * | 2020-04-14 | 2020-05-22 | 北京智拓视界科技有限责任公司 | 确定管道是否存在缺陷的方法、设备和计算机程序介质 |
CN111402206A (zh) * | 2020-02-27 | 2020-07-10 | 红云红河烟草(集团)有限责任公司 | 一种烟支刮破视觉检测方法及系统 |
CN114396899A (zh) * | 2022-03-25 | 2022-04-26 | 廊坊易砚领创科技有限公司 | 一种轮胎断面分析测量方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3065825B1 (fr) * | 2017-04-28 | 2022-12-23 | Patrick Pirim | Procede et dispositif automatises aptes a assurer l'invariance perceptive d'un evenement spatio-temporel dynamiquement en vue d'en extraire des representations semantiques unifiees |
US10706530B2 (en) * | 2017-09-11 | 2020-07-07 | International Business Machines Corporation | Object detection |
CN108189626B (zh) * | 2017-12-28 | 2020-08-04 | 江苏灵动飞扬科技有限公司 | 一种胎压检测方法、装置、存储介质及汽车 |
US10977854B2 (en) | 2018-02-27 | 2021-04-13 | Stmicroelectronics International N.V. | Data volume sculptor for deep learning acceleration |
FR3093183B1 (fr) * | 2019-02-22 | 2021-02-19 | Safran Electronics & Defense | Procédé de détection d’une dégradation d’un pneumatique d’une roue |
CN111028152B (zh) * | 2019-12-02 | 2023-05-05 | 哈尔滨工程大学 | 一种基于地形匹配的声呐图像的超分辨率重建方法 |
CN112489042A (zh) * | 2020-12-21 | 2021-03-12 | 大连工业大学 | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 |
CN114283126B (zh) * | 2021-12-13 | 2023-04-18 | 智洋创新科技股份有限公司 | 一种输电线路监控设备偏移检测方法 |
KR20230100465A (ko) * | 2021-12-28 | 2023-07-05 | 한국공학대학교산학협력단 | 3d 이미지 데이터를 이용한 타이어 불량 검출 방법 |
CN116993726B (zh) * | 2023-09-26 | 2023-12-19 | 山东克莱蒙特新材料科技有限公司 | 一种矿物铸件检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101896937A (zh) * | 2007-12-19 | 2010-11-24 | 米其林技术公司 | 处理轮胎表面的三维图像以便其能够用来检查所述表面的方法 |
WO2012055748A1 (fr) * | 2010-10-27 | 2012-05-03 | Societe De Technologie Michelin | Methode de pre traitement d'une image tri dimensionnelle de la surface d'un pneumatique en vue de son utilisation pour l'inspection de ladite surface |
CN103493095A (zh) * | 2011-04-18 | 2014-01-01 | 米其林企业总公司 | 轮胎表面的数字图像的分析和非测量点的处理 |
CN103649991A (zh) * | 2011-05-19 | 2014-03-19 | 米其林企业总公司 | 用于确定轮胎的侧壁的外表面上的浮雕般的标记的方法 |
WO2014198777A1 (fr) * | 2013-06-13 | 2014-12-18 | Compagnie Generale Des Etablissements Michelin | Methode de traitement de l'image numerique de la surface d'un pneumatique en vue de la detection d'une anomalie |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3302519A (en) | 1965-01-07 | 1967-02-07 | Rca Corp | Optical illuminating system |
US3339683A (en) | 1965-01-08 | 1967-09-05 | Bendix Corp | Automatic adjuster |
FR2925706B1 (fr) | 2007-12-19 | 2010-01-15 | Soc Tech Michelin | Dispositif d'evaluation de la surface d'un pneumatique. |
US8345949B2 (en) * | 2010-03-09 | 2013-01-01 | General Electric Company | Sequential approach for automatic defect recognition |
FR2966245B1 (fr) | 2010-10-19 | 2012-10-19 | Michelin Soc Tech | Methode d'identification et de limitation des motifs de base formant la sculpture de la bande de roulement d'un pneumatique |
FR2966246B1 (fr) | 2010-10-19 | 2012-12-14 | Michelin Soc Tech | Methode d'identification et de limitation des motifs de base formant la sculpture de la bande de roulement d'un pneumatique |
FR2966956B1 (fr) | 2010-10-27 | 2012-12-14 | Michelin Soc Tech | Methode de pre-traitement d'une image tri dimensionnelle de la surface d'un pneumatique a l'aide de deformations b-spline successives |
FR2975523B1 (fr) | 2011-05-19 | 2015-09-25 | Michelin Soc Tech | Methode de determination des elements en relief presents sur la surface d'un pneumatique |
FR2980735B1 (fr) | 2011-09-30 | 2016-09-09 | Soc De Tech Michelin | Methode amelioree de controle de l'aspect de la surface d'un pneumatique |
FR3022380A1 (fr) | 2014-06-13 | 2015-12-18 | Michelin & Cie | Procede de redressement d'image de pneumatiques |
US20170330338A1 (en) | 2014-12-19 | 2017-11-16 | Compagnie Generale Des Etablissements Michelin | Method for detecting striations in a tire |
RU2657648C1 (ru) * | 2015-06-30 | 2018-06-14 | Пирелли Тайр С.П.А. | Способ и устройство обнаружения дефектов на поверхности шин |
-
2015
- 2015-07-27 FR FR1557142A patent/FR3039684B1/fr not_active Expired - Fee Related
-
2016
- 2016-07-26 EP EP16760124.4A patent/EP3329460A1/fr not_active Withdrawn
- 2016-07-26 WO PCT/FR2016/051941 patent/WO2017017371A1/fr active Application Filing
- 2016-07-26 CN CN201680043971.1A patent/CN107851314A/zh active Pending
- 2016-07-26 US US15/741,378 patent/US10346971B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101896937A (zh) * | 2007-12-19 | 2010-11-24 | 米其林技术公司 | 处理轮胎表面的三维图像以便其能够用来检查所述表面的方法 |
WO2012055748A1 (fr) * | 2010-10-27 | 2012-05-03 | Societe De Technologie Michelin | Methode de pre traitement d'une image tri dimensionnelle de la surface d'un pneumatique en vue de son utilisation pour l'inspection de ladite surface |
CN103180874A (zh) * | 2010-10-27 | 2013-06-26 | 米其林企业总公司 | 用于检查轮胎表面的预处理轮胎表面的三维图像的方法 |
CN103493095A (zh) * | 2011-04-18 | 2014-01-01 | 米其林企业总公司 | 轮胎表面的数字图像的分析和非测量点的处理 |
CN103649991A (zh) * | 2011-05-19 | 2014-03-19 | 米其林企业总公司 | 用于确定轮胎的侧壁的外表面上的浮雕般的标记的方法 |
WO2014198777A1 (fr) * | 2013-06-13 | 2014-12-18 | Compagnie Generale Des Etablissements Michelin | Methode de traitement de l'image numerique de la surface d'un pneumatique en vue de la detection d'une anomalie |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115773A (zh) * | 2018-07-20 | 2019-01-01 | 苏州光图智能科技有限公司 | 轮胎信息验证方法、装置及存储介质 |
CN110766075A (zh) * | 2019-10-23 | 2020-02-07 | 上海眼控科技股份有限公司 | 轮胎区域图像比对方法、装置、计算机设备和存储介质 |
CN111028283A (zh) * | 2019-12-11 | 2020-04-17 | 北京迈格威科技有限公司 | 图像检测方法、装置、设备及可读存储介质 |
CN111028283B (zh) * | 2019-12-11 | 2024-01-12 | 北京迈格威科技有限公司 | 图像检测方法、装置、设备及可读存储介质 |
CN111402206A (zh) * | 2020-02-27 | 2020-07-10 | 红云红河烟草(集团)有限责任公司 | 一种烟支刮破视觉检测方法及系统 |
CN111192225A (zh) * | 2020-04-14 | 2020-05-22 | 北京智拓视界科技有限责任公司 | 确定管道是否存在缺陷的方法、设备和计算机程序介质 |
CN114396899A (zh) * | 2022-03-25 | 2022-04-26 | 廊坊易砚领创科技有限公司 | 一种轮胎断面分析测量方法 |
CN114396899B (zh) * | 2022-03-25 | 2022-07-22 | 廊坊易砚领创科技有限公司 | 一种轮胎断面分析测量方法 |
Also Published As
Publication number | Publication date |
---|---|
US10346971B2 (en) | 2019-07-09 |
US20180197285A1 (en) | 2018-07-12 |
FR3039684A1 (fr) | 2017-02-03 |
FR3039684B1 (fr) | 2018-08-10 |
WO2017017371A1 (fr) | 2017-02-02 |
EP3329460A1 (fr) | 2018-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107851314A (zh) | 用于分析轮胎表面一致性的优化的方法 | |
CN105334219B (zh) | 一种残差分析动态阈值分割的瓶口缺陷检测方法 | |
CN101799434B (zh) | 一种印刷图像缺陷检测方法 | |
CN103047943B (zh) | 基于单投射编码结构光的车门外板形状尺寸检测方法 | |
CN104331699B (zh) | 一种三维点云平面化快速搜索比对的方法 | |
US8498467B2 (en) | Method for processing a three-dimensional image of the surface of a tire so that it can be used to inspect the said surface | |
CN104778721B (zh) | 一种双目图像中显著性目标的距离测量方法 | |
CN103168219B (zh) | 用于识别和定义形成轮胎胎面设计的基本花纹的方法 | |
CN104915963B (zh) | 一种用于plcc元件的检测与定位方法 | |
CN105335973B (zh) | 运用于带钢加工生产线的视觉处理方法 | |
CN108776140A (zh) | 一种基于机器视觉的印刷品瑕疵检测方法及系统 | |
CN108007388A (zh) | 一种基于机器视觉的转盘角度高精度在线测量方法 | |
CN103210417A (zh) | 使用连续b样条变形预处理轮胎表面的三维图像的方法 | |
US20120242824A1 (en) | Device and method for inspecting tyre shape | |
JP2013542435A (ja) | タイヤ表面の検査に用いられるタイヤ表面の三次元画像を前処理する方法 | |
CN111583114B (zh) | 一种管道螺纹自动测量装置及测量方法 | |
CN105957082A (zh) | 一种基于面阵相机的印刷质量在线监测方法 | |
JP2005331274A (ja) | タイヤ凹凸図形の検査方法、および、タイヤ凹凸図形検査装置 | |
CN102567979A (zh) | 车载红外夜视系统及其多源图像融合方法 | |
CN107228860A (zh) | 一种基于图像旋转周期特性的齿轮缺陷检测方法 | |
CN103499296A (zh) | 基于机器视觉的批量零件自动检测系统及方法 | |
CN109064481B (zh) | 一种机器视觉定位方法 | |
CN111932494B (zh) | 一种轮胎磨损程度评价方法及装置 | |
CN105283750B (zh) | 用于处理轮胎表面的数字图像以便检测异常的方法 | |
CN116358449A (zh) | 一种基于双目面结构光的飞机铆钉凹凸量测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180327 |
|
WD01 | Invention patent application deemed withdrawn after publication |