CN109614868A - 汽车轮胎花纹图像直线识别系统 - Google Patents
汽车轮胎花纹图像直线识别系统 Download PDFInfo
- Publication number
- CN109614868A CN109614868A CN201811331143.5A CN201811331143A CN109614868A CN 109614868 A CN109614868 A CN 109614868A CN 201811331143 A CN201811331143 A CN 201811331143A CN 109614868 A CN109614868 A CN 109614868A
- Authority
- CN
- China
- Prior art keywords
- image
- straight line
- line
- tyre tread
- decorative pattern
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种汽车轮胎花纹图像直线识别系统,包括:轮胎花纹图像预处理模块,用于对获取的轮胎花纹图像进行预处理,输出单周期图像花纹特征的二值图像;轮胎花纹图像的直线识别模块,用于识别轮胎花纹图像预处理模块输出的单周期图像花纹特征的二值图像中的单条直线或多条直线;直线方程及共面直线间位置关系解算模块,用于对识别的直线进行数值化解析,解算直线方程和多条共面直线的位置关系。本发明能够识别汽车轮胎花纹图像中的直线特征,为交通事故中肇事逃逸车辆的甄别提供分析工具。
Description
技术领域
本发明涉及数字图像处理领域,尤其是一种汽车轮胎花纹图像直线识别系统。
背景技术
我国道路交通事故频发,道路交通事故致死率高居不下。数据表明,仅2016 年,我国共接报道路交通事故864.3万起,涉及人员伤亡的道路交通事故212846 起,造成63093人死亡,直接财产损失12.1亿元。事故发生后,驾驶员肇事逃逸的情况屡见不鲜。交通事故现场遗留的车体痕迹、轮胎痕迹、血迹等信息,对于肇事逃逸案件的破获具有显著的意义。而车辆轮胎作为车辆的“指纹”,是车型判断的重要载体。对于缺少监控的道路交通事故肇事逃逸案件,事故现场遗留痕迹,尤其是肇事车辆的轮胎痕迹,对于肇事逃逸案件的侦破非常关键。车辆轮胎花纹中常见的花纹形状有直线花纹、曲线花纹,其中多线段直线花纹又是轮胎花纹形状中最常见的一种。若能根据事故现场轮胎花纹图像快速识别轮胎花纹中的直线特征,配合建立轮胎花纹数据库,即可快速识别轮胎种属,为车型识别提供便利工具。
中国专利文献CN107917689A提供了一种轮胎花纹深度智能检测系统以及花纹尺电路,该专利由尺框、伸缩尺以及花纹尺电路组成,花纹尺电路由微处理器单片机、位移传感器、无线通讯电路模块组成,位移传感器包括正弦信号发生电路、阻抗桥测量电路以及信号调理电路,轮胎花纹深度智能检测系统的胎纹尺的位移传感器将机械位移转换成电量输出。该专利主要用于汽车轮胎磨损、排水性能等问题的检测,并未涉及轮胎花纹形状的识别。
中国专利文献CN107941127A提供了一种轮胎花纹深度智能检测方法,该专利通过智能花纹尺测量获得轮胎花纹深度数据源,智能花纹尺将数据源的数据进行加密,然后将加密后的数据进行Mac运算,随后智能花纹尺将加载Mac的数据进行打包上传;控制中心将收到的数据进行解析,按照双方约定的算法将收到的数据求出Mac值,与收到数据包的Mac值进行比较,如果Mac值不相同,则认为是非法数据而不做处理。该发明轮胎花纹深度智能检测方法采用的处理机制可以避免系统的非法入侵者对系统正常数据的干扰,保证数据安全性以及保证数据准确性。该专利与CN107917689A类似,同样只是检测轮胎花纹深度,并非识别轮胎花纹形状。
中国专利文献CN206546157U提供了一种基于机器视觉的轮胎花纹深度测量装置,该装置包括底座、支架侧板、摄像机、线激光发生器、轮胎、轮胎轴和驱动装置。该装置能够获取精确的轮胎表面图像,从而提高采用非接触式测量的精度高。但其目的仍然为通过非接触式的测量获取轮胎花纹深度信息,其获取轮胎花纹表面图像的方法可用于建立轮胎样本数据库。
中国专利文献CN207231417U提供了一种汽车轮胎花纹深度检测系统,系统带有轮胎花纹深度检测装置、智能分析模块和车联网数据平台,自动快速检测,对于胎纹深度使用不达标轮胎,给予更换提醒,还能够将检测数据实时分析上传,自动定位轮胎安装位置,对应轮胎编号,建立信息数据库,提供管理数据,满足智能轮胎管理的需求。该系统的目的依然为检测轮胎的合格属性,未涉及轮胎的智能识别。
以上四项专利文献都涉及轮胎的花纹检测。目前,轮胎的花纹检测都趋向于检测轮胎的深度特征,为轮胎的工作性能提供评价依据。对于轮胎花纹的种属判断的研究尚未展开。
发明内容
本发明的目的在于克服现有技术中存在的不足,提供一种汽车轮胎花纹图像直线识别系统,能够识别汽车轮胎花纹图像中的直线特征,为交通事故中肇事逃逸车辆的甄别提供分析工具;其主体工作均在计算机处理器中完成,交通管理部门只需在交通肇事逃逸事故现场使用摄像的方式提取现场的轮胎花纹图像,具有良好的灵活性和可操作性,并可为道路交通事故肇事逃逸车辆的甄别提供技术支撑。本发明采用的技术方案是:
一种汽车轮胎花纹图像直线识别系统,包括:轮胎花纹图像预处理模块、轮胎花纹图像的直线识别模块、直线方程及共面直线间位置关系解算模块;
所述轮胎花纹图像预处理模块用于对获取的轮胎花纹图像进行预处理,输出单周期图像花纹特征的二值图像;
所述轮胎花纹图像的直线识别模块用于识别轮胎花纹图像预处理模块输出的单周期图像花纹特征的二值图像中的单条直线或多条直线;
所述直线方程及共面直线间位置关系解算模块用于对识别的直线进行数值化解析,解算直线方程和多条共面直线的位置关系。
进一步地,所述预处理包括:
先对轮胎花纹图像进行灰度化处理,再进行灰度图像的二值化处理,得到二值化图像;
随后进行二值化图像的平滑滤波处理;
然后进行图像校正处理;
随后进行图像的区域分割处理,将周期性的图像花纹特征分割成单周期的图像花纹特征。
更进一步地,灰度图像二值化处理中,二值化阈值的选取使用最大类间方差法自适应地获取阈值。
更进一步地,图像的区域分割处理中,首先使用常规图像处理算法中的边缘检测算法检测图像中的连续边界,并以一定的策略链接成轮廓线,轮廓线具有梯度峰值的特点,若轮廓线的梯度峰值呈现周期性变化,则取出其中的一个周期进行图像分割。
进一步地,所述轮胎花纹图像的直线识别模块,利用hough变换直线检测算法对二值图像进行单条直线的检测定位;然后在hough变换直线检测算法的基础上,加入轮胎花纹图像中直线边缘像素的梯度值作为变量,并通过选取 hough变换中累加器矩阵里局部峰值的关联性阈值,定位所有直线。
具体地,轮胎花纹图像的直线识别模块对直线定位具体包括:
设定hough变换的极坐标系参数空间取值范围为:
ρ∈[0,sqrt(M2+N2)];
θ∈[0,π];
按照参数的取值范围,将参数分为m×n个网格,即将θ∈[0,π]分为m份,将ρ∈[0,sqrt(M2+N2)]分为n份,然后,设定一个m×n的累加器矩阵,用来存储图像中某一条直线出现的次数;
当轮胎花纹图像预处理得到的单周期图像花纹特征的二值图像中有多条直线时,参数空间引入轮胎花纹图像中直线边缘像素的梯度值,参数空间变量由 (ρ,θ)调整为(ρ,θ,t),并将阈值取为局部峰值的1/3;具体算法描述为:
S2.1:初始化累加器矩阵为0矩阵;
S2.2:计算图像空间中每个像素点(xi,yi)的梯度值ti;
S2.3:θ按步长从0增量至π;
S2.4:计算θ对应的ρ;
S2.5:对应的累加器矩阵的值增1;
S2.6:阈值取为局部峰值的1/3,高于该阈值的所有参数均对应图像空间的一条直线,定位所有直线。
进一步地,所述直线方程及共面直线间位置关系解算模块,对于识别到的直线以直角坐标系下的直线方程形式解出;
对于单根直线,计算该直线长度和直线斜率;
对于多根直线,比较直线的斜率和长度,对于斜率相同的所有直线识别为平行直线,并计算平行直线之间的距离;对于斜率不同的直线识别为非平行直线,若非平行直线相交则计算相交直线之间的夹角;将上述计算与识别结果作为轮胎花纹比对的特征存储。
更进一步地,非平行直线间有同名像素点,则识别为相交直线。
本发明的优点在于:使用了适用于交通事故中轮胎花纹图像预处理的图像处理算法,使用优化的二值化图像处理算法能有效的去除论坛花纹图像中冗余的色块;提出的“类边缘检测”算法用来进行图像分割,可切割周期性的花纹特征,能避免重复的直线识别带来的数据干扰;对传统的hough变换直线检测算法进行了优化,可同时识别出轮胎花纹图像中的多条直线特征;直线方程的解算和直线特征间的位置关系解算可重建出轮胎花纹特征,并保存,适用于轮胎花纹数据库的建立。本发明可配合建立的轮胎花纹数据库联合使用,通过在数据库中查找相似的轮胎花纹特征,为交通事故肇事逃逸车辆的车型识别提供工具;本发明中图像处理算法亦可适用于图像中其他特征的识别,为特定情况下图像处理算法提供解决方案。。
附图说明
图1为本发明的系统结构示意图。
图2为本发明的hough变换检测直线流程图。
图3a和图3b为本发明的hough变换实现示意图。
图4为本发明的直线方程和位置关系解算流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
本发明提出一种汽车轮胎花纹图像直线识别系统,如图1所示,包括:轮胎花纹图像预处理模块10、轮胎花纹图像的直线识别模块20、直线方程及共面直线间位置关系解算模块30;
(一)轮胎花纹图像预处理模块10用于对获取的轮胎花纹图像进行预处理,输出单周期图像花纹特征的二值图像;
具体来说,轮胎花纹图像预处理模块10的输入为交通事故现场采集的轮胎花纹原始图像,受相机参数和拍摄参数影响,无法直接用于识别原始图像中的直线特征,需对输入图像进行预处理。预处理包括:
预处理一般先对轮胎花纹图像进行灰度化处理,采用加权平均值法对原始 RGB图像进行灰度化处理,从原图像中获取R、G、B各层像素值,并经过加权求和得到灰度图像的亮度值;随后进行灰度图像的二值化处理,二值化处理是将是将轮胎花纹的灰度图像处理成灰度值只有0和1两个取值的像素,分别用来表示黑白两种颜色,可以较大的减少计算的数据量,可得到二值化图像;二值化阈值的选取使用最大类间方差法自适应地获取阈值,该方法在不同的图像区域所选择的阈值会自动调整,可消除光照不均匀等因素形成的干扰;灰度值低于该二值化阈值时,设置为0;灰度值高于该二值化阈值时,设置为1;按图像的灰度特性,将图像分成背景和目标两个部分,背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小,因此,使用最大类间方差法自适应地获取阈值即可减小错分概率。
随后进行二值化图像的平滑滤波处理;对于图像平滑滤波处理本发明选用的是高斯低通滤波;
然后进行图像校正处理;包括两步:第一步使用角检测等方法找出轮胎花纹的倾斜角度,第二步,进行坐标变换以得到校正的图像;校正后图像中,轮胎花纹呈竖直方向或水平方向,其主要目的是将轮胎花纹图像按直线特征进行旋转,便于后续的识别;本发明在图像预处理阶段使用角检测来找出倾斜角度,在直线识别阶段利用hough变换找出倾斜角度,可确保图像角度正常。
随后进行图像的区域分割处理,将周期性的图像花纹特征分割成单周期的图像花纹特征,以缩小计算量;其关键步骤是进行“类边缘检测”,类边缘检测与边缘检测具有一定的相似性,首先使用常规图像处理算法中的边缘检测算法检测图像中的连续边界,并以一定的策略链接成轮廓线,轮廓线具有梯度峰值的特点,若轮廓线的梯度峰值呈现周期性变化,则可取出其中的一个周期进行图像分割;
(二)轮胎花纹图像的直线识别模块20用于识别轮胎花纹图像预处理模块10输出的单周期图像花纹特征的二值图像中的单条直线或多条直线;
首先,利用hough变换直线检测算法对二值图像进行单条直线的检测定位;然后在hough变换直线检测算法的基础上,加入轮胎花纹图像中直线边缘像素的梯度值作为变量,并通过选取hough变换中累加器矩阵里局部峰值的关联性阈值,定位所有直线。
hough变换直线检测算法的原理为:在参数空间内,一个点对应轮胎花纹图像中花纹特征内的一条直线,对于给定的轮胎花纹图像,首先检测图像边缘,对于任何一个边缘点,找到所有可能经过该点的直线,每条直线都对应于参数空间的一个点,无穷多条直线对应于参数空间的点将形成一条参数空间的曲线,每个边缘点都对应于参数空间的一条曲线,那么,参数空间所有这些曲线的交点一定是原图像空间中所有边缘点共同存在的直线。
如图2所示,hough变换直线检测算法可描述为:
S1.1:输入已处理的单周期图像花纹特征的二值图像数据;
S1.2:边缘检测算法检测图像中的边缘;
S1.3:对检测到的边缘的像素点进行编号,初始值为1,最大值为n;
S1.4:取出第1个点,在图像空间内确定所有经过该点的直线;
S1.5:对所有直线进行编号,初始值为1,最大值为max,max由人为确定,本发明取为3142(1000π向后取整);
S1.6:取出第i(i的初始值为1)条直线,在参数空间内找到表示该条直线的点,并记录该点坐标;
S1.7:取出下一条直线,重复S1.6,直至3142条全部被取出;
S1.8:连接S1.6中所有的点,形成一条光滑的曲线;
S1.9:取出S1.3中编号的下一个点,重复S1.3~S1.8,直至所有的点均被参数空间的曲线表示;
S1.10:判断所有曲线是否相交于同一点,若相交于同一点,则表示直线已被检测出,直线的参数即为参数空间的交点坐标,若不交于一点,则更改边缘检测参数,直至检测出直线。
具体来说,对于某一实际的轮胎花纹图像预处理得到的单周期图像花纹特征的二值图像,假设图像大小为M×N,根据该图像尺寸(如图3-a),设定hough 变换的极坐标系参数空间取值范围为:
ρ∈[0,sqrt(M2+N2)];
θ∈[0,π];
按照参数的取值范围,将参数分为m×n个网格,即将θ∈[0,π]分为m份,将ρ∈[0,sqrt(M2+N2)]分为n份,然后,设定一个m×n的累加器矩阵,用来存储图像中某一条直线出现的次数,如图3-b;
当图像中只有一条直线时,取出累加器矩阵里面的峰值,对该峰值乘以某一系数k(0<k<1),得到累加器矩阵中的阈值,参数空间中累加器矩阵内数值大于该阈值的点即可对应图像空间中的一条直线,参数空间中该点的坐标为图像空间中直线的参数;
当轮胎花纹图像预处理得到的单周期图像花纹特征的二值图像中有多条直线时,参数空间引入轮胎花纹图像中直线边缘像素的梯度值,参数空间变量由 (ρ,θ)调整为(ρ,θ,t),并将阈值取为局部峰值的1/3;具体算法描述为:
S2.1:初始化累加器矩阵为0矩阵;
S2.2:计算图像空间中每个像素点(xi,yi)的梯度值ti;
S2.3:θ按步长从0增量至π;
S2.4:计算θ对应的ρ;
S2.5:对应的累加器矩阵的值增1;
S2.6:阈值取为局部峰值的1/3,高于该阈值的所有参数均对应图像空间的一条直线,定位所有直线。
(三)直线方程及共面直线间位置关系解算模块30用于对识别的直线进行数值化解析,解算直线方程和多条共面直线的位置关系;
对于识别到的直线以直角坐标系下的直线方程形式解出;
对于单根直线,计算该直线长度和直线斜率;
对于多根直线,进一步地,比较直线的斜率和长度,对于斜率相同的所有直线识别为平行直线,并计算平行直线之间的距离;对于斜率不同的直线识别为非平行直线,若非平行直线相交则计算相交直线之间的夹角;将上述计算与识别结果作为轮胎花纹比对的特征存储;
具体地,可设置一个斜率差阈值,各直线间的斜率差小于该斜率差阈值的所有直线可识别为平行直线,各直线间的斜率差大于或等于该斜率差阈值的所有直线识别为非平行直线,若非平行直线间有同名像素点,则识别为相交直线;
如图4所示,上述计算过程可描述为:
S3.1:将检测到的直线参数进行编号,初始值为1,最大值为m;
S3.2:取出第i(初始i为1)个参数,并找到对应图像空间中的直线上的所有边缘点;
S3.3:通过点坐标计算对应的直线斜率以及点最大间距获取直线长度;
S3.4:遍历所有直线参数,重复S3.2、S3.3,直到所有直线的斜率和长度都已计算出;
S3.5:设定两直线的斜率差阈值,及两直线长度差阈值。先比较斜率,通过该斜率差阈值判断斜率是否相同。如相同,且对应的直线长度亦相同,将相同的一组直线命名为周期性特征花纹直线,并计算直线间的间距;若直线长度不相同,可命名为非周期性特征花纹直线。若斜率不同,则判断两条直线是否在图像空间内存在相同的像素点,若存在,则命名为相交直线,并计算相交直线的夹角;若不存在,则命名为非同一周期内特征直线。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种汽车轮胎花纹图像直线识别系统,其特征在于,包括:轮胎花纹图像预处理模块(10)、轮胎花纹图像的直线识别模块(20)、直线方程及共面直线间位置关系解算模块(30);
所述轮胎花纹图像预处理模块(10)用于对获取的轮胎花纹图像进行预处理,输出单周期图像花纹特征的二值图像;
所述轮胎花纹图像的直线识别模块(20)用于识别轮胎花纹图像预处理模块(10)输出的单周期图像花纹特征的二值图像中的单条直线或多条直线;
所述直线方程及共面直线间位置关系解算模块(30)用于对识别的直线进行数值化解析,解算直线方程和多条共面直线的位置关系。
2.如权利要求1所述的汽车轮胎花纹图像直线识别系统,其特征在于,所述预处理包括:
先对轮胎花纹图像进行灰度化处理,再进行灰度图像的二值化处理,得到二值化图像;
随后进行二值化图像的平滑滤波处理;
然后进行图像校正处理;
随后进行图像的区域分割处理,将周期性的图像花纹特征分割成单周期的图像花纹特征。
3.如权利要求2所述的汽车轮胎花纹图像直线识别系统,其特征在于,
灰度图像二值化处理中,二值化阈值的选取使用最大类间方差法自适应地获取阈值。
4.如权利要求2所述的汽车轮胎花纹图像直线识别系统,其特征在于,
图像的区域分割处理中,首先使用常规图像处理算法中的边缘检测算法检测图像中的连续边界,并以一定的策略链接成轮廓线,轮廓线具有梯度峰值的特点,若轮廓线的梯度峰值呈现周期性变化,则取出其中的一个周期进行图像分割。
5.如权利要求1所述的汽车轮胎花纹图像直线识别系统,其特征在于,
所述轮胎花纹图像的直线识别模块(20),利用hough变换直线检测算法对二值图像进行单条直线的检测定位;然后在hough变换直线检测算法的基础上,加入轮胎花纹图像中直线边缘像素的梯度值作为变量,并通过选取hough变换中累加器矩阵里局部峰值的关联性阈值,定位所有直线。
6.如权利要求5所述的汽车轮胎花纹图像直线识别系统,其特征在于,
轮胎花纹图像的直线识别模块(20)对直线定位具体包括:
设定hough变换的极坐标系参数空间取值范围为:
ρ∈[0,sqrt(M2+N2)];
θ∈[0,π];
按照参数的取值范围,将参数分为m×n个网格,即将θ∈[0,π]分为m份,将ρ∈[0,sqrt(M2+N2)]分为n份,然后,设定一个m×n的累加器矩阵,用来存储图像中某一条直线出现的次数;
当轮胎花纹图像预处理得到的单周期图像花纹特征的二值图像中有多条直线时,参数空间引入轮胎花纹图像中直线边缘像素的梯度值,参数空间变量由(ρ,θ)调整为(ρ,θ,t),并将阈值取为局部峰值的1/3;具体算法描述为:
S2.1:初始化累加器矩阵为0矩阵;
S2.2:计算图像空间中每个像素点(xi,yi)的梯度值ti;
S2.3:θ按步长从0增量至π;
S2.4:计算θ对应的ρ;
S2.5:对应的累加器矩阵的值增1;
S2.6:阈值取为局部峰值的1/3,高于该阈值的所有参数均对应图像空间的一条直线,定位所有直线。
7.如权利要求1所述的汽车轮胎花纹图像直线识别系统,其特征在于,
所述直线方程及共面直线间位置关系解算模块(30),对于识别到的直线以直角坐标系下的直线方程形式解出;
对于单根直线,计算该直线长度和直线斜率;
对于多根直线,比较直线的斜率和长度,对于斜率相同的所有直线识别为平行直线,并计算平行直线之间的距离;对于斜率不同的直线识别为非平行直线,若非平行直线相交则计算相交直线之间的夹角;将上述计算与识别结果作为轮胎花纹比对的特征存储。
8.如权利要求7所述的汽车轮胎花纹图像直线识别系统,其特征在于,
非平行直线间有同名像素点,则识别为相交直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811331143.5A CN109614868B (zh) | 2018-11-09 | 2018-11-09 | 汽车轮胎花纹图像直线识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811331143.5A CN109614868B (zh) | 2018-11-09 | 2018-11-09 | 汽车轮胎花纹图像直线识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109614868A true CN109614868A (zh) | 2019-04-12 |
CN109614868B CN109614868B (zh) | 2022-05-17 |
Family
ID=66003742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811331143.5A Active CN109614868B (zh) | 2018-11-09 | 2018-11-09 | 汽车轮胎花纹图像直线识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109614868B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956200A (zh) * | 2019-11-05 | 2020-04-03 | 哈尔滨工程大学 | 一种轮胎花纹相似度检测方法 |
CN111985559A (zh) * | 2020-08-19 | 2020-11-24 | 合肥工业大学 | 一种基于边界特性的轮胎花纹结构相似性检测方法 |
CN116542979A (zh) * | 2023-07-06 | 2023-08-04 | 金钱猫科技股份有限公司 | 一种基于图像测量的预测的校正方法及终端 |
CN116934689A (zh) * | 2023-07-06 | 2023-10-24 | 钛玛科(北京)工业科技有限公司 | 一种轮胎胎面的定位检测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955496A (zh) * | 2014-04-18 | 2014-07-30 | 大连恒锐科技股份有限公司 | 一种快速的现场轮胎痕迹花纹检索算法 |
CN107367241A (zh) * | 2017-03-15 | 2017-11-21 | 山东交通学院 | 一种基于机器视觉的汽车轮胎花纹识别方法 |
CN108509858A (zh) * | 2018-03-09 | 2018-09-07 | 北京信息科技大学 | 一种交通事故现场可视轮胎印迹特征提取系统及方法 |
-
2018
- 2018-11-09 CN CN201811331143.5A patent/CN109614868B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955496A (zh) * | 2014-04-18 | 2014-07-30 | 大连恒锐科技股份有限公司 | 一种快速的现场轮胎痕迹花纹检索算法 |
CN107367241A (zh) * | 2017-03-15 | 2017-11-21 | 山东交通学院 | 一种基于机器视觉的汽车轮胎花纹识别方法 |
CN108509858A (zh) * | 2018-03-09 | 2018-09-07 | 北京信息科技大学 | 一种交通事故现场可视轮胎印迹特征提取系统及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956200A (zh) * | 2019-11-05 | 2020-04-03 | 哈尔滨工程大学 | 一种轮胎花纹相似度检测方法 |
CN111985559A (zh) * | 2020-08-19 | 2020-11-24 | 合肥工业大学 | 一种基于边界特性的轮胎花纹结构相似性检测方法 |
CN116542979A (zh) * | 2023-07-06 | 2023-08-04 | 金钱猫科技股份有限公司 | 一种基于图像测量的预测的校正方法及终端 |
CN116542979B (zh) * | 2023-07-06 | 2023-10-03 | 金钱猫科技股份有限公司 | 一种基于图像测量的预测的校正方法及终端 |
CN116934689A (zh) * | 2023-07-06 | 2023-10-24 | 钛玛科(北京)工业科技有限公司 | 一种轮胎胎面的定位检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109614868B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109614868A (zh) | 汽车轮胎花纹图像直线识别系统 | |
CN107203990B (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
CN105488454B (zh) | 基于单目视觉的前方车辆检测与测距 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN110084241B (zh) | 一种基于图像识别的电表自动读数方法 | |
CN102364496B (zh) | 一种基于图像分析的汽车车牌自动识别方法及系统 | |
CN108537099A (zh) | 一种复杂背景的车牌识别方法 | |
CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN105160652A (zh) | 基于计算机视觉的手机外壳检验装置与方法 | |
CN105447512A (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
CN108205667A (zh) | 车道线检测方法及装置、车道线检测终端、存储介质 | |
CN104156731A (zh) | 基于人工神经网络的车牌识别系统与方法 | |
CN107563331B (zh) | 一种基于几何关系的道路标志线检测方法及系统 | |
CN103645573A (zh) | 一种基于机器视觉的lcd检测的方法和系统 | |
CN112184725B (zh) | 一种沥青路面图像的结构光光条中心提取方法 | |
CN102496161A (zh) | 一种印刷电路板图像的轮廓提取方法 | |
CN112465809A (zh) | 一种基于图像识别的模具缺陷检测方法、计算机可读存储介质及装置 | |
CN111485475A (zh) | 一种路面坑槽识别方法及其装置 | |
CN114170552A (zh) | 基于红外热成像的天然气泄漏实时预警方法及系统 | |
CN110689003A (zh) | 低照度成像车牌识别方法、系统、计算机设备及存储介质 | |
CN112288717A (zh) | 一种动车组列车侧部异物检测方法 | |
CN103106663B (zh) | 计算机系统中基于图像处理实现sim卡缺陷检测的方法 | |
CN112528994B (zh) | 一种自由角度车牌检测方法、车牌识别方法和识别系统 | |
CN115797351B (zh) | 一种光伏电池板的异常检测方法 | |
CN112164052A (zh) | 一种基于太赫兹成像的铁路轨枕缺陷检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |