CN110766677A - 基于机器视觉的气囊点爆过程参数与异常的自动检测方法 - Google Patents
基于机器视觉的气囊点爆过程参数与异常的自动检测方法 Download PDFInfo
- Publication number
- CN110766677A CN110766677A CN201911015172.5A CN201911015172A CN110766677A CN 110766677 A CN110766677 A CN 110766677A CN 201911015172 A CN201911015172 A CN 201911015172A CN 110766677 A CN110766677 A CN 110766677A
- Authority
- CN
- China
- Prior art keywords
- air bag
- volume
- industrial camera
- time
- airbag
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Air Bags (AREA)
Abstract
本发明属于机器视觉检测领域,特别是涉及一种基于机器视觉的气囊点爆过程参数与异常的自动检测方法;该方法首先设计了多台相机与气囊的空间位置关系,以保证算法可以以较高的鲁棒性对气囊点爆过程参数测量与异常检测。在气囊点爆过程开始的同时多台相机进行同步图像采集至点爆过程结束;对图像整理与分组,将分组后的图像进行气囊分割,生成气囊的Vapprox‑t曲线,划分气囊点爆过程;在气囊点爆过程的Tt1~Tt2时间段进行气囊弹出异常检测,对气囊点爆过程的Tt2~Tt3时间段对气囊空间拓扑形状进行恢复与气囊各参数测定,最终显示气囊点爆过程的参数与异常信息;本发明检测过程高效灵活,检测结果可视性良好,适用范围广,可以适用于汽车中所有位置的气囊。
Description
技术领域
本发明属于机器视觉检测领域,特别是涉及一种基于机器视觉的气囊点爆过程参数与异常的自动检测方法。
背景技术
安全气囊作为汽车在碰撞时主要的驾驶员与乘客安全保护约束系统,已经在汽车工业内得到了广泛的使用。气囊点爆后的各项特性与参数直接影响着人的安全。气囊设计的合理性、安装的正确性、点爆过程的安全性等因素直接影响着气囊的使用过程。气囊点爆过程性能的最直接反映就是点爆过程中的各项参数与气囊拓扑形状,以及是否存在弹出异常等因素。因此,设计对气囊点爆过程的三维拓扑形状恢复、参数显示与异常检测方法,评价气囊点爆过程的各项性能具有十分重要的意义。
气囊的点爆过程非常短暂,一般只有几十毫秒。人工目视检测方法无法检测在点爆过程中出现的异常,以及复原气囊点爆过程中的各项参数。使用高速的多工位工业相机可以较好地复现气囊的点爆过程。然而仅通过工业相机获得的二维图像难以对气囊的具体参数、三维拓扑形状有直观的了解,并且多工位工业相机所得到的海量图像也对气囊的性能评估带来了巨大的难题。气囊表面特征少、多相机图像融合与三维建模为气囊的检测提出了更高的要求。
经过检索,中国发明专利CN201510250862.4中公开了一种基于双目视觉的安全气囊轮廓尺寸检测方法,该方法运用双目视觉对气囊进行轮廓曲线的三维重建与公差检测。将双目视觉和轮廓尺寸检测相结合,根据轮廓尺寸参数具有的特点,利用坐标变换及配准等技术实现安全气囊轮廓尺寸参数的自动测量。但上述方法无法对气囊在不同时间段内测量可能出现的不同的异常,并且无法对整个气囊进行三维复原,提供的气囊参数较少,普适性较差。
发明内容
本发明为了解决存在的上述问题,提供了一种基于机器视觉的气囊点爆过程参数与异常的自动检测方法。
该方法首先设计了多台相机与气囊的空间位置关系,以保证算法可以以较高的鲁棒性对气囊点爆过程参数测量与异常检测。在气囊点爆过程开始的同时多台相机进行同步图像采集至点爆过程结束。对图像整理与分组,将分组后的图像进行气囊分割,生成气囊的Vapprox-t曲线,划分气囊点爆过程。在气囊点爆过程的Tt1~Tt2时间段进行气囊弹出异常检测,对气囊点爆过程的Tt2~Tt3时间段对气囊空间拓扑形状进行恢复与气囊各参数测定,最终显示气囊点爆过程的参数与异常信息。本发明能够有效的恢复气囊在点爆过程中感兴趣的参数与异常信息。
为解决上述技术问题,本发明是采用如下技术方案实现的,结合附图说明如下:
一种基于机器视觉的气囊点爆过程参数与异常自动检测方法,包括以下步骤:
步骤1:气囊接受从碰撞传感器的电信号,开始气囊点爆过程;工业相机A1、B2、C3、D4、E5、F7、G9进行同步的图像采集直至气囊点爆过程结束;工业相机在气囊的点爆过程中获取图片的频率不小于500fps,每张图像的拍摄时刻按照时间的顺序记为第1,2,3……T-1,T张图像;
步骤2:对工业相机A1、工业相机C3、工业相机D4的所获取的图像进行处理,三台工业相机的光轴方向正交;记在t时刻(t=1,2,3……T-1,T)工业相机i(i=1、3、4)获取的图像记为同一时刻t的图像归入一个组St中,记为
步骤3:运用自适应阈值分割方法或者高斯混合模型将气囊从图像中分割出来;计算在t时刻(t=1,2,3……T-1,T)集合St中图像分割出来的气囊的面积,即像素数,对应的记为Art={art 1,art 3,art 4},其中art 1,art 3,art 4为t时刻相机编号A1、C3、D4的工业相机所拍摄图像内气囊的面积;然后计算上述分割后的气囊的等效正方形边长为其中,为t时刻相机编号A1、C3、D4的工业相机所拍摄图像内气囊的等效正方形边长,且
步骤4:由于气囊在点爆过程中不断充气,根据力学特性,计算dt中所有元素的乘积,即并绘制Vapprox-t曲线,该曲线与气囊真实的体积Vact的大致走势接近,故以Vapprox-t曲线为基础,将气囊点爆过程划分为三部分;
步骤5:Tt1~Tt2时间段内气囊弹出异常检测;
步骤6:Tt2~Tt3时间段内气囊空间点云计算;
步骤7:对步骤6获得的空间点云进行三维模型恢复;并且绘制V-t曲线,计算参数V、Vmax、Tr、Tt3;
步骤8:若气囊未出现异常,则系统显示步骤5的参数与步骤7中的V-t曲线,V、Vmax、Tr、Tt3参数;若出现异常,则系统将异常进行记录,并且进行异常的显示与异常潜在异常位置帮助信息。
步骤4中所述将气囊点爆过程划分为三部分,具体内容如下:
A.气囊体积约为总体积的0~20%:记气囊开始点爆过程的时刻为Tt0,气囊初次达到总体积的20%的时刻为Tt1;则Tt0~Tt1时段内气囊体正在从方向盘中弹出,由于体积过小,无法判断气囊是否正确的弹出,故此段时间的数据不做检测处理;
B.气囊体积约为总体积的20~80%:记气囊初次达到总体积的80%的时刻为Tt2;气囊在Tt1~Tt2时段内需要进行气囊弹出检测;
C.Tt2时刻至结束时刻Tt3:在Tt2~Tt3时段内,气囊的空间拓扑形状、体积、回弹时间需要通过三维空间建模恢复。
步骤5中所述Tt1~Tt2时间段内气囊弹出异常检测的具体步骤如下:
①对工业相机D4的图像进行处理;通过相机的预先标定,获得相机光轴中心点,该中心点与气囊的理论中心点重合,记为点O4;通过步骤3方法对气囊进行分割;根据气囊的理论设计尺寸先验知识,对分割后的气囊较短轴进行拉伸,倍数为长宽比,使得分割后气囊长宽比变为1;原因是减小气囊长宽比不等于1所带来的偏差,进行两步检测;
②对相机工业相机A1、工业相机C3、工业相机F7、工业相机G9获得的图像进行处理;通过相机的预先标定,得到气囊的理论中心点在每幅图像中的位置,即点O1,O3,O7,O9。做以下的检测:过中心点做平行于工业相机D4光轴的平行线,将气囊分成两部分,面积较大部分相对于面积较小部分的面积比值Rpr1、Rpr3、Rpr7、Rpr9于4~6倍左右,说明气囊某一部分弹出异常。
所述进行两步检测的具体内容如下:
a.做一条直线过点O4,以1°的步长扫过一周,每个步长直线两侧面积记为两者中较大的值Sb与两者中较小的值Ss,比值Rbs=Sb/Ss大于3~4时,则说明气囊弹出不对称程度较高,即存在问题;
b.通过点O4,做两条射线,夹角为60°;以1°的步长扫过一周,可以得到一组面积,其中面积最大与面积最小比值Rsw大于5~6时,则说明气囊弹出时某一部分受到一定的阻碍,弹出故障或者弹出不及时。
步骤6中所述Tt2~Tt3时间段内气囊空间点云计算的具体步骤如下:
对气囊上事先做好的正方形网格标记进行提取;事先在气囊上表面中心做标记,通过工业相机B2、工业相机E5定位该点空间坐标,令该点为空间坐标原点O;
以原点O为基准,通过种子生长法,不断对图像中的角点赋予整数坐标进而对所有角点进行坐标标定;
①对气囊正面拓扑形状进行三维点云计算;对工业相机B2、工业相机D4、工业相机E5的图像进行处理,根据已经标记的坐标点,对每一块网格的4个角,对应坐标(n,m)、(n+1,m)、(n,m+1)、(n+1,m+1),通过双目视觉进行实际空间位置的计算;对每一块网格内曲面进行B-样条曲面插值,通过不断迭代,获得整个气囊正面的点云与点云之间的位置关系;工业相机D4的图像进行额外辅助以计算气囊正面可能存在的非凸区域;
②对气囊侧面拓扑形状进行三维点云计算;通过相机场景交集图可以得知每两台工业相机可以形成一对双目视觉对,求得气囊侧面的空间坐标,方法同气囊正面点云计算中所述;
③对气囊的底面,即靠近方向盘的部分,进行三维点云计算;运用平面近似代替气囊与方向盘接触的部分;平面边缘与气囊侧面根据工业相机A1、工业相机C3、工业相机F7、工业相机G9获得的侧面轮廓进行B-样条曲线插值近似计算。
步骤7中所述计算参数V、Vmax、Tr、Tt3具体方法如下:
①气囊体积V,即点云恢复的三维立体的体积,并建立气囊的体积曲线V-t,并对气囊的体积曲线进行低通滤波,滤去高频噪音;
②气囊最大体积Vmax,即在Tt2~Tt3时间段内气囊的最大体积,若气囊的最大体积与大于或小于理论设计体积的20%则说明气囊存在异常;
③气囊回弹时间Tr,即气囊受到弹性影响,内部气体体积受到压缩,气囊体积暂时变小,求气囊体积曲线非端点值的极小值点,即为气囊回弹时间;
④气囊工作结束时间Tt3,即气囊的体积低于总体积的70%左右时刻。
与现有技术相比本发明的有益效果是:
(1)检测过程高效灵活:根据三个工位的相机所采集的图像对气囊的点爆过程进行粗略估计,在气囊的不同阶段对气囊可能出现的不同异常与参数进行检测,提高了整个检测的效率与灵活性;
(2)检测结果可视性良好:通过尽可能少的相机以在最大程度上恢复气囊的空间拓扑形态,并且在最后的气囊三维形态、各项参数、异常信息的展示更便于后续气囊的设计与检修;
(3)适用范围广:本发明可以适用于汽车中所有位置的气囊,而不仅局限于驾驶员安全气囊(DAB)。
附图说明
下面结合附图对本发明作进一步的说明:
图1为工业相机与气囊的布置示意图;
图2为某款气囊点爆过程实际体积的变化曲线图;
图3为气囊弹出偏离中心线的异常检测情况对比俯视图;
图4为气囊局部弹出异常检测情况对比俯视图;
图5为气囊局部弹出异常检测情况对比侧视图;
图6为相机场景交集图;
图7为气囊点爆过程参数测量与异常检测流程图;
图中:1、工业相机A;2、工业相机B;3、工业相机C;4、工业相机D;5、工业相机E;6、气囊;7、工业相机F;8、方向盘;9、工业相机G。
具体实施方式
下面结合附图对本发明作详细的描述:
首先设计了多台工业相机与气囊的空间拓扑位置关系。具体布置如图1所示。
图中1、2、3、4、5、7、9均为工业相机,6为气囊,8为方向盘。以气囊的俯视图为例,记气囊左侧工业相机编号为A1,上方工业相机编号为C3,右侧工业相机编号为F7,下方工业相机编号为G9,中心工业相机编号为D4,中心偏左侧工业相机编号为B2,中心偏右侧工业相机编号为E5。其中,气囊6上在安装之前需在其表面做好正方形网格标记,网格的边长为30mm~50mm左右;在气囊的上表面中心,即工业相机D4的光轴与气囊的上表面交点,进行标记,为后续算法处理提供足够的特征。各工业相机与工控机的数据采集卡相连接,可以保证上述所有工业相机进行相位同步的图像获取,且各工业相机都经过标定板标定。
一种基于机器视觉的气囊点爆过程参数与异常自动检测方法,包括以下步骤:
步骤1:气囊点爆过程开始工业相机同步采集图像:气囊接受从碰撞传感器的电信号,开始气囊点爆过程,于此同时,所有工业相机进行同步的图像采集直至气囊点爆过程结束。工业相机在气囊的点爆过程中获取图片的频率不小于500fps,以较好的恢复气囊点爆过程。每张图像的拍摄时刻按照时间的顺序记为第1,2,3……T-1,T张图像。
步骤2:图像整理与分组:对工业相机A1、工业相机C3、工业相机D4的图像进行处理,保证三台工业相机的光轴方向正交。记在t时刻(t=1,2,3,……,T-1,T)工业相机i(i=1、3、4)获取的图像记为同一时刻t的图像归入一个组St中,记为
步骤3:二维图像气囊分割:运用自适应阈值分割方法或者高斯混合模型将气囊从图像中分割出来。计算在t时刻(t=1,2,3,……,T-1,T)集合St中图像分割出来的气囊的面积,即像素数,对应的记为Art={art 1,art 3,art 4},其中art 1,art 3,art 4为t时刻相机编号A1、C3、D4的工业相机所拍摄图像内气囊的面积;然后计算上述分割后的气囊的等效正方形边长为其中,为t时刻相机编号A1、C3、D4的工业相机所拍摄图像内气囊的等效正方形边长,且
步骤4:生成Vapprox-t曲线划分气囊点爆过程:由于气囊在点爆过程中不断充气,根据力学特性,计算dt中所有元素的乘积,即并绘制Vapprox-t曲线,该曲线与气囊真实的体积Vact(如图2所示)的大致走势接近,以此为基础,将气囊点爆过程划分为3部分:
A.气囊体积约为总体积的0~20%:记气囊开始点爆过程的时刻为Tt0,气囊初次达到总体积的20%的时刻为Tt1。该段时间内气囊体正在从方向盘中弹出,由于体积过小,无法判断气囊是否正确的弹出,故此段时间的数据不做检测处理;
B.气囊体积约为总体积的20~80%:记气囊初次达到总体积的80%的时刻为Tt2。气囊在这段时间内,由于安装、气囊自身等问题,可能出现气囊弹出不对称,无法正确弹出等问题,才此段时间内需要进行气囊弹出检测;
C.Tt2时刻至结束时刻Tt3:气囊在这段时间,达到最大体积,并且由于惯性气囊回弹,随后气囊开始泄气。当气囊的体积低于总体积的70%左右时即可认为气囊工作结束。在此段时间内,气囊的空间拓扑形状、体积、回弹时间等等需要通过三维空间点云计算与模型恢复。
步骤5:气囊Tt1~Tt2时间段检测:Tt1~Tt2时间段内气囊弹出异常检测,具体是气囊弹出不均(即有一部分充气较大而另一部分还未从方向盘中弹出)等问题。
①对工业相机D4的图像进行处理。通过相机的预先标定,获得相机光轴中心点,其与气囊的理论中心点重合,记为点O4。通过步骤3方法对气囊进行分割。根据气囊的理论设计尺寸先验知识,对分割后的气囊较短轴进行拉伸,倍数为长宽比,使得分割后气囊长宽比变为1。原因是减小气囊长宽比不等于1所带来的偏差。进行以下两步检测:
a.做一条直线过点O4,以1°的步长扫过一周,每个步长直线两侧面积记为Sb(两者中较大的值)与Ss(两者中较小的值),其比值Rbs=Sb/Ss大于3~4时,则说明气囊弹出不对称程度较高,即存在问题。示意图如图3所示,图3为气囊弹出偏离中心线的异常检测情况俯视图,其中图3中(a)为正常情况,图3中(b)为异常情况;
b.通过点O4,做两条射线,夹角为60°。以1°的步长扫过一周,可以得到一组面积,其中面积最大与面积最小比值Rsw大于5~6时,则说明气囊弹出时某一部分受到一定的阻碍,弹出故障或者弹出不及时。示意图如图4所示,图4为气囊局部弹出异常检测情况俯视图图,其中图4中(a)为正常情况,图4中(b)为异常情况;
②对相机工业相机A1、工业相机C3、工业相机F7、工业相机G9获得的图像进行处理。通过相机的预先标定,得到气囊的理论中心点在每幅图像中的位置,即点O1,O3,O7,O9。做以下的检测:过中心点做平行于工业相机D4光轴的平行线,将气囊分成两部分。面积较大部分相对于面积较小部分的面积比值Rpr1、Rpr3、Rpr7、Rpr9于4~6倍左右,说明气囊某一部分弹出异常。示意图如图5所示,图5为气囊局部弹出异常检测情况侧视图,其中图5中(a)为正常情况,图5中(b)为异常情况;
步骤6:Tt2~Tt3时间段内气囊空间点云计算;
先通过点云计算获得气囊的许多空间坐标点与坐标点之间的位置关系,在已有的数据下通过多个小平面进行气囊的三维模型恢复。三维模型恢复通过将点云数据输入软件(如Matlab),可以自动生成三维的模型,不需要再写新的算法;点云的计算需要根据物体的形状进行设计。
对气囊上事先做好的正方形网格标记进行提取。运用Canny边缘提取与Harris角点提取方法对图像中。由于事先在气囊上表面中心做过标记,通过工业相机B2、工业相机E5可以定位该点空间坐标,令该点为空间坐标原点O。定义原点O至工业相机F7的方向为x轴正方向,原点O至工业相机C3的方向为y轴正方向。以原点O为基准,对全局每个角点赋予整数坐标(如(1,0)、(12,5)等)。通过种子生长法,不断对图像中的角点赋予整数坐标。对于相邻的相机网格运用角点分块匹配的方法匹配,从而对所有获取的角点进行坐标标定。相邻相机之间场景交集图如图6所示,每条边说明相机所拍摄场景之间存在交集。
首先对气囊正面拓扑形状进行三维点云计算。对工业相机B2、工业相机D4、工业相机E5的图像进行处理,根据已经标记的坐标点,对每一块网格的4个角,对应坐标(n,m)、(n+1,m)、(n,m+1)、(n+1,m+1),通过双目视觉进行实际空间位置的计算。设精度为5,即对每个网格边进行5等分,对曲面进行B-样条曲面插值,获得每一个网格内部的16个点的空间坐标。通过不断迭代,获得整个气囊正面的点云与点云之间的位置关系。主要以工业相机B2、工业相机E5的图像数据进行气囊正面点云计算,工业相机D4的图像进行额外辅助以计算气囊正面可能存在的非凸区域。
对气囊侧面拓扑形状进行三维点云计算。通过图6相机场景交集图可以得知,每两台相机可以形成一对双目视觉对,可求得气囊侧面的空间坐标。方法同气囊正面点云计算中所述。
对气囊的底面,即靠近方向盘的部分,进行三维点云计算。由于存在一定的遮挡,无法精确的通过相机获取该部分的形状,故运用平面近似代替气囊与方向盘接触的部分。平面边缘与气囊侧面根据工业相机A1、工业相机C3、工业相机F7、工业相机G9获得的侧面轮廓进行B-样条插值近似计算。
步骤7:对步骤6获得的空间点云进行三维模型恢复,并且计算以下参数:
①气囊体积V,即点云恢复的三维立体的体积,并建立气囊的体积曲线V-t,并对气囊的体积曲线进行低通滤波,滤去高频噪音;
②气囊最大体积Vmax,即在Tt2~Tt3时间段内气囊的最大体积,若气囊的最大体积与大于或小于理论设计体积的20%则说明气囊存在问题;
③气囊回弹时间Tr(一般不止一个),即气囊受到弹性影响,内部气体体积受到压缩,气囊体积暂时变小,求气囊体积曲线非端点值的极小值点即为气囊回弹时间;
①气囊工作结束时间Tt3,即气囊的体积低于总体积的70%左右时刻。
步骤8:显示气囊三维形态、异常信息:若气囊未出现异常,则系统显示步骤5的参数Rbs、Rsw、Rpr1、Rpr3、Rpr7、Rpr9与步骤7中的V-t曲线、Vmax、Tr、Tt3参数;若出现异常,则系统将异常进行记录,并且进行异常的显示与异常潜在异常位置帮助信息。
通过上述流程,运用多台工业相机与算法,可以对气囊的点爆过程进行自动、高精确度的还原,且有着良好的可视性,对异常进行针对性的检测,从而实现了基于机器视觉的气囊点爆过程参数与异常的自动检测方法。
Claims (6)
1.一种基于机器视觉的气囊点爆过程参数与异常自动检测方法,其特征在于,包括以下步骤:
步骤1:气囊接受从碰撞传感器的电信号,开始气囊点爆过程;工业相机A1、B2、C3、D4、E5、F7、G9进行同步的图像采集直至气囊点爆过程结束;工业相机在气囊的点爆过程中获取图片的频率不小于500fps,每张图像的拍摄时刻按照时间的顺序记为第1,2,3……T-1,T张图像;
步骤2:对工业相机A1、工业相机C3、工业相机D4的所获取的图像进行处理,三台工业相机的光轴方向正交;记在t时刻(t=1,2,3……T-1,T)工业相机i(i=1、3、4)获取的图像记为同一时刻t的图像归入一个组St中,记为
步骤3:运用自适应阈值分割方法或者高斯混合模型将气囊从图像中分割出来;计算在t时刻(t=1,2,3……T-1,T)集合St中图像分割出来的气囊的面积,即像素数,对应的记为Art={art 1,art 3,art 4},其中art 1,art 3,art 4为t时刻相机编号A1、C3、D4的工业相机所拍摄图像内气囊的面积;然后计算上述分割后的气囊的等效正方形边长为其中,为t时刻相机编号A1、C3、D4的工业相机所拍摄图像内气囊的等效正方形边长,且
步骤4:由于气囊在点爆过程中不断充气,根据力学特性,计算dt中所有元素的乘积,即并绘制Vapprox-t曲线,该曲线与气囊真实的体积Vact的大致走势接近,故以Vapprox-t曲线为基础,将气囊点爆过程划分为三部分;
步骤5:Tt1~Tt2时间段内气囊弹出异常检测;
步骤6:Tt2~Tt3时间段内气囊空间点云计算;
步骤7:对步骤6获得的空间点云进行三维模型恢复;并且绘制V-t曲线,计算参数V、Vmax、Tr、Tt3;
步骤8:若气囊未出现异常,则系统显示步骤5的参数与步骤7中的V-t曲线,V、Vmax、Tr、Tt3参数;若出现异常,则系统将异常进行记录,并且进行异常的显示与异常潜在异常位置帮助信息。
2.根据权利要求1所述的一种基于机器视觉的气囊点爆过程参数与异常自动检测方法,其特征在于,
步骤4中所述将气囊点爆过程划分为三部分,具体内容如下:
A.气囊体积约为总体积的0~20%:记气囊开始点爆过程的时刻为Tt0,气囊初次达到总体积的20%的时刻为Tt1;则Tt0~Tt1时段内气囊体正在从方向盘中弹出,由于体积过小,无法判断气囊是否正确的弹出,故此段时间的数据不做检测处理;
B.气囊体积约为总体积的20~80%:记气囊初次达到总体积的80%的时刻为Tt2;气囊在Tt1~Tt2时段内需要进行气囊弹出检测;
C.Tt2时刻至结束时刻Tt3:在Tt2~Tt3时段内,气囊的空间拓扑形状、体积、回弹时间需要通过三维空间建模恢复。
3.根据权利要求1所述的一种基于机器视觉的气囊点爆过程参数与异常自动检测方法,其特征在于:
步骤5中所述Tt1~Tt2时间段内气囊弹出异常检测的具体步骤如下:
①对工业相机D4的图像进行处理;通过相机的预先标定,获得相机光轴中心点,该中心点与气囊的理论中心点重合,记为点O4;通过步骤3方法对气囊进行分割;根据气囊的理论设计尺寸先验知识,对分割后的气囊较短轴进行拉伸,倍数为长宽比,使得分割后气囊长宽比变为1;原因是减小气囊长宽比不等于1所带来的偏差,进行两步检测;
②对相机工业相机A1、工业相机C3、工业相机F7、工业相机G9获得的图像进行处理;通过相机的预先标定,得到气囊的理论中心点在每幅图像中的位置,即点O1,O3,O7,O9;做以下的检测:过中心点做平行于工业相机D 4光轴的平行线,将气囊分成两部分,面积较大部分相对于面积较小部分的面积比值Rpr1、Rpr3、Rpr7、Rpr9为4~6倍左右,其中Rpr1为在工业相机A1的视角下面积较大部分域相对于面积较小部分的面积比值,Rpr3、Rpr7、Rpr9同理,说明气囊某一部分弹出异常。
4.根据权利要求3所述的一种基于机器视觉的气囊点爆过程参数与异常自动检测方法,其特征在于:
所述进行两步检测的具体内容如下:
a.做一条直线过点O4,以1°的步长扫过一周,每个步长直线两侧面积记为两者中较大的值Sb与两者中较小的值Ss,比值Rbs=Sb/Ss大于3~4时,则说明气囊弹出不对称程度较高,即存在问题;
b.通过点O4,做两条射线,夹角为60°;以1°的步长扫过一周,可以得到一组面积,其中面积最大与面积最小比值Rsw大于5~6时,则说明气囊弹出时某一部分受到一定的阻碍,弹出故障或者弹出不及时。
5.根据权利要求1所述的一种基于机器视觉的气囊点爆过程参数与异常自动检测方法,其特征在于:
步骤6中所述Tt2~Tt3时间段内气囊空间点云计算的具体步骤如下:
对气囊上事先做好的正方形网格标记进行提取;事先在气囊上表面中心做标记,通过工业相机B2、工业相机E5定位该点空间坐标,令该点为空间坐标原点O;
以原点O为基准,通过种子生长法,不断对图像中的角点赋予整数坐标进而对所有角点进行坐标标定;
①对气囊正面拓扑形状进行三维点云计算;对工业相机B2、工业相机D4、工业相机E5的图像进行处理,根据已经标记的坐标点,对每一块网格的4个角,对应坐标(n,m)、(n+1,m)、(n,m+1)、(n+1,m+1),通过双目视觉进行实际空间位置的计算;对每一块网格内曲面进行B-样条曲面插值,通过不断迭代,获得整个气囊正面的点云与点云之间的位置关系;工业相机D4的图像进行额外辅助以计算气囊正面可能存在的非凸区域;
②对气囊侧面拓扑形状进行三维点云计算;通过相机场景交集图可以得知每两台工业相机可以形成一对双目视觉对,求得气囊侧面的空间坐标,方法同气囊正面点云计算中所述;
③对气囊的底面,即靠近方向盘的部分,进行三维点云计算;运用平面近似代替气囊与方向盘接触的部分;平面边缘与气囊侧面根据工业相机A1、工业相机C3、工业相机F7、工业相机G9获得的侧面轮廓进行B-样条插值近似计算。
6.根据权利要求1所述的一种基于机器视觉的气囊点爆过程参数与异常自动检测方法,其特征在于,
步骤7中所述计算参数V、Vmax、Tr、Tt3具体方法如下:
①气囊体积V,即点云恢复的三维立体的体积,并建立气囊的体积曲线V-t,并对气囊的体积曲线进行低通滤波,滤去高频噪音;
②气囊最大体积Vmax,即在Tt2~Tt3时间段内气囊的最大体积,若气囊的最大体积与大于或小于理论设计体积的20%则说明气囊存在异常;
③气囊回弹时间Tr,即气囊受到弹性影响,内部气体体积受到压缩,气囊体积暂时变小,求气囊体积曲线非端点值的极小值点,即为气囊回弹时间;
④气囊工作结束时间Tt3,即气囊的体积低于总体积的70%左右时刻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015172.5A CN110766677B (zh) | 2019-10-24 | 2019-10-24 | 基于机器视觉的气囊点爆过程参数与异常的自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015172.5A CN110766677B (zh) | 2019-10-24 | 2019-10-24 | 基于机器视觉的气囊点爆过程参数与异常的自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110766677A true CN110766677A (zh) | 2020-02-07 |
CN110766677B CN110766677B (zh) | 2022-03-18 |
Family
ID=69333862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911015172.5A Active CN110766677B (zh) | 2019-10-24 | 2019-10-24 | 基于机器视觉的气囊点爆过程参数与异常的自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766677B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111486802A (zh) * | 2020-04-07 | 2020-08-04 | 东南大学 | 基于自适应距离加权的旋转轴标定方法 |
CN114018589A (zh) * | 2021-10-25 | 2022-02-08 | 中汽研汽车检验中心(天津)有限公司 | 气囊弹出速度的确定方法、装置、电子设备及介质 |
CN114878179A (zh) * | 2022-04-08 | 2022-08-09 | 中汽研汽车检验中心(广州)有限公司 | 一种安全气囊点爆测试方法及系统 |
EP4258212A1 (en) | 2022-04-04 | 2023-10-11 | Volkswagen Ag | Computer-implemented method for processing and analysing vehicle crash-test data, system and computer program for performing that method |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1273486A2 (en) * | 2001-07-03 | 2003-01-08 | Delphi Automotive Systems Sungwoo Co., Ltd. | Side airbag for automobile and method of folding the same |
CN104809738A (zh) * | 2015-05-18 | 2015-07-29 | 长春工业大学 | 一种基于双目视觉的安全气囊轮廓尺寸检测方法 |
CN105588723A (zh) * | 2016-03-07 | 2016-05-18 | 郭燕 | 一种用于测量汽车安全气囊系统引爆时间段的装置及方法 |
CN207617103U (zh) * | 2017-11-14 | 2018-07-17 | 世联汽车内饰(苏州)有限公司 | 一种气囊袋自动整形检查装置 |
CN109978940A (zh) * | 2019-03-28 | 2019-07-05 | 福州大学 | 一种sab安全气囊尺寸视觉测量方法 |
-
2019
- 2019-10-24 CN CN201911015172.5A patent/CN110766677B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1273486A2 (en) * | 2001-07-03 | 2003-01-08 | Delphi Automotive Systems Sungwoo Co., Ltd. | Side airbag for automobile and method of folding the same |
CN104809738A (zh) * | 2015-05-18 | 2015-07-29 | 长春工业大学 | 一种基于双目视觉的安全气囊轮廓尺寸检测方法 |
CN105588723A (zh) * | 2016-03-07 | 2016-05-18 | 郭燕 | 一种用于测量汽车安全气囊系统引爆时间段的装置及方法 |
CN207617103U (zh) * | 2017-11-14 | 2018-07-17 | 世联汽车内饰(苏州)有限公司 | 一种气囊袋自动整形检查装置 |
CN109978940A (zh) * | 2019-03-28 | 2019-07-05 | 福州大学 | 一种sab安全气囊尺寸视觉测量方法 |
Non-Patent Citations (2)
Title |
---|
LV LI YA ET AL.: "The design of the digital power supply for the airbag static deployment test", 《MMEBC 2016》 * |
潘宏伟: "针对汽车安全气囊性能检测的高速动态图像采集系统的设计", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111486802A (zh) * | 2020-04-07 | 2020-08-04 | 东南大学 | 基于自适应距离加权的旋转轴标定方法 |
CN111486802B (zh) * | 2020-04-07 | 2021-04-06 | 东南大学 | 基于自适应距离加权的旋转轴标定方法 |
CN114018589A (zh) * | 2021-10-25 | 2022-02-08 | 中汽研汽车检验中心(天津)有限公司 | 气囊弹出速度的确定方法、装置、电子设备及介质 |
CN114018589B (zh) * | 2021-10-25 | 2024-03-15 | 中汽研汽车检验中心(天津)有限公司 | 气囊弹出速度的确定方法、装置、电子设备及介质 |
EP4258212A1 (en) | 2022-04-04 | 2023-10-11 | Volkswagen Ag | Computer-implemented method for processing and analysing vehicle crash-test data, system and computer program for performing that method |
WO2023194287A1 (en) | 2022-04-04 | 2023-10-12 | Volkswagen Aktiengesellschaft | Computer-implemented method for processing and analysing vehicle crash-test data, system and computer program for performing that method |
CN114878179A (zh) * | 2022-04-08 | 2022-08-09 | 中汽研汽车检验中心(广州)有限公司 | 一种安全气囊点爆测试方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110766677B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766677B (zh) | 基于机器视觉的气囊点爆过程参数与异常的自动检测方法 | |
CN104915963B (zh) | 一种用于plcc元件的检测与定位方法 | |
JP4480083B2 (ja) | 物体認識装置 | |
US20150317821A1 (en) | Geodesic Distance Based Primitive Segmentation and Fitting for 3D Modeling of Non-Rigid Objects from 2D Images | |
CN109532021B (zh) | 基于结构光线性异常点的3d打印熔积缺陷逐层检测方法 | |
EP2500686B1 (en) | Device and method for inspecting tyre shape | |
CN103810475B (zh) | 一种目标物识别方法及装置 | |
WO2005004461A2 (en) | Stereo-vision based imminent collision detection | |
Barrois et al. | 3D pose estimation of vehicles using a stereo camera | |
CN111402316B (zh) | 一种基于去伪环节的图像中椭圆快速检测方法 | |
EP3115933B1 (en) | Image processing device, image capturing device, mobile body control system, image processing method, and computer-readable recording medium | |
CN106408938A (zh) | 夜间城市交通监控中各类车辆轨迹的完整提取 | |
CN114241061A (zh) | 线结构光成像的标定方法、标定系统和标定靶及使用其的测量系统 | |
CN114170284B (zh) | 基于主动标志点投射辅助的多视图点云配准方法 | |
JP2001114047A (ja) | 車両周囲状況提示装置 | |
CN110705553B (zh) | 一种适用于车辆远景图像的划痕检测方法 | |
Wu et al. | A self-adaptive correction method for perspective distortions of image | |
CN113436262A (zh) | 一种基于视觉的车辆目标位置和姿态角度的检测方法 | |
CN109756657A (zh) | 用于处理图像的方法和系统 | |
CN109690555B (zh) | 基于曲率的脸部检测器 | |
CN116310552A (zh) | 一种基于多尺度特征融合的三维目标检测方法 | |
EP3629292A1 (en) | Reference point selection for extrinsic parameter calibration | |
CN110490865A (zh) | 基于螺柱高反光特性的螺柱点云分割方法 | |
CN112883487B (zh) | 一种基于大数据的汽车外形设计优化系统 | |
JP4096932B2 (ja) | 車両用衝突時間推定装置及び車両用衝突時間推定方法 |
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 |