CN110942460A - 一种轮胎花纹深度测量方法、系统及存储介质 - Google Patents

一种轮胎花纹深度测量方法、系统及存储介质 Download PDF

Info

Publication number
CN110942460A
CN110942460A CN201911273685.6A CN201911273685A CN110942460A CN 110942460 A CN110942460 A CN 110942460A CN 201911273685 A CN201911273685 A CN 201911273685A CN 110942460 A CN110942460 A CN 110942460A
Authority
CN
China
Prior art keywords
point
groove
tread
pixel
points
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
CN201911273685.6A
Other languages
English (en)
Other versions
CN110942460B (zh
Inventor
雷志辉
伏思华
陈状
刘宇
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.)
Hunan Eagle Eye Online Electronic Technology Co Ltd
Original Assignee
Hunan Eagle Eye Online Electronic Technology Co Ltd
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 Hunan Eagle Eye Online Electronic Technology Co Ltd filed Critical Hunan Eagle Eye Online Electronic Technology Co Ltd
Priority to CN201911273685.6A priority Critical patent/CN110942460B/zh
Publication of CN110942460A publication Critical patent/CN110942460A/zh
Application granted granted Critical
Publication of CN110942460B publication Critical patent/CN110942460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种轮胎花纹深度测量方法，包括以下步骤：1)获取轮胎花纹外廓图像，根据像素点的灰度值得到轮胎花纹真实区域图像；2)识别轮胎花纹的沟槽和胎面，分析相邻沟槽是否为同一沟槽，是则将属于同一沟槽的相邻沟槽合并，否则对沟槽不做处理，进入下一步；3)分别提取每个沟槽的胎底点和胎面点，所述胎底点为沟槽上到胎面所在平面距离最大的点，所述胎面点为胎底点到胎面所在平面的垂点，计算世界坐标下胎底点和胎面点的空间距离，得到轮胎花纹上每个沟槽的实际深度。本发明的方法具有较高精确度，避免人工测量造成的误差。

Description

一种轮胎花纹深度测量方法、系统及存储介质
技术领域
本发明涉及光学测量领域，尤其涉及一种轮胎花纹深度测量方法、系统及存储介质。
背景技术
汽车是集机械、电子、控制及传感器等多项技术于一身的机电一体化产品，它依靠轮胎支撑在路面上，而直接与路面接触的却是轮胎花纹。轮胎不仅承载、滚动，而且通过其花纹块与路面产生的摩擦力，成为汽车驱动、制动和转向的动力之源。
轮胎花纹不仅是轮胎外观漂亮与否的决定因素，而且更关系到是否能够充分发挥轮胎的牵引、制动、转弯、排水及噪音等性能，其中主要作用是增加轮胎与路面间的摩擦力。以防止轮胎打滑，保证行驶安全。
轮胎胎面上花纹的深浅，对汽车的驾驶性能有直接的影响。目前在生活中通常是人工使用胎深尺进行轮胎花纹深度测量，这种测试方法效率低、应用不便，严重制约了汽车轮胎花纹深度检测的工作效率。
如何快速准确地测量轮胎花纹深度信息，是本领域亟待解决的重要问题之一。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种轮胎花纹深度测量方法、系统及存储介质，具有较高精确度，避免人工测量造成的误差。
为解决上述技术问题，本发明提出的技术方案为：
一种轮胎花纹深度测量方法，包括以下步骤：
1)获取轮胎花纹外廓图像，根据像素点的灰度值得到轮胎花纹真实区域图像；
2)识别轮胎花纹的沟槽和胎面，分析相邻沟槽是否为同一沟槽，是则将属于同一沟槽的相邻沟槽合并，否则对沟槽不做处理，进入下一步；
3)分别提取每个沟槽的胎底点和胎面点，所述胎底点为沟槽上到胎面所在平面距离最大的点，所述胎面点为胎底点到胎面所在平面的垂点，计算世界坐标下胎底点和胎面点的空间距离，得到轮胎花纹上每个沟槽的实际深度。
优选的，步骤1)包括以下步骤：
1.1)对轮胎花纹外廓图像进行去畸变处理，所述去畸变处理为将相机坐标系转换为图像坐标系，所述图像坐标系X轴为图像列方向，所述图像坐标系Y轴为图像行方向；
1.2)对去畸变处理后的图像进行闭运算；
1.3)沿Y轴分别统计闭运算后的图像每一行所有点的灰度值之和，将灰度值之和最大的行作为中心行，将中心行上下预设值内的区域作为轮胎花纹真实区域的宽度范围；
1.4)沿X轴分别统计闭运算后的图像每一列上灰度值大于第一预设值的点的个数，获取个数大于第二预设值的列的集合，将X轴坐标值最小的列作为轮胎花纹的左端点，将X轴坐标值最大的列作为轮胎花纹的右端点，左端点和右端点之间的区域为轮胎花纹真实区域的长度范围。
优选的，步骤2)包括以下步骤：
2.1)获取轮胎花纹真实区域图像的亚像素中心点，将分别将亚像素中心点识别为沟槽点和胎面点；
2.2)对沟槽点聚类得到沟槽，若相邻沟槽之间距离小于预设临界值，将相邻沟槽合并。
优选的，步骤2.1)具体包括以下步骤：
2.1.1)对轮胎花纹真实区域图像进行滤波，使图像同一列的每个像素点的灰度值各不相同；
2.1.2)沿X轴获取图像每一列灰度值最大且灰度值大于预设背景阈值的点作为轮胎花纹真实区域图像的整像素中心点；
2.1.3)分别对图像每一列的整像素中心点与同一列的相邻像素点进行最小二乘的二次拟合获得与整像素中心点一一对应的亚像素中心点；
2.1.4)对所有亚像素中心点进行最小二乘的二次拟合得到与亚像素中心点一一对应的拟合值；
2.1.5)分别将每一个亚像素中心点和对应的拟合值进行残差分析，残差值小于预设胎面阈值时，对应亚像素中心点为胎面点，残差值大于预设胎底阈值时，对应亚像素中心点为沟槽点。
优选的，步骤2.2)具体包括以下步骤：
2.2.1)选取X轴最左端沟槽点为第一沟槽点，将第一沟槽点作为当前沟槽点；
2.2.2)以当前沟槽点为中心，判断周边预设区域内是否有沟槽点，是则进入下一步，否则跳转2.2.4)；
2.2.3)选取周边预设区域内的沟槽点作为当前沟槽点，返回步骤2.2.2)；
2.2.4)记录第一沟槽点至当前沟槽点构成的矩形区域为当前沟槽，判断是否还有未处理沟槽点，是则进入下一步，否则跳转步骤2.2.6)；
2.2.5)沿X轴选取与当前沟槽右端最接近的沟槽点作为第一沟槽点，将第一沟槽点作为当前沟槽点，跳转步骤2.2.2)；
2.2.6)按照从左至右的顺序遍历选取一个沟槽作为当前沟槽；
2.2.7)判断当前沟槽最右端沟槽点的X轴坐标和右边相邻沟槽最左端沟槽点的X轴坐标之差是否小于预设临界值，是则将两个沟槽合并为一个沟槽，否则进入下一步；
2.2.8)判断沟槽是否遍历完毕，是则进入步骤3)，否则跳转步骤2.2.6)。
优选的，步骤3)包括以下步骤：
3.1)选取一个沟槽，对沟槽分类，根据沟槽类别在轮胎花纹真实区域图像上截取以沟槽为中心的对应扩展区域；
3.2)获取扩展区域轮胎花纹的亚像素中心点；
3.3)获取沟槽左右两侧峰值点以及沟槽的第二沟槽点，所述峰值点为相邻亚像素中心点坐标的最大平均值，所述沟槽点为相邻亚像素中心点坐标的平均值，对左右峰值点直线拟合得到参考线，分别计算每个第二沟槽点到参考线的垂直距离与垂点坐标，将距离最大的第二沟槽点作为胎底点，将对应的垂点作为胎面点；
3.4)将胎底点和胎面点坐标转化为世界坐标，计算胎底点和胎面点在世界坐标系下的距离为沟槽深度；
3.5)返回步骤3.1)继续选取其他沟槽进行处理，直到所有沟槽选取完毕。
优选的，步骤3.2)包括以下步骤：
3.2.1)分割扩展区域为沟槽区域、沟槽两侧的阶跃区域以及沟槽两侧的胎面区域，所述阶跃区域为沟槽区域和胎面区域之间的过渡区域；
3.2.2)根据沟槽类别使用对应滤波模板参数对沟槽区域、胎面区域滤波，使得图像同一列每个像素点灰度值各不相同；
3.2.3)对阶跃区域以及滤波后的沟槽区域、胎面区域，获取图像每一列灰度值最大且灰度值大于预设背景阈值的点作为整像素中心点；
3.2.4)分别对阶跃区域图像每一列的整像素中心点以及同一列的相邻像素点进行最小二乘的三次拟合获得整像素中心点一一对应的亚像素中心点，分别对沟槽区域、胎面区域图像每一列的整像素中心点以及同一列的相邻像素点进行最小二乘的二次拟合获得整像素中心点一一对应的亚像素中心点。
优选的，步骤3.3)包括以下步骤：
3.3.1)设置沟槽上的沟槽寻找区域，对沟槽区域依次选取亚像素中心点作为当前点，分别计算当前点与左右各至少一个亚像素中心点的坐标平均值，将坐标平均值作为第二沟槽点的坐标；
3.3.2)设置沟槽左侧胎面上的左侧寻找区域，从左侧寻找区域依次选取亚像素中心点作为当前点，分别计算当前点与左右各至少两个亚像素中心点的坐标平均值，获取最大坐标平均值作为左峰值点坐标；
3.3.3)设置沟槽右侧胎面上的右侧寻找区域，从右侧寻找区域依次选取亚像素中心点作为当前点，计算当前点与左右各至少两个亚像素中心点的坐标平均值，获取最大坐标平均值作为右侧峰值点坐标；
3.3.4)对左右峰值点直线拟合得到参考线，根据参考线函数表达式和第二沟槽点的坐标依次计算所有第二沟槽点到参考线的距离，找到其中到直线距离最大的第二沟槽点的坐标以及对应的垂足坐标，该第二沟槽点为胎底点，其垂足坐标为对应的胎面点坐标。
本发明还提供一种轮胎花纹深度测量系统，包括计算机设备，该计算机设备被编程或配置以执行上述支持轮胎花纹深度测量方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行上述支持轮胎花纹深度测量方法的计算机程序。
与现有技术相比，本发明的优点在于：
1、本发明根据像素点的灰度值得到轮胎花纹真实区域图像，将轮胎沟槽的所有位置信息进行保留，去除可能存在的杂光影响或及激光线超出轮胎区域问题，也降低了拍摄过程中对拍摄设备和轮胎位置的要求，提高了测量结果的精确度；
2、本发明对于相邻沟槽进行判断，将属于同一沟槽的相邻沟槽合并后再进行测量，磨损轮胎受车型和人为因素的影响，单线沟槽可能会出现各种突发情况，如：轮胎沟槽左右胎面不平整，沟槽中存在石子等干扰物；如果对沟槽内存在干扰物会把一个沟槽变成两个沟槽，如果不进行分析直接作两个沟槽进行处理会产生错误结果。本发明对磨损轮胎的存在问题作了适应性分析，使得测量结果更符合真实情况，能够避免现有技术中因轮胎花纹磨损造成的测量误差；
3、本发明结合沟槽实际情况对每一个沟槽分别进行单独处理，避免将沟槽统一按照水平处理时，由于激光入射角度偏差造成测量误差。
附图说明
图1为本发明实施例的轮胎花纹外廓图像采集示意图。
图2为本发明实施例的步骤示意图。
图3为本发明实施例的具体流程示意图。
图4为本发明实施例的滤波前图像局部示意图。
图5为本发明实施例的滤波后图像局部示意图。
图6为本发明实施例的步骤2)流程示意图。
图7为本发明实施例的步骤2)中相邻沟槽合并示意图。
图8为本发明实施例的步骤2)流程示意图。
图9为本发明实施例的扩展区域与沟槽矩形区域位置示意图。
图10为本发明实施例的沟槽寻找区域、左寻找区域、右寻找区域示意图。
图11为不同状态沟槽反射光示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
如图1所示，将激光器与采样相机设置在同一平面，控制线激光器产生稳定的线结构光，并直打到轮胎轮廓表面形成一条“一”字型激光断面轮廓光条，采样相机同步工作斜拍采集轮胎花纹外廓图像，采样相机将采样到的轮胎花纹外廓图像输出到图像处理模块，完成轮胎花纹外廓图像的采样。
如图2所示，本发明的轮胎花纹深度测量方法，包括以下步骤：
1)获取轮胎花纹外廓图像，根据像素点的灰度值得到轮胎花纹真实区域图像；
2)识别轮胎花纹的沟槽和胎面，分析相邻沟槽是否为同一沟槽，是则将属于同一沟槽的相邻沟槽合并，否则对沟槽不做处理，进入下一步；
3)分别提取每个沟槽的胎底点和胎面点，所述胎底点为沟槽上到胎面所在平面距离最大的点，所述胎面点为胎底点到胎面所在平面的垂点，计算世界坐标下胎底点和胎面点的空间距离，得到轮胎花纹上每个沟槽的实际深度。
如图3所示，本实施例中，步骤1)包括以下步骤：
1.1)对轮胎花纹外廓图像进行去畸变处理，获取像素坐标系到相机坐标系的变换矩阵、相机坐标与世界坐标系的旋转矩阵和平移矩阵，将相机坐标系转换为图像坐标系，使得图像坐标系X轴为图像列方向，图像坐标系Y轴为图像行方向，图像左上角端点为原点，原点向下为Y方向，原点向右为X方向；
1.2)使用滤波模板，对去畸变处理后的图像进行闭运算；
1.3)沿Y轴分别统计闭运算后的图像每一行所有点的灰度值之和，构建行数与对应行的灰度值之和的点集曲线，点集曲线中纵坐标为灰度值之和的数值，横坐标为每一行在图像坐标系的Y轴坐标值，点集曲线中灰度值之和的峰值对应的行即为轮胎花纹外廓图像的中心行，中心行上下预设值内的区域即为轮胎花纹真实区域的宽度范围，本实施例的预设值区间为50～300像素点；
1.4)沿X轴分别统计闭运算后的图像每一列上灰度值大于第一预设值的点的个数，获取个数大于第二预设值的列的集合，将X轴坐标值最小的列作为轮胎花纹的左端点，将X轴坐标值最大的列作为轮胎花纹的右端点，左端点和右端点之间的区域为轮胎花纹真实区域的长度范围，本实施例的第一预设值区间为0～150，第二预设值区间为0～30。
如图3和图6所示，本实施例的步骤2)包括以下步骤：
2.1)获取轮胎花纹真实区域图像的亚像素中心点，将分别将亚像素中心点识别为沟槽点和胎面点；具体包括：
2.1.1)选定滤波模板参数，对轮胎花纹真实区域图像进行至少两次均值滤波使图像同一列的每个像素点的灰度值各不相同，同时还消除图像中的噪声，本实施例中，滤波前图像如图4所示，滤波后图像如图5所示；
2.1.2)沿X轴获取图像每一列灰度值最大且灰度值大于预设背景阈值的点作为轮胎花纹真实区域图像的整像素中心点，本实施例中背景阈值区间为0～100；
2.1.3)分别对图像每一列的整像素中心点与同一列的相邻像素点进行最小二乘的二次拟合获得与整像素中心点一一对应的亚像素中心点；具体包括以下步骤：
2.1.3a)对于一列中的整像素中心点，其坐标为(x,y)，取同一列中上方及下方各4个像素点，共八个像素点，每个像素点的坐标分别为(x,y-4)、(x,y-3)、(x,y-2)、(x,y-1)、(x,y+1)、(x,y+2)、(x,y+3)、(x,y+4)；
2.1.3b)将(x,y-4)、(x,y-3)、(x,y-2)、(x,y-1)、(x,y+1)、(x,y+2)、(x,y+3)、(x,y+4)、(x,y)九个像素点的坐标值代入预设拟合矩阵中计算得出二次拟合多项式每一项的系数，计算二次拟合多项式函数曲线对称轴的位置，根据二次拟合多项式函数曲线对称轴的位置找到该整像素中心点对应的亚像素中心点的坐标，若计算得出二次拟合多项式每一项的系数为a’0、a’1、a’2，即二次拟合多项式为：y＝a’0+a’1'x+a’2x2，此时多项式函数曲线对称轴的位置为-a’1/(2*a’2)，该整像素中心点对应的亚像素中心点的坐标为(x,y+[-a’1/(2*a’2)])，返回步骤2.1.3a)分别对每个整像素中心点采用上述步骤进行计算，就可以得到与整像素中心点一一对应的亚像素中心点；
本实施例中，建立拟合矩阵具体包括以下步骤：
步骤一，设置拟合多项式，函数表达式如下：
y＝a0+a1x+...+akxk (1)
步骤二，设置图像坐标系中被选取的各点到多项式曲线的距离之和的公式，函数表达式如下：
Figure BDA0002314927580000061
上式中，n为被选取的点的数量，yi为各点Y轴坐标值，xi为各点X轴坐标值。
步骤三，根据各点到多项式曲线的距离之和构建拟合矩阵，矩阵的函数表达式如下：
Figure BDA0002314927580000071
上式中，n为被选取的点的数量，yi为各点Y轴坐标值，xi为各点X轴坐标值。
建立拟合矩阵后，计算拟合多项式每一项的系数时，根据拟合多项式的幂级数对式(3)中的k赋值，若为最小二乘的二次拟合，k＝2，若为最小二乘的三次拟合，k＝3，然后将被选取的各点坐标分别代入式(3)就可以计算得出拟合多项式每一项的系数。
2.1.4)对所有亚像素中心点进行最小二乘的二次拟合得到与亚像素中心点一一对应的拟合值；
本实施例中，对于一列中的亚像素中心点，其坐标为(x’，y’)，取同一列中上方及下方各4个像素点，共八个像素点。将该亚像素中心点及上下各4个像素点共九个像素点的坐标值分别代入式(3)的矩阵中，设K＝2，计算得到a0，a1和a2的真实值，此时多项式曲线函数表达式为：
y＝a0+a1x+a2x2 (4)
将亚像素中心点横坐标代入式(4)，得到y”，(x’，y”)即为该亚像素中心点对应的拟合值，分别对所有亚像素中心点采用以上步骤进行计算，即可得到每个亚像素中心点对应的拟合值。
2.1.5)分别将每一个亚像素中心点和对应的拟合值进行残差分析，残差值小于预设胎面阈值时，对应亚像素中心点为胎面点，残差值大于预设胎底阈值时，对应亚像素中心点为沟槽点。对于坐标(x’，y’)的亚像素中心点，拟合值减去真实值，即y”-y’，得到残差值，当y”-y’<＝预设胎面阈值时，将亚像素中心点归为胎面点，当y”-y’>＝预设胎底阈值时，将亚像素中心点归为沟槽点，不满足上述条件的亚像素中心点不进行处理，本实施例中，预设胎面阈值区间为-5～5，预设胎底阈值区间为-5～5；
2.2)对沟槽点聚类得到沟槽，若相邻沟槽之间距离小于预设临界值，将相邻沟槽合并。
具体包括：
2.2.1)选取X轴最左端沟槽点为第一沟槽点，将第一沟槽点作为当前沟槽点；
2.2.2)以当前沟槽点为中心，判断周边预设区域内是否有沟槽点，是则进入下一步，否则跳转2.2.4)，本实施例中，周边预设区域为以当前沟槽点为中心，半径区间为1～10个像素点的区域；
2.2.3)选取周边预设区域内的沟槽点作为当前沟槽点，返回步骤2.2.2)；
2.2.4)记录第一沟槽点至当前沟槽点构成的矩形区域为当前沟槽，将矩形区域进行存储，判断是否还有未处理沟槽点，是则进入下一步，否则跳转步骤2.2.6)；
2.2.5)沿X轴选取与当前沟槽右端最接近的沟槽点作为第一沟槽点，将第一沟槽点作为当前沟槽点，跳转步骤2.2.2)；
2.2.6)按照从左至右的顺序遍历选取一个沟槽作为当前沟槽；
2.2.7)判断当前沟槽最右端沟槽点的X轴坐标和右边相邻沟槽最左端沟槽点的X轴坐标之差是否小于预设临界值，是则将两个沟槽合并为一个沟槽，否则进入下一步；
同理，根据步骤2.2.1)至2.2.4)的步骤也可对胎面点聚类得到胎面。
如图7所示，矩形区域1的右下端点的坐标(x’1，y’1)，矩形区域2的左下端点的坐标(x’2，y’2)，若x’2-x’1大于预设临界值，对矩形区域1和区域2不做处理，若x’2-x’1小于预设临界值，将矩形区域1和矩形区域2进行合并成矩形区域3存储，本实施例中预设临界值区间为0～100个像素点；
2.2.8)判断沟槽是否遍历完毕，是则进入步骤3)，否则跳转步骤2.2.6)。
如图8所示，本实施例中，步骤3)包括以下步骤：
3.1)选取一个沟槽，对沟槽分类，根据沟槽类别在轮胎花纹真实区域图像上截取以沟槽为中心的对应扩展区域，该扩展区域的轮胎花纹包括沟槽以及沟槽两侧的胎面；具体步骤包括：
3.1.1)计算沟槽的矩形区域宽度，若大于或等于第一阈值，跳转步骤3.1.2)，若在第一阈值和第二阈值之间，跳转步骤3.1.3)，若小于第二阈值，跳转步骤3.1.4)；本实施例中第二阈值区间为0～20个像素点，第一阈值区间为22～30个像素点。
3.1.2)如图9所示，以沟槽矩形区域为中心，截取扩展区域，扩展区域左端点X轴坐标位于沟槽左侧胎面的X轴坐标区域内，扩展区域右端点X轴坐标位于沟槽右侧胎面的X轴坐标区域内；扩展区域的宽度为沟槽的矩形区域宽度2～5倍；扩展区域的高度为矩形区域高度的2～5倍，设置滤波模板，滤波模板参数的高度范围为1～10，滤波模板参数的宽度范围为5～20；
3.1.3)如图9所示，以沟槽矩形宽度为中心，截取扩展区域，扩展区域左端点X轴坐标位于沟槽左侧胎面的X轴坐标区域内，扩展区域右端点X轴坐标位于沟槽右侧胎面的X轴坐标区域内；扩展区域的宽度为沟槽的矩形区域宽度的1～10倍；扩展区域的高度为矩形区域高度的1～10倍，设置滤波模板，滤波模板参数的高度范围为1～10，滤波模板参数的宽度范围为2～18；
3.1.4)如图9所示，以沟槽矩形宽度为中心，截取扩展区域，扩展区域左端点X轴坐标位于沟槽左侧胎面的X轴坐标区域内，扩展区域右端点X轴坐标位于沟槽右侧胎面的X轴坐标区域内；扩展区域的宽度为沟槽的矩形区域宽度的1～10倍；扩展区域的高度为矩形区域高度的1～10倍，设置滤波模板，滤波模板参数的高度范围为1～5，滤波模板参数的宽度范围为1～18；
3.2)获取扩展区域的轮胎花纹的亚像素中心点；具体步骤包括：
3.2.1)分割扩展区域为沟槽区域、沟槽两侧的阶跃区域以及沟槽两侧的胎面区域；
其中：
第一段为沟槽区域左侧的胎面区域，胎面区域为根据步骤2.2.1)至2.2.4)的步骤对胎面点聚类得到的胎面中的区域，本实施例中，设沟槽左侧胎面右端点坐标(x1，y1)，设沟槽区域左侧的胎面区域右端点坐标(x”1，y”1)，则x”1＜x1；
第二段为沟槽区域，沟槽区域为沟槽中的区域，本实施例中，设该区域左端点坐标(x8，y8)，该区域右端点坐标(x’8，y’8)，设沟槽矩形区域左端点坐标(x9，y9)，该区域右端点坐标(x’9，y’9)，则x8＞x9，x’8＜x’9；
第三段为沟槽区域右侧的胎面区域，本实施例中，设沟槽右侧胎面左端点坐标(x2，y2)，设沟槽区域右侧的胎面区域左端点坐标(x”2，y”2)，则x2＜x”2。
第一段和第二段之间为连接沟槽区域与沟槽区域左侧的胎面区域的沟槽区域左侧的阶跃区域，则其左端点坐标为(x”1，y”1)，右端点坐标为(x8，y8)。
第二段和第三段之间为连接沟槽区域与沟槽区域右侧的胎面区域的沟槽区域右侧的阶跃区域，则其左端点坐标为(x’8，y’8)，右端点坐标为(x”2，y”2)。
3.2.2)根据沟槽类别使用对应滤波模板参数对沟槽区域、胎面区域滤波，使得图像同一列每个像素点灰度值各不相同；
3.2.3)对阶跃区域以及滤波后的沟槽区域、胎面区域，获取图像每一列灰度值最大且灰度值大于预设背景阈值的点作为整像素中心点；
3.2.4)分别对阶跃区域图像每一列的整像素中心点以及同一列的相邻像素点进行最小二乘的三次拟合获得整像素中心点一一对应的亚像素中心点，分别对沟槽区域、胎面区域图像每一列的整像素中心点以及同一列的相邻像素点进行最小二乘的二次拟合获得整像素中心点一一对应的亚像素中心点；
本实施例中，对于阶跃区域一列中的整像素中心点，其坐标为(x3,y3)，取同一列中上方及下方各4个像素点，共八个像素点。设K＝3，将该整像素中心点及上下各四个像素点共九个像素点的坐标值代入式(3)中计算得出a0，a1，a2和a3的值，此时多项式曲线函数表达式为：
y＝a0+a1x+a2x2+a3x3 (5)
将整像素中心点横坐标代入式(5)，得到y3’，(x3，y3’)为该整像素中心点对应的亚像素中心点的坐标，分别对阶跃区域每个整像素中心点采用上述步骤进行计算，就可以得到与阶跃区域整像素中心点一一对应的亚像素中心点
本实施例中，对于沟槽区域、胎面区域一列中的整像素中心点，其坐标为(x4,y4)，取同一列中上方及下方各4个像素点，共八个像素点，。设K＝2，将该整像素中心点及同一列上下各四个像素点共九个像素点的坐标值代入式(3)中计算得出a0，a1，a2的值，此时多项式函数曲线对称轴的位置为-a1/(2*a2)，该整像素中心点对应的亚像素中心点的坐标为(x,y+[-a1/(2*a2)])，分别对沟槽区域、胎面区域每个整像素中心点采用上述步骤进行计算，就可以得到与沟槽区域、胎面区域整像素中心点一一对应的亚像素中心点；
3.3)如图10所示，获取沟槽左右两侧峰值点以及沟槽的第二沟槽点，所述峰值点为相邻亚像素中心点坐标的最大平均值，所述沟槽点为相邻亚像素中心点坐标的平均值，对左右峰值点直线拟合得到参考线，分别计算每个第二沟槽点到参考线的垂直距离与垂点坐标，将距离最大的第二沟槽点作为胎底点，将对应的垂点作为胎面点；具体步骤包括：
3.3.1)设置沟槽上的沟槽寻找区域，本实施例的沟槽寻找区域为图10中标号1的区域。对沟槽寻找区域依次选取亚像素中心点作为当前点，计算当前点与左右至少一个亚像素中心点的坐标平均值，将坐标平均值作为第二沟槽点的坐标；具体包括以下步骤：
3.3.1a)截取扩展区域中的沟槽寻找区域，本实施例中，设沟槽寻找区域左端点坐标(x10，y10)，该区域右端点坐标(x’10，y’10)，则对于左端点坐标(x9，y9)，右端点坐标(x’9，y’9)的沟槽矩形区域，x10＞x9，x’10＜x’9；
3.3.1b)沟槽寻找区域内，从第二个亚像素中心点开始至倒数第二个亚像素中心点的范围内遍历选取一个亚像素中心点作为当前点，当前点坐标(x7，y7)，选取当前点左右亚像素中心点，计算三个亚像素中心点坐标的平均值，记为(x’7，y’7)，设置对应坐标的像素点为第二沟槽点；
3.3.1c)判断是否遍历完毕，是则进入步骤3.3.2)，否则返回上一步；
3.3.2)设置沟槽左侧胎面上的左侧寻找区域，本实施例的左侧寻找区域为图10中标号2的区域。从左侧寻找区域依次选取亚像素中心点作为当前点，计算当前点与左右各至少两个亚像素中心点的坐标平均值，获取最大坐标平均值，作为左峰值点坐标；具体包括以下步骤：
3.3.2a)截取扩展区域中的左侧寻找区域，本实施例中，设左侧寻找区域左端点坐标(x11，y11)，该区域右端点坐标(x’11，y’11)，设扩展区域中沟槽左侧胎面左端点坐标(x”9，y”9)，右端点坐标(x”1，y”1)，则x11＞x”9，x’11＜x”1；
3.3.2b)左侧寻找区域内，从第三个亚像素中心点开始至倒数第三个亚像素中心点的范围内遍历选取一个亚像素中心点作为当前点，当前点坐标(x5，y5)，选取当前点左右各两个亚像素中心点，计算五个亚像素中心点坐标的平均值，记为(x’5，y’5)，设置对应坐标的像素点为第一平均值点；
3.3.2c)判断是否遍历完毕，是则下一步，否则返回上一步；
3.3.2d)获取所有第一平均值点中寻找Y轴坐标值最大的点，设置该第一平均值点为左侧峰值点。
3.3.3)设置沟槽右侧胎面上的右侧寻找区域，本实施例的右侧寻找区域为图10中标号2的区域。从右侧寻找区域依次选取亚像素中心点作为当前点，计算当前点与左右各至少两个亚像素中心点坐标平均值，获取最大坐标平均值，作为右侧峰值点坐标；具体包括以下步骤：
3.3.3a)截取扩展区域中的右侧寻找区域，本实施例中，设右侧寻找区域左端点坐标(x12，y12)，该区域右端点坐标(x’12，y’12)，设扩展区域中沟槽右侧胎面左端点坐标(x2，y2)，右端点坐标(x”10，y”10)，则x12＞x2，x’12＜x”10；
3.3.3b)右侧寻找区域内，从第三个亚像素中心点开始至倒数第三个亚像素中心点的范围内遍历选取一个亚像素中心点作为当前点，当前点坐标(x6，y6)，选取当前点左右各两个亚像素中心点，计算五个亚像素中心点坐标的平均值，记为(x’6，y’6)，设置对应坐标的像素点为第二平均值点；
3.3.3c)判断是否遍历完毕，是则下一步，否则返回上一步；
3.3.3d)获取所有第二平均值点中寻找Y轴坐标值最大的点，设置该第二平均值点为右侧峰值点。
3.3.4)对左右峰值点直线拟合得到参考线，根据参考线函数表达式和第二沟槽点的坐标依次计算所有第二沟槽点到参考线的距离，找到其中到直线距离最大的第二沟槽点的坐标以及对应的垂足坐标，该第二沟槽点为胎底点，其垂足坐标为对应的胎面点坐标。具体步骤为：
3.3.4a)对左右峰值点进行最小二乘的直线拟合，设直线方程函数表达式如下：
ax+by+c＝0 (6)
分别将左右峰值点的坐标代入式(6)，计算得到a、b、c的值；
3.3.4b)计算所有第二沟槽点到式(6)的直线方程的距离，找到直线距离最大的第二沟槽点，将该沟槽点作为胎底点，将该沟槽点与直线的垂足坐标作为胎面点的坐标，若胎底点坐标为(m，n)，根据胎底点坐标和式(6)计算胎面点坐标的函数表达式如下：
Figure BDA0002314927580000121
如图11所示，结构光测量时，当表面斜率发生变化时，反射光将发生偏移，从而导致摄像机拍摄图像发生偏移。当沟槽深度发生变化时，也会引起激光反射光发生偏移。因此对沟槽的斜面部分需要再次提取沟槽局部曲线的中心点进行操作。
3.4)将胎底点和胎面点坐标转化为世界坐标，胎底点和胎面点在世界坐标系下的距离为当前沟槽深度。
3.5)返回步骤3.1)继续选取其他沟槽进行处理，直到所有沟槽选取完毕。
通过上述步骤就可得到每个沟槽的实际深度。
本实施例还提供一种轮胎花纹深度测量系统，包括计算机设备，该计算机设备被编程或配置以执行上述支持轮胎花纹深度测量方法的步骤。
本实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行上述支持轮胎花纹深度测量方法的计算机程序。
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (10)

1.一种轮胎花纹深度测量方法，其特征在于，包括以下步骤：
1)获取轮胎花纹外廓图像，根据像素点的灰度值得到轮胎花纹真实区域图像；
2)识别轮胎花纹的沟槽和胎面，分析相邻沟槽是否为同一沟槽，是则将属于同一沟槽的相邻沟槽合并，否则对沟槽不做处理，进入下一步；
3)分别提取每个沟槽的胎底点和胎面点，所述胎底点为沟槽上到胎面所在平面距离最大的点，所述胎面点为胎底点到胎面所在平面的垂点，计算世界坐标下胎底点和胎面点的空间距离，得到轮胎花纹上每个沟槽的实际深度。
2.根据权利要求1所述的轮胎花纹深度测量方法，其特征在于，步骤1)包括以下步骤：
1.1)对轮胎花纹外廓图像进行去畸变处理，所述去畸变处理为将相机坐标系转换为图像坐标系，所述图像坐标系X轴为图像列方向，所述图像坐标系Y轴为图像行方向；
1.2)对去畸变处理后的图像进行闭运算；
1.3)沿Y轴分别统计闭运算后的图像每一行所有点的灰度值之和，将灰度值之和最大的行作为中心行，将中心行上下预设值内的区域作为轮胎花纹真实区域的宽度范围；
1.4)沿X轴分别统计闭运算后的图像每一列上灰度值大于第一预设值的点的个数，获取个数大于第二预设值的列的集合，将X轴坐标值最小的列作为轮胎花纹的左端点，将X轴坐标值最大的列作为轮胎花纹的右端点，左端点和右端点之间的区域为轮胎花纹真实区域的长度范围。
3.根据权利要求1所述的轮胎花纹深度测量方法，其特征在于，步骤2)包括以下步骤：
2.1)获取轮胎花纹真实区域图像的亚像素中心点，将分别将亚像素中心点识别为沟槽点和胎面点；
2.2)对沟槽点聚类得到沟槽，若相邻沟槽之间距离小于预设临界值，将相邻沟槽合并。
4.根据权利要求3所述的轮胎花纹深度测量方法，其特征在于，步骤2.1)具体包括以下步骤：
2.1.1)对轮胎花纹真实区域图像进行滤波，使图像同一列的每个像素点的灰度值各不相同；
2.1.2)沿X轴获取图像每一列灰度值最大且灰度值大于预设背景阈值的点作为轮胎花纹真实区域图像的整像素中心点；
2.1.3)分别对图像每一列的整像素中心点与同一列的相邻像素点进行最小二乘的二次拟合获得与整像素中心点一一对应的亚像素中心点；
2.1.4)对所有亚像素中心点进行最小二乘的二次拟合得到与亚像素中心点一一对应的拟合值；
2.1.5)分别将每一个亚像素中心点和对应的拟合值进行残差分析，残差值小于预设胎面阈值时，对应亚像素中心点为胎面点，残差值大于预设胎底阈值时，对应亚像素中心点为沟槽点。
5.根据权利要求4所述的轮胎花纹深度测量方法，其特征在于，步骤2.2)具体包括以下步骤：
2.2.1)选取X轴最左端沟槽点为第一沟槽点，将第一沟槽点作为当前沟槽点；
2.2.2)以当前沟槽点为中心，判断周边预设区域内是否有沟槽点，是则进入下一步，否则跳转2.2.4)；
2.2.3)选取周边预设区域内的沟槽点作为当前沟槽点，返回步骤2.2.2)；
2.2.4)记录第一沟槽点至当前沟槽点构成的矩形区域为当前沟槽，判断是否还有未处理沟槽点，是则进入下一步，否则跳转步骤2.2.6)；
2.2.5)沿X轴选取与当前沟槽右端最接近的沟槽点作为第一沟槽点，将第一沟槽点作为当前沟槽点，跳转步骤2.2.2)；
2.2.6)按照从左至右的顺序遍历选取一个沟槽作为当前沟槽；
2.2.7)判断当前沟槽最右端沟槽点的X轴坐标和右边相邻沟槽最左端沟槽点的X轴坐标之差是否小于预设临界值，是则将两个沟槽合并为一个沟槽，否则进入下一步；
2.2.8)判断沟槽是否遍历完毕，是则进入步骤3)，否则跳转步骤2.2.6)。
6.根据权利要求1所述的轮胎花纹深度测量方法，其特征在于，步骤3)包括以下步骤：
3.1)选取一个沟槽，对沟槽分类，根据沟槽类别在轮胎花纹真实区域图像上截取以沟槽为中心的对应扩展区域，所述扩展区域包括该沟槽和沟槽两侧的胎面；
3.2)获取扩展区域轮胎花纹的亚像素中心点；
3.3)获取沟槽左右两侧峰值点以及沟槽的第二沟槽点，所述峰值点为相邻亚像素中心点坐标的最大平均值，所述沟槽点为相邻亚像素中心点坐标的平均值，对左右峰值点直线拟合得到参考线，分别计算每个第二沟槽点到参考线的垂直距离与垂点坐标，将距离最大的第二沟槽点作为胎底点，将对应的垂点作为胎面点；
3.4)将胎底点和胎面点坐标转化为世界坐标，计算胎底点和胎面点在世界坐标系下的距离为沟槽深度；
3.5)返回步骤3.1)继续选取其他沟槽进行处理，直到所有沟槽选取完毕。
7.根据权利要求6所述的轮胎花纹深度测量方法，其特征在于，步骤3.2)包括以下步骤：
3.2.1)分割扩展区域为沟槽区域、沟槽两侧的阶跃区域以及沟槽两侧的胎面区域，所述阶跃区域为沟槽区域和胎面区域之间的过渡区域；
3.2.2)根据沟槽类别使用对应滤波模板参数对沟槽区域、胎面区域滤波，使得图像同一列每个像素点灰度值各不相同；
3.2.3)对阶跃区域以及滤波后的沟槽区域、胎面区域，获取图像每一列灰度值最大且灰度值大于预设背景阈值的点作为整像素中心点；
3.2.4)分别对阶跃区域图像每一列的整像素中心点以及同一列的相邻像素点进行最小二乘的三次拟合获得整像素中心点一一对应的亚像素中心点，分别对沟槽区域、胎面区域图像每一列的整像素中心点以及同一列的相邻像素点进行最小二乘的二次拟合获得整像素中心点一一对应的亚像素中心点。
8.根据权利要求6所述的轮胎花纹深度测量方法，其特征在于，步骤3.3)包括以下步骤：
3.3.1)设置沟槽上的沟槽寻找区域，对沟槽区域依次选取亚像素中心点作为当前点，分别计算当前点与左右各至少一个亚像素中心点的坐标平均值，将坐标平均值作为第二沟槽点的坐标；
3.3.2)设置沟槽左侧胎面上的左侧寻找区域，从左侧寻找区域依次选取亚像素中心点作为当前点，分别计算当前点与左右各至少两个亚像素中心点的坐标平均值，获取最大坐标平均值作为左峰值点坐标；
3.3.3)设置沟槽右侧胎面上的右侧寻找区域，从右侧寻找区域依次选取亚像素中心点作为当前点，分别计算当前点与左右各至少两个亚像素中心点的坐标平均值，获取最大坐标平均值作为右侧峰值点坐标；
3.3.4)对左右峰值点直线拟合得到参考线，根据参考线函数表达式和第二沟槽点的坐标依次计算所有第二沟槽点到参考线的距离，找到其中到直线距离最大的第二沟槽点的坐标以及对应的垂足坐标，该第二沟槽点为胎底点，其垂足坐标为对应的胎面点坐标。
9.一种轮胎花纹深度测量系统，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～8任意一项所述支持轮胎花纹深度测量方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有被编程或配置以执行权利要求1～8任意一项所述支持轮胎花纹深度测量方法的计算机程序。
CN201911273685.6A 2019-12-12 2019-12-12 一种轮胎花纹深度测量方法、系统及存储介质 Active CN110942460B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911273685.6A CN110942460B (zh) 2019-12-12 2019-12-12 一种轮胎花纹深度测量方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911273685.6A CN110942460B (zh) 2019-12-12 2019-12-12 一种轮胎花纹深度测量方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN110942460A true CN110942460A (zh) 2020-03-31
CN110942460B CN110942460B (zh) 2023-01-31

Family

ID=69910893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911273685.6A Active CN110942460B (zh) 2019-12-12 2019-12-12 一种轮胎花纹深度测量方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN110942460B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932494A (zh) * 2020-07-01 2020-11-13 湖南省鹰眼在线电子科技有限公司 一种轮胎磨损程度评价方法及装置
CN112097672A (zh) * 2020-09-18 2020-12-18 深圳市道通科技股份有限公司 一种胎纹深度测量方法及胎纹深度测量系统
CN112683191A (zh) * 2020-11-30 2021-04-20 深圳市道通科技股份有限公司 基于线激光的胎纹沟槽深度测量方法、装置及计算设备
CN112907568A (zh) * 2021-03-22 2021-06-04 上海眼控科技股份有限公司 轮胎磨损情况确定方法及装置、计算机设备、存储介质
CN113008158A (zh) * 2021-03-25 2021-06-22 烟台大学 多线激光轮胎花纹深度测量方法
CN114076572A (zh) * 2020-08-13 2022-02-22 山东新凌志检测技术有限公司 一种基于单点激光测量技术的轮胎花纹深度测量系统
CN115096203A (zh) * 2022-06-02 2022-09-23 深圳市二郎神视觉科技有限公司 一种激光测量轮胎胎纹深度的方法
CN117291893A (zh) * 2023-09-28 2023-12-26 广州市西克传感器有限公司 基于3d图像的轮胎胎面磨损度的检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150330773A1 (en) * 2012-12-21 2015-11-19 Robert Bosch Gmbh Device and method for measuring the tread depth of a tire
US9805697B1 (en) * 2012-06-01 2017-10-31 Hunter Engineering Company Method for tire tread depth modeling and image annotation
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
US20180188025A1 (en) * 2015-08-25 2018-07-05 Continental Reifen Deutschland Gmbh Method for determining a tread depth of a tire profile and control device therefor
CN110060240A (zh) * 2019-04-09 2019-07-26 南京链和科技有限公司 一种基于摄像的轮胎轮廓测量方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9805697B1 (en) * 2012-06-01 2017-10-31 Hunter Engineering Company Method for tire tread depth modeling and image annotation
US20150330773A1 (en) * 2012-12-21 2015-11-19 Robert Bosch Gmbh Device and method for measuring the tread depth of a tire
US20180188025A1 (en) * 2015-08-25 2018-07-05 Continental Reifen Deutschland Gmbh Method for determining a tread depth of a tire profile and control device therefor
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
CN110060240A (zh) * 2019-04-09 2019-07-26 南京链和科技有限公司 一种基于摄像的轮胎轮廓测量方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932494A (zh) * 2020-07-01 2020-11-13 湖南省鹰眼在线电子科技有限公司 一种轮胎磨损程度评价方法及装置
CN111932494B (zh) * 2020-07-01 2022-06-17 湖南省鹰眼在线电子科技有限公司 一种轮胎磨损程度评价方法及装置
CN114076572A (zh) * 2020-08-13 2022-02-22 山东新凌志检测技术有限公司 一种基于单点激光测量技术的轮胎花纹深度测量系统
CN112097672A (zh) * 2020-09-18 2020-12-18 深圳市道通科技股份有限公司 一种胎纹深度测量方法及胎纹深度测量系统
CN112683191A (zh) * 2020-11-30 2021-04-20 深圳市道通科技股份有限公司 基于线激光的胎纹沟槽深度测量方法、装置及计算设备
CN112683191B (zh) * 2020-11-30 2022-06-28 深圳市道通科技股份有限公司 基于线激光的胎纹沟槽深度测量方法、装置及计算设备
CN112907568A (zh) * 2021-03-22 2021-06-04 上海眼控科技股份有限公司 轮胎磨损情况确定方法及装置、计算机设备、存储介质
CN113008158A (zh) * 2021-03-25 2021-06-22 烟台大学 多线激光轮胎花纹深度测量方法
CN115096203A (zh) * 2022-06-02 2022-09-23 深圳市二郎神视觉科技有限公司 一种激光测量轮胎胎纹深度的方法
CN115096203B (zh) * 2022-06-02 2024-06-07 深圳市二郎神视觉科技有限公司 一种激光测量轮胎胎纹深度的方法
CN117291893A (zh) * 2023-09-28 2023-12-26 广州市西克传感器有限公司 基于3d图像的轮胎胎面磨损度的检测方法

Also Published As

Publication number Publication date
CN110942460B (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN110942460B (zh) 一种轮胎花纹深度测量方法、系统及存储介质
US10311835B1 (en) Method for detection and estimation of tire tread wear
EP2891865B1 (en) Measuring method and measuring device
CN101896806B (zh) 通过比较所获取的图像与参考图像进行评估的方法
US9097514B2 (en) Device and method for inspecting tyre shape
JP6104416B2 (ja) 動的窓設定のシステム及び方法
EP2789970B1 (en) Tire shape inspection method and tire shape inspection apparatus
EP2634529B1 (en) Tire shape inspection method and tire shape inspection device
US6539789B1 (en) Detection of irregularities in a convex surface, such as a tire sidewall, using band-pass filtering
US7012701B2 (en) Measuring for device for contactless measurement of tires
Liu et al. An improved online dimensional measurement method of large hot cylindrical forging
CN115861291B (zh) 基于机器视觉的贴片电路板生产缺陷检测方法
CN103168219A (zh) 用于识别和定义形成轮胎胎面设计的基本花纹的方法
CN111932494B (zh) 一种轮胎磨损程度评价方法及装置
CN110473187B (zh) 一种面向对象的线扫描三维路面裂缝提取方法
CN103168220A (zh) 用于识别和定义形成轮胎胎面设计的基本花纹的方法
KR20140009209A (ko) 연속된 b-스플라인 변형을 이용한 타이어 표면의 삼차원 이미지 전처리 방법
CN115331086B (zh) 一种闸瓦折断和铆钉丢失故障检测方法
CN110926339A (zh) 一种基于一次投影结构光平行条纹图案的实时三维测量方法
JP2017129492A (ja) タイヤ接地面解析装置、タイヤ接地面解析システム及びタイヤ接地面解析方法
Cao et al. Enhanced edge detection for 3d crack segmentation and depth measurement with laser data
CN110631498B (zh) 一种获取轮胎接地区变形分布的方法
CN103493096A (zh) 轮胎内表面的数字图像的分析和伪测量点的处理
CN113503832A (zh) 一种基于物体横向尺寸辅助的绝对相位恢复方法
CN201707037U (zh) 一种光学三维成像仪

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