CN113758445A - 一种胎纹深度及嵌入异物碎片检测方法 - Google Patents
一种胎纹深度及嵌入异物碎片检测方法 Download PDFInfo
- Publication number
- CN113758445A CN113758445A CN202111152249.0A CN202111152249A CN113758445A CN 113758445 A CN113758445 A CN 113758445A CN 202111152249 A CN202111152249 A CN 202111152249A CN 113758445 A CN113758445 A CN 113758445A
- Authority
- CN
- China
- Prior art keywords
- tire
- foreign matter
- groove
- image
- tread
- 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.)
- Withdrawn
Links
- 239000012634 fragment Substances 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 229910052782 aluminium Inorganic materials 0.000 claims abstract description 29
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 38
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 239000011888 foil Substances 0.000 claims description 7
- 230000006378 damage Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 229910052751 metal Inorganic materials 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 239000003129 oil well Substances 0.000 claims description 3
- 239000004575 stone Substances 0.000 claims description 3
- 238000011410 subtraction method Methods 0.000 claims description 3
- 239000002023 wood Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000002790 cross-validation Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000007670 refining Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 abstract description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012888 cubic function Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 239000000123 paper Substances 0.000 description 2
- 239000011087 paperboard Substances 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 239000005060 rubber Substances 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
- G01S13/9064—Inverse SAR [ISAR]
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种胎纹深度及嵌入异物碎片检测方法，包括步骤：将调频连续波雷达部署在轮胎井中，利用调频连续波雷达获得超分辨率的胎面三维图像；在轮胎凹槽嵌入铝片，并进行空间编码，利用图像特征与空间编码机制计算胎面凹槽与轮胎中心的距离；在三维图像的频谱中，由于异物碎片等的存在，三维图像会受到这些噪声的频率的干扰，导致出现虚假峰值。本发明的有益效果是：本发明利用调频连续波雷达实现抗碎片干扰的胎纹深度检测及异物分类，且不需要在轮胎内嵌入任何电子设备，解决了轮胎磨损检测的成像分辨率低和碎片干扰难题，并且具有抗碎片干扰和超分辨胎面成像的优点，可以有效的大规模普及推广使用。
Description
技术领域
本发明属于轮胎磨损检测领域，尤其涉及一种胎纹深度及嵌入异物碎片检测方法。
背景技术
轮胎是汽车的关键组成部分，直接影响到汽车的安全和性能。早在10多年前，车辆都引入了轮胎压力监测系统，但轮胎磨损问题仍然是车祸的一大诱因。据不完全统计，我国高速公路发生的交通事故46％是由轮胎发生故障引起的，而过度磨损导致的爆胎一项占轮胎事故总量的50％。
现有轮胎压力监测系统只能感知与轮胎压力相关状况，而忽略了其他重要的轮胎安全信息，如轮胎磨损或胎面退化。作为轮胎磨损或胎面退化的主要指标，胎纹深度和异物碎片嵌入是判断轮胎是否需要更换的一个重要指标，在卡车运输行业，轮胎维护成本是仅次于燃料的第二大维护成本。因此，方便及时的胎纹深度和异物碎片嵌入检测对掌握汽车轮胎磨损状况具有重要意义。
已有技术通常将电子传感器(例如RFID等)嵌入轮胎内部来检测轮胎磨损状况，成本高昂且难以广泛应用，其原因是在轮胎上所部署的传感器必须能承受从-35℃到85℃的汽车级温度，并应对巨大压力、胎面摩擦以及各种地形及天气条件等。
因此，提出一种不需要在轮胎中嵌入传感设备的胎纹深度及异物碎片嵌入检测技术，就显得尤为重要。
发明内容
本发明的目的是克服现有技术中的不足，提供一种胎纹深度及嵌入异物碎片检测方法。
这种胎纹深度及嵌入异物碎片检测方法，包括以下步骤：
S1、将调频连续波雷达部署在轮胎井中，利用调频连续波雷达获得超分辨率的胎面三维图像；
S2、在轮胎凹槽嵌入铝片，并进行空间编码，利用图像特征与空间编码机制计算胎面凹槽与轮胎中心的距离；
S3、在三维图像的频谱中，由于异物碎片等的存在，三维图像会受到这些噪声的频率的干扰，导致出现虚假峰值；在超分辨率三维图像中处理掉产生虚假峰值的噪音干扰，计算胎纹深度；
S4、利用目标检测技术在胎面三维图像中检测和定位嵌入异物碎片，异物碎片包括有害异物碎片和无害异物碎片；
S4.1、通过机器视觉的目标检测技术定位轮胎中的嵌入异物：采用背景减法来不断监视轮胎反合成孔径雷达图像中出现的新反射信号，进行轮胎表面嵌入异物粗粒度定位；然后利用机器视觉的目标检测算法实现嵌入异物的细粒度定位；进而进一步确定嵌入异物在三维图像中所处具体位置；根据有害异物碎片的反射信号强度和在图像中的形状来区分嵌入的异物中的有害异物碎片与无害异物碎片，将嵌入异物碎片对轮胎表面的危害程度进行细化；实时通知用户后，根据当前危害程度判断是否进行轮胎更换服务；
S4.2、从定位到的异物碎片中提取出特征，建立有害异物碎片和无害异物碎片的基于线性的逻辑回归二分类的高斯混合模型，对不同模型中数据集的交叉验证计算，识别有害的嵌入异物；达到了较高的精度。
作为优选，步骤S1具体包括以下步骤：
S1.1、使用反合成孔径雷达技术，集成来自以已知移动速度的轮胎的多个接收信号，轮胎进行精确定位，以提高胎面三维图像的空间分辨率；
S1.2、设计沿深度轴优化的超分辨率算法，获得轮胎和凹槽表面的三维超分辨深度图像。
作为优选，步骤S1.2具体包括以下步骤：
S1.2.1、沿深度轴优化的超分辨率算法集成轮胎旋转时来自同一点的反射信号，获取轮胎胎面的超分辨率三维图像；
S1.2.2、鉴于轮胎是一个旋转体，本发明选择圆柱坐标，将原点定义为轮胎中心；设(r,Φ,z)表示轮胎表面三维空间中点X的圆柱坐标，其中r表示径向距离，Φ表示随着轮胎绕z轴的旋转而变化的方位角；设D表示调频连续波雷达沿正x轴距轮胎中心的距离；记录点(r,Φ(t),z)随着时间t的转动轨迹，其中r与胎面深度成正比，Φ(t)表示随着轮胎车轮旋转而变化的方位角；由于调频连续波雷达的雷达信号发生反射，将点X的轨道无线信道贡献hX(t)表示为：
上式中，λ表示调频连续波雷达的雷达信号波长，d(t)表示点(r,Φ(t),z)和点(D,0,0)之间的距离；-j为数学中表示向量的符号；
S1.2.3、利用逆合成孔径雷达对轮胎的旋转进行建模，将反射在轮胎上的点(r,Φ(0),z)的接收信号功率改写为：
上式中，λ表示波长，d(t)表示点(r,Φ(t),z)和(D,0,0)之间的距离，h(t)是在时间t时读取的无线信道，P(r,Φ(0),z)为无线信道在时间t的坐标下进行求和得到的接收信号功率；
S1.2.4、调频连续波雷达有多个天线元件，设计跨天线元件进行协同优化；具体为沿z轴放置多个天线，为每个天线从一个点创建预期的无线反射信道，然后对所有天线上的接收功率进行跨时间求和：
上式中，λ表示波长；d(t)表示点(r,Φ(t),z)和(D,0,0)之间的距离；hm(t)是在时间t时第m个天线读取到的无线信道，此时P(r,Φ(0),z)为M个天线接收到的无线信道在时间t的坐标下进行求和得到的接收信号功率。
作为优选，步骤S2具体包括以下步骤：
S2.1、鉴于调频连续波雷达在金属材质上的反射功率明显高于在其他材质(本发明实验表明铝片对调频连续波雷达接收的信号强度达到2.5*106，大约是纸片、橡胶、布料、塑料与纸板等材质接收的信号强度的2倍以上，铁片、铜片、银箔与金箔的接收的信号强度的1.5倍以上)，本发明通过在轮胎凹槽嵌入铝片，设计交错0-1编码的空间编码机制进行交错编码(0和1是针对交错放置的不同长度的铝片的交错编码)，增强轮胎凹槽在调频连续波雷达产生的超分辨率三维图像特征；根据嵌入铝片对雷达波的特殊反射率来寻找从轮胎反射信号中特定凹槽的特定编码铝片的反射信号，隔离轮胎凹槽反射信号与其他反射信号，其中其他反射信号来自于凹槽内的异物碎片；重复使用放置在已知凹槽位置的铝片的交错编码作为编码器，准确测量当前轮胎的旋转角度Φ(t)；
S2.2、计算出轮胎凹槽与轮胎中心的距离。
作为优选，步骤S2.2具体包括以下步骤：
S2.2.1、设(rA,ΦA,zA)表示轮胎第一道凹槽中点A的圆柱坐标，其中rA表示点A的径向距离，ΦA表示点A随着轮胎绕z轴的旋转而变化的方位角，zA表示轮胎的旋转时点A相对于z轴的偏移；由于雷达信号反射，将在轮胎凹槽中点A的轨道无线信道贡献hA(t)表示为：
上式中，λ表示波长；dA(t)表示随着时间t推移，轮胎不断旋转时，调频连续波雷达沿正X轴与点A的距离；
S2.2.2、通过轮胎第一道凹槽中点A随着时间t不断偏移的方向向量，综合表示轮胎的第一道凹槽：
HA(t)＝hA(t),t∈[1,N]
上式中，针对设定观察点A，围绕轮胎凹槽旋转一周所用的时间为N；hA(t)为在轮胎凹槽中点A的轨道无线信道贡献；
S2.2.3、用凹槽方向向量来表示凹槽的特征，轮胎中的凹槽方向向量由多道凹槽中多点的方向向量结合噪音进行表示：
Hrecv＝HA+HB+...Hn+noise
上式中，Hrecv表示轮胎中凹槽特征的方向向量表示，HA与HB分别表示A与B两道凹槽特征的向量表示，Hn为第n道凹槽特征的向量表示，noise表示噪音特征的向量表示；
S2.2.4、在沿着轨迹(r,Φ(t),z)移动时，从编码C中捕获预期的无线信道，计算编码C上的无线信道随着时间推移下测定的轮胎表面的方向向量内积；
上式中，Htemp,i(r)为轮胎某一凹槽编码i处的方向向量，r表示径向距离，
表示Htemp,i在已知编码形式C下的求和向量；
S2.2.5、将轮胎某一凹槽编码i处的方向向量对应的已知编码形式C下的求和向量与接收到的通道相关联，确定轮胎凹槽与轮胎中心的距离：
上式中，rgroove表示轮胎凹槽与轮胎中心的距离，corr()为相关性函数，Hrecv表示轮胎中的凹槽方向向量。
作为优选，步骤S2.1中为确保对轮胎动力学影响的最小化，基于调频连续波雷达的分辨率，分别选择长5厘米、宽3厘米、厚度250微米的铝箔作为嵌入轮胎凹槽的铝片。
作为优选，步骤S3具体包括如下步骤：
S3.1、将调频连续波雷达放置在与车身固定的油井质心处，限制安装松散导致的额外机械振动，保证不要由于安装松散问题而出现误差；对多个接收信号的测量值求平均值来降低由振动引起的虚假读数；倾斜的三次样条插值算法通过一系列沿着z轴倾斜角的离散值来确定一条z轴的倾斜角关于时间t的函数，三次样条插值将原始长序列分割成若干段构造多个三次函数，每段一个三次函数，使得分段的衔接处光滑衔接：
zi(t)＝ai+bi(z-zi)+ci(z-zi)2+di(z-zi)3，i＝0，1，2，...，n-1
上式中，(xi，yi，zi)表示第i次测量中倾斜角所在的方向向量离散值，ai、bi与ci表示第i次估计中的需要计算的参数，因此通过离散样本插值法即可确定zi(t)为z轴的倾斜角关于时间t的三次目标估计函数，最后通过平均这n个估计函数zi(t)即可求得z轴的倾斜角关于时间t的目标函数z(t)；
估计相对于z轴的偏移，在下一次基于该偏移重新运行检测算法时调整反合成孔径雷达系统的输出直至沿z轴的倾斜角的偏斜误差消失；并计算轮胎表面与轮胎中心的距离；
S3.2、通过轮胎模式识别和背景减法将轮胎表面的信号与其他反射信号来源隔离，去除轮胎表面图像中的其他反射信号对轮胎表面信号识别的干扰；
S3.2.1、使用背景减法检测三维图像中的运动目标：将图像序列中的当前帧和已经确定好或实时获取的背景参考模型做减法，计算出图像序列中与背景图像像素差异超过一定阀值的区域作为运动区域，确定运动物体位置、轮廓、大小特征；获取到背景图像帧A0以后，记当前视频图像帧为At，背景帧和当前帧对应像素点的灰度值分别记为A0(x，y)和At(x，y)，将背景帧和当前帧图像对应像素点的灰度值进行相减，并取其绝对值，得到差分图像Dt(x，y)：
Dt(x，y)＝|At(x，y)-A0(x，y)|
上式中，Dt(x，y)表示在t时刻像素点(x，y)处的差分图像的灰度值，A0(x，y)和At(x，y)分别表示在t时刻像素点(x，y)处的背景帧和当前帧的灰度值；
S3.2.2、设定阈值T，逐个对背景图像的像素点进行二值化处理，得到二值化图像Dn′；其中，灰度值为255的点为运动目标点，灰度值为0的点为背景点；对二值化图像Dn′进行连通性分析，最终得到含有完整运动目标的图像Dn：
S3.3、在超分辨率三维图像中处理掉产生虚假峰值的噪音干扰，计算轮胎旋转所有位置点的深度信息平均值，获得轮胎表面与轮胎中心点的距离rtread，用rtread减去胎面凹槽到轮胎中心距离rgroove，得出胎纹深度。
作为优选，步骤S4.1中定位到轮胎中的嵌入异物碎片包括木材、金属和石头。
作为优选，步骤S4.2中从定位到的异物碎片中提取出的特征包括反射信号振幅、异物反射率、异物在反合成孔径雷达图像上的形状和大小。
本发明的有益效果是：
本发明利用机器视觉提出一种不需要在轮胎中嵌入传感设备的胎纹深度及异物碎片嵌入检测方法；本发明首次通过在轮胎凹槽中嵌入铝片的方式实现凹槽深度的测量，由于铝片嵌入位置是轮胎凹槽，因此并不会对汽车行驶安全造成影响；
本发明对轮胎编码进行解码的方法是将轮胎的编码序列与不同的已知编码序列联系起来，以检测特定凹槽的存在，利用已知的凹槽的编码模式有效地测量凹槽的精确深度；
本发明利用调频连续波雷达实现抗碎片干扰的胎纹深度检测及异物分类，且不需要在轮胎内嵌入任何电子设备，解决了轮胎磨损检测的成像分辨率低和碎片干扰难题，并且具有抗碎片干扰和超分辨胎面成像的优点，可以有效的大规模普及推广使用。
附图说明
图1为本发明实施例搭建的轮胎磨损检测与嵌入异物识别系统示意图；
图2为本发明实施例中设计的空间编码机制效果图；
图3为本发明实施例中的用于胎纹深度和异物碎片嵌入的高效检测方法的流程图；
图4为本发明实施例中的用于计算胎面凹槽与轮胎中的距离的流程图；
图5为本发明实施例中用于计算胎纹深度的流程图；
图6为本发明实施例中嵌入异物定位和分类流程图。
附图标记说明：轮胎侧截面1、轮胎旋转角2、雷达设备3、距离坐标4、轮胎凹槽位置5、铝片交错嵌入位置6。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
实施例一
本申请实施例一提供了一种如图1所示的一种用于胎纹深度和异物碎片嵌入的高效检测系统，该系统包括：用于实验模拟测量的轮胎侧截面1，用于发射与接收信号的雷达设备3。其中实验测量的主要参数包括被测量的试验轮胎的旋转角2，雷达相对于被测量的试验轮胎的坐标4。
本实施例中的用于胎纹深度和异物碎片嵌入的高效检测系统，将调频连续波雷达部署在轮胎井中，利用调频连续波雷达获得超分辨率的胎面三维图像，在轮胎凹槽(轮胎凹槽位置5)嵌入铝片(铝片交错嵌入位置6)并进行空间编码，利用图像特征与空间编码机制计算胎面凹槽与轮胎中心的距离，在三维图像中处理掉可能产生虚假峰值的噪音干扰，同时计算胎纹深度，最后利用目标检测技术在胎面三维图像中检测和定位嵌入异物碎片，分为有害和无害两类，剔除有害异物的干扰。最终实现用于胎纹深度和异物碎片嵌入的高效检测系统设计。
实施例二
在实施例一的基础上，本申请实施例二提供了一种如图2所示的用于胎纹深度和异物碎片嵌入的高效检测方法，包括以下步骤：
S1、将调频连续波雷达部署在轮胎井中，利用调频连续波雷达获得超分辨率的胎面三维图像；
S102、基于反合成孔径雷达技术，利用轮胎的运动来提高胎面图像的空间分辨率；
S104、设计沿深度轴优化的超分辨率算法，获得轮胎和凹槽表面的三维超分辨深度图像；
S2、在轮胎凹槽嵌入铝片并进行空间编码，利用图像特征与空间编码机制计算胎面凹槽与轮胎中心的距离；
S202、设计轮胎凹槽嵌入铝片的空间编码机制；
S204、通过接收的无线信道与解码算法，计算出轮胎凹槽与轮胎中心的距离；
S3、在三维图像中处理掉可能产生虚假峰值的噪音干扰，计算胎纹深度；
S302、通过调整装置的位置，处理三类条件，即悬挂装置、往复振动与角误差在图像中的噪音影响，并计算轮胎表面与轮胎中心的距离；
S304、通过轮胎模式识别和背景减法将轮胎表面的信号与其他反射信号来源隔离，从而去除轮胎表面图像中的其他反射信号对轮胎表面信号识别的干扰；
S306、在三维图像中处理掉可能产生虚假峰值的噪音干扰，计算轮胎表面与轮胎中心的距离。根据轮胎表面和轮胎凹槽与轮胎中心的距离，计算出胎纹深度；
S4、利用目标检测技术在胎面三维图像中检测和定位嵌入异物碎片，分为有害和无害两类；
S402、通过机器视觉的目标检测技术定位轮胎中的木材、金属、石头等嵌入异物；
S404、从定位到的异物碎片中提取出特征，建立有害物体和无害物体的分类模型，识别有害的嵌入异物。
实施例三
在实施例一和实施例二的基础上，如图3所示，步骤S2具体为：
S202、鉴于调频连续波雷达在金属材质上的反射功率明显高于在其他材质(本发明实验表明铝片对调频连续波雷达接收的信号强度达到2.5*106，大约是纸片、橡胶、布料、塑料与纸板等材质接收的信号强度的2倍以上，铁片、铜片、银箔与金箔的接收的信号强度的1.5倍以上)，本发明通过在轮胎凹槽嵌入铝片并进行交错编码，增强轮胎凹槽在调频连续波雷达产生的超分辨率三维图像特征。
S204、将这些铝片放置在轮胎凹槽中，设计交错0-1编码的空间编码机制，其作用为：(1)基于这种编码修改算法，显式寻找从轮胎反射信号中特定凹槽的特定编码铝片的反射信号，完成轮胎凹槽反射信号与其他反射信号的隔离(凹槽内的碎片)；(2)重复使用放置在已知凹槽位置的铝片的交错编码作为编码器，准确测量当前轮胎的旋转角度Φ(t)。
本发明为确保对轮胎动力学影响的最小化基于调频连续波雷达的分辨率，分别选择5厘米和3厘米宽度，厚度为250微米的铝箔。
设(rA，ΦA，zA)表示轮胎第一道凹槽中的点A的圆柱坐标。rA表示径向距离，ΦA表示随着轮胎绕z轴的旋转而变化的方位角，zA表示随着轮胎的旋转点A相对于z轴的偏移。
由于雷达信号反射，在凹槽中点A的轨道无线信道贡献hA(t)表示为：
上式中，λ表示波长，dA(t)表示随着时间t推移轮胎不断旋转时，调频连续波雷达沿正X轴与点A的距离；
由此，可以通过轮胎第一道凹槽中点A随着时间t不断偏移的方向向量综合表示轮胎的第一道凹槽，其中点A围绕凹槽旋转一周的时间为N，具体表现为：
HA(t)＝hA(t)，t∈[1，N]
同理，轮胎中的凹槽特征可以由多道凹槽中点A、B等等的方向向量综合噪音表示：
Hrecv＝HA+HB+...Hn+noise
上式中，Hrecv表示轮胎中凹槽特征的方向向量表示，HA与HB分别表示A与B两道凹槽特征的向量表示，Hn为第n道凹槽特征的向量表示，noise表示噪音特征的向量表示。
本系统对轮胎编码进行解码的方法是将轮胎的编码序列与不同的已知编码序列联系起来，以检测特定凹槽的存在，主要的挑战是利用已知的凹槽的编码模式有效地测量凹槽的精确深度。同时，由于毫米波雷达有限的分辨率和轮胎旋转对雷达扫描的动力学影响，这种编码模式可能会遭到扭曲变形。
本系统通过开发一个模型
对这些影响进行了校准，该模型在沿着轨迹(r，Φ(t)，z)移动时，从编码C中捕获预期的无线信道，通过计算编码C上的无线信道与随着时间推移下测定的轮胎表面的方向向量之间的内积，即可求得轮胎凹槽与轮胎中心随着时间推移下的不同的距离。
设Htemp，i(r)为轮胎某一凹槽编码i处的方向向量，r表示径向距离，
表示Htemp，i在已知编码形式C下的求和向量：
与接收到的通道相关联确定r(t)给出的轮胎凹槽的真实深度：
上式中，rgrooove表示轮胎凹槽与轮胎中心的距离，corr()为相关性函数，Hrecv表示轮胎中的凹槽方向向量。
实施例四
在实施例一至实施例三的基础上，如图5所示，步骤S3具体为：
S302、通过两种方式消除振动对胎纹深度测量的影响：(1)将调频连续波雷达放置在与车身固定的油井质心处，限制安装松散导致的额外机械振动；(2)对多个收集信号的测量值求平均值，以降低由振动引起的虚假读数。
对于处理角误差的影响，通过模拟轮胎表面的边界特征并测量它们沿z轴的倾斜。随后，执行倾斜的三次样条插值来估计相对于z轴的偏移，基于该偏移重新运行检测算法，直到其反合成孔径雷达系统的输出中沿z轴的偏斜消失。
本发明中，倾斜的三次样条插值算法通过一系列沿着z轴倾斜角的离散值来确定一条z轴的倾斜角关于时间t的函数，从而在下一次运行检测算法时调整输出直至沿z轴的倾斜角的偏斜误差消失。三次样条插值就是将原始长序列分割成若干段构造多个三次函数(每段一个)，使得分段的衔接处光滑衔接，具体表现为：
zi(t)＝ai+bi(z-zi)+ci(z-zi)2+di(z-zi)3，i＝0，1，2，...，n-1
上式中zi(t)即为通过离散样本插值法确定z轴的倾斜角关于时间t的三次目标函数。
S304、本发明中通过以下两个步骤将轮胎表面的信号与其他反射信号来源隔离：(1)建模轮胎精确胎面模式在逆合成孔径雷达图像上的图像特征，有效地识别轮胎表面点；(2)沿着两个不同的时间窗减去接收到的信号，以保存动态伪影可以消除静态物体。
其中，使用背景减法检测三维图像中的运动目标的基本原理，就是将图像序列中的当前帧和已经确定好或实时获取的背景参考模型做减法，计算出与背景图像像素差异超过一定阀值的区域作为运动区域，从而来确定运动物体位置、轮廓、大小等特征。
获取到背景图像帧A0以后，记当前视频图像帧为At，背景帧和当前帧对应像素点的灰度值分别记为A0(x，y)和At(x，y)，将两帧图像对应像素点的灰度值进行相减，并取其绝对值，得到差分图像Dt(x，y)，具体表现为：
Dt(x，y)＝|At(x，y)-A0(x，y)|
上式中，Dt(x，y)表示在t时刻像素点(x，y)处的差分图像的灰度值，A0(x，y)和At(x，y)分别表示在t时刻像素点(x，y)处的背景帧和当前帧的灰度值。
设定阈值T，逐个对像素点进行二值化处理，得到二值化图像Dn′。其中，灰度值为255的点即为运动目标点，灰度值为0的点即为背景点。对图像Dn′进行连通性分析，最终可得到含有完整运动目标的图像Dn，具体表现为：
S306、通过计算轮胎旋转所有位置点的深度信息平均值，获得轮胎表面与轮胎中心点的距离rtread。随后，用rtread中减去之前对胎面凹槽到轮胎中心距离rgroove，可计算出胎纹深度。
实施例五
在实施例一至实施例四的基础上，如图6所示，步骤S4具体为：
S402、采用背景减法来不断监视轮胎反合成孔径雷达图像中出现的新反射信号，实现轮胎表面嵌入异物粗粒度定位。然后，利用图像目标检测算法实现嵌入异物的细粒度定位。从而，确定嵌入异物在三维图像中所处具体位置，从而对嵌入异物对轮胎表面的危害程度进行细化，实时通知用户的同时，分析当前危害程度是否需要进行轮胎更换服务。
S404、基于异物对调频连续波雷达信号的影响，提取三类特征：(1)反射信号振幅；(2)异物反射率；(3)异物在反合成孔径雷达图像上的形状和大小。基于该三类特征，采用逻辑回归二分类模型识别嵌入异物的类别。
Claims (9)
1.一种胎纹深度及嵌入异物碎片检测方法，其特征在于，包括以下步骤：
S1、将调频连续波雷达部署在轮胎井中，利用调频连续波雷达获得超分辨率的胎面三维图像；
S2、在轮胎凹槽嵌入铝片，并进行空间编码，利用图像特征与空间编码机制计算胎面凹槽与轮胎中心的距离；
S3、在超分辨率三维图像中处理掉产生虚假峰值的噪音干扰，计算胎纹深度；
S4、利用目标检测技术在胎面三维图像中检测和定位嵌入异物碎片，异物碎片包括有害异物碎片和无害异物碎片；
S4.1、通过机器视觉的目标检测技术定位轮胎中的嵌入异物：采用背景减法来不断监视轮胎反合成孔径雷达图像中出现的新反射信号，进行轮胎表面嵌入异物粗粒度定位；然后利用机器视觉的目标检测算法实现嵌入异物的细粒度定位；进而进一步确定嵌入异物在三维图像中所处具体位置；根据有害异物碎片的反射信号强度和在图像中的形状来区分嵌入的异物中的有害异物碎片与无害异物碎片，将嵌入异物碎片对轮胎表面的危害程度进行细化；实时通知用户后，根据当前危害程度判断是否进行轮胎更换服务；
S4.2、从定位到的异物碎片中提取出特征，建立有害异物碎片和无害异物碎片的基于线性的逻辑回归二分类的高斯混合模型，对不同模型中数据集的交叉验证计算，识别有害的嵌入异物。
2.根据权利要求1所述胎纹深度及嵌入异物碎片检测方法，其特征在于，步骤S1具体包括以下步骤：
S1.1、使用反合成孔径雷达技术，集成来自以已知移动速度的轮胎的多个接收信号，轮胎进行精确定位，以提高胎面三维图像的空间分辨率；
S1.2、设计沿深度轴优化的超分辨率算法，获得轮胎和凹槽表面的三维超分辨深度图像。
3.根据权利要求2所述胎纹深度及嵌入异物碎片检测方法，其特征在于，步骤S1.2具体包括以下步骤：
S1.2.1、沿深度轴优化的超分辨率算法集成轮胎旋转时来自同一点的反射信号，获取轮胎胎面的超分辨率三维图像；
S1.2.2、选择圆柱坐标，将原点定义为轮胎中心；设(r，Φ，z)表示轮胎表面三维空间中点X的圆柱坐标，其中r表示径向距离，Φ表示随着轮胎绕z轴的旋转而变化的方位角；设D表示调频连续波雷达沿正x轴距轮胎中心的距离；记录点(r，Φ(t)，z)随着时间t的转动轨迹，其中r与胎面深度成正比，Φ(t)表示随着轮胎车轮旋转而变化的方位角；由于调频连续波雷达的雷达信号发生反射，将点X的轨道无线信道贡献hX(t)表示为：
上式中，λ表示调频连续波雷达的雷达信号波长，d(t)表示点(r，Φ(t)，z)和点(D，0，0)之间的距离；-j为数学中表示向量的符号；
S1.2.3、利用逆合成孔径雷达对轮胎的旋转进行建模，将反射在轮胎上的点(r，Φ(0)，z)的接收信号功率改写为：
上式中，λ表示波长，d(t)表示点(r，Φ(t)，z)和(D，0，0)之间的距离，h(t)是在时间t时读取的无线信道，P(r，Φ(0)，z)为无线信道在时间t的坐标下进行求和得到的接收信号功率；
S1.2.4、调频连续波雷达有多个天线元件，设计跨天线元件进行协同优化；具体为沿z轴放置多个天线，为每个天线从一个点创建预期的无线反射信道，然后对所有天线上的接收功率进行跨时间求和：
上式中，λ表示波长；d(t)表示点(r，Φ(t)，z)和(D，0，0)之间的距离；hm(t)是在时间t时第m个天线读取到的无线信道，此时P(r，Φ(0)，z)为M个天线接收到的无线信道在时间t的坐标下进行求和得到的接收信号功率。
4.根据权利要求3所述胎纹深度及嵌入异物碎片检测方法，其特征在于，步骤S2具体包括以下步骤：
S2.1、通过在轮胎凹槽嵌入铝片，设计交错0-1编码的空间编码机制进行交错编码，增强轮胎凹槽在调频连续波雷达产生的超分辨率三维图像特征；根据嵌入铝片对雷达波的特殊反射率来寻找从轮胎反射信号中特定凹槽的特定编码铝片的反射信号，隔离轮胎凹槽反射信号与其他反射信号，其中其他反射信号来自于凹槽内的异物碎片；重复使用放置在已知凹槽位置的铝片的交错编码作为编码器，准确测量当前轮胎的旋转角度Φ(t)；
S2.2、计算出轮胎凹槽与轮胎中心的距离。
5.根据权利要求4所述胎纹深度及嵌入异物碎片检测方法，其特征在于，步骤S2.2具体包括以下步骤：
S2.2.1、设(rA，ΦA，zA)表示轮胎第一道凹槽中点A的圆柱坐标，其中rA表示点A的径向距离，ΦA表示点A随着轮胎绕z轴的旋转而变化的方位角，zA表示轮胎的旋转时点A相对于z轴的偏移；将在轮胎凹槽中点A的轨道无线信道贡献hA(t)表示为：
上式中，λ表示波长；dA(t)表示随着时间t推移，轮胎不断旋转时，调频连续波雷达沿正X轴与点A的距离；
S2.2.2、通过轮胎第一道凹槽中点A随着时间t不断偏移的方向向量，综合表示轮胎的第一道凹槽：
HA(t)＝hA(t)，t∈[1，N]
上式中，针对设定观察点A，围绕轮胎凹槽旋转一周所用的时间为N；hA(t)为在轮胎凹槽中点A的轨道无线信道贡献；
S2.2.3、用凹槽方向向量来表示凹槽的特征，轮胎中的凹槽方向向量由多道凹槽中多点的方向向量结合噪音进行表示：
Hrecv＝HA+HB+...+Hn+noise
上式中，Hrecv表示轮胎中凹槽特征的方向向量表示，HA与HB分别表示A与B两道凹槽特征的向量表示，Hn为第n道凹槽特征的向量表示，noise表示噪音特征的向量表示；
S2.2.4、在沿着轨迹(r，Φ(t)，z)移动时，从编码C中捕获预期的无线信道，计算编码C上的无线信道随着时间推移下测定的轮胎表面的方向向量内积；
上式中，Htemp，i(r)为轮胎某一凹槽编码i处的方向向量，r表示径向距离，
表示Htemp，i在已知编码形式C下的求和向量；
S2.2.5、将轮胎某一凹槽编码i处的方向向量对应的已知编码形式C下的求和向量与接收到的通道相关联，确定轮胎凹槽与轮胎中心的距离：
上式中，rgroove表示轮胎凹槽与轮胎中心的距离，corr()为相关性函数，Hrecv表示轮胎中的凹槽方向向量。
6.根据权利要求4所述胎纹深度及嵌入异物碎片检测方法，其特征在于：步骤S2.1基于调频连续波雷达的分辨率，分别选择长5厘米、宽3厘米、厚度250微米的铝箔作为嵌入轮胎凹槽的铝片。
7.根据权利要求5所述胎纹深度及嵌入异物碎片检测方法，其特征在于，步骤S3具体包括如下步骤：
S3.1、将调频连续波雷达放置在与车身固定的油井质心处；对多个接收信号的测量值求平均值来降低由振动引起的虚假读数；倾斜的三次样条插值算法通过着z轴倾斜角的离散值来确定一条z轴的倾斜角关于时间t的函数：
zi(t)＝ai+bi(x-xi)+ci(y-yi)2+di(z-zi)3，i＝0，1，2，...，n-1
上式中，(xi，yi，zi)表示第i次测量中倾斜角所在的方向向量离散值，ai、bi与ci表示第i次估计中待计算的参数，通过离散样本插值法确定zi(t)为z轴的倾斜角关于时间t的三次目标估计函数，最后通过对n个估计函数zi(t)求平均值，得到z轴的倾斜角关于时间t的的目标函数z(t)；
估计相对于z轴的偏移，在下一次基于该偏移重新运行检测算法时调整反合成孔径雷达系统的输出直至沿z轴的倾斜角的偏斜误差消失；并计算轮胎表面与轮胎中心的距离；
S3.2、通过轮胎模式识别和背景减法将轮胎表面的信号与其他反射信号来源隔离，去除轮胎表面图像中的其他反射信号对轮胎表面信号识别的干扰；
S3.2.1、使用背景减法检测三维图像中的运动目标：获取到背景图像帧A0以后，记当前视频图像帧为At，背景帧和当前帧对应像素点的灰度值分别记为A0(x，y)和At(x，y)，将背景帧和当前帧图像对应像素点的灰度值进行相减，并取其绝对值，得到差分图像Dt(x，y)：
Dt(x，y)＝|At(x，y)-A0(x，y)|
上式中，Dt(x，y)表示在t时刻像素点(x，y)处的差分图像的灰度值，A0(x，y)和At(x，y)分别表示在t时刻像素点(x，y)处的背景帧和当前帧的灰度值；
S3.2.2、设定阈值T，逐个对背景图像的像素点进行二值化处理，得到二值化图像Dn′；其中，灰度值为255的点为运动目标点，灰度值为0的点为背景点；对二值化图像Dn′进行连通性分析，最终得到含有完整运动目标的图像Dn：
S3.3、在超分辨率三维图像中处理掉产生虚假峰值的噪音干扰，计算轮胎旋转所有位置点的深度信息平均值，获得轮胎表面与轮胎中心点的距离rtread，用rtread减去胎面凹槽到轮胎中心距离rgroove，得出胎纹深度。
8.根据权利要求1所述胎纹深度及嵌入异物碎片检测方法，其特征在于：步骤S4.1中定位到轮胎中的嵌入异物碎片包括木材、金属和石头。
9.根据权利要求1所述胎纹深度及嵌入异物碎片检测方法，其特征在于：步骤S4.2中从定位到的异物碎片中提取出的特征包括反射信号振幅、异物反射率、异物在反合成孔径雷达图像上的形状和大小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111152249.0A CN113758445A (zh) | 2021-09-29 | 2021-09-29 | 一种胎纹深度及嵌入异物碎片检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111152249.0A CN113758445A (zh) | 2021-09-29 | 2021-09-29 | 一种胎纹深度及嵌入异物碎片检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113758445A true CN113758445A (zh) | 2021-12-07 |
Family
ID=78798255
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111152249.0A Withdrawn CN113758445A (zh) | 2021-09-29 | 2021-09-29 | 一种胎纹深度及嵌入异物碎片检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113758445A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114812376A (zh) * | 2022-04-21 | 2022-07-29 | 山东软科智能科技发展有限公司 | 一种车辆轮胎花纹深度检测系统及方法 |
-
2021
- 2021-09-29 CN CN202111152249.0A patent/CN113758445A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114812376A (zh) * | 2022-04-21 | 2022-07-29 | 山东软科智能科技发展有限公司 | 一种车辆轮胎花纹深度检测系统及方法 |
| CN114812376B (zh) * | 2022-04-21 | 2024-03-22 | 山东软科智能科技发展有限公司 | 一种车辆轮胎花纹深度检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yoon et al. | Feature extraction of a concrete tunnel liner from 3D laser scanning data | |
| Kim et al. | Comparative analysis of image binarization methods for crack identification in concrete structures | |
| Kim et al. | Review and analysis of pothole detection methods | |
| EP2789970B1 (en) | Tire shape inspection method and tire shape inspection apparatus | |
| EP2141475B1 (en) | Apparatus for determining the condition of a tire tread of a vehicle wheel | |
| Prabhakara et al. | Osprey: A mmWave approach to tire wear sensing | |
| CN106600966B (zh) | 一种基于激光雷达的车辆轮轴识别系统及方法 | |
| US8498466B2 (en) | Method of evaluation by comparison of an acquired image with a reference image | |
| CN110208806B (zh) | 一种航海雷达图像降雨识别方法 | |
| Singh et al. | A robust approach to identify roof bolts in 3D point cloud data captured from a mobile laser scanner | |
| CN105848932A (zh) | 汽车用轮胎的磨损量检测装置 | |
| US20090320581A1 (en) | Methods and apparatus for tire tread measurement | |
| Mathavan et al. | Pavement raveling detection and measurement from synchronized intensity and range images | |
| CN113758445A (zh) | 一种胎纹深度及嵌入异物碎片检测方法 | |
| CN109870457A (zh) | 轨道异物检测方法及装置 | |
| CN111256586A (zh) | 一种用于跨座式单轨巡检工程车的检测系统 | |
| CN105761305A (zh) | 一种车辆行驶检测方法及系统 | |
| CN109653045A (zh) | 轨距测量方法及装置 | |
| Ma et al. | Automatic detection of steel rebar in bridge decks from ground penetrating radar data | |
| CN115272930A (zh) | 一种基于探地雷达的路面状态评估方法 | |
| Van Der Horst et al. | Mobile laser scan data for road surface damage detection | |
| CN113192126A (zh) | 一种基于图像圆形物体识别的测距定位方法 | |
| CN112269176B (zh) | 一种矿山地表沉陷早期识别监测方法 | |
| JP7486610B2 (ja) | タイヤ感知システムおよび方法 | |
| Ryu et al. | Feature-based pothole detection in two-dimensional images |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211207 |
|
| WW01 | Invention patent application withdrawn after publication |