CN116468729A - 一种汽车底盘异物检测方法、系统及计算机 - Google Patents
一种汽车底盘异物检测方法、系统及计算机 Download PDFInfo
- Publication number
- CN116468729A CN116468729A CN202310727726.4A CN202310727726A CN116468729A CN 116468729 A CN116468729 A CN 116468729A CN 202310727726 A CN202310727726 A CN 202310727726A CN 116468729 A CN116468729 A CN 116468729A
- Authority
- CN
- China
- Prior art keywords
- image
- chassis
- detected
- standard
- foreign matter
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000010586 diagram Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000003702 image correction Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种汽车底盘异物检测方法、系统及计算机,方法包括:获取底盘的初始图像,对初始图像进行去噪处理,以获取待测图像;提取待测图像的边缘信息,以获取边缘图像,基于边缘图像获取待测特征曲线;提取识别库内不同车辆的标准特征曲线,将待测特征曲线与标准特征曲线进行比对,以获取比对底盘图;对待测图像进行图像矫正,以获取待比对底盘图;比对待比对底盘图与比对底盘图,以完成异物标识。通过待测特征曲线确定底盘的型号,进而通过比对底盘图与待比对底盘图之间的差异完成异物的识别,检测过程无需人工参与,节约了人力,提供了一种快速、精确的自动化异物检测方法。
Description
技术领域
本申请涉及图像数据处理技术领域,特别是涉及一种汽车底盘异物检测方法、系统及计算机。
背景技术
车身底盘作为汽车的重要组成部分之一,其作用是支撑固定发动机或驱动电机、各悬挂系统、转向系统及其他零部件,形成汽车的整体骨架结构并达成完善特性造型,同时需要承接着发动机的动力输出功率,使汽车产生动能传输到轮胎,与地面产生摩擦驱动,保证汽车能正常行驶。
车辆在行驶过程中,底盘容易与地面存在的砂石、木杆、金属块等异物接触,在接触过程中,可能会导致异物卡于底盘上,进而使底盘发生故障,影响车辆的正常行驶,若易导热的异物卡于新能源车的底盘上,在新能源车充电时,将产生更为严重的安全隐患。
现对底盘异物的检测,一般通过人工的方式进行,其一是在车辆周侧环视底盘进行检测;其二是以仰卧的方式进行车底进行检测。但通过人工的方式进行检测不仅费时费力,且检测工作不细致,容易产生漏检的情况,进而导致车辆行驶时存在安全隐患。
发明内容
本申请实施例提供了一种汽车底盘异物检测方法、系统及计算机,以解决现有技术中通过人工的方式进行底盘异物检测,不仅费时费力,且容易因漏检而为车辆的行驶留下安全隐患的技术问题。
第一方面,本申请实施例提供了一种汽车底盘异物检测方法,包括以下步骤:
获取底盘的初始图像,对所述初始图像进行去噪处理,以获取待测图像;
提取所述待测图像的边缘信息,以获取边缘图像,基于所述边缘图像获取待测特征曲线;
提取识别库内不同车辆的标准底盘图,获取与所述标准底盘图对应的标准特征曲线,计算所述待测特征曲线与所述标准特征曲线之间的关联系数,将关联系数最大的所述标准特征曲线对应的所述标准底盘图选定为比对底盘图;
对所述待测图像进行图像矫正,以获取待比对底盘图;
比对所述待比对底盘图与所述比对底盘图,以完成异物标识。
进一步地,所述对所述初始图像进行去噪处理,以获取待测图像的步骤包括:
去除所述初始图像中的随机噪声,以获取待处理图像;
对所述待处理图像进行灰度闭运算,以获取所述待测图像。
进一步地,所述对所述待处理图像进行灰度闭运算的步骤包括:
构建高斯模板,并通过所述高斯模板对所述待处理图像进行灰度膨胀处理;
对灰度膨胀处理后的所述待处理图像进行灰度腐蚀处理。
进一步地,所述高斯模板为:
,
其中,表示高斯模板,/>表示比例系数,/>表示像素点的横坐标,/>表示像素点的纵坐标,/>表示标准差,/>表示指数函数。
进一步地,所述基于所述边缘图像获取待测特征曲线的步骤包括:
将所述边缘图像进行灰度投影,以获取投影曲线;
以所述投影曲线内的极值点为分割点,将所述投影曲线分割为若干个子线段;
对所述子线段进行平滑处理,以获取若干个矫正线段;
拼接若干个所述矫正线段,以形成所述待测特征曲线。
进一步地,所述对所述待测图像进行图像矫正,以获取待比对底盘图的步骤包括:
提取所述待测图像的若干个第一特征点及所述比对底盘图的若干个第二特征点;
以所述第一特征点为基准,将所述第二特征点与所述第一特征点进行单向匹配,生成若干个欧式距离最小的第一点对;
以所述第二特征点为基准,将所述第一特征点与所述第二特征点进行单向匹配,生成若干个距离最小的第二点对;
提取若干个所述第一点对与若干个所述第二点对之间重合的点对,以形成单应性矩阵;
基于所述单应性矩阵矫正所述待测图像,以获取待比对底盘图。
进一步地,所述比对所述待比对底盘图与所述比对底盘图,以完成异物标识步骤包括:
将所述待比对底盘图与所述比对底盘图之间进行差分处理,以获取差分图像;
增强所述差分图像的对比度,并进行阈值化处理,以获取二值化图像;
对所述二值化图像进行边缘追踪,以完成异物标识。
第二方面,本申请实施例提供了一种汽车底盘异物检测系统,应用如上述技术方案中所述的汽车底盘异物检测方法,所述系统包括:
预处理模块,用于获取底盘的初始图像,对所述初始图像进行去噪处理,以获取待测图像;
第一提取模块,用于提取所述待测图像的边缘信息,以获取边缘图像,基于所述边缘图像获取待测特征曲线;
第二提取模块,用于提取识别库内不同车辆的标准底盘图,获取与所述标准底盘图对应的标准特征曲线,计算所述待测特征曲线与所述标准特征曲线之间的关联系数,将关联系数最大的所述标准特征曲线对应的所述标准底盘图选定为比对底盘图;
修正模块,用于对所述待测图像进行图像矫正,以获取待比对底盘图;
标识模块,用于比对所述待比对底盘图与所述比对底盘图,以完成异物标识。
第三方面,本申请实施例提供了一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的汽车底盘异物检测方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面所述的汽车底盘异物检测方法。
相较于现有技术,本发明的有益效果在于:完成所述初始图像的获取后,对其进行去噪处理,可避免底盘上的划痕等干扰信息影响后续的异物识别,通过获取所述待测特征曲线,将所述待测特征曲线与所述标准特征曲线进行比对,以形状特征为出发点,可通过所述待测特征曲线确定底盘的型号,进而通过所述比对底盘图与所述待比对底盘图之间的差异特征,完成异物的识别,该检测过程无需人工参与,节约了人力,提供了一种快速、精确的自动化异物检测方法。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
图1为本发明第一实施例中汽车底盘异物检测方法的流程图;
图2为本发明第二实施例中汽车底盘异物检测系统的结构框图;
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
请参阅图1,本发明第一实施例提供的汽车底盘异物检测方法,所述方法包括步骤S10至步骤S50:
步骤S10:获取底盘的初始图像,对所述初始图像进行去噪处理,以获取待测图像;
在本实施例中,采用线阵CCD相机完成所述底盘的初始图像的获取。在汽车行驶过程中,因异物的磕碰,所述底盘上容易产生划痕等干扰信息,为过滤干扰信息对后续异物检测的影响,需对所述初始图像进行去噪处理。
具体地,步骤S10包括:
步骤S101:去除所述初始图像中的随机噪声,以获取待处理图像;
在本实施例中,通过中值滤波对所述初始图像进行噪声抑制,即对所述初始图像进行平滑处理,以完成干扰信息的过滤,进而获取所述待处理图像。
步骤S102:对所述待处理图像进行灰度闭运算,以获取所述待测图像。
进行灰度闭运算的目的,其目的是不明显改变其他区域面积的情况下,消除所述待测图像中细小的黑色空洞,同时,可平滑所述待处理图像中纹理过于丰富的区域,以便于后续的操作。具体地,对所述待处理图像进行灰度闭运算的步骤包括:
构建高斯模板,并通过所述高斯模板对所述待处理图像进行灰度膨胀处理;
所述高斯模板为:
,
其中,表示高斯模板,/>表示比例系数,/>表示像素点的横坐标,/>表示像素点的纵坐标,/>表示标准差,/>表示指数函数。优选地,所述比例系数的取值范围为80~100,所述标准差的取值范围为10~20,以适配256灰阶的所述待处理图像。
对灰度膨胀处理后的所述待处理图像进行灰度腐蚀处理。
步骤S20:提取所述待测图像的边缘信息,以获取边缘图像,基于所述边缘图像获取待测特征曲线;
仅通过所述待测图像本身,无法完成异物的识别,因此,需要寻找一标定物为所述待测图像的参照,进而完成异物的识别。提取所述待测特征曲线的目的,即是为标定物的搜索提供依据。
因所述底盘存在明显的凹凸变化,且部分区域的灰度亮暗也存在一定的区别,因此以所述底盘的形状特征为出发点,提取所述待测图像的边缘信息,即可获取所述边缘图像。
具体地,所述步骤S20包括:
步骤S201:将所述边缘图像进行灰度投影,以获取投影曲线;
进行灰度投影的目的,是为了将二维的所述边缘图像转换为一维的所述投影曲线。
步骤S202:以所述投影曲线内的极值点为分割点,将所述投影曲线分割为若干个子线段;
步骤S203:对所述子线段进行平滑处理,以获取若干个矫正线段;
为了减小噪声的干扰,需要对所述投影曲线进行平滑处理,而将所述投影曲线进行分割后再进行平滑处理,可提高噪声的剔除效果,使所述投影曲线的指向性更为明确。
步骤S204:拼接若干个所述矫正线段,以形成所述待测特征曲线;
步骤S30:提取识别库内不同车辆的标准底盘图,获取与所述标准底盘图对应的标准特征曲线,计算所述待测特征曲线与所述标准特征曲线之间的关联系数,将关联系数最大的所述标准特征曲线对应的所述标准底盘图选定为比对底盘图;
所述识别库储存了不同车辆的所述标准底盘图,通过对所述标准底盘图进行如步骤S20的处理,以获取所述标准特征曲线,将所述待测特征曲线与不同车辆的所述标准特征曲线进行比对,即可完成所述待测图像的参照物的选定。
所述关联系数的计算公式为:
,
其中,表示关联系数,/>表示标准特征曲线上的标准特征点,/>表示标准特征曲线上标准特征点的均值,/>表示待测特征曲线上与标准特征点对应的待测特征点,/>表示待测特征曲线上待测特征点按照标准特征点线性回归后的预测值,n表示计算参数,i表示特征点序号。
可以理解地,完成关联系数最大的所述标准特征曲线的获取后,即可完成所述底盘的型号确定,通过所述比对底盘图与所述待测图像进行比对,以实现异物检测。
步骤S40:对所述待测图像进行图像矫正,以获取待比对底盘图;
因如光照强弱、路面污染、使用时间等外界因素的影响,所述待测图像存在一定的畸形变化,进而导致所述待测图像与所述比对底盘图之间存在较多的差异,若直接进行比对,则所提取到的异物标识将与实际情况之间产生较大的误差,通过对所述待测图像进行图像校正,可一定程度的规避此类误差,提高异物检测的准确性。
具体地,所述步骤S40包括:
S401:提取所述待测图像的若干个第一特征点及所述比对底盘图的若干个第二特征点;
优选地,若干个所述第一特征点用于表述所述待测图像的全部特征,若干个所述第二特征点用于表述所述比对底盘图的全部特征。
S402:以所述第一特征点为基准,将所述第二特征点与所述第一特征点进行单向匹配,生成若干个欧式距离最小的第一点对;
将若干个所述第一特征点转换为第一描述向量,并将若干个所述第二特征点转换为第二描述向量,以所述第一特征点为基准,即以所述待测图像为基准,计算所述第一描述向量与所述第二描述向量之间的欧式距离,某一所述第一特征点及与其欧式距离最小的某一所述第二特征点之间组成所述第一点对。
S403:以所述第二特征点为基准,将所述第一特征点与所述第二特征点进行单向匹配,生成若干个距离最小的第二点对;
可以理解地,以所述第二特征点为基准,即以所述比对底盘图为基准,生成所述第二点对。
S403:提取若干个所述第一点对与若干个所述第二点对之间重合的点对,以形成单应性矩阵;
单应性矩阵用于描述两个平面上的对应点之间的变换关系,提取所述第一点对及所述第二点对之间重合的点对,相较于以第一点对或以第二点对进行单向调节,其为后期对所述待测图像的矫正提供了更为精确的依据。
S404:基于所述单应性矩阵矫正所述待测图像,以获取待比对底盘图。
可以理解地,所述第一点对及所述第二点对之间重合的点对,其包含了相互对应的部分所述第一特征点及部分所述第二特征点,通过两者之间的关系完成所述单应性矩阵的构建后,即可通过所述单应性矩阵矫正所述待测图像。
步骤S50:比对所述待比对底盘图与所述比对底盘图,以完成异物标识。
具体地,所述步骤S50包括:
S501:将所述待比对底盘图与所述比对底盘图之间进行差分处理,以获取差分图像;
S502:增强所述差分图像的对比度,并进行阈值化处理,以获取二值化图像;
一般情况下,差分图像的对比度较低,通过增强所述差分图像的对比度,可便于对其进行阈值化处理,通过设定预设阈值,以所述预设阈值对所述差分图像进行像素分割,以获取第一像素集及第二像素集;基于所述第一像素集的平均亮度及所述第二像素集的平均亮度获取预估阈值;比对所述预设阈值及所述预估阈值,若所述预估阈值小于所述预设阈值,则将所述预估阈值判定为分隔阈值;基于所述分隔阈值完成所述差分图像的阈值化处理,以获取二值化图像。通过阈值化处理,可提取所述差分图像中的重要信息。
S503:对所述二值化图像进行边缘追踪,以完成异物标识。
通过边缘追踪,即可将所述待比对底盘图与所述比对底盘图之间的差异点进行轮廓标识,即完成异物标识,进而完成异物检测。
完成所述初始图像的获取后,对其进行去噪处理,可避免底盘上的划痕等干扰信息影响后续的异物识别,通过获取所述待测特征曲线,将所述待测特征曲线与所述标准特征曲线进行比对,以形状特征为触发点,可通过所述待测特征曲线确定底盘的型号,进而通过所述比对底盘图与所述待比对底盘图之间的差异特征,完成异物的识别,该检测过程无需人工参与,节约了人力,提供了一种快速、精确的自动化异物检测方法。
请参阅图2,本发明第二实施例提供了一种汽车底盘异物检测系统,该系统应用上述实施例中的汽车底盘异物检测方法,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
所述系统包括:
预处理模块10,用于获取底盘的初始图像,对所述初始图像进行去噪处理,以获取待测图像;
所述预处理模块10包括:
第一处理单元,用于获取底盘的初始图像,去除所述初始图像中的随机噪声,以获取待处理图像;
第二处理单元,用于对所述待处理图像进行灰度闭运算,以获取所述待测图像;
所述第二处理单元具体用于构建高斯模板,并通过所述高斯模板对所述待处理图像进行灰度膨胀处理;对灰度膨胀处理后的所述待处理图像进行灰度腐蚀处理,以获取所述待测图像。
第一提取模块20,用于提取所述待测图像的边缘信息,以获取边缘图像,基于所述边缘图像获取待测特征曲线;
所述第一提取模块20包括:
提取单元,用于提取所述待测图像的边缘信息,以获取边缘图像,将所述边缘图像进行灰度投影,以获取投影曲线;
切割单元,用于以所述投影曲线内的极值点为分割点,将所述投影曲线分割为若干个子线段;
第三处理单元,用于对所述子线段进行平滑处理,以获取若干个矫正线段;
组合单元,用于拼接若干个所述矫正线段,以形成所述待测特征曲线。
第二提取模块30,用于提取识别库内不同车辆的标准底盘图,获取与所述标准底盘图对应的标准特征曲线,计算所述待测特征曲线与所述标准特征曲线之间的关联系数,将关联系数最大的所述标准特征曲线对应的所述标准底盘图选定为比对底盘图;
修正模块40,用于对所述待测图像进行图像矫正,以获取待比对底盘图;
所述修正模块40包括:
第四处理单元,用于提取所述待测图像的若干个第一特征点及所述比对底盘图的若干个第二特征点;
第一匹配单元,用于以所述第一特征点为基准,将所述第二特征点与所述第一特征点进行单向匹配,生成若干个欧式距离最小的第一点对;
第二匹配单元,用于以所述第二特征点为基准,将所述第一特征点与所述第二特征点进行单向匹配,生成若干个距离最小的第二点对;
分析单元,用于提取若干个所述第一点对与若干个所述第二点对之间重合的点对,以形成单应性矩阵;
执行单元,用于基于所述单应性矩阵矫正所述待测图像,以获取待比对底盘图。
标识模块50,用于比对所述待比对底盘图与所述比对底盘图,以完成异物标识。
所述标识模块50包括:
第一单元,用于将所述待比对底盘图与所述比对底盘图之间进行差分处理,以获取差分图像;
第二单元,用于增强所述差分图像的对比度,并进行阈值化处理,以获取二值化图像;
第三单元,对所述二值化图像进行边缘追踪,以完成异物标识。
本发明还提供了一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述技术方案中所述的汽车底盘异物检测方法。
本发明还提供了一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述技术方案中所述的汽车底盘异物检测方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种汽车底盘异物检测方法,其特征在于,包括以下步骤:
获取底盘的初始图像,对所述初始图像进行去噪处理,以获取待测图像;
提取所述待测图像的边缘信息,以获取边缘图像,基于所述边缘图像获取待测特征曲线;
提取识别库内不同车辆的标准底盘图,获取与所述标准底盘图对应的标准特征曲线,计算所述待测特征曲线与所述标准特征曲线之间的关联系数,将关联系数最大的所述标准特征曲线对应的所述标准底盘图选定为比对底盘图;
对所述待测图像进行图像矫正,以获取待比对底盘图;
比对所述待比对底盘图与所述比对底盘图,以完成异物标识。
2.根据权利要求1所述的汽车底盘异物检测方法,其特征在于,所述对所述初始图像进行去噪处理,以获取待测图像的步骤包括:
去除所述初始图像中的随机噪声,以获取待处理图像;
对所述待处理图像进行灰度闭运算,以获取所述待测图像。
3.根据权利要求2所述的汽车底盘异物检测方法,其特征在于,所述对所述待处理图像进行灰度闭运算的步骤包括:
构建高斯模板,并通过所述高斯模板对所述待处理图像进行灰度膨胀处理;
对灰度膨胀处理后的所述待处理图像进行灰度腐蚀处理。
4.根据权利要求3所述的汽车底盘异物检测方法,其特征在于,所述高斯模板为:
,
其中,表示高斯模板,/>表示比例系数,/>表示像素点的横坐标,/>表示像素点的纵坐标,/>表示标准差,/>表示指数函数。
5.根据权利要求1所述的汽车底盘异物检测方法,其特征在于,所述基于所述边缘图像获取待测特征曲线的步骤包括:
将所述边缘图像进行灰度投影,以获取投影曲线;
以所述投影曲线内的极值点为分割点,将所述投影曲线分割为若干个子线段;
对所述子线段进行平滑处理,以获取若干个矫正线段;
拼接若干个所述矫正线段,以形成所述待测特征曲线。
6.根据权利要求1所述的汽车底盘异物检测方法,其特征在于,所述对所述待测图像进行图像矫正,以获取待比对底盘图的步骤包括:
提取所述待测图像的若干个第一特征点及所述比对底盘图的若干个第二特征点;
以所述第一特征点为基准,将所述第二特征点与所述第一特征点进行单向匹配,生成若干个欧式距离最小的第一点对;
以所述第二特征点为基准,将所述第一特征点与所述第二特征点进行单向匹配,生成若干个距离最小的第二点对;
提取若干个所述第一点对与若干个所述第二点对之间重合的点对,以形成单应性矩阵;
基于所述单应性矩阵矫正所述待测图像,以获取待比对底盘图。
7.根据权利要求1所述的汽车底盘异物检测方法,其特征在于,所述比对所述待比对底盘图与所述比对底盘图,以完成异物标识步骤包括:
将所述待比对底盘图与所述比对底盘图之间进行差分处理,以获取差分图像;
增强所述差分图像的对比度,并进行阈值化处理,以获取二值化图像;
对所述二值化图像进行边缘追踪,以完成异物标识。
8.一种汽车底盘异物检测系统,应用如权利要求1~7任一项所述的汽车底盘异物检测方法,其特征在于,所述系统包括:
预处理模块,用于获取底盘的初始图像,对所述初始图像进行去噪处理,以获取待测图像;
第一提取模块,用于提取所述待测图像的边缘信息,以获取边缘图像,基于所述边缘图像获取待测特征曲线;
第二提取模块,用于提取识别库内不同车辆的标准底盘图,获取与所述标准底盘图对应的标准特征曲线,计算所述待测特征曲线与所述标准特征曲线之间的关联系数,将关联系数最大的所述标准特征曲线对应的所述标准底盘图选定为比对底盘图;
修正模块,用于对所述待测图像进行图像矫正,以获取待比对底盘图;
标识模块,用于比对所述待比对底盘图与所述比对底盘图,以完成异物标识。
9.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的汽车底盘异物检测方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的汽车底盘异物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310727726.4A CN116468729B (zh) | 2023-06-20 | 2023-06-20 | 一种汽车底盘异物检测方法、系统及计算机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310727726.4A CN116468729B (zh) | 2023-06-20 | 2023-06-20 | 一种汽车底盘异物检测方法、系统及计算机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116468729A true CN116468729A (zh) | 2023-07-21 |
CN116468729B CN116468729B (zh) | 2023-09-12 |
Family
ID=87184707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310727726.4A Active CN116468729B (zh) | 2023-06-20 | 2023-06-20 | 一种汽车底盘异物检测方法、系统及计算机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116468729B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291914A (zh) * | 2023-11-24 | 2023-12-26 | 南昌江铃华翔汽车零部件有限公司 | 汽车零部件缺陷检测方法、系统、计算机及存储介质 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002168799A (ja) * | 2000-12-04 | 2002-06-14 | Hitachi Ltd | パターン欠陥検査方法 |
JP2002190031A (ja) * | 2000-10-11 | 2002-07-05 | Hiroaki Kunieda | 曲線識別システム |
US20030095626A1 (en) * | 2001-11-21 | 2003-05-22 | Anderton R. Larry | Method and apparatus for enhancing the contrast of a medical diagnostic image that includes foreign objects |
JP2010054356A (ja) * | 2008-08-28 | 2010-03-11 | Anritsu Sanki System Co Ltd | 画像処理装置及びそれを備えたx線異物検出装置並びに画像処理方法 |
CN103646248A (zh) * | 2013-11-28 | 2014-03-19 | 西安理工大学 | 基于双目线阵ccd汽车底盘成像的异物检测方法 |
CN103984961A (zh) * | 2014-05-30 | 2014-08-13 | 成都西物信安智能系统有限公司 | 一种用于检测车底异物的图像检测方法 |
WO2016107478A1 (zh) * | 2014-12-30 | 2016-07-07 | 清华大学 | 车辆底盘检查方法和系统 |
CN105933611A (zh) * | 2016-06-29 | 2016-09-07 | 南京雅信科技集团有限公司 | 轨道异物侵限识别中防摄像头抖动的动态包络线绘制方法 |
CN107316297A (zh) * | 2017-07-07 | 2017-11-03 | 山东商务职业学院 | 食用油杂质的视觉检测方法 |
CN107451999A (zh) * | 2017-08-16 | 2017-12-08 | 中惠创智无线供电技术有限公司 | 基于图像识别的异物检测方法和装置 |
CN109886935A (zh) * | 2019-01-28 | 2019-06-14 | 南京威翔科技有限公司 | 一种基于深度学习的道面异物检测方法 |
CN110261436A (zh) * | 2019-06-13 | 2019-09-20 | 暨南大学 | 基于红外热成像和计算机视觉的轨道故障检测方法及系统 |
WO2020048027A1 (zh) * | 2018-09-06 | 2020-03-12 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于动态感兴趣区域的鲁棒性车道线检测方法 |
CN111160125A (zh) * | 2019-12-11 | 2020-05-15 | 北京交通大学 | 基于铁路监控的铁路异物入侵检测方法 |
CN111738342A (zh) * | 2020-06-24 | 2020-10-02 | 西南交通大学 | 一种受电弓异物检测方法、存储介质及计算机设备 |
CN111832634A (zh) * | 2020-06-28 | 2020-10-27 | 深圳市优必选科技股份有限公司 | 异物检测方法、系统、终端设备及存储介质 |
CN112364721A (zh) * | 2020-10-23 | 2021-02-12 | 西安科锐盛创新科技有限公司 | 一种道面异物检测方法 |
WO2021042682A1 (zh) * | 2019-09-03 | 2021-03-11 | 国网辽宁省电力有限公司电力科学研究院 | 变电站异物识别方法、装置、系统、电子设备和存储介质 |
CN112630222A (zh) * | 2020-11-24 | 2021-04-09 | 河海大学常州校区 | 一种基于机器视觉的手机盖板玻璃缺陷检测方法 |
CN112991348A (zh) * | 2021-05-24 | 2021-06-18 | 南京索安电子有限公司 | 一种车辆底盘异物检测方法、装置及存储介质 |
US20210256291A1 (en) * | 2019-05-09 | 2021-08-19 | Boe Technology Group Co., Ltd. | Computer-implemented method of detecting foreign object on background object in an image, apparatus for detecting foreign object on background object in an image, and computer-program product |
CN113487561A (zh) * | 2021-07-02 | 2021-10-08 | 成都唐源电气股份有限公司 | 基于灰度梯度异常投票的受电弓异物检测方法及装置 |
CN113870217A (zh) * | 2021-09-27 | 2021-12-31 | 菲特(天津)检测技术有限公司 | 一种基于机器视觉的边缘偏移视觉测量方法、图像检测仪 |
WO2023280081A1 (zh) * | 2021-07-07 | 2023-01-12 | 同方威视技术股份有限公司 | 空盘识别装置和方法 |
CN115709354A (zh) * | 2022-11-30 | 2023-02-24 | 南昌江铃华翔汽车零部件有限公司 | 一种汽车零部件焊接防漏件机构 |
WO2023040104A1 (zh) * | 2021-09-15 | 2023-03-23 | 中航华东光电(上海)有限公司 | 一种管道异物检测装置及检测方法 |
WO2023078309A1 (zh) * | 2021-11-05 | 2023-05-11 | 苏州微创畅行机器人有限公司 | 目标特征点提取方法、装置、计算机设备和存储介质 |
-
2023
- 2023-06-20 CN CN202310727726.4A patent/CN116468729B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002190031A (ja) * | 2000-10-11 | 2002-07-05 | Hiroaki Kunieda | 曲線識別システム |
JP2002168799A (ja) * | 2000-12-04 | 2002-06-14 | Hitachi Ltd | パターン欠陥検査方法 |
US20030095626A1 (en) * | 2001-11-21 | 2003-05-22 | Anderton R. Larry | Method and apparatus for enhancing the contrast of a medical diagnostic image that includes foreign objects |
JP2010054356A (ja) * | 2008-08-28 | 2010-03-11 | Anritsu Sanki System Co Ltd | 画像処理装置及びそれを備えたx線異物検出装置並びに画像処理方法 |
CN103646248A (zh) * | 2013-11-28 | 2014-03-19 | 西安理工大学 | 基于双目线阵ccd汽车底盘成像的异物检测方法 |
CN103984961A (zh) * | 2014-05-30 | 2014-08-13 | 成都西物信安智能系统有限公司 | 一种用于检测车底异物的图像检测方法 |
WO2016107478A1 (zh) * | 2014-12-30 | 2016-07-07 | 清华大学 | 车辆底盘检查方法和系统 |
CN105933611A (zh) * | 2016-06-29 | 2016-09-07 | 南京雅信科技集团有限公司 | 轨道异物侵限识别中防摄像头抖动的动态包络线绘制方法 |
CN107316297A (zh) * | 2017-07-07 | 2017-11-03 | 山东商务职业学院 | 食用油杂质的视觉检测方法 |
CN107451999A (zh) * | 2017-08-16 | 2017-12-08 | 中惠创智无线供电技术有限公司 | 基于图像识别的异物检测方法和装置 |
WO2020048027A1 (zh) * | 2018-09-06 | 2020-03-12 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于动态感兴趣区域的鲁棒性车道线检测方法 |
CN109886935A (zh) * | 2019-01-28 | 2019-06-14 | 南京威翔科技有限公司 | 一种基于深度学习的道面异物检测方法 |
US20210256291A1 (en) * | 2019-05-09 | 2021-08-19 | Boe Technology Group Co., Ltd. | Computer-implemented method of detecting foreign object on background object in an image, apparatus for detecting foreign object on background object in an image, and computer-program product |
CN110261436A (zh) * | 2019-06-13 | 2019-09-20 | 暨南大学 | 基于红外热成像和计算机视觉的轨道故障检测方法及系统 |
WO2021042682A1 (zh) * | 2019-09-03 | 2021-03-11 | 国网辽宁省电力有限公司电力科学研究院 | 变电站异物识别方法、装置、系统、电子设备和存储介质 |
CN111160125A (zh) * | 2019-12-11 | 2020-05-15 | 北京交通大学 | 基于铁路监控的铁路异物入侵检测方法 |
CN111738342A (zh) * | 2020-06-24 | 2020-10-02 | 西南交通大学 | 一种受电弓异物检测方法、存储介质及计算机设备 |
CN111832634A (zh) * | 2020-06-28 | 2020-10-27 | 深圳市优必选科技股份有限公司 | 异物检测方法、系统、终端设备及存储介质 |
CN112364721A (zh) * | 2020-10-23 | 2021-02-12 | 西安科锐盛创新科技有限公司 | 一种道面异物检测方法 |
CN112630222A (zh) * | 2020-11-24 | 2021-04-09 | 河海大学常州校区 | 一种基于机器视觉的手机盖板玻璃缺陷检测方法 |
CN112991348A (zh) * | 2021-05-24 | 2021-06-18 | 南京索安电子有限公司 | 一种车辆底盘异物检测方法、装置及存储介质 |
CN113487561A (zh) * | 2021-07-02 | 2021-10-08 | 成都唐源电气股份有限公司 | 基于灰度梯度异常投票的受电弓异物检测方法及装置 |
WO2023280081A1 (zh) * | 2021-07-07 | 2023-01-12 | 同方威视技术股份有限公司 | 空盘识别装置和方法 |
WO2023040104A1 (zh) * | 2021-09-15 | 2023-03-23 | 中航华东光电(上海)有限公司 | 一种管道异物检测装置及检测方法 |
CN113870217A (zh) * | 2021-09-27 | 2021-12-31 | 菲特(天津)检测技术有限公司 | 一种基于机器视觉的边缘偏移视觉测量方法、图像检测仪 |
WO2023078309A1 (zh) * | 2021-11-05 | 2023-05-11 | 苏州微创畅行机器人有限公司 | 目标特征点提取方法、装置、计算机设备和存储介质 |
CN115709354A (zh) * | 2022-11-30 | 2023-02-24 | 南昌江铃华翔汽车零部件有限公司 | 一种汽车零部件焊接防漏件机构 |
Non-Patent Citations (4)
Title |
---|
吴婕萍;赵文昊;于文萍;: "基于SIFT算法的导线异物悬挂检测方法研究", 中小企业管理与科技(中旬刊), no. 06 * |
姚晓通;刘力;李致远;: "基于Canny边缘特征点的接触网绝缘子识别方法", 电瓷避雷器, no. 01 * |
戴凤强;刘涛;王宏波;沈晓东;: "基于机器视觉的工件边缘毛刺检测系统研究", 农业装备与车辆工程, no. 07 * |
马海民;: "基于双目视觉系统的列车轨道异物距离检测", 自动化与仪器仪表, no. 04 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291914A (zh) * | 2023-11-24 | 2023-12-26 | 南昌江铃华翔汽车零部件有限公司 | 汽车零部件缺陷检测方法、系统、计算机及存储介质 |
CN117291914B (zh) * | 2023-11-24 | 2024-02-09 | 南昌江铃华翔汽车零部件有限公司 | 汽车零部件缺陷检测方法、系统、计算机及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116468729B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10024765B2 (en) | System and method for analyzing tire tread parameters | |
US10507700B2 (en) | System and method for analyzing tire tread parameters | |
CN116468729B (zh) | 一种汽车底盘异物检测方法、系统及计算机 | |
CN111681256B (zh) | 图像边缘检测方法、装置、计算机设备和可读存储介质 | |
CN108088799B (zh) | 机动车尾气林格曼黑度的测量方法及系统 | |
CN111582000B (zh) | 一种条形码定位方法、装置及相关设备 | |
CN116664605B (zh) | 基于扩散模型和多模态融合的医学图像肿瘤分割方法 | |
CN109671082B (zh) | 一种密封圈检测方法、装置、设备及计算机可读存储介质 | |
CN112179294A (zh) | 一种土地校对方法、装置以及系统 | |
CN113971669A (zh) | 应用于管道损伤识别的三维检测系统 | |
CN115578326A (zh) | 一种道路病害识别方法、系统、设备及存储介质 | |
CN115294527A (zh) | 一种基于计算机视觉的地铁隧道破损检测方法 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN116596954B (zh) | 病变细胞图像分割方法、装置、设备及存储介质 | |
CN116883446B (zh) | 一种车载摄像头镜片碾磨程度实时监测系统 | |
CN113034419B (zh) | 面向机器视觉任务的雷达点云客观质量评价方法及装置 | |
CN111415378A (zh) | 用于汽车玻璃检测的图像配准方法及汽车玻璃检测方法 | |
CN114049394B (zh) | 一种单目测距方法、装置、设备及存储介质 | |
CN114581433B (zh) | 一种获取金属球腔内表面形貌检测图像的方法及系统 | |
CN114862892A (zh) | 基于增强深度边缘特征的二维及三维路面裂缝识别方法 | |
CN115423765A (zh) | 一种基于模板图像的晶粒缺陷量化分割方法 | |
CN111696054B (zh) | 基于全极化sar图像的橡胶坝体检测方法 | |
CN114677331A (zh) | 基于灰度图像和深度数据融合的管材缺陷检测方法及装置 | |
CN117291914B (zh) | 汽车零部件缺陷检测方法、系统、计算机及存储介质 | |
CN118196092B (zh) | 一种公路施工质量自动检测方法及系统 |
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 |