CN116735999A - 一种车载域控产品emc测试智能监控方法 - Google Patents
一种车载域控产品emc测试智能监控方法 Download PDFInfo
- Publication number
- CN116735999A CN116735999A CN202310534951.6A CN202310534951A CN116735999A CN 116735999 A CN116735999 A CN 116735999A CN 202310534951 A CN202310534951 A CN 202310534951A CN 116735999 A CN116735999 A CN 116735999A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- testing
- test
- emc
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 194
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000036039 immunity Effects 0.000 claims description 17
- 238000005457 optimization Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 20
- 238000003709 image segmentation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003631 expected effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/001—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本发明属于图像识别领域,公开了一种车载域控产品EMC测试智能监控方法,包括S1,获取EMC测试方案;S2,根据EMC测试方案确定拍摄对象;S3,在测试开始前,对拍摄对象进行拍摄,获得第一图像;S4,根据EMC测试方案进行测试;S5,在测试过程中,对拍摄对象进行拍摄,获得第二图像;S6,根据第一图像和第二图像计算车载域控产品在EMC测试方案下的抗干扰等级;S7,对第一图像、第二图像和抗干扰等级进行保存。本发明实现了对EMC的测试结果的自动化记录,与人工记录的方式相比,本发明的准确率更高。
Description
技术领域
本发明涉及图像识别领域,尤其涉及一种车载域控产品EMC测试智能监控方法。
背景技术
随着近年来汽车智能化和信息化的发展,使用的电子控制单元越来越多,除了传统的发动机控制系统外,还有安全气囊、防抱死系统、电动助力转向、电子车身稳定系统、大灯控制、空调、水泵油泵、仪表、娱乐和视听系统等。高级驾驶辅助系统近年来迅速受到关注,如停车辅助、车道偏离预警、夜视辅助、自适应巡航、碰撞预警和紧急制动、盲点检测、驾驶员疲劳检测等诸多功能,如果采用传统的分布式架构,很难适应发展需要。为了解决分布式架构存在的问题,现有技术中开始逐渐把很多功能相似、分离的ECU功能集成整合到一个比ECU性能更强的处理器硬件平台上,这就是汽车域控制器。
汽车域控制器一般被分为动力域控制器、底盘域控制器、车身域控制器、座舱域控制器和自动驾驶域控制器这五部分。电磁兼容性(EMC)测试是域控制器的安全性测试中的一个重要环节。现有技术中,对域控制器进行EMC测试时,一般都是通过人眼的方式来对汽车的状态的变化进行观察,从而记录下EMC测试的结果,但是,由于EMC测试时的测试项目众多,例如要从不同的角度发射不同的频率的干扰信号等,而人眼观察的方式,在测试人员疲劳时,会出现漏看,看错等情况,从而导致对EMC的测试结果进行错误的记录。
发明内容
为了克服现有技术的上述不足,本发明的目的在于公开一种车载域控产品EMC测试智能监控方法,解决如何提高对EMC测试的结果进行记录的准确率的问题。
为了达到上述目的,本发明提供如下技术方案:
一种车载域控产品EMC测试智能监控方法,包括:
S1,获取EMC测试方案;
S2,根据EMC测试方案确定拍摄对象;
S3,在测试开始前,对拍摄对象进行拍摄,获得第一图像;
S4,根据EMC测试方案进行测试;
S5,在测试过程中,对拍摄对象进行拍摄,获得第二图像;
S6,根据第一图像和第二图像计算车载域控产品在EMC测试方案下的抗干扰等级;
S7,对第一图像、第二图像和抗干扰等级进行保存。
优选地,EMC测试方案包括测试项目和预期影响;
测试项目包括被测试的车载域控产品和测试内容;
预期影响包括受影响的对象和受影响情况。
优选地,根据EMC测试方案确定拍摄对象,包括:
根据受影响的对象确定拍摄对象。
优选地,根据EMC测试方案进行测试,包括:
根据测试内容对被测试的车载域控产品进行测试。
优选地,测试内容包括测试的类型和测试方案;
测试的类型包括传导抗扰度测试或辐射抗扰度测试;
测试方案则包括传导抗扰度测试或辐射抗扰度测试的具体测试步骤。
优选地,受影响的对象包括车载设备和/或测试仪器。
优选地,受影响情况包括车载设备的位置的变化程度、车载设备的显示状态的变化程度和测试仪器的监测数据的变化程度中的一种或多种。
优选地,抗干扰等级被划分为4级,抗干扰能力越强,则抗干扰等级越大。
优选地,根据第一图像和第二图像计算车载域控产品在EMC测试方案下的抗干扰等级,包括:
若受影响情况仅包括车载设备的位置的变化程度或车载设备的显示状态的变化程度,则根据第一图像和第二图像计算出变化程度,基于变化程度判断车载域控产品在EMC测试方案下的抗干扰等级;
若受影响情况仅包括测试仪器的监测数据的变化程度,分别对第一图像和第二图像进行图像识别,识别出测试仪器的监测数据在进行测试前和进行测试后的数值,基于进行测试前和进行测试后的数值判断车载域控产品在EMC测试方案下的抗干扰等级;
若受影响情况包括测试仪器的监测数据的变化程度、车载设备的显示状态的变化程度和测试仪器的监测数据的变化程度中的任意两者或受影响情况包括测试仪器的监测数据的变化程度、车载设备的显示状态的变化程度和测试仪器的监测数据的变化程度中的三者,则将最小的抗干扰等级作为最终的抗干扰等级。
优选地,车载设备的显示状态的变化程度包括亮度的变化和刷新频率的变化。
本发明在对车载域控产品进行ECM测试的过程中,通过图像识别的方式来对测试过程中状态发生变化的设备来进行拍摄,然后基于拍摄的图像进行抗干扰等级的计算,从而实现了对EMC的测试结果的自动化记录,与人工记录的方式相比,本发明的准确率更高。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种车载域控产品EMC测试智能监控方法的一种示意图。
图2为本发明计算车载设备的位置的变化程度的一种示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示的一种实施例,本发明提供了一种车载域控产品EMC测试智能监控方法,包括:
S1,获取EMC测试方案;
S2,根据EMC测试方案确定拍摄对象;
S3,在测试开始前,对拍摄对象进行拍摄,获得第一图像;
S4,根据EMC测试方案进行测试;
S5,在测试过程中,对拍摄对象进行拍摄,获得第二图像;
S6,根据第一图像和第二图像计算车载域控产品在EMC测试方案下的抗干扰等级;
S7,对第一图像、第二图像和抗干扰等级进行保存。
本发明在对车载域控产品进行ECM测试的过程中,通过图像识别的方式来对测试过程中状态发生变化的设备来进行拍摄,然后基于拍摄的图像进行抗干扰等级的计算,从而实现了对EMC的测试结果的自动化记录,与人工记录的方式相比,本发明的准确率更高。
具体的,第一图像和第二图像的拍摄高度、拍摄方向均相同。用于拍摄第一图像和第二图像的拍摄设备均会进行相应的抗干扰处理,避免测试过程中受到干扰电磁波的影响,导致无法正常进行拍摄。
优选地,EMC测试方案包括测试项目和预期影响;
测试项目包括被测试的车载域控产品和测试内容;
预期影响包括受影响的对象和受影响情况。
具体的,被测试的车载域控产品包括车载域控制器和/或与车载域控制器连接的其它车载设备。例如车载显示屏等。
预期影响就是对这被测试的车载域控产品进行测试时,相关的设备或测试仪器的大概率会产生的变化。
优选地,根据EMC测试方案确定拍摄对象,包括:
根据受影响的对象确定拍摄对象。
例如,当被测试的车载域控产品为车载娱乐系统时,除了座舱域控制器之外,在EMC测试时,显示屏也受到干扰时,可能会发生闪屏、画面抖动、画面丢失等情,显示屏也是拍摄对象之一。而对于座舱域控制器,则可以通过连接相应的测试仪器来测试抗干扰情况。
又例如,对自动驾驶域控制器相关的车载域控产品进行测试时,汽车的方向盘、刹车踏板、油门踏板等便属于被拍摄的对象。
优选地,根据EMC测试方案进行测试,包括:
根据测试内容对被测试的车载域控产品进行测试。
具体的,对不同的车载域控产品进行测试的方案不同,可以根据实际需要进行相应的设置。
优选地,测试内容包括测试的类型和测试方案;
测试的类型包括传导抗扰度测试或辐射抗扰度测试;
测试方案则包括传导抗扰度测试或辐射抗扰度测试的具体测试步骤。
具体的,传导抗扰度测试或辐射抗扰度测试均属于电磁敏感度测试。除此之外,测试的类型还可以包括电磁干扰测试,电磁干扰测试包括传导发射测试和辐射发射测试。
可以通过半电波暗室来进行辐射抗扰度测试和辐射发射测试,通过电磁屏蔽室来进行传导抗扰度测试和传导发射测试。
优选地,受影响的对象包括车载设备和/或测试仪器。
具体的,进行EMC测试时,除了车载设备可能会受到影响之外,用到的测试仪器包括频谱分析仪、电磁场干扰测量仪、示波器等。当进行测试时,这些仪器中的读数会在测试前后产生不同的变化,对这些测试仪器的显示屏进行拍摄,便可以自动地对这些仪器中的读数进行读取。
优选地,受影响情况包括车载设备的位置的变化程度、车载设备的显示状态的变化程度和测试仪器的监测数据的变化程度中的一种或多种。
具体的,不同的测试项目,受影响的对象并不相同,例如,仅对某一个车载域控制器进行测试时,由于测试的对象的与控制器本身,在测试过程中,域控制器本身并不会产生明显的变化,但是,被测试的车载域控制器内部的电压、电流、处理频率等可能都会产生变化,此时,连接被测试的车载域控制器的测试仪器便能够获取到这些变化,而被测试的车载域控制器的位置并不会发生变化。
又例如,当测试项目是给自动驾驶域控制器相关的车载域控产品进行测试时,汽车的方向盘、刹车踏板、油门踏板的位置会发生变化,相关的测试仪器的监测数据也会发生变化。在这种情况下,第一图像和第二图像的拍摄方向与位置变化的方向垂直,从而能够更好地在第一图像和第二图像的比较过程中识别出位置的变化程度。
还有,当对车载中控屏进行测试时,中控屏的显示状态会发生变化。
优选地,抗干扰等级被划分为4级,抗干扰能力越强,则抗干扰等级越大。
具体的,抗干扰等级可以被划分为1级、2级、3级和4级。
优选地,根据第一图像和第二图像计算车载域控产品在EMC测试方案下的抗干扰等级,包括:
若受影响情况仅包括车载设备的位置的变化程度或车载设备的显示状态的变化程度,则根据第一图像和第二图像计算出变化程度,基于变化程度判断车载域控产品在EMC测试方案下的抗干扰等级;
若受影响情况仅包括测试仪器的监测数据的变化程度,分别对第一图像和第二图像进行图像识别,识别出测试仪器的监测数据在进行测试前和进行测试后的数值,基于进行测试前和进行测试后的数值判断车载域控产品在EMC测试方案下的抗干扰等级;
若受影响情况包括测试仪器的监测数据的变化程度、车载设备的显示状态的变化程度和测试仪器的监测数据的变化程度中的任意两者或受影响情况包括测试仪器的监测数据的变化程度、车载设备的显示状态的变化程度和测试仪器的监测数据的变化程度中的三者,则将最小的抗干扰等级作为最终的抗干扰等级。
具体的,当受影响情况仅包括车载设备的位置的变化程度时,根据第一图像和第二图像计算出车载设备的位置变化幅度,然后根据位置变化幅度来确定对应的抗干扰等级。例如,当油门踏板的位置发生变化时,变化幅度越大,则表示受到的影响程度越大,抗干扰等级越低。可以将油门的变化幅度分为4个部分,每个部分对应一个等级,变化幅度越大,则抗干扰等级越低。
具体的,当受影响情况仅包括车载设备的显示状态的变化程度时,则根据第一图像和第二图像计算出显示内容的区别,区别越大,则表示抗干扰等级越低,由于区别的最大程度为100%,则可以将0%-100%分为4个部分,每个部分对应一个等级。
具体的,当受影响情况仅包括测试仪器的监测数据的变化程度时,则通过计算两张图像中的监测数据的差值来确定对应的抗干扰等级。例如,对于域控制器而言,两张图像中的工作频率的差值越大,则抗干扰等级越低,可以将差值的变化区间分为4个部分,然后每个部分对应一个抗干扰等级。
具体的,当受影响情况包括两个或两个以上时,则以最低的抗干扰等级作为最终的抗干扰等级,从而实现对测试的车载域控产品的严格测试。
另外,还可以是抗干扰等级的和的平均值来最为最终的抗干扰等级。这些都可以根据实际情况进行设置。
优选地,车载设备的显示状态的变化程度包括亮度的变化和刷新频率的变化。
对于包含屏幕的车载设备,例如仪表盘和中控屏等,这些车载设备中的屏幕的亮度和刷新频率可能会随着干扰出现变化。
亮度的变化为亮度提升的D尼特或亮度降低D尼特,刷新频率的变化为刷新频率提高E赫兹或降低E赫兹。这里的D、E仅为代数,并不是具体的数值。
优选地,在测试过程中,对拍摄对象进行拍摄,获得第二图像,包括:
在测试过程中,使用相机对拍摄对象进行拍摄,获得第二图像。
优选地,在测试过程中,使用相机对拍摄对象进行拍摄,获得第二图像,包括:
对拍摄对象进行连续拍摄,得到多张图像,当受影响情况为仅包括车载设备的位置的变化程度或车载设备的显示状态的变化程度时,分别将得到的多张图像中,与第一图像进行图像差分处理,然后计算得到的差分图像中与第一图像相比,像素值发生了变化的像素点的数量,将多张图像中像素值发生了变化的像素点的数量最大的图像作为第二图像;
当受影响情况为仅包括测试仪器的监测数据的变化程度时,则将与第一图像中的监测数据相比,监测数据变化程度最大的图像作为第二图像。
具体的,监测数据的变化程度通过对图像中的监测数据的数值进行识别后,将两张图像中的监测数据的数值进行相减,获取相减的结果的绝对值,从而得到变化程度。
优选地,若拍摄对象对应的受影响情况为车载设备的亮度会提升D尼特,则采用如下方式调整相机的参数:
快门速度调整为:
若拍摄对象对应的受影响情况为车载设备的亮度会降低D尼特,则采用如下方式调整相机的参数:
快门速度调整为:
其中,shutspeedfir和shutspeedsec分别为拍摄第一图像和拍摄第二图像时的快门速度,chgmx表示预设的亮度变化的最大值,prspd表示预设的常数系数。
具体的,本发明通过从EMC测试方案中来获取拍摄对象的预期的受影响情况来提前调节快门速度,从而有利于在对亮度可能会发生改变的拍摄对象进行拍摄时,有效地减少了快门的调整时间,在上述实施方式中,快门速度的变化幅度随着亮度的变化幅度的变化而自适应地进行变化,从而能够更快地捕捉到高质量的第二图像。因为当拍摄对象的亮度变化时,还使用原来的快门速度,有大概率不能拍摄到有效的第二图像,第二图像不是过曝就是曝光不足,这样的图像显然并不能用来进行抗干扰程度的识别。
另外,还可以根据EMC测试方案来对相机的光圈、ISO等相应地进行提前调节,从而实现更快且更好地拍摄到有效的第二图像。
优选地,如图2所示,若受影响情况仅包括车载设备的位置的变化程度,则根据第一图像和第二图像计算出变化程度,包括:
分别对第一图像和第二图像进行亮度优化处理,得到第一亮度优化图像和第二亮度优化图像;
分别对第一亮度优化图像和第二亮度优化图像进行灰度化处理,得到第一灰度图像和第二灰度图像;
分别对第一灰度图像和第二灰度图像进行图像分割处理,获得第一目标图像和第二目标图像;
获取第一目标图像中的第一图像特征,获取第二目标图像中的第二图像特征;
计算第一图像特征和第二图像特征之间的相似度;
基于第一图像特征和第二图像特征之间的相似度计算得到车载设备的位置的变化程度。
具体的,进行亮度优化处理能够均衡第一图像和第二图像中的亮度分布,从而在图像分割和特征提取的过程中得到更增加准确的分割结果和更加准确的图像特征。
图像分割处理主要是将没有识别价值的背景部分的像素点去除,能够大幅度减少需要提取图像特征的像素点的数量,从而有效地提高了图像特征提取的速度。当车载设备的位置发生变化时,车载设备在第一图像和第二图像中的形状会发生变化,且位置也会发生变化,通过提取这些图像特征,便能够计算出车载设备的位置的变化程度。
优选地,对第一图像进行亮度优化处理,得到第一亮度优化图像,包括:
计算第一图像的亮度优化系数:
其中,ligopti表示第一图像的亮度优化系数,α和β分别表示灰度权重和梯度权重,phofir表示第一图像中的像素点的集合,numpho表示phofir中包含的像素点的总数,GRAYi表示phofir中的像素点i的灰度值,masvas表示预设的图像灰度方差,masflor和misflor分别表示第一图像中的像素点的梯度值的最大值和最小值,stdflor表示预设的梯度值最大值;α+β=1;
计算优化比例:
其中,optipro表示优化比例,masligopti表示预设的亮度优化系数的最大值;
获取需要进行亮度优化处理的像素点的集合wtdelset:
将灰度值排在前optipro的像素点和排在后optipro的像素点作为需要进行亮度优化处理的像素点,保存到wtdelset;
采用图像亮度调整算法对wtdelset中的像素点进行处理,得到第一亮度优化图像。
具体的,本发明在进行亮度优化处理时,通过先获取亮度优化系数,然后基于亮度优化系数来得到优化比例,最后基于优化比例来选出需要进行优化的像素点,从而避免了对所有的像素点都进行优化处理,仅对需要进行优化的像素点进行优化处理,能够有效地提高优化处理的效率。从而更快地获取ECM测试结果。
亮度优化系数从像素点的灰度值的差别程度和梯度值的变化区间来进行加权计算得到,像素点的灰度值的差别程度越大,梯度值的变化区间越大,则亮度优化系数越大。这也使得,像素点之间的灰度值和梯度值差别程度较小的第一图像中,需要进行亮度优化处理处理的像素点的比例便越大,从而实现了对像素点的灰度值和梯度值差别程度较小的第一图像中的像素点进行差别的放大,提高了图像中的信息量。
优选地,图像亮度调整算法包括曲线调整算法、色阶调整算法等。
优选地,对第二图像进行亮度优化处理的过程与对第一图像进行亮度优化处理的过程一致。
优选地,对第一灰度图像进行图像分割处理,获得第一目标图像,包括:
使用区域生长算法对第一灰度图像进行图像分割处理,将第一灰度图像分为多个区域;
分别计算每个区域的识别度系数;
将识别度系数最大的区域中的像素点作为第一目标图像中的像素点。
具体的,区域生长算法能够将第一灰度图分为多个区域。这里面就包含了背景的区域和车载设备的区域,因此本发明通过设置识别度系数,实现将属于车载设备的区域,即识别度系数最大的区域选出来,从而获得了准确的第一目标图像。
优选地,识别度系数的计算函数为:
其中,difval表示区域的识别度系数,migray和magray分别表示区域中的像素点的灰度值的最小值和最大值,numk表示灰度值为k的像素点的总数,numboc表示区域中包含的像素点的总数,sigthr表示预设的常数,avegray表示区域中的像素点的灰度值的平均值,masgray表示区域中的像素点的灰度值的最大值,numdge表示区域中包含的高识别度像素点的数量,g1、g2、g3分别为预设的第一权重、第二权重、第三权重,g1+g2+g3=1。
对于像素点w,通过如下方式判断其是否为高识别度像素点:
若像素点w与其8邻域中的像素点的灰度值的差值的最大值大于设定的第一差值阈值且像素点w的8邻域中与像素点w之间的灰度值差值小于设定的第二差值阈值的像素点只有1个,则像素点w为高识别度像素点。
具体的,识别度系数在计算时除了考虑不同的像素值的像素点的数量占比之外,还考虑了灰度值的均值和高识别度像素点的数量,使得不同的像素值的像素点的数量占比差别越大,灰度值的均值越大和高识别度像素点的数量越多的区域的识别度系数越高,由于虚化等因素,属于背景的区域识别度系数中的三种类型的数值都比较小,从而使得本发明能够准确地得到设备所在的区域。高识别度即像素点与周围的大部分的像素点的差别都比较大,但是与一小部分的像素点的差别比较小的像素点,这种类型的像素点能够有效地勒出设备的轮廓,属于非常有价值的像素点,而在属于背景的区域中,这种类型的像素点的数量非常少。第二差值阈值的设置,避免了将被噪声污染的像素点错误地当成是高识别度像素点。
优选地,基于第一图像特征和第二图像特征之间的相似度计算得到车载设备的位置的变化程度,包括:
使用如下函数计算车载设备的位置的变化程度:
locvra=1-thrsim
其中,locvra表示车载设备的位置的变化程度,thrsim表示第一图像特征和第二图像特征之间的相似度。
优选地,对第二灰度图像进行图像分割处理的过程与对第一灰度图像进行图像分割处理的过程相同。
优选地,若受影响情况仅包括车载设备的显示状态的变化程度,则根据第一图像和第二图像计算出变化程度,包括:
计算第一图像和第二图像之间的相似度simval;
使用如下函数计算车载设备的显示状态的变化程度:
vraia=1-simval
其中,vraia表示车载设备的显示状态的变化程度。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种车载域控产品EMC测试智能监控方法,其特征在于,包括:
S1,获取EMC测试方案;
S2,根据EMC测试方案确定拍摄对象;
S3,在测试开始前,对拍摄对象进行拍摄,获得第一图像;
S4,根据EMC测试方案进行测试;
S5,在测试过程中,对拍摄对象进行拍摄,获得第二图像;
S6,根据第一图像和第二图像计算车载域控产品在EMC测试方案下的抗干扰等级;
S7,对第一图像、第二图像和抗干扰等级进行保存。
2.根据权利要求1所述的一种车载域控产品EMC测试智能监控方法,其特征在于,EMC测试方案包括测试项目和预期影响;
测试项目包括被测试的车载域控产品和测试内容;
预期影响包括受影响的对象和受影响情况。
3.根据权利要求2所述的一种车载域控产品EMC测试智能监控方法,其特征在于,根据EMC测试方案确定拍摄对象,包括:
根据受影响的对象确定拍摄对象。
4.根据权利要求2所述的一种车载域控产品EMC测试智能监控方法,其特征在于,根据EMC测试方案进行测试,包括:
根据测试内容对被测试的车载域控产品进行测试。
5.根据权利要求2所述的一种车载域控产品EMC测试智能监控方法,其特征在于,测试内容包括测试的类型和测试方案;
测试的类型包括传导抗扰度测试或辐射抗扰度测试;
测试方案则包括传导抗扰度测试或辐射抗扰度测试的具体测试步骤。
6.根据权利要求2所述的一种车载域控产品EMC测试智能监控方法,其特征在于,受影响的对象包括车载设备和/或测试仪器。
7.根据权利要求6所述的一种车载域控产品EMC测试智能监控方法,其特征在于,受影响情况包括车载设备的位置的变化程度、车载设备的显示状态的变化程度和测试仪器的监测数据的变化程度中的一种或多种。
8.根据权利要求7所述的一种车载域控产品EMC测试智能监控方法,其特征在于,抗干扰等级被划分为4级,抗干扰能力越强,则抗干扰等级越大。
9.根据权利要求8所述的一种车载域控产品EMC测试智能监控方法,其特征在于,根据第一图像和第二图像计算车载域控产品在EMC测试方案下的抗干扰等级,包括:
若受影响情况仅包括车载设备的位置的变化程度或车载设备的显示状态的变化程度,则根据第一图像和第二图像计算出变化程度,基于变化程度判断车载域控产品在EMC测试方案下的抗干扰等级;
若受影响情况仅包括测试仪器的监测数据的变化程度,分别对第一图像和第二图像进行图像识别,识别出测试仪器的监测数据在进行测试前和进行测试后的数值,基于进行测试前和进行测试后的数值判断车载域控产品在EMC测试方案下的抗干扰等级;
若受影响情况包括测试仪器的监测数据的变化程度、车载设备的显示状态的变化程度和测试仪器的监测数据的变化程度中的任意两者或受影响情况包括测试仪器的监测数据的变化程度、车载设备的显示状态的变化程度和测试仪器的监测数据的变化程度中的三者,则将最小的抗干扰等级作为最终的抗干扰等级。
10.根据权利要求7所述的一种车载域控产品EMC测试智能监控方法,其特征在于,车载设备的显示状态的变化程度包括亮度的变化和刷新频率的变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310534951.6A CN116735999A (zh) | 2023-05-12 | 2023-05-12 | 一种车载域控产品emc测试智能监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310534951.6A CN116735999A (zh) | 2023-05-12 | 2023-05-12 | 一种车载域控产品emc测试智能监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116735999A true CN116735999A (zh) | 2023-09-12 |
Family
ID=87914148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310534951.6A Pending CN116735999A (zh) | 2023-05-12 | 2023-05-12 | 一种车载域控产品emc测试智能监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116735999A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100791892B1 (ko) * | 2006-10-18 | 2008-01-07 | 주식회사 이레테크 | 정지영상을 이용한 ems 모니터링 시스템 |
CN103581566A (zh) * | 2012-07-30 | 2014-02-12 | 三星电子株式会社 | 图像拍摄方法和图像拍摄装置 |
CN104020371A (zh) * | 2014-05-23 | 2014-09-03 | 中国电子科技集团公司第四十一研究所 | 一种辐射敏感度自动测试方法 |
CN110426584A (zh) * | 2019-08-14 | 2019-11-08 | 重庆德新机器人检测中心有限公司 | 工业机器人电磁抗扰度测试监控方法 |
CN111629146A (zh) * | 2020-05-27 | 2020-09-04 | 腾讯科技(深圳)有限公司 | 拍摄参数的调整方法、调整装置、调整设备及存储介质 |
CN115825597A (zh) * | 2021-09-15 | 2023-03-21 | 英业达科技有限公司 | 基于计算机视觉的电磁敏感性测试方法 |
-
2023
- 2023-05-12 CN CN202310534951.6A patent/CN116735999A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100791892B1 (ko) * | 2006-10-18 | 2008-01-07 | 주식회사 이레테크 | 정지영상을 이용한 ems 모니터링 시스템 |
CN103581566A (zh) * | 2012-07-30 | 2014-02-12 | 三星电子株式会社 | 图像拍摄方法和图像拍摄装置 |
CN104020371A (zh) * | 2014-05-23 | 2014-09-03 | 中国电子科技集团公司第四十一研究所 | 一种辐射敏感度自动测试方法 |
CN110426584A (zh) * | 2019-08-14 | 2019-11-08 | 重庆德新机器人检测中心有限公司 | 工业机器人电磁抗扰度测试监控方法 |
CN111629146A (zh) * | 2020-05-27 | 2020-09-04 | 腾讯科技(深圳)有限公司 | 拍摄参数的调整方法、调整装置、调整设备及存储介质 |
CN115825597A (zh) * | 2021-09-15 | 2023-03-21 | 英业达科技有限公司 | 基于计算机视觉的电磁敏感性测试方法 |
Non-Patent Citations (1)
Title |
---|
冉玉杰: "摄影基础教程", 30 September 2005, 四川美术出版社, pages: 67 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10635933B2 (en) | Vision-based methods and systems for determining trailer presence | |
EP3690393B1 (en) | Information processing device, information processing method, control device, and image processing device | |
JP6571424B2 (ja) | 故障診断装置 | |
CN109318799B (zh) | 汽车、汽车adas系统及其控制方法 | |
CN109703465B (zh) | 车载图像传感器的控制方法和装置 | |
CN111033559A (zh) | 用于图像模糊校正的图像处理、图像处理方法和程序 | |
CN114820623B (zh) | 一种车载摄像头成像质量检测方法 | |
US10943486B2 (en) | Traveling safety control system using ambient noise and control method thereof | |
CN116735999A (zh) | 一种车载域控产品emc测试智能监控方法 | |
US9420171B2 (en) | Dynamic multi-windowed image enhancement for interactive HOV detection | |
CN116342440B (zh) | 一种基于人工智能的车载视频监控管理系统 | |
JP2010033321A (ja) | 画像処理アルゴリズムの評価システム | |
CN115240170A (zh) | 一种基于事件相机的道路行人检测跟踪方法及系统 | |
US11377023B2 (en) | Proactive headlight tracking for vehicle auto high beam assist | |
CN108847085B (zh) | 一种驾驶培训智能教练机器人 | |
CN114255452A (zh) | 目标测距方法及装置 | |
CN111231667A (zh) | 可靠型安全行驶控制方法 | |
CN114078406B (zh) | 车载ar-hud亮度自适应调节的防抖方法 | |
US11597261B2 (en) | Control apparatus, vehicle, and control method | |
CN116503433A (zh) | 车载镜头附着物检测方法、装置、终端及存储介质 | |
CN116567375B (zh) | 车载前视摄像头一体机、车辆和车辆车速控制方法 | |
JP2000025575A (ja) | 自動デフロスタ装置 | |
CN114998851A (zh) | 基于交通信息的车辆预警方法、系统、存储介质及车辆 | |
CN115985218A (zh) | 一种基于视觉监控的汽车座舱自适应调光系统以及方法 | |
CN117325804A (zh) | 一种摄像头的自动除雾方法、装置、设备和介质 |
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 |