JP5964788B2 - データ生成方法及びデータ生成装置 - Google Patents

Description

本発明は、タイヤのトレッド面又はサイドウォール面を測定面とし、測定面のバルジデント及びランナウトを評価するための形状データを生成する技術に関するものである。

タイヤには製造過程上の理由から、ランナウトと呼ばれる低周波のうねりや、バルジデントと呼ばれるランナウトよりも大きな傾斜を持つ形状の局所欠陥が発生することが知られている。そこで、タイヤの測定面の形状を計測し、得られた形状データからランナウト及びバルジデントを評価し、タイヤが不良品であるか否かを判定することが行われている。

また、タイヤには製造工程上の理由からバリやスピューと呼ばれるバルジデントよりも幅が狭く、高さが大きな部位も存在し、バリやスピューの形状が形状データに含まれていると、形状データからランナウト及びバルジデントを正確に評価できなくなってしまう。

そこで、特許文献１は、非接触式の変位計を用いてトレッド面を周方向に一定のサンプリング周期で走査し、１周分の高さデータを取得し、取得した高さデータからノイズ成分を除去することで、ラジアルランナウトを評価するためのラジアルランナウト評価データを算出する技術を開示する。ここで、特許文献１は、あるサンプル点を中心として並ぶ前後複数個の高さデータのメジアンと各高さデータとの差が閾値より大きい場合、その高さデータをノイズ成分として判定する。

特開２００８−２８６７０３号公報

しかしながら、特許文献１では、ノイズ成分を抽出する際に用いられる閾値として、ランナウトの標準的な変動値よりも僅かに大きな値が採用されているため、バルジデントや標準的な変動値を超えるランナウトがノイズ成分として除去されるという問題がある。また、特許文献１では、高さデータとメジアンとの差が閾値より大きい高さデータの連続数を考慮することなく、差が閾値より大きい高さデータが一律にノイズ成分として除去されているため、ノイズ成分と同程度の高さを持つバルジデントを示す高さデータがノイズ成分として除去される可能性がある。

本発明の目的は、ランナウト及びバルジデントを精度よく評価するための形状データを生成する技術を提供することである。

（１）本発明の一態様によるデータ生成方法は、タイヤのトレッド面又はサイドウォール面を測定面とし、前記測定面のバルジデント及びランナウトを評価するための形状データを生成するデータ生成方法であって、形状センサを用いて前記測定面を一定のサンプリング周期で走査し、１ラインの高さデータを取得する高さデータ取得ステップと、前記１ラインの高さデータからある１のサンプル点を起点として連続する一定数の高さデータを取り出し、前記取り出した高さデータのメジアンと、前記取り出した各高さデータとの差分を算出し、前記差分が高さ閾値以上のサンプル点を特異点候補として抽出する候補抽出処理を、前記起点をずらしながら前記１ラインの高さデータの全域に対して行う候補抽出ステップと、前記特異点候補の中から所定の条件を満たす特異点候補を特異点として決定し、決定した特異点の高さデータを除去し、除去した特異点の高さデータを当該特異点に隣接する特異点以外のサンプル点の高さデータを用いて補間し、前記形状データを生成する補間ステップとを備え、前記高さ閾値は、予め生成された前記バルジデントの形状を示すモデルデータから算出された前記バルジデントの最大傾きと前記一定数に相当する幅の半分との積以上の所定の値である。

この構成によれば、高さ閾値は、バルジデントの形状を示すモデルデータから算出されたバルジデントの最大傾きと、一定数に相当する幅の半分との積より大きな所定の値を持つ。ここで、１ラインの高さデータから取り出した一定数の高さデータの幅内において、メジアンを基準としたときのランナウト及びバルジデントを示す高さデータの最大値は、バルジデントの方がランナウトよりも傾きが大きいため、バルジデントの最大傾きに一定数に相当する幅の半分を乗じた値を持つと推定できる。本構成では、このように推定できる最大値以上の値に高さ閾値が設定されている。その結果、１ラインの高さデータから特異点候補の高さデータを精度よく除去できる。そして、この特異点候補の中から所定の条件を満たす特異点候補が特異点として決定されて除去され、除去された特異点の高さデータが特異点以外の隣接するサンプル点の高さデータを用いて補間されている。したがって、１ラインの高さデータから特異点が正確に除去された形状データが得られ、この形状データからバルジデント及びランナウトを正確に評価できる。

（２）前記形状センサは、非接触式変位計であり、前記特異点は、前記タイヤのバリ及びスピューを示すサンプル点と、前記非接触式変位計の測定不能点とを含んでもよい。

この構成によれば、タイヤのバリ及びスピューを示すサンプル点と、非接触式変位計の測定不能点とが特異点として除去された形状データが得られる。

（３）前記補間ステップでは、前記特異点候補の連続数が幅閾値以下である前記特異点候補を前記特異点として決定してもよい。

高さデータのみを考慮して特異点を決定すると、ランナウト及びバルジデント程度の高さを持つバリ及びスピューが特異点として決定されない可能性がある。一方、ランナウト及びバルジデントの幅はバリ及びスピューの幅や測定不能点の連続数に比べて広いという特徴を持つ。そこで、本構成では、特異点候補の連続数が幅閾値以下の特異点候補を特異点として決定する。これにより、１ラインの高さデータからバリ及びスピューを示す高さデータを精度よく除去できる。

（４）前記モデルデータは、実測されたバルジデントの高さ及び幅に正規分布関数をフィッティングすることで生成され、前記最大傾きは、前記正規分布関数を微分することで得られてもよい。

バルジデントの形状は正規分布に近似することが知られているため、実測されたバルジデントの幅及び高さに正規分布関数をフィッティングさせることで、モデルデータを正確且つ簡便に生成できる。また、モデルデータは正規分布関数で表されているため、微分することで最大傾きを簡便に求めることができる。

本発明によれば、１ラインの高さデータから特異点が正確に除去された高さデータが生成されるため、ランナウト及びバルジデントを精度よく評価するための形状データが得られる。

本発明の実施の形態によるデータ生成装置の全体構成図である。 形状センサの詳細な構成図である。 本発明の実施の形態によるデータ生成装置の構成の一例を示すブロック図である。 候補抽出部が特異点を除去する処理を示す模式図である。 バルジデントの形状を示すモデルデータの一例を示す図である。 バルジデントと、バリ及びスピューとの形状分布を示したグラフである。 細くて高いバルジデントの形状を示したグラフである。 バルジデントのモデルデータの形状と傾きとを示すグラフである。 メジアンを基準としたときのバルジデントを示す高さデータの最大値の推定値を示すグラフである。 本発明の実施の形態によるデータ生成装置の動作を示すフローチャートである。 特異点を除去する前の高さデータと、除去した後の高さデータとを示したグラフである。 特異点を除去する前の高さデータと、除去した後の高さデータとを示したグラフである。 特異点を除去する前の高さデータと、除去した後の高さデータとを示したグラフである。 特異点を除去する前の高さデータと、除去した後の高さデータとを示したグラフである。

図１は、本発明の実施の形態によるデータ生成装置の全体構成図である。データ生成装置は、タイヤＴのトレッド面Ｔ１１又はサイドウォール面Ｔ１２を測定面としたときの測定面におけるランナウト及びバルジデントを評価するための形状データを生成する装置である。ランナウトとは、タイヤＴの測定面における低周波のうねり（比較的なだらかに変化する凹凸）を指し、タイヤＴの製造工程上の理由から生じる。また、バルジデントは、ランナウトよりも大きな傾斜を持つ形状の局所欠陥を指し、タイヤＴの製造工程上の理由から生じる。

図１に示すデータ生成装置は、形状センサ１０１、回転部１０２、エンコーダ１０３、制御部１０４、及びユニット駆動部１０５を備える。回転部１０２は、タイヤＴを回転軸Ｒを中心軸として回転させる。具体的には、回転部１０２は、タイヤＴの中心軸に取り付けられるシャフト及びシャフトを回転させるためのモータ等を含む。回転部１０２によるタイヤＴの回転速度としては、例えば６０ｒｐｍが採用される。

形状センサ１０１は、タイヤＴのトレッド面Ｔ１１側に設けられた形状センサ１０１＿１と、タイヤＴの一方（図１では上方）のサイドウォール面Ｔ１２に設けられた形状センサ１０１＿２と、タイヤＴの他方（図１では下方）のサイドウォール面Ｔ１２に設けられた形状センサ１０１＿３とが存在する。形状センサ１０１＿１はトレッド面Ｔ１１を計測する際に用いられ、形状センサ１０１＿２は一方のサイドウォール面Ｔ１２を計測する際に用いられ、形状センサ１０１＿３は他方のサイドウォール面Ｔ１２を計測する際に用いられる。

形状センサ１０１＿１は、回転中のタイヤＴのトレッド面Ｔ１１に対してレーザ光を照射してトレッド面Ｔ１１を周方向Ｄ１０１に走査し、タイヤＴからの反射光を受光し、周方向Ｄ１０１の１ライン分の計測データを取得する。ここで、周方向Ｄ１０１は、回転軸Ｒと直交する面でタイヤＴを切断したときのタイヤＴの外周の方向を指す。

形状センサ１０１＿２、１０１＿３も、形状センサ１０１＿１と同様にして、それぞれ、回転中のタイヤＴのサイドウォール面Ｔ１２にレーザ光を照射して、サイドウォール面Ｔ１２を周方向Ｄ１０２に走査し、周方向Ｄ１０２の１ラインの計測データを取得する。ここで、周方向Ｄ１０２は、サイドウォール面Ｔ１２上に、回転軸Ｒを中心とするある半径の同心円を描いたときの同心円の外周の方向である。

エンコーダ１０３は、タイヤＴが所定角度回転する毎に、回転角度を示す角度信号を制御部１０４に出力する。角度信号は、形状センサ１０１の計測タイミングを決定するために用いられる。

制御部１０４は、例えば、マイクロコントローラにより構成され、形状センサ１０１から出力された計測データに対して後述する処理を行う。ユニット駆動部１０５は、形状センサ１０１＿１〜１０１＿３のそれぞれを位置決めするための３本のアーム部（図略）及び３本のアーム部をそれぞれ移動させるための３個のモータ等を含み、制御部１０４の制御の下、形状センサ１０１＿１〜１０１＿３を位置決めする。

なお、図１において、３個の形状センサ１０１＿１〜１０１＿３を設ける態様を示したが、これに限定されない。例えば、形状センサ１０１＿１〜１０１＿３のうちいずれか１個又は２個を省いてもよい。

図２は、形状センサ１０１の詳細な構成図である。図２では、トレッド面Ｔ１１を計測する際の形状センサ１０１＿１が示されている。図２において、Ｙ軸は回転軸Ｒと平行な方向を示し、Ｚ軸はトレッド面Ｔ１１の法線方向を示し、Ｘ軸はＹ軸及びＺ軸のそれぞれと直交する方向を示している。

光源２０１は、半導体レーザ及びシリンドリカルレンズ等を含む光源であり、スポット状のレーザ光をタイヤＴに照射する。ここで、光源２０１は、Ｚ軸と交差する方向から光を照射する。タイヤＴは回転部２によって回転されているため、レーザ光はタイヤＴのトレッド面Ｔ１１を周方向Ｄ１０１に沿って走査できる。

カメラ２０２は、カメラレンズ２０３、及び撮像素子２０４を備える。カメラレンズ２０３はトレッド面Ｔ１１からの反射光を撮像素子９に導く。撮像素子２０４は、例えば、ＣＣＤやＣＯＭＳ等のイメージセンサにより構成され、カメラレンズ２０３を介して反射光を受光する。撮像素子２０４は、制御部１０４の制御の下、トレッド面Ｔ１１を撮像する。なお、反射光は正反射光が好ましいため、カメラレンズ２０３は正反射光を撮像素子２０４に導くように構成される。

図３は、本発明の実施の形態によるデータ生成装置の構成の一例を示すブロック図である。データ生成装置は、形状センサ３１０、制御部３２０、操作部３３０、記憶部３４０、及び表示部３５０を備える。

形状センサ３１０は、タイヤＴのトレッド面Ｔ１１又はサイドウォール面Ｔ１２を測定面とし、非接触で測定面の形状を計測する。具体的には、形状センサ３１０は、図１に示す形状センサ１０１に相当し、撮像素子３１１及び光源３１２を備える。撮像素子３１１は図２に示す撮像素子２０４に相当し、光源３１２は図２に示す光源２０１に相当する。

制御部３２０は、図１に示す制御部１０４に相当し、高さデータ取得部３２１、候補抽出部３２２、補間部３２３、及び評価部３２４を備える。高さデータ取得部３２１は、形状センサ３１０を用いて測定面を一定のサンプリング周期で走査し、１ラインの計測データを取得し、取得した計測データから三角測量の原理を用いて１ラインの高さデータを算出する。本実施の形態では、図１に示すトレッド面Ｔ１１の周方向Ｄ１０１に沿った１ラインの高さデータ又はサイドウォール面Ｔ１２の周方向Ｄ１０２に沿った１ラインの高さデータを取得する。

図２の例において、撮像素子２０４の水平方向ＨがＹ軸と平行であるとすると、トレッド面Ｔ１１の高さに応じて受光点Ｐ１の垂直方向Ｖの座標が変化する。よって、高さデータ取得部３２１は、レーザ光が照射されている回転中のタイヤＴのトレッド面Ｔ１１を、撮像素子２０４に一定のフレームレートで連続撮像させる。そして、高さデータ取得部３２１は、例えば、受光点Ｐ１の垂直方向Ｖの座標を縦軸、時間軸を横軸とする２次元の座標空間に、受光点Ｐ１の垂直方向Ｖの座標を時系列にプロットする。そして、高さデータ取得部３２１は、各プロット点をサンプリング点とし、各サンプリング点の縦軸の座標から、三角測量の原理を用いて、各サンプリング点の高さデータを求め、トレッド面Ｔ１１の周方向Ｄ１０１に沿った１ラインの高さデータを取得する。ここで、１ラインの高さデータのサンプリング点の個数としては、例えば、１０００〜５０００程度が採用される。よって、１ラインの高さデータはサンプリング点の個数分の高さデータから構成されるデータ群である。

候補抽出部３２２は、１ラインの高さデータからある１のサンプル点を起点として連続する一定数の高さデータを取り出し、取り出した高さデータのメジアンと、取り出した各高さデータとの差分を算出し、差分が高さ閾値以上のサンプル点を特異点候補として抽出する候補抽出処理を実行する。そして、候補抽出部３２２は、起点をずらしながら１ラインの高さデータの全域に対して候補抽出処理を行い、１ラインの高さデータの中から特異点候補を抽出する。

ここで、特異点には、高さデータがタイヤのバリやスピューを示すサンプル点、及び形状センサ３１０の測定不能点が含まれる。バリとは、タイヤＴを金型形成した際に生じる薄い突起物を指し、スピューとは、タイヤＴを金型形成した際に生じるひげ状の突起物を指す。また、測定不能点とは、レーザ光が遮られたために正しい高さデータを得ることができなかったサンプル点を指す。バリ、スピュー、及び測定不能点の高さデータはランナウト及びバルジデントの高さデータに比べて絶対値が大幅に大きい特徴を持つ。そこで、本実施の形態では、メジアンとの差分が高さ閾値以上のサンプル点を特異点候補として抽出する。

ここで、高さ閾値としては、予め生成されたバルジデントの形状を示すモデルデータから算出されたバルジデントの最大傾きの推定値と、１回の候補抽出処理において１ラインの高さデータから取り出された一定数のサンプル点に相当する長さの半分との積に基づいて算出された値が採用される。

補間部３２３は、特異点候補の連続数が幅閾値以下である特異点候補を特異点として決定し、決定した特異点の高さデータを除去し、除去した高さデータを当該特異点に隣接する特異点以外のサンプル点の高さデータを用いて補間し、ランナウト及びバルジデントを評価するための形状データを生成する。ここで、バリやスピューの幅はランナウト及びバルジデントの幅に比べて小さく、測定不能点の連続数はランナウト及びバルジデントの幅よりも小さい。そこで、本実施の形態では、特異点候補の連続数が幅閾値以下の特異点候補を特異点として決定している。

評価部３２４は、補間部３２３により生成された形状データを解析することで、タイヤＴのランナウト及びバルジデントを評価する。ここで、評価部３２４は、例えば、形状データをフーリエ変換する等して、タイヤＴのランナウト及びバルジデントを評価する。

操作部３３０は、オペレータからのデータ生成装置を操作するための操作指示を受け付け制御部３２０に出力する。記憶部３４０は、例えば、不揮発性の記憶装置により構成され、候補抽出部３２２が候補抽出処理を行う際に用いる高さ閾値を記憶する。また、記憶部３４０は、補間部３２３が特異点候補から特異点を決定する際に用いる幅閾値を記憶する。

表示部３５０は、例えば液晶表示パネルにより構成され、補間部３２３が生成した形状データや、評価部３２４による評価結果を表示する。

図４は、候補抽出部３２２が特異点を除去する処理を示す模式図である。候補抽出部３２２は、図４に示すようなサンリング区間が一定数Ｂに相当する幅ＢＷを持つメジアンフィルタを、あるサンプル点を起点Ａとして１ラインの高さデータに当てはめ、幅ＢＷ内での高さデータのメジアンＭｅｄを求める。そして、候補抽出部３２２は、メジアンＭｅｄと幅ＢＷ内の各サンプル点の高さデータＰｘとの差分ΔＳを算出する。そして、候補抽出部３２２は、差分ΔＳが高さ閾値ＴＨ１以上のサンプル点を特異点候補として抽出する。

高さ閾値ＴＨ１は、ＴＨ１＝Ｄ・（（Ｂ−１）／２）・・・（１）により表される。Ｄは図５に示すバルジデントの形状を示すモデルデータから推定されるバルジデントの最大傾きである。なお、式（１）においてＢから１を減じているのは、幅ＢＷは、一定数Ｂから起点Ａを差し引いたサンプル点の個数で表されるからである。

図５は、バルジデントの形状を示すモデルデータの一例を示す図である。バルジデントの形状は正規分布の形状に近似できることが経験的に知られている。そこで、本実施の形態では、例えば、下記のようにして生成されたモデルデータを採用する。まず、過去に製造された複数のタイヤＴのそれぞれのバルジデントの形状データの実測値から各バルジデントの幅Ｗ、高さＨを決定し、決定した幅Ｗ、高さＨに正規分布（ガウス分布）関数をフィッティングし、各バルジデントの形状を近似する正規分布関数を求める。そして、各正規分布関数を微分して、各正規分布関数の最大傾きを求め、求めた最大傾きのうち値が最大である正規分布関数をモデルデータとして採用する。

ここで、傾きが最大の正規分布関数をモデルデータとして採用するのは、幅ＢＷ内において、メジアンＭｅｄを基準としたときのランナウト及びバルジデントの高さデータは、最大傾きに幅ＢＷの半分を乗じた値以内に収まることを考慮したからである。

上述したように、特異点を示す高さデータはスパイク形状を示すので、周方向Ｄ１０１、Ｄ１０２において、１〜数点程度しか連続しない。逆に、ある程度の高さを示す高さデータが一定以上の連続した場合、その高さデータはバルジデントを示す。また、バルジデントは、上記のように正規分布の形状を持つため、この正規分布の形状からバルジデントが持つ最大傾きＤを推定できる。

そして、１ラインの高さデータから幅ＢＷの高さデータを取り出した場合、幅ＢＷにおいて、メジアンＭｅｄを基準としたときのバルジデントを示す高さデータの最大値が推定できれば、その最大値又はその最大値に多少のマージンを加えた値を高さ閾値ＴＨ１として設定することで、幅ＢＷにおいてバルジデントを示す高さデータと特異点を示す高さデータとを区別できる。また、ランナウトはバルジデントよりも傾斜が小さいため、幅ＢＷ内において、メジアンＭｅｄを基準としたときのランナウトの高さデータが高さ閾値ＴＨ１を超えることもない。

ここで、１ラインの高さデータから一定数Ｂの高さデータを取り出したときの高さデータの平均値と各サンプル点の高さデータとの差分を高さ閾値と比較して、ランナウト及びバルジデントと特異点とを区別することも考えられる。しかしながら、特異点の高さデータは正常なサンプル点の高さデータと比較して、非常に大きな値を取る場合が多く、一定数Ｂのサンプル点に含まれる特異点の数や種々の要因次第で平均値は不安定な値を取りやすいという問題がある。そこで、本実施の形態では、特異点の影響を受けにくいメジアンを採用することとした。

ここで、メジアンとは、ある一定数Ｂのデータを小さい順に並べ場合の中央の値を指す。例えば、一定数Ｂを１５点とすると８番目に小さな値がメジアンとなる。

図６は、バルジデントと、バリ及びスピューとの形状分布を示したグラフであり、縦軸は幅を示し、横軸は高さを示している。図６において、ひし形のプロットはバルジデントを示し、四角形のプロットはバリ・スピューを示している。図６に示すように、バルジデントは、バリ・スピューに比べて低いが、幅が広い傾向にある。図６の例では、幅に関しては、幅６０１を境界にして、上側にバルジデントが分布し、下側にバリ・スピューが分布している。したがって、幅に関しては、高さデータの連続数が幅６０１以上であればバルジデント、幅６０１未満であればバリ・スピューと区別できる。

一方、高さに関しては、領域６０２では、バルジデントとバリ・スピューとが混在しているため、単純に高さ閾値を設けるだけではバルジデントと、バリ・スピューとを区別できない。そこで、本実施の形態では、メジアンとの差が高さ閾値ＴＨ１を超える高さデータを特異点候補とし、特異点候補の連続数が幅閾値以下であれば、これら連続する特異点候補を特異点として決定している。

バルジデントの中には、細くて高いものも存在する。図７は、細くて高いバルジデントの形状を示したグラフである。図７において、縦軸は高さを示し、横軸は位置を示している。過去に測定したバルジデントの形状を調査したところ、バルジデントの高さは最大１．２ｍｍ程度、幅は最小で２０点程度である。そこで、本実施の形態では、特異点候補から特異点を抽出するための幅閾値としては、図７に示すような細長い形状を持つバルジデントの幅を考慮した値を採用する。

図８は、バルジデントのモデルデータの形状と傾きとを示すグラフである。図８において、左側の縦軸は高さを示し、右側の縦軸は傾きを示し、横軸は位置を示している。また、図８において、グラフ８０１はバルジデントのモデルデータの形状を示すグラフであり、グラフ８０２はバルジデントのモデルデータの傾きを示すグラフである。

グラフ８０１に示すようにバルジデントのモデルデータは正規分布の形状を持つことが分かる。また、グラフ８０２に示すように、最大傾きＤはグラフ８０１の変曲点８０３に位置していることが分かる。

図９は、メジアンＭｅｄを基準としたときのバルジデントを示す高さデータの最大値ΔＳ＿ｍａｘの推定値を示すグラフであり、縦軸は高さを示し、横軸はメジアンフィルタの幅ＢＷを示している。バルジデントの最大傾きＤの位置にメジアンＭｅｄが位置するようにメジアンフィルタが設定された場合、バルジデントを示す高さデータとメジアンＭｅｄとの差分ΔＳの最大値ΔＳ＿ｍａｘは、Ｄ・（ＢＷ／２）と推定できる。つまり、１ラインの高さデータのどの区間にメジアンフィルタを設定したとしても、差分ΔＳは最大値ΔＳ＿ｍａｘを超えることはないと推定できる。よって、高さ閾値ＴＨ１として、Ｄ・（ＢＷ／２）を採用すれば、ランナウト及びバルジデントを示す高さデータと特異点を示す高さデータとを区別できる。そこで、本実施の形態では、高さ閾値ＴＨ１として、Ｄ・（ＢＷ／２）、つまり、上記の式（１）を採用する。或いは、高さ閾値ＴＨ１として、Ｄ・（ＢＷ／２）に多少のマージンを加えた値を採用してもよい。

メジアンフィルタの幅ＢＷは大きすぎると、全体の形状変化の影響やランナウトやバルジデントを全て特異点として判断してしまう等の問題が生じるため、少なくとも予測されるバルジデントの最小幅（図７の例では２０点）より小さい値を持つ必要である。一方、幅ＢＷが小さすぎると、特異点が幅ＢＷの半分以上で連続する事態が発生する。この場合、メジアンが特異点に設定される結果、特異点を正確に除去できなくなるおそれがある。そこで、本実施の形態では、過去の測定結果から得られたバルジデントの最小幅より小さく、且つ、過去の測定結果から得られた特異点の幅より幅ＢＷの半分（＝ＢＷ／２）が大きいという条件を満たすように、幅ＢＷは設定される。なお、測定対象となるタイヤＴの種類からバルジデントの最小幅や特異点の幅が推定できる場合は、タイヤＴの種類に応じた条件を満たす幅ＢＷが設定されてもよい。

図１０は、本発明の実施の形態によるデータ生成装置の動作を示すフローチャートである。まず、高さデータ取得部３２１は、形状センサ３１０にタイヤＴを走査させ、１ラインの高さデータＤ（ｉ）を取得する（Ｓ１０１）。

次に、候補抽出部３２２は、あるサンプル点を起点Ａとして１ラインの高さデータＤ（ｉ）にメジアンフィルタを設定し、一定数Ｂの高さデータＤ（ｉ）を取り出す（Ｓ１０２）。ここで、ｉは０以上の整数でありサンプル点の位置を示すインデックスである。以下の説明では、ｉが大きくなるにつれて高さデータは後側のサンプル点に位置すると定義し、ｉが小さくなるにつれて高さデータは前側のサンプル点に位置すると定義する。また、起点Ａは、１回目の処理ではｉ＝０のサンプル点に設定される。

次に、候補抽出部３２２は、取り出した一定数Ｂの高さデータＤ（ｉ）のメジアンＭｅｄを算出する（Ｓ１０３）。

次に、候補抽出部３２２は、取り出した高さデータＤ（ｉ）から注目高さデータＤ（ｉ＋ｋ）を決定し、注目高さデータＤ（ｉ＋ｋ）が高さ閾値ＴＨ１より大きいか否かを判定する（Ｓ１０４）。ここで、ｋは０以上、Ｂ−１以下の整数である。

次に、候補抽出部３２２は、注目高さデータＤ（ｉ＋ｋ）が高さ閾値ＴＨ１より大きい場合（Ｓ１０４でＹ）、注目高さデータＤ（ｉ＋ｋ）のサンプル点を特異点候補とする（Ｓ１０５）。一方、注目高さデータＤ（ｉ＋ｋ）が高さ閾値ＴＨ１以下の場合（Ｓ１０４でＮ）、処理をＳ１０６に進める。

Ｓ１０６において、一定数Ｂの全ての高さデータＤ（ｉ）について高さ閾値ＴＨ１との比較が終了した場合（Ｓ１０６でＹ）、候補抽出部３２２は、処理をＳ１０８に進める。一方、一定数Ｂの高さデータＤ（ｉ）の高さ閾値ＴＨ１との比較が終了していない場合（Ｓ１０６でＮ）、候補抽出部３２２は、ｋを１インクリメントして、次の注目高さデータＤ（ｉ＋ｋ）を設定し（Ｓ１０７）、処理をＳ１０４に戻す。

次に、候補抽出部３２２は、起点ＡがＳ１０１で取り出した１ラインの高さデータＤ（ｉ）の最後の高さデータＤ（ｉ）まで到達した場合（Ｓ１０８でＹ）、処理をＳ１０９に進める。一方、候補抽出部３２２は、起点ＡがＳ１０１で取り出した１ラインの高さデータＤ（ｉ）の最後の高さデータＤ（ｉ）まで到達していない場合（Ｓ１０８でＮ）、処理をＳ１０２に戻し、起点Ａを後側に隣接するサンプル点にずらして、１ラインの高さデータＤ（ｉ）にメジアンフィルタを設定し、一定数Ｂの高さデータを取り出し（Ｓ１０２）、Ｓ１０２以降の処理を繰り返す。

つまり、候補抽出部３２２は、１ラインの高さデータに対して、起点Ａを１サンプル点ずつずらしながらメジアンフィルタを適用し、一定数Ｂの高さデータを取り出す。

Ｓ１０９において、補間部３２３は、特異点候補の連続数Ｃをカウントする。次に、補間部３２３は、特異点候補の連続数Ｃが幅閾値ＴＨ２より小さければ（Ｓ１１０でＹ）、これらの特異点候補を特異点として決定する（Ｓ１１１）。

例えば、幅閾値ＴＨ２が１０であり、高さデータＤ（４）〜Ｄ（８）の５つのサンプル点が特異点候補とされていたとすると、これらのサンプル点（４）〜（８）が特異点として決定される。

次に、補間部３２３は、特異点を除去し、除去した特異点の高さデータを、除去した特異点の前後に隣接する特異点以外のサンプル点の高さデータで補間する（Ｓ１１２）。上記の例では、高さデータＤ（４）〜Ｄ（８）が除去され、高さデータＤ（４）より前側に隣接する特異点以外の１又は複数のサンプル点の高さデータと、高さデータＤ（８）より後側に隣接する１又は複数のサンプル点の高さデータとを線形補間することで、サンプル点（４）〜（８）の高さデータが算出され、高さデータＤ（４）〜Ｄ（８）が補間される。ここでは、線形補間を用いたが、これは一例にすぎず、例えば、スプライン補間等、他の補間方法が採用されてもよい。

なお、図１０のフローチャートでは、Ｓ１０４の処理により１回でも注目高さデータＤ（ｉ＋ｋ）＞高さ閾値ＴＨ１と判定されたサンプル点（ｉ＋ｋ）が特異点候補とされたが、これに限定されず、注目高さデータＤ（ｉ＋ｋ）＞高さ閾値ＴＨ１と判定された回数が所定回数以上のサンプル点が特異点候補とされてもよい。

また、図１０のフローチャートでは、Ｓ１０２の処理により、起点Ａは１サンプル点ずつずらされたが、これに限定されず、複数点ずつずらしてもよいし、一定数Ｂずつずらしてもよい。

次に、図１１〜図１４を用いて本データ生成装置による特異点の除去の効果について説明する。図１１〜１４は、特異点を除去する前の高さデータと除去した後の高さデータとを示したグラフであり、縦軸は高さを示し、横軸は位置を示している。なお、図１１〜図１４において、点線は処理前の高さデータを示し、実線は処理後の高さデータを示している。

処理前の高さデータにおいて、ひげ状に延びている高さデータを持つサンプル点が特異点と判定されて、処理後の高さデータにおいて除去されていることが分かる。また、点線で囲んだ部分の高さデータは意図的に入れ込んだバルジデントの高さデータである。処理後の高さデータにおいて、バルジデントの高さデータが残存しており、バルジデントを示す高さデータと特異点を示す高さデータとが精度よく区別されていることが分かる。

図１２において、点線で囲んだ部分に意図的に入れ込まれたバルジデントの高さデータは、図１１に比べて、幅は同じであるが、高さが１／２．４に低くされている。図１２においても、処理後の高さデータにおいて、意図的に埋め込まれたバルジデントの高さデータが残存されており、バルジデントが精度よく抽出できていることが分かる。また、処理前の高さデータに現れていたひげ状に延びる特異点の高さデータが処理後の高さデータでは除去されており、特異点の高さデータが精度よく除去できていることが分かる。

次にバルジデントの幅について検討した。幅は基本的には狭くなるほど抽出が困難になると考えられる。図１３、図１４は幅を変化させた場合の除去状況を示している。

図１３において、点線で囲んだ部分に意図的に入れ込まれたバルジデントの高さデータは、図１１に比べて高さは同じであるが、幅が３倍に広くされている。図１４において、点線で囲んだ部分に意図的に入れ込まれたバルジデントの高さデータは、図１１に比べて高さは同じであるが、幅が２倍にされている。

図１３、図１４においても、処理後の高さデータにおいて、意図的に埋め込まれたバルジデントの高さデータが残存されており、バルジデントが精度よく抽出できていることが分かる。

なお、上記説明では、バルジデントとして、バルジのみの形状を例に挙げて説明したが、本データ生成装置は凹みであるデントにも適用可能であり、プラスマイナスが反転するだけであるので、バルジデント間で性能に変化は無い。

なお、上記説明では、形状センサ３１０として、撮像素子３１１でタイヤＴを撮像するものを採用したが、これは一例であり、タイヤＴの表面形状を非接触で測定できる形状センサであれば、どのような形状センサが採用されてもよい。一例として、レーザ変位計が挙げられる。

また、図３の制御部３２０が備える各ブロックは、コンピュータに上記のデータ生成装置として機能させるデータ生成プログラムをプロセッサが実行することで実現されてもよい。この場合、データ生成プログラムは、ＣＤ−ＲＯＭ等のコンピュータ読み取り可能な記録媒体に格納され、ユーザに提供されてもよいし、ＷＥＢサーバからダウンロードさせることでユーザに提供されてもよい。

３１０ 形状センサ
３１１ 撮像素子
３１２ 光源
３２０ 制御部
３２１ データ取得部
３２２ 候補抽出部
３２３ 補間部
３２４ 評価部
３３０ 操作部
３４０ 記憶部
３５０ 表示部

Claims (5)

1. タイヤのトレッド面又はサイドウォール面を測定面とし、前記測定面のバルジデント及びランナウトを評価するための形状データを生成するデータ生成方法であって、
   形状センサを用いて前記測定面を一定のサンプリング周期で走査し、１ラインの高さデータを取得する高さデータ取得ステップと、
   前記１ラインの高さデータからある１のサンプル点を起点として連続する一定数の高さデータを取り出し、前記取り出した高さデータのメジアンと、前記取り出した各高さデータとの差分を算出し、前記差分が高さ閾値以上のサンプル点を特異点候補として抽出する候補抽出処理を、前記起点をずらしながら前記１ラインの高さデータの全域に対して行う候補抽出ステップと、
   前記特異点候補の中から所定の条件を満たす特異点候補を特異点として決定し、決定した特異点の高さデータを除去し、除去した特異点の高さデータを当該特異点に隣接する特異点以外のサンプル点の高さデータを用いて補間し、前記形状データを生成する補間ステップとを備え、
   前記高さ閾値は、予め生成された前記バルジデントの形状を示すモデルデータから算出された前記バルジデントの最大傾きと前記一定数に相当する幅の半分との積以上の所定の値であるデータ生成方法。
2. 前記形状センサは、非接触式変位計であり、
   前記特異点は、前記タイヤのバリ及びスピューを示すサンプル点と、前記非接触式変位計の測定不能点とを含む請求項１記載のデータ生成方法。
3. 前記補間ステップでは、前記特異点候補の連続数が幅閾値以下である前記特異点候補を前記特異点として決定する請求項１又は２記載のデータ生成方法。
4. 前記モデルデータは、実測されたバルジデントの高さ及び幅に正規分布関数をフィッティングすることで生成され、
   前記最大傾きは、前記正規分布関数を微分することで得られる請求項１〜３のいずれかに記載のデータ生成方法。
5. タイヤのトレッド面又はサイドウォール面を測定面とし、前記測定面のバルジデント及びランナウトを評価するための形状データを生成するデータ生成装置であって、
   形状センサと、
   前記形状センサを用いて前記測定面を一定のサンプリング周期で走査し、１ラインの高さデータを取得する高さデータ取得部と、
   前記１ラインの高さデータからある１のサンプル点を起点として連続する一定数の高さデータを取り出し、前記取り出した高さデータのメジアンと、前記取り出した各高さデータとの差分を算出し、前記差分が高さ閾値以上のサンプル点を特異点候補として抽出する候補抽出処理を、前記起点をずらしながら前記１ラインの高さデータの全域に対して行う候補抽出部と、
   前記特異点候補の中から所定の条件を満たす特異点候補を特異点として決定し、決定した特異点の高さデータを除去し、除去した特異点の高さデータを当該特異点の近傍のサンプル点の高さデータを用いて補間し、前記形状データを生成する補間部とを備え、
   前記高さ閾値は、予め生成された前記バルジデントの形状を示すモデルデータから算出された前記バルジデントの最大傾きの推定値と、前記一定数の半数との積であるデータ生成装置。

Images