WO2016097598A2 - Procede de detection de stries dans un pneumatique - Google Patents

Procede de detection de stries dans un pneumatique Download PDF

Info

Publication number
WO2016097598A2
WO2016097598A2 PCT/FR2015/053538 FR2015053538W WO2016097598A2 WO 2016097598 A2 WO2016097598 A2 WO 2016097598A2 FR 2015053538 W FR2015053538 W FR 2015053538W WO 2016097598 A2 WO2016097598 A2 WO 2016097598A2
Authority
WO
WIPO (PCT)
Prior art keywords
segment
pixel
pixels
streaks
value
Prior art date
Application number
PCT/FR2015/053538
Other languages
English (en)
Other versions
WO2016097598A3 (fr
WO2016097598A4 (fr
Inventor
Alexandre Joly
Régis VINCIGUERRA
Alexandre CHARIOT
Original Assignee
Compagnie Generale Des Etablissements Michelin
Michelin Recherche Et Technique S.A.
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
Priority claimed from FR1462901A external-priority patent/FR3030845B1/fr
Priority claimed from FR1462898A external-priority patent/FR3030844B1/fr
Application filed by Compagnie Generale Des Etablissements Michelin, Michelin Recherche Et Technique S.A. filed Critical Compagnie Generale Des Etablissements Michelin
Priority to EP15821143.3A priority Critical patent/EP3234915A2/fr
Priority to US15/534,177 priority patent/US20170330338A1/en
Priority to JP2017532109A priority patent/JP2018501480A/ja
Priority to CN201580069529.1A priority patent/CN107111873A/zh
Publication of WO2016097598A2 publication Critical patent/WO2016097598A2/fr
Publication of WO2016097598A3 publication Critical patent/WO2016097598A3/fr
Publication of WO2016097598A4 publication Critical patent/WO2016097598A4/fr

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction

Definitions

  • the invention relates to the detection and referencing of streaks in images.
  • a striated zone is such that it presents a pattern, for example a shape, a line or a curve, regularly repeated in a given direction
  • Streak detection methods are known in images in which a spectral approach is used to detect streak frequencies.
  • Fourier filtering is generally used.
  • the Fourier transform of the image to be studied is carried out.
  • the image obtained which represents the frequencies of the image studied in the Fourier space
  • peaks are obtained which correspond to different frequencies of gray levels or colors of the image.
  • This approach is expensive in computing time, especially on large images whose Fourier transform must be calculated. It is moreover rather delicate and imprecise, in particular because it is complicated to separate the frequencies corresponding to streaks frequencies corresponding to background noise. Indeed, the frequency peaks corresponding to streaks are rarely clearly defined in the image obtained by the Fourier transform.
  • Another type of streak detection method in an image consists of comparing the studied image with so-called reference images comprising streaks, and calculating a correlation rate between the images.
  • the major disadvantage of this type of method is that it requires a very large memory to hold the reference images and a very important computation time to compare the image portions between them and determine a correlation rate.
  • An object of the invention is to provide a method that is less expensive in computing time and in memory, and is simpler, more accurate and more reliable than the aforementioned methods.
  • determining at least one representation comprising a type of streaks to be referenced identifying at least one segment of pixels or voxels of the representation
  • the or each recorded value is then used as a control to which one or more values measured on a studied image are compared, in order to determine whether the image studied comprises streaks or not.
  • the segmental approach makes it possible to reference values which relate to a series of successive pixels, instead of studying the image pixel by pixel for example. This approach is particularly well suited when the segment is perpendicular to streaks, the values relating to differences between the gray levels or colors then highlighting the variation of pixel levels. This method is independent of the type of streak detection method used later. The same observations are worth considering voxels rather than pixels. The same goes for the rest of the time, each time we consider pixels.
  • the digital representations on which are implemented a method according to the invention can be of three types:
  • 3D - Representations
  • each pixel of the image carries topographic information of depth of the streaks.
  • the level of gray or color corresponds to this depth of the streaks.
  • the level corresponds, for example, to the contrast between the background and the top of the streaks.
  • the value or at least one of the values is chosen from the following group:
  • the average serves as a control to determine if a segment of pixels of a studied image is in a potentially streaked zone or not. Indeed, the more streaks there are, the more gray level pixels are next to each other, and the higher the average difference in levels between adjacent pixels.
  • the average period makes it possible to establish an average interval of distance between the vertices of the streaks or between the valleys of the inter-striations.
  • the length makes it possible to compare segments large enough to contain relevant information about the streak area and small enough that the calculation of the other reference value (s) is not too time-consuming.
  • the length of the segment is advantageously fixed at 3.5 mean periods.
  • identifying a segment of pixels or voxels centered on the pixel or voxel considered determining at least one value relating to differences between gray levels or colors of pixels or voxels of the segment
  • the segmental approach makes it possible to determine values that relate to a sequence of successive pixels, instead of studying the image pixel by pixel.
  • This approach is therefore particularly well suited when the segment to be studied is perpendicular to streaks, the values relating to differences between the gray or color levels then highlighting the variation of pixel levels.
  • the segment centered on this pixel comprises values relating to differences in levels of pixels or voxels already calculated previously. It is thus possible to calculate values relating to differences within several rapidly overlapping segments by factoring the calculations.
  • the value or at least one of the difference values is an average of absolute values of differences in the levels within each pair of adjacent pixels or voxels of the segment.
  • the average of the absolute values of the differences makes it possible to determine whether the segment is in a strongly streaked zone or not. This value is simple and quick to determine, and we remove the pixels that are not part of a streaked area. For example, if the average difference is small, it means that the segment, and therefore the pixel located at its center, is in a rather homogeneous area in terms of gray levels or colors. On the other hand, if the average difference is high, it means that by traversing the segment of a pixel located at one end to the pixel located at the other end, the levels of gray or colors vary considerably. In this case, it is considered that the pixel located in the center of this segment may be included in a streak zone, and it is not eliminated.
  • the value or at least one of the difference values is an average period of periods relating to the pixels or voxels of the segment.
  • the average period represents the average distance between, within the segment, two identical changes of values of adjacent pixels. This corresponds to the average interval between two peaks of streaks of the segment, or between two inter-strikeths.
  • the value or at least one of the values relating to the differences is a number of periods relating to pixels or voxels of the segment.
  • the value or at least one of the values relating to the differences is one or more periods relating to pixels or voxels of the segment.
  • each period for example an interval between two peaks of streaks, can be compared to a predetermined value.
  • the automated means associate a binary value "0" or
  • each pixel or voxel of the segment depending on its level, and the value or at least one of the difference values is relative to changes between values within adjacent pairs of pixels or voxels when the automated means traverse the segment in one direction, these changes being identical and preferably the first pixel of each pair comprising a value identical to that of a pixel or a voxel of the segment located at an end of the predetermined segment as a function of the direction.
  • the segment is binarized so as to distinguish only two types of pixels: those located in a strip, those located between two stripes. All calculations of values relating to differences between gray levels or colors of pixels or voxels of the segment, and in particular the calculation of periods, are then simplified.
  • an average value of the values of the pixels or voxels of the segment is determined
  • each pixel or voxel of the segment is assigned a binary value as a function of the difference between its value and the average numerical value.
  • the value of the pixel or voxel is greater than or equal to the average value, it is associated with the binary value "1", otherwise "0".
  • the automated means associates a binary value "0" or "1" with each pixel or voxel of the segment as a function of its level, and the value or at least one of the values relating to the differences is relative to changes between values within pairs of adjacent pixels or voxels when the automated means traverses the segment in one direction, these changes being identical and preferably the first pixel of each pair comprising a preference value different from that of a pixel or a voxel of the segment located at one end of the predetermined segment depending on the direction.
  • the secondary periods represent either an interval between two inter-striketholes, or an interval between two vertices of streaks, but not both, in the same way as the values defined above and complementary to them.
  • the secondary periods concern the intervals between inter-striketholes, and vice versa.
  • the segment is composed of at least three consecutive pixels or voxels of the representation.
  • the dilation allows to obtain in the dilated image, in place of the striation zone of the base image, a smooth streak zone, the intervals between the streaks having been erased by the expansion.
  • the erosion makes it possible to obtain in the eroded image, instead of the striation zone of the base image, a zone of intervals of smooth striations, the streaks being erased by erosion.
  • the difference representation must comprise a perfectly homogeneous zone at the same place as the position of the streak zone in the basic representation.
  • the difference representation includes an area corresponding to the streak area, whose gray or color levels are substantially constant, within a noise tolerance range.
  • the difference representation comprises one or more zones whose gray or color levels are very different from those of the surrounding pixels.
  • an aim is to provide a method for analyzing the conformity of tire grooves which is less expensive in terms of calculation time and faster to implement.
  • the automated means determine one or more structuring elements of the expansion and erosion as a function of a dimension of the streaks, a gap between the striations and / or a striations orientation.
  • the structuring elements are adapted to each type of streaks detected upstream. This makes it possible to carry out the most relevant expansion and erosion operations possible, by deleting the streaks and the intervals between the striations in the most correct manner, while preserving the other elements.
  • the automated means determine at least two dilations of the basic representation with different respective structuring elements, to obtain the expanded representation.
  • the automated means determines at least two erosions of the basic representation with respective different structuring elements, to obtain the eroded representation.
  • the striations are separated into different types of streaks, and the dilation and / or erosion operations are repeated. for each type of streak, with structuring elements adapted to the different types of streaks of the zone.
  • digital values of pixels or voxels of the difference representation are compared with at least one predetermined threshold.
  • the streaks of the basic representation comprise a defect.
  • all the values are within a predetermined interval relative to the predetermined threshold, it is considered that the striation zone of the basic representation does not include a defect, and that the tire therefore conforms.
  • the threshold or at least one of the thresholds is a median of values of the pixels or voxels of the difference representation.
  • the basic representation does not include any color other than black, white and gray levels.
  • the basic representation can also include black, white and gray.
  • automated means perform the following steps:
  • the segmental approach makes it possible to determine values that relate to a sequence of successive pixels, instead of studying the image pixel by pixel.
  • This approach is therefore particularly well suited when the segment to be studied is perpendicular to streaks, the values relating to differences between the gray or color levels then highlighting the variation of pixel levels. It is also not necessary to try to detect peaks of frequencies in an image transformed by complex calculations, for example by Fourier analysis, since one is directly interested in the image to be studied in order to detect the streaks.
  • the segment centered on this pixel comprises values relating to differences in levels of pixels or voxels already calculated previously. It is thus possible to calculate values relating to differences within several rapidly overlapping segments by factoring the calculations.
  • the or each recorded value is then used as a control to which one or more values measured on a studied image are compared, in order to determine whether the image studied comprises streaks or not.
  • the segmental approach makes it possible to reference values which relate to a series of successive pixels, instead of studying the image pixel by pixel for example. This approach is particularly well suited when the segment is perpendicular to streaks, the values relating to differences between the gray levels or colors then highlighting the variation of pixel levels. This method is independent of the type of streak detection method used later.
  • the device comprises a recording medium comprising a database of values relating to streaks.
  • FIGS. 3 to 5 schematically illustrate respectively a digital image, a segment of this image, and the segment in binarized form
  • FIG. 6 illustrates a method according to one embodiment of the invention
  • FIGS. 7 to 11 schematically illustrate respectively an image, a segment of the image, the segment in binarized form, another segment of the image and this segment in binarized form;
  • FIG. 12 illustrates a method according to another embodiment of the invention.
  • FIGS. 13 to 16 schematically illustrate a digital image, the image in eroded form, the image in dilated form, and a difference image between the dilated and eroded images;
  • FIGS. 17 and 18 respectively illustrate a digital image comprising a zone of streaks having a defect and the difference image resulting from this image according to one embodiment of the invention.
  • FIG. 19 illustrates a device adapted to implement a method according to the invention.
  • the tire control method aims at creating a tire image database to reference types of streaks and then to detect streaks similar to the types of streaks referenced in test images.
  • the streak conformance check method aims to check whether tire striation areas have defects. I SEO process
  • the method first consists of referencing streak types and then detecting streaks in images using the referenced streaks.
  • Figures 1 and 2 illustrate different types of streaks in two-dimensional images 10 and 20. These types of striations differ from each other in the thickness of the striations, their orientation, their straightness, the interval between the striations, as well as the gray levels of the striations and the intervals of striations of each type.
  • Figure 1 also proposes two zones 1 and 2 of different types of streaks. These are all types of streaks that we want to reference at first, and detect in a second time when we find these streaks in an image.
  • a device 90 which notably comprises a processor 94, a memory 95 and is connected to a database 92.
  • a computer program can request as input an image or a series of images including zones of streaks to be referenced, as well as an image or images to be studied.
  • This program provides the user with data on each type of reference streaks, as well as the types of streaks determined and their location in the images to be studied.
  • the same or a separate program allows for the application of a compliance check method described below.
  • the input image may be provided automatically by the method itself when it has detected streaks in an image.
  • the same program makes it possible to determine streaks in an image of a tire, and at the same time to determine whether or not these streaks have defects.
  • this program can be made available on a telecommunications network, such as the web, or an internal network, so as to allow its download by a user.
  • program or equivalent instructions may be recorded on a computer-readable storage medium 93 such as a hard disk, a USB key, a CD, or any other equivalent medium, which may include the database.
  • a computer-readable storage medium 93 such as a hard disk, a USB key, a CD, or any other equivalent medium, which may include the database.
  • reference images comprising streak zones such as images 10 and 20 of FIGS. 1 and 2 are selected to construct a reference base.
  • This reference base may include any image comprising a striated zone, even not explicitly described in the present application.
  • each pixel of the image 30, and a fortiori of the reference segment 4 includes a gray level value.
  • a reference segment 4 of 21 pixels is selected.
  • the pixel values are binarized according to the average of the previously calculated gray levels. Thus, if a gray value of one pixel equal to or exceeds the average of the gray levels of the reference segment, the corresponding pixel is assigned the value "0". If a gray value is below average, the corresponding pixel is assigned the value "1".
  • a segment 50 is thus obtained, illustrated in FIG. 5. It is from this segment 50 that the calculations described below are carried out:
  • a main period is the shortest distance, in number of pixels, between two changes between values within adjacent pairs of pixels when traversing the segment from left to right, these changes being identical and the first pixel of each pair comprising a value identical to that of the first pixel of the segment at the left end.
  • the first pixel 14 located at the left end has the binary value "1”.
  • the first change is therefore sought between a binary value pixel "1" and a binary value pixel "0". This change takes place between the pixels 15 and 16.
  • the second identical change is then sought, that is to say between a pixel of binary value "1” and a pixel of binary value "0", by traversing the segment of left and right.
  • the type of streaks of FIG. 3 was entered as a reference in the database.
  • the three data entered for this type of streaks namely the reference average, the average reference period, and the reference length, must make it possible to detect this type of streaks in any image to be studied, if these streaks are present.
  • each type of streak referenced can be compared to the values that will be determined during the detection.
  • FIG. 6 which illustrates a method according to a preferred embodiment of the invention, the following steps are performed for a given type of streaks:
  • step B If the average calculated on the study segment is in the range, then the segment is subjected to step B). If the result is not included in the interval, then another type of referenced streaks to which the study segment 62 is to be compared is compared, and step A) is repeated for the new referenced streak type considered. . This amounts to using a high threshold and a low threshold on both sides of the reference average and to compare the result with these thresholds.
  • This criterion removes a large majority of bad pixels, leaving only the pixels on areas a minimum textured, but not necessarily still streaking.
  • step B) The segment is binarized in the same way as in step 4) of the referencing method, and the same calculations are performed as in steps 5) and 6).
  • step 4) we obtain an average period of the main periods on the study segment 62, represented schematically by the binarized study segment 63 of FIG. 9.
  • This average period is then compared with the reference period recorded for the type of streaks considered successfully in step A). In the same way as before, this comparison is carried out by a range of values centered on an "average reference period". If the average period of the segment 63 belongs to the range of values, then the pixel 61 and its binarized study segment 63 go to step C), otherwise another type of streaks is selected and the method is repeated. step A), for the new type of streaks considered.
  • This criterion removes areas that do not look like the type of streaks searched, ie the types of streaks referenced.
  • This criterion mainly removes some bad areas near the edges of the texts, but also the lateral borders of zones of striations that could have been recognized and localized. These areas can be found later by binary morphology steps such as dilations or erosions.
  • step D If the study segment passes this step, proceed to step D). Otherwise, step A) is repeated with a new type of reference streaks.
  • the pixel 61 on which the study segment 62 is centered is considered to belong to the type of streaks for which steps A) to D) were performed.
  • step A) the process is repeated in step A) with a new type of reference streaks.
  • step D If all types of reference streaks have been compared to the segment without the pixel successfully passing step D), it is considered that the pixel 61 of the study segment 62 does not belong to streak types that have been referenced, and we stop the process. It can be repeated in step A) with another pixel on which we will center another study segment.
  • step D the process is restarted with another pixel, for the same type of referenced streak.
  • the method stops when all the pixels of the image have been considered, that is to say when all these pixels are passed at least through step A of the method.
  • only a certain portion of the image, or some pixels of the image, is selected, and the method is applied only to these pixels.
  • a user may have visually located an area that might contain streaks in an image, and decide to apply the process only to that area of the image.
  • step A certain differences between pixels are recorded. Indeed, if we first perform calculations for a given pixel, then calculations for a pixel located on the same pixel line of the image, it is possible that their study segments include identical pixels. It is then useful to reuse in the calculation already calculated results.
  • step A) is independent of the other three steps because there is no need to binarize the segments to achieve it. This step is actually the simplest of all, that's why it's done first.
  • step A instead of restarting the process in step A) with another type of streaks, the test of the same step is carried out with another type of streaks.
  • a pixel can pass the test of step A) for a given type of streaks, pass step B) for another type of streaks given, and so on.
  • the ranges of values that serve as a comparison are also stored in the database. They are not necessarily centered on the reference values such as the average reference period, the reference length or the reference average. They can understand these values without being centered on them. In this way, some variations from the reference values are tolerated in one direction but not in another.
  • only one type of streaks or several types of particular streaks in the study segments are to be detected. This consists of comparing the data of the study segment with the referenced data concerning these types of striations and not with the other types of referenced streaks.
  • a fault In a flat area, a fault is characterized by a higher or lower elevation than the average of the area.
  • the principle of the method in the present mode consists of filter the streaks in two different ways to obtain two images of flat areas: an image representing an average of the streaks, and an image representing an average of the vertices of the streaks.
  • an erosion of the image 70 is performed, so as to obtain an eroded image.
  • the structuring element is chosen so that the streaks disappear in the eroded image.
  • the structuring element one takes into account the interval between the striations, the orientation of the striations, and their size. Erosion takes place in gray level, one can also take into account the gray levels of the streaks and intervals.
  • the eroded image 71 of Figure 14 thus represents an average of the bottoms of the streaks, in other words an average of the hollows between the streaks.
  • An expansion of the image 70 is also carried out.
  • the structural element of the expansion is chosen to expand the striations so that they fill the gaps between them, on the expanded image 72 of FIG. to choose the structuring element of the dilation are the same as those of erosion.
  • the dilated image 72 thus represents an average of the vertices of the streaks.
  • a difference is then made between the expanded image 72 and the eroded image 71 so as to obtain a difference image 73.
  • This image here has a homogeneous content. There is therefore no defect in the streak area of the image 70.
  • the method according to the invention makes it possible to automatically detect these defects, by comparing the value of the gray levels of the pixels with the median value of the pixels of the difference image. Thus, if the value of one of the pixels of the difference image is too far from the median value of the pixels of the image, it is considered that the pixel in question makes visible a defect in the streak zone of the image.
  • the images include colors other than shades of gray.
  • the above calculations, concerning the streak detection method, and the conformity control method can in particular be carried out on each type of color independently of each other, so as to detect and / or control, for example, streaks of red, of green, of blue.
  • the calculations can also relate to values resulting from combinations between these color values.
  • the images form non-two-dimensional but three-dimensional spaces including voxels.
  • each voxel includes a luminance value. Previous calculations can therefore be further performed on the depth levels. Thus, even with identical or similar colors, it is possible to reference, determine, and / or control streaks which are distinguished from each other by their relief.
  • the method for detecting the streak zones described in Part II and the streak compliance checking method described in Part III may be implemented independently of one another. In particular, it is possible to control the conformity of the streaks according to the method of Part III after detecting a zone of striations other than according to the method of Part II, and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Tires In General (AREA)
  • Image Generation (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

Dans ce procédé de référencement de stries présentes dans des représentations numériques (10) de pneumatiques des moyens automatisés effectuent les étapes suivantes afin de référencer des types de stries: - déterminer au moins une représentation comportant un type de stries (1, 2) à référencer, - identifier au moins un segment de pixels ou de voxels de la représentation (10), et - enregistrer au moins une valeur relative à des différences entre des niveaux de gris ou de couleurs de pixels ou de voxels du segment.

Description

Procédé de détection de stries dans un pneumatique
L'invention concerne la détection et le référencement de stries dans des images.
On cherche à détecter des stries notamment dans des images de pneumatiques, de façon à localiser les zones de pneumatiques où des informations sont gravées. On peut aussi chercher à localiser ces zones pour vérifier par la suite qu'elles ne présentent pas de défaut. Une zone striée est telle qu'elle présente un motif, par exemple une forme, une ligne ou une courbe, régulièrement répété dans une direction donnée
On connaît des procédés de détection de stries dans des images dans lesquels on utilise une approche spectrale afin de détecter des fréquences de stries. A cet effet, on utilise généralement un filtrage de Fourier. On effectue la transformée de Fourier de l'image que l'on souhaite étudier. Dans l'image obtenue, qui représente les fréquences de l'image étudiée dans l'espace de Fourier, on obtient des pics qui correspondent à différentes fréquences de niveaux de gris ou de couleurs de l'image. On retrouve ainsi des fréquences correspondant à des stries de l'image initiale, et on en déduit la présence et la localisation de ces stries dans l'image initiale. Cependant, cette approche est coûteuse en temps de calcul, notamment sur des images de grandes taille dont il faut calculer la transformée de Fourier. Elle est de plus assez délicate et imprécise, notamment car il est compliqué de séparer les fréquences correspondant à des stries des fréquences correspondant à du bruit de fond. En effet, les pics de fréquence correspondant à des stries sont rarement délimités nettement dans l'image obtenue par la transformée de Fourier.
Un autre type de procédé de détection de stries dans une image consiste à comparer l'image étudiée avec des images dites de référence comprenant des stries, et à calculer un taux de corrélation entre les images. L'inconvénient majeur de ce type de procédé est qu'il nécessite une mémoire très importante pour contenir les images de référence et un temps de calcul très important pour comparer les portions d'image entre elles et déterminer un taux de corrélation.
Un but de l'invention est de fournir un procédé moins coûteux en temps de calcul et en mémoire, et plus simple, plus précis et plus fiable que les méthodes précitées.
On prévoit à cet effet un procédé de référencement de stries présentes dans des représentations numériques de pneumatiques, dans lequel des moyens automatisés effectuent les étapes suivantes afin de référencer des types de stries:
- déterminer au moins une représentation comportant un type de stries à référencer, - identifier au moins un segment de pixels ou de voxels de la représentation, et
- enregistrer au moins une valeur relative à des différences entre des niveaux de gris ou de couleurs de pixels ou de voxels du segment.
Ainsi, la ou chaque valeur enregistrée sert ensuite de témoin auquel une ou des valeurs mesurées sur une image étudiée sont comparées, afin de déterminer si l'image étudiée comporte des stries ou non. L'approche segmentaire permet de référencer des valeurs qui ont trait à une suite de pixels successifs, au lieu d'étudier l'image pixel par pixel par exemple. Cette approche est donc particulièrement bien adaptée lorsque le segment est perpendiculaire à des stries, les valeurs relatives à des différences entre les niveaux de gris ou de couleurs mettant alors en évidence la variation de niveaux des pixels. Ce procédé est indépendant du type de procédé de détection de stries utilisé par la suite. Les mêmes observations valent en considérant des voxels plutôt que des pixels. Il en va de même dans toute la suite, chaque fois que l'on considérera des pixels.
Les représentations numériques sur lesquelles sont mis en œuvre un procédé selon l'invention peuvent être de trois types :
- Des représentations dites « 2D », qui correspondent à des images en deux dimensions dans lesquelles chaque pixel porte une information de luminance,
- Des représentations dites « 2.5D », qui correspondent à des images en deux dimensions dans lesquelles chaque pixel porte une information de profondeur,
- Des représentations dites « 3D », qui correspondent à des volumes en trois dimensions dans lesquels chaque voxel porte une information de luminance.
Dans le cas où les acquisitions utilisées présentent une information de type « relief », chaque pixel de l'image porte une information topographique de profondeur des stries. Le niveau de gris ou de couleur correspond à cette profondeur des stries. Dans le cas où les acquisitions portent une information de luminance, le niveau correspond, par exemple, au contraste entre le fond et le haut des stries.
Avantageusement, la valeur ou au moins l'une des valeurs est choisie parmi le groupe suivant :
- une période moyenne de périodes relatives à des pixels ou des voxels du segment,
- une moyenne de valeurs absolues de différences entre des niveaux de gris ou de couleurs au sein de chaque paire de pixels ou de voxels adjacents du segment, et
- de préférence en outre une longueur déterminée à partir de la période moyenne.
Ainsi, la moyenne sert de témoin pour déterminer si un segment de pixels d'une image étudiée se trouve dans une zone potentiellement striée ou non. En effet, plus il y a de stries, plus il y a des pixels de niveaux de gris différents les uns à côté des autres, et plus la différence moyenne de niveaux entre des pixels adjacents est élevée. La période moyenne permet d'établir un intervalle moyen de distance entre les sommets des stries ou entre les creux des inter-stries. Enfin, la longueur permet de comparer des segments suffisamment grands pour contenir des informations pertinentes sur la zone de stries et suffisamment petits pour que le calcul de la ou des autres valeurs de référence ne soit pas trop chronophage. On fixe avantageusement la longueur du segment à 3,5 périodes moyennes. Ces trois paramètres combinés, période, moyenne, et longueur, permettent de référencer des types de stries. En effet, on peut avoir, dans une zone de stries, des stries fines et nombreuses, larges et peu nombreuses, ou encore d'autres types de stries. A chaque type de strie correspond donc une valeur ou une combinaison de valeurs des trois paramètres de référence.
On prévoit également un procédé de contrôle d'un pneumatique, dans lequel, pour localiser une zone de stries dans une représentation numérique d'un pneumatique, des moyens automatisés effectuent les étapes suivantes :
- considérer au moins un pixel ou voxel d'une zone de la représentation et,
pour le ou chaque pixel ou voxel considéré :
- identifier un segment de pixels ou de voxels centré sur le pixel ou le voxel considéré, - déterminer au moins une valeur relative à des différences entre des niveaux de gris ou de couleurs de pixels ou de voxels du segment, et
- comparer la ou les valeurs à un ou des seuils prédéterminés.
Ainsi, là encore, l'approche segmentaire permet de déterminer des valeurs qui ont trait à une suite de pixels successifs, au lieu d'étudier l'image pixel par pixel. Cette approche est donc particulièrement bien adaptée lorsque le segment à étudier est perpendiculaire à des stries, les valeurs relatives à des différences entre les niveaux de gris ou de couleurs mettant alors en évidence la variation de niveaux des pixels. Il n'est pas non plus nécessaire de chercher à détecter des pics de fréquences dans une image transformée via des calculs complexes, par exemple par une analyse de Fourier, puisqu'on s'intéresse directement à l'image à étudier afin de détecter les stries. De plus, en passant d'un pixel considéré à un pixel considéré adjacent, le segment centré sur ce pixel comprend des valeurs relatives à des différences de niveaux de pixels ou voxels déjà calculées précédemment. On peut ainsi calculer des valeurs relatives à des différences au sein de plusieurs segments qui se chevauchent rapidement en factorisant les calculs.
Avantageusement, la valeur ou au moins l'une des valeurs relatives aux différences est une moyenne de valeurs absolues de différences des niveaux au sein de chaque paire de pixels ou de voxels adjacents du segment.
Ainsi, la moyenne des valeurs absolues des différences permet de déterminer si le segment se trouve dans une zone fortement striée ou non. Cette valeur est simple et rapide à déterminer, et on écarte ainsi les pixels qui ne font pas partie d'une zone striée. Par exemple, si la différence moyenne est faible, cela veut dire que le segment, et donc le pixel situé en son centre, se trouve dans une zone plutôt homogène en termes de niveaux de gris ou de couleurs. En revanche, si la différence moyenne est élevée, cela signifie qu'en parcourant le segment d'un pixel situé à une extrémité au pixel situé à l'autre extrémité, les niveaux de gris ou de couleurs varient considérablement. Dans ce cas, on considère que le pixel situé au centre de ce segment est peut-être compris dans une zone de stries, et on ne l'élimine pas.
De préférence, la valeur ou au moins l'une des valeurs relatives aux différences est une période moyenne de périodes relatives aux pixels ou aux voxels du segment.
Ainsi, la période moyenne représente la distance moyenne entre, au sein du segment, deux changements identiques de valeurs de pixels adjacents. Cela correspond donc à l'intervalle moyen entre deux sommets de stries du segment, ou entre deux creux d'inter-stries.
Avantageusement, la valeur ou au moins l'une des valeurs relatives aux différences est un nombre de périodes relatives à des pixels ou à des voxels du segment.
De préférence, la valeur ou au moins l'une des valeurs relatives aux différences est une ou des périodes relatives à des pixels ou à des voxels du segment.
Ainsi, on peut par exemple comparer chaque période, par exemple un intervalle entre deux sommets de stries, à une valeur prédéterminée.
Avantageusement, les moyens automatisés associent une valeur binaire « 0 » ou
« 1 » à chaque pixel ou voxel du segment en fonction de son niveau, et la valeur ou au moins l'une des valeurs relatives aux différences est relative à des changements entre des valeurs au sein de paires de pixels ou de voxels adjacents lorsque les moyens automatisés parcourent le segment dans une direction, ces changements étant identiques et de préférence le premier pixel de chaque paire comprenant une valeur identique à celle d'un pixel ou d'un voxel du segment situé à une extrémité du segment prédéterminée en fonction de la direction.
Ainsi, on binarise le segment de manière à distinguer uniquement deux types de pixels : ceux situés dans une strie, ceux situés entre deux stries. Tous les calculs de valeurs relatives à des différences entre des niveaux de gris ou de couleurs de pixels ou voxels du segment, et notamment les calculs de périodes, sont alors simplifiés.
De plus, en faisant dépendre le calcul de valeurs relatives aux pixels ou voxels de la valeur binaire du premier pixel ou voxel du segment, on considère, lors du calcul d'une valeur relative aux différences de niveaux, soit un intervalle entre deux sommets de stries, soit un intervalle entre deux creux d'inter-stries, mais pas les deux en même temps. De cette manière, on diminue encore le temps de calcul.
Avantageusement, pour associer une valeur binaire à un pixel du segment, - on détermine une valeur moyenne des valeurs des pixels ou voxels du segment ;
- on assigne à chaque pixel ou voxel du segment une valeur binaire en fonction de la différence entre sa valeur et la valeur numérique moyenne.
Ainsi, par exemple si la valeur du pixel ou voxel est supérieure ou égale à la valeur moyenne, on lui associe la valeur binaire « 1 », sinon « 0 ».
De préférence, les moyens automatisés associent une valeur binaire « 0 » ou « 1 » à chaque pixel ou voxel du segment en fonction de son niveau, et la valeur ou au moins l'une des valeurs relatives aux différences est relative à des changements entre des valeurs au sein de paires de pixels ou de voxels adjacents lorsque les moyens automatisés parcourent le segment dans une direction, ces changements étant identiques et de préférence le premier pixel de chaque paire comprenant une valeur de préférence différente de celle d'un pixel ou d'un voxel du segment situé à une extrémité du segment prédéterminée en fonction de la direction.
Ainsi, les périodes secondaires représentent soit un intervalle entre deux creux d'inter-stries, soit un intervalle entre deux sommets de stries, mais pas les deux, de la même manière que les valeurs définies ci-dessus et de façon complémentaire à elles. Ainsi, si les valeurs définies ci-dessus concernent un intervalle entre deux sommets de stries, les périodes secondaires concernent les intervalles entre des creux d'inter-stries, et vice versa.
Avantageusement, le segment est composé d'au moins trois pixels ou voxels consécutifs de la représentation.
On prévoit également un procédé de contrôle de conformité de pneumatiques, dans lequel des moyens automatisés exécutent les étapes suivantes :
- déterminer au moins une dilatation d'une représentation de base comprenant au moins une zone de stries d'un pneumatique de façon à obtenir une représentation dilatée ;
- déterminer au moins une érosion de la représentation de base de façon à obtenir une représentation érodée ; et
- déterminer une différence entre la représentation dilatée et la représentation érodée de façon à obtenir une représentation de différence.
La dilatation permet d'obtenir dans l'image dilatée, à la place de la zone de stries de l'image de base, une zone de stries lisse, les intervalles entre les stries ayant été effacés par la dilatation. L'érosion permet elle d'obtenir dans l'image érodée, à la place de la zone de stries de l'image de base, une zone d'intervalles de stries lisse, les stries ayant été effacées par l'érosion. Ainsi, dans un cas où les stries de la représentation de base sont parfaites, la représentation de différence doit comprendre une zone parfaitement homogène au même endroit que la position de la zone de stries dans la représentation de base. Dans la pratique, si la zone de stries ne comprend pas de défaut, alors la représentation de différence comprend une zone correspondant à la zone de stries, dont les niveaux de gris ou de couleurs sont sensiblement constants, dans un intervalle de tolérance du bruit. Dans le cas contraire, alors la représentation de différence comprend une ou des zones dont les niveaux de gris ou de couleurs sont très différents de ceux des pixels environnant.
On prévoit également un programme d'ordinateur comprenant des instructions de code aptes à commander la mise en œuvre des étapes du procédé selon l'invention lorsqu'il est exécuté sur un ordinateur.
Enfin, on prévoit selon l'invention un dispositif de contrôle de stries dans des représentations de pneumatiques, apte à mettre en œuvre un procédé tel que décrit précédemment.
Selon un autre aspect de l'invention un but est de fournir un procédé d'analyse de la conformité des stries de pneumatiques moins coûteux en temps de calcul, et plus rapide à mettre en œuvre.
A cet effet, on prévoit un procédé de contrôle de conformité de pneumatiques, dans lequel des moyens automatisés exécutent les étapes suivantes :
- déterminer au moins une dilatation d'une représentation de base comprenant au moins une zone de stries d'un pneumatique de façon à obtenir une représentation dilatée ;
- déterminer au moins une érosion de la représentation de base de façon à obtenir une représentation érodée ; et
- déterminer une différence entre la représentation dilatée et la représentation érodée de façon à obtenir une représentation de différence.
Un tel procédé ne nécessite pas l'utilisation d'une référence, et en cela il présente l'avantage d'être plus simple à mettre en œuvre que les procédés connus. De préférence, les moyens automatisés déterminent un ou plusieurs éléments structurants de la dilatation et de l'érosion en fonction d'une dimension des stries, d'un intervalle entre les stries et/ou d'une orientation des stries.
Ainsi, les éléments structurants sont adaptés à chaque type de stries détectées en amont. Cela permet d'effectuer des opérations de dilatations et d'érosion les plus pertinentes possibles, en effaçant de la manière la plus correcte possible respectivement les stries et les intervalles entre les stries, tout en conservant les autres éléments.
Avantageusement, les moyens automatisés déterminent au moins deux dilatations de la représentation de base avec des éléments structurants respectifs différents, pour obtenir la représentation dilatée. De préférence, les moyens automatisés déterminent au moins deux érosions de la représentation de base avec des éléments structurants respectifs différents, pour obtenir la représentation érodée.
Ainsi, pour des formes complexes telles que des stries comprenant plusieurs orientations ou des épaisseurs différentes au sein d'une même zone de stries, on sépare les stries en différents types de stries, et on répète les opérations de dilatation et/ou d'érosion pour chaque type de strie, avec des éléments structurants adaptés aux différents types de stries de la zone.
Avantageusement, on compare des valeurs numériques de pixels ou de voxels de la représentation de différence à au moins un seuil prédéterminé.
Ainsi, si certaines des valeurs des pixels ou voxels sont éloignés du seuil, on considère que les stries de la représentation de base comprennent un défaut. En revanche, si toutes les valeurs sont comprises dans un intervalle prédéterminé relatif au seuil prédéterminé, on considère que la zone de stries de la représentation de base ne comprend pas de défaut, et que le pneumatique est donc conforme.
De préférence, le seuil ou l'un au moins des seuils est une médiane de valeurs des pixels ou de voxels de la représentation de différence.
Avantageusement, la représentation de base ne comprend pas de couleur autre que du noir, du blanc et des niveaux de gris.
Mais la représentation de base peut aussi comprendre du noir, du blanc et du gris.
De préférence, au préalable, pour localiser une zone de stries dans une représentation numérique d'un pneumatique, des moyens automatisés effectuent les étapes suivantes :
- considérer au moins un pixel ou voxel d'une zone de la représentation et, pour le ou chaque pixel ou voxel considéré :
- identifier un segment de pixels ou de voxels centré sur le pixel ou le voxel considéré,
- déterminer au moins une valeur relative à des différences entre des niveaux de gris ou de couleurs de pixels ou de voxels du segment, et
- comparer la ou les valeurs à un ou des seuils prédéterminés.
Ainsi, l'approche segmentaire permet de déterminer des valeurs qui ont trait à une suite de pixels successifs, au lieu d'étudier l'image pixel par pixel. Cette approche est donc particulièrement bien adaptée lorsque le segment à étudier est perpendiculaire à des stries, les valeurs relatives à des différences entre les niveaux de gris ou de couleurs mettant alors en évidence la variation de niveaux des pixels. Il n'est pas non plus nécessaire de chercher à détecter des pics de fréquences dans une image transformée via des calculs complexes, par exemple par une analyse de Fourier, puisqu'on s'intéresse directement à l'image à étudier afin de détecter les stries. De plus, en passant d'un pixel considéré à un pixel considéré adjacent, le segment centré sur ce pixel comprend des valeurs relatives à des différences de niveaux de pixels ou de voxels déjà calculées précédemment. On peut ainsi calculer des valeurs relatives à des différences au sein de plusieurs segments qui se chevauchent rapidement en factorisant les calculs.
On prévoit également un procédé de référencement des stries présentes dans des représentations numériques de pneumatiques, dans lequel des moyens automatisés effectuent les étapes suivantes afin de référencer des types de stries:
- déterminer au moins une représentation comportant un type de stries à référencer,
- identifier au moins un segment de pixels ou de voxels de la représentation, et
- enregistrer au moins une valeur relative à des différences entre des niveaux de gris ou de couleurs de pixels ou de voxels du segment.
Ainsi, la ou chaque valeur enregistrée sert ensuite de témoin auquel une ou des valeurs mesurées sur une image étudiée sont comparées, afin de déterminer si l'image étudiée comporte des stries ou non. L'approche segmentaire permet de référencer des valeurs qui ont trait à une suite de pixels successifs, au lieu d'étudier l'image pixel par pixel par exemple. Cette approche est donc particulièrement bien adaptée lorsque le segment est perpendiculaire à des stries, les valeurs relatives à des différences entre les niveaux de gris ou de couleurs mettant alors en évidence la variation de niveaux des pixels. Ce procédé est indépendant du type de procédé de détection de stries utilisé par la suite.
On prévoit également un programme d'ordinateur comprenant des instructions de code apte à commander la mise en œuvre des étapes du procédé de contrôle de conformité selon l'invention lorsqu'il est exécuté sur un ordinateur.
On prévoit également un dispositif de contrôle de conformité de pneumatiques, apte à mettre en œuvre un des procédés précédemment décrits
On prévoit enfin un support de stockage lisible par ordinateur et comprenant un programme selon l'invention sous forme enregistrée.
De préférence, le dispositif comporte un support d'enregistrement comprenant une base de données de valeurs relatives à des stries.
Nous allons maintenant décrire un mode de réalisation de l'invention à titre d'exemple non limitatif et à l'appui des dessins annexés sur lesquels :
- les figures 1 et 2 illustrent des images numériques contenant des zones de stries ; - les figures 3 à 5 illustrent de façon schématique respectivement une image numérique, un segment de cette image, et le segment sous forme binarisée; - la figure 6 illustre un procédé selon un mode de réalisation de l'invention ;
- les figures 7 à 11 illustrent de façon schématique respectivement une image, un segment de l'image, le segment sous forme binarisée, un autre segment de l'image et ce segment sous forme binarisée ;
- la figure 12 illustre un procédé selon un autre mode de réalisation l'invention ;
- les figures 13 à 16 illustrent de façon schématique une image numérique, l'image sous forme érodée, l'image sous forme dilatée, et une image de différence entre les images dilatée et érodée ;
- les figures 17 et 18 illustrent respectivement une image numérique comprenant une zone de stries présentant un défaut et l'image de différence résultant de cette image selon un mode de réalisation de l'invention, et
- la figure 19 illustre un dispositif apte à mettre en œuvre un procédé selon l'invention.
Le procédé de contrôle de pneumatiques vise à créer une base d'images de pneumatiques afin de référencer des types de stries puis de détecter des stries similaires aux types de stries référencés dans des images de test. Le procédé de contrôle de conformité de stries vise à vérifier si des zones de stries de pneumatiques présentent des défauts. I Procédé de référencement
Le procédé consiste d'abord référencer des types de stries, puis à détecter des stries dans des images grâce aux stries référencées.
Les figures 1 et 2 illustrent différents types de stries dans des images 10 et 20 en deux dimensions. Ces types de stries diffèrent entre eux par l'épaisseur des stries, leur orientation, leur rectitude, l'intervalle entre les stries, ainsi que les niveaux de gris des stries et des intervalles de stries de chaque type. La figure 1 propose d'ailleurs deux zones 1 et 2 de types de stries différents. Ce sont tous ces types de stries que l'on souhaite à la fois référencer dans un premier temps, et détecter dans un deuxième temps lorsqu'on retrouve ces stries dans une image.
Les étapes des différents modes de réalisations qui vont être présentés sont exécutées par des moyens automatisés 91 appartenant à un dispositif 90, lequel comprend notamment un processeur 94, une mémoire 95 et est connecté à une base de donnée 92. Ces éléments sont illustrés à la figure 19. Afin d'exécuter le procédé, le dispositif applique un programme informatique. Ce programme peut demander en entrée une image ou une série d'image comprenant des zones de stries à référencer, ainsi qu'une image ou des images à étudier. En sortie, il fournit à l'utilisateur les données sur chaque type de stries de référence, ainsi que les types de stries déterminés et leur localisation dans les images à étudier. En outre, le même programme ou un programme distinct permet d'appliquer un procédé de contrôle de conformité décrit plus loin. Il demande alors en entrée une image comprenant une zone de stries et fournit en sortie une image dite « image de différence », ainsi que des données concernant des pixels représentants des éventuels défauts. L'image d'entrée peut être fournie automatiquement par le procédé lui-même lorsqu'il a détecté des stries dans une image. Ainsi, le même programme permet de déterminer des stries dans une image d'un pneumatique, et en même temps de déterminer si ces stries présentent ou non des défauts.
En outre, ce programme peut être mis à disposition sur un réseau de télécommunications, tel que le web, ou un réseau interne, de façon à permettre son téléchargement par un utilisateur.
De même, le programme ou des instructions équivalentes peuvent être enregistrées sur un support de stockage 93 lisible par un ordinateur, comme un disque dur, une clé USB, un CD, ou tout autre support équivalent, qui peuvent comprendre la base de données.
Afin d'effectuer le référencement de types de stries, on sélectionne des images dites « de référence » comprenant des zones de stries telles que les images 10 et 20 des figures 1 et 2, pour construire une base de référence. Plus on a d'images de référence dans la base, plus des types de stries différents seront référencés, et donc plus on pourra détecter de types de stries différents dans des images d'étude ou de test de pneumatique. Cette base de référence pourra comprendre toute image comprenant une zone striée, même non explicitement décrite dans la présente demande.
En l'espèce, on considère l'image schématique 30 de la figure 3 comprenant des stries verticales 3. Dans la zone de stries, on sélectionne un segment 4 de pixels. On l'appelle « segment de référence ». Chaque pixel de l'image 30, et a fortiori du segment de référence 4, comprend une valeur de niveau de gris. Concrètement, on sélectionne un segment 4 de référence de 21 pixels. On aurait pu sélectionner un segment de référence comprenant un autre nombre de pixels. Ce nombre correspond à un segment de référence suffisamment grand pour intercepter plusieurs stries et suffisamment petit pour que les calculs décrits ci-après ne soient pas trop chronophages. Une fois le segment de référence 4 sélectionné, on effectue les étapes suivantes :
1 ) on calcule les différences de niveaux de gris, en valeur absolue, entre chaque paire de pixels adjacents du segment de référence 4. Ainsi, sur le segment 4 de la figure 4, qui représente à grande échelle et de façon schématique le segment de référence 4 de la figure 3, on détermine la différence en valeur absolue entre le niveau de gris du pixel 6 et le niveau de gris du pixel 7, puis la différence entre le pixel 7 et le pixel 8, et ainsi de suite.
2) On somme ces différences, qu'on divise par le nombre de pixels du segment de référence, moins une unité, c'est-à-dire en l'espèce en divisant par 20, de façon à obtenir la moyenne des différences de niveaux de gris entre chaque paire de pixels adjacents du segment. On enregistre cette moyenne, dite « moyenne de référence », dans une base de données.
3) On calcule une moyenne des niveaux de gris des pixels du segment de référence.
4) Au sein du segment de référence, on binarise les valeurs de pixels en fonction de la moyenne des niveaux de gris précédemment calculée. Ainsi, si une valeur de gris d'un pixel égale ou dépasse la moyenne des niveaux de gris du segment de référence, on attribue au pixel correspondant la valeur « 0 ». Si une valeur de gris est inférieure à la moyenne, on attribue au pixel correspondant la valeur « 1 ». On obtient ainsi un segment 50 illustré à la figure 5. C'est à partir de ce segment 50 que l'on effectue les calculs décrits ci-après :
5) On détermine des distances, appelées périodes principales, du segment 50 de pixels binarisé. Une période principale correspond à la distance la plus courte, en nombre de pixels, entre deux changements entre des valeurs au sein de paires de pixels adjacents lorsque l'on parcoure le segment de gauche à droite, ces changements étant identiques et le premier pixel de chaque paire comprenant une valeur identique à celle du premier pixel du segment situé à l'extrémité gauche.. Ainsi, sur la figure 5, le premier pixel 14 situé à l'extrémité gauche a la valeur binaire « 1 ». On recherche donc le premier changement entre un pixel de valeur binaire « 1 » et un pixel de valeur binaire « 0 ». Ce changement a lieu entre les pixels 15 et 16. On recherche ensuite le deuxième changement identique, c'est-à-dire entre un pixel de valeur binaire « 1 » et un pixel de valeur binaire « 0 », en parcourant le segment de gauche à droite. Ce changement a lieu entre les pixels 17 et 18. On obtient ainsi la période principale 11 , formée de onze pixels. De la même manière, on obtient la une ou plusieurs périodes principales suivantes 12 dans le segment. On pourrait effectuer un calcul du même type en parcourant le segment de droite à gauche. Le premier pixel du segment dont on observerait la valeur binaire serait alors le premier pixel situé à l'extrémité droite su segment.
6) On calcule alors la période moyenne des périodes principales du segment, et on l'enregistre dans la base de données. On l'appellera par la suite la « période moyenne de référence ».
7) On fixe la « longueur de référence » d'un segment. On la fixe en l'espèce à 3.5 fois la période moyenne de référence. On aurait pu choisir un nombre autre que 3.5, sachant que ce nombre doit rester strictement supérieur à 1 .
Grâce aux étapes précitées, on a entré le type de stries de la figure 3 en tant que référence dans la base données. Les trois données entrées pour ce type de stries, à savoir la moyenne de référence, la période moyenne de référence, et la longueur de référence, doivent permettre de détecter ce type de stries dans une image quelconque à étudier, si ces stries sont présentes.
Il Le procédé de détection de stries
On étudie maintenant la détection de stries dans une image, c'est-à-dire le procédé qui permet de détecter et localiser des stries dans une image donnée, en les comparant aux stries référencées par les trois données enregistrées pour chaque type de strie, comme expliqué précédemment. Si on a référencé un grand nombre de types de stries, chaque type de stries référencé peut être comparé aux valeurs que l'on va déterminer lors de la détection. A cet effet et en référence à la figure 6 qui illustre un procédé selon un mode préféré de l'invention, on effectue, pour un type de stries donné, les étapes suivantes :
A) Dans une image à étudier, en l'espèce l'image 60 de la figure 7, on sélectionne un pixel 61 . On détermine un segment d'étude 62 de 21 pixels centré sur le pixel 61 . Ce segment est illustré en détail à la figure 8. De la même manière qu'aux étapes 1 ) et 2) du procédé de référencement, on détermine la moyenne des valeurs absolues des différences de niveaux au sein de chaque paire de pixels du segment d'étude 62. On compare alors le résultat à une « moyenne de référence » d'un type de stries enregistrée grâce au procédé de référencement, type de stries auquel on souhaite comparer l'image à étudier. A cet effet, on compare la moyenne calculée sur le segment d'étude 62 de l'image 60 à un intervalle de valeurs prédéterminées centré sur la « moyenne de référence » du type de strie considéré. Si la moyenne calculée sur le segment d'étude se trouve dans l'intervalle, alors on soumet le segment à l'étape B). Si le résultat n'est pas compris dans l'intervalle, alors on sélectionne un autre type de stries référencé auquel on souhaite comparer le segment d'étude 62, et on recommence à l'étape A) pour le nouveau type de stries référencé considéré. Cela revient à utiliser un seuil haut et un seuil bas de part et d'autre de la moyenne de référence et à comparer le résultat avec ces seuils.
Si le résultat n'est compris dans aucun intervalle de valeur pour tous les types de stries référencés, alors cela signifie que le pixel 61 n'appartient à aucun type de strie référencé. On stoppe tout test pour le pixel 61 , et on peut recommencer le processus avec un autre pixel.
Ce critère supprime une large majorité des mauvais pixels, ne laissant que les pixels sur des zones un minimum texturées, mais ne ressemblant pas forcément encore à des stries.
B) On binarise le segment de la même manière qu'à l'étape 4) du procédé de référencement, et on effectue les mêmes calculs qu'aux étapes 5) et 6). Ainsi, on obtient une période moyenne des périodes principales sur le segment d'étude 62, représenté de manière schématique par le segment d'étude binarisé 63 de la figure 9. On compare alors cette période moyenne à la période de référence enregistrée pour le type de stries considéré avec succès à l'étape A). De la même façon que précédemment, on effectue cette comparaison par un intervalle de valeurs centré sur une « période moyenne de référence ». Si la période moyenne du segment 63 appartient à l'intervalle de valeurs, alors le pixel 61 et son segment d'étude binarisé 63 passent à l'étape C), sinon on sélectionne un autre type de stries et on reprend le procédé à l'étape A), pour le nouveau type de stries considéré.
Ce critère supprime les zones qui ne ressemblent aucunement au type de stries recherché, c'est-à-dire aux types de stries référencés.
C) On compare le nombre de périodes principales du segment d'étude binarisé 63 à la « longueur de référence » enregistrée correspondante au type de stries considéré, avec un intervalle de valeurs centré sur la valeur de la longueur de référence, de la même manière qu'aux étapes précédentes.
Ce critère supprime principalement quelques mauvaises zones vers les bordures des textes, mais aussi les bordures latérales de zones de stries qui auraient pu être reconnues et localisées. On peut retrouver ces zones ultérieurement par des étapes de morphologie binaires telles que des dilatations ou des érosions.
Si le segment d'étude passe cette étape, on passe à l'étape D). Sinon, on reprend l'étape A) avec un nouveau type de stries de référence.
D) On compare toutes les périodes du segment d'étude binarisé 63 à la période de référence du segment de référence, toujours pour le même type de stries qu'aux étapes précédentes. A cet effet, on prend en compte non seulement les périodes principales, mais aussi des périodes secondaires qui correspondent aux changements entre des valeurs au sein de paires de pixels adjacents lorsque l'on parcourt le segment de test dans une direction, ces changements étant identiques et le premier pixel de chaque paire comprenant une valeur de préférence identique à celle d'un pixel ou d'un voxel du segment situé à une extrémité du segment de test prédéterminée en fonction de la direction. Un exemple de période secondaire sur un segment est la période 13 du segment 50 de la figure 5. Ainsi, chacune de ces périodes est comparée à un intervalle de valeurs prédéterminées centré autour de la période moyenne de référence du type de stries considéré.
Si toutes les périodes principales et secondaires sont comprises dans l'intervalle, alors le pixel 61 sur lequel le segment d'étude 62 est centré est considéré comme appartenant au type de stries pour lequel ont été effectuées les étapes A) à D).
Sinon, on reprend le processus à l'étape A) avec un nouveau type de stries de référence.
Si tous les types de stries de références ont été comparés au segment sans que le pixel ne passe avec succès l'étape D), on considère que le pixel 61 du segment d'étude 62 n'appartient pas à des types de stries qui ont été référencées, et on arrête le processus. On peut le recommencer à l'étape A) avec un autre pixel sur lequel on va centrer un autre segment d'étude.
Dans le cas présent, il est fort probable que le pixel 61 du segment 62 ne passe pas l'étape B), voir soit éliminé dès l'étape A), au vu des niveaux de gris du segment d'étude, si on compare ce segment uniquement à un type de stries référencé similaire à celui de la figure 3. De plus, ce segment ne présente aucune période principale ni période secondaire.
En revanche, si on recommence le procédé avec le pixel 64 de la figure 7, et qu'on sélectionne le segment d'étude 65 centré autour du pixel 64, il est probable que ce dernier passe le procédé jusqu' à l'étape D) avec succès si on le compare à un type de stries référencé similaire à celui de la figure 3, au vu des niveaux de gris et des valeurs binaires du segment d'étude 65 vu en détail à la figure 10 et du segment d'étude binarisé 66 de la figure 11 . On détermine par ailleurs une période principale 67 et une période secondaire 68. On considère alors que ce pixel 64 fait partie d'une zone de stries similaire à une zone de stries du type de la figure 3 auquel il a été comparé.
De même, dès qu'un pixel a passé avec succès l'étape D), on recommence le processus avec un autre pixel, pour le même type de strie référencé.
Dans un mode de réalisation, le procédé s'arrête lorsque tous les pixels de l'image ont été considérés, c'est-à-dire lorsque tous ces pixels sont passés au moins par l'étape A du procédé.
Dans un autre mode de réalisation, on sélectionne seulement une certaine portion de l'image, ou certains pixels de l'image, et le procédé n'est appliqué qu'à ces pixels.
Par exemple, un utilisateur peut avoir localisé visuellement une zone qui pourrait contenir des stries dans une image, et décider d'appliquer le procédé uniquement sur cette zone de l'image.
Dans une variante, lors de l'étape A), on enregistre certaines différences entre pixels. En effet, si l'on effectue d'abord des calculs pour un pixel donné, puis des calculs pour un pixel situé sur la même ligne de pixels de l'image, il est possible que leurs segments d'études comprennent des pixels identiques. Il est alors utile de réutiliser dans le calcul des résultats déjà calculés auparavant.
Il est à noter que l'étape A) est indépendante des trois autres étapes car il n'est pas nécessaire de binariser les segments pour la réaliser. Cette étape est en fait la plus simple de toutes, c'est pour cela qu'elle est réalisée en premier.
Dans un autre mode de réalisation illustré par le schéma de la figure 12, dès qu'un pixel n'est pas admis à une étape donnée autre que l'étape A), au lieu de recommencer le processus à l'étape A) avec un autre type de stries, on effectue le test de la même étape avec un autre type de stries. De cette façon, un pixel peut passer le test de l'étape A) pour un type de stries donné, passer l'étape B) pour un autre type de stries donnée, et ainsi de suite.
Dans un autre mode de réalisation, les intervalles de valeurs qui servent de comparaison sont également enregistrés dans la base de données. Ils ne sont pas nécessairement centrés sur les valeurs de références telles que la période moyenne de référence, la longueur de référence ou la moyenne de référence. Ils peuvent comprendre ces valeurs sans être centrés dessus. De cette façon, on tolère certaines variations par rapport aux valeurs de référence dans une direction mais pas dans une autre.
Dans un autre mode de réalisation, on ne veut détecter qu'un type de stries ou plusieurs types de stries particuliers dans les segments d'études. Cela consiste à comparer les données du segment d'étude aux données référencées concernant ces types de stries et pas aux autres types de stries référencés. III Procédé de contrôle de conformité des stries
Une fois que des stries ont été localisées sur une image d'un pneumatique, on étudie la conformité de ces stries. Le but est de vérifier que les zones comprenant des stries ne présentent pas de défaut qui pourraient altérer la compréhension des symboles exprimés par ces stries. On appelle cela un contrôle de conformité par vision. Il est nécessaire d'avoir d'abord localisé les stries pour deux raisons : on ne peut appliquer les contrôles de conformité habituels des autres zones aux zones de stries, et les critères de mesure et de tolérance des défauts dans ces zones de stries peuvent être différents des autres zones.
Dans une zone plate, un défaut est caractérisé par une élévation supérieure ou inférieure à la moyenne de la zone.
Dans une zone de stries, le principe du procédé dans le présent mode consiste à filtrer les stries de deux façons différentes de façon à obtenir deux images de zones plates : une image représentant une moyenne des fonds de stries, et une image représentant une moyenne des sommets des stries. On étudie ensuite une image résultant de la différence entre les deux images précitées, et qui devrait contenir des pixels de valeur relativement constante dans la zone de stries. Les défauts sont alors visibles lorsque des portions des zones normalement constantes présentent des valeurs « anormales ».
En l'espèce, on cherche à savoir si les stries de l'image 70 de la figure 13 présentent des défauts.
A cet effet, on effectue une érosion de l'image 70, de façon à obtenir une image érodée. L'élément structurant est choisi de sorte que les stries disparaissent dans l'image érodée. Ainsi, pour choisir l'élément structurant, on prend en compte l'intervalle entre les stries, l'orientation des stries, et leur taille. L'érosion ayant lieu en niveau de gris, on peut également prendre en compte les niveaux de gris des stries et des intervalles. L'image érodée 71 de la figure 14 représente donc une moyenne des fonds des stries, en d'autres termes une moyenne des creux entre les stries.
On effectue également une dilatation de l'image 70. On choisit comme élément structurant de la dilatation un élément permettant de dilater les stries afin qu'elles remplissent les intervalles entre elles, sur l'image dilatée 72 de la figure 15. Les critères permettant de choisir l'élément structurant de la dilatation sont les mêmes que ceux de l'érosion. L'image dilatée 72 représente ainsi une moyenne des sommets des stries.
On effectue ensuite une différence entre l'image dilatée 72 et l'image érodée 71 de façon à obtenir une image de différence 73. Celle-ci présente ici un contenu homogène. Il n'y a donc pas de défaut dans la zone de stries de l'image 70.
En revanche, en effectuant le même procédé avec l'image 74, présentant un léger défaut 81 où des portions de stries sont effacées, on obtient une image de différence 75 qui met en évidence ce défaut, par une portion 82 dont les niveaux de gris sont anormaux par rapport à une zone relativement homogène autour dudit défaut.
Le procédé selon l'invention permet de détecter automatiquement ces défauts, en comparant la valeur des niveaux de gris des pixels à la valeur médiane des pixels de l'image de différence. Ainsi, si la valeur d'un des pixels de l'image de différence est trop éloignée de la valeur médiane des pixels de l'image, on considère que le pixel considéré rend visible un défaut de la zone de stries de l'image.
Dans un autre mode de réalisation de l'invention, on peut effectuer plusieurs dilatations et/ou plusieurs érosions. Par exemple, si une zone de stries comporte des stries orientées dans des directions différentes, ou comprenant des épaisseurs différentes, alors on peut identifier un type de stries, effectuer les opérations pour ce type de stries, puis appliquer de nouveau le procédé pour un autre type de stries identifié dans la zone. De cette façon, on obtient le cas échéant les défauts d'un type de stries et les défauts d'un autre type de stries, dans une zone où ces stries se cumulent.
Dans un autre mode de réalisation, les images comprennent des couleurs autres que des nuances de gris. Les calculs précédents, concernant le procédé de détection de stries, et le procédé de contrôle de conformité, peuvent notamment être effectués sur chaque type de couleur indépendamment les unes des autres, de façon à détecter et/ou contrôler par exemple des stries de rouge, de vert, de bleu. Les calculs peuvent également porter sur des valeurs issues de combinaisons entre ces valeurs de couleurs.
Dans un autre mode de réalisation, les images forment des espaces non pas en deux dimensions mais en trois dimensions comprenant des voxels. Ainsi, en plus des niveaux de gris ou de couleurs autres, chaque voxel comprend une valeur de luminance. Les calculs précédents peuvent donc, en outre, être effectués sur les niveaux de profondeur. Ainsi, même avec des couleurs identiques ou similaires, on peut référencer, déterminer, et /ou contrôler des stries qui se distinguent les unes des autres par leur relief.
Le procédé de détection des zones de stries décrit à la partie II et le procédé de contrôle de conformité des stries décrits à la partie III peuvent être mis en œuvre indépendamment l'un de l'autre. En particulier, on peut contrôler la conformité des stries selon le procédé de la partie III après avoir détecté une zones de stries autrement que selon le procédé de la partie II, et inversement.

Claims

REVENDICATIONS
1 . Procédé de référencement de stries présentes dans des représentations numériques de pneumatiques (10 ; 20), caractérisé en ce que des moyens automatisés effectuent les étapes suivantes afin de référencer des types de stries:
- déterminer au moins une représentation (30) comportant un type de stries (3) à référencer,
- identifier au moins un segment (4) de pixels ou de voxels (6, 7, 8, 14, 15, 16, 17, 18) de la représentation, et
- enregistrer au moins une valeur relative à des différences entre des niveaux de gris ou de couleurs de pixels ou de voxels du segment.
2. Procédé selon la revendication précédente, dans lequel la valeur ou au moins l'une des valeurs est choisie parmi le groupe suivant :
- une période moyenne de périodes (11 , 12, 13) relatives à des pixels ou des voxels (6, 7, 8, 14, 15, 16, 17, 18) du segment (4),
- une moyenne de valeurs absolues de différences entre des niveaux de gris ou de couleurs au sein de chaque paire de pixels ou de voxels adjacents du segment, et
- de préférence en outre une longueur déterminée à partir de la période moyenne.
3. Procédé de contrôle d'un pneumatique, dans lequel, pour localiser une zone de stries dans une représentation numérique d'un pneumatique(10 ; 20 ; 30 ; 60), des moyens automatisés effectuent les étapes suivantes :
- considérer au moins un pixel ou voxel (61 , 64) d'une zone de la représentation (10 ; 20 ; 30 ; 60) et,
pour le ou chaque pixel ou voxel (61 , 64) considéré :
- identifier un segment (62, 65) de pixels ou de voxels centré sur le pixel ou le voxel (61 , 64) considéré,
- déterminer au moins une valeur relative à des différences entre des niveaux de gris ou de couleurs de pixels ou de voxels du segment (62, 65), et
- comparer la ou les valeurs à un ou des seuils prédéterminés.
4. Procédé selon la revendication précédente, dans lequel la valeur ou au moins l'une des valeurs relatives aux différences est une moyenne de valeurs absolues de différences des niveaux au sein de chaque paire de pixels ou de voxels (6, 7, 8, 14, 15, 16, 17, 18) adjacents du segment (62, 65).
5. Procédé selon l'une quelconque des revendications 3 à 4, dans lequel la valeur ou au moins l'une des valeurs relatives aux différences est une période moyenne de périodes (67, 68) relatives aux pixels ou aux voxels (61 , 64) du segment (62, 65).
6. Procédé selon l'une quelconque des revendications 3 à 5, dans lequel la valeur ou au moins l'une des valeurs relatives aux différences est un nombre de périodes (67, 68) relatives à des pixels ou à des voxels du segment (62, 65).
7. Procédé selon l'une quelconque des revendications 3 à 6, dans lequel la valeur ou au moins l'une des valeurs relatives aux différences est une longueur d'une période
(67, 68) relative à des pixels (61 , 64) ou à des voxels du segment (62, 65).
8. Procédé selon l'une quelconque des revendications 3 à 7, dans lequel les moyens automatisés associent une valeur binaire « 0 » ou « 1 » à chaque pixel ou voxel du segment en fonction de son niveau, et la valeur ou au moins l'une des valeurs relatives aux différences est relative à des changements entre des valeurs au sein de paires de pixels ou de voxels adjacents lorsque les moyens automatisés parcourent le segment dans une direction, ces changements étant identiques et de préférence le premier pixel de chaque paire comprenant une valeur identique à celle d'un pixel ou d'un voxel du segment situé à une extrémité du segment prédéterminée en fonction de la direction.
9. Procédé selon l'une quelconque des revendications 3 à 8, dans lequel les moyens automatisés associent une valeur binaire « 0 » ou « 1 » à chaque pixel ou voxel du segment en fonction de son niveau, et la valeur ou au moins l'une des valeurs relatives aux différences est relative à des changements entre des valeurs au sein de paires de pixels ou de voxels adjacents lorsque les moyens automatisés parcourent le segment dans une direction, ces changements étant identiques et de préférence le premier pixel de chaque paire comprenant une valeur de préférence différente de celle d'un pixel ou d'un voxel du segment situé à une extrémité du segment prédéterminée en fonction de la direction.
10. Procédé de contrôle de conformité de pneumatiques, caractérisé en ce que des moyens automatisés exécutent les étapes suivantes :
- déterminer au moins une dilatation d'une représentation de base (70 ; 74) comprenant au moins une zone de stries d'un pneumatique de façon à obtenir une représentation dilatée (72) ; - déterminer au moins une érosion de la représentation de base (70 ; 74) de façon à obtenir une représentation érodée (71 ) ; et
- déterminer une différence entre la représentation dilatée (72) et la représentation érodée (71 ) de façon à obtenir une représentation de différence (73 ; 75).
11 . Programme d'ordinateur comprenant des instructions de code aptes à commander la mise en œuvre des étapes du procédé selon l'une quelconque des revendications précédentes lorsqu'il est exécuté sur un ordinateur.
12. Dispositif de contrôle de stries dans des représentations numériques de pneumatiques, apte à mettre en œuvre un procédé selon au moins l'une quelconque des revendications 1 à 10.
13. Dispositif selon la revendication précédente comportant un support d'enregistrement comprenant une base de données de valeurs relatives à des stries.
PCT/FR2015/053538 2014-12-19 2015-12-16 Procede de detection de stries dans un pneumatique WO2016097598A2 (fr)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP15821143.3A EP3234915A2 (fr) 2014-12-19 2015-12-16 Procédé de détection de stries dans un pneumatique
US15/534,177 US20170330338A1 (en) 2014-12-19 2015-12-16 Method for detecting striations in a tire
JP2017532109A JP2018501480A (ja) 2014-12-19 2015-12-16 タイヤ内の条線を検出するための方法
CN201580069529.1A CN107111873A (zh) 2014-12-19 2015-12-16 用于检测轮胎中的条纹的方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
FR1462901 2014-12-19
FR1462901A FR3030845B1 (fr) 2014-12-19 2014-12-19 Procede de controle de conformite de pneumatiques
FR1462898 2014-12-19
FR1462898A FR3030844B1 (fr) 2014-12-19 2014-12-19 Procede de detection de stries dans un pneumatique

Publications (3)

Publication Number Publication Date
WO2016097598A2 true WO2016097598A2 (fr) 2016-06-23
WO2016097598A3 WO2016097598A3 (fr) 2016-08-18
WO2016097598A4 WO2016097598A4 (fr) 2016-09-29

Family

ID=55077542

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2015/053538 WO2016097598A2 (fr) 2014-12-19 2015-12-16 Procede de detection de stries dans un pneumatique

Country Status (5)

Country Link
US (1) US20170330338A1 (fr)
EP (1) EP3234915A2 (fr)
JP (1) JP2018501480A (fr)
CN (1) CN107111873A (fr)
WO (1) WO2016097598A2 (fr)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3039684B1 (fr) 2015-07-27 2018-08-10 Compagnie Generale Des Etablissements Michelin Procede optimise d'analyse de la conformite de la surface d'un pneumatique
CN111292272B (zh) * 2020-03-04 2022-03-25 腾讯科技（深圳）有限公司 图像处理方法、装置、介质以及电子设备
CN117455870B (zh) * 2023-10-30 2024-04-16 太康精密（中山）有限公司 一种连接线和连接器质量视觉检测方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5365596A (en) * 1992-12-17 1994-11-15 Philip Morris Incorporated Methods and apparatus for automatic image inspection of continuously moving objects
JP3566939B2 (ja) * 2001-03-28 2004-09-15 住友ゴム工業株式会社 空気入りタイヤの単位模様配列方法
KR20030026983A (ko) * 2001-05-23 2003-04-03 코닌클리케 필립스 일렉트로닉스 엔.브이. 텍스트 판별 방법 및 관련된 장치
US7574293B2 (en) * 2004-02-19 2009-08-11 Johnson Controls Technology Company System and method for identifying tire position on a vehicle
EP2172737B1 (fr) * 2007-08-06 2013-04-24 Kabushiki Kaisha Kobe Seiko Sho Système de mesure de forme de pneu
FR2925687B1 (fr) * 2007-12-19 2010-02-12 Soc Tech Michelin Methode d'evaluation par comparaison d'une image acquise avec une image de reference.
FR2966246B1 (fr) * 2010-10-19 2012-12-14 Michelin Soc Tech Methode d'identification et de limitation des motifs de base formant la sculpture de la bande de roulement d'un pneumatique
US8737747B2 (en) * 2011-02-14 2014-05-27 Xerox Corporation Method for automated tire detection and recognition
FR2975523B1 (fr) * 2011-05-19 2015-09-25 Michelin Soc Tech Methode de determination des elements en relief presents sur la surface d'un pneumatique
FR2980896B1 (fr) * 2011-09-30 2016-07-01 Soc Tech Michelin Methode d'analyse rapide des elements en relief figurant sur la surface interne d'un pneumatique
US9052329B2 (en) * 2012-05-03 2015-06-09 Xerox Corporation Tire detection for accurate vehicle speed estimation
US10102616B2 (en) * 2014-01-28 2018-10-16 Ent. Services Development Corporation Lp Method and system for surface wear determination

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
None
See also references of EP3234915A2

Also Published As

Publication number Publication date
CN107111873A (zh) 2017-08-29
JP2018501480A (ja) 2018-01-18
US20170330338A1 (en) 2017-11-16
WO2016097598A3 (fr) 2016-08-18
WO2016097598A4 (fr) 2016-09-29
EP3234915A2 (fr) 2017-10-25

Similar Documents

Publication Publication Date Title
EP2710555B1 (fr) Méthode de détermination des éléments en relief présents sur la surface d'un pneumatique
EP2630464B1 (fr) Methode d'identification et de limitation des motifs de base formant la sculpture de la bande de roulement d'un pneumatique
EP3234913B1 (fr) Procede de detection de defaut sur une surface de pneumatique
EP2494517B1 (fr) Procédé et dispositif pour obtenir une image d'un document défroissé à partir d'une image de ce document lorsqu'il est froissé
EP3234915A2 (fr) Procédé de détection de stries dans un pneumatique
WO2011131410A1 (fr) Methode de controle de l'aspect de la surface d'un pneumatique
EP3329460A1 (fr) Procédé optimisé d'analyse de la conformité de la surface d'un pneumatique
CA2735405A1 (fr) Procede de determination d'une pseudo-identite a partir de caracteristiques de minuties et dispositif associe
FR3011368A1 (fr) Procede et dispositif pour le renforcement de la forme des bords pour l'amelioration visuelle du rendu base sur des images de profondeur d'un flux video en trois dimensions
WO2012143197A1 (fr) Analyse de l'image numerique de la surface d'un pneumatique - traitement des points de non mesure
FR3060821A1 (fr) Procede de determination de l'etat d'usure d'un pneumatique pour avion
FR3072812A1 (fr) Procede d'estimation d'une note d'adhesion entre la composition de caoutchouc et les plis de renfort d'une eprouvette representative d'un pneumatique a caracteriser.
CA2284894C (fr) Procede d'inspection de surface d'une bande en defilement par classification prealable d'irregularite de surface detectee
FR2870969A1 (fr) Dispositif, procede et programme d'elimination de pores
WO2021219852A1 (fr) Procédé pour la vérification d'un code-barre
FR3030844A1 (fr) Procede de detection de stries dans un pneumatique
FR3030845A1 (fr) Procede de controle de conformite de pneumatiques
FR3026211A1 (fr) Procede d'identification de l'anisotropie de la texture d'une image numerique
CA2888869C (fr) Procede de segmentation de doigts
FR2786011A1 (fr) Procede de comparaison d'images enregistrees formees de pixels representant des equipotentielles d'au moins une puce de circuit integre
WO2018096288A1 (fr) Procédé de caracterisation de l'anisotropie de la texture d'une image numérique
EP4386449A1 (fr) Obtention d'une carte de profondeur
WO2005071602A2 (fr) Procede d'amelioration d'images d'empreintes digitales
FR3050597A1 (fr) Methode de reglage d'un appareil de prise de vue stereoscopique
FR3038110A1 (fr) Procede de segmentation d'image

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15821143

Country of ref document: EP

Kind code of ref document: A2

REEP Request for entry into the european phase

Ref document number: 2015821143

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 15534177

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2017532109

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE