CN111207699A - 一种通过视觉方式动态测量轮胎转角的方法及其系统 - Google Patents
一种通过视觉方式动态测量轮胎转角的方法及其系统 Download PDFInfo
- Publication number
- CN111207699A CN111207699A CN201911413760.4A CN201911413760A CN111207699A CN 111207699 A CN111207699 A CN 111207699A CN 201911413760 A CN201911413760 A CN 201911413760A CN 111207699 A CN111207699 A CN 111207699A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- tire
- angle
- rotating disc
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000000007 visual effect Effects 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 16
- 238000003708 edge detection Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 210000000078 claw Anatomy 0.000 claims 1
- 238000010304 firing Methods 0.000 claims 1
- 230000002401 inhibitory effect Effects 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 239000002994 raw material Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 19
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006740 morphological transformation Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种通过视觉方式动态测量轮胎转角的方法及其系统,包括以下步骤,将同步转向的转动盘安装于车辆轮胎上;在所述转动盘上方安装摄像模块,且所述摄像模块正对着所述转动盘;测量时通过所述摄像模块采集所述转动盘的图像;所述图像输入图像处理模块获得所述转动盘的转向位置;角度模块根据所述转向位置得到车辆轮胎转动的角度。本发明的有益效果:通过视觉方式动态测量轮胎转角既能够在车辆禁止时测量轮胎转角,也能够在车辆行驶过程中实时测量轮胎转角,实现在车辆行驶过程中进行实时测量轮胎转向角度。
Description
技术领域
本发明涉及测量轮胎转向角的测量技术领域,尤其涉及通过视觉方式动态测量轮胎转角的方法及通过视觉方式动态测量轮胎转角的系统。
背景技术
目前测量轮胎转向角主要通过车轮定位仪、转角测量盘或是直接在转向角试验台上直接对轮胎转角进行测量,角度传感器是一种由敏感元件和转换元件组成的检测装置。传感器在当今工业生产中作用非常大,而角度传感器是一种更加罕见的位移传感器,它的作用是将被测物体角度信号转化为电信号。汽车自动驾驶系统是一种通过车载电脑系统实现无人驾驶的智能汽车系统。在自动驾驶过程中,需要对汽车各项行驶数据进行采集,其中就包括车轮转向角度采集,所以车轮转向角度数据采集准确度对车辆安全行驶至关重要。角度传感器就常被用来测量物体转动角度。但是目前的测试方式只能对车轮静态测量,不适用车辆行驶过程中的测量。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的一个技术问题是:提出一种通过视觉方式动态测量轮胎转角的方法,解决现在测试方式只能对车轮静态测量,不能在车辆行驶过程中进行测量的问题。
为解决上述技术问题,本发明提供如下技术方案:一种通过视觉方式动态测量轮胎转角的方法,包括以下步骤,将同步转向的转动盘安装于车辆轮胎上;在所述转动盘上方安装摄像模块,且所述摄像模块正对着所述转动盘;测量时通过所述摄像模块采集所述转动盘的图像;所述图像输入图像处理模块获得所述转动盘的转向位置;角度模块根据所述转向位置得到车辆轮胎转动的角度。
作为本发明所述的通过视觉方式动态测量轮胎转角的方法的一种优选方案,其中:所述转动盘和所述摄像模块的安装包括以下步骤,将所述转动盘与轮胎固定连接;夹紧卡爪固定在轮胎上;检测盘边缘涂为已特定颜色便与后期处理;摄像模块通过支架固定在同步转轮盘上方。
作为本发明所述的通过视觉方式动态测量轮胎转角的方法的一种优选方案,其中:所述摄像模块采集图像包括以下步骤,轮胎处于初始位置时采集一帧图像;轮胎转动过一定角度后再采集一帧图像。
作为本发明所述的通过视觉方式动态测量轮胎转角的方法的一种优选方案,其中:所述图像处理模块包括以下处理步骤,将所述图像转换为灰度图像;对所述灰度图像进行中值滤波后再进行图像二值分割获得分割图像;对分割后的所述分割图像进行形态学开、闭运算;调用Canny算子实现边缘检测;根据边缘检测后的图像提取直线方程。
作为本发明所述的通过视觉方式动态测量轮胎转角的方法的一种优选方案,其中:所述直线方程包括以下提取步骤,对所述初始位置的图像和转动后的图像分别提取出直线;建立如下直线方程:
l1:a1x+b1y+c1=0;
l2:a2x+b2y+c2=0。
作为本发明所述的通过视觉方式动态测量轮胎转角的方法的一种优选方案,其中:所述角度模块根据建立的所述直线方程计算出两条直线的夹角,所述夹角为轮胎的转向角α,计算公式如下,
作为本发明所述的通过视觉方式动态测量轮胎转角的方法的一种优选方案,其中:所述中值滤波包括以下处理步骤,定义所述灰度图像中F中点的灰度值为fij,当前像素邻域内像素点的集合为Ω;扩展灰度图像F,采用3×3的滤波模板对图像进行滤波;在原图像的上、下、左、右各扩展一行或一列元素,使用邻行或邻列元素进行填充,得到扩展后的灰度图像;遍历扩展后的灰度图像,计算fij到Ω的平均距离D;计算Ω中所有点的中值,替换fij,当图像已遍历完,结束。
作为本发明所述的通过视觉方式动态测量轮胎转角的方法的一种优选方案,其中:所述图像二值分割包括以下步骤,中值滤波后的所述灰度图像输入初始化模块;所述初始化模块将初始化参数和原始图像数据传入PCNN模块;PCNN模块对分割图像的迭代运算,并将更新的阈值、生成的二值图像和记录点火情况的标志矩阵存入RAM模块中;所述RAM模块生成的点火图像和原始图像传递至最小交叉熵模块中,所述最小交叉熵模块通过使能信号控制所述PCNN模块的迭代;直至第n+1次迭代运算后;当所述最小交叉熵模块判断此次迭代后的分割图像的交叉熵大于第n次的值,此时第n次交叉熵为最小交叉熵,即判定第n次分割图像为最佳分割图像。
作为本发明所述的通过视觉方式动态测量轮胎转角的方法的一种优选方案,其中:所述Canny算子实现边缘检测包括以下步骤,使用高斯滤波器,以平滑图像和滤除噪声;计算图像中每个像素点的梯度强度和方向;应用非极大值抑制消除边缘检测带来的杂散响应;应用双阈值检测来确定真实的和潜在的边缘;通过抑制孤立的弱边缘最终完成边缘检测。
本发明解决的一个技术问题是:提出一种通过视觉方式动态测量轮胎转角的方法,解决现在测试方式只能对车轮静态测量,不能在车辆行驶过程中进行测量的问题。
为解决上述技术问题,本发明提供如下技术方案:一种通过视觉方式动态测量轮胎转角的系统,包括转动盘、摄像模块、图像处理模块和角度模块;所述转动盘安装于车辆轮胎上;所述摄像模块安装于所述转动盘上方并正对着所述转动盘;所述图像处理模块与所述摄像模块连接,用于处理所述摄像模块采集的图像;所述角度模块与所述图像处理模块连接,用于根据所述图像处理模块处理的信息计算出车辆轮胎转动的角度。
本发明的有益效果:通过视觉方式动态测量轮胎转角既能够在车辆禁止时测量轮胎转角,也能够在车辆行驶过程中实时测量轮胎转角,实现在车辆行驶过程中进行实时测量轮胎转向角度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明所述通过视觉方式动态测量轮胎转角的方法的整体流程结构示意图;
图2为本发明所述通过视觉方式动态测量轮胎转角的系统的整体原理结构示意图;
图3为本发明所述通过视觉方式动态测量轮胎转角的系统的转动盘结构示意图;
图4为本发明所述通过视觉方式动态测量轮胎转角的系统的转动盘安装结构示意图;
图5为本发明所述通过视觉方式动态测量轮胎转角的误差示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1的示意,示意为本实施例提出一种通过视觉方式动态测量轮胎转角的方法的整体流程示意图,通过图像处理的方式进行测量轮胎转角,解决现在测试方式只能对车轮静态测量,不能在车辆行驶过程中进行测量的问题,没有办法在车辆运行过程中获取轮胎角度。本实施例提出的方法能够在车辆行驶过程中进行实时测量轮胎转向角度。具体的,
一种通过视觉方式动态测量轮胎转角的方法,包括以下步骤:
S1:将同步转向的转动盘100安装于车辆轮胎上。
本步骤中转动盘100和摄像模块200的安装包括以下步骤,
将转动盘100与轮胎固定连接;
夹紧卡爪101固定在轮胎上;
检测盘102边缘涂为已特定颜色便与后期处理;
摄像模块200通过支架固定在同步转轮盘上方。
S2:在转动盘100上方安装摄像模块200,且摄像模块200正对着转动盘100;
S3:测量时通过摄像模块200采集转动盘200的图像;摄像模块200采集图像包括以下步骤,
轮胎处于初始位置时采集一帧图像;
轮胎转动过一定角度后再采集一帧图像。
S4:图像输入图像处理模块300获得转动盘200的转向位置,图像处理模块300包括以下处理步骤,
将图像转换为灰度图像;
对灰度图像进行中值滤波后再进行图像二值分割获得分割图像;
对分割后的分割图像进行形态学开、闭运算;
调用Canny算子实现边缘检测;
根据边缘检测后的图像提取直线方程。
进一步的,直线方程包括以下提取步骤,
对初始位置的图像和转动后的图像分别提取出直线;
建立如下直线方程:l1:a1x+b1y+c1=0;l2:a2x+b2y+c2=0。
S5:角度模块400根据转向位置得到车辆轮胎转动的角度。
角度模块400根据建立的直线方程计算出两条直线的夹角,夹角为轮胎的转向角α,计算公式如下,
本实施例还需要说明的是,中值滤波包括以下处理步骤,
定义灰度图像中F中点i,j的灰度值为fij,当前像素邻域内像素点的集合为Ω;
扩展灰度图像F,采用3×3的滤波模板对图像进行滤波;
在原图像的上、下、左、右各扩展一行或一列元素,使用邻行或邻列元素进行填充,得到扩展后的灰度图像;
遍历扩展后的灰度图像,计算fij到Ω的平均距离D;
计算Ω中所有点的中值,替换fij,
当图像已遍历完,结束。
本实施例中的中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,它的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域内各点值的中值代替,让该点的像素值接近真实值,从而消除孤立的噪声点。
进一步的,图像二值分割包括以下步骤,
中值滤波后的灰度图像输入初始化模块301;
初始化模块301将初始化参数和原始图像数据传入PCNN模块302;
PCNN模块302对分割图像的迭代运算,并将更新的阈值、生成的二值图像和记录点火情况的标志矩阵存入RAM模块303中;
RAM模块303生成的点火图像和原始图像传递至最小交叉熵模块304中,最小交叉熵模块304通过使能信号控制PCNN模块302的迭代;
直至第n+1次迭代运算后;
当最小交叉熵模块304判断此次迭代后的分割图像的交叉熵大于第n次的值,此时第n次交叉熵为最小交叉熵,即判定第n次分割图像为最佳分割图像。
进一步的,Canny算子实现边缘检测包括以下步骤,
使用高斯滤波器,以平滑图像和滤除噪声;
计算图像中每个像素点的梯度强度和方向;
应用非极大值抑制消除边缘检测带来的杂散响应;
应用双阈值检测来确定真实的和潜在的边缘;
通过抑制孤立的弱边缘最终完成边缘检测。
本实施例中还需要说明的是,腐蚀和膨胀是依据数学形态学集合论方法发展起来的图像处理方法,起源于岩相对岩石结构的定量描述工作,在数字图像处理和机器视觉领域中得到了广泛的应用,形成了一种独特的数字图像分析方法和理论。数学形态学是图像处理和模式识领域的新方法,其基本思想是:用具有一定形态的结构元素去量度和提取图像中的对应形状,以达到图像分析和识别的目的。优势有以下几点:有效滤除噪声,保留图像中原有信息,算法易于用并行处理方法有效实现,基于数学形态学的边缘信息提取处理优于基于微分运算的边缘提取算法,提取的边缘比较平滑,提取的图像骨架也比较连续,断点少。
先腐蚀后膨胀的过程开运算。用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。开运算通常是在需要去除小颗粒噪声,以及断开目标物之间粘连时使用。其主要作用与腐蚀相似,与腐蚀操作相比,具有可以基本保持目标原有大小不变的优点。先膨胀后腐蚀的过程称为闭运算。用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。
虽然腐蚀处理可以将粘连的目标物进行分离,膨胀处理可以将断开的目标物进行接续,但同时都存在一个问题,就是经过腐蚀处理后,目标物的面积小于原有面积,而经过膨胀处理之后,目标物的面积大于原有面积。开、闭运算就是为了解决这个问题而被提出的。数学形态学中二值图像的形态变换是一种针对结合的处理过程。其形态算子的实质是表达物体或者形状的集合与结构元素间的相互作用,结构元素的形状就决定了这种运算所提取的信号的形状信息。形态学图像处理是在图像中移动一个结构元素,然后将结构元素与下面的二值图像进行交、并等集合运算。
场景一:
对本方法中采用的技术效果加以验证说明,本实施例选择的不同方法和采用本方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
通过四轮定位的方式来测量轮胎角度,测试对场景要求不灵活的情况。为验证本方法相对传统方法具有较高灵活性。本实施例中对仿真车辆的进行实时仿真测量对比。利用ADAMS软件构建了所研究车辆的前悬架仿真模型,进行了车轮激振时定位参数的仿真分析,并根据仿真结果。依据对前悬架模型的灵敏度分析,三角形控制臂的外安装点与转向横拉杆外安装点对车轮角度的变化,选用精密旋转台2模拟车轮转角,固定于上面的角位移台用以模拟车轮角度,精密旋转台1垂直放置于组合台上模拟车轮滚动情况,共进行5次测量。实际检测的仿真如下表1和图5的示意。
表1:轮胎转角仿真数据。
转角 | 0° | 1° | 2° | 3° | 4° |
1 | 0.03109 | 0.99128 | 2.01548 | 2.96688 | 3.99083 |
2 | 0.01627 | 1.01429 | 2.02923 | 2.98387 | 4.00927 |
3 | -0.02191 | 1.01798 | 2.03916 | 3.00468 | 4.02878 |
4 | 0.02145 | 1.02013 | 2.03876 | 2.99534 | 4.01437 |
5 | 0.01226 | 1.01565 | 2.02767 | 2.98331 | 4.01579 |
由表1和图5的示意,可知本方法在动态测量轮胎转角时具有较高的精度,误差较小。国家标准中规定误差范围在-3°~3°时为±3′,因此本方法车轮转角模拟系统测量精度理想状态下能够满足标准要求。
实施例2
参照图2~4的示意,示意为本实施例中提出一种通过视觉方式动态测量轮胎转角的系统的整体原理结构示意图,上述实施例的通过视觉方式动态测量轮胎转角的方法依托于本实施例实现。具体的,该系统包括转动盘100、摄像模块200、图像处理模块300和角度模块400,其中转动盘100和摄像模块200安装于汽车上,图像处理模块300和角度模块400均与转动盘100和摄像模块200连接,且图像处理模块300和角度模块400可以接入车辆的驾驶系统中、接入服务器或者接入计算机,对转动盘100和摄像模块200采集的数据进行计算分析。更加具体的,转动盘100安装于车辆轮胎上;摄像模块200安装于转动盘100上方并正对着转动盘100;图像处理模块300与摄像模块200连接,用于处理摄像模块200采集的图像;角度模块400与图像处理模块300连接,用于根据图像处理模块300处理的信息计算出车辆轮胎转动的角度。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种通过视觉方式动态测量轮胎转角的方法,其特征在于:包括,
将同步转向的转动盘(100)安装于车辆轮胎上;
在所述转动盘(100)上方安装摄像模块(200),且所述摄像模块(200)正对所述转动盘(100);
测量时利用所述摄像模块(200)采集所述转动盘(200)的图像;
所述图像输入图像处理模块(300)获得所述转动盘(200)的转向位置;
角度模块(400)根据所述转向位置得到车辆轮胎转动的角度。
2.如权利要求1所述的通过视觉方式动态测量轮胎转角的方法,其特征在于:所述转动盘(100)、所述摄像模块(200)的安装包括,
将所述转动盘(100)与车辆轮胎固定连接;
夹紧卡爪(101)固定在轮胎上;
检测盘(102)边缘涂为已特定颜色;
摄像模块(200)通过支架固定在同步转向的所述转动盘(100)上方。
3.如权利要求1或2所述的通过视觉方式动态测量轮胎转角的方法,其特征在于:所述摄像模块(200)采集图像包括,
车辆轮胎处于初始位置时采集一帧图像;
所述车辆轮胎转动过一定角度后再采集一帧图像。
4.如权利要求3所述的通过视觉方式动态测量轮胎转角的方法,其特征在于:所述图像处理模块(300)的处理包括,
将所述摄像模块(200)采集的图像转换为灰度图像;
对所述灰度图像进行中值滤波后再进行图像二值分割获得分割图像;
对分割后的所述分割图像进行形态学开、闭运算;
调用Canny算子实现边缘检测;
根据边缘检测后的图像提取直线方程。
5.如权利要求4所述的通过视觉方式动态测量轮胎转角的方法,其特征在于:所述直线方程的提取包括,
对所述初始位置的图像和转动后的图像分别提取出直线;
建立如下直线方程:
l1:a1x+b1y+c1=0;
l2:a2x+b2y+c2=0。
7.如权利要求4~6所述的通过视觉方式动态测量轮胎转角的方法,其特征在于:所述中值滤波包括,
定义所述灰度图像中F中点(i,j)的灰度值为fij,当前像素邻域内像素点的集合为Ω;
扩展灰度图像F,采用3×3的滤波模板对图像进行滤波;
在原图像的上、下、左、右各扩展一行或一列元素,使用邻行或邻列元素进行填充,得到扩展后的灰度图像;
遍历扩展后的灰度图像,计算fij到Ω的平均距离D;
计算Ω中所有点的中值,替换fij,
当图像已遍历完,结束。
8.如权利要求7所述的通过视觉方式动态测量轮胎转角的方法,其特征在于:所述图像二值分割包括,
中值滤波后的所述灰度图像输入初始化模块(301);
所述初始化模块(301)将初始化参数和原始图像数据传入PCNN模块(302);
所述PCNN模块(302)对分割图像的迭代运算,并将更新的阈值、生成的二值图像和记录点火情况的标志矩阵存入RAM模块(303)中;
所述RAM模块(303)生成的点火图像和原始图像传递至最小交叉熵模块(304)中,所述最小交叉熵模块(304)通过使能信号控制所述PCNN模块(302)的迭代;
直至第n+1次迭代运算后;
当所述最小交叉熵模块(304)判断此次迭代后的分割图像的交叉熵大于第n次的值,此时第n次交叉熵为最小交叉熵,即判定第n次分割图像为最佳分割图像。
9.如权利要求7所述的通过视觉方式动态测量轮胎转角的方法,其特征在于:所述Canny算子实现边缘检测包括,
使用高斯滤波器,以平滑分割后的所述分割图像和滤除噪声;
计算图像中每个像素点的梯度强度和方向;
利用非极大值,抑制消除边缘检测带来的杂散响应;
利用双阈值检测来确定真实的和潜在的边缘;
抑制孤立的弱边缘,完成边缘检测。
10.一种通过视觉方式动态测量轮胎转角的系统,其特征在于:包括转动盘(100)、摄像模块(200)、图像处理模块(300)和角度模块(400);
所述转动盘(100)安装于车辆轮胎上;
所述摄像模块(200)安装于所述转动盘(100)上方并正对所述转动盘(100);
所述图像处理模块(300)与所述摄像模块(200)连接,用于处理所述摄像模块(200)采集的图像;
所述角度模块(400)与所述图像处理模块(300)连接,用于根据所述图像处理模块(300)处理的信息输出车辆轮胎转动的角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911413760.4A CN111207699A (zh) | 2019-12-31 | 2019-12-31 | 一种通过视觉方式动态测量轮胎转角的方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911413760.4A CN111207699A (zh) | 2019-12-31 | 2019-12-31 | 一种通过视觉方式动态测量轮胎转角的方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111207699A true CN111207699A (zh) | 2020-05-29 |
Family
ID=70782604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911413760.4A Pending CN111207699A (zh) | 2019-12-31 | 2019-12-31 | 一种通过视觉方式动态测量轮胎转角的方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111207699A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115092254A (zh) * | 2022-07-18 | 2022-09-23 | 苏州智加科技有限公司 | 车轮转向角的获取方法、装置、设备及存储介质 |
CN115180018A (zh) * | 2022-07-18 | 2022-10-14 | 苏州智加科技有限公司 | 测量转向轮转角的方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102257354A (zh) * | 2008-12-19 | 2011-11-23 | 罗伯特·博世有限公司 | 用于行驶机构测量的方法及用于测量机动车行驶机构几何参数的装置 |
JP2013015489A (ja) * | 2011-07-06 | 2013-01-24 | Yokohama Rubber Co Ltd:The | タイヤ状態検出方法及び装置 |
JP2014095607A (ja) * | 2012-11-08 | 2014-05-22 | Yokohama Rubber Co Ltd:The | タイヤ解析装置およびタイヤ解析システム |
CN109229206A (zh) * | 2018-08-02 | 2019-01-18 | 长安大学 | 一种车辆及其转向角度的检测方法和系统 |
-
2019
- 2019-12-31 CN CN201911413760.4A patent/CN111207699A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102257354A (zh) * | 2008-12-19 | 2011-11-23 | 罗伯特·博世有限公司 | 用于行驶机构测量的方法及用于测量机动车行驶机构几何参数的装置 |
JP2013015489A (ja) * | 2011-07-06 | 2013-01-24 | Yokohama Rubber Co Ltd:The | タイヤ状態検出方法及び装置 |
JP2014095607A (ja) * | 2012-11-08 | 2014-05-22 | Yokohama Rubber Co Ltd:The | タイヤ解析装置およびタイヤ解析システム |
CN109229206A (zh) * | 2018-08-02 | 2019-01-18 | 长安大学 | 一种车辆及其转向角度的检测方法和系统 |
Non-Patent Citations (2)
Title |
---|
李尚志: "中学数学中的向量方法(续)", 《数学通报》 * |
谢正春: "基于机器视觉的汽车轮胎转向角和侧偏角测试方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115092254A (zh) * | 2022-07-18 | 2022-09-23 | 苏州智加科技有限公司 | 车轮转向角的获取方法、装置、设备及存储介质 |
CN115180018A (zh) * | 2022-07-18 | 2022-10-14 | 苏州智加科技有限公司 | 测量转向轮转角的方法、装置、设备及存储介质 |
CN115092254B (zh) * | 2022-07-18 | 2023-08-18 | 苏州智加科技有限公司 | 车轮转向角的获取方法、装置、设备及存储介质 |
CN115180018B (zh) * | 2022-07-18 | 2023-08-18 | 苏州智加科技有限公司 | 测量转向轮转角的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107341453B (zh) | 一种车道线提取方法及装置 | |
US10489913B2 (en) | Methods and apparatuses, and computing devices for segmenting object | |
CN111060946B (zh) | 用于估计位置的方法和装置 | |
US9396553B2 (en) | Vehicle dimension estimation from vehicle images | |
CN112927303B (zh) | 一种基于车道线的自动驾驶车载相机位姿估计方法及系统 | |
CN104299247A (zh) | 一种基于自适应测量矩阵的视频目标跟踪方法 | |
WO2019126972A1 (zh) | 基于InSAR的形变信息提取方法、终端及存储介质 | |
CN111414826B (zh) | 一种地标箭头的识别方法、设备及存储介质 | |
CN112862890B (zh) | 道路坡度预测方法、装置和存储介质 | |
CN103871062A (zh) | 一种基于超像素描述的月面岩石检测方法 | |
CN111207699A (zh) | 一种通过视觉方式动态测量轮胎转角的方法及其系统 | |
CN106558051A (zh) | 一种改进的从单幅图像检测道路的方法 | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
CN107808524A (zh) | 一种基于无人机的道路交叉口车辆检测方法 | |
Botha et al. | Digital image correlation techniques for measuring tyre-road interface parameters: Part 1–Side-slip angle measurement on rough terrain | |
CN106062824A (zh) | 边缘检测装置、边缘检测方法和程序 | |
CN111523611A (zh) | 涂胶检测方法 | |
CN110413942B (zh) | 车道线方程筛选方法及其筛选模块 | |
CN107563963B (zh) | 一种基于单张深度图超分辨率重建的方法 | |
CN112258582A (zh) | 一种基于道路场景识别的相机姿态标定方法及装置 | |
CN115035164A (zh) | 一种运动目标识别方法及装置 | |
CN109344846B (zh) | 图像特征提取方法和装置 | |
CN112085752B (zh) | 一种图像的处理方法、装置、设备及介质 | |
CN117152272B (zh) | 基于全息沙盘的视角追踪方法、装置、设备及存储介质 | |
Seo | Subpixel line localization with normalized sums of gradients and location linking with straightness and omni-directionality |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200529 |