汽车轮胎的质量3D视觉全息检测方法、装置、设备及介质

汽车轮胎的质量3d视觉全息检测方法、装置、设备及介质
技术领域
1.本发明涉及三维图像领域，尤其涉及一种汽车轮胎的质量3d视觉全息检测方法、装置、设备及介质。


背景技术：

2.汽车轮胎的质量3d视觉全息检测是指对汽车轮胎进行三维视觉的检测，以用于检测汽车轮胎是否存在质量问题。
3.目前，长期以来，只有当汽车被扎破漏气时才考虑对轮胎进行检查，但是也只对漏气的地方进行检测，并没有完全对整个轮胎从胎纹深度、宽度，磨损情况进行全面、科学、可量化的检测；汽车轮胎检测流程为：将车辆开到检测区域后，首先人工通过肉眼对轮胎进行一个整体的外观检查、然后采用卡尺或胎纹深度检测器随机选取轮胎某些部位进行检测，由此得出轮胎是否需要更换和维护，这种检测方式存在的缺陷一方面是人工检测存在测量误差，测量不准确；另一方面，人工对轮胎随机抽检较为局限，并没有对全胎面进行检测，使得汽车轮胎质量没有得到根本全面的检测，常见的检测方式主要有两种：一种是人工使用卡尺在轮胎任意几个位置对胎纹宽度、深度进行抽检，将这些值作为参考来判断轮胎是否磨耗过度及是否需要更换的指标，但在轮胎实际使用过程中，当某个部位碰到尖锐异物后，该处的磨损往往比轮胎其他部位更容易被磨损，人工抽检的往往导致漏检，使得汽车在运行过程中存在交通安全风险；除了通过卡尺的人工检测外，另一种是手持式的轮胎检测设备也是目前轮胎检测的一种技术，将该设备贴近轮胎面，通过内部测距传感器实时的对胎纹深度进行测量，该方案效率和检测精度虽然比人工方式有所提升，但是仍然不能很好的对整个轮胎面的质量进行检测，若需要轮胎全检，这需要耗费大量的劳动力对轮胎逐一的进行检测，通过上述分析，目前汽车轮胎检测技术缺陷在于人工检测效率低，检测流程不可靠、轮胎的检测区域有限使得大概率存在漏检可能，这些问题导致汽车轮胎质量检测存在缺陷。因此，汽车轮胎质量检测的全面性不足。


技术实现要素：

4.为了解决上述问题，本发明提供了一种汽车轮胎的质量3d视觉全息检测方法、装置、设备及介质，可以提高汽车轮胎的缺陷检测全面性。
5.第一方面，本发明提供了一种汽车轮胎的质量3d视觉全息检测方法，包括：
6.采集汽车轮胎的三维轮廓数据，根据所述三维轮廓数据，对所述汽车轮胎进行三维形态重建，得到三维重建图像，并划分所述三维重建图像的深度检测区域与宽度检测区域；
7.采样所述深度检测区域中的深度视觉点集，计算所述深度视觉点集的点集平均重心，对所述点集平均重心进行平面拟合，得到所述深度视觉点集的拟合视觉平面，根据所述点集平均重心与所述拟合视觉平面，计算所述汽车轮胎的轮胎检测深度；
8.检测所述宽度检测区域的边缘视觉点，对所述边缘视觉点进行边缘线拟合，得到
拟合视觉线，根据所述边缘视觉点与所述拟合视觉线，计算所述汽车轮胎的轮胎检测宽度；
9.根据所述轮胎检测深度与所述轮胎检测宽度，确定所述汽车轮胎的三维视觉质量检测结果。
10.在第一方面的一种可能实现方式中，所述采集汽车轮胎的三维轮廓数据，包括：
11.利用三维视觉传感器与电机编码器配置所述汽车轮胎的旋转检测平台；
12.在所述旋转检测平台中，利用下述公式计算所述电机编码器的旋转编码信号：
[0013][0014]
其中，e表示所述旋转编码信号，c表示所述汽车轮胎的轮胎周长，n表示轮廓间距；
[0015]
根据所述旋转编码信号，利用所述三维视觉传感器构建所述汽车轮胎的发射激光信号及其对应的反射激光信号；
[0016]
根据所述发射激光信号及其对应的反射激光信号，确定所述汽车轮胎的三维轮廓数据。
[0017]
可以看出，本发明实施例通过利用三维视觉传感器与电机编码器配置所述汽车轮胎的旋转检测平台采集汽车轮胎的三维轮廓数据可以获得整个3d轮胎表面和侧面的3d点云数据。
[0018]
在第一方面的一种可能实现方式中，所述根据所述三维轮廓数据，对所述汽车轮胎进行三维形态重建，得到三维重建图像，包括：
[0019]
确定所述三维轮廓数据对应的二维深度图像；
[0020]
利用下述公式计算所述二维深度图像的深度平移坐标：
[0021]
p(x
′
，0，z
′
)＝p(x，y，z r)
[0022]
其中，p(x
′
，0，z
′
)表示所述二维深度图像的深度平移坐标，r表示所述汽车轮胎的轮胎半径，x，y，z表示所述二维深度图像中所采集的汽车轮胎点云数据点的坐标；
[0023]
根据所述深度平移坐标，利用下述公式对所述二维深度图像进行三维形态重建，得到三维重建图像：
[0024]
θ＝360
°÷n[0025][0026]
x
′
＝x
[0027]y′
＝cosα*y-sinα*z
[0028]z′
＝cosα*y sinα*z
[0029]
p(x
″
，y
″
，z
″
)＝p(x
′
，0，z
′
)
→
p(x，cosα*y-sinα*z，cosα*y sinα*z)
[0030]
其中，p(x
″
，y
″
，z
″
)表示所述三维重建图像中的点云数据，x
″
，y
″
，z
″
表示所述点云数据在所述三维重建图像中的坐标，i表示所述二维深度图像中轮廓线的序号，范围为[0，n]，x，y，z表示所述二维深度图像中所采集的汽车轮胎点云数据点的坐标，p(x
′
，0，z
′
)表示所述二维深度图像的深度平移坐标。
[0031]
可以看出，本发明实施例通过对所述二维深度图像进行三维形态重建，可以将汽车轮胎表面的二维深度图转换为汽车轮胎的立体三维模型图。
[0032]
在第一方面的一种可能实现方式中，所述划分所述三维重建图像的深度检测区域
与宽度检测区域，包括：
[0033]
在所述三维重建图像中查询所述汽车轮胎的胎纹轮廓线；
[0034]
将所述胎纹轮廓线对应的轮廓线区域作为所述三维重建图像的深度检测区域与宽度检测区域。
[0035]
可以看出，本发明实施例通过将所述胎纹轮廓线对应的轮廓线区域作为所述三维重建图像的深度检测区域与宽度检测区域，以用于检测胎纹的凹陷深度与胎纹宽度。
[0036]
在第一方面的一种可能实现方式中，所述计算所述深度视觉点集的点集平均重心，包括：
[0037]
利用下述公式计算所述深度视觉点集的点集平均重心：
[0038][0039]
其中，pi表示所述深度视觉点集的点集平均重心，i表示所述深度视觉点集中的序列号，j表示所述深度视觉点集中深度视觉点的序列号，xj,yj,zj表示所述深度视觉点集中序列号为j的深度视觉点的三维坐标，m表示所述深度视觉点集中深度视觉点的总数。
[0040]
可以看出，本发明实施例通过计算深度视觉点集中视觉点的平均值，以用于在所述深度视觉点集中选取出视觉点的中心点。
[0041]
在第一方面的一种可能实现方式中，所述对所述点集平均重心进行平面拟合，得到所述深度视觉点集的拟合视觉平面，包括：
[0042]
利用下述公式确定所述点集平均重心的平面拟合面参数：
[0043][0044][0045]
其中，a，b，c表示所述点集平均重心的平面拟合面参数，xi，yi，zi表示所述点集平
均重心的坐标，n表示深度视觉点集的点集数量；
[0046]
根据所述平面拟合面参数，利用下述公式构建所述深度视觉点集的拟合视觉平面：
[0047]
z＝ax by c
[0048]
其中，z＝ax by c表示所述深度视觉点集的拟合视觉平面，z，x，y表示平面函数的变量，a表示所述点集平均重心的平面拟合面参数中拟合视觉平面函数的变量x的参数，b表示所述点集平均重心的平面拟合面参数中拟合视觉平面函数的变量y的参数，c表示所述点集平均重心的平面拟合面参数中拟合视觉平面函数的常数。
[0049]
可以看出，本发明实施例通过构建所述深度视觉点集的拟合视觉平面，以用于构建所述深度视觉点集中视觉点之间的平面函数关系。
[0050]
在第一方面的一种可能实现方式中，所述根据所述点集平均重心与所述拟合视觉平面，计算所述汽车轮胎的轮胎检测深度，包括：
[0051]
利用下述公式计算所述汽车轮胎的轮胎检测深度：
[0052][0053]
其中，di表示所述汽车轮胎的轮胎检测深度，a表示所述点集平均重心的平面拟合面参数中拟合视觉平面函数的变量x的参数，b表示所述点集平均重心的平面拟合面参数中拟合视觉平面函数的变量y的参数，c表示所述点集平均重心的平面拟合面参数中拟合视觉平面函数的常数，d表示拟合视觉平面函数的变量z的参数，xi，yi，zi表示所述点集平均重心的坐标。
[0054]
可以看出，本发明实施例通过计算所述汽车轮胎的轮胎检测深度，以用于检测深度是否与标准深度有偏差，以此来检测汽车轮胎是否存在缺陷。
[0055]
在第一方面的一种可能实现方式中，所述检测所述宽度检测区域的边缘视觉点，包括：
[0056]
利用下述公式对所述宽度检测区域进行二值化操作，得到二值化区域：
[0057][0058]
其中，pi(xi，yi)表示所述二值化区域中的点云数据的坐标值，xi，yi，zi表示所述点集平均重心的坐标，k表示预先设置的图像像素参数；
[0059]
利用下述公式计算所述二值化区域的边缘点梯度：
[0060][0061][0062][0063]
其中，|g(x，y)|表示所述二值化区域的边缘点梯度，sprt表示平方根计算，f(x 1，
y)，f(x，y)，f(x，y 1)表示所述二值化区域的像素函数，表示所述二值化区域中像素的一阶导数差分；
[0064]
根据所述边缘点梯度，确定所述宽度检测区域的边缘视觉点。
[0065]
可以看出，本发明实施例通过计算所述二值化区域的边缘点梯度，以用于在所述二值化区域中找到像素梯度变换较大的点，作为宽度的缺陷检测的边缘线上的点。
[0066]
在第一方面的一种可能实现方式中，所述对所述边缘视觉点进行边缘线拟合，得到拟合视觉线，包括：
[0067]
利用下述公式计算所述边缘视觉点的拟合线参数：
[0068][0069][0070]
其中，a，b表示所述边缘视觉点的拟合线参数，xj，yj表示第j个边缘视觉点，m表示所述边缘视觉点的数量；
[0071]
利用下述公式对所述边缘视觉点进行边缘线拟合，得到拟合视觉线：
[0072]
y＝ax b
[0073]
其中，y＝ax b表示所述拟合视觉线，a，b表示所述边缘视觉点的拟合线参数，y，x表示直线函数的自变量。
[0074]
可以看出，本发明实施例通过对所述边缘视觉点进行边缘线拟合，以用于将宽度检测区域中与宽度有关的区域的边缘部分通过边缘线进行标识。
[0075]
第二方面，本发明提供了一种汽车轮胎的质量3d视觉全息检测装置，所述装置包括：
[0076]
检测区域划分模块，用于采集汽车轮胎的三维轮廓数据，根据所述三维轮廓数据，对所述汽车轮胎进行三维形态重建，得到三维重建图像，并划分所述三维重建图像的深度检测区域与宽度检测区域；
[0077]
检测深度计算模块，用于采样所述深度检测区域中的深度视觉点集，计算所述深度视觉点集的点集平均重心，对所述点集平均重心进行平面拟合，得到所述深度视觉点集的拟合视觉平面，根据所述点集平均重心与所述拟合视觉平面，计算所述汽车轮胎的轮胎检测深度；
[0078]
检测宽度计算模块，用于检测所述宽度检测区域的边缘视觉点，对所述边缘视觉点进行边缘线拟合，得到拟合视觉线，根据所述边缘视觉点与所述拟合视觉线，计算所述汽车轮胎的轮胎检测宽度；
[0079]
检测结果确定模块，用于根据所述轮胎检测深度与所述轮胎检测宽度，确定所述汽车轮胎的三维视觉质量检测结果。
[0080]
第三方面，本发明提供一种电子设备，包括：
[0081]
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
[0082]
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，以使所述
至少一个处理器能够执行如上述第一方面中任意一项所述的汽车轮胎的质量3d视觉全息检测方法。
[0083]
第四方面，本发明提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任意一项所述的汽车轮胎的质量3d视觉全息检测方法。
[0084]
与现有技术相比，本方案的技术原理及有益效果在于：
[0085]
本发明实施例首先通过采集汽车轮胎的三维轮廓数据，以用于对所述汽车轮胎的轮胎缺陷进行3d视觉全息检测，进一步地，本发明实施例通过根据所述三维轮廓数据，对所述汽车轮胎进行三维形态重建，以用于构建所述汽车轮胎的三维虚拟模型，包含所述汽车轮胎的形态特征的三维虚拟模型实现对所述汽车轮胎的全面的检测，进一步地，本发明实施例通过划分所述三维重建图像的深度检测区域与宽度检测区域，以用于在对应的区域中检测轮胎胎纹的深度与宽度；
[0086]
进一步地，本发明实施例通过采样所述深度检测区域中的深度视觉点集，以用于整合所述深度检测区域中的点云数据实现对所述深度检测区域的全面检测，进一步地，本发明实施例通过计算所述深度视觉点集的点集平均重心，以用于确定所述深度视觉点集中的点的中心，进一步地，本发明实施例通过对所述点集平均重心进行平面拟合，以用于得到符合数据的函数关系，确定点云数据之间的联系，提升对所述点云数据的特征表征能力，保障对汽车轮胎缺陷检测的统一标准的检测流程，进一步地，本发明实施例通过根据所述点集平均重心与所述拟合视觉平面，计算所述汽车轮胎的轮胎检测深度，以用于确定所述汽车轮胎的表面胎纹凹陷是否存在缺陷；
[0087]
进一步地，本发明实施例通过检测所述宽度检测区域的边缘视觉点，以用于标识数字图像中亮度变化明显的点，进一步地，本发明实施例通过对所述边缘视觉点进行边缘线拟合，以用于利用直线函数确定所述边缘视觉点中每个点与其他点的函数关系，进一步地，本发明实施例通过根据所述边缘视觉点与所述拟合视觉线，计算所述汽车轮胎的轮胎检测宽度，以用于通过查询宽度是否存在偏差来达到对轮胎缺陷检测的目的；
[0088]
进一步地，本发明实施例通过根据所述轮胎检测深度与所述轮胎检测宽度，确定所述汽车轮胎的三维视觉质量检测结果，以用于利用所检测到的深度与宽度数据确定所述汽车轮胎的表面是否存在缺陷。
[0089]
因此，本发明实施例提出的一种汽车轮胎的质量3d视觉全息检测方法、装置、电子设备以及存储介质，可以提高汽车轮胎的缺陷检测全面性。
附图说明
[0090]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
[0091]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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他的附图。
[0092]
图1为本发明一实施例提供的一种汽车轮胎的质量3d视觉全息检测方法的流程示意图；
[0093]
图2-图5为本发明一实施例中提供的三维轮廓数据的获取示意图；
[0094]
图6-图7为本发明一实施例中对汽车轮胎进行三维形态重建的示意图；
[0095]
图8为本发明一实施例提供的一种汽车轮胎的质量3d视觉全息检测装置的模块示意图；
[0096]
图9为本发明一实施例提供的实现汽车轮胎的质量3d视觉全息检测方法的电子设备的内部结构示意图。
具体实施方式
[0097]
应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
[0098]
本发明实施例提供一种汽车轮胎的质量3d视觉全息检测方法，汽车轮胎的质量3d视觉全息检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，汽车轮胎的质量3d视觉全息检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，软件可以是区块链平台。服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0099]
参阅图1所示，是本发明一实施例提供的汽车轮胎的质量3d视觉全息检测方法的流程示意图。其中，图1中描述的汽车轮胎的质量3d视觉全息检测方法包括：
[0100]
s1、采集汽车轮胎的三维轮廓数据，根据三维轮廓数据，对汽车轮胎进行三维形态重建，得到三维重建图像，并划分三维重建图像的深度检测区域与宽度检测区域。
[0101]
本发明实施例通过采集汽车轮胎的三维轮廓数据，以用于对汽车轮胎的轮胎缺陷进行3d视觉全息检测。其中，三维轮廓数据是指利用3d视觉传感器采集的汽车轮胎表面的3d点云轮廓数据，3d视觉传感器主要利用激光三角测距原理测量三维数据，3d视觉传感器从激光发射端发射激光轮廓线，3d视觉传感器接收端接收到从轮胎表面反射回来的激光束后，即可获得当前轮胎表面单条轮廓数据。
[0102]
本发明的一实施例中，采集汽车轮胎的三维轮廓数据，包括：利用三维视觉传感器与电机编码器配置汽车轮胎的旋转检测平台；在旋转检测平台中，利用下述公式计算电机编码器的旋转编码信号：
[0103][0104]
其中，e表示旋转编码信号，c表示汽车轮胎的轮胎周长，n表示轮廓间距；
[0105]
根据旋转编码信号，利用三维视觉传感器构建汽车轮胎的发射激光信号及其对应的反射激光信号；根据发射激光信号及其对应的反射激光信号，确定汽车轮胎的三维轮廓数据。
[0106]
示例性地，配备三个3d视觉传感器，从三个角度对汽车轮胎整体进行扫描检测，当轮胎为滚动状态时，三个3d视觉传感器的位置分别为轮胎的正上方与左右两侧，轮胎旋转一圈后，3台3d视觉传感器可以收集到整个轮胎胎冠面轮廓数据、两胎侧面轮廓数据，在检
测时，轮胎的转动是由外部伺服电机带动轮胎被动旋转，将轮胎拆卸下来后，穿过连杆安装到轮胎检测装置，连杆另一端连接了伺服电机，伺服电机旋转带动轮胎旋转，当伺服电机带动轮胎旋转一圈时，伺服电机内的编码器也产生对应一圈3d轮胎轮廓线的信号的时间序列，本发明采用编码器信号中的a相信号作为触发信号，当伺服电机旋转使得a相脉冲为上升沿时，3d视觉传感器就会触发获取当前位置的轮廓线。
[0107]
为进一步了解三维轮廓数据的采集过程，可以参阅图2-图5所示，是本发明一实施例提供的三维轮廓数据的获取示意图，其中，图2用于表示三维视觉传感器发射激光信号的原理，其中三维视觉传感器发射至汽车轮胎表面的发射激光信号的高度通过z轴表示，通过y轴表示沿轮胎滚动方向的发射激光信号，通过x轴表示轮胎横向的发射激光信号，发射激光信号对应的反射激光信号从轮胎表面反射至三维视觉传感器，轮胎旋转一圈后，即可获得轮胎整个表面轮廓的3d点云数据；图3用于表示在所述旋转检测平台中构建的三维视觉传感器放置位置，三维视觉传感器分别放置在汽车轮胎的正上方与轮胎两侧，图4用于表示包含电机编码器的旋转检测平台，左侧的伺服电机表示电机编码器，在检测时，轮胎的转动是由外部伺服电机带动轮胎被动旋转，将轮胎拆卸下来后，穿过连杆安装到轮胎检测装置，连杆另一端连接了伺服电机，伺服电机旋转带动轮胎旋转，当伺服电机带动轮胎旋转一圈时，伺服电机内的编码器也产生对应一圈3d轮胎轮廓线的信号的时间序列；图5用于表示旋转编码信号触发三维视觉传感器采集是三维轮廓数据，本发明采用编码器信号中的a相信号作为触发信号，当伺服电机旋转使得a相脉冲为上升沿时，3d视觉传感器就会触发获取当前位置的轮廓线，触发方式可以考虑一个脉冲触发一次，也可以多个脉冲触发一次，或者当需要更为精细的触发信号，结合编码器a 、a-、b 、b-四项信号差分实现。
[0108]
进一步地，本发明实施例通过根据三维轮廓数据，对汽车轮胎进行三维形态重建，以用于构建汽车轮胎的三维虚拟模型，包含汽车轮胎的形态特征的三维虚拟模型实现对汽车轮胎的全面的检测。其中，三维重建图像是指将原本由汽车轮胎表面的二维图像以及轮胎凹陷处的深度构成的二维深度图像转换得到的三维的立体图像，即汽车轮胎的三维虚拟模型结构图。
[0109]
本发明的一实施例中，根据三维轮廓数据，对汽车轮胎进行三维形态重建，得到三维重建图像，包括：确定三维轮廓数据对应的二维深度图像；利用下述公式计算二维深度图像的深度平移坐标：
[0110]
p(x
′
，0，z
′
)＝p(x，y，z r)
[0111]
其中，p(x
′
，0，z
′
)表示二维深度图像的深度平移坐标，r表示汽车轮胎的轮胎半径，x，y，z表示二维深度图像中所采集的汽车轮胎点云数据点的坐标；
[0112]
根据深度平移坐标，利用下述公式对二维深度图像进行三维形态重建，得到三维重建图像：
[0113]
θ＝360
°÷n[0114][0115]
x
′
＝x
[0116]y′
＝cosα*y-sinα*z
[0117]z′
＝cosα*y sinα*z
[0118]
p(x
″
，y
″
，z
″
)＝p(x
′
，0，z
′
)
→
p(x，cosα*y-sinα*z，cosα*y sinα*z)
[0119]
其中，p(x
″
，y
″
，z
″
)表示三维重建图像中的点云数据，x
″
，y
″
，z
″
表示点云数据在三维重建图像中的坐标，i表示二维深度图像中轮廓线的序号，范围为[0，n]，x，y，z表示二维深度图像中所采集的汽车轮胎点云数据点的坐标，p(x
′
，0，z
′
)表示二维深度图像的深度平移坐标。
[0120]
为进一步了解对汽车轮胎进行三维形态重建的过程，可以参阅图6-图7所示，是本发明一实施例提供的对汽车轮胎进行三维形态重建的示意图，其中，图6用于表示三维轮廓数据对应的二维深度图像，设扫描整个轮胎面产生的轮廓数为n条，每个轮廓的间距为n(单位：mm)，每条轮廓线由m个空间点组成，点与点之间的间距为m(单位：mm)，在三维空间中，y方向为轮廓线周长方向，x方向为单条轮廓线点点方向，3d视觉传感器为每个点提供z方向的高度数据，由此可以对轮廓线沿着xoy投影面“拉抻”形成一个具有高度信息的2d高度图，每个图像像素信息p＝(xi，yi，zi)为轮胎相对于相机坐标系下的坐标值，zi为轮胎表面到相机坐标系的高度值，且yi∈(0，n*n)，zi∈(-l，l)，l属于3d视觉传感器的量程，由于系统坐标系原点在轮胎中心，所以空间点x坐标和z坐标值范围在正负区间中，图7用于表示三维重建图像，原始获取到深度图在xoy平面上，将平面上的若干条轮廓线先平移，再通过沿x轴方向旋转坐标变换后，达到对轮胎数据进行重构，实现对轮胎3d形态的还原。
[0121]
进一步地，本发明实施例通过划分三维重建图像的深度检测区域与宽度检测区域，以用于在对应的区域中检测轮胎胎纹的深度与宽度。其中，深度检测区域是指需要计算轮胎的胎纹的凹陷深度的区域，宽度检测区域是指需要计算轮胎的胎纹的宽度的区域。
[0122]
本发明的一实施例中，划分三维重建图像的深度检测区域与宽度检测区域，包括：在三维重建图像中查询汽车轮胎的胎纹轮廓线；将胎纹轮廓线对应的轮廓线区域作为三维重建图像的深度检测区域与宽度检测区域。
[0123]
示例性地，胎纹轮廓线是指三维图像中汽车轮胎的滚动面中与滚动方向垂直的胎纹线条。
[0124]
s2、采样深度检测区域中的深度视觉点集，计算深度视觉点集的点集平均重心，对点集平均重心进行平面拟合，得到深度视觉点集的拟合视觉平面，根据点集平均重心与拟合视觉平面，计算汽车轮胎的轮胎检测深度。
[0125]
本发明实施例通过采样深度检测区域中的深度视觉点集，以用于整合深度检测区域中的点云数据实现对深度检测区域的全面检测。其中，深度视觉点集是指深度检测区域内的点云数据的数据点的集合。
[0126]
本发明的一实施例中，采样深度检测区域中的深度视觉点集，包括：采集深度检测区域中的深度视觉点坐标；将深度视觉点坐标对应的坐标集合作为深度视觉点集。
[0127]
进一步地，本发明实施例通过计算深度视觉点集的点集平均重心，以用于确定深度视觉点集中的点的中心。其中，点集平均重心是指重心是指地球对物体中每一微小部分引力的合力作用点，在本发明中表示深度视觉点集中的点的中心。
[0128]
本发明的一实施例中，利用下述公式计算深度视觉点集的点集平均重心：
[0129][0130]
其中，pi表示深度视觉点集的点集平均重心，i表示深度视觉点集中的序列号，j表示深度视觉点集中深度视觉点的序列号，xj,yj,zj表示深度视觉点集中序列号为j的深度视觉点的三维坐标，m表示深度视觉点集中深度视觉点的总数。
[0131]
进一步地，本发明实施例通过对点集平均重心进行平面拟合，以用于得到符合数据的函数关系，确定点云数据之间的联系，提升对点云数据的特征表征能力，保障对汽车轮胎缺陷检测的统一标准的检测流程。其中，拟合视觉平面是指利用平面函数表征的深度视觉点集。
[0132]
本发明的一实施例中，对点集平均重心进行平面拟合，得到深度视觉点集的拟合视觉平面，包括：利用下述公式确定点集平均重心的平面拟合面参数：
[0133][0134][0135]
其中，a，b，c表示点集平均重心的平面拟合面参数，xi，yi，zi表示点集平均重心的坐标，n表示深度视觉点集的点集数量；
[0136]
根据平面拟合面参数，利用下述公式构建深度视觉点集的拟合视觉平面：
[0137]
z＝ax by c
[0138]
其中，z＝ax by c表示深度视觉点集的拟合视觉平面，z，x，y表示平面函数的变量，a表示点集平均重心的平面拟合面参数中拟合视觉平面函数的变量x的参数，b表示点集平均重心的平面拟合面参数中拟合视觉平面函数的变量y的参数，c表示点集平均重心的平面拟合面参数中拟合视觉平面函数的常数。
[0139]
进一步地，本发明实施例通过根据点集平均重心与拟合视觉平面，计算汽车轮胎
的轮胎检测深度，以用于确定汽车轮胎的表面胎纹凹陷是否存在缺陷。其中，轮胎检测深度是指轮胎表面胎纹的凹陷程度。
[0140]
本发明的一实施例中，根据点集平均重心与拟合视觉平面，利用下述公式计算汽车轮胎的轮胎检测深度：
[0141][0142]
其中，di表示汽车轮胎的轮胎检测深度，a表示点集平均重心的平面拟合面参数中拟合视觉平面函数的变量x的参数，b表示点集平均重心的平面拟合面参数中拟合视觉平面函数的变量y的参数，c表示点集平均重心的平面拟合面参数中拟合视觉平面函数的常数，d表示拟合视觉平面函数的变量z的参数，xi，yi，zi表示点集平均重心的坐标。
[0143]
s3、检测宽度检测区域的边缘视觉点，对边缘视觉点进行边缘线拟合，得到拟合视觉线，根据边缘视觉点与拟合视觉线，计算汽车轮胎的轮胎检测宽度。
[0144]
本发明实施例通过检测宽度检测区域的边缘视觉点，以用于标识数字图像中亮度变化明显的点。其中，边缘视觉点是指宽度检测区域中的边缘点。
[0145]
本发明的一实施例中，检测宽度检测区域的边缘视觉点，包括：利用下述公式对宽度检测区域进行二值化操作，得到二值化区域：
[0146][0147]
其中，pi(xi,yi)表示二值化区域中的点云数据的坐标值，xi，yi，zi表示点集平均重心的坐标，k表示预先设置的图像像素参数；
[0148]
利用下述公式计算二值化区域的边缘点梯度：
[0149][0150][0151][0152]
其中，|g(x,y)|表示二值化区域的边缘点梯度，sprt表示平方根计算，f(x 1,y)，f(x,y)，f(x,y 1)表示二值化区域的像素函数，表示二值化区域中像素的一阶导数差分；
[0153]
根据边缘点梯度，确定宽度检测区域的边缘视觉点。
[0154]
可选地，根据边缘点梯度，确定宽度检测区域的边缘视觉点可以通过将边缘点梯度与预设阈值进行比较，若边缘点梯度大于预设阈值，则表示梯度变化较大，梯度对应的点为边缘点。
[0155]
进一步地，本发明实施例通过对边缘视觉点进行边缘线拟合，以用于利用直线函数确定边缘视觉点中每个点与其他点的函数关系。其中，拟合视觉线通过直线函数表示。
[0156]
本发明的一实施例中，对边缘视觉点进行边缘线拟合，得到拟合视觉线，包括：利用下述公式计算边缘视觉点的拟合线参数：
[0157][0158][0159]
其中，a，b表示边缘视觉点的拟合线参数，xj，yj表示第j个边缘视觉点，m表示边缘视觉点的数量；
[0160]
利用下述公式对边缘视觉点进行边缘线拟合，得到拟合视觉线：
[0161]
y＝ax b
[0162]
其中，y＝ax b表示拟合视觉线，a，b表示边缘视觉点的拟合线参数，y，x表示直线函数的自变量。
[0163]
进一步地，本发明实施例通过根据边缘视觉点与拟合视觉线，计算汽车轮胎的轮胎检测宽度，以用于通过查询宽度是否存在偏差来达到对轮胎缺陷检测的目的。其中，轮胎检测宽度是指轮胎胎纹宽度。
[0164]
本发明的一实施例中，根据边缘视觉点与拟合视觉线，利用下述公式计算汽车轮胎的轮胎检测宽度：
[0165][0166]
其中，w表示汽车轮胎的轮胎检测宽度，x，y表示待求取的边缘点p(x,y)，a，b表示边缘视觉点的拟合线参数。
[0167]
s4、根据轮胎检测深度与轮胎检测宽度，确定汽车轮胎的三维视觉质量检测结果。
[0168]
本发明实施例通过根据轮胎检测深度与轮胎检测宽度，确定汽车轮胎的三维视觉质量检测结果，以用于利用所检测到的深度与宽度数据确定汽车轮胎的表面是否存在缺陷。其中，三维视觉质量检测结果是指轮胎检测深度与轮胎检测宽度的组合。
[0169]
可以看出，本发明实施例首先通过采集汽车轮胎的三维轮廓数据，以用于对所述汽车轮胎的轮胎缺陷进行3d视觉全息检测，进一步地，本发明实施例通过根据所述三维轮廓数据，对所述汽车轮胎进行三维形态重建，以用于构建所述汽车轮胎的三维虚拟模型，包含所述汽车轮胎的形态特征的三维虚拟模型实现对所述汽车轮胎的全面的检测，进一步地，本发明实施例通过划分所述三维重建图像的深度检测区域与宽度检测区域，以用于在对应的区域中检测轮胎胎纹的深度与宽度；
[0170]
进一步地，本发明实施例通过采样所述深度检测区域中的深度视觉点集，以用于整合所述深度检测区域中的点云数据实现对所述深度检测区域的全面检测，进一步地，本发明实施例通过计算所述深度视觉点集的点集平均重心，以用于确定所述深度视觉点集中的点的中心，进一步地，本发明实施例通过对所述点集平均重心进行平面拟合，以用于得到符合数据的函数关系，确定点云数据之间的联系，提升对所述点云数据的特征表征能力，保障对汽车轮胎缺陷检测的统一标准的检测流程，进一步地，本发明实施例通过根据所述点
集平均重心与所述拟合视觉平面，计算所述汽车轮胎的轮胎检测深度，以用于确定所述汽车轮胎的表面胎纹凹陷是否存在缺陷；
[0171]
进一步地，本发明实施例通过检测所述宽度检测区域的边缘视觉点，以用于标识数字图像中亮度变化明显的点，进一步地，本发明实施例通过对所述边缘视觉点进行边缘线拟合，以用于利用直线函数确定所述边缘视觉点中每个点与其他点的函数关系，进一步地，本发明实施例通过根据所述边缘视觉点与所述拟合视觉线，计算所述汽车轮胎的轮胎检测宽度，以用于通过查询宽度是否存在偏差来达到对轮胎缺陷检测的目的；
[0172]
进一步地，本发明实施例通过根据所述轮胎检测深度与所述轮胎检测宽度，确定所述汽车轮胎的三维视觉质量检测结果，以用于利用所检测到的深度与宽度数据确定所述汽车轮胎的表面是否存在缺陷。
[0173]
因此，本发明实施例提出的一种汽车轮胎的质量3d视觉全息检测方法可以提高汽车轮胎的缺陷检测全面性。
[0174]
如图8所示，是本发明汽车轮胎的质量3d视觉全息检测装置功能模块图。
[0175]
本发明汽车轮胎的质量3d视觉全息检测装置800可以安装于电子设备中。根据实现的功能，汽车轮胎的质量3d视觉全息检测装置可以包括检测区域划分模块801、检测深度计算模块802、检测宽度计算模块803以及检测结果确定模块804。本发明模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0176]
在本发明实施例中，关于各模块/单元的功能如下：
[0177]
检测区域划分模块801，用于采集汽车轮胎的三维轮廓数据，根据三维轮廓数据，对汽车轮胎进行三维形态重建，得到三维重建图像，并划分三维重建图像的深度检测区域与宽度检测区域；
[0178]
检测深度计算模块802，用于采样深度检测区域中的深度视觉点集，计算深度视觉点集的点集平均重心，对点集平均重心进行平面拟合，得到深度视觉点集的拟合视觉平面，根据点集平均重心与拟合视觉平面，计算汽车轮胎的轮胎检测深度；
[0179]
检测宽度计算模块803，用于检测宽度检测区域的边缘视觉点，对边缘视觉点进行边缘线拟合，得到拟合视觉线，根据边缘视觉点与拟合视觉线，计算汽车轮胎的轮胎检测宽度；
[0180]
检测结果确定模块804，用于根据轮胎检测深度与轮胎检测宽度，确定汽车轮胎的三维视觉质量检测结果。
[0181]
详细地，本发明实施例中汽车轮胎的质量3d视觉全息检测装置800中的各模块在使用时采用与上述的图1至图7中的汽车轮胎的质量3d视觉全息检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。如图9所示，是本发明实现汽车轮胎的质量3d视觉全息检测方法的电子设备的结构示意图。
[0182]
电子设备可以包括处理器90、存储器91、通信总线92以及通信接口93，还可以包括存储在存储器91中并可在处理器90上运行的计算机程序，如汽车轮胎的质量3d视觉全息检测程序。
[0183]
其中，处理器90在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或
者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器90是电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在存储器91内的程序或者模块(例如执行汽车轮胎的质量3d视觉全息检测程序等)，以及调用存储在存储器91内的数据，以执行电子设备的各种功能和处理数据。
[0184]
存储器91至少包括一种类型的可读存储介质，可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器91在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。存储器91在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，存储器91还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器91不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据库配置化连接程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0185]
通信总线92可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现存储器91以及至少一个处理器90等之间的连接通信。
[0186]
通信接口93用于上述电子设备9与其他设备之间的通信，包括网络接口和用户接口。可选地，网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0187]
图9仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图9示出的结构并不构成对电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0188]
例如，尽管未示出，电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与至少一个处理器90逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0189]
应该了解，实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
[0190]
电子设备中的存储器91存储的数据库配置化连接程序是多个计算机程序的组合，在处理器90中运行时，可以实现：
[0191]
采集汽车轮胎的三维轮廓数据，根据三维轮廓数据，对汽车轮胎进行三维形态重建，得到三维重建图像，并划分三维重建图像的深度检测区域与宽度检测区域；
[0192]
采样深度检测区域中的深度视觉点集，计算深度视觉点集的点集平均重心，对点
集平均重心进行平面拟合，得到深度视觉点集的拟合视觉平面，根据点集平均重心与拟合视觉平面，计算汽车轮胎的轮胎检测深度；
[0193]
检测宽度检测区域的边缘视觉点，对边缘视觉点进行边缘线拟合，得到拟合视觉线，根据边缘视觉点与拟合视觉线，计算汽车轮胎的轮胎检测宽度；
[0194]
根据轮胎检测深度与轮胎检测宽度，确定汽车轮胎的三维视觉质量检测结果。
[0195]
具体地，处理器90对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0196]
进一步地，电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。存储介质可以是易失性的，也可以是非易失性的。例如，计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0197]
本发明还提供一种存储介质，可读存储介质存储有计算机程序，计算机程序在被电子设备的处理器所执行时，可以实现：
[0198]
采集汽车轮胎的三维轮廓数据，根据三维轮廓数据，对汽车轮胎进行三维形态重建，得到三维重建图像，并划分三维重建图像的深度检测区域与宽度检测区域；
[0199]
采样深度检测区域中的深度视觉点集，计算深度视觉点集的点集平均重心，对点集平均重心进行平面拟合，得到深度视觉点集的拟合视觉平面，根据点集平均重心与拟合视觉平面，计算汽车轮胎的轮胎检测深度；
[0200]
检测宽度检测区域的边缘视觉点，对边缘视觉点进行边缘线拟合，得到拟合视觉线，根据边缘视觉点与拟合视觉线，计算汽车轮胎的轮胎检测宽度；
[0201]
根据轮胎检测深度与轮胎检测宽度，确定汽车轮胎的三维视觉质量检测结果。
[0202]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0203]
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0204]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0205]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0206]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0207]
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之
间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0208]
以上仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。