[发明专利]基于视觉反馈和深度网络的轮胎变形量识别方法及装置

权利要求书

1.一种基于视觉反馈和深度网络的轮胎变形量识别方法，其特征在于，包括：

利用交通摄像头获取位于预先建立的虚拟检测区域内的目标车辆的车辆图像；

根据所述车辆图像识别所述目标车辆的车道，根据预先设置的车道与道路侧面摄像头的焦距间的关系及所述目标车辆的车道，对所述道路侧面摄像头进行调焦；

利用调焦后的道路侧面摄像头获取所述目标车辆的轮胎图像，利用预先训练得到的语义分割算法对所述轮胎图像进行识别，得到轮辋区域和轮胎区域；

对所述轮辋区域、所述轮胎区域进行检测，得到所述轮辋区域的像素点、所述轮胎区域的像素点；

根据所述轮辋区域的像素点及轮辋直径，计算图像比例因子；

根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量。

2.根据权利要求1所述的基于视觉反馈和深度网络的轮胎变形量识别方法，其特征在于，对所述轮辋区域、所述轮胎区域进行检测，得到所述轮辋区域的像素点、所述轮胎区域的像素点，包括：

对所述轮辋区域、所述轮胎区域进行边缘检测，得到轮辋边缘像素点、轮胎边缘像素点；

根据所述轮辋区域的像素点及轮辋直径，计算图像比例因子，包括：

从所述轮辋边缘像素点中选取任意三个像素点，并获取选取的各所述像素点的坐标；

根据选取的各所述像素点的坐标，计算轮辋圆心的坐标及所述轮辋直径上的像素点个数；

利用所述轮辋直径、所述轮辋直径上的像素点个数，计算第一比例因子。

3.根据权利要求2所述的基于视觉反馈和深度网络的轮胎变形量识别方法，其特征在于，根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量，包括：

根据所述轮辋圆心确定轮胎接触中心点及轮胎上边缘的最高边缘点；

从所述最高边缘点的两侧各获取第一预设数量个轮胎上边缘像素点，并将获取到的所述轮胎上边缘像素点及所述最高边缘点构成轮胎上边缘点群；

根据所述轮胎上边缘点群计算所述轮胎上边缘点群和所述轮辋圆心间的均值像素点个数；

在所述轮胎与地面的接触长度上，从所述轮胎接触中心点的两侧各获取第二预设数量个轮胎下边缘像素点，并将获取到的所述轮胎下边缘像素点及所述轮胎接触中心构成轮胎下边缘点群；

根据所述轮胎下边缘点群计算所述轮胎下边缘点群和所述轮辋圆心间的最少像素点个数；

根据所述均值像素点个数、所述最少像素点个数，计算轮胎垂向挠度的像素点个数；

根据所述轮胎垂向挠度的像素点个数及所述第一比例因子，得到所述轮胎的垂向挠度。

4.根据权利要求2所述的基于视觉反馈和深度网络的轮胎变形量识别方法，其特征在于，根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量，包括：

根据所述轮辋圆心确定轮胎接触中心点；

从所述轮胎中心点的两侧分别选取轮胎下边缘像素点，计算各所述轮胎下边缘像素点与所述轮胎接触中心点的斜率；

将选取的轮胎下边缘像素点与所述轮胎接触中心点的斜率与阈值进行比较，并将所述轮胎中心点左侧与所述轮胎接触中心点的斜率大于或等于所述阈值的轮胎下边缘像素点确定为左临界点，将所述轮胎中心点右侧与所述轮胎接触中心点的斜率大于或等于所述阈值的轮胎下边缘像素点确定为右临界点；

确定所述左临界点与所述右临界点间的像素点个数，根据所述左临界点与所述右临界点间的像素点个数及所述第一比例因子，计算所述轮胎与地面的接触长度。

5.根据权利要求1所述的基于视觉反馈和深度网络的轮胎变形量识别方法，其特征在于，根据所述轮辋区域的像素点及轮辋直径，计算图像比例因子，包括：

获取所述轮辋区域包含的像素点个数；

利用所述轮辋直径计算所述轮辋的面积；

根据所述轮辋的面积、所述轮辋区域包含的像素点个数，得到第二比例因子；

根据所述轮胎区域的像素点及所述图像比例因子，计算轮胎变形量，包括：

获取所述轮胎上半部分区域包含的像素点个数、所述轮胎下半部分区域包含的像素点个数，并计算所述上半部分区域包含的像素点个数、所述轮胎下半部分区域包含的像素点个数的差值；

根据所述差值及所述第二比例因子，计算所述轮胎的变形面积。