一种车辆360制造技术

本发明专利技术公开了一种车辆360

【技术实现步骤摘要】
一种车辆360
°
图像缺陷识别方法、设备及存储介质


[0001]本专利技术涉及轨道交通列车缺陷智能识别
，更具体地说涉及一种车辆360
°
图像缺陷识别方法、设备及存储介质。

技术介绍

[0002]车辆360
°
图像是指利用多个线阵相机对列车外观全方位采集所得到的图像，其用于检测列车外部缺陷，如螺栓松脱、异物、部件变形等。
[0003]现有技术中，公开号为CN112819055A的专利，公开了一种车辆缺陷识别方法、装置、设备和存储介质，其中，该车辆缺陷识别方法包括：获取待检测车辆的车辆图像；将所述车辆图像输入训练完备的缺陷识别模型，进行缺陷类型识别和缺陷部件识别，并获取对应的缺陷类型识别结果和缺陷部件识别结果；基于预设关联规则对所述缺陷类型识别结果和所述缺陷部件识别结果进行关联，得到所述待检测车辆的车辆缺陷识别结果，所述车辆缺陷识别结果包括缺陷部件及该缺陷部件的缺陷类型。通过本申请，解决了相关技术中主要依靠检测人员人工识别车辆缺陷耗时较多的缺点，实现了快速识别二手车缺陷的目的，大大提高了缺陷识别效率和识别准确率。
[0004]上述专利公开的车辆缺陷识别方法，缺陷识别模型是利用历史无缺陷的历史基准图像进行训练的，将获取的待检测车辆的车辆图像与基准图像进行对比，以进行缺陷识别，其存在以下缺陷：不适用于轨道交通中火车、高铁、动车、地铁等运动列车的在线缺陷识别。在对轨道交通中火车、高铁、动车、地铁等运动列车的在线缺陷识别时，通过实时采集图像与历史基准图像对比来进行缺陷智能识别，但由于列车速度等因素的影响，由线阵相机采集到的同一列车不同趟次的原始图像数据必然存在拉伸、压缩，导致特征点匹配不准确，进而导致缺陷识别不准确。

技术实现思路

[0005]为了克服上述现有技术中存在的缺陷，本专利技术公开了一种车辆360
°
图像缺陷识别方法、设备及存储介质，本专利技术的目的是解决现有技术中由于列车速度等因素的影响，由线阵相机采集到的同一列车不同趟次的原始图像数据必然存在拉伸、压缩，导致特征点匹配不准确的问题。本专利技术将实时采集图像与基准图像对比之前，将实时图像与基准图像进行对齐，对齐后再进行缺陷识别，使缺陷识别更加准确。
[0006]为了实现以上目的，本专利技术采用的技术方案：一种车辆360
°
图像缺陷识别方法，包括以下步骤：一、实时图像采集与基准图像挑选S1、利用图像采集设备采集车辆当前待缺陷识别的实时图像，并挑选车辆历史图像中无缺陷的图像作为基准图像；本专利技术中，图像采集设备可为线阵相机，其设置在车辆出入库轨旁位置，用于对车
辆外观成像。基准图像也可采用上述线阵相机进行采集，并挑选采集图像中无丢帧、无缺图、无缺陷的车辆图像作为基准图像，挑选的方式，可采用常规的深度学习算法进行挑选。
[0007]二、实时图像和基准图像对齐S2、通过遍历搜索的方式，将实时图像与基准图像进行对齐；优选的，所述通过遍历搜索的方式，将实时图像与基准图像进行对齐包括以下步骤：S21、创建大小与基准图像相同的空白图像；本专利技术中，设置空白图像的目的是用来存储后续对齐后的图像。
[0008]S22、在实时图像中，从第列开始，取列数据构成实时ROI图像；上述步骤中，在实时图像中，从第列开始，取列数据构成一个ROI图像，记为，即：其中：表示图像矩阵中取某列至某列数据。
[0009]本专利技术中，设置上述S22的目的是消除车辆不同区域不同伸缩比例的影响。
[0010]S23、在基准图像中，从第列开始，，取列数据构成基准ROI图像，其中，为搜索范围；上述步骤中，在基准图像中从第列开始,，取列数据构成一个ROI图像，记为，即：其中，为搜索范围，人工根据经验设定，即只在(m,m+r]中取w。
[0011]本专利技术中，设置上述S23的目的是减少搜索次数，降低运算量。
[0012]S24、计算和的皮尔森相关系数；优选的，所述皮尔森相关系数为：，其中表示计算两个矩阵皮尔森相关系数的算子，其具体如下：其中，表示两个大小相同的矩阵，表示对应元素相乘再求和，、表示所有元素求和。
[0013]本专利技术中，设置上述S24的目的是得到两个ROI的相似度。
[0014]S25、比较当前皮尔森相关系数与相关系数阈值的大小，若当前皮尔森相关系数大于相关系数阈值，记录下当前的集合后，再执行S26步骤，否则直接执行S26步骤；上述步骤中，相关系数阈值通过调试经验得到。设置上述S25的目的是判断此时相似度是否满足要求，若满足，则记录w。
[0015]S26、固定，令；若，则返回S23步骤；若，则执行S27步骤；其中，为在基准图像中移动的步长；上述步骤中，固定，令，此时若，则返回S23步骤，并依次执行，即：本专利技术中，设置上述S26的目的是在基准图像中得到相似度大于阈值的列集合。
[0016]S27、计算集合中对应的与当前的绝对差分图像，并选出绝对差分图像灰度均值最小所对应的为当前对齐的位置，并将拷贝至中对应位置；上述步骤中，也即：本专利技术中，设置上述S27的目的是在相似度满足要求的情况下，在基准图像中找到与差值最小的。
[0017]S28、令，若仍在宽度范围内，则返回S2步骤并依次执行，若不在，则对齐过程执行完毕，其中，为Src图像中窗口移动步长。
[0018]本专利技术中，设置上述S28的目的是滑动窗口处理。
[0019]三、缺陷识别S3、截取对齐后的实时图像与基准图像中预置检测框位置的图像，并对截取的图像进行对比，识别实时图像中的缺陷。
[0020]优选的，所述对截取的图像进行对比，识别实时图像中的缺陷中，引入HOG特征计算相关系数再进行缺陷识别。
[0021]优选的，在图像对齐和图像缺陷识别中，均利用皮尔森相关系数进行判别。
[0022]优选的，在截取对齐后的实时图像与基准图像中预置检测框位置的图像前，根据基准图像中各个需要检测的区域或零部件细分，提前离线设置所述预置检测框；在截取图像时，对所述预置检测框进行读取截取图像。
[0023]本专利技术中，当实时采集图像与基准图像对齐后，通过对比预置检测框内的图像，便可判断是否存在缺陷。
[0024]预置检测框是根据基准图像中各个需要检测的区域或零部件细分而确定的检测框，确定检测框过程是离线提前完成的，在实时检测过程中只需要读取设置好的检测框即可。
[0025]优选的，所述截取对齐后的实时图像与基准图像中预置检测框位置的图像，并对截取的图像进行对比，识别实时图像中的缺陷包括以下步骤：S31、在基准图像中截取预置检测框对应的图像；
上述步骤中，根据预置检测框在中截取相应图像，记为，表示预置检测框集合中第
푖
个检测框。
[0026]本专利技术中，设置上述S31的目的是在基准中截取需要对比的小图。
[0027]S32、在对齐后的图像中截取预置检测框对应的图像；本专利技术中，设置上述S32的目的是在对齐后的图像中截取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆360
°
图像缺陷识别方法，其特征在于，包括以下步骤：利用图像采集设备采集车辆当前待缺陷识别的实时图像，并挑选车辆历史图像中无缺陷的图像作为基准图像；通过遍历搜索的方式，将实时图像与基准图像进行对齐；截取对齐后的实时图像与基准图像中预置检测框位置的图像，并对截取的图像进行对比，识别实时图像中的缺陷。2.如权利要求1所述的车辆360
°
图像缺陷识别方法，其特征在于，在截取对齐后的实时图像与基准图像中预置检测框位置的图像前，根据基准图像中各个需要检测的区域或零部件细分，提前离线设置所述预置检测框；在截取图像时，对所述预置检测框进行读取截取图像。3.如权利要求1所述的车辆360
°
图像缺陷识别方法，其特征在于，所述对截取的图像进行对比，识别实时图像中的缺陷中，引入HOG特征计算相关系数再进行缺陷识别。4.如权利要求1所述的车辆360
°
图像缺陷识别方法，其特征在于，在图像对齐和图像缺陷识别中，均利用皮尔森相关系数进行判别。5.如权利要求1所述的车辆360
°
图像缺陷识别方法，其特征在于，所述通过遍历搜索的方式，将实时图像与基准图像进行对齐包括以下步骤：S21、创建大小与基准图像相同的空白图像；S22、在实时图像中，从第列开始，取列数据构成实时ROI图像；S23、在基准图像中，从第列开始，，取列数据构成基准ROI图像，其中，为搜索范围；S24、计算和的皮尔森相关系数；S25、比较当前皮尔森相关系数与相关系数阈值的大小，若当前皮尔森相关系数大于相关系数阈值，记录下当前的集合后，再执行S26步骤，否则直接执行S26步骤；S26、固定，令；若，...

【专利技术属性】
技术研发人员：占栋，李文宝，王云龙，周蕾，陈元，张金鑫，万永胜，
申请(专利权)人：成都唐源电气股份有限公司，
类型：发明
国别省市：