轮胎磨损的监测方法、系统及存储介质实用新型专利

专利名称：轮胎磨损的监测方法、系统及存储介质

专利类型：实用新型专利

专利申请号：CN202210499591.6

专利申请（专利权）人：五邑大学
权利人地址：广东省江门市蓬江区东成村22号

专利发明（设计）人：崔敏,冯苗苗,邓祥明,卢泽森,庞博维,钟家铭

专利摘要：本申请公开了一种轮胎磨损的监测方法、系统及存储介质，涉及轮胎磨损检测的技术领域，所述轮胎磨损的监测方法应用于轮胎监测系统，包括：获取轮胎的图像数据；根据轮胎胎纹投影提取方法对所述图像数据执行提取操作，得到所述轮胎的胎纹投影；根据所述胎纹投影计算所述轮胎的轮胎磨损数据。本申请的轮胎磨损的监测方法能够计算得出轮胎磨损数据，精简了检测工序，提高了检测效率。

主权利要求：
1.一种轮胎磨损的监测方法，应用于轮胎监测系统，其特征在于，包括：获取轮胎的图像数据；
根据轮胎胎纹投影提取方法对所述图像数据执行提取操作，得到所述轮胎的胎纹投影；
根据所述胎纹投影计算所述轮胎的轮胎磨损数据；其中，所述轮胎磨损数据包括凹槽深度、凹槽平均深度和凹槽深度极值，所述根据所述胎纹投影计算所述轮胎的轮胎磨损数据包括：对所述胎纹投影执行激光三角法提取操作，得到轮胎磨损二维数据和轮胎磨损三维数据；根据所述轮胎磨损二维数据计算所述胎纹投影的最小外接矩形，根据所述最小外接矩形得到所述轮胎的凹槽近似像素深度数据和凹槽缺失数据；根据特征点云算法对所述轮胎磨损三维数据、所述凹槽近似像素深度数据和所述凹槽缺失数据执行拼接操作，得到特征点云模型，根据曲率采样算法对所述特征点云模型执行优化操作，得到优化点云模型；
对所述优化点云模型执行曲面重构操作，并对重构后的所述优化点云模型执行计算操作，得到所述凹槽深度、所述凹槽平均深度和所述凹槽深度极值；
所述方法还包括：结合所述轮胎磨损数据和预设的轮胎磨损阈值范围，得到所述轮胎的磨损情况，包括以下之一：当所述凹槽深度属于所述轮胎磨损阈值范围，所述磨损情况为异常；
当所述凹槽平均深度属于所述轮胎磨损阈值范围，所述磨损情况为异常；
当所述凹槽深度极值属于所述轮胎磨损阈值范围，所述磨损情况为异常；其中，所述轮胎磨损阈值范围包括以下至少一种：所述凹槽深度小于轮胎凹槽深度阈值；或，
所述凹槽平均深度小于轮胎凹槽平均深度阈值；或，
或所述凹槽深度极值小于轮胎凹槽深度极值阈值；
所述方法还包括：
当所述磨损情况为异常，通过云服务器将所述磨损情况和所述磨损情况对应的预警信息发送给终端，其中，所述预警信息包括所述轮胎的当前磨损阶段、磨损方式和预警时间。
2.根据权利要求1所述的轮胎磨损的监测方法，其特征在于，所述图像数据包括第一图像数据和第二图像数据；所述轮胎监测系统包括监测模组，所述监测模组包括第一监测部件、第二监测部件和激光发射器，所述第一监测部件和所述第二监测部件分别可活动地设于所述轮胎的不同方位；所述获取轮胎的图像数据，包括：通过所述激光发射器对所述轮胎执行激光照射操作；
通过所述第一监测部件实时获取所述轮胎的第一图像数据；
通过所述第二监测部件实时获取所述轮胎的第二图像数据。
3.根据权利要求1所述的轮胎磨损的监测方法，其特征在于，所述根据轮胎胎纹投影提取方法对所述图像数据执行提取操作，得到所述轮胎的胎纹投影，包括：对所述图像数据执行均值滤波操作，得到平滑图像数据；
对所述平滑图像数据执行预处理操作，得到预处理图像数据；
对所述预处理图像数据执行特征提取操作，得到所述轮胎的胎纹投影。
4.根据权利要求3所述的轮胎磨损的监测方法，其特征在于，所述对所述平滑图像数据执行预处理操作，得到预处理图像数据，包括：根据预设的胎纹投影局部阈值对所述平滑图像数据执行图像分割操作，得到分割图像数据；
根据预设的区域分解算子对所述分割图像数据执行区域分解操作，得到第一分解图像数据，并对所述第一分解图像数据执行去毛刺操作，得到第二分解图像数据；
根据预设的筛选算子对所述第二分解图像数据执行滤除干扰操作，得到预处理图像数据。
5.根据权利要求3所述的轮胎磨损的监测方法，其特征在于，所述对所述预处理图像数据执行特征提取操作，得到所述轮胎的胎纹投影，包括：根据预设的交集算子对所述平滑图像数据和所述预处理图像数据执行交集操作，得到交集图像数据；
根据预设的二值化阈值分割算子对所述交集图像数据执行区域分割操作，得到所述轮胎的胎纹投影。
6.一种轮胎磨损的模拟系统，其特征在于，包括：
至少一个存储器；
至少一个处理器；
至少一个程序；
所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现如权利要求1至权利要求5任一项所述的轮胎磨损的监测方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行信号，所述计算机可执行信号用于执行如权利要求1至权利要求5任一项所述的轮胎磨损的监测方法。 说明书 : 轮胎磨损的监测方法、系统及存储介质技术领域[0001] 本申请涉及轮胎磨损检测的技术领域，特别涉及一种轮胎磨损的监测方法、系统及存储介质。背景技术[0002] 当前在汽车修理厂或汽车4S车间中，汽车轮胎的磨损程度通常是由专业维修人员手动测量花纹的深度以诊断的，在测量过程中，维修人员往往需要先拆卸轮胎以检查轮胎是否有磨损和缺陷，然后再手持测量轮胎花纹专用的花纹深度尺，对磨损胎纹的轴向及周向的指定位置的凹槽深度进行测量，并计算出胎纹的最大速度及平均深度，以确定轮胎的磨损情况，人工检测工序繁琐，影响检测效率。发明内容[0003] 本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出了一种轮胎磨损的监测方法、系统及存储介质，能够计算得出轮胎磨损数据，精简了检测工序，提高了检测效率。[0004] 为解决上述技术问题，本申请提出如下技术方案：[0005] 本申请第一方面实施例提供了一种轮胎磨损的监测方法，应用于轮胎监测系统，包括：[0006] 获取轮胎的图像数据；[0007] 根据轮胎胎纹投影提取方法对所述图像数据执行提取操作，得到所述轮胎的胎纹投影；[0008] 根据所述胎纹投影计算所述轮胎的轮胎磨损数据。[0009] 根据本申请第一方面实施例提供的轮胎磨损的监测方法，至少具有如下有益效果：本申请的轮胎磨损的监测方法通过获取汽车轮胎的图像数据，并采用轮胎胎纹投影提取方法对图像数据进行处理，提取出图像数据中的胎纹投影，进而计算出胎纹投影中的轮胎磨损数据，使得用户能够实时对轮胎的磨损情况进行监控和查询，精简了检测工序，节约了人力成本和时间成本，提高了检测效率。[0010] 根据本申请第一方面的一些实施例，所述图像数据包括第一图像数据和第二图像数据；所述轮胎监测系统包括监测模组，所述监测模组包括第一监测部件、第二监测部件和激光发射器，所述第一监测部件和所述第二监测部件分别可活动地设于所述轮胎的不同方位；所述获取轮胎的图像数据，包括：[0011] 通过所述激光发射器对所述轮胎执行激光照射操作；[0012] 通过所述第一监测部件实时获取所述轮胎的第一图像数据；[0013] 通过所述第二监测部件实时获取所述轮胎的第二图像数据。[0014] 根据本申请第一方面的一些实施例，所述根据轮胎胎纹投影提取方法对所述图像数据执行提取操作，得到所述轮胎的胎纹投影，包括：[0015] 对所述图像数据执行均值滤波操作，得到平滑图像数据；[0016] 对所述平滑图像数据执行预处理操作，得到预处理图像数据；[0017] 对所述预处理图像数据执行特征提取操作，得到所述轮胎的胎纹投影。[0018] 根据本申请第一方面的一些实施例，所述对所述平滑图像数据执行预处理操作，得到预处理图像数据，包括：[0019] 根据预设的胎纹投影局部阈值对所述平滑图像数据执行图像分割操作，得到分割图像数据；[0020] 根据预设的区域分解算子对所述分割图像数据执行区域分解操作，得到第一分解图像数据，并对所述第一分解图像数据执行去毛刺操作，得到第二分解图像数据；[0021] 根据预设的筛选算子对所述第二分解图像数据执行滤除干扰操作，得到预处理图像数据。[0022] 根据本申请第一方面的一些实施例，所述对所述预处理图像数据执行特征提取操作，得到所述轮胎的胎纹投影，包括：[0023] 根据预设的交集算子对所述平滑图像数据和所述预处理图像数据执行交集操作，得到交集图像数据；[0024] 根据预设的二值化阈值分割算子对所述交集图像数据执行区域分割操作，得到所述轮胎的胎纹投影。[0025] 根据本申请第一方面的一些实施例，所述轮胎磨损数据包括凹槽深度、凹槽平均深度和凹槽深度极值，所述根据所述胎纹投影计算所述轮胎的轮胎磨损数据包括：[0026] 对所述胎纹投影执行激光三角法提取操作，得到轮胎磨损二维数据和轮胎磨损三维数据；[0027] 根据所述轮胎磨损二维数据计算所述胎纹投影的最小外接矩形，根据所述最小外接矩形得到所述轮胎的凹槽近似像素深度数据和凹槽缺失数据；[0028] 根据特征点云算法对所述轮胎磨损三维数据、所述凹槽近似像素深度数据和所述凹槽缺失数据执行拼接操作，得到特征点云模型，根据曲率采样算法对所述特征点云模型执行优化操作，得到优化点云模型；[0029] 对所述优化点云模型执行曲面重构操作，并对重构后的所述优化点云模型执行计算操作，得到所述凹槽深度、所述凹槽平均深度和所述凹槽深度极值。[0030] 根据本申请第一方面的一些实施例，所述方法还包括：结合所述轮胎磨损数据和预设的轮胎磨损阈值范围，得到所述轮胎的磨损情况，包括以下之一：[0031] 当所述凹槽深度属于所述轮胎磨损阈值范围，所述磨损情况为异常；[0032] 当所述凹槽平均深度属于所述轮胎磨损阈值范围，所述磨损情况为异常；[0033] 当所述凹槽深度极值属于所述轮胎磨损阈值范围，所述磨损情况为异常；其中，所述轮胎磨损阈值范围包括以下至少一种：[0034] 所述凹槽深度小于轮胎凹槽深度阈值；或，[0035] 所述凹槽平均深度小于轮胎凹槽平均深度阈值；或，[0036] 或所述凹槽深度极值小于轮胎凹槽深度极值阈值。[0037] 根据本申请第一方面的一些实施例，所述方法还包括：[0038] 当所述磨损情况为异常，通过云服务器将所述磨损情况和所述磨损情况对应的预警信息发送给所述终端，其中，所述预警信息包括所述轮胎的当前磨损阶段、磨损方式和预警时间。[0039] 本申请第二方面实施例提供了一种轮胎磨损的模拟系统，包括：[0040] 至少一个存储器；[0041] 至少一个处理器；[0042] 至少一个程序；[0043] 所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现：[0044] 如本申请第一方面任一项所述的轮胎磨损的监测方法。[0045] 本申请第三方面实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行信号，所述计算机可执行信号用于执行：[0046] 如本申请第一方面任一项所述的轮胎磨损的监测方法。[0047] 本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明[0048] 本申请的附加方面和优点结合下面附图对实施例的描述中将变得明显和容易理解，其中：[0049] 图1为本申请一些实施例提供的轮胎磨损的监测方法的流程图；[0050] 图2为本申请一些实施例提供的根据轮胎胎纹投影提取方法对图像数据执行提取操作的流程图；[0051] 图3为本申请一些实施例提供的对平滑图像数据执行预处理操作的方法的流程图；[0052] 图4为本申请一些实施例提供的对预处理图像数据执行特征提取操作的方法的流程图；[0053] 图5为本申请一些实施例提供的根据胎纹投影计算轮胎的轮胎磨损数据的方法的流程图；[0054] 图6为本申请一些实施例提供的轮胎磨损的模拟系统的模块框图。具体实施方式[0055] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。[0056] 需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。[0057] 在本申请的描述中，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。[0058] 本申请的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。[0059] 参照图1，第一方面本申请实施例提供了一种轮胎磨损的监测方法，包括但不限于步骤S110、S120、S130。[0060] 步骤S110，获取轮胎的图像数据；[0061] 步骤S120，根据轮胎胎纹投影提取方法对图像数据执行提取操作，得到轮胎的胎纹投影；[0062] 步骤S130，根据胎纹投影计算轮胎的轮胎磨损数据。[0063] 可以理解的是，本申请的轮胎磨损的监测方法通过采集汽车轮胎的图像数据，并采用轮胎胎纹投影提取方法对图像数据进行处理，提取出图像数据中的胎纹投影，进而计算出胎纹投影中的轮胎磨损数据，使得用户能够通过终端实时得到轮胎磨损数据，精简了检测工序，节约了人力成本和时间成本，提高了检测效率。具体的是，终端可以为台式机或笔记本电脑，也可以为移动终端。[0064] 根据本申请的一个实施例，用户可通过台式机或笔记本电脑中的轮胎磨损监测软件实时监测轮胎的磨损情况，可以理解的是，轮胎磨损监测软件设有轮胎监测系统，一方面，用户可通过轮胎磨损监测软件查看轮胎实时的轮胎磨损数据，并通过轮胎磨损监测软件选择感兴趣的轮胎区域，使得与轮胎监测系统通信连接的监测模组优先采集感兴趣的轮胎区域的图像数据；另一方面，用户可通过轮胎磨损监测软件调整轮胎胎纹投影提取方法中的相关参数、监测模组抓取图像数据的帧率或监测模组中机位的设置，以使得轮胎胎纹投影提取方法适应不同的轮胎型号和不同的环境条件，且本申请的轮胎监测系统在每监测一次后都会自动生成一次轮胎的轮胎磨损数据，并将上一时段的轮胎的轮胎磨损数据保存录入进数据库，使得用户可通过轮胎磨损监测软件查询上一时段的轮胎磨损数据，即轮胎磨损数据的历史数据，并对历史数据进行筛选和导出，方便用户通过观察历史数据显示是否正常以进一步查看轮胎的磨损情况。[0065] 根据本申请的另一个实施例，用户还可通过移动终端内置的轮胎磨损监测小程序查看轮胎实时的轮胎磨损数据，以监测轮胎的磨损情况，可以理解的是，轮胎磨损监测小程序通过云服务器与轮胎磨损监测软件通信连接，一方面用户可通过轮胎磨损监测小程序查看轮胎磨损数据，另一方面，当用户每次在轮胎磨损监测小程序中点击历史数据页面或对历史数据页面下拉刷新时，轮胎磨损监测小程序将实时更新并显示轮胎磨损数据的历史数据。[0066] 具体的是，为提高轮胎磨损监测小程序的安全性，当用户间隔预设时段查看轮胎的磨损情况时，需要在轮胎磨损监测小程序上进行登录操作；当用户首次打开轮胎磨损监测小程序并登录个人账号时，需要先连接云服务器，当轮胎磨损监测小程序与云服务器连接成功后，轮胎磨损监测小程序将通过云服务器收到轮胎的磨损情况并显示，此时与云服务器连接的台式机或笔记本电脑将显示移动终端设备为在线状态。更具体的是，当轮胎磨损监测小程序与云服务器连接成功后，轮胎磨损监测小程序内置的定时器将启动，当间隔了默认的预设时段后，且在这期间用户没有在轮胎磨损监测小程序上执行任何操作时，台式机或笔记本电脑将显示移动终端为离线状态。[0067] 更具体的是，当用户打开轮胎磨损监测小程序并登录个人账号时，为确定用户的身份，移动终端将同时发送用户的联系方式、在线信息等相关信息给轮胎监测系统。[0068] 需要说明的是，图像数据包括第一图像数据和第二图像数据，轮胎监测系统包括监测模组，监测模组包括第一监测部件、第二监测部件和激光发射器，第一监测部件和第二监测部件分别可活动地设于轮胎的不同方位；获取轮胎的图像数据，包括：通过激光发射器对轮胎执行激光照射操作，通过第一监测部件实时获取轮胎的第一图像数据，通过第二监测部件实时获取轮胎的第二图像数据。[0069] 可以理解的是，轮胎监测系统包括监测模组，其功能为采集图像数据，并将图像数据发送给台式机或笔记本电脑，监测模组包括第一监测部件、第二监测部件和激光发射器，一方面，激光发射器的定向性高、亮度高且能量密度大，提高了图像数据的清晰度，另一方面，本申请通过将第一监测部件和第二监测部件设于轮胎的不同方位，便于从不同角度采集到轮胎的图像数据，进一步提高了图像数据的精确度。具体的是，第一监测部件和第二监测部件的数据传输接口选用传输距离不受限、速度快、成本适中的以太网接口，使得轮胎监测系统能够实时接收到第一监测部件和第二监测部件发送的轮胎的图像数据。更具体的是，当用户首次打开轮胎磨损监测软件，即首次运行轮胎监测系统时，需要点击打开相机按钮以调用第一监测部件和第二监测部件，使得第一监测部件和第二监测部件能够将采集的图像数据发送给轮胎监测系统。[0070] 需要说明的是，第一监测部件和第二监测部件并不是固定设置的，第一监测部件和第二监测部件还可以通过移动以获取轮胎不同方位的图像数据，更全面地获取了图像数据，并提高了图像数据的精确度。[0071] 根据本申请的一个实施例，激光发射器将线激光投射在轮胎表面上，形成轮胎胎纹投影，设置于轮胎侧面的第一监测部件采集轮胎的第一图像数据，并将第一图像数据发送给与监测模组通信连接的轮胎监测系统，设置于轮胎表面的第二监测部件采集轮胎的第二图像数据，并将第二图像数据发送给轮胎监测系统。轮胎监测系统通过轮胎胎纹投影提取方法对第一图像数据和第二图像数据进行处理，提取出轮胎的胎纹投影，进而计算出轮胎投影中的轮胎磨损数据，方便用户实时通过移动终端的轮胎磨损监测小程序实时查看轮胎磨损数据及其历史数据。[0072] 参照图2，第一方面本申请实施例提供了一种根据轮胎胎纹投影提取方法对图像数据执行提取操作的方法，包括但不限于步骤S210、S220、S230。[0073] 步骤S210，对图像数据执行均值滤波操作，得到平滑图像数据；[0074] 步骤S220，对平滑图像数据执行预处理操作，得到预处理图像数据；[0075] 步骤S230，对预处理图像数据执行特征提取操作，得到轮胎的胎纹投影。[0076] 可以理解的是，在监测模组将图像数据发送给轮胎监测系统后，为提取到轮胎的胎纹投影，轮胎监测系统需要根据轮胎胎纹投影提取方法对图像数据执行提取操作。具体的是，轮胎胎纹投影提取方法中，首先需要对彩色的图像数据进行灰度化处理，以过滤掉原始的图像数据中的一些无用信息，为后续的预处理操作做铺垫，其中，rgb1‑to‑gray算子提供了彩色的图像数据转换成灰色的图像数据的接口。在得到灰色的图像数据后，需要对图像数据执行均值滤波操作，以平滑图像，初步降低图像数据中的噪声，尽可能降低背景环境的干扰，方便后续的预处理操作；在得到平滑图像数据后，需要对平滑图像数据执行预处理操作，以进一步滤除图像数据中的干扰因素，提高图像数据的精度，方便后续的特征提取操作；在得到预处理图像数据后，需要对预处理图像数据执行特征提取操作，滤除预处理图像数据中的干扰区域，并提取轮胎的胎纹投影。[0077] 具体的是，rgb1‑to‑gray算子用于将RGB彩色图像转换成灰度图像。[0078] 参照图3，第一方面本申请实施例提供了一种对平滑图像数据执行预处理操作的方法，包括但不限于步骤S310、步骤S320、步骤S330。[0079] 步骤S310，根据预设的胎纹投影局部阈值对平滑图像数据执行图像分割操作，得到分割图像数据；[0080] 步骤S320，根据预设的区域分解算子对分割图像数据执行区域分解操作，得到第一分解图像数据，并对第一分解图像数据执行去毛刺操作，得到第二分解图像数据；[0081] 步骤S330，根据预设的筛选算子对第二分解图像数据执行滤除干扰操作，得到预处理图像数据。[0082] 可以理解的是，其中区域分解算子为connection算子，筛选算子为select‑shape算子。更具体的是，connection算子用于分离一个区域中相连接的部分，并对这多个区域进行区分，select‑shape算子用于对连接的区域进行筛选，以去掉不满足条件的轮廓。[0083] 可以理解的是，在得到平滑图像数据后，需要对平滑图像数据执行预处理操作，以进一步滤除图像数据中的干扰因素，提高图像数据的精度，方便后续的特征提取操作。预处理操作包括三步，第一步是图像分割，根据预设的胎纹投影局部阈值对平滑图像数据执行区域分解操作，即把平滑图像数据分成几个像素不同的区域，以在平滑图像数据的基础上进一步提取出轮胎投影的大致图像，得到分割图像数据；预处理操作的第二步是区域处理，因为轮胎胎纹投影具有区域连通面积较大和亮度较高这个明显特征，且分割图像数据中的轮胎胎纹投影的所在区域还包含其他杂波，为滤除这些杂波，需要根据预设的connection算子对上一步得到的分割图像数据执行区域分解操作，以将分割图像数据中的轮胎胎纹投影的所在区域分解成多个连通集，得到了第一分解图像数据，为进一步滤除第一分解图像数据中的杂波，还需要对第一分解图像数据执行去毛刺操作以得到第二分解图像数据，通过去毛刺操作去除了各区域轮廓的毛刺和第一分解图像数据中的小亮点，平滑了区域轮廓并断开了各区域间的粘连，第二分解图像数据在分割图像数据的基础上进一步提高了轮胎投影的精度；预处理操作的第三步是滤除干扰操作，滤除干扰操作根据预设的select‑shape算子对第二分解图像数据执行滤除干扰操作，过滤了第二分解图像数据中面积较小的干扰区域，得到了预处理图像数据，预处理图像数据在第二分解图像数据的基础上进一步提高了轮胎投影的精度。[0084] 参照图4，第一方面本申请实施例提供了一种对预处理图像数据执行特征提取操作的方法，包括但不限于步骤S410、S420。[0085] 步骤S410，根据预设的交集算子对平滑图像数据和预处理图像数据执行交集操作，得到交集图像数据；[0086] 步骤S420，根据预设的二值化阈值分割算子对交集图像数据执行区域分割操作，得到轮胎的胎纹投影。[0087] 可以理解的是，交集算子为reduce‑domain算子，二值化阈值分割算子为binary‑threshold算子。更具体的是，reduce‑domain算子用于将预处理图像数据的定义域缩小为指定的定义域，可以理解的是，得到的交集图像数据的定义域被计算为预处理图像数据的定义域和平滑图像数据的定义域的交集，但由预处理图像数据变为交集图像数据，其图像大小并没有发生改变。而binary‑threshold算子为二值化阈值分割算子，其功能为自动选出交集图像数据中的暗区域或自动选出交集图像数据中的亮区域。[0088] 可以理解的是，在得到预处理图像数据后，需要对预处理图像数据执行特征提取操作，滤除预处理图像数据中的干扰区域，并提取轮胎的胎纹投影。特征提取操作包括两步，特征提取操作的第一步为：根据预设的reduce‑domain算子对平滑图像数据和预处理图像数据执行交集操作，进一步获得平滑图像数据中的轮胎投影的区域，得到交集图像数据，特征提取操作的第二步为：根据预设的binary‑threshold算子对交集图像数据执行区域分割操作，以找到交集图像数据中两个波峰之间的最小值，将交集图像数据中的亮区域和暗区域分割开，去除了杂质干扰，以成功从交集图像数据中得到轮胎的胎纹投影。[0089] 参照图5，第一方面本申请实施例提供了一种根据胎纹投影计算轮胎的轮胎磨损数据的方法，包括但不限于步骤S510、S520、S530、S540。[0090] 步骤S510，对胎纹投影执行激光三角法提取操作，得到轮胎磨损二维数据和轮胎磨损三维数据；[0091] 步骤S520，根据轮胎磨损二维数据计算胎纹投影的最小外接矩形，根据最小外接矩形得到轮胎的凹槽近似像素深度数据和凹槽缺失数据；[0092] 步骤S530，根据特征点云算法对轮胎磨损三维数据、凹槽近似像素深度数据和凹槽缺失数据执行拼接操作，得到特征点云模型，根据曲率采样算法对特征点云模型执行优化操作，得到优化点云模型；[0093] 步骤S540，对优化点云模型执行曲面重构操作，并对重构后的优化点云模型执行计算操作，得到凹槽深度、凹槽平均深度和凹槽深度极值。[0094] 可以理解的是，轮胎磨损数据包括凹槽深度、凹槽平均深度和凹槽深度极值，为得到凹槽深度、凹槽平均深度和凹槽深度极值，本申请的轮胎磨损的监测方法对胎纹投影执行激光三角法提取操作，得到轮胎磨损二维数据和轮胎磨损三维数据，即轮胎截面二维数据和轮胎台面点云数据。[0095] 具体的是，为进一步提取到轮胎的各凹槽深度数值，需要先计算求出轮胎磨损二维数据中轮胎胎纹投影区域的最小外接矩形，并将最小外接矩形分割成若干个矩形，通过调整矩形的个数进而调整每个矩形的大小，使得轮胎磨损二维数据中的每个凹槽都能完整地被包含在分割后的矩形之中，此时分别再对凹槽所在区域的带角度的最小外接矩形求解，求得的矩形的高度便是轮胎的凹槽近似像素深度数据。因为轮胎磨损二维数据受制于截面数据的原因，缺失了部分凹槽的深度数据，本申请的轮胎磨损的监测方法将对缺失了的部分凹槽的深度数据进行统计，得到凹槽缺失数据，以便于在后续的步骤中得到精确度更高的轮胎磨损数据。[0096] 可以理解的是，为提取到更精确的轮胎磨损数据，本申请的轮胎磨损的监测方法根据特征点云算法对轮胎磨损三维数据、凹槽近似深度数据和凹槽缺失数据执行拼接操作，对缺失的凹槽进行拼接，以得到更全面地反应了轮胎磨损情况的特征点云模型，并根据曲率采样算法对特征点云模型进行进一步优化，在特征点云模型中曲率越大的地方，采样点个数越多，通过几何特征区域的划分，使得采样结果抗噪性更强，得到了优化点云模型，优化点云模型在特征点云模型的基础上进一步滤除了噪声，精确了轮胎磨损数据。[0097] 可以理解的是，在得到优化点云模型后，本申请的轮胎磨损的监测方法还将对优化点云模型执行曲面重构操作，将优化点云模型中的点云数据转换为光滑、封闭的曲面，实现数据点模型到曲面模型的转变。为便于确定轮胎的磨损情况，在得到曲面模型后，还需要根据曲面模型进一步计算重构曲面特征值，以得到凹槽深度、凹槽平均深度和凹槽深度极值。具体的是，台式机或笔记本电脑的轮胎磨损监测软件将直接显示当前时刻计算得到的凹槽深度、凹槽平均深度和凹槽深度极值，用户还可通过在轮胎磨损监测软件中查看轮胎中各个凹槽的深度。[0098] 需要说明的是，本申请的轮胎磨损的监测方法还包括：结合轮胎磨损数据和预设的轮胎磨损阈值范围，得到轮胎的磨损情况，包括以下之一：当凹槽深度属于轮胎磨损阈值范围，磨损情况为异常；当凹槽平均深度属于轮胎磨损阈值范围，磨损情况为异常；当凹槽深度极值属于轮胎磨损阈值范围，磨损情况为异常；[0099] 其中，轮胎磨损阈值范围包括以下至少一种：凹槽深度小于轮胎凹槽深度阈值；或，凹槽平均深度小于轮胎凹槽平均深度阈值；或，凹槽深度极值小于轮胎凹槽深度极值阈值。[0100] 可以理解的是，在计算得到轮胎磨损数据后，还需要将轮胎磨损数据与轮胎磨损各阶段的标定特征值相比较，以确定轮胎磨损情况。具体的是，凹槽深度极值包括凹槽深度极大值和凹槽深度极小值，当满足：凹槽深度极大值小于预设的轮胎凹槽深度极大值阈值，或凹槽深度极小值小于预设的轮胎凹槽深度极小值阈值中至少一种时，凹槽深度极值小于轮胎凹槽深度极值阈值。[0101] 根据本申请的一个实施例，当凹槽深度小于轮胎凹槽深度阈值，凹槽平均深度小于轮胎凹槽平均深度阈值，凹槽深度极值大于轮胎凹槽深度极值阈值时，凹槽平均深度属于轮胎磨损阈值范围，此时凹槽平均深度已超出轮胎能承受的磨损阈值，因此轮胎的磨损情况为异常。[0102] 根据本申请的另一个实施例，当凹槽深度小于轮胎凹槽深度阈值，凹槽平均深度大于轮胎凹槽平均深度阈值，凹槽深度极值小于轮胎凹槽深度极值阈值时，凹槽深度极值属于轮胎磨损阈值范围，此时凹槽深度极值已超出轮胎能承受的磨损阈值，因此轮胎的磨损情况为异常。[0103] 可以理解的是，用户可通过台式机或笔记本电脑的轮胎磨损监测软件以调整轮胎凹槽平均深度阈值、轮胎凹槽深度极大值阈值与轮胎凹槽深度极小值阈值。[0104] 根据本申请的另一个实施例，本申请还可围绕轮胎凹槽深度在台式机或笔记本电脑的轮胎磨损监测软件更进一步地设置多个轮胎凹槽深度阈值和其对应的轮胎磨损情况，以根据不同的轮胎凹槽深度阈值更细致地划分轮胎的磨损数据，以对轮胎的磨损情况进行更准确的判定。[0105] 需要说明的是，本申请的轮胎磨损的监测方法还包括：当磨损情况为异常，通过云服务器将磨损情况和磨损情况对应的预警信息发送给终端，其中，预警信息包括轮胎的当前磨损阶段、磨损方式和预警时间。[0106] 可以理解的是，本申请中，含有轮胎监测系统的台式机或笔记本电脑通过MQTT协议或TCP协议与云服务器通信连接，并通过MQTT协议或TCP协议将当前磨损情况定时发送给云服务器，MQTT协议占用内存较小，且支持一对多传输，具有更加轻量、容易实现的优点。在另一方面，云服务器通过基于MQTT协议的物联网服务器接口与终端连接，当终端处于在线状态，云服务器可通过MQTT协议或TCP协议将当前磨损情况及轮胎磨损情况的历史数据发送给终端，方便用户监测轮胎的磨损情况。[0107] 根据本申请的一个实施例，用户可通过台式机或笔记本电脑中的轮胎磨损监测软件查看轮胎的当前磨损状态、预警内容和预警时间，当轮胎属于正常磨损，磨损状态显示正常，预警内容和预警时间显示无。具体的是，当磨损情况为异常时，轮胎磨损监测软件将实时显示轮胎的磨损状态、预警内容和预警时间，用户可在预警内容部分手动查看当前轮胎的磨损阶段和磨损方式，且轮胎监测系统还可通过当前轮胎的磨损阶段和磨损方式给出相应的磨损原因分析，方便用户进一步了解轮胎的磨损情况。[0108] 更具体的是，用户可通过台式机或笔记本电脑中的轮胎磨损监测软件选择接收预警信息的终端，也可以设置发送预警信息的邮箱地址和接收预警信息的邮箱地址，当磨损情况为异常时，方便云服务器接收到磨损情况后将预警信息发送给终端，便于用户实时接收到预警信息并对轮胎进行查看。[0109] 第二方面，参照图6，本申请实施例提供了一种轮胎磨损的模拟系统，包括：[0110] 至少一个存储器200；[0111] 至少一个处理器100；[0112] 至少一个程序；[0113] 程序被存储在存储器200中，处理器100执行至少一个程序以实现：[0114] 如本申请第一方面任一项实施例的轮胎磨损的监测方法。[0115] 处理器100和存储器200可以通过总线或者其他方式连接。[0116] 存储器200作为一种非暂态可读存储介质，可用于存储非暂态软件指令以及非暂态性可指令。此外，存储器200可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。可以理解的是，存储器200可选包括相对于处理器100远程设置的存储器200，这些远程存储器200可以通过网络连接至该处理器100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。[0117] 处理器100通过运行存储在存储器200中的非暂态软件指令、指令以及信号，从而各种功能应用以及数据处理，即实现上述第一方面实施例的一种轮胎磨损的监测方法。[0118] 实现上述实施例的一种轮胎磨损的模拟系统所需的非暂态软件指令以及指令存储在存储器200中，当被处理器100执行时，执行本申请第一方面实施例的一种轮胎磨损的监测方法，例如，执行以上描述的图1中的方法步骤S110至S130、图2中的方法步骤S210至S230、图3中的方法步骤S310至S330、图4中的方法步骤S410至S420、图5中的方法步骤S510至S540。[0119] 第三方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行信号，计算机可执行信号用于执行：[0120] 如申请第一方面任一项实施例的一种轮胎磨损的监测方法。[0121] 例如执行以上描述的图1中的方法步骤S110至S130、图2中的方法步骤S210至S230、图3中的方法步骤S310至S330、图4中的方法步骤S410至S420、图5中的方法步骤S510至S540。[0122] 以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。[0123] 通过以上的实施方式的描述，本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在可读介质上，可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读信号、数据结构、指令模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD‑ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读信号、数据结构、指令模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。[0124] 上面结合附图对本申请实施例作了详细说明，但是本申请不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下，做出各种变化。

专利地区：广东

专利申请日期：2022-05-09

专利公开日期：2024-11-29

专利公告号：CN115195357B