[發明專利]基于計算機視覺的汽車輪胎監測系統

在審

• 申請號: 201811617111.1
• 申請日: 2018-12-28
• 公開（公告）號: CN109649091A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 魏憲;郭棟;蘭海;唐曉亮;郭杰龍;孫威振
• 申請（專利權）人: 泉州裝備制造研究所
• 主分類號: B60C11/24
• 分類號: B60C11/24;B60C23/04
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發明提供了一種基于計算機視覺的汽車輪胎監測系統，該監測系統包括相機單元和嵌入式處理單元；所述相機單元包括監控相機和光源；所述嵌入式處理單元內設有GPU，所述嵌入式處理單元通過CAN總線與相機單元相連。通過本發明系統可以對論汽車輪胎進行全面的檢測，包括輪胎外側，胎面，輪胎內側，避免了普通檢查輪胎難以檢測輪胎內側情況。本發明系統硬件實現成本較低，也能夠在非汽車上普及使用。

技術領域

本發明涉及一種計算機監測系統，具體涉及一種基于計算機視覺的汽車輪胎健康監測系統。

背景技術

深度學習是機器學習中一種基于對數據進行表征學習的方法。觀測值(例如一幅圖像) 可以使用多種方式來表示，如每個像素強度值的向量，或者更抽象地表示成一系列邊、特定形狀的區域等。而使用某些特定的表示方法更容易從實例中學習任務(例如，人臉識別或面部表情識別)。深度學習的好處是用非監督式或半監督式的特征學習和分層特征提取高效算法來替代手工獲取特征。

圖像分類是根據圖像的語義信息將不同類別圖像區分開來，是計算機視覺中重要的基本問題，也是圖像檢測、圖像分割、物體跟蹤、行為分析等其他高層視覺任務的基礎。圖像分類在很多領域有廣泛應用，包括安防領域的人臉識別和智能視頻分析等，交通領域的交通場景識別，互聯網領域基于內容的圖像檢索和相冊自動歸類，醫學領域的圖像識別等。

基于深度學習的圖像分類方法：可以通過有監督或無監督的方式學習層次化的特征描述，從而取代了手工設計或選擇圖像特征的工作。深度學習模型中的卷積神經網絡(Convolution Neural Network,CNN)近年來在圖像領域取得了驚人的成績，CNN直接利用圖像像素信息作為輸入，最大程度上保留了輸入圖像的所有信息，通過卷積操作進行特征的提取和高層抽象，模型輸出直接是圖像識別的結果。這種基于輸入-輸出直接端到端的學習方法取得了非常好的效果，得到了廣泛的應用。

目標檢測(Object Detection)是計算機視覺領域中一個基礎性的研究課題，主要包含兩類不同的檢測任務：目標實例檢測(Instance Object Detection)和目標類別檢測(Generic Object Detection)。目標檢測任務可分為兩個關鍵的子任務：目標分類和目標定位。目標分類任務負責判斷輸入圖像中是否有感興趣類別的物體出現，輸出一系列帶分數的標簽表明感興趣類別的物體出現在輸入圖像的可能性。目標定位任務負責確定輸入圖像中感興趣類別的物體的位置和范圍，輸出物體的包圍盒，或物體中心，或物體的閉合邊界等，通常方形包圍盒是最常用的選擇。

輪胎作為車輛重要部件之一，它不僅關系到車輛的操控性能，還事關車上人員的生命安全。據統計，高速公路46％的交通事故是由于輪胎發生故障引起的。因此，維持輪胎“健康工作“十分必要。

輪胎監測主要包含了一下幾個方面：

(1)胎壓監測。在汽車的行駛中，胎壓異常會引起輪胎局部磨損、操控舒適性降低、油耗增加等問題，從而導致爆胎。實時監測胎壓變化，是預防爆胎的關鍵。

(2)檢查輪胎的磨損情況監測。輪胎的由于長時間的使用會有一定的磨損，當磨損較為嚴重時候，可能有爆胎情況的發生。因此定期檢測輪胎的磨損情況十分有必要。

(3)輪胎破損監測。汽車在行駛中，可能較硬的金屬等刺破輪胎的外胎，此時會有很大的安全隱患，如爆胎等。因此實時檢測輪胎完成程度十分有必要。

(4)輪胎老化檢測：汽車論壇長時間使用會出現比如輪胎胎面或者胎壁出現裂縫等輪胎老化的現象，此時需要更換輪胎，否則老化的輪胎由于胎壁強度減弱，在高速行駛中由于溫度上升容易發生爆胎危險。

(5)輪胎起包變形檢測：輪胎出現起包變形是一件很危險的事情，一般情況下都建議更換輪胎。輪胎出現此類情況證明輪胎內部的金屬線圈已經變形或斷裂，如果繼續行駛則極有可能發生爆胎危險。

目前對以上的幾個方面的檢測主要為一下幾種方式：