[發(fā)明專利]一種汽車制動管道內(nèi)氣泡特征的提取方法

有效

• 申請?zhí)枺?/td>: 202010218489.5
• 申請日: 2020-03-25
• 公開（公告）號: CN111415348B
• 公開（公告）日: 2023-05-26
• 發(fā)明（設(shè)計）人: 柯伊宇;李孝祿;許滄粟;周康康;徐剛強(qiáng);陳源
• 申請（專利權(quán)）人: 中國計量大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/155;G06T7/246;G06T7/62;G06T7/136;G06T7/11;G06T7/13;G06V10/764;G06V10/774
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 施利江

本發(fā)明公開了一種汽車制動管道內(nèi)氣泡特征的提取方法，旨在追蹤汽車制動管道內(nèi)氣泡的位置，并且提取氣泡的特征。本方法僅需比較小的功耗，運(yùn)用凸缺陷檢測算法與分水嶺算法(Watershed?Algorithm)相結(jié)合的氣泡分割算法進(jìn)行氣泡分割，再采用匈牙利算法(Hungarian?algorithm)完成前后幀氣泡的匹配，并運(yùn)用汽車制動管道內(nèi)氣泡參數(shù)閾值完成氣泡分類，最后用數(shù)值積分法完成氣泡的體積計算。本發(fā)明滿足了汽車制動管道內(nèi)氣泡檢測的實(shí)時性要求，并且采集了氣泡的重要特征，并為汽車制動管道內(nèi)制動液的健康狀態(tài)分析提供幫助。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及汽車制動管道內(nèi)氣泡特征的提取方法。

背景技術(shù)

液壓制動管路通過制動液傳遞制動力，而制動液中往往含有氣泡。制動液含有氣泡對汽車制動性能和行車安全有重要的影響。檢測汽車制動管路中的氣泡可以為汽車制動系統(tǒng)的設(shè)計提供支持，也可以了解制動液的健康狀態(tài)。氣泡識別涉及流型識別和目標(biāo)檢測等多個領(lǐng)域。

對于其中的流型識別來說，目前最主流的方法是應(yīng)用智能算法進(jìn)行氣泡流型分類。例如：運(yùn)用SVM(Support?Vector?Machine)算法、聚類算法以及各種神經(jīng)網(wǎng)絡(luò)進(jìn)行氣泡分類。但是這些方法往往功耗比較大，有的對訓(xùn)練集要求較高，并且為黑箱手段，不方便理解和運(yùn)用。

對于其中的目標(biāo)檢測來說，有用智能算法訓(xùn)練來區(qū)分背景和前景的，例如R-CNN、Yolo(You?Only?Look?Once)算法都是現(xiàn)在比較主流的目標(biāo)檢測算法。另外，對于運(yùn)動的目標(biāo)還經(jīng)常運(yùn)用動態(tài)檢測算法，如幀差法(Frame?Difference?Method)、背景剪除法以及近來興起的Vibe算法。但智能算法占用計算資源較多。而動態(tài)檢測要求目標(biāo)運(yùn)動，并且移動要產(chǎn)生像素差別。但是汽車制動管道存在長氣泡以及速度近零的氣泡，因此動態(tài)檢測也不適用于汽車制動管道內(nèi)的氣泡檢測。

另外，對于氣泡圖像的處理過程中還涉及到氣泡的分割，在各種文獻(xiàn)當(dāng)中有提及的分割方法如下：1.霍夫變換算法(Hough?Transform?Algorithm)；2.分水嶺算法(Watershed?Algorithm)；3.斷點(diǎn)檢測算法(Breakpoint?Algorithm)；4.邊緣像素梯度算法(Edge?Intensity?Gradient?Algorithm)等手段對氣泡進(jìn)行分割并且重構(gòu)?；舴蜃儞Q算法主要應(yīng)用于形狀比較規(guī)則的圓形或者橢圓形氣泡上。斷點(diǎn)檢測算法和邊緣像素梯度算法比較復(fù)雜，執(zhí)行起來麻煩。而本發(fā)明中所涉及的大氣泡圖像內(nèi)部紋路復(fù)雜，單純的分水嶺算法分割氣泡效果又較差。

綜上，在現(xiàn)有技術(shù)中尚沒有適用于汽車制動管道內(nèi)氣泡的檢測方法。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種汽車制動管道內(nèi)氣泡特征的提取方法，可以解決上述技術(shù)問題中的一個或是多個。

為了達(dá)到上述目的，本發(fā)明提出的技術(shù)方案如下：

一種汽車制動管道內(nèi)氣泡特征的提取方法；包括如下步驟：

S1建立汽車制動管道內(nèi)氣泡訓(xùn)練集；

S2建立汽車制動管道內(nèi)氣泡測試集；先采用凸缺陷檢測算法區(qū)分單獨(dú)氣泡和氣泡群，再使用自定義基底的分水嶺算法對氣泡群進(jìn)行分割，分離氣泡群中的單獨(dú)氣泡，獲得汽車制動管道內(nèi)的單獨(dú)氣泡測試集；以實(shí)現(xiàn)汽車管道內(nèi)氣泡完全檢測；

S3通過S1中的氣泡訓(xùn)練集設(shè)定氣泡氣泡流型參數(shù)閾值，按照氣泡流型參數(shù)閾值將步驟S2中氣泡測試集內(nèi)的每個氣泡進(jìn)行氣泡流型對應(yīng)分類；

S4對步驟S2中獲得的氣泡測試集內(nèi)前后幀的氣泡，利用匈牙利算法(HungarianAlgorithm)進(jìn)行最大匹配和最優(yōu)匹配；以追蹤氣泡在汽車制動管道內(nèi)兩相流流動視頻每一幀中的位置，計算氣泡測試集內(nèi)每個氣泡的速度以及氣泡所對應(yīng)的各特征；

S5運(yùn)用數(shù)值積分法，求出S2中氣泡測試集內(nèi)每個氣泡的體積；