通过比较所获取的图像与参考图像进行评估的方法

摘要

本发明涉及一种用于评估轮胎的表面的方法，所述表面由刚性元件进行模制，在所述方法中，从一个或者多个轮胎的图像中形成所述轮胎的给定区域的N个图像的集合，所述集合的每一个图像通过由传感器所测量的物理量的值来形成，所述传感器对在所述表面上坐标为i，j的多个点的每一者处的光线的反射敏感，接着所述集合的图像通过重叠形成对应，并且来自将被评估的所述集合的轮胎的区域的图像与参考图像进行比较，其特征在于，所述参考图像的物理量的值从在所述集合的N个图像上所测量的这些物理量的每一者的值而进行计算。

说明书

技术领域

本发明涉及物体的目视检查的领域，其中工作人员设法对给定物体的图像与相同物体的一个或者多个参考图像进行比较。

更特别地，本发明涉及轮胎的目视检查的领域，其中将被检查的轮胎的图像与该轮胎的参考图像进行比较。通过差异分析，这两个图像的比较能够确定：在图像上的给定点处，赋予这个点的并且来源于一般的数字图像传感器的物理量的值的变化。由传感器所测量的物理量可以涉及被观察的物体的颜色、亮度、纹理，或者当使用能够产生三维图像的设备时，该物理量还涉及多个点相对于参考表面的高度。

背景技术

这些变化借助于运算法则来进行分析，该运算法则适于确定将被评估的轮胎的一致程度，以及适于决定是否该轮胎能够被认为是符合的或者它是否必须被送至处理中心。

执行这类检查时需要克服的一个困难是获得这样的图像，该图像要在考虑获取物的可变性的同时，尽可能接近将被检查的这类轮胎的“理想”模型。

该理想模型可以来源于例如在轮胎的设计中或者模具的生产中使用的数字图像，但是此后难于整合与特征相关联以及与照明元件的位置相关联的阴影区域，难于考虑诸如由通风口形成的突起的元件的存在和形状，或者难于通过计算获得来源于所测量的物理量的值的变化，这些物理量与一般黑色橡胶材料的特征相关联，随着所选择的照明角度或者传感器的标度而变化。

另一可能性为，将真实的并且被认为是“理想”的轮胎的图像作为参考。在该情况下，还必须克服其他困难，诸如将被评估的表面的亮度或者纹理的变化，这些变化的演变与模具的表面状态相关联，并且还与图像之间的照明元件的可重复性或在两个图像的产生之间的轮胎定位的差异相关联。

以同一个异常不在连续的几个图像上的同样位置处进行系统地重复为出发点，本发明的目的是考虑轮胎的给定区域的“理想”的图像或者参考图像能够通过对轮胎的相同区域或者同一个基本花纹的一定数量的图像产生“平均数”来获得，该图像的集合能够从一个或者多个轮胎的一个或多个图像获取。

具体而言，来源于同一个模具的多个轮胎，如果不是相同的，也彼此是非常相似的，从而能够在图像的给定点处计算来源于图像传感器的信号的“平均”值，并且这将给出称为参考图像的图像。

这种技术需要在两个图像之间，轮胎的特征点的位置变化不太大。因此，特别地，该技术很好地适合于由刚性元件模制的表面，例如位于轮胎的外部区域的表面，这些表面例如胎面、侧壁的区域或者肩部的区域、或者底部区域，并且这些表面通常通过在模具的刚性部分上进行模制而获得。通常用于模制内部部分的柔韧的膜，不能够足够可重复性地定位模制的花纹。然而，能够设想在通过刚性型芯进行内部部分的模制时使用根据本发明的技术。

发明内容

因此，根据本发明的方法包括：获取将被检查的一个或者多个轮胎的同一个区域的N个图像；使所获取的N个图像彼此对应，从而形成图像的集合；以及基于先前所获得的图像的集合计算参考图像。

图像意味着来源于一个或者更多传感器的信息，该传感器对将被检查的轮胎的给定点的反射光敏感。该图像可以是二维的或者三维的、灰度的、单色的或者彩色的。它可以来源于线性照相机、灰度的或者彩色的矩阵照相机或者来源于激光三角测量传感器。

所述图像的每一个像素与由传感器在该点处测量得到的一些物理量在这个点的值相关联，诸如相对于参考表面的高度、亮度、纹理、灰度或者色阶。

因此，所述图像为与所测量的物理量一样多的数据表格的形式。对于给定的量，每个表格包含该物理量在坐标为i，j的点处的值。

那么足以比较将被检查的轮胎的图像与根据上述方法获得的参考图像，从而确定包含异常的轮胎的区域。无差别地，所述将被检查的轮胎可以来源于或者不来源于用于计算参考图像的图像的集合。

通过把将被评估的图像重叠在参考图像上进行比较，并且对于图像的给定点，寻找参考图像的物理量的值与将被评估的轮胎上所测量的这些相同物理量的值之间的差异。与异常阈值的检测相关的运算法则不是本发明的主题。

本发明的一个具体实施例涉及胎面，其包括通过基本花纹的组装而形成的模制花纹，这些模制花纹数量较少、圆周地并列放置、以精确且确定的方式形成序列。

刻纹的基本花纹具有相似的形状以及相似但不完全相同的尺寸。因此，每一类型的基本花纹在表面的刻纹的圆周上出现几次。为了减少滚动振动或噪音的目的，尺寸的选择以及基本花纹的设置以明智的并且本领域技术人员已知的方式执行。

因此，参考图像仅包含基本花纹的参考图像，在识别并且定位它们后，这足以与设置在轮胎的圆周上的真实的基本花纹相比较。

此外，获取单一轮胎的胎面的图像就足够了，从而获得基本花纹的每一者的充足的图像的集合，并且计算这些基本花纹的参考图像，轮胎的真实的基本花纹的图像的每一者与这些基本花纹的参考图像将进行比较。

可以观察到该轮胎优选地为这样的轮胎，其中用于计算基本花纹的参考图像的所述图像的集合来源于该轮胎。因此，用于评估轮胎的参考来源于将被评估的轮胎本身。以这种方式，前面段落所提及的以及与测量条件的可变性相关的困难被大大减小了。

附图说明

以下的描述基于与胎面相关并且与图1至图3相关的本发明的实施例，在这些图中：

-图1表示一部分胎面的示意图，

-图2表示用于生产胎面的刻纹的4种类型的基本花纹的示意图，

-图3表示在搜索和定位步骤后所获得的同一种类型的基本花纹。

具体实施方式

图1示出了一部分轮胎的胎面，其上可观察到几种类型的基本花纹的存在，这些花纹分别标记为A、B、C和U。这些类型的基本花纹在图2中单独地表示并且包括例如不同长度的三个花纹A、B和C、以及包含胎面磨损指示器的花纹U。这四种基本花纹将在轮胎的整个圆周上以精确的序列重复。

因此，图1中所示的胎面部分的序列是标记为ACBUBACCC的一个序列。并且，对于给定尺寸的该轮胎范围，最终的序列将通过将设置成复杂且已知的序列的这四种类型的基本花纹并列设置而形成，该序列以ACBUBACCC开始，以例如花纹BCAABUAABCBCBAAABBUCAC AACBAACBBAU等继续。

作为一般准则，一个尺寸可以包括一至五个基本花纹，并且一个胎面根据直径包括设置成所需序列的八十至一百五十个基本花纹的重复。其结果是：依据刻纹的尺寸和类型，每个胎面将使用给定类型的基本花纹(例如基本花纹A)十至四十次之间。

这些类型的基本花纹的每一者的横向边界的形状适于能够模糊地沿着另一种类型的任意基本花纹的横向边界。

在图中所示的基本花纹占据胎面的整个横向宽度。这种设置并非限定性的，并且本发明的原理可以扩展至刻纹包括在同一个横断面上设置的若干不同基本花纹的情况。特别地，该情况的刻纹称为不对称刻纹。

获取胎面(或者侧壁、肩部区域或者底部区域)的图像能够以已知的方式来执行，通过使用例如线性照相机或者任意其他图像获取装置。优选地，数字获取装置被选择以能够获得特征物理量的每一者的一个或者更多数值。每一像素还位于通常为二维参考系统的坐标系。相对于刻纹的花纹或者相对于侧壁的雕刻的高度信息是与物理量相关联、并且由已知的方式参考被认为是基本表面的表面来确定的信息。

图像被获取后，限定刻纹的基本花纹的序列和位置应当被找到，并且这些花纹应当被划定界限，从而将它们隔离并且按类型分组。

为了执行该操作，作为输入数据，必须具有基本花纹的模型。该模型可以相对地简单，因为这些数据仅仅作用于识别所获取的图像的基本花纹，从而将它们分类为对应这些基本花纹的花纹种类。作为一般准则，这些模型与参考图像不同，虽然它们可以从参考图像推导出来。

例如，该模型可以来源于灰度的初始图像的获取，在该初始图像上基本花纹先前已经被识别。接着，通过搜索在所获取的图像和来源于初始图像的各种基本花纹的图像之间最佳相关性，执行在所获取的图像上的基本花纹的识别。相关性分析技术本身是已知的，并且需要搜索每个区域的最大值，并且使用过滤器，该过滤器具有确定的尺寸级别并且大致对应基本花纹的尺寸。

这些模型还可以来源于用于代表刻纹的外轮廓的图，或者来源于轮胎或者模具的设计数据。那么，通过借助于诸如Canny-Deriche类型并且适合于处理2D图像的运算法则的已知运算法则来过滤数据，足以转换所获取的胎面的图像，从而仅显示轮廓。接着，在来源于用作模型的图像的基本花纹的轮廓与所获取的图像的轮廓之间的最佳相关性必须被找到。特别地，考虑到所获取的图像在可能在冷却阶段持续变形的轮胎上获得，需要改变用作模型的图像。

在这方面，应注意花纹的每一者的轮廓可以与用于确定该花纹所属的基本花纹种类的理论模型不同。类似地，同一个种类的各种花纹的所获取的图像的轮廓，例如类型A的花纹，可以彼此具有差异。这些差异大部分由于刻纹元件被机械地安装在模具中的方式以及当轮胎受压时胎冠经历的弹性变形而导致的。

因此，值得重新调节同一个类型的基本花纹的图像，从而花纹、诸如胎面磨损指示器的特征点、轮廓元件或者先前被识别区域边界尽可能地重叠。该重新调节通过局部变形来执行，从而使这些花纹、这些特征点、这些轮廓元件或者这些区域边界对应。

一旦获得了该信息，就获得了所获取的图像的多个区域的分布，这些区域的每一者对应于一种基本花纹。接着，能够建立这些花纹在圆周的长度上的序列，并且对于第一次似真检验(first plausibilitycheck)，明智的是比较这个序列与已知的尺寸序列。

还能够设想使用基本花纹的已知序列，从而定位并且识别所获取的图像的基本花纹。

所有这些方法的目的是在已获取的胎面的图像上确定基本花纹的位置，以识别它们、隔离它们，从而形成该基本花纹的图像的集合，其将用于计算“参考”图像。

在侧壁的情况下，不必要寻找基本花纹。图像的集合通过不同的并且预先获取的N个轮胎的侧壁的图像形成。然而，必须使用在前面的段落中所述的相关性计算方法，尽量地重叠这N个图像。通过在所述图像的平面中绕对应于轮胎的旋转轴的投影的旋转中心来旋转将被重新调节的图像，并且通过寻找相对于模型图形的最佳相关性，可以简单地来执行该图像相对于彼此的“重新调节”。为此目的，并且为了简化计算的目的，为了执行该重叠操作，值得利用侧壁区域的花纹特征。

如同胎面的情况，所述模型的图像优选地应当是先前获取的灰度的第一图像，或者模具的雕刻平面的数字图像，其接着需要进行与在平面上的侧壁的投影相关联的修正计算，并且借助上文所述的方法推断出所获得的侧壁的图像的主要轮廓。另外，还能寻找重要的花纹，并且使图像变形以使这些花纹对应。

再次，对于胎冠区域的情况，图3示出了一组同一类型的胎面的N个基本花纹。

在这一组的基本花纹的图像k中，坐标为i，j的像素标记为P_k(i，j)。与该像素相关联的是，如上文所述，通过传感器测量的物理量在坐标为i，j的点处的值。

通过计算与像素P_k(i，j)相关联的并且来源于形成所述图像的集合的N个图像的这些量的值的平均值，对于这些量的每一者以及对于的坐标为i，j的点，获得了参考图像，其标记为P_Moy(i，j)。

该参考对应于“理想”的参考表面的计算出来的表示，必然地，其与希望分析的所获取的图像在相同的条件或者在相似的条件下获取。

为了避免例如由局部异常的集合的一个图像的存在引起的极端值的影响，还可以计算中值，而不是平均值。当图像的集合包括减少数量的图像时，例如基本花纹包括胎面磨损指示器时，该计算模型能够减少错误的影响。其结果是当随后每个花纹与参考花纹进行比较时，减少评估异常。

例如，计算具有坐标(i，j)的集合的图像的所有像素P_k(i，j)的灰度的中值，从而获得参考图像的坐标为(i，j)的像素的灰度值，并且标记为P_Moy(i，j)；或者计算坐标为(i，j)的所有像素P_k(i，j)的亮度的平均值，从而获得参考图像的坐标为(i，j)的像素的亮度。

在这个步骤中，统计特性还值得将其他计算值与每一个量并且对于参考图像的坐标为(i，j)的每一个点相关联，所述统计特性诸如阈值、标准偏差值、平均中值、相对于中值的平均偏差等，它们对在随后的评估阶段中的偏差的解释是有用的。

对于胎面的同一个基本花纹或者同一个侧壁，这给出了与计算量一样多的参考图像。接着，对于每一个物理量或者每一个与这些量相关联的统计量，参考图像以一组数据表格的形式而被具体化，该数据表格对应于坐标为i，j的每一个点的这些物理量或者统计量的计算值。

评估方法的下一阶段是比较基本花纹或者侧壁的每一个新的图像与在上述的条件下获得的参考图像。

所述比较方法能够基于坐标为i，j的每一个点处的简单分析，并且基于用于在将被评估的图像上测量的物理量的值与根据上述方法获得的该量的参考值之间的变化的给定物理量的简单分析。当该变化大于预定阈值时，该像素被认为是异常的。如果相邻的像素也被认为是异常的，所谈及的区域将被识别并且在其上检测到异常的基本花纹或者轮胎侧壁将本身被认为是异常，从而确定轮胎的评估工作的方向。

图像的集合由所关注的区域的足够数量N的图像组成，典型地为10或15个图像，这些图像在同一个胎面上获取，或者在10或者15个先前检查的轮胎上获取。但是有利地，通过消除例如已经被检查出其中具有异常的轮胎的区域或者图像、或者任何其他能够减少异常以及相对于被认为是正常值的主要偏差的影响的设置，从而决定形成参考集合的图像的选择的方向。

还可以通过使用来源于先前检查的最近的N个轮胎的图像的集合来计算滑动参考图像，从而抵消例如与模具的老化相关联的缓慢演变。还能够在确定阶段保存所计算的参考图像，从而评定这些缓慢演变。

通过阅读上文，用于计算参考的方法的应用，能够对在硫化步骤后的轮胎上可见的目视表面异常的评估灵活地改变用作基础的参考，并且能够在参考值来源于理论模型时，分配必要的计算步骤，该理论模型有时与实际出现在生产线上的真实轮胎差异很大。