(19)國(guó)家知識(shí)產(chǎn)權(quán)局(10)申請(qǐng)公布號(hào)CN120219771A(71)申請(qǐng)人西安威爾精密技術(shù)有限公司(72)發(fā)明人裴海峰郭昊胡麗麗胡昌(74)專利代理機(jī)構(gòu)北京中佳信聯(lián)知識(shí)產(chǎn)權(quán)代理有限公司16122專利代理師史麗利一種汽車零件加工用外觀輪廓提取方法本發(fā)明涉及圖像數(shù)據(jù)技術(shù)領(lǐng)域，更具體地，本發(fā)明涉及一種汽車零件加工用外觀輪廓提取方法，方法包括：將汽車輪轂圖像均分為多個(gè)扇形子塊，確定扇形子塊的目標(biāo)對(duì)象；根據(jù)扇形子塊與目標(biāo)對(duì)象邊緣的重合像素點(diǎn)個(gè)數(shù)以及像素點(diǎn)之間的梯度、梯度方向確定扇形子塊與該目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度；計(jì)算扇形子塊與該目標(biāo)對(duì)象之間邊緣的輪轂相似度；計(jì)算扇形子塊中邊緣的剔除度，確定該扇形子塊的邊緣剔除結(jié)果；響應(yīng)于扇形子塊的邊緣剔除結(jié)果，將剔除邊緣后的扇形子塊作為剩余扇形子塊的目標(biāo)對(duì)象，繼續(xù)對(duì)剩余扇形子塊進(jìn)行邊緣剔除后，得獲取汽車輪轂圖像根據(jù)汽車輪轂圖像中的輪轂輻條個(gè)數(shù)將輪轂圖像均分為多個(gè)扇形子塊，扇形子塊的頂點(diǎn)為輪轂圖像中輪轂的圓心將一個(gè)扇形子塊之外的其他扇形子塊分別作為該扇形子塊對(duì)應(yīng)的目標(biāo)對(duì)象；將扇形子塊與對(duì)應(yīng)的目標(biāo)對(duì)象中的邊緣進(jìn)行重合，計(jì)算扇形子塊與各目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度根據(jù)扇形子塊與各目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度以及曲率差異，確定該扇形子塊與該目標(biāo)對(duì)象之間邊緣的輪轂相似度；計(jì)算扇形子塊中邊緣的剔除度，確定該扇形子塊的邊緣剔除結(jié)果響應(yīng)于扇形子塊的邊緣剔除結(jié)果，將剔除邊緣后的扇形子塊作為剩余扇形子塊的目標(biāo)對(duì)象，繼續(xù)對(duì)剩余扇形子塊進(jìn)行邊緣剔除后，得到汽車輪轂圖像中的輪轂輻條邊緣21.一種汽車零件加工用外觀輪廓提取方法，其特征在于，包括：根據(jù)汽車輪轂圖像中輪轂輻條個(gè)數(shù)將輪轂圖像均分為多個(gè)扇形子塊；將一個(gè)扇形子塊之外的其他扇形子塊分別作為該扇形子塊對(duì)應(yīng)的目標(biāo)對(duì)象；將扇形子塊與對(duì)應(yīng)的目標(biāo)對(duì)象中的邊緣進(jìn)行重合，根據(jù)邊緣上重合像素點(diǎn)的個(gè)數(shù)確定扇形子塊與目標(biāo)對(duì)象邊緣的重合比；根據(jù)扇形子塊與該目標(biāo)對(duì)象邊緣的重合比以及像素點(diǎn)之間的梯度、梯度方向確定扇形子塊與該目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度；將扇形子塊與其對(duì)應(yīng)的目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的歸一化曲率差異值加1的倒數(shù)作為扇形子塊與其對(duì)應(yīng)的目標(biāo)對(duì)象的相似指標(biāo)，將扇形子塊與該目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度與相似指標(biāo)的乘積均值記為扇形子塊與該目標(biāo)對(duì)象之間邊緣的輪轂相似度；計(jì)算扇形子塊中邊緣的剔除度，邊緣的剔除度與邊緣的輪轂相似度負(fù)相關(guān)，確定該扇形子塊的邊緣剔除結(jié)果；響應(yīng)于扇形子塊的邊緣剔除結(jié)果，將剔除邊緣后的扇形子塊作為剩余扇形子塊的目標(biāo)對(duì)象，繼續(xù)對(duì)剩余扇形子塊進(jìn)行邊緣剔除后，得到汽車輪轂圖像中的輪轂輻條邊緣。2.根據(jù)權(quán)利要求1所述的一種汽車零件加工用外觀輪廓提取方法，其特征在于，所述根據(jù)汽車輪轂圖像中輪轂輻條個(gè)數(shù)將輪轂圖像均分為多個(gè)扇形子塊，之前還包括：采集原始汽車輪轂圖像并提取原始汽車輪轂圖像中的邊緣，定位汽車輪轂的中心孔區(qū)3.根據(jù)權(quán)利要求2所述的一種汽車零件加工用外觀輪廓提取方法，其特征在于，所述定位汽車輪轂的中心孔區(qū)域并進(jìn)行剔除，得到汽車輪轂圖像，包括：用Hough圓變換定位原始汽車輪轂圖像中的中心孔區(qū)域并進(jìn)行凸包計(jì)算生成凸多邊形；將最小凸多邊形內(nèi)包含的中心孔區(qū)域的邊緣進(jìn)行剔除，得到汽車輪轂圖像。4.根據(jù)權(quán)利要求1所述的一種汽車零件加工用外觀輪廓提取方法，其特征在于，將輪轂圖像中輪轂的圓心作為扇形子塊的頂點(diǎn)。5.根據(jù)權(quán)利要求1所述的一種汽車零件加工用外觀輪廓提取方法，其特征在于，所述根據(jù)邊緣上重合像素點(diǎn)的個(gè)數(shù)確定扇形子塊與目標(biāo)對(duì)象邊緣的重合比，包括：將扇形子塊與目標(biāo)對(duì)象中的一個(gè)邊緣上重合像素點(diǎn)的個(gè)數(shù)和該邊緣上像素點(diǎn)總個(gè)數(shù)的比值作為扇形子塊與該目標(biāo)對(duì)象該邊緣的重合比。6.根據(jù)權(quán)利要求1所述的一種汽車零件加工用外觀輪廓提取方法，其特征在于，所述根據(jù)扇形子塊與該目標(biāo)對(duì)象邊緣的重合比以及像素點(diǎn)之間的梯度、梯度方向確定扇形子塊與該目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度，包括：計(jì)算一個(gè)扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)的接近度fP,L:UL,為該扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣的重合比，Gp,L、Ap,L分別為該扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)的梯度差值、梯度37.根據(jù)權(quán)利要求1所述的一種汽車零件加工用外觀輪廓提取方法，其特征在于，所述計(jì)算扇形子塊中邊緣的剔除度，包括：將扇形子塊和所有目標(biāo)對(duì)象之間邊緣的輪轂相似度均值與1的和值取倒數(shù)，得到該扇形子塊中該邊緣的剔除度。8.根據(jù)權(quán)利要求1所述的一種汽車零件加工用外觀輪廓提取方法，其特征在于，所述確將扇形子塊中剔除度大于剔除閾值的邊緣進(jìn)行剔除，得到該扇形子塊的邊緣剔除結(jié)9.根據(jù)權(quán)利要求1所述的一種汽車零件加工用外觀輪廓提取方法，其特征在于，所述繼續(xù)對(duì)剩余扇形子塊進(jìn)行邊緣剔除后，得到汽車輪轂圖像中的輪轂輻條邊緣，包括：將完成邊緣剔除后的汽車輪轂圖像進(jìn)行斷裂區(qū)域連接，得到汽車輪轂圖像中完整的輪轂輻條邊緣。10.根據(jù)權(quán)利要求9所述的一種汽車零件加工用外觀輪廓提取方法，其特征在于，所述將完成邊緣剔除后的汽車輪轂圖像進(jìn)行斷裂區(qū)域連接，包括：獲取汽車輪轂圖像中斷裂區(qū)域的端點(diǎn)灰度值以及斷裂區(qū)域中間空白區(qū)域的像素點(diǎn)的灰度值，將空白區(qū)域中與端點(diǎn)灰度值均值之間的差異小于灰度閾值的像素點(diǎn)作為目標(biāo)像素點(diǎn)；將斷裂區(qū)域的端點(diǎn)與中間空白區(qū)域中的目標(biāo)像素點(diǎn)進(jìn)行連接。4技術(shù)領(lǐng)域[0001]本發(fā)明涉及圖像數(shù)據(jù)技術(shù)領(lǐng)域。更具體地，本發(fā)明涉及一種汽車零件加工用外觀輪廓提取方法。背景技術(shù)[0002]汽車輪轂是汽車車輪的核心部件之一，它連接車輪與車軸，承載車輛的重量并傳遞動(dòng)力和制動(dòng)力。而輪轂輻條(也稱為輻板)是連接輪輞和輪轂的重要部件，其主要功能是支撐車輪并傳遞車輛的重量和扭矩，同時(shí)保護(hù)車輪免受外界損傷。[0003]若汽車輪轂出現(xiàn)質(zhì)量不合格，不僅影響輪轂的美觀，還可能對(duì)車輛的安全和性能產(chǎn)生影響。因此在汽車輪轂生產(chǎn)完成后，需要對(duì)輪轂輻條進(jìn)行質(zhì)量監(jiān)測(cè)，識(shí)別篩選可能存在彎曲、裂紋、磨損、不均勻分布等缺陷的汽車輪轂輻條。目前多通過邊緣檢測(cè)提取目標(biāo)檢測(cè)對(duì)象的邊緣進(jìn)行質(zhì)量檢測(cè)，例如公開號(hào)為CN118212255A的專利申請(qǐng)文件公開了一種圖像邊緣提取方法，該方法通過將每個(gè)原始圖像和對(duì)應(yīng)的邊緣信息分別作為樣本和期望輸出結(jié)果，以對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到圖像邊緣提取模型，從而實(shí)現(xiàn)目標(biāo)檢測(cè)對(duì)象的邊緣提取。[0004]但是，由于汽車輪轂構(gòu)造復(fù)雜，通過邊緣檢測(cè)提取輪轂輻條的邊緣時(shí)，可能會(huì)將非輪轂輻條邊緣也提取出來，導(dǎo)致得到的輪轂圖像中非輪轂輻條邊緣作為噪聲邊緣與輪轂輻條邊緣交雜，在對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時(shí)，如果原始圖像中存在噪聲邊緣，可能會(huì)同時(shí)學(xué)習(xí)噪聲邊緣的特征，導(dǎo)致模型在提取邊緣時(shí)，無法準(zhǔn)確區(qū)分真正的目標(biāo)檢測(cè)對(duì)象邊緣和噪聲邊緣，從而影響邊緣提取的準(zhǔn)確性。[0005]基于此，如何準(zhǔn)確剔除輪轂圖像中存在的非輪轂輻條邊緣，從而準(zhǔn)確得到汽車輪轂外觀輪廓提取結(jié)果，是本領(lǐng)域技術(shù)人員亟待解決的問題。[0006]為解決上述如何準(zhǔn)確剔除輪轂圖像中存在的非輪轂輻條邊緣，從而準(zhǔn)確得到汽車輪轂外觀輪廓提取結(jié)果的技術(shù)問題，本發(fā)明提出一種汽車零件加工用外觀輪廓提取方法，該方法包括以下步驟：根據(jù)汽車輪轂圖像中輪轂輻條個(gè)數(shù)將輪轂圖像均分為多個(gè)扇形子塊；將一個(gè)扇形子塊之外的其他扇形子塊分別作為該扇形子塊對(duì)應(yīng)的目標(biāo)對(duì)象；將扇形子塊與對(duì)應(yīng)的目標(biāo)對(duì)象中的邊緣進(jìn)行重合，根據(jù)邊緣上重合像素點(diǎn)的個(gè)數(shù)確定扇形子塊與目標(biāo)對(duì)象邊緣的重合比；根據(jù)扇形子塊與該目標(biāo)對(duì)象邊緣的重合比以及像素點(diǎn)之間的梯度、梯度方向確定扇形子塊與該目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度；將扇形子塊與其對(duì)應(yīng)的目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的歸一化曲率差異值加1的倒數(shù)作為扇形子塊與其對(duì)應(yīng)的目標(biāo)對(duì)象的相似指標(biāo)，將扇形子塊與該目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度與相似指標(biāo)的乘積均值記為扇形子塊與該目標(biāo)對(duì)象之間邊緣的輪轂相似度；計(jì)算扇形子塊中邊緣的剔除度，邊緣的剔除度與邊緣的輪轂相似度負(fù)相關(guān)，確定該扇形子塊的邊緣剔除結(jié)果；響應(yīng)于扇5形子塊的邊緣剔除結(jié)果，將剔除邊緣后的扇形子塊作為剩余扇形子塊的目標(biāo)對(duì)象，繼續(xù)對(duì)剩余扇形子塊進(jìn)行邊緣剔除后，得到汽車輪轂圖像中的輪轂輻條邊緣。[0007]本發(fā)明考慮到提取汽車輪轂圖像中的輪轂輻條輪廓邊緣時(shí)，可能會(huì)存在非輪轂輻條邊緣的影響，因此，剔除輪轂圖像中的非輪轂輻條邊緣，可以準(zhǔn)確提取出輪轂圖像中的輪轂輻條輪廓邊緣。在剔除非輪轂輻條邊緣的過程中，本發(fā)明根據(jù)輪轂輻條的對(duì)稱特征將輪轂圖像進(jìn)行劃分，通過綜合分析扇形子塊與其他扇形子塊中非輪轂輻條邊緣和輪轂輻條邊緣之間的灰度差異以及梯度差異等特征準(zhǔn)確計(jì)算當(dāng)前扇形子塊中每個(gè)邊緣的剔除度，使得可以基于此準(zhǔn)確實(shí)現(xiàn)非輪轂輻條邊緣的剔除。同時(shí)在計(jì)算當(dāng)前扇形子塊中每個(gè)邊緣的剔除度時(shí)，本發(fā)明考慮到部分輪轂輻條邊緣由于采集環(huán)境的影響與正常輪轂輻條邊緣存在差異，其剔除度可能偏大，因此在確定邊緣的剔除度時(shí)，本發(fā)明還通過結(jié)合輪轂輻條邊緣的曲率特征，排除環(huán)境對(duì)剔除結(jié)果的影響，從而有效地提高了汽車輪轂圖像中的輪轂輻條輪廓邊緣提取結(jié)果的準(zhǔn)確性。[0008]根據(jù)本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，所述根據(jù)汽車輪轂圖像中輪轂輻條個(gè)數(shù)將輪轂圖像均分為多個(gè)扇形子塊，之前還包括：采集原始汽車輪轂圖像并提取原始汽車輪轂圖像中的邊緣，定位汽車輪轂的中心孔區(qū)域并進(jìn)行剔除，得到汽車輪轂圖像。[0009]根據(jù)本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，所述定位汽車輪轂的中心孔區(qū)域并進(jìn)行剔除，得到汽車輪轂圖像，包括：用Hough圓變換定位原始汽車輪轂圖像中的中心孔區(qū)域并進(jìn)行凸包計(jì)算生成凸多邊形；將最小凸多邊形內(nèi)包含的中心孔區(qū)域的邊緣進(jìn)行剔除，得到汽車輪轂圖像。[0010]本發(fā)明考慮到汽車輪轂的中心孔區(qū)域的特征與輪轂外廓特征較為接近，在剔除非輪轂輻條邊緣時(shí)可能會(huì)產(chǎn)生誤差，因此在剔除非輪轂輻條邊緣前先通過預(yù)處理去除汽車輪轂的中心孔區(qū)域，降低汽車輪轂的中心孔區(qū)域的干擾。[0011]根據(jù)本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，將輪轂圖像中輪轂的圓心作為扇形子塊的頂點(diǎn)。[0012]根據(jù)本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，所述根據(jù)邊緣上重合像素點(diǎn)的個(gè)數(shù)確定扇形子塊與目標(biāo)對(duì)象邊緣的重合比，包括：將扇形子塊與目標(biāo)對(duì)象中的一個(gè)邊緣上重合像素點(diǎn)的個(gè)數(shù)和該邊緣上像素點(diǎn)總個(gè)數(shù)的比值作為扇形子塊與該目標(biāo)對(duì)象該邊緣的重合比。[0013]本發(fā)明考慮到為了確保汽車的性能，通常情況下汽車每個(gè)輪轂輻條之間的大小和形狀高度接近，因此通過分析不同扇形子塊上同一位置邊緣上的重合像素點(diǎn)個(gè)數(shù)評(píng)估扇形子塊與其目標(biāo)對(duì)象邊緣的重合比，可以初步判斷扇形子塊中邊緣與其他扇形子塊中相同位置的邊緣的接近程度。[0014]根據(jù)本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，所述根據(jù)扇形子塊與該目標(biāo)對(duì)象邊緣的重合比以及像素點(diǎn)之間的梯度、梯度方向確定扇形子塊與該目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度，包括：計(jì)算一個(gè)扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)的接近度fP,L:6UL為該扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣的重合比，Gp,Ls、Ap,L分別為該扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)的梯度差[0015]本發(fā)明提供了一種精確的扇形子塊與目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度計(jì)算公式，通過結(jié)合扇形子塊與目標(biāo)對(duì)象之間邊緣的重合比、梯度和梯度方向，可以準(zhǔn)確得到接近度的值。[0016]根據(jù)本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，所述計(jì)算扇形子塊中邊緣的剔除度，包括：將扇形子塊和所有目標(biāo)對(duì)象之間邊緣的輪轂相似度均值與1的和值取倒數(shù)，得到該扇形子塊中該邊緣的剔除度。[0017]根據(jù)本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，所述確定該扇形子塊的邊緣剔除結(jié)果，包括：將扇形子塊中剔除度大于剔除閾值的邊緣進(jìn)行剔除，得到該扇形子塊的邊緣剔除結(jié)果。[0018]根據(jù)本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，所述繼續(xù)對(duì)剩余扇形子塊進(jìn)行邊緣剔除后，得到汽車輪轂圖像中的輪轂輻條邊緣，包括：將完成邊緣剔除后的汽車輪轂圖像進(jìn)行斷裂區(qū)域連接，得到汽車輪轂圖像中完整的輪轂輻條邊緣。[0019]本發(fā)明考慮到部分輪轂輻條邊緣在提取邊緣的過程中可能存在缺失或被錯(cuò)誤剔除的情況，因此在得到輪轂圖像的邊緣剔除結(jié)果后對(duì)斷裂區(qū)域進(jìn)行連接，可以有效確保邊緣輪廓的連續(xù)性和完整性。[0020]根據(jù)本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，所述將完成邊緣剔除后的汽車輪轂圖像進(jìn)行斷裂區(qū)域連接，包括：獲取汽車輪轂圖像中斷裂區(qū)域的端點(diǎn)灰度值以及斷裂區(qū)域中間空白區(qū)域的像素點(diǎn)的灰度值，將空白區(qū)域中與端點(diǎn)灰度值均值之間的差異小于灰度閾值的像素點(diǎn)作為目標(biāo)像素點(diǎn)；將斷裂區(qū)域的端點(diǎn)與中間空白區(qū)域中的目標(biāo)像素點(diǎn)進(jìn)行連接。[0021]本發(fā)明具有以下有益效果：基于上述技術(shù)方案，本發(fā)明提供的一種汽車零件加工用外觀輪廓提取方法，在提取汽車輪轂的輪轂外廓時(shí)，通過剔除輪轂圖像中的非輪轂輻條邊緣，可以準(zhǔn)確提取出輪轂圖像中的輪轂輻條輪廓邊緣，降低非輪轂輻條邊緣對(duì)提取結(jié)果的影響。在剔除非輪轂輻條邊緣的過程中，本發(fā)明根據(jù)輪轂輻條的對(duì)稱特征將輪轂圖像進(jìn)行劃分，通過綜合分析扇形子塊與其他扇形子塊中非輪轂輻條邊緣和輪轂輻條邊緣之間的灰度差異以及梯度差異等特征準(zhǔn)確計(jì)算當(dāng)前扇形子塊中每個(gè)邊緣的剔除度，使得可以基于此準(zhǔn)確實(shí)現(xiàn)非輪轂輻條邊緣的剔除。同時(shí)在計(jì)算當(dāng)前扇形子塊中每個(gè)邊緣的剔除度時(shí)，本發(fā)明考慮到部分輪轂輻條邊緣由于采集環(huán)境的影響與正常輪轂輻條邊緣存在差異，其剔除度可能偏大，因此在確定邊緣的剔除度時(shí)，本發(fā)明還通過結(jié)合輪轂輻條邊緣的曲率特征，排除環(huán)境對(duì)剔除結(jié)果的影響，從而有效地提高了汽車輪轂圖像中的輪轂輻條輪廓邊緣提取結(jié)果的準(zhǔn)確性。附圖說明[0022]圖1為本發(fā)明實(shí)施例提供的一種汽車零件加工用外觀輪廓提取方法的步驟流程7圖2為本發(fā)明實(shí)施例提供的一種汽車輪轂圖像；圖3為本發(fā)明實(shí)施例提供的一種輪轂圖像邊緣檢測(cè)結(jié)果；圖4為本發(fā)明實(shí)施例提供的一種去除中心孔區(qū)域后的汽車輪轂圖像示意圖。具體實(shí)施方式[0023]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完[0024]為了在汽車輪轂圖像中提取輪轂輻條邊緣時(shí)降低噪聲邊緣的干擾，本發(fā)明實(shí)施例提供了一種汽車零件加工用外觀輪廓提取方法，該方法通過分析輪轂輻條邊緣與非輪轂輻條邊緣之間的特征差異，可以準(zhǔn)確從汽車輪轂圖像中剔除非輪轂輻條邊緣，有效地提高了汽車輪轂外觀輪廓提取的準(zhǔn)確性。[0025]具體請(qǐng)參閱圖1,圖1為本發(fā)明實(shí)施例提供的一種汽車零件加工用外觀輪廓提取方法的步驟流程圖，該方法包括以下步驟：S1:獲取汽車輪轂圖像。[0026]示例地，在本發(fā)明實(shí)施例中，獲取汽車輪轂圖像包括：采集原始汽車輪轂圖像并提取原始汽車輪轂圖像中的邊緣，定位汽車輪轂的中心孔區(qū)域并進(jìn)行剔除，得到汽車輪轂圖[0027]示例地，還可以對(duì)汽車輪轂圖像進(jìn)行灰度化處理。[0028]具體地，在拍攝環(huán)境中使用均勻的環(huán)形光源或組合光源，將相機(jī)安裝在輪轂的正上方，調(diào)整相機(jī)視角確保輪轂完整進(jìn)入相機(jī)視野，設(shè)置圖像分辨率和像素，拍攝汽車輪轂圖像，具體可參見圖2所示，圖2為本發(fā)明實(shí)施例提供的一種汽車輪轂圖像。結(jié)合圖2可以看出，汽車輪轂整體為圓形輪廓，中間安裝有5組輪轂輻條。[0029]其中，圖像像素可以設(shè)置為1024×768像素，圖像分辨率可以設(shè)置為100DPI;圖像分辨率和像素具體可以根據(jù)實(shí)際需要進(jìn)行設(shè)置，本發(fā)明實(shí)施例在此不作過多限制。[0030]示例地，可以通過Canny邊緣檢測(cè)算法處理汽車輪轂圖像，以提取原始汽車輪轂圖像中的邊緣。具體可參見圖3所示，圖3為本發(fā)明實(shí)施例提供的一種輪轂圖像邊緣檢測(cè)結(jié)果。結(jié)合圖3可以看出，汽車輪轂的各輪轂輻條大致呈中心對(duì)稱。但是，汽車輪轂圖像中的中心孔區(qū)域與輪轂輻條的對(duì)稱軸并不相同，在后續(xù)進(jìn)行圖像分析時(shí)，可能會(huì)存在干擾。[0031]基于此，本發(fā)明實(shí)施例可以先將原始汽車輪轂圖像中的中心孔區(qū)域進(jìn)行剔除。[0032]示例地，在本發(fā)明實(shí)施例中，定位汽車輪轂的中心孔區(qū)域并進(jìn)行剔除，得到汽車輪轂圖像，包括：用Hough(也稱霍夫)圓變換定位原始汽車輪轂圖像中的中心孔區(qū)域并進(jìn)行凸包計(jì)算生成凸多邊形；將最小凸多邊形內(nèi)包含的中心孔區(qū)域的邊緣進(jìn)行剔除，得到汽車輪轂圖像。[0033]其中，為了避免Hough圓變換定位原始汽車輪轂圖像中的中心孔區(qū)域時(shí)，將除中心孔區(qū)域之外的其他圓形(例如輪轂外形圓)錯(cuò)誤剔除，需要設(shè)置Hough圓變換的參數(shù)半徑。[0034]具體地，汽車輪轂中心孔的半徑通常在50毫米到200毫米之間，在1024×768像素圖中對(duì)應(yīng)的像素點(diǎn)范圍約為197到787像素。為了將50毫米到200毫米的范圍轉(zhuǎn)換為1024×768像素圖中的像素點(diǎn)范圍，可以將Hough圓變換定位的參數(shù)半徑設(shè)置為[200,800]像素，從而準(zhǔn)確定位原始汽車輪轂圖像中的中心孔區(qū)域。8[0035]可以理解的是，凸包是包含一組點(diǎn)的凸多邊形，通過凸包計(jì)算可以生成目標(biāo)區(qū)域的輪廓邊界，從而描述目標(biāo)區(qū)域的形狀，準(zhǔn)確得到原始汽車輪轂圖像中的中心孔區(qū)域。[0036]示例地，定位原始汽車輪轂圖像中的中心孔區(qū)域并進(jìn)行凸包計(jì)算生成凸多邊形時(shí)，可以通過算法提取原始汽車輪轂灰度圖像中的輪廓點(diǎn)，得到最小凸多邊形，其中最小凸多邊形完全包含原始汽車輪轂圖像中的中心孔區(qū)域。[0037]其中，提取原始汽車輪轂灰度圖像中輪廓點(diǎn)的算法可以為JarvisMarch算法、QuickHull算法等，具體可以根據(jù)實(shí)際需要進(jìn)行設(shè)置。[0038]具體可參見圖4所示，圖4為本發(fā)明實(shí)施例提供的一種去除中心孔區(qū)域后的汽車輪轂圖像示意圖。結(jié)合圖3和圖4可以看出，剔除中心孔區(qū)域的邊緣后，可以在汽車輪轂圖像中清晰看到包括汽車輪轂以及輪轂輻條在內(nèi)的邊緣，從而可以基于此繼續(xù)執(zhí)行下述步驟提取汽車輪轂的外觀輪廓。[0039]S2:根據(jù)汽車輪轂圖像中的輪轂輻條個(gè)數(shù)將輪轂圖像均分為多個(gè)扇形子塊，扇形子塊的頂點(diǎn)為輪轂圖像中輪轂的圓心。[0040]需要說明的是，為了確保力學(xué)性能均衡以及輪轂的動(dòng)平衡，通常情況下，汽車的輪轂輻條區(qū)域由多個(gè)完全相同的輻條組成，這些輻條的大小和形狀完全相同。而輪轂圖像中屬于噪聲邊緣的非輪轂輻條區(qū)域的輻條圖案與正常輪轂輻條并不相同。[0041]基于此，本發(fā)明實(shí)施例中可以根據(jù)輪轂圖像中的輪轂輻條對(duì)稱特征將輪轂圖像均勻劃分為多個(gè)扇形子塊，根據(jù)不同扇形子塊中同一位置邊緣上的差異，對(duì)非輪轂輻條邊緣進(jìn)行準(zhǔn)確篩選。[0042]可以理解的是，汽車輪轂的輪廓邊緣為同心圓，且位于整個(gè)輪轂圖像中的最外圈，半徑也最大。而輪轂輻條通常與輪轂中心連接，因此基于汽車輪轂的外形特征可以對(duì)汽車輪轂邊緣進(jìn)行定位，從而準(zhǔn)確劃分輪轂圖像。[0043]示例地，在本發(fā)明實(shí)施例中，根據(jù)汽車輪轂圖像中的輪轂輻條個(gè)數(shù)將輪轂圖像均分為多個(gè)扇形子塊時(shí)，可以利用Hough圓變換定位輪轂圖像中所有的圓形邊緣，并獲得所有圓形邊緣的半徑，將半徑最大的區(qū)域作為汽車輪轂邊緣，將汽車輪轂邊緣的圓心作為輪轂圖像中輪轂的圓心。[0044]示例地，結(jié)合圖4可以看出，基于上述方式對(duì)本發(fā)明實(shí)施例提供的輪轂圖像示意圖進(jìn)行分割時(shí)，汽車輪轂圖像中的輪轂輻條邊緣個(gè)數(shù)為5,因此最終可以將汽車輪轂圖像劃分為5個(gè)扇形子塊。[0045]基于上述步驟將輪轂圖像進(jìn)行分割后，可以根據(jù)不同扇形子塊中同一位置邊緣上的特征差異，實(shí)現(xiàn)非輪轂輻條邊緣的篩選，即繼續(xù)執(zhí)行下述步驟。[0046]S3:將一個(gè)扇形子塊之外的其他扇形子塊分別作為該扇形子塊對(duì)應(yīng)的目標(biāo)對(duì)象；將扇形子塊與對(duì)應(yīng)的目標(biāo)對(duì)象中的邊緣進(jìn)行重合，計(jì)算扇形子塊與各目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度。[0047]需要說明的是，由于汽車輪轂輻條具有對(duì)稱特征，因此不存在噪聲邊緣干擾的輪轂圖像中扇形子塊與其他扇形子塊中的輪轂輻條邊緣可以完全重合，且邊緣上的像素點(diǎn)也可以完全重合，而噪聲邊緣出現(xiàn)則較為隨機(jī)，在其他扇形子塊中相同位置出現(xiàn)的可能性越低。若扇形子塊中邊緣上的像素點(diǎn)可以在對(duì)應(yīng)的目標(biāo)對(duì)象中的相同邊緣上找到位置相同的像素點(diǎn)，則扇形子塊中的該像素點(diǎn)為扇形子塊與目標(biāo)對(duì)象之間邊緣上的重合像素點(diǎn)，重合9像素點(diǎn)個(gè)數(shù)越多說明該邊緣為輪轂輻條邊緣的可能性越高，為隨機(jī)噪聲邊緣的可能性越[0048]舉例說明重合素點(diǎn)的確定過程：當(dāng)前扇形子塊為Z1,比較扇形子塊Z1和對(duì)應(yīng)的目獲取與扇形子塊Z1重合的邊緣。若扇形子塊Z1中第3條邊緣可以條邊緣上的相同位置找到對(duì)應(yīng)的第4個(gè)像素點(diǎn)，則扇形子塊Z1的第3條邊緣上的第4個(gè)像素象邊緣的重合比，根據(jù)扇形子塊與該目標(biāo)對(duì)象[0052]可以理解的是，當(dāng)前扇形子塊與目標(biāo)對(duì)象中的一個(gè)邊緣上重合像素點(diǎn)的個(gè)數(shù)越同扇形子塊上相同位置的邊緣上像素點(diǎn)的灰度特征和梯度特征可以準(zhǔn)確得到扇形子塊與fp,L,表示一個(gè)扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)的梯度方向差值，norm()非輪轂輻條邊緣的可能性越大，因此需要降低當(dāng)前扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣為輪轂輻條邊緣的可能性。[0057]扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)的接近度用于表征該扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)為輪轂輻條邊緣[0058]S4:根據(jù)扇形子塊與各目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的接近度以及曲率差異，確定形子塊與對(duì)應(yīng)的目標(biāo)對(duì)象之間邊緣上所有像素點(diǎn)的相似度均值作為該扇形子塊與對(duì)應(yīng)的子塊與其對(duì)應(yīng)的目標(biāo)對(duì)象之間邊緣上像素點(diǎn)的歸一化曲率差異值加1的倒數(shù)作為扇形子塊相似指標(biāo)的乘積均值記為扇形子塊與該目標(biāo)對(duì)象之間邊緣的輪轂相似度。Fp,L?為扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)的相似度，fp,L,為扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)的接近度，11[0065]其中，可以將第P個(gè)像素點(diǎn)所在的邊緣上的曲率作為第P個(gè)像素點(diǎn)的曲率。[0066]上式中，|YL,p-YL,Ps|表示扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)之間的曲率差異，差異越大，說明扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上為輪轂輻條邊緣的可能性越低。[0067]norm|YL,p-YL,P|表示當(dāng)前扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)的歸一化曲率差異值，表示當(dāng)前扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上第P個(gè)像素點(diǎn)相似指標(biāo)。[0068]基于上述步驟得到扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上所有像素點(diǎn)的相似度后，可以將扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣上所有像素點(diǎn)的相似度均值作為該扇形子塊與對(duì)應(yīng)的第S個(gè)目標(biāo)對(duì)象之間第L個(gè)邊緣的輪轂相似度。[0069]需要說明的是，當(dāng)前扇形子塊以及目標(biāo)對(duì)象中自身可能存在非輪轂輻條邊緣，若僅通過單一目標(biāo)對(duì)象確定當(dāng)前扇形子塊中邊緣是否需要剔除，可能會(huì)將當(dāng)前扇形子塊中的輪轂輻條邊緣剔除，基于此，本發(fā)明實(shí)施例可以獲取扇形子塊的邊緣與所有對(duì)應(yīng)的目標(biāo)對(duì)象的邊緣之間的輪轂相似度，得到該扇形子塊中該邊緣的剔除度，從而準(zhǔn)確剔除非輪轂輻條邊緣。[0070]示例地，在本發(fā)明實(shí)施例中，計(jì)算扇形子塊中邊緣的剔除度，包括：將扇形子塊和所有目標(biāo)對(duì)象之間邊緣的輪轂相似度均值與1的和值取倒數(shù)，得到該扇形子塊中該邊緣的剔除度。[0071]舉例說明當(dāng)前扇形子塊中第3個(gè)邊緣的剔除度獲取方法：分別在當(dāng)前扇形子塊對(duì)應(yīng)的目標(biāo)對(duì)象中獲取當(dāng)前扇形子塊與對(duì)應(yīng)的目標(biāo)對(duì)象中第3個(gè)邊緣的輪轂相似度；根據(jù)當(dāng)前扇形子塊與對(duì)應(yīng)的目標(biāo)對(duì)象中第3個(gè)邊緣的輪轂相似度均值計(jì)算得到當(dāng)前扇形子塊中第3個(gè)邊緣的剔除度。[0072]示例地，在本發(fā)明實(shí)施例中，確定該扇形子塊的邊緣剔除結(jié)果，包括：將扇形子塊中剔除度大于剔除閾值的邊緣進(jìn)行剔除，得到該扇形子塊的邊緣剔除結(jié)果。[0073]其中，剔除閾值可以設(shè)置為0.8;剔除閾值具體可以根據(jù)實(shí)際需要進(jìn)行設(shè)置，本發(fā)明實(shí)施例在此不作過多限制。[0074]基于上述步驟準(zhǔn)確剔除當(dāng)前扇形子塊中的非輪轂輻條邊緣后，可以將當(dāng)前不受噪聲邊緣干擾的扇形子塊作為剩余扇形子塊的比較對(duì)象，動(dòng)態(tài)循環(huán)剔除輪轂圖像中所有的非輪轂輻條邊緣。[0075]S5:響應(yīng)于扇形子塊的邊緣剔除結(jié)果，將剔除邊緣后的扇形子塊作為剩余扇形子塊的目標(biāo)對(duì)象，繼續(xù)對(duì)剩余扇形子塊進(jìn)行