輪胎靜負荷印痕輪廓提取及測量方法研究

王曉東，聶本梁，孫佳佳，孫寶余，郭念貴

（三角輪胎股份有限公司，山東 威海 264202）

輪胎靜負荷印痕是評價輪胎性能的重要因素之一，我公司采用的計算方法由于開發(fā)時間比較早，測量的準(zhǔn)確性非常差，使用接地印痕長度數(shù)據(jù)時需要觀察圖像處理的狀態(tài)，如果圖像處理較差，則需要手動測量以確保數(shù)據(jù)的準(zhǔn)確性，極大地增加了工作量，也浪費了工程師的寶貴時間。為減小測量誤差及工作量，提升工作效率，我公司開發(fā)了一套改善輪胎靜負荷印痕測量精度的程序[1-7]，介紹如下。

1 輪胎靜負荷試驗方法及印痕圖像的處理

輪胎靜負荷印痕的測試方法遵循HG/T 2443—2012《輪胎靜負荷性能試驗方法》，將輪胎承壓部位涂上印油、在輪胎與承壓平面之間鋪上一張白紙（或不涂印油只在平面上放復(fù)寫紙和報紙），啟動試驗機，給輪胎施加負荷至規(guī)定值，加載完畢保持15 min以上，測量輪胎靜負荷半徑和負荷下斷面寬度，取出印痕紙，測量接地印痕的長度（L）和寬度（W），如圖1所示，求出接地印痕面積。

取得輪胎接地印痕后先進行圖像處理，然后計算輪胎靜負荷印痕總接地面積和凈接地面積，即自動化處理輪胎接地印痕形狀，再由求積儀測量得出面積。使用求積儀得出的總接地面積相對比較準(zhǔn)確，但是由于小花紋塊的存在，且求積儀的操作比較繁瑣，精細測量輪胎凈接地面積不切實際。后續(xù)采用自動化處理程序?qū)φ麄€印痕處理進行優(yōu)化，并采用自動化計算方法對輪胎接地印痕形狀進行分析，原始方法為在印痕的任意兩點之間連線尋找圓心，將所有不在圓內(nèi)的點加入標(biāo)識色，根據(jù)標(biāo)識色提取輪廓，但是由于處理過程中不可避免地出現(xiàn)一些噪聲干擾，例如花紋膠毛、膠邊、排氣線甚至滴落的印泥油等原因，導(dǎo)致分析出來的印痕形狀與實測印痕形狀相差甚遠，如圖2所示。

圖2 處理后輪胎靜負荷印痕示意

圖2中藍色為輪胎實際接地印痕，灰色為處理后的接地印痕形狀，可見灰色部分在接地印痕長度上明顯超出了靜負荷印痕的實際形狀。為提高靜負荷印痕測量的準(zhǔn)確性，需要對靜負荷印痕處理的流程和算法進行優(yōu)化，提高分析的準(zhǔn)確性。

圖像處理采用Python語言進行分析，使用Numpy，Opencv，Alpha-shape等數(shù)據(jù)處理和圖形處理軟件包。

2 輪胎靜負荷印痕處理過程

整個輪胎靜負荷印痕圖像處理過程包括：（1）圖像導(dǎo)入；（2）圖像灰度化、濾波；（3）圖像二值化；（4）輪廓提取和篩選；（5）Alpha形狀重構(gòu)；（6）通過輸入印痕的分辨率等參數(shù)獲取精度比較高的靜負荷印痕的總接地面積、凈接地面積和接地印痕長度等相關(guān)參數(shù)。

2.1 圖像導(dǎo)入

圖像導(dǎo)入采用Opencv軟件對數(shù)據(jù)讀入即可。由于Opencv軟件采用的顏色通道BGR與常用軟件的RGB相反，因此印痕圖像輸出中如通過其他軟件包導(dǎo)出圖像，需將圖像處理成RGB格式。

2.2 圖像灰度化、濾波

圖像灰度化的主要目的是方便將灰度圖轉(zhuǎn)換為二值圖。灰度圖進行高斯濾波后會將部分噪聲消除，如部分不清晰的色斑、膠毛、輕微的膠邊以及劃痕等。高斯濾波核的尺寸可根據(jù)圖像處理的需要進行適當(dāng)調(diào)整，為保證獲取數(shù)據(jù)的穩(wěn)健性，采用較大的濾波核可以減少由于膠毛、膠邊、斑點等造成的圖像失真，但較大的濾波核則意味著邊界界定更困難，對輪廓提取的準(zhǔn)確性造成較大影響，如圖3所示。

高斯濾波的高斯值擴展了邊界，高斯值越大，像素點周圍相對值對本像素值的影響越大，輪廓周邊越模糊。分析發(fā)現(xiàn)，該高斯值對獲取圖像輪廓的影響不大，對提取面積影響也在可控范圍內(nèi)，整體而言，在50～120范圍內(nèi)取值即可。

2.3 圖像二值化

部分圖像處理過程中會因為裁切問題，導(dǎo)致接地印痕在邊部被裁切掉一部分，從而使印痕輪廓成為開放性輪廓，在分析中會造成干擾，因此在二值圖處理前，需要擴展印痕圖像的邊界，并在擴展的區(qū)域填充與接地印痕顏色相反的對比色，使圖像的輪廓實現(xiàn)閉合。圖像處理過程中對圖像的操作多聚焦于二值圖，因其通道少，邊界清晰，計算量小，因此將高斯濾波后的圖像通過設(shè)置一定的二值化閾值轉(zhuǎn)換為二值圖（0，255），同時因為原始圖像的背景色為白色，分析圖像時需將圖像值翻轉(zhuǎn)。

圖像二值化的閾值對輪廓提取準(zhǔn)確性的影響較大，如圖4所示，當(dāng)閾值為160時，提取的輪廓不完整，見圖4（a）。實際操作中建議閾值在200～220范圍內(nèi)取值，防止噪聲對輪廓產(chǎn)生干擾，或輪廓提取不完整。

圖4 選擇不同二值化閾值獲得的輪廓（紅色輪廓）與原始圖像的對比

通過二值圖提取的輪胎接地印痕像素數(shù)量與二值化閾值的關(guān)系曲線如圖5所示。

圖5 提取接地印痕面積與二值化閾值的關(guān)系曲線

從圖5（a）可以看出：提取接地印痕像素數(shù)量在閾值為150左右產(chǎn)生巨大的躍遷，即輪胎靜負荷印痕灰度圖像的區(qū)分點在閾值150左右；在二值化閾值160～240范圍內(nèi)接地印痕的像素從331 825增加到349 859，變化范圍為5.43%。從圖5（b）可以看出，在閾值180～240范圍內(nèi)接地印痕面積變化均在1 000像素范圍內(nèi)，此范圍內(nèi)提取的靜負荷印痕像素差異僅為3.43%。從實際操作中看，圖像處理中提取輪胎靜負荷印痕面積的二值化閾值基本在該范圍內(nèi)，提取的靜負荷印痕面積差異很少超過2%，提取面積比較準(zhǔn)確，因此通常選擇200～220作為典型的二值化閾值范圍，對于花紋排氣線問題則結(jié)合高斯濾波核尺寸調(diào)整可以適當(dāng)消除其對靜負荷印痕輪廓的影響，從而更準(zhǔn)確地提取輪胎靜負荷印痕的輪廓和面積。

2.4 輪廓提取和篩選

輪廓提取是將二值圖中輪胎靜負荷印痕的所有閉合輪廓全部提取出來，目的為：（1）篩選出除花紋膠毛、膠邊及排氣線外的輪胎接地印痕的輪廓；（2）獲得構(gòu)成輪胎靜負荷印痕的所有點坐標(biāo)，重構(gòu)靜負荷印痕的整體輪廓；（3）提取準(zhǔn)確的輪胎凈接地面積值。通過面積篩選排除面積小于指定閾值的輪廓，將接地印痕的膠毛、膠邊以及其他的噪聲因素剔除。本工作提取的輪廓如圖6所示。

圖6 提取輪廓位置以及構(gòu)成輪廓的像素點的數(shù)量

從圖6可以看出，噪聲點輪廓面積最大僅有27像素，將其過濾掉，保留輪廓較大的區(qū)域即可。在分析中，為了達到較好的過濾效果，將二值化閾值設(shè)置為200，同時將面積略大的輪廓的長寬比最小值設(shè)置為8，過濾不合理的膠邊或干擾因素，減少膠毛、膠邊、人為劃線等對輪胎接地印痕輪廓提取的干擾。

經(jīng)篩選最終僅剩余4個輪廓（輪廓1—4），將這4個輪廓的像素點提取后最終在同一幅圖像上呈現(xiàn)出來（見圖7），然后即可提取這些輪廓構(gòu)成的凈接地面積和進行接地印痕輪廓重構(gòu)。

圖7 篩選輪廓位置并重構(gòu)接地印痕的輪廓集合（342 125像素）

2.5 輪胎接地印痕外輪廓重構(gòu)

2.5.1 Alpha-shape算法的定義

Alpha-shape算法又稱為滾球法，常用于點集合構(gòu)成的多邊形邊界的重構(gòu)，可以簡單地理解為使用一個半徑為1/α的圓球沿著點集的周邊以點集中的任意點作為支點進行滾動，將滾動過程中接觸過的支點用直線連接起來，即構(gòu)成了該點集的Alpha形狀。滾動過程中可能會因為點距離較大導(dǎo)致滾圓落入點集陷阱中，應(yīng)注意調(diào)整半徑值或者提高點的提取密度，防止出現(xiàn)此種情況。

篩選輪廓位置并重構(gòu)接地印痕輪廓集合的過程如圖8所示，A，B，C，D，E，F(xiàn)，G，O點是點集中的點。

圖8 篩選輪廓位置并重構(gòu)接地印痕輪廓集合的過程示意

當(dāng)α＝0時[見圖8（a）]，Alpha-shape算法定義的圓半徑為無窮大，本質(zhì)上就是將兩個點之間連線，如果點集中的所有點均位于該連線的同一側(cè)，則認為該連線即為該點集Alpha形狀的一條邊，如果以連線OA延長線OH作為邊界，B點與其他點則分別位于直線OH的兩側(cè)，因此線段OA不能作為此點集中Alpha形狀的邊界，直線OB，BD，DF，OF顯然均是該點集的Alpha形狀邊界，最終獲取的輪廓OBDF即為該點集的Alpha形狀之一，輪廓識別中常稱之為凸包。

當(dāng)α＝0.25時[見圖8（b）]，滾圓半徑1/α＝4，以O(shè)點和A點作為圓上的點可以畫兩個圓，由于在圓的內(nèi)部存在B點或G，E，F(xiàn)點，因此線段OA不能作為α＝0.25時外輪廓的邊界，而選擇O點和B點作為連線時，顯然點集中所有的點都在OB弧連線形成的圓的外部，因此OB必然是α＝0.25時的其中一條邊界，由此類推，最終形成OBDF多邊形。

當(dāng)α＝0.5時[見圖8（c）]，滾圓半徑1/α＝2，通過A點和O點的其中一個圓的內(nèi)部顯然不包含點集中的任意一點，線段OA是Alpha形狀邊界之一，A點都在經(jīng)過O點和B點、半徑為2的圓內(nèi)，因此OB不是該點集的Alpha形狀邊界。此時形成的點集的Alpha形狀為多邊形OABCDEFG。

當(dāng)α值過大，如α＝1時[見圖8（d）]，由于滾圓半徑1/α＝1太小，導(dǎo)致O，B，D，F(xiàn)這幾個點與其他點之間的距離大于滾圓直徑，此時形成的輪廓會過濾掉O，B，D，F(xiàn)點，而內(nèi)部彼此距離較近的點則最終構(gòu)成多邊形ACEG。

由此可見，隨著α的增大，即通過任意兩點的圓半徑的減小，部分點由于與整體偏離較遠，會逐漸脫離該點集Alpha形狀邊界，因此在進行輪廓提取時，應(yīng)充分考慮α值的范圍，以盡量獲得最接近輪胎靜負荷印痕的輪廓。

2.5.2 輪廓整合及外輪廓重構(gòu)

輪廓提取有4種方法：Chain_Approx_Simple，Chain_Approx_TC89_Kcos，Chain_Approx_TC89_L1，Chain_Approx_None（以下分別簡稱為Simple，TC89_Kcos，TC89_L1，None）。其中None是提取所有相鄰的邊界點，該種方法提取的點元素最多，但是計算速度慢，而且由于提取的點太多，經(jīng)常出現(xiàn)獲取的Alpha形狀輪廓是一條直線的情況。Simple是提取所有邊界線段的端點，由于省略了中間大量的點，計算速度更快，提取的輪廓也更加穩(wěn)健。另外兩個計算方法參見文獻[5]。

由于提取的每個輪廓都是獨立的，獲取輪胎接地印痕的整體輪廓需要將提取的每個輪廓上的所有點整合在一起。使用4種方法提取輪廓的點分布如圖9（a）—（d）所示，將各點添加到一個輪廓中，構(gòu)成新的輪胎接地印痕像素點集合，如圖9（e）所示。

圖9 使用不同的輪廓近似方法提取的構(gòu)成輪廓的點分布

重構(gòu)的外輪廓需要通過提取Alpha形狀獲取輪胎靜負荷印痕的最終輪廓，采用不同α值獲取的輪胎靜負荷印痕的整體輪廓如圖10所示。

圖10 采用不同α值獲取的輪胎靜負荷印痕的整體輪廓

從圖10可以看出，當(dāng)α＝0.02時，由于花紋左上角提取的點密度太小，導(dǎo)致提取的Alpha形狀出現(xiàn)畸形，當(dāng)減小α?xí)r，該種現(xiàn)象消失，但隨著α值減小，提取的輪廓與靜負荷印痕實際形狀的偏差增大，最終當(dāng)α＝0時得到整個接地印痕的凸包輪廓。

由此可見，平衡α值是準(zhǔn)確提取靜負荷印痕輪廓的重點。根據(jù)實際經(jīng)驗，α值應(yīng)處于0.005～0.01之間，后續(xù)的分析中多數(shù)處于該區(qū)間。將篩選出的Alpha形狀重構(gòu)成靜負荷印痕的輪廓，獲取該輪廓中像素點的數(shù)量為452 321 pixels，當(dāng)已知分辨率系數(shù)時，即可計算得到靜負荷印痕的總接地面積。

2.5.3 精度較高的靜負荷印痕相關(guān)參數(shù)的獲取

通過對輸入印痕的參數(shù)分析獲取精度比較高的靜負荷印痕的相關(guān)參數(shù)，最終的分析結(jié)果如圖11所示，圖中L1（L4）和L2（L3）分別為上模（下模）與中心相距95%和70%行駛面半寬位置的接地印痕長度，LC為接地印痕中心線長度。

圖11 輪胎靜負荷印痕的相關(guān)參數(shù)

進行圖像掃描時掃描儀的分辨率是相對固定的，本研究所采用的分辨率為75 dpi，根據(jù)此數(shù)據(jù)可以算得每個像素點的尺寸約為0.338 6 mm×0.338 6 mm，相應(yīng)的每個像素點代表的面積約為0.114 7 mm2，根據(jù)原始方法和本方法獲得的輪胎靜負荷印痕的總接地面積、凈接地面積和接地印痕長度數(shù)據(jù)如表1所示。

表1 兩種方法的分析結(jié)果與實測值對比

從表1可以看出，兩種方法獲取的凈接地面積僅相差1%，總接地面積相差1.5%。從圖5可以看出，隨著二值化閾值的增大，提取接地印痕面積也會增大，因此，可以通過調(diào)整二值化閾值對提取輪廓面積進行優(yōu)化。對于接地印痕長度數(shù)據(jù)，兩種方法的分析結(jié)果則有較大差異，尤其是CL差異非常大。

實際操作中，使用兩種方法分別對部分輪胎接地印痕圖像進行分析，接地印痕長度分析值與實測值對比如圖12所示。

圖12 接地印痕長度的兩種方法分析值與實測值對比

從圖12可以看出，本方法分析結(jié)果的精度比原始方法高得多，相關(guān)因數(shù)（R2）從0.81增大至0.99，斜率也從0.7左右增大至1.00。

3 結(jié)語

在總結(jié)印痕分析方法的基礎(chǔ)上對輪胎靜負荷印痕輪廓的提取和篩選方法進行改進，通過對靜負荷印痕圖像噪聲因素處理、二值化閾值選擇以及輪廓提取后對靜負荷印痕接地輪廓邊界點集進行重構(gòu)和使用Alpha-shape算法對靜負荷印痕整體外輪廓形狀進行重構(gòu)等，將靜負荷印痕長度分析值與實測值的相關(guān)因數(shù)從0.81提高至0.99，在輪胎印痕分析工作中應(yīng)用效果非常好。

降低工作難度、提升效率和結(jié)果準(zhǔn)確性、實現(xiàn)輪胎設(shè)計和分析的自動化一直是輪胎工程師的奮斗目標(biāo)，該方法大幅減少輪胎靜負荷印痕尺寸測量和確認耗費的時間和精力，獲得高精度的測量結(jié)果，后續(xù)將在積累大量數(shù)據(jù)的基礎(chǔ)上對重要參數(shù)以及計算速度繼續(xù)進行精度優(yōu)化和算法優(yōu)化，并適當(dāng)考慮提取照片中靜負荷印痕的相關(guān)數(shù)據(jù)。