用于使用输入图像来测量磨损销长度的算法

用于使用输入图像来测量磨损销长度的算法
【专利摘要】用于使用输入图像来测量磨损销长度的算法。在一个示例中，本公开涉及一种确定制动器组件中磨损销的长度的方法。该方法包括诸如利用照相机来获得制动器组件的一部分的输入图像。该输入图像包括磨损销和参考对象，并且参考对象具有已知尺寸。处理器可以基于输入图像来确定参考对象的图像尺寸。处理器可以基于输入图像来确定磨损销的图像尺寸。处理器还可以基于参考对象的图像尺寸、磨损销的图像尺寸和参考对象的已知尺寸来确定磨损销尺寸的估计的测量结果。
【专利说明】
用于使用输入图像来测量磨损销长度的算法
技术领域
[0001]本公开涉及图像计量学。
【背景技术】
[0002]用于定期收集飞机的制动器磨损销(brakewear pin)测量结果的一般惯例是对该销进行视觉检查，并且当该销与外壳齐平时更换磨损销和制动器组件。通常在制动器彻底检修期间收集测量结果，将测量结果手动记录在纸质数据表中，并且将其发送到中央记录服务。在手动测量磨损销以及记录测量的长度中可能出现误差。测量销的长度的人可能不一致地环绕图形，并且他/她可能在日志中输入错误的长度。此系统并未提供用于磨损监测的充分的数据以及制动器何时将需要被改变的预测。这导致不充分的库存规划并且导致延迟和取消。

【发明内容】

[0003]概括地讲，本公开涉及用于基于图像分析来确定制动器组件中的磨损销的长度的技术和设备。在一些示例中，图像捕获设备(诸如照相机)获得制动器组件的一部分的输入图像。该输入图像包括磨损销和参考对象，其中该参考对象具有实际尺寸(即已知长度)。处理器可以基于输入图像来确定参考对象的图像尺寸。此外，处理器可以基于输入图像来确定磨损销的图像尺寸。处理器还可以基于参考对象的图像尺寸、磨损销的图像尺寸以及参考对象的已知尺寸来确定磨损销尺寸的估计的测量结果。处理器可以操作耦合到照相机，意味着此分析可以由捕获输入图像的同一设备来完成，或者处理器可以操作连接到从图像捕获设备接收输入图像的远程服务器。
[0004]在一个示例中，本公开涉及一种确定制动器组件中磨损销的长度的方法，该方法包括:获得制动器组件的一部分的输入图像，其中该输入图像包括磨损销和参考对象，并且其中该参考对象具有已知尺寸;基于输入图像来确定参考对象的图像尺寸;基于输入图像来确定磨损销的图像尺寸；以及基于参考对象的图像尺寸、磨损销的图像尺寸和参考对象的已知尺寸来确定磨损销尺寸的估计的测量结果。
[0005]在另一示例中，本公开涉及一种被配置成确定制动器组件中磨损销的长度的系统，该系统包括:被配置成捕获制动器组件的一部分的输入图像的照相机，其中该输入图像包括磨损销和参考对象，并且其中该参考对象具有已知尺寸；以及被配置成进行以下各项的一个或多个处理器:基于输入图像来确定参考对象的图像尺寸;基于输入图像来确定磨损销的图像尺寸；以及基于参考对象的图像尺寸、磨损销的图像尺寸和参考对象的已知尺寸来确定磨损销尺寸的估计的测量结果。
[0006]在另一示例中，本公开涉及一种计算机可读存储介质，其包括当被处理器执行时使得处理器进行以下各项的指令:获得制动器组件的一部分的输入图像，其中该输入图像包括磨损销和参考对象，并且其中该参考对象具有已知尺寸;基于输入图像来确定参考对象的图像尺寸;基于输入图像来确定磨损销的图像尺寸；以及基于参考对象的图像尺寸、磨损销的图像尺寸和参考对象的已知尺寸来确定磨损销尺寸的估计的测量结果。
[0007]在下面的附图和描述中阐明本公开的一个或多个示例的细节。从描述和附图并且从权利要求来说本公开的其它特征、目的和优点将是显然的。
【附图说明】
[0008]图1是根据当前公开的一个或多个技术图示出被配置成测量制动器组件的磨损销的示例图像捕获设备的概念图。
[0009]图2是根据当前公开的一个或多个技术图示出被配置成测量制动器组件的磨损销的图像捕获设备的更详细示例的框图。
[0010]图3A-3J是根据当前公开的一个或多个技术的制动器组件在遍及测量磨损销的过程中的不同的点处的示例图像。
[0011]图4是根据当前公开的一个或多个技术图示出测量制动器组件中的磨损销的示例过程的流程图。
[0012]图5是根据当前公开的一个或多个技术图示出分析被用来测量制动器组件中的磨损销的输入图像的质量估计参数的示例过程的流程图。
【具体实施方式】
[0013]本公开的技术描述一种用于基于从计算设备(诸如手持设备)接收的输入图像来自动测量磨损销的系统。该手持设备可以执行图像分析来在制动器整个寿命的规则间隔期间测量磨损销长度。该设备可以捕获飞机上每个制动器位置的磨损销的图像。该设备可以将所捕获的图像以及任何关联的测量结果与飞行器上的特定制动器位置相关联并且可以例如通过记录飞行器的尾号或位置来识别特定飞行器。该设备还可以能够实现捕获其它与维护有关的信息的能力。然后可以将数据和图像上传到中央储存库(repository)用于分析。计算机视觉算法可以从制动器区域的图像来测量销。服务器然后可以将结果传达给操作员。程序的不同版本还可以本地地对手持设备执行所有图像处理并且将实时销长度测量结果提供给用户。
[0014]技术还可以包括输入图像的质量分析以确定图像是否适用于销测量过程。带着测量长度的目的而对制动器磨损销(或任何类似对象)拍照的用户可能没有意识到图像的质量如何影响测量结果。因为图像是使用手持设备捕获的，所以它们可能因为聚焦或运动模糊而是降低质量的。类似地，图像可能是过度曝光/曝光不足的。根据本公开的技术，需要图像满足为了使程序提供测量结果的某些质量检查。也就是说，在某些情况下，图像可能差到难以获得像样的测量结果，并且图像不应该被用于确定磨损销长度测量。当程序能够测量销时，用户可以从接收置信度得分或误差区间以了解可能的准确性中受益。尽管图像可以准确地表示场景，但是该场景可能包含对销测量算法来说棘手的要素，诸如销附近的污垢/油脂/粗砂或者次佳的照相机姿态。这些无法预料的要素可促使销测量算法部分失效。因此，当图像太差而不能提供任何测量结果(即没有置信度)时可以包括软件逻辑，并且以其它方式将预期的误差区间给予用户。
[0015]用于潜在地测量磨损销的过程的自动化具有极大的益处。航空公司维护团队需要一种准确记录销长度的历史的方式。在数据库中较好组织的测量结果帮助维持对销的磨损的跟踪，这继而可以被用来检测性能和/或安全参数、定期修理等等。准确的历史可以使得航空公司能够具有更换制动器的更好计划。
[0016]图1是根据当前公开的一个或多个技术图示出被配置成测量制动器组件10的磨损销14的示例图像捕获设备4的概念图。制动器组件10可以是用于飞行器中轮子的制动器组件。一般来说，制动器组件10包括参考对象12和磨损销14。在一些示例中，制动器组件10包括图1中没有画出的其它对象。例如，制动器组件10还可以包括一个或多个旋转盘(转子)、一个或多个静止盘(定子)、端板和压力板。这些元件可以由碳-金属合金制成，并且作为整体可以被称为分离片束(disc stack)或热装(heat pack)。定子可以被附着到栓接到飞行器起落架组件的扭矩管。转子啮合轮子，其中转子中的凹槽配合轮毂内部上的键(key)。轮子可以在轮子轴承上转动，其中转子在制动器定子之间旋转。制动器活塞收缩弹簧在转子和定子之间保持足够的空隙以允许轮子自由地转动。液压致动活塞可以被构建在制动器外壳中。当制动器被激活时，活塞内的液压增大，从外壳向外移动它们从而压缩压力板，并且减小转子和定子之间的空隙。转子和定子的表面针对彼此被挤压，从而产生使旋转变慢的的摩擦。虽然这是制动器组件10的一个示例，但是使用磨损销(诸如磨损销14)的其它制动器组件可以与当前公开的技术一起使用。
[0017]制动器组件10可以包括磨损销14。磨损销可以对于每个轮子而存在。磨损销14可以是从压力板延伸通过外壳、从制动器组件突出的销。磨损销14所突出的销的量指示转子和定子盘的组合厚度。可以施加停放制动器压力以准确地读取磨损销长度。在一些示例中，如果磨损销14在飞行器的任何制动器组件上的末端与保持磨损销14的外壳齐平或者在其之下，则可能需要更换制动器组件。在其它示例中，如果磨损销14并未从外壳伸出比指定最小长度(诸如0.25英寸)更多，则可能需要更换制动器组件。因此，准确地测量磨损销14的长度对飞行器的安全操作来说是重要的。本公开的技术描述测量磨损销。然而，应该认识到，测量磨损销14可以包括测量整个磨损销14或仅测量磨损销14的一部分，诸如磨损销14的可见部分。
[0018]制动器组件1的参考对象12可以是制动器组件1的任何部分，其可以是在与磨损销14相同的图像中捕获的并且具有固定长度(不管制动器组件10的磨损或预期寿命如何)。换句话说，它可以是制动器组件10中的任何对象，对其而言所述对象的尺寸是已知的。参考对象12还可以是分开已知距离的一组对象。例如，参考对象12可以是保持磨损销14的外壳或支架。
[0019]图像捕获设备4可以被用来执行本公开的技术。图像捕获设备4可以是能够捕获图像并且能够对图像执行分析或者能够将图像发送给能够对图像执行分析的远程服务器的任何设备。在图1的示例中，图像捕获设备4可以是移动电话。然而，在其它示例中，图像捕获设备4可以是平板电脑、个人数字助理(PDA)、膝上型电脑、便携式游戏设备、便携式媒体播放器、电子书阅读器、手表、电视平台、数字照相机或另一类型的计算设备。
[0020]在图1的示例中，图像捕获设备4可以包括配置成捕获输入图像的照相机6。照相机6可以是记录图像(其可以被直接存储、传输到远程服务器或者两者)的光学仪器。照相机6可以被配置成捕获静止图像或移动图像。在被配置成捕获移动图像的照相机6的示例中，为了当前公开的技术的目的，照相机6还可以被配置成从在移动图像中捕获的帧的组中选择单个帧来用作输入图像。
[0021]—个或多个处理器8可以在图像捕获设备4内实施功能和/或执行指令。例如，图像捕获设备4上的处理器8可以接收和执行由各种存储设备所存储的指令，其执行存储在存储设备中的各种模块的功能。处理器8所执行的这些指令可以促使图像捕获设备4在程序执行期间将信息存储在存储设备内。处理器8可以执行模块的指令来促使图像捕获设备4的照相机6获得制动器组件10和磨损销14的输入图像。处理器8然后可以使用本公开的技术来测量磨损销14。在一些示例中，处理器8还可以被配置成将输入图像传输到远程服务器，其将执行本文所述的技术以测量磨损销14。
[0022]根据本公开的技术，图像捕获设备4可以获得制动器组件10的一部分的输入图像。在一些示例中，输入图像包括磨损销14和参考对象12。参考对象12具有图像捕获设备4知道的已知尺寸。参考对象12的已知尺寸可以由外部输入来提供，该外部输入诸如规格表、计算机辅助设计、工程图表或已知尺寸的数据库中的一个或多个。例如，参考对象12可以包括被配置成保持磨损销14的支架。该支架可以是保持磨损销14的典型支架并且具有1.46英寸的长度。虽然这作为示例被给出，参考对象12可以是制动器组件10中的具有固定或已知长度的任何对象，并且参考对象12的长度可以是适合于制动器组件10内的参考对象12的功能的任何长度。系统可以使用多个参考对象。除了使用长度之外，该系统可以使用参考对象的2D面积。在一些示例中，图像捕获设备4可以通过使用照相机6捕获输入图像来获得输入图像。在其它示例中，参考对象可以是制动器组件中的螺栓、支架附近的两个或更多螺栓之间的距离或者活塞轴。此外，尽管本公开可以对参考对象12或磨损销14的“长度”进行参考，但是可以设想到长度指的是从起始点到终止点的距离的测量结果。因此，测量结果实际上可以是长度、宽度或被测量的对象的任何部分的测量结果。
[0023]处理器8可以基于输入图像来确定参考对象12的尺寸。参考对象12的尺寸可以是长度、宽度、2D面积、两个对象之间的距离、或可以使用这里描述的技术测量的任何其它特征中的任一个。如上文所讨论的那样，参考对象12具有已知长度。通过确定参考对象12的图像尺寸，处理器8可以确定输入图像的测量比。换句话说，处理器8可以确定每个像素表示多少英寸。例如，如果参考对象12被测量成是200个像素，并且已知参考对象具有1.46英寸的长度，则处理器8可以确定每个像素表示0.0073英寸。此比可以被用于基于输入图像进行的其它测量，包括磨损销的测量。参考对象可以具有与销大致相同的场景中的深度以使得像素到从参考对象导出的现实世界单位(unit)的转换还适用于销。进一步关于图2-3J来讨论确定参考对象12的图像尺寸。虽然本公开引用对象的图像长度以像素为单位，但是针对长度的测量结果的任何单位可以被用于图像长度值，诸如英寸、厘米或点。
[0024]处理器8还可以基于输入图像来确定磨损销14的图像尺寸。磨损销14的尺寸可以是长度、宽度、2D面积、或可以使用这里描述的技术测量的任何其它特征中的任何一个。处理器8还可以确定磨损销14的尺寸的估计的测量结果。在此确定中，处理器8可以使用磨损销14的图像尺寸、参考对象12的图像尺寸以及参考对象12的实际已知长度。一般来说，可以结合磨损销的图像尺寸来使用上文确定的测量比以确定磨损销14的尺寸的估计的测量结果。例如，如果确定磨损销14具有100个像素的以像素为单位的长度，则通过使用上面的每个像素0.0073英寸的测量比，处理器8可以确定磨损销14具有.73英寸的尺寸的估计的测量结果。下面关于图2-3J来示出图像捕获设备4如何可以确定这些长度的更详细讨论。尽管本公开使用术语“估计的测量结果”，但是应该认识到估计的测量结果指的是使用这里描述的技术收集的测量值。在一些示例中，估计的测量结果可以是磨损销14的精确的实际尺寸。在其它示例中，估计的测量结果可以具有促使该估计的测量结果比磨损销14的实际尺寸更长或更短的误差。换句话说，术语估计的测量结果是从执行这里描述的技术所得到的所计算的测量结果。
[0025]图2是根据当前公开的以及图1的上下文内的一个或多个技术图示出被配置成测量制动器组件的磨损销的图像捕获设备的更详细示例的框图。图2仅图示出图像捕获设备4的一个特定示例，并且可以在其它实例中使用图像捕获设备4的许多其它示例并且其可以包括被包括在示例图像捕获设备4中的部件的子集或者可以包括图2中没有示出的额外部件。
[0026]图像捕获设备4可以包括为清楚起见没有在图2中示出的额外部件。例如，图像捕获设备4可以包括向图像捕获设备4的部件提供功率的电池。类似地，图2中示出的图像捕获设备4的部件可能在图像捕获设备4的每个示例中不是必需的。例如，在一些配置中，图像捕获设备4可能不包括通信单元16。
[0027]在图2的示例中，图像捕获设备4包括用户接口设备18(例如存在敏感显示器)、一个或多个处理器8、一个或多个通信单元16、以及一个或多个存储设备22。图像捕获设备4的存储设备22还包括图像捕获模块24、图像调整模块26、质量控制模块28、以及长度确定模块30。除了别的之外，存储设备22还可以包括参考图像32的数据库以及信息数据库34。通信信道20可以与部件6、8、16、22、24、26、28、30、32和34中的每一个互连以用于部件间通信(物理地、通信地和/或操作地)。在一些示例中，通信信道20可以包括系统总线、网络连接、过程间通信数据结构、或用于传达数据的任何其它构造。
[0028]图像捕获设备4的一个或多个通信单元16可以经由一个或多个网络通过发射和/或接收该一个或多个网络上的网络信号来与外部设备通信。例如，图像捕获设备4可以使用通信单元16来发射和/或接收无线电网络(诸如蜂窝无线电网络)上的无线电信号。同样地，通信单元16可以发射和/或接收卫星网络(诸如GPS网络)上的卫星信号。通信单元16的示例包括网络接口卡(例如诸如以太网卡)、光学收发器、射频收发器、GPS接收器或者可以发送和/或接收信息的任何其它类型的设备。通信单元16的其它示例可以包括在移动设备以及通用串行总线(USB)控制器中发现的蓝牙?、GPS、3G、4G和W1-Fi ?无线电。
[0029]在一些示例中，图像捕获设备4的用户接口设备18可以包括各种输入设备和/或输出设备的功能。在一些示例中，用户接口设备18使用触觉、音频、视频刺激(使用显示设备，诸如阴极射线管(CRT)监视器、液晶显示器(LCD)或任何其它类型的用于生成视觉输出的设备)来向用户提供输出。在其它示例中，用户接口设备18还可以提供输入到图像捕获设备4(诸如存在敏感屏、触摸敏感屏等)的输入的方法。
[0030]图像捕获设备4内的一个或多个存储设备22可以存储用于在图像捕获设备4的操作期间进行处理的信息。在一些示例中，存储设备22是临时存储器，意味着存储设备22的主要目的是非长期存储。图像捕获设备4上的存储设备22可以被配置用于信息的短期存储(作为易失性存储器)并且因此如果断电的话并未保留所存储的内容。易失性存储器的示例包括随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)和本领域中已知的其它形式的易失性存储器。
[0031]在一些示例中，存储设备22还包括一个或多个计算机可读存储介质。存储设备22可以被配置成存储比易失性存储器更大量的信息。存储设备22还可以被配置用于信息的长期存储(作为非易失性存储器空间)并且在通电/断电循环之后保留信息。非易失性存储器的示例包括磁性硬盘、光盘、软盘、闪速存储器、或电可编程存储器(EPROM)或电可擦除可编程(EEPROM)存储器的形式。存储设备22可以存储与图像捕获模块24、图像调整模块26、质量控制模块28和长度确定模块30相关联的程序指令和/或数据。除了别的之外，存储设备22还可以存储与参考图像32或信息数据库34相关联的程序指令和/或数据。
[0032]—个或多个处理器8可以在图像捕获设备4内实施功能和/或执行指令。例如，图像捕获设备4上的处理器8可以接收并执行由存储设备22存储的指令，其执行图像捕获模块24、图像调整模块26、质量控制模块28、和长度确定模块30的功能。由处理器8执行的这些指令可以促使图像捕获设备4在程序执行期间将信息存储在存储设备22内。处理器8可以执行图像捕获模块24、图像调整模块26、质量控制模块28和长度确定模块30的指令来基于输入图像确定磨损销14的尺寸的估计的测量结果。也就是说，存储设备22中的项目(诸如图像捕获模块24、图像调整模块26、质量控制模块28和长度确定模块30)可由处理器8可操作以执行各种动作，包括经由所获得的输入图像(如图1中所示)基于磨损销14的图像尺寸、参考对象12的图像尺寸以及参考对象12的已知尺寸来确定磨损销14的尺寸的估计的测量结果。
[0033]根据本公开的技术，处理器8可以执行图像捕获模块24来获得制动器组件(例如图1的制动器组件1 )的一部分的输入图像。输入图像包括磨损销(例如图1的磨损销14 )和参考对象(例如图1的参考对象12)。参考对象12具有实际已知长度。例如，参考对象12可以包括被配置成保持磨损销14的支架。该支架可以是保持磨损销14的典型支架并且具有1.46英寸的长度。尽管这作为示例给出，但是参考对象12可以是制动器组件10中具有固定或已知长度的任何对象，并且参考对象12的长度可以是适合于制动器组件10内参考对象12的功能的任何长度。在一些示例中，图像捕获模块24可以使用照相机6捕获输入图像。在一些另外的示例中，图像捕获模块24可以在操作连接到照相机6的显示器(例如用户接口设备18)上输出捕获输入图像的提示。此外，在一些示例中，图像捕获模块24可以在操作连接到照相机的预览显示器(例如用户接口设备18)上输出叠加在输入图像的预览上的图形轮廓。在一些示例中，图形轮廓可以以矩形、正方形、圆形、磨损销形的轮廓、参考对象形的轮廓或任何其它适当形状的形式成形。图形轮廓可以被显示以使得当输入图像被捕获时制动器组件10在输入图像中的部分应该落入图形轮廓之内，意味着图形轮廓是当捕获输入图像时用户放置参考对象12和磨损销14的最佳区域。在其它示例中，参考对象可以是制动器组件中的螺栓、支架附近的两个或更多个螺栓之间的距离或者活塞轴。
[0034]在一些示例中，通信单元16可以将输入图像发送给服务器。在这样的示例中，操作连接到服务器的计算设备可以被配置成利用这里描述的技术来确定参考对象的图像尺寸、磨损销的图像尺寸以及磨损销的尺寸的估计的测量结果。换句话说，虽然本公开的技术在这里被描述为在捕获输入图像的同一计算设备上被执行，但是在一些示例中，图像捕获设备4可以仅被配置成捕获输入图像并且将输入图像发送给被配置成使用本公开的技术来分析输入图像的远程服务器。虽然本公开参考以像素为单位的对象的图像长度，但是对于长度的测量结果的任何单位可以被用于图像长度值，诸如英寸、厘米或点。
[0035]在一些示例中，处理器8可以执行图像调整模块26来编辑输入图像以使得磨损销处于最佳状态(例如最佳位置、对比度、颜色等等)中以用于处理器8确定磨损销14的长度。例如，处理器8可以执行图像调整模块26来旋转输入图像以使得磨损销14在旋转的输入图像中大致水平。在一些示例中，在旋转输入图像中，处理器8可以执行图像调整模块26来对输入图像执行边缘检测分析以检测制动器组件10的一个或多个近垂直边缘并且旋转输入图像以使得制动器组件10的被检测边缘大致垂直。在其它示例中，图像调整模块26可以旋转输入图像以使得磨损销14在旋转的输入图像中大致垂直。在这样的示例中，在旋转输入图像中，处理器8可以执行图像调整模块26来对输入图像执行边缘检测分析以检测制动器组件10的一个或多个近水平边缘并且旋转输入图像以使得制动器组件10的被检测边缘大致水平。在一些示例中，磨损销14在旋转之后大致水平并且将从左到右被测量。然而，在其它示例中，磨损销14大致水平并且将从右到左被测量。
[0036]在一些示例中，处理器8可以执行图像调整模块26来将输入图像转换成灰度级图像。通过将输入图像转换成灰度级图像，将文件保留在计算设备中所需的存储空间可能更小。特别是在其中输入图像在图像捕获设备和远程服务器之间传递的实例中，灰度级图像可能因为更小的文件大小而允许更快的传输。此外，一般来说，磨损销14和参考对象12彼此叠加并且通过每个对象是什么灰度的阴影来可区别。通常，磨损销14倾向于是深色，并且参考对象12倾向于浅色，然而一些示例可以具有浅色的磨损销和深色的参考对象。这意味着灰度级图像并不在本公开的技术的执行期间影响辨别磨损销14和参考对象的能力。灰度级的转换还可以加速图像分析技术。例如，许多图像分析技术仅在单信道图像上操作。
[0037]在一些示例中，处理器8可以执行图像调整模块26来将平滑算法应用到输入图像。在一些示例中，平滑算法可以是双边滤波器。双边滤波器是用于图像的非线性、边缘保护、减噪的平滑滤波器。通过保护图像中的边缘，磨损销14的长度将并不因为对输入图像进行的编辑而被改变。作为代替，双边滤波器将仅对图像进行平滑以使得更容易辨别磨损销14和参考对象12。如上文所讨论的那样，磨损销14和参考对象12可以彼此叠加并且可由颜色或强度来可区别。通过应用双边滤波器，处理器8可以能够更有效地确定磨损销14和参考对象12的边缘在输入图像中的地方，从而允许更精确的测量结果。
[0038]在一些示例中，处理器8可以执行图像调整模块26来基于一个或多个照明条件将均衡算法应用于输入图像。制动器组件10存在于其中的环境的照明条件可能会极大地影响该环境中拍摄的图像的对比度。如上文所讨论的那样，处理器8将磨损销14和参考对象12区分开的能力将极大影响磨损销14的测量结果的精确度。因此，改进输入图像的对比度级别可以允许测量结果的更大的精确度。在一些示例中，如果照明条件太暗则图像调整模块26可以增大输入图像的对比度。此外，如果照明条件太亮，则图像调整模块26可以减小输入图像的对比度。均衡允许所有图像看起来类似，而不管它们的原始照明条件或对比度。
[0039]处理器8可以执行长度确定模块30来基于输入图像确定参考对象的图像尺寸。参考对象12的尺寸可以是长度、宽度、2D面积、两个对象之间的距离、或可以使用这里描述的技术测量的任何其它特征中的任何一个。为了确定参考对象的图像尺寸，处理器8可以执行长度确定模块30来检测输入图像中参考对象上的第一点和参考对象上的第二点。第一点和第二点可以在参考对象的周界上并且可能在参考对象的相对极端上。第一点可能不与第二点相交，意味着第一点和第二点是两个分立、不连接、近似平行的线段。一般来说，第一点和第二点可以是参考对象12的相对边缘。例如，在参考对象12是保持磨损销14的梯形支架的情况下，第一点和第二点可以是梯形支架的两个相对基底。处理器8还可以执行长度确定模块30来确定将第一点和第二点分开的水平行中的像素的数目。此外，处理器8可以执行长度确定模块30来基于将第一点和第二点分开的像素的数目以及参考对象的已知尺寸为输入图像确定每像素的长度的比。可以由外部输入(诸如规格表、计算机辅助设计、工程图表或已知尺寸的数据库中的一个或多个)来提供参考对象12的已知尺寸。例如，如果参考对象12被测量为是200个像素，并且已知参考对象具有1.46英寸的长度，则处理器8可以确定每个像素表示0.0073英寸。此比可以被用于基于输入图像而进行的其它测量结果，包括磨损销的测量结果。在一些示例中，可以使用边缘检测算法(诸如索贝尔滤波器)来确定第一点和第二点。
[0040]在一些示例中，为了检测第一点和第二点，处理器8可以首先识别参考对象12。为了这样做，处理器8可以执行长度确定模块30来将输入图像的一个或多个部分与参考对象12的模板进行比较。参考对象12的这样的模板可以被存储在存储设备22的参考图像数据库32中。此外，处理器8可以执行长度确定模块30来基于一个或多个比较确定输入图像的与参考对象12的模板最紧密匹配的部分并且基于输入图像的与参考对象12的模板最紧密匹配的部分检测第一点和第二点。
[0041]处理器8可以执行长度确定模块30来基于输入图像确定磨损销14的图像尺寸。磨损销14的尺寸可以是长度、宽度、2D面积、或可以使用这里描述的技术测量的任何其它特性中的任何一个。在确定磨损销14的图像尺寸中，处理器8可以执行长度确定模块30来检测磨损销14的位置。处理器8可以执行长度确定模块30来检测输入图像中磨损销的第一边缘。第一边缘表示磨损销在支架组件中的固定端。在一些示例中，可以使用边缘检测算法(诸如索贝尔滤波器)来确定第一边缘。此外，处理器8可以执行长度确定模块30来识别在第一边缘处开始的磨损销14附近的一个或多个线段。处理器8还可以执行长度确定模块30来识别一个或多个线段的一个或多个集群并且识别与磨损销14 一致的成群的一个或多个集群。处理器8还可以执行长度确定模块30来将集群中与磨损销14 一致的每个线段合并并且确定与合并的线段的长度对应的像素的数目。在一些示例中，可以通过应用边缘检测核(kernel)以检测大致水平边缘、将具有高于阈值的响应的像素确定为水平边缘、以及将霍夫线变换应用到每个水平边缘来完成一个或多个水平线段的识别。处理器8可以执行长度确定模块30来确定最大集群中像素的数目。在当销为短的并且包含相对少的像素的情况下，其它测量结果(诸如每个集群的垂直中心和紧密度)可以帮助识别销。虽然上文描述为确定水平线段，但是本公开的技术还可以被用于输入图像中垂直的磨损销。
[0042]处理器8可以执行长度确定模块30来基于参考对象的图像尺寸、磨损销的图像尺寸以及参考对象的已知尺寸确定磨损销尺寸的估计的测量结果。在一些示例中，处理器8可以在与图像捕获设备4操作连接的显示器(例如用户接口设备18)上并基于磨损销14的图像尺寸和所确定的磨损销14的尺寸的估计的测量结果输出所确定的磨损销尺寸的估计的测量结果的图形表示。例如，所确定的磨损销14的尺寸的估计的测量结果的图形表示可以是显示为叠加在输入图像中磨损销14的大致位置的顶部上的线段。
[0043]在一些示例中，处理器8可以在用户接口设备18上输出图形表示是所确定的磨损销14的尺寸的估计的测量结果的适当表示的确认提示。这可以允许用户具有测量结果的更多视觉控制。如果输入图像中的某些状况促使本公开的技术返回错误的测量结果，则用户可以能够通过查看叠加在所辨别并测量的磨损销14的顶部上的图形表示来在提交测量结果之前改正它。
[0044]在一些示例中，处理器8可以执行长度确定模块30来基于所确定的磨损销14的尺寸的估计的测量结果确定磨损销14的估计的剩余预期寿命。这将为用户提供将需要在什么时候修理磨损销14和制动器组件10的指示。在一些示例中，估计的剩余预期寿命是估计的直到更换磨损销为止的时间。在其它示例中，估计的剩余预期寿命是估计的直到更换为止使用的数目。此外，取决于磨损销14被测量所针对的交通工具的类型，磨损销14的预期寿命可以是不同的。例如，如果交通工具是大的客机，则2英寸的磨损销的长度可以具有比用于小的私人飞机的交通工具的2英寸的磨损销长度更短的剩余预期寿命。因此，处理器8可以执行长度确定模块30来进一步基于交通工具类型为磨损销确定估计的剩余预期寿命。
[0045]在一些示例中，图像捕获模块24还可以获得一个或多个后续输入图像(诸如经由照相机6)。该一个或多个后续输入图像可以标识与制动器组件10相关联的交通工具。处理器8可以执行长度确定模块30来取回磨损销14的一个或多个存储的尺寸并且将尺寸的估计的测量结果保存为与制动器组件10相关联的交通工具的磨损销14的最近存储的尺寸。此存储的尺寸可以被保存在图像捕获设备4的信息数据库34中。在其它示例中，在图像捕获设备4与确定磨损销14的尺寸的估计的测量结果的远程服务器通信的情况下，信息数据库34可以被存储在远程服务器上。基于尺寸的估计的测量结果和信息数据库34中一个或多个存储的尺寸，处理器8还可以基于变化率来确定磨损销14的估计的预期寿命。通过实施此特征，可以进行关于各种磨损销的耐久性的研究，因为用于每个交通工具的每个磨损销将具有历史。
[0046]技术还可以包括基于在整个测量过程导出的各种质量估计参数对输入图像的质量分析。例如，带着测量长度的目的而对制动器磨损销(或任何类似对象)拍照的用户并未意识到图像的质量如何影响测量结果。因为图像是使用手持设备捕获的，所以它们可能因为聚焦或运动模糊而是降低质量的。类似地，图像可能是过度曝光/曝光不足的。可能要求图像满足某些质量检查，以便使程序提供测量结果的。也就是说，在某些情况下，图像可能如此的差以致难以获得像样的测量结果，并且图像应该被丢弃。当程序能够测量销时，用户可以从接收置信度得分或误差区间以了解可能的准确性中受益。尽管图像可以准确地表示场景，但是该场景可能包含对销测量算法来说棘手的要素，诸如销附近的污垢/油脂/粗砂或者次佳的照相机姿态。这些无法预料的要素可以促使销测量算法部分失效。因此，可以包括软件逻辑以判定图像何时太差而不能提供任何测量结果(即没有置信度)，并且以其它方式将预期的误差区间给予用户。
[0047]根据本公开的技术，处理器8可以执行质量控制模块28来为输入图像确定质量估计参数。此外，处理器8可以执行质量控制模块28来确定该质量估计参数是否在可接受的范围之内。术语“可接受的范围”可以是输入图像被视为具有可接受质量的值的任何预定义或动态限定的范围。响应于质量估计参数不处于可接受的范围之内，处理器8可以执行质量控制模块28来向用户发送指示。在这样的示例中，处理器8可以提示用户使用不同的照相机非固有性质(诸如照相机位置、照相机运动、闪光或其它照相机设置)来重新捕获输入图像。在其它示例中，处理器8可以提示用户利用不同照相机非固有性质来捕获制动器组件的一部分的一个或多个后续输入图像。如果较高质量的输入图像被捕获，则可以对那个输入图像执行这里描述的技术。然而，响应于处于可接受的范围之内的质量估计参数，处理器8可以执行长度确定模块30来基于输入图像确定磨损销14的尺寸的估计的测量结果(如上文详细描述的那样)。处理器8还可以执行质量控制模块28来基于一个或多个环境条件(诸如外来物质(例如油脂、污泥、刮伤、油漆等等)的存在或照明)动态更新可接受的范围。在一些示例中，由捕获输入图像的同一设备(即图像捕获设备4)来确定质量估计参数。在其它示例中，由从图像捕获设备4接收输入图像的远程服务器来确定质量估计参数。
[0048]在一些示例中，可以基于输入图像的对比度来确定质量估计参数。在这样的示例中，确定质量估计参数是否在可接受的范围之内可以包括处理器8执行质量控制模块28来将输入图像转换成灰度级图像。处理器8还可以执行质量控制模块28来确定灰度级图像中的平均灰度级值并且确定灰度级图像中灰度级值的标准偏差。如果灰度级值的标准偏差没有落入下限和上限之内，那么处理器8可以确定质量估计参数不处于可接受的范围之内。相反地，如果灰度级值的标准偏差落入下限和上限之内，那么处理器8可以确定质量估计参数处于可接受的范围之内。如果输入图像的对比度太高或太低，则处理器8和长度确定模块30可能不能辨别磨损销14和参考对象12以为了根据这里描述的技术来测量对象的目的。因此，在测量对象之前测量对比度可以在输入图像不满足必要的质量时节约时间和处理能力。
[0049]在一些示例中，可以基于输入图像的亮度来确定质量估计参数。在此类示例中，确定质量估计参数是否在可接受的范围之内可以包括处理器8执行质量控制模块28来将输入图像转换成灰度级图像。处理器8还可以执行质量控制模块28来确定灰度级图像中的平均灰度级值。如果平均灰度级值没有落入下限和上限之内，那么处理器8可以确定质量估计参数不处于可接受的范围之内。相反地，如果平均灰度级值落入下限和上限之内，那么处理器8可以确定质量估计参数处于可接受的范围之内。如果输入图像的平均亮度太高或太低，则处理器8和长度确定模块30可能不能辨别磨损销14和参考对象12以用于根据这里描述的技术来测量对象的目的。因此，在测量对象之前测量亮度可以在输入图像不满足必要的质量时节约时间和处理能力。
[0050]在其它示例中，可以基于输入图像的模糊度来确定质量估计参数。在这样的示例中，确定质量估计参数是否在可接受的范围之内可以包括将输入图像划分成多个窗口。每个窗口可以与水平地邻近于相应窗口的每个窗口的一部分重叠。处理器8还可以执行质量控制模块28来基于施加在按百等分排列的可用空间频率上的快速傅立叶变换算法的量值确定多个窗口中的每一个窗口的模糊度参数。处理器8可以执行质量控制模块28来将用于输入图像的质量估计参数确定为用于每个窗口的模糊度参数的加权函数。在一些示例中，模糊度参数的加权函数可以是平均值、极小值函数或极大值函数。在其它示例中，加权函数包括与每个窗口的模糊度参数相关联的权重，其中与多个窗口中包含磨损销的窗口的模糊度参数相关联的权重是非零值，并且其中与多个窗口中不包含磨损销的每一个窗口的模糊度参数相关联的权重是零值。换句话说，仅包含输入图像中的磨损销14的窗口被用于模糊度质量预测。如果质量估计参数低于模糊度的下限，则处理器8可以确定质量估计参数不在可接受的范围之内。相反地，如果质量估计参数高于模糊度的下限，则处理器8可以确定质量估计参数在可接受的范围之内。在各种示例中，输入图像可以被划分成任何数目个窗口，包括九个窗口、十六个窗口或二十五个窗口中的一个。在一些不例中，每个窗口的模糊度参数是用于相应窗口中每个像素的模糊度的平均值。在其它示例中，每个窗口的模糊度参数是相应窗口中每个像素的最小模糊度。如果输入图像太模糊，则处理器8和长度确定模块30可能不能辨别磨损销14和参考对象12以用于根据这里描述的技术来测量对象的目的。因此，在测量对象之前测量模糊度可以在输入图像不满足必要的质量时节省时间和处理能力。
[0051]在一些示例中，处理器8可以执行质量控制模块28来基于质量估计参数确定磨损销尺寸的估计的测量结果的置信度测量结果。在一些另外的示例中，如果置信度测量结果低于阈值置信度水平，则处理器8可以执行质量控制模块28来经由用户接口设备18提示用户重新捕获输入图像。处理器8还可以执行质量控制模块28来经由用户接口设备18基于质量估计参数呈现误差边界。这可以进一步帮助用户确定是否接受由图像捕获设备4提供的测量结果或者使用照相机6重新捕获图像。
[0052]图3A-3J是根据当前公开的一个或多个技术在整个测量磨损销的过程中的不同的点处制动器组件的示例输入图像。图3A-3J所描绘的输入图像应该被仅看作示例图像。沿着测量磨损销的过程的这些不同的点的每个图像可能是唯一的。此外，在执行这里描述的技术的实例中可能不采用图3A-3J所描绘的一些步骤。例如，当前公开中描述的技术的一个示例实例可以不将输入图像转换成灰度级图像。此外，可以在这里描述的技术的实例期间执行图3A-3J没有描绘的步骤。例如，处理器8可以输出叠加在输入图像预览上的图形轮廓，其中图形轮廓被显示成使得当输入图像被捕获时输入图像中的制动器组件10的部分应该落入图形轮廓之内。
[0053]技术还可以包括基于在整个测量过程导出的各种质量估计参数对输入图像的质量分析。例如，带着测量长度的目的而对制动器磨损销(或任何类似对象)拍照的用户并未意识到图像的质量会如何影响测量结果。因为图像是使用手持设备捕获的，所以它们可能因为聚焦或运动模糊而是降低质量的。类似地，图像可能是过度曝光/曝光不足的。可以要求图像满足某些质量检查，以便使程序提供测量结果。也就是说，在某些情况下，图像可能是如此的差，使得难以获得像样的测量结果，并且图像应该被丢弃。当程序能够测量销时，用户可以从接收置信度得分或误差区间以了解可能的准确性中受益。尽管图像可以准确地表示场景，但是该场景可能包含对销测量算法来说棘手的要素，诸如销附近的污垢/油脂/粗砂或者次佳的照相机姿态。这些无法预料的要素可以促使销测量算法部分地失效。因此，可以包括软件逻辑以判定图像何时太差而不能提供任何测量结果(即没有置信度)，并且以其它方式将预期的误差区间给予用户。
[0054]图3A是在由图像捕获设备对其拍摄时的示例输入图像。在图3A的示例中，在图像已被图像捕获设备4获得之后，磨损销14和参考对象12被示出在该图像中。这将是将被用来测量磨损销14的普通输入图像。
[0055]根据本公开的技术，处理器8可以执行图像捕获模块24，从而可以获得制动器组件(例如图1的制动器组件10)的一部分的输入图像。该输入图像包括磨损销(例如图1的磨损销14 )和参考对象(例如图1的参考对象12 ) O参考对象12具有实际的，已知的长度。例如，参考对象12可以包括被配置成保持磨损销14的支架。该支架可以是保持磨损销14的典型支架并且具有1.46英寸的长度。虽然这作为示例被给出，但是参考对象12可以是制动器组件10中具有固定或已知长度的任何对象，并且参考对象12的长度可以是适合于制动器组件10内参考对象12的功能的任何长度。在一些示例中，图像捕获模块24可以使用照相机6捕获输入图像。在一些另外的示例中，图像捕获模块24可以在操作连接到照相机6的显示器(例如用户接口设备18)上输出捕获输入图像的提示。此外，在一些示例中，图像捕获模块24可以在操作连接到照相机的预览显示器(例如用户接口设备18)上输出叠加在输入图像的预览上的图形轮廓。图形轮廓可以被显示成使得当输入图像被捕获时制动器组件10在输入图像中的部分应该落入图形轮廓之内。在其它示例中，参考对象可以是制动器组件中的螺栓、支架附近的两个或更多个螺栓之间的距离或者活塞轴。
[0056]在一些示例中，通信单元16可以向服务器发送输入图像。在这样的示例中，操作连接到服务器的计算设备可以被配置成利用这里描述的技术来确定参考对象的图像尺寸、磨损销的图像尺寸和磨损销尺寸的估计的测量结果。换句话说，虽然本公开的技术在这里被描述为在捕获输入图像的同一计算设备上被执行，但是在一些示例中，图像捕获设备4可以仅被配置成捕获输入图像并且将输入图像发送给被配置成使用本公开的技术来分析输入图像的远程服务器。
[0057]根据本公开的技术，处理器8可以执行质量控制模块28来为输入图像确定质量估计参数。此外，处理器8可以执行质量控制模块28来确定该质量估计参数是否在可接受的范围之内。响应于质量估计参数不处于可接受的范围之内，处理器8可以执行质量控制模块28来向用户发送指示。在这样的示例中，处理器8可以提示用户使用不同的照相机非固有性质(诸如照相机位置、照相机运动、闪光或其它照相机设置)来重新捕获输入图像。在其它示例中，处理器8可以提示用户利用不同的照相机非固有性质来捕获制动器组件的一部分的一个或多个后续输入图像。如果较高质量的输入图像被捕获，则可以对该输入图像执行这里描述的技术。然而，响应于处于可接受的范围之内的质量估计参数，处理器8可以执行长度确定模块30来基于输入图像确定磨损销14的尺寸的估计的测量结果(如上文详细描述的那样)。处理器8还可以执行质量控制模块28来基于一个或多个环境条件(诸如外来物质(例如油脂、污泥、刮伤、油漆等等)的存在或照明)动态地更新可接受的范围。在一些示例中，由捕获输入图像的同一设备(即图像捕获设备4)来确定质量估计参数。在其它示例中，由从图像捕获设备4接收输入图像的远程服务器来确定质量估计参数。
[0058]在其它示例中，可以基于输入图像的模糊度来确定质量估计参数。在这样的示例中，确定质量估计参数是否在可接受的范围之内可以包括将输入图像划分成多个窗口。每个窗口可以与水平地邻近于相应窗口的每个窗口的一部分重叠。处理器8还可以执行质量控制模块28来基于施加在按百等分排列的可用空间频率上的快速傅立叶变换算法的量值确定多个窗口中的每一个窗口的模糊度参数。处理器8可以执行质量控制模块28来将输入图像的质量估计参数确定为每个窗口的模糊度参数的加权函数。在一些示例中，模糊度参数的加权函数可以是平均值、极小值函数或极大值函数。在其它示例中，加权函数包括与每个窗口的模糊度参数相关联的权重，其中与多个窗口中包含磨损销的窗口的模糊度参数相关联的权重是非零值，并且其中与多个窗口中不包含磨损销的每一个窗口的模糊度参数相关联的权重是零值。换句话说，仅包含输入图像中的磨损销14的窗口被用于模糊度质量预测。如果质量估计参数低于模糊度的下限，则处理器8可以确定质量估计参数不在可接受的范围之内。相反地，如果质量估计参数高于模糊度的下限，则处理器8可以确定质量估计参数在可接受的范围之内。在各种示例中，输入图像可以被划分成任何数目个窗口，包括九个窗口、十六个窗口或二十五个窗口中的一个。在一些不例中，每个窗口的模糊度参数是相应窗口中每个像素的模糊度的平均值。在其它示例中，每个窗口的模糊度参数是相应窗口中每个像素的最小模糊度。如果输入图像太模糊，则处理器8和长度确定模块30可能不能辨别磨损销14和参考对象12以用于根据这里描述的技术来测量对象的目的。因此，在测量对象之前测量模糊度可以在输入图像不满足必要的质量时节省时间和处理能力。
[0059]图3B是在已经执行转动校正之后的示例输入图像。处理器8可以旋转图像以便使磨损销14尽可能地靠近水平线或垂直线。在图3B的示例中，磨损销14现在是大致水平的。为了本申请的目的，大致水平意味着磨损销14在水平的?5度之内。
[0060]例如，处理器8可以执行图像调整模块26来旋转输入图像以使得磨损销14在旋转的输入图像中大致水平。在一些示例中，在旋转输入图像中，处理器8可以执行图像调整模块26来对输入图像执行边缘检测分析以检测磨损销14的一个或多个边缘并且旋转输入图像以使得磨损销14的被检测边缘大致垂直。在其它示例中，图像调整模块26可以旋转输入图像以使得磨损销14在旋转的输入图像中大致垂直。在这样的示例中，在旋转输入图像中，处理器8可以执行图像调整模块26来对输入图像执行边缘检测分析以检测磨损销14的一个或多个边缘并且旋转输入图像以使得磨损销14的被检测边缘大致水平。
[0061]图3C是在输入图像已经被转换成输入图像的灰度级版本之后的示例输入图像。在一些示例中，处理器8可以执行图像调整模块26来将输入图像转换成灰度级图像。通过将输入图像转换成灰度级图像，将文件保持在计算设备中所需的存储空间可能更小。特别在其中输入图像在图像捕获设备和远程服务器之间传递的实例中，灰度级图像可能因为更小的文件大小而允许更快的传输。此外，一般来说，磨损销14和参考对象12彼此叠加并且通过每个对象是什么灰度的阴影来可区别。通常，磨损销14倾向于深色，并且参考对象12倾向于浅色，但是一些示例可以具有浅色的磨损销和深色的参考对象。这意味着灰度级图像不会在本公开的技术的执行期间影响辨别磨损销14和参考对象的能力。
[0062]在一些示例中，可以基于输入图像的对比度来确定质量估计参数。在这样的示例中，确定质量估计参数是否在可接受的范围之内可以包括处理器8执行质量控制模块28来将输入图像转换成灰度级图像。处理器8还可以执行质量控制模块28来确定灰度级图像中的平均灰度级值并且确定灰度级图像中灰度级值的标准偏差。如果灰度级值的标准偏差没有落入下限和上限之内，那么处理器8可以确定质量估计参数不处于可接受的范围之内。相反地，如果灰度级值的标准偏差落入下限和上限之内，那么处理器8可以确定质量估计参数处于可接受的范围之内。如果输入图像的对比度太高或太低，则处理器8和长度确定模块30可能不能辨别磨损销14和参考对象12以用于根据这里描述的技术来测量对象的目的。因此，在测量对象之前测量对比度可以在输入图像不满足必要的质量时节省时间和处理能力。
[0063]在一些示例中，可以基于输入图像的亮度来确定质量估计参数。在这样的示例中，确定质量估计参数是否在可接受的范围之内可以包括处理器8执行质量控制模块28来将输入图像转换成灰度级图像。处理器8还可以执行质量控制模块28来确定灰度级图像中的平均灰度级值。如果平均灰度级值没有落入下限和上限之内，那么处理器8可以确定质量估计参数不处于可接受的范围之内。相反地，如果平均灰度级值落入下限和上限之内，则处理器8可以确定质量估计参数处于可接受的范围之内。如果输入图像的平均亮度太高或太低，则处理器8和长度确定模块30可能不能辨别磨损销14和参考对象12以用于根据这里描述的技术来测量对象的目的。因此，在测量对象之前测量亮度可以在输入图像不满足必要的质量时节省时间和处理能力。
[0064]图3D是在已经向输入图像应用平滑算法之后的示例输入图像。在一些示例中，处理器8可以执行图像调整模块26来将平滑算法应用于输入图像。在一些示例中，平滑算法可以是双边滤波器。双边滤波器是用于图像的非线性、边缘保护、减噪的平滑滤波器。通过保护图像中的边缘，磨损销14的长度将不会因为对输入图像进行的编辑而被改变。作为代替，双边滤波器将仅对图像进行平滑以使得更容易辨别磨损销14和参考对象12。如上文所讨论的那样，磨损销14和参考对象12可以彼此叠加并且可以由颜色来可区别。通过应用双边滤波器，处理器8可以能够更有效地确定参考对象12和磨损销14的边缘在输入图像中的地方，从而允许更精确的测量结果。
[0065]图3E是在向输入图像执行均衡之后的示例输入图像。在一些示例中，处理器8可以执行图像调整模块26来基于一个或多个照明条件将均衡算法应用到输入图像。制动器组件10存在于其中的环境的照明条件可能会极大地影响该环境中拍摄的图像的对比度。如上文所讨论的那样，处理器8辨别磨损销14和参考对象12的能力将极大地影响磨损销14的测量结果的精确度。因此，改进输入图像的对比度级别可以允许测量结果的更大的精确度。在一些示例中，如果照明条件太暗，则图像调整模块26可以增加输入图像的对比度。此外，如果照明条件太亮，则图像调整模块26可以降低输入图像的对比度。
[0066]图3F示出可以在识别制动器组件的各部分时使用的示例模板。在本公开的技术的一些示例中，处理器8可以将输入图像的各部分与存储在参考图像32中的参考对象12的各种模板进行比较。例如，图3F示出参考对象12的三个不同模板。在该组模板中，参考对象12和磨损销14的各种尺寸和颜色可以被存储。例如，模板图像13A示出较宽的参考对象12和短的磨损销14。模板图像13B示出轻微变色的参考对象12和短-中长度的磨损销14。模板图像13C示出具有比13A和13B的参考对象更小的锥度的参考对象12以及长的磨损销14。
[0067]使用这些模板13A-13C，处理器8可以确定类似模板13A-13C中的一个或多个的输入图像的面积。处理器8然后可以确定参考对象12的图像尺寸。例如，处理器8可以执行长度确定模块30来基于输入图像确定参考对象的图像尺寸。参考对象12的尺寸可以是长度、宽度、2D面积、两个对象之间的距离、或可以使用这里描述的技术测量的任何其它特性中的任何一个。为了确定参考对象的图像尺寸，处理器8可以执行长度确定模块30来检测输入图像中参考对象的第一点和参考对象的第二点。第一点可能不与第二点相交，意味着第一点和第二点是两个分立、不连接的线段。一般来说，第一点和第二点可以是参考对象12的相对边缘。例如，在参考对象12是保持磨损销14的梯形支架的情况下，第一点和第二点可以是梯形支架的两个相对基底。处理器8还可以执行长度确定模块30来确定将第一点和第二点分开的水平行中的像素的数目。此外，处理器8可以执行长度确定模块30来基于将第一点和第二点分开的像素的数目以及参考对象的已知尺寸为输入图像确定每像素的长度的比。例如，如果参考对象12被测量为是200个像素，并且已知参考对象具有1.46英寸的长度，则处理器8可以确定每个像素表示0.0073英寸。此比可以被用于基于输入图像而进行的其它测量，包括磨损销的测量。
[0068]在一些示例中，可以使用边缘检测算法(诸如索贝尔滤波器)来确定第一点和第二点。在其它示例中，为了检测第一点和第二点，处理器8可以执行长度确定模块30来将输入图像的一个或多个部分与参考对象12的模板进行比较。参考对象12的这样的模板可以被存储在存储设备22的参考图像数据库32中。此外，处理器8可以执行长度确定模块30来基于一个或多个比较确定输入图像的与参考对象12的模板最紧密匹配的部分并且基于输入图像的与参考对象12的模板最紧密匹配的部分检测第一点和第二点。图3G是当测量参考对象时使用的不同图像的另外的示例。
[0069]图3H是在执行集群匹配技术以识别磨损销之后的示例输入图像。使用图3F的模板，处理器8可以确定输入图像的与磨损销14最紧密类似的一部分。使用这些技术，处理器8确定集群15示出输入图像的紧密类似模板13A-13C中的磨损销14的一部分。
[0070]图31是使用各种线段以便识别输入图像中的磨损销的示例。使用图3G中识别的集群(即集群15)，处理器8可以检测磨损销14的边缘并且确定实质上将第一点和第二点连接的线段。例如，处理器8可以使用索贝尔滤波器和霍夫变换来找到这些边缘和段。
[0071]使用此识别的集群15，处理器8可以能够使用输入图像的此部分来确定磨损销14的图像尺寸。例如，处理器8可以执行长度确定模块30来基于输入图像确定磨损销14的图像尺寸。磨损销14的尺寸可以是长度、宽度、2D面积、或可以使用这里描述的技术测量的任何其它特性中的任何一个。在确定磨损销14的图像尺寸中，处理器8可以执行长度确定模块30来检测磨损销14的位置。处理器8可以执行长度确定模块30来检测输入图像中磨损销的第一边缘。第一边缘表示磨损销在支架组件中的固定末端。在一些示例中，可以使用边缘检测算法(诸如索贝尔滤波器)来确定第一边缘。此外，处理器8可以执行长度确定模块30来识别在第一边缘处开始的磨损销14附近的一个或多个线段。处理器8还可以执行长度确定模块30来识别一个或多个线段的一个或多个集群并且识别与磨损销14 一致的成群的一个或多个集群。处理器8还可以执行长度确定模块30来在与磨损销14 一致的集群中合并每个线段并且确定与合并的线段的长度对应的像素的数目。在一些示例中，可以通过应用边缘检测核以检测大致水平边缘、将具有高于阈值的响应的像素确定为水平边缘、以及将霍夫线变换应用到每个水平边缘来完成一个或多个水平线段的识别。处理器8可以执行长度确定模块30来确定最大集群中像素的数目。在当销为短的并且包含相对少的像素的情况下，其它措施(诸如每个集群的垂直中心和紧密度)可以帮助识别销。虽然上文被描述为确定水平线段，但是本公开的技术还可以被用于输入图像中垂直的磨损销。
[0072]图3J是具有磨损销的被测长度的叠加的示例输入图像。通过使用参考对象12的已知尺寸、磨损销14的图像尺寸、和参考对象12的图像尺寸的测量结果，处理器8可以确定磨损销14的尺寸的估计的测量结果。在图3J的示例中，处理器8还输出磨损销14的图形表示的叠加、连同所确定的测量结果。处理器8可以在用户接口设备18上输出这些图形。
[0073]例如，处理器8可以执行长度确定模块30来基于参考对象的图像尺寸、磨损销的图像尺寸以及参考对象的已知尺寸来确定磨损销尺寸的估计的测量结果。在一些示例中，处理器8可以在与图像捕获设备4操作连接的显示器(例如用户接口设备18)上并基于磨损销14的图像尺寸和所确定的磨损销14的尺寸的估计的测量结果输出所确定的磨损销尺寸的估计的测量结果的图形表示。例如，所确定的磨损销14的尺寸的估计的测量结果的图形表示可以是显示为叠加在输入图像中磨损销14的大致位置的顶部上的线段。
[0074]在一些示例中，处理器8可以在用户接口设备8上输出图形表示是所确定的磨损销14的尺寸的估计的测量结果的适当表示的确认提示。这可以允许用户具有测量结果的更多视觉控制。如果输入图像中的某些状况促使本公开的技术返回错误的测量结果，则用户可以能够通过查看叠加在所辨别并测量的磨损销14的顶部上的图形表示来在提交测量结果之前改正它。
[0075]在一些示例中，处理器8可以执行长度确定模块30来基于所确定的磨损销14的尺寸的估计的测量结果确定磨损销14的估计的剩余预期寿命。这将为用户提供将需要在什么时候修理磨损销14和制动器组件10的指示。在一些示例中，估计的剩余预期寿命是估计的直到更换磨损销为止的时间。在其它示例中，估计的剩余预期寿命是估计的直到更换为止使用的数目。此外，取决于磨损销14被测量所针对的交通工具的类型，磨损销14的预期寿命可以是不同的。例如，如果交通工具是大的客机，则2英寸的磨损销长度可以具有比用于小私人飞机的交通工具的2英寸的磨损销长度更短的剩余预期寿命。因此，处理器8可以执行长度确定模块30来进一步基于交通工具类型为磨损销确定估计的剩余预期寿命。
[0076]在一些示例中，处理器8可以执行质量控制模块28来基于质量估计参数确定磨损销的尺寸的估计的测量结果的置信度测量结果。在一些另外的示例中，如果置信度测量结果低于阈值置信度水平，则处理器8可以执行质量控制模块28来经由用户接口设备18提示用户重新捕获输入图像。处理器8还可以执行质量控制模块28来经由用户接口设备18基于质量估计参数呈现误差边界。这可以进一步帮助用户确定是否接受由图像捕获设备4提供的测量结果或者使用照相机6重新捕获图像。
[0077]图4是根据当前公开的一个或多个技术来图示出测量制动器组件中的磨损销的示例过程的流程图。本公开的技术描述一种用于基于从计算设备(诸如手持设备)接收的输入图像来自动测量磨损销的系统。此手持设备可以在制动器整个寿命的规则间隔期间测量磨损销长度。该设备可以记录飞行器的尾号、位置、轮子位置并且捕获飞行器上每个制动器位置的磨损销的图像。该设备还可以能够实现捕获其它缺陷和与制动器有关的失效的能力。然后可以将数据和图像上传到中央储存库用于分析。计算机视觉算法可以从制动器区域的图像来测量销。服务器然后可以将结果传达给操作员。程序的不同版本还可以本地地对手持设备执行所有图像处理并且将实时销长度测量结果提供给用户。
[0078]根据本公开的技术，处理器8可以执行图像捕获模块24，从而可以获得制动器组件(例如图1的制动器组件10)的一部分的输入图像(60)。该输入图像包括磨损销(例如图1的磨损销14)和参考对象(例如图1的参考对象12)。参考对象12具有实际已知长度。例如，参考对象12可以包括被配置成保持磨损销14的支架。该支架可以是保持磨损销14的典型支架并且具有1.46英寸的长度。虽然这作为示例给出，但是参考对象12可以是制动器组件10中具有固定或已知长度的任何对象，并且参考对象12的长度可以是适合于制动器组件10内参考对象12的功能的任何长度。在一些示例中，图像捕获模块24可以使用照相机6捕获输入图像。在一些另外的示例中，图像捕获模块24可以在操作连接到照相机6的显示器(例如用户接口设备18)上输出捕获输入图像的提示。此外，在一些示例中，图像捕获模块24可以在操作连接到照相机的预览显示器(例如用户接口设备18)上输出叠加在输入图像的预览上的图形轮廓。图形轮廓可以被显示以使得当输入图像被捕获时制动器组件10在输入图像中的部分应该落入图形轮廓之内。在其它示例中，参考对象可以是制动器组件中的螺栓、支架附近的两个或更多螺栓之间的距离或者活塞轴。
[0079]在一些示例中，通信单元16可以将输入图像发送给服务器。在这样的示例中，操作连接到服务器的计算设备可以被配置成利用这里描述的技术来确定参考对象的图像尺寸、磨损销的图像尺寸以及磨损销尺寸的估计的测量结果。换句话说，虽然本公开的技术在这里被描述为在捕获输入图像的同一计算设备上被执行，但是在一些示例中，图像捕获设备4可以仅被配置成捕获输入图像并且将输入图像发送给被配置成使用本公开的技术来分析输入图像的远程服务器。
[0080]在一些示例中，处理器8可以执行图像调整模块26来编辑输入图像以使得磨损销处于最佳状态(例如最佳位置、对比度、颜色等等)中以用于处理器8确定磨损销14的长度。例如，处理器8可以执行图像调整模块26来旋转输入图像以使得磨损销14在旋转的输入图像中大致水平。在一些示例中，在旋转输入图像中，处理器8可以执行图像调整模块26来对输入图像执行边缘检测分析以检测磨损销14的一个或多个边缘并且旋转输入图像以使得磨损销14的被检测边缘大致垂直。在其它示例中，图像调整模块26可以旋转输入图像以使得磨损销14在旋转的输入图像中大致垂直。在这样的示例中，在旋转输入图像中，处理器8可以执行图像调整模块26来对输入图像执行边缘检测分析以检测磨损销14的一个或多个边缘并且旋转输入图像以使得磨损销14的被检测边缘大致水平。
[0081]在一些示例中，处理器8可以执行图像调整模块26来将输入图像转换成灰度级图像。通过将输入图像转换成灰度级图像，将文件保持在计算设备中所需的存储空间可能更小。特别在其中输入图像在图像捕获设备和远程服务器之间传递的实例中，灰度级图像可能因为更小的文件大小而允许更快的传输。此外，一般来说，磨损销14和参考对象12彼此叠加并且通过每个对象是什么灰度的阴影来可区别。通常，磨损销14倾向于深色，并且参考对象12倾向于浅色，但是一些示例可以具有浅色的磨损销和深色的参考对象。这意味着灰度级图像不会在本公开的技术的执行期间影响辨别磨损销14和参考对象的能力。
[0082]在一些示例中，处理器8可以执行图像调整模块26来将平滑算法应用到输入图像。在一些示例中，平滑算法可以是双边滤波器。双边滤波器是用于图像的非线性、边缘保护、减噪的平滑滤波器。通过保护图像中的边缘，磨损销14的长度将不会因为对输入图像进行的编辑而被改变。作为代替，双边滤波器将仅对图像进行平滑以使得更容易辨别磨损销14和参考对象12。如上文所讨论的那样，磨损销14和参考对象12可以彼此叠加并且可由颜色来可区别。通过应用双边滤波器，处理器8可以能够更有效地确定磨损销14和参考对象12的边缘在输入图像中的地方，从而允许更精确的测量结果。
[0083]在一些示例中，处理器8可以执行图像调整模块26来基于一个或多个照明条件将均衡算法应用到输入图像。制动器组件10存在于其中的环境的照明条件可能会极大地影响该环境中拍摄的图像的对比度。如上文所讨论的那样，处理器8辨别磨损销14和参考对象12的能力将极大影响磨损销14的测量结果的精确度。因此，改进输入图像的对比度级别可以允许测量结果的更大的精确度。在一些示例中，如果照明条件太暗，则图像调整模块26可以增加输入图像的对比度。此外，如果照明条件太亮，则图像调整模块26可以降低输入图像的对比度。
[0084]处理器8可以执行长度确定模块30来基于输入图像确定参考对象的图像尺寸(62)。参考对象12的尺寸可以是长度、宽度、2D面积、两个对象之间的距离、或可以使用这里描述的技术测量的任何其它特性中的任何一个。为了确定参考对象的图像尺寸，处理器8可以执行长度确定模块30来检测输入图像中参考对象的第一点和参考对象的第二点。第一点可能不与第二点相交，意味着第一点和第二点是两个分立、不连接的线段。一般来说，第一点和第二点可以是参考对象12的相对边缘。例如，在参考对象12是保持磨损销14的梯形支架的情况下，第一点和第二点可以是梯形支架的两个相对基底。处理器8还可以执行长度确定模块30来确定将第一点和第二点分开的水平行中的像素的数目。此外，处理器8可以执行长度确定模块30来基于将第一点和第二点分开的像素的数目以及参考对象的已知尺寸为输入图像确定每像素的长度的比。例如，如果参考对象12被测量为是200个像素，并且已知参考对象具有1.46英寸的长度，则处理器8可以确定每个像素表示0.0073英寸。此比可以被用于基于输入图像而进行的其它测量，包括磨损销的测量。
[0085]在一些示例中，可以使用边缘检测算法(诸如索贝尔滤波器)来确定第一点和第二点。在其它示例中，为了检测第一点和第二点，处理器8可以执行长度确定模块30来将输入图像的一个或多个部分与参考对象12的模板进行比较。参考对象12的这样的模板可以被存储在存储设备22的参考图像数据库32中。此外，处理器8可以执行长度确定模块30来基于一个或多个比较确定输入图像的与参考对象12的模板最紧密匹配的部分并且基于输入图像的与参考对象12的模板最紧密匹配的部分来检测第一点和第二点。
[0086]处理器8可以执行长度确定模块30来基于输入图像确定磨损销14的图像尺寸。磨损销14的尺寸可以是长度、宽度、2D面积、或可以使用这里描述的技术测量的任何其它特性中的任何一个。在确定磨损销14的图像尺寸中，处理器8可以执行长度确定模块30来检测磨损销14的位置。处理器8可以执行长度确定模块30来检测输入图像中磨损销的第一边缘。第一边缘表示磨损销在支架组件中的固定端。在一些示例中，可以使用边缘检测算法(诸如索贝尔滤波器)来确定第一边缘。此外，处理器8可以执行长度确定模块30来识别在第一边缘处开始的磨损销14附近的一个或多个线段。处理器8还可以执行长度确定模块30来识别一个或多个线段的一个或多个集群并且识别与磨损销14 一致的成群的一个或多个集群。处理器8还可以执行长度确定模块30来在与磨损销14 一致的集群中合并每个线段并且确定与合并的线段的长度对应的像素的数目。在一些示例中，可以通过应用边缘检测核以检测大致水平边缘、将具有高于阈值的响应的像素确定为水平边缘、以及将霍夫线变换应用到每个水平边缘来完成一个或多个水平线段的识别。处理器8可以执行长度确定模块30来确定最大集群中像素的数目。在当销是短的并且包含相对少的像素的情况下，其它测量结果(诸如每个集群的垂直中心和紧密度)可以帮助识别销。虽然上文描述为确定水平线段，但是本公开的技术还可以被用于输入图像中垂直的磨损销。
[0087]处理器8可以执行长度确定模块30来基于参考对象的图像尺寸、磨损销的图像尺寸以及参考对象的已知尺寸确定磨损销的尺寸的估计的测量结果(66)。在一些示例中，处理器8可以在与图像捕获设备4操作连接的显示器(例如用户接口设备18)上并基于磨损销14的图像尺寸和所确定的磨损销14的尺寸的估计的测量结果输出所确定的磨损销尺寸的估计的测量结果的图形表示。例如，所确定的磨损销14的尺寸的估计的测量结果的图形表示可以是显示为叠加在输入图像中磨损销14的大致位置的顶部上的线段。
[0088]在一些示例中，处理器8可以在用户接口设备18上输出图形表示是所确定的磨损销14的尺寸的估计的测量结果的适当表示的确认提示。这可以允许用户具有测量结果的更多视觉控制。如果输入图像中的某些状况促使本公开的技术返回错误的测量结果，则用户可以能够通过查看叠加在所辨别并测量的磨损销14的顶部上的图形表示来在提交测量结果之前改正它。
[0089]在一些示例中，处理器8可以执行长度确定模块30来基于所确定的磨损销14的尺寸的估计的测量结果确定磨损销14的估计的剩余预期寿命。这将为用户提供将需要在何时修理磨损销14和制动器组件10的指示。在一些示例中，估计的剩余预期寿命是估计的直到更换磨损销为止的时间。在其它示例中，估计的剩余预期寿命是估计的直到更换为止使用的数目。此外，取决于磨损销14被测量所针对的交通工具的类型，磨损销14的预期寿命可以是不同的。例如，如果交通工具是大的客机，则2英寸的磨损销长度可能具有比用于小私人飞机的交通工具的2英寸的磨损销长度更短的剩余预期寿命。因此，处理器8可以执行长度确定模块30来进一步基于交通工具类型为磨损销确定估计的剩余预期寿命。
[0090]在一些示例中，图像捕获模块24还可以获得一个或多个后续输入图像(诸如经由照相机6)。该一个或多个后续输入图像可以标识与制动器组件10相关联的交通工具。处理器8可以执行长度确定模块30来取回磨损销14的一个或多个存储的尺寸并且将尺寸的估计的测量结果保存为与制动器组件10相关联的交通工具的磨损销14的最近存储的尺寸。该存储的尺寸可以被保存在图像捕获设备4的信息数据库34中。在其它示例中，在图像捕获设备4与确定磨损销14的尺寸的估计的测量结果的远程服务器通信的情况下，信息数据库34可以被存储在远程服务器上。基于尺寸的估计的测量结果和信息数据库34中一个或多个存储的尺寸，处理器8还可以基于变化率来确定磨损销14的估计的预期寿命。通过实施此特征，可以进行关于各种磨损销的耐久性的研究，因为用于每个交通工具的每个磨损销将具有历史。
[0091]图5是根据当前公开的一个或多个技术图示出分析被用来测量制动器组件中的磨损销的输入图像的质量估计参数的示例过程的流程图。技术还可以包括基于在整个测量过程中导出的各种质量估计参数的输入图像的质量分析。例如，带着测量长度的目的而对制动器磨损销(或任何类似对象)拍照的用户没有意识到图像的质量会如何影响测量结果。因为图像是使用手持设备捕获的，所以它们可能因为聚焦或运动模糊而是降低质量的。类似地，图像可能是过度曝光/曝光不足的。可以要求图像满足某些质量检查以便使程序提供测量结果的。也就是说，在某些情况下，图像可能如此的查以致于难以获得像样的测量结果，并且图像应该被丢弃。当程序能够测量销时，用户可以从接收置信度得分或误差区间以了解可能的准确性中受益。尽管图像可以准确地表示场景，但是该场景可能包含对销测量算法来说棘手的要素，诸如销附近的污垢/油脂/粗砂或者次佳的照相机姿态。这些无法预料的要素会促使销测量算法部分失效。因此，可以包括软件逻辑来判定图像何时太差而不能提供任何测量结果(即没有置信度)，并且以其它方式将预期的误差区间给予用户。
[0092]根据本公开的技术，处理器8可以执行图像捕获模块24来获得输入图像(70)。输入图像包括磨损销(例如图1的磨损销14 )和参考对象(例如图1的参考对象12 )。参考对象12具有实际已知长度。例如，参考对象12可以包括被配置成保持磨损销14的支架。该支架可以是保持磨损销14的典型支架并且具有1.46英寸的长度。尽管这作为示例给出，但是参考对象12可以是制动器组件10中具有固定或已知长度的任何对象，并且参考对象12的长度可以是适合于制动器组件10内参考对象12的功能的任何长度。在一些示例中，图像捕获模块24可以使用照相机6来捕获输入图像。在一些另外的示例中，图像捕获模块24可以在操作连接到照相机6的显示器(例如用户接口设备18)上输出捕获输入图像的提示。此外，在一些示例中，图像捕获模块24可以在操作连接到照相机的预览显示器(例如用户接口设备18)上输出叠加在输入图像的预览上的图形轮廓。图形轮廓可以被显示以使得当输入图像被捕获时制动器组件10在输入图像中的部分应该落入图形轮廓之内。在其它示例中，参考对象可以是制动器组件中的螺栓、支架附近的两个或更多个螺栓之间的距离或者活塞轴。
[0093]在一些示例中，通信单元16可以将输入图像发送给服务器。在这样的示例中，操作连接到服务器的计算设备可以被配置成利用这里描述的技术来确定参考对象的图像尺寸、磨损销的图像尺寸以及磨损销尺寸的估计的测量结果。换句话说，虽然本公开的技术在这里被描述为在捕获输入图像的同一计算设备上被执行，但是在一些示例中，图像捕获设备4可以仅被配置成捕获输入图像并且将输入图像发送给被配置成使用本公开的技术来分析输入图像的远程服务器。
[0094]处理器8可以执行质量控制模块28来为输入图像确定质量估计参数(72)。此外，处理器8可以执行质量控制模块28来确定该质量估计参数是否在可接受的范围之内(74)。响应于质量估计参数不处于可接受的范围之内(74的“否”分支)，处理器8可以执行质量控制模块28来向用户发送指示(76)。在这样的示例中，处理器8可以提示用户使用不同的照相机非固有性质(诸如照相机位置、照相机运动、闪光或其它照相机设置)来重新捕获输入图像。在其它示例中，处理器8可以提示用户利用不同照相机非固有性质来捕获制动器组件的一部分的一个或多个后续输入图像。如果较高质量的输入图像被捕获，则可以对该输入图像执行这里描述的技术。
[0095]相反地，响应于处于可接受的范围之内的质量估计参数(74的“是”分支)，处理器8可以执行长度确定模块30来基于输入图像确定磨损销14的尺寸的估计的测量结果(如上文详细描述的那样)(78)。处理器8还可以执行质量控制模块28来基于一个或多个环境条件(诸如外来物质(例如油脂、污泥、刮伤、油漆等等)的存在或照明)动态更新阈值。在一些示例中，由捕获输入图像的同一设备(即图像捕获设备4)来确定质量估计参数。在其它示例中，由从图像捕获设备4接收输入图像的远程服务器来确定质量估计参数。
[0096]在一些示例中，可以基于输入图像的对比度来确定质量估计参数。在这样的示例中，确定质量估计参数是否在可接受的范围之内可以包括处理器8执行质量控制模块28来将输入图像转换成灰度级图像。处理器8还可以执行质量控制模块28来确定灰度级图像中的平均灰度级值并且确定灰度级图像中灰度级值的标准偏差。如果灰度级值的标准偏差没有落入下限和上限之内，那么处理器8可以确定质量估计参数不处于可接受的范围之内。相反地，如果灰度级值的标准偏差落入下限和上限之内，那么处理器8可以确定质量估计参数处于可接受的范围之内。如果输入图像的对比度太高或太低，则处理器8和长度确定模块30可能不能辨别磨损销14和参考对象12以用于根据这里描述的技术来测量对象的目的。因此，在测量对象之前测量对比度可以在输入图像不满足必要的质量时节省时间和处理能力。
[0097]在一些示例中，可以基于输入图像的亮度来确定质量估计参数。在这样的示例中，确定质量估计参数是否在可接受的范围之内可以包括处理器8执行质量控制模块28来将输入图像转换成灰度级图像。处理器8还可以执行质量控制模块28来确定灰度级图像中的平均灰度级值。如果平均灰度级值没有落入下限和上限之内，那么处理器8可以确定质量估计参数不处于可接受的范围之内。相反地，如果平均灰度级值落入下限和上限之内，那么处理器8可以确定质量估计参数处于可接受的范围之内。如果输入图像的平均亮度太高或太低，则处理器8和长度确定模块30可能不能辨别磨损销14和参考对象12以用于根据这里描述的技术来测量对象的目的。因此，在测量对象之前测量亮度可以在输入图像不满足必要的质量时节省时间和处理能力。
[0098]在其它示例中，可以基于输入图像的模糊度来确定质量估计参数。在这样的示例中，确定质量估计参数是否在可接受的范围之内可以包括将输入图像划分成多个窗口。每个窗口可以与水平地邻近于相应窗口的每个窗口的一部分重叠。处理器8还可以执行质量控制模块28来基于施加在按百等分排列的可用空间频率上的快速傅立叶变换算法的量值确定多个窗口中的每一个窗口的模糊度参数。处理器8可以执行质量控制模块28来将输入图像的质量估计参数确定为每个窗口的模糊度参数的加权函数。在一些示例中，模糊度参数的加权函数可以是平均值、极小值函数或极大值函数。在其它示例中，加权函数包括与每个窗口的模糊度参数相关联的权重，其中与多个窗口中包含磨损销的窗口的模糊度参数相关联的权重是非零值，并且其中与多个窗口中不包含磨损销的每一个窗口的模糊度参数相关联的权重是零值。换句话说，仅包含输入图像中的磨损销14的窗口被用于模糊度质量预测。如果质量估计参数低于模糊度的下限，则处理器8可以确定质量估计参数不在可接受的范围之内。
[0099]相反地，如果质量估计参数高于模糊度的下限，则处理器8可以确定质量估计参数在可接受的范围之内。在各种示例中，输入图像可以被划分成任何数目的窗口，包括九个窗口、十六个窗口或二十五个窗口中的一个。在一些不例中，每个窗口的模糊度参数是相应窗口中每个像素的模糊度的平均值。在其它示例中，每个窗口的模糊度参数是相应窗口中每个像素的最小模糊度。如果输入图像太模糊，则处理器8和长度确定模块30可能不能辨别磨损销14和参考对象12以用于根据这里描述的技术来测量对象的目的。因此，在测量对象之前测量模糊度可以在输入图像不满足必要的质量时节省时间和处理能力。
[0100]在一些示例中，处理器8可以执行质量控制模块28来基于质量估计参数确定磨损销尺寸的估计的测量结果的置信度测量结果。在一些另外的示例中，如果置信度测量结果低于阈值置信度水平，则处理器8可以执行质量控制模块28来经由用户接口设备18提示用户重新捕获输入图像。处理器8还可以执行质量控制模块28来经由用户接口设备18基于质量估计参数呈现误差边界。这可以进一步帮助用户确定是否接受由图像捕获设备4提供的测量结果或者使用照相机6重新捕获图像。
[0101 ]本公开中描述的技术可以至少部分地在硬件、软件、固件或其任何组合中实施。例如，所述技术的不同方面可以在一个或多个处理器(包括一个或多个微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或任何其它等同的集成或分立逻辑电路，以及此类部件的任何组合)之内实施。术语“处理器”或“处理电路”通常可以指代前述逻辑电路(单独地或与其它逻辑电路相组合)、或任何其它等同电路中的任何一个。包括硬件的控制单元也可以执行本公开的技术中的一个或多个。
[0102]这样的硬件、软件和固件可以在同一设备内或分开的设备内实施以支持本公开中描述的各种技术。此外，可以一起实施所描述的单元、模块或部件中的任一个或者可以作为分立但可互操作的逻辑设备来分离地实施所描述的单元、模块或部件中的任一个。将不同特征描述为模块或单元意图强调不同功能方面并且并不一定暗示此类模块或单元必须由单独的硬件、固件或软件部件来实现。更确切地说，与一个或多个模块或单元相关联的功能可以由单独的硬件、固件或软件部件来执行，或者将其集成在公用或单独的硬件、固件或软件部件之内。
[0103]本公开中描述的技术还可以在包括利用指令编码的计算机可读存储介质的制造物品中具体实施或编码。在包括编码的计算机可读存储介质的制造物品中嵌入或编码的指令可以促使一个或多个可编程处理器或其它处理器实施这里描述的技术中的一个或多个，诸如当被包括在计算机可读存储介质中或在该计算机可读存储介质中被编码的指令由一个或多个处理器执行时。计算机可读存储介质可以包括随机存取存储器(RAM)、只读存储器(R0M)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪速存储器、硬盘、光盘ROM(CD-ROM)、软盘、盒式磁带、磁性介质、光学介质或其它计算机可读介质。在一些示例中，制造物品可以包括一个或多个计算机可读存储介质。
[0104]在一些示例中，计算机可读存储介质可以包括非瞬时介质。术语“非瞬时”可以指示不以载波或传播的信号来具体实施的存储介质。在某些示例中，非瞬时存储介质可以存储随着时间变化的数据(例如在RAM或高速缓存中)。
[0105]已经描述了本公开的各种示例。预期所述系统、操作或功能的任何组合。这些和其它示例在下面的权利要求的范围之内。
【主权项】
1.一种确定制动器组件中磨损销的长度的方法，该方法包括: 获得制动器组件的一部分的输入图像，其中输入图像包括参考对象和磨损销的图像，并且其中参考对象具有已知尺寸； 基于输入图像来确定参考对象的图像尺寸； 基于输入图像来确定磨损销的图像尺寸；以及 基于参考对象的图像尺寸、磨损销的图像尺寸和参考对象的已知尺寸来确定磨损销尺寸的估计的测量结果。2.根据权利要求1所述的方法，还包括: 旋转输入图像以使得磨损销在旋转的输入图像中大致水平，其中旋转输入图像包括: 对输入图像执行边缘检测分析以检测制动器组件的一个或多个边缘；以及 旋转输入图像以使得制动器组件的被检测边缘大致轴对准； 将输入图像转换成灰度级图像； 将双边滤波器应用于输入图像； 将均衡算法应用于输入图像； 为输入图像确定质量估计参数，其中该质量估计参数基于对比度参数、亮度参数和模糊度参数中的一个或多个； 确定该质量估计参数是否在可接受的范围之内； 响应于该质量估计参数不在可接受的范围之内，向用户发送指示；以及响应于该质量估计参数在可接受的范围之内，基于输入图像确定磨损销尺寸的估计的测量结果。3.—种被配置成确定制动器组件中磨损销的长度的系统，该系统包括: 照相机，其被配置成捕获制动器组件的一部分的输入图像，其中输入图像包括参考对象和磨损销的图像，并且其中参考对象具有已知尺寸；以及一个或多个处理器，其被配置成: 基于输入图像来确定参考对象的图像尺寸； 基于输入图像来确定磨损销的图像尺寸；以及 基于参考对象的图像尺寸、磨损销的图像尺寸和参考对象的已知尺寸来确定磨损销的尺寸的估计的测量结果。
【文档编号】G06T7/00GK105844611SQ201610057877
【公开日】2016年8月10日
【申请日】2016年1月28日
【发明人】S.文卡特沙, R.A.罗伊德, D.米拉拉斯瓦米, M.E.贝恩克
【申请人】霍尼韦尔国际公司