车辆的检测方法、装置、设备及存储介质

技术领域

本申请涉及车辆检测技术，尤其涉及一种车辆的检测方法、装置、设备及存储介质。

背景技术

在汽车制造领域，轮胎和底盘的检测对于确保汽车性能、安全性和乘坐舒适性至关重要。目前，许多轮胎和底盘的检查仍然依赖于人工操作，这种方法耗时且容易产生人为错误。

近年来，随着机器学习、图像处理和深度学习等技术的发展，机器视觉系统应用在车辆的轮胎和底盘检测中。在车辆到达指定位置后，获取车辆的标识码，根据标识码查询的信息作为检测标准对实际获取的车辆数据进行检测，判断是否有缺陷。目前，提供车辆到位信号的传感器是光电传感器，但光电传感器容易受到外部环境的影响，如光照强度变化、灰尘、雾霾等，这可能导致误读或误判，导致获取的标识码有误。

因此，如何准确获取每辆车的标识码是亟待解决的问题。

发明内容

本申请提供一种车辆的检测方法、装置、设备及存储介质，用以提高车辆检测过程中识别标识码的准确性。

第一方面，本申请提供一种车辆的检测方法，该方法包括：

在接收到车辆到位信号时，确定所述车辆到位信号的接收时刻距上一次获取车辆标识图像的时刻之间的时间间隔，所述车辆标识图像中包括车辆唯一的标识码；

若所述时间间隔超过预设时间间隔，获取第一图像数据和第二图像数据，所述第一图像数据为设置用于对车辆到位后的车轮进行图像采集的设备采集得到的，所述第二图像数据为设置用于对车辆到位后的车辆底盘进行图像采集的设备采集得到的；

根据所述第一图像数据和第二图像数据判断车辆是否满足预设的到位条件，所述预设的到位条件包括在第一图像数据中检测到轮胎，并且在第二图像数据中检测到车头；

在所述车辆满足所述到位条件时，获取所述车辆的标识码。

可选的，所述获取所述车辆的标识码，包括：

获取所述车辆的车辆标识图像，并记录获取所述车辆标识图像的时刻；

从所述车辆标识图像中提取所述标识码。

可选的，所述方法还包括：

根据所述标识码从车辆的生产系统中获取车辆的配置信息；

获取测试图像，并通过预先训练的机器视觉算法识别所述测试图像的测试信息，所述测试信息包括车辆轮胎的配置信息和车辆底盘的配置信息；

将所述测试信息和所述配置信息进行比较，确定检测结果，所述检测结果用于指示车辆是否合格。

可选的，所述方法还包括：

若所述时间间隔没有超过预设时间间隔，保持当前检测状态，所述检测状态包括车辆检测过程中。

可选的，所述从所述车辆标识图像提取所述标识码，包括：

将所述车辆标识图像进行预处理得到预处理图像，所述预处理包括直方图均衡化处理和/或对比度拉伸处理；

使用YOLO或Faster R-CNN目标检测算法确定所述预处理图像的文本区域；

通过预先配置的用于识别标识码的深度学习模型识别文本区域的标识码文本，得到所述标识码。

可选的，所述标识码是车辆识别码VIN码，所述方法还包括：

校验所述VIN码的位数和校验位的数值是否正确，得到校验结果；

若所述校验结果指示所述VIN码的位数不足，确定所述VIN码是否有连续三个相同字符；

若存在连续三个相同字符，则在三个相同字符后加一个相同的字符更改后的VIN码再次进行校验。

可选的，所述方法还包括：

从车辆的生产系统中获取队列中的系统标识码；

将所述标识码与所述系统标识码进行比较；

若比较结果一致，则将所述标识码确定为可使用的标识码；

若比较结果不一致，则将所述系统标识码确定为可使用的标识码。

第二方面，本申请还提供一种车辆的检测装置，所述装置包括：

确定模块，用于在接收到车辆到位信号时，确定所述车辆到位信号的接收时刻距上一次获取车辆标识图像的时刻之间的时间间隔，所述车辆标识图像中包括车辆唯一的标识码；

第一获取模块，用于若所述时间间隔超过预设时间间隔，获取第一图像数据和第二图像数据，所述第一图像数据为设置用于对车辆到位后的车轮进行图像采集的设备采集得到的，所述第二图像数据为设置用于对车辆到位后的车辆底盘进行图像采集的设备采集得到的；

判断模块，用于根据所述第一图像数据和第二图像数据判断车辆是否满足预设的到位条件，所述预设的到位条件包括在第一图像数据中检测到轮胎，并且在第二图像数据中检测到车头；

第二获取模块，用于在所述车辆满足所述到位条件时，获取所述车辆的标识码。

第三方面，本申请还提供一种电子设备，所述电子设备包括：

处理器，与所述处理器通信连接的存储器，以及与其他设备交互的通信接口；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面任一项所述的车辆的检测方法。

第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面任一项所述的车辆的检测方法。

本申请提供的车辆的检测方法、装置、设备及存储介质，该方法包括：在接收到车辆到位信号时，确定车辆到位信号的接收时刻距上一次获取车辆标识图像的时刻之间的时间间隔。若时间间隔超过预设时间间隔，获取第一图像数据和第二图像数据，根据第一图像数据和第二图像数据判断车辆是否满足预设的到位条件，该预设的到位条件包括在第一图像数据中检测到轮胎，并且在第二图像数据中检测到车头。在车辆满足到位条件时，获取车辆的标识码。通过本方法可以避免光电传感器在测试过程中或者还未开始进行实际测试时误判测试开始信号，提高测试稳定性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请提供的车辆的检测方法的应用场景示意图；

图2为本申请提供的车辆的检测方法的实施例一的流程示意图；

图3为本申请提供的车辆的检测方法的实施例二的流程示意图；

图4为本申请提供的车辆的检测方法的实施例三的流程示意图；

图5为本申请提供的车辆的检测方法的实施例四的流程示意图；

图6为本申请提供的车辆的检测装置的实施例一的结构示意图；

图7为本申请提供的一种电子设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在汽车制造领域，轮胎和底盘的检测对于确保汽车性能、安全性和乘坐舒适性至关重要。然而，传统的轮胎和底盘检测方法存在一些局限性，限制了其准确性、效率和成本效益。

传统的方式依赖于人工操作，这种方法耗时且容易产生人为错误。需要大量的人力投入，并且对工人的经验和技能有很高的依赖性。此外，人工检查的速度有限，无法满足高效生产线的要求。

基于机器视觉的技术提供了一种潜在的解决方案来改善汽车轮胎和底盘检测的准确性和效率。近年来，随着机器学习、图像处理和深度学习等技术的发展，自动化检测领域有着许多的新兴应用。这些技术能够处理大量的图像和视频数据，并从中提取有用的特征，实现自动化的轮胎和底盘检测。但是，这些系统往往受到光照条件、摄像头角度和复杂背景等因素的干扰，导致检测的准确性和一致性下降。

图1为本申请提供的车辆的检测方法的应用场景示意图，在该场景中通过车辆自动化检测系统对车辆的底盘装配信息进行检测，确保车辆装配没有缺陷。该车辆自动化检测系统包括车辆、相机、光源和控制器、光电传感器以及工控机等组件，各组件相互协作实现全面的检测功能。

车辆自动化检测系统包含若干个相机，其中一个相机用于拍摄汽车B柱上的铭牌，两个相机分别用于拍摄汽车的左右轮胎，若干相机用于拍摄汽车底盘(示例性的，使用两个相机拍摄底盘，实际可以根据相机视野以及底盘大小而定)。底盘区域较大，因此使用两个相机拍摄，并将拍摄的图片进行拼接。

光源和光源控制器：系统使用若干个光源以及光源控制器，用于给相机提供适当的照明。

光电传感器：用于检测汽车是否到位，当光电传感器捕捉到汽车的到位信号时，系统开始执行相应的检测任务。

工控机：用作系统的主要控制中心，负责接收和处理相机采集的图像数据，进行图像处理和机器视觉算法的计算，并与生成管理系统进行通信，以获取汽车的配置信息和上传检测结果。

但是，整个系统稳定运行的关键在于提供稳定的到位信号，目前常用的提供到位信号的传感器是光电传感器，光电传感器容易受到外部环境的影响，如光照强度变化、灰尘、雾霾等，这可能导致误读或误判。这里的误判分为两种：一种是汽车还没有到达指定位置，触发了误判；另一种是汽车在检测过程中触发了误判。而发生误判会中断自动化测试进程，影响生成效率，并且会导致识别的车辆标识码准确性下降。

鉴于上述问题，发明人在本领域研究过程中发现，在车辆到位之后，对车辆进行二次判断，通过摄像头采集数据，检测到图像中也指示车辆到达预设位置才启动车辆的检测可避免第一种误判；针对第二种误判，由于每辆汽车的检测时间是一定的，因此当预设时间内收到多个触发信号，可以忽略除了第一个以外其它的到位信号，可以避免第二种误判。基于此本申请提出一种车辆的检测方法、装置、设备及存储介质。

下面以工控机为执行主体，以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图2为本申请提供的车辆的检测方法的实施例一的流程示意图，如图2所示，包括如下步骤：

S101、在接收到车辆到位信号时，确定车辆到位信号的接收时刻距上一次获取车辆标识图像的时刻之间的时间间隔，车辆标识图像中包括车辆唯一的标识码。

在本步骤中，车辆在生产线上缓慢前进，每辆车的测试时间基本固定，根据每辆车的测试时间设置预设时间间隔，在预设时间间隔内车辆可以完成从开始测试到结束测试。固定位置的光电传感器在检测到车辆到位信号时，将信号发送至工控机。工控机为区分车辆到位信号是否为误判产生的，获取上一次正常测试获取车辆标识图像时的时间戳，根据本次接收到的车辆到位信号的时间戳和上一次正常测试获取车辆标识图像时的时间戳计算时间间隔。

可选的，若时间间隔没有超过预设时间间隔，忽略该车辆到位信号。

S102、若时间间隔超过预设时间间隔，获取第一图像数据和第二图像数据，该第一图像数据为设置用于对车辆到位后的车轮进行图像采集的设备采集得到的，第二图像数据为设置用于对车辆到位后的车辆底盘进行图像采集的设备采集得到的。

在本步骤中，若时间间隔超过预设时间间隔表示光电传感器没有在测试过程中另外产生多余测试开始信号的误判，因此，该车辆到位信号表示车辆需要开始进行测试。为防止车辆还未达到指定位置时或者没有车辆测试情况下触发车辆测试过程，还需要通过图像数据对车辆位置进行二次验证。

具体的，在接收到车辆到位信号并且时间间隔超过预设时间间隔时，发送拍照指令至自动化测试系统中不同位置的相机。设置在不同位置的相机是自动化测试系统中用于检测车辆装配缺陷的相机，包括对车辆轮胎位置拍摄的相机和车辆底盘位置拍摄的相机。拍摄车辆轮胎位置的相机拍摄第一图像数据，拍摄车辆底盘位置的相机拍摄第一图像数据，该图像数据可以是连续性的照片也可以是单张照片还可以视频数据，将图像数据发送给工控机。

S103、根据第一图像数据和第二图像数据判断车辆是否满足预设的到位条件，该预设的到位条件包括在第一图像数据中检测到轮胎，并且在第二图像数据中检测到车头。

在本步骤中，为检测车辆真实到达的预设位置，使用测试系统中进行检测装配的相机获取图像数据，根据图像数据确定车辆到达了预设位置。

在一种实现方式中，将第一图像数据和第二图像数据输入到预先训练的第一检测模型中，该第一检测模型会在第一图像数据和第二图像数据中检测轮胎和车头并标注出来。当检测到车轮胎和车头表示车辆满足预设的到位条件。

具体的，预先获取具有车头和轮胎的图像数据集，以用于训练和测试第一检测模型。这些图像应该包括各种不同角度和条件下的车头和轮胎。将车头和轮胎的位置标记为边界框(bounding box)或像素级掩码(mask)，选择合适的第一检测模型，如YOLO、SSD、Faster R-CNN、Mask R-CNN等。使用标注的图像数据集对选定的第一检测模型进行训练。一旦模型训练完成，可以将其用于实际图像中的目标检测。对于每张图像，第一检测模型将生成边界框或掩码，标识出车头和轮胎的位置。一旦检测到车头和轮胎的位置，表示车辆满足预设的到位条件。

可选的，第一检测模型标注出车头和轮胎位置后，判断车头和轮胎在图像中的位置是否符合预设的位置，到达预设位置时，才获取车辆标识码。示例性的，判断标注的车头是否到达图像的一半区域，若未到达一半区域，则表示车辆前进距离还不够，影响后续标识码的拍摄和识别。若到达一半区域，则满足到位条件，执行步骤S104。

S104、在车辆满足到位条件时，获取车辆的标识码。

在本步骤中，在车辆满足预设的到位条件时，表示车辆可以进行测试，则获取车辆的标识码，并记录获取车辆标识码的时刻。

在一种实现方式中，控制自动化测试系统中的铭牌拍摄相机拍摄标识码的图像，使用光学字符识别技术(Optical Character Recognition，简称：OCR)对图像上的标识码进行识别和提取。

本实施例提供一种车辆的检测方法，在接收到车辆到位信号时，确定车辆到位信号的接收时刻距上一次获取车辆标识图像的时刻之间的时间间隔。若时间间隔超过预设时间间隔，获取第一图像数据和第二图像数据，根据第一图像数据和第二图像数据判断车辆是否满足预设的到位条件，该预设的到位条件包括在第一图像数据中检测到轮胎，并且在第二图像数据中检测到车头。在车辆满足到位条件时，获取车辆的标识码。通过本方法可以避免光电传感器在测试过程中或者还未开始进行实际测试时误判测试开始信号，提高测试稳定性。

车辆测试过程中需要获取车辆的标识码，再根据车辆的标识码获取的配置信息，进而对车辆的装配是否有缺陷进行检测。而由于测试车间早中晚不同时刻光照变化较大，光线较暗时会导致标识码图像识别的细节不够清晰，而中午光照强烈又可能导致过曝，影响相机的识别准确性，而且一旦识别错误，也无法自我校验。

基于此，在上述实施例一基础上，以标识码为VIN码为例对如何获取车辆的VIN码进行详细说明，图3为本申请提供的车辆的检测方法的实施例二的流程示意图，如图3所示，包括如下步骤：

S201、在车辆满足到位条件时，根据当前系统时间调整相机的曝光亮度。

在本步骤中，由于测试过程中车间早中晚不同时间的亮度不同，根据预先设置的曝光亮度映射表和当前时间调整相机亮度，该曝光亮度映射表中存储有不同时间段对应的相机曝光亮度值。在每次车辆满足到位条件后，判断当前系统时间对应的曝光亮度和相机曝光亮度值是否相同，相同则不需要调整，不相同则调整相机亮度值。

S202、获取车辆VIN码图像。

在本步骤中，在曝光亮度值调整完成后发出控制相机拍照的指令，控制相机拍摄车辆VIN图像。

S203、对车辆VIN码图像进行自适应直方图均衡化和/或对比度拉伸处理。

在一种实现方式中，进行自适应直方图均衡化处理，将图像分割成小的局部块(例如，16x16像素的小块)。对每个局部块进行直方图均衡化。直方图均衡化是一种通过重新分布像素灰度值来扩展图像动态范围的方法，从而使得图像中的像素值更加均匀分布，使得局部块之间的过渡更加平滑。将均衡化后的局部块合并，形成增强后的图像。

在一种实现方式中，进行对比度拉伸处理，首先，遍历整个图像，找到最小灰度值(通常为0)和最大灰度值(通常为255)。这两个值用于确定原始图像的灰度范围。确定增强后的图像目标灰度范围，通常为0到255，表示最小灰度值为0，最大灰度值为255。进行灰度映射，计算每个像素值的映射函数，将原始图像中的每个像素值映射到目标灰度范围。这可以通过以下公式来实现：

新像素值＝(原始像素值–原始最小灰度值)*(目标最大灰度值-目标最小灰度值)/(原始最大灰度值-原始最小灰度值)+目标最小灰度值

其中，原始像素值是图像中的当前像素值(即原始图像的灰度值)，原始最小灰度值和原始最大灰度值分别是图像的最小和最大灰度值，目标最小灰度值和目标最大灰度值是目标灰度范围的最小和最大值。

将映射函数应用于整个图像，将每个像素值替换为映射后的新值，完成对比度拉伸处理。

在一种实现方式中，先进行自适应直方图均衡化处理，再进行对比度拉伸处理。

S204、获取VIN码图像中的文字区域。

在本步骤中，使用目标检测算法，如YOLO或Faster R-CNN，找到图像中的文字区域，并将检测到的文字区域进一步分割为单个文本行或更小的文本区域。

S205、对VIN码图像进行识别，得到VIN码。

在本步骤中，利用经过训练可以进行字符识别的序列识别模型，如循环神经网络模型(RNN)或注意力机制模型(Attention)，对VIN码进行字符级别的识别。

本实施例提供一种车辆的检测方法，在车辆到位后根据系统时间调整相机曝光度；获取车辆标识图像，对图像经过自适应直方图均衡化和/或对比度拉伸处理预处理，对处理后的图像通过预设算法识别VIN码。通过本方法可以避免测试场景在不同时间测试亮度不同导致的VIN码识别不清晰的情况，提高测试准确率。

得到VIN码后需要校验VIN码是否符合格式和规范，下面以一个实施例对此进行详细说明。

图4为本申请提供的车辆的检测方法的实施例三的流程示意图，如图4所示，包括如下步骤：

S301、获取VIN图像，根据VIN图像获取VIN码的字符数。

S302、判断VIN码是否为17个字符。

若小于17个字符，执行步骤S303；

若等于17个字符，执行步骤S305。

若大于17个字符，重新执行步骤S301，重新获取图像读取VIN码的字符数，重新执行流程三次后仍大于17个字符，则VIN码校验失败，反馈识别错误提示。

S303、判断VIN码的字符中是否有连续三个相同的字符。

若有连续三个相同的字符，执行步骤S304；

若没有连续三个相同的字符，反馈识别错误提示。

S304、在连续三个相同的字符中间添加一位相同的字符。

在本步骤中，因为直接使用市场上的字符识别模型进行识别时会存在连续四个相同字符只识别到三个的情况，为避免这种情况，在不满17位时，在检测到三个连续字符，则在三个连续字符中添加一位相同的字符之后继续执行步骤S302。

S305、将VIN码中的字母转换为大写字母。

在本步骤中，检查VIN码中的所有字符是否合法。验证VIN码是否只包含数字和大写字母，没有小写字母或其他特殊字符。如果VIN码中包含非法字符，则VIN码无效。

S306、校验VIN码的校验位数值是否正确。

在本步骤中，将VIN码中的字符根据对应的数值替换。例如，A替换为1，B替换为2，依此类推。将VIN码中所有字符替换为数值后，将这些数值相加，得到总和。计算余数。将总和除以11，得到余数。检查余数是否和VIN码的第九个字符的数值相匹配。如果余数和第九个字符的数值相等，相等则VIN码有效；否则，VIN码无效。

需要说明的是，如果计算得到的余数是10，那么VIN码的第九个字符应该是字母X。检查第九个字符是否为X，如果是，那么VIN码有效；否则，VIN码无效。

如果无效，重复采集新的图像，重复上述流程3遍。如果依然无法正确识别，则反馈识别错误提示。

若VIN码的校验位数值正确，VIN码有效，则执行步骤S307。

S307、获取测试图像，进行车辆装配信息检测。

在本步骤中，控制左右轮胎相机使用轮胎光源拍摄轮胎图像，通过机器视觉算法分析卡钳颜色、轮辋类型、轮胎装饰罩类型、轻重点角度和锥度类型等参数。控制底盘相机使用底盘光源连续拍摄底盘图像，通过机器视觉算法识别底盘型号、检测卡扣、螺栓和螺钉是否漏装。

根据VIN码从生产管理系统中获取配置信息，将识别的信息和获取的配置信息进行比对，得到最终的检测结果。

可选的，将轮胎和底盘的检测结果融合，并将结果上传到生产管理系统。

可选的，将两个底盘相机的图片拼接融合为一张图像，将存在漏装的区域标注出来。

本实施例提供一种车辆的检测方法，在获取VIN码后，对VIN码进行校验，在校验位数少于预设位数时，判断是否有连续三个相同字符，若存在连续三个相同字符，则添加一位与之相同的字符；对符合字符数要求的VIN码进行校验位的验证。通过本方法可以避免识别算法在识别VIN时出现字符漏识别，增加识别准确性。

在VIN码验证成功后，表示VIN码本身没有问题，但是还存在识别的VIN码不是当前车辆的VIN码的情况。下面以一个实施例对如何对VIN码进行验证进行详细说明。

图5为本申请提供的车辆的检测方法的实施例四的流程示意图，如图5所示，包括如下步骤：

步骤一：初始化队列。

将识别到的第一辆车的VIN码放入队列，并从生产管理系统查询接下来10辆车的VIN码信息，放入队列。

步骤二：当新车辆到来时，通过OCR技术提取铭牌上的VIN码。

步骤三：队列中的第一个VIN码出栈用于与OCR识别的下一辆车的VIN码比较。

步骤四：检查OCR是否成功识别了VIN码。

若OCR识别失败：使用队列中出栈的VIN码作为当前车辆的实际VIN码，并继续流程。

若OCR识别成功，执行步骤五。

步骤五：将识别了VIN码与出栈的二维码进行比较，确定车辆VIN码：

若OCR识别到的VIN码与队列中出栈的VIN码不一致：清空队列，表示OCR识别错误。识别错误后，有两种后续处理方式：

在一种实现方式中，将OCR识别到的VIN码作为当前车辆的实际VIN码，并使用该VIN码去生产系统查询接下来的10辆车的VIN码信息，并更新队列。

在另一种实现方式中，将队列出栈的VIN码作为当前车辆的实际VIN码。

可选的，在不一致时发出提示消息，停止测试。

若OCR识别到的VIN码与队列中出栈的VIN码一致：表示OCR识别正确，将队列中出栈的VIN码作为当前车辆的实际VIN码。

步骤六：检查队列是否为空。

在本步骤中，为持续进行检测，每次确定车辆VIN码后，还需要对队列进行更新，防止队列中没有VIN码信息。

如果队列不为空：返回步骤3，继续OCR提取下一辆车的VIN码，同时队列中出栈下一个VIN码用于与OCR识别的VIN码比较。

如果队列为空：查询接下来10辆车的VIN码信息，放入队列，并返回步骤3，继续OCR提取下一辆车的VIN码。

本实施例提供一种对车辆VIN码二次检验的方法，通过与生产系统进行交互，如果某个VIN码识别失败，直接使用队列中的VIN码可以确保生产顺序的连贯性。并且OCR识别得到的VIN码可能会有遗漏或错误的情况，而队列中维护的VIN码信息来自生产系统，可以用于填补缺失或纠正错误。

图6为本申请提供的车辆的检测装置的实施例一的结构示意图，如图6所示，该车辆的检测装置600包括：

确定模块611，用于在接收到车辆到位信号时，确定所述车辆到位信号的接收时刻距上一次获取车辆标识图像的时刻之间的时间间隔，所述车辆标识图像中包括车辆唯一的标识码；

第一获取模块612，用于若所述时间间隔超过预设时间间隔，获取第一图像数据和第二图像数据，所述第一图像数据为设置用于对车辆到位后的车轮进行图像采集的设备采集得到的，所述第二图像数据为设置用于对车辆到位后的车辆底盘进行图像采集的设备采集得到的；

判断模块613，用于根据所述第一图像数据和第二图像数据判断车辆是否满足预设的到位条件，所述预设的到位条件包括在第一图像数据中检测到轮胎，并且在第二图像数据中检测到车头；

第二获取模块614，用于在所述车辆满足所述到位条件时，获取所述车辆的标识码。

可选的，所述第二获取模块614具体用于：

获取所述车辆的车辆标识图像，并记录获取所述车辆标识图像的时刻；

从所述车辆标识图像中提取所述标识码。

可选的，所述装置还包括识别模块615：

所述第一获取模块612，还用于根据所述标识码从车辆的生产系统中获取车辆的配置信息；

所述识别模块615，用于获取测试图像，并通过预先训练的机器视觉算法识别所述测试图像的测试信息，所述测试信息包括车辆轮胎的配置信息和车辆底盘的配置信息；

所述判断模块613，还用于将所述测试信息和所述配置信息进行比较，确定检测结果，所述检测结果用于指示车辆是否合格。

可选的，若所述时间间隔没有超过预设时间间隔，保持当前检测状态，所述检测状态包括车辆检测过程中。

可选的，所述第二获取模块614还用于：

将所述车辆标识图像进行预处理得到预处理图像，所述预处理包括直方图均衡化处理和/或对比度拉伸处理；

使用YOLO或Faster R-CNN目标检测算法确定所述预处理图像的文本区域；

通过预先配置的用于识别标识码的深度学习模型识别文本区域的标识码文本，得到所述标识码。

可选的，所述标识码是车辆识别码VIN码，所述装备还包括校验模块616，所述校验模块616用于：

校验所述VIN码的位数和校验位的数值是否正确，得到校验结果；

若所述校验结果指示所述VIN码的位数不足，确定所述VIN码是否有连续三个相同字符；

若存在连续三个相同字符，则在三个相同字符后加一个相同的字符更改后的VIN码再次进行校验。

可选的，所述校验模块616还用于：

从车辆的生产系统中获取队列中的系统标识码；

将所述标识码与所述系统标识码进行比较；

若比较结果一致，则将所述标识码确定为可使用的标识码；

若比较结果不一致，则将所述系统标识码确定为可使用的标识码。

本申请实施例提供的车辆的检测装置，用于实现前述方法实施例中任一项所述的车辆的检测方法，其实现原理和技术效果类似，在此不做赘述。

图7为本申请提供的一种电子设备的结构示意图，如图6所示，该电子设备700包括：

处理器711，与所述处理器通信连接的存储器712，以及与其他设备交互的通信接口713；

所述存储器712存储计算机执行指令；

所述处理器711执行所述存储器存储的计算机执行指令，以实现上述任一方法实施例所述车辆的检测方法。

可选的，该电子设备700的上述各个器件之间可以通过系统总线连接。

存储器712可以是单独的存储单元，也可以是集成在处理器711中的存储单元。处理器711的数量为一个或者多个。

应理解，处理器711可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

系统总线可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。存储器可能包括随机存取存储器(randomaccess memory，RAM)，也可能还包括非易失性存储器(non-volatile memory，NVM)，例如至少一个磁盘存储器。

实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储器中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储器(存储介质)包括：只读存储器(read-only memory，ROM)、RAM、快闪存储器、硬盘、固态硬盘、磁带(magnetic tape)、软盘(floppy disk)、光盘(optical disc)及其任意组合。

本申请实施例提供的电子设备，用于实现前述方法实施例中任一项所述的车辆的检测方法，其实现原理和技术效果类似，在此不做赘述。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如前述方法实施例中任一项所述的车辆的检测方法。

可以理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(doubledata rateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。应注意，上述涉及的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，至少一个处理器可以从该计算机可读存储介质中读取该计算机程序，至少一个处理器执行计算机程序时可实现前述方法实施例中任一项所述的车辆的检测方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。