CN106504629A - 一种基于增强现实技术的汽车组装演示记忆系统 - Google Patents

Abstract

本发明公开了一种基于增强现实技术的汽车组装演示记忆系统，包括：存储有汽车的多种零部件的图形信息、二维码信息和零部件的性能指标信息的数据存储单元；AR识别处理单元和与所述数据存储单元和AR识别处理单元数据通信的重建单元。本发明采用数据存储单元存储汽车每个零部件的图形信息、二维码信息和该部件各项性能指标信息，所述AR识别处理单元对该部件的图形信息进行识别在三维立体空间下进行部件的识别和虚拟环境下的显示，然后通过重建单元对该部件的性能进行安全性能的检测和汽车局部结构的组装，使用户得到更真实的汽车组装过程。

Description

一种基于增强现实技术的汽车组装演示记忆系统

技术领域

本发明涉及计算机控制领域，尤其涉及一种基于增强现实技术的汽车组装演示记忆系统。

背景技术

AR即增强现实是计算机领域中采用计算机技术生成的基于视觉、听觉和触觉等感觉的虚拟环境，通过各种传感器使用户沉浸在虚拟的逼真的环境中，从而实现与指定环境的自然交互。使用者不仅能够通过虚拟现实系统感受到客观屋里世界中所经历的“身临其境”的逼真性，而且能够突破空间、时间以及其他客观限制，感受到真实世界中无法体验到的体验。因此AR技术是目前科技社会发展的趋向和主流受到广大用户的关注。

在增强现实的环境中，使用者可以看到真实环境的同时还可以看到计算机产生的增强的信息，可以将显示器屏幕扩展到真实环境，使计算机窗口与图标叠映于现实对象中，然后由用户的眼睛或者是手指进行点击操作，让三维物体在用户的全景视野中根据当前任务或需要进行交互改变其形状或者外观，将虚拟场景叠加到真实场景中。因此它被广泛应用到军事、医学、制造、娱乐等多个领域。

目前汽车制造业得到飞速的发展，而汽车的质量和性能也同样得到广大用户的关注，社会现象中出现汽车在出厂使用一段时间后出现汽车性能下降或者汽车不符合国家安全标准，因此出现大量汽车被召回的现象，这给广大的用户带来很多安全困扰。因此我们对汽车出厂前需要严格的要求，因此汽车的组装过程非常重要，目前汽车的零部件组装都是在车间进行，工人想要学习汽车的组装都必须是观看视频图像，没有得到更真实的感受。

发明内容

根据现有技术存在的问题，本发明公开了一种基于增强现实技术的汽车组装演示记忆系统，包括：存储有汽车的多种零部件的图形信息、二维码信息和零部件的性能指标信息的数据存储单元；

AR识别处理单元：采用虚拟现实技术对所述数据存储单元内的汽车的零部件的图形信息进行识别，将二维空间内的图形信息进行三维空间的转换使得在该单位内出现识别对象在该三维场景下的虚拟模型；

所述AR识别处理单元对图形信息进行识别时采用平滑滤波方法去除特征曲线中的噪声，找到图形信息中的局部极值点，根据图形中曲线幅度检测方法获取局部特征点，对上述方法进行循环最后获得该图形信息的整体图像。

与所述数据存储单元和AR识别处理单元数据通信的重建单元：在三维空间下所述重建单元调取对应零部件的性能指标信息和根据该信息建立虚拟环境下组装环境，对该汽车的零部件进行组装并对组装成的结构进行指标检查。

所述重建单元包括模型拆装模块、组装分层模块和记忆模块，当进行汽车的零部件组装时所述模型拆装模块对零件进行组装或者拆分、根据零件规格自由度的不同选择合适的装配模型、所述记忆模块对组装过程进行实时动作跟踪和记录，根据零部件的种类和选取工作的不同所述组装分层模块根据不同的组装场景对其进行分层存储。

所述AR识别处理单元在三维空间下识别处理汽车零部件在二维空间下的数据信息时首先采集该零部件的特征点信息，获取该图形信息的高光谱图像信息采集到其高光谱图像像元的信号源包括地物目标D、背景部分U和干扰信号I,已知高光谱数据中的每种地物样本为H_m(i)，m为地物类号1≤m≤p，1≤i≤N_m，N_m为m类地物的学习样本数目；

根据高光谱样本分类的标签，按照以下公式进行待分类地物目标d_m的计算：

根据分类的类别数目p，生成待分类目标端元的光谱签名矩阵D¹＝[d₁,d₂,...d_p]，其中d_i(1≤m≤p)为第i个类别的光谱签名,1/λ为提取的学习样本比例；

根据该零件对应的光谱签名信息来进行三维场景下的虚拟模型的建立。

所述AR识别处理单元在对汽车零部件的图形信息进行识别时：首先计算该图形信息的特征点的曲线信息，采用平滑滤波方法去除曲线中的噪声，找到曲线的局部极值点包括极大值和极小值，再多该极值点两侧的幅度曲线进行检测，对最小幅度和最大幅度进行比较，如果最小幅度比最大幅度的δ倍小，其中δ取小数，则记录此极值点，对得到的极值点进行筛选查看，如果初级极值点之间的距离小于设定的距离值，则对初级极值点进行筛选；如果初级极值点之间的距离大于设定的距离值，则按照以上公开的方法继续查找初级极值点，直到获取最后一个极值点为止。

由于采用了上述技术方案，本发明提供的基于增强现实技术的汽车零部件质检系统，采用数据存储单元存储汽车每个零部件的图形信息、二维码信息和该部件各项性能指标信息，所述AR识别处理单元对该部件的图形信息进行识别在三维立体空间下进行部件的识别和虚拟环境下的显示，然后通过重建单元对该部件的性能进行安全性能的检测和汽车局部结构的组装。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明系统的结构示意图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1所示的一种基于增强现实技术的汽车组装演示记忆系统，包括：存储有汽车的多种零部件的图形信息、二维码信息和零部件的性能指标信息的数据存储单元。在实际过程中用户可以将汽车的多个零部件信息进行分类存储，其中包括每个零部件的图形信息以及各项指标信息，例如该部件的出厂时间信息、功能信息、安装说明信息等等。

AR识别处理单元：采用虚拟现实技术对所述数据存储单元内的汽车的零部件的图形信息进行识别，将二维空间内的图形信息进行三维空间的转换使得在该单位内出现识别对象在该三维场景下的虚拟模型。AR识别处理单元中设置有摄像头采集单元来实时采集汽车零部件的图形信息或者是二维码信息，然后将二维空间的图形转成三维空间下虚拟的零部件图形，使用户在AR识别处理单元下可以观看到虚拟环境下的汽车零部件，并且可以调取该汽车零部件的真实性能信息。

与所述数据存储单元和AR识别处理单元数据通信的重建单元：在三维空间下所述重建单元调取对应零部件的性能指标信息和根据该信息建立虚拟环境下组装环境，对该汽车的零部件进行组装并对组装成的结构进行指标检查。在虚拟环境下重建单元对该零部件进行组装，组装成汽车的局部结构，这样用户可以随时观看到每个汽车部件是如何组装的。

所述重建单元包括模型拆装模块、组装分层模块和记忆模块，当进行汽车的零部件组装时所述模型拆装模块对零件进行组装或者拆分、根据零件规格自由度的不同选择合适的装配模型、所述记忆模块对组装过程进行实时动作跟踪和记录，根据零部件的种类和选取工作的不同所述组装分层模块根据不同的组装场景对其进行分层存储。由于零部件在拆装过程中需要对应的拆装模型进行配合组装，因此模型拆装模块根据对应零部件的尺寸和性能指标选择其最合适的拆装模型进行组装，在组装的过程中用户需要对每个动作进行观看当需要重点的动作时我们需要重点分析和记录，因此采用记忆模块对每个动作进行记录，帮助我们查询使用。对于不同规格的零件或者拆装环境的不同我们采用组装分层模块对其进行分层处理。

进一步的，所述AR识别处理单元在三维空间下识别处理汽车零部件在二维空间下的数据信息时首先采集该零部件的特征点信息，获取该图形信息的高光谱图像信息采集到其高光谱图像像元的信号源包括地物目标D、背景部分U和干扰信号I,已知高光谱数据中的每种地物样本为H_m(i)，m为地物类号1≤m≤p，1≤i≤N_m，N_m为m类地物的学习样本数目；

根据高光谱样本分类的标签，按照以下公式进行待分类地物目标d_m的计算：

根据分类的类别数目p，生成待分类目标端元的光谱签名矩阵D¹＝[d₁,d₂,...d_p]，其中d_i(1≤m≤p)为第i个类别的光谱签名,1/λ为提取的学习样本比例；

根据该零件对应的光谱签名信息来进行三维场景下的虚拟模型的建立。

进一步的，所述AR识别处理单元在对汽车零部件的图形信息进行识别时：首先计算该图形信息的特征点的曲线信息，采用平滑滤波方法去除曲线中的噪声，找到曲线的局部极值点包括极大值和极小值，再多该极值点两侧的幅度曲线进行检测，对最小幅度和最大幅度进行比较，如果最小幅度比最大幅度的δ倍小，其中δ取小数，则记录此极值点，对得到的极值点进行筛选查看，如果初级极值点之间的距离小于设定的距离值，则对初级极值点进行筛选；如果初级极值点之间的距离大于设定的距离值，则按照以上公开的方法继续查找初级极值点，直到获取最后一个极值点为止。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种基于增强现实技术的汽车组装演示记忆系统，其特征在于包括：存储有汽车的多种零部件的图形信息、二维码信息和零部件的性能指标信息的数据存储单元；

AR识别处理单元：采用虚拟现实技术对所述数据存储单元内的汽车的零部件的图形信息进行识别，将二维空间内的图形信息进行三维空间的转换使得在该单位内出现识别对象在该三维场景下的虚拟模型；

所述AR识别处理单元对图形信息进行识别时采用平滑滤波方法去除特征曲线中的噪声，找到图形信息中的局部极值点，根据图形中曲线幅度检测方法获取局部特征点，对上述方法进行循环最后获得该图形信息的整体图像；

与所述数据存储单元和AR识别处理单元数据通信的重建单元：在三维空间下所述重建单元调取对应零部件的性能指标信息和根据该信息建立虚拟环境下组装环境，对该汽车的零部件进行组装并对组装成的结构进行指标检查；

所述重建单元包括模型拆装模块、组装分层模块和记忆模块，当进行汽车的零部件组装时所述模型拆装模块对零件进行组装或者拆分、根据零件规格自由度的不同选择合适的装配模型、所述记忆模块对组装过程进行实时动作跟踪和记录，根据零部件的种类和选取工作的不同所述组装分层模块根据不同的组装场景对其进行分层存储。

2.根据权利要求1所述的一种基于增强现实技术的汽车组装演示记忆系统，其特征还在于：所述AR识别处理单元在三维空间下识别处理汽车零部件在二维空间下的数据信息时首先采集该零部件的特征点信息，获取该图形信息的高光谱图像信息采集到其高光谱图像像元的信号源包括地物目标D、背景部分U和干扰信号I,已知高光谱数据中的每种地物样本为H_m(i)，m为地物类号1≤m≤p，1≤i≤N_m，N_m为m类地物的学习样本数目；

根据高光谱样本分类的标签，按照以下公式进行待分类地物目标d_m的计算：

$d_m=\frac{1}{N_m/\mathrm{\λ}}\left(\underset{i=1}{\overset{N_m}{\Σ}}{H}_m\right(i\left)\right)$

根据分类的类别数目p，生成待分类目标端元的光谱签名矩阵D¹＝[d₁,d₂,...d_p]，其中d_i(1≤m≤p)为第i个类别的光谱签名,1/λ为提取的学习样本比例；

根据该零件对应的光谱签名信息来进行三维场景下的虚拟模型的建立。

3.根据权利要求1所述的一种基于增强现实技术的汽车组装演示记忆系统，其特征还在于：所述AR识别处理单元在对汽车零部件的图形信息进行识别时：首先计算该图形信息的特征点的曲线信息，采用平滑滤波方法去除曲线中的噪声，找到曲线的局部极值点包括极大值和极小值，再多该极值点两侧的幅度曲线进行检测，对最小幅度和最大幅度进行比较，如果最小幅度比最大幅度的δ倍小，其中δ取小数，则记录此极值点，对得到的极值点进行筛选查看，如果初级极值点之间的距离小于设定的距离值，则对初级极值点进行筛选；如果初级极值点之间的距离大于设定的距离值，则按照以上公开的方法继续查找初级极值点，直到获取最后一个极值点为止。