CN116030223A - 车辆图像生成方法、装置、计算机设备及存储介质 - Google Patents

车辆图像生成方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN116030223A
CN116030223A CN202211723769.7A CN202211723769A CN116030223A CN 116030223 A CN116030223 A CN 116030223A CN 202211723769 A CN202211723769 A CN 202211723769A CN 116030223 A CN116030223 A CN 116030223A
Authority
CN
China
Prior art keywords
vehicle
image
data
real
action
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211723769.7A
Other languages
English (en)
Inventor
袁浩
李维川
赵鑫
宦瑞坤
廖登
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Yungu Technology Co Ltd
Original Assignee
Zhongke Yungu Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongke Yungu Technology Co Ltd filed Critical Zhongke Yungu Technology Co Ltd
Priority to CN202211723769.7A priority Critical patent/CN116030223A/zh
Publication of CN116030223A publication Critical patent/CN116030223A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Processing Or Creating Images (AREA)

Abstract

本发明涉及车辆监测领域,公开了一种车辆图像生成方法、装置、计算机设备及存储介质。车辆图像生成方法包括:基于车辆的实体结构模型,生成车辆的三维建模模型;根据车辆的运行动作规则,生成车辆的运行动画;基于获取到的车辆的实时运行数据,确定车辆的实时动作数据;根据实时动作数据、运行动画及三维建模模型,生成车辆的车辆仿真图像;将车辆仿真图像与获取到的实景环境图像进行融合,生成车辆的状态显示图像。状态显示图像可以快速确定车辆的部件的位置和形变,以确定车辆运行工况。同时,状态显示图像又可以确定车辆的作业环境信息,进而确定作业环境对车辆运行工况的影响,提高得到的运行工况准确性和可靠性。

Description

车辆图像生成方法、装置、计算机设备及存储介质
技术领域
本发明涉及车辆监测领域,具体地涉及车辆图像生成方法、装置、计算机设备及存储介质。
背景技术
泵车又称为混凝土泵车,是利用压力将混凝土沿管道进行连续输送的机械设备。通常泵车内设置有多个不同种类的传感器,用于在泵车作业过程中实时获取电机转速、油缸压力等泵车运行数据。根据实时获取到的泵车运行数据析泵车的当前状态,确定泵车是否发生故障,进而保证泵车能够可靠作业。通常基于传感器得到的泵车运行数据是字符类型的数据,如电机转速数值。
然而,泵车作业过程中,泵车的部件会发生形变动作以及泵车会进行整车移动的动作。字符类型的泵车运行数据无法直观的观测到泵车的部件动作,进而导致泵车运行数据无法准确确定泵车的运行工况。此外,泵车的作业环境也会对泵车的运行工况造成影响,利用传感器得到的泵车运行数据无法确定泵车的作业环境信息,导致基于泵车运行数据确定泵车运行工况不准确,影响了泵车的现场作业效率。
发明内容
本发明实施例的目的是提供一种设备,该设备用于解决确定的车辆运行工况不准确的问题。
本发明实施例的目的是提供一种设备,该设备用于解决确定的车辆运行工况不准确的问题。
为了实现上述目的,第一方面,本申请提供一种车辆图像生成方法,所述方法包括:
基于车辆的实体结构模型,生成所述车辆的三维建模模型;
根据所述车辆的运行动作规则,生成所述车辆的运行动画;
基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据;
根据所述实时动作数据、所述运行动画及所述三维建模模型,生成所述车辆的车辆仿真图像;
将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像。
结合第一方面,在第一种可能的实现方式中,所述基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据,包括:
获取所述车辆的历史运行数据,并基于所述历史运行数据进行仿真模型训练,构建所述车辆的动作仿真模型;
将所述实时运行数据输入至所述动作仿真模型,得到所述车辆的实时动作数据。
结合第一方面的第一种可能的实现方式,在第二种可能的实现方式中,所述方法还包括:
根据接收到的所述车辆的数据显示请求,将所述历史运行数据转换为图形图表数据,并显示所述图形图表数据。
结合第一方面,在第三种可能的实现方式中,所述将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像,包括:
在获取到所述车辆的第一视角的实景环境图像的情况下,基于所述车辆的第一视角和所述实景环境图像,确定所述车辆的实景视角图像;
将所述实景视角图像与所述车辆仿真图像进行融合,生成所述车辆的状态显示图像。
结合第一方面,在第四种可能的实现方式中,所述将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像,包括:
在获取到所述车辆的第三视角的实景环境图像的情况下,确定所述实景环境图像中所述车辆的实景蒙版图像;
将所述实景环境图像中的实景蒙版图像替换为所述车辆仿真图像,生成所述车辆的状态显示图像。
结合第一方面,在第五种可能的实现方式中,所述基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据之后,还包括:
基于所述视频数据,更新所述实时动作数据,其中,所述视频数据包括所述车辆的动作图像。
结合第一方面,在第六种可能的实现方式中,所述将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像之后,还包括:
将车辆控制指令发送至所述车辆,并基于所述车辆控制指令,更新所述车辆的状态显示图像。
结合第一方面,在第七种可能的实现方式中,所述方法还包括:
响应接收到的车辆故障信号,获取所述车辆中每个部件的图像,并对存在故障的部件的图像添加标识;
根据每个所述部件的图像,生成所述车辆的拆解图像。
结合第一方面,在第八种可能的实现方式中,所述基于车辆的实体结构模型,生成所述车辆的三维建模模型,包括:
基于车辆的实体结构模型和实体结构图像,生成所述车辆的三维建模模型。
第二方面,本申请提供一种车辆图像生成装置,其特征在于,所述装置包括:
三维建模模块,用于基于车辆的实体结构模型,生成所述车辆的三维建模模型;
运行动画生成模块,用于根据所述车辆的运行动作规则,生成所述车辆的运行动画;
实时动作数据确定模块,用于基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据;
仿真图像生成模块,用于根据所述实时动作数据、所述运行动画及所述三维建模模型,生成所述车辆的车辆仿真图像;
状态显示图像生成模块,用于将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像。
第三方面,本申请提供一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器执行时,实现如权利要求第一方面所述的车辆图像生成方法。
第四方面,本申请提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求第一方面所述的车辆图像生成方法。
本申请提供一种车辆图像生成方法,所述方法包括:基于车辆的实体结构模型,生成所述车辆的三维建模模型;根据所述车辆的运行动作规则,生成所述车辆的运行动画;基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据;根据所述实时动作数据、所述运行动画及所述三维建模模型,生成所述车辆的车辆仿真图像;将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像。状态显示图像可以快速确定车辆的部件的位置和形变,以确定车辆运行工况。同时,状态显示图像又可以确定车辆的作业环境信息,进而确定作业环境对车辆运行工况的影响,提高得到的运行工况准确性和可靠性。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1示出了本申请实施例提供的车辆图像生成方法的第一种流程图;
图2示出了本申请实施例提供的车辆图像生成方法的第二种流程图;
图3示出了本申请实施例提供的车辆图像生成方法的第三种流程图;
图4示出了本申请实施例提供的车辆图像生成装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下文中,可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
实施例1
请参阅图1,图1示出了本申请实施例提供的车辆图像生成方法的第一种流程图。图1中的车辆图像生成方法包括:
S110,基于车辆的实体结构模型,生成所述车辆的三维建模模型。
为便于理解,本申请的实施例中的车辆为泵车,本申请的车辆图像生成方法应用于计算机设备。获取车辆的实体结构模型,基于车辆的实体结构模型,确定车辆所包括的所有部件,其中,部件可以为电机等,在此不做赘述。根据车辆的的所有部件的位置和形状,生成车辆的三维建模模型。
需要理解的是,车辆的实体结构模型是一种工业模型。通常泵车等大型的工程机械在设计阶段,都会制作与泵车一致的实体结构模型。可根据实体结构模型,快速确定车辆的结构,进而生成车辆的三维建模模型,进而利用三维建模模型观察车辆的结构。
作为一个示例,所述方法还包括:
响应接收到的车辆故障信号,获取所述车辆中每个部件的图像,并对存在故障的部件的图像添加标识;
根据每个所述部件的图像,生成所述车辆的拆解图像。
生成车辆的三维建模模型,可生成车辆的所有部件的图像,并根据部件的用途,对每个部件进行分类,在此不做赘述。在车辆检测到发送故障的情况,车辆发送故障信号至计算机设备。计算机设备响应接收到的车辆故障信号,获取车辆的所有部件的图像。同时,根据接收到的车辆故障信号,确定发生故障的部件,对存在故障的部件的图像添加标识。标识的类型是根据实际需求选择,在此不做限定。为便于理解,本申请的实施例中,标识为故障的部件的图像变色且闪烁。
根据每个部件的图像,生成车辆的拆解图像。具体地,拆解图像可以是爆炸图,在此不做赘述。根据拆解图像排查故障原因,以指定车辆的现场维修作业。
作为一个示例,所述基于车辆的实体结构模型,生成所述车辆的三维建模模型,包括:
基于车辆的实体结构模型和实体结构图像,生成所述车辆的三维建模模型。
在存在车辆的实体结构图像的情况,可根据实体结构图像快速确定车辆的实体结构,其中,实体结构图像可以是任意的影像信息,可以是包括车辆外形的照片等,在此不做限定。基于车辆的实体结构模型和实体结构图像,生成车辆的三维建模模型,以提高三维建模模型的精确度。
需要理解的是,可以根据车辆的实际材质,对三维建模模型进行材质制作。还可以对三维建模模型烘焙以产生阴影,具体地,对三维建模模型的被遮挡位置进行删面处理,对三维建模模型阴影烘焙成阴影,以提高计算机设备处理三维建模模型时的运行速度。
S120,根据所述车辆的运行动作规则,生成所述车辆的运行动画。
泵车作业时,泵车的每个部件的运行动作将导致部件发生位置变化或/和发生形变。需要理解的是,运行动作规则包括车辆部件的运行规程、工作原理等,在此不做赘述。根据车辆的运行动作规则,确定车辆作业时每个部件的位置变化规律或/和形变规律,进而生成车辆的运行动画。可利用车辆的运行动画快速确定车辆作业时每个部件的位置和形变。
S130,基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据。
需要理解的是,实时运行数据的类型是根据实际需求选择的,可以电机转速、压力值、角度及速度等任意用于确定车辆当前运行状态的数据。基于获取到的车辆的实时运行数据,确定车辆的实时动作数据。以获取到实时运行数据为压力数据为例,可根据压力数据确定部件的形变,进而确定部件的当前运行动作。
作为一个示例,所述基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据,包括:
获取所述车辆的历史运行数据,并基于所述历史运行数据进行仿真模型训练,构建所述车辆的动作仿真模型;
将所述实时运行数据输入至所述动作仿真模型,得到所述车辆的实时动作数据。
将车辆的历史运行数据存储至大数据服务器,在此不做赘述。在大数据服务器存储有足够数量的历史运行数据作为样本数据的情况下,基于历史运行数据进行仿真模型训练,构建车辆的动作仿真模型。将实时运行数据输入至动作仿真模型,动作仿真模型输出车辆的实时动作数据,并将实时动作数据作为生成仿真图像的数据源。
在一个可选的示例中,所述方法还包括:
根据接收到的所述车辆的数据显示请求,将所述历史运行数据转换为图形图表数据,并显示所述图形图表数据。
通过需要利用不同的维度分析数据关系,根据接收到的车辆的数据显示请求,将历史运行数据转换为图形图表数据,并将图形图表数据浮动显示至数据表层。
请参阅图2,图2示出了本申请实施例提供的车辆图像生成方法的第二种流程图。作为一个示例,所述基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据之后,还包括:
S131,基于所述视频数据,更新所述实时动作数据。
视频数据包括车辆的动作图像,可根据视频数据快速且准确的确定车辆的部件运行动作。具体地,可通过历史视频数据训练视频识别模型,将获取到的视频数据输入至训练后视频识别模型,视频识别模型输出识别的车辆动作图像。
在实时获取到包括车辆的动作图像的视频数据的情况下,基于视频数据确定得到实时动作数据是否存在误差,并修正存在误差的实时动作数据,更新实时动作数据,使得实时动作数据能够准确反映车辆的每个部件的运行动作。
S140,根据所述实时动作数据、所述运行动画及所述三维建模模型,生成所述车辆的车辆仿真图像。
通常生成的三维建模模型是车辆处于未作业状态下的图像。在车辆处于作业状态的情况下,车辆的部件运行动作将导致部件发生位置变化或形变。根据实时动作数据和运行动画,确定车辆的所有部件的当前运行动作。基于所有部件的当前运行动作,确定每个部件的位置和形变的变化情况。根据每个部件的位置和形变,调整三维建模模型中每个部件的位置和形状,生成车辆的车辆仿真图像,以通过车辆仿真图像还原车辆在作业环境的当前状态。
S150,将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像。
车辆进行现场作业时,获取车辆的作业场地的实景环境图像。将车辆仿真图像与实景环境图像进行融合,生成车辆的状态显示图像。相对于车辆的实体图像,状态显示图像可以快速确定车辆的部件的位置和形变,以确定车辆运行工况。同时,状态显示图像又可以确定车辆的作业环境信息,进而确定作业环境对车辆运行工况的影响,提高得到的运行工况准确性和可靠性。
需要理解的是,还可以在状态显示图像的表层显示车辆的实时运行数据,以利用不同的维度分析数据关系,在此不做赘述。
作为一个示例,所述将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像,包括:
在获取到所述车辆的第一视角的实景环境图像的情况下,基于所述车辆的第一视角和所述实景环境图像,确定所述车辆的实景视角图像;
将所述实景视角图像与所述车辆仿真图像进行融合,生成所述车辆的状态显示图像。
第一视角的实景环境图像是以车辆为第一人称视角获取到的实景环境图像。具体地,通常泵车装备有环720度车载监控,以对泵车周围的作业场地的进行图像捕捉。环720度车载监控得到的图像即第一视角的实景环境图像。
在获取到车辆的第一视角的实景环境图像的情况下,以生成的车辆仿真图像为前景和视角旋转中心,确定车辆的第一视角。基于车辆的第一视角下环720度车载监控获取到的实景环境图像,确定车辆的实景视角图像。将实景视角图像与车辆仿真图像进行融合,生成车辆的状态显示图像。
作为一个示例,所述将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像,包括:
在获取到所述车辆的第三视角的实景环境图像的情况下,确定所述实景环境图像中所述车辆的实景蒙版图像;
将所述实景环境图像中的实景蒙版图像替换为所述车辆仿真图像,生成所述车辆的状态显示图像。
第三视角的实景环境图像是以车辆为第三人称视角获取到的实景环境图像。具体地,在泵车的作业环境设置有摄像头的情况,摄像头用于对车辆和作业环境进行图像捕捉。摄像头得到的图像即第三视角的实景环境图像。
对第三视角的实景环境图像进行识别,确定车辆的蒙版,进而确定实景环境图像中车辆的实景蒙版图像。将实景环境图像中的实景蒙版图像替换为车辆仿真图像,将车辆仿真图像与蒙版以外的实景环境图像进行融合,生成车辆的状态显示图像。
请参阅图3,图3示出了本申请实施例提供的车辆图像生成方法的第三种流程图。
作为一个示例,所述将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像之后,还包括:
S160,将车辆控制指令发送至所述车辆,并基于所述车辆控制指令,更新所述车辆的状态显示图像。
由于状态显示图像还原了车辆在作业环境的状态,可根据状态显示图像对车辆进行远程控制。将车辆控制指令发送至车辆,控制车辆进行作业。同时,基于车辆控制指令确定车辆的动作,并基于车辆的动作控制车辆的三维建模模型进行动作,更新车辆的车辆仿真图像,进而更新车辆的状态显示图像。
本申请提供一种车辆图像生成方法,所述方法包括:基于车辆的实体结构模型,生成所述车辆的三维建模模型;根据所述车辆的运行动作规则,生成所述车辆的运行动画;基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据;根据所述实时动作数据、所述运行动画及所述三维建模模型,生成所述车辆的车辆仿真图像;将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像。状态显示图像可以快速确定车辆的部件的位置和形变,以确定车辆运行工况。同时,状态显示图像又可以确定车辆的作业环境信息,进而确定作业环境对车辆运行工况的影响,提高得到的运行工况准确性和可靠性。
实施例2
请参阅图4,图4示出了本申请实施例提供的车辆图像生成装置的结构示意图。图4中的车辆图像生成装置200,包括:
三维建模模块210,用于基于车辆的实体结构模型,生成所述车辆的三维建模模型;
运行动画生成模块220,用于根据所述车辆的运行动作规则,生成所述车辆的运行动画;
实时动作数据确定模块230,用于基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据;
仿真图像生成模块240,用于根据所述实时动作数据、所述运行动画及所述三维建模模型,生成所述车辆的车辆仿真图像;
状态显示图像生成模块250,用于将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像。
作为一个示例,所述实时动作数据确定模块230,包括:
仿真模型构建子模块,用于获取所述车辆的历史运行数据,并基于所述历史运行数据进行仿真模型训练,构建所述车辆的动作仿真模型;
实时动作数据得到子模块,用于将所述实时运行数据输入至所述动作仿真模型,得到所述车辆的实时动作数据。
在一个可选的示例中,所述车辆图像生成装置200,还包括:
数据显示模块,用于根据接收到的所述车辆的数据显示请求,将所述历史运行数据转换为图形图表数据,并显示所述图形图表数据。
作为一个示例,所述状态显示图像生成模块250,包括:
实景视角图像确定子模块,用于在获取到所述车辆的第一视角的实景环境图像的情况下,基于所述车辆的第一视角和所述实景环境图像,确定所述车辆的实景视角图像;
第一视角显示图像生成子模块,用于将所述实景视角图像与所述车辆仿真图像进行融合,生成所述车辆的状态显示图像。
作为一个示例,所述状态显示图像生成模块250,包括:
实景蒙版图像确定子模块,用于在获取到所述车辆的第三视角的实景环境图像的情况下,确定所述实景环境图像中所述车辆的实景蒙版图像;
第三视角显示图像生成子模块,用于将所述实景环境图像中的实景蒙版图像替换为所述车辆仿真图像,生成所述车辆的状态显示图像。
在一个可选的示例中,所述车辆图像生成装置200,还包括:
实时动作数据更新模块,用于基于所述视频数据,更新所述实时动作数据,其中,所述视频数据包括所述车辆的动作图像。
在一个可选的示例中,所述车辆图像生成装置200,还包括:
车辆控制模块,用于将车辆控制指令发送至所述车辆,并基于所述车辆控制指令,更新所述车辆的状态显示图像。
在一个可选的示例中,所述车辆图像生成装置200,还包括:
标识添加模块,用于响应接收到的车辆故障信号,获取所述车辆中每个部件的图像,并对存在故障的部件的图像添加标识;
拆解图像生成模块,用于根据每个所述部件的图像,生成所述车辆的拆解图像。
车辆图像生成装置200用于执行上述的车辆图像生成方法中的对应步骤,各个功能的具体实施,在此不再一一描述。此外,实施例1中可选示例也同样适用于实施例2的车辆图像生成装置200。
本申请实施例还提供一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器执行时,实现如实施例1所述的车辆图像生成方法。
本实施例中的三维建模模块210、运行动画生成模块220、实时动作数据确定模块230、仿真图像生成模块240及状态显示图像生成模块250等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决确定的车辆运行工况不准确的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例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上存储有计算机程序,所述计算机程序被处理器执行时,实现如实施例1所述的车辆图像生成方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (12)

1.一种车辆图像生成方法,其特征在于,所述方法包括:
基于车辆的实体结构模型,生成所述车辆的三维建模模型;
根据所述车辆的运行动作规则,生成所述车辆的运行动画;
基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据;
根据所述实时动作数据、所述运行动画及所述三维建模模型,生成所述车辆的车辆仿真图像;
将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像。
2.根据权利要求1所述的车辆图像生成方法,其特征在于,所述基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据,包括:
获取所述车辆的历史运行数据,并基于所述历史运行数据进行仿真模型训练,构建所述车辆的动作仿真模型;
将所述实时运行数据输入至所述动作仿真模型,得到所述车辆的实时动作数据。
3.根据权利要求2所述的车辆图像生成方法,其特征在于,所述方法还包括:
根据接收到的所述车辆的数据显示请求,将所述历史运行数据转换为图形图表数据,并显示所述图形图表数据。
4.根据权利要求1所述的车辆图像生成方法,其特征在于,所述将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像,包括:
在获取到所述车辆的第一视角的实景环境图像的情况下,基于所述车辆的第一视角和所述实景环境图像,确定所述车辆的实景视角图像;
将所述实景视角图像与所述车辆仿真图像进行融合,生成所述车辆的状态显示图像。
5.根据权利要求1所述的车辆图像生成方法,其特征在于,所述将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像,包括:
在获取到所述车辆的第三视角的实景环境图像的情况下,确定所述实景环境图像中所述车辆的实景蒙版图像;
将所述实景环境图像中的实景蒙版图像替换为所述车辆仿真图像,生成所述车辆的状态显示图像。
6.根据权利要求1所述的车辆图像生成方法,其特征在于,所述基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据之后,还包括:
基于所述视频数据,更新所述实时动作数据,其中,所述视频数据包括所述车辆的动作图像。
7.根据权利要求1所述的车辆图像生成方法,其特征在于,所述将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像之后,还包括:
将车辆控制指令发送至所述车辆,并基于所述车辆控制指令,更新所述车辆的状态显示图像。
8.根据权利要求1所述的车辆图像生成方法,其特征在于,所述方法还包括:
响应接收到的车辆故障信号,获取所述车辆中每个部件的图像,并对存在故障的部件的图像添加标识;
根据每个所述部件的图像,生成所述车辆的拆解图像。
9.根据权利要求1所述的车辆图像生成方法,其特征在于,所述基于车辆的实体结构模型,生成所述车辆的三维建模模型,包括:
基于车辆的实体结构模型和实体结构图像,生成所述车辆的三维建模模型。
10.一种车辆图像生成装置,其特征在于,所述装置包括:
三维建模模块,用于基于车辆的实体结构模型,生成所述车辆的三维建模模型;
运行动画生成模块,用于根据所述车辆的运行动作规则,生成所述车辆的运行动画;
实时动作数据确定模块,用于基于获取到的所述车辆的实时运行数据,确定所述车辆的实时动作数据;
仿真图像生成模块,用于根据所述实时动作数据、所述运行动画及所述三维建模模型,生成所述车辆的车辆仿真图像;
状态显示图像生成模块,用于将所述车辆仿真图像与获取到的实景环境图像进行融合,生成所述车辆的状态显示图像。
11.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器执行时,实现如权利要求1至7中任一项所述的车辆图像生成方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述的车辆图像生成方法。
CN202211723769.7A 2022-12-30 2022-12-30 车辆图像生成方法、装置、计算机设备及存储介质 Pending CN116030223A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211723769.7A CN116030223A (zh) 2022-12-30 2022-12-30 车辆图像生成方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211723769.7A CN116030223A (zh) 2022-12-30 2022-12-30 车辆图像生成方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN116030223A true CN116030223A (zh) 2023-04-28

Family

ID=86077699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211723769.7A Pending CN116030223A (zh) 2022-12-30 2022-12-30 车辆图像生成方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN116030223A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910912A (zh) * 2023-07-28 2023-10-20 小米汽车科技有限公司 车辆三维模型的生成方法、装置、设备及存储介质
CN118331677A (zh) * 2024-06-12 2024-07-12 华域视觉科技(上海)有限公司 动画对象展示方法、电子设备、存储介质及车辆

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910912A (zh) * 2023-07-28 2023-10-20 小米汽车科技有限公司 车辆三维模型的生成方法、装置、设备及存储介质
CN116910912B (zh) * 2023-07-28 2024-04-30 小米汽车科技有限公司 车辆三维模型的生成方法、装置、设备及存储介质
CN118331677A (zh) * 2024-06-12 2024-07-12 华域视觉科技(上海)有限公司 动画对象展示方法、电子设备、存储介质及车辆

Similar Documents

Publication Publication Date Title
AU2019206069B2 (en) Augmented reality (ar) based fault detection and maintenance
CN116030223A (zh) 车辆图像生成方法、装置、计算机设备及存储介质
US10964025B2 (en) Assembly monitoring method and device based on deep learning, and readable storage medium
CN107168294B (zh) 一种火电水系统设备无人巡检监控方法
US10712737B2 (en) Method and system for efficient dynamic alarm construction
CN111542791B (zh) 使用设施诊断系统的设施诊断方法
WO2014105463A2 (en) Methods and systems for enhanced automated visual inspection of a physical asset
KR20200001903A (ko) 발전소 고장 예측 및 진단시스템과 그 방법
JP2018206362A (ja) 工程解析装置、工程解析方法、及び工程解析プログラム
JP2021528777A (ja) 拡張現実を用いた自動動的診断ガイド
KR102284282B1 (ko) 증강현실 이미지 기반의 원격협업 모니터링 방법
CN109791401A (zh) 生成用于嵌入式分析和诊断/预测推理的故障模型
CN114545828B (zh) 分散控制系统运行逻辑展示方法、装置、设备及存储介质
CN111081017A (zh) 车辆信息管理系统、方法、计算机设备及存储介质
KR102323228B1 (ko) 드론을 이용하는 구조물 안전점검 유지관리 방법 및 시스템
CN113591645A (zh) 一种基于区域卷积神经网络的电力设备红外图像识别方法
TW201941598A (zh) 顯示裝置、顯示系統及顯示畫面產生方法
Scheuermann et al. Mobile augmented reality based annotation system: A cyber-physical human system
US20200082281A1 (en) Verification device
CN116012813A (zh) 多传感器数据中障碍物关联方法、装置及电子设备
Wang et al. Rapid in-flight image quality check for UAV-enabled bridge inspection
CN113435503A (zh) 数据处理方法及装置、存储介质和服务器
KR102626346B1 (ko) 공작 기계의 공구 마모 및 파손 상태 여부를 감지하는 방법 및 장치
US20240119628A1 (en) Automatic generation of 'as-run' results in a three dimensional model using augmented reality
CN118587368B (zh) 模型训练方法和基于模型的场景流估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination