CN116402789B - 车辆喷漆需求数据分析方法及系统 - Google Patents
车辆喷漆需求数据分析方法及系统 Download PDFInfo
- Publication number
- CN116402789B CN116402789B CN202310361819.XA CN202310361819A CN116402789B CN 116402789 B CN116402789 B CN 116402789B CN 202310361819 A CN202310361819 A CN 202310361819A CN 116402789 B CN116402789 B CN 116402789B
- Authority
- CN
- China
- Prior art keywords
- paint
- mapping
- analyzed
- information
- analysis result
- 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.)
- Active
Links
- 239000003973 paint Substances 0.000 title claims abstract description 310
- 238000005507 spraying Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000007405 data analysis Methods 0.000 title claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 152
- 238000004458 analytical method Methods 0.000 claims abstract description 100
- 238000001514 detection method Methods 0.000 claims description 26
- 230000032683 aging Effects 0.000 claims description 16
- 238000010422 painting Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种车辆喷漆需求数据分析方法及系统,该方法包括:根据目标车辆的三维信息确定各待分析部位的漆面参数值;将漆面参数值与目标车辆对应的曲度标准值进行比对,得到漆面曲度分析结果;将各待分析部位在预设场景中漆面的映射图像与映射标准图像进行比对,得到漆面映射分析结果;将各待分析部位在预设光源下漆面的光反射信息与光反射标准信息进行比对,得到漆面反射分析结果;根据漆面曲度分析结果、漆面映射分析结果和漆面反射分析结果,生成目标车辆的喷漆需求分析结果。本发明基于漆面曲度状态、漆面映射状态和漆面反射状态,能自动生成目标车辆的喷漆需求分析结果,以确定目标车辆是否有喷漆的需求,提高了用户的驾车体验。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种车辆喷漆需求数据分析方法及系统。
背景技术
近年来,我国汽车保有量正在呈现加速增长态势,汽车维修业也在快速发展。在汽车的使用过程中,汽车维修是非常重要的环节。一般情况下,当车辆的漆面发生剐蹭或碰撞后,为保障车辆外观的美观性,可以通过漆面喷漆的方式进行车辆漆面的还原。
现有车辆漆面喷漆过程中,一般是基于用户的主观需求进行车辆喷漆,未能提前对用户的车辆进行喷漆需求的分析,降低了用户的驾车体验。
发明内容
本发明实施例的目的在于提供一种车辆喷漆需求数据分析方法及系统,旨在解决现有车辆漆面喷漆过程中,未能提前对用户的车辆进行喷漆需求分析的问题。
本发明实施例是这样实现的,一种车辆喷漆需求数据分析方法,所述方法包括:
获取目标车辆的三维信息,并根据所述三维信息确定所述目标车辆中各待分析部位的漆面参数值,所述待分析部位包括车门、保险杠、叶子板和车顶;
将所述漆面参数值与所述目标车辆对应的曲度标准值进行比对,得到漆面曲度分析结果;
分别获取各待分析部位在预设场景中漆面的映射图像,并将所述映射图像与各待分析部位对应的映射标准图像进行比对,得到漆面映射分析结果;
分别获取各待分析部位在预设光源下漆面的光反射信息,并将所述光反射信息与各待分析部位对应的光反射标准信息进行比对,得到漆面反射分析结果;
根据所述漆面曲度分析结果、所述漆面映射分析结果和所述漆面反射分析结果,生成所述目标车辆的喷漆需求分析结果。
优选的,所述分别获取各待分析部位在预设场景中漆面的映射图像,包括:
获取所述预设场景的光源信息和映射信息,并根据所述光源信息和所述映射信息对所述目标车辆进行场景设置,所述光源信息包括所述预设场景对应的场景光源和所述场景光源与所述目标车辆之间的相对位置,所述映射信息包括映射对象和所述映射对象与所述标车辆之间的相对位置;
获取所述预设场景的采集位置信息,并根据所述采集位置信息对各待分析部位的漆面进行图像采集,得到所述映射图像,所述采集位置信息包括图像采集位置和图像采集角度。
优选的,所述将所述映射图像与各待分析部位对应的映射标准图像进行比对,包括:
获取所述目标车辆的车辆型号,并根据所述车辆型号确定标准图像数据;
获取各待分析部位的部位标识和漆面标识,并根据所述部位标识和所述漆面标识在所述标准图像数据中进行图像查询,得到所述映射标准图像;
针对各待分析部位,分别提取对应的所述映射图像和所述映射标准图像的图像轮廓,得到映射轮廓和标准轮廓,并将所述映射轮廓和所述标准轮廓进行轮廓比对,得到所述漆面映射分析结果。
优选的,所述分别获取各待分析部位在预设光源下漆面的光反射信息,并将所述光反射信息与各待分析部位对应的光反射标准信息进行比对,得到漆面反射分析结果,包括:
根据预设移动轨迹控制所述预设光源进行移动,并实时采集各待分析部位漆面上,针对所述预设光源的光反射强度和反射线轨迹;
分别将所述预设光源的光源强度和所述光反射强度进行比对,将所述预设移动轨迹和所述反射线轨迹进行比对,得到所述漆面反射分析结果,所述光反射标准信息包括所述预设光源的光源强度和所述预设移动轨迹。
优选的,所述根据所述三维信息确定所述目标车辆中各待分析部位的漆面参数值,包括:
根据所述三维信息对所述目标车辆进行三维重建,得到三维图像,并分别获取所述三维图像中各待分析部位上漆面点的位置信息;
根据各漆面点的位置信息生成漆面线,并分别计算各漆面线的曲度值,得到所述漆面参数值。
优选的,所述方法还包括:
分别获取各待分析部位漆面的采集图像,并对所述采集图像进行划痕检测;
若检测到所述采集图像中存在漆面划痕,则获取各漆面划痕的划痕面积和划痕深度,并根据所述划痕面积和所述划痕深度,确定各待分析部位的划痕检测值;
若所述划痕检测值大于划痕检测阈值,则对所述划痕检测值对应的所述待分析部位发送喷漆提示。
优选的,所述根据所述部位标识在所述标准图像数据中进行图像查询,得到所述映射标准图像之后,还包括:
获取所述待分析部位的使用年限,并根据所述使用年限和所述漆面标识确定老化程度;
根据所述老化程度对所述映射标准图像进行图像老化处理。
优选的,所述方法还包括:
分别获取各待分析部位的漆面厚度,并将所述漆面厚度与预设漆面范围进行匹配;
若匹配失败,则对所述漆面厚度对应的所述待分析部位发送喷漆提示。
本发明实施例的另一目的在于提供一种车辆喷漆需求数据分析系统,所述系统包括:
参数确定模块,用于获取目标车辆的三维信息,并根据所述三维信息确定所述目标车辆中各待分析部位的漆面参数值,所述待分析部位包括车门、保险杠、叶子板和车顶;
曲度分析模块,用于将所述漆面参数值与所述目标车辆对应的曲度标准值进行比对,得到漆面曲度分析结果;
映射分析模块,用于分别获取各待分析部位在预设场景中漆面的映射图像,并将所述映射图像与各待分析部位对应的映射标准图像进行比对,得到漆面映射分析结果;
反射分析模块,用于分别获取各待分析部位在预设光源下漆面的光反射信息,并将所述光反射信息与各待分析部位对应的光反射标准信息进行比对,得到漆面反射分析结果;
结果生成模块,用于根据所述漆面曲度分析结果、所述漆面映射分析结果和所述漆面反射分析结果,生成所述目标车辆的喷漆需求分析结果。
优选的,所述映射分析模块,还用于:
获取所述预设场景的光源信息和映射信息,并根据所述光源信息和所述映射信息对所述目标车辆进行场景设置,所述光源信息包括所述预设场景对应的场景光源和所述场景光源与所述目标车辆之间的相对位置,所述映射信息包括映射对象和所述映射对象与所述标车辆之间的相对位置;
获取所述预设场景的采集位置信息,并根据所述采集位置信息对各待分析部位的漆面进行图像采集,得到所述映射图像,所述采集位置信息包括图像采集位置和图像采集角度。
本发明实施例的另一目的在于提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述方法的步骤。
本发明实施例的另一目的在于提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本发明实施例,通过获取目标车辆的三维信息,基于三维信息能有效地确定到各待分析部位的漆面参数值,通过将漆面参数值与目标车辆对应的曲度标准值进行比对,能有效地得到表征各待分析部位上漆面曲度状态的漆面曲度分析结果,通过将映射图像与各待分析部位对应的映射标准图像进行比对,能有效地得到表征各待分析部位上漆面映射状态的漆面映射分析结果,通过将光反射信息与各待分析部位对应的光反射标准信息进行比对,能有效地得到表征各待分析部位上漆面反射状态的漆面反射分析结果,本实施例,基于漆面曲度状态、漆面映射状态和漆面反射状态,能自动生成目标车辆的喷漆需求分析结果,以确定目标车辆是否有喷漆的需求,提高了用户的驾车体验。
附图说明
图1是本发明第一实施例提供的车辆喷漆需求数据分析方法的流程图;
图2是本发明第二实施例提供的车辆喷漆需求数据分析方法的流程图;
图3是本发明第三实施例提供的车辆喷漆需求数据分析系统的结构示意图;
图4是本发明第四实施例提供的终端设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
请参阅图1,是本发明第一实施例提供的车辆喷漆需求数据分析方法的流程图,该车辆喷漆需求数据分析方法可以应用于任一终端设备或系统,该车辆喷漆需求数据分析方法包括步骤:
步骤S10,获取目标车辆的三维信息,并根据所述三维信息确定所述目标车辆中各待分析部位的漆面参数值;
其中,该三维信息可以基于红外摄像头或红外传感器的方式进行采集,该待分析部位包括车门、保险杠、叶子板和车顶,该步骤中,通过获取目标车辆的三维信息,基于三维信息能有效地确定到各待分析部位的漆面参数值;
步骤S20,将所述漆面参数值与所述目标车辆对应的曲度标准值进行比对,得到漆面曲度分析结果;
其中,通过将漆面参数值与目标车辆对应的曲度标准值进行比对,能有效地得到表征各待分析部位上漆面曲度状态的漆面曲度分析结果,基于各待分析部位上漆面曲度状态,能有效地判断到各待分析部位上漆面是否发生了凹陷;
步骤S30,分别获取各待分析部位在预设场景中漆面的映射图像,并将所述映射图像与各待分析部位对应的映射标准图像进行比对,得到漆面映射分析结果;
其中,通过将映射图像与各待分析部位对应的映射标准图像进行比对,能有效地得到表征各待分析部位上漆面映射状态的漆面映射分析结果,基于各待分析部位上漆面映射状态,能有效地判定到各待分析部位是否由于漆面映射问题需要进行喷漆;
可选的,所述分别获取各待分析部位在预设场景中漆面的映射图像,包括:
获取所述预设场景的光源信息和映射信息,并根据所述光源信息和所述映射信息对所述目标车辆进行场景设置;
其中,该光源信息和所述映射信息可以根据需求进行设置,该光源信息包括预设场景对应的场景光源和场景光源与目标车辆之间的相对位置,映射信息包括映射对象和映射对象与标车辆之间的相对位置;
获取所述预设场景的采集位置信息,并根据所述采集位置信息对各待分析部位的漆面进行图像采集,得到所述映射图像;
其中,该采集位置信息可以根据需求进行设置,该采集位置信息包括图像采集位置和图像采集角度,通过采集位置信息对各待分析部位的漆面进行图像采集,以得到预设场景下各待分析部位的映射图像,基于映射图像能有效地分析各待分析部位上的漆面是否存在问题。
进一步地,所述将所述映射图像与各待分析部位对应的映射标准图像进行比对,包括:
获取所述目标车辆的车辆型号,并根据所述车辆型号确定标准图像数据;
其中,本实施例针对不同车辆型号的车辆均预先设置有标准图像数据,该标准图像数据中存储不同预设场景下,不同待分析部位、不同类型漆面对应的映射标准图像;
获取各待分析部位的部位标识和漆面标识,并根据所述部位标识和所述漆面标识在所述标准图像数据中进行图像查询,得到所述映射标准图像;
其中,通过将部位标识和漆面标识在标准图像数据进行图像查询,以得到各待分析部位的漆面在预设场景下对应的映射标准图像;
针对各待分析部位,分别提取对应的所述映射图像和所述映射标准图像的图像轮廓,得到映射轮廓和标准轮廓,并将所述映射轮廓和所述标准轮廓进行轮廓比对,得到所述漆面映射分析结果;
其中,通过将映射轮廓和标准轮廓进行轮廓比对,以判断各待分析部位上漆面映射出的画面是否与映射标准图像之间存在差异,具体的,该步骤中,通过计算映射轮廓与标准轮廓之间的相似度,得到轮廓相似度,若轮廓相似度小于相似度阈值,则判定该映射轮廓对应的待分析部位有喷漆需求,若轮廓相似度大于或等于相似度阈值,则判定该映射轮廓对应的待分析部位无喷漆需求。
优选的,所述根据所述部位标识在所述标准图像数据中进行图像查询,得到所述映射标准图像之后,还包括:
获取所述待分析部位的使用年限,根据所述使用年限和所述漆面标识确定老化程度,并根据所述老化程度对所述映射标准图像进行图像老化处理;
其中,将待分析部位的部位标识和使用年限与预存储的老化查询表进行匹配,得到该老化程度,该老化查询表中存储有不同部位标识和使用年限与对应老化程度之间的对应关系,该步骤中,通过老化程度对映射标准图像进行图像老化处理,有效的提高了映射标准图像的准确性。
步骤S40,分别获取各待分析部位在预设光源下漆面的光反射信息,并将所述光反射信息与各待分析部位对应的光反射标准信息进行比对,得到漆面反射分析结果;
其中,通过将光反射信息与各待分析部位对应的光反射标准信息进行比对,能有效地得到表征各待分析部位上漆面反射状态的漆面反射分析结果;
可选的,所述分别获取各待分析部位在预设光源下漆面的光反射信息,并将所述光反射信息与各待分析部位对应的光反射标准信息进行比对,得到漆面反射分析结果,包括:
根据预设移动轨迹控制所述预设光源进行移动,并实时采集各待分析部位漆面上,针对所述预设光源的光反射强度和反射线轨迹;
其中,该预设移动轨迹可以根据需求进行设置,通过预设移动轨迹控制预设光源进行移动,以控制各待分析部位漆面上反射光线的移动,该步骤中,预设光源采用发射射线的光源,即,通过向各待分析部位发射点射线,以控制待分析部位漆面上反射光线的移动,并实时采集待分析部位对应的光反射标准信息;
分别将所述预设光源的光源强度和所述光反射强度进行比对,将所述预设移动轨迹和所述反射线轨迹进行比对,得到所述漆面反射分析结果;
其中,光反射标准信息包括预设光源的光源强度和预设移动轨迹,该步骤中,通过计算预设光源的光源强度与光反射强度之间的比值,以判断射线在待分析部位漆面上的反射状态,当待分析部位漆面上存在大量凹陷时,则预设光源的光源强度与光反射强度之间的比值较大,当待分析部位漆面上未存在大量凹陷时,则预设光源的光源强度与光反射强度之间的比值较小,通过将强度比值与比值阈值进行比较,以判定待分析部位漆面的状态,得到该漆面反射分析结果。
进一步地,该步骤中,通过将预设移动轨迹和反射线轨迹进行比对,进一步检测待分析部位漆面上是否存在凹陷,若预设移动轨迹和反射线轨迹之间的相似度小于预设相似度,则判定待分析部位漆面上存在大量凹陷,该待分析部位漆面有喷漆的需求;
步骤S50,根据所述漆面曲度分析结果、所述漆面映射分析结果和所述漆面反射分析结果,生成所述目标车辆的喷漆需求分析结果;
其中,通过判断漆面曲度分析结果中各漆面的曲度状态,以判定各待分析部位是否存在喷漆的需要,当判断有任一待分析部位存在喷漆的需要,则针对该待分析部位进行喷漆提示;
通过漆面映射分析结果中映射轮廓与标准轮廓之间的相似度,以判定各漆面的映射状态,若任一轮廓相似度小于相似度阈值,则判定该映射轮廓对应的待分析部位有喷漆需求;
通过漆面反射分析结果中光源强度与光反射强度之间的比值,以及预设移动轨迹和反射线轨迹之间的相似度,以判定待分析部位漆面上是否存在大量凹陷,基于判定结果能有效地检测到各待分析部位漆面是否有喷漆的需求。
本实施例中,通过获取目标车辆的三维信息,基于三维信息能有效地确定到各待分析部位的漆面参数值,通过将漆面参数值与目标车辆对应的曲度标准值进行比对,能有效地得到表征各待分析部位上漆面曲度状态的漆面曲度分析结果,通过将映射图像与各待分析部位对应的映射标准图像进行比对,能有效地得到表征各待分析部位上漆面映射状态的漆面映射分析结果,通过将光反射信息与各待分析部位对应的光反射标准信息进行比对,能有效地得到表征各待分析部位上漆面反射状态的漆面反射分析结果,本实施例,基于漆面曲度状态、漆面映射状态和漆面反射状态,能自动生成目标车辆的喷漆需求分析结果,以确定目标车辆是否有喷漆的需求,提高了用户的驾车体验。
实施例二
请参阅图2,是本发明第二实施例提供的车辆喷漆需求数据分析方法的流程图,该实施例用于对第一实施例中的步骤S10的步骤作进一步细化,包括步骤:
步骤S11,根据所述三维信息对所述目标车辆进行三维重建,得到三维图像,并分别获取所述三维图像中各待分析部位上漆面点的位置信息;
其中,通过三维信息对目标车辆进行三维重建,有效地方便了各待分析部位上漆面点的位置信息的获取;
步骤S12,根据各漆面点的位置信息生成漆面线,并分别计算各漆面线的曲度值,得到所述漆面参数值;
其中,根据预设方向、预设间隔和漆面点的位置信息,分别对同一待分析部位上的漆面点进行连接,得到漆面线,并分别计算各漆面线的曲度值,得到漆面参数值,该预设方向和预设间隔均可以根据需求进行设置。
该步骤中,基于各漆面线的曲度值确定各待分析部位漆面的漆面曲度,基于各待分析部位的部位标识确定曲度标准值,将待分析部位漆面的漆面曲度与曲度标准值进行比对,将比对值与预设比值范围进行匹配,以判断各待分析部位漆面是否发生异常弯曲或凹陷,以达到检测各待分析部位漆面是否需要进行喷漆的效果。
可选的,本实施例中,所述方法还包括:
分别获取各待分析部位漆面的采集图像,并对所述采集图像进行划痕检测;
若检测到所述采集图像中存在漆面划痕,则获取各漆面划痕的划痕面积和划痕深度,并根据所述划痕面积和所述划痕深度,确定各待分析部位的划痕检测值;
若所述划痕检测值大于划痕检测阈值,则对所述划痕检测值对应的所述待分析部位发送喷漆提示;
其中,将划痕面积和划痕深度与预存储的划痕检测查询表进行匹配,得到该划痕检测值,该划痕检测查询表中存储有不同划痕面积和划痕深度对应的划痕检测值,该划痕检测阈值可以根据需求进行设置,若划痕检测值大于划痕检测阈值,则判定该划痕检测值对应的待分析部位存在喷漆需求。
进一步地,所述方法还包括:分别获取各待分析部位的漆面厚度,并将所述漆面厚度与预设漆面范围进行匹配;若匹配失败,则对所述漆面厚度对应的所述待分析部位发送喷漆提示。
本实施例,基于三维图像有效地方便了各待分析部位上漆面点的位置信息的获取,基于获取到的漆面点的位置信息能有效地生成漆面线,基于漆面线的曲度值能有效地确定各待分析部位漆面的漆面曲度,通过将待分析部位漆面的漆面曲度与曲度标准值进行比对,以判断各待分析部位漆面是否发生异常弯曲或凹陷,以达到检测各待分析部位漆面是否需要进行喷漆的效果。
实施例三
请参阅图3,是本发明第三实施例提供的车辆喷漆需求数据分析系统100的结构示意图,包括:参数确定模块10、曲度分析模块11、映射分析模块12、反射分析模块13和结果生成模块14,其中:
参数确定模块10,用于获取目标车辆的三维信息,并根据所述三维信息确定所述目标车辆中各待分析部位的漆面参数值,所述待分析部位包括车门、保险杠、叶子板和车顶。
可选的,参数确定模块10还用于:根据所述三维信息对所述目标车辆进行三维重建,得到三维图像,并分别获取所述三维图像中各待分析部位上漆面点的位置信息;
根据各漆面点的位置信息生成漆面线,并分别计算各漆面线的曲度值,得到所述漆面参数值。
曲度分析模块11,用于将所述漆面参数值与所述目标车辆对应的曲度标准值进行比对,得到漆面曲度分析结果。
映射分析模块12,用于分别获取各待分析部位在预设场景中漆面的映射图像,并将所述映射图像与各待分析部位对应的映射标准图像进行比对,得到漆面映射分析结果。
可选的,映射分析模块12还用于:获取所述预设场景的光源信息和映射信息,并根据所述光源信息和所述映射信息对所述目标车辆进行场景设置,所述光源信息包括所述预设场景对应的场景光源和所述场景光源与所述目标车辆之间的相对位置,所述映射信息包括映射对象和所述映射对象与所述标车辆之间的相对位置;
获取所述预设场景的采集位置信息,并根据所述采集位置信息对各待分析部位的漆面进行图像采集,得到所述映射图像,所述采集位置信息包括图像采集位置和图像采集角度。
进一步地,映射分析模块12还用于:获取所述目标车辆的车辆型号,并根据所述车辆型号确定标准图像数据;
获取各待分析部位的部位标识和漆面标识,并根据所述部位标识和所述漆面标识在所述标准图像数据中进行图像查询,得到所述映射标准图像;
针对各待分析部位,分别提取对应的所述映射图像和所述映射标准图像的图像轮廓,得到映射轮廓和标准轮廓,并将所述映射轮廓和所述标准轮廓进行轮廓比对,得到所述漆面映射分析结果。
更进一步地,映射分析模块12还用于:获取所述待分析部位的使用年限,并根据所述使用年限和所述漆面标识确定老化程度;
根据所述老化程度对所述映射标准图像进行图像老化处理。
反射分析模块13,用于分别获取各待分析部位在预设光源下漆面的光反射信息,并将所述光反射信息与各待分析部位对应的光反射标准信息进行比对,得到漆面反射分析结果。
可选的,反射分析模块13还用于:根据预设移动轨迹控制所述预设光源进行移动,并实时采集各待分析部位漆面上,针对所述预设光源的光反射强度和反射线轨迹;
分别将所述预设光源的光源强度和所述光反射强度进行比对,将所述预设移动轨迹和所述反射线轨迹进行比对,得到所述漆面反射分析结果,所述光反射标准信息包括所述预设光源的光源强度和所述预设移动轨迹。
结果生成模块14,用于根据所述漆面曲度分析结果、所述漆面映射分析结果和所述漆面反射分析结果,生成所述目标车辆的喷漆需求分析结果。
可选的,结果生成模块14还用于:分别获取各待分析部位漆面的采集图像,并对所述采集图像进行划痕检测;
若检测到所述采集图像中存在漆面划痕,则获取各漆面划痕的划痕面积和划痕深度,并根据所述划痕面积和所述划痕深度,确定各待分析部位的划痕检测值;
若所述划痕检测值大于划痕检测阈值,则对所述划痕检测值对应的所述待分析部位发送喷漆提示。
进一步地,结果生成模块14还用于:分别获取各待分析部位的漆面厚度,并将所述漆面厚度与预设漆面范围进行匹配;
若匹配失败,则对所述漆面厚度对应的所述待分析部位发送喷漆提示。
本实施例,通过获取目标车辆的三维信息,基于三维信息能有效地确定到各待分析部位的漆面参数值,通过将漆面参数值与目标车辆对应的曲度标准值进行比对,能有效地得到表征各待分析部位上漆面曲度状态的漆面曲度分析结果,通过将映射图像与各待分析部位对应的映射标准图像进行比对,能有效地得到表征各待分析部位上漆面映射状态的漆面映射分析结果,通过将光反射信息与各待分析部位对应的光反射标准信息进行比对,能有效地得到表征各待分析部位上漆面反射状态的漆面反射分析结果,本实施例,基于漆面曲度状态、漆面映射状态和漆面反射状态,能自动生成目标车辆的喷漆需求分析结果,以确定目标车辆是否有喷漆的需求,提高了用户的驾车体验。
实施例四
图4是本申请第四实施例提供的一种终端设备2的结构框图。如图4所示,该实施例的终端设备2包括:处理器20、存储器21以及存储在所述存储器21中并可在所述处理器20上运行的计算机程序22,例如车辆喷漆需求数据分析方法的程序。处理器20执行所述计算机程序22时实现上述各个车辆喷漆需求数据分析方法各实施例中的步骤。
示例性的,所述计算机程序22可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器21中,并由所述处理器20执行,以完成本申请。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序22在所述终端设备2中的执行过程。所述终端设备可包括,但不仅限于,处理器20、存储器21。
所称处理器20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)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器21可以是所述终端设备2的内部存储单元,例如终端设备2的硬盘或内存。所述存储器21也可以是所述终端设备2的外部存储设备,例如所述终端设备2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器21还可以既包括所述终端设备2的内部存储单元也包括外部存储设备。所述存储器21用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器21还可以用于暂时地存储已经输出或者将要输出的数据。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。其中,计算机可读存储介质可以是非易失性的,也可以是易失性的。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种车辆喷漆需求数据分析方法,其特征在于,所述方法包括:
获取目标车辆的三维信息,并根据所述三维信息确定所述目标车辆中各待分析部位的漆面参数值,所述待分析部位包括车门、保险杠、叶子板和车顶;
将所述漆面参数值与所述目标车辆对应的曲度标准值进行比对,得到漆面曲度分析结果;
分别获取各待分析部位在预设场景中漆面的映射图像,并将所述映射图像与各待分析部位对应的映射标准图像进行比对,得到漆面映射分析结果;
分别获取各待分析部位在预设光源下漆面的光反射信息,并将所述光反射信息与各待分析部位对应的光反射标准信息进行比对,得到漆面反射分析结果;
根据所述漆面曲度分析结果、所述漆面映射分析结果和所述漆面反射分析结果,生成所述目标车辆的喷漆需求分析结果;
所述分别获取各待分析部位在预设场景中漆面的映射图像,包括:
获取所述预设场景的光源信息和映射信息,并根据所述光源信息和所述映射信息对所述目标车辆进行场景设置,所述光源信息包括所述预设场景对应的场景光源和所述场景光源与所述目标车辆之间的相对位置,所述映射信息包括映射对象和所述映射对象与所述标车辆之间的相对位置;
获取所述预设场景的采集位置信息,并根据所述采集位置信息对各待分析部位的漆面进行图像采集,得到所述映射图像,所述采集位置信息包括图像采集位置和图像采集角度;
所述将所述映射图像与各待分析部位对应的映射标准图像进行比对,包括:
获取所述目标车辆的车辆型号,并根据所述车辆型号确定标准图像数据;
获取各待分析部位的部位标识和漆面标识,并根据所述部位标识和所述漆面标识在所述标准图像数据中进行图像查询,得到所述映射标准图像;
针对各待分析部位,分别提取对应的所述映射图像和所述映射标准图像的图像轮廓,得到映射轮廓和标准轮廓,并将所述映射轮廓和所述标准轮廓进行轮廓比对,得到所述漆面映射分析结果。
2.如权利要求1所述的车辆喷漆需求数据分析方法,其特征在于,所述分别获取各待分析部位在预设光源下漆面的光反射信息,并将所述光反射信息与各待分析部位对应的光反射标准信息进行比对,得到漆面反射分析结果,包括:
根据预设移动轨迹控制所述预设光源进行移动,并实时采集各待分析部位漆面上,针对所述预设光源的光反射强度和反射线轨迹;
分别将所述预设光源的光源强度和所述光反射强度进行比对,将所述预设移动轨迹和所述反射线轨迹进行比对,得到所述漆面反射分析结果,所述光反射标准信息包括所述预设光源的光源强度和所述预设移动轨迹。
3.如权利要求1所述的车辆喷漆需求数据分析方法,其特征在于,所述根据所述三维信息确定所述目标车辆中各待分析部位的漆面参数值,包括:
根据所述三维信息对所述目标车辆进行三维重建,得到三维图像,并分别获取所述三维图像中各待分析部位上漆面点的位置信息;
根据各漆面点的位置信息生成漆面线,并分别计算各漆面线的曲度值,得到所述漆面参数值。
4.如权利要求1所述的车辆喷漆需求数据分析方法,其特征在于,所述方法还包括:
分别获取各待分析部位漆面的采集图像,并对所述采集图像进行划痕检测;
若检测到所述采集图像中存在漆面划痕,则获取各漆面划痕的划痕面积和划痕深度,并根据所述划痕面积和所述划痕深度,确定各待分析部位的划痕检测值;
若所述划痕检测值大于划痕检测阈值,则对所述划痕检测值对应的所述待分析部位发送喷漆提示。
5.如权利要求1所述的车辆喷漆需求数据分析方法,其特征在于,所述根据所述部位标识在所述标准图像数据中进行图像查询,得到所述映射标准图像之后,还包括:
获取所述待分析部位的使用年限,并根据所述使用年限和所述漆面标识确定老化程度;
根据所述老化程度对所述映射标准图像进行图像老化处理。
6.如权利要求1至5任一所述的车辆喷漆需求数据分析方法,其特征在于,所述方法还包括:
分别获取各待分析部位的漆面厚度,并将所述漆面厚度与预设漆面范围进行匹配;
若匹配失败,则对所述漆面厚度对应的所述待分析部位发送喷漆提示。
7.一种车辆喷漆需求数据分析系统,其特征在于,所述系统包括:
参数确定模块,用于获取目标车辆的三维信息,并根据所述三维信息确定所述目标车辆中各待分析部位的漆面参数值,所述待分析部位包括车门、保险杠、叶子板和车顶;
曲度分析模块,用于将所述漆面参数值与所述目标车辆对应的曲度标准值进行比对,得到漆面曲度分析结果;
映射分析模块,用于分别获取各待分析部位在预设场景中漆面的映射图像,并将所述映射图像与各待分析部位对应的映射标准图像进行比对,得到漆面映射分析结果;
反射分析模块,用于分别获取各待分析部位在预设光源下漆面的光反射信息,并将所述光反射信息与各待分析部位对应的光反射标准信息进行比对,得到漆面反射分析结果;
结果生成模块,用于根据所述漆面曲度分析结果、所述漆面映射分析结果和所述漆面反射分析结果,生成所述目标车辆的喷漆需求分析结果;
所述映射分析模块,还用于:
获取所述预设场景的光源信息和映射信息,并根据所述光源信息和所述映射信息对所述目标车辆进行场景设置,所述光源信息包括所述预设场景对应的场景光源和所述场景光源与所述目标车辆之间的相对位置,所述映射信息包括映射对象和所述映射对象与所述标车辆之间的相对位置;
获取所述预设场景的采集位置信息,并根据所述采集位置信息对各待分析部位的漆面进行图像采集,得到所述映射图像,所述采集位置信息包括图像采集位置和图像采集角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310361819.XA CN116402789B (zh) | 2023-03-30 | 2023-03-30 | 车辆喷漆需求数据分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310361819.XA CN116402789B (zh) | 2023-03-30 | 2023-03-30 | 车辆喷漆需求数据分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116402789A CN116402789A (zh) | 2023-07-07 |
CN116402789B true CN116402789B (zh) | 2023-11-28 |
Family
ID=87017417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310361819.XA Active CN116402789B (zh) | 2023-03-30 | 2023-03-30 | 车辆喷漆需求数据分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402789B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015184143A (ja) * | 2014-03-25 | 2015-10-22 | 日産自動車株式会社 | 車体塗装面の検査装置および検査方法 |
CN106466665A (zh) * | 2015-08-19 | 2017-03-01 | 福特汽车公司 | 包括太赫兹辐射装置的机器人车辆喷漆仪器 |
CN110045382A (zh) * | 2018-12-03 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 车辆损伤检测的处理方法、装置、设备、服务器和系统 |
CN111915652A (zh) * | 2020-08-14 | 2020-11-10 | 广州立信电子科技有限公司 | 一种基于大数据机器视觉的车辆美容保养智能服务平台 |
CN112150441A (zh) * | 2020-09-24 | 2020-12-29 | 菲特(天津)检测技术有限公司 | 一种基于机器视觉的光滑漆面表面缺陷检测方法 |
CN113030102A (zh) * | 2021-03-02 | 2021-06-25 | 成都小淞科技有限公司 | 基于机器视觉的漆面瑕疵检查系统 |
CN113658155A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种基于光度立体的物体表面瑕疵检测分析方法及装置 |
WO2022053089A1 (de) * | 2020-09-14 | 2022-03-17 | Twinner Gmbh | Fahrzeugoberflächenanalysesystem |
CN115631289A (zh) * | 2022-11-08 | 2023-01-20 | 长城汽车股份有限公司 | 一种车辆模型表面生成方法、系统、设备和存储介质 |
CN115760704A (zh) * | 2022-10-26 | 2023-03-07 | 长城汽车股份有限公司 | 基于彩色有源参照物的漆面缺陷检测方法、装置及介质 |
CN115791806A (zh) * | 2022-12-27 | 2023-03-14 | 浙江大学 | 一种用于汽车漆面缺陷的检测成像方法、电子设备、介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190238796A1 (en) * | 2017-05-11 | 2019-08-01 | Jacob Nathaniel Allen | Object Inspection System And Method For Inspecting An Object |
-
2023
- 2023-03-30 CN CN202310361819.XA patent/CN116402789B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015184143A (ja) * | 2014-03-25 | 2015-10-22 | 日産自動車株式会社 | 車体塗装面の検査装置および検査方法 |
CN106466665A (zh) * | 2015-08-19 | 2017-03-01 | 福特汽车公司 | 包括太赫兹辐射装置的机器人车辆喷漆仪器 |
CN110045382A (zh) * | 2018-12-03 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 车辆损伤检测的处理方法、装置、设备、服务器和系统 |
CN111915652A (zh) * | 2020-08-14 | 2020-11-10 | 广州立信电子科技有限公司 | 一种基于大数据机器视觉的车辆美容保养智能服务平台 |
WO2022053089A1 (de) * | 2020-09-14 | 2022-03-17 | Twinner Gmbh | Fahrzeugoberflächenanalysesystem |
CN112150441A (zh) * | 2020-09-24 | 2020-12-29 | 菲特(天津)检测技术有限公司 | 一种基于机器视觉的光滑漆面表面缺陷检测方法 |
CN113030102A (zh) * | 2021-03-02 | 2021-06-25 | 成都小淞科技有限公司 | 基于机器视觉的漆面瑕疵检查系统 |
CN113658155A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种基于光度立体的物体表面瑕疵检测分析方法及装置 |
CN115760704A (zh) * | 2022-10-26 | 2023-03-07 | 长城汽车股份有限公司 | 基于彩色有源参照物的漆面缺陷检测方法、装置及介质 |
CN115631289A (zh) * | 2022-11-08 | 2023-01-20 | 长城汽车股份有限公司 | 一种车辆模型表面生成方法、系统、设备和存储介质 |
CN115791806A (zh) * | 2022-12-27 | 2023-03-14 | 浙江大学 | 一种用于汽车漆面缺陷的检测成像方法、电子设备、介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116402789A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210327042A1 (en) | Deep learning-based system and method for automatically determining degree of damage to each area of vehicle | |
US8107683B2 (en) | Method and system for in-vehicle image processing | |
CN108197523B (zh) | 基于图像转换及轮廓邻域差异的夜间车辆检测方法及系统 | |
CN110570316A (zh) | 训练损伤识别模型的方法及装置 | |
CN109215119B (zh) | 受损车辆的三维模型建立方法及装置 | |
CN111783573B (zh) | 一种远光灯检测方法、装置及设备 | |
CN111179233B (zh) | 基于激光切割二维零部件的自适应纠偏方法 | |
JPWO2008020544A1 (ja) | 車両検知装置,車両検知方法並びに車両検知プログラム | |
CN107527368B (zh) | 基于二维码的三维空间姿态定位方法与装置 | |
CN111126393A (zh) | 车辆外观改装判断方法、装置、计算机设备及存储介质 | |
CN108725318B (zh) | 汽车安全预警方法、装置及计算机可读存储介质 | |
CN111881832A (zh) | 车道目标检测方法、装置、设备及计算机可读存储介质 | |
CN113793413A (zh) | 三维重建方法、装置、电子设备及存储介质 | |
CN109670498A (zh) | 一种车牌定位方法 | |
CN116385649B (zh) | 3d汽车环车瑕疵显示方法及系统 | |
CN116402789B (zh) | 车辆喷漆需求数据分析方法及系统 | |
CN111881748A (zh) | 一种基于vbai平台建模的车道线视觉识别方法和系统 | |
CN108268813B (zh) | 一种车道偏离预警方法、装置及电子设备 | |
CN108805121B (zh) | 一种车牌检测定位方法、装置、设备及计算机可读介质 | |
US10241000B2 (en) | Method for checking the position of characteristic points in light distributions | |
CN112184605A (zh) | 一种车辆驾驶视野增强方法、设备及系统 | |
CN110728281A (zh) | 一种车牌分割和识别的方法 | |
CN115272984B (zh) | 占道经营检测方法、系统、计算机及可读存储介质 | |
CN111062911B (zh) | 基于路面信息的成像环境评价方法、装置、系统和存储介质 | |
US20240193980A1 (en) | Method for recognizing human body area in image, electronic device, and storage medium |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |