CN117969550A - 一种基于图像识别的汽车缺陷分析方法及系统 - Google Patents
一种基于图像识别的汽车缺陷分析方法及系统 Download PDFInfo
- Publication number
- CN117969550A CN117969550A CN202410373456.6A CN202410373456A CN117969550A CN 117969550 A CN117969550 A CN 117969550A CN 202410373456 A CN202410373456 A CN 202410373456A CN 117969550 A CN117969550 A CN 117969550A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- automobile
- equipment
- lamplight
- 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 125
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 238000003384 imaging method Methods 0.000 claims abstract description 28
- 238000005516 engineering process Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000003973 paint Substances 0.000 abstract description 38
- 238000010586 diagram Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明适用于图像识别分析技术领域,提供了一种基于图像识别的汽车缺陷分析方法及系统,所述方法包括以下步骤:通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备,所述照明设备朝向待检测区域设置,且照射设备的发光结构为规则状;将捕获指令发送至影像设备,用于通过影像设备对照明设备反射于汽车表面的灯光区域进行捕获;当反射灯光区域捕获后,通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据;基于图像识别技术对所述图像数据中反射灯光区域进行识别分析。本发明利用汽车漆面会反光的特性,通过影像设备识别反光区域的灯光形状来确定漆面缺陷的细节。
Description
技术领域
本发明涉及图像识别分析技术领域,具体是涉及一种基于图像识别的汽车缺陷分析方法及系统。
背景技术
汽车现如今已经是人们居家出行必备的交通工具,因此汽车有着巨大的市场,随着市场竞争增大,现有汽车不仅注重车辆的性能,车辆的外型也是十分重要的。
汽车在出厂时都会将其表面附着上油漆,做工良好的漆面能够使得汽车整体外形更加美观,汽车漆面做工也是现在消费者比较关注的方面。
现有的图像识别技术能够识别出汽车漆面上较大范围内的缺陷问题,但因为漆面处理的工序问题,漆面上很容易出现以点状呈现的缺陷,现有的技术便很难识别出来,因此,提出了一种基于图像识别的汽车缺陷分析方法及系统,旨在解决上述的问题。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于图像识别的汽车缺陷分析方法及系统,以解决上述背景技术中存在的问题。
本发明是这样实现的,一种基于图像识别的汽车缺陷分析方法,所述方法包括以下步骤:
通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备,所述照明设备朝向待检测区域设置,且照射设备的发光结构为规则状;
将捕获指令发送至影像设备,用于通过影像设备对照明设备反射于汽车表面的灯光区域进行捕获;
当反射灯光区域捕获后,通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据;
基于图像识别技术对所述图像数据中反射灯光区域进行识别分析,用于识别出汽车表面的缺陷具体位置。
作为本发明进一步的方案:所述通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备的步骤,具体包括:
通过影像设备获取关于汽车整体的整体影像;
基于智能识别技术并根据整体影像对汽车表面缺陷的位置进行定位得到缺陷范围信息,所述缺陷范围信息为汽车表面缺陷的整体范围;
根据定位信息生成设备启动指令,所述设备启动指令用于使对应的位置的照明设备启动。
作为本发明进一步的方案:所述通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据的步骤,具体包括:
当反射灯光区域捕获后,通过影像设备实时获取关于汽车表面上的反射灯光区域的监测图像;
将监测图像中的反射灯光区域与所述缺陷范围信息进行比对;
当反射灯光区域小于缺陷范围信息对应的范围时,生成调整控制指令发送至影像设备,使得影像设备调整自身位置直到反射灯光区域完全覆盖汽车表面缺陷的区域;
根据影像设备位置调整后的监测影像得到图像数据。
作为本发明进一步的方案:所述基于图像识别技术对所述图像数据中反射灯光区域进行识别分析的步骤,具体包括:
当获得图像数据时,将图像数据进行截取得到多个关于反射灯光区域的帧图像;
基于图像识别技术对帧图像中反射灯光区域中的灯光变形的区域进行识别;
基于识别结果对灯光变形的区域进行标记得到标记图像,所述标记图像为具有多个标记点的帧图像,所述标记点为帧图像中灯光变形的区域;
将多个标记图像进行比对,用于比对其包含的标记点位置的准确性。
作为本发明进一步的方案:所述将多个标记图像进行比对的步骤,具体包括:
当获得多个标记图像后,基于标记图像的整体画面建立参考坐标系;
根据标记点和参考坐标系生成坐标组,所述坐标组中包含该标记图像中全部标记点的位置坐标;
根据坐标组将标记图像中的标记点位置进行比对。
本发明的另一目的在于提供一种基于图像识别的汽车缺陷分析系统,所述系统包括:
设备联动模块,用于通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备,所述照明设备朝向待检测区域设置,且照射设备的发光结构为规则状;
设备控制模块,用于将捕获指令发送至影像设备,用于通过影像设备对照明设备反射于汽车表面的灯光区域进行捕获;
捕获模块,用于当反射灯光区域捕获后,通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据;
图像识别模块,基于图像识别技术对所述图像数据中反射灯光区域进行识别分析,用于识别出汽车表面的缺陷具体位置。
作为本发明进一步的方案:所述设备联动模块包括:
影像获取单元,用于通过影像设备获取关于汽车整体的整体影像;
定位单元,基于智能识别技术并根据整体影像对汽车表面缺陷的位置进行定位得到缺陷范围信息,所述缺陷范围信息为汽车表面缺陷的整体范围;
设备启动单元,用于根据定位信息生成设备启动指令,所述设备启动指令用于使对应的位置的照明设备启动。
作为本发明进一步的方案:所述捕获模块包括:
图传单元,用于当反射灯光区域捕获后,通过影像设备实时获取关于汽车表面上的反射灯光区域的监测图像;
比对单元,用于将监测图像中的反射灯光区域与所述缺陷范围信息进行比对;
设备调整单元,用于当反射灯光区域小于缺陷范围信息对应的范围时,生成调整控制指令发送至影像设备,使得影像设备调整自身位置直到反射灯光区域完全覆盖汽车表面缺陷的区域;
图像处理单元,用于根据影像设备位置调整后的监测影像得到图像数据。
作为本发明进一步的方案:所述图像识别模块包括:
图像截取单元,用于当获得图像数据时,将图像数据进行截取得到多个关于反射灯光区域的帧图像;
灯光识别单元,基于图像识别技术对帧图像中反射灯光区域中的灯光变形的区域进行识别;
位置标记单元,基于识别结果对灯光变形的区域进行标记得到标记图像,所述标记图像为具有多个标记点的帧图像,所述标记点为帧图像中灯光变形的区域;
标记位置比对单元,用于将多个标记图像进行比对,用于比对其包含的标记点位置的准确性。
与现有技术相比,本发明的有益效果是:
本发明首先利用现有技术来识别出汽车漆面的缺陷范围,并且根据位置来启动照明设备,利用汽车漆面发光的原理,通过影像设备能够捕获汽车漆面的反光区域,因而在影像设备的视角中,图像中的汽车漆面包含有规则的反光带,通过调整影像设备的位置能够对反光区域进行增减和移动,使得反光区域能够完全覆盖漆面缺陷的整体区域,通过这种方法来识别出漆面缺陷的细微之处,综上所述,本发明利用汽车漆面会反光的特性,通过影像设备识别反光区域的灯光形状来确定漆面缺陷的细节,相对于现有的图像识别方法更加精准。
附图说明
图1为一种基于图像识别的汽车缺陷分析方法的流程图。
图2为一种基于图像识别的汽车缺陷分析方法中通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备的流程图。
图3为一种基于图像识别的汽车缺陷分析方法中通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据的流程图。
图4为一种基于图像识别的汽车缺陷分析方法中基于图像识别技术对所述图像数据中反射灯光区域进行识别分析的流程图。
图5为一种基于图像识别的汽车缺陷分析方法中将多个标记图像进行比对的流程图。
图6为一种基于图像识别的汽车缺陷分析系统的结构示意图。
图7为一种基于图像识别的汽车缺陷分析系统中设备联动模块的结构示意图。
图8为一种基于图像识别的汽车缺陷分析系统中捕获模块的结构示意图。
图9为一种基于图像识别的汽车缺陷分析系统中图像识别模块的结构示意图。
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晰,以下结合附图及具体实施例,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。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,本发明实施例提供了一种基于图像识别的汽车缺陷分析方法,所述方法包括以下步骤:
S100,通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备,所述照明设备朝向待检测区域设置,且照射设备的发光结构为规则状;
S200,将捕获指令发送至影像设备,用于通过影像设备对照明设备反射于汽车表面的灯光区域进行捕获;
S300,当反射灯光区域捕获后,通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据;
S400,基于图像识别技术对所述图像数据中反射灯光区域进行识别分析,用于识别出汽车表面的缺陷具体位置。
需要说明的是,所述照明设备并不是将形成光柱投射到汽车的表面,而且在原本周围环境照明情况就充足的情况下开启,所以从影像设备的视角观察汽车的漆面,只是漆面上有一条和照明设备形状相同的反光带,利用这个反光带来进行漆面细节缺陷的识别。
本发明实施例中,本发明首先利用现有技术来识别出汽车漆面的缺陷范围,并且根据位置来启动照明设备,利用汽车漆面发光的原理,通过影像设备能够捕获汽车漆面的反光区域,因而在影像设备的视角中,图像中的汽车漆面包含有规则的反光带,通过调整影像设备的位置能够对反光区域进行增减和移动,使得反光区域能够完全覆盖漆面缺陷的整体区域,通过这种方法来识别出漆面缺陷的细微之处,综上所述,本发明利用汽车漆面会反光的特性,通过影像设备识别反光区域的灯光形状来确定漆面缺陷的细节,相对于现有的图像识别方法更加精准。
如图2所示,作为本发明一个优选的实施例,所述通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备的步骤,具体包括:
S101,通过影像设备获取关于汽车整体的整体影像;
S102,基于智能识别技术并根据整体影像对汽车表面缺陷的位置进行定位得到缺陷范围信息,所述缺陷范围信息为汽车表面缺陷的整体范围;
S103,根据定位信息生成设备启动指令,所述设备启动指令用于使对应的位置的照明设备启动。
本发明实施例中,首先利用了现有的识别技术汽车漆面的缺陷进行范围性的识别,从而能够确定其大致的范围,主要用来确定缺陷的位置,例如车盖、车门或者车顶上,因为缺陷的位置不同,需要启动不同的照明设备,使得反射灯光才具有了参考的意义,否则会出现通过漆面无法观察到照明设备的情况。
如图3所示,作为本发明一个优选的实施例,所述通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据的步骤,具体包括:
S301,当反射灯光区域捕获后,通过影像设备实时获取关于汽车表面上的反射灯光区域的监测图像;
S302,将监测图像中的反射灯光区域与所述缺陷范围信息进行比对;
S303,当反射灯光区域小于缺陷范围信息对应的范围时,生成调整控制指令发送至影像设备,使得影像设备调整自身位置直到反射灯光区域完全覆盖汽车表面缺陷的区域;
S304,根据影像设备位置调整后的监测影像得到图像数据。
本发明实施例中,一般来说,照明设备的位置都是固定的,所以汽车漆面上的反光区域都是固定的,而汽车漆面的缺陷也有可能覆盖了较大的范围,此时如果反光区域如果无法覆盖,便无法进行后续的识别,因此在对反光区域捕获后,根据监测图像可以进行范围的比对,而通过控制影像设备的位置便可以在改变影像设备视角中的反光区域的大小,根据反射的原理,当影像设备距离漆面越远时,反光区域在影像设备的视角中便会增大,同时影像设备移动也能够提前调整反光区域的位置,通过上述的方法能够确保反光区域完全覆盖汽车缺陷的整体区域,保证获得的图像数据便于后续的识别处理。
如图4所示,作为本发明一个优选的实施例,所述基于图像识别技术对所述图像数据中反射灯光区域进行识别分析的步骤,具体包括:
S401,当获得图像数据时,将图像数据进行截取得到多个关于反射灯光区域的帧图像;
S402,基于图像识别技术对帧图像中反射灯光区域中的灯光变形的区域进行识别;
S403,基于识别结果对灯光变形的区域进行标记得到标记图像,所述标记图像为具有多个标记点的帧图像,所述标记点为帧图像中灯光变形的区域;
S404,将多个标记图像进行比对,用于比对其包含的标记点位置的准确性。
本发明实施例中,利用反射灯光的特点,当漆面中有模糊的地方或者灯光变形之处,便意味着此处的漆面存在磨损或者不平整的地方,通过图像识别技术便可以很方便识别出区别之处,同时也会对其位置进行标记,因为可以获得多个帧图像,在进行位置标记之后,便会出现多个具有位置标记的帧图像,将多个帧图像进行比对后能够确保标记位置的准确性。
如图5所示,作为本发明一个优选的实施例,所述将多个标记图像进行比对的步骤,具体包括:
S4041,当获得多个标记图像后,基于标记图像的整体画面建立参考坐标系;
S4042,根据标记点和参考坐标系生成坐标组,所述坐标组中包含该标记图像中全部标记点的位置坐标;
S4043,根据坐标组将标记图像中的标记点位置进行比对。
本发明实施例中,详细说明了如何对标记点的位置进行比对,因为帧图像是通过截取获得的,而影像设备是固定不动的状态,因此标记点背景中的漆面图像是固定的,从而可以根据帧图像整体建立参考坐标系,使得标记点具有的坐标参数,而一个帧图像中的标记点左边可以作为一个坐标组,通过对坐标的比对,能够核对标记点的是否存在差异。
如图6所示,本发明实施例还提供了一种基于图像识别的汽车缺陷分析系统,所述系统包括:
设备联动模块100,用于通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备,所述照明设备朝向待检测区域设置,且照射设备的发光结构为规则状;
设备控制模块200,用于将捕获指令发送至影像设备,用于通过影像设备对照明设备反射于汽车表面的灯光区域进行捕获;
捕获模块300,用于当反射灯光区域捕获后,通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据;
图像识别模块400,基于图像识别技术对所述图像数据中反射灯光区域进行识别分析,用于识别出汽车表面的缺陷具体位置。
本发明实施例中,本发明首先利用现有技术来识别出汽车漆面的缺陷范围,并且根据位置来启动照明设备,利用汽车漆面发光的原理,通过影像设备能够捕获汽车漆面的反光区域,因而在影像设备的视角中,图像中的汽车漆面包含有规则的反光带,通过调整影像设备的位置能够对反光区域进行增减和移动,使得反光区域能够完全覆盖漆面缺陷的整体区域,通过这种方法来识别出漆面缺陷的细微之处,综上所述,本发明利用汽车漆面会反光的特性,通过影像设备识别反光区域的灯光形状来确定漆面缺陷的细节,相对于现有的图像识别方法更加精准。
如图7所示,作为本发明一个优选的实施例,所述设备联动模块100包括:
影像获取单元101,用于通过影像设备获取关于汽车整体的整体影像;
定位单元102,基于智能识别技术并根据整体影像对汽车表面缺陷的位置进行定位得到缺陷范围信息,所述缺陷范围信息为汽车表面缺陷的整体范围;
设备启动单元103,用于根据定位信息生成设备启动指令,所述设备启动指令用于使对应的位置的照明设备启动。
如图8所示,作为本发明一个优选的实施例,所述捕获模块300包括:
图传单元301,用于当反射灯光区域捕获后,通过影像设备实时获取关于汽车表面上的反射灯光区域的监测图像;
比对单元302,用于将监测图像中的反射灯光区域与所述缺陷范围信息进行比对;
设备调整单元303,用于当反射灯光区域小于缺陷范围信息对应的范围时,生成调整控制指令发送至影像设备,使得影像设备调整自身位置直到反射灯光区域完全覆盖汽车表面缺陷的区域;
图像处理单元304,用于根据影像设备位置调整后的监测影像得到图像数据。
如图9所示,作为本发明一个优选的实施例,所述图像识别模块400包括:
图像截取单元401,用于当获得图像数据时,将图像数据进行截取得到多个关于反射灯光区域的帧图像;
灯光识别单元402,基于图像识别技术对帧图像中反射灯光区域中的灯光变形的区域进行识别;
位置标记单元403,基于识别结果对灯光变形的区域进行标记得到标记图像,所述标记图像为具有多个标记点的帧图像,所述标记点为帧图像中灯光变形的区域;
标记位置比对单元404,用于将多个标记图像进行比对,用于比对其包含的标记点位置的准确性。
以上仅对本发明的较佳实施例进行了详细叙述,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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,本公开的真正范围和精神由权利要求指出。
Claims (4)
1.一种基于图像识别的汽车缺陷分析方法,其特征在于,所述方法包括以下步骤:
通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备,所述照明设备朝向待检测区域设置,且照射设备的发光结构为规则状;
将捕获指令发送至影像设备,用于通过影像设备对照明设备反射于汽车表面的灯光区域进行捕获;
当反射灯光区域捕获后,通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据;
基于图像识别技术对所述图像数据中反射灯光区域进行识别分析,用于识别出汽车表面的缺陷具体位置;
所述通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据的步骤,具体包括:
当反射灯光区域捕获后,通过影像设备实时获取关于汽车表面上的反射灯光区域的监测图像;
将监测图像中的反射灯光区域与所述缺陷范围信息进行比对;
当反射灯光区域小于缺陷范围信息对应的范围时,生成调整控制指令发送至影像设备,使得影像设备调整自身位置直到反射灯光区域完全覆盖汽车表面缺陷的区域;
根据影像设备位置调整后的监测影像得到图像数据;
所述基于图像识别技术对所述图像数据中反射灯光区域进行识别分析的步骤,具体包括:
当获得图像数据时,将图像数据进行截取得到多个关于反射灯光区域的帧图像;
基于图像识别技术对帧图像中反射灯光区域中的灯光变形的区域进行识别;
基于识别结果对灯光变形的区域进行标记得到标记图像,所述标记图像为具有多个标记点的帧图像,所述标记点为帧图像中灯光变形的区域;
将多个标记图像进行比对,用于比对其包含的标记点位置的准确性;
所述将多个标记图像进行比对的步骤,具体包括:
当获得多个标记图像后,基于标记图像的整体画面建立参考坐标系;
根据标记点和参考坐标系生成坐标组,所述坐标组中包含该标记图像中全部标记点的位置坐标;
根据坐标组将标记图像中的标记点位置进行比对。
2.根据权利要求1所述的基于图像识别的汽车缺陷分析方法,其特征在于,所述通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备的步骤,具体包括:
通过影像设备获取关于汽车整体的整体影像;
基于智能识别技术并根据整体影像对汽车表面缺陷的位置进行定位得到缺陷范围信息,所述缺陷范围信息为汽车表面缺陷的整体范围;
根据定位信息生成设备启动指令,所述设备启动指令用于使对应的位置的照明设备启动。
3.一种基于图像识别的汽车缺陷分析系统,其特征在于,所述系统包括:
设备联动模块,用于通过影像设备识别出汽车表面出现缺陷的缺陷范围信息并启动照明设备,所述照明设备朝向待检测区域设置,且照射设备的发光结构为规则状;
设备控制模块,用于将捕获指令发送至影像设备,用于通过影像设备对照明设备反射于汽车表面的灯光区域进行捕获;
捕获模块,用于当反射灯光区域捕获后,通过影像设备获取关于反射灯光区域完全覆盖汽车表面缺陷的区域时的图像数据;
图像识别模块,基于图像识别技术对所述图像数据中反射灯光区域进行识别分析,用于识别出汽车表面的缺陷具体位置;
所述捕获模块包括:
图传单元,用于当反射灯光区域捕获后,通过影像设备实时获取关于汽车表面上的反射灯光区域的监测图像;
比对单元,用于将监测图像中的反射灯光区域与所述缺陷范围信息进行比对;
设备调整单元,用于当反射灯光区域小于缺陷范围信息对应的范围时,生成调整控制指令发送至影像设备,使得影像设备调整自身位置直到反射灯光区域完全覆盖汽车表面缺陷的区域;
图像处理单元,用于根据影像设备位置调整后的监测影像得到图像数据;
所述图像识别模块包括:
图像截取单元,用于当获得图像数据时,将图像数据进行截取得到多个关于反射灯光区域的帧图像;
灯光识别单元,基于图像识别技术对帧图像中反射灯光区域中的灯光变形的区域进行识别;
位置标记单元,基于识别结果对灯光变形的区域进行标记得到标记图像,所述标记图像为具有多个标记点的帧图像,所述标记点为帧图像中灯光变形的区域;
标记位置比对单元,用于将多个标记图像进行比对,用于比对其包含的标记点位置的准确性;
所述将多个标记图像进行比对的步骤,具体包括:
当获得多个标记图像后,基于标记图像的整体画面建立参考坐标系;
根据标记点和参考坐标系生成坐标组,所述坐标组中包含该标记图像中全部标记点的位置坐标;
根据坐标组将标记图像中的标记点位置进行比对。
4.根据权利要求3所述的基于图像识别的汽车缺陷分析系统,其特征在于,所述设备联动模块包括:
影像获取单元,用于通过影像设备获取关于汽车整体的整体影像;
定位单元,基于智能识别技术并根据整体影像对汽车表面缺陷的位置进行定位得到缺陷范围信息,所述缺陷范围信息为汽车表面缺陷的整体范围;
设备启动单元,用于根据定位信息生成设备启动指令,所述设备启动指令用于使对应的位置的照明设备启动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410373456.6A CN117969550B (zh) | 2024-03-29 | 2024-03-29 | 一种基于图像识别的汽车缺陷分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410373456.6A CN117969550B (zh) | 2024-03-29 | 2024-03-29 | 一种基于图像识别的汽车缺陷分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117969550A true CN117969550A (zh) | 2024-05-03 |
CN117969550B CN117969550B (zh) | 2024-06-04 |
Family
ID=90855032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410373456.6A Active CN117969550B (zh) | 2024-03-29 | 2024-03-29 | 一种基于图像识别的汽车缺陷分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117969550B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06242019A (ja) * | 1993-02-19 | 1994-09-02 | Kanto Auto Works Ltd | 画像信号による塗面検査方法及び装置 |
JPH07270323A (ja) * | 1994-03-31 | 1995-10-20 | Nissan Motor Co Ltd | 塗装面状態検出装置および塗装面状態検出方法 |
CN105701458A (zh) * | 2016-01-08 | 2016-06-22 | 广东翼卡车联网服务有限公司 | 基于车载设备获取图像识别车辆外部信息的方法及系统 |
CN110146507A (zh) * | 2019-04-30 | 2019-08-20 | 杭州晶耐科光电技术有限公司 | 汽车漆面表面外观缺陷检测系统及方法 |
CN113418927A (zh) * | 2021-06-08 | 2021-09-21 | 长春汽车工业高等专科学校 | 基于线结构光的汽车模具视觉检测系统及检测方法 |
CN114638825A (zh) * | 2022-05-12 | 2022-06-17 | 深圳市联志光电科技有限公司 | 一种基于图像分割的缺陷检测方法和检测系统 |
CN114720475A (zh) * | 2022-03-24 | 2022-07-08 | 湖南视比特机器人有限公司 | 一种汽车车身漆面缺陷智能检测与打磨系统及方法 |
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 |
CN219065960U (zh) * | 2022-12-12 | 2023-05-23 | 领先光学技术(常熟)有限公司 | 一种可变光源及汽车面漆检测装置 |
CN116930187A (zh) * | 2023-06-02 | 2023-10-24 | 杭州爱祺昇视像科技有限公司 | 车身漆面缺陷视像检测方法与视像检测系统 |
CN117271534A (zh) * | 2023-11-23 | 2023-12-22 | 长春汽车工业高等专科学校 | 一种汽车零部件的光谱检测方法及系统 |
CN117664980A (zh) * | 2023-11-30 | 2024-03-08 | 浙江大学 | 整车漆面缺陷检测系统及其工作方法 |
-
2024
- 2024-03-29 CN CN202410373456.6A patent/CN117969550B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06242019A (ja) * | 1993-02-19 | 1994-09-02 | Kanto Auto Works Ltd | 画像信号による塗面検査方法及び装置 |
JPH07270323A (ja) * | 1994-03-31 | 1995-10-20 | Nissan Motor Co Ltd | 塗装面状態検出装置および塗装面状態検出方法 |
CN105701458A (zh) * | 2016-01-08 | 2016-06-22 | 广东翼卡车联网服务有限公司 | 基于车载设备获取图像识别车辆外部信息的方法及系统 |
CN110146507A (zh) * | 2019-04-30 | 2019-08-20 | 杭州晶耐科光电技术有限公司 | 汽车漆面表面外观缺陷检测系统及方法 |
CN113418927A (zh) * | 2021-06-08 | 2021-09-21 | 长春汽车工业高等专科学校 | 基于线结构光的汽车模具视觉检测系统及检测方法 |
CN114720475A (zh) * | 2022-03-24 | 2022-07-08 | 湖南视比特机器人有限公司 | 一种汽车车身漆面缺陷智能检测与打磨系统及方法 |
CN114638825A (zh) * | 2022-05-12 | 2022-06-17 | 深圳市联志光电科技有限公司 | 一种基于图像分割的缺陷检测方法和检测系统 |
CN219065960U (zh) * | 2022-12-12 | 2023-05-23 | 领先光学技术(常熟)有限公司 | 一种可变光源及汽车面漆检测装置 |
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 |
CN116930187A (zh) * | 2023-06-02 | 2023-10-24 | 杭州爱祺昇视像科技有限公司 | 车身漆面缺陷视像检测方法与视像检测系统 |
CN117271534A (zh) * | 2023-11-23 | 2023-12-22 | 长春汽车工业高等专科学校 | 一种汽车零部件的光谱检测方法及系统 |
CN117664980A (zh) * | 2023-11-30 | 2024-03-08 | 浙江大学 | 整车漆面缺陷检测系统及其工作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117969550B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191600B (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
KR20190102665A (ko) | 실세계 물체 정보를 이용한 카메라 공차 보정 시스템 및 방법 | |
US7590263B2 (en) | Vehicle vicinity monitoring apparatus | |
US20100231712A1 (en) | Image capturing apparatus and image capturing method | |
CN111160172A (zh) | 泊车位检测方法、装置、计算机设备和存储介质 | |
WO2020248910A1 (zh) | 目标检测方法和装置 | |
CN111723659A (zh) | 泊车位确定方法、装置、计算机设备和存储介质 | |
CN110620881A (zh) | 车牌曝光补偿方法、装置、计算机设备及存储介质 | |
WO2021134285A1 (zh) | 图像跟踪处理方法、装置、计算机设备和存储介质 | |
US7616806B2 (en) | Position detecting apparatus and method of correcting data therein | |
CN109872558A (zh) | 一种基于十字形激光投影的室内车位状态检测法 | |
US10867203B2 (en) | Apparatus for controlling imaging of camera and system provided with the apparatus | |
CN111444808A (zh) | 基于图像的事故定责方法、装置、计算机设备和存储介质 | |
US7567688B2 (en) | Apparatus for and method of extracting image | |
CN117969550B (zh) | 一种基于图像识别的汽车缺陷分析方法及系统 | |
CN113044023A (zh) | 一种停车位积水识别方法及装置 | |
CN115705752A (zh) | 防眩光智能照明系统的控制方法、控制器和存储介质 | |
WO2020234089A1 (en) | Automatic damage detection for cars | |
JP4804202B2 (ja) | ステレオ式監視装置 | |
JP7201706B2 (ja) | 画像処理装置 | |
CN113516685A (zh) | 目标跟踪方法、装置、设备及存储介质 | |
CN113353063A (zh) | 用于执行远程控制的自动化车辆停放操作的系统和方法 | |
CN117746220B (zh) | 智能道闸真伪车牌的识别检测方法、装置、设备以及介质 | |
CN112601007A (zh) | 一种特征区域的图像采集方法及设备 | |
JP4105146B2 (ja) | エイミング装置 |
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 |