DE102021122939A1 - Verfahren zum Beurteilen einer Oberfläche eines Karosseriebauteils sowie Verfahren zum Trainieren eines künstlichen neuronalen Netzes - Google Patents

Abstract

Die Erfindung betrifft ein Verfahren zum Beurteilen (27) einer Oberfläche (5) eines Karosseriebauteils (3) eines Kraftwagens, wobei ein virtuelles Polygonnetz (11) der Oberfläche (5) erstellt wird, wenigstens eine eine Krümmung des Polygonnetzes (11) charakterisierende Größe (18) an wenigstens einem Knoten (14) des Polygonnetzes (11) ermittelt wird und in Abhängigkeit von der die Krümmung charakterisierenden Größe (18) mittels eines künstlichen neuronalen Netzes (2) wenigstens eine einen Oberflächenfehler (6) der Oberfläche (5) charakterisierende Ausgangsgröße (32) zum Beurteilen (27) der Oberfläche (5) ermittelt wird.

Description

• Die Erfindung betrifft ein Verfahren zum Beurteilen einer Oberfläche eines Karosseriebauteils eines Kraftwagens gemäß dem Patentanspruch 1. Des Weiteren betrifft die Erfindung ein Verfahren zum Trainieren eines künstlichen neuronalen Netzes gemäß dem Patentanspruch 6.
• Ein solches Verfahren zum Beurteilen einer Oberfläche eines Karosseriebauteils eines Kraftwagens und ein solches Verfahren zum Trainieren eines künstlichen neuronalen Netzes ist aus dem allgemeinen Stand der Technik als bekannt zu entnehmen. Dabei kann die Oberfläche des Karosseriebauteils, insbesondere manuell, begutachtet bzw. geprüft werden. Beispielsweise kann die Oberfläche auf etwaige Oberflächenfehler hin geprüft werden. Die Oberflächenfehler können zum Beurteilen der Oberfläche herangezogen werden.
• Es ist Aufgabe der Erfindung ein Verfahren zum Beurteilen einer Oberfläche eines Karosseriebauteils eines Kraftwagens sowie ein Verfahren zum Trainieren eines künstlichen neuronalen Netzes zu schaffen, sodass Arbeitsaufwand und Kosten zur Herstellung des Karosseriebauteils besonders geringgehalten werden können.
• Diese Aufgabe wird erfindungsgemäß durch ein Verfahren zum Beurteilen einer Oberfläche eines Karosseriebauteils eines Kraftwagens mit den Merkmalen des Patentanspruchs 1 sowie durch ein Verfahren zum Trainieren eines künstlichen neuronalen Netzes mit den Merkmalen des Patentanspruchs 6 gelöst. Vorteilhafte Ausführungen der Erfindung sind Gegenstand der abhängigen Patentansprüche und der Beschreibung.
• Ein erster Aspekt der Erfindung betrifft ein Verfahren zum Beurteilen einer Oberfläche eines Karosseriebauteils eines Kraftwagens. Der Kraftwagen kann beispielsweise als Personenkraftwagen, Nutzkraftwagen oder Lastkraftwagen ausgebildet sein. Unter dem Karosseriebauteil kann insbesondere ein Bauteil einer Karosserie des Kraftwagens verstanden werden. Bei der Karosserie kann es sich insbesondere um eine selbsttragende Karosserie des Kraftwagens handeln. Das Karosseriebauteil ist vorzugsweise ein Außenhautbauteil der Karosserie bzw. des Kraftwagens. Unter dem Außenhautbauteil kann insbesondere verstanden werden, dass das Karosseriebauteil ein Bauteil einer den Kraftwagen nach außen hin begrenzenden Außenseite des Kraftwagens ist. Das Karosseriebauteil kann beispielsweise aus einem Blech gebildet sein. Dadurch kann das Karosseriebauteil insbesondere als Karosserieblech bezeichnet werden.
• Bei dem Verfahren wird wenigstens ein virtuelles Polygonnetz der Oberfläche des Karosseriebauteils erstellt. Mit anderen Worten ausgedrückt wird wenigstens ein virtuelles Abbild der Oberfläche des Karosseriebauteils erstellt bzw. gebildet, wobei das virtuelle Abbild als Polygonnetz ausgebildet ist. Unter dem virtuellen Abbild kann insbesondere ein virtuelles Modell der Oberfläche verstanden werden. Unter dem Polygonnetz können insbesondere mit Kanten verbundene Punkte verstanden werden, wobei das Polygonnetz eine Vielzahl von Polygonen umfasst, welche beispielsweise als Dreieck oder als Viereck ausgebildet sein können. Das jeweilige Polygon umfasst mehrere, insbesondere als Knoten bezeichnete Punkte, welche über Kanten des Polygons miteinander verbunden sind. Durch das virtuelle Polygonnetz wird die Oberfläche des Karosseriebauteils approximiert.
• Der jeweilige Knoten kann insbesondere als „Vertex“ bezeichnet werden. Die Knoten bilden in der Geometrie des Polygonnetzes jeweilige Ecken des jeweiligen Polygons. Vorzugsweise ist das Polygonnetz dreidimensional. Alternativ kann das Polygonnetz zweidimensional sein.
• Vorzugsweise ist das Polygonnetz ein STL-Netz. Bei dem STL-Netz wird die Oberfläche des Karosseriebauteils durch Dreiecksfacetten beschrieben bzw. approximiert. Jede Dreiecksfacette kann durch jeweils drei Eckpunkte und eine zugehörige Flächennormale des Dreiecks charakterisiert werden. Bei dem STL-Netz handelt es sich insbesondere um ein Polygonnetz, welches ein insbesondere als STL-Format bezeichnetes Format aufweist.
• Es ist vorgesehen, dass wenigstens eine eine Krümmung des Polygonnetzes charakterisierende Größe an wenigstens einem Knoten des Polygonnetzes ermittelt wird. Mit anderen Worten wird wenigstens eine eine Krümmung an wenigstens einem Knoten des Polygonnetzes charakterisierende Größe ermittelt. Mit anderen Worten ausgedrückt wird in Abhängigkeit von dem Polygonnetz die wenigstens eine die Krümmung zumindest eines Teilbereichs der Oberfläche charakterisierende Größe ermittelt. Die die Krümmung charakterisierende Größe kann beispielsweise berechnet werden. Unter der die Krümmung charakterisierenden Größe kann insbesondere ein Maß bzw. ein Wert verstanden werden, mittels welchem die Krümmung des Polygonnetzes, insbesondere an dem jeweiligen Knoten, charakterisiert bzw. beschrieben werden kann. Somit kann in Abhängigkeit von der die Krümmung charakterisierenden Größe auf die Krümmung des Polygonnetzes, insbesondere an den jeweiligen Knoten, bzw. auf die Krümmung der Oberfläche des Karosseriebauteils geschlossen werden. Vorzugsweise wird die die Krümmung des Polygonnetzes charakterisierende Größe an bzw. für alle Knoten des Polygonnetzes ermittelt.
• Beispielsweise kann zum Ermitteln der die Krümmung charakterisierenden Größe an bzw. für den wenigstens einen Knoten, insbesondere alle Knoten, des Polygonnetzes eine insbesondere als Weingartenabbildung bezeichnete Abbildung berechnet werden. Dabei kann für den jeweiligen Knoten eine insbesondere als Weingartenmatrix bzw. Weingartenkrümmungsmatrix bezeichnete Matrix berechnet werden. Eigenwerte der Weingartenabbildung bzw. der Weingartenmatrix entsprechen Hauptkrümmungen des Polygonnetzes, ausgewertet an dem jeweiligen Knoten. Die Hauptkrümmungen können insbesondere als K1 und K2 bezeichnet werden. Unter der Hauptkrümmung kann allgemein eine Krümmung einer ebenen Kurve verstanden werden, welche sich durch einen Normalschnitt ergibt. Unter dem Normalschnitt kann insbesondere ein Schnitt einer Fläche mit einer durch einen Flächennormalenvektor der Fläche und eine Tangentialrichtung der Fläche bestimmten Ebene. Die Hauptkrümmungen sind dann ein Minimalwert und ein Maximalwert dieser Krümmungen. Richtungen der Eigenvektoren können insbesondere als Hauptkrümmungsrichtungen bezeichnet werden. Unter den Hauptkrümmungsrichtungen können insbesondere Tangentialrichtungen verstanden werden. Eine der Hauptkrümmungen kann insbesondere als sogenannte erste Hauptkrümmung bezeichnet werden. Die andere Hauptkrümmung kann insbesondere als sogenannte zweite Hauptkrümmung bezeichnet werden.
• Ein Beispiel zur Berechnung der Weingartenabbildung bzw. der Hauptkrümmungen und Hauptkrümmungsrichtungen kann aus der Literatur entnommen werden: Goldfeather, Jack und Interrante, Victoria (2004). A novel cubic-order algorithm for approximating principal direction vectors, ACM Transaction on Graphics, Volume 23, Issue 1, pp 45-63, https://doi.org/10.1145/966131.966134.
• Beispielweise kann an wenigstens einem Knoten, insbesondere an allen Knoten, des Polygonnetzes die Weingartenabbildung berechnet werden. Dies kann beispielweise folgendermaßen durchgeführt werden:
• Zunächst wird an wenigstens einem der Knoten, insbesondere an allen Knoten, des Polygonnetzes ein Normalenvektor berechnet oder approximiert. Der Normalenvektor entspricht beziehungsweise approximiert eine Normale des Polygonnetzes, insbesondere einer Fläche des Polygonnetzes, im jeweiligen Knoten. Anschließend werden an wenigstens einem der Knoten, insbesondere an allen Knoten, des Polygonnetzes zwei orthonormal zueinander verlaufende Vektoren berechnet, welche senkrecht zum jeweiligen Normalenvektor verlaufen. Die Vektoren und der Normalenvektor werden an dem jeweiligen Knoten als lokales, orthonormales Koordinatensystem verwendet.
• Anschließen wird in wenigstens einem der Knoten, insbesondere in allen Knoten, des Polygonnetzes die Weingartenabbildung beziehungsweise die Weingartenkrümmungsmatrix berechnet, ausgedrückt in dem jeweiligen lokalen Koordinatensystem. Dies kann beispielweise mittels einer insbesondere als normal curvature approximation method bezeichneten Methode oder mittels einer insbesondere als quadratic surface approximation method bezeichneten Methode oder mittels einer insbesondere als adjacent-normal cubic approximation method bezeichneten Methode oder mittels insbesondere als higher order methods bezeichneten Methoden durchgeführt werden.
• Die Hauptkrümmungen und/oder die Hauptkrümmungsrichtungen können als die die Krümmung charakterisierende Größe verwendet werden. Mit anderen Worten ausgedrückt können an wenigstens einem, insbesondere an allen, Knoten des Polygonnetzes die Hauptkrümmungen und/oder die Hauptkrümmungsrichtungen als die die Krümmung charakterisierende Größe ermittelt werden. Wieder mit anderen Worten ausgedrückt können für wenigstens einen, insbesondere für alle Knoten des Polygonnetzes die Weingartenabbildung berechnet werden, aus welcher die Hauptkrümmungen und/oder die Hauptkrümmungsrichtungen berechnet werden können.
• Vorzugsweise wird das virtuelle Polygonnetz nach dem Erstellen in einer elektronischen Recheneinrichtung gespeichert. Vorzugsweise wird die die Krümmung charakterisierende Größe in der elektronischen Recheneinrichtung oder in einer separat von der elektronischen Recheneinrichtung ausgebildeten, zweiten elektronischen Recheneinrichtung gespeichert.
• Um Kosten des Karosseriebauteils besonders gering halten zu können, ist es vorgesehen, dass in Abhängigkeit von der die Krümmung charakterisierenden Größe mittels eines künstlichen neuronalen Netzes wenigstens eine einen Oberflächenfehler der Oberfläche charakterisierende Ausgangsgröße zum Beurteilen der Oberfläche zumindest mittelbar, insbesondere direkt, ermittelt wird. Mit anderen Worten ausgedrückt ist die die Krümmung charakterisierende Größe eine Eingangsgröße des neuronalen Netzes, wobei mittels des neuronalen Netzes in Abhängigkeit von der die Krümmung charakterisierenden Größe die Ausgangsgröße ermittelt wird, welche eine den Oberflächenfehler der Oberfläche charakterisierende Größe ist. Die den Oberflächenfehler der Oberfläche charakterisierende Ausgangsgröße ist eine Ausgangsgröße des neuronalen Netzes.
• Das neuronale Netz kann insbesondere als neuronales Netzwerk bezeichnet werden. Unter dem künstlichen neuronalen Netz kann insbesondere ein Softwarecode verstanden werden, welche auf einem computerlesbaren Speichermedium gespeichert ist und eines oder mehrere vernetzte künstliche Neuronen repräsentiert bzw. deren Funktion nachbilden kann. Der Softwarecode kann insbesondere mehrere Softwarecodekomponenten beinhalten, die beispielsweise unterschiedliche Funktionen haben können. Insbesondere kann ein künstliches neuronales Netz ein nichtlineares Modell oder einen nichtlinearen Algorithmus implementieren, das bzw. der eine Eingabe auf eine Ausgabe abbildet. Die Eingabe kann durch einen Eingangsmerkmalsvektor oder eine Eingangssequenz gegeben sein. Die Ausgabe kann beispielsweise eine ausgegebene Kategorie für eine Klassifizierungsaufgabe, einen oder mehrere präzedierte Werte oder eine präzedierte Sequenz beinhalten. Somit kann der Eingang beziehungsweise die Eingabe die die Krümmung charakterisierende Größe umfassen. Die Ausgabe beziehungsweise der Ausgang kann die den Oberflächenfehler charakterisierende Größe umfassen. Vorzugsweise handelt es sich bei dem neuronalen Netz um ein trainiertes neuronales Netz.
• Unter dem Oberflächenfehler kann insbesondere eine Abweichung zwischen einem Ist-Zustand der Oberfläche des Karosseriebauteils und einem Soll-Zustand der Oberfläche des Karosseriebauteils verstanden werden. Der Oberflächenfehler kann somit eine Abweichung zwischen einer Soll-Oberfläche des Karosseriebauteils und einer Ist-Oberfläche des Karosseriebauteils sein. Unter dem Soll-Zustand bzw. der Soll-Oberfläche kann insbesondere ein definierter, gewünschter Zustand der Oberfläche verstanden werden. Dieser Zustand kann bei der Herstellung der Oberfläche des Karosseriebauteils vorgesehen sein. Unter dem Ist-Zustand bzw. der Ist-Oberfläche kann insbesondere ein realer Zustand der Oberfläche des Karosseriebauteils verstanden werden, wobei der reale Zustand nach der Herstellung des Karosseriebauteils bzw. der Oberfläche vorliegt. Die Abweichung bzw. ein Unterschied zwischen der Soll-Oberfläche und der Ist-Oberfläche kann somit aus der Herstellung des Karosseriebauteils, insbesondere eines Herstellfehlers bzw. einer Herstellungsungenauigkeit, resultieren. Der Oberflächenfehler kann beispielsweise eine Delle sein. Alternativ kann der Oberflächenfehler beispielsweise eine Welligkeit der Oberfläche sein. Es kann vorgesehen sein, dass die Abweichung zwischen der Soll-Oberfläche und der Ist-Oberfläche erst dann ein Oberflächenfehler ist bzw. als der Oberflächenfehler angesehen wird, wenn die Abweichung einen vordefinierten Schwellenwert überschreitet.
• Unter der den Oberflächenfehler charakterisierenden Ausgangsgröße kann insbesondere ein beliebiges Maß bzw. ein beliebiger Wert verstanden werden, welcher den Oberflächenfehler charakterisiert bzw. beschreibt. Somit kann mittels der den Oberflächenfehler charakterisierenden Ausgangsgröße auf den Oberflächenfehler geschlossen werden. Beispielsweise kann die den Oberflächenfehler charakterisierende Ausgangsgröße wenigstens zwei, insbesondere diskrete, Werte annehmen bzw. aufweisen. Ein erster der Werte kann beispielsweise bedeuten, dass die jeweilige Oberfläche den Oberflächenfehler aufweist. Der zweite Wert kann beispielsweise bedeuten, dass die jeweilige Oberfläche den Oberflächenfehler nicht aufweist und somit fehlerfrei ist.
• Beispielsweise kann die den Oberflächenfehler charakterisierende Ausgangsgröße mehrere, voneinander unterschiedliche, Fehlerklassen umfassen. Mit anderen Worten ausgedrückt kann die den Oberflächenfehler charakterisierende Ausgangsgröße wenigstens einen von mehreren, voneinander unterschiedlichen Werten annehmen, wobei der jeweilige Wert die jeweilige Fehlerklasse des Oberflächenfehlers charakterisiert. Die Werte können dabei insbesondere als Fehlerklassenwerte bezeichnet werden. Beispielsweise kann die Delle der Oberfläche eine der Fehlerklassen sein. Beispielsweise kann die wellige Oberfläche eine andere der Fehlerklassen sein. Beispielsweise wird mittels des künstlichen neuronalen Netzes ein erster der Fehlerklassenwerte ermittelt, wenn die jeweilige Oberfläche des Karosseriebauteils einen Oberflächenfehler einer ersten der Fehlerklasse aufweist. Beispielsweise wird mittels des künstlichen neuronalen Netzes ein von dem ersten Fehlerklassenwert unterschiedlicher, zweiter Fehlerklassenwert ermittelt, wenn die jeweilige Oberfläche des Karosseriebauteils einen Oberflächenfehler der zweiten Fehlerklasse aufweist.
• Alternativ oder zusätzlich kann die den Oberflächenfehler charakterisierende Ausgangsgröße wenigstens ein Maß zur Charakterisierung einer Fehlerschwere des Oberflächenfehlers umfassen. Beispielsweise wird mittels des künstlichen neuronalen Netzes ein erster Intensitätswert der den Oberflächenfehler charakterisierenden Ausgangsgröße ermittelt, wenn die jeweilige Oberfläche des jeweiligen Karosseriebauteils einen ersten Oberflächenfehler aufweist, und mittels des neuronalen Netzes wird ein gegenüber dem ersten Intensitätswert größerer, zweiter Intensitätswert der den Oberflächenfehler charakterisierenden Ausgangsgröße ermittelt, wenn die jeweilige Oberfläche des jeweiligen Karosseriebauteils einen gegenüber dem ersten Oberflächenfehler schwereren, zweiten Oberflächenfehler aufweist.
• Alternativ oder zusätzlich weist die den Oberflächenfehler charakterisierende Ausgangsgröße wenigstens ein Maß zur Charakterisierung einer Position des Fehlers auf der Oberfläche des Karosseriebauteils auf. Beispielsweise umfasst die den Oberflächenfehler charakterisierende Ausgangsgröße hierfür Koordinaten, wobei die Koordinaten die Position bzw. eine Lage des Oberflächenfehlers auf der Oberfläche des jeweiligen Karosseriebauteils beschreiben.
• Der Erfindung liegen insbesondere die folgenden Erkenntnisse und Überlegungen zugrunde: Karosseriebauteile können üblicherweise mittels Umformen hergestellt werden. Dabei werden Umformwerkzeuge verwendet. Dabei kann es bei der Herstellung der Karosseriebauteile mittels des Umformwerkzeugs passieren, dass ein Oberflächenfehler auftritt. Um dies zu verhindern und somit eine Tauglichkeit des Umformwerkzeugs, insbesondere für eine Serienfertigung, beispielsweise im Presswerk, des Karosseriebauteils zu überprüfen, kann es vorgesehen sein, die Oberfläche des Karosseriebauteils zu überprüfen. Dabei ist es prinzipiell denkbar, mittels des Umformwerkzeugs insbesondere als Versuchsabpressungen bezeichnete Versuchsteile des Karosseriebauteils herzustellen. Diese Versuchsbauteile können anschließend, insbesondere schwarz, lackiert werden und manuell, insbesondere durch Experten, subjektiv auf Oberflächenfehler hin überprüft werden. Dabei kann üblicherweise eine Entwicklung des Umformwerkzeugs bereits abgeschlossen sein. Dadurch können etwaige Änderungen bzw. Anpassungen des Umformwerkzeugs besonders zeitintensiv und besonders kostenintensiv sein. Während der Entwicklung des Umformwerkzeugs kann üblicherweise nur unzureichend erkannt werden, ob mittels des Umformwerkzeugs herzustellende Karosseriebauteile zu Oberflächenfehlern neigen bzw. ob Differenzen zwischen einer Soll-Geometrie und einer Ist-Geometrie des Karosseriebauteils einen relevanten Oberflächenfehler darstellen. Diese Problematik kann beispielsweise in einem Prozessschritt der Entwicklung des Umformwerkzeugs bestehen, in welchem das Umformwerkzeug mittels Simulation, insbesondere Finite-Elemente-Simulation, entwickelt wird. Die Problematik kann alternativ oder zusätzlich während einer Einarbeit von Werkzeugsätzen in Werkzeugbauten des bzw. für das Umformwerkzeug bestehen.
• Demgegenüber kann mittels des erfindungsgemäßen Verfahrens bereits während der Entwicklung des Umformwerkzeugs der bzw. die Oberflächenfehler erkannt werden. Anstelle des manuellen Überprüfens bzw. Bewertens, insbesondere durch die Experten, wird bei dem erfindungsgemäßen Verfahren der Oberflächenfehler mittels des neuronalen Netzes bewertet bzw. beurteilt. Der Experte kann dabei durch das neuronale Netzwerk emuliert werden. Dadurch können notwendige Maßnahmen bereits frühzeitig während der Entwicklung des Umformwerkzeugs vorgenommen werden. Unter den Maßnahmen können beispielsweise Maßnahmen verstanden werden, mittels welchen das Umformwerkzeug angepasst bzw. verbessert werden kann, sodass der bei der Herstellung des jeweiligen Karosseriebauteils auftretende Oberflächenfehler vermieden oder vermindert werden kann. Insbesondere dadurch, dass bei dem erfindungsgemäßen Verfahren Maßnahmen in einem besonders frühen Entwicklungsstadium des Karosseriebauteils bzw. des Umformwerkzeugs getroffen bzw. umgesetzt werden können, können Kosten, insbesondere Herstellkosten und Aufwand, insbesondere Herstellungsaufwand, des Karosseriebauteils besonders gering gehalten werden.
• In weiterer Ausgestaltung ist es vorgesehen, dass mittels einer optischen Erfassungseinrichtung wenigstens ein Bild der in einem Erfassungsbereich der optischen Erfassungseinrichtung angeordneten Oberfläche des Karosseriebauteils erfasst wird, wobei in Abhängigkeit von dem Bild das virtuelle Polygonnetz erstellt wird. Mit anderen Worten ausgedrückt wird die in dem Erfassungsbereich der optischen Erfassungseinrichtung angeordnete Oberfläche mittels der optischen Erfassungseinrichtung erfasst, wobei die erfasste Oberfläche als das virtuelle Polygonnetz digitalisiert wird. Dadurch kann eine reale Oberfläche des Karosseriebauteils mittels des neuronalen Netzes beurteilt werden. Bei der optischen Erfassungseinrichtung handelt es sich vorzugsweise um eine Kamera, insbesondere eine Stereokamera, beispielsweise eine GOM-Stereokamera.
• In weiterer Ausgestaltung ist es vorgesehen, dass das virtuelle Polygonnetz in Abhängigkeit von wenigstens einem Simulationsergebnis einer, insbesondere strukturmechanischen und/oder thermomechanischen, Simulation wenigstens eines Schrittes eines simulierten Herstellungsprozesses des Karosseriebauteils erstellt wird.
• Darunter kann insbesondere Folgendes verstanden werden: Mittels der Simulation wird wenigstens ein Schritt des Herstellungsprozesses oder der vollständige Herstellungsprozess des Karosseriebauteils simuliert. Bei dieser Simulation wird das Simulationsergebnis berechnet. Die Simulation kann strukturmechanisch und/oder thermomechanisch sein. Dabei kann die Simulation zusätzlich weitere Effekte umfassen. Das Simulationsergebnis kann beispielsweise ein virtuelles Modell bzw. ein virtuelles Abbild der Oberfläche des Karosseriebauteils sein, wobei das virtuelle Abbild beispielsweise gegenüber der Soll-Oberfläche des Karosseriebauteils deformiert bzw. verformt sein kann. Diese Verformung ist eine Folge des, insbesondere simulierten, Herstellungsprozesses des Karosseriebauteils. Aus dem Simulationsergebnis bzw. aus dem simulierten Abbild der Oberfläche wird das virtuelle Polygonnetz der Oberfläche erstellt. Dadurch kann mittels des neuronalen Netzes eine virtuelle bzw. simulierte Oberfläche des Karosseriebauteils beurteilt werden. Dadurch kann die Beurteilung beispielsweise in einem besonders frühen Stadium eines Entwicklungsprozesses des Karosseriebauteils bzw. des Umformwerkzeugs stattfinden.
• In einer weiteren Ausführungsform ist es vorgesehen, vor dem Ermitteln der jeweiligen die Krümmung charakterisierenden Größe eine jeweilige Glättung des jeweiligen Polygonnetzes durchgeführt wird. Somit kann die die Krümmung des Polygonnetzes charakterisierende Größe an dem wenigstens einen Knoten des geglätteten Polygonnetzes ermittelt werden. Dadurch kann in den Polygonnetzen bzw. bei der die Krümmung charakterisierenden Größe ein Rauschen unterdrückt werden. Die Glättung kann insbesondere als Filterung bezeichnet werden.
• Beispielweise kann das Bild insbesondere als Bildrauschen bezeichnete Störungen umfassen. Die Störungen können keinen Bezug zum gewünschten Bildinhalt des Bilds haben, nämlich dem Abbild der Oberfläche. Dadurch, dass das Polygonnetz in Abhängigkeit von dem Bild erstellt wird beziehungsweise erstellt worden ist, kann das Polygonnetz das Bildrauschen beziehungsweise die Störungen aufweisen. Bei einer solchen Störung kann beispielweise eine Position wenigstens eines Knotens des Polygonnetzes keinen Bezug zu der realen Oberfläche haben. Dabei können sich beispielweise Koordinaten des Knotens deutlich von jeweiligen Koordinaten der Oberfläche des Karosseriebauteils unterscheiden. Um das Bildrauschen beziehungsweise die Störungen zu vermindern beziehungsweise zu kompensieren, kann die Glättung des Polygonnetzes durchgeführt werden. Dabei können beispielweise eine Position beziehungsweise Koordinaten wenigstens eines Knotens des Polygonnetzes, insbesondere in eine jeweilige normale Richtung, verschoben werden, wodurch das Bildrauschen vermindert werden kann. Eine beispielhafte Methode zur Glättung kann aus der Literatur entnommen werden: Fleishman, Shachar und Drori, Iddo und Cohen-Or, Dabniel (2003). Bilateral mesh denoising, ACM Transactions on Graphics, https://doi.org/10.1145/1201775.882368.
• In einer weiteren Ausführungsform ist es vorgesehen, dass wenigstens eine zweidimensionale geometrische Abbildung des Polygonnetzes gebildet wird, wobei in Abhängigkeit von der geometrischen Abbildung mittels des künstlichen neuronalen Netzes die den Oberflächenfehler charakterisierende Ausgangsgröße zumindest mittelbar, insbesondere direkt, ermittelt wird. Mit anderen Worten ausgedrückt wird das Polygonnetz als geometrische Abbildung in eine zweidimensionale Ebene transformiert, wobei die geometrische Abbildung als Eingang bzw. als Eingangsgröße des neuronalen Netzes verwendet wird.
• Unter der geometrischen Abbildung kann insbesondere verstanden werden, dass jedem Punkt des Polygonnetzes ein jeweiliger Punkt in der zweidimensionalen Ebene zugeordnet wird. Beispielsweise kann wenigstens einem oder jedem Knoten des Polygonnetzes in der zweidimensionalen Ebene ein jeweiliger Knoten bzw. Punkt zugeordnet werden. Beispielsweise kann wenigstens einer oder jeder Kante des Polygonnetzes eine jeweilige Kante in der zweidimensionalen Ebene zugeordnet werden. Das Polygonnetz geht somit über die geometrische Abbildung indirekt als Eingangsgröße bzw. als Eingang in das neuronale Netz ein. Dabei ist die geometrische Abbildung eine besonders gut geeignete Eingangsgröße des neuronalen Netzes. Dadurch können in dem neuronalen Netz Speicherbedarf und Lernkomplexität besonders gering gehalten werden. Die geometrische Abbildung kann insbesondere als Geometrieabbildung bezeichnet werden. Die geometrische Abbildung kann beispielsweise einer zweidimensionalen Matrix gleichen.
• Vorzugsweise ist die geometrische Abbildung eine authalische sphärische Parametrisierung. Eine beispielhafte geometrische Abbildung bzw. ein beispielhaftes Verfahren zur Durchführung einer solchen geometrischen Abbildung kann aus der aus Literatur entnommen werden: Sinha, Ayan und Bai, Jing und Ramani, Karthik (2016). Deep Learning 3D Shape Surfaces Using Geometry Images, European Conference on Computer Vision, pp 223-240, https://doi.org/10.1007/978-3-319-46466-4_14.
• Unter der sphärischen Parametrisierung kann insbesondere folgendes verstanden werden: Zunächst kann eine von der geometrischen Abbildung unterschiedliche und insbesondere als Zwischenschritt oder als Zwischenabbildung bezeichnete zweidimensionale geometrische Abbildung des Polygonnetzes durch Parametrisieren einer dreidimensionalen Form, insbesondere des Polygonnetzes, erstellt werden. Dann kann die Zwischenabbildung auf einen Oktaeder abgebildet beziehungsweise abgetastet werden. Anschließend kann der Oktaeder zum Erstellen der geometrischen Abbildung entlang seiner Kanten geschnitten beziehungsweise abgeschnitten werden.
• Unter der authalischen Parametrisierung kann insbesondere eine flächenerhaltende Parametrisierung verstanden werden. Unter der sphärischen authalischen Parametrisierung kann insbesondere eine Kombination der sphärischen Parametrisierung und der authalischen Parametrisierung verstanden werden. Bei der authalischen sphärischen Parametrisierung können bei dem als Eingangsgröße der authalischen sphärischen Parametrisierung verwendeten Polygonnetz räumliche Verzerrungen iterativ minimiert werden und eine bijektive Abbildung auf einer Kugeloberfläche erstellt werden.
• In weiterer Ausgestaltung ist es vorgesehen, dass wenigstens einem Bildpunkt der geometrischen Abbildung die jeweilige die Krümmung charakterisierende Größe zugeordnet wird, wobei in Abhängigkeit von dem wenigstens einen die die Krümmung charakterisierende Größe zugeordneten Bildpunkt mittels des künstlichen neuronalen Netzes die den Oberflächenfehler charakterisierende Ausgangsgröße zumindest mittelbar, insbesondere direkt, ermittelt wird. Mit anderen Worten ausgedrückt wird bei der geometrischen Abbildung wenigstens einem, insbesondere jedem, Knoten des Polygonnetzes der jeweilige Bildpunkt in der geometrischen Abbildung zugeordnet, wobei die die Krümmung charakterisierende Größe des jeweiligen Knotens bzw. für den jeweiligen Knoten dem jeweiligen Bildpunkt der geometrischen Abbildung zugeordnet wird. In Abhängigkeit von dem Bildpunkt und der dem jeweiligen Bildpunkt zugeordneten die Krümmung charakterisierenden Größe wird mittels des künstlichen neuronalen Netzes die den Oberflächenfehler charakterisierende Ausgangsgröße ermittelt. Wieder mit anderen Worten ausgedrückt wird in Abhängigkeit von der geometrischen Abbildung, welche die jeweilige die Krümmung charakterisierende Größe umfasst, mittels des künstlichen neuronalen Netzes die den Oberflächenfehler charakterisierende Ausgangsgröße ermittelt.
• Darunter, dass dem jeweiligen Bildpunkt der geometrischen Abbildung die jeweilige die Krümmung charakterisierende Größe zugeordnet wird kann insbesondere verstanden werden, dass die geometrische Abbildung bzw. der Bildpunkt mit der jeweiligen die Krümmung charakterisierenden Größe codiert, insbesondere eingefärbt, wird. Dadurch kann die die Krümmung charakterisierende Größe beispielsweise in Abhängigkeit von einer Farbe bzw. einer Farbintensität der geometrischen Abbildung, insbesondere des Bildpunkts, charakterisiert bzw. dargestellt werden.
• Die die Krümmung charakterisierende Größe kann beispielsweise mehrere Teilgrößen umfassen. Es kann vorgesehen sein, dass für jede der Teilgrößen eine jeweilige zweidimensionale geometrische Abbildung des Polygonnetzes gebildet wird, wobei wenigstens einem Bildpunkt, insbesondere allen Bildpunkten, der jeweiligen geometrischen Abbildung die jeweilige die Krümmung charakterisierende Teilgröße zugeordnet wird. Alternativ kann es vorgesehen sein, dass eine, insbesondere genau eine zweidimensionale geometrische Abbildung des Polygonnetzes gebildet wird, wobei wenigstens einem Bildpunkt, insbesondere allen Bildpunkten, der geometrischen Abbildung alle jeweiligen die Krümmung charakterisierenden Teilgrößen zugeordnet werden. Beispielsweise kann eine erste der Teilgröße die erste Hauptkrümmung sein. Beispielsweise kann eine zweite der Teilgrößen die zweite Hauptkrümmung sein.
• Die jeweilige die Krümmung charakterisierende Größe kann beispielsweise wenigstens einen erweiterten Krümmungswert umfassen. Der erweiterte Krümmungswert kann beispielsweise ein Formindex der Krümmung und/oder ein Intensitätsindex der Krümmung sein. Mit anderen Worten ausgedrückt kann der Formindex und/oder der Krümmungsindex als die die Krümmung charakterisierende Größe verwendet werden. Beispielsweise kann eine dritte der Teilgrößen der Formindex sein. Beispielsweise kann eine vierte der Teilgrößen der Intensitätsindex sein. Somit kann die die Krümmung charakterisierende Größe die erste Hauptkrümmung und/oder die zweite Hauptkrümmung und/oder den Formindex und/oder den Intensitätsindex umfassen.
• Der Formindex (Shape-Index) und der Intensitätsindex (Curvedness Intensity) sind beispielweise in folgender Literaturstelle beschrieben: Koenderink, Jan und Doorn, Andrea (1992). Surface shape and curvature scales, Image and Vision Computing, Volume 10, Issue 8, October 1992, Pages 557-564, https://doi.org/10.1016/0262-8856(92)90076-F.
• Mittels des Formindex kann eine, insbesondere geometrische, Form der Krümmung charakterisiert bzw. beschrieben werden. Der Formindex kann in Abhängigkeit von den Hauptkrümmungen (k₁, k₂) berechnet werden. Somit kann, insbesondere anstelle der Hauptkrümmungen, die Krümmungsform durch genau einem Parameter, nämlich dem Formindex, charakterisiert werden. Vorzugsweise kann der Formindex (s) folgendermaßen berechnet werden: $$s=\frac{2}{\pi }arctan\frac{k_2+k_1}{k_2-k_1}\left(k_1>>k_2\right).$$

  

  Vorzugsweise nimmt der Formindex Werte zwischen -1 und 1 an. Mittels des Formindex können konvexe und konkave und hyperbolische Flächen beschrieben beziehungsweise charakterisiert werden. Dabei können sich konvexe und konkave Flächen jeweils auf voneinander unterschiedlichen Seiten beziehungsweise Bereichen, insbesondere mit unterschiedlichem Vorzeichen) der Skala befinden. Beispielweise charakterisiert ein Wertepaar, welches sich nur hinsichtlich seines jeweiligen Vorzeichens voneinander unterscheidet, zwei korrespondierend zueinander ausgebildete Flächen, beispielweise Stempel und Matritze.
• Mittels des Intensitätsindex kann eine Intensität bzw. eine Stärke der Krümmung charakterisiert bzw. beschrieben werden. Der Intensitätsindex kann in Abhängigkeit von den Hauptkrümmungen (k₁, k₂) berechnet werden. Somit kann, insbesondere anstelle der Hauptkrümmungen, die Krümmungsintensität durch genau einem Parameter, nämlich dem Krümmungsindex, charakterisiert werden. Vorzugsweise kann der Krümmungsindex (c) folgendermaßen berechnet werden: $$c=\sqrt{\frac{k_1^2+k_2^2}{2}}.$$

  

  Im Falle einer Kugel entspricht der Intensitätsindex einem Betrag eines reziproken Werts eines Radius der Kugel.
• Vorzugsweise handelt es sich bei dem künstlichen neuronalen Netzwerk um ein als Convolutional Neural Network (CNN) ausgebildetes neuronales Netz. Das CNN-Netz kann insbesondere als faltendes neuronales Netzwerk bezeichnet werden. Vorzugsweise handelt es sich bei dem neuronalen Netzwerk um ein als Region Based Convolutional Neural Network (R-CNN) ausgebildetes künstliches neuronales Netz. Ein solches neuronales Netz ist beispielsweise in folgender Literaturstelle beschrieben: Girshick, Ross und Donahue, Jeff und Darrell, Trevor und Malik, J (2014). Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation, 2014 IEEE Conference on Computer Vision and Pattern Recognition, pages 580-587, https://doi.org/10.1109/CVPR.2014.81.
• Die zweidimensionale Abbildung ist, insbesondere gegenüber dem dreidimensionalen Polygonnetz, besonders gut zur Verwendung als Eingangsgröße in dem CNN-Netz beziehungsweise R-CNN-Netz geeignet. Gleiches gilt für das Trainieren des CNN-Netzes beziehungsweise R-CNN-Netzes. Dabei können in dem CNN-Netz beziehungsweise R-CNN-Netz Speicherbedarf und Lernkomplexität besonders gering gehalten werden.
• Vorzugsweise ist das R-CNN Netz als Fast R-CNN Netz bzw. als Faster R-CNN Netz ausgebildet. Ein solches neuronales Netz ist beispielsweise in folgenden Literaturstellen beschrieben:
• • Girshick, Ross. (2015). Fast R-CNN, https://doi.org/10.1109/ICCV.2015.169
• • Ren, Shaoqing & He, Kaiming & Girshick, Ross & Sun, Jian. (2016). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks, IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 39, Issue 6, Pages 1137-1149, http://dx.doi.org/10.1109/TPAMI.2016.2577031
• Vorzugsweise umfasst die den jeweiligen Oberflächenfehler charakterisierende Ausgangsgröße wenigstens einen Begrenzungsrahmen, welcher in der jeweiligen geometrischen Abbildung den jeweiligen wenigstens einen Bildpunkt, bei welchem ein jeweiliger Oberflächenfehler ermittelt worden ist, vollständig umgibt. Mit anderen Worten ausgedrückt umfasst die den jeweiligen Oberflächenfehler charakterisierende Ausgangsgröße wenigstens eine Lageinformation bzw. Ortsinformation, welche eine Position des Begrenzungsrahmens in der geometrischen Abbildung charakterisiert bzw. beschreibt. Der Begrenzungsrahmen ist somit eine Ort- bzw. Positionsangabe des Oberflächenfehlers in der geometrischen Abbildung. Beispielsweise kann die den Oberflächenfehler charakterisierende Ausgangsgröße Koordinaten umfassen, welche den jeweiligen Begrenzungsrahmen beschreiben bzw. bilden. Der Begrenzungsrahmen kann in der jeweiligen geometrischen Abbildung mehrere Bildpunkte, bei welchen ein jeweiliger Oberflächenfehler ermittelt worden ist, vollständig umgeben.
• Vorzugsweise ist die den jeweiligen Oberflächenfehler charakterisierende Ausgangsgröße dem jeweiligen Bildpunkt der jeweiligen geometrischen Abbildung zugeordnet. Beispielsweise kann es vorgesehen sein, dass die den jeweiligen Oberflächenfehler charakterisierende Ausgangsgröße dem jeweiligen Knoten des Polygonnetzes zugeordnet wird, wobei der jeweilige Knoten des Polygonnetzes derjenige Knoten ist, welchem der jeweilige Bildpunkt zugeordnet ist. Dadurch kann der jeweilige Oberflächenfehler bzw. die Position des jeweiligen Oberflächenfehlers auf der Oberfläche besonders anschaulich an dem jeweiligen Polygonnetz dargestellt werden.
• Ein zweiter Aspekt der Erfindung betrifft ein Verfahren zum Trainieren eines künstlichen neuronalen Netzes. Vorteile und vorteilhafte Ausgestaltungen des ersten Aspekts der Erfindung sind als Vorteile und vorteilhafte Ausgestaltungen des zweiten Aspekts der Erfindung anzusehen und umgekehrt.
• Bei dem Verfahren wird ein jeweiliges virtuelles Polygonnetz wenigstens einer jeweiligen Oberfläche einer Vielzahl von Karosseriebauteilen erstellt. In anderen Worten ausgedrückt wird ein jeweiliges digitales Abbild der jeweiligen Oberfläche der Karosseriebauteile gebildet, wobei das digitale Abbild als das virtuelle Polygonnetz ausgebildet ist.
• Beispielweise wird ein erstes virtuelles Polygonnetz wenigstens einer jeweiligen Oberfläche eines ersten der Karosseriebauteile erstellt. Beispielweise wird ein von dem ersten virtuellen Polygonnetz unterschiedliches, zweites virtuelles Polygonnetz wenigstens einer jeweiligen Oberfläche eines von dem ersten Karosserieteil unterschiedlichen, zweiten der Karosseriebauteile erstellt. Die Karosseriebauteile können baugleich sein oder sich hinsichtlich ihrer jeweiligen Bauart, insbesondere ihrer Geometrie, voneinander unterscheiden. Bei der jeweiligen Oberfläche bzw. bei den Karosseriebauteilen handelt es sich vorzugsweise um Realbauteile.
• Vorzugsweise wird die jeweilige Oberfläche des jeweiligen Karosseriebauteils in einem Erfassungsbereich einer optischen Erfassungseinrichtung angeordnet, wobei mittels der optischen Erfassungseinrichtung wenigstens ein Bild der in dem Erfassungsbereich der optischen Erfassungseinrichtung angeordneten jeweiligen Oberfläche erfasst wird und wobei in Abhängigkeit von dem erfassten Bild das jeweilige Polygonnetz erstellt wird. Vorzugsweise wird das jeweilige virtuelle Polygonnetz in einer elektronischen Recheneinrichtung, insbesondere einer Datenbank der elektronischen Recheneinrichtung, gespeichert.
• Es ist vorgesehen, dass wenigstens eine jeweilige eine Krümmung an wenigstens einem Knoten des jeweiligen Polygonnetzes charakterisierende Größe ermittelt wird. Mit anderen Worten ausgedrückt wird die jeweilige die Krümmung des jeweiligen Polygonnetzes charakterisierende Größe an dem wenigstens einen Knoten, insbesondere an allen Knoten, des jeweiligen Polygonnetzes ermittelt.
• Vorzugsweise werden die die Krümmung charakterisierenden Größen in der elektronischen Recheneinrichtung, insbesondere in der Datenbank, gespeichert. Beispielsweise kann es vorgesehen sein, dass vor dem Erfassen der jeweiligen Oberflächen mittels der optischen Erfassungseinrichtung die jeweiligen Oberflächen, insbesondere weiß beziehungsweise matt weiß, lackiert werden.
• Um Kosten des jeweiligen Karosseriebauteils besonders gering halten zu können, wird das künstliche neuronale Netz zumindest mittelbar, insbesondere direkt, mittels der die Krümmung charakterisierenden Größen trainiert. Mit anderen Worten ausgedrückt wird mittels der die Krümmung charakterisierenden Größen ein insbesondere als Lernen bezeichneter Lernprozess des künstlich neuronalen Netzes durchgeführt.
• Es kann vorgesehen sein, dass insbesondere vor und/oder nach dem Erfassen der jeweiligen Oberfläche mittels der optischen Erfassungseinrichtung wenigstens eine jeweilige einen jeweiligen Oberflächenfehler der jeweiligen Oberfläche des jeweiligen Karosseriebauteils charakterisierende Größe, insbesondere manuell, ermittelt wird. Das manuelle Ermitteln kann dabei vorzugsweise durch Experten durchgeführt werden. Mit anderen Worten ausgedrückt können die jeweiligen Oberflächen durch die Experten untersucht und bewertet werden. Bei dem Untersuchen können die Karosseriebauteile verbaut sein, d. h. sich in Einbaulage in dem Kraftwagen befinden, oder als Einzelteil vorliegen und dabei beliebig gelagert sein. Unter dem Vorliegen als Einzelteil kann insbesondere verstanden werden, dass sich jeweilige Karosserieteil nicht in seiner jeweiligen Einbaulage in dem Kraftwagen befindet.
• Unter der den Oberflächenfehler charakterisierenden Größe kann insbesondere ein beliebiges Maß bzw. ein beliebiger Wert verstanden werden, welcher den Oberflächenfehler charakterisiert bzw. beschreibt. Somit kann mittels der den Oberflächenfehler charakterisierenden Größe auf den Oberflächenfehler geschlossen werden. Beispielsweise kann die den Oberflächenfehler charakterisierende Größe wenigstens zwei, insbesondere diskrete, Werte annehmen bzw. aufweisen. Ein erster der Werte kann beispielsweise bedeuten, dass die jeweilige Oberfläche den Oberflächenfehler aufweist. Der zweite Wert kann beispielsweise bedeuten, dass die jeweilige Oberfläche den Oberflächenfehler nicht aufweist und somit fehlerfrei ist.
• Beispielsweise kann die den Oberflächenfehler charakterisierende Größe mehrere, voneinander unterschiedliche, Fehlerklassen umfassen. Mit anderen Worten ausgedrückt kann die den Oberflächenfehler charakterisierende Größe wenigstens einen von mehreren, voneinander unterschiedlichen Werten annehmen, wobei der jeweilige Wert die jeweilige Fehlerklasse des Oberflächenfehlers charakterisiert. Die Werte können dabei insbesondere als Fehlerklassenwerte bezeichnet werden. Beispielsweise kann die Delle der Oberfläche eine der Fehlerklassen sein. Beispielsweise kann die wellige Oberfläche eine andere der Fehlerklassen sein. Beispielsweise wird ein erster der Fehlerklassenwerte, insbesondere manuell, ermittelt, wenn die jeweilige Oberfläche des Karosseriebauteils einen Oberflächenfehler einer ersten der Fehlerklasse aufweist. Beispielsweise wird ein von dem ersten Fehlerklassenwert unterschiedlicher, zweiter Fehlerklassenwert, insbesondere manuell, ermittelt, wenn die jeweilige Oberfläche des Karosseriebauteils einen Oberflächenfehler der zweiten Fehlerklasse aufweist.
• Alternativ oder zusätzlich kann die den Oberflächenfehler charakterisierende Größe wenigstens ein Maß zur Charakterisierung einer Fehlerschwere des Oberflächenfehlers umfassen. Beispielsweise wird ein erster Intensitätswert der den Oberflächenfehler charakterisierenden Größe, insbesondere manuell, ermittelt, wenn die jeweilige Oberfläche des jeweiligen Karosseriebauteils einen ersten Oberflächenfehler aufweist, und ein gegenüber dem ersten Intensitätswert größerer, zweiter Intensitätswert der den Oberflächenfehler charakterisierenden Größe wird, insbesondere manuell, ermittelt, wenn die jeweilige Oberfläche des jeweiligen Karosseriebauteils einen gegenüber dem ersten Oberflächenfehler schwereren, zweiten Oberflächenfehler aufweist.
• Alternativ oder zusätzlich weist die den Oberflächenfehler charakterisierende Größe wenigstens ein Maß zur Charakterisierung einer Position des Fehlers auf der Oberfläche des Karosseriebauteils auf. Beispielsweise umfasst die den Oberflächenfehler charakterisierende Größe hierfür Koordinaten, wobei die Koordinaten die Position bzw. eine Lage des Oberflächenfehlers auf der Oberfläche des jeweiligen Karosseriebauteils beschreiben.
• In weiterer Ausgestaltung ist es vorgesehen, dass die jeweilige den jeweiligen Oberflächenfehler der Oberfläche des jeweiligen Karosseriebauteils charakterisierende Größe wenigstens einem jeweiligen Polygon des jeweiligen Polygonnetzes, insbesondere einer Fläche und/oder einem Knoten und/oder einer Kante des Polygons, zugeordnet wird. Mit anderen Worten ausgedrückt wird in Abhängigkeit von der Position des jeweiligen Oberflächenfehlers an dem jeweiligen Karosseriebauteil die den jeweiligen Oberflächenfehler charakterisierende Größe dem jeweiligen Polygon beziehungsweise den jeweiligen Polygonen zugeordnet, welches beziehungsweise welche die Position des jeweiligen Oberflächenfehlers an dem jeweiligen Polygonnetz, insbesondere bestmöglich, approximieren. Vorzugsweise wird die den jeweiligen Oberflächenfehler der Oberfläche des jeweiligen Karosseriebauteils charakterisierende Größe in der elektronischen Recheneinrichtung, insbesondere in der Datenbank gespeichert.
• Insbesondere dann, wenn das Ermitteln der den jeweiligen Oberflächenfehler charakterisierenden Größe vor dem Erfassen der jeweiligen Oberfläche mittels der optischen Erfassungseinrichtung durchgeführt wird, können die jeweiligen ermittelten Oberflächenfehler bzw. eine Position der jeweiligen Oberflächenfehler an der, insbesondere realen, jeweiligen Oberfläche des Karosseriebauteils markiert werden. Dadurch können die jeweiligen markierten Oberflächenfehler beim Erfassen der jeweiligen Oberfläche mittels der optischen Erfassungseinrichtung erfasst werden. Anschließend können die erfassten jeweiligen Oberflächenfehler bzw. die jeweiligen erfassten Positionen der jeweiligen Oberflächenfehler dem jeweiligen virtuellen Polygonnetz, insbesondere jeweiligem Knoten und/oder der jeweiligen Fläche und/oder der jeweiligen Kante, zugeordnet werden.
• Insbesondere dann, wenn das Ermitteln der jeweiligen Oberflächenfehler nach dem optischen Erfassen der jeweiligen Oberflächen mittels der optischen Erfassungseinrichtung durchgeführt wird, kann es vorgesehen sein, dass die jeweiligen Oberflächenfehler bzw. die jeweilige Position der jeweiligen Oberflächenfehler an dem jeweiligen Polygon, insbesondere jeweiligen Knoten und/oder jeweiligen Fläche und/oder jeweiligen Kante des jeweiligen Polygons, des Polygonnetzes, insbesondere manuell, markiert wird und dadurch dem jeweiligen Polygon zugeordnet wird. In weiterer Ausgestaltung ist es vorgesehen, dass wenigstens eine zweidimensionale geometrische Abbildung des jeweiligen Polygonnetzes gebildet wird, wobei wenigstens einem Bildpunkt, insbesondere mehreren Bildpunkten, der jeweiligen geometrischen Abbildung die den jeweiligen Oberflächenfehler charakterisierende Größe zugeordnet wird und wobei das künstlich neuronale Netz zumindest mittelbar, insbesondere direkt, mittels der den jeweiligen Oberflächenfehler umfassenden geometrischen Abbildung trainiert wird. Mit anderen Worten ausgedrückt wird das jeweilige Polygonnetz als geometrische Abbildung in eine zweidimensionale Ebene transformiert, wobei die jeweilige den jeweiligen Oberflächenfehler charakterisierende Größe dem wenigstens einen Bildpunkt der jeweiligen geometrischen Abbildung zugeordnet wird. Mittels den geometrischen Abbildungen und den den Bildpunkten zugeordneten die Oberflächenfehler charakterisierenden Größen wird das Trainieren des neuronalen Netzes durchgeführt.
• Dadurch kann das neuronale Netz besonders vorteilhaft trainiert werden, wodurch es besonders präzise Vorhersagen treffen kann.
• Vorzugsweise ist es vorgesehen, dass wenigstens einem Bildpunkt der geometrischen Abbildung die die jeweilige Krümmung charakterisierende Größe zugeordnet wird und das künstliche neuronale Netz mittels der geometrischen Abbildung, welche die die Krümmung charakterisierende Größe umfasst, zumindest mittelbar, insbesondere direkt, trainiert wird. Mit anderen Worten ausgedrückt kann es vorgesehen sein, dass wenigstens eine zweidimensionale geometrische Abbildung des jeweiligen Polygonnetzes gebildet wird, wobei wenigstens einem Bildpunkt der geometrischen Abbildung die die jeweilige Krümmung charakterisierende Größe zugeordnet wird und wobei das künstliche neuronale Netz mittels der geometrischen Abbildung, welche die die Krümmung charakterisierende Größe umfasst, trainiert wird.
• Vorzugsweise ist es vorgesehen, dass in der jeweiligen geometrischen Abbildung wenigstens ein Begrenzungsrahmen erstellt wird, welcher den jeweiligen wenigstens einen Bildpunkt, welchem die den jeweiligen Oberflächenfehler charakterisierende Größe zugeordnet ist, vollständig umgibt, wobei das neuronale Netz mittels des Begrenzungsrahmens trainiert wird. Mit anderen Worten ausgedrückt wird in der jeweiligen geometrischen Abbildung der den jeweiligen Bildpunkt, insbesondere mehrere Bildpunkte, umgebende Begrenzungsrahmen gebildet, wobei dem jeweiligen Bildpunkt die den jeweiligen Oberflächenfehler charakterisierende Größe zugeordnet ist. Das neuronale Netz wird mittels der jeweiligen geometrischen Abbildung, welche den Begrenzungsrahmen umfasst, trainiert. Dadurch kann das neuronale Netz mit einer Positions- beziehungsweise Lageinformation des jeweiligen Oberflächenfehlers trainiert werden. Dadurch kann mittels des neuronalen Netzes die Positions- beziehungsweise Lageinformation vorhergesagt werden.
• Vorzugsweise ist der jeweilige Bildpunkt, welcher von dem Begrenzungsrahmen umschlossen wird, ein jeweiliger Bildpunkt, an welchem die Oberfläche des jeweiligen Karosseriebauteils einen Oberflächenfehler aufweist. Mit anderen Worten ausgedrückt weist die dem jeweiligen Bildpunkt zugeordnete den jeweiligen Oberflächenfehler charakterisierende Größe einen Wert auf, welcher einem vorhandenen Oberflächenfehler entspricht.
• Vorzugsweise werden die jeweilige geometrische Abbildung und der jeweilige Begrenzungsrahmen, insbesondere Koordinaten des Begrenzungsrahmens, in der elektronischen Recheneinrichtung, insbesondere der Datenbank, gespeichert. Mit anderen Worten ausgedrückt werden die im jeweiligen Polygonnetz markierten Oberflächenfehler in der geometrischen Abbildung mit dem Begrenzungsrahmen umgeben, dessen Koordinaten in der elektronischen Recheneinrichtung, insbesondere in der Datenbank, gespeichert werden.
• In weiterer Ausgestaltung ist es vorgesehen, dass ein jeweiliges virtuelles Soll-Polygonnetz wenigstens einer jeweiligen Oberfläche einer jeweiligen virtuellen Soll-Geometrie des jeweiligen Karosseriebauteils erstellt wird. Darunter kann insbesondere Folgendes verstanden werden: Aus der jeweiligen virtuellen Soll-Geometrie wird das jeweilige virtuelle Soll-Polygonnetz erstellt, welches die virtuelle Soll-Geometrie approximiert. Die Soll-Geometrie kann beispielsweise eine CAD-Geometrie der Oberfläche des jeweiligen Karosseriebauteils sein. Die Soll-Geometrie weist keinen herstellungsbedingten Oberflächenfehler auf und ist somit frei von dem herstellungsbedingten Oberflächenfehler. Somit ist die Soll-Geometrie eine gewünschte ideale Geometrie der Oberfläche des jeweiligen Karosseriebauteils. Bei dem Soll-Polygonnetz handelt es sich vorzugsweise um ein STL-Polygonnetz. Das jeweilige Soll-Polygonnetz kann in der elektronischen Recheneinrichtung, insbesondere in der Datenbank, gespeichert werden.
• Vorzugsweise wird wenigstens die eine jeweilige Krümmung an wenigstens einem Knoten des jeweiligen Soll-Polygonnetzes charakterisierende Größe ermittelt. Mit anderen Worten ausgedrückt kann es vorgesehen sein, dass die wenigstens eine die Krümmung des Soll-Polygonnetzes charakterisierende Größe an dem wenigstens einen Knoten des Soll-Polygonnetzes ermittelt wird.
• Vorzugsweise wird wenigstens eine jeweilige zweidimensionale geometrische Abbildung des jeweiligen Soll-Polygonnetzes gebildet, wobei das künstliche neuronale Netz mittels der jeweiligen geometrischen Abbildung zumindest mittelbar, insbesondere direkt, trainiert wird. Mit anderen Worten ausgedrückt wird das jeweilige Soll-Polygonnetz als geometrische Abbildung in eine zweidimensionale Ebene transformiert, wobei das Trainieren des neuronalen Netzes mittels der jeweiligen geometrischen Abbildung durchgeführt wird. Dadurch kann das neuronale Netz die ideale Geometrie des Soll-Polygonnetzes erlernen, wodurch mittels des neuronalen Netzes präzise Vorhersagen hinsichtlich der Oberflächenfehler ermöglicht werden können.
• Vorzugsweise ist es vorgesehen, dass wenigstens einem Bildpunkt der jeweiligen geometrischen Abbildung des Soll-Polygonnetzes die jeweilige die Krümmung charakterisierende Größe zugeordnet wird, wobei das neuronale Netz mittels dem jeweiligen wenigstens einen die Krümmung charakterisierenden Größe zugeordneten Bildpunkt der geometrischen Abbildung zumindest mittelbar, insbesondere direkt, trainiert wird.
• Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar.
• Die Erfindung wird nun anhand eines bevorzugten Ausführungsbeispiels sowie unter Bezugnahme auf die Zeichnungen näher erläutert. Es zeigen:
• 1 ein schematisches Verfahrensdiagramm eines erfindungsgemäßen Verfahrens zum Trainieren eines künstlich neuronalen Netzes; und
• 2 eine schematische Perspektivansicht eines Karosseriebauteils, an welchem ein erfindungsgemäßes Verfahren durchgeführt werden kann; und
• 3 eine schematische Perspektivansicht eines virtuellen Polygonnetzes des Karosseriebauteils aus 2; und
• 4 eine schematische Perspektivansicht eines virtuellen Polygonnetzes des Karosseriebauteils aus 2 zur Veranschaulichung von Krümmungsinformationen; und
• 5 eine schematische Darstellung einer zweidimensionalen geometrischen Abbildung eines virtuellen Polygonnetzes; und
• 6 ein schematisches Verfahrensdiagramm eines Verfahrens zum Beurteilen einer Oberfläche eines Karosseriebauteils; und
• 7 eine schematische Veranschaulichung einer Vorhersage mittels eines künstlich neuronalen Netzes mittels eines erfindungsgemäßen Verfahrens.
• In den Figuren sind gleiche oder funktionsgleiche Elemente mit gleichen Bezugszeichen versehen.
• 1 zeigt ein schematisches Verfahrensdiagramm eines Verfahrens zum Trainieren 1 eines künstlichen neuronalen Netzes 2. Bei dem künstlich neuronalen Netz 2 handelt es sich vorzugsweise um ein Region Based Convolutional Neural Network (R-CNN). 2 zeigt in einer schematischen Perspektivansicht ein Karosseriebauteil 3 eines Kraftwagens. Das Karosseriebauteil 3 ist in dem Ausführungsbeispiel als Seitenrahmen des Kraftwagens bzw. einer Karosserie des Kraftwagens ausgebildet. Das Karosseriebauteil 3 ist in dem Ausführungsbeispiel ein Außenhautbauteil der Karosserie des Kraftwagens. Das in 2 gezeigte Karosseriebauteil 3 ist ein exemplarisches Karosseriebauteil, da das Verfahren für eine Vielzahl solcher Karosseriebauteile 3 durchgeführt wird.
• Bei dem Verfahren wird für die Karosseriebauteile 3 zunächst eine Bewertung 4 durchgeführt. Die Bewertung 4 kann insbesondere als Beurteilung bezeichnet werden. Bei der Bewertung 4 wird wenigstens eine jeweilige Oberfläche 5 des jeweiligen Karosseriebauteils 3, insbesondere manuell, auf Oberflächenfehler 6 im Strack untersucht. Das Bewerten 4 bzw. das Untersuchen wird vorzugsweise von Experten durchgeführt. Unter dem jeweiligen Oberflächenfehler 6 kann insbesondere eine Abweichung zwischen einem Soll-Zustand der jeweiligen Oberfläche 5 und einem Ist-Zustand der jeweiligen Oberfläche 5 verstanden werden. Der jeweilige Oberflächenfehler 6 kann beispielsweise eine Delle oder eine Welligkeit der Oberfläche 5 sein. Das jeweilige Karosseriebauteil 3 ist vorzugsweise ein, insbesondere schwarz, lackiertes Karosseriebauteil 3.
• Bei dem Bewerten 4 wird vorzugsweise wenigstens eine jeweilige den jeweiligen Oberflächenfehler 6 der jeweiligen Oberfläche 5 des jeweiligen Karosseriebauteils 3 charakterisierende Größe 7, insbesondere manuell, ermittelt. Die Größe 7 kann insbesondere als Fehlergröße bezeichnet werden. Die den jeweiligen Oberflächenfehler 6 charakterisierende Größe 7 kann beispielsweise einen jeweiligen Parameter umfassen, welcher beschreibt ob die jeweilige Oberfläche 5 einen Oberflächenfehler 6 aufweist oder ob die jeweilige Oberfläche 5 frei von dem Oberflächenfehler 6 ist. Alternativ oder zusätzlich kann die den jeweiligen Oberflächenfehler 6 charakterisierende Größe 7 wenigstens einen Parameter umfassen, welcher eine jeweilige Fehlerklasse des jeweiligen Oberflächenfehlers 6 charakterisiert. Die jeweilige Fehlerklasse kann beispielsweise die Delle oder die Welligkeit der jeweiligen Oberfläche 5 sein. Alternativ oder zusätzlich kann die den jeweiligen Oberflächenfehler 6 charakterisierende Größe 7 wenigstens einen Parameter umfassen, welcher eine insbesondere als Fehlerintensität bezeichnete Fehlerschwere des jeweiligen Oberflächenfehlers 6 charakterisiert. Alternativ oder zusätzlich kann die den jeweiligen Oberflächenfehler 6 charakterisierende Größe 7 wenigstens einen Parameter umfassen, welcher eine jeweilige Lage bzw. jeweilige Position des jeweiligen Oberflächenfehlers 6 auf der jeweiligen Oberfläche 5 charakterisiert bzw. beschreibt.
• Mittels einer optischen Erfassungseinrichtung 8 wird wenigstens ein jeweiliges Bild 9 der in einem Erfassungsbereich 10 der optischen Erfassungseinrichtung 8 jeweiligen angeordneten Oberfläche 5 erfasst. In Abhängigkeit von dem jeweiligen erfassten Bild 9 wird ein jeweiliges virtuelles Polygonnetz 11 der jeweiligen Oberfläche 5 des jeweiligen Karosseriebauteils 3 erstellt. Mit anderen Worten ausgedrückt werden die Karosseriebauteile 3, an welchen die Bewertung 4 vorgenommen wurde, mittels der optischen Erfassungseinrichtung 8 als Polygonnetz 11 digitalisiert. 3 zeigt in einer schematischen Perspektivansicht das Polygonnetz 11 der Oberfläche 5 des Karosseriebauteils 3. Das jeweilige Polygonnetz 11 umfasst jeweils eine Vielzahl an Polygonen 12. 4 zeigt in einer schematischen Perspektivansicht das Polygonnetz 11, wobei in einer Teilansicht A jeweilige Polygone 12 veranschaulicht sind.
• In weiterer Ausgestaltung ist es vorgesehen, dass die jeweilige den jeweiligen Oberflächenfehler 6 der jeweiligen Oberfläche 5 des jeweiligen Karosseriebauteils 3 charakterisierende Größe 7 einem jeweiligen Polygon 12 des jeweiligen Polygonnetzes 11 zugeordnet wird. Die Größe 7 kann beispielsweise wenigstens einer jeweiligen Fläche 13 und/oder wenigstens einem jeweiligen Knoten 14 und/oder wenigstens einer jeweiligen Kante 15 des jeweiligen Polygons 12 zugeordnet werden.
• Das Zuordnen der jeweiligen den jeweiligen Oberflächenfehler 6 charakterisierenden Größe 7 kann beispielsweise auf zwei Varianten durchgeführt werden. Bei einer ersten Variante wird bei dem jeweiligen Polygonnetz 11 das jeweilige Polygon 12 bzw. ein jeweiliger Bereich 16, welcher mehrere der jeweiligen Polygone 12 umfasst, markiert. Der Bereich 16 entspricht dabei einem jeweiligen Bereich 17 beziehungsweise approximiert den jeweiligen Bereich 17, bei welchem der jeweilige Oberflächenfehler 6 am Realbauteil identifiziert worden ist. Mit anderen Worten ausgedrückt ist der Bereich 16 ein virtuelles Abbild des Bereich 17. Das Markieren kann manuell durchgeführt werden.
• Bei der zweiten Variante wird der jeweilige Bereich 17, welcher den jeweiligen Oberflächenfehler 6 umfasst, an dem Karosseriebauteil 3 und somit am Realbauteil markiert. Dadurch umfasst das mittels der optischen Erfassungseinrichtung 8 erfasste Bild 9 auch den markierten Bereich 17. Dadurch kann beim Erstellen des jeweiligen virtuellen Polygonnetzes 11 in Abhängigkeit von dem, insbesondere dem Bereich 17 umfassenden, Bild 9 das jeweilige Polygon 12 bzw. der jeweilige virtuelle Bereich 16, insbesondere automatisch, beim Erstellen des jeweiligen Polygonnetzes 11 markiert werden.
• Vorzugsweise werden das jeweilige Polygonnetz 11 und die jeweilige Größe 7 in einer elektronischen Recheneinrichtung, insbesondere einer Datenbank, gespeichert. Vorzugsweise werden die Polygonnetze 11 geglättet, das heißt, es kann eine Glättung der Polygonnetze 11 durchgeführt werden. Die geglätteten Polygonnetze 11 können in der elektronischen Recheneinrichtung, insbesondere der Datenbank, gespeichert werden. Es ist möglich, dass weitere Verfahrensschritte, insbesondere alle weiteren Verfahrensschritte, mit den geglätteten Polygonnetzen 11 oder den ungeglätteten Polygonnetzen 11 durchgeführt werden können.
• Es ist vorgesehen, dass bei dem, insbesondere in der elektronischen Recheneinrichtung gespeicherten, jeweiligen Polygonnetz 11 wenigstens eine jeweilige eine Krümmung des jeweiligen Polygonnetzes 11 charakterisierende Größe 18 an wenigstens einem der Knoten 14 des jeweiligen Polygonnetzes 11 ermittelt wird. Vorzugsweise wird dies für sämtliche in der elektronischen Recheneinrichtung gespeicherten Polygonnetze 11 durchgeführt. Vorzugsweise wird dies an allen Knoten 14 des jeweiligen Polygonnetzes 11 durchgeführt. Die die jeweilige Krümmung charakterisierende Größe 18 kann beispielsweise Hauptkrümmungen k1, k2 und/oder Hauptkrümmungsrichtungen und/oder einen Formindex s und/oder einen Intensitätsindex c des jeweiligen Knotens 14 bzw. an dem jeweiligen Knoten 14 umfassen. Mit anderen Worten ausgedrückt kann die die Krümmung charakterisierende Größe 18 mehrere Teilgrößen 18a - d umfassen, welche insbesondere als Teilinformationen bezeichnet werden können. Beispielsweise kann eine erste der Teilgrößen 18a eine erste der Hauptkrümmungen K1 sein. Beispielsweise kann eine zweite der Teilgrößen 18b die zweite Hauptkrümmung K2 sein. Beispielsweise kann eine dritte der Teilgrößen 18c der Formindex s sein. Beispielsweise kann die vierte Teilgröße 18d der Intensitätsindex c sein.
• Die Hauptkrümmungen k1, k2 und die Hauptkrümmungsrichtungen können beispielsweise mittels einer insbesondere als Weingartenabbildung bezeichneten mathematischen Abbildung in Abhängigkeit von dem jeweiligen Polygonnetz 11, insbesondere den Knoten 14, berechnet werden. Der Formindex s und der Intensitätsindex c kann beispielsweise in Abhängigkeit von den Hauptkrümmungen k1, k2 und/oder den Hauptkrümmungsrichtungen berechnet werden. Vorzugsweise wird die insbesondere als Krümmungsinformation bezeichnete jeweilige die Krümmung charakterisierende Größe 18 der Polygonnetze 11 in der elektronischen Recheneinrichtung, insbesondere der Datenbank, gespeichert.
• Es ist vorgesehen, dass wenigstens eine zweidimensionale geometrische des jeweiligen Polygonnetzes 11 gebildet wird. 5 zeigt in einer schematischen Darstellung die zweidimensionale geometrische . Die jeweilige geometrische umfasst eine Vielzahl an Bildpunkten 20, wobei jedem der Bildpunkte 20 wenigstens ein Knoten 14 des jeweiligen Polygonnetzes 11 zugeordnet ist bzw. zugeordnet wird. Die jeweilige geometrische kann wenigstens einen Teilbereich 21 aufweisen, welchem kein Polygon 12 bzw. kein Knoten 14 des jeweiligen Polygonnetzes 11 zugeordnet ist. Der Teilbereich 21 ist eine Abbildung eines Bildbereichs des jeweiligen Bilds 9, wobei der Bildbereich, wenn man das Bild 9 darstellen würde, nicht die jeweilige Oberfläche 5 des Karosseriebauteils 3 zeigt. Der Teilbereich 21 kann somit beispielsweise eine Ausnehmung des Karosseriebauteils 3 charakterisieren bzw. entsprechen. Mit anderen Worten ausgedrückt unterscheidet sich der Teilbereich 21 von den restlichen Bereichen der geometrischen , dass der Teilbereich 21 keine Netze aufweist beziehungsweise nicht das Polygonnetz 11 abbildet. In 5 sind mehrere der Teilbereiche 21 dargestellt. Diese entsprechen jeweiligen Türbereichen beziehungsweise Fensterbereichen des Kraftwagens beziehungsweise bilden die jeweiligen Türbereiche beziehungsweise Fensterbereiche ab. Die geometrische wird vorzugsweise mittels authalischer sphärischer Parametrisierung aus dem jeweiligen Polygonnetz 11 gebildet.
• In weiterer Ausgestaltung ist es vorgesehen, dass die die jeweilige Krümmung charakterisierende Größe 18 wenigstens einem der Bildpunkte 20 der jeweiligen geometrischen zugeordnet wird. Beispielweise kann die geometrische , insbesondere die Bildpunkte 20, in Abhängigkeit von der die Krümmung charakterisierenden Größe eingefärbt werden.
• Beispielsweise kann für jedes der Polygonnetze 11 genau eine der geometrischen gebildet werden, wobei den wenigstens einen Bildpunkt 20 der genau einen geometrischen mehrere, insbesondere alle, der Teilgrößen 18a - d der die jeweilige Krümmung charakterisierenden Größe 18 zugeordnet wird. Alternativ können für jedes der Polygonnetze 11 mehrere geometrische gebildet werden, wobei jeder der mehreren geometrischen an wenigstens einem der Bildpunkte 20 genau eine der Teilgrößen 18a - d zugeordnet wird.
• Vorzugsweise werden die geometrischen in der elektronischen Recheneinrichtung, insbesondere in der Datenbank, gespeichert.
• Es ist vorgesehen, dass das künstliche neuronale Netz 2, mittels den geometrischen , welche die die Krümmung charakterisierende Größe 18, insbesondere wenigstens eine der Teilgrößen 18a - d umfasst, trainiert wird. Somit ist es vorgesehen, dass das künstliche neuronale Netz 2 zumindest mittelbar mittels der die Krümmung charakterisierenden Größen 18 trainiert wird.
• Vorzugsweise ist es vorgesehen, dass wenigstens einem der Bildpunkte 20 der jeweiligen geometrischen die jeweilige den jeweiligen Oberflächenfehler 6 charakterisierende Größe 7 zugeordnet wird. Das künstliche neuronale Netz 2 kann mittels der jeweiligen geometrischen , welche die jeweilige den jeweiligen Oberflächenfehler 6 charakterisierende Größe 7 umfasst, trainiert werden.
• In weiterer Ausgestaltung ist es vorgesehen, dass in der jeweiligen geometrischen wenigstens ein Begrenzungsrahmen 22 erstellt wird, welcher den jeweiligen wenigstens einen Bildpunkt 20 vollständig umgibt, welchem die den jeweiligen Oberflächenfehler 6 charakterisierende Größe 7 zugeordnet ist. Das künstliche neuronale Netz 2 wird mittels des jeweiligen Begrenzungsrahmens 22 bzw. mittels der jeweiligen geometrischen , welche den jeweiligen Begrenzungsrahmen 22 umfasst, trainiert.
• In einer weiteren Ausführungsform ist es vorgesehen, dass ein jeweiliges virtuelles Soll-Polygonnetz 23 wenigstens einer jeweiligen Oberfläche 24 einer jeweiligen virtuellen Soll-Geometrie 25 des jeweiligen Karosseriebauteils 3 erstellt wird. Die virtuelle Soll-Geometrie 25 ist vorzugsweise eine CAD-Geometrie der jeweiligen Oberfläche 5 bzw. des jeweiligen Karosseriebauteils 3. Die Soll-Geometrie 25 umfasst vorzugsweise keine herstellungsbedingten Oberflächenfehler 6. Das virtuelle Soll-Polygonnetz 23 kann in der elektronischen Recheneinrichtung, insbesondere in der Datenbank, gespeichert werden.
• Vorzugsweise wird die die jeweilige Krümmung charakterisierende Größe 18 an den jeweiligen virtuellen Soll-Polygonnetzen 23 ermittelt. Somit ist es vorzugsweise vorgesehen, dass die wenigstens eine jeweilige die Krümmung des jeweiligen Soll-Polygonnetzes 23 charakterisierende Größe 18 an wenigstens einem Knoten 14 des jeweiligen Soll-Polygonnetzes 23 ermittelt wird.
• Vorzugsweise ist es vorgesehen, dass wenigstens eine jeweilige zweidimensionale geometrische des jeweiligen Soll-Polygonnetzes 23 gebildet wird. Die geometrische unterscheidet sich insbesondere dadurch von der geometrischen , dass die geometrische nicht die herstellungsbedingten Oberflächenfehler 6 bzw. den Begrenzungsrahmen 22 umfasst. Somit ist die geometrische frei von den herstellungsbedingten Oberflächenfehlern 6 bzw. dem Begrenzungsrahmen 22.
• Vorzugsweise wird wenigstens einem Bildpunkt der geometrischen die die jeweilige Krümmung des Soll-Polygonnetzes 23 charakterisierende Größe 18 zugeordnet, wobei das künstlich neuronale Netz 2 mittels der geometrischen , welche die die Krümmung charakterisierende Größe 18 des virtuellen Soll-Polygonnetzes 23 umfasst, trainiert wird. Die jeweilige geometrische kann in der elektronischen Recheneinrichtung gespeichert werden.
• Vorzugsweise werden in der elektronischen Recheneinrichtung, insbesondere in der Datenbank, gespeicherte Daten zum Trainieren 1 des künstlichen neuronalen Netzes 2 verwendet. Die Daten umfassen dabei die geometrische , insbesondere die die Krümmung charakterisierende Größe 18 des Polygonnetzes 11 und/oder die den jeweiligen Oberflächenfehler 6 charakterisierende Größe 7 und/oder den jeweiligen Begrenzungsrahmen 22, und/oder die geometrische , insbesondere die jeweilige die Krümmung charakterisierende Größe 18 des Soll-Polygonnetzes 23. Als die die Krümmung charakterisierende Größe 18 kann die erste Hauptkrümmung k1 und/oder die zweite Hauptkrümmung k2 und/oder der Formindex s und/oder der Intensitätsindex c verwendet werden.
• Ziel des Trainierens 1 ist es, dass das trainierte neuronale Netz 2 in der Lage ist, die jeweiligen Oberflächenfehler 6, insbesondere bereits während einer Entwicklung des Karosseriebauteils 3 und/oder des Umformwerkzeugs, vorherzusagen bzw. zu erkennen. Mit anderen Worten ausgedrückt kann das neuronale Netz 2 nach dem Trainieren 1 zur Lokalisierung und/oder Klassifizierung von jeweiligen Oberflächenfehlern 6 in Polygonnetzen, insbesondere in dem Soll-Polygonnetz 23, verwendet werden. Dadurch können Herstellungsaufwand und Herstellungskosten der Karosseriebauteile 3 besonders gering gehalten werden, insbesondere gegenüber manueller Lokalisierung beziehungsweise Klassifizierung der Oberflächenfehler 6.
• 6 zeigt ein schematisches Verfahrensdiagramm eines Verfahrens zum Beurteilen 27 der jeweiligen Oberfläche 5 des Karosseriebauteils 3 des Kraftwagens mittels des trainierten künstlichen neuronalen Netzes 2. Mittels der optischen Erfassungseinrichtung 8 wird wenigstens ein Bild 9 der in dem Erfassungsbereich 10 der optischen Erfassungseinrichtung 8 angeordneten Oberfläche 5 des Karosseriebauteils 3 erfasst. In Abhängigkeit von dem erfassten Bild 9 wird das virtuelle Polygonnetz 11 der Oberfläche 5 erstellt. Somit kann das Polygonnetz 11 durch Digitalisierung des Karosseriebauteils 3 mittels der Erfassungseinrichtung 8 erzeugt werden.
• Alternativ kann das virtuelle Polygonnetz 11 in Abhängigkeit von wenigstens einem Simulationsergebnis 28 einer, insbesondere strukturmechanischen und/oder thermomechanischen, Simulation 29 wenigstens eines Schrittes eines simulierten Herstellungsprozesses 30 des Karosseriebauteils 3 erstellt werden. Die Simulation 29 ist dabei vorzugsweise eine, insbesondere dreidimensionale, Finite-Elemente-Simulation (FEM). Die Simulation 29 wird dabei mit einer Soll-Geometrie 25 des Karosseriebauteils 3 durchgeführt. Das virtuelle Polygonnetz 11 wird vorzugsweise in der elektronischen Recheneinrichtung, insbesondere in der Datenbank, gespeichert.
• Nach dem Erstellen des virtuellen Polygonnetzes 11 der Oberfläche 5 wird die die Krümmung charakterisierende Größe 18 für das virtuelle Polygonnetz 11 ermittelt. Somit ist es vorgesehen, dass die wenigstens eine die Krümmung des Polygonnetzes 11 charakterisierende Größe 18 an wenigstens einem Knoten 14 des virtuellen Polygonnetzes 11 ermittelt wird. Die die Krümmung charakterisierende Größe 18 des Polygonnetzes 11 wird vorzugsweise in der elektronischen Recheneinrichtung, insbesondere in der Datenbank, gespeichert.
• In weiterer Ausgestaltung ist es vorgesehen, dass wenigstens eine zweidimensionale geometrische des Polygonnetzes 11 gebildet wird, wobei in Abhängigkeit von der geometrischen mittels des künstlichen neuronalen Netzes 2 wenigstens eine einen Oberflächenfehler 6 der Oberfläche 5 charakterisierende Ausgangsgröße 32 ermittelt wird. 7 zeigt in einer schematischen Darstellung eine Veranschaulichung des neuronalen Netzes 2 bzw. eine Vorhersage der Ausgangsgröße 32 in Abhängigkeit von der geometrischen . Vorzugsweise ist es vorgesehen, dass wenigstens einem Bildpunkt 20 der geometrischen die jeweilige die Krümmung des Polygonnetzes 11 charakterisierende Größe 18 zugeordnet wird.
• Die geometrische unterscheidet sich insbesondere dadurch von der geometrischen , dass die geometrische nicht die Oberflächenfehler 6 bzw. den Begrenzungsrahmen 22 umfasst. Somit ist die geometrische frei von den Oberflächenfehlern 6 bzw. dem Begrenzungsrahmen 22. Dadurch kann die geometrische als Eingangsgröße des künstlichen neuronalen Netzes 2 verwendet werden.
• Beispielsweise kann für das Polygonnetz 11 genau eine geometrische gebildet wird, wobei dem wenigstens einen Bildpunkt 20 der genau einen geometrischen mehrere, insbesondere alle, der Teilgrößen 18a - d der die jeweilige Krümmung charakterisierenden Größe 18 zugeordnet werden. Alternativ können für das Polygonnetze 11 mehrere geometrische gebildet werden, wobei jeder der mehreren geometrischen an wenigstens einem der Bildpunkte 20 jeweils genau eine der Teilgrößen 18a - d zugeordnet wird.
• Beispielsweise kann einer ersten der geometrischen an wenigstens einem der Bildpunkte 20 die erste Teilgröße 18a, insbesondere die erste Hauptkrümmung k1, zugeordnet werden. Alternativ oder zusätzlich kann einer zweiten der geometrischen an wenigstens einem der Bildpunkte 20 die zweite Teilgröße 18b, insbesondere die zweite Hauptkrümmung k2, zugeordnet werden. Alternativ oder zusätzlich kann einer dritten der geometrischen an wenigstens einem der Bildpunkte 20 die dritte Teilgröße 18c, insbesondere der Formindex s, zugeordnet werden. Alternativ oder zusätzlich kann einer vierten der geometrischen an wenigstens einem der Bildpunkte 20 die vierte Teilgröße 18d, insbesondere der Intensitätsindex c, zugeordnet werden. Dies ist in 7 veranschaulicht.
• In Abhängigkeit von dem wenigstens einen die die Krümmung charakterisierende Größe 18, welche insbesondere wenigstens eine der Teilgrößen 18a - d umfasst, zugeordneten Bildpunkt 20 wird mittels des künstlichen neuronalen Netzes 2 die den Oberflächenfehler 6 charakterisierende Ausgangsgröße 32 ermittelt. Mit anderen Worten ausgedrückt wird in Abhängigkeit von der geometrischen beziehungsweise den geometrischen , welche die die Krümmung charakterisierende Größe 18, insbesondere wenigstens eine der Teilgrößen 18a - d, umfasst, mittels des künstlichen neuronalen Netzes 2 die den Oberflächenfehler 6 charakterisierende Ausgangsgröße 32 ermittelt wird. Somit wird zumindest mittelbar in Abhängigkeit von der die Krümmung charakterisierenden Größe 18 mittels des künstlichen neuronalen Netzes 2 die wenigstens eine den Oberflächenfehler 6 der Oberfläche 5 charakterisierende Ausgangsgröße 32 zum Beurteilen 27 der Oberfläche 5 ermittelt. Dadurch können digitale beziehungsweise digitalisierte Karosserieteile 3, insbesondere aus Werkzeugeinarbeit, mittels des trainierten neuronalen Netzes 2 hinsichtlich der Oberflächenfehler 6 beurteilt beziehungsweise bewertet werden. Dadurch können etwaige Oberflächenfehler 6 beispielweise in einer besonders frühen Entwicklungsphase des Karosseriebauteils 3 identifiziert, insbesondere lokalisiert beziehungsweise klassifiziert, werden. Somit können Herstellungsaufwand und Herstellungskosten der Karosseriebauteile 3 besonders gering gehalten werden, insbesondere gegenüber manueller Lokalisierung beziehungsweise Klassifizierung der Oberflächenfehler 6.
• Die Ausgangsgröße 32 ist vorzugsweise ein insbesondere als Ergebnisvektor bezeichneter Vektor. Die Ausgangsgröße 32 kann identisch zu der den Oberflächenfehler 6 charakterisierenden Größe 7 sein oder die Ausgangsgröße 32 und die Größe 7 können zumindest teilweise unterschiedlich voneinander sein. Der Ergebnisvektor umfasst vorzugsweise mehrere Komponenten 33. Vorzugsweise umfasst wenigstens eine der Komponenten 33 Koordinaten des Begrenzungsrahmens 22. Somit kann mittels der Ausgangsgröße 32 die Lage bzw. Position des Oberflächenfehlers 6, welcher mittels des künstlichen neuronalen Netzes 2 vorhergesagt worden ist, lokalisiert werden. Vorzugsweise umfasst wenigstens eine der Komponenten die Klassifizierung des jeweiligen Oberflächenfehlers 6. Dadurch kann beispielsweise insbesondere als Fehlerart bezeichnete Klasse des Oberflächenfehlers 6 und/oder insbesondere als Fehlerintensität bezeichnete Fehlerschwere des Oberflächenfehlers 6 mittels des künstlichen neuronalen Netzes 2 vorhergesagt werden.
• Bezugszeichenliste

1

Trainieren

2

neuronales Netz

3

Karosseriebauteil

4

Bewertung

5

Oberfläche

6

Oberflächenfehler

7

Größe

8

Erfassungseinrichtung

9

Bild

10

Erfassungsbereich

11

Polygonnetz

12

Polygon

13

Fläche

14

Knoten

15

Kante

16

Bereich

17

Bereich

18

Größe

18a

erste Teilgröße

18b

zweite Teilgröße

18c

dritte Teilgröße

18d

vierte Teilgröße

19

Abbildung

20

Bildpunkt

21

Teilbereich

22

Begrenzungsrahmen

23

Soll-Polygonnetz

24

Oberfläche

25

Soll-Geometrie

26

Abbildung

27

Beurteilen

28

Simulationsergebnis

29

Simulation

30

Herstellungsprozess

31

Abbildung

32

Ausgangsgröße

33

Komponenten

A

Detailansicht

c

Intensitätsindex

k1

erste Hauptkrümmung

k2

zweite Hauptkrümmung

s

Formindex

Claims (10)

1. Verfahren zum Beurteilen (27) einer Oberfläche (5) eines Karosseriebauteils (3) eines Kraftwagens, wobei: • ein virtuelles Polygonnetz (11) der Oberfläche (5) erstellt wird, • wenigstens eine eine Krümmung des Polygonnetzes (11) charakterisierende Größe (18) an wenigstens einem Knoten (14) des Polygonnetzes (11) ermittelt wird und • in Abhängigkeit von der die Krümmung charakterisierenden Größe (18) mittels eines künstlichen neuronalen Netzes (2) wenigstens eine einen Oberflächenfehler (6) der Oberfläche (5) charakterisierende Ausgangsgröße (32) zum Beurteilen (27) der Oberfläche (5) ermittelt wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass mittels einer optischen Erfassungseinrichtung (8) wenigstens ein Bild (9) der in einem Erfassungsbereich (10) der optischen Erfassungseinrichtung (8) angeordneten Oberfläche (5) erfasst wird, wobei in Abhängigkeit von dem Bild (9) das virtuelle Polygonnetz (11) erstellt wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das virtuelle Polygonnetz (11) in Abhängigkeit von wenigstens einem Simulationsergebnis (28) einer Simulation (29) wenigstens eines Schrittes eines Herstellungsprozesses (30) des Karosseriebauteils (3) erstellt wird.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass wenigstens eine zweidimensionale geometrische Abbildung (31) des Polygonnetzes (11) gebildet wird, wobei in Abhängigkeit von der geometrischen Abbildung (31) mittels des künstlichen neuronalen Netzes (2) die den Oberflächenfehler (6) charakterisierende Ausgangsgröße (32) ermittelt wird.
5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass wenigstens einem Bildpunkt (20) der geometrischen Abbildung (31) die jeweilige die Krümmung charakterisierende Größe (18) zugeordnet wird, wobei in Abhängigkeit von dem wenigstens einen die die Krümmung charakterisierende Größe (18) zugeordneten Bildpunkt (20) mittels des künstlichen neuronalen Netzes (2) die den Oberflächenfehler (6) charakterisierende Ausgangsgröße (32) ermittelt wird.
6. Verfahren zum Trainieren (1) eines künstlichen neuronalen Netzes (2), dadurch gekennzeichnet, dass • ein jeweiliges virtuelles Polygonnetz (11) wenigstens einer jeweiligen Oberfläche (5) einer Vielzahl von Karosseriebauteilen (3) erstellt wird, • wenigstens eine jeweilige eine Krümmung des jeweiligen Polygonnetzes (11) charakterisierende Größe (18) an wenigstens einem Knoten (14) des jeweiligen Polygonnetzes (11) ermittelt wird und • das künstliche neuronale Netz (2) mittels der die Krümmung charakterisierenden Größen (18) trainiert wird.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass eine jeweilige einen jeweiligen Oberflächenfehler (6) einer Oberfläche (5) des jeweiligen Karosseriebauteils (3) charakterisierende Größe (7) einem jeweiligen Polygon (12) des jeweiligen Polygonnetzes (11) zugeordnet wird.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass wenigstens eine zweidimensionale geometrische Abbildung (19) des jeweiligen Polygonnetzes (11) gebildet wird, wobei wenigstens einem Bildpunkt (20) der geometrischen Abbildung (19) die den jeweiligen Oberflächenfehler (6) charakterisierende Größe (7) zugeordnet wird und wobei das künstliche neuronale Netz (2) mittels der den jeweiligen Oberflächenfehler (6) umfassenden geometrischen Abbildung (19) trainiert wird.
9. Verfahren nach Anspruch 8, in der jeweiligen geometrischen Abbildung (19) wenigstens ein Begrenzungsrahmen (22) erstellt wird, welcher den jeweiligen Bildpunkt (20), welchem die den jeweiligen Oberflächenfehler (6) charakterisierende Größe (7) zugeordnet ist, vollständig umgibt, wobei das neuronale Netz (2) mittels des Begrenzungsrahmens (22) trainiert wird.
10. Verfahren nach einem der Ansprüche 6 bis 9, dadurch gekennzeichnet, dass ein jeweiliges virtuelles Soll-Polygonnetz (23) wenigstens einer jeweiligen Oberfläche (24) einer jeweiligen virtuellen Soll-Geometrie (25) des jeweiligen Karosseriebauteils (3) erstellt wird und wenigstens eine jeweilige zweidimensionale geometrische Abbildung (26) des jeweiligen Soll-Polygonnetzes (23) gebildet wird, wobei das künstliche neuronale Netz (2) mittels der jeweiligen geometrischen Abbildung (26) trainiert wird.

Images