WO2022269300A1 - 塗装評価装置及び塗装評価方法 - Google Patents

塗装評価装置及び塗装評価方法 Download PDF

Info

Publication number
WO2022269300A1
WO2022269300A1 PCT/IB2021/000414 IB2021000414W WO2022269300A1 WO 2022269300 A1 WO2022269300 A1 WO 2022269300A1 IB 2021000414 W IB2021000414 W IB 2021000414W WO 2022269300 A1 WO2022269300 A1 WO 2022269300A1
Authority
WO
WIPO (PCT)
Prior art keywords
intensity distribution
coating
evaluation
painted surface
shape
Prior art date
Application number
PCT/IB2021/000414
Other languages
English (en)
French (fr)
Inventor
孝宏 垣内
翔太 山崎
義貴 上原
健太郎 弓削
森 長山
Original Assignee
日産自動車株式会社
ルノー エス． ア． エス．
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日産自動車株式会社, ルノー エス． ア． エス． filed Critical 日産自動車株式会社
Priority to CN202180099282.3A priority Critical patent/CN117581092A/zh
Priority to EP21946255.3A priority patent/EP4361612A1/en
Priority to JP2023529137A priority patent/JPWO2022269300A1/ja
Priority to PCT/IB2021/000414 priority patent/WO2022269300A1/ja
Publication of WO2022269300A1 publication Critical patent/WO2022269300A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G01N21/57—Measuring gloss
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G01N2021/8427—Coatings
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1296—Using chemometrical methods using neural networks

Definitions

  • the present invention relates to a coating evaluation device and a coating evaluation method.
  • Light and dark pattern light which is a repeating pattern of light and dark, is projected onto the painted surface, and the light and dark pattern formed on the painted surface is photographed to calculate the luminance distribution in the direction in which the light and dark are repeated.
  • an invention that calculates a wavelength distribution that is a distribution of , calculates an integral value of a section corresponding to a predetermined wavelength region of the wavelength distribution, and evaluates a coated surface based on the integral value (Patent Document 1).
  • the present invention has been made in view of the above problems, and an object of the present invention is to provide a coating evaluation apparatus capable of accurately evaluating the sharpness of a coated surface even when the coated surface is curved. and to provide a coating evaluation method.
  • a coating evaluation apparatus and a coating evaluation method irradiate a coated surface with incident light having a first intensity distribution, and acquire a second intensity distribution of reflected light from the coated surface. Further, based on the curved shape of the painted surface, a third intensity distribution associated with the second intensity distribution is calculated, and an evaluation value for the sharpness of the painted surface is output with respect to the input including the third intensity distribution. A model is used to estimate an evaluation value corresponding to the third intensity distribution.
  • FIG. 1 is a block diagram showing the configuration of a coating evaluation device according to one embodiment of the present invention.
  • FIG. 2 is a flow chart showing processing of the coating evaluation device according to one embodiment of the present invention.
  • FIG. 3A is a schematic diagram showing a first example of a first intensity distribution of incident light.
  • FIG. 3B is a schematic diagram showing a second example of the first intensity distribution of incident light.
  • FIG. 4A is a schematic diagram showing an example of the first marking pattern.
  • FIG. 4B is a schematic diagram showing an example of the second marking pattern.
  • the coating evaluation apparatus includes a shape acquisition section 11 , an intensity acquisition section 15 , a light source section 19 and a controller 100 .
  • the coating evaluation device may include the material acquisition unit 13 and the output unit 400 .
  • the shape acquisition unit 11 , the material acquisition unit 13 , the intensity acquisition unit 15 , the light source unit 19 and the output unit 400 are connected to the controller 100 .
  • the shape acquisition unit 11 acquires shape information representing the curved shape of the painted surface to be evaluated for coating. More specifically, the shape acquisition unit 11 may acquire design data of the painted surface as shape information.
  • design data includes CAD (Computer-aided design) data.
  • the design data is not limited to this as long as it represents the degree of curvature (curvature) of the coated surface.
  • the shape acquisition unit 11 may acquire the stored design data of the painted surface from a database (not shown), or may acquire the design data of the painted surface from an external connection device (not shown) via a wired/wireless network. may be acquired. In addition, the shape acquisition unit 11 may acquire design data based on user input.
  • the shape acquisition unit 11 may acquire measurement data obtained by measuring the coated surface as shape information.
  • the shape acquisition unit 11 may be a 3D scanner.
  • the shape acquisition unit 11 may acquire position information of an area of the coated surface irradiated with incident light by the light source unit 19 described later, and acquire shape information based on the position information. That is, the design data of the coated surface or the measurement data obtained by measuring the coated surface may be acquired with reference to the position of the region irradiated with the incident light.
  • the material acquisition unit 13 acquires material information of the painted surface. More specifically, the material acquisition unit 13 acquires information such as the type and color of the member as the material information of the coated surface.
  • the material acquisition unit 13 may acquire the stored material information of the painted surface from a database (not shown), or may acquire the material information of the painted surface from an external connection device (not shown) via a wired/wireless network. may be acquired. Alternatively, the material acquisition unit 13 may acquire material information based on user input.
  • the light source unit 19 irradiates the coating surface with incident light having a set first intensity distribution. More specifically, the light source unit 19 has a plurality of light sources arranged in a plane, and the intensity of light emitted from each light source is adjusted by a controller 100, which will be described later, to generate incident light having a first intensity distribution. Irradiate the surface to be painted.
  • the light source that constitutes the light source unit 19 include an LED lamp, an incandescent lamp, a fluorescent lamp, and the like.
  • the first intensity distribution of incident light may have a periodic structure in the first direction.
  • FIG. 3A shows an example of a first intensity distribution having a striped periodic structure in which bright portions and dark portions are continuously arranged along the R1 direction.
  • the first intensity distribution may have a periodic structure in a second direction different from the first direction.
  • FIG. 3B shows an example of a first intensity distribution having a striped periodic structure in which bright portions and dark portions are continuously arranged along the R2 direction, which is different from the R1 direction.
  • the first intensity distribution of incident light may have a periodic structure in the direction of the principal direction vector at a predetermined position on the coated surface.
  • the principal direction vector means a tangent vector in the case where the curvature of the curve appearing at the intersection of the plane containing the tangent vector and normal vector of the painted surface and the painted surface becomes the principal curvature of the painted surface at a predetermined position. do.
  • the controller 100 calculates a principal direction vector at a predetermined position on the coating surface based on the shape information acquired by the material acquisition unit 13, and determines the intensity distribution having a periodic structure in the direction of the principal direction vector as the first An intensity distribution may be used.
  • centering on an axis parallel to the direction of incidence of incident light, so that the first intensity distribution has a positional relationship in which the first direction in which the first intensity distribution has a periodic structure and the principal direction vector at a predetermined position on the coated surface match.
  • the coated surface may be rotated with respect to the light source section 19 .
  • the intensity of light may change intermittently at the boundary between the "bright portion” and the "dark portion” of the first intensity distribution. Therefore, for example, when the intensity of incident light in the “bright portion” (first region) is equal to or greater than the first threshold, the intensity of incident light in the “dark portion” (second region) is lower than the first threshold. It may be less than or equal to the second threshold.
  • the light source unit 19 may irradiate incident light including the first marking pattern for alignment.
  • FIG. 4A shows an example of a rectangular first marking pattern set so as to surround the incident light of the first intensity distribution shown in FIG. 3A.
  • FIG. 4B shows a second marking pattern curved from a rectangular shape according to the curved shape.
  • the intensity acquisition unit 15 acquires the second intensity distribution of the reflected light from the coated surface that received the incident light. More specifically, the intensity acquisition unit 15 is a digital camera equipped with a solid-state imaging device such as a CCD or CMOS, and acquires a digital image by capturing an area of the coated surface irradiated with incident light. A second intensity distribution is represented by the intensity of light in each pixel that constitutes the digital image.
  • the intensity acquisition unit 15 captures an image of the area irradiated with the incident light by setting the focal length, the angle of view of the lens, the vertical and horizontal angles of the camera, and the like.
  • the intensity acquisition unit 15 may acquire, as the second marking pattern, the intensity distribution of the reflected light from the area irradiated with the first marking pattern on the coated surface.
  • the controller 100 may acquire the reference shape information of the area irradiated with the first marking pattern based on the difference between the first marking pattern and the second marking pattern.
  • the position information of the area on the painted surface having shape information that matches the reference shape information may be obtained. Accordingly, it is possible to acquire the shape information by performing alignment according to the area irradiated with the incident light.
  • the controller 100 is a general-purpose computer equipped with a CPU (Central Processing Unit), memory, storage device, input/output unit, and the like.
  • CPU Central Processing Unit
  • a computer program (painting evaluation program) is installed in the controller 100 to function as a paint evaluation device.
  • the controller 100 functions as a plurality of information processing circuits provided in the coating evaluation apparatus.
  • a plurality of information processing circuits provided in the coating evaluation apparatus by software is shown. It is also possible to configure Also, a plurality of information processing circuits may be configured by individual hardware.
  • the controller 100 includes an intensity correction section 110 , an evaluation model setting section 120 and an evaluation value estimation section 130 .
  • the intensity correction unit 110 calculates a third intensity distribution associated with the second intensity distribution based on the shape information.
  • the second intensity distribution includes a light scattering component caused by deviation of the curved shape of the painted surface from the planar shape. Therefore, the intensity correction unit 110 calculates the third intensity distribution so as to cancel out the light scattering component on the painted surface caused by the displacement, which is included in the second intensity distribution.
  • the light scattering component caused by the deviation of the curved shape of the painted surface from the planar shape is calculated using rendering technology using computer graphics and simulation technology such as shading.
  • the intensity correction unit 110 can calculate the third intensity distribution so as to cancel out the light scattering component on the painted surface due to the deviation contained in the second intensity distribution.
  • the second intensity distribution and the third intensity distribution match.
  • the evaluation model setting unit 120 sets an evaluation model that outputs an evaluation value for the sharpness of the painted surface with respect to the input including the third intensity distribution.
  • the evaluation model is training data that combines the intensity distribution of the reflected light obtained by irradiating the evaluated painted surface, which has a planar shape, with incident light, and the evaluation value of the sharpness of the evaluated painted surface. It is a learning model generated by machine learning based on
  • the evaluation value of sharpness is determined by, for example, at least one of the smoothness of the painted surface, the ratio of diffuse reflection to the reflected light on the painted surface, and the resolution of the image reflected on the painted surface. is an indicator.
  • the evaluation value of sharpness of the evaluated painted surface is a numerical value previously given to the evaluated painted surface by another sharpness evaluation method.
  • the evaluation model setting unit 120 may set an evaluation model that outputs an evaluation value of the sharpness of the painted surface in response to the input including the material information and the third intensity distribution.
  • the evaluation model includes the material information of the evaluated painted surface, which is a planar shape, the intensity distribution of the reflected light obtained by irradiating the evaluated painted surface with incident light, and the evaluation of the sharpness of the evaluated painted surface. It is a learning model generated by machine learning based on teacher data consisting of pairs of values.
  • Techniques for generating learning models by machine learning include, for example, neural networks, support vector machines, Random Forest, XGBoost, LightGBM, PLS regression, Ridge regression, and Lasso regression. are mentioned.
  • a method of generating a learning model by machine learning is not limited to the examples given here.
  • the evaluation model setting unit 120 may set an evaluation model by performing machine learning based on teacher data acquired from a database (not shown).
  • the evaluation model may be stored in advance in a database (not shown), and the evaluation model setting unit 120 may set the evaluation model acquired from the database.
  • the evaluation value estimation unit 130 uses the set evaluation model to estimate the evaluation value corresponding to the third intensity distribution. More specifically, when the set evaluation model is an evaluation model that outputs an evaluation value for the sharpness of the painted surface with respect to the input including the third intensity distribution, the evaluation value estimating unit 130 uses the evaluation model Enter the third intensity distribution in . Then, evaluation value estimation section 130 sets the value output from the evaluation model as the evaluation value corresponding to the third intensity distribution.
  • the evaluation value corresponding to the third intensity distribution is an estimated evaluation value regarding the sharpness of the painted surface.
  • the evaluation value estimating unit 130 adds the material information to the evaluation model. and a third intensity distribution. Then, the evaluation value estimation unit 130 sets the value output from the evaluation model as the evaluation value corresponding to the combination of the material information and the third intensity distribution.
  • the evaluation value corresponding to the third intensity distribution is an estimated evaluation value regarding the sharpness of the painted surface.
  • the output unit 400 outputs the estimated evaluation value regarding the sharpness of the painted surface.
  • step S101 the shape acquisition unit 11 acquires shape information. Also, the material acquisition unit 13 acquires material information.
  • step S105 the controller 100 sets the first intensity distribution of incident light.
  • step S107 the intensity acquisition unit 15 acquires the second intensity distribution of the reflected light.
  • step S109 the intensity correction unit 110 calculates the third intensity distribution associated with the second intensity distribution based on the shape information.
  • step S111 the evaluation value estimation unit 130 estimates an evaluation value corresponding to the third intensity distribution using the set evaluation model.
  • step S113 the output unit 400 outputs the evaluation value estimated by the evaluation value estimation unit 130.
  • the coating evaluation apparatus, the coating evaluation method, and the coating evaluation program according to the present embodiment irradiate the coated surface with incident light having the first intensity distribution, and the reflected light from the coated surface has the first intensity distribution. 2 Acquire the intensity distribution. Further, based on the curved shape of the painted surface, a third intensity distribution associated with the second intensity distribution is calculated, and an evaluation value for the sharpness of the painted surface is output with respect to the input including the third intensity distribution. A model is used to estimate an evaluation value corresponding to the third intensity distribution.
  • the smaller the deviation of the curved shape from the planar shape the smaller the difference between the second intensity distribution and the third intensity distribution.
  • the second intensity distribution and the third intensity distribution may coincide. This makes it possible to remove, from the second intensity distribution, the scattering component of light on the coated surface due to the deviation from the planar shape of the curved shape. That is, the third intensity distribution is calculated so as to cancel out the light scattering component on the coated surface caused by the displacement, which is included in the second intensity distribution.
  • the evaluation model is the intensity distribution and evaluation of the reflected light obtained by irradiating the evaluated painted surface, which has a planar shape, with the incident light.
  • the learning model may be a learning model generated by machine learning based on teacher data having a set of sharpness evaluation values of a painted surface. As a result, it is possible to accurately evaluate the sharpness of the painted surface, which is a curved surface, by using the evaluation model generated from the teacher data regarding the evaluated painted surface, which is a planar shape.
  • the evaluation value of the sharpness of the painted surface is the smoothness of the painted surface, the ratio of diffuse reflection to the reflected light on the painted surface, It may be an index determined by at least one of resolution of an image reflected on a painted surface. In this way, criteria for evaluating sharpness of painted surfaces are specified.
  • the coating evaluation device, the coating evaluation method, and the coating evaluation program according to the present embodiment may acquire design data of the coated surface as shape information, or may acquire measurement data obtained by measuring the coated surface. may be acquired as shape information. As a result, the influence of the curved shape of the coated surface can be suppressed, and the sharpness of the coated surface can be evaluated with high accuracy.
  • the first intensity distribution may have a periodic structure in the first direction.
  • the first intensity distribution may have a striped periodic structure. Accordingly, the painted surface can be evaluated based on the luminance distribution along the direction in which the periodic structure exists, and the sharpness of the painted surface can be evaluated with high accuracy.
  • the first intensity distribution may have a periodic structure in a second direction different from the first direction. Accordingly, the painted surface can be evaluated based on the luminance distribution along the direction in which the periodic structure exists, and the sharpness of the painted surface can be evaluated with high accuracy. Furthermore, it is possible to evaluate the coated surface by reducing the influence caused by the direction of the periodic structure.
  • the coating evaluation device, the coating evaluation method, and the coating evaluation program according to the present embodiment calculate the main direction vector at a predetermined position on the coating surface based on the shape information, and have a periodic structure in the direction of the main direction vector.
  • the intensity distribution may be set as the first intensity distribution.
  • the first intensity distribution includes the first region where the intensity of the incident light is equal to or higher than the first threshold, and the first region where the intensity of the incident light is the first threshold and a second region that is less than or equal to a second threshold that is less than .
  • the coating evaluation device, the coating evaluation method, and the coating evaluation program according to the present embodiment acquire positional information of a region irradiated with incident light on the coated surface, and acquire shape information based on the positional information. may be As a result, the curved shape represented by the shape information can be aligned with the painted surface to be evaluated.
  • the coating evaluation apparatus, the coating evaluation method, and the coating evaluation program according to the present embodiment irradiate the coated surface with incident light including the first marking pattern, and the coated surface is irradiated with the first marking pattern.
  • the intensity distribution of the reflected light from the area may be acquired as the second marking pattern.
  • the reference shape information of the area irradiated with the first marking pattern is acquired, and the area on the coating surface having the shape information that matches the reference shape information. It may be one that acquires position information.
  • the curved shape represented by the shape information can be aligned with the painted surface to be evaluated.
  • the coating evaluation device, the coating evaluation method, and the coating evaluation program according to the present embodiment acquire the material information of the painted surface, An evaluation model that outputs the evaluation value may be used to estimate the evaluation value corresponding to the combination of the material information and the third intensity distribution.
  • An evaluation model that outputs the evaluation value may be used to estimate the evaluation value corresponding to the combination of the material information and the third intensity distribution.
  • the evaluation model includes material information of the evaluated painted surface having a planar shape, and is obtained by irradiating the evaluated painted surface with incident light.
  • the learning model may be a learning model generated by machine learning based on teacher data including a set of the intensity distribution of the reflected light and the evaluation value of the sharpness of the evaluated painted surface.
  • Processing circuitry includes programmed processors, electrical circuits, etc., as well as devices such as application specific integrated circuits (ASICs) and circuit components arranged to perform the described functions. etc. are also included.
  • ASICs application specific integrated circuits

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Mathematical Physics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

塗装評価装置及び塗装評価方法は、第1強度分布を有する入射光を塗装面に照射し、塗装面からの反射光が有する第2強度分布を取得する。また、塗装面の湾曲形状に基づいて、第2強度分布に対応付けられる第3強度分布を算出し、第3強度分布を含む入力に対して塗装面の鮮映性の評価値を出力する評価モデルを用いて、第3強度分布に対応する評価値を推定する。

Description

塗装評価装置及び塗装評価方法
　本発明は、塗装評価装置及び塗装評価方法に関する。
　明暗の繰り返しパターンである明暗パターン光を塗装面に投射し、塗装面上に形成された明暗パターンを撮影して明暗の繰り返し方向の輝度分布を算出し、輝度分布をフーリエ変換し、波長に関する振幅の分布である波長分布を算出し、波長分布の、所定波長域に対応する区間の積分値を算出し、積分値に基づき塗装面の評価を行う発明が知られている（特許文献１）。
特開平１１−１９４０９６号公報
　特許文献１に記載された発明によれば、塗装面が曲面である場合に、形成された明暗パターンにおける明と暗の境界がぼやけてしまい、塗装面の鮮映性の評価を行う際の精度が低下してしまうおそれがあるという課題がある。
　本発明は、上記問題に鑑みてなされたものであり、その目的とするところは、塗装面が曲面である場合であっても塗装面の鮮映性を精度よく評価することができる塗装評価装置及び塗装評価方法を提供することにある。
　本発明の一態様に係る塗装評価装置及び塗装評価方法は、第１強度分布を有する入射光を塗装面に照射し、塗装面からの反射光が有する第２強度分布を取得する。また、塗装面の湾曲形状に基づいて、第２強度分布に対応付けられる第３強度分布を算出し、第３強度分布を含む入力に対して塗装面の鮮映性の評価値を出力する評価モデルを用いて、第３強度分布に対応する評価値を推定する。
　本発明によれば、塗装面が曲面である場合であっても塗装面の鮮映性を精度よく評価することができる。
図１は、本発明の一実施形態に係る塗装評価装置の構成を示すブロック図である。 図２は、本発明の一実施形態に係る塗装評価装置の処理を示すフローチャートである。 図３Ａは、入射光の第１強度分布の第１の例を示す模式図である。 図３Ｂは、入射光の第１強度分布の第２の例を示す模式図である。 図４Ａは、第１マーキングパターンの例を示す模式図である。 図４Ｂは、第２マーキングパターンの例を示す模式図である。
　以下、本発明の実施形態について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。
　［塗装評価装置の構成］
　図１を参照して、本実施形態に係る塗装評価装置の構成例を説明する。図１に示すように、塗装評価装置は、形状取得部１１と、強度取得部１５と、光源部１９と、コントローラ１００とを備える。その他、塗装評価装置は、材質取得部１３と、出力部４００とを備えるものであってもよい。形状取得部１１、材質取得部１３、強度取得部１５、光源部１９、出力部４００は、コントローラ１００と接続される。
　形状取得部１１は、塗装評価の対象となる塗装面の湾曲形状を表す形状情報を取得する。より具体的には、形状取得部１１は、塗装面の設計データを形状情報として取得するものであってもよい。例えば、設計データとして、ＣＡＤ（Ｃｏｍｐｕｔｅｒ−ａｉｄｅｄ　ｄｅｓｉｇｎ）データが挙げられる。設計データは、塗装面の湾曲の程度（曲率）を表すものであればこれに限定されない。
　形状取得部１１は、図示しないデータベースから、記憶されている塗装面の設計データを取得するものであってもよいし、図示しない外部接続機器から有線・無線のネットワークを介して塗装面の設計データを取得するものであってもよい。その他、形状取得部１１は、ユーザの入力に基づいて設計データを取得するものであってもよい。
　また、形状取得部１１は、塗装面を計測して得られた計測データを形状情報として取得するものであってもよい。例えば、形状取得部１１として、３Ｄスキャナが挙げられる。
　その他、形状取得部１１は、塗装面のうち、後述する光源部１９によって入射光が照射された領域の位置情報を取得し、位置情報に基づいて形状情報を取得するものであってもよい。すなわち、入射光が照射された領域の位置を基準として、塗装面の設計データ、又は、塗装面を計測して得られた計測データを取得するものであってもよい。
　材質取得部１３は、塗装面の材質情報を取得する。より具体的には、材質取得部１３は、塗装面の材質情報として、部材の種類、色などの情報を取得する。材質取得部１３は、図示しないデータベースから、記憶されている塗装面の材質情報を取得するものであってもよいし、図示しない外部接続機器から有線・無線のネットワークを介して塗装面の材質情報を取得するものであってもよい。その他、材質取得部１３は、ユーザの入力に基づいて材質情報を取得するものであってもよい。
　光源部１９は、設定された第１強度分布を有する入射光を塗装面に照射する。より具体的には、光源部１９は、平面配置された複数の光源を有し、後述するコントローラ１００によって各光源が発する光の強度が調整されることにより、第１強度分布を有する入射光を塗装面に照射する。
　光源部１９を構成する光源としては、ＬＥＤランプ、白熱電球、蛍光灯など、種々の例が挙げられる。
　ここで、入射光が有する第１強度分布は、第１方向において周期構造を有するものであってもよい。図３Ａには、Ｒ１方向に沿って明るい部分と暗い部分が連続的に並び、ストライプ状の周期構造を有する第１強度分布の例が示されている。また、第１強度分布は、第１方向と異なる第２方向において周期構造を有するものであってもよい。図３Ｂには、Ｒ１方向とは異なるＲ２方向に沿って明るい部分と暗い部分が連続的に並び、ストライプ状の周期構造を有する第１強度分布の例が示されている。
　なお、入射光が有する第１強度分布は、塗装面上の所定位置における主方向ベクトルの方向において、周期構造を有するものであってもよい。ここで、主方向ベクトルとは、塗装面の接線ベクトル及び法線ベクトルを含む平面と塗装面の共通部分に現れる曲線の曲率が、所定位置における塗装面の主曲率となる場合の接線ベクトルを意味する。
　例えば、後述するコントローラ１００によって、材質取得部１３が取得した形状情報に基づいて、塗装面上の所定位置における主方向ベクトルを算出し、主方向ベクトルの方向において周期構造を有する強度分布を第１強度分布とするものであってもよい。また、第１強度分布が周期構造を有する第１方向と、塗装面上の所定位置における主方向ベクトルとが一致する位置関係となるように、入射光の入射方向と平行な軸を中心に、光源部１９に対して塗装面を回転させてもよい。
　その他、第１強度分布の「明るい部分」と「暗い部分」の境界部分で、光の強度が断続的に変化するものであってもよい。そのため、例えば、「明るい部分」（第１領域）の入射光の強度が第１閾値以上である場合に、「暗い部分」（第２領域）の入射光の強度は、第１閾値よりも小さい第２閾値以下であるものであってもよい。
　その他、位置合わせのため、光源部１９は、第１マーキングパターンを含む入射光を照射するものであってもよい。図４Ａには、図３Ａに示した第１強度分布の入射光を囲うように設定された、矩形状の第１マーキングパターンの例が示されている。
　なお、塗装面は種々の湾曲形状を有し得るため、湾曲形状に応じて、塗装面からの反射光が有る強度分布は変化し得る。図４Ｂには、湾曲形状に応じて、矩形状から湾曲した第２マーキングパターンが示されている。第１マーキングパターンと第２マーキングパターンを比較することで、第１マーキングパターンが照射された領域の湾曲の程度を算出することができる。
　強度取得部１５は、入射光を受けた塗装面からの反射光が有する第２強度分布を取得する。より具体的には、強度取得部１５は、ＣＣＤ、ＣＭＯＳ等の固体撮像素子を備えたデジタルカメラであり、塗装面のうち入射光が照射された領域を撮像してデジタル画像を取得する。デジタル画像を構成する各ピクセルにおける光の強度によって、第２強度分布は表現される。
　強度取得部１５は、焦点距離、レンズの画角、カメラの垂直方向及び水平方向の角度などが設定されることにより、入射光が照射された領域を撮像する。
　また、強度取得部１５は、塗装面のうち、第１マーキングパターンが照射された領域からの反射光の強度分布を第２マーキングパターンとして取得するものであってもよい。
　なお、第１マーキングパターンと第２マーキングパターンを比較することで、第１マーキングパターンが照射された領域の湾曲の程度を算出することができる。例えば、後述するコントローラ１００は、第１マーキングパターンと第２マーキングパターンの差分に基づいて、第１マーキングパターンが照射された領域の基準形状情報を取得するものであってもよい。
　そして、基準形状情報と一致する形状情報を有する塗装面上の領域の位置情報を取得してもよい。これにより、入射光が照射された領域に合わせた位置合わせを行って、形状情報を取得することができる。
　コントローラ１００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、メモリ、記憶装置、入出力部などを備える汎用のコンピュータである。
　コントローラ１００には、塗装評価装置として機能させるためのコンピュータプログラム（塗装評価プログラム）がインストールされている。コンピュータプログラムを実行することにより、コントローラ１００は塗装評価装置が備える複数の情報処理回路として機能する。
　なお、ここでは、ソフトウェアによって塗装評価装置が備える複数の情報処理回路を実現する例を示すが、もちろん、以下に示す各情報処理を実行するための専用のハードウェアを用意して情報処理回路を構成することも可能である。また、複数の情報処理回路を個別のハードウェアにより構成してもよい。
　コントローラ１００は、強度補正部１１０と、評価モデル設定部１２０と、評価値推定部１３０とを備える。
　強度補正部１１０は、形状情報に基づいて、第２強度分布に対応付けられる第３強度分布を算出する。具体的には、第２強度分布には、塗装面の湾曲形状の平面形状からのズレによって生じた光の散乱成分が含まれる。そのため、強度補正部１１０は、第２強度分布に含まれる、ズレによる塗装面での光の散乱成分を打ち消すように、第３強度分布を算出する。
　塗装面の湾曲形状の平面形状からのズレによって生じた光の散乱成分は、コンピュータグラフィックスを利用したレンダリング技術、シェーディング等のシミュレーション技術を用いることで算出される。これらのシミュレーション技術を用いることにより、強度補正部１１０は、第２強度分布に含まれる、ズレによる塗装面での光の散乱成分を打ち消すように、第３強度分布を算出可能である。
　例えば、湾曲形状の平面形状からのズレが小さいほど、第２強度分布と第３強度分布の間の差分は小さくなる。また、湾曲形状が平面形状である場合、第２強度分布と第３強度分布は一致する。
　評価モデル設定部１２０は、第３強度分布を含む入力に対して塗装面の鮮映性の評価値を出力する評価モデルを設定する。ここで、評価モデルは、平面形状である評価済塗装面に対して入射光を照射して得られる反射光の強度分布と評価済塗装面の鮮映性の評価値を組とする教師データに基づく機械学習によって生成された学習モデルである。
　ここで、鮮映性の評価値とは、例えば、塗装面の平滑度、塗装面での反射光に占める拡散反射の割合、塗装面に映りこむ像の解像度、の少なくとも１つによって決定される指標である。評価済塗装面の鮮映性の評価値は、評価済塗装面に対して事前に他の鮮映性の評価手法によって与えられた数値である。
　なお、評価モデル設定部１２０は、材質情報及び第３強度分布を含む入力に対して塗装面の鮮映性の評価値を出力する評価モデルを設定するものであってもよい。この場合、評価モデルは、平面形状である評価済塗装面の材質情報、評価済塗装面に対して入射光を照射して得られる反射光の強度分布、評価済塗装面の鮮映性の評価値を組とする教師データに基づく機械学習によって生成された学習モデルである。
　機械学習によって学習モデルを生成する手法としては、例えば、ニューラルネットワーク、サポートベクターマシン、Ｒａｎｄｏｍ　Ｆｏｒｅｓｔ、ＸＧＢｏｏｓｔ、ＬｉｇｈｔＧＢＭ、ＰＬＳ回帰、Ｒｉｄｇｅ回帰、Ｌａｓｓｏ回帰のうち，１つまたは２つ以上の組み合わせを用いる手法が挙げられる。機械学習によって学習モデルを生成する手法は、ここに挙げた例に限定されない。
　評価モデル設定部１２０は、図示しないデータベースから取得した教師データに基づいて機械学習を行って評価モデルを設定するものであってもよい。また、図示しないデータベースに評価モデルを事前に記憶させておき、評価モデル設定部１２０は、データベースから取得した評価モデルを設定するものであってもよい。
　評価値推定部１３０は、設定された評価モデルを用いて、第３強度分布に対応する評価値を推定する。より具体的には、設定された評価モデルが、第３強度分布を含む入力に対して塗装面の鮮映性の評価値を出力する評価モデルである場合、評価値推定部１３０は、評価モデルに第３強度分布を入力する。そして、評価値推定部１３０は、評価モデルから出力された値を、第３強度分布に対応する評価値とする。当該第３強度分布に対応する評価値は、塗装面の鮮映性に関する推定された評価値である。
　設定された評価モデルが、材質情報及び第３強度分布を含む入力に対して塗装面の鮮映性の評価値を出力する評価モデルである場合、評価値推定部１３０は、評価モデルに材質情報及び第３強度分布を入力する。そして、評価値推定部１３０は、評価モデルから出力された値を、材質情報及び第３強度分布の組合せに対応する評価値とする。当該第３強度分布に対応する評価値は、塗装面の鮮映性に関する推定された評価値である。
　出力部４００は、塗装面の鮮映性に関する推定された評価値を出力する。
　［塗装評価装置の処理手順］
　次に、本実施形態に係る塗装評価装置の処理手順を、図２のフローチャートを参照して説明する。なお、図２のフローチャートで示される処理が開始される前に、評価モデル設定部１２０によって評価モデルが既に設定されているものとする。
　ステップＳ１０１において、形状取得部１１は形状情報を取得する。また、材質取得部１３は材質情報を取得する。
　ステップＳ１０５において、コントローラ１００は、入射光の第１強度分布を設定する。
　ステップＳ１０７において、強度取得部１５は、反射光の第２強度分布を取得する。
　ステップＳ１０９において、強度補正部１１０は、形状情報に基づいて、第２強度分布に対応付けられる第３強度分布を算出する。
　ステップＳ１１１において、評価値推定部１３０は、設定された評価モデルを用いて、第３強度分布に対応する評価値を推定する。
　ステップＳ１１３において、出力部４００は、評価値推定部１３０によって推定された評価値を出力する。
　［実施形態の効果］
　以上詳細に説明したように、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムは、第１強度分布を有する入射光を塗装面に照射し、塗装面からの反射光が有する第２強度分布を取得する。また、塗装面の湾曲形状に基づいて、第２強度分布に対応付けられる第３強度分布を算出し、第３強度分布を含む入力に対して塗装面の鮮映性の評価値を出力する評価モデルを用いて、第３強度分布に対応する評価値を推定する。
　これにより、塗装面が曲面である場合であっても塗装面の鮮映性を精度よく評価することができる。また、評価モデルによって評価値を推定するため、塗装面の鮮映性を評価するための専用の機器や熟練者を必要とせず、塗装面の鮮映性を評価する際のコストを削減できる。
　また、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムにおいて、湾曲形状の平面形状からのズレが小さいほど、第２強度分布と第３強度分布の間の差分は小さいものであってもよい。また、湾曲形状が平面形状である場合、第２強度分布と第３強度分布は一致するものであってもよい。これにより、湾曲形状の平面形状からのズレによる塗装面での光の散乱成分を、第２強度分布から取り除くことができる。すなわち、第２強度分布に含まれる、ズレによる塗装面での光の散乱成分を打ち消すように、第３強度分布が算出される。
　さらに、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムにおいて、評価モデルは、平面形状である評価済塗装面に対して入射光を照射して得られる反射光の強度分布と評価済塗装面の鮮映性の評価値を組とする教師データに基づく機械学習によって生成された学習モデルであってもよい。これにより、平面形状である評価済塗装面に関する教師データから生成された評価モデルによって、曲面である塗装面の鮮映性を精度よく評価することができる。
　また、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムにおいて、塗装面の鮮映性の評価値は、塗装面の平滑度、塗装面での反射光に占める拡散反射の割合、塗装面に映りこむ像の解像度、の少なくとも１つによって決定される指標であってもよい。このように、塗装面の鮮映性の評価の基準が明示される。
　さらに、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムは、塗装面の設計データを形状情報として取得するものであってもよいし、塗装面を計測して得られた計測データを形状情報として取得するものであってもよい。これにより、塗装面の湾曲形状による影響を抑えて、塗装面の鮮映性を精度よく評価することができる。
　また、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムにおいて、第１強度分布は、第１方向において周期構造を有するものであってもよい。例えば、第１強度分布は、ストライプ状の周期構造を有するものであってもよい。これにより、周期構造のある方向に沿った輝度分布に基づいて塗装面の評価を行って、塗装面の鮮映性を精度よく評価することができる。
　さらに、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムにおいて、第１強度分布は、第１方向と異なる第２方向において周期構造を有するものであってもよい。これにより、周期構造のある方向に沿った輝度分布に基づいて塗装面の評価を行って、塗装面の鮮映性を精度よく評価することができる。さらには、周期構造の方向に起因する影響を減らして、塗装面の評価を行うことができる。
　また、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムは、形状情報に基づいて、塗装面上の所定位置における主方向ベクトルを算出し、主方向ベクトルの方向において周期構造を有する強度分布を第１強度分布として設定するものであってもよい。これにより、塗装面の湾曲形状による影響を抑えて、塗装面の鮮映性を精度よく評価することができる。
　さらに、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムにおいて、第１強度分布は、入射光の強度が第１閾値以上である第１領域と、入射光の強度が第１閾値よりも小さい第２閾値以下である第２領域と、を有するものであってもよい。これにより、第１強度分布の「明るい部分」と「暗い部分」の境界部分で、光の強度が断続的に変化し、塗装面の鮮映性を精度よく評価することができる。
　また、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムは、塗装面のうち、入射光が照射された領域の位置情報を取得し、位置情報に基づいて形状情報を取得するものであってもよい。これにより、評価対象となる塗装面と、形状情報によって表現される湾曲形状の位置合わせを行うことができる。
　さらに、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムは、塗装面に対して第１マーキングパターンを含む入射光を照射し、塗装面のうち、第１マーキングパターンが照射された領域からの反射光の強度分布を第２マーキングパターンとして取得するものであってもよい。そして、第１マーキングパターンと第２マーキングパターンの差分に基づいて、第１マーキングパターンが照射された領域の基準形状情報を取得し、基準形状情報と一致する形状情報を有する塗装面上の領域の位置情報を取得するものであってもよい。これにより、評価対象となる塗装面と、形状情報によって表現される湾曲形状の位置合わせを行うことができる。
　また、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムは、塗装面の材質情報を取得して、材質情報及び第３強度分布を含む入力に対して塗装面の鮮映性の評価値を出力する評価モデルを用いて、材質情報及び第３強度分布の組合せに対応する評価値を推定するものであってもよい。反射光が有する強度分布に加えてさらに塗装面の材質情報を、塗装面の鮮映性の評価に用いることで、塗装面の鮮映性を精度よく評価することができる。
　さらに、本実施形態に係る塗装評価装置、塗装評価方法、塗装評価プログラムにおいて、評価モデルは、平面形状である評価済塗装面の材質情報、評価済塗装面に対して入射光を照射して得られる反射光の強度分布、評価済塗装面の鮮映性の評価値を組とする教師データに基づく機械学習によって生成された学習モデルであってもよい。これにより、平面形状である評価済塗装面に関する教師データから生成された評価モデルによって、曲面である塗装面の鮮映性を精度よく評価することができる。
　上述の実施形態で示した各機能は、１又は複数の処理回路によって実装されうる。処理回路には、プログラムされたプロセッサや、電気回路などが含まれ、さらには、特定用途向けの集積回路（ＡＳＩＣ）のような装置や、記載された機能を実行するよう配置された回路構成要素なども含まれる。
　以上、実施形態に沿って本発明の内容を説明したが、本発明はこれらの記載に限定されるものではなく、種々の変形及び改良が可能であることは、当業者には自明である。この開示の一部をなす論述及び図面は本発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施形態、実施例及び運用技術が明らかとなろう。
　本発明はここでは記載していない様々な実施形態等を含むことは勿論である。したがって、本発明の技術的範囲は上記の説明から妥当な特許請求の範囲に係る発明特定事項によってのみ定められるものである。
　１１　　形状取得部
　１３　　材質取得部
　１５　　強度取得部
　１９　　光源部
　１００　コントローラ
　１１０　強度補正部
　１２０　評価モデル設定部
　１３０　評価値推定部
　４００　出力部

Claims (17)

  1. 　塗装面の湾曲形状を表す形状情報を取得する形状取得部と、
    　第１強度分布を有する入射光を前記塗装面に照射する光源部と、
    　前記塗装面からの反射光が有する第２強度分布を取得する強度取得部と、
    　コントローラと、を備える塗装評価装置であって、
    　前記コントローラは、
    　前記形状情報に基づいて、前記第２強度分布に対応付けられる第３強度分布を算出し、
    　前記第３強度分布を含む入力に対して前記塗装面の鮮映性の評価値を出力する評価モデルを用いて、前記第３強度分布に対応する評価値を推定すること
    を特徴とする塗装評価装置。
  2. 　請求項１に記載の塗装評価装置であって、
    　前記湾曲形状の平面形状からのズレが小さいほど、前記第２強度分布と前記第３強度分布の間の差分は小さく、
    　前記湾曲形状が平面形状である場合、前記第２強度分布と前記第３強度分布は一致すること
    を特徴とする塗装評価装置。
  3. 　請求項２に記載の塗装評価装置であって、
    　前記コントローラは、前記第２強度分布に含まれる、前記ズレによる前記塗装面での光の散乱成分を打ち消すように、前記第３強度分布を算出すること
    を特徴とする塗装評価装置。
  4. 　請求項１~３のいずれか一項に記載の塗装評価装置であって、
    　前記評価モデルは、
    　平面形状である評価済塗装面に対して前記入射光を照射して得られる反射光の強度分布と前記評価済塗装面の鮮映性の評価値を組とする教師データに基づく機械学習によって生成された学習モデルであること
    を特徴とする塗装評価装置。
  5. 　請求項１~４のいずれか一項に記載の塗装評価装置であって、
    　前記塗装面の鮮映性の評価値は、前記塗装面の平滑度、前記塗装面での反射光に占める拡散反射の割合、前記塗装面に映りこむ像の解像度、の少なくとも１つによって決定される指標であること
    を特徴とする塗装評価装置。
  6. 　請求項１~５のいずれか一項に記載の塗装評価装置であって、
    　前記形状取得部は、前記塗装面の設計データを前記形状情報として取得すること
    を特徴とする塗装評価装置。
  7. 　請求項１~６のいずれか一項に記載の塗装評価装置であって、
    　前記形状取得部は、前記塗装面を計測して得られた計測データを前記形状情報として取得すること
    を特徴とする塗装評価装置。
  8. 　請求項１~７のいずれか一項に記載の塗装評価装置であって、
    　前記第１強度分布は、第１方向において周期構造を有すること
    を特徴とする塗装評価装置。
  9. 　請求項８に記載の塗装評価装置であって、
    　前記第１強度分布は、前記第１方向と異なる第２方向において周期構造を有すること
    を特徴とする塗装評価装置。
  10. 　請求項１~９のいずれか一項に記載の塗装評価装置であって、
    　前記コントローラは、
    　前記形状情報に基づいて、前記塗装面上の所定位置における主方向ベクトルを算出し、
    　前記主方向ベクトルの方向において周期構造を有する強度分布を前記第１強度分布として設定すること
    を特徴とする塗装評価装置。
  11. 　請求項１~１０のいずれか一項に記載の塗装評価装置であって、
    　前記第１強度分布は、
    　前記入射光の強度が第１閾値以上である第１領域と、
    　前記入射光の強度が前記第１閾値よりも小さい第２閾値以下である第２領域と、
    を有すること
    を特徴とする塗装評価装置。
  12. 　請求項１~１１のいずれか一項に記載の塗装評価装置であって、
    　前記形状取得部は、
    　前記塗装面のうち、前記入射光が照射された領域の位置情報を取得し、
    　前記位置情報に基づいて前記形状情報を取得すること
    を特徴とする塗装評価装置。
  13. 　請求項１~１２のいずれか一項に記載の塗装評価装置であって、
    　前記光源部は、第１マーキングパターンを含む前記入射光を照射し、
    　前記強度取得部は、前記塗装面のうち、前記第１マーキングパターンが照射された領域からの反射光の強度分布を第２マーキングパターンとして取得し、
    　前記コントローラは、
    　前記第１マーキングパターンと前記第２マーキングパターンの差分に基づいて、前記第１マーキングパターンが照射された領域の基準形状情報を取得し、
    　前記基準形状情報と一致する前記形状情報を有する前記塗装面上の領域の位置情報を取得すること
    を特徴とする塗装評価装置。
  14. 　請求項１~１３のいずれか一項に記載の塗装評価装置であって、
    　前記塗装面の材質情報を取得する材質取得部を更に備え、
    　前記コントローラは、
    　前記材質情報及び前記第３強度分布を含む入力に対して前記塗装面の鮮映性の評価値を出力する前記評価モデルを用いて、前記材質情報及び前記第３強度分布の組合せに対応する評価値を推定すること
    を特徴とする塗装評価装置。
  15. 　請求項１４に記載の塗装評価装置であって、
    　前記評価モデルは、
    　平面形状である評価済塗装面の前記材質情報、前記評価済塗装面に対して前記入射光を照射して得られる反射光の強度分布、前記評価済塗装面の鮮映性の評価値を組とする教師データに基づく機械学習によって生成された学習モデルであること
    を特徴とする塗装評価装置。
  16. 　塗装面の湾曲形状を表す形状情報を取得し、
    　第１強度分布を有する入射光を前記塗装面に照射し、
    　前記塗装面からの反射光が有する第２強度分布を取得し、
    　前記形状情報に基づいて、前記第２強度分布に対応付けられる第３強度分布を算出し、
    　前記第３強度分布を含む入力に対して前記塗装面の鮮映性の評価値を出力する評価モデルを用いて、前記第３強度分布に対応する評価値を推定すること
    を特徴とする塗装評価方法。
  17. 　塗装面の湾曲形状を表す形状情報を取得する形状取得部と、
    　第１強度分布を有する入射光を前記塗装面に照射する光源部と、
    　前記塗装面からの反射光が有する第２強度分布を取得する強度取得部と、
    を制御するコンピュータに、
    　前記形状取得部を用いて前記形状情報を取得するステップと、
    　前記形状情報に基づいて、前記第２強度分布に対応付けられる第３強度分布を算出するステップと、
    　前記第３強度分布を含む入力に対して前記塗装面の鮮映性の評価値を出力する評価モデルを用いて、前記第３強度分布に対応する評価値を推定するステップと、
    を実行させるための塗装評価プログラム。
PCT/IB2021/000414 2021-06-21 2021-06-21 塗装評価装置及び塗装評価方法 WO2022269300A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202180099282.3A CN117581092A (zh) 2021-06-21 2021-06-21 涂装评价装置和涂装评价方法
EP21946255.3A EP4361612A1 (en) 2021-06-21 2021-06-21 Coating evaluation device and coating evaluation method
JP2023529137A JPWO2022269300A1 (ja) 2021-06-21 2021-06-21
PCT/IB2021/000414 WO2022269300A1 (ja) 2021-06-21 2021-06-21 塗装評価装置及び塗装評価方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IB2021/000414 WO2022269300A1 (ja) 2021-06-21 2021-06-21 塗装評価装置及び塗装評価方法

Publications (1)

Publication Number Publication Date
WO2022269300A1 true WO2022269300A1 (ja) 2022-12-29

Family

ID=84545416

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/IB2021/000414 WO2022269300A1 (ja) 2021-06-21 2021-06-21 塗装評価装置及び塗装評価方法

Country Status (4)

Country Link
EP (1) EP4361612A1 (ja)
JP (1) JPWO2022269300A1 (ja)
CN (1) CN117581092A (ja)
WO (1) WO2022269300A1 (ja)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06307835A (ja) * 1993-04-28 1994-11-04 Mazda Motor Corp 画像処理装置
JPH07311030A (ja) * 1994-05-19 1995-11-28 Nissan Motor Co Ltd 塗装面性状測定装置
JPH08285559A (ja) * 1995-04-17 1996-11-01 Nissan Motor Co Ltd 表面欠陥検査装置
JPH11194096A (ja) 1997-10-29 1999-07-21 Toyota Motor Corp 塗装面の評価方法および塗装面の検査装置
JP2000009454A (ja) * 1998-06-25 2000-01-14 Nissan Motor Co Ltd 表面欠陥検査装置
JP2002148195A (ja) * 2000-11-06 2002-05-22 Sumitomo Chem Co Ltd 表面検査装置及び表面検査方法
JP2006003372A (ja) * 2005-09-05 2006-01-05 Arc Harima Kk Ｃｃｄカメラによる正反射式表面性状測定方法及びその装置
JP2012007953A (ja) * 2010-06-23 2012-01-12 Nippon Paint Co Ltd 塗装ムラ評価値算出方法、塗装ムラ評価値算出装置、及び塗装ムラ評価方法
US20190287237A1 (en) * 2016-12-01 2019-09-19 Autaza Tecnologia LTDA-EPP Method and system for automatic quality inspection of materials and virtual material surfaces
US20200055558A1 (en) * 2018-08-16 2020-02-20 Carl Zeiss Industrielle Messtechnik Gmbh Automobile manufacturing plant and method
JP2021056117A (ja) * 2019-09-30 2021-04-08 日立造船株式会社 評価装置、評価システム、制御プログラム、および評価方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06307835A (ja) * 1993-04-28 1994-11-04 Mazda Motor Corp 画像処理装置
JPH07311030A (ja) * 1994-05-19 1995-11-28 Nissan Motor Co Ltd 塗装面性状測定装置
JPH08285559A (ja) * 1995-04-17 1996-11-01 Nissan Motor Co Ltd 表面欠陥検査装置
JPH11194096A (ja) 1997-10-29 1999-07-21 Toyota Motor Corp 塗装面の評価方法および塗装面の検査装置
JP2000009454A (ja) * 1998-06-25 2000-01-14 Nissan Motor Co Ltd 表面欠陥検査装置
JP2002148195A (ja) * 2000-11-06 2002-05-22 Sumitomo Chem Co Ltd 表面検査装置及び表面検査方法
JP2006003372A (ja) * 2005-09-05 2006-01-05 Arc Harima Kk Ｃｃｄカメラによる正反射式表面性状測定方法及びその装置
JP2012007953A (ja) * 2010-06-23 2012-01-12 Nippon Paint Co Ltd 塗装ムラ評価値算出方法、塗装ムラ評価値算出装置、及び塗装ムラ評価方法
US20190287237A1 (en) * 2016-12-01 2019-09-19 Autaza Tecnologia LTDA-EPP Method and system for automatic quality inspection of materials and virtual material surfaces
US20200055558A1 (en) * 2018-08-16 2020-02-20 Carl Zeiss Industrielle Messtechnik Gmbh Automobile manufacturing plant and method
JP2021056117A (ja) * 2019-09-30 2021-04-08 日立造船株式会社 評価装置、評価システム、制御プログラム、および評価方法

Also Published As

Publication number Publication date
EP4361612A1 (en) 2024-05-01
JPWO2022269300A1 (ja) 2022-12-29
CN117581092A (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN103649674B (zh) 测量设备以及信息处理设备
JP6519265B2 (ja) 画像処理方法
Zhang et al. A robust surface coding method for optically challenging objects using structured light
JP2005202945A (ja) Ｃａｄモデリングシステム及び方法
US20070176927A1 (en) Image Processing method and image processor
TW201520975A (zh) 產生場景深度圖之方法及裝置
JP2012103239A (ja) 三次元計測装置、三次元計測方法及びプログラム
JP2015184056A (ja) 計測装置、方法及びプログラム
JP2014119442A (ja) ３次元計測装置およびその制御方法
CN108616726A (zh) 基于结构光的曝光控制方法及曝光控制装置
JP2000111490A (ja) 塗装面の検出装置
WO2020012707A1 (ja) ３次元測定装置及び方法
WO2022269300A1 (ja) 塗装評価装置及び塗装評価方法
WO2022269301A1 (ja) 塗装評価装置及び塗装評価方法
Gu et al. 3dunderworld-sls: an open-source structured-light scanning system for rapid geometry acquisition
JP4382430B2 (ja) 頭部の三次元形状計測システム
EP3070432B1 (en) Measurement apparatus
CN111105365A (zh) 一种纹理影像的色彩校正方法、介质、终端和装置
JPS63233312A (ja) 被測定物体からの反射光による距離測定方法
JP5322460B2 (ja) 形状測定方法
JP2021081791A5 (ja)
JP2005003631A (ja) ３次元形状測定装置および方法
KR20200032442A (ko) 자기보정이 가능한 3차원 정보 생성 장치 및 방법
JP2009216650A (ja) 三次元形状測定装置
JP2020129187A (ja) 外形認識装置、外形認識システム及び外形認識方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21946255

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023529137

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 202180099282.3

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 18572215

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2021946255

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021946255

Country of ref document: EP

Effective date: 20240122