一种汽车车身变形机构的检测方法技术

本发明专利技术公开了一种汽车车身变形机构的检测方法，包括启动相机，调节光源至能清晰拍摄图像、摄像机标定、图像校正、车身裂痕检测、变形结构进行分类、变形区域进行图像分割、采用基于图割的全局立体匹配算法进行立体匹配、采用三角测量原理计算获取的立体匹配图像的深度值、分别对变形机构的变形深度和变形面积进行评价、输出变形结构的类型及评价、规划修复路径。本发明专利技术的有益效果是：本发明专利技术通过图像处理及神经网络对汽车变形部位进行快速检测识别变形类型以及变形程度，快速有效的对汽车变形检测以选择相应的修复方法；通过运用机器视觉与智能算法结合来检测变形的深度信息，匹配可以代替人工提高变形检测的运行效率和自动化程度。化程度。化程度。

【技术实现步骤摘要】
一种汽车车身变形机构的检测方法


[0001]本专利技术涉及一种变形机构检测方法，具体为一种汽车车身变形机构的检测方法，属于基于人工智能的机器视觉


技术介绍

[0002]汽车是日常生活中最常用的交通工具，由于在使用过程中经常会发生碰撞导致汽车车身会发生变形，因此汽车维修也是一项重要工作。汽车车身检测是车身维修中不可缺少的重要环节之一。是维持或恢复车身的正常工作能力，延长使用寿命并使其经常处于完好技术状态的主要依据。车身测量是为了确认车身损伤状态和把握变形程度的大小。
[0003]机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
[0004]汽车变形检测是为了确认车身损伤状态和把握变形程度的大小。通过机器视觉来进行检测可以代替人工，效率更高，测量更准确，现有技术中缺少这种相关的检测方法。

技术实现思路

[0005]本专利技术的目的就在于为了解决上述至少一个技术问题而提供一种汽车车身变形机构的检测方法，通过机器视觉获取汽车变形机构信息进行修复。
[0006]本专利技术通过以下技术方案来实现上述目的：一种汽车车身变形机构的检测方法，检测方法包括以下步骤：
[0007]步骤一：启动采用双目视觉系统中的两台相机，调节光源至能清晰拍摄图像；
[0008]步骤二：进行摄像机标定，对于获取的畸变向量，消除它的径向和切线方向上的镜头畸变，获得无畸变图像，同时建立摄像机的成像模型，确定目标点与像素点之间的对应关系；
[0009]步骤三：进行图像校正，根据相机的内参和外参将极线转换为水平，构建旋转矩阵e1为基底的单位向量，e2和e1正交且为单位向量，e3＝e1×
e2；
[0010]步骤四：车身裂痕检测，判断车身是否有裂痕，对图像灰度化处理，增加对比度，运用Canny边缘检测，用形态学连接临近裂痕；
[0011]步骤五：利用BP神经网络对变形结构进行分类，主要有褶皱，凹凸，扭曲三种变形，使用Hu不变矩对变形图像进行特征点提取，通过采集数据集进行训练；
[0012]步骤六：运用SLIC即简单的线性迭代聚类算法对变形区域进行图像分割，其不仅可以分割彩色图，也可以兼容分割灰度图；
[0013]步骤七:采用基于图割的全局立体匹配算法进行立体匹配；
[0014]步骤八：采用三角测量原理计算获取的立体匹配图像的深度值；
[0015]步骤九：分别对变形机构的变形深度和变形面积进行评价，计算变形部位的最大深度与最小深度差值，由像素点计算变形结构的面积；
[0016]步骤十：输出变形结构的类型及评价，判断是否可以修复及选择修复方式；
[0017]步骤十一：输出变形部位的三维结构模型及三维点云的坐标和深度值，规划修复路径。
[0018]作为本专利技术再进一步的方案：步骤五中，对采集数据集进行训练时，将数据分类训练集和测试集，训练集训练得到网络的权重，测试集评估网络的泛化误差，调整学习率、隐藏层节点数、迭代次数等参数以提高正确率，损失函数使用交叉熵。
[0019]作为本专利技术再进一步的方案：步骤六中，线性迭代聚类算法具体包括：
[0020]首先初始化种子点(聚类中心)，在种子点的n*n邻域内重新选择种子点，取n＝3，在每个种子点周围的邻域内为每个像素点分配类标签(即属于哪个聚类中心)，对每个像素进行距离计算，包括颜色距离和空间距离，最终距离度量然后对其进行迭代优化，进行10次迭代，最后对像素进行遍历消除过小像素并将像素进行分配。
[0021]作为本专利技术再进一步的方案：步骤七中，进行立体匹配时，采用的函数优化的思想对匹配代价进行全局优化，将全局能量函数最小值转化为图的最小割问题。
[0022]作为本专利技术再进一步的方案：步骤八中，具体包括：
[0023]根据为视差，计算出深度Z，根据得到稠密的三维空间点云，再对获取的三维空间点云进行网格化和差值计算，得到变形部位的三维结构模型。
[0024]作为本专利技术再进一步的方案：步骤九中，将变形深度分为深度严重变形、深度中等变形、深度轻微变形三种；由像素点计算变形结构的面积，将变形面积按面积分为面积严重变形、面积中等变形、面积轻微变形三种。
[0025]本专利技术的有益效果是：
[0026]1、本专利技术通过图像处理及神经网络对汽车变形部位进行快速检测识别变形类型以及变形程度，快速有效的对汽车变形检测以选择相应的修复方法；
[0027]2、通过运用机器视觉与智能算法结合来检测变形的深度信息，匹配可以代替人工提高变形检测的运行效率和自动化程度。
附图说明
[0028]图1为本专利技术检测过程流程图；
[0029]图2为双目视觉系统图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本专利技术保护的范围。
[0031]实施例一
[0032]如图1至图2所示，一种汽车车身变形机构的检测方法，检测方法包括以下步骤：
[0033]步骤一：启动采用双目视觉系统中的两台相机，调节光源至能清晰拍摄图像；
[0034]步骤二：进行摄像机标定，对于获取的畸变向量，消除它的径向和切线方向上的镜头畸变，获得无畸变图像，同时建立摄像机的成像模型，确定目标点与像素点之间的对应关系；
[0035]步骤三：进行图像校正，根据相机的内参和外参将极线转换为水平，构建旋转矩阵e1为基底的单位向量，e2和e1正交且为单位向量，e3＝e1×
e2；
[0036]步骤四：车身裂痕检测，判断车身是否有裂痕，对图像灰度化处理，增加对比度，运用Canny边缘检测，用形态学连接临近裂痕；
[0037]步骤五：利用BP神经网络对变形结构进行分类，主要有褶皱，凹凸，扭曲三种变形，使用Hu不变矩对变形图像进行特征点提取，通过采集数据集进行训练；
[0038]步骤六：运用SLIC即简单的线性迭代聚类算法对变形区域进行图像分割，其不仅可以分割彩色图，也可以兼容分割灰度图；
[0039]步骤七:采用基于图割的全局立体匹配算法进行立体匹配；
[0040]步骤八：采用三角测量原理计算获取的立体匹配图像的深度值；
[0041]步骤九：分别对变形机构的变形深度和变形面积进行评价，计算变形部位的最大深度与最小深度差值，由像素点计算变形结构的面积；
[0042]步骤十：输出变形结构的类型及评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车车身变形机构的检测方法，其特征在于：所述检测方法包括以下步骤：步骤一：启动采用双目视觉系统中的两台相机，调节光源至能清晰拍摄图像；步骤二：进行摄像机标定，对于获取的畸变向量，消除它的径向和切线方向上的镜头畸变，获得无畸变图像，同时建立摄像机的成像模型，确定目标点与像素点之间的对应关系；步骤三：进行图像校正，根据相机的内参和外参将极线转换为水平，构建旋转矩阵其中，e1为基底的单位向量，e2和e1正交且为单位向量，e3＝e1×
e2；步骤四：车身裂痕检测，判断车身是否有裂痕，对图像灰度化处理，增加对比度，运用Canny边缘检测，用形态学连接临近裂痕；步骤五：利用BP神经网络对变形结构进行分类，包括褶皱，凹凸，扭曲三种变形，使用Hu不变矩对变形图像进行特征点提取，通过采集数据集进行训练；步骤六：运用SLIC，即线性迭代聚类算法，对变形区域进行图像分割；步骤七：采用基于图割的全局立体匹配算法进行立体匹配；步骤八：采用三角测量原理计算获取的立体匹配图像的深度值；步骤九：分别对变形机构的变形深度和变形面积进行评价，计算变形部位的最大深度与最小深度差值，由像素点计算变形结构的面积；步骤十：输出变形结构的类型及评价，判断是否可以修复及选择修复方式；步骤十一：输出变形部位的三维结构模型及三维点云的坐标和深度值，规划修复路径。2.根据权利要求1所述的检测方法，其特征在于：所述步骤五中，对采集数据集进...

【专利技术属性】
技术研发人员：刘新华，姜文婷，李春侠，
申请(专利权)人：哈尔滨严格智慧工厂有限公司，
类型：发明
国别省市：