买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：锐特测控技术(广东)有限公司

摘要：本发明涉及一种基于计算机辅助的汽车覆盖件回弹智能预测方法，属于利用计算机视觉预测回弹技术领域；该方法步骤包括：获取汽车覆盖件不同时刻的全域深度图像，构建汽车覆盖件区域识别神经网络模型；将不同时刻的全域深度图像序列输入到汽车覆盖件区域识别神经网络模型中，输出不同时刻的目标深度图像序列；将不同时刻的目标深度图像序列输入到预测模型中得到未来不同时刻的目标深度图像序列；根据未来每一时刻的目标深度图像计算未来每一时刻的时刻回弹指标，根据时刻回弹指标确定汽车覆盖件的回弹量是否位于允许容差范围内；本发明能对汽车覆盖件的轮廓信息进行准确提取，并基于此对汽车覆盖件未来不同时刻的回弹情况进行预测。

主权项：1.一种基于计算机辅助的汽车覆盖件回弹智能预测方法，其特征在于，该方法包括：获取待检测汽车覆盖件在不同时刻的全域深度图像；构建汽车覆盖件区域识别神经网络模型；将不同时刻的所述全域深度图像所形成的全域深度图像序列输入到汽车覆盖件区域识别神经网络模型中，输出不同时刻的目标深度图像序列；将所述不同时刻的目标深度图像序列输入到LSTM预测模型中得到未来不同时刻的目标深度图像序列；根据所述未来不同时刻的目标深度图像序列中未来每一时刻的目标深度图像计算未来每一时刻的时刻回弹指标；当所有未来每一时刻的时刻回弹指标均低于预设的第一阈值时，判断待检测汽车覆盖件的回弹量位于允许容差范围之内；当未来任一时刻的时刻回弹指标高于预设的第一阈值时，判断待检测汽车覆盖件的回弹量位于允许容差范围之外，同时发出预警提示信号；其中，所述构建汽车覆盖件区域识别神经网络模型，包括：将所述全域深度图像中汽车覆盖件区域像素点和背景区域像素点人为区分标注，将汽车覆盖件区域像素点的像素值标注为1，除此之外的其他所有像素点的像素值标注为0，根据标注后标签数据构建汽车覆盖件区域识别神经网络模型中第一网络分支的第一损失函数；对所述全域深度图像按照聚类进行分块获取多个图像块，其中，采用均值漂移聚类算法对全域深度图像中的像素点进行聚类分析，将全域深度图像分为不同的聚类簇之后，对图像进行剪切，每个聚类簇对应一个图像块，以获取多个图像块；将每个所述图像块按照汽车覆盖件区域和背景区域区分标注，0代表图像块类别为背景即非汽车覆盖件，1代表图像块类别为汽车覆盖件，根据标注后标签数据构建汽车覆盖件区域识别神经网络模型中第二网络分支的第二损失函数；根据所述第一损失函数和所述第二损失函数构建汽车覆盖件区域识别神经网络模型的最终损失函数，基于所述最终损失函数对汽车覆盖件区域识别神经网络模型进行训练；其中，所述将不同时刻的所述全域深度图像所形成的全域深度图像序列输入到汽车覆盖件区域识别神经网络模型中，输出不同时刻的目标深度图像序列，包括：将任一时刻的所述全域深度图像输入到已训练完成的所述汽车覆盖件区域识别神经网络模型中通过所述第一网络分支获取第一识别图像、通过第二网络分支获取第二识别图像；将所述第一识别图像和所述第二识别图像进行图像融合处理，获取最终识别图像；将所述最终识别图像与所述全域深度图像进行相乘并剪切，得到只含有汽车覆盖件区域深度信息的深度图像，将其记作该时刻的目标深度图像；按照任一时刻的目标深度图像的获取方法，将不同时刻的所述全域深度图像所形成的全域深度图像序列输入到汽车覆盖件区域识别神经网络模型中，输出不同时刻的目标深度图像序列；其中，所述将所述不同时刻的目标深度图像序列输入到预测模型中得到未来不同时刻的目标深度图像序列，包括：根据所述不同时刻的目标深度图像序列和汽车覆盖件材料，获取不同时刻的回弹检测参数数组序列；将所述不同时刻的回弹检测参数数组序列输入到预测模型中得到汽车覆盖件未来不同时刻的目标深度图像序列；其中，在得到未来不同时刻的目标深度图像序列后还包括：根据所述未来不同时刻的目标深度图像序列获取多组由未来相邻两时刻的目标深度图像组成的时段目标深度图像组合；按照时间顺序计算每个所述时段目标深度图像所在时段的时段回弹指标；当任一时段的所述时段回弹指标低于预设的第二阈值时认为汽车覆盖件截止到该时段内初始时刻不再发生回弹现象。

全文数据：

权利要求：

百度查询： 锐特测控技术(广东)有限公司 一种基于计算机辅助的汽车覆盖件回弹智能预测方法