[发明专利]一种基于图像的车身结构概念模型自动建模方法

说明书

一种基于图像的车身结构概念模型自动建模方法，属于汽车白车身结构设计领域。本方法是根据某车型二维设计草图，图像中包含车型的侧视图和俯视图，利用已训练好的卷积神经网络模型，自动检测出图像中车身的硬点，之后快速建立此车型的三维结构概念模型。本发明把人工智能技术融入到车身结构设计领域中，可以根据车身图二维设计草图，快速智能建立三维CAD格式的车身概念结构模型，极大的缩短了车身概念设计阶段车身结构建模时间，提高了模型的设计效率，加快了车身概念设计阶段的进度。

技术领域

本发明属于汽车白车身结构设计领域，把人工智能技术融入到此领域中，特别涉及到一种根据车身二维设计草图，自动完成车身三维概念模型创建的方法。该发明可以用于车身结构设计阶段过程中，以一种自动建模方法替代手工建模，降低了对设计者建模水平的要求，同时可以大大的缩短车身概念设计阶段的车身结构建模的周期。

背景技术

汽车车身设计按照设计过程先后分为两个阶段，概念设计阶段与详细设计阶段。概念设计阶段主要任务是确定车身整体结构性能，在此阶段的车身设计，需要对整体模型的力学性能进行反复仿真与校核，在很大程度上决定了汽车设计周期长短和后期的重复设计量，直接关系到车辆的开发成本，如果在这个阶段留下缺陷，在以后进一步的设计中将面临诸多困难，并且前期的错误很难在后期弥补。因此，概念设计的成果和周期将对整车结构设计质量和周期起到至关重要的作用。

目前，建立车身结构概念模型，通常是根据车身详细模型，在CAD系统上，利用手工或者模板技术，建立车身概念设计几何模型。如今，以深度学习为代表的人工智能技术广泛应用于图像识别，语音识别，无人驾驶等领域。而卷积神经网络更是深度学习技术中的佼佼者，具有对特征进行自动提取的特点。因此，如果能利用深度学习技术，设计一种根据车身二维设计草图，自动检测车身硬点，然后根据检测出的硬点快速自动建立车身概念几何模型的方法，将会是一种人工智能技术与车身结构设计领域的完美结合，同时对缩短车身概念设计周期乃至整车设计周期有着重大的意义。

发明内容

本发明是把深度学习技术应用到车身结构设计中来，根据某车型二维设计草图，图像中包含车型的侧视图和俯视图，利用已训练好的卷积神经网络模型，自动检测出图像中车身的硬点，之后快速建立此车型的三维结构概念模型。

本发明的技术方案如下：

a.首先，训练好具有检测图像中车身硬点功能的卷积神经网络模型，方法如下：

1)收集不同车型的二维设计草图，二维设计草图中包含车型的主视图和俯视图，定义位置可调节的点，称为车身的硬点。其中主视图包含硬点的X,Z方向上的位置信息，俯视图包含硬点X,Y方向上的位置信息。

2)分别把每张二维设计草图上车身的硬点手动标注出来，所有标注好的二维设计草图的集合称为数据集。

3)搭建卷积神经网络模型对数据集进行训练，通过Adam算法进行卷积神经网络模型的迭代以及参数的优化，最终得到的卷积神经网络模型具备自动检测图像中车身硬点的功能，并且有着很好的泛化能力。

b.基于卷积神经网络模型检测出的主视图中硬点X,Z方向相对位置信息与俯视图中硬点Y,Z方向相对位置信息，建立局部坐标系，得到每个硬点在三维空间中的X,Y,Z坐标值。

进一步地，硬点的确定原则是：

1)每个硬点都是参数化的点，能够通过改变坐标值来改变其在空间中的位置；

2)通过硬点能够确定车的基本结构和形状；

3)对于某一同款车型，硬点的数量是确定的，每个硬点均代表一定的结构和几何意义。

4)只需要确定车身的一侧及中部的硬点。