[发明专利]整车点云图像分析方法、装置、设备及存储介质

说明书

本发明属于图像分析技术领域，公开了一种整车点云图像分析方法、装置、设备及存储介质。该方法包括：获取目标车辆的整车点云图像；截取所述整车点云图像，得到对应的目标截面图像；基于所述目标截面图像通过预设卷积神经网络模型进行目标结构检测，得到对应的目标结构检测结果；根据所述目标结构检测结果完成对所述整车点云图像的分析。通过上述方式，在获得整车点云图像之后得到对应的目标截面图像，通过预设卷积神经网络模型对目标结构图像进行目标结构检测得到对应的检测结果，提高了识别整车数据关键结构截面时的效率。

技术领域

本发明涉及图像分析技术领域，尤其涉及一种整车点云图像分析方法、装置、设备及存储介质。

背景技术

随着激光扫描、倾斜摄影等各种现实采集(reality capture)装备快速发展，点云已成为继矢量地图和影像数据之后的第三类重要的时空数据源，在各个领域科学研究和工程建设中发挥越来越重要的作用。

在车辆设计以及车身零件设计过程中是利用整车点云数据，并基于软件对整车车身建模，然而在该过程中，通常是依赖人工进行整车关键结构截面的识别，存在人工干预大、效率低耗时长、标准不一等突出问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种整车点云图像分析方法、装置、设备及存储介质，旨在解决现有技术人工识别整车关键结构截面时效率低、标准不统一且人工干预大的技术问题。

为实现上述目的，本发明提供了一种整车点云图像分析方法，所述方法包括以下步骤:

获取目标车辆的整车点云图像；

截取所述整车点云图像，得到对应的目标截面图像；

基于所述目标截面图像通过预设卷积神经网络模型进行目标结构检测，得到对应的目标结构检测结果；

根据所述目标结构检测结果完成对所述整车点云图像的分析。

可选地，所述获取目标车辆的整车点云图像，包括：

获取目标车辆的整车点云数据；

提取所述整车点云数据中的图像数据，得到对应的整车点云图像。

可选地，所述基于所述目标截面图像通过预设卷积神经网络模型进行目标结构检测，得到对应的目标结构检测结果，包括：

基于所述目标截面图像得到对应的预设像素矩阵；

将所述预设像素矩阵输入至所述预设卷积神经网络模型中的输入层；

基于所述输入层的预设像素矩阵通过所述预设卷积神经网络模型中的骨干网进行处理，得到对应的输出矩阵结果；

基于所述输出矩阵结果通过所述预设卷积神经网络模型中的检测层进行结果检测，得到对应的目标结构检测结果。

可选地，所述基于所述目标截面图像通过预设卷积神经网络模型进行目标结构检测，得到对应的目标结构检测结果之前，还包括：

获取预设数据库中的初始截面图像；

对所述初始截面图像进行目标结构标注，得到样本截面图像；

基于所述样本截面图像对初始卷积神经网络模型进行训练，得到预设卷积神经网络模型。

可选地，所述基于所述样本截面图像对初始卷积神经网络模型进行训练，得到预设卷积神经网络模型，包括：

通过初始卷积神经网络模型对所述样本截面图像进行特征提取，得到预设个数特征图；

在所述预设个数特征图中设置对应的样本验证框；