[发明专利]基于深度学习的电动汽车底盘划痕三维检测方法

权利要求书

1.基于深度学习的电动汽车底盘划痕三维检测方法，其特征在于，包括以下步骤：

S1，采用RGB-D相机，采集汽车底盘图片，利用数据集标注软件，标注划痕所在位置，将图片制作成数据集，采用数据增强手段扩充数据集；

S2，利用深度学习方法，进行数据集训练，提取划痕特征，检测划痕区域；

S3，根据得到的数据模型，检测汽车底盘图片，选定可能出现划痕的位置；

S4，根据RGB-D相机拍摄时的矩阵变化关系，将汽车底盘图片上的坐标变换到点云坐标系，截取S3步骤中选定的位置的局部点云图，对局部点云图进行降噪处理；

S5，对局部点云图处理，获取划痕的深度信息，从而对划痕进行定性判断；所述S5步骤还包括以下步骤，S501，对汽车底盘图片求Hessian矩阵，确定每条法线的方向；S502,按照得出的法线的方向做点云的剖面线，得出划痕剖面的最深点；S503，沿着划痕的方向不断重复S502，构成划痕底部连线；S504，拟合划痕所在局部点云平面，求得平面单位法向量后，将其旋转变换平行于XOY平面；然后求局部点云的重心坐标，将重心坐标平移变换到原始点云原点，根据划痕连线的Z坐标得出划痕深度，S505，通过划痕深度不同，对划痕的损伤程度进行定性判断。

2.根据权利要求1所述的基于深度学习的电动汽车底盘划痕三维检测方法，其特征在于：所述RGB-D相机包括壳体、左IR相机、右IR相机和RGB相机，所述RGB相机位于壳体的中央，所述左IR相机和所述右IR相机关于所述RGB相机对称，所述RGB相机的上方固定安装有MEMS微振镜投射器。

3.根据权利要求1所述的基于深度学习的电动汽车底盘划痕三维检测方法，其特征在于：所述步骤S502具体过程包括S50201，采用双边滤波去除噪点；S50202，利用随机采样一致性的方法迭代拟合高斯曲线，高斯曲线极值点为划痕剖面的最深点。

4.根据权利要求1所述的基于深度学习的电动汽车底盘划痕三维检测方法，其特征在于：所述数据集标注软件为labelme软件或者labelimg软件。

5.根据权利要求1所述的基于深度学习的电动汽车底盘划痕三维检测方法，其特征在于：所述数据增强手段包括随机裁剪、扭曲、扩增、镜像。

6.根据权利要求1所述的基于深度学习的电动汽车底盘划痕三维检测方法，其特征在于：所述深度学习方法为RCNN系列网络、YOLO系列网络、SSD系列网络、MTCNN。