[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

说明书

本发明公开了基于深度学习的电动汽车底盘划痕三维检测方法，涉及电动汽车底盘检测技术领域，包括以下步骤：S1，采集图片并制作数据集；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，求得RGB图片到点云的矩阵，截取局部点云图，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。本发明先对平面图经行筛选，然后对删选后的区域精确检测，从而提升检测效率。

技术领域

本发明涉及电动汽车底盘检测技术领域，特别是涉及基于深度学习的电动汽车底盘划痕三维检测方法。

背景技术

电动汽车底盘划痕检测至关重要，底盘划痕深度过大，会导致电池底盘总成内部结构受损，影响行车安全。

传统的汽车底盘检测方案采用线扫相机获取底盘2D图像，然后通过深度学习方法，如faster-rcnn、mask-rcnn等模型处理图片，获取划痕坐标；或者一些传统图像检测方法比如频域处理、blob分析、阈值分割、边缘检测等方法识别缺陷位置。此种方法广泛用于电动汽车底盘总成出厂前检测，但同时也容易受环境光、脏污、加工工艺参数的变化导致的表面特征变化从而产生的误判现象。在成品电动车使用过程中，进行底盘划痕或者裂缝检测，此种2D图像方案，也同样会受干扰，比如底盘黏附一些灰尘、脏污等，使得过检率和误检率居高不下，影响产品检测效果。

当采用3D解决方案时，目前常采用线结构光相机获取底盘3D点云，寻找关键点，分割出ROI，局部拟合平面，获取点到平面的距离，可判断局部点云缺陷的深度，从而点云中是否存在划痕。此种纯点云方案，可以排除脏污、工艺带来的表面差异的影响，但是在全局寻找划痕易受汽车底盘高低不平影响，且点云处理速度较慢，无法实时检测。

为了克服上述缺陷，本领域技术人员积极创新研究，以期创设出基于深度学习的电动汽车底盘划痕三维检测方法。

发明内容

针对现有技术存在的问题，本发明提供了基于深度学习的电动汽车底盘划痕三维检测方法，采用RGB-D相机拍摄底盘图片，利用RGB相机先对底盘上的划痕区域进行初步的筛选，然后对筛选后的区域进行三维的深度检测，降低深度检测的工作量，提高检测效率。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种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，形成局部点云图；

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。

拍摄汽车底盘照片并制作成数据集后，通过对RGB相机拍摄的屏幕图进行深度学习，提取平面图上的划痕信息，并去选取可能存在划痕的区域，处理软件只需要结合平面图上选取的区域，对局部点云图进行处理后得出划痕的深度信息，通过采用平面图结合点云图，处理软件不需要对整个点云图经行数据处理，提高了点云的处理速率，实现实时检测的目的。