[发明专利]汽车零部件识别方法、存储介质及系统

权利要求书

1.一种汽车零部件识别方法，其特征在于，包括如下步骤：

获取样本零部件的标签数据样本、二维图像数据中的二维图像特征样本、二维图纸数据中的二维图纸特征样本和三维模型数据中的三维模型特征样本；

以所述二维图像特征样本、二维图纸特征样本与三维模型特征样本作为输入参量，以标签数据样本作为输出参量进行学习训练得到零部件识别模型；

采集待识别零部件的二维图像数据中的二维图像特征、二维图纸数据中的二维图纸特征和三维模型数据中的三维模型特征；

将所述待识别零部件的二维图像特征、二维图纸特征和所述三维模型特征输入所述零部件识别模型，得到所述待识别零部件的标签数据识别结果。

2.根据权利要求1所述的汽车零部件识别方法，其特征在于，采集待识别零部件的二维图像数据中的二维图像特征、二维图纸数据中的二维图纸特征和三维模型数据中的三维模型特征的步骤中，通过如下方式得到所述二维图像特征：

以所述样本零部件的二维图像作为输入样本，以所述样本零部件的二维图像特征样本作为输出样本对学习模型进行训练，以完成训练的学习模型作为二维图像特征识别模型；

采集所述待识别零部件的二维图像输入至所述二维图像特征识别模型中，得到所述待识别零部件的二维图像特征。

3.根据权利要求2所述的汽车零部件识别方法，其特征在于，以所述样本零部件的二维图像作为输入样本，以所述样本零部件的二维图像特征样本作为输出样本对学习模型进行训练，以完成训练的学习模型作为二维图像特征识别模型的步骤中：

所述样本零部件的二维图像包括多种不同光照强度条件下和/或多种不同拍摄角度下拍摄得到的样本零部件二维图像。

4.根据权利要求1-3任一项所述的汽车零部件识别方法，其特征在于：

以所述二维图像特征样本、二维图纸特征样本与三维模型特征样本作为输入参量，以标签数据样本作为输出参量进行学习训练得到零部件识别模型的步骤中包括：

对所述二维图像特征样本、所述二维图纸特征样本与所述三维模型特征样本进行相关性分析后得到融合特征样本；

根据所述融合特征样本与所述标签数据样本之间的对应关系得到所述零部件识别模型。

5.根据权利要求4所述的汽车零部件识别方法，其特征在于，对所述二维图像特征样本、所述二维图纸特征样本与所述三维模型特征样本进行相关性分析后得到融合特征样本的步骤中，相关性分析过程包括：

采用以下相关性运算公式分别得到任意两个特征样本之间的相关性：

其中，Cov(x，y)为特征x，y之间的互相关系数，Var(x)为特征x的方差，Var(y)为特征y的方差；将所述二维图像特征样本、所述二维图纸特征样本与所述三维模型特征样本中的每两个为一组，分别作为特征x，y得到相关性；

根据每两个特征样本之间的相关性得到融合特征样本。

6.根据权利要求4所述的汽车零部件识别方法，其特征在于：

二维图像特征包括零部件表面材质、纹理和/或颜色；

二维图纸特征包括零部件的尺寸和/或线条轮廓；

三维模型特征包括零部件外形、体积和/或元件分布的相对位置关系。

7.一种存储介质，其特征在于，所述存储介质中存储有程序信息，计算机读取所述程序信息后执行权利要求1-6任一项所述的汽车零部件识别方法。

8.一种基于多源特征融合的汽车零部件识别系统，其特征在于，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序信息，至少一个所述处理器读取所述程序信息后执行权利要求1-6任一项所述的汽车零部件识别方法。