[发明专利]汽车零部件识别方法、存储介质及系统

说明书

本发明提供一种汽车零部件识别方法、存储介质及系统，其方法包括：获取样本零部件的标签数据样本、二维图像特征样本、二维图纸特征样本和三维模型特征样本；以二维图像特征样本、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；将待识别零部件的二维图像特征、二维图纸特征和三维模型特征输入零部件识别模型，得到待识别零部件的标签数据识别结果。本发明依据零部件的多特征融合结果来识别零部件，能够显著提升识别精度。

技术领域

本发明涉及计算机视觉领域技术领域，具体涉及一种汽车零部件识别方法、存储介质及系统。

背景技术

在汽车制造中，需要对生产线上的零部件进行目标识别，以准确获得零部件并将其安装至对应位置，这一过程要求速度快、精度高、适应性强，以提升生产线的智能化水平。传统的目标识别算法是利用摄像头采集零部件二维图像，对零部件二维图像进行识别判断零部件类型。另一种常用的方式是，基于神经网络的目标识别算法，利用零部件二维图像的训练成果，根据从二维图像中提取得到的特征进行目标分类和检测识别。

而以上常用的两种目标识别方式，全部是对二维图像中的特征进行识别，但是汽车零部件类型多样、形状复杂，二维图像存在维度缺失，难以表征目标的全貌。因此现有的目标识别方式用于汽车零部件检测时，精度仍存在较大的提升空间。

发明内容

有鉴于此，本发明提供一种汽车零部件识别方法、存储介质及系统，以解决现有技术中汽车零部件识别检测过程中存在的精度受限、灵活性不高的技术问题。

为此，本发明一些实施例中提供一种汽车零部件识别方法，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。

可选地，上述的汽车零部件识别方法，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。

可选地，上述的汽车零部件识别方法，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。

可选地，上述的汽车零部件识别方法，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；