[发明专利]整车点云图像分析方法、装置、设备及存储介质

权利要求书

1.一种整车点云图像分析方法，其特征在于，所述整车点云图像分析方法包括：

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。

2.如权利要求1所述的整车点云图像分析方法，其特征在于，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。

3.如权利要求1所述的整车点云图像分析方法，其特征在于，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。

4.如权利要求1所述的整车点云图像分析方法，其特征在于，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。

5.如权利要求4所述的整车点云图像分析方法，其特征在于，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；

根据所述样本验证框进行结果检测，输出对应的样本检测结果，所述样本检测结果包括检测边框坐标、检测边框置信度以及检测类别概率；

根据所述样本检测结果进行样本分类回归，得到预设卷积神经网络模型。

6.如权利要求4所述的整车点云图像分析方法，其特征在于，所述目标结构包括：空间性能目标结构、通过性目标结构以及视野性能目标结构；

所述对所述初始截面图像进行目标结构标注，包括：

识别所述初始截面图像中的空间性能目标结构、通过性目标结构以及视野性能目标结构对应的截面图像；

对所述空间性能目标结构、通过性目标结构以及视野性能目标结构对应的截面图像通过预设标注方式进行目标结构标注。

7.如权利要求1至6中任一项所述的整车点云图像分析方法，其特征在于，所述截取所述整车点云图像，得到对应的目标截面图像之后，还包括：

获取预设调整尺寸；

识别所述目标截面图像中的空白图像；

基于所述预设调整尺寸和所述空白图像对所述目标截面图像进行裁剪，得到裁剪后的截面图像；

根据所述裁剪后的截面图像对所述目标截面图像进行更新。

8.一种整车点云图像分析装置，其特征在于，所述整车点云图像分析装置包括：

获取模块，用于获取目标车辆的整车点云图像；

截取模块，用于截取所述整车点云图像，得到对应的目标截面图像；

检测模块，用于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；

分析模块，用于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。