汽車零部件分級定損方法
【技術領域】
[0001 ]本發(fā)明屬于汽車定損領域，尤其涉及一種汽車零部件分級定損方法。
【背景技術】
[0002] 當前的世界正處于移動互聯(lián)網(wǎng)技術飛速發(fā)展的時代，智能終端已經(jīng)逐漸滲透到人 們的生活中。在汽車領域，也不斷更新著性能，汽車系統(tǒng)越來越復雜。從谷歌推出穿戴式智 能眼鏡，到寶馬公司提出的用于汽車的智能眼鏡，無不彰顯著未來的發(fā)展趨勢。雖然關于汽 車方面的智能眼鏡，目前市場上并未出現(xiàn)、普及，但是提出的概念相當豐富，使之滿足用戶 的各項需求。例如，寶馬公司推出的增強現(xiàn)實眼鏡目前備受關注。包括服務:導航、生活服務 推薦、消息提醒等；以及維修:故障診斷、語音識別、操作指導等，使汽車維修變得智能、直 觀、簡便。
[0003] 對于技術的實現(xiàn)存在一定的不足:智能眼鏡只是針對特定的車型，在維修過程中， 眼鏡只能識別特定型號的零部件;控制方式單一，只有語音控制和傳感器控制；功能不完 善，雖然包含了駕駛和維修兩方面的功能，仍缺失維修之前定損等功能。

【發(fā)明內(nèi)容】

[0004] 為了解決現(xiàn)有技術中，提取特征信息不完善，造成的提取信息無法真實反映損傷 程度的問題，本發(fā)明提出了汽車零部件分級定損方法，進一步完善車輛損傷程度信息提取 步驟，保證定損的正確性。
[0005] 為了實現(xiàn)上述目的，本發(fā)明使用的技術方案是:一種汽車零部件分級定損方法，具 有信息采集、信息處理和部件定損的步驟，汽車零部件信息采集時，具有提取汽車零部件的 多維特征的步驟，所述多維特征包括紋理信息和輪廓信息。
[0006] 進一步的，所述信息采集步驟中，信息采集設備上設有光源、光柵以及雙目立體視 覺攝像頭，打開光源，采集待測汽車零部件的數(shù)據(jù)信息，通過接非觸式傳感器傳輸?shù)接嬎銠C 內(nèi)。
[0007] 進一步的，所述信息處理步驟，在計算機內(nèi)使用CATIA軟件進行點云逆向鋪面、建 模，得到待測汽車零部件的三維立體信息，包括各邊尺寸、曲率、點云的任一點到對應平面 的距離。
[0008] 進一步的，提取汽車零部件圖像數(shù)據(jù)的LBP特征，在最初選擇某一窗口大小的算 子，以窗口的中心像素為閾值，將相鄰的像素值與閾值作比較，若周圍的像素值大于中心的 像素值，則該位置被標記為1，反之標記為〇,在周圍的像素都比較之后，按照順時針或者逆 時針的順序得到一個二進制編碼，即中心閾值所處位置的LBP值。
[0009] 進一步的，進行初級定損:將待測汽車零部件的重建模型與計算機內(nèi)已存儲的正 常的汽車零部件模型進行相似性度量，如下：
[0010] (1)
[0011]
[0012] 其中，P為待測汽車零部件和正常汽車零部件的相似度，P為正常汽車零部件的各 尺寸組成的一維向量，q為待測汽車零部件的各尺寸組成的一維向量，并分別作歸一化處 理，用P '來衡量待測汽車零部件的損傷程度:P '值越小，部件的損傷程度越小。
[0013] 進一步的，進行終極定損:線下提取汽車零部件圖像數(shù)據(jù)的LBP特征和各邊尺寸、 曲率、點云的任一點到對應平面的距離的數(shù)據(jù)，建立SVM支持向量機分類模型，對車輛損傷 等級分類，在采集到出現(xiàn)損傷的汽車零部件時，提取該損傷車輛零部件的圖像數(shù)據(jù)的LBP特 征和各邊尺寸、曲率、點云的任一點到對應平面的距離的數(shù)據(jù)，并得到對應的分類模型，以 判斷該車輛的損傷程度。
[0014] 本發(fā)明還涉及使用上述技術方案中的汽車零部件分級定損方法在智能眼鏡上的 應用，智能眼鏡作為信息采集設備。
[0015] 有益效果：
[0016] 1.增加了用于汽車維修的智能眼鏡的功能，利用眼鏡的三維掃描功能，對車輛進 行分級定損，尤其對于輕微損傷的界定更有幫助;該發(fā)明能夠?qū)囕v的損傷提供有效的依 據(jù)，避免資源浪費，能夠在一定程度上緩解車輛保險的糾紛。
[0017] 2.實現(xiàn)了機械與模式識別跨學科的融合:利用了機械設計的CATIA軟件進行點云 逆向三維重建模型，獲得參數(shù)數(shù)據(jù)，結(jié)合模式識別的方法，實現(xiàn)故障分類，達到損傷分級的 目的。
[0018] 3.本發(fā)明針對外形受損的汽車零部件，輪廓信息和紋理信息能夠充分反映零部件 的形變，提取多維特征，能夠有效衡量零部件的受損情況。
[0019] 4.零部件定損分級實現(xiàn)雙重保險：由初級定損和終極定損組成。兩次建立模型，既 有基于點云逆向三維建模的零部件的粗測量選擇，又包含了支持向量機分類模型的計算， 增強了分級定損的準確度。
【附圖說明】
[0020] 圖1車輛定損總體設計框圖；
[0021] 圖2智能眼鏡三維掃描原理圖。
【具體實施方式】 [0022] 實施例1:
[0023] 一種汽車零部件分級定損方法，具有信息采集、信息處理和部件定損的步驟，汽車 零部件信息采集時，具有提取汽車零部件的多維特征的步驟，所述多維特征包括紋理信息 和輪廓信息。
[0024]所述信息采集步驟中，信息采集設備上設有光源、光柵以及雙目立體視覺攝像頭， 打開光源，采集待測汽車零部件的數(shù)據(jù)信息，通過接非觸式傳感器傳輸?shù)接嬎銠C內(nèi)。
[0025]所述信息處理步驟，在計算機內(nèi)使用CATIA軟件進行點云逆向鋪面、建模，得到待 測汽車零部件的三維立體信息，包括各邊尺寸、曲率、點云的任一點到對應平面的距離，上 述信息即為輪廓信息。
[0026]提取汽車零部件圖像數(shù)據(jù)的LBP特征，在最初選擇某一窗口大小的算子，以窗口的 中心像素為閾值，將相鄰的像素值與閾值作比較，若周圍的像素值大于中心的像素值，則該 位置被標記為1，反之標記為ο，在周圍的像素都比較之后，按照順時針或者逆時針的順序得 到一個二進制編碼，即中心閾值所處位置的LBP值，其為紋理信息。
[0027]進行初級定損:將待測汽車零部件的重建模型與計算機內(nèi)已存儲的正常的汽車零 部件模型進行相似性度量，如下：
[0028] (1)
[0029]
[0030]其中，Ρ為待測汽車零部件和正常汽車零部件的相似度，Ρ為正常汽車零部件的各 尺寸（曲率或距離)組成的一維向量，q為待測汽車零部件的各