一种基于图像的车身结构概念模型自动建模方法

摘要

一种基于图像的车身结构概念模型自动建模方法，属于汽车白车身结构设计领域。本方法是根据某车型二维设计草图，图像中包含车型的侧视图和俯视图，利用已训练好的卷积神经网络模型，自动检测出图像中车身的硬点，之后快速建立此车型的三维结构概念模型。本发明把人工智能技术融入到车身结构设计领域中，可以根据车身图二维设计草图，快速智能建立三维CAD格式的车身概念结构模型，极大的缩短了车身概念设计阶段车身结构建模时间，提高了模型的设计效率，加快了车身概念设计阶段的进度。

说明书

技术领域

本发明属于汽车白车身结构设计领域，把人工智能技术融入到此领域中，特别涉及到一种根据车身二维设计草图，自动完成车身三维概念模型创建的方法。该发明可以用于车身结构设计阶段过程中，以一种自动建模方法替代手工建模，降低了对设计者建模水平的要求，同时可以大大的缩短车身概念设计阶段的车身结构建模的周期。

背景技术

汽车车身设计按照设计过程先后分为两个阶段，概念设计阶段与详细设计阶段。概念设计阶段主要任务是确定车身整体结构性能，在此阶段的车身设计，需要对整体模型的力学性能进行反复仿真与校核，在很大程度上决定了汽车设计周期长短和后期的重复设计量，直接关系到车辆的开发成本，如果在这个阶段留下缺陷，在以后进一步的设计中将面临诸多困难，并且前期的错误很难在后期弥补。因此，概念设计的成果和周期将对整车结构设计质量和周期起到至关重要的作用。

目前，建立车身结构概念模型，通常是根据车身详细模型，在CAD系统上，利用手工或者模板技术，建立车身概念设计几何模型。如今，以深度学习为代表的人工智能技术广泛应用于图像识别，语音识别，无人驾驶等领域。而卷积神经网络更是深度学习技术中的佼佼者，具有对特征进行自动提取的特点。因此，如果能利用深度学习技术，设计一种根据车身二维设计草图，自动检测车身硬点，然后根据检测出的硬点快速自动建立车身概念几何模型的方法，将会是一种人工智能技术与车身结构设计领域的完美结合，同时对缩短车身概念设计周期乃至整车设计周期有着重大的意义。

发明内容

本发明是把深度学习技术应用到车身结构设计中来，根据某车型二维设计草图，图像中包含车型的侧视图和俯视图，利用已训练好的卷积神经网络模型，自动检测出图像中车身的硬点，之后快速建立此车型的三维结构概念模型。

本发明的技术方案如下：

a.首先，训练好具有检测图像中车身硬点功能的卷积神经网络模型，方法如下：

1)收集不同车型的二维设计草图，二维设计草图中包含车型的主视图和俯视图，定义位置可调节的点，称为车身的硬点。其中主视图包含硬点的X,Z方向上的位置信息，俯视图包含硬点X,Y方向上的位置信息。

2)分别把每张二维设计草图上车身的硬点手动标注出来，所有标注好的二维设计草图的集合称为数据集。

3)搭建卷积神经网络模型对数据集进行训练，通过Adam算法进行卷积神经网络模型的迭代以及参数的优化，最终得到的卷积神经网络模型具备自动检测图像中车身硬点的功能，并且有着很好的泛化能力。

b.基于卷积神经网络模型检测出的主视图中硬点X,Z方向相对位置信息与俯视图中硬点Y,Z方向相对位置信息，建立局部坐标系，得到每个硬点在三维空间中的X,Y,Z坐标值。

进一步地，硬点的确定原则是：

1)每个硬点都是参数化的点，能够通过改变坐标值来改变其在空间中的位置；

2)通过硬点能够确定车的基本结构和形状；

3)对于某一同款车型，硬点的数量是确定的，每个硬点均代表一定的结构和几何意义。

4)只需要确定车身的一侧及中部的硬点。

c.基于检测出的硬点，连接成一系列形状可调节的曲线，此曲线对应于车身结构概念设计中的梁，这些曲线都是参数化的，对于直线结构需要连接两个硬点的首尾，对于有一定曲率的曲线结构，需要三个或三个以上的硬点。

d.根据一系列闭环曲线，生成一些三维曲面，这些曲面对应车身结构概念设计中的车身板面。

e.步骤a-d完成后，得到图像中此车型CAD格式的三维几何结构概念模型。

进一步地，本发明的方法可以利用基于图像的车身概念结构智能建模模块来实现，所述的基于图像的车身概念结构智能建模模块是以PyQt搭建图形用户界面，以OpenCASCADE为几何建模引擎，以包含建模所需的硬点、梁、底盘和板面参数的电子表格为数据库，并定义各种数据交互接口，在创建模型的每一步操作中，数据交互接口都会把数据库中的参数信息读取到模型中，当用户在操作界面对模型手动调整后，数据交互接口会自动将修改的数据储存于数据库，实现数据库中数据与模型的实时更新。

基于图像的车身概念结构智能建模模块包括用于检测车身关键点的卷积神经网络模型，设置车身二维设计草图输入接口，卷积神经网络模型读取图像后自动完成关键点检测，并根据关键点信息自动建立硬点三维坐标，然后依次经过硬点、梁、底盘、板面四个模块快速建立参数化三维概念模型，最后输出STEP格式的车身概念模型以及包含模型所有设计参数的电子表格，保证了模型与设计参数的同步化。图9为模块的总体架构。

本发明的有益效果是：把人工智能技术融入到车身结构设计领域中，可以根据车身图二维设计草图，快速建立三维CAD格式的车身概念结构模型，极大的缩短了车身概念设计阶段车身结构建模时间，提高了模型的设计效率，加快了车身概念设计阶段的进度。

附图说明

图1本发明的技术路线图。

图2车身二维设计草图。上为主视图，下为俯视图。

图3图像中检测出的关键点示意图。上为主视图，下为俯视图。

图4生成车身硬点示意图。

图5生成车身框架结构示意图。

图6加入底盘示意图。

图7加入面板示意图。

图8概念模型在UG软件中打开效果图。

图9基于图像的车身概念结构智能建模模块总体架构。

图10基于图像的车身概念结构智能建模模块建模步骤。

具体实施方式

基于图像的车身概念结构智能建模模块应用了本发明的建模方法，下面以某款车型为例，结合附图来说明此方法的具体实现过程。

步骤1.选则工作目录

工作目录的选则主要是保存最终生成的车身结构概念模型以及模型的所有设计参数。

步骤2.导入某车型的图像

将某车型的二维设计草图导入到模型中，其中包含了此车型的侧视图以及俯视图。

步骤3.检测出图像中车身硬点

由于模型中嵌入了之前训练好的卷积神经网络模型，所以可以自动的识别出图像中车身硬点，侧视图识别的是硬点的X,Z方向上的位置信息，俯视图识别的是硬点X,Y方向上的信息。

步骤4.定义局部坐标系

在车身硬点上建立局部坐标系，以F1点为坐标原点，便可得到每个硬点的X,Y,Z方向的坐标信息，由于图像中的车型尺寸是实际车型尺寸的等比例缩放，所以要在得到的硬点坐标上乘以一个比例系数，所得到的最终硬点的相对位置信息更加符合实际车身。

步骤5.显示所有硬点

此步骤是将所有硬点显示在模型界面，如图4所示，实现了硬点从二维设计草图到三维几何的转变。

步骤6.车身硬点调整

可以通过手动操作界面的方式对所有创建好的硬点进行微调，使其位置与车身外形更加匹配。

步骤7.梁的建立

将所有硬点按照规则连接起来，可以得到车身的线框模型，如图5所示。每根线代表实际车身的梁结构，直线需要两个硬点，曲线均为B样条曲线，需要三个硬点来确定。

步骤8.底盘结构的建立

根据车身线框模型，自动加入底盘结构，如图6所示。

步骤9.板曲面的建立

根据大多数汽车车身结构中的主要承载件的特点，生成前围，顶盖，前地板，后地板，如图7所示。

步骤10保存几何模型

将上述步骤得到的车身结构概念模型保存为STEP格式，图8为模型在UG软件中的打开效果。

以上所述实施方式仅为本发明的一个实施例，本发明不限于上述实施例，对于本领域一般技术人员而言，在不背离本发明原理的前提下对它所做的任何显而易见的改动，都属于本发明的构思和所附权利要求的保护范围。