基于知识重用的车身自动几何建模方法研究

This proposal aims to have a guiding role in rapid, intelligent and customized car body design. Based on the knowledge reuse from processing, analysis and utilization of more than 10,000 car data which is created, this research investigate 1) automatic geometric feature extraction, 2) multi-view reconstruction, and 3) aesthetics based morphing design. Key points are extracted in real time by the established cascading Car-MobileNet deep network based on more than 10,000 different car images with the labeled feature points as training data; Feature lines are extracted by image processing algorithms combined with analyzing the characteristics and fitting mode of the cubic Bézier curves. The 3D curve model of the vehicle body will be quickly reconstructed by multi-view stereo matching algorithms; G2 continuous surface models will be rapidly generated using surface generation, surface stitching and surface optimization algorithms; then a large 3D car model dataset can be built, which is beneficial to engineering applications and intelligent simulation. The engineering constraints are obtained by studying structure and size information from key points and geometric feature from characteristic lines of the large-scale car data. Based on the obtained constraints and the mathematical definition of the aesthetic attributes, 3D aesthetic modification design can be achieved by the 3D model constrained morphing algorithm relying on the 3D car model dataset. This research allows non-professionals to use the developed visual operation interface for innovative design.

本项目的研究目标是对快速化、智能化及定制化车身设计起到指导作用。建立上万幅车身数据库，在对其进行处理、分析及利用的知识重用基础上，针对车身几何特征的自动快速提取、车身三维模型的自动多视图重建以及三维模型的美学改型设计进行研究：以上万幅不同视图及标注特征点数据为训练库，建立级联Car-MobileNet深度网络，实时提取车身关键点；分析三次Bézier曲线的表现特征及拟合方式，利用图像处理算法，提取车身特征线。以多视图立体匹配算法快速重建车身三维曲线模型，利用曲面生成、拼接及优化算法快速生成G2连续三维曲面模型，建立三维模型库，有利于智能仿真。以海量车身关键点及特征线数据分析车身结构、尺寸、特征线几何特征等车身设计的工程约束，结合车身美学属性的数学化特征定义，以及依赖于模型库的三维模型变体约束算法，对车身三维模型进行美学改型设计。甚至非专业人士也可以利用开发的可视化操作界面进行创新性的设计。

本项目以高效的生成高质量车身参数化模型为目标，提出了一种基于数据驱动的车身特征提取及几何建模方法。针对车身二维参数化模型的提取，本项目提出了一种新的贝塞尔曲线自动拟合算法，为工业产品的设计提供了一种新的方法基础；并提出了基于山谷线和分水岭算法的图像边缘提取算法，对车身类图像能够提取到很好的轮廓图像，进一步应用于参数化模型的快速化生成；最终基于已建立的车身侧视图关键点数据库，提出了一种“由粗到精”的关键点提取思想，利用改进的重构算法初步提取出与关键点对应的二维特征线模型，再以提取的图像边缘特征信息作为基准，利用提出的贝塞尔曲线自动拟合算法对粗提取模型进行优化，通过迭代的方式调整特征线的控制点，从而提取出精确的二维特征线模型，使得车身关键点提取结果达到工业精度上的标准。针对车身三维参数化模型的估计，本项目首先基于改进的深度学习网络进行了汽车视图角度识别研究，其次利用单视图稀疏点探索了汽车三维建模重建方法，根据识别系统自动识别的角度，结合采集的关键点数据，依赖已创建的三维线框模型库，即可高效快速的实现车身的三维模型自动重建。本项目所实现的建模方法可以提高车身概念模型设计效率，降低设计门槛，对于汽车造型创新设计具有重要的意义。建模结果表明，本项目所建立的基于知识重用的车身自动几何建模方法能够用于汽车智能化建模设计，该项目的完成为车身参数化模型的自动生成提供了有效的研究方法，并达到了一定的精度要求。

内容获取失败，请点击重试