论文部分内容阅读
汽车前脸设计决定了汽车留给人的第一印象,可以体现一个品牌的外观识别性,同时具有情感属性,是汽车造型设计中重要的一环。汽车前脸展现了各种功能和信息,造型设计因而呈现多变性。汽车造型设计需要采用专业的CAD软件,操作复杂,无法实现对汽车前视图特征点进行高效准确的提取。准确高效提取汽车前视图信息是实现准确造型设计完善系统功能的关键。因此,本文探讨对汽车前脸图片的关键点自动提取。全自动特征点提取的实现大幅度降低了汽车前脸设计门槛,提高了设计效率,对于实现汽车正向设计具有重要意义。然而汽车前脸的复杂性也使得造型设计驱动的汽车前脸特征点的定义和提取难以实现。为此,本文提出一种基于深度学习的汽车前脸特征点提取方法。首先,创建了汽车前视图数据库,制定了前脸分类策略,对输入的汽车前视图进行预处理,然后采用基于卷积神经网络的方法进行自动识别分类;进而,通过基于深度调节网络(DAN)的方法进行前视图关键点的自动检测;进一步实现自动化前视图二维特征线建模。本论文做了如下研究工作:(1)汽车前脸数据库,分类库以及前视图特征点标注库的创建。前视图数据库包含了3657张标准汽车正视图实拍图片,并创建了对应的特征点标注库。(2)对汽车前脸造型设计进行详尽的调研和总结,基于格式塔理论以及前脸各部件的位置关系,将汽车前视图分为六类,并创建了汽车正视图分类库。提出了改进的前脸特征线定义方法,制定了一致性表示的模板,使各个类别在拓扑一致的前提下可以有效体现前脸的造型特征。经过对汽车前视图结构的细致分析,定义了汽车前视图特征点的数目和属性。(3)基于以上数据库,采用基于卷积神经网络的分类识别方法对汽车前视图进行自动识别。结果是后续特征点定位工作的基础。(4)创建了车身前视图特征点坐标数据库,采用DAN算法实现了汽车前视图特征点自动化定位。创建了包含3657幅图片的汽车前视图关键点坐标数据库和二维线框数据库。汽车前视图特征点定位结果可以作为后续对二维特征线框进行自动重建的基础。从汽车前视图输入到前视图二维特征线框重建,上述工作完成了从输入到生成的自动化实现。通过大量的数值实验和误差统计,证明了通过深度学习的方法,完全可以高效准确地完成基于汽车前视图的汽车前脸特征点提取和二维线框模型自动重建。