基于声波探测辅助的智能眼镜全方位车辆零部件完整性检测方法
【技术领域】
[0001] 本发明属于零部件检测领域，尤其涉及一种车辆零部件完整性检测方法。
【背景技术】
[0002] 1、智能眼镜是指像智能手机一样，具有独立的操作系统，可以由用户安装软件、游 戏等软件服务商提供的程序，可通过语音或动作操作完成添加日程、地图导航、与好友互 动、拍照和视频、与朋友展开视频通话等功能，并可以通过移动通讯网络来实现无线网络接 入的这样一类眼镜的总称。
[0003] 宝马公司日前推出了一款智能眼镜产品，可以详细"指导"人们维修车辆，只要用 户看着故障发动机，"智能眼镜"就能向用户显示修理发动机的步骤。
[0004]据悉，这款增强现实眼镜是宝马公司"增强现实:现实的延伸"项目的一部分，其程 序中内置了宝马的所有车型，并且将不断更新数据。用户在佩戴这款眼镜时，可以看到发动 机的各个区域，操作指南位于眼镜屏幕的左上角，而左下方会显示工作中需要用到的工具， 每一个工具都标有号码，便于用户查找。此外，这款眼镜还配有耳机，并能读取操作信息，维 修过程中，用户可以根据眼前出现的3D动画拆卸相关零部件。
[0005] 宝马公司表示，"借助增强现实技术，用户可以直观地看到其正在维修的发动机的 相关信息和三维动画，帮助他判断和消除故障。通过内置耳机，维修者还可以听到每一个操 作步骤的语音指示。"据了解，宝马的这款智能眼镜目前仅面向该公司的维修工程师推出。
[0006] 此前，增强现实公司Metaio曾为谷歌眼镜的用户带来一款功能类似的应用，其可 以通过内置目镜显示操作指示，并利用电脑模型识别和覆盖3D内容。Metaio公司的技术人 员称，"我们正在开发应用于其他可穿戴设备上应用软件，当你在驾驶途中，如果有一个信 号灯亮了，那么你就可以在应用上基于不同信号来选择应对方案。
[0007] 2、智能眼镜相比于其他的可穿戴设备，与人的视觉直接相联系，以最直接，最快速 的方式作用于人的视觉感官，在视觉成像的同时提供辅助信息，宝马公司的智能眼镜针对 汽车维修服务以智能眼镜为基础提供专业教程，指导新手或者培训技师。
[0008] 由于智能眼镜的特点，对于视觉图像的分析已经由于模式识别的发展功能上得到 了最大化的强化，对于技师的在车辆维修的同时提供全方位全视角的辅助。但是对于一些 零部件深层的故障或隐患除了凭借技师的经验，单纯的依靠智能眼镜是无法检查提前发现 进行排查的，
【发明内容】
[0009] 为了解决现有技术中智能眼镜检测零部件完整性存在局限性的问题，本发明提供 了一种基于声波探测辅助的智能眼镜全方位车辆零部件完整性检测方法，可以对于零部件 的完整性进行全面检测。
[0010] 为了实现上述目的，本发明的技术方案是:基于声波探测辅助的智能眼镜全方位 车辆零部件完整性检测方法，包括：
[0011] S1.智能眼镜采集零部件的图像，通过智能眼镜所携带的无线传输模块，将图像数 据传输到云服务器；
[0012] S2.智能眼镜采集零部件的声波，通过智能眼镜所携带的无线传输数模块，将声波 数据传输到云服务器；
[0013] S3.在云服务器上对智能眼镜采集到的图像进行预处理；
[0014] S4.在云服务器上对智能眼镜采集到的声波数据进行预处理，并采用小波变换确 定异常点的空间位置以及分布情况；
[0015] S5.预处理后的图像，由技师在智能眼镜上选定图像区域，并将该区域的图像与云 服务器的数据库中的标准的零部件模型的图像进行轮廓匹配；
[0016] S6.在云服务器上将预处理过的声波数据与数据库中标准的零部件的声波数据进 行声波匹配。
[0017] 进一步的，所述方法还包括：
[0018] S7.云服务器对零部件进行图像和声波的综合诊断，分别提取图像上的轮廓属性、 颜色属性、破损情况作为图像属性信息，提取声波的振幅、频率作为声波属性信息，所述图 像属性信息和声波属相信息作为诊断模型输入参数;对零部件的目前的状态进行诊断，得 到零部件为正常和异常的状态信息。
[0019] 进一步的，所述诊断模型为BP神经网络模型，正常和异常状态信息是BP神经网络 对各种标准零部件和故障零部件训练得到。
[0020] 进一步的，所述方法还包括：
[0021] S8.对零部件的未来状态进行预测，预测模型为神经网络，神经网络模型前期进行 了海量样本训练，所述样本训练包括零部件的使用寿命、可能的异常情况，经过样本训练， 模型的输入为图像属性信息和声波属相信息，神经网络算法自动匹配到最相近的训练样 本，得出零部件未来的预测信息。
[0022] 进一步的，所述预处理包括降噪处理和奇异性检测。
[0023]进一步的，所述方法还包括：
[0024] S9.将云服务器的分析结果反映到智能眼镜上的自带屏幕上，并提供分析图像和 声波的分析的过程属性数据以及分析过程，供技师选择进行相关内容查看。
[0025]进一步的，步骤S5中，智能眼镜会提示感兴趣区域供技师进行选择，或由技师指定 感兴趣的区域，由智能眼镜去定位，获取感兴趣区域的信息，基于图像的匹配主要由canny 算法提取边缘，对比零部件的边缘完整性即可。
[0026] 有益效果：
[0027] 本发明为了技师适用智能眼镜进行车辆维修的同时以声波辅助探测车辆内部，对 于收到的声波进行分析，检测车辆的零部件状态，并与智能眼镜检测到的车辆零部件进行 对比，辅助智能眼镜的结果，对车辆零部件进行完整的状态评估。
[0028] 在智能眼镜对车辆零部件进行检测的同时对车辆零部件进行声波分析，将图像分 析的结果与声音分析的结果相结合，以声波的分析结果辅助图像的分析结果，对车辆零部 件当前状态进行评估，并对零部件的未来使用状态进行预测，从而在车辆零部件损坏之前 进行拆卸更换，保障用户的驾驶安全系数。
[0029] 常规的智能眼镜检测车辆零部件，对图像进行预处理，对于获取的图像进行分析， 与正常状态的零部件进行对比，发现零件外部是否有变形；同时对零部件进行声波探测，探 测其内部是否有异常，根据声波与图像的双重分析结果对车辆零部件现状进行评估，并对 零部件的未来使用状况进行预测。
【附图说明】
[0030] 图1是实施例中所述方法实现的流程图；
[0031] 图2是非极大值抑制原理图。
【具体实施方式】
[0032] 实施例1:基于声波探测辅助的智能眼镜全方位车辆零部件完整性检测方法，其特 征在于，包括：
[0033] S1.智能眼镜采集零部件的图像，通过智能眼镜所携带的无线传输模块，将图像数 据传输到云服务器。
[0034] S2.智能眼镜采集零部件的声波，通过智能眼镜所携带的无线传输数模块，将声波 数据传输到云服务器。
[0035] S3.在云服务器上对智能眼镜采集到的图像进行预处理。所述预处理包括降噪处 理和奇异性检测，包括消除噪声信息，去除奇异点，直方图均衡化，均值滤波常规的图像预 处理方法可以大幅度的降低图像的噪声点的影响。
[0036] S4.在云服务器上对智能眼镜采集到的声波数据进行预处理，并采用小波变换进 行处理，小波变换具有空间局部化性质，可以确定异常点的空间位置以及分布情况。
[0037] S5.预处理后的图像，由技师在智能眼镜上选定图像区域，并将该区域的图像与云 服务器的数据库中的标准的零部件模型的图像进行轮廓匹配;匹配后从图像上检测匹配是 否有缺失，从而确定该零部件的外部完整性。匹配是从图像的角度出发，对零部件进行 sobel边缘检测，匹配是将选定的零部件图像与标准的零件轮廓(需要提前在库中建立完成 零件的轮廓)进行对比，将两个边缘模型重合在同一个三维空间上显示，不同的边缘可以明 显显示出来，匹配后可从图像上看出不同，技师则可以采取相应措施，sobel边缘检测由下 面两个模版组成，分别对图像中的每一个点用该模