漆面检测-取图映射逻辑思想

为贴合 "客户只需要大概区域" 的实际需求采用网格映射方案

一、核心逻辑:取图区域 → 网格划分 → 终端车身网格映射

第一步:定义 "相机取图区域" 与 "车身物理区域" 的对应关系,重点无需标定

明确:每台相机拍的是车身哪个具体部位、覆盖多大物理范围,但是从这里映射出一个问题:同一物理点被检测 12 次(极端情况三光带)" 环形拱门 + 多维度交错(左右 / 上下 + 多光带)场景下的核心问题 ------直接舍弃会漏检,全部展示会干扰工人

处理方式

本质:

  • 不是 12 个不同缺陷,而是同一物理点 / 同一缺陷被不同相机(左右 / 上下)、不同时刻(车动触发)、不同光带(3 个)拍到的多视角结果;
  • 这些多视角结果是 "互补" 的(比如某光带能拍到划痕,某光带能拍到尘点,某相机能拍到曲面盲区的缺陷),舍弃任何一次都可能丢失关键缺陷信息(比如低置信度但真实存在的缺陷)。

核心逻辑:检测结果对应 "同一物理点"→再融合这些结果的价值→终端只展示一次,但保留全量检测证据

第一步:定义 "同一物理点" 的判定规则-核心根据传输信号将车辆固定网格化

判定维度 规则(适配的网格 + 时间位移场景) 示例
位置聚类 同一X-Y 网格(比如 X20-Y3,10cm×10cm)内的检测结果,视为 "同一物理区域";若网格内子区域偏差≤5cm(比如 X20.1-Y3.2 和 X20.3-Y3.1),也归为一类 12 次检测结果都落在 X20-Y3 网格 → 聚为一类
缺陷类型 同一物理区域内,缺陷类型一致(比如都是 "划痕")→ 视为 "同一缺陷";类型不同(比如划痕 + 尘点)→ 分开聚类 X20-Y3 内有 8 次划痕、4 次尘点 → 分成 "划痕类""尘点类" 两类
时间 / 光带 同一物理区域内,时间差≤触发间隔 ×2(比如≤0.4s)、光带不同 → 仍归为同一区域(光带是互补检测) 3 个光带拍到的 X20-Y3 划痕 → 归为同一类

第二步:多检测结果融合(不丢信息,只优化)

对聚类后的同一类结果(比如 12 次→1 类),执行 "融合策略"(而非舍弃),最大化利用多视角价值:

融合规则 操作逻辑 目的(避免漏检)
置信度加权 保留类内置信度最高的结果作为 "主结果",同时计算类内置信度均值(比如 12 次置信度 0.6~0.9 → 主结果取 0.9,均值 0.75) 高置信度保证准确性,均值验证缺陷真实性(均值≥0.7 则判定为 "确认缺陷")
多视角补充 若类内不同相机 / 光带的检测结果能补充缺陷细节(比如相机 A 拍到划痕长度,相机 B 拍到划痕深度,光带 1 拍到尘点),则合并到主结果的 "缺陷描述" 中 避免单一视角漏看缺陷特征
异常过滤 仅过滤 "置信度<0.5 且类内无高置信度支撑" 的结果(比如 12 次中 1 次置信度 0.3,其余 11 次≥0.8 → 过滤这 1 次;若 12 次都≤0.5 → 标记为 "疑似缺陷",不丢弃) 过滤噪声,但不丢疑似缺陷
光带验证 若 3 个光带中≥2 个拍到同一缺陷 → 标记为 "多光带验证";仅 1 个光带拍到 → 标记为 "单光带提示" 区分缺陷可信度,不遗漏低光带覆盖率的真实缺陷
第三步:终端展示(简洁 + 可追溯,不干扰工人)

终端只展示融合后的 "主结果",但保留 12 次检测的全量证据,既简洁又不漏检:

展示层级 操作 工人体验
核心展示(默认) 同一物理区域的缺陷只显示 1 次:- 网格高亮:X20-Y3 红色闪烁;- 文字提示:"X20-Y3 划痕(多视角验证,置信度 0.9)" 或 "X20-Y3 疑似尘点(单光带提示,置信度 0.7)" 无重复干扰,快速聚焦核心缺陷
详情展开(点击触发) 点击高亮网格,弹出 "多视角检测详情":- 显示 12 次检测的相机 / 光带 / 时间 / 置信度列表;- 可切换查看 12 次拍摄的原始图像(缺陷框标注);- 标注 "哪些光带 / 相机拍到该缺陷" 工人可复核全量证据,避免漏看低置信度但真实的缺陷
疑似缺陷处理 疑似缺陷(置信度 0.5~0.7)用 "黄色闪烁" 标注,区别于 "红色确认缺陷",提示工人重点复核 不丢弃疑似缺陷,靠人工兜底避免漏检
相关推荐
陈天伟教授21 小时前
人工智能应用-机器视觉:AI 鉴伪 06.人脸控制技术
人工智能·神经网络·数码相机·生成对抗网络·dnn
_李小白1 天前
【Android 美颜相机】第十八天:GPUImageChromaKeyBlendFilter 解析
android·数码相机
格林威1 天前
Baumer相机金属表面油污检测:提升清洗工序监控能力的 7 个关键技术,附 OpenCV+Halcon 实战代码!
人工智能·数码相机·opencv·计算机视觉·视觉检测·工业相机·堡盟相机
_李小白1 天前
【Android 美颜相机】第十九天:GPUImageColorBalanceFilter (色彩平衡滤镜)
android·数码相机
格林威1 天前
Baumer相机铁轨表面裂纹巡检:提升铁路安全监测能力的 7 个关键技术,附 OpenCV+Halcon 实战代码!
人工智能·数码相机·opencv·算法·安全·计算机视觉·分类
蝈蝈Tjguo1 天前
高速测量中的实时数据处理
数码相机
线束线缆组件品替网2 天前
Finisar AOC/DAC 在高速网络互连中的应用解析
网络·数码相机·测试工具·电脑·pcb工艺·游戏机
陈陈爱java2 天前
Blender使用守则
数码相机·blender
_李小白2 天前
【Android 美颜相机】第十六天:GPUImageTwoInputFilter 解析
android·数码相机
wh_xia_jun2 天前
AI 自助拍照亭(AI Photo Booth)项目整体架构与实现思路总结
数码相机·架构