摩托车零件型号自动识别方法

摘要

本发明涉及一种摩托车零件型号自动识别方法，先从外轮廓判断是否有相匹配的零配件，然后再判断摩托车零配件的大小，可以精确地对应到摩托车零配件的具体型号，判断快速精准；如若不准确，用户还可以就输出的照片进行人工比对，从而判断是否正确；本发明设置不同大小的拍摄区域，根据拍摄区域的大小判断摩托车零配件的大小，判断精确误差小。另外，还可以先由人工对待识别摩托车零配件进行粗分类，粗分类的分类明细分为九大类，分别为发动机及配件、行走系统零件、操纵系统零件、电器与仪表，以及通用件与相关，摩托车零配件数据库分为相对应的九大类数据库，这样，可以缩小了比对范围，提高识别速度，并且识别精度也相对提高。

权利要求

1.一种摩托车零件型号自动识别方法，其特征在于，包括以下步骤：步骤1：建立摩托车零配件数据库，数据库内包括摩托车零配件照片及其轮廓边缘特征，以及该摩托车零配件相对应的型号和尺寸；

步骤2：获取待识别摩托车零配件；

步骤3：设置多个大小不一的拍摄区域，每个拍摄区域的大小固定且具有编号，编号位于拍摄区域内的边缘部位；根据摩托车零配件的大小选择相近大小的拍摄区域，并将摩托车零配件放置到该拍摄区域，摩托车零配件完全位于拍摄区域内；

步骤4：采用拍摄装置拍摄具有摩托车零配件的拍摄区域的照片，拍摄装置以编号所在位置为基准点，调整拍摄范围，使整个拍摄区域在拍摄范围内，所拍照片带有拍摄区域的编号；

步骤5：将步骤4的照片转化为灰度图像，设为原始灰度图像；

步骤6：通过边缘处理算法获取步骤5中的原始灰度图像的轮廓边缘特征；

步骤7：对步骤6的轮廓边缘特征进行匹配特征点处理，先获取拍摄基准点部位所拍摄的拍摄区域编号，根据编号获得拍摄区域的大小；然后获取其余部位的轮廓边缘特征，对应获得所拍摄摩托车零部件的外轮廓大小，并将该轮廓边缘特征与步骤1数据库内的摩托车零配件轮廓进行比对，以使得数据库零配件和待识别零配件的轮廓边缘特征处于最小偏差状态；

步骤8：判断轮廓度误差是否在预设的轮廓度误差范围内，若是，执行步骤9；若否，执行步骤10；

步骤9：将步骤7获取的待识别摩托车零部件外轮廓大小与数据库中摩托车零配件尺寸进行对比，判断尺寸误差是否在预设的尺寸误差范围内，若是，执行步骤11；若否，执行步骤

10；

步骤10：输出未找到相对应的摩托车零配件；

步骤11：提取数据库中相对应摩托车零配件的照片和型号，并输出。

2.如权利要求1所述的摩托车零件型号自动识别方法，其特征在于：摩托车零配件是从摩托车上拆卸下来的废旧零配件。

3.如权利要求1所述的摩托车零件型号自动识别方法，其特征在于：拍摄区域的边缘具有边缘线，拍摄装置通过识别边缘线调整拍摄范围。

4.如权利要求3所述的摩托车零件型号自动识别方法，其特征在于：拍摄区域为矩形，边缘线为一矩形框，拍摄区域的编号位于矩形框的左上角处，编号位于一圆圈内，拍摄装置的拍摄基准点为圆圈的圆心。

5.如权利要求1所述的摩托车零件型号自动识别方法，其特征在于：步骤1之前，先由人工对待识别摩托车零配件进行粗分类，粗分类的分类明细分为九大类，分别为发动机及配件、行走系统零件、操纵系统零件、电器与仪表，以及通用件与相关，摩托车零配件数据库分为相对应的九大类数据库。

说明书

摩托车零件型号自动识别方法

技术领域

[0001] 本发明涉及一种摩托车零件型号自动识别方法。

背景技术

[0002] 摩托车的种类比较多，例如骑士车、弯梁车、踏板车、越野车、沙滩车、农夫车、卡丁车等等，而每种车型所涉及的动力部分、操纵部分、车体件、电器件和易损件等等都各不相同。每一种车型又根据不同生产厂家以及每个厂家生产的型号不同而采用不同型号的零配件。因此，摩托车的零配件种类比较繁多，这就对摩托车维修人员的知识面要求较高。在没有出厂零配件清单的情况下，有些零配件往往外形相差无几，或者有些零配件不太常用，因此，摩托车维修人员将无法准确判断该零配件的型号，从而导致摩托车无法修理。

[0003] 另外，一般零配件都需要预订，对于摩托车维修点来说，预订需要由维修技工进行操作，给维修人员带来了麻烦，而且不利于维修点的管理。

发明内容

[0004] 本发明要解决的技术问题是：为了克服摩托车零配件不易识别，且预订流程比较麻烦的不足，本发明提供一种摩托车零件型号自动识别方法。

[0005] 本发明解决其技术问题所采用的技术方案是：一种摩托车零件型号自动识别方法，包括以下步骤：

[0006] 步骤1：建立摩托车零配件数据库，数据库内包括摩托车零配件照片及其轮廓边缘特征，以及该摩托车零配件相对应的型号和尺寸；

[0007] 步骤2：获取待识别摩托车零配件；

[0008] 步骤3：设置多个大小不一的拍摄区域，每个拍摄区域的大小固定且具有编号，编号位于拍摄区域内的边缘部位；根据摩托车零配件的大小选择相近大小的拍摄区域，并将摩托车零配件放置到该拍摄区域，摩托车零配件完全位于拍摄区域内；

[0009] 步骤4：采用拍摄装置拍摄具有摩托车零配件的拍摄区域的照片，拍摄装置以编号所在位置为基准点，调整拍摄范围，使整个拍摄区域在拍摄范围内，所拍照片带有拍摄区域的编号；

[0010] 步骤5：将步骤4的照片转化为灰度图像，设为原始灰度图像；

[0011] 步骤6：通过边缘处理算法获取步骤5中的原始灰度图像的轮廓边缘特征；

[0012] 步骤7：对步骤6的轮廓边缘特征进行匹配特征点处理，先获取拍摄基准点部位所拍摄的拍摄区域编号，根据编号获得拍摄区域的大小；然后获取其余部位的轮廓边缘特征，对应获得所拍摄摩托车零部件的外轮廓大小，并将该轮廓边缘特征与步骤1数据库内的摩托车零配件轮廓进行比对，以使得数据库零配件和待识别零配件的轮廓边缘特征处于最小偏差状态；

[0013] 步骤8：判断轮廓度误差是否在预设的轮廓度误差范围内，若是，执行步骤9；若否，执行步骤10；

[0014] 步骤9：将步骤7获取的待识别摩托车零部件外轮廓大小与数据库中摩托车零配件尺寸进行对比，判断尺寸误差是否在预设的尺寸误差范围内，若是，执行步骤11；若否，执行步骤10；

[0015] 步骤10：输出未找到相对应的摩托车零配件；

[0016] 步骤11：提取数据库中相对应摩托车零配件的照片和型号，并输出。

[0017] 摩托车零配件是从摩托车上拆卸下来的废旧零配件。

[0018] 拍摄区域的边缘具有边缘线，拍摄装置通过识别边缘线调整拍摄范围。

[0019] 拍摄区域为矩形，边缘线为一矩形框，拍摄区域的编号位于矩形框的左上角处，编号位于一圆圈内，拍摄装置的拍摄基准点为圆圈的圆心。

[0020] 步骤1之前，先由人工对待识别摩托车零配件进行粗分类，粗分类的分类明细分为九大类，分别为发动机及配件、行走系统零件、操纵系统零件、电器与仪表，以及通用件与相关，摩托车零配件数据库分为相对应的九大类数据库。这样，可以先对零配件进行粗分类，缩小了比对范围，提高了识别速度，并且识别精度也相对提高。

[0021] 本发明的有益效果是，本发明的摩托车零件型号自动识别方法，先从外轮廓判断是否有相匹配的零配件，然后再判断摩托车零配件的大小，可以精确地对应到摩托车零配件的具体型号，判断快速精准；如若不准确，用户还可以就输出的照片进行人工比对，从而判断是否正确；本发明设置不同大小的拍摄区域，根据拍摄区域的大小判断摩托车零配件的大小，判断精确误差小。

附图说明

[0022] 下面结合附图和实施例对本发明进一步说明。

[0023] 图1是本发明的摩托车零件型号自动识别方法的流程图。

[0024] 图2是本发明中一个拍摄区域的示意图。

具体实施方式

[0025] 现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

[0026] 如图1所示，本发明的一种摩托车零件型号自动识别方法，包括以下步骤：

[0027] 步骤1：建立摩托车零配件数据库，数据库内包括摩托车零配件照片及其轮廓边缘特征，以及该摩托车零配件相对应的型号和尺寸；

[0028] 步骤2：获取待识别摩托车零配件；

[0029] 步骤3：设置多个大小不一的拍摄区域，每个拍摄区域的大小固定且具有编号，编号位于拍摄区域内的边缘部位；根据摩托车零配件的大小选择相近大小的拍摄区域，并将摩托车零配件放置到该拍摄区域，摩托车零配件完全位于拍摄区域内；

[0030] 步骤4：采用拍摄装置拍摄具有摩托车零配件的拍摄区域的照片，拍摄装置以编号所在位置为基准点，调整拍摄范围，使整个拍摄区域在拍摄范围内，所拍照片带有拍摄区域的编号；

[0031] 步骤5：将步骤4的照片转化为灰度图像，设为原始灰度图像；

[0032] 步骤6：通过边缘处理算法获取步骤5中的原始灰度图像的轮廓边缘特征；

[0033] 步骤7：对步骤6的轮廓边缘特征进行匹配特征点处理，先获取拍摄基准点部位所拍摄的拍摄区域编号，根据编号获得拍摄区域的大小；然后获取其余部位的轮廓边缘特征，对应获得所拍摄摩托车零部件的外轮廓大小，并将该轮廓边缘特征与步骤1数据库内的摩托车零配件轮廓进行比对，以使得数据库零配件和待识别零配件的轮廓边缘特征处于最小偏差状态；

[0034] 具体包括以下子步骤：

[0035] 步骤S71：提取数据库零配件的边缘轮廓特征的部分点集A和待识别零配件的边缘轮廓特征的部分点集B；

[0036] 步骤S72：将数据库零配件和待识别零配件的边缘轮廓特征点一一进行比较，以获取点集A和点集B之间的最小豪斯多夫距离量度，此时的点集A与点集B则为匹配相似度最高，数据库零配件和待识别零配件的轮廓边缘特征处于最小偏差状态。

[0037] 步骤8：判断轮廓度误差是否在预设的轮廓度误差范围内，若是，执行步骤9；若否，执行步骤10；

[0038] 具体包括以下子步骤：

[0039] 步骤S81：分别获取数据库零配件和待识别零配件的轮廓线的所有特征点坐标；

[0040] 步骤S82：选取待识别零配件的轮廓线的一特征点ak(x1，y1)，在对应的ak点出附近，选取左右邻近相同间隔的两个离散点a(k-n)，点a(k+n)；

[0041] 步骤S83：连接原点O与点a(k-n)得到一条直线，连接原点O与a(k+n)得到另一条直线，这两条直线必分别与标准零件的轮廓线相交于b1和b2两点，获取点b1和b2之间的点集B；那么在数据库零配件的轮廓线上的点集B内，必然找到一个与待测点ak对应的理论特征点。

[0042] 步骤S84：采用金分割法比较待测点ak与点集B之间两点的距离，在点集B上找到距离待测点ak最短的两个点，然后得到一条直线L，求取待测点ak到直线L的距离，即为待测点到标准轮廓上的最小距离，即为该轮廓误差。

[0043] 步骤9：将步骤7获取的待识别摩托车零部件外轮廓大小与数据库中摩托车零配件尺寸进行对比，判断尺寸误差是否在预设的尺寸误差范围内，若是，执行步骤11；若否，执行步骤10；

[0044] 步骤10：输出未找到相对应的摩托车零配件；

[0045] 步骤11：提取数据库中相对应摩托车零配件的照片和型号，并输出。

[0046] 摩托车零配件是从摩托车上拆卸下来的废旧零配件。

[0047] 拍摄区域的边缘具有边缘线，拍摄装置通过识别边缘线调整拍摄范围。

[0048] 拍摄区域为矩形，边缘线为一矩形框，拍摄区域的编号位于矩形框的左上角处，编号位于一圆圈内，拍摄装置的拍摄基准点为圆圈的圆心。

[0049] 步骤1之前，先由人工对待识别摩托车零配件进行粗分类，粗分类的分类明细分为九大类，分别为发动机及配件、行走系统零件、操纵系统零件、电器与仪表，以及通用件与相关，摩托车零配件数据库分为相对应的九大类数据库。这样，可以先对零配件进行粗分类，缩小了比对范围，提高了识别速度，并且识别精度也相对提高。

[0050] 摩托车配件分类明细包括：

[0051] 发动机及配件：总成、曲轴箱、气缸、活塞、环、曲轴、气门、凸轮轴、燃油箱、滤清、燃油泵、机油泵、化油器、电喷、进排气、水箱风机、其他；

[0052] 传动系统零件:摩托车离合器、变速器、变速器操纵装置、摩托车起动机构、摩托车皮带传动组件、链传动组件、轴传动组件；

[0053] 行走系统零件：车架、挡泥板、车叉、减震、减震配件、车轮、轮毂、轮辋等、轮胎、车锁警报、保险杠、视镜、杂物箱、护框等、停车架、扶手、挡风玻璃、辅饰；

[0054] 操纵系统零件：方向柱、车把、把套和操控装置、软轴、拉锁、制动器、制动踏板、拉杆、ABS及其他制动零件；

[0055] 电器与仪表：蓄电池、发电机、起动电机、电刷等；整流器、超越离合、分电器、火花塞、开关、灯具与信号装置、喇叭、仪表、传感器、继电器、电线束、记数器、其他电器零件；

[0056] 通用件与相关：密封件橡胶、塑料件、橡胶、塑料件、硬管、软管、粉末冶金件、铸锻件、冲压件、标准件、紧固件、轴承、轴套、齿轮、涂料、粘合剂、润滑油、其他材料与加工、磁电机摩托车安全用品、头盔、太阳镜。

[0057] 本发明的摩托车零件型号自动识别方法，先从外轮廓判断是否有相匹配的零配件，然后再判断摩托车零配件的大小，可以精确地对应到摩托车零配件的具体型号，判断快速精准；如若不准确，用户还可以就输出的照片进行人工比对，从而判断是否正确；本发明设置不同大小的拍摄区域，根据拍摄区域的大小判断摩托车零配件的大小，判断精确误差小。

[0058] 以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。