[發明專利]用于深度學習的行人保護頭型點位數據庫建模方法、裝置

在審

• 申請號: 202211301514.1
• 申請日: 2022-10-24
• 公開（公告）號: CN115658939A
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 黃澤輝;朱學武;唐洪斌;王士彬;婁方明;王雪松;馬博帥;關榮博;劉明
• 申請（專利權）人: 中國第一汽車股份有限公司
• 主分類號: G06F16/51
• 分類號: G06F16/51;G06F16/55;G06F16/16;G06F40/18;G06V10/94;G06V10/82
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 崔斌

1.一種用于深度學習的行人保護頭型點位數據庫建模方法，其特征在于，包括以下步驟：

步驟一、將頭型點位坐標文件導入行人保護仿真模型中；

步驟二、遍歷所有頭型點位，若未結束，進入步驟三；若結束，進入步驟四；

步驟三、對多點位進行多視角截圖；

步驟四、對截圖進行分類，最終獲得頭型點位數據庫。

2.根據權利要求1所述的一種用于深度學習的行人保護頭型點位數據庫建模方法，其特征在于，所述對多點位進行多視角截圖包括對多個單點位進行多視角截圖。

3.根據權利要求1所述的一種用于深度學習的行人保護頭型點位數據庫建模方法，其特征在于，

對單點位進行多視角截圖的具體方法如下：

31)對當前頭型的點位、點位名稱、點位坐標進行標記；

32)建立當前頭型點位輔助框；

33)對當前點位的頂部視角進行截圖并存入文件夾；

34)對當前點位的前部視角進行截圖并存入文件夾；

35)對當前點位的左部視角進行截圖并存入文件夾；

36)刪除頭型點位輔助框。

4.根據權利要求3所述的一種用于深度學習的行人保護頭型點位數據庫建模方法，其特征在于，

所述步驟33)中單點位的多視角截圖的具體方法如下：

331)只顯示當前頭型點位輔助框；

332)設置頂部視角；

333)對視圖的大小進行自適應；

334)只顯示仿真模型；

335)對模型進行切割并截圖并存入文件夾。

5.根據權利要求3所述的一種用于深度學習的行人保護頭型點位數據庫建模方法，其特征在于，

所述步驟34)的具體方法如下：

341)只顯示當前頭型點位輔助框；

342)設置前部視角；

343)對視圖的大小進行自適應；

344)只顯示仿真模型；

345)對模型進行切割并截圖并存入文件夾。

6.根據權利要求3所述的一種用于深度學習的行人保護頭型點位數據庫建模方法，其特征在于，

所述步驟35)的具體方法如下：

351)只顯示當前頭型點位輔助框；

352)設置左部視角；

353)對視圖的大小進行自適應；

354)只顯示仿真模型；

355)對模型進行切割并截圖并存入文件夾。

7.根據權利要求1所述的一種用于深度學習的行人保護頭型點位數據庫建模方法，其特征在于，

所述步驟四的具體方法如下：

41)讀取頭型點位頭部損傷標準得分Excel；

42)獲取點位名稱與頭部損傷標準得分對應關系；

43)建立新的文件夾，在新的文件夾下建立與頭部損傷標準得分相同名稱的文件夾；

44)讀取多角度截圖存入的文件夾內；

45)獲取截圖名稱與截圖路徑的對應關系；

46)將多角度截圖存入的文件夾在所有截圖移動到新建的文件夾下，完成截圖的分類。

8.一種用于深度學習的行人保護頭型點位數據庫建模裝置，其特征在于，包括：

導入模塊，用于將頭型點位坐標文件導入行人保護仿真模型中；

遍歷模塊，用于遍歷所有頭型點位；

截圖模塊，用于對多點位進行多視角截圖；

分類模塊，用于對截圖進行分類，最終獲得頭型點位數據庫。

9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7中任一所述的一種用于深度學習的行人保護頭型點位數據庫建模方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一所述的一種用于深度學習的行人保護頭型點位數據庫建模方法。