DE102022134023A1 - Verfahren zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs, Computerprogrammprodukt sowie Bewertungsvorrichtung - Google Patents

Verfahren zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs, Computerprogrammprodukt sowie Bewertungsvorrichtung Download PDF

Info

Publication number
DE102022134023A1
DE102022134023A1 DE102022134023.6A DE102022134023A DE102022134023A1 DE 102022134023 A1 DE102022134023 A1 DE 102022134023A1 DE 102022134023 A DE102022134023 A DE 102022134023A DE 102022134023 A1 DE102022134023 A1 DE 102022134023A1
Authority
DE
Germany
Prior art keywords
electronic computing
computing device
body component
evaluation
surface quality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102022134023.6A
Other languages
English (en)
Inventor
Christoph Babel
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Priority to DE102022134023.6A priority Critical patent/DE102022134023A1/de
Publication of DE102022134023A1 publication Critical patent/DE102022134023A1/de
Pending legal-status Critical Current

Links

Images

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Bestimmen einer Oberflächenqualität (16) eines Karosseriebauteils (18) eines Kraftfahrzeugs mittels einer Bewertungsvorrichtung (10), mit den Schritten: Erfassen einer Oberfläche des Karosseriebauteils (18) mittels einer Erfassungseinrichtung (12) der Bewertungsvorrichtung (10); (S1), Erzeugen einer virtuellen Lackierung auf der erfassten Oberfläche mittels einer elektronischen Recheneinrichtung (14) der Bewertungsvorrichtung (10); (S2), Erzeugen einer gerenderten Bildsequenz des lackierten Karosseriebauteils (18) mit zumindest zwei unterschiedlichen Blickwinkeln auf das lackierte Karosseriebauteil (18) mittels der elektronischen Recheneinrichtung (14); (S3), Bestimmen einer potentiellen Abweichung des lackierten Karosseriebauteils (18) gegenüber einer Solloberfläche in Abhängigkeit von der gerenderten Bildsequenz mittels der elektronischen Recheneinrichtung (14); (S4, S5) und Bewerten der Oberflächenqualität (16) in Abhängigkeit von der bestimmten potentiellen Abweichung mittels der elektronischen Recheneinrichtung (14). Ferner betrifft die Erfindung ein Computerprogrammprodukt sowie eine Bewertungsvorrichtung (10).

Description

  • Die Erfindung betrifft ein Verfahren zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs mittels einer Bewertungsvorrichtung gemäß dem geltenden Patentanspruch 1. Ferner betrifft die Erfindung ein Computerprogrammprodukt sowie eine Bewertungsvorrichtung.
  • Die Bewertung von lackierten Fahrzeugoberflächen wird von Auditoren im Rahmen einer Oberflächenbewertung nach der Lackierung durchgeführt. Es existiert hierbei ein Programm zur Oberflächenbewertung virtuell erzeugter Daten mittels neuronalem Netz. Das Ergebnis basiert dabei auf vier gerenderten Bildern.
  • Ferner ist bekannt, dass beispielsweise ein Auditor, welcher die Qualitätsprüfung vornimmt, in einer realen Bedingung Oberflächendefekte an einem lackierten Fahrzeugbauteil bewertet. Die Defekte sind unterschiedlich stark sichtbar, je nachdem, von welchen Winkeln und welcher Distanz der Auditor das Kraftfahrzeug betrachtet. Beim Betrachten der Fehlstelle aus mehreren Winkeln und mit einer kontinuierlichen Kopfbewegung klassifiziert der Auditor die Schwere des Fehlers.
  • Die DE 10 2012 018 981 A1 betrifft eine Einrichtung für die optische Prüfung der Oberflächen von Bauteilen, insbesondere für die optische Prüfung der Oberflächen von Fahrzeugkarosserien oder von Fahrzeugkarosserieteilen, mit einem Beleuchtungsmittel, das mindestens eine Lichtquelle und mindestens einen Reflektor zur Umlenkung der von der Lichtquelle erzeugten Strahlen auf das im reflektierten Strahlengang angeordnete und zu überprüfende Bauteil umfasst. Das Beleuchtungsmittel ist derart ausgebildet und relativ zum Bauteil angeordnet, wobei es bei Austausch des zu überprüfenden Bauteils durch ein senkrecht und/oder waagrecht standardisiertes Prüfobjekt auf der Oberfläche des standardisierten Prüfobjekts ein solches Muster erzeugt, das über eine Messlänge von 300 mm zwischen 4 und 15 erste Flächen und zwischen 3 und 14 zweite Flächen aufweist. Relativ zu den ersten Flächen sind die zweiten Flächen geringer beleuchtet und über die Messlänge die ersten und zweiten Flächen abwechselnd verteilt. Die ersten Flächen und die zweiten Flächen sind als rechteckige oder nahezu rechteckige Flächen ausgebildet und die Leuchtdichte jeweils der ersten Flächen und die Leuchtdichte jeweils der zweiten Flächen sind gleich oder nahezu gleich groß.
  • Aufgabe der vorliegenden Erfindung ist es, ein Verfahren, ein Computerprogrammprodukt sowie eine Bewertungsvorrichtung zu schaffen, mittels welchen eine Bewertung einer Oberflächenqualität von Karosseriebauteilen realisiert werden kann.
  • Diese Aufgabe wird durch ein Verfahren, ein Computerprogrammprodukt sowie eine Bewertungsvorrichtung gemäß den unabhängigen Patentansprüchen gelöst. Vorteilhafte Ausgestaltungsformen sind in den Unteransprüchen angegeben.
  • Ein Aspekt der Erfindung betrifft ein Verfahren zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs mittels einer Bewertungsvorrichtung. Es erfolgt das Erfassen einer Oberfläche des Karosseriebauteils mittels einer Erfassungseinrichtung der Bewertungsvorrichtung. Es wird eine virtuelle Lackierung auf der erfassten Oberfläche mittels einer elektronischen Recheneinrichtung der Bewertungsvorrichtung erzeugt. Es wird eine gerenderte Bildsequenz des lackierten Karosseriebauteils mit zumindest zwei unterschiedlichen Blickwinkeln auf das lackierte Karosseriebauteil mittels der elektronischen Recheneinrichtung erzeugt. Es wird eine potentielle Abweichung des lackierten Karosseriebauteils gegenüber einer Soll-Oberfläche in Abhängigkeit von der gerenderten Bildsequenz mittels der elektronischen Recheneinrichtung bestimmt und es erfolgt ein Bewerten der Oberflächenqualität in Abhängigkeit von der bestimmten potentiellen Abweichung mittels der elektronischen Recheneinrichtung.
  • Insbesondere kann somit eine objektive Bewertung der Oberfläche von Karosseriebauteilen realisiert werden. Insbesondere ist somit vorgesehen, dass ein virtuelles Umfeld der Oberfläche generiert wird, indem beispielsweise Videos von Oberflächendefekten erstellt werden. Diese Videos dienen wiederum als Eingang für ein neuronales Netz, welches die Videos beziehungsweise Bildsequenzen entsprechend analysiert und eine Prognose über den Schweregrad der Fehlstelle prognostiziert gemäß beispielsweise einer Business Intelligence-Bewertung von Auditoren. Durch das Erstellen der Bildsequenz, welches die Sichtweise eines insbesondere Auditors abbildet, kann damit eine auditorgemäße Bewertung und somit eine objektive Bewertung automatisiert durchgeführt werden.
  • Gemäß einer vorteilhaften Ausgestaltungsform wird die potentielle Abweichung mittels eines konvoluten neuronalen Netzwerks der elektronischen Recheneinrichtung bestimmt. Insbesondere handelt es sich somit bei dem konvoluten neuronalen Netzwerk um ein so genanntes Convolutional Neuronal Network (CNN). Insbesondere kann dabei eine so genannte Merkmalsextraktion, insbesondere pro aufgenommenem Bild, durchgeführt werden, um die potentielle Abweichung ermitteln zu können. Somit kann äußerst vorteilhaft die Oberflächenbewertung durchgeführt werden.
  • Weiterhin vorteilhaft ist, wenn die Oberflächenqualität mittels eines rekurrenten neuronalen Netzwerks der elektronischen Recheneinrichtung bestimmt wird. Insbesondere da die Bildsequenzen in unterschiedlichen Winkeln aufgenommen werden, ist es von entscheidender Bedeutung, dass ein zeitlicher Kontext von Winkel, potentieller Abweichung und der Zeit durchgeführt wird. Hierzu eignet sich insbesondere ein rekurrentes neuronales Netzwerk, welches auch als Recurrant Neuronal Network (RNN) bezeichnet werden kann.
  • Bevorzugt kann vorgesehen sein, dass die elektronische Recheneinrichtung nur ein neuronales Netzwerk aufweist, welches als CRNN (Convolutional Recurrant Neuronal Network) ausgebildet ist.
  • Ferner hat es sich als vorteilhaft erwiesen, wenn ein Bewertungsschwellwert für die Bewertung vorgegeben wird und in Abhängigkeit von dem Bewertungsschwellwert die Bewertung der Oberflächenqualität durchgeführt wird. Hierbei kann bevorzugt vorgesehen sein, dass in Abhängigkeit von dem Bewertungsschwellwert die Oberfläche als in-Ordnung oder als nicht-in-Ordnung bewertet wird. Ferner kann vorgesehen sein, dass bei einer Bewertung als nicht-in-Ordnung eine Fehlerschwere der Oberfläche mitbestimmt wird. Als Fehlerschwere kann beispielsweise ein schwerer Fehler oder ein kleiner Fehler betrachtet werden. Die Fehlerschwere kann beispielsweise bei einer Anpassung von Herstellungsparametern für das Bauteil zukünftig zur Qualitätssteigerung verwendet werden. Insbesondere kann so eine Abweichung auf der Oberfläche detektiert werden, jedoch kann bei einer geringen Abweichung die Oberfläche dennoch als in-Ordnung betitelt werden. Insbesondere dies hat den Hintergrund darin, dass beispielsweise eventuelle Fehler auf der Oberfläche durch das menschliche Auge nicht wahrnehmbar sind, jedoch die elektronische Recheneinrichtung eine entsprechende Abweichung dennoch festgestellt hat.
  • Eine weitere vorteilhafte Ausgestaltungsform sieht vor, dass die Bildsequenz derart erzeugt wird, dass eine Wahrnehmung durch ein Auge einer Person widergespiegelt ist. Insbesondere kann die Person beispielsweise ein Auditor sein. Mit anderen Worten ist vorgesehen, dass beispielsweise eine Schärfe beziehungsweise ein Auflösegrad der Bildsequenz derart erzeugt wird, wie ein menschliches Auge dies wahrnehmen kann.
  • Ebenfalls vorteilhaft ist, wenn die potentielle Abweichung durch die Erzeugung eines Polygonnetzes auf der lackierten Oberfläche bestimmt wird. Insbesondere durch die Erzeugung des Polygonnetzes kann auf einfache Art und Weise die Abweichung in der Oberfläche bestimmt werden.
  • Bei dem vorgestellten Verfahren handelt es sich insbesondere um ein computerimplementiertes Verfahren. Daher betrifft ein weiterer Aspekt der Erfindung ein Computerprogrammprodukt mit Programmcodemitteln, welche eine elektronische Recheneinrichtung dazu veranlassen, wenn die Programmcodemittel von der elektronischen Recheneinrichtung abgearbeitet werden, ein Verfahren nach dem vorhergehenden Aspekt durchzuführen. Das Computerprogrammprodukt kann auch als Computerprogramm bezeichnet werden.
  • Ferner betrifft die Erfindung auch ein computerlesbares Speichermedium mit dem Computerprogrammprodukt.
  • Ein weiterer Aspekt der Erfindung betrifft auch eine Bewertungsvorrichtung zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs, mit zumindest einer Erfassungseinrichtung und einer elektronischen Recheneinrichtung, wobei die Bewertungsvorrichtung zum Durchführen eines Verfahrens nach dem vorhergehenden Aspekt ausgebildet ist. Insbesondere wird das Verfahren mittels der Bewertungsvorrichtung durchgeführt.
  • Die elektronische Recheneinrichtung weist beispielsweise Prozessoren, Schaltkreise, insbesondere integrierte Schaltkreise, sowie weitere elektronische Bauteile auf.
  • Vorteilhafte Ausgestaltungsformen des Verfahrens sind als vorteilhafte Ausgestaltungsformen des Computerprogrammprodukts sowie der Bewertungsvorrichtung anzusehen. Die Bewertungsvorrichtung weist hierzu insbesondere gegenständliche Merkmale auf, um entsprechende Verfahrensschritte durchführen zu können.
  • Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, der Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in der Figur alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar.
  • Die Erfindung wird nun anhand eines bevorzugten Ausführungsbeispiels sowie unter Bezugnahme auf die Zeichnung näher erläutert. Es zeigt dabei die einzige Figur:
    • 1 ein schematisches Ablaufdiagramm gemäß einer Ausführungsform des Verfahrens.
  • In der Figur sind gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.
  • 1 zeigt ein schematisches Ablaufdiagramm gemäß einer Ausführungsform des Verfahrens, insbesondere mit einer Bewertungsvorrichtung 10. Die Bewertungsvorrichtung 10 weist in diesem Ausführungsbeispiel insbesondere eine Erfassungseinrichtung 12 sowie eine elektronische Recheneinrichtung 14 auf.
  • Insbesondere ist ein Verfahren zum Bestimmen einer Oberflächenqualität 16 eines Karosseriebauteils 18 eines Kraftfahrzeugs mittels der Bewertungsvorrichtung 10 gezeigt. Es erfolgt in einem ersten Schritt S1 das Erfassen der Oberfläche des Karosseriebauteils 18 mittels der Erfassungseinrichtung 12. In einem zweiten Schritt S2 wird eine virtuelle Lackierung auf der erfassten Oberfläche mittels der elektronischen Recheneinrichtung 14 erzeugt. In einem dritten Schritt S3 wird eine gerenderte Bildsequenz des lackierten Karosseriebauteils 18 mit zumindest zwei unterschiedlichen Blickwinkeln auf das lackierte Karosseriebauteil 18 mittels der elektronischen Recheneinrichtung 14 erzeugt. Es wird in einem vierten Schritt S4 eine potentielle Abweichung des lackierten Karosseriebauteils 18 gegenüber einer Soll-Oberfläche in Abhängigkeit von der gerenderten Bildsequenz mittels der elektronischen Recheneinrichtung 14 bestimmt. Es erfolgt dann in einem optionalen fünften Schritt S5 eine zeitliche Kontextermittlung von den gerenderten Bildern der Bildsequenz und in einem sechsten Schritt S6 schließlich die Bewertung der Oberflächenqualität in Abhängigkeit von der bestimmten potentiellen Abweichung mittels der elektronischen Recheneinrichtung 14.
  • Insbesondere kann vorgesehen sein, dass im dritten Schritt S3 die Erzeugung eines gerenderten Videos beziehungsweise Bildsequenz mit dem Blick aus verschiedenen Winkeln erzeugt wird. Im vierten Schritt S4 erfolgt bevorzugt eine Merkmalsextraktion durch ein konvolutes neuronales Netzwerk 20. Im fünften Schritt S5 kann insbesondere die zeitliche Kontextermittlung durch ein rekurrentes neuronales Netzwerk 22 vorgesehen sein. Im sechsten Schritt S6 erfolgt wiederum insbesondere die Klassifizierung der potentiellen Abweichung als Fehlstelle.
  • Insbesondere kann im sechsten Schritt S6 vorgesehen sein, dass ein Bewertungsschwellwert für die Bewertung vorgegeben wird und in Abhängigkeit von dem Bewertungsschwellwert die Bewertung der Oberflächenqualität 16 durchgeführt wird. Hierzu kann beispielsweise vorgesehen sein, dass in Abhängigkeit von dem Bewertungsschwellwert die Oberfläche als in-Ordnung oder als nicht-in-Ordnung bewertet wird. Bei der Bewertung als nicht-in-Ordnung kann auch eine Fehlerschwere der Oberfläche mitbestimmt werden.
  • Insbesondere zeigt somit die 1 eine Generierung eines virtuellen Umfelds, in dem die Videos von Oberflächendefekten erstellt werden. Diese Videos dienen als Input für ein neuronales Netz (CRNN), insbesondere ausgebildet aus dem konvoluten neuronalen Netzwerk 20 und dem rekurrenten neuronalen Netzwerk 22, welches die Videos analysiert und eine Prognose über den Schweregrad der Fehlstelle prognostiziert gemäß einer Business Intelligence-Bewertung von Auditoren. Durch das Erstellen eines Videos, welches die Sichtweise des Auditors abbildet, kann damit eine auditorgemäße Bewertung erzeugt werden. Insbesondere kann dies dadurch durchgeführt werden, dass beispielsweise die Bildsequenz ein Auflösevermögen des Auges des Auditors hat.
  • Das finale Produkt ist dabei wiederum ein Computerprogramm, mit dem Bauteilbereiche bewertet werden. Als Input der Software wird ein Polygonnetz beispielsweise verwendet. Bei dem Polygonnetz werden Punkte markiert, die potentiell einen Fehler zeigen. Das Polygonnetz wird virtuell lackiert und ein virtuell erzeugtes Umfeld wird an der Lackierung reflektiert. Es wird die Bildsequenz erstellt, bei der diese Reflexionen an den markierten Punkten aus mehreren Winkeln aufgenommen werden. Nachdem das Video erstellt ist, wird dieses als Input in das neuronale Netz gegeben, welches jeden Frame des Videos analysiert und anschließend die Bewertung abgibt. Die Bewertung kann dann wiederum für Designschleifen genutzt werden.
  • Insgesamt zeigt die 1 ein künstliches neuronales Netzwerk zur physiologischoptischen Bewertung von virtuellen Oberflächenmerkmalen.
  • Bezugszeichenliste
  • 10
    Bewertungsvorrichtung
    12
    Erfassungseinrichtung
    14
    elektronische Recheneinrichtung
    16
    Oberflächenqualität
    18
    Karosseriebauteil
    20
    konvolutes neuronales Netzwerk
    22
    rekurrentes neuronales Netzwerk
    S1 bis S6
    Schritte des Verfahrens
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • DE 102012018981 A1 [0004]

Claims (10)

  1. Verfahren zum Bestimmen einer Oberflächenqualität (16) eines Karosseriebauteils (18) eines Kraftfahrzeugs mittels einer Bewertungsvorrichtung (10), mit den Schritten: - Erfassen einer Oberfläche des Karosseriebauteils (18) mittels einer Erfassungseinrichtung (12) der Bewertungsvorrichtung (10); (S1) - Erzeugen einer virtuellen Lackierung auf der erfassten Oberfläche mittels einer elektronischen Recheneinrichtung (14) der Bewertungsvorrichtung (10); (S2) - Erzeugen einer gerenderten Bildsequenz des lackierten Karosseriebauteils (18) mit zumindest zwei unterschiedlichen Blickwinkeln auf das lackierte Karosseriebauteil (18) mittels der elektronischen Recheneinrichtung (14); (S3) - Bestimmen einer potentiellen Abweichung des lackierten Karosseriebauteils (18) gegenüber einer Solloberfläche in Abhängigkeit von der gerenderten Bildsequenz mittels der elektronischen Recheneinrichtung (14); (S4, S5) und - Bewerten der Oberflächenqualität (16) in Abhängigkeit von der bestimmten potentiellen Abweichung mittels der elektronischen Recheneinrichtung (14).
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die potentielle Abweichung mittels eines konvoluten neuroanalen Netzwerks (20) der elektronischen Recheneinrichtung (14) bestimmt wird.
  3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Oberflächenqualität (16) mittels eines rekurrenten neuronalen Netzwerks (22) der elektronischen Recheneinrichtung (14) bestimmt wird.
  4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein Bewertungsschwellwert (16) für die Bewertung vorgegeben wird und in Abhängigkeit von dem Bewertungsschwellwert die Bewertung der Oberflächenqualität (16) durchgeführt wird.
  5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass in Abhängigkeit von dem Bewertungsschwellwert die Oberfläche als In-Ordnung oder als Nicht-In-Ordnung bewertet wird.
  6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass bei einer Bewertung als Nicht-In-Ordnung einer Fehlerschwere der Oberfläche mit bestimmt wird.
  7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Bildsequenz derart erzeugt wird, dass eine Wahrnehmung durch ein Auge einer Person wiedergespiegelt ist.
  8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die potentielle Abweichung durch die Erzeugung eines Polygonnetzes auf der lackierten Oberfläche bestimmt wird.
  9. Computerprogrammprodukt mit Programmcodemitteln, welche eine elektronische Recheneinrichtung (14) dazu veranlassen, wenn die Programmcodemittel von der elektronischen Recheneinrichtung (14) abgearbeitet werden, ein Verfahren nach einem der Ansprüche 1 bis 8 durchzuführen.
  10. Bewertungsvorrichtung (10) zum Bestimmen einer Oberflächenqualität (16) eines Karosseriebauteils (18) eines Kraftfahrzeugs, mit zumindest einer Erfassungseinrichtung (16) und einer elektronischen Recheneinrichtung (14), wobei die Bewertungsvorrichtung (10) zum Durchführen eines Verfahrens nach einem der Ansprüche 1 bis 8 ausgebildet ist.
DE102022134023.6A 2022-12-20 2022-12-20 Verfahren zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs, Computerprogrammprodukt sowie Bewertungsvorrichtung Pending DE102022134023A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102022134023.6A DE102022134023A1 (de) 2022-12-20 2022-12-20 Verfahren zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs, Computerprogrammprodukt sowie Bewertungsvorrichtung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102022134023.6A DE102022134023A1 (de) 2022-12-20 2022-12-20 Verfahren zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs, Computerprogrammprodukt sowie Bewertungsvorrichtung

Publications (1)

Publication Number Publication Date
DE102022134023A1 true DE102022134023A1 (de) 2024-06-20

Family

ID=91279082

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102022134023.6A Pending DE102022134023A1 (de) 2022-12-20 2022-12-20 Verfahren zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs, Computerprogrammprodukt sowie Bewertungsvorrichtung

Country Status (1)

Country Link
DE (1) DE102022134023A1 (de)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006059829A1 (de) 2006-12-15 2008-06-19 Slawomir Suchy Universalcomputer
DE102012018981A1 (de) 2012-09-27 2014-05-28 Wenker Gmbh & Co. Kg Einrichtung für die optische Überprüfung der Oberflächen von Bauteilen

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006059829A1 (de) 2006-12-15 2008-06-19 Slawomir Suchy Universalcomputer
DE102012018981A1 (de) 2012-09-27 2014-05-28 Wenker Gmbh & Co. Kg Einrichtung für die optische Überprüfung der Oberflächen von Bauteilen

Similar Documents

Publication Publication Date Title
DE3937950C2 (de)
DE60307967T2 (de) Bildverarbeitungsverfahren für die untersuchung des erscheinungsbildes
AT505338A1 (de) Verfahren zur wahrnehmungsmessung
EP3948688A1 (de) Training für künstliche neuronale netzwerke mit besserer ausnutzung der lern-datensätze
DE3708795C2 (de) Verfahren zur Größenselektion in Videoechtzeit
DE102022134023A1 (de) Verfahren zum Bestimmen einer Oberflächenqualität eines Karosseriebauteils eines Kraftfahrzeugs, Computerprogrammprodukt sowie Bewertungsvorrichtung
DE29811086U1 (de) Einrichtung zum Erfassen von sich auf die Sichtqualität zum Führen eines Kraftfahrzeuges auswirkenden Einflüssen
BE1027491B1 (de) Verfahren und Testsystem zur Bewertung der Qualität einer mikrooptischen und/oder subwellenlängenoptischen Mehrkanalprojektionseinheit
DE102020100122A1 (de) Vorrichtung und Verfahren zur Funktionsüberwachung von Lichtquellen
DE102007014475A1 (de) Bestimmung von Oberflächeneigenschaften
DE102021114287A1 (de) Mikroskopiesystem und Verfahren zum Erzeugen stilisierter Kontrastbilder
DE102021201833A1 (de) Vorrichtung zur Verarbeitung von mindestens einem Eingangsdatensatz unter Verwendung eines neuronalen Netzes sowie Verfahren
DE102020206990A1 (de) Vorrichtung zur Verarbeitung von Sensordaten und Trainingsverfahren
EP3772017A1 (de) Bahnsignalerkennung für autonome schienenfahrzeuge
DE102008052248B4 (de) Verfahren und Vorrichtung für die Überprüfung von Linsenstrukturen
DE102020212005B4 (de) Verfahren zur Bestimmung der für einen Bildklassifikator entscheidungsrelevanten Bildanteile
DE102022213930A1 (de) Verfahren und System zum Verbessern der Robustheit eines Algorithmus des maschinellen Lernens
DE102007001273A1 (de) Verfahren zur selbsttätigen Analyse von Objektbewegungen
DE102016011174A1 (de) Verfahren zum Betrieb eines Assistenzsystems für ein Fahrzeug
DE102021130505A1 (de) Verfahren zur Bestimmung einer Beleuchtungsfarbe, Bildverarbeitungsvorrichtung und Aufnahmesystem
DE102022208384A1 (de) Verfahren zum Ermitteln eines Qualitätszustands eines Prüfobjekts
DE102022200557A1 (de) Verfahren zur komprimierten Erfassung und Verarbeitung von Bilddaten
DE102019209379A1 (de) Erzeugen von Trainingsdatensätzen mit unterschiedlich belichteten Bildern für neuronale Netzwerke
DE102020126291A1 (de) Verfahren zum Analysieren eines Bauteils, Verfahren zum Trainieren eines Systems, Vorrichtung, Computerprogramm und computerlesbares Speichermedium
DE102023101395A1 (de) Verfahren zur Messwertkorrektur bei Messungen eines Partikelvolumenstroms mittels Schattenfotografie

Legal Events

Date Code Title Description
R163 Identified publications notified