DE102022134023A1 - Method for determining a surface quality of a body component of a motor vehicle, computer program product and evaluation device - Google Patents
Method for determining a surface quality of a body component of a motor vehicle, computer program product and evaluation device Download PDFInfo
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004590 computer program Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 230000007547 defect Effects 0.000 claims description 18
- 230000000306 recurrent effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
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).The invention relates to a method for determining a surface quality (16) of a body component (18) of a motor vehicle by means of an evaluation device (10), comprising the steps of: detecting a surface of the body component (18) by means of a detection device (12) of the evaluation device (10); (S1), generating a virtual paint finish on the detected surface by means of an electronic computing device (14) of the evaluation device (10); (S2), generating a rendered image sequence of the painted body component (18) with at least two different viewing angles on the painted body component (18) by means of the electronic computing device (14); (S3), determining a potential deviation of the painted body component (18) from a target surface as a function of the rendered image sequence by means of the electronic computing device (14); (S4, S5) and evaluating the surface quality (16) as a function of the determined potential deviation by means of the electronic computing device (14). Furthermore, the invention relates to a computer program product and an evaluation device (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.The invention relates to a method for determining a surface quality of a body component of a motor vehicle by means of an evaluation device according to the applicable patent claim 1. Furthermore, the invention relates to a computer program product and an evaluation device.
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.The assessment of painted vehicle surfaces is carried out by auditors as part of a surface assessment after painting. There is a program for surface assessment of virtually generated data using a neural network. The result is based on four rendered images.
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.It is also known that, for example, an auditor who carries out quality control assesses surface defects on a painted vehicle component in a real-life situation. The defects are visible to varying degrees depending on the angle and distance from which the auditor looks at the vehicle. By looking at the defect from several angles and with a continuous head movement, the auditor classifies the severity of the defect.
Die
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.The object of the present invention is to provide a method, a computer program product and an evaluation device by means of which an evaluation of a surface quality of body components can be realized.
Diese Aufgabe wird durch ein Verfahren, ein Computerprogrammprodukt sowie eine Bewertungsvorrichtung gemäß den unabhängigen Patentansprüchen gelöst. Vorteilhafte Ausgestaltungsformen sind in den Unteransprüchen angegeben.This object is achieved by a method, a computer program product and an evaluation device according to the independent patent claims. Advantageous embodiments are specified in the subclaims.
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.One aspect of the invention relates to a method for determining a surface quality of a body component of a motor vehicle by means of an evaluation device. A surface of the body component is detected by means of a detection device of the evaluation device. A virtual paint job is generated on the detected surface by means of an electronic computing device of the evaluation device. A rendered image sequence of the painted body component with at least two different viewing angles of the painted body component is generated by means of the electronic computing device. A potential deviation of the painted body component from a target surface is determined as a function of the rendered image sequence by means of the electronic computing device, and the surface quality is evaluated as a function of the determined potential deviation by means of the electronic computing device.
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.In particular, an objective assessment of the surface of body components can be carried out. In particular, it is intended that a virtual environment of the surface is generated, for example by creating videos of surface defects. These videos in turn serve as input for a neural network, which analyzes the videos or image sequences accordingly and predicts the severity of the defect based on, for example, a business intelligence assessment by auditors. By creating the image sequence, which depicts the view of an auditor in particular, an auditor-compliant assessment and thus an objective assessment can be carried out automatically.
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.According to an advantageous embodiment, the potential deviation is determined by means of a convoluted neural network of the electronic computing device. In particular, the convoluted neural network is a so-called convolutional neural network (CNN). In particular, a so-called feature extraction can be carried out, in particular for each recorded image, in order to be able to determine the potential deviation. The surface evaluation can thus be carried out in an extremely advantageous manner.
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.It is also advantageous if the surface quality is determined using a recurrent neural network of the electronic computing device. In particular, since the image sequences are recorded at different angles, it is crucial that a temporal context of angle, potential deviation and time is established. A recurrent neural network, which can also be referred to as a recurrant neural network (RNN), is particularly suitable for this.
Bevorzugt kann vorgesehen sein, dass die elektronische Recheneinrichtung nur ein neuronales Netzwerk aufweist, welches als CRNN (Convolutional Recurrant Neuronal Network) ausgebildet ist.Preferably, it can be provided that the electronic computing device has only one neural network, which is designed as a CRNN (Convolutional Recurrant Neural Network).
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.Furthermore, it has proven to be advantageous if an evaluation threshold is specified for the evaluation and the surface quality is evaluated depending on the evaluation threshold. In this case, it can preferably be provided that the surface is evaluated as OK or not OK depending on the evaluation threshold. Furthermore, it can be provided that if the surface is evaluated as not OK, the severity of the defect on the surface is also determined. For example, a serious defect or a small defect can be considered as the severity of the defect. The severity of the defect can be used in the future, for example, when adjusting manufacturing parameters for the component to improve quality. In particular, a deviation on the surface can be detected in this way, but if the deviation is small, the surface can still be labeled as OK. The background to this in particular is that, for example, possible defects on the surface are not perceptible to the human eye, but the electronic computing device has nevertheless detected a corresponding deviation.
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.A further advantageous embodiment provides that the image sequence is generated in such a way that a perception through the eye of a person is reflected. In particular, the person can be an auditor, for example. In other words, it is provided that, for example, a sharpness or a degree of resolution of the image sequence is generated in such a way that a human eye can perceive it.
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.It is also advantageous if the potential deviation is determined by generating a polygon mesh on the painted surface. In particular, generating the polygon mesh makes it easy to determine the deviation in the surface.
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.The method presented is in particular a computer-implemented method. Therefore, a further aspect of the invention relates to a computer program product with program code means which cause an electronic computing device to carry out a method according to the previous aspect when the program code means are processed by the electronic computing device. The computer program product can also be referred to as a computer program.
Ferner betrifft die Erfindung auch ein computerlesbares Speichermedium mit dem Computerprogrammprodukt.Furthermore, the invention also relates to a computer-readable storage medium with the computer program product.
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.A further aspect of the invention also relates to an evaluation device for determining a surface quality of a body component of a motor vehicle, with at least one detection device and an electronic computing device, wherein the evaluation device is designed to carry out a method according to the preceding aspect. In particular, the method is carried out by means of the evaluation device.
Die elektronische Recheneinrichtung weist beispielsweise Prozessoren, Schaltkreise, insbesondere integrierte Schaltkreise, sowie weitere elektronische Bauteile auf.The electronic computing device comprises, for example, processors, circuits, in particular integrated circuits, and other electronic components.
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.Advantageous embodiments of the method are to be regarded as advantageous embodiments of the computer program product and of the evaluation device. For this purpose, the evaluation device has, in particular, material features in order to be able to carry out corresponding method steps.
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.Further features of the invention emerge from the claims, the figures and the description of the figures. The features and combinations of features mentioned above in the description as well as the features and combinations of features mentioned below in the description of the figures and/or shown alone in the figure can be used not only in the combination specified in each case, but also in other combinations or on their own.
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.
-
1 a schematic flow diagram according to an embodiment of the method.
In der Figur sind gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.In the figure, identical or functionally equivalent elements are provided with the same reference symbols.
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.In particular, a method for determining a
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.In particular, it can be provided that in the third step S3 the generation of a rendered video or image sequence with the view from different angles is generated. In the fourth step S4, feature extraction is preferably carried out by a convoluted
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.In particular, in the sixth step S6, it can be provided that an evaluation threshold value is specified for the evaluation and the evaluation of the
Insbesondere zeigt somit die
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.The final product is a computer program that evaluates component areas. A polygon mesh, for example, is used as input to the software. Points that potentially show a defect are marked on the polygon mesh. The polygon mesh is virtually painted and a virtually generated environment is reflected on the paint. The image sequence is created in which these reflections are recorded at the marked points from several angles. After the video has been created, it is fed as input to the neural network, which analyzes each frame of the video and then gives the evaluation. The evaluation can then be used for design loops.
Insgesamt zeigt die
BezugszeichenlisteList of reference symbols
- 1010
- BewertungsvorrichtungEvaluation device
- 1212
- ErfassungseinrichtungRecording device
- 1414
- elektronische Recheneinrichtungelectronic computing device
- 1616
- OberflächenqualitätSurface quality
- 1818
- KarosseriebauteilBody component
- 2020
- konvolutes neuronales Netzwerkconvoluted neural network
- 2222
- rekurrentes neuronales Netzwerkrecurrent neural network
- S1 bis S6S1 to S6
- Schritte des VerfahrensSteps of the procedure
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN THE DESCRIPTION
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.This list of documents listed by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA accepts no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- DE 102012018981 A1 [0004]DE 102012018981 A1 [0004]
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022134023.6A DE102022134023A1 (en) | 2022-12-20 | 2022-12-20 | Method for determining a surface quality of a body component of a motor vehicle, computer program product and evaluation device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022134023.6A DE102022134023A1 (en) | 2022-12-20 | 2022-12-20 | Method for determining a surface quality of a body component of a motor vehicle, computer program product and evaluation device |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102022134023A1 true DE102022134023A1 (en) | 2024-06-20 |
Family
ID=91279082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102022134023.6A Pending DE102022134023A1 (en) | 2022-12-20 | 2022-12-20 | Method for determining a surface quality of a body component of a motor vehicle, computer program product and evaluation device |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102022134023A1 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006059829A1 (en) | 2006-12-15 | 2008-06-19 | Slawomir Suchy | Universal computer for performing all necessary functions of computer, has microprocessor, hard disk, main memory, monitor, digital versatile disc-compact disc-drive integrated in single computer device as components |
DE102012018981A1 (en) | 2012-09-27 | 2014-05-28 | Wenker Gmbh & Co. Kg | Device for optical inspection of the surfaces of components |
-
2022
- 2022-12-20 DE DE102022134023.6A patent/DE102022134023A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006059829A1 (en) | 2006-12-15 | 2008-06-19 | Slawomir Suchy | Universal computer for performing all necessary functions of computer, has microprocessor, hard disk, main memory, monitor, digital versatile disc-compact disc-drive integrated in single computer device as components |
DE102012018981A1 (en) | 2012-09-27 | 2014-05-28 | Wenker Gmbh & Co. Kg | Device for optical inspection of the surfaces of components |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3937950C2 (en) | ||
DE60307967T2 (en) | IMAGE PROCESSING FOR THE STUDY OF THE APPEARANCE | |
AT505338A1 (en) | PROCEDURE FOR PERFORMANCE MEASUREMENT | |
DE3708795C2 (en) | Process for size selection in real-time video | |
DE102015217265A1 (en) | Stereo camera device for detecting the environment of a motor vehicle, motor vehicle with such a stereo camera device and a method for detecting raindrops or deposits | |
DE102022134023A1 (en) | Method for determining a surface quality of a body component of a motor vehicle, computer program product and evaluation device | |
BE1027491B1 (en) | Method and test system for evaluating the quality of a micro-optical and / or sub-wavelength optical multi-channel projection unit | |
DE102020100122A1 (en) | Device and method for function monitoring of light sources | |
DE102007014475A1 (en) | Method for determining surface properties, involves evaluating locally resolved sketch of surface to be examined with multiple measured values, where sketch represents certain physical properties that are characterized by measured values | |
DE102021114287A1 (en) | Microscopy system and method for generating stylized contrast images | |
DE102021201833A1 (en) | Device for processing at least one input data set using a neural network and method | |
EP3772017A1 (en) | Rail signal detection for autonomous railway vehicles | |
DE19527446A1 (en) | Method for optical surface inspection of workpieces | |
DE102008052248B4 (en) | Method and device for checking lens structures | |
DE102020212005B4 (en) | Procedure for determining the image parts that are relevant for an image classifier | |
DE102022213930A1 (en) | Method and system for improving the robustness of a machine learning algorithm | |
DE102007001273A1 (en) | Method for the automatic analysis of object movements | |
DE102016011174A1 (en) | Method for operating an assistance system for a vehicle | |
DE102021130505A1 (en) | Method for determining an illumination color, image processing device and recording system | |
DE102020211808A1 (en) | Creating noisy modifications of images | |
DE102022208384A1 (en) | Method for determining a quality condition of a test object | |
DE102022200557A1 (en) | Process for the compressed acquisition and processing of image data | |
DE102019209379A1 (en) | Generation of training data sets with differently exposed images for neural networks | |
DE102020126291A1 (en) | Method for analyzing a component, method for training a system, apparatus, computer program and computer-readable storage medium | |
DE102023101395A1 (en) | Method for correcting measured values when measuring a particle volume flow using shadow photography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |