(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210810073.1 (22)申请日 2022.07.11 (71)申请人 杭州时戳信息科技有限公司 地址 311100 浙江省杭州市余杭区仓前街 道鼎创财富中心1幢1 106室-1、 1207室 (72)发明人 臧乔一　江汉儒　 (74)专利代理 机构 宁波高新区核心力专利代理 事务所(普通 合伙) 33273 专利代理师 朱甲子 (51)Int.Cl. G06T 17/00(2006.01) G06F 30/15(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G06K 9/62(2022.01)G06F 119/14(2020.01) (54)发明名称 基于人工智能的车辆三维设计装置 (57)摘要 本发明公开了一种基于人工智能的车辆三 维设计装置， 其允许根据用户提供的设计需求， 基于人工智能的方式自动生成车辆的2D和3D模 型， 并能够自动且快速地开展性能仿真测试和原 型验证步骤， 使得车辆原型设计过程具有极高的 效率， 这对于 车辆设计而言是极其有利的。 其中， 尤其是通过在3D模型生成模块引入特定的深度 图生成算法， 允许 以较低的硬件要求， 高的计算 速度和效率利用2D 模型生成相应的3D 模型， 从而 改善车辆三维设计装置的整体性能。 权利要求书2页 说明书5页 附图1页 CN 115170739 A 2022.10.11 CN 115170739 A 1.一种基于人工智能的车辆三维设计装置， 其包括2D模型生成模块、 3D模型生成模块、 仿真模块和原型验证模块； 所述2D模型生成模块被设置用于根据用户输入的车辆设计参数， 生成车辆的2D模型； 所述3D模型生成模块被设置用于根据所述2D模型， 生成车辆的3D模型； 所述仿真模块被设置用于对所述3D模型进行仿真计算， 生成空气动力学 数据； 原型验证模块被设置用于利用所述3D模型， 打印生成车辆的3D实体模型。 2.如权利要求1所述的基于人工智能的车辆三维设计装置， 其还包括显示模块， 用于展 示所述2D模型和3D模型。 3.如权利要求1所述的基于人工智能的车辆三维设计装置， 其中， 所述2D模型生成模块 包括模型参数获取 单元、 零件数据库、 随机数发生单 元和2D模型生成单 元； 所述零件数据库包括多种车辆零件的2D图像， 其中， 关于所述车辆零件中的每一种具 有多幅2D图像， 且同一车辆零件的2D图像 被分成多个2D图像 类； 所述模型参数获取 单元被设置用于允许用户输入所述的车辆设计参数； 所述随机数发生单 元被设置用于生成随机数； 所述2D模型生成单元被设置用于： 根据所述车辆设计参数， 从所述零件数据库中选取 2D图像类； 根据随机数从所选取的2D图像类中随机选取2D图像； 以及， 借助GAN神经网络利 用已存在的2D图像以及额外的模型生成参数， 通过对抗学习生成新的车辆的2D模型。 4.如权利要求3所述的基于人工智能的车辆三维设计装置， 其中， 所述模型参数获取单 元包括键盘、 麦克风、 画板和摄 像头中的一种或多种。 5.如权利要求3所述的基于人工智能的车辆三维设计装置， 其中， 所述3D模型生成模块 包括深度估算单 元和3D模型生成单 元； 所述深度估算单 元被设置成通过迁移学习， 利用聚类算法估算2D模型的深度图； 所述3D模型生成单元被设置成利用 所述2D模型和估算得到的深度图， 生成所述3D模 型。 6.如权利要求5所述的基于人工智能的车辆三维设计装置， 其中， 所述深度估算单元包 括RGB‑D库， 且被设置用于： 利用预训练的深度学习模型提取 所述RGB‑D库中图像的高层特 征； 借助K均值聚类算法， 利用所述高层特 征将所述RGB ‑D库中的图像分成多个聚类； 根据与所述2D模型的相关性， 从所述RGB ‑D库中寻找在光度上与所述2D模型相似 的图 像作为候选图像； 借助加权相关平均算法， 利用所述候选图像的深度图估算得到所述2D模型的原始深度 图； 以及， 利用滤波器去除所述原 始深度图中的深度变化， 优化得到所述2D模型的深度图。 7.如权利要求6所述的基于人工智能的车辆三维设计装置， 其中， 所述深度估算单元被 设置成： 将所述RGB ‑D库中的图像分割成4*4的图块以生成新数据集， 其中， 保留有图像中呈现 的物体位置； 利用预训练的深度学习模型对所述新数据集进行特征提取， 并且， 所述RGB ‑D库中的图 像i的特征矢量Fi由属于图像i的所有图块j的特征矢量Tij连接形成， Fi=[Ti1Ti2Ti3Ti4  …权　利　要　求　书 1/2 页 2 CN 115170739 A 2Tin]； 借助K均值聚类算法， 利用提取得到的图像i的高层特征， 对所述RGB ‑D库中的图像进行 分类以生成多个聚类C[1]、 C[2]、 …、 C[k]， k为聚类的数量； 计算各个聚类C[i]的中心特征 ， 其中，  为聚类C[i] 中的第j个图像的特 征矢量； 计算2D模型的特征Fquery与各个聚类i的中心特征Cavg[i]之间的相关系数Ccoef[i]， 将所 述相关系数Ccoef[i]与第一预设值P1进行比较， 并选择相关系数Ccoef[i]不小于第一预设值 P1的聚类C[s]， 作为候选聚类； 针对每个 候选聚类C[s]， 计 算2D模型的特征Fquery与候选聚类 C[s]中各个图像i的特征FC[s][i]之间的相关系数Cval[s,i]， 将所述相关系数Cval[s,i]与第 二预设值P2进行比较， 并选择相关系数Cval[s,i]不小于第二预设值P2的图像作为候选图 像； 对所述候选图像进行加权相关平均计算， 估算得到所述2D模型的原 始深度图Dprior， 其中， Cval[i]为所述候选图像i的特征与2D模型的特征之间的相关系数， Dcand[i]为所述 候选图像i的深度图； 以及， 利用边缘保持平滑滤波器对所述原始深度图Dprior进行优化， 生成所述2D模型的深度 图。 8.如权利要求7所述的基于人工智能的车辆三维设计装置， 其中， 所述RGB ‑D库包括 make3D数据集， 所述深度学习模型为ResNet ‑50， 所述第一预设值P1为0.8， 所述第二预设值 P2为0.6； 并且， 所述深度估算单元被设置成借助交叉双边 滤波器去除原始深度图Dprior中的 深度变化以生成所述2D模型的深度图。 9.如权利要求8所述的基于人工智能的车辆三维设计装置， 其中， 所述仿真模块包括车 辆空气动力学仿真工具， 用于对所述3D模型进行空气动力学仿真模拟计算， 得到空气动力 学性能数据。 10.如权利要求9所述的基于人工智能的车辆三维设计装置， 其中， 所述原型验证模块 包括3D打印机， 用于根据所述3D模型打印生成车辆的实体模型。权　利　要　求　书 2/2 页 3 CN 115170739 A 3