汽车零部件分级定损方法
汽车零部件分级定损方法
【技术领域】
[0001 ]本发明属于汽车定损领域，尤其涉及一种汽车零部件分级定损方法。
【背景技术】
[0002] 当前的世界正处于移动互联网技术飞速发展的时代，智能终端已经逐渐渗透到人 们的生活中。在汽车领域，也不断更新着性能，汽车系统越来越复杂。从谷歌推出穿戴式智 能眼镜，到宝马公司提出的用于汽车的智能眼镜，无不彰显着未来的发展趋势。虽然关于汽 车方面的智能眼镜，目前市场上并未出现、普及，但是提出的概念相当丰富，使之满足用户 的各项需求。例如，宝马公司推出的增强现实眼镜目前备受关注。包括服务:导航、生活服务 推荐、消息提醒等；以及维修:故障诊断、语音识别、操作指导等，使汽车维修变得智能、直 观、简便。
[0003] 对于技术的实现存在一定的不足:智能眼镜只是针对特定的车型，在维修过程中， 眼镜只能识别特定型号的零部件;控制方式单一，只有语音控制和传感器控制；功能不完 善，虽然包含了驾驶和维修两方面的功能，仍缺失维修之前定损等功能。
【发明内容】
[0004] 为了解决现有技术中，提取特征信息不完善，造成的提取信息无法真实反映损伤 程度的问题，本发明提出了汽车零部件分级定损方法，进一步完善车辆损伤程度信息提取 步骤，保证定损的正确性。
[0005] 为了实现上述目的，本发明使用的技术方案是:一种汽车零部件分级定损方法，具 有信息采集、信息处理和部件定损的步骤，汽车零部件信息采集时，具有提取汽车零部件的 多维特征的步骤，所述多维特征包括纹理信息和轮廓信息。
[0006] 进一步的，所述信息采集步骤中，信息采集设备上设有光源、光栅以及双目立体视 觉摄像头，打开光源，采集待测汽车零部件的数据信息，通过接非触式传感器传输到计算机 内。
[0007] 进一步的，所述信息处理步骤，在计算机内使用CATIA软件进行点云逆向铺面、建 模，得到待测汽车零部件的三维立体信息，包括各边尺寸、曲率、点云的任一点到对应平面 的距离。
[0008] 进一步的，提取汽车零部件图像数据的LBP特征，在最初选择某一窗口大小的算 子，以窗口的中心像素为阈值，将相邻的像素值与阈值作比较，若周围的像素值大于中心的 像素值，则该位置被标记为1，反之标记为〇,在周围的像素都比较之后，按照顺时针或者逆 时针的顺序得到一个二进制编码，即中心阈值所处位置的LBP值。
[0009] 进一步的，进行初级定损:将待测汽车零部件的重建模型与计算机内已存储的正 常的汽车零部件模型进行相似性度量，如下：
[0010] (1)
[0011]
[0012] 其中，P为待测汽车零部件和正常汽车零部件的相似度，P为正常汽车零部件的各 尺寸组成的一维向量，q为待测汽车零部件的各尺寸组成的一维向量，并分别作归一化处 理，用P '来衡量待测汽车零部件的损伤程度:P '值越小，部件的损伤程度越小。
[0013] 进一步的，进行终极定损:线下提取汽车零部件图像数据的LBP特征和各边尺寸、 曲率、点云的任一点到对应平面的距离的数据，建立SVM支持向量机分类模型，对车辆损伤 等级分类，在采集到出现损伤的汽车零部件时，提取该损伤车辆零部件的图像数据的LBP特 征和各边尺寸、曲率、点云的任一点到对应平面的距离的数据，并得到对应的分类模型，以 判断该车辆的损伤程度。
[0014] 本发明还涉及使用上述技术方案中的汽车零部件分级定损方法在智能眼镜上的 应用，智能眼镜作为信息采集设备。
[0015] 有益效果：
[0016] 1.增加了用于汽车维修的智能眼镜的功能，利用眼镜的三维扫描功能，对车辆进 行分级定损，尤其对于轻微损伤的界定更有帮助;该发明能够对车辆的损伤提供有效的依 据，避免资源浪费，能够在一定程度上缓解车辆保险的纠纷。
[0017] 2.实现了机械与模式识别跨学科的融合:利用了机械设计的CATIA软件进行点云 逆向三维重建模型，获得参数数据，结合模式识别的方法，实现故障分类，达到损伤分级的 目的。
[0018] 3.本发明针对外形受损的汽车零部件，轮廓信息和纹理信息能够充分反映零部件 的形变，提取多维特征，能够有效衡量零部件的受损情况。
[0019] 4.零部件定损分级实现双重保险：由初级定损和终极定损组成。两次建立模型，既 有基于点云逆向三维建模的零部件的粗测量选择，又包含了支持向量机分类模型的计算， 增强了分级定损的准确度。
【附图说明】
[0020] 图1车辆定损总体设计框图；
[0021] 图2智能眼镜三维扫描原理图。
【具体实施方式】 [0022] 实施例1:
[0023] 一种汽车零部件分级定损方法，具有信息采集、信息处理和部件定损的步骤，汽车 零部件信息采集时，具有提取汽车零部件的多维特征的步骤，所述多维特征包括纹理信息 和轮廓信息。
[0024]所述信息采集步骤中，信息采集设备上设有光源、光栅以及双目立体视觉摄像头， 打开光源，采集待测汽车零部件的数据信息，通过接非触式传感器传输到计算机内。
[0025]所述信息处理步骤，在计算机内使用CATIA软件进行点云逆向铺面、建模，得到待 测汽车零部件的三维立体信息，包括各边尺寸、曲率、点云的任一点到对应平面的距离，上 述信息即为轮廓信息。
[0026]提取汽车零部件图像数据的LBP特征，在最初选择某一窗口大小的算子，以窗口的 中心像素为阈值，将相邻的像素值与阈值作比较，若周围的像素值大于中心的像素值，则该 位置被标记为1，反之标记为ο，在周围的像素都比较之后，按照顺时针或者逆时针的顺序得 到一个二进制编码，即中心阈值所处位置的LBP值，其为纹理信息。
[0027]进行初级定损:将待测汽车零部件的重建模型与计算机内已存储的正常的汽车零 部件模型进行相似性度量，如下：
[0028] (1)
[0029]
[0030]其中，Ρ为待测汽车零部件和正常汽车零部件的相似度，Ρ为正常汽车零部件的各 尺寸（曲率或距离)组成的一维向量，q为待测汽车零部件的各 尺寸（曲率或距离)组成的一 维向量，并分别作归一化处理，用P'来衡量待测汽车零部件的损伤程度:P'值越小，部件的 损伤程度越小。将其与实际的损伤测量鉴定结果相结合，建议损伤程度分为以下几个级别： [0031] 0<P，〈0.1，待测部件为正常状态；
[0032] 0 · 1 < P '〈0 · 3，待测部件为轻微故障；
[0033] 0 · 3 < P '〈0 · 7，待测部件为中度故障；
[0034] P' 2 0.7,待测部件为严重故障状态。
[0035]最后，根据具体零部件的功用定损、维修及更换。
[0036]进行终极定损：线下提取汽车零部件图像数据的LBP特征和各边尺寸、曲率、点云 的任一点到对应平面的距离的数据，建立SVM支持向量机分类模型，对车辆损伤等级分类， 在采集到出现损伤的汽车零部件时，提取该损伤车辆零部件的图像数据的LBP特征和各边 尺寸、曲率、点云的任一点到对应平面的距离的数据，并得到对应的分类模型，以判断该车 辆的损伤程度。
[0037] 实施例2:
[0038]本发明还涉及使用上述技术方案中的汽车零部件分级定损方法在智能眼镜上的 应用，智能眼镜作为信息采集设备。
[0039] 实施例3:
[0040]进行终极定损时，实施例1使用了线下提取汽车零部件图像数据的LBP特征和各边 尺寸、曲率、点云的任一点到对应平面的距离的数据，建立SVM支持向量机分类模型，对车辆 损伤等级分类的方法，在采集到出现损伤的汽车零部件时，提取该损伤车辆零部件的图像 数据的LBP特征和各边尺寸、曲率、点云的任一点到对应平面的距离的数据，并得到对应的 分类模型，以判断该车辆的损伤程度。
[0041]上述方法利用了我公司完善的车联网信息，获得大量训练样本，建立车损故障的 等级分类，本实施例将该等级分为四级:正常、轻微故障、中度故障以及严重故障。对于待测 的部件，直接通过智能眼镜扫描，由CATIA重建的三维模型以及建立的预测模型综合分析， 确定待测部件的所属车损类别。支持向量机利用VC维理论和结构风险最小化原理，基于非 线性可分，将输入向量经非线性变换映射到高维特征空间，使其线性可分，在变换后的空间 中寻找一个和最优分界面，使其推广能力最好，从而进行线性分类。
[0042] 原始的支持向量机只是两类的分类问题，这里采用支持向量机多类分类方法:一 类对其余。即每一次仍解决两类问题，求解多次。
[0043] 给定一个训练样本(x(1)，y(1))，x为特征，y为结果标签。i表示第个i样本，定义函数 间隔： ,Λ CO
[0044] r =/)(wVn+/〇 ⑶
[0045] 通过求解权值w和偏移值b，得到最大间隔，即得到最优分类面。如此一类对其余， 车损状态得到有效的分级。
[0046] 实施例4:
[0047]申请号为:2015106328103的中国专利申请记载了一种智能眼镜，该智能眼镜可以 辅助实现本发明上述实施例中的方法。
【主权项】
1. 一种汽车零部件分级定损方法，具有信息采集、信息处理和部件定损的步骤，其特征 在于，汽车零部件信息采集时，具有提取汽车零部件的多维特征的步骤，所述多维特征包括 纹理信息和轮廓信息。2. 如权利要求1所述的汽车零部件分级定损方法，其特征在于，所述信息采集步骤中， 信息采集设备上设有光源、光栅以及双目立体视觉摄像头，打开光源，采集待测汽车零部件 的数据信息，通过接非触式传感器传输到计算机内。3. 如权利要求2所述的汽车零部件分级定损方法，其特征在于，所述信息处理步骤，在 计算机内使用CATIA软件进行点云逆向铺面、建模，得到待测汽车零部件的三维立体信息， 包括各边尺寸、曲率、点云的任一点到对应平面的距离。4. 如权利要求3所述的汽车零部件分级定损方法，其特征在于，提取汽车零部件图像数 据的LBP特征，在最初选择某一窗口大小的算子，以窗口的中心像素为阈值，将相邻的像素 值与阈值作比较，若周围的像素值大于中心的像素值，则该位置被标记为1，反之标记为〇， 在周围的像素都比较之后，按照顺时针或者逆时针的顺序得到一个二进制编码，即中心阈 值所处位置的LBP值。5. 如权利要求4所述的汽车零部件分级定损方法，其特征在于，进行初级定损:将待测 汽车零部件的重建模型与计算机内已存储的正常的汽车零部件模型进行相似性度量，如 下：其中，P为待测汽车零部件和正常汽车零部件的相似度，P为正常汽车零部件的各尺寸 组成的一维向量，q为待测汽车零部件的各尺寸组成的一维向量，并分别作归一化处理，用 P '来衡量待测汽车零部件的损伤程度:P '值越小，部件的损伤程度越小。6. 如权利要求5所述的汽车零部件分级定损方法，其特征在于，进行终极定损：线下提 取汽车零部件图像数据的LBP特征和各边尺寸、曲率、点云的任一点到对应平面的距离的数 据，建立SVM支持向量机分类模型，对车辆损伤等级分类，在采集到出现损伤的汽车零部件 时，提取该损伤车辆零部件的图像数据的LBP特征和各边尺寸、曲率、点云的任一点到对应 平面的距离的数据，并得到对应的分类模型，以判断该车辆的损伤程度。7. 如权利要求1-6所述的一种汽车零部件分级定损方法在智能眼镜上的应用，智能眼 镜作为信息采集设备。
【专利摘要】汽车零部件分级定损方法，属于汽车定损领域，用于解决现有技术中，提取特征信息不完善，造成的提取信息无法真实反映汽车损伤程度的问题，技术要点是：具有信息采集、信息处理和部件定损的步骤，汽车零部件信息采集时，具有提取汽车零部件的多维特征的步骤，所述多维特征包括纹理信息和轮廓信息。效果是：轮廓信息和纹理信息能够充分反映零部件的形变，提取多维特征，能够有效衡量零部件的受损情况。
【IPC分类】G06T7/00
【公开号】CN105488789
【申请号】CN201510829433
【发明人】田雨农, 林琳, 周秀田, 陆振波, 于维双
【申请人】大连楼兰科技股份有限公司
【公开日】2016年4月13日
【申请日】2015年11月24日
【技术领域】
[0001 ]本发明属于汽车定损领域，尤其涉及一种汽车零部件分级定损方法。
【背景技术】
[0002] 当前的世界正处于移动互联网技术飞速发展的时代，智能终端已经逐渐渗透到人 们的生活中。在汽车领域，也不断更新着性能，汽车系统越来越复杂。从谷歌推出穿戴式智 能眼镜，到宝马公司提出的用于汽车的智能眼镜，无不彰显着未来的发展趋势。虽然关于汽 车方面的智能眼镜，目前市场上并未出现、普及，但是提出的概念相当丰富，使之满足用户 的各项需求。例如，宝马公司推出的增强现实眼镜目前备受关注。包括服务:导航、生活服务 推荐、消息提醒等；以及维修:故障诊断、语音识别、操作指导等，使汽车维修变得智能、直 观、简便。
[0003] 对于技术的实现存在一定的不足:智能眼镜只是针对特定的车型，在维修过程中， 眼镜只能识别特定型号的零部件;控制方式单一，只有语音控制和传感器控制；功能不完 善，虽然包含了驾驶和维修两方面的功能，仍缺失维修之前定损等功能。
【发明内容】
[0004] 为了解决现有技术中，提取特征信息不完善，造成的提取信息无法真实反映损伤 程度的问题，本发明提出了汽车零部件分级定损方法，进一步完善车辆损伤程度信息提取 步骤，保证定损的正确性。
[0005] 为了实现上述目的，本发明使用的技术方案是:一种汽车零部件分级定损方法，具 有信息采集、信息处理和部件定损的步骤，汽车零部件信息采集时，具有提取汽车零部件的 多维特征的步骤，所述多维特征包括纹理信息和轮廓信息。
[0006] 进一步的，所述信息采集步骤中，信息采集设备上设有光源、光栅以及双目立体视 觉摄像头，打开光源，采集待测汽车零部件的数据信息，通过接非触式传感器传输到计算机 内。
[0007] 进一步的，所述信息处理步骤，在计算机内使用CATIA软件进行点云逆向铺面、建 模，得到待测汽车零部件的三维立体信息，包括各边尺寸、曲率、点云的任一点到对应平面 的距离。
[0008] 进一步的，提取汽车零部件图像数据的LBP特征，在最初选择某一窗口大小的算 子，以窗口的中心像素为阈值，将相邻的像素值与阈值作比较，若周围的像素值大于中心的 像素值，则该位置被标记为1，反之标记为〇,在周围的像素都比较之后，按照顺时针或者逆 时针的顺序得到一个二进制编码，即中心阈值所处位置的LBP值。
[0009] 进一步的，进行初级定损:将待测汽车零部件的重建模型与计算机内已存储的正 常的汽车零部件模型进行相似性度量，如下：
[0010] (1)
[0011]
[0012] 其中，P为待测汽车零部件和正常汽车零部件的相似度，P为正常汽车零部件的各 尺寸组成的一维向量，q为待测汽车零部件的各尺寸组成的一维向量，并分别作归一化处 理，用P '来衡量待测汽车零部件的损伤程度:P '值越小，部件的损伤程度越小。
[0013] 进一步的，进行终极定损:线下提取汽车零部件图像数据的LBP特征和各边尺寸、 曲率、点云的任一点到对应平面的距离的数据，建立SVM支持向量机分类模型，对车辆损伤 等级分类，在采集到出现损伤的汽车零部件时，提取该损伤车辆零部件的图像数据的LBP特 征和各边尺寸、曲率、点云的任一点到对应平面的距离的数据，并得到对应的分类模型，以 判断该车辆的损伤程度。
[0014] 本发明还涉及使用上述技术方案中的汽车零部件分级定损方法在智能眼镜上的 应用，智能眼镜作为信息采集设备。
[0015] 有益效果：
[0016] 1.增加了用于汽车维修的智能眼镜的功能，利用眼镜的三维扫描功能，对车辆进 行分级定损，尤其对于轻微损伤的界定更有帮助;该发明能够对车辆的损伤提供有效的依 据，避免资源浪费，能够在一定程度上缓解车辆保险的纠纷。
[0017] 2.实现了机械与模式识别跨学科的融合:利用了机械设计的CATIA软件进行点云 逆向三维重建模型，获得参数数据，结合模式识别的方法，实现故障分类，达到损伤分级的 目的。
[0018] 3.本发明针对外形受损的汽车零部件，轮廓信息和纹理信息能够充分反映零部件 的形变，提取多维特征，能够有效衡量零部件的受损情况。
[0019] 4.零部件定损分级实现双重保险：由初级定损和终极定损组成。两次建立模型，既 有基于点云逆向三维建模的零部件的粗测量选择，又包含了支持向量机分类模型的计算， 增强了分级定损的准确度。
【附图说明】
[0020] 图1车辆定损总体设计框图；
[0021] 图2智能眼镜三维扫描原理图。
【具体实施方式】 [0022] 实施例1:
[0023] 一种汽车零部件分级定损方法，具有信息采集、信息处理和部件定损的步骤，汽车 零部件信息采集时，具有提取汽车零部件的多维特征的步骤，所述多维特征包括纹理信息 和轮廓信息。
[0024]所述信息采集步骤中，信息采集设备上设有光源、光栅以及双目立体视觉摄像头， 打开光源，采集待测汽车零部件的数据信息，通过接非触式传感器传输到计算机内。
[0025]所述信息处理步骤，在计算机内使用CATIA软件进行点云逆向铺面、建模，得到待 测汽车零部件的三维立体信息，包括各边尺寸、曲率、点云的任一点到对应平面的距离，上 述信息即为轮廓信息。
[0026]提取汽车零部件图像数据的LBP特征，在最初选择某一窗口大小的算子，以窗口的 中心像素为阈值，将相邻的像素值与阈值作比较，若周围的像素值大于中心的像素值，则该 位置被标记为1，反之标记为ο，在周围的像素都比较之后，按照顺时针或者逆时针的顺序得 到一个二进制编码，即中心阈值所处位置的LBP值，其为纹理信息。
[0027]进行初级定损:将待测汽车零部件的重建模型与计算机内已存储的正常的汽车零 部件模型进行相似性度量，如下：
[0028] (1)
[0029]
[0030]其中，Ρ为待测汽车零部件和正常汽车零部件的相似度，Ρ为正常汽车零部件的各 尺寸（曲率或距离)组成的一维向量，q为待测汽车零部件的各 尺寸（曲率或距离)组成的一 维向量，并分别作归一化处理，用P'来衡量待测汽车零部件的损伤程度:P'值越小，部件的 损伤程度越小。将其与实际的损伤测量鉴定结果相结合，建议损伤程度分为以下几个级别： [0031] 0<P，〈0.1，待测部件为正常状态；
[0032] 0 · 1 < P '〈0 · 3，待测部件为轻微故障；
[0033] 0 · 3 < P '〈0 · 7，待测部件为中度故障；
[0034] P' 2 0.7,待测部件为严重故障状态。
[0035]最后，根据具体零部件的功用定损、维修及更换。
[0036]进行终极定损：线下提取汽车零部件图像数据的LBP特征和各边尺寸、曲率、点云 的任一点到对应平面的距离的数据，建立SVM支持向量机分类模型，对车辆损伤等级分类， 在采集到出现损伤的汽车零部件时，提取该损伤车辆零部件的图像数据的LBP特征和各边 尺寸、曲率、点云的任一点到对应平面的距离的数据，并得到对应的分类模型，以判断该车 辆的损伤程度。
[0037] 实施例2:
[0038]本发明还涉及使用上述技术方案中的汽车零部件分级定损方法在智能眼镜上的 应用，智能眼镜作为信息采集设备。
[0039] 实施例3:
[0040]进行终极定损时，实施例1使用了线下提取汽车零部件图像数据的LBP特征和各边 尺寸、曲率、点云的任一点到对应平面的距离的数据，建立SVM支持向量机分类模型，对车辆 损伤等级分类的方法，在采集到出现损伤的汽车零部件时，提取该损伤车辆零部件的图像 数据的LBP特征和各边尺寸、曲率、点云的任一点到对应平面的距离的数据，并得到对应的 分类模型，以判断该车辆的损伤程度。
[0041]上述方法利用了我公司完善的车联网信息，获得大量训练样本，建立车损故障的 等级分类，本实施例将该等级分为四级:正常、轻微故障、中度故障以及严重故障。对于待测 的部件，直接通过智能眼镜扫描，由CATIA重建的三维模型以及建立的预测模型综合分析， 确定待测部件的所属车损类别。支持向量机利用VC维理论和结构风险最小化原理，基于非 线性可分，将输入向量经非线性变换映射到高维特征空间，使其线性可分，在变换后的空间 中寻找一个和最优分界面，使其推广能力最好，从而进行线性分类。
[0042] 原始的支持向量机只是两类的分类问题，这里采用支持向量机多类分类方法:一 类对其余。即每一次仍解决两类问题，求解多次。
[0043] 给定一个训练样本(x(1)，y(1))，x为特征，y为结果标签。i表示第个i样本，定义函数 间隔： ,Λ CO
[0044] r =/)(wVn+/〇 ⑶
[0045] 通过求解权值w和偏移值b，得到最大间隔，即得到最优分类面。如此一类对其余， 车损状态得到有效的分级。
[0046] 实施例4:
[0047]申请号为:2015106328103的中国专利申请记载了一种智能眼镜，该智能眼镜可以 辅助实现本发明上述实施例中的方法。
【主权项】
1. 一种汽车零部件分级定损方法，具有信息采集、信息处理和部件定损的步骤，其特征 在于，汽车零部件信息采集时，具有提取汽车零部件的多维特征的步骤，所述多维特征包括 纹理信息和轮廓信息。2. 如权利要求1所述的汽车零部件分级定损方法，其特征在于，所述信息采集步骤中， 信息采集设备上设有光源、光栅以及双目立体视觉摄像头，打开光源，采集待测汽车零部件 的数据信息，通过接非触式传感器传输到计算机内。3. 如权利要求2所述的汽车零部件分级定损方法，其特征在于，所述信息处理步骤，在 计算机内使用CATIA软件进行点云逆向铺面、建模，得到待测汽车零部件的三维立体信息， 包括各边尺寸、曲率、点云的任一点到对应平面的距离。4. 如权利要求3所述的汽车零部件分级定损方法，其特征在于，提取汽车零部件图像数 据的LBP特征，在最初选择某一窗口大小的算子，以窗口的中心像素为阈值，将相邻的像素 值与阈值作比较，若周围的像素值大于中心的像素值，则该位置被标记为1，反之标记为〇， 在周围的像素都比较之后，按照顺时针或者逆时针的顺序得到一个二进制编码，即中心阈 值所处位置的LBP值。5. 如权利要求4所述的汽车零部件分级定损方法，其特征在于，进行初级定损:将待测 汽车零部件的重建模型与计算机内已存储的正常的汽车零部件模型进行相似性度量，如 下：其中，P为待测汽车零部件和正常汽车零部件的相似度，P为正常汽车零部件的各尺寸 组成的一维向量，q为待测汽车零部件的各尺寸组成的一维向量，并分别作归一化处理，用 P '来衡量待测汽车零部件的损伤程度:P '值越小，部件的损伤程度越小。6. 如权利要求5所述的汽车零部件分级定损方法，其特征在于，进行终极定损：线下提 取汽车零部件图像数据的LBP特征和各边尺寸、曲率、点云的任一点到对应平面的距离的数 据，建立SVM支持向量机分类模型，对车辆损伤等级分类，在采集到出现损伤的汽车零部件 时，提取该损伤车辆零部件的图像数据的LBP特征和各边尺寸、曲率、点云的任一点到对应 平面的距离的数据，并得到对应的分类模型，以判断该车辆的损伤程度。7. 如权利要求1-6所述的一种汽车零部件分级定损方法在智能眼镜上的应用，智能眼 镜作为信息采集设备。
【专利摘要】汽车零部件分级定损方法，属于汽车定损领域，用于解决现有技术中，提取特征信息不完善，造成的提取信息无法真实反映汽车损伤程度的问题，技术要点是：具有信息采集、信息处理和部件定损的步骤，汽车零部件信息采集时，具有提取汽车零部件的多维特征的步骤，所述多维特征包括纹理信息和轮廓信息。效果是：轮廓信息和纹理信息能够充分反映零部件的形变，提取多维特征，能够有效衡量零部件的受损情况。
【IPC分类】G06T7/00
【公开号】CN105488789
【申请号】CN201510829433
【发明人】田雨农, 林琳, 周秀田, 陆振波, 于维双
【申请人】大连楼兰科技股份有限公司
【公开日】2016年4月13日
【申请日】2015年11月24日
最新回复(0)