CN108171708A - 车辆定损方法与系统 - Google Patents
车辆定损方法与系统 Download PDFInfo
- Publication number
- CN108171708A CN108171708A CN201810067575.3A CN201810067575A CN108171708A CN 108171708 A CN108171708 A CN 108171708A CN 201810067575 A CN201810067575 A CN 201810067575A CN 108171708 A CN108171708 A CN 108171708A
- Authority
- CN
- China
- Prior art keywords
- model
- point cloud
- information
- vehicle
- damaged
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Library & Information Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种车辆定损方法与系统,涉及车辆定损的技术领域,包括获取受损车辆的身份信息,建立所述受损车辆的点云模型;根据所述受损车辆的身份信息,搜索车辆模型库,得到与所述身份信息匹配的模型信息;根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值;根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息。本发明解决了现有通过获取车祸现场的远程影像进行车辆定损所造成的精确度不高并无法获得受损部位深度信息的技术问题,达到了对受损车辆进行精确定损的技术效果。
Description
技术领域
本发明涉及车辆定损技术领域,尤其是涉及一种车辆定损方法与系统。
背景技术
随着社会经济的不断发展,车辆的保有率也越来越高。相应的,车辆受损的现象也越来越频繁,因而快速的车辆定损对于人们的工作生活就显得尤为重要。
传统的车辆定损是根据汽车构造原理,通过科学、系统的专业化检查、测试与勘测手段对汽车与事故现场进行综合分析,运用车辆估损资料与维修数据对车辆碰撞修复进行估损定价。通常保险公司采取人工定损的方式对车辆进行定损。随着通信技术的不断发展,车险理赔员通过获取车祸现场的远程影像的方式进行车辆定损。
但现有定损方式也存在一定程度的不足。首先车祸现场的影像仅为平面图形,并不能获得车辆受损的深度信息,并且通过平面图形无法准确获得车辆信息,对于车辆的定损会造成一定误差,增加了车辆准确定损的难度。
发明内容
有鉴于此,本发明的目的在于提供一种车辆定损方法与系统,以缓解现有通过获取车祸现场的远程影像进行车辆定损所造成的精确度不高以及难以获取受损部位深度信息的技术问题。
第一方面,本发明实施例提供了一种车辆定损方法,包括:获取受损车辆的身份信息,建立所述受损车辆的点云模型;
根据所述受损车辆的身份信息,搜索车辆模型库,得到与所述身份信息匹配的模型信息;
根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值;
根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述车辆模型库包括车辆身份信息。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述模型信息至少包括车辆三维模型信息、已获取的车辆点云模型及车辆扫描信息中的一种。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述获取受损车辆的身份信息,建立所述受损车辆的点云模型之后,还包括:测量所述点云模型中受损部位的长度;测量所述点云模型中受损部位的面积。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述测量所述点云模型中受损部位的长度,具体包括:获取所述受损部位端点的三维坐标;根据所述三维坐标,计算得到所述受损部位的长度。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述测量所述点云模型中受损部位的面积,具体包括:连接所述受损部位至少三个端点,得到所述受损部位的区域;获取所述至少三个端点的三维坐标;根据所述三维坐标,计算得到所述区域的面积。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值,具体包括:
配准所述点云模型与所述模型信息,得到所述模型信息所属坐标系下所述点云模型的点云信息;
分析所述点云信息与所述模型信息,计算得到所述点云模型中每个点云的变形值。
结合第一方面,本发明实施例提供了第一方面的第七种可能的实施方式,其中,所述根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息,具体包括:
统计所述点云模型中每个点云的变形值,得到车辆受损深度信息;
根据所述点云模型中每个点云的变形值,通过机器学习,建模得到车辆受损面积信息。
结合第一方面,本发明实施例提供了第一方面的第八种可能的实施方式,其中,所述根据所述点云模型中每个点云的变形值,通过机器学习,建模得到车辆受损面积信息,具体包括:
设置变形阈值,拾取所述点云模型中所述变形值大于所述变形阈值的点云;
聚类分析所述点云,划分所述点云为多个点云子集;
设定点数阈值,选取点数大于所述点数阈值的点云子集;
建立所述点云子集的模型,计算所述模型的面积,得到车辆受损的面积信息。
第二方面,本发明实施例还提供一种车辆定损装置,包括:
模型建立模块,用于获取受损车辆的身份信息,建立所述受损车辆的点云模型;
模型搜索模块,用于根据所述受损车辆的身份信息,搜索所述车辆模型库,得到与所述身份信息匹配的模型信息;
变形分析模块,用于根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值;
受损分析模块,用于根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息。
本发明实施例带来了以下有益效果:本发明实施例提供的一种车辆定损方法与装置,其中,该方法应用于车辆定损平台,包括:获取受损车辆的身份信息,建立所述受损车辆的点云模型;根据所述受损车辆的身份信息,搜索车辆模型库,得到与所述身份信息匹配的模型信息;根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值;根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息。本发明通过建立受损车辆的点云模型并与模型库中对应模型进行对比的方式获得车辆受损信息,从而克服了凭借车祸现场影像难以准确定损的不足。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种车辆定损方法的流程图;
图2为本发明实施例一提供的一种车辆定损方法中,变形分析的流程图;
图3为本发明实施例三提供的一种车辆定损方法中,受损分析的流程图;
图4为本发明实施例四提供的一种车辆定损装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前车辆定损以多采用获取车祸现场影像的方式进行定损,但该定损方式既不能够反映受损的深度信息,也不能准确获得车辆信息,增大了车辆准确定损的难度。基于此,本发明实施例提供的一种车辆定损的方法与装置,可以实现车辆的准确定损。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种车辆定损方法进行详细介绍,
实施例一:
图1示出了本发明实施例提供的一种车辆定损方法的流程图,参照图1,上述方法包括:
步骤S110:获取受损车辆的身份信息,建立受损车辆的点云模型;
具体的,本发明实施例优选点云扫描装置或具有点云扫描功能的移动终端对受损车辆进行扫描,进而形成对于受损车辆的三维建模,该模型为三维空间点云模型。
需要补充的是,点云扫描装置的持有人在进行对受损车辆进行扫描的过程中,还需要获取受损车辆的其他身份信息,例如车辆身份的识别码(vin码),进而可以根据上述身份信息,判断车辆的品牌、生产年份等基础信息。上述身份信息用于对车辆模型库进行搜索。
步骤S120:根据受损车辆的身份信息,搜索车辆模型库,得到与身份信息匹配的模型信息;
这里需要补充的是,车辆定损平台在获取受损车辆身份信息之前,应预先建立车辆模型库。上述车辆模型库是用以比对车辆受损程度的基准,模型信息至少包括车辆三维模型信息、已获取的车辆点云模型及车辆扫描信息中的一种。
另外,车辆模型库包括车辆身份信息,该身份信息是搜索车辆模型库的基础,只有通过该身份信息,才能建立受损车辆的点云模型与上述模型信息的对应关系。
步骤S130:根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值;
图2为本发明实施例提供的车辆定损方法中,变形分析的流程图;具体的,步骤S130包括:
步骤S131:配准所述点云模型与所述模型信息,得到所述模型信息所属坐标系下所述点云模型的点云信息;
当建立点云模型与模型信息的对应关系后,需要对两者进行配准。以标靶配准为例,配准过程如下:
选取点云模型与模型信息中至少三对对应点,利用刚体变换最小二乘法得到点云模型到模型信息的变化趋势,并进一步通过拟合变换矩阵将点云模型转换到模型信息所属坐标系,得到该坐标系下的点云模型的点云信息。
此外,车辆定损平台还将上述点云信息与模型信息进行重合。
步骤S132:分析所述点云信息与所述模型信息,计算得到所述点云模型中每个点云的变形值。
通过车辆定损平台对上述点云信息与模型信息进行重合,将得到点云信息与模型信息中存在差异的点云。之后,车辆定损平台将以模型信息中的点云为基准,寻找与其距离最近的点云信息中的点云,进而得到两者的距离差值,即为该点云信息中点云的变形值,也为点云模型中点云的变形值。
步骤S140:根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息。
具体的,步骤S140包括:
统计所述点云模型中每个点云的变形值,得到车辆受损深度信息。需要说明的是,点云模型中每个点云的变形值即为变形的深度的信息,进而点云模型中每个点云的变形值即为受损车辆整体的受损深度信息。
根据所述点云模型中每个点云的变形值,通过机器学习,建模得到车辆受损面积信息。机器学习具体包括:车辆定损平台对点云模型中具有变形值的点云进行阈值分析,聚类分析以及三角建模,之后得到三角模型下车辆受损面积的面积信息。
本发明实施例提供的一种车辆定损方法,首先获取受损车辆的身份信息,建立所述受损车辆的点云模型;之后根据所述受损车辆的身份信息,搜索车辆模型库,得到与所述身份信息匹配的模型信息;之后根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值;最后根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息,实现了通过建立受损车辆的点云模型并与模型库中对应模型进行变形分析及受损分析的方式获得车辆受损信息,从而克服了凭借车祸现场影像难以精确定损并无法获得受损部位深度信息的不足。
实施例二:
在实施例一的基础上,本发明实施例提供了另一种车辆定损方法,与实施例一的区别在于,获取受损车辆的身份信息,建立受损车辆的点云模型之后,还包括:测量点云模型中受损部位的长度;测量点云模型中受损部位的面积。这是由于若车辆仅存在表面损伤,可以仅通过计算受损长度/面积的方式进行定损,而不通过变形分析、受损分析的方式进行车辆定损。
具体的,测量点云模型中受损部位的长度,具体包括:
获取受损部位端点的三维坐标;
根据三维坐标,计算得到受损部位的长度。
需要说明的是,在点云模型中,每一个点云都拥有三维坐标,通过计算两个端点的坐标,就可以获得两点之间的距离。例如:第一点A(X1,Y1,Z1),第二点B(X2,Y2,Z2),则两点之间的距离L为:L=sqrt((X1-X2)2+(Y1-Y2)2+(Z1-Z2)2)
测量点云模型中受损部位的面积,具体包括:
连接受损部位至少三个端点,得到受损部位的区域;
获取至少三个端点的三维坐标;
根据三维坐标,计算得到区域的面积。
具体的,利用最小二乘法将受损部位拟合到一个平面,将上述端点投影到该平面中,可以得到一个二维多边形,利用多边形面积算法,可以得到损伤面积。
实施例三
图3示出本发明实施例提供的一种车辆定损方法中,受损分析的流程图;如图3所示,该方法包括:
步骤S210:设置变形阈值,拾取所述点云模型中所述变形值大于所述变形阈值的点云。具体的,车辆定损平台设置了变形阈值,其目的在于划分车辆定损的变形程度,将点云的变形值小于该变形阈值的部分过滤,得到变形值大于该变形阈值的点云。
步骤S220:聚类分析所述点云,划分所述点云为多个点云子集。通过聚类分析(如欧氏距离k-means聚类),车辆定损平台可以将大于变形阈值的点云进行聚类划分,进而得到多个点云子集。上述多个点云子集是非连通的多个独立区域。
步骤S230:设定点数阈值,选取点数大于所述点数阈值的点云子集。这里需要说明的是,上述多个点云子集中,某些子集所包含点数可能很少,也就是说,受损车辆在该子集区域中虽有变形,但是范围很小可以忽略;因此车辆定损平台通过设定点数阈值,过滤上述点数小于该点数阈值的点云子集,进而得到点数大于所述点数阈值的点云子集。
步骤S240:建立所述点云子集的模型,计算所述模型的面积,得到车辆受损的面积信息。具体的,车辆定损平台将点数大于所述点数阈值的点云子集进行建模,如三角模型,之后分别计算各个点云子集所属三角模型的面积值,之后通过累加上述面积值,得到车辆受损面积的总和。
进一步的,车载定损平台可以通过计算车辆受损面积与车辆面积之比得到受损比例。
实施例四
图4示出了本发明实施例提供的一种车辆定损装置,包括:
模型建立模块301,用于获取受损车辆的身份信息,建立受损车辆的点云模型;
模型搜索模块302,用于根据受损车辆的身份信息,搜索车辆模型库,得到与身份信息匹配的模型信息;
变形分析块303,用于根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值;
受损分析模块304,用于根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息。
本发明实施例提供的车辆定损装置,与上述实施例提供的车辆定损方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种车辆定损方法,应用于车辆定损平台,其特征在于,包括:
获取受损车辆的身份信息,建立所述受损车辆的点云模型;
根据所述受损车辆的身份信息,搜索车辆模型库,得到与所述身份信息匹配的模型信息;
根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值;
根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息。
2.根据权利要求1所述的车辆定损方法,其特征在于,所述车辆模型库包括车辆身份信息。
3.根据权利要求1所述的车辆定损方法,其特征在于,所述模型信息至少包括车辆三维模型信息、已获取的车辆点云模型及车辆扫描信息中的一种。
4.根据权利要求1所述的车辆定损方法,其特征在于,所述获取受损车辆的身份信息,建立所述受损车辆的点云模型之后,还包括:
测量所述点云模型中受损部位的长度;
测量所述点云模型中受损部位的面积。
5.根据权利要求4所述的车辆定损方法,其特征在于,所述测量所述点云模型中受损部位的长度,具体包括:
获取所述受损部位端点的三维坐标;
根据所述三维坐标,计算得到所述受损部位的长度。
6.根据权利要求4所述的车辆定损方法,其特征在于,所述测量所述点云模型中受损部位的面积,具体包括:
连接所述受损部位至少三个端点,得到所述受损部位的区域;
获取所述至少三个端点的三维坐标;
根据所述三维坐标,计算得到所述区域的面积。
7.根据权利要求1所述的车辆定损方法,其特征在于,所述根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值,具体包括:
配准所述点云模型与所述模型信息,得到所述模型信息所属坐标系下所述点云模型的点云信息;
分析所述点云信息与所述模型信息,计算得到所述点云模型中每个点云的变形值。
8.根据权利要求1所述的车辆定损方法,其特征在于,所述根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息,具体包括:
统计所述点云模型中每个点云的变形值,得到车辆受损深度信息;
根据所述点云模型中每个点云的变形值,通过机器学习,建模得到车辆受损面积信息。
9.根据权利要求8所述的车辆定损方法,其特征在于,所述根据所述点云模型中每个点云的变形值,通过机器学习,建模得到车辆受损面积信息,具体包括:
设置变形阈值,拾取所述点云模型中所述变形值大于所述变形阈值的点云;
聚类分析所述点云,划分所述点云为多个点云子集;
设定点数阈值,选取点数大于所述点数阈值的点云子集;
建立所述点云子集的三维模型,计算所述三维模型的面积,得到车辆受损的面积信息。
10.一种车辆定损装置,其特征在于,包括:
模型建立模块,用于获取受损车辆的身份信息,建立所述受损车辆的点云模型;
模型搜索模块,用于根据所述受损车辆的身份信息,搜索所述车辆模型库,得到与所述身份信息匹配的模型信息;
变形分析模块,用于根据所述点云模型与所述模型信息,计算得到所述点云模型中每个点云的变形值;
受损分析模块,用于根据所述点云模型中每个点云的变形值,通过受损分析分别得到车辆受损深度信息和面积信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810067575.3A CN108171708B (zh) | 2018-01-24 | 2018-01-24 | 车辆定损方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810067575.3A CN108171708B (zh) | 2018-01-24 | 2018-01-24 | 车辆定损方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108171708A true CN108171708A (zh) | 2018-06-15 |
CN108171708B CN108171708B (zh) | 2021-04-30 |
Family
ID=62515317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810067575.3A Active CN108171708B (zh) | 2018-01-24 | 2018-01-24 | 车辆定损方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171708B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215119A (zh) * | 2018-09-18 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 受损车辆的三维模型建立方法及装置 |
CN109242112A (zh) * | 2018-08-17 | 2019-01-18 | 薛辉 | 车辆智能检测定损的方法及系统 |
CN109614935A (zh) * | 2018-12-12 | 2019-04-12 | 泰康保险集团股份有限公司 | 车辆定损方法及装置、存储介质及电子设备 |
CN109615649A (zh) * | 2018-10-31 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 一种图像标注方法、装置及系统 |
TWI697425B (zh) * | 2019-02-26 | 2020-07-01 | 國立臺灣科技大學 | 車體修復系統及其方法 |
CN111489433A (zh) * | 2020-02-13 | 2020-08-04 | 北京百度网讯科技有限公司 | 车辆损伤定位的方法、装置、电子设备以及可读存储介质 |
CN111931746A (zh) * | 2020-10-09 | 2020-11-13 | 深圳壹账通智能科技有限公司 | 一种车损判定方法、装置、计算机设备及可读存储介质 |
US11341525B1 (en) | 2020-01-24 | 2022-05-24 | BlueOwl, LLC | Systems and methods for telematics data marketplace |
CN114935747A (zh) * | 2022-05-02 | 2022-08-23 | 苏州一径科技有限公司 | 一种激光雷达的标定方法、装置、设备及存储介质 |
US12026729B1 (en) | 2021-10-04 | 2024-07-02 | BlueOwl, LLC | Systems and methods for match evaluation based on change in telematics inferences via a telematics marketplace |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268629A (zh) * | 2013-06-03 | 2013-08-28 | 程志全 | 三维人体形态和姿态的无标记点实时复原方法 |
TW201518955A (zh) * | 2013-09-05 | 2015-05-16 | Hon Hai Prec Ind Co Ltd | 產品輪廓變形量分析系統及方法 |
CN105223706A (zh) * | 2015-09-28 | 2016-01-06 | 大连楼兰科技股份有限公司 | 用于车辆维保过程中的智能眼镜判定车辆损伤程度的方法 |
CN105469312A (zh) * | 2015-11-24 | 2016-04-06 | 大连楼兰科技股份有限公司 | 基于车辆外观间隙变化的激光扫描自动定损方法及系统 |
US20160095668A1 (en) * | 2010-04-30 | 2016-04-07 | Align Technology, Inc. | Individualized orthodontic treatment index |
CN105488789A (zh) * | 2015-11-24 | 2016-04-13 | 大连楼兰科技股份有限公司 | 汽车零部件分级定损方法 |
CN105809668A (zh) * | 2016-01-15 | 2016-07-27 | 武汉武大卓越科技有限责任公司 | 基于线扫描三维点云的物体表面变形特征提取方法 |
CN106203644A (zh) * | 2016-08-09 | 2016-12-07 | 深圳市永兴元科技有限公司 | 车辆定损方法和装置 |
CN107330886A (zh) * | 2017-07-11 | 2017-11-07 | 燕山大学 | 一种表面微小损伤的高精度量化方法 |
-
2018
- 2018-01-24 CN CN201810067575.3A patent/CN108171708B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160095668A1 (en) * | 2010-04-30 | 2016-04-07 | Align Technology, Inc. | Individualized orthodontic treatment index |
CN103268629A (zh) * | 2013-06-03 | 2013-08-28 | 程志全 | 三维人体形态和姿态的无标记点实时复原方法 |
TW201518955A (zh) * | 2013-09-05 | 2015-05-16 | Hon Hai Prec Ind Co Ltd | 產品輪廓變形量分析系統及方法 |
CN105223706A (zh) * | 2015-09-28 | 2016-01-06 | 大连楼兰科技股份有限公司 | 用于车辆维保过程中的智能眼镜判定车辆损伤程度的方法 |
CN105469312A (zh) * | 2015-11-24 | 2016-04-06 | 大连楼兰科技股份有限公司 | 基于车辆外观间隙变化的激光扫描自动定损方法及系统 |
CN105488789A (zh) * | 2015-11-24 | 2016-04-13 | 大连楼兰科技股份有限公司 | 汽车零部件分级定损方法 |
CN105809668A (zh) * | 2016-01-15 | 2016-07-27 | 武汉武大卓越科技有限责任公司 | 基于线扫描三维点云的物体表面变形特征提取方法 |
CN106203644A (zh) * | 2016-08-09 | 2016-12-07 | 深圳市永兴元科技有限公司 | 车辆定损方法和装置 |
CN107330886A (zh) * | 2017-07-11 | 2017-11-07 | 燕山大学 | 一种表面微小损伤的高精度量化方法 |
Non-Patent Citations (3)
Title |
---|
FENG CHEN 等: ""Distortion metric for robust 3D point cloud transmission"", 《2009 IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA AND EXPO》 * |
何强: ""应用三维激光扫描监测矿区建构筑物变形研究"", 《中国优秀硕士学位论文全文数据库-基础科学辑》 * |
朱德海编: "《点云库PCL学习教程》", 31 October 2012 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242112A (zh) * | 2018-08-17 | 2019-01-18 | 薛辉 | 车辆智能检测定损的方法及系统 |
CN109242112B (zh) * | 2018-08-17 | 2022-02-08 | 薛辉 | 车辆智能检测定损的方法及系统 |
CN109215119A (zh) * | 2018-09-18 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 受损车辆的三维模型建立方法及装置 |
CN109615649A (zh) * | 2018-10-31 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 一种图像标注方法、装置及系统 |
CN109614935A (zh) * | 2018-12-12 | 2019-04-12 | 泰康保险集团股份有限公司 | 车辆定损方法及装置、存储介质及电子设备 |
CN109614935B (zh) * | 2018-12-12 | 2021-07-06 | 泰康保险集团股份有限公司 | 车辆定损方法及装置、存储介质及电子设备 |
TWI697425B (zh) * | 2019-02-26 | 2020-07-01 | 國立臺灣科技大學 | 車體修復系統及其方法 |
US11341525B1 (en) | 2020-01-24 | 2022-05-24 | BlueOwl, LLC | Systems and methods for telematics data marketplace |
CN111489433A (zh) * | 2020-02-13 | 2020-08-04 | 北京百度网讯科技有限公司 | 车辆损伤定位的方法、装置、电子设备以及可读存储介质 |
CN111931746A (zh) * | 2020-10-09 | 2020-11-13 | 深圳壹账通智能科技有限公司 | 一种车损判定方法、装置、计算机设备及可读存储介质 |
WO2022073377A1 (zh) * | 2020-10-09 | 2022-04-14 | 深圳壹账通智能科技有限公司 | 一种车损判定方法、装置、计算机设备及可读存储介质 |
US12026729B1 (en) | 2021-10-04 | 2024-07-02 | BlueOwl, LLC | Systems and methods for match evaluation based on change in telematics inferences via a telematics marketplace |
CN114935747A (zh) * | 2022-05-02 | 2022-08-23 | 苏州一径科技有限公司 | 一种激光雷达的标定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108171708B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108171708A (zh) | 车辆定损方法与系统 | |
CN106407947B (zh) | 用于无人驾驶车辆的目标物体识别方法和装置 | |
Ferryman et al. | A Generic Deformable Model for Vehicle Recognition. | |
CN111035115B (zh) | 一种基于3d视觉鞋底涂胶路径规划方法和装置 | |
CN108364253A (zh) | 车辆定损方法、系统以及电子设备 | |
US20100315419A1 (en) | Systems and Methods for Estimating a Parameter for a 3D model | |
CN111627001A (zh) | 图像检测方法及装置 | |
CN111598780A (zh) | 一种适用于机载LiDAR点云的地形自适应插值滤波方法 | |
CN114280582A (zh) | 激光雷达的标定校准方法、装置、存储介质及电子设备 | |
CN113728360A (zh) | 用于3d场景中对象的姿态、尺寸和形状测量的方法和装置 | |
CN110222421A (zh) | 一种行驶路线集中度评估方法及系统 | |
CN115272655A (zh) | 用于换电机器人的多类型电池包视觉定位方法与系统装置 | |
CN114863064A (zh) | 一种汽车轮廓曲面模型构建方法及系统 | |
CN114764885A (zh) | 障碍物的检测方法、装置、计算机可读存储介质和处理器 | |
CN115641405A (zh) | 一种三维建模方法及系统 | |
CN116523770A (zh) | 一种基于距离实现不同尺度的体素滤波的点云预处理方法 | |
CN115937466A (zh) | 一种融合gis的三维模型生成方法、系统及存储介质 | |
GB2344205A (en) | Vehicle identification | |
CN115239947A (zh) | 基于无监督学习的小麦条锈病严重度评估方法及装置 | |
CN114118413A (zh) | 网络训练及设备的控制方法、装置、设备及存储介质 | |
CN109238172B (zh) | 车辆轮廓信息的获取方法、装置及系统 | |
CN115115941A (zh) | 基于模板匹配的激光雷达点云地图杆状目标提取方法 | |
CN111311627A (zh) | 一种车辆轮廓线的生成方法及系统、车辆、存储介质 | |
CN117710243B (zh) | 点云去噪方法、装置、电子设备及可读存储介质 | |
CN109949358A (zh) | 一种集装箱卡车起吊状态的检测方法和检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |