CN108364253A - 车辆定损方法、系统以及电子设备 - Google Patents
车辆定损方法、系统以及电子设备 Download PDFInfo
- Publication number
- CN108364253A CN108364253A CN201810216120.3A CN201810216120A CN108364253A CN 108364253 A CN108364253 A CN 108364253A CN 201810216120 A CN201810216120 A CN 201810216120A CN 108364253 A CN108364253 A CN 108364253A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- dimensional
- damage
- car damage
- image scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000013507 mapping Methods 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G06T3/08—
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- 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
- G06T7/60—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
Abstract
本发明提供了一种车辆定损方法、系统以及电子设备,涉及智能定损技术领域,车辆定损方法包括:获取车辆现场图像;获取车辆识别码;根据所述车辆识别码获取车辆三维模型;通过将所述车辆现场图像与所述车辆三维模型进行对比与计算,得到车辆定损数据,解决了现有技术中存在的定损技术的证据数据为影像,影像只是平面图形,信息并不完整,所以只能做粗略的判读,即使可以量测,也很可能存在较大的误差,因此仅有简略的数据甚至不真实的数据,会对理赔带来非常大的不确定性,从而造成理赔误判错判的技术问题。
Description
技术领域
本发明涉及智能定损技术领域,尤其是涉及一种车辆定损方法、系统以及电子设备。
背景技术
当被保险的车辆发生交通事故时,保险公司会对现场进行查勘定损。车辆的定损涉及到维修、制造和车主多方面的技术和利益,它是整个车险服务中矛盾突出的部分。
定损人员通过出现场,拍摄事故照片,查清车辆的损坏部件,分别确定予以更换或维修,最后确定损失情况。但是,定损的过程比较繁琐,基本的流程包括客户申请、身份验证、远程查勘、定损报价、理赔结案等。而且,一辆汽车有成千上万个零件,不同种类的汽车零件的型号与价格都不相同,专业定损人员也常常由于信息掌握不充分而造成定损不准确,而保险行业需要精算才能保证成本和效益,因此,获得精确的真实的现场数据,精确真实的现场数据是成本核算、量化指标的依据和基础。
目前,定损技术的证据数据为影像,如视频、照片,影像只是平面图形,信息并不完整,所以只能做粗略的判读,即使可以量测,也很可能存在较大的误差,因此,仅有简略的数据,甚至不真实的数据,会对理赔带来非常大的不确定性,造成理赔的误判错判。
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、系统以及电子设备,以解决现有技术中存在的定损技术的证据数据为影像,影像只是平面图形,信息并不完整,所以只能做粗略的判读,即使可以量测,也很可能存在较大的误差,因此仅有简略的数据甚至不真实的数据,会对理赔带来非常大的不确定性,从而造成理赔误判错判的技术问题。
第一方面,本发明实施例提供了一种车辆定损方法,包括:
获取车辆现场图像;
获取车辆识别码;
根据所述车辆识别码获取车辆三维模型;
通过将所述车辆现场图像与所述车辆三维模型进行对比与计算,得到车辆定损数据。
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,所述根据所述车辆识别码获取车辆三维模型,具体包括:
根据所述车辆识别码查询对应的车辆型号;
根据所述车辆型号获取对应的车辆三维模型。
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,所述车辆现场图像为二维图像。
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,所述通过将所述车辆现场图像与所述车辆三维模型进行对比与计算,得到车辆定损数据,具体包括:
根据预设特征将所述车辆现场图像与所述车辆三维模型进行匹配,得到车辆从二维图像投影到三维图像的映射参数;
利用所述映射参数进行车辆损伤区域的测量与映射,得到三维坐标值;
根据若干个所述三维坐标值计算损伤面积和/或损伤长度,得到车辆定损数据。
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,所述利用所述映射参数进行车辆损伤区域的测量与映射,得到三维坐标值,具体包括:
对车辆损伤区域在所述车辆现场图像中的位置进行测量,得到若干个二维坐标值;
利用所述映射参数将每个所述二维坐标值的点映射到所述车辆三维模型的表面,通过表面的映射交点得到若干个三维坐标值。
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,所述利用所述映射参数进行车辆损伤区域的测量与映射,得到三维坐标值,具体包括:
通过预设卷积神经网络对所述车辆现场图像进行识别,得到二维损伤区域;
利用所述映射参数将所述二维损伤区域映射到所述车辆三维模型的表面,得到三维损伤区域;
对所述三维损伤区域进行测量,得到若干个三维坐标值。
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,还包括:
根据所述车辆三维模型确定车辆部件区域;
通过比较车辆损伤区域与所述车辆部件区域,确定车辆定损部件。
第二方面,本发明实施例还提供一种车辆定损系统,包括:
图像模块,用于获取车辆现场图像;
识别模块,用于获取车辆识别码;
查找模块,用于根据所述车辆识别码获取车辆三维模型;
计算模块,用于通过将所述车辆现场图像与所述车辆三维模型进行对比与计算,得到车辆定损数据。
第三方面,本发明实施例还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述如第一方面所述的方法的步骤。
第四方面,本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行如第一方面所述的方法。
本发明实施例提供的技术方案带来了以下有益效果:本发明实施例提供的车辆定损方法、系统以及电子设备中,车辆定损方法包括:首先,获取车辆现场图像,获取车辆识别码,之后根据车辆识别码获取车辆三维模型,然后通过将车辆现场图像与车辆三维模型进行对比与计算从而得到车辆定损数据,通过将车辆现场图像与该车辆型号对应的车辆三维模型进行对比与计算,使车辆的定损过程不但参考车辆现场图像,还结合了车辆三维模型,由于车辆三维模型是三维空间模型,表达的是空间形状信息,比二维图像的信息更加全面完整,利用更加精确全面的量化参考,实现了测量精度的提高,通过分析便能够得出更加精确的车辆损伤数据值,从而解决了现有技术中存在的定损技术的证据数据为影像,影像只是平面图形,信息并不完整,所以只能做粗略的判读,即使可以量测,也很可能存在较大的误差,因此仅有简略的数据甚至不真实的数据,会对理赔带来非常大的不确定性,从而造成理赔误判错判的技术问题。
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示出了本发明实施例一所提供的车辆定损方法的流程图;
图2示出了本发明实施例二所提供的车辆定损方法的流程图;
图3示出了本发明实施例二所提供的车辆定损方法中坐标系的示意图;
图4示出了本发明实施例三所提供的一种车辆定损系统的结构示意图;
图5示出了本发明实施例四所提供的一种电子设备的结构示意图。
图标:3-车辆定损系统;31-图像模块;32-识别模块;33-查找模块;34- 计算模块;4-电子设备;41-存储器;42-处理器;43-总线;44-通信接口。
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。
目前定损技术的证据数据为影像,如视频、照片,影像只是平面图形,信息并不完整,所以只能做粗略的判读,即使可以量测,也很可能存在较大的误差,因此,仅有简略的数据,甚至不真实的数据,会对理赔带来非常大的不确定性,造成理赔的误判错判,基于此,本发明实施例提供的一种车辆定损方法、系统以及电子设备,可以解决现有技术中存在的定损技术的证据数据为影像,影像只是平面图形,信息并不完整,所以只能做粗略的判读,即使可以量测,也很可能存在较大的误差,因此仅有简略的数据甚至不真实的数据,会对理赔带来非常大的不确定性,从而造成理赔误判错判的技术问题。
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、系统以及电子设备进行详细介绍。
实施例一:
本发明实施例提供的一种车辆定损方法,如图1所示,该方法包括:
S11:获取车辆现场图像。
作为一个优选方案,车辆现场图像为二维图像。本步骤中,用户首先可以在发生事故后打开手机上的车辆定损应用程序(Application,简称 APP),通过应用程序中的向导提示,拍摄事故部位的照片,程序将照片上传至后台。
S12:获取车辆识别码。
具体的,获取车辆识别码(Vehicle Identification Number,简称VIN码) 的方式可以包括有:从保单、行驶证等文档中读取出车辆识别码;也可以在车身上找到车架号、发动机号等,从而关联到车辆识别码;也可以通过人工输入获取车辆识别码;当然,还可以根据车辆现场图像得到车辆识别码。
因此,可以在获取车辆现场图像的同时,通过人工输入或从保单行驶证等文档中读取等方式获取车辆识别码,即步骤S11与步骤S12可以同时进行;也可以先获取车辆现场图像,再从车辆现场图像中获取车辆识别码,即先进行步骤S11,再进行步骤S12。
S13:根据车辆识别码获取车辆三维模型。
本步骤中,通过车辆识别码查找提前建好的三维车型库,找到匹配的同型号车模。
S14:通过将车辆现场图像与车辆三维模型进行对比与计算,得到车辆定损数据。
具体的,首先,根据预设特征将车辆现场图像与车辆三维模型进行匹配,得到车辆从二维图像投影到三维图像的映射参数。然后,利用映射参数进行车辆损伤区域的测量与映射,得到三维坐标值。最后,根据若干个三维坐标值计算损伤面积和/或损伤长度,得到车辆定损数据。
对于现有技术而言,定损技术的证据数据为影像,如视频、照片,影像只是平面图形,并没有完整的三维信息,所以只能做粗略的判读,比如损伤部位、损伤尺寸。此外,照片并不包含车辆三维形态信息,即使可以量测,也存在相当的误差。但是,保险行业需要精算才能保证成本和效益,获得精确的真实的现场数据,精确真实的现场数据是成本核算、量化指标的依据和基础,如果仅有简略的数据,甚至不真实的数据,将会对理赔带来非常大的不确定性。而且,有些保险公司配备的专有设备虽然可以获得高精度三维损伤数据,但这些专有设备也只能查勘人员等专业人员采用专业的方法使用,车主无法使用该方法从而造成使用不便,而且专有设备价值昂贵,对保险公司也是很大的成本支出。
通过在定损环节利用手机等终端采用车辆定损方法,使用移动拍照装置获取现场照片,同时取得车辆身份识别码如车辆识别码(Vehicle Identification Number,简称汽车VIN码),回到后台,根据车辆身份识别码匹配车型库,通过现场照片与同型号模型匹配,分析得出损伤的精确数值。
因此,车辆定损方法采用照片结合三维车模实现车辆定损的方式,由于车辆模型是三维空间模型,表达的是空间形状信息,从而可以获得精确的车辆损伤数据,为后期流程提供更加精确的量化参考。再者,通过车辆定损方法能够实现用户自助定损,通过手机拍照上传照片自动定损,不需要查勘员到现场,使用户到的定损过程更加便利。
实施例二:
本发明实施例提供的一种车辆定损方法,也可以为车险点云定损方法,如图2所示,该方法包括:
S21:获取车辆现场图像。
其中,车辆现场图像为二维图像。本步骤中,用户首先可以在发生事故后打开手机上的车辆定损应用程序(Application,简称APP),通过应用程序中的向导提示,拍摄事故部位的照片,程序将照片上传至后台。
S22:获取车辆识别码。
本步骤中,获取车辆识别码的方式可以包括有:从保单、行驶证等文档中读取出车辆识别码;也可以在车身上找到车架号、发动机号等,从而关联到车辆识别码;也可以通过人工输入获取车辆识别码;当然,还可以根据车辆现场图像得到车辆识别码。
因此,可以在获取车辆现场图像的同时,通过人工输入或从保单行驶证等文档中读取等方式获取车辆识别码,即步骤S21与步骤S22可以同时进行;也可以先获取车辆现场图像,再从车辆现场图像中获取车辆识别码,即先进行步骤S21,再进行步骤S22。
S23:根据车辆识别码查询对应的车辆型号。
S24:根据车辆型号获取对应的车辆三维模型。
作为本实施例的优选实施方式,回到后台,通过车辆识别码查找提前建好的三维车型库,找到匹配的同型号车模。
S25:根据预设特征将车辆现场图像与车辆三维模型进行匹配,得到车辆从二维图像投影到三维图像的映射参数。
其中,匹配的过程可以为:首先,根据预设特征对车辆现场图像进行识别,得到多个特征点的二维坐标位置信息。具体的,后台服务程序通过机器学习技术,自动识别照片中的预定义特征即预设特征,例如:后视镜、车灯、门把手,车门边角、轮轴等,从而可以得到一组特征的二维影像坐标。这些预定义特征,在车型库的车模中也有相应的定义,记录了各个特征的位置信息,即特征的三维空间坐标。
然后,根据预设特征获取多个特征点在三维模型中的三维坐标位置信息,即将多个特征点的二维坐标位置信息与多个特征点的三维坐标位置信息进行匹配。需要说明的是,匹配照片中识别出来的特征点与三维车模的特征点所对应,优选的,特征点的对数至少为四对。例如,如图3所示,在三维坐标系中匹配到的三维车模的特征点有四个,即C1、C2、C3、C4,如果匹配通过便可以利用旋转矩阵R与位移向量t反算出照片在车模三维空间中的姿态。优选的,可采用的算法有正交投影迭代变换、直接线性变换等。
S26:利用映射参数进行车辆损伤区域的测量与映射,得到三维坐标值。
S27:根据若干个三维坐标值计算损伤面积和/或损伤长度,得到车辆定损数据。
在一种实现方式中,步骤S26具体可以包括:首先,对车辆损伤区域在车辆现场图像中的位置进行测量,得到若干个二维坐标值。之后利用映射参数将每个二维坐标值的点映射到车辆三维模型的表面,通过表面的映射交点得到若干个三维坐标值。
在实际应用中,匹配成功后,在照片上的量测可以映射到三维车模,相当于在真实的汽车上量测,以此得到高精度的测量结果。映射方法可以通过构造相机光心出发的射线,与最近的车模表面求交点,作为映射点。
作为本实施例的另一种实施方式,如果手动测量车辆损伤长度、面积,可以直接在现场照片上测量。
如图3所示,在相机坐标系中,相机光心出发的射线与最近的车模表面相交得到交点,例如交点ui,在三维坐标系中得出点pi,当然,射线与最近的车模表面相交得到的交点也可以有位置表示,例如:(u0,v0)。因此,每一个点都可以映射到车模表面,从而得到三维坐标。在照片上拾取两个点,即可求得两点之间的三维距离:L=Sqrt[(X1-X2)2+(Y1-Y2)2+(Z1-Z2)2],其中, Sqrt表示非负实数的平方根函数。
如果连续拾取多个点,可以使用最小二乘法或随机抽样一致算法 (RandomSample Consensus,简称RANSAC)拟合为一个平面,多点投影到平面,可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。
在另一种实现方式中,步骤S26具体可以包括:首先,利用映射参数进行车辆损伤区域的测量与映射,得到三维坐标值;然后,通过预设卷积神经网络对车辆现场图像进行识别,得到二维损伤区域;之后利用映射参数将二维损伤区域映射到车辆三维模型的表面,得到三维损伤区域;最后,对三维损伤区域进行测量,得到若干个三维坐标值。
在实际应用中,如果自动定损,可以利用预先训练好的卷积神经网络,从照片中自动识别出损伤区域。因此,可以将照片上二维的区域,映射到三维车模表面,从三维空间计算出准确的损伤面积、长度等信息。
此外,车辆定损方法还可以包括:先根据车辆三维模型确定车辆部件区域,然后通过比较车辆损伤区域与车辆部件区域,确定车辆定损部件。具体的,车型库的模型已经明确区分各个部件,因此通过比较损伤区域,可以自动找到所在的部件,从而实现自动定损。
作为本实施例的优选实施方式,定损之后,可以接入传统的核损定价系统,确认理赔金额。
本实施例中,三维车型库用于照片定姿,照片上的量测映射到三维车模表面,从而实现提高测量精度。而且,还能够通过人工智能自动识别损伤区域,从而实现全自动定损,使用户的使用更加便利。
因此,用户直接利用手机、平板等移动终端便可进行车辆定损过程,而车险理赔员、查勘员便不必到现场。用户通过手机、平板等移动终端获取实时影像,在后台足不出户即可完成查勘定损理赔过程,极大的简化了轻微事故的理赔流程,节约时间,降低了对交通的影响,节约保险公司出险成本,从而实现免人工干预的自动化理赔过程。
实施例三:
本发明实施例提供的一种车辆定损系统,如图4所示,车辆定损系统3 包括:图像模块31、识别模块32、查找模块33以及计算模块34。
需要说明的是,图像模块31用于获取车辆现场图像。识别模块32用于获取车辆识别码。查找模块33用于根据车辆识别码获取车辆三维模型。
进一步的是,计算模块34用于通过将车辆现场图像与车辆三维模型进行对比与计算,得到车辆定损数据。
实施例四:
本发明实施例提供的一种电子设备,如图5所示,电子设备4包括存储器41、处理器42,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例一或实施例二提供的方法的步骤。
参见图5,电子设备4还包括:总线43和通信接口44,处理器42、通信接口44和存储器41通过总线43连接;处理器42用于执行存储器41中存储的可执行模块,例如计算机程序。
其中,存储器41可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口44(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线43可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器42在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器42中,或者由处理器42实现。
处理器42可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器42中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器42可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器42读取存储器41中的信息,结合其硬件完成上述方法的步骤。
实施例五:
本发明实施例提供的一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述实施例一或实施例二所述方法。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
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,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在这里示出和描述的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制,因此,示例性实施例的其他示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/ 或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例提供的具有处理器可执行的非易失的程序代码的计算机可读介质,与上述实施例提供的车辆定损方法、系统以及电子设备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。
本发明实施例所提供的进行车辆定损方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,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,其特征在于,包括:
获取车辆现场图像;
获取车辆识别码;
根据所述车辆识别码获取车辆三维模型;
通过将所述车辆现场图像与所述车辆三维模型进行对比与计算,得到车辆定损数据。
2.根据权利要求1所述的车辆定损方法,其特征在于,所述根据所述车辆识别码获取车辆三维模型,具体包括:
根据所述车辆识别码查询对应的车辆型号;
根据所述车辆型号获取对应的车辆三维模型。
3.根据权利要求1或2所述的车辆定损方法,其特征在于,所述车辆现场图像为二维图像。
4.根据权利要求3所述的车辆定损方法,其特征在于,所述通过将所述车辆现场图像与所述车辆三维模型进行对比与计算,得到车辆定损数据,具体包括:
根据预设特征将所述车辆现场图像与所述车辆三维模型进行匹配,得到车辆从二维图像投影到三维图像的映射参数;
利用所述映射参数进行车辆损伤区域的测量与映射,得到三维坐标值;
根据若干个所述三维坐标值计算损伤面积和/或损伤长度,得到车辆定损数据。
5.根据权利要求4所述的车辆定损方法,其特征在于,所述利用所述映射参数进行车辆损伤区域的测量与映射,得到三维坐标值,具体包括:
对车辆损伤区域在所述车辆现场图像中的位置进行测量,得到若干个二维坐标值;
利用所述映射参数将每个所述二维坐标值的点映射到所述车辆三维模型的表面,通过表面的映射交点得到若干个三维坐标值。
6.根据权利要求4所述的车辆定损方法,其特征在于,所述利用所述映射参数进行车辆损伤区域的测量与映射,得到三维坐标值,具体包括:
通过预设卷积神经网络对所述车辆现场图像进行识别,得到二维损伤区域;
利用所述映射参数将所述二维损伤区域映射到所述车辆三维模型的表面,得到三维损伤区域;
对所述三维损伤区域进行测量,得到若干个三维坐标值。
7.根据权利要求4所述的车辆定损方法,其特征在于,还包括:
根据所述车辆三维模型确定车辆部件区域;
通过比较车辆损伤区域与所述车辆部件区域,确定车辆定损部件。
8.一种车辆定损系统,其特征在于,包括:
图像模块,用于获取车辆现场图像;
识别模块,用于获取车辆识别码;
查找模块,用于根据所述车辆识别码获取车辆三维模型;
计算模块,用于通过将所述车辆现场图像与所述车辆三维模型进行对比与计算,得到车辆定损数据。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810216120.3A CN108364253B (zh) | 2018-03-15 | 2018-03-15 | 车辆定损方法、系统以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810216120.3A CN108364253B (zh) | 2018-03-15 | 2018-03-15 | 车辆定损方法、系统以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108364253A true CN108364253A (zh) | 2018-08-03 |
CN108364253B CN108364253B (zh) | 2022-04-15 |
Family
ID=63000382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810216120.3A Active CN108364253B (zh) | 2018-03-15 | 2018-03-15 | 车辆定损方法、系统以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108364253B (zh) |
Cited By (15)
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 |
CN109242006A (zh) * | 2018-08-23 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 基于车型分类的识别车辆损伤的方法及装置 |
CN109271908A (zh) * | 2018-09-03 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 车损检测方法、装置及设备 |
CN109345395A (zh) * | 2018-09-12 | 2019-02-15 | 医倍思特(北京)医疗信息技术有限公司 | 一种保险理赔的反欺诈系统及方法 |
CN109410218A (zh) * | 2018-10-08 | 2019-03-01 | 百度在线网络技术(北京)有限公司 | 用于生成车辆损伤信息的方法和装置 |
CN109544623A (zh) * | 2018-10-11 | 2019-03-29 | 百度在线网络技术(北京)有限公司 | 车辆损伤区域的测量方法和装置 |
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 |
CN109784171A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技(深圳)有限公司 | 车辆定损图像筛选方法、装置、可读存储介质及服务器 |
CN110428403A (zh) * | 2019-07-22 | 2019-11-08 | 宝能汽车有限公司 | 验车方法及电子装置 |
CN110570513A (zh) * | 2018-08-17 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 一种展示车损信息的方法和装置 |
CN110570317A (zh) * | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 用于车辆核损的方法及装置 |
CN110991229A (zh) * | 2019-10-24 | 2020-04-10 | 中山大学 | 基于dsp芯片与量化模型的三维物体识别方法 |
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 |
CN111860379A (zh) * | 2020-07-27 | 2020-10-30 | 联通智网科技有限公司 | 周边车辆模型的建立方法、装置、存储介质和计算机设备 |
CN112990158A (zh) * | 2021-05-14 | 2021-06-18 | 太平金融科技服务(上海)有限公司深圳分公司 | 车险数据处理方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101467153A (zh) * | 2006-06-08 | 2009-06-24 | 创伤科学有限责任公司 | 用于获取摄影测量数据来估计碰撞严重性的方法和设备 |
CN104006751A (zh) * | 2013-02-25 | 2014-08-27 | 西门子公司 | 用于借助于2d照片通过3d表面检测系统进行物体标记的方法和系统 |
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 |
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 |
CN106709808A (zh) * | 2016-11-22 | 2017-05-24 | 中国平安财产保险股份有限公司 | 基于车险智能定损平台的唯一配件自动过滤方法及系统 |
US9886771B1 (en) * | 2016-05-20 | 2018-02-06 | Ccc Information Services Inc. | Heat map of vehicle damage |
-
2018
- 2018-03-15 CN CN201810216120.3A patent/CN108364253B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101467153A (zh) * | 2006-06-08 | 2009-06-24 | 创伤科学有限责任公司 | 用于获取摄影测量数据来估计碰撞严重性的方法和设备 |
CN104006751A (zh) * | 2013-02-25 | 2014-08-27 | 西门子公司 | 用于借助于2d照片通过3d表面检测系统进行物体标记的方法和系统 |
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 |
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 |
US9886771B1 (en) * | 2016-05-20 | 2018-02-06 | Ccc Information Services Inc. | Heat map of vehicle damage |
CN106709808A (zh) * | 2016-11-22 | 2017-05-24 | 中国平安财产保险股份有限公司 | 基于车险智能定损平台的唯一配件自动过滤方法及系统 |
Non-Patent Citations (1)
Title |
---|
张春森等: "基于CAD技术实现工业零部件图像直线特征提取", 《光学精密仪器》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570513A (zh) * | 2018-08-17 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 一种展示车损信息的方法和装置 |
CN109242006A (zh) * | 2018-08-23 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 基于车型分类的识别车辆损伤的方法及装置 |
CN110570317A (zh) * | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 用于车辆核损的方法及装置 |
CN109271908B (zh) * | 2018-09-03 | 2022-05-13 | 创新先进技术有限公司 | 车损检测方法、装置及设备 |
CN109271908A (zh) * | 2018-09-03 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 车损检测方法、装置及设备 |
CN109345395A (zh) * | 2018-09-12 | 2019-02-15 | 医倍思特(北京)医疗信息技术有限公司 | 一种保险理赔的反欺诈系统及方法 |
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 |
CN109410218A (zh) * | 2018-10-08 | 2019-03-01 | 百度在线网络技术(北京)有限公司 | 用于生成车辆损伤信息的方法和装置 |
US11244435B2 (en) | 2018-10-08 | 2022-02-08 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating vehicle damage information |
CN113409382B (zh) * | 2018-10-11 | 2023-06-20 | 百度在线网络技术(北京)有限公司 | 车辆损伤区域的测量方法和装置 |
CN109544623A (zh) * | 2018-10-11 | 2019-03-29 | 百度在线网络技术(北京)有限公司 | 车辆损伤区域的测量方法和装置 |
US11043000B2 (en) | 2018-10-11 | 2021-06-22 | Baidu Online Network Technology Co., Ltd. | Measuring method and apparatus for damaged part of vehicle |
EP3594897A1 (en) * | 2018-10-11 | 2020-01-15 | Baidu Online Network Technology (Beijing) Co., Ltd. | Measuring method and apparatus for damaged part of vehicle |
CN113409382A (zh) * | 2018-10-11 | 2021-09-17 | 百度在线网络技术(北京)有限公司 | 车辆损伤区域的测量方法和装置 |
CN109544623B (zh) * | 2018-10-11 | 2021-07-27 | 百度在线网络技术(北京)有限公司 | 车辆损伤区域的测量方法和装置 |
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 |
CN109784171A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技(深圳)有限公司 | 车辆定损图像筛选方法、装置、可读存储介质及服务器 |
CN110428403A (zh) * | 2019-07-22 | 2019-11-08 | 宝能汽车有限公司 | 验车方法及电子装置 |
CN110991229A (zh) * | 2019-10-24 | 2020-04-10 | 中山大学 | 基于dsp芯片与量化模型的三维物体识别方法 |
CN110991229B (zh) * | 2019-10-24 | 2023-04-28 | 中山大学 | 基于dsp芯片与量化模型的三维物体识别方法 |
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 |
CN111489433B (zh) * | 2020-02-13 | 2023-04-25 | 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 |
CN111860379A (zh) * | 2020-07-27 | 2020-10-30 | 联通智网科技有限公司 | 周边车辆模型的建立方法、装置、存储介质和计算机设备 |
CN112990158A (zh) * | 2021-05-14 | 2021-06-18 | 太平金融科技服务(上海)有限公司深圳分公司 | 车险数据处理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108364253B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364253A (zh) | 车辆定损方法、系统以及电子设备 | |
US20130101158A1 (en) | Determining dimensions associated with an object | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
CN113436238B (zh) | 点云配准精度的评估方法、装置和电子设备 | |
JP2016161569A (ja) | オブジェクトの3d姿勢およびオブジェクトのランドマーク点の3dロケーションを求める方法、およびオブジェクトの3d姿勢およびオブジェクトのランドマークの3dロケーションを求めるシステム | |
CN111360808B (zh) | 一种控制机器人运动的方法、装置及机器人 | |
CN110853085B (zh) | 基于语义slam的建图方法和装置及电子设备 | |
CN111402413B (zh) | 三维视觉定位方法、装置及计算设备、存储介质 | |
CN110969719A (zh) | 一种自动巡检方法、系统、终端设备及存储介质 | |
CN107808117A (zh) | 一种基于云计算的共享车辆定位系统及其定位方法 | |
CN112036359B (zh) | 一种车道线的拓扑信息获得方法、电子设备及存储介质 | |
CN112905831A (zh) | 物体在虚拟场景中的坐标获取方法、系统及电子设备 | |
CN110774319A (zh) | 一种机器人及其定位方法和装置 | |
CN110929661A (zh) | 一种基于卷积神经网络的可停靠车位检测方法及系统 | |
CN113239227B (zh) | 图像数据结构化方法、装置、电子设备及计算机可读介质 | |
CN111982132A (zh) | 数据处理方法、装置和存储介质 | |
CN117237681A (zh) | 图像处理方法、装置及相关设备 | |
CN112381873A (zh) | 一种数据标注方法及装置 | |
CN115830073A (zh) | 地图要素重建方法、装置、计算机设备和存储介质 | |
CN109074407A (zh) | 多源数据建图方法、相关装置及计算机可读存储介质 | |
CN114897987A (zh) | 一种确定车辆地面投影的方法、装置、设备及介质 | |
CN108805121A (zh) | 一种车牌检测定位方法、装置、设备及计算机可读介质 | |
CN114415129A (zh) | 基于多项式模型的视觉与毫米波雷达联合标定方法及装置 | |
CN113048988B (zh) | 一种导航地图对应场景的变化元素检测方法及装置 | |
CN113050022A (zh) | 一种基于旋转天线的图像定位方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
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 |