CN110033386B - 车辆事故的鉴定方法及装置、电子设备 - Google Patents

车辆事故的鉴定方法及装置、电子设备 Download PDF

Info

Publication number
CN110033386B
CN110033386B CN201910171587.5A CN201910171587A CN110033386B CN 110033386 B CN110033386 B CN 110033386B CN 201910171587 A CN201910171587 A CN 201910171587A CN 110033386 B CN110033386 B CN 110033386B
Authority
CN
China
Prior art keywords
shooting
vehicle accident
image data
image acquisition
acquisition equipment
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.)
Active
Application number
CN201910171587.5A
Other languages
English (en)
Other versions
CN110033386A (zh
Inventor
周凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910171587.5A priority Critical patent/CN110033386B/zh
Publication of CN110033386A publication Critical patent/CN110033386A/zh
Priority to TW108133384A priority patent/TWI770420B/zh
Priority to PCT/CN2020/070511 priority patent/WO2020177480A1/zh
Application granted granted Critical
Publication of CN110033386B publication Critical patent/CN110033386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
    • H04N1/00204—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server
    • H04N1/00244—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server with a server, e.g. an internet server
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
    • H04N1/00249—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a photographic apparatus, e.g. a photographic printer or a projector
    • H04N1/00251—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a photographic apparatus, e.g. a photographic printer or a projector with an apparatus for taking photographic images, e.g. a camera
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/633—Control of cameras or camera modules by using electronic viewfinders for displaying additional information relating to control or operation of the camera
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)
  • Burglar Alarm Systems (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)

Abstract

本说明书一个或多个实施例提供一种车辆事故的鉴定方法及装置、电子设备，该方法可以包括：获取车辆事故现场的图像数据；确定鉴定结果，所述鉴定结果是通过将所述图像数据输入事故鉴定模型而得到的输出结果得到；所述事故鉴定模型由历史车辆事故现场的图像数据，以及所述历史车辆事故现场的事故鉴定信息训练得到。

Description

车辆事故的鉴定方法及装置、电子设备
技术领域
本说明书一个或多个实施例涉及通信技术领域，尤其涉及一种车辆事故的鉴定方法及装置、电子设备。
背景技术
在车辆发生事故后，保险公司的定损员和交警通常需要人工对现场进行勘察，以及对事故当事人陈述的事故经过进行核实，从而对车辆事故进行鉴定。在相关技术中，对于车辆事故的鉴定，主要依赖于仪器测量、视频回放和人工判断等方式。
发明内容
有鉴于此，本说明书一个或多个实施例提供一种车辆事故的鉴定方法及装置、电子设备。
为实现上述目的，本说明书一个或多个实施例提供技术方案如下：
根据本说明书一个或多个实施例的第一方面，提出了一种车辆事故的鉴定方法，包括：
获取车辆事故现场的图像数据；
确定鉴定结果，所述鉴定结果是通过将所述图像数据输入事故鉴定模型而得到的输出结果得到；所述事故鉴定模型由历史车辆事故现场的图像数据，以及所述历史车辆事故现场的事故鉴定信息训练得到。
根据本说明书一个或多个实施例的第二方面，提出了一种车辆事故的鉴定装置，包括：
图像获取单元，获取车辆事故现场的图像数据；
结果确定单元，确定鉴定结果，所述鉴定结果是通过将所述图像数据输入事故鉴定模型而得到的输出结果得到；所述事故鉴定模型由历史车辆事故现场的图像数据，以及所述历史车辆事故现场的事故鉴定信息训练得到。
根据本说明书一个或多个实施例的第三方面，提出了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如上述任一实施例中所述的车辆事故的鉴定方法。
附图说明
图1是一示例性实施例提供的一种车辆事故的鉴定系统的架构示意图。
图2是一示例性实施例提供的一种车辆事故的鉴定方法的流程图。
图3是一示例性实施例提供的一种车辆事故的鉴定方法的交互图。
图4A是一示例性实施例提供的一种展示引导信息的示意图。
图4B是一示例性实施例提供的另一种展示引导信息的示意图。
图4C是一示例性实施例提供的训练事故鉴定模型的示意图。
图5是一示例性实施例提供的一种设备的结构示意图。
图6是一示例性实施例提供的一种车辆事故的鉴定装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
图1是一示例性实施例提供的一种车辆事故的鉴定系统的架构示意图。如图1所示，该系统可以包括服务器11、网络12、若干图像采集设备，比如手机13、手机14、行车记录仪15和行车记录仪16等。
服务器11可以为包含一独立主机的物理服务器，或者该服务器11可以为主机集群承载的虚拟服务器。在运行过程中，服务器11可以运行某一应用的服务器侧的程序，以实现该应用的相关业务功能。而在本说明书一个或多个实施例的技术方案中，可由服务器11作为服务端与手机13-14、行车记录仪15-16上运行的客户端进行配合，以实现车辆事故的鉴定方案。
手机13-14、行车记录仪15-16只是用户可以使用的一种类型的图像采集设备。实际上，用户显然还可以使用诸如下述类型的图像采集设备：平板设备、笔记本电脑、掌上电脑(PDAs，Personal Digital Assistants)、可穿戴设备(如智能眼镜、智能手表等)等，本说明书一个或多个实施例并不对此进行限制。在运行过程中，该图像采集设备可以运行某一应用的客户端侧的程序，以实现该应用的相关业务功能，比如图像采集设备可作为客户端与服务器11进行交互，以实现本说明书中的车辆事故的鉴定方案。
而对于手机13-14、行车记录仪15-16与服务器11之间进行交互的网络12，可以包括多种类型的有线或无线网络。在一实施例中，该网络12可以包括公共交换电话网络(Public Switched Telephone Network，PSTN)和因特网。
下面分别针对客户端和服务端中的不同角色，对本说明书的车辆事故的鉴定方案进行说明。
请参见图2，图2是一示例性实施例提供的一种车辆事故的鉴定方法的流程图。如图2所示，该方法应用于客户端，可以包括以下步骤：
步骤202，获取车辆事故现场的图像数据。
步骤204，确定鉴定结果，所述鉴定结果是通过将所述图像数据输入事故鉴定模型而得到的输出结果得到；所述事故鉴定模型由历史车辆事故现场的图像数据，以及所述历史车辆事故现场的事故鉴定信息训练得到。
在一实施例中，在发生车辆事故后，用户(例如，发生车辆事故的司机、交警、保险公司的定损员等)可使用客户端(配置有摄像模组的图像采集设备，可与服务器进行通讯；比如手机、行车记录仪等)拍摄车辆事故现场的图像数据(比如照片、视频等)，从而可将拍摄得到的图像数据作为事故鉴定模型的输入，以由事故鉴定模型输出鉴定结果。通过上述采用机器学习模型的方式来鉴定车辆事故，使得用户可直接利用车辆事故现场的照片、视频便可进行端到端的车辆事故鉴定，可有效提高鉴定效率，缩短鉴定周期。同时，本说明书的车辆事故的鉴定方案支持远程鉴定和自动鉴定，从而大幅降低了车辆事故的鉴定成本。例如，在发生车辆事故后，司机只需要通过客户端采集车辆事故现场的图像数据，基于本说明书的车辆事故的鉴定方案便可得到鉴定结果，而无需定损员到车辆事故现场来勘察，司机和交警也可尽快地处理车辆事故。
在一实施例中，事故鉴定模型可配置于客户端侧，那么客户端可直接将所述图像数据输入所述事故鉴定模型，以将所述事故鉴定模型的输出结果作为所述鉴定结果。
在一实施例中，事故鉴定模型可配置于服务端侧，那么客户端可将所述图像数据发送至服务端以使所述服务端将所述图像数据输入所述事故鉴定模型，以及将所述服务端返回的输出结果作为所述鉴定结果。
在一实施例中，车辆事故现场的图像数据是鉴定车辆事故的依据(即为事故鉴定模型的输入)，而该图像数据需要用户使用客户端来拍摄得到。因此，需引导用户拍摄得到能够准确反映出车辆事故现场的图像数据。进一步的，可在图像采集设备(即客户端)的拍摄界面中展示引导信息，从而引导用户拍摄得到正确的图像数据。
在一种情况下，可预先定义车辆事故现场与图像采集设备之间的标准相对位置关系；换言之，图像采集设备在保持与车辆事故现场之间的相对位置关系为标准相对位置关系时，可拍摄得到能够正确反映出车辆事故现场的图像数据(可理解为包含车辆事故现场的各个细节)。因此，可依据车辆事故现场与图像采集设备之间的相对位置关系来引导用户移动图像采集设备。作为一示例性实施例，可先根据图像数据(图像采集设备获取到的车辆事故现场的图像数据；例如，可以是用户初始拍摄车辆事故现场得到的首张照片)确定所述车辆事故现场与图像采集设备之间的初始相对位置关系，再确定所述图像采集设备的移动状态，从而基于所述移动状态和所述初始相对位置关系，确定所述图像采集设备移动后与所述车辆事故现场的实时相对位置关系；那么，可根据所述实时相对位置关系，在所述图像采集设备的拍摄界面中展示第一引导信息，以引导用户将所述图像采集设备移动至与标准相对位置关系相匹配的位置。可见，在确定出初始相对位置关系后，无需再根据图像采集设备拍摄到的图像数据来引导用户(基于图像采集设备的移动状态即可)，即在移动过程中，引导操作可基于图像采集设备的移动状态来完成，而无需依赖于图像采集设备在移动时拍摄的图像数据。
在另一种情况下，可预先定义图像采集设备对车辆事故现场的标准拍摄方位；换言之，图像采集设备在保持处于对车辆事故现场的标准拍摄方位时，可拍摄得到能够正确反映出车辆事故现场的图像数据。因此，可依据图像采集设备对车辆事故现场的标准拍摄方位来引导用户移动图像采集设备。作为一示例性实施例，可先获取图像采集设备对车辆事故现场的拍摄方位(例如，可以是用户初始使用图像采集设备拍摄车辆事故现场时的拍摄方位)，再确定所述拍摄方位是否符合标准拍摄方位；当所述拍摄方位不符合标准拍摄方位时，在所述图像采集设备的拍摄界面中展示第二引导信息，以引导用户将所述图像采集设备移动至所述标准拍摄方位处。
在一实施例中，获取图像采集设备对车辆事故现场的拍摄方位(例如，包括图像采集设备与车辆事故现场之间的距离、角度等参数)的操作，可利用机器学习模型来完成。例如，可获取所述图像采集设备拍摄所述车辆事故现场得到的实时图像数据，再将所述实时图像数据输入拍摄方位确定模型(所述拍摄方位确定模型由在预设拍摄方位下拍摄样本事故车辆得到的图像数据与所述预设拍摄方位的对应关系训练得到)，从而将所述拍摄方位确定模型的输出结果作为所述图像采集设备对所述车辆事故现场的拍摄方位。类似的，上述初始相对位置关系的确定操作，也可由机器学习模型来完成。
在一实施例中，在展示第二引导信息时，可按照预定义的拍摄流程依次在所述拍摄界面中展示引导用户将所述图像采集设备移动至各个标准拍摄方位的第二引导信息。其中，所述拍摄流程包括针对车辆事故现场中各个拍摄对象的标准拍摄方位，以及拍摄所述各个拍摄对象的顺序。
在一实施例中，鉴定结果的参数可包括以下至少之一：碰撞角度、碰撞前的行驶速度、损伤部位、损伤程度。
为了便于理解，下面以手机与服务器进行交互为例，结合附图对本说明书的车辆事故的鉴定方案进行详细说明。
请参见图3，图3是一示例性实施例提供的一种车辆事故的鉴定方法的交互图。如图3所示，该交互过程可以包括以下步骤：
步骤302，手机拍摄车辆事故现场的图像数据。
在一实施例中，在发生车辆事故后，用户(例如，发生车辆事故的司机、交警、保险公司的定损员等)可使用手机拍摄车辆事故现场的图像数据。例如，拍摄发生碰撞的车辆，拍摄车辆具体的损伤部位，拍摄车牌号等。
步骤304，手机在拍摄界面中展示引导信息。
步骤306，手机被用户移动至标准位置拍摄图像数据。
在一实施例中，手机拍摄车辆事故现场得到的图像数据将被作为鉴定车辆事故的依据(即作为事故鉴定模型的输入)，因此需引导用户拍摄得到能够准确反映出车辆事故现场的图像数据，以提高鉴定车辆事故的准确性。进一步的，可在手机的拍摄界面中展示引导信息(展示第一引导信息或第二引导信息)，从而引导用户拍摄得到正确的图像数据。
在一实施例中，可预先定义车辆事故现场与图像采集设备(本实施例以手机为例)之间的标准相对位置关系；换言之，手机在保持与车辆事故现场之间的相对位置关系为标准相对位置关系时，可拍摄得到能够正确反映出车辆事故现场的图像数据(可理解为包含车辆事故现场的各个细节)。举例而言，可定义如下标准相对位置关系：距离车辆正前方3米、距离车辆左侧4米、距离车辆右侧4米、距离车辆后方3米、距离受损部位50公分等。
基于对标准相对位置关系的定义，可在拍摄界面中展示第一引导信息，从而引导用户移动手机使得手机与事故车辆之间的相对位置关系符合标准相对位置关系(即移动手机至标准位置)。作为一示例性实施例，手机可根据步骤302拍摄得到的图像数据(例如，可以是用户拍摄车辆事故现场得到的首张照片)确定手机与车辆事故现场之间的初始相对位置关系。例如，可通过相对位置关系确定模型来确定该初始相对位置关系；其中，相对位置关系确定模型可由训练样本图像数据以及拍摄该样本图像数据时与被摄对象之间的距离和角度得到(以距离和角度来描述相对位置关系)。又如，还可通过识别图像数据中的被摄对象，并提取被摄对象的特征点以通过几何计算来得到手机与被摄对象之间的距离和角度。在确定出初始相对位置关系后，再确定手机的移动状态，以基于手机的移动状态和初始相对位置关系确定手机移动后与车辆事故现场的实时相对位置关系。其中，手机的移动状态可通过手机的陀螺仪和加速度计等传感器采集到的数据计算得到；在得知手机如何移动后，由于车辆事故现场往往处于静止状态，那么便可根据初始相对位置关系和手机的移动过程，确定出手机移动后与车辆事故现场之间的相对位置关系(即实时相对位置关系)。基于上述对实时相对位置关系的确定，可根据实时相对位置关系和上述标准相对位置关系之间的差异，在手机的拍摄界面中展示第一引导信息，以引导用户将手机移动至与标准相对位置关系相匹配的位置。可见，在上述引导的过程中，在确定出初始相对位置关系后，无需再根据手机拍摄到的图像数据来引导用户(基于手机的移动状态即可)，即在手机移动的过程中，引导操作可基于手机的移动状态来完成，而无需依赖于手机在移动时拍摄到的图像数据。
举例而言，如图4A所示，当用户使用手机拍摄事故车辆41(车辆事故现场中发生碰撞的车辆)的左侧时，假定手机与事故车辆41之间的距离为5米，而在对应于该拍摄方向(即手机与事故车辆41之间的角度)的标准相对位置关系定义的距离为4米；那么手机可在拍摄界面4中展示引导信息42“请再靠近1米拍摄”，以引导用户携带手机在该拍摄方向上再靠近(事故车辆41)1米的距离。
在一实施例中，可预先定义手机对车辆事故现场的标准拍摄方位；换言之，手机在保持处于对车辆事故现场的标准拍摄方位时，可拍摄得到能够正确反映出车辆事故现场的图像数据。举例而言，可定义如下标准拍摄方位(同样以距离和角度为例)：在距离车辆正前方3米的位置拍摄、在距离车辆左侧4米的位置拍摄、在距离车辆右侧4米的位置拍摄、在距离车辆后方3米的位置拍摄、在距离受损部位50公分的位置拍摄等。
基于对标准拍摄方位的定义，可在拍摄界面中展示第二引导信息，从而引导用户移动手机使得手机拍摄事故车辆(或受损部位)的拍摄方位符合标准拍摄方位。作为一示例性实施例，可先获取用户使用手机对车辆事故现场的拍摄方位(例如，可以是用户初始使用手机拍摄车辆事故现场时的拍摄方位)，再确定该拍摄方位是否符合标准拍摄方位。当该拍摄方位不符合标准拍摄方位时，在拍摄界面中展示第二引导信息，以引导用户将手机移动至标准拍摄方位处(即移动手机至标准位置)。
在一实施例中，手机可将步骤302拍摄得到的图像数据(例如，可以是用户拍摄车辆事故现场得到的首张照片)输入拍摄方位确定模型，并将拍摄方位确定模型的输出结果作为当前手机对车辆事故现场的拍摄方位。其中，拍摄方位确定模型可由在预设拍摄方位(可包含多个不同的拍摄方位)下拍摄样本事故车辆得到的图像数据与该预设拍摄方位的对应关系训练得到。而在展示第二引导信息时，可按照预定义的拍摄流程依次在拍摄界面中展示引导用户将手机移动至各个标准拍摄方位的第二引导信息。其中，拍摄流程包括针对车辆事故现场中各个拍摄对象的标准拍摄方位，以及拍摄各个拍摄对象的顺序。
举例而言，如图4B所示，假定拍摄流程包括依次在距离车辆左侧4米的位置拍摄事故车辆，以及在距离车辆右侧4米的位置拍摄事故车辆。那么，当用户在距离车辆左侧4米的位置拍摄完事故车辆41后，可在拍摄界面中展示引导信息43“请距离4米拍摄事故车辆的右侧”以及“指向事故车辆41右侧的箭头”，以引导用户携带手机在事故车辆41的右侧4米处拍摄。
步骤308，手机向服务器发送在标准位置拍摄的图像数据。
步骤310，服务器将接收到的图像数据输入事故鉴定模型。
在一实施例中，可预先收集历史车辆事故现场的图像数据，并利用可靠途径分析该历史车辆事故现场的图像数据得来的事故鉴定信息(例如，由定损员人工分析该图像数据得到的事故鉴定信息)对该图像数据进行标注，从而将标注后的图像数据作为样本数据训练机器学习模型，以得到事故鉴定模型。其中，事故鉴定信息的参数可以包括碰撞角度、碰撞前的行驶速度、损伤部位、损伤程度等；可采用逻辑回归、决策树、神经网络、支持向量机等算法训练样本数据来得到事故鉴定模型。当然，本说明书一个或多个实施例并不对事故鉴定信息的参数，以及训练事故鉴定模型采用的算法进行限制。通过上述采用机器学习模型的方式来鉴定车辆事故，使得用户可直接利用车辆事故现场的照片、视频便可进行端到端的车辆事故鉴定，可有效提高鉴定效率，缩短鉴定周期。同时，本说明书的车辆事故的鉴定方案支持远程鉴定和自动鉴定，从而大幅降低了车辆事故的鉴定成本。例如，在发生车辆事故后，司机只需要通过客户端采集车辆事故现场的图像数据，基于本说明书的车辆事故的鉴定方案便可得到鉴定结果，而无需定损员到车辆事故现场来勘察，司机和交警也可尽快地处理车辆事故。
举例而言，可收集一批历史车辆事故的案例，并获取该案例中发生碰撞的车辆部件、车辆在发生碰撞时与碰撞对象的相对速度(以下简称为碰撞速度)、发生碰撞处的照片等数据。基于获取到的数据，可针对每一个碰撞部件均构建一组以照片为输入，碰撞速度为标注值的样本数据，并对碰撞速度进行取整。可选的，可按照一定的精度划分碰撞速度的取值范围。例如，取值范围为10km/h～200km/h，精度为1km/h；那么，可将碰撞速度划分为范围从10km/h到200km/h的191个速度区段。基于上述对碰撞速度的划分方式，可将碰撞速度的预测定义为一个分类问题。换言之，通过将一组车辆事故的照片输入事故鉴定模型，事故鉴定模型可预测出该车辆事故的碰撞速度所属的速度区段。
而针对训练过程，可采用CNN(Convolutional Neural Networks，卷积神经网络)来训练样本数据以得到事故鉴定模型。如图4C所示，CNN可包括卷积层、池化层和全连接层。其中，卷积层用于对输入的照片进行计算以提取出特征向量；池化层通常位于卷积层之后，一方面降低特征向量的维度以简化网络计算复杂度，另一方面通过池化来降低卷积层输出的特征向量，避免卷积神经网络出现过拟合；全连接层用于将网络学习到的特征向量映射到样本的标记空间中，比如将池化层输出的二维特征向量转化成一维向量。由于车辆事故照片的数量不定，同时每张照片所包含的视觉特征在时序维度上存在关联，因而可将上述样本数据(针对同一车辆事故，标注有碰撞速度的一组车辆事故照片)作为输入以对神经网络进行训练。例如，利用CNN来提取每张照片的视觉特征向量，再将其输入至LSTM(LongShort-Term Memory，长短期记忆网络)，以由LSTM来处理所有照片(图中所示为4张照片分别输入CNN)的视觉特征向量，从而生成最终的分类向量来代表针对各个可能的碰撞速度的预测概率。
步骤312，服务器将事故鉴定模型的输出结果返回至手机。
在一实施例中，也可将事故鉴定模型配置于手机侧；换言之，在手机在标准位置拍摄得到图像数据后，直接将拍摄得到的图像数据输入事故鉴定模型以获取事故鉴定结果(即事故鉴定模型输出的事故鉴定信息)，而无需将拍摄到的图像数据发送至服务器。进一步的，服务器可定期更新样本数据以重新训练事故鉴定模型，从而提高鉴定的准确性。而当事故鉴定模型配置于手机侧时，服务器可定期向手机发送更新后的事故鉴定模型。
步骤314，手机将接收到的输出结果作为针对当前车辆事故现场的鉴定结果展示。
在一实施例中，承接于上述举例，事故鉴定模型的输出为针对当前车辆事故可能存在的各个碰撞速度的概率。例如，可将输出结果中概率最高的碰撞速度作为鉴定结果，也可以将输出结果中概率最高且超过预设概率阈值的碰撞速度作为鉴定结果。
举例而言，假定输出结果如表1所示：
碰撞速度 概率
110km/h 80％
111km/h 5％
112km/h 4％
113km/h 3％
…… ……
表1
在一种情况下，可将输出结果中概率最高的碰撞速度110km/h作为鉴定结果。在另一种情况下，假定预设概率阈值为75％，那么由于概率最高的碰撞速度110km/h的概率超过了概率阈值75％，可将110km/h作为鉴定结果。图5是一示例性实施例提供的一种设备的示意结构图。请参考图5，在硬件层面，该设备包括处理器502、内部总线504、网络接口506、内存508以及非易失性存储器510，当然还可能包括其他业务所需要的硬件。处理器502从非易失性存储器510中读取对应的计算机程序到内存508中然后运行，在逻辑层面上形成车辆事故的鉴定装置。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
请参考图6，在软件实施方式中，该车辆事故的鉴定装置可以包括：
图像获取单元61，获取车辆事故现场的图像数据；
结果确定单元62，确定鉴定结果，所述鉴定结果是通过将所述图像数据输入事故鉴定模型而得到的输出结果得到；所述事故鉴定模型由历史车辆事故现场的图像数据，以及所述历史车辆事故现场的事故鉴定信息训练得到。
可选的，所述结果确定单元62具体用于：
将所述图像数据输入所述事故鉴定模型，以将所述事故鉴定模型的输出结果作为所述鉴定结果；
或者，将所述图像数据发送至服务端以使所述服务端将所述图像数据输入所述事故鉴定模型，以及将所述服务端返回的输出结果作为所述鉴定结果。
可选的，还包括：
初始位置确定单元63，根据所述图像数据确定所述车辆事故现场与图像采集设备之间的初始相对位置关系；
移动状态确定单元64，确定所述图像采集设备的移动状态；
实时位置确定单元65，基于所述移动状态和所述初始相对位置关系，确定所述图像采集设备移动后与所述车辆事故现场的实时相对位置关系；
第一展示单元66，根据所述实时相对位置关系，在所述图像采集设备的拍摄界面中展示第一引导信息，以引导用户将所述图像采集设备移动至与标准相对位置关系相匹配的位置。
可选的，还包括：
方位获取单元67，获取图像采集设备对所述车辆事故现场的拍摄方位；
方位确定单元68，确定所述拍摄方位是否符合标准拍摄方位；
第二展示单元69，当所述拍摄方位不符合标准拍摄方位时，在所述图像采集设备的拍摄界面中展示第二引导信息，以引导用户将所述图像采集设备移动至所述标准拍摄方位处。
可选的，所述方位获取单元67具体用于：
获取所述图像采集设备拍摄所述车辆事故现场得到的实时图像数据；
将所述实时图像数据输入拍摄方位确定模型，所述拍摄方位确定模型由在预设拍摄方位下拍摄样本事故车辆得到的图像数据与所述预设拍摄方位的对应关系训练得到；
将所述拍摄方位确定模型的输出结果作为所述图像采集设备对所述车辆事故现场的拍摄方位。
可选的，所述第二展示单元69具体用于：
按照预定义的拍摄流程依次在所述拍摄界面中展示引导用户将所述图像采集设备移动至各个标准拍摄方位的第二引导信息；所述拍摄流程包括针对车辆事故现场中各个拍摄对象的标准拍摄方位，以及拍摄所述各个拍摄对象的顺序。
可选的，所述鉴定结果的参数包括以下至少之一：碰撞角度、碰撞前的行驶速度、损伤部位、损伤程度。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
在一个典型的配置中，计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。

Claims (13)

1.一种车辆事故的鉴定方法，包括：
获取车辆事故现场的图像数据，并根据所述图像数据确定所述车辆事故现场与图像采集设备之间的初始相对位置关系；
通过所述图像采集设备的陀螺仪和加速度计采集到的数据确定所述图像采集设备的移动状态，并基于所述移动状态和所述初始相对位置关系，确定所述图像采集设备移动后与所述车辆事故现场的实时相对位置关系；
根据所述实时相对位置关系，在所述图像采集设备的拍摄界面中展示第一引导信息，以引导用户将所述图像采集设备移动至与标准相对位置关系相匹配的位置；
确定鉴定结果，所述鉴定结果是通过将所述图像采集设备采集到的图像数据输入事故鉴定模型而得到的输出结果得到；所述事故鉴定模型由历史车辆事故现场的图像数据，以及所述历史车辆事故现场的事故鉴定信息训练得到。
2.根据权利要求1所述的方法，所述确定鉴定结果，包括：
将所述图像数据输入所述事故鉴定模型，以将所述事故鉴定模型的输出结果作为所述鉴定结果；
或者，将所述图像数据发送至服务端以使所述服务端将所述图像数据输入所述事故鉴定模型，以及将所述服务端返回的输出结果作为所述鉴定结果。
3.根据权利要求1所述的方法，还包括：
获取图像采集设备对所述车辆事故现场的拍摄方位；
确定所述拍摄方位是否符合标准拍摄方位；
当所述拍摄方位不符合标准拍摄方位时，在所述图像采集设备的拍摄界面中展示第二引导信息，以引导用户将所述图像采集设备移动至所述标准拍摄方位处。
4.根据权利要求3所述的方法，所述获取图像采集设备对所述车辆事故现场的拍摄方位，包括：
获取所述图像采集设备拍摄所述车辆事故现场得到的实时图像数据；
将所述实时图像数据输入拍摄方位确定模型，所述拍摄方位确定模型由在预设拍摄方位下拍摄样本事故车辆得到的图像数据与所述预设拍摄方位的对应关系训练得到；
将所述拍摄方位确定模型的输出结果作为所述图像采集设备对所述车辆事故现场的拍摄方位。
5.根据权利要求3所述的方法，所述在所述图像采集设备的拍摄界面中展示第二引导信息，包括：
按照预定义的拍摄流程依次在所述拍摄界面中展示引导用户将所述图像采集设备移动至各个标准拍摄方位的第二引导信息；所述拍摄流程包括针对车辆事故现场中各个拍摄对象的标准拍摄方位，以及拍摄所述各个拍摄对象的顺序。
6.根据权利要求1所述的方法，所述鉴定结果的参数包括以下至少之一：碰撞角度、碰撞前的行驶速度、损伤部位、损伤程度。
7.一种车辆事故的鉴定装置，包括：
图像获取单元，获取车辆事故现场的图像数据；
初始位置确定单元，根据所述图像数据确定所述车辆事故现场与图像采集设备之间的初始相对位置关系；
移动状态确定单元，通过所述图像采集设备的陀螺仪和加速度计采集到的数据确定所述图像采集设备的移动状态；
实时位置确定单元，基于所述移动状态和所述初始相对位置关系，确定所述图像采集设备移动后与所述车辆事故现场的实时相对位置关系；
第一展示单元，根据所述实时相对位置关系，在所述图像采集设备的拍摄界面中展示第一引导信息，以引导用户将所述图像采集设备移动至与标准相对位置关系相匹配的位置；
结果确定单元，确定鉴定结果，所述鉴定结果是通过将所述图像采集设备采集到的图像数据输入事故鉴定模型而得到的输出结果得到；所述事故鉴定模型由历史车辆事故现场的图像数据，以及所述历史车辆事故现场的事故鉴定信息训练得到。
8.根据权利要求7所述的装置，所述结果确定单元具体用于：
将所述图像数据输入所述事故鉴定模型，以将所述事故鉴定模型的输出结果作为所述鉴定结果；
或者，将所述图像数据发送至服务端以使所述服务端将所述图像数据输入所述事故鉴定模型，以及将所述服务端返回的输出结果作为所述鉴定结果。
9.根据权利要求7所述的装置，还包括：
方位获取单元，获取图像采集设备对所述车辆事故现场的拍摄方位；
方位确定单元，确定所述拍摄方位是否符合标准拍摄方位；
第二展示单元，当所述拍摄方位不符合标准拍摄方位时，在所述图像采集设备的拍摄界面中展示第二引导信息，以引导用户将所述图像采集设备移动至所述标准拍摄方位处。
10.根据权利要求9所述的装置，所述方位获取单元具体用于：
获取所述图像采集设备拍摄所述车辆事故现场得到的实时图像数据；
将所述实时图像数据输入拍摄方位确定模型，所述拍摄方位确定模型由在预设拍摄方位下拍摄样本事故车辆得到的图像数据与所述预设拍摄方位的对应关系训练得到；
将所述拍摄方位确定模型的输出结果作为所述图像采集设备对所述车辆事故现场的拍摄方位。
11.根据权利要求9所述的装置，所述第二展示单元具体用于：
按照预定义的拍摄流程依次在所述拍摄界面中展示引导用户将所述图像采集设备移动至各个标准拍摄方位的第二引导信息；所述拍摄流程包括针对车辆事故现场中各个拍摄对象的标准拍摄方位，以及拍摄所述各个拍摄对象的顺序。
12.根据权利要求7所述的装置，所述鉴定结果的参数包括以下至少之一：碰撞角度、碰撞前的行驶速度、损伤部位、损伤程度。
13.一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如权利要求1-6中任一项所述的方法。
CN201910171587.5A 2019-03-07 2019-03-07 车辆事故的鉴定方法及装置、电子设备 Active CN110033386B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910171587.5A CN110033386B (zh) 2019-03-07 2019-03-07 车辆事故的鉴定方法及装置、电子设备
TW108133384A TWI770420B (zh) 2019-03-07 2019-09-17 車輛事故的鑑定方法及裝置、電子設備
PCT/CN2020/070511 WO2020177480A1 (zh) 2019-03-07 2020-01-06 车辆事故的鉴定方法及装置、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910171587.5A CN110033386B (zh) 2019-03-07 2019-03-07 车辆事故的鉴定方法及装置、电子设备

Publications (2)

Publication Number Publication Date
CN110033386A CN110033386A (zh) 2019-07-19
CN110033386B true CN110033386B (zh) 2020-10-02

Family

ID=67235093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910171587.5A Active CN110033386B (zh) 2019-03-07 2019-03-07 车辆事故的鉴定方法及装置、电子设备

Country Status (3)

Country Link
CN (1) CN110033386B (zh)
TW (1) TWI770420B (zh)
WO (1) WO2020177480A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033386B (zh) * 2019-03-07 2020-10-02 阿里巴巴集团控股有限公司 车辆事故的鉴定方法及装置、电子设备
CN111079506A (zh) * 2019-10-11 2020-04-28 深圳壹账通智能科技有限公司 基于增强现实的信息采集方法、装置和计算机设备
CN110809088A (zh) * 2019-10-25 2020-02-18 广东以诺通讯有限公司 一种基于手机app的交通事故拍照方法及系统
CN110650292B (zh) * 2019-10-30 2021-03-02 支付宝(杭州)信息技术有限公司 辅助用户拍摄车辆视频的方法及装置
CN112434368A (zh) * 2020-10-20 2021-03-02 联保（北京）科技有限公司 一种图像采集方法、装置及存储介质
CN112492105B (zh) * 2020-11-26 2022-04-15 深源恒际科技有限公司 一种基于视频的车辆外观部件自助定损采集方法及系统
CN112465018B (zh) * 2020-11-26 2024-02-02 深源恒际科技有限公司 一种基于深度学习的车辆视频定损系统的智能截图方法及系统
CN114764979A (zh) * 2021-01-14 2022-07-19 大陆泰密克汽车系统（上海）有限公司 事故信息警示系统及方法、电子设备、存储介质
CN113255842B (zh) * 2021-07-05 2021-11-02 平安科技（深圳）有限公司 车辆置换预测方法、装置、设备及存储介质
CN114637438B (zh) * 2022-03-23 2024-05-07 支付宝(杭州)信息技术有限公司 基于ar的车辆事故处理方法及装置
CN114724373B (zh) * 2022-04-15 2023-06-27 地平线征程(杭州)人工智能科技有限公司 交通现场信息获取方法和装置、电子设备和存储介质
CN114715146B (zh) * 2022-05-09 2024-08-16 吉林大学 一种潜在碰撞事故严重程度预测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106373395A (zh) * 2016-09-20 2017-02-01 三星电子（中国）研发中心 行车事故的监控方法和装置
CN108629963A (zh) * 2017-03-24 2018-10-09 纵目科技（上海）股份有限公司 基于卷积神经网络的交通事故上报方法及系统、车载终端
WO2018196837A1 (zh) * 2017-04-28 2018-11-01 阿里巴巴集团控股有限公司 车辆定损图像获取方法、装置、服务器和终端设备
CN109325488A (zh) * 2018-08-31 2019-02-12 阿里巴巴集团控股有限公司 用于辅助车辆定损图像拍摄的方法、装置及设备
CN109344819A (zh) * 2018-12-13 2019-02-15 深源恒际科技有限公司 基于深度学习的车辆损伤识别方法
CN109359542A (zh) * 2018-09-18 2019-02-19 平安科技（深圳）有限公司 基于神经网络的车辆损伤级别的确定方法及终端设备

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8311283B2 (en) * 2008-07-06 2012-11-13 Automotive Research&Testing Center Method for detecting lane departure and apparatus thereof
US8510196B1 (en) * 2012-08-16 2013-08-13 Allstate Insurance Company Feedback loop in mobile damage assessment and claims processing
CN103646534B (zh) * 2013-11-22 2015-12-02 江苏大学 一种道路实时交通事故风险控制方法
CN103702029B (zh) * 2013-12-20 2017-06-06 百度在线网络技术（北京）有限公司 拍摄时提示对焦的方法及装置
US10089396B2 (en) * 2014-07-30 2018-10-02 NthGen Software Inc. System and method of a dynamic interface for capturing vehicle data
CN105719188B (zh) * 2016-01-22 2017-12-26 平安科技（深圳）有限公司 基于多张图片一致性实现保险理赔反欺诈的方法及服务器
CN107392218B (zh) * 2017-04-11 2020-08-04 创新先进技术有限公司 一种基于图像的车辆定损方法、装置及电子设备
CN111797689B (zh) * 2017-04-28 2024-04-16 创新先进技术有限公司 车辆定损图像获取方法、装置、服务器和客户端
CN110033386B (zh) * 2019-03-07 2020-10-02 阿里巴巴集团控股有限公司 车辆事故的鉴定方法及装置、电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106373395A (zh) * 2016-09-20 2017-02-01 三星电子（中国）研发中心 行车事故的监控方法和装置
CN108629963A (zh) * 2017-03-24 2018-10-09 纵目科技（上海）股份有限公司 基于卷积神经网络的交通事故上报方法及系统、车载终端
WO2018196837A1 (zh) * 2017-04-28 2018-11-01 阿里巴巴集团控股有限公司 车辆定损图像获取方法、装置、服务器和终端设备
CN109325488A (zh) * 2018-08-31 2019-02-12 阿里巴巴集团控股有限公司 用于辅助车辆定损图像拍摄的方法、装置及设备
CN109359542A (zh) * 2018-09-18 2019-02-19 平安科技（深圳）有限公司 基于神经网络的车辆损伤级别的确定方法及终端设备
CN109344819A (zh) * 2018-12-13 2019-02-15 深源恒际科技有限公司 基于深度学习的车辆损伤识别方法

Also Published As

Publication number Publication date
TWI770420B (zh) 2022-07-11
CN110033386A (zh) 2019-07-19
WO2020177480A1 (zh) 2020-09-10
TW202034270A (zh) 2020-09-16

Similar Documents

Publication Publication Date Title
CN110033386B (zh) 车辆事故的鉴定方法及装置、电子设备
EP3520045B1 (en) Image-based vehicle loss assessment method, apparatus, and system, and electronic device
KR102270499B1 (ko) 이미지 기반의 차량 손상 판정 방법과 장치, 및 전자기기
US10789786B2 (en) Picture-based vehicle loss assessment
JP6893564B2 (ja) ターゲット識別方法、装置、記憶媒体および電子機器
US20210056715A1 (en) Object tracking method, object tracking device, electronic device and storage medium
EP3637317A1 (en) Method and apparatus for generating vehicle damage information
US20200265239A1 (en) Method and apparatus for processing video stream
WO2018191421A1 (en) Image-based vehicle damage determining method, apparatus, and electronic device
CN111860352B (zh) 一种多镜头车辆轨迹全跟踪系统及方法
CN112989962B (zh) 轨迹生成方法、装置、电子设备及存储介质
CN112509047A (zh) 基于图像的位姿确定方法、装置、存储介质及电子设备
CN110660102A (zh) 基于人工智能的说话人识别方法及装置、系统
CN115049731B (zh) 一种基于双目摄像头的视觉建图和定位方法
CN111325088B (zh) 信息处理系统、记录介质以及信息处理方法
CN111753766A (zh) 一种图像处理方法、装置、设备及介质
CN113807150A (zh) 数据处理、姿态预测方法、设备及存储介质
CN111310595A (zh) 用于生成信息的方法和装置
CN114140497A (zh) 目标车辆3d实时追踪方法及系统
CN118230426B (zh) 人体姿态识别方法、设备和存储介质
CN110546677A (zh) 在应用相互关联规则挖掘的增强现实技术中支持军用装备维修的服务器、方法及可穿戴设备
US11521331B2 (en) Method and apparatus for generating position information, device, and medium
CN112927291B (zh) 三维物体的位姿确定方法、装置及电子设备和存储介质
US20240278791A1 (en) System and methods for detecting abnormal following vehicles
US20210095980A1 (en) Enhanced localization

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40010781

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20200922

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Patentee after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Patentee before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200922

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Patentee after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Patentee before: Alibaba Group Holding Ltd.

TR01 Transfer of patent right