CN111489433A - 车辆损伤定位的方法、装置、电子设备以及可读存储介质 - Google Patents

车辆损伤定位的方法、装置、电子设备以及可读存储介质 Download PDF

Info

Publication number
CN111489433A
CN111489433A CN202010090898.1A CN202010090898A CN111489433A CN 111489433 A CN111489433 A CN 111489433A CN 202010090898 A CN202010090898 A CN 202010090898A CN 111489433 A CN111489433 A CN 111489433A
Authority
CN
China
Prior art keywords
dimensional
damage
vehicle
coordinates
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
Application number
CN202010090898.1A
Other languages
English (en)
Other versions
CN111489433B (zh
Inventor
叶晓青
张伟
谭啸
孙昊
陈治
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
China Pacific Property Insurance Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
China Pacific Property Insurance Co 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 Beijing Baidu Netcom Science and Technology Co Ltd, China Pacific Property Insurance Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010090898.1A priority Critical patent/CN111489433B/zh
Publication of CN111489433A publication Critical patent/CN111489433A/zh
Application granted granted Critical
Publication of CN111489433B publication Critical patent/CN111489433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2004—Aligning objects, relative positioning of parts
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Technology Law (AREA)
  • Architecture (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种车辆损伤定位的方法、装置、电子设备以及可读存储介质，涉及智能定损技术领域。本申请在进行车辆损伤定位时所采用的实现方案为：获取目标车辆的多视角图像；根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标；获取各视角图像中损伤区域的三维坐标集合，并进行不同视角下损伤区域的一致性验证；从一致性验证结果中剔除未关联的损伤区域之后，得到所述目标车辆的损伤定位结果。本申请能够提升车辆损伤定位的准确性。

Description

车辆损伤定位的方法、装置、电子设备以及可读存储介质
技术领域
本申请涉及计算机视觉技术领域，尤其涉及智能定损技术领域中的一种车辆损伤定位的方法、装置、电子设备以及可读存储介质。
背景技术
当被保险的车辆发生交通事故时，保险公司会对车辆进行损伤定位。而现有技术通常采用人工核查或者计算机视觉的方式对车辆进行损伤定位。对于人工核查进行损伤定位的方式来说，其所需要的人力和时间成本较高；而对于计算机视觉进行损伤定位的方式来说，通常使用受损车辆的单张图像进行损伤定位，容易受到反光、阴影等因素的干扰，从而导致损伤定位的准确性较低。
发明内容
本申请为解决技术问题所采用的技术方案是提供一种车辆损伤定位的方法，所述方法包括：获取目标车辆的多视角图像；根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标；获取各视角图像中损伤区域的三维坐标集合，并进行不同视角下损伤区域的一致性验证；从一致性验证结果中剔除未关联的损伤区域之后，得到所述目标车辆的损伤定位结果。本申请能够提升车辆损伤定位的准确性。
根据本申请一优选实施例，所述根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标包括：将对应所述目标车辆的三维模型以及各视角图像输入预先训练得到的标注模型，根据所述标注模型的输出结果，分别确定各视角图像中车身像素的三维坐标。
根据本申请一优选实施例，所述根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标包括：根据三维模型中各三维点的坐标、相机的内参数以及外参数，将三维模型中的三维点投影到各视角图像中的车身像素；根据各车身像素对应的三维点到预设原点的距离与三维模型包围框大小的比值，对各三维点的坐标进行归一化处理；将各三维点的坐标的归一化处理结果，作为各视角图像中车身像素的三维坐标。
根据本申请一优选实施例，所述进行不同视角下损伤区域的一致性验证包括：根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域；将互相关联的损伤区域进行合并，得到不同视角下损伤区域的一致性验证结果。
根据本申请一优选实施例，所述根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域包括：通过不同损伤区域的三维坐标集合中各三维坐标之间的重合度以及连续性中的至少一种，确定互相关联的损伤区域。
根据本申请一优选实施例，在从一致性验证结果中剔除未关联的损伤区域之前，还包括：获取未关联的损伤区域所在的车身位置；根据所述车身位置以及识别得到该损伤区域图像的视角，确定该损伤区域的置信度；若所述置信度未满足预设条件，则执行所述从一致性验证结果中剔除该损伤区域的操作，否则不执行。
本申请为解决技术问题所采用的技术方案是提供一种车辆损伤定位的装置，所述装置包括：获取单元，用于获取目标车辆的多视角图像；确定单元，用于根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标；验证单元，用于获取各视角图像中损伤区域的三维坐标集合，并进行不同视角下损伤区域的一致性验证；处理单元，用于从一致性验证结果中剔除未关联的损伤区域之后，得到所述目标车辆的损伤定位结果。
根据本申请一优选实施例，所述确定单元在根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标时，具体执行：将对应所述目标车辆的三维模型以及各视角图像输入预先训练得到的标注模型，根据所述标注模型的输出结果，分别确定各视角图像中车身像素的三维坐标。
根据本申请一优选实施例，所述确定单元在根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标时，具体执行：根据三维模型中各三维点的坐标、相机的内参数以及外参数，将三维模型中的三维点投影到各视角图像中的车身像素；根据各车身像素对应的三维点到预设原点的距离与三维模型包围框大小的比值，对各三维点的坐标进行归一化处理；将各三维点的坐标的归一化处理结果，作为各视角图像中车身像素的三维坐标。
根据本申请一优选实施例，所述验证单元在进行不同视角下损伤区域的一致性验证时，具体执行：根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域；将互相关联的损伤区域进行合并，得到不同视角下损伤区域的一致性验证结果。
根据本申请一优选实施例，所述验证单元在根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域时，具体执行：通过不同损伤区域的三维坐标集合中各三维坐标之间的重合度以及连续性中的至少一种，确定互相关联的损伤区域。
根据本申请一优选实施例，所述处理单元在从一致性验证结果中剔除未关联的损伤区域之前，还执行：获取未关联的损伤区域所在的车身位置；根据所述车身位置以及识别得到该损伤区域图像的视角，确定该损伤区域的置信度；若所述置信度未满足预设条件，则执行所述从一致性验证结果中剔除该损伤区域的操作，否则不执行。
上述申请中的一个实施例具有如下优点或有益效果：本申请能够提升车辆损伤定位的准确性。因为采用了获取不同视角下损伤区域的三维坐标集合，然后进行不同视角下损伤区域的关联，从而将未关联的损伤区域作为误判结果进行剔除的技术手段，所以克服了现有技术中使用单幅图像进行损伤定位所容易导致的损伤误判的技术问题，从而实现提升车辆损伤定位的准确性的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例提供的一种车辆损伤定位的方法流程图；
图2是根据本申请第二实施例提供的一种车辆损伤定位的装置结构图；
图3是用来实现本申请实施例的车辆损伤定位的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1为本申请一实施例提供的一种车辆损伤定位的方法流程图，如图1中所示，所述方法包括：
在S101中，获取目标车辆的多视角图像。
在本步骤中，获取目标车辆的多视角图像。其中，本申请中的目标车辆为待定损车辆，因此本步骤所获取的多视角图像即为在不同视角下所拍摄的多幅待定损车辆的二维图像。
可以理解的是，本步骤所获取的多视角图像至少包含在两个不同视角下所拍摄的目标车辆的二维图像。其中，车辆的多视角可以包括车辆的前方视角、车辆的两侧视角以及车辆的后方视角；车辆的多视角还可以为拍摄车辆损伤区域时任意的不同视角。本申请对车辆的多视角不进行限定。
在S102中，根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标。
在本步骤中，首先获取与目标车辆对应的三维模型，然后根据该三维模型分别确定步骤S101所获取的不同视角图像中车身像素的三维坐标。也就是说，本步骤将三维模型的三维点投影到二维图像中的车身像素上，从而确定各视角图像中对应车身像素的三维坐标。
具体地，本步骤在根据对应目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标时，可以采用以下方式：将对应目标车辆的三维模型以及各视角图像输入预先训练得到的标注模型，根据标注模型的输出结果，分别确定各视角图像中车身像素的三维坐标。
其中，本步骤中的标注模型可以采用以下方式预先训练得到：获取车辆的三维模型、多视角图像以及与各视角图像对应的已标注车身像素的三维坐标的图像，作为训练数据；将三维模型以及各视角图像作为输入，将与各视角图像对应的已标注车身像素的三维坐标的图像作为输出，训练深度学习模型，得到标注模型。
利用本步骤训练得到的标注模型，能够根据所输入的三维模型以及车辆图像，输出已标注车身像素的三维坐标的图像。而为了能够更加清楚地显示不同的像素所在的车身位置，在训练标注模型时还可以使用不同的颜色来标记位于车身不同位置的像素。举例来说，若以车辆的右后方为原点，则距离原点越近的像素(三维坐标越小)的颜色越绿，而距离原点越远的像素(三维坐标越大)的颜色越红。
另外，本步骤在根据对应目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标时，还可以采用以下方式：根据三维模型中各三维点的坐标、相机的内参数以及外参数，将三维模型中的三维点投影到各视角图像中的车身像素；根据各车身像素对应的三维点到预设原点的距离与三维模型包围框大小的比值，对各三维点的坐标进行归一化处理，其中预设原点为三维模型右后方的点，三维模型包围框为能够包围三维模型的最小矩形框；将各三维点的坐标的归一化处理结果，作为各视角图像中车身像素的三维坐标。
因此，本步骤能够使得所获取的三维坐标更加规范标准，从而避免由于各视角图像的大小不一所引起的三维坐标的获取精度较低的问题，进一步提升所获取的车身像素的三维坐标的准确性。
在S103中，获取各视角图像中损伤区域的三维坐标集合，并进行不同视角下损伤区域的一致性验证。
在本步骤中，首先识别得到各视角图像中的损伤区域，然后根据步骤S102所确定的各视角图像中车身像素的三维坐标，获取各视角图像中损伤区域的三维坐标集合，进而根据各损伤区域的三维坐标集合进行不同视角下损伤区域的一致性验证。
其中，本步骤可以使用预先训练得到的损伤识别模型来识别各视角图像中的损伤区域，也可以通过比对各视角图像与标准图像的方式来识别各视角图像中的损伤区域，本申请对此不进行限定。
由于所获取的多视角图像对应于同一车辆，各视角图像中相同位置处的像素的三维坐标必然是相同的，因此车辆中同一损伤区域的三维坐标集合在不同视角图像中必然存在关联关系。因此，本步骤利用车身像素的三维坐标，能够对位于不同视角图像中的损伤区域进行关联，从而实现车辆损伤区域的一致性验证。
具体地，本步骤在进行不同视角下损伤区域的一致性验证时，可以采用以下方式：根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域；将互相关联的损伤区域进行合并，得到不同视角下损伤区域的一致性验证结果。也就是说，本步骤能够根据三维坐标来关联位于不同视角下的同一损伤区域，从而进一步提升车辆损伤定位的准确性。
其中，本步骤可以通过不同损伤区域的三维坐标集合中各三维坐标之间的重合度以及连续性中的至少一种，来确定互相关联的损伤区域。举例来说，若计算两个损伤区域的三维坐标之间的重合度超过预设阈值，则确定两个损伤区域之间互相关联，否则确定两个损伤区域不关联；若确定两个损伤区域的三维坐标之间具有连续性，则确定两个损伤区域之间互相关联，否则确定两个损伤区域不关联。
在S104中，从一致性验证结果中剔除未关联的损伤区域之后，得到所述目标车辆的损伤定位结果。
在本步骤中，从步骤S103所获取的一致性验证结果中剔除未关联的损伤区域之后，得到目标车辆的损伤定位结果，所得到的的损伤定位结果中仅包含在不同视角下能够互相关联的损伤区域。也就是说，在确定了不同视角下相同的损伤区域之后，本步骤将未关联的损伤区域作为误判的损伤区域进行剔除，从而获取更为准确的损伤定位结果。
在实际应用场景中，仍然存在未关联的损伤区域属于真实的损伤区域的情况，因此为了进一步确保所得到的的损伤定位结果中包含车辆全部的损伤区域，本步骤在从一致性验证结果中剔除未关联的损伤区域之前，还可以包含以下内容：获取未关联的损伤区域所在的车身位置；根据所获取的车身位置以及识别得到该损伤区域图像的视角，确定该损伤区域的置信度；若所确定的置信度未满足预设条件，则执行从一致性验证结果中剔除该损伤区域的操作，否则不执行。
其中，本步骤可以在所获取的车身位置位于识别得到该损伤区域图像的视角中时，将该损伤区域的置信度设置为1，否则设置为0；同时，本步骤中的预设条件可以为置信度为1，即在所确定的置信度为0时剔除该损伤区域，在所确定的置信度为1时保留该损伤区域。
举例来说，若未关联的损伤区域位于车门，若识别得到该损伤区域图像的视角为车辆车门的一侧，则本步骤可以将该损伤区域的置信度设置为1；若识别得到该损伤区域的图像的视角为车辆前方，则本步骤可以将该损伤区域的置信度设置为0。
因此，本申请通过获取不同视角下损伤区域的三维坐标集合，然后进行不同视角下损伤区域的关联，从而将未关联的损伤区域作为误判结果进行剔除，与使用单幅图像进行损伤定位相比，本申请能够减少由于反光、阴影等原因所引起的损伤误判，进一步提升车辆损伤定位的准确性。
图2为本申请一实施例提供的一种车辆损伤定位的装置结构图，如图2中所示，所述装置包括：获取单元201、确定单元202、验证单元203以及处理单元204。
获取单元201，用于获取目标车辆的多视角图像。
获取单元201获取目标车辆的多视角图像。其中，本申请中的目标车辆为待定损车辆，因此获取单元201所获取的多视角图像即为在不同视角下所拍摄的多幅待定损车辆的二维图像。
可以理解的是，获取单元201所获取的多视角图像至少包含在两个不同视角下所拍摄的目标车辆的二维图像。其中，车辆的多视角可以包括车辆的前方视角、车辆的两侧视角以及车辆的后方视角；车辆的多视角还可以为拍摄车辆损伤区域时任意的不同视角。
确定单元202，用于根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标。
确定单元202首先获取与目标车辆对应的三维模型，然后根据该三维模型分别确定获取单元201所获取的不同视角图像中车身像素的三维坐标。也就是说，确定单元202将三维模型的三维点投影到二维图像中的车身像素上，从而确定各视角图像中对应车身像素的三维坐标。
具体地，确定单元202在根据对应目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标时，可以采用以下方式：将对应目标车辆的三维模型以及各视角图像输入预先训练得到的标注模型，根据标注模型的输出结果，分别确定各视角图像中车身像素的三维坐标。
其中，确定单元202所使用的的标注模型可以采用以下方式预先训练得到：获取车辆的三维模型、多视角图像以及与各视角图像对应的已标注车身像素的三维坐标的图像，作为训练数据；将三维模型以及各视角图像作为输入，将与各视角图像对应的已标注车身像素的三维坐标的图像作为输出，训练深度学习模型，得到标注模型。
利用预先训练得到的标注模型，确定单元202能够根据所输入的三维模型以及车辆图像，输出已标注车身像素的三维坐标的图像。而为了能够更加清楚地显示不同的像素所在的车身位置，在训练标注模型时还可以使用不同的颜色来标记位于车身不同位置的像素。
另外，确定单元202在根据对应目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标时，还可以采用以下方式：根据三维模型中各三维点的坐标、相机的内参数以及外参数，将三维模型中的三维点投影到各视角图像中的车身像素；根据各车身像素对应的三维点到预设原点的距离与三维模型包围框大小的比值，对各三维点的坐标进行归一化处理，其中预设原点为三维模型右后方的点，三维模型包围框为能够包围三维模型的最小矩形框；将各三维点的坐标的归一化处理结果，作为各视角图像中车身像素的三维坐标。
因此，确定单元202能够使得所获取的三维坐标更加规范标准，从而避免由于各视角图像的大小不一所引起的三维坐标的获取精度较低的问题，进一步提升所获取的车身像素的三维坐标的准确性。
验证单元203，用于获取各视角图像中损伤区域的三维坐标集合，并进行不同视角下损伤区域的一致性验证。
验证单元203首先识别得到各视角图像中的损伤区域，然后根据确定单元202所确定的各视角图像中车身像素的三维坐标，获取各视角图像中损伤区域的三维坐标集合，进而根据各损伤区域的三维坐标集合进行不同视角下损伤区域的一致性验证。
其中，验证单元203可以使用预先训练得到的损伤识别模型来识别各视角图像中的损伤区域，也可以通过比对各视角图像与标准图像的方式来识别各视角图像中的损伤区域，本申请对此不进行限定。
由于所获取的多视角图像对应于同一车辆，各视角图像中相同位置处的像素的三维坐标必然是相同的，因此车辆中同一损伤区域的三维坐标集合在不同视角图像中必然存在关联关系。因此，验证单元203利用车身像素的三维坐标，能够对位于不同视角图像中的损伤区域进行关联，从而实现车辆损伤区域的一致性验证。
具体地，验证单元203在进行不同视角下损伤区域的一致性验证时，可以采用以下方式：根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域；将互相关联的损伤区域进行合并，得到不同视角下损伤区域的一致性验证结果。也就是说，本步骤能够根据三维坐标来关联位于不同视角下的同一损伤区域，从而进一步提升车辆损伤定位的准确性。
其中，验证单元203可以通过不同损伤区域的三维坐标集合中各三维坐标之间的重合度以及连续性中的至少一种，来确定互相关联的损伤区域。
处理单元204，用于从一致性验证结果中剔除未关联的损伤区域之后，得到所述目标车辆的损伤定位结果。
处理单元204从验证单元203所获取的一致性验证结果中剔除未关联的损伤区域之后，得到目标车辆的损伤定位结果，所得到的的损伤定位结果中仅包含在不同视角下能够互相关联的损伤区域。也就是说，在确定了不同视角下相同的损伤区域之后，处理单元204将未关联的损伤区域作为误判的损伤区域进行剔除，从而获取更为准确的损伤定位结果。
在实际应用场景中，仍然存在未关联的损伤区域属于真实的损伤区域的情况，因此为了进一步确保所得到的的损伤定位结果中包含车辆全部的损伤区域，处理单元204在从一致性验证结果中剔除未关联的损伤区域之前，还可以包含以下内容：获取未关联的损伤区域所在的车身位置；根据所获取的车身位置以及识别得到该损伤区域图像的视角，确定该损伤区域的置信度；若所确定的置信度未满足预设条件，则执行从一致性验证结果中剔除该损伤区域的操作，否则不执行。
其中，处理单元204可以在所获取的车身位置位于识别得到该损伤区域图像的视角中时，将该损伤区域的置信度设置为1，否则设置为0；同时，处理单元204中的预设条件可以为置信度为1，即在所确定的置信度为0时剔除该损伤区域，在所确定的置信度为1时保留该损伤区域。
根据本申请的实施例，本申请还提供了一种电子设备和一种计算机可读存储介质。
如图3所示，是根据本申请实施例的车辆损伤定位的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图3所示，该电子设备包括：一个或多个处理器301、存储器302，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图3中以一个处理器301为例。
存储器302即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆损伤定位的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车辆损伤定位的方法。
存储器302作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车辆损伤定位的方法对应的程序指令/模块(例如，附图2所示的获取单元201、确定单元202、验证单元203以及处理单元204)。处理器301通过运行存储在存储器302中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆损伤定位的方法。
存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据的电子设备的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至车辆损伤定位的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
车辆损伤定位的方法的电子设备还可以包括：输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图3中以通过总线连接为例。
输入装置303可接收输入的数字或字符信息，以及产生与车辆损伤定位的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置304可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过获取不同视角下损伤区域的三维坐标集合，然后进行不同视角下损伤区域的关联，从而将未关联的损伤区域作为误判结果进行剔除，与使用单幅图像进行损伤定位相比，本申请能够减少由于反光、阴影等原因所引起的损伤误判，进一步提升车辆损伤定位的准确性。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种车辆损伤定位的方法，其特征在于，包括：
获取目标车辆的多视角图像；
根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标；
获取各视角图像中损伤区域的三维坐标集合，并进行不同视角下损伤区域的一致性验证；
从一致性验证结果中剔除未关联的损伤区域之后，得到所述目标车辆的损伤定位结果。
2.根据权利要求1所述的方法，其特征在于，所述根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标包括：
将对应所述目标车辆的三维模型以及各视角图像输入预先训练得到的标注模型，根据所述标注模型的输出结果，分别确定各视角图像中车身像素的三维坐标。
3.根据权利要求1所述的方法，其特征在于，所述根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标包括：
根据三维模型中各三维点的坐标、相机的内参数以及外参数，将三维模型中的三维点投影到各视角图像中的车身像素；
根据各车身像素对应的三维点到预设原点的距离与三维模型包围框大小的比值，对各三维点的坐标进行归一化处理；
将各三维点的坐标的归一化处理结果，作为各视角图像中车身像素的三维坐标。
4.根据权利要求1所述的方法，其特征在于，所述进行不同视角下损伤区域的一致性验证包括：
根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域；
将互相关联的损伤区域进行合并，得到不同视角下损伤区域的一致性验证结果。
5.根据权利要求4所述的方法，其特征在于，所述根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域包括：
通过不同损伤区域的三维坐标集合中各三维坐标之间的重合度以及连续性中的至少一种，确定互相关联的损伤区域。
6.根据权利要求1所述的方法，其特征在于，在从一致性验证结果中剔除未关联的损伤区域之前，还包括：
获取未关联的损伤区域所在的车身位置；
根据所述车身位置以及识别得到该损伤区域图像的视角，确定该损伤区域的置信度；
若所述置信度未满足预设条件，则执行所述从一致性验证结果中剔除该损伤区域的操作，否则不执行。
7.一种车辆损伤定位的装置，其特征在于，包括：
获取单元，用于获取目标车辆的多视角图像；
确定单元，用于根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标；
验证单元，用于获取各视角图像中损伤区域的三维坐标集合，并进行不同视角下损伤区域的一致性验证；
处理单元，用于从一致性验证结果中剔除未关联的损伤区域之后，得到所述目标车辆的损伤定位结果。
8.根据权利要求7所述的装置，其特征在于，所述确定单元在根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标时，具体执行：
将对应所述目标车辆的三维模型以及各视角图像输入预先训练得到的标注模型，根据所述标注模型的输出结果，分别确定各视角图像中车身像素的三维坐标。
9.根据权利要求7所述的装置，其特征在于，所述确定单元在根据对应所述目标车辆的三维模型，分别确定各视角图像中车身像素的三维坐标时，具体执行：
根据三维模型中各三维点的坐标、相机的内参数以及外参数，将三维模型中的三维点投影到各视角图像中的车身像素；
根据各车身像素对应的三维点到预设原点的距离与三维模型包围框大小的比值，对各三维点的坐标进行归一化处理；
将各三维点的坐标的归一化处理结果，作为各视角图像中车身像素的三维坐标。
10.根据权利要求7所述的装置，其特征在于，所述验证单元在进行不同视角下损伤区域的一致性验证时，具体执行：
根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域；
将互相关联的损伤区域进行合并，得到不同视角下损伤区域的一致性验证结果。
11.根据权利要求10所述的装置，其特征在于，所述验证单元在根据损伤区域的三维坐标集合中的各三维坐标，确定互相关联的损伤区域时，具体执行：
通过不同损伤区域的三维坐标集合中各三维坐标之间的重合度以及连续性中的至少一种，确定互相关联的损伤区域。
12.根据权利要求7所述的装置，其特征在于，所述处理单元在从一致性验证结果中剔除未关联的损伤区域之前，还执行：
获取未关联的损伤区域所在的车身位置；
根据所述车身位置以及识别得到该损伤区域图像的视角，确定该损伤区域的置信度；
若所述置信度未满足预设条件，则执行所述从一致性验证结果中剔除该损伤区域的操作，否则不执行。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
CN202010090898.1A 2020-02-13 2020-02-13 车辆损伤定位的方法、装置、电子设备以及可读存储介质 Active CN111489433B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010090898.1A CN111489433B (zh) 2020-02-13 2020-02-13 车辆损伤定位的方法、装置、电子设备以及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010090898.1A CN111489433B (zh) 2020-02-13 2020-02-13 车辆损伤定位的方法、装置、电子设备以及可读存储介质

Publications (2)

Publication Number Publication Date
CN111489433A true CN111489433A (zh) 2020-08-04
CN111489433B CN111489433B (zh) 2023-04-25

Family

ID=71794401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010090898.1A Active CN111489433B (zh) 2020-02-13 2020-02-13 车辆损伤定位的方法、装置、电子设备以及可读存储介质

Country Status (1)

Country Link
CN (1) CN111489433B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112287905A (zh) * 2020-12-18 2021-01-29 德联易控科技(北京)有限公司 车辆损伤识别方法、装置、设备及存储介质
CN113642565A (zh) * 2021-10-15 2021-11-12 腾讯科技（深圳）有限公司 对象检测方法、装置、设备及计算机可读存储介质

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040148188A1 (en) * 2001-05-02 2004-07-29 Tateo Uegaki System and method for recognizing damaged portions of vehichle after accident
JP2006350744A (ja) * 2005-06-16 2006-12-28 Broadleaf:Kk 損傷車両画像作成システム及びこれを用いて構築された車両修理費見積システム。
US20110218825A1 (en) * 2010-03-03 2011-09-08 International Business Machines Corporation Three-dimensional interactive vehicle damage claim interface
WO2014154194A1 (de) * 2013-03-26 2014-10-02 API - Automotive Process Institute GmbH Verfahren zur bestimmung einer beschädigung eines fahrzeugs
CN105719188A (zh) * 2016-01-22 2016-06-29 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
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
US20170221151A1 (en) * 2016-02-01 2017-08-03 290 Auto Body Inc. Method and tool for identifying and categorizing damage for motor vehicles
US9824453B1 (en) * 2015-10-14 2017-11-21 Allstate Insurance Company Three dimensional image scan for vehicle
CN107403424A (zh) * 2017-04-11 2017-11-28 阿里巴巴集团控股有限公司 一种基于图像的车辆定损方法、装置及电子设备
US9886771B1 (en) * 2016-05-20 2018-02-06 Ccc Information Services Inc. Heat map of vehicle damage
CN107730485A (zh) * 2017-08-03 2018-02-23 上海壹账通金融科技有限公司 车辆定损方法、电子设备及计算机可读存储介质
CN108154531A (zh) * 2018-01-03 2018-06-12 深圳北航新兴产业技术研究院 一种计算体表损伤区域面积的方法和装置
CN108171708A (zh) * 2018-01-24 2018-06-15 北京威远图易数字科技有限公司 车辆定损方法与系统
CN108364253A (zh) * 2018-03-15 2018-08-03 北京威远图易数字科技有限公司 车辆定损方法、系统以及电子设备
CN108446618A (zh) * 2018-03-09 2018-08-24 平安科技（深圳）有限公司 车辆定损方法、装置、电子设备及存储介质
US20180260793A1 (en) * 2016-04-06 2018-09-13 American International Group, Inc. Automatic assessment of damage and repair costs in vehicles
CN108632530A (zh) * 2018-05-08 2018-10-09 阿里巴巴集团控股有限公司 一种车辆定损的数据处理方法、装置、处理设备及客户端
CN108734702A (zh) * 2018-04-26 2018-11-02 平安科技（深圳）有限公司 车损判定方法、服务器及存储介质
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
CN109359676A (zh) * 2018-10-08 2019-02-19 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
CN109410270A (zh) * 2018-09-28 2019-03-01 百度在线网络技术（北京）有限公司 一种定损方法、设备和存储介质
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
CN110147719A (zh) * 2019-04-09 2019-08-20 平安科技（深圳）有限公司 车辆定损方法、装置、计算机设备及存储介质
CN110674788A (zh) * 2019-10-09 2020-01-10 北京百度网讯科技有限公司 车辆定损方法和装置
CN113379824A (zh) * 2021-06-10 2021-09-10 浙江大学 一种基于双视角点云配准的类圆形水果纵横径测量方法

Patent Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040148188A1 (en) * 2001-05-02 2004-07-29 Tateo Uegaki System and method for recognizing damaged portions of vehichle after accident
JP2006350744A (ja) * 2005-06-16 2006-12-28 Broadleaf:Kk 損傷車両画像作成システム及びこれを用いて構築された車両修理費見積システム。
US20110218825A1 (en) * 2010-03-03 2011-09-08 International Business Machines Corporation Three-dimensional interactive vehicle damage claim interface
WO2014154194A1 (de) * 2013-03-26 2014-10-02 API - Automotive Process Institute GmbH Verfahren zur bestimmung einer beschädigung eines fahrzeugs
US9824453B1 (en) * 2015-10-14 2017-11-21 Allstate Insurance Company Three dimensional image scan for vehicle
CN105719188A (zh) * 2016-01-22 2016-06-29 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
US20180182039A1 (en) * 2016-01-22 2018-06-28 Ping An Technology (Shenzhen) Co., Ltd. Method, system, apparatus, and storage medium for realizing antifraud in insurance claim based on consistency of multiple images
US20170221151A1 (en) * 2016-02-01 2017-08-03 290 Auto Body Inc. Method and tool for identifying and categorizing damage for motor vehicles
US20180260793A1 (en) * 2016-04-06 2018-09-13 American International Group, Inc. Automatic assessment of damage and repair costs in vehicles
US9886771B1 (en) * 2016-05-20 2018-02-06 Ccc Information Services Inc. Heat map of vehicle damage
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
CN107403424A (zh) * 2017-04-11 2017-11-28 阿里巴巴集团控股有限公司 一种基于图像的车辆定损方法、装置及电子设备
CN107730485A (zh) * 2017-08-03 2018-02-23 上海壹账通金融科技有限公司 车辆定损方法、电子设备及计算机可读存储介质
CN108154531A (zh) * 2018-01-03 2018-06-12 深圳北航新兴产业技术研究院 一种计算体表损伤区域面积的方法和装置
CN108171708A (zh) * 2018-01-24 2018-06-15 北京威远图易数字科技有限公司 车辆定损方法与系统
CN108446618A (zh) * 2018-03-09 2018-08-24 平安科技（深圳）有限公司 车辆定损方法、装置、电子设备及存储介质
CN108364253A (zh) * 2018-03-15 2018-08-03 北京威远图易数字科技有限公司 车辆定损方法、系统以及电子设备
CN108734702A (zh) * 2018-04-26 2018-11-02 平安科技（深圳）有限公司 车损判定方法、服务器及存储介质
CN108632530A (zh) * 2018-05-08 2018-10-09 阿里巴巴集团控股有限公司 一种车辆定损的数据处理方法、装置、处理设备及客户端
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
CN109410270A (zh) * 2018-09-28 2019-03-01 百度在线网络技术（北京）有限公司 一种定损方法、设备和存储介质
CN109359676A (zh) * 2018-10-08 2019-02-19 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
CN110147719A (zh) * 2019-04-09 2019-08-20 平安科技（深圳）有限公司 车辆定损方法、装置、计算机设备及存储介质
CN110674788A (zh) * 2019-10-09 2020-01-10 北京百度网讯科技有限公司 车辆定损方法和装置
CN113379824A (zh) * 2021-06-10 2021-09-10 浙江大学 一种基于双视角点云配准的类圆形水果纵横径测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴尧: "基于深度学习的汽车外观损伤智能定损系统" *
赵子豪: "基于图像识别的车辆智能定损应用研究" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112287905A (zh) * 2020-12-18 2021-01-29 德联易控科技(北京)有限公司 车辆损伤识别方法、装置、设备及存储介质
CN113642565A (zh) * 2021-10-15 2021-11-12 腾讯科技（深圳）有限公司 对象检测方法、装置、设备及计算机可读存储介质
CN113642565B (zh) * 2021-10-15 2022-02-11 腾讯科技（深圳）有限公司 对象检测方法、装置、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN111489433B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN110322500B (zh) 即时定位与地图构建的优化方法及装置、介质和电子设备
US11842438B2 (en) Method and terminal device for determining occluded area of virtual object
EP3869399A2 (en) Vehicle information detection method and apparatus, electronic device, storage medium and program
US9710109B2 (en) Image processing device and image processing method
CN111860319B (zh) 车道线的确定方法、定位精度的评测方法、装置、设备
US20210272306A1 (en) Method for training image depth estimation model and method for processing image depth information
US20150146964A1 (en) Inspection apparatus, method, and computer program product for machine vision inspection
CN110349212B (zh) 即时定位与地图构建的优化方法及装置、介质和电子设备
CN112652016A (zh) 点云预测模型的生成方法、位姿估计方法及其装置
US9613404B2 (en) Image processing method, image processing apparatus and electronic device
CN111612852A (zh) 用于验证相机参数的方法和装置
CN108090486B (zh) 一种台球比赛中的图像处理方法及装置
CN113537374B (zh) 一种对抗样本生成方法
CN112509058B (zh) 外参的计算方法、装置、电子设备和存储介质
CN111275827B (zh) 基于边缘的增强现实三维跟踪注册方法、装置和电子设备
CN111489433A (zh) 车辆损伤定位的方法、装置、电子设备以及可读存储介质
CN111753739A (zh) 物体检测方法、装置、设备以及存储介质
US11544839B2 (en) System, apparatus and method for facilitating inspection of a target object
CN110673607B (zh) 动态场景下的特征点提取方法、装置、及终端设备
CN113610967B (zh) 三维点检测的方法、装置、电子设备及存储介质
CN113902932A (zh) 特征提取方法、视觉定位方法及装置、介质和电子设备
CN111369571B (zh) 三维物体位姿准确性判断方法、装置及电子设备
CN111223139B (zh) 目标定位方法及终端设备
CN114356739B (zh) 车载手机互联系统性能测试方法、装置、设备及存储介质
CN114429631B (zh) 三维对象检测方法、装置、设备以及存储介质

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