CN113762371A - 配件间匹配关系的确定方法、装置、设备及介质 - Google Patents
配件间匹配关系的确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113762371A CN113762371A CN202111007290.9A CN202111007290A CN113762371A CN 113762371 A CN113762371 A CN 113762371A CN 202111007290 A CN202111007290 A CN 202111007290A CN 113762371 A CN113762371 A CN 113762371A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- accessory
- accessories
- matching
- matching relationship
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 description 29
- 238000012545 processing Methods 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012163 sequencing technique Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术，公开了一种配件间匹配关系的确定方法、装置、设备及介质，该方法包括：获取与各车辆分别对应的三维模型库，其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型；根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中。本发明实施例的技术方案，根据不同车辆的车辆配件的配件三维模型间的相似度，确定具有匹配关系的车辆配件，可以实现对配件间匹配关系的准确确定，提升车辆配件匹配关系的获取效率。
Description
技术领域
本发明实施例涉及人工智能技术领域，尤其涉及一种配件间匹配关系的确定方法、装置、设备及介质。
背景技术
随着车辆行业的发展，车辆品牌、车系和车型日益增多，车辆配件的SKU(汽配数据)种类也日渐繁杂，目前国内车辆配件SKU种类已超5000万。面对如此高的车辆配件SKU复杂度，在电子汽配商城中进行配件检索及可替换配件寻找变得越来越麻烦。
发明人在实现本发明的过程中发现，现有的配件检索和可替换配件查找存在如下缺陷：1、只能通过配件名称、配件OE码进行配件检索，检索方式少；2、车辆配件检索只能通过车辆识别号码(Vehicle Identification Number，VIN)解析，或者输入车型进行车型适配的配件检索；3、车辆配件数量和种类较多，且配件还分为原厂件、品牌件、再造件和事故件等多类，不同分类配件可替换使用，在维修需要更换零件时，很难全面查找到合适的可替换配件。
发明内容
本发明实施例提供一种配件间匹配关系的确定方法、装置、设备及介质，提供了一种不同车辆的车辆配件间匹配关系的高效确认或者替换配件的高效检索方式，提升了替换配件的查找效率，实现了对可替换配件的全面查找。
第一方面，本发明实施例提供了一种配件间匹配关系的确定方法，包括：
获取与各车辆分别对应的三维模型库，其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型；
根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中；
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
第二方面，本发明实施例还提供了一种配件间匹配关系的确定装置，包括：
三维模型库获取模块，用于获取与各车辆分别对应的三维模型库，其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型；
匹配关系组存储模块，用于根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中；
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
处理器；存储装置，用于存储计算机程序；
所述处理器执行所述计算机程序时实现本发明任意实施例提供的配件间匹配关系的确定方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的配件间匹配关系的确定方法。
本发明实施例提供的技术方案，通过获取不同车辆分别对应的三维模型库，并根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成多个匹配关系组存储于配件间匹配关系表中，实现了对不同车辆间的车辆配件间的匹配关系的准确确定，且根据各车辆配件的配件三维模型之间的相似度，确定各车辆配件是否匹配，实现了车辆配件的自动匹配，提升了配件间匹配关系的确定效率。
附图说明
图1是本发明一实施例提供的一种配件间匹配关系的确定方法的流程图；
图2是本发明另一实施例中的一种配件间匹配关系的确定方法的流程图；
图3是本发明另一实施例中的一种配件间匹配关系的确定方法的流程图；
图4是本发明另一实施例中的一种配件间匹配关系的确定装置的结构示意图；
图5是本发明另一实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
图1为本发明一实施例提供的一种配件间匹配关系的确定方法的流程图，本发明实施例可适用于根据不同车辆的各车辆配件的配件三维模型的相似度，确定车辆配件间的匹配关系；该方法可以由配件间匹配关系的确定装置来执行，该装置可由硬件和/或软件组成，并一般可集成在电子设备中，典型的，可以集成在电子汽配商城的服务器中。如图1所示，该方法具体包括如下步骤：
S110、获取与各车辆分别对应的三维模型库。
其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型；三维模型，是指在虚拟三维空间中构建的，与实际物体的三维数据对应的立体模型。
在本实施例中，可以预先获取隶属于不同车辆的各车辆配件的三维模型数据，并通过三维建模工具(例如，3DMAX、SoftImage和AutoCAD等)，根据各车辆配件的三维模型数据，构建各车辆配件对应的配件三维模型。根据车辆配件和车辆之间的隶属关系，建立与每个车辆分别对应的三维模型库。
此外，如果预先建立有各车辆对应的三维模型库，可以直接读取与各车辆分别对应的三维模型库。
S120、根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中。
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
具体的，在获取到各车辆配件的配件三维模型后，分别计算属于不同车辆的车辆配件的配件三维模型之间的相似度，如果检测到当前处理的两个配件三维模型之间的相似度非常高(例如，大于或者等于99％)，则可以认为当前的两个配件三维模型对应的车辆配件之间存在匹配关系。在完成对全部车辆的车辆配件间的匹配关系的确认后，根据存在匹配关系的车辆配件，形成一个匹配关系组，以获取多个匹配关系组存储于配件间匹配关系表。
可以理解的是，各匹配关系组中的各车辆配件可以包括所属车辆的品牌、型号与车辆配件名称或标识，可以便于用户对具有匹配关系的车辆配件对应车辆品牌和型号的了解。
其中，计算不同配件三维模型之间的相似度的方式可以包括：获取待比对的配件三维模型1和配件三维模型2在多个视角(例如，正视视角、侧视视角和俯视视角等)下的二维图像，以将各配件三维模型在不同视角下进行降维处理(三维转二维)；分别获取上述配件三维模型1和配件三维模型2在各相同视角下的两个二维图像，通过计算图像相似度(例如，直方图匹配或者矩阵分解等)的方式，计算得到两张二维图像在同一视角下的局部视角相似度，进而，在得到与不同视角分别对应的多个局部视角相似度后，可以采取对各局部视角相似度进行加权求和的方式，计算得到三维模型1和配件三维模型2之间的相似度。
或者，还可以首先获取多个训练样本，在每个训练样本中包括：两个三维模型，并预先标注有上述两个三维模型之间的相似度。之后，通过使用上述多个训练样本对设定的机器学习模型进行训练，可以得到一个三维模型的相似度识别模型。典型的，该机器学习模型可以为三维点云网络(PointNet网络)。
其中，PointNet1是斯坦福大学研究人员提出的一个点云处理网络，这一网络可以直接输入无序点云进行处理，而无序将数据处理成规则的3D形式进行处理，并输出所需的处理结果。
相应的，在计算不同配件三维模型之间的相似度时，可以将上述两个配件三维模型的三维点云数据作为输入，提供给所述三维模型的相似度识别模型，进而可以获取该三维模型的相似度识别模型计算得到的，上述两个配件三维模型之间的相似度。
在本实施例的一个可选的实施方式中，当存在新的车辆品牌或型号上市时，获取新型车辆的所有车辆配件的配件三维模型，并分别计算新型车辆与全部已存车辆的车辆配件的配件三维模型之间的相似度，如果检测到相似度大于或者等于预设相似度阈值，则将当前处理的配件三维模型对应的新型车辆的车辆配件，添加至已存车辆的对应车辆配件所在的匹配关系组中，实现对配件间匹配关系表的扩充。
在本实施例的一个可选的实施方式中，在根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中之后，还可以包括：
获取电子配件商城的交易数据、维修厂的维修订单数据和购买订单数据中的至少一项；根据所述交易数据、维修订单数据和购买订单数据中的至少一项，对所述配件间匹配关系表中存储的匹配关系组进行追加或者更新。
可以理解的是，电子配件商城的交易数据、维修厂的维修订单数据和购买订单数据中，记录有用户针对破损车辆配件所选择和使用的替换车辆配件，而破损车辆配件和替换车辆配件之间存在匹配关系。由此，获取电子配件商城的交易数据、维修厂的维修订单数据和购买订单数据，并对各类型数据进行读取，以获取多个匹配关系组。
进一步的，分别根据每个当前获取的匹配关系组中各车辆配件，在各已存的匹配关系组中进行匹配查找；如果检测到对应的已存匹配关系组中仅包括当前获取的匹配关系组中的部分车辆配件，则将当前获取的匹配关系组中的其他车辆配件添加至对应的已存匹配关系组中，完成对已存匹配关系组的更新；而如果未检测到对应的已存匹配关系组，则将当前获取的匹配关系组添加至匹配关系表中，完成对已存匹配关系组的追加存储。
在本实施例的另一个可选的实施方式中，在根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中之后，还可以包括：
获取与各车辆分别对应的原厂车辆配件库，根据所述配件间匹配关系表，对各车辆的所述原厂车辆配件库进行扩充，形成与各车辆分别对应的扩充车辆配件库。
其中，原厂车辆配件库中包括隶属于车辆的各原厂车辆配件，可以基于各车辆包括的原厂车辆配件预先构建；扩充车辆配件库中包括：车辆的原厂车辆配件，以及与至少一个原厂车辆配件具有替换关系的其他车辆配件。
具体的，获取各车辆对应的原厂车辆配件库中的原厂车辆配件，并根据各原厂车辆配件，进行对应匹配关系组的查找，以获取包括原厂车辆配件的匹配关系组；每个匹配关系组中包括一个原厂车辆配件，和多个与当前原厂车辆配件具有替换关系的其他车辆配件。进一步的，根据查找到的匹配关系组结合原厂车辆配件库，生成原厂车辆配件库对应的扩充车辆配件库。
可以理解的是，由于车型的不断迭代更新，对于生产时间较久的车型，可能其对应的原厂车辆配件已经停产，此时必须使用可替换的其他车辆配件；或者，用户可能对车辆具有改装需求(例如，更换保险杠或轮胎等)。在本实施例中，通过匹配关系表对各车辆的原厂车辆配件库进行扩充，获取各车辆对应的扩充车辆配件库，使得用户在有车辆配件更换需求时，可以利用扩充车辆配件库，查找与当前原厂车辆配件具有替换关系的其他车辆配件，可以实现对可替换车辆配件的全面查找，同时可以满足用户日益增长的个性化需求。
本发明实施例提供的技术方案，通过获取不同车辆分别对应的三维模型库，并根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成多个匹配关系组存储于配件间匹配关系表中，实现了对不同车辆间的车辆配件间的匹配关系的准确确定，且根据各车辆配件的配件三维模型之间的相似度，确定各车辆配件是否匹配，实现了车辆配件的自动匹配，提升了配件间匹配关系的确定效率。
本发明又一实施例提供了一种配件间匹配关系的确定方法，本实施例以上述实施例为基础，具体介绍在获取与各车辆分别对应的三维模型库之前，预先建立与每个车辆分别对应的三维模型库。
图2为本发明又一实施例提供的配件间匹配关系的确定方法的流程图，本实施例以上述技术方案为基础，提供了一种配件间匹配关系的确定方法，该方法包括：
S210、获取车辆和车辆配件制造商提供的产品设计稿，所述产品设计稿中包括车辆设计稿和车辆配件设计稿。
其中，车辆和车辆配件制造商，为车辆和车辆配件的设计和生产厂家；产品设计稿，是指利用各种线条绘制的，用于说明产品造型及结构的平面或立体图案；在本实施例中，产品设计稿，具体包括车辆和车辆配件的设计稿。车辆配件，包括构成车辆整体的各单元(例如，发动机和传动系统等)，以及服务于车辆配件加工的产品(例如，打气泵、形式记录仪以及车辆内饰等)。
S220、根据所述产品设计稿中包括的产品外形设计参数，形成各产品的三维模型数据，并根据所述三维模型数据，构建各车辆的车辆三维模型，以及与各车辆配件对应的配件三维模型。
可以理解的是，车辆原厂或者车辆配件厂在制造出车辆成品或者各种车辆配件时，一定会有非常详尽的产品设计稿；在该产品设计稿中，详细记录有各产品的各项外形设计参数。通过获取车辆和车辆配件的产品设计稿，并对上述产品设计稿中的各项外形设计参数进行解析处理，可以唯一确定出产品的三维模型数据。
其中，该外形设计参数可以为对车辆或者车辆配件的外形描述信息，例如，产品包括多少个面，每个面的形状，不同面之间的空间组合关系、以及每个面中包括的各条边的长度等。通过结合使用预设的3D建模工具(典型的，solidworks)对上述外形描述信息进行处理，可以唯一确定出产品的三维模型数据。
或者，该外形设计参数可以为车辆或者车辆配件为不同视角下的二维外形设计图(典型的，CAD设计图)，通过使用3D建模工具对多张二维外形设计图进行叠加转换，可以唯一确定出产品的三维模型数据。
或者，该外形设计参数可以为车辆或者车辆配件的三维设计图，进而，通过简单的读取操作，直接获取出车辆或者车辆配件的三维模型数据。
其中，三维模型，是指在虚拟三维空间中构建的，与实际物体的三维数据对应的立体模型。
具体的，在获取到各车辆或者车辆配件的三维模型数据后，可以通过三维建模工具(例如，3DMAX、SoftImage和AutoCAD等)，以及预设的建模参数，根据车辆三维模型数据构建车辆三维模型，以及根据车辆配件的三维模型数据构建配件三维模型。
S230、根据所述产品设计稿中包括的产品描述信息，获取车辆配件和车辆之间的隶属关系，并根据所述隶属关系，建立与每个车辆分别对应的三维模型库。
其中，三维模型库中存储有车辆的车辆三维模型，以及与车辆的各车辆配件分别对应的配件三维模型。
可以理解的是，车辆的产品设计稿中包括产品描述信息，该产品描述信息包括当前车辆包括的车辆配件，或者，当前车辆配件所能装配的车辆等。通过在产品设计稿中读取产品描述信息，可以根据当前产品描述信息确定车辆和车辆配件的隶属关系；进一步的，根据隶属于同一车辆的车辆配件的配件三维模型，以及该车辆的车辆三维模型，生成该车辆对应的三维模型库，可以实现对各车辆分别对应的三维模型库的构建。
在本实施例的一个可选的实施方式中，通过上述方法构建的三维模型库主要应用在电子汽配商城中，用于用户对该电子汽配商城中提供的各项车辆配件进行购买或者浏览。进而，可以相应构建车辆-配件形式的三维模型库组织形式。在每个车辆-配件三维模型库中，存储有设定品牌设定型号车辆的车辆三维模型，以及该车辆所能够适配安装的全部车辆配件的配件三维模型。
相应的，当某一用户在当前电子汽配商城中输入设定车辆的品牌和型号后，电子汽配商城可以向当前用户展示与设定车辆匹配的三维模型库，用户在该三维模型库中，可以对应查看设定车辆的车辆三维模型，以及设定车辆所适配的全部车辆配件的配件三维模型。
在本实施例的一个可选的实施方式中，除了可以存储车辆以及车辆配件的三维模型之外，由于电子汽配商场需要进行待售卖车辆配件或者待展示车辆配件的产品展示，因此可能还需要对应存储车辆以及车辆配件的各项产品参数，以供用户参考或者比对。
可以理解的是，可以通过解析车辆或者车辆配件的三维模型数据，并根据车辆三维模型或者配件三维模型与实际产品之间比例关系，例如：1:1或者1:10等，获取车辆或者车辆配件的各项外形参数。而对于车辆或者车辆配件的非外形参数(例如，重量、颜色、有效期或者材质等)，可以通过读取产品设计稿或者请求人工平台进行输入的方式获取，这里并不进行限制。
在本实施例的一个可选的实施方式中，还可以响应于对目标车辆的车辆配件模型添加请求，获取待添加车辆配件的待添加三维模型；根据待添加三维模型与目标车辆的目标三维模型库中的各配件三维模型之间的相似度，确定是否在目标三维模型库中对待添加三维模型进行添加存储。
在本实施例中，在构建得到每个车辆建立三维模型库之后，还可以在该三维模型库中实时对应添加与车辆对应的新的配件三维模型。
其中，获取与目标车辆对应的待添加车辆配件的待添加三维模型，可以是从当前车辆配件制造商获取新的产品设计稿的方式，也可以是外接三维扫描工具(例如，3DScanner和3D creater等)的方式、获取计算机设备自身提供的扫描接口进行实物扫描的方式等，本实施例对此并不进行限制。
此外，在获取到该目标三维模型后，可以首先判断该目标三维模型是否已经作为该目标车辆的一个配件三维模型进行存储，如果没有，才会对该目标三维模型进行存储，并相应存储与该待添加车辆配件的各项产品参数。
进一步的，在对目标三维模型进行存储之前，还可以进一步检测当前待添加车辆配件是否为破损件，并在确定当前待添加车辆配件不为破损件时，才会对目标三维模型进行存储，以防止存储到无效的或者明显错误的车辆配件。
S240、获取与各车辆分别对应的三维模型库。
其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型。
S250、根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中。
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
在本实施例的一个可选的实施方式中，根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中，可以包括：
根据不同车辆所属的车辆品牌，以及不同车辆品牌之间的附属关系，建立多个比对车辆对；根据各所述比对车辆对中，与两个比对车辆的各车辆配件分别对应的基础外观参数，建立与各比对车辆对分别对应的多个比对车辆配件对；根据各所述比对车辆配件对中，两个比对车辆配件的配件三维模型之间的相似度，在各所述比对车辆配件对中筛选得到匹配车辆配件对；根据各所述匹配车辆配件对，形成至少一个匹配关系组存储于配件间匹配关系表中。
其中，每个比对车辆对中包括第一车辆和第二车辆，该第一车辆和第二车辆为相同车辆品牌或者两者的品牌之间具有附属关系，例如，奥迪和大众。每个比对车辆配件对中包括：第一车辆中的一个车辆配件，以及第二车辆中的一个车辆配件。可以理解的是，相同车辆品牌的车辆，或者存在附属关系品牌的车辆，通常使用相同的平台架构以及相同的车辆配件，或者彼此间的车辆配件具有替换关系；故根据车辆品牌，确定比对车辆对，可以提升匹配车辆配件对的查找效率。
基础外观参数，可以包括车辆配件共包括多少个面、每个面的长度和宽度范围等。可以理解的是，如果两个车辆配件之间的基础外观参数差异较大，两者的相似度也必然不可能符合要求，通过预先筛选得到基础外观参数基本一致的两个车辆配件，进行进一步的配件三维模型之间的相似度计算，可以避免计算量的无谓消耗。
在一个具体的例子中，如果一个匹配车辆配件对中包括：配件A和配件B；另一个匹配车辆配件对中包括：配件A和配件C；则建立的匹配关系组可以包括：配件A、配件B以及配件C，上述三个配件之间的外形都非常接近，且一般都隶属与同一车辆品牌或者具有附属关系的两个或者多个车辆品牌，因此，上述三个配件之间具有替换关系。
在本实施例的一个可选的实施方式中，根据各所述比对车辆配件对中，两个比对车辆配件的配件三维模型之间的相似度，在各所述比对车辆配件对中筛选得到匹配车辆配件对，可以包括：
获取当前处理的目标比对车辆配件对中包括的第一比对车辆配件和第二比对车辆配件；计算所述第一比对车辆配件和第二比对车辆配件的配件三维模型之间的相似度，并在确定所述相似度大于或者等于预设的相似度阈值时，分别获取所述第一比对车辆配件和第二比对车辆配件的至少一项非外观参数；根据所述非外观参数，计算所述第一比对车辆配件与所述第二比对车辆配件之间的关联权重，并在确定所述关联权重大于或者等于预设的权重阈值时，确定所述目标比对车辆配件对为匹配车辆配件对。
其中，非外观参数，可以包括材质、颜色或者重量等参数。
可以理解的是，配件三维模型之间的相似度，只能体现车辆配件间的外观相似度，无法体现车辆配件的材质或者颜色等非外观参数的相似度；而当不同车辆配件的非外观参数相差较大时，不同的车辆配件无法进行替换，也即不存在匹配关系；例如，配件A和配件B具有相同的外观结构，但配件A对应金属材质，配件B对应塑料材质，配件A和配件B此时不存在匹配关系。故在确定两个车辆配件的配件三维模型之间的相似度大于或者等于预设的相似度阈值的基础上，综合考虑两个车辆配件非外观参数的相似度，以实现对匹配车辆配件对的准确确定。
在本实施例的一个具体的实施方式中，根据非外观参数，计算第一比对车辆配件与第二比对车辆配件之间的关联权重，可以具体包括：分别计算第一比对车辆配件和第二比对车辆配件针对每一项非外观参数的相似度，将每一项非外观参数下的相似度，作为一个子权重，对各子权重进行加权求和，获取第一比对车辆配件与第二比对车辆配件间的关联权重。其中，非外观参数的项数可以根据需要进行自适应设置。
本发明实施例提供的技术方案，通过获取车辆和车辆配件制造商提供的产品设计稿，构建各车辆配件对应的配件三维模型，进而根据车辆配件和车辆之间的隶属关系，建立与每个车辆分别对应的三维模型库；进一步的，根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成多个匹配关系组存储于配件间匹配关系表中，通过预先建立个车辆对应的三维模型库，可以提升匹配关系表的获取效率，同时根据各车辆配件的配件三维模型之间的相似度，确定各车辆配件是否匹配，实现了对不同车辆间的车辆配件间的匹配关系的准确确定。
图3为本发明又一实施例提供的一种配件间匹配关系的确定方法的流程图，本实施例以上述实施例为基础，在本实施例中根据用户的替换配件查询请求，获取与待替换车辆配件匹配的替换车辆配件。如图3所示，该方法具体包括如下步骤：
S310、获取与各车辆分别对应的三维模型库。
其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型。
S320、根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中。
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
S330、响应于用户的替换配件查询请求，获取所述替换配件查询请求中的待替换车辆配件。
其中，替换配件查询请求，可以包括用户需要查询的待替换车辆配件。具体的，用户可以在电子汽配商城客户端中输入需要查询的待替换车辆配件的名称，客户端在接收到用户输入的待替换车辆配件后，根据待替换车辆配件，在预先建立的配件间匹配关系表中，查找对应的可替换车辆配件。
在本实施例中，用户还可以在手机软件(Application，APP)端(电子汽配商城的客户端)通过拍照功能获取零部件图像信息，并根据上述零部件图像信息构建替换配件查询请求发送至(电子汽配商城)服务端；然后服务端对用户上传的图像信息进行光学字符识别(Optical Character Recognition，OCR)，以识别车辆配件型号。
或者，用户还可以通过APP端的扫描功能或外置三维图形扫描工具，例如3DScanner等，获取零部件的三维模型图，并根据上述三维模型图构建替换配件查询请求发送至(电子汽配商城)服务端；然后服务端根据用户上传的三维图像到预先构建的与各车辆分别对应的三维模型库进行对比(例如，可通过3DMAX、Unity等3D模型渲染工具进行比对)，以识别车辆配件型号。
S340、查询预先建立的配件间匹配关系表，获取包含有所述待替换车辆配件的目标匹配关系组。
具体的，通过匹配查找，获取包含当前待替换车辆配件的目标匹配关系组，目标匹配关系组中包括与待替换车辆配件具有替换关系的多个其他车辆配件。
S350、在所述目标匹配关系组中，获取至少一个替换车辆配件作为所述替换配件查询请求的响应结果。
其中，客户端可以选择目标匹配关系组中的一个或多个车辆配件，作为待替换车辆配件的替换配件，并基于获取的替换配件生成替换配件查询请求的响应结果。
在本实施例的一个可选的实施方式中，在所述目标匹配关系组中，获取至少一个替换车辆配件作为所述替换配件查询请求的响应结果，可以包括：
获取各所述替换车辆配件的历史购买描述信息、使用特征信息以及所述用户的用户属性信息中的至少一项；根据所述历史购买描述信息、使用特征信息以及所述用户属性信息中的至少一项，计算各所述替换车辆配件的排序权重；根据所述排序权重，对各所述替换车辆配件进行排序，形成排序结果，并将所述排序结果作为所述响应结果。
其中，历史购买描述信息，包括用户的历史购物评价；使用特征信息，包括车辆配件的使用周期和适用地区；用户属性信息，包括用户常用的车辆配件类型、用户所在地区以及用户常用店铺等。
可以理解的是，为了向用户提供更加符合用户需求的替换配件检索结果，可以综合考虑用户的购物习惯、用户自身属性以及不同车辆配件的适用场景，对目标匹配关系组中的各车辆配件进行排序，以选择顺序靠前的车辆配件作为替换车辆配件，可以提升替换配件检索的智能程度，提升用户的使用体验。
在一个具体的例子中，可以根据各替换配件的订单成交价、用户评价(历史购买描述信息)、配件使用周期、地区(使用特征信息)、用户常用配件类型(原厂件、品牌件这种分类)、用户所在地区、常用店铺(用户属性信息)等参数，设定各替换车辆配件的权重，进而可以将上述各可替换车辆配件进行推荐排序。
在本实施例的另一个可选的实施方式中，上述方法，还可以包括：响应于用户的可用车辆配件查询请求，获取所述可用车辆配件查询请求中的目标车辆；查询预先建立的扩充车辆配件库，获取与所述目标车辆对应的全部可用车辆配件。
其中，所述扩充车辆配件库中包括：车辆的原厂车辆配件，以及与至少一个原厂车辆配件具有替换关系的其他车辆配件。
可以理解的是，在某些特定情况下(例如，现实可获取的替换车辆配件类型有限)，用户希望查找到与待替换车辆配件对应的全部可用替换配件；此时，电子汽配商城的客户端在接收到用户的可用车辆配件查询请求后，通过服务器根据目标车辆，查找扩充车辆配件库，获取与目标车辆对应的全部可用车辆配件。
在本实施例中，用户可以在APP端(电子汽配商城的客户端)通过拍照功能获取车辆图像信息，并根据车辆图像信息构建可用车辆配件查询请求发送至(电子汽配商城)服务端；然后(电子汽配商城)服务端根据用户上传的图像信息进行OCR图像识别，确定车辆的型号(目标车辆)。
或者，用户还可以在APP端通过的扫描功能或外置三维图形扫描工具，例如3DScanner等，获取车辆的三维模型图，并根据上述三维模型图构建可用车辆配件查询请求发送至(电子汽配商城)服务端；然后服务端根据用户上传的三维图像到预先构建的与各车辆的车辆三维模型进行比对(可通过3D MAX、Unity等3D模型渲染工具进行比对)，以识别车辆的型号。
本发明实施例提供的技术方案，预先建立配件间匹配关系表，并在获取到用户的替换配件查询请求时，获取替换配件查询请求中的待替换车辆配件；并查询预先建立的配件间匹配关系表，获取包含有待替换车辆配件的目标匹配关系组；进而在目标匹配关系组中，获取多个替换车辆配件作为替换配件查询请求的响应结果，丰富了替换配件的检索方式，实现了对不同类型的替换配件的高效检索，提升了替换配件的检索效率。
图4为本发明另一实施例提供的一种配件间匹配关系的确定装置的结构示意图。如图4所示，该装置包括：三维模型库获取模块410和匹配关系组存储模块420。其中，
三维模型库获取模块410，用于获取与各车辆分别对应的三维模型库，其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型；
匹配关系组存储模块420，用于根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中；
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
本发明实施例提供的技术方案，通过获取不同车辆分别对应的三维模型库，并根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成多个匹配关系组存储于配件间匹配关系表中，实现了对不同车辆间的车辆配件间的匹配关系的准确确定，且根据各车辆配件的配件三维模型之间的相似度，确定各车辆配件是否匹配，实现了车辆配件的自动匹配，提升了配件间匹配关系的确定效率。
可选的，在上述技术方案的基础上，所述配件间匹配关系的确定装置，还包括：
数据获取模块，用于待获取电子配件商城的交易数据、维修厂的维修订单数据和购买订单数据中的至少一项；
匹配关系组更新模块，用于根据所述交易数据、维修订单数据和购买订单数据中的至少一项，对所述配件间匹配关系表中存储的匹配关系组进行追加或者更新。
可选的，在上述技术方案的基础上，匹配关系组存储模块420，包括：
比对车辆对建立单元，用于根据不同车辆所属的车辆品牌，以及不同车辆品牌之间的附属关系，建立多个比对车辆对；
比对车辆配件对建立单元，用于根据各所述比对车辆对中，与两个比对车辆的各车辆配件分别对应的基础外观参数，建立与各比对车辆对分别对应的多个比对车辆配件对；
匹配车辆配件对获取单元，用于根据各所述比对车辆配件对中，两个比对车辆配件的配件三维模型之间的相似度，在各所述比对车辆配件对中筛选得到匹配车辆配件对；
匹配关系组存储单元，用于根据各所述匹配车辆配件对，形成至少一个匹配关系组存储于配件间匹配关系表中。
可选的，在上述技术方案的基础上，匹配车辆配件对获取单元，具体用于：
获取当前处理的目标比对车辆配件对中包括的第一比对车辆配件和第二比对车辆配件；
计算所述第一比对车辆配件和第二比对车辆配件的配件三维模型之间的相似度，并在确定所述相似度大于或者等于预设的相似度阈值时，分别获取所述第一比对车辆配件和第二比对车辆配件的至少一项非外观参数；
根据所述非外观参数，计算所述第一比对车辆配件与所述第二比对车辆配件之间的关联权重，并在确定所述关联权重大于或者等于预设的权重阈值时，确定所述目标比对车辆配件对为匹配车辆配件对。
可选的，在上述技术方案的基础上，所述配件间匹配关系的确定装置，还包括：
原厂车辆配件库获取模块，用于获取与各车辆分别对应的原厂车辆配件库，其中，原厂车辆配件库中包括隶属于所述车辆的各原厂车辆配件；
扩充车辆配件库形成模块，用于根据所述配件间匹配关系表，对各车辆的所述原厂车辆配件库进行扩充，形成与各车辆分别对应的扩充车辆配件库；
其中，所述扩充车辆配件库中包括：车辆的原厂车辆配件，以及与至少一个原厂车辆配件具有替换关系的其他车辆配件。
可选的，在上述技术方案的基础上，所述配件间匹配关系的确定装置，还包括：
待替换车辆配件获取模块，用于响应于用户的替换配件查询请求，获取所述替换配件查询请求中的待替换车辆配件；
目标匹配关系组获取模块，用于查询预先建立的配件间匹配关系表，获取包含有所述待替换车辆配件的目标匹配关系组；
响应结果获取模块，用于在所述目标匹配关系组中，获取至少一个替换车辆配件作为所述替换配件查询请求的响应结果。
可选的，在上述技术方案的基础上，响应结果获取模块，包括：
信息获取单元，用于获取各所述替换车辆配件的历史购买描述信息、使用特征信息以及所述用户的用户属性信息中的至少一项；
排序权重计算单元，用于根据所述历史购买描述信息、使用特征信息以及所述用户属性信息中的至少一项，计算各所述替换车辆配件的排序权重；
排序结果获取单元，用于根据所述排序权重，对各所述替换车辆配件进行排序，形成排序结果，并将所述排序结果作为所述响应结果。
可选的，在上述技术方案的基础上，所述配件间匹配关系的确定装置，还包括：
目标车辆获取模块，用于响应于用户的可用车辆配件查询请求，获取所述可用车辆配件查询请求中的目标车辆；
全部可用车辆配件获取模块，用于查询预先建立的扩充车辆配件库，获取与所述目标车辆对应的全部可用车辆配件；
其中，所述扩充车辆配件库中包括：车辆的原厂车辆配件，以及与至少一个原厂车辆配件具有替换关系的其他车辆配件。
上述装置可执行本发明前述实施例所提供的配件间匹配关系的确定方法，具备执行上述方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节，可参见本发明前述实施例所提供的配件间匹配关系的确定方法。
图5为本发明另一实施例提供的一种电子设备的结构示意图，如图5所示，该电子设备包括处理器510、存储器520、输入装置530和输出装置540；电子设备中处理器510的数量可以是一个或多个，图5中以一个处理器510为例；电子设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接，图5中以通过总线连接为例。存储器520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明任意实施例中的一种配件间匹配关系的确定方法对应的程序指令/模块(例如，一种配件间匹配关系的确定装置中的三维模型库获取模块410和匹配关系组存储模块420)。处理器510通过运行存储在存储器520中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的一种配件间匹配关系的确定方法。也即，该程序被处理器执行时实现：
获取与各车辆分别对应的三维模型库，其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型；
根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中；
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
存储器520可主要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、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。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。输入装置530可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，可以包括键盘和鼠标等。输出装置540可包括显示屏等显示设备。
可选的，该电子设备可以为服务器，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述方法。当然，本发明实施例所提供的一种计算机可读存储介质，其可以执行本发明任意实施例所提供的一种配件间匹配关系的确定方法中的相关操作。也即，该程序被处理器执行时实现：
获取与各车辆分别对应的三维模型库，其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型；
根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中；
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(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的方法。
值得注意的是，上述配件间匹配关系的确定装置和替换配件的检索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种配件间匹配关系的确定方法，其特征在于，包括：
获取与各车辆分别对应的三维模型库，其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型；
根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中；
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
2.根据权利要求1所述的方法，其特征在于，在根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中之后，还包括：
获取电子配件商城的交易数据、维修厂的维修订单数据和购买订单数据中的至少一项；
根据所述交易数据、维修订单数据和购买订单数据中的至少一项，对所述配件间匹配关系表中存储的匹配关系组进行追加或者更新。
3.根据权利要求1所述的方法，其特征在于，根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中，包括：
根据不同车辆所属的车辆品牌，以及不同车辆品牌之间的附属关系，建立多个比对车辆对；
根据各所述比对车辆对中，与两个比对车辆的各车辆配件分别对应的基础外观参数，建立与各比对车辆对分别对应的多个比对车辆配件对；
根据各所述比对车辆配件对中，两个比对车辆配件的配件三维模型之间的相似度，在各所述比对车辆配件对中筛选得到匹配车辆配件对；
根据各所述匹配车辆配件对，形成至少一个匹配关系组存储于配件间匹配关系表中。
4.根据权利要求3所述的方法，其特征在于，根据各所述比对车辆配件对中，两个比对车辆配件的配件三维模型之间的相似度，在各所述比对车辆配件对中筛选得到匹配车辆配件对，包括：
获取当前处理的目标比对车辆配件对中包括的第一比对车辆配件和第二比对车辆配件；
计算所述第一比对车辆配件和第二比对车辆配件的配件三维模型之间的相似度，并在确定所述相似度大于或者等于预设的相似度阈值时，分别获取所述第一比对车辆配件和第二比对车辆配件的至少一项非外观参数；
根据所述非外观参数，计算所述第一比对车辆配件与所述第二比对车辆配件之间的关联权重，并在确定所述关联权重大于或者等于预设的权重阈值时，确定所述目标比对车辆配件对为匹配车辆配件对。
5.根据权利要求1所述的方法，其特征在于，在根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中之后，还包括：
获取与各车辆分别对应的原厂车辆配件库，其中，原厂车辆配件库中包括隶属于所述车辆的各原厂车辆配件；
根据所述配件间匹配关系表，对各车辆的所述原厂车辆配件库进行扩充，形成与各车辆分别对应的扩充车辆配件库；
其中，所述扩充车辆配件库中包括：车辆的原厂车辆配件，以及与至少一个原厂车辆配件具有替换关系的其他车辆配件。
6.根据权利要求1-5任一项所述的方法，其特征在于，在根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中之后，还包括：
响应于用户的替换配件查询请求，获取所述替换配件查询请求中的待替换车辆配件；
查询预先建立的配件间匹配关系表，获取包含有所述待替换车辆配件的目标匹配关系组；
在所述目标匹配关系组中，获取至少一个替换车辆配件作为所述替换配件查询请求的响应结果。
7.根据权利要求6所述的方法，其特征在于，在所述目标匹配关系组中，获取至少一个替换车辆配件作为所述替换配件查询请求的响应结果，包括：
获取各所述替换车辆配件的历史购买描述信息、使用特征信息以及所述用户的用户属性信息中的至少一项；
根据所述历史购买描述信息、使用特征信息以及所述用户属性信息中的至少一项，计算各所述替换车辆配件的排序权重；
根据所述排序权重，对各所述替换车辆配件进行排序，形成排序结果，并将所述排序结果作为所述响应结果；和/或
所述方法，还包括：
响应于用户的可用车辆配件查询请求，获取所述可用车辆配件查询请求中的目标车辆；
查询预先建立的扩充车辆配件库，获取与所述目标车辆对应的全部可用车辆配件；
其中，所述扩充车辆配件库中包括：车辆的原厂车辆配件，以及与至少一个原厂车辆配件具有替换关系的其他车辆配件。
8.一种配件间匹配关系的确定装置，其特征在于，包括：
三维模型库获取模块，用于获取与各车辆分别对应的三维模型库，其中，三维模型库中存储有隶属于同一车辆的各车辆配件的配件三维模型；
匹配关系组存储模块，用于根据隶属于不同车辆的各车辆配件的配件三维模型之间的相似度，形成至少一个匹配关系组存储于配件间匹配关系表中；
其中，每个匹配关系组中包括多个具有替换关系的车辆配件。
9.一种电子设备，其特征在于，包括：
处理器；存储装置，用于存储计算机程序；
所述处理器执行所述计算机程序时实现如权利要求1-7中任一所述的配件间匹配关系的确定方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一所述的配件间匹配关系的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111007290.9A CN113762371A (zh) | 2021-08-30 | 2021-08-30 | 配件间匹配关系的确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111007290.9A CN113762371A (zh) | 2021-08-30 | 2021-08-30 | 配件间匹配关系的确定方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113762371A true CN113762371A (zh) | 2021-12-07 |
Family
ID=78791929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111007290.9A Pending CN113762371A (zh) | 2021-08-30 | 2021-08-30 | 配件间匹配关系的确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113762371A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107563524A (zh) * | 2017-08-08 | 2018-01-09 | 深圳开思时代科技有限公司 | 车辆配件的匹配方法、装置及电子设备 |
| CN108153889A (zh) * | 2017-12-28 | 2018-06-12 | 深圳开思时代科技有限公司 | 汽车配件查询方法及系统、电子设备和介质 |
| CN108520270A (zh) * | 2018-03-12 | 2018-09-11 | 明觉科技（北京）有限公司 | 零件匹配方法、系统及终端 |
| CN110442597A (zh) * | 2019-07-10 | 2019-11-12 | 广州市巴图鲁信息科技有限公司 | 一种汽车配件精准查找方法 |
| CN111859048A (zh) * | 2020-06-17 | 2020-10-30 | 中车工业研究院有限公司 | 车辆的零部件模型检索方法及装置 |
| CN112215681A (zh) * | 2020-10-21 | 2021-01-12 | 杭州闪援车管家汽车服务有限公司 | 一种互联网汽车零部件匹配方法、系统及设备 |
-
2021
- 2021-08-30 CN CN202111007290.9A patent/CN113762371A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107563524A (zh) * | 2017-08-08 | 2018-01-09 | 深圳开思时代科技有限公司 | 车辆配件的匹配方法、装置及电子设备 |
| CN108153889A (zh) * | 2017-12-28 | 2018-06-12 | 深圳开思时代科技有限公司 | 汽车配件查询方法及系统、电子设备和介质 |
| CN108520270A (zh) * | 2018-03-12 | 2018-09-11 | 明觉科技（北京）有限公司 | 零件匹配方法、系统及终端 |
| CN110442597A (zh) * | 2019-07-10 | 2019-11-12 | 广州市巴图鲁信息科技有限公司 | 一种汽车配件精准查找方法 |
| CN111859048A (zh) * | 2020-06-17 | 2020-10-30 | 中车工业研究院有限公司 | 车辆的零部件模型检索方法及装置 |
| CN112215681A (zh) * | 2020-10-21 | 2021-01-12 | 杭州闪援车管家汽车服务有限公司 | 一种互联网汽车零部件匹配方法、系统及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109948425B (zh) | 一种结构感知自注意和在线实例聚合匹配的行人搜索方法及装置 | |
| US11367222B2 (en) | Three-dimensional shape classification and retrieval using convolutional neural networks and majority vote | |
| KR101531618B1 (ko) | 이미지들의 비교 방법 및 시스템 | |
| CN108319633B (zh) | 一种图像处理方法、装置及服务器、系统、存储介质 | |
| CN101477529B (zh) | 一种三维对象的检索方法和装置 | |
| CN105117399B (zh) | 一种图像搜索方法和装置 | |
| CN110598019B (zh) | 重复图像识别方法及装置 | |
| CN107133854A (zh) | 信息推荐方法和装置 | |
| CN108334805A (zh) | 检测文档阅读顺序的方法和装置 | |
| CN113569070B (zh) | 图像检测方法和装置、电子设备、存储介质 | |
| CN110321473A (zh) | 基于多模态注意力的多样性偏好信息推送方法、系统、介质及设备 | |
| CN107622071B (zh) | 通过间接相关反馈在无查源下的衣服图像检索系统及方法 | |
| CN113269895A (zh) | 图像处理方法、装置及电子设备 | |
| CN114092474A (zh) | 一种手机外壳复杂纹理背景的加工缺陷检测方法及系统 | |
| CN106407281B (zh) | 图像检索方法及装置 | |
| CN109583712B (zh) | 一种数据指标分析方法及装置、存储介质 | |
| CN114398909A (zh) | 用于对话训练的问题生成方法、装置、设备和存储介质 | |
| CN111126457A (zh) | 信息的获取方法和装置、存储介质和电子装置 | |
| CN113704617A (zh) | 物品推荐方法、系统、电子设备及存储介质 | |
| CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
| CN113744392A (zh) | 三维模型库构建方法、装置、设备及介质 | |
| CN113762371A (zh) | 配件间匹配关系的确定方法、装置、设备及介质 | |
| CN112418273B (zh) | 一种服饰流行程度评价方法、装置、智能终端及存储介质 | |
| Wang et al. | Query-by-sketch image retrieval using homogeneous painting style characterization | |
| CN115034845A (zh) | 同款商品的识别方法、装置、计算机设备和介质 |
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 |