CN114072644A - 汽车颜色匹配系统和方法 - Google Patents

汽车颜色匹配系统和方法 Download PDF

Info

Publication number
CN114072644A
CN114072644A CN202080048984.4A CN202080048984A CN114072644A CN 114072644 A CN114072644 A CN 114072644A CN 202080048984 A CN202080048984 A CN 202080048984A CN 114072644 A CN114072644 A CN 114072644A
Authority
CN
China
Prior art keywords
color
vehicle
information
vin
readable medium
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
Application number
CN202080048984.4A
Other languages
English (en)
Inventor
P·歌德哈特
K·德哈斯
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.)
Sherwin Williams Co
Original Assignee
Sherwin Williams Co
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 Sherwin Williams Co filed Critical Sherwin Williams Co
Publication of CN114072644A publication Critical patent/CN114072644A/zh
Pending legal-status Critical Current

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
    • 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
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/463—Colour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G06F16/9554—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL] by using bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06018—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking one-dimensional coding
    • G06K19/06028—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking one-dimensional coding using bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
    • G06K7/10712—Fixed beam scanning
    • G06K7/10722—Photodetector array or CCD scanning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1413—1D bar codes
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G01J2003/2826—Multispectral imaging, e.g. filter imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J2003/467—Colour computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Library & Information Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种可在智能手机或其它计算设备上实现的汽车颜色匹配系统和方法。该方法包括接收由与该计算设备的处理器通信的相机捕获的车辆的至少一个数字图像；分析该车辆的该数字图像以确定车辆信息(例如，该车辆的品牌、型号和/或型号年份)；以及确定颜色信息(例如，与该车辆信息相关联的颜色中的每种颜色的颜色配方)。从该颜色信息中的该颜色中选择的最终油漆颜色可被传输到分配器或秤，以将油漆喷涂到该车辆上。公开了该汽车颜色匹配系统和方法的各种实施方案。

Description

汽车颜色匹配系统和方法
相关专利申请的交叉引用
本申请要求于2019年8月2日提交的美国专利申请第16/529,899号的优先权，其内容以引用的方式整体并入本文。
关于联邦政府资助的研究或开发的声明
不适用。
背景技术
汽车制造商使用不同类型的汽车油漆饰面，其中最常见的是底漆/清漆饰面。底漆/清漆饰面包括为车辆提供期望颜色和颜色效果的底漆，并且然后将透明的清漆喷涂在底漆上以为底漆提供保护并改善整个饰面的性能(例如，机械性能，诸如抗划伤性、硬度等)和外观。还可使用仅包含底漆的单涂层饰面，或包含喷涂在两层或更多层底漆饰面上的清漆的多层饰面。
当车辆已经损坏时，维修过程的一个重要部分是确保将汽车油漆无缝喷涂到车辆的受损区域，而无需对整个车辆进行重新喷漆。汽车车身油漆专家利用各种手段来实现用于维修车辆的售后油漆颜色与车辆原始油漆饰面之间的匹配。例如，一些油漆专家执行视觉颜色评估以获得匹配，这是耗时的，并且在颜色选择过程中需要一定量的试错。其他油漆专家使用技术系统来协助选择最佳颜色配方，诸如颜色检索系统和分光光度计。
常规的颜色检索系统需要用户手动输入与车辆相关的各种不同类型的信息，然后访问颜色信息数据库以检索与该用户输入的信息相关联的颜色结果。在图1的过程流程图中示出了在颜色检索系统中使用的软件的功能。在步骤100中，用户手动将车辆信息(例如，车辆的品牌、型号和/或型号年份)和颜色信息(例如，颜色代码)输入系统中。在步骤102中，系统访问颜色信息数据库以检索与输入的车辆和颜色信息相关联的车辆颜色。在步骤104中，确定车辆颜色是否被定位，并且，如果不是，则过程返回到步骤100以手动输入附加或校正的车辆和颜色信息。如果车辆颜色被定位，则在步骤106中将颜色结果呈现给用户，并且在步骤108中，用户从颜色结果中选择最佳颜色。在许多情况下，用户将使用物理色卡和/或粗糙度选择器(可以是具有不同粗糙度值的颜色的色样)来进行颜色选择。在步骤110中，系统将所选颜色的颜色配方传输到分配器或秤，以将油漆喷涂到车辆上。
传统颜色检索系统的使用有几个缺点。例如，系统需要用户手动输入相对大量的信息，这可能耗时并且容易发生人为错误。此外，用户可能并不知道相关信息中的所有相关信息，例如，用户可能不知道车辆的型号年份。另外，所有车辆的颜色代码的位置并不统一，并且定位颜色代码时花费的时间进一步增加了执行颜色检索过程所需的总时间。此外，如果不使用色卡，就无法区分相同颜色的变体。当然，色卡的使用由于过程的手动性质并不理想，并且，另外，并非颜色信息数据库中的所有颜色都有对应的色卡。
一些汽车车身油漆专家使用计算机控制的分光光度计来确定将提供与车辆原始油漆漆面的精确匹配的颜色配方。分光光度计是一种小型光学仪器，其通过例如用由不同波长组成的光照射正在修理的车辆的未受影响区域(同时或连续照射)来以电子方式测量颜色，并记录不同波长的反射光。可见光谱中每种波长的反射光的百分比用于搜索颜色配方数据库，并且检索具有最低色差的配方(或可能检索单个颜色配方)。虽然分光光度计提供了执行颜色匹配过程的准确手段，但由于其相对较高的成本，许多车身修理厂不会使用此仪器。此外，操作分光光度计需要一定水平的专业知识，某些汽车车身修理厂可能无法提供。此外，在汽车车身修理厂中放置昂贵的光学仪器并不总是理想的选项。
因此，本领域仍然需要一种颜色匹配技术来克服与常规颜色检索系统和分光光度计相关联的缺点中的一些缺点或全部缺点，和/或提供与现有技术系统相比的其它优点。
发明内容
本发明涉及一种可在智能手机或其它计算设备上实现的汽车颜色匹配系统和方法。一般来说，计算设备被配置成执行颜色匹配应用程序，该颜色匹配应用程序使得能够选择售后油漆颜色以匹配车辆原始油漆饰面的颜色。优选地，所选油漆颜色的颜色配方被传输到分配器或秤，以将油漆喷涂到车辆上，尽管颜色匹配应用程序也可与手动操作的秤一起使用。
在本发明的第一示例性实施方案中，计算设备包括处理器和存储器设备，其中存储器设备存储使处理器接收由与处理器通信的相机捕获的车辆的一个或多个数字图像的指令(例如，如下所述的智能手机的相机或其它类型的相机)。处理器确定与车辆的数字图像相关联的车辆信息，例如通过在车辆信息数据库中检索与车辆图像相关联的车辆信息。然后，处理器确定与车辆信息相关联的颜色信息，例如通过在颜色信息数据库中检索与车辆图像相关联的颜色信息。其它信息可任选地用于确定颜色信息，诸如由从GPS接收器接收的GPS信息确定的车辆的区域、由VIN或VIN条形码确定的车辆识别号(VIN)信息、从颜色检索系统接收的信息和/或由用户手动输入的信息。在一些实施方案中，处理器呈现包括颜色信息中的所有颜色信息或一部分颜色信息的颜色结果，并且从颜色结果接收车辆的最终油漆颜色的用户选择。优选地，最终油漆颜色的颜色配方被传输到分配器或秤，以将油漆喷涂到车辆上。
在本发明的第二示例性实施方案中，计算设备包括处理器和存储器设备，其中存储器设备存储使处理器接收由与处理器通信的相机捕获的车辆的一个或多个数字图像的指令(例如，如下所述的智能手机的相机或其它类型的相机)。处理器基于对车辆的数字图像的分析来确定车辆信息(例如，车辆的品牌、型号和/或型号年份)。处理器还确定颜色信息(例如，与车辆信息相关联的颜色中的每种颜色的颜色配方)。其它信息可任选地用于确定颜色信息，诸如由从GPS接收器接收的GPS信息确定的车辆的区域、由VIN或VIN条形码确定的车辆识别号(VIN)信息、从颜色检索系统接收的信息和/或由用户手动输入的信息。另外，处理器基于对车辆的数字图像的分析来确定车辆的基本颜色。在一些实施方案中，处理器呈现包括颜色信息中与车辆的基本颜色有关的颜色的颜色结果，并且从颜色结果接收车辆的最终油漆颜色的用户选择。优选地，最终油漆颜色的颜色配方被传输到分配器或秤，以将油漆喷涂到车辆上。
下文参考附图详细描述本发明的各种其它实施方案和特征，或者基于本文提供的公开内容对本领域技术人员将显而易见。
附图说明
图1是由常规颜色检索系统执行的操作的过程流程图。
图2是根据本发明的示例性实施方案的汽车颜色匹配系统的框图。
图3是可用作图2所示的计算设备的智能手机的框图。
图4是根据本发明的第一示例性实施方案的由图2所示的计算设备执行的汽车颜色匹配方法的过程流程图。
图5是根据本发明的第二示例性实施方案的由图2所示的计算设备执行的汽车颜色匹配方法的过程流程图。
图6是由图2所示的计算设备执行的汽车颜色匹配方法的过程流程图，该方法包括可作为整个方法的一部分执行的各种所需和可选步骤。
图7、图8和图9是用于接收车辆的一个或多个数字图像的示例性方法的过程流程图。
图10是用于从颜色检索系统接收信息的示例性方法的过程流程图。
图11、图12和图13是用于接收车辆识别号(VIN)的示例性方法的过程流程图。
图14和图15是用于基于VIN确定VIN信息的示例性方法的过程流程图。
图16、图17和图18是用于使用数字图像分析技术来确定包含在一个或多个数字图像内的车辆的基本颜色的示例性方法的过程流程图。
图19和图20是用于确定车辆的车辆信息的示例性方法的过程流程图。
图21是用于接收用户手动输入的信息的示例性方法的过程流程图。
图22和图23是用于确定车辆的颜色信息的示例性方法的过程流程图。
图24、图25和图26是用于呈现颜色结果并接收最终颜色选择的示例性方法的过程流程图。
图27、图28和图29是用于处理最终颜色选择的示例性方法的过程流程图。
图30至图36是由图2所示的计算设备执行的示例性汽车颜色匹配方法的过程流程图，该方法利用图6所示的所需步骤和可选步骤的各种组合。
具体实施方式
本发明涉及一种汽车颜色匹配系统和方法，该汽车颜色匹配系统和方法可在智能手机或其它计算设备上实现，以便能够选择与车辆原始油漆饰面的颜色匹配的售后油漆颜色。虽然下面将参考各种示例性实施方案详细描述本发明，但是应当理解，本发明不限于这些实施方案中的任何实施方案的特定配置或方法。另外，尽管示例性实施方案被描述为体现若干不同的发明特征，但是本领域技术人员将理解，这些特征中的任何一个特征可在没有根据本发明的其它特征的情况下实现。
I.颜色匹配系统
参考图2，根据本发明的示例性实施方案的汽车颜色匹配系统示出为附图标记200。通常，系统200包括多个网络元件，其中每个网络元件具有与通信网络216的网络连接。在此实施方案中，网络元件包括计算设备202、使得能够访问车辆信息数据库206的服务器系统204、使得能够访问颜色信息数据库210的服务器系统208、颜色检索系统212(其可为如上所述的常规颜色检索系统)和油漆分配器或秤214。当然，在其它实施方案中，系统可以不包括图2所示的网络元件中的所有网络元件，或者可以包括附加的网络元件。
在示例性实施方案中，计算设备202包括根据本发明执行颜色匹配应用程序的智能手机(诸如在
Figure BDA0003442260730000051
和
Figure BDA0003442260730000052
操作系统上运行的那些以及本领域技术人员众所周知的其它智能手机)。计算设备202还可包括个人计算机、膝上型计算机、个人数字助理、个人计算平板电脑(诸如由
Figure BDA0003442260730000053
和
Figure BDA0003442260730000054
制造的那些以及本领域技术人员众所周知的其它个人计算平板电脑)、智能手表或其它可穿戴设备、智能眼镜(例如，Google、Ubimax或VR头戴式耳机)以及能够经由通信网络216与其它网络元件通信(无线或有线)的任何其它电子计算设备。通常，计算设备202由系统200的每个用户(例如，处于不同车身修理厂的用户等)利用，并且因此，系统200可包括数百个或甚至数千个计算设备202。
仍然参考图2，车辆信息数据库206由服务器系统204维护，该服务器系统可采用任何数量的服务器，包括web服务器、文件服务器、应用服务器和数据库服务器，这些服务器在同一物理位置或在地理上分散。在示例性实施方案中，车辆信息数据库206包含多个车辆图像，其中每个车辆图像与车辆信息(诸如车辆的品牌、型号和/或型号年份)相关联。
服务器系统204可操作以从计算设备202接收车辆的数字图像，从车辆信息数据库206检索与车辆图像相关联的车辆信息，并且将检索到的车辆信息发送回计算设备202。服务器系统204可经由本领域技术人员已知的任何通信方式与计算设备202交换数据，包括Web服务或应用程序编程接口(API)。例如，在一些实施方案中，车辆信息数据库206可通过部署在服务器系统204上的API访问，诸如购自英国伦敦的Blippar.com Ltd.的汽车识别API和购自佛罗里达州温特帕克的Sighthound,Inc.的车辆识别API。当然，还可根据本发明使用其它车辆信息数据库。此外，车辆信息数据库可利用通过使用本发明获得的车辆图像和相关联的车辆信息来创建，例如，每个计算设备202可将车辆图像和相关联的车辆信息传输到中央服务器以收集数据库中的信息。
颜色信息数据库210也由服务器系统208维护，该服务器系统可采用任何数量的服务器，包括web服务器、文件服务器、应用服务器和数据库服务器，这些服务器在同一物理位置或在地理上分散。在示例性实施方案中，颜色信息数据库210包含多种不同车辆类型的车辆信息(例如，车辆的品牌、型号和/或型号年份)，其中每种车辆类型的车辆信息与颜色信息相关联。与每种车辆类型相关联的颜色信息包括与该车辆类型相关联的颜色的一种或多种颜色或颜色变体的信息，即该特定车辆类型的颜色选项。
在示例性实施方案中，颜色信息数据库210存储每个颜色选项的以下信息：颜色(例如，红色、黑色等)和由本领域技术人员已知的任何比色系统限定的颜色值(例如，CIE标准比色系统、RGB颜色规格系统、HunterLab颜色系统等)；颜色为实色还是具有任何颜色效果(例如，金属、珠光、
Figure BDA0003442260730000061
等)和任何颜色效果(例如，颗粒度、粗糙度、闪光度等)的纹理参数的指示；以及颜色和颜色效果可用的颜色配方和任何另选的颜色配方。如本文所用，术语“颜色配方”是指确定确保特定油漆具有期望颜色和颜色效果所需的成分和混合比例所需的信息，即，它不是油漆配制物本身。当然，在其它实施方案中，根据本发明可使用其它类型的颜色信息或前述信息的任何其它组合。
服务器系统208可操作以从计算设备202接收车辆信息，从颜色信息数据库210检索与车辆信息相关联的颜色信息，并且将检索到的颜色信息发送回计算设备202。服务器系统208可经由本领域技术人员已知的任何通信方式与计算设备202交换数据，包括Web服务或应用程序编程接口(API)。示例性颜色信息数据库210是购自The Sherwin-WilliamsCompany的
Figure BDA0003442260730000071
2.0颜色检索系统中利用的数据库。当然，还可根据本发明使用其它颜色信息数据库。例如，将油漆供应到汽车修补漆市场的许多汽车油漆制造商已经开发并提供了与本文所述的车辆信息相关联的数据库。
服务器系统204和208在图2中示出为两个不同的系统，即，服务器系统204维护车辆信息数据库206，并且服务器系统208维护颜色信息数据库210。在其它实施方案中，车辆信息数据库206和颜色信息数据库210可在同一服务器系统内进行维护。在其它实施方案中，车辆信息数据库206和/或颜色信息数据库210可驻留在计算设备202本身上，在这种情况下，不需要服务器系统204和/或服务器系统208。
如上所述，颜色检索系统212包括能够手动输入车辆和颜色信息常规的颜色检索系统。颜色检索系统212的示例是购自The Sherwin-Williams Company的
Figure BDA0003442260730000072
2.0颜色检索系统。当然，也可以使用其它汽车油漆供应商的颜色检索系统。如下文更详细地描述，在本发明的一些实施方案中，计算设备202可任选地从颜色检索系统212接收某些类型的信息。
油漆分配器或秤214包括本领域技术人员已知的任何汽车油漆分配器或秤。油漆分配器或秤214的示例是购自美国俄亥俄州哥伦布市的Mettler Toledo的BBA212、BBA242、BBA242型、BBA242 WLAN和BBA242油漆秤，以及购自德国哥廷根市的Sartorius的PMA5000、PMA.Evolution和PMA.Vision秤。
通信网络216可包括能够促进系统200的网络元件之间的数据交换的任何网络，诸如根据IEEE 802.3协议(例如，以太网)、IEEE 802.15协议(例如，蓝牙)和/或IEEE 802.11协议(例如，Wi-Fi)操作的那些。例如，在一些实施方案中，通信网络216包括个人局域网(PAN)或无线PAN(WPAN)、局域网(LAN)或无线LAN(WLAN)和/或广域网(WAN)或无线WAN(WWAN)，其可连接到其它通信网络和/或互联网或内联网的部分。通信基础设施可包括允许数据通过串行或并行通信信道(例如，无线通信信道、蜂窝通信、光纤、铜线等)进行物理传送的任何介质。
图3示出了可用作图2所示的计算设备202的智能手机的示例性实施方案。智能手机包括一个或多个处理器300、存储器设备302、电子视觉显示器304、一个或多个其它输入/输出(I/O)设备306和无线通信子系统，该无线通信子系统包括全球定位系统(GPS)接收器308、蜂窝收发器310、Wi-Fi收发器312和蓝牙收发器314中的一者或多者。如图3所示，前述部件彼此通信和/或电耦合。
一个或多个处理器300与存储器设备302进行数据通信，该存储器设备被配置成存储包括操作系统和应用程序的处理器可执行指令，当由处理器执行时，该处理器可执行指令使处理器执行多个操作，这些操作使得能够选择与车辆原始油漆饰面相匹配的汽车油漆颜色。下面将结合图4至图36的过程流程图更详细地描述这些方法。存储器设备302还可存储通过执行应用程序获得的数据，诸如一个或多个车辆图像、颜色选择等，如下所述。当然，在其它实施方案中，处理器300可将信息存储在通过下文描述的通信子系统访问的其它存储器设备(例如，远程文件服务器)上。
电子视觉显示器304被配置成向观看者(例如，系统200的用户)呈现图像、文本、视频等。示例性电子视觉显示器包括但不限于屏幕、显示设备、触摸屏显示设备等。当然，在其它实施方案中，处理器300可将信息呈现在通过下文描述的通信子系统访问的其它显示器(例如，不同智能手机的显示器、个人计算平板电脑的显示器或电视显示器)上。其它I/O设备306包括但不限于相机、麦克风、扬声器、通用串行总线(USB)接口、通断开关、用户身份模块(SIM)接口等中的一者或多者。
通信子系统(即，GPS接收器308、蜂窝收发器310、Wi-Fi收发器312和/或蓝牙收发器314)被配置成使计算设备202能够与其它网络元件通信，如本文更全面地描述的。在示例性实施方案中，通信子系统被配置成根据一种或多种通信协议接收和传输数据，诸如根据IEEE 802.15协议(例如，蓝牙)、IEEE 802.11协议(例如，Wi-Fi)、全球移动通信系统(GSM)标准、通用移动通信系统(UMTS)标准、码分多址(CDMA)标准等和/或它们的组合操作的那些。
II.颜色匹配方法
如上所述，图2所示的计算设备202执行颜色匹配应用程序，该颜色匹配应用程序使计算设备202经由通信网络216与其它网络元件通信，并且获得自动或半自动选择与车辆原始油漆饰面匹配的汽车油漆颜色所需的信息。现在将参考图3所示的智能手机的部件描述在由计算设备202执行的颜色匹配应用程序中体现的颜色匹配方法的各种示例。如上所述，当然，应当理解，这些方法可由其它类型的计算设备执行。
参考图4，参考步骤400至408，描述根据本发明的第一示例性实施方案的由计算设备202执行的汽车颜色匹配方法。
在步骤400中，处理器300接收已由与处理器300通信的相机捕获的车辆的一个或多个数字图像。如上所述，可实时捕获每个车辆图像以与颜色匹配方法一起使用，或者可预先捕获并存储在存储器设备302或其它存储器中。在一些实施方案中，用于捕获每个车辆图像的相机结合在计算设备202本身内，例如，在计算设备202包括具有集成相机的智能手机或个人计算平板电脑的情况下。例如，图3所示的智能手机包括相机作为I/O设备306中的一个I/O设备，其用于捕获每个车辆图像。在其它实施方案中，相机被提供为通过有线或无线通信信道连接到计算设备202的单独部件。例如，外部相机可连接到个人计算机或膝上型计算机。作为另一示例，相机可包括位于车身修理厂内的网络摄像头，其捕获车辆图像并且通过一个或多个中间设备将车辆图像传输到计算设备202。例如，相机或摄像机可安装在合适的位置，诸如车身修理厂的入口，并且用于自动拍摄车辆的图像而没有人机交互。在又一示例中，用于捕获车辆图像的相机可结合在其它硬件中，例如，通常用于定位目的的分光光度计的相机。当然，根据本发明可以使用本领域技术人员已知的任何其它类型的相机。
在步骤402中，处理器300使用车辆图像来确定与车辆有关的信息(例如，车辆的品牌、型号和/或型号年份)。在一些实施方案中，处理器300将车辆图像传输到服务器系统204，在这种情况下，服务器系统204访问车辆信息数据库206以检索与车辆图像相关联的车辆信息，并且将车辆信息发送回处理器300。
在步骤404中，处理器300使用车辆信息来确定与该车辆类型的可用颜色有关的信息。在一些实施方案中，处理器300将车辆信息传输到服务器系统208，在这种情况下，服务器系统208访问颜色信息数据库210以检索与车辆信息相关联的颜色信息，并且将颜色信息发送回处理器300。
在步骤406中，处理器300在电子视觉显示器(例如，图3所示的智能手机的电子视觉显示器304或如上所述的任何其它显示器)上呈现颜色结果。在一些实施方案中，呈现给用户的颜色结果包括从颜色信息数据库210获得的颜色信息中的所有颜色信息，包括颜色和颜色效果以及针对该车辆类型创建的不同售后油漆颜色配方中的所有售后油漆颜色配方。在其它实施方案中，呈现给用户的颜色结果仅包括从颜色信息数据库210获得的颜色信息中的一部分颜色信息，诸如颜色和颜色效果(而不是颜色配方)或颜色配方(而不是颜色和颜色效果)。最后，在步骤408中，处理器300从呈现给用户的颜色结果接收最终颜色选择。优选地，所选最终颜色的颜色配方可被传输到油漆分配器或秤，以将油漆喷涂到车辆上。
参考图5，参考步骤500至510，描述根据本发明的第二示例性实施方案的由计算设备202执行的汽车颜色匹配方法。
在步骤500中，处理器300接收已由与处理器300通信的相机捕获的车辆的一个或多个图像，如上文结合第一示例性实施方案所述。在步骤502中，处理器300使用车辆图像来确定车辆的基本颜色。如美国专利第6768814号中所述，在一些实施方案中，处理器300使用数字图像分析技术来识别图像中的车辆并确定车辆的基本颜色(例如，红色、蓝色、黑色等)。在其它实施方案中，处理器300将车辆图像传输到另一网络设备以使用合适的数字图像分析技术来确定车辆的基本颜色。
如上文结合第一示例性实施方案所述，在步骤504中，处理器300使用车辆图像来确定与车辆有关的信息(例如，车辆的品牌、型号和/或型号年份)。在步骤506中，处理器300使用车辆信息和基本颜色信息来确定颜色信息。为了执行此步骤，处理器300使用车辆信息来确定该车辆类型的可用颜色，即，从颜色信息数据库210检索的颜色信息，如上文结合第一示例性实施方案所述。然后，处理器300使用基本颜色信息来过滤从颜色信息数据库210检索的颜色信息。例如，如果基本颜色被确定为蓝色，则处理器300将识别从颜色信息数据库210检索的颜色信息中与蓝色最相似并排除其他颜色的颜色。可以理解的是，确定颜色信息的这种方法通常将提供比第一示例性实施方案的更短的可能颜色列表。
在步骤508中，处理器300在电子视觉显示器(例如，图3所示的智能手机的电子视觉显示器304或如上所述的任何其它显示器)上呈现颜色结果。在一些实施方案中，呈现给用户的颜色结果包括在步骤506中确定的颜色的过滤列表的颜色信息中的所有颜色信息，包括颜色和颜色效果以及针对过滤列表中的颜色创建的不同售后油漆颜色配方中的所有售后油漆颜色配方。在其它实施方案中，呈现给用户的颜色结果仅包括从颜色信息数据库506获得的颜色信息中的一部分颜色信息，诸如颜色和颜色效果(而不是颜色配方)或颜色配方(而不是颜色和颜色效果)。最后，在步骤510中，处理器300从呈现给用户的颜色结果接收最终颜色选择。优选地，所选最终颜色的颜色配方可被传输到油漆分配器或秤，以将油漆喷涂到车辆上。
参考图6，参考步骤600至624描述由计算设备202执行的汽车颜色匹配方法的另一示例性实施方案，其包括可作为整个方法的一部分执行的各种所需和可选步骤。
在步骤600中，处理器300任选地确定与计算设备202相关联的区域。在一些实施方案中，处理器300从GPS接收器接收GPS信息，然后使用该GPS信息来确定区域。例如，图3所示的智能手机包括可操作以接收GPS信息的GPS接收器308，并且处理器300使用所接收的GPS信息来确定区域。在其它实施方案中，处理器300基于智能手机的区域设置(时区、语言、国家等)确定与计算设备202相关联的区域。可以看出，与计算设备202相关联的区域可用于确定与车辆相关联的颜色信息，如下文详细描述的。
在步骤602中，处理器300接收已由与处理器300通信的相机捕获的车辆的一个或多个数字图像。上文结合第一示例性实施方案描述用于捕获每个车辆图像的相机。图7、图8和图9示出了可由处理器300执行以接收车辆图像的三种示例性方法。
参考图7所示的示例性方法，在步骤700中，处理器300接收已由相机捕获的车辆的数字图像。在步骤702中，处理器300任选地将车辆图像存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。在步骤704中，处理器300确定是否存在另一车辆图像，并且，如果是，则过程返回到步骤700。否则，过程结束。
参考图8所示的示例性方法，在步骤800中，用户将颜色参考模板放置在车辆上(注意该步骤由用户手动执行)。颜色参考模板可包括白色拼块、马赛克拼块、数字色卡或本领域技术人员已知的任何其他校准拼块或卡，诸如美国专利第6768814号中描述的那些。可与本发明一起使用的颜色参考模板的示例包括购自密西根州大急流城的X-Rite,Inc.的校准拼块和数字色卡、购自荷兰阿姆斯特丹的Akzo Nobel N.V.的数字色卡和购自马萨诸塞州丹弗斯的Techkon USA的数字色卡。
在步骤802中，处理器300接收已由相机捕获的数字图像，其中图像包含车辆和颜色参考模板两者。可以看出，颜色参考模板可用于确定车辆的基本颜色，如下文详细描述的。在步骤804中，处理器300任选地将车辆图像存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。在步骤806中，处理器300确定是否存在另一车辆图像，并且，如果是，则过程返回到步骤802。否则，过程结束。
参考图9所示的示例性方法，在步骤900中，处理器300接收已由相机捕获的车辆的数字图像。在步骤902中，处理器300验证图像的质量。例如，处理器300可分析图像以确保整个车辆或车辆的至少相关部分包含在图像中，以确保图像在距车辆的合适距离处拍摄，和/或确保图像不模糊或太暗。在步骤904中，处理器300确定车辆图像的质量是否已经被验证，并且，如果不是，则过程返回到步骤900以接收另一车辆图像。如果图像质量被验证，则在步骤906中，处理器300任选地将车辆图像存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。在步骤908中，处理器300确定是否存在另一车辆图像，并且，如果是，则过程返回到步骤900。否则，在步骤910中，处理器300确定车辆图像的总体质量是否可接受(例如，如果算法未剔除一个或多个低质量图像和/或如果从车辆信息数据库206检索到的车辆信息是不确定的，则需要附加的车辆图像)。在一些实施方案中，处理器300在电子视觉显示器304上呈现车辆图像，并且请求用户输入图像的总体质量。在步骤912中，处理器300确定图像质量是否可接受，并且，如果不是，则过程返回到步骤900。否则，过程结束。
重新参考图6，在步骤604中，处理器300任选地从颜色检索系统(诸如图2所示的颜色检索系统212)接收信息(即，CRS信息)，以便使用可在颜色检索中增加价值的已经可用的任何信息。图10示出了可由处理器300执行以接收CRS信息的示例性方法。在步骤1000中，处理器1000建立与颜色检索系统212的连接。在步骤1002中，处理器300从颜色检索系统212检索CRS信息，其中CRS信息可包括由用户手动输入到颜色检索系统212中的信息中的所有信息或任何部分信息。CRS信息的示例包括例如车辆的车辆识别号(VIN)、已经为保险目的而获得的车辆的一个或多个数字图像、车辆信息(例如，车辆的品牌、型号和/或型号年份)和/或颜色信息(例如，车辆的颜色和/或颜色效果)。在步骤1004中，处理器300任选地将CIS信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
重新参考图6，在步骤606中，处理器300任选地接收车辆的车辆识别号(VIN)。图11、图12和图13示出了可由处理器300执行以接收VIN的三种示例性方法。
参考图11所示的示例性方法，在步骤1100中，处理器300接收已由与处理器300通信的相机捕获的VIN的数字图像。用于捕获VIN图像的相机可与用于获得每个车辆图像的相机相同，例如智能手机或个人计算平板电脑的相机。在步骤1102中，处理器300将光学字符识别(OCR)算法应用于VIN图像以确定VIN。在步骤1104中，处理器300任选地将VIN存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
参考图12所示的示例性方法，在步骤1200中，处理器300接收已由与处理器300通信的相机捕获的VIN条形码。用于捕获VIN条形码的相机可与用于获得每个车辆图像的相机相同，例如智能手机或个人计算平板电脑的相机。在步骤1202中，处理器300解码VIN条形码以确定VIN。在步骤1204中，处理器300任选地将VIN存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
参考图13所示的示例性方法，在步骤1300中，处理器300接收已由用户手动输入的VIN。在一些实施方案中，处理器300在电子视觉显示器304上呈现输入VIN的请求并接收手动输入的VIN。在步骤1302中，处理器300任选地将VIN存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
重新参考图6，在步骤608中，处理器300任选地确定与所接收的VIN有关的信息。图14和图15示出了可由处理器300执行以确定VIN信息的两种示例性方法。
参考图14所示的示例性方法，在步骤1400中，处理器300访问VIN信息数据库以检索与VIN相关联的VIN信息。VIN信息数据库存储了多个与VIN信息相关联的VIN，其中每个VIN的VIN信息包括车辆信息(例如，车辆的品牌、型号和/或型号年份)和/或颜色信息(例如，车辆的颜色和颜色效果和/或售后油漆颜色配方)。在步骤1402中，处理器300从VIN信息数据库检索与VIN相关联的VIN信息。在步骤1404中，处理器300任选地将VIN信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
在一些实施方案中，VIN信息数据库由服务器系统维护，该服务器系统是系统200的网络元件中的一个网络元件(图2中未示出)。服务器系统可操作以从计算设备202接收VIN，从VIN信息数据库检索与VIN相关联的VIN信息，并且将检索到的VIN信息发送回计算设备202。在欧洲专利公布第EP1139234号中描述了示例性VIN信息数据库。当然，还可根据本发明使用其它VIN信息数据库。
参考图15所示的示例性方法，在步骤1500中，处理器300将VIN提交到VIN解码器。如本领域技术人员已知的，VIN解码器接收17位VIN并返回车辆的车辆制造商、商标、品牌和型号、车身风格、发动机尺寸、组装工厂和型号年份。该信息由美国国家公路交通安全管理局(NHTSA)根据制造商提交给NHTSA的数据提供。在步骤1502中，处理器300从VIN解码器检索与VIN相关联的VIN信息，并且在步骤1504中，处理器300任选地将VIN信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
重新参考图6，在步骤610中，处理器300任选地使用车辆的数字图像来确定车辆的基本颜色。图16、图17和图18示出了可由处理器300执行以确定车辆的基本颜色的三种示例性方法。
参考图16所示的示例性方法，在步骤1600中，处理器300将车辆图像读取到处理例程中。在步骤1602中，处理器300识别图像中的车辆，并且在步骤1604中，处理器300确定图像的车辆部分的RGB值。如本领域技术人员已知的，RGB值包括0到255的范围内(或以00到FF的十六进制表示)的红色、绿色和蓝色强度值。根据图像确定RGB值描述于例如美国专利第6768814号。在步骤1606中，处理器300任选地通过分析图像内RGB值的变化来评估颜色不均匀性，以确定颜色为实色还是颜色效果(例如，金属、珠光、
Figure BDA0003442260730000151
等)。在一些实施方案中，处理器300还可能够确定车辆饰面的纹理参数(例如，灰度、粗糙度、闪光度等)。当然，识别纹理参数的能力将取决于用于获得车辆图像的相机的质量。即使在不能完全确定纹理参数的情况下，该过程也可用于过滤颜色。例如，如果粗糙度的范围为0到6(0为实色)，并且，如果您以±1的精度确定粗糙度为2，则可从检索结果中省略所有粗糙度小于1且大于3的颜色配方。
在步骤1608中，处理器300将步骤1604中确定的RGB值转换为L*a*b*颜色值。L*a*b*颜色值基于由国际照明委员会(CIE)限定的CIELAB颜色空间，其将颜色表示为三个值：L*表示从黑色(0)到白色(100)的亮度，a*表示从绿色(-)到红色(+)的亮度，并且b*表示从蓝色(-)到黄色(+)的亮度，如本领域技术人员已知的。当然，如上所述，还可根据本发明使用其它比色系统。
在步骤1610中，处理器300确定是否存在另一车辆图像，并且，如果是，则过程返回到步骤1600。否则，在步骤1612中，处理器300处理在步骤1606中针对车辆图像中的每个车辆图像(其是任选的)获得的颜色效果和纹理参数，以及在步骤1608中针对车辆图像中的每个车辆图像计算的L*a*b*颜色值，以便确定这些值中的每个值的平均值。当计算平均值时，可以忽略任何异常值。然后，处理器300任选地将该信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
参考图17所示的示例性方法，在步骤1700中，处理器300在电子视觉显示器304上呈现车辆图像并且请求用户输入车辆在图像中的位置。如上所述，在步骤1702中，处理器300接收图像中的车辆位置的用户选择(或车辆的相关部分或仅图像中代表车辆颜色的区域)，并且在步骤1704中，处理器300确定图像的车辆部分的RGB值。如上所述，在步骤1706中，处理器300将RGB值转换为L*a*b*颜色值。在步骤1708中，处理器300确定是否存在另一车辆图像，并且，如果是，则过程返回到步骤1700。否则，在步骤1710中，处理器300处理在步骤1706中针对车辆图像中的每个车辆图像计算的L*a*b*颜色值，以便确定这些值的平均值。当计算平均值时，可以忽略任何异常值。然后，处理器300任选地将该信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
参考图18所示的示例性方法，在步骤1800中，处理器300将车辆图像读取到处理例程中。在步骤1802中，处理器300识别图像中的颜色参考模板(例如，上文结合图8讨论的颜色参考模板)，并且，在步骤1804中，处理器300使用颜色参考模板来校准系统，并且由此获得图像中的车辆的更准确的颜色。合适的校准技术的示例描述于美国专利第6768814号。
如上所述，在步骤1806中，处理器300识别图像中的车辆，并且在步骤1808中，处理器300确定图像的车辆部分的RGB值。如上所述，在步骤1810中，处理器300将RGB值转换为L*a*b*颜色值。在步骤1812中，处理器300确定是否存在另一车辆图像，并且，如果是，则过程返回到步骤1800。否则，在步骤1814中，处理器300处理在步骤1810中针对车辆图像中的每个车辆图像计算的L*a*b*颜色值，以便确定这些值的平均值。当计算平均值时，可以忽略任何异常值。然后，处理器300任选地将该信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
重新参考图6，在步骤612中，处理器300使用车辆的图像来确定与车辆有关的信息(例如，车辆的品牌、型号和/或型号年份)。图19和图20示出了可由处理器300执行以确定车辆信息的两种示例性方法。
参考图19所示的示例性方法，在步骤1900中，处理器300将车辆图像传输到服务器系统204，在这种情况下，服务器系统204访问车辆信息数据库206以检索与车辆图像相关联的车辆信息(即，车辆的品牌、型号和/或型号年份)并且将车辆信息发送回处理器300。在步骤1902中，处理器300从服务器系统204接收车辆信息。在步骤1904中，处理器300确定是否存在另一车辆图像，并且，如果是，则过程返回到步骤1900。否则，在步骤1906中，处理器300使用统计或数据科学方法来处理在步骤1902中针对车辆图像中的每个车辆图像接收的车辆信息以评估信息的正确性和完整性，以便确定最终车辆信息。然后，处理器300任选地将该信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
参考图20所示的示例性方法，在步骤2000中，处理器300将车辆图像提交到搜索引擎(例如，互联网搜索引擎)，并且在步骤2002中，处理器300接收由搜索引擎定位的车辆信息(即，车辆的品牌、型号和/或型号年份)。在步骤2004中，处理器300确定是否存在另一车辆图像，并且，如果是，则过程返回到步骤2000。否则，在步骤2006中，处理器300处理在步骤2002中针对车辆图像中的每个车辆图像接收的车辆信息，以便确定车辆信息是否有用。在一些实施方案中，处理器300在电子视觉显示器304上呈现车辆信息，并且请求用户输入信息的有用性，即检索结果是否是良好结果。例如，当车辆是某种类型的BMW时，如果车辆信息指示车辆是Volkswagen Passat，则用户可指示车辆信息没有用。在步骤2008中，处理器300确定车辆信息是否有用，并且，如果是，那么将车辆信息视为最终车辆信息并且任选地存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。否则，过程结束。
重新参考图6，在步骤614中，处理器300任选地接收由用户响应于对电子视觉显示器304上呈现的用户输入的请求而已经手动输入的信息。图21示出了可由处理器300执行以接收用户输入的信息的示例性方法。在步骤2100中，处理器300接收已由用户手动输入的车辆的VIN。在步骤2102中，处理器300接收车辆的颜色信息，即，颜色的描述(例如，红色、蓝色等)和颜色效果(例如，实色、金属、珠光、
Figure BDA0003442260730000171
等)，其已由用户手动输入。在步骤2104中，处理器300确定输入的信息是否包括特殊效果(例如，金属、珠光、
Figure BDA0003442260730000172
等)，并且，如果不是，则过程进行到步骤2108。如果输入的信息包括特殊效果，则用户确定特殊效果的纹理参数(例如，灰度、粗糙度、闪光度等)。例如，用户可使用物理粗糙度选择器来确定粗糙度值。在步骤2106中，处理器300接收已由用户手动输入的纹理参数。最后，在步骤2108中，处理器接收已由用户手动输入的车辆信息(例如，车辆的品牌、型号和/或型号年份)。
重新参考图6，在步骤616中，处理器300使用在步骤612中确定的车辆信息和任选地在步骤600中确定的区域中的一个或多个区域、在步骤604中接收的CRS信息、在步骤608中接收的VIN信息、在步骤610中接收的基本颜色信息以及在步骤614中接收的用户输入的信息，以确定车辆的颜色信息。应当理解，与车辆信息相关联的颜色信息提供了用于制造该特定车辆类型的颜色的全面列表，并且可选信息(即，区域、CRS信息、VIN信息、基本颜色信息和/或用户输入的信息)可用于过滤或排除来自全面列表的颜色。图22和图23示出了可由处理器300执行以确定颜色信息的两种示例性方法。
参考图22所示的示例性方法，在步骤2200中，处理器300使用在步骤612中确定的车辆信息(即，车辆的品牌、型号和/或型号年份)、在步骤600中确定的区域、在步骤604中接收的CRS信息以及在步骤608中接收的VIN信息，以确定车辆的颜色信息。具体地，处理器300将车辆信息、区域、CRS信息和VIN信息传输到服务器系统208，在这种情况下，服务器系统208访问颜色信息数据库210以检索与该信息相关联的颜色信息(例如，颜色和颜色效果以及不同售后油漆颜色配方中的所有售后油漆颜色配方)。在步骤2202中，处理器300从服务器系统208接收颜色信息。
在步骤2204中，处理器300确定颜色信息中的颜色中的每种颜色的L*a*b*颜色值。在步骤2206中，处理器300将颜色中的一种颜色的L*a*b*颜色值与近似L*a*b*颜色值进行比较，例如，如在图16、图17和图18所示的过程中确定的图像的车辆部分的平均L*a*b*颜色值。在步骤2208中，处理器300确定是否存在待分析的另一颜色，并且，如果是，则过程返回到步骤2204。如果不是，则处理器300基于每种颜色的L*a*b*颜色值与近似L*a*b*颜色值之间的差异来选择一种或多种最佳颜色，其中最佳颜色将与最小差异相关联。在步骤2212中，处理器300任选地将最佳颜色的颜色信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
参考图23所示的示例性方法，在步骤2300中，处理器300使用在步骤612中确定的车辆信息(即，车辆的品牌、型号和/或型号年份)，以确定车辆的颜色信息。具体地，处理器300将车辆信息传输到服务器系统208，在这种情况下，服务器系统208访问颜色信息数据库210以检索与该车辆信息相关联的颜色信息(例如，颜色和颜色效果以及不同售后油漆颜色配方中的所有售后油漆颜色配方)。在步骤2302中，处理器300从服务器系统208接收颜色信息。在步骤2304中，处理器300任选地将颜色信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
重新参考图6，在步骤618中，处理器300确定颜色信息是否被定位。如果不是，则过程返回到步骤614，在这种情况下，处理器300请求用户手动输入将能够确定颜色信息的附加信息。在步骤620中，如果颜色信息被定位，则处理器300在电子视觉显示器(例如图3所示的智能手机的电子视觉显示器304)上呈现颜色结果，其中颜色结果包括在步骤616中确定的颜色信息中的所有颜色信息或一部分颜色信息。然后，在步骤622中，处理器300从用户接收最终颜色的选择。当然，如果处理器300能够在没有用户输入的情况下确定最终颜色和相关联的颜色配方，则可以消除步骤620和步骤622。图24、图25和图26示出了可由处理器300执行以呈现颜色结果并接收最终颜色选择的三种示例性方法。
参考图24所示的示例性方法，在步骤2400中，处理器300呈现包括由图23所示的过程确定的颜色中的所有颜色的颜色列表。针对列表中的颜色中的每种颜色呈现的信息可包括颜色和颜色效果和/或针对每种颜色创建的不同售后油漆颜色配方。在步骤2402中，处理器300从呈现给用户的颜色列表接收最终颜色选择，并且在步骤2404中，处理器300任选地将最终颜色信息信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
参考图25所示的示例性方法，在步骤2500中，处理器300呈现由图22所示的过程确定的最佳颜色。针对最佳颜色中的每种最佳颜色呈现的信息可包括颜色和颜色效果和/或针对每种颜色创建的不同售后油漆颜色配方。在步骤2502中，处理器300从呈现给用户的最佳颜色接收最终颜色选择。如果仅通过图22所示的过程识别出一种最佳颜色，则步骤2502将包括用户对该最佳颜色的确认。在步骤2504中，处理器300任选地将最终颜色信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
参考图26所示的示例性方法，在步骤2600中，处理器300根据一个或多个标准对由图23所示的过程确定的颜色进行排序。例如，可根据颜色的L*a*b*颜色值与近似L*a*b*颜色值之间的差异对颜色进行排序，如上所述，其中差异最小的颜色出现在列表的顶部。作为另一示例，可基于历史信息对颜色进行排序，其中最常用的颜色出现在列表的顶部。作为又一示例，可基于统计信息对颜色进行排序，其中基于统计分析与特定区域相关联的颜色变体出现在列表的顶部。
在步骤2602中，处理器300呈现颜色的排序列表。针对排序列表中的颜色中的每种颜色呈现的信息可包括颜色和颜色效果和/或针对每种颜色创建的不同售后油漆颜色配方。在步骤2602中，处理器300从呈现给用户的颜色列表接收最终颜色选择，并且在步骤2604中，处理器300任选地将最终颜色信息信息存储在存储器(例如，图3所示的存储器设备302或如上所述的其它存储器)中。
重新参考图6，在步骤624中，处理器300以一种或多种方式处理最终颜色选择。图27、图28和图29示出了可由处理器300执行以处理最终颜色选择的三种示例性方法。
参考图27所示的示例性方法，在步骤2700中，处理器300将用于最终颜色选择的颜色信息传输到图2所示的颜色检索系统212。传输到颜色检索系统212的颜色信息优选地包括颜色和颜色效果以及用于最终颜色选择的相关联的售后油漆颜色配方，其中该信息成为颜色检索系统212内的记录的一部分。
参考图28所示的示例性方法，在步骤2800中，处理器300将用于最终颜色选择的颜色信息传输到图2所示的油漆分配器或秤214。传输到分配器或秤214的颜色信息优选地包括颜色和颜色效果以及用于最终颜色选择的相关联的售后油漆颜色配方，其中油漆颜色配方用于创造用于喷涂到车辆上的油漆。
参考图29所示的示例性方法，在步骤2900中，处理器300将用于最终颜色选择的颜色信息传输到油漆分配器或秤214，并且在步骤2902中，处理器300将将用于最终颜色选择的颜色信息传输到颜色检索系统212。在每种情况下，所传输的颜色信息优选地包括颜色和颜色效果以及用于最终颜色选择的相关联的售后颜色配方。在步骤2904中，处理器300还将在图6的步骤612中确定的车辆信息传输到颜色检索系统212。在步骤2906中，处理器300另外将在图6的步骤602中接收的车辆信息传输到颜色检索系统212。此外，在步骤2908中，处理器300将在图6的步骤606中接收的VIN传输到颜色检索系统212。
重新参考图6，应当理解，整个方法的各个步骤可以按照任何顺序执行，条件是在先前步骤中获得执行特定步骤所需的信息。而且，可执行图6中所示步骤的各种组合以提供本发明的不同实施方案。例如，图30是包括图6的步骤602、612、616、620和622的示例性汽车颜色匹配方法的过程流程图。图31是包括图6的步骤602、610、612、616、620和622的示例性汽车颜色匹配方法的过程流程图。图32是包括图6的步骤602、612、614、616、620和622的示例性汽车颜色匹配方法的过程流程图。另外，图33是包括图6的步骤602、612、614、616、618、620和622的示例性汽车颜色匹配方法的过程流程图。图34是包括图6的步骤602、610、612、614、616、620和622的示例性汽车颜色匹配方法的过程流程图。此外，图35是包括图6的步骤602、612、616、620、622和624的示例性汽车颜色匹配方法的过程流程图。
图36是另一示例性汽车颜色匹配方法的过程流程图，其结合了图6所示的总体方法和常规的颜色检索过程。在该实施方案中，如果图6的颜色匹配过程成功，则将颜色选择发送到颜色检索系统212。然而，如果图6的颜色匹配过程不成功，则根据图1所示的方法通过颜色检索系统212执行对颜色的手动搜索。
此外，在一些实施方案中，车辆的图像或车辆的受损部分用于确定修理所需的油漆的量、修理类型和修理成本，如本领域技术人员已知的。
与现有技术系统相比，本发明的汽车颜色匹配系统和方法提供许多优点。例如，颜色匹配应用程序可在大多数用户都可以使用的硬件上实现，诸如智能手机或其他常见的计算设备，因此不需要购买昂贵的设备。此外，操作计算设备不需要高水平的专业知识(例如，智能手机比分光光度计更易于使用)，并且可便于在汽车车身修理厂环境内使用计算设备。另外，用户通常可以访问互联网，而车身修理厂本身可能不会在线。
此外，计算设备执行颜色匹配应用程序，该颜色匹配应用程序不需要手动输入大量信息，因此实现了用于选择颜色配方以匹配车辆原始油漆饰面的颜色的快速且相对无错误的过程。例如，参考图6所示的总体方法，需要用户操作的唯一步骤是步骤602(捕获车辆图像)、任选步骤606(扫描VIN或VIN条形码)、任选步骤614(手动输入车辆信息)和步骤622(手动选择最终油漆颜色)。此外，应当理解，可使用语音识别(双向)代替手动输入信息。因此，颜色匹配应用程序使得用户能够捕获损坏的车辆的图像，并且在用户很少或没有额外动作的情况下，颜色配方被立即传输到油漆秤或分配器，以将油漆喷涂到车辆上。本发明的其它优点对于本领域技术人员来说将是显而易见的。
III.通用信息
在本公开中，任何和所有示例或示例性语言(例如，“例如”或“作为示例”)的使用仅旨在更好地描述本发明而不对本发明的范围构成限制。本公开中的任何语言都不应被解释为表示对本发明的实践必不可少的任何未要求保护的要素。
而且，术语“包括”、“包含”或其任何其他变体的使用意在涵盖非排他性的包含，使得包括要素列表的系统、装置或方法不仅包括这些要素，而且还可包括没有明确列出的此类系统、装置或方法所固有的其他要素。
最后，虽然上文参考各种示例性实施方案描述和例示了本发明，但是应当理解，在不脱离本发明的范围的情况下，可对这些实施方案进行各种修改。因此，本发明不限于示例性实施方案的特定网络元件或方法，除非此类限制包括在以下权利要求中。

Claims (51)

1.一种存储指令的非暂态计算机可读介质，当由计算设备的处理器执行时，所述指令使所述处理器执行多个操作，所述多个操作包括：
接收由与所述处理器通信的相机捕获的车辆的至少一个数字图像；
确定与所述车辆的所述数字图像相关联的车辆信息；以及
确定与所述车辆信息相关联的颜色信息，其中从所述颜色信息中的多种颜色选择的最终油漆颜色用于将油漆喷涂到所述车辆上。
2.根据权利要求1所述的非暂态计算机可读介质，其中所述车辆信息包括所述车辆的品牌和型号。
3.根据权利要求2所述的非暂态计算机可读介质，其中所述车辆信息还包括所述车辆的型号年份。
4.根据权利要求1所述的非暂态计算机可读介质，其中所述颜色信息包括所述颜色中的每种颜色的颜色配方。
5.根据权利要求1所述的非暂态计算机可读介质，其中确定所述车辆信息包括访问车辆信息数据库以检索与所述车辆的所述数字图像相关联的所述车辆信息。
6.根据权利要求1所述的非暂态计算机可读介质，其中确定所述车辆信息包括将所述车辆的所述数字图像提交到搜索引擎并且接收由所述搜索引擎定位的所述车辆信息。
7.根据权利要求1所述的非暂态计算机可读介质，其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息相关联的所述颜色信息。
8.根据权利要求1所述的非暂态计算机可读介质，其中所述操作还包括：
从与所述计算设备通信的GPS接收器接收全球定位系统(GPS)信息；以及
根据所述GPS信息确定所述车辆的区域；
其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息和所述车辆的所述区域相关联的所述颜色信息。
9.根据权利要求1所述的非暂态计算机可读介质，其中所述操作还包括：
接收所述车辆的车辆识别号(VIN)；以及
基于所述VIN确定VIN信息；
其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息和所述VIN信息相关联的所述颜色信息。
10.根据权利要求9所述的非暂态计算机可读介质，其中接收所述VIN包括接收由所述相机捕获的所述VIN的数字图像，并且使用光学字符识别来处理所述VIN的所述数字图像以确定所述VIN。
11.根据权利要求9所述的非暂态计算机可读介质，其中接收所述VIN包括扫描VIN条形码以确定所述VIN。
12.根据权利要求9所述的非暂态计算机可读介质，其中接收所述VIN包括接收由用户手动输入的所述VIN。
13.根据权利要求9所述的非暂态计算机可读介质，其中接收所述VIN包括从颜色检索系统接收所述VIN。
14.根据权利要求9所述的非暂态计算机可读介质，其中确定所述VIN信息包括访问VIN数据库以检索与所述VIN相关联的所述VIN信息，其中所述VIN信息包括所述车辆的附加车辆信息和附加颜色信息中的一者或两者。
15.根据权利要求9所述的非暂态计算机可读介质，其中确定所述VIN信息包括(a)将所述VIN提交到VIN解码器，和(b)接收由所述VIN解码器定位的所述VIN信息，其中所述VIN信息包括所述车辆的附加车辆信息。
16.根据权利要求1所述的非暂态计算机可读介质，其中所述操作还包括：
从颜色检索系统(CRS)接收所述车辆的附加车辆信息和附加颜色信息中的一者或两者；
其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息和CRS信息相关联的所述颜色信息。
17.根据权利要求1所述的非暂态计算机可读介质，其中所述操作还包括：
接收用户手动输入的附加车辆信息和附加颜色信息中的一者或两者；
其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息和用户输入的信息相关联的所述颜色信息。
18.根据权利要求1所述的非暂态计算机可读介质，其中所述操作还包括：
确定所述颜色信息中的颜色中的每种颜色的颜色值；
分析所述车辆的所述数字图像以识别所述车辆的基本颜色的颜色值；以及
基于所述颜色信息中的所述颜色中的每种颜色的所述颜色值与所述车辆的所述基本颜色的所述颜色值之间的差异来选择颜色结果。
19.根据权利要求18所述的非暂态计算机可读介质，其中所述车辆的所述数字图像包括用于获得所述车辆的所述基本颜色的所述颜色值的颜色参考模板。
20.根据权利要求1所述的非暂态计算机可读介质，其中所述操作还包括：
呈现包括所述颜色信息中的所述颜色中的所有颜色或一部分颜色的颜色结果；以及
从所述颜色结果接收所述车辆的所述最终油漆颜色的选择。
21.根据权利要求20所述的非暂态计算机可读介质，其中用户从所呈现的颜色结果选择所述最终油漆颜色。
22.根据权利要求20所述的非暂态计算机可读介质，其中所述操作还包括从所述颜色信息中的所述颜色确定最佳颜色，其中所述颜色结果包括所述最佳颜色，并且其中经由用户对所述最佳颜色的确认来选择所述最终油漆颜色。
23.根据权利要求1所述的非暂态计算机可读介质，其中所述操作还包括将所述最终油漆颜色的颜色配方传输到分配器或秤。
24.根据权利要求1所述的非暂态计算机可读介质，其中所述操作还包括将所述最终油漆颜色的颜色配方传输到颜色检索系统。
25.根据权利要求24所述的非暂态计算机可读介质，其中所述操作还包括将所述车辆的所述数字图像和所述车辆信息中的一者或两者传输到所述颜色检索系统。
26.根据权利要求1所述的非暂态计算机可读介质，其中所述计算设备包括智能手机、个人计算机、膝上型计算机、个人数字助理、个人计算平板电脑、智能手表、可穿戴设备和智能眼镜中的一者。
27.一种存储指令的非暂态计算机可读介质，当由计算设备的处理器执行时，所述指令使所述处理器执行多个操作，所述多个操作包括：
接收由与所述处理器通信的相机捕获的车辆的至少一个数字图像；
基于对所述车辆的所述数字图像的分析来确定车辆信息；
确定包括与所述车辆信息相关联的多种颜色中的每种颜色的颜色配方的颜色信息；
基于对所述车辆的所述数字图像的分析来确定所述车辆的基本颜色；
确定所述颜色信息中与所述车辆的所述基本颜色有关的所述颜色中的一部分颜色，其中从所述颜色信息中的所述颜色中的所述部分颜色选择的最终油漆颜色用于将油漆喷涂到所述车辆上。
28.根据权利要求27所述的非暂态计算机可读介质，其中所述车辆信息包括所述车辆的品牌和型号。
29.根据权利要求28所述的非暂态计算机可读介质，其中所述车辆信息还包括所述车辆的型号年份。
30.根据权利要求27所述的非暂态计算机可读介质，其中确定所述车辆信息包括访问车辆信息数据库以检索与所述车辆的所述数字图像相关联的所述车辆信息。
31.根据权利要求27所述的非暂态计算机可读介质，其中确定所述车辆信息包括将所述车辆的所述数字图像提交到搜索引擎并且接收由所述搜索引擎定位的所述车辆信息。
32.根据权利要求27所述的非暂态计算机可读介质，其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息相关联的所述颜色信息。
33.根据权利要求27所述的非暂态计算机可读介质，其中所述操作还包括：
从与所述计算设备通信的GPS接收器接收全球定位系统(GPS)信息；以及
根据所述GPS信息确定所述车辆的区域；
其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息和所述车辆的所述区域相关联的所述颜色信息。
34.根据权利要求27所述的非暂态计算机可读介质，其中所述操作还包括：
接收所述车辆的车辆识别号(VIN)；以及
基于所述VIN确定VIN信息；
其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息和所述VIN信息相关联的所述颜色信息。
35.根据权利要求34所述的非暂态计算机可读介质，其中接收所述VIN包括接收由所述相机捕获的所述VIN的数字图像，并且使用光学字符识别来处理所述VIN的所述图像以确定所述VIN。
36.根据权利要求34所述的非暂态计算机可读介质，其中接收所述VIN包括扫描VIN条形码以确定所述VIN。
37.根据权利要求34所述的非暂态计算机可读介质，其中接收所述VIN包括接收由用户手动输入的所述VIN。
38.根据权利要求34所述的非暂态计算机可读介质，其中接收所述VIN包括从颜色检索系统接收所述VIN。
39.根据权利要求34所述的非暂态计算机可读介质，其中确定所述VIN信息包括访问VIN数据库以检索与所述VIN相关联的所述VIN信息，其中所述VIN信息包括所述车辆的附加车辆信息和附加颜色信息中的一者或两者。
40.根据权利要求34所述的非暂态计算机可读介质，其中确定所述VIN信息包括(a)将所述VIN提交到VIN解码器，和(b)接收由所述VIN解码器定位的所述VIN信息，其中所述VIN信息包括所述车辆的附加车辆信息。
41.根据权利要求27所述的非暂态计算机可读介质，其中所述操作还包括：
从颜色检索系统(CRS)接收所述车辆的附加车辆信息和附加颜色信息中的一者或两者；
其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息和所述CRS信息相关联的所述颜色信息。
42.根据权利要求27所述的非暂态计算机可读介质，其中所述操作还包括：
接收用户手动输入的附加车辆信息和附加颜色信息中的一者或两者；
其中确定所述颜色信息包括访问颜色信息数据库以检索与所述车辆信息和所述用户输入的信息相关联的所述颜色信息。
43.根据权利要求27所述的非暂态计算机可读介质，其中所述操作还包括：
确定所述颜色信息中的所述颜色中的每种颜色的颜色值；
将数字图像分析技术应用于所述车辆的所述数字图像以识别所述车辆的所述基本颜色的颜色值；以及
基于所述颜色信息中的所述颜色中的每种颜色的所述颜色值与所述车辆的所述基本颜色的所述颜色值之间的差异来选择颜色结果。
44.根据权利要求43所述的非暂态计算机可读介质，其中所述车辆的所述数字图像包括用于获得所述车辆的所述基本颜色的所述颜色值的颜色参考模板。
45.根据权利要求27所述的非暂态计算机可读介质，其中所述操作还包括：
呈现包括所述颜色信息中的所述颜色中的所有颜色或一部分颜色的颜色结果；以及
从所述颜色结果接收所述车辆的所述最终油漆颜色的选择。
46.根据权利要求45所述的非暂态计算机可读介质，其中用户从所呈现的颜色结果选择所述最终油漆颜色。
47.根据权利要求45所述的非暂态计算机可读介质，其中所述操作还包括从所述颜色信息中的所述颜色确定最佳颜色，其中所述颜色结果包括所述最佳颜色，并且其中经由用户对所述最佳颜色的确认来选择所述最终油漆颜色。
48.根据权利要求27所述的非暂态计算机可读介质，其中所述操作还包括将所述最终油漆颜色的所述颜色配方传输到分配器或秤。
49.根据权利要求27所述的非暂态计算机可读介质，其中所述操作还包括将所述最终油漆颜色的所述颜色配方传输到颜色检索系统。
50.根据权利要求49所述的非暂态计算机可读介质，其中所述操作还包括将所述车辆的所述数字图像和所述车辆信息中的一者或两者传输到所述颜色检索系统。
51.根据权利要求27所述的非暂态计算机可读介质，其中所述计算设备包括智能手机、个人计算机、膝上型计算机、个人数字助理、个人计算平板电脑、智能手表、可穿戴设备和智能眼镜中的一者。
CN202080048984.4A 2019-08-02 2020-07-27 汽车颜色匹配系统和方法 Pending CN114072644A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/529,899 2019-08-02
US16/529,899 US11170187B2 (en) 2019-08-02 2019-08-02 Automotive color matching system and method
PCT/US2020/043673 WO2021025884A1 (en) 2019-08-02 2020-07-27 Automotive color matching system and method

Publications (1)

Publication Number Publication Date
CN114072644A true CN114072644A (zh) 2022-02-18

Family

ID=74259555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080048984.4A Pending CN114072644A (zh) 2019-08-02 2020-07-27 汽车颜色匹配系统和方法

Country Status (8)

Country Link
US (1) US11170187B2 (zh)
EP (1) EP4007897A4 (zh)
CN (1) CN114072644A (zh)
AU (1) AU2020324363A1 (zh)
BR (1) BR112021026673A2 (zh)
CA (1) CA3145871A1 (zh)
MX (1) MX2022000478A (zh)
WO (1) WO2021025884A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113976353B (zh) * 2021-10-12 2022-10-14 广汽本田汽车有限公司 一种车辆颜色喷涂的检测系统
WO2023225446A1 (en) * 2022-05-18 2023-11-23 Ppg Industries Ohio, Inc. Techniques for indexing custom-made coatings within a database

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR0014467A (pt) 1999-10-05 2002-06-11 Akzo Nobel Nv Métodos para determinar uma fórmula de cor para casar uma cor selecionada, para determinar uma textura e/ou fórmula de cor para casar com uma cor selecionada, e para determinar a diferença de cor de uma cor selecionada
US20020161530A1 (en) * 1999-12-17 2002-10-31 Corrigan Victor G. Computer-implemented method and apparatus for matching paint
EP1238249B2 (en) * 1999-12-17 2013-01-09 PPG Industries Ohio, Inc. Computer-implemented method and apparatus for matching paint
US7743055B2 (en) * 2000-03-28 2010-06-22 E.I. Du Pont De Nemours And Company Digital display of color and appearance and the use thereof
EP1355242A1 (en) 2000-03-28 2003-10-22 E.I. Dupont De Nemours And Company Color matching method for automotive refinishing
EP1563267B1 (en) * 2002-10-31 2009-07-29 E.I. Du Pont De Nemours And Company Color selection method
US7145656B2 (en) * 2003-12-15 2006-12-05 E. I. Du Pont De Nemours And Company Computer-implemented method for matching paint
US20070032965A1 (en) 2005-07-20 2007-02-08 Basf Corporation System and method for determining a paint formula with a portable device
KR20110018388A (ko) 2008-05-28 2011-02-23 아크조노벨코팅스인터내셔널비.브이. 매칭 컬러 변량의 결정 방법
JP2013536060A (ja) * 2010-06-25 2013-09-19 イー・アイ・デュポン・ドウ・ヌムール・アンド・カンパニー 整合したカラーコーティングを生成及び供給するための方法及びその使用
US8577088B2 (en) 2010-08-05 2013-11-05 Hi-Tech Solutions Ltd. Method and system for collecting information relating to identity parameters of a vehicle
CA2823944C (en) * 2011-01-04 2016-08-30 Ppg Industries Ohio, Inc. Web-based architectural color selection system
US8873807B2 (en) * 2011-03-08 2014-10-28 Bank Of America Corporation Vehicle recognition
WO2013092677A1 (en) 2011-12-21 2013-06-27 Akzo Nobel Coatings International B.V. Colour variant selection method using a mobile device
WO2013092679A1 (en) 2011-12-21 2013-06-27 Akzo Nobel Coatings International B.V. Colour variant selection method using a mobile device
WO2014134099A1 (en) * 2013-02-26 2014-09-04 Axalta Coating Systems IP Co. LLC Process for matching color and appearance of coatings
US10306053B1 (en) 2017-04-17 2019-05-28 Posture Solutions, LLC Restricting computing devices used by vehicle operators
US11080552B2 (en) * 2018-09-18 2021-08-03 Axalta Coating Systems Ip Co., Llc Systems and methods for paint match simulation
US10796354B1 (en) * 2018-09-18 2020-10-06 Dennis Termeer Apparatus and method for determining the color of paint on a vehicle
US11574420B2 (en) * 2019-12-31 2023-02-07 Axalta Coating Systems Ip Co., Llc Systems and methods for matching color and appearance of target coatings

Also Published As

Publication number Publication date
AU2020324363A1 (en) 2022-02-10
US11170187B2 (en) 2021-11-09
MX2022000478A (es) 2022-02-03
WO2021025884A1 (en) 2021-02-11
EP4007897A1 (en) 2022-06-08
CA3145871A1 (en) 2021-02-11
EP4007897A4 (en) 2023-07-12
BR112021026673A2 (pt) 2022-02-15
US20210034829A1 (en) 2021-02-04

Similar Documents

Publication Publication Date Title
US10375148B2 (en) Colour variant selection method using a mobile device
CA2786955C (en) Method and system for determining colour from an image
US10643099B2 (en) Multi-agent training of a color identification neural network
US20130297384A1 (en) Systems, Methods, and Apparatus for Fashion and Apparel Color Forecasting
US10969952B2 (en) Color and texture match ratings for optimal match selection
US20150228086A1 (en) System and method for automatically identifying and matching a color of a structure's external surface
CN114072644A (zh) 汽车颜色匹配系统和方法
US20070032965A1 (en) System and method for determining a paint formula with a portable device
CN102549545A (zh) 具有可视显示的颜色配方选择过程
WO2013092679A1 (en) Colour variant selection method using a mobile device
JP2013536060A (ja) 整合したカラーコーティングを生成及び供給するための方法及びその使用
JP2010242018A (ja) 塗料配合検索システム。
CN102915452A (zh) 一种获取颜色对应色卡号的方法及装置
CN105009152A (zh) 用于匹配涂料的方法
JP2000331076A (ja) 遠隔取引支援方法及びシステム及び遠隔取引支援プログラムを格納した記憶媒体
CN116057361A (zh) 识别对象的表面上的涂层的系统和修补具有受损涂层的对象的表面的方法
WO2023208771A1 (en) Method and apparatus for determining at least one adjusted sample coating to match the appearance of a reference coating
Cherfi et al. Case study: Color control in the automotive industry
CN110969596A (zh) 产品颜色修正方法及产品颜色修正系统

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