CN115760439B - 一种车辆报告的生成方法、装置、终端设备及存储介质 - Google Patents
一种车辆报告的生成方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN115760439B CN115760439B CN202211354751.4A CN202211354751A CN115760439B CN 115760439 B CN115760439 B CN 115760439B CN 202211354751 A CN202211354751 A CN 202211354751A CN 115760439 B CN115760439 B CN 115760439B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- model
- information
- collision
- accessory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请适用于车辆管理技术领域,提供了一种车辆报告的生成方法、装置、终端设备及存储介质,方法包括:接收用户反馈的关于目标车辆的车辆受损信息;获取与所述车辆标识关联的至少一个车辆标准模型,并基于所述碰撞信息构建与所述车辆标准模型的模型比例一致的受损车辆模型;根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型;将所述受损配件信息导入所述期望配件评分模型,生成所述目标车辆的配件评价报告。采用上述方法能够提高受损配件的受损识别的准确性,继而减少了后续维修以及理赔等环节所需等待的时长。
Description
技术领域
本申请属于车辆管理技术领域,尤其涉及一种车辆报告的生成方法、装置、终端设备及存储介质。
背景技术
随着人们生活水平的不断提高,汽车出行以成为大众最常用的出行方式,家用汽车的普及率也随之提升。然而,在汽车行驶的过程中,可能会出现碰撞或使用故障等原因出现配件损坏,如何能够有效地对汽车内的配件进行损坏评估以及管理,则成为了用户亟需解决的问题。
现有的车辆管理技术,在汽车遇到碰撞受损的情况下,往往是通过用户对车辆的碰撞位置所涉及的受损配件进行自行判断,并进行后续的修理以及理赔流程。但即便用户具有一定的车辆知识,在进行受损判断时依据日常经验进行受损判断往往存在不准确的情况,得到的受损结果也会与实际情况存在差异,从而大大降低了受损判断的准确性,继而降低了后续的修理以及理赔的效率,增加了不必要的维护时间。
发明内容
本申请实施例提供了一种车辆报告的生成方法、装置、终端设备及存储介质,可以解决现有的车辆管理技术,在进行受损判断时需要用户依据日常经验进行受损,得到的受损结果也会与实际情况存在差异,从而大大降低了受损判断的准确性,继而降低了后续的修理以及理赔的效率,增加了不必要的维护时间的问题。
第一方面,本申请实施例提供了一种车辆报告的生成方法,包括:
接收用户反馈的关于目标车辆的车辆受损信息;所述车辆受损信息包含所述目标车辆的车辆标识、受损配件信息以及碰撞信息;
获取与所述车辆标识关联的至少一个车辆标准模型,并基于所述碰撞信息构建与所述车辆标准模型的模型比例一致的受损车辆模型;所述车辆标准模型包含所述目标车辆的各个已有配件;所述车辆标准模型以及所述已有配件是基于基础粒子搭建得到的;
根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型;
将所述受损配件信息导入所述期望配件评分模型,生成所述目标车辆的配件评价报告。
在第一方面的一种可能的实现方式中,所述根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型,包括:
确定所述车辆标准模型以及所述受损车辆模型之间存在差异的偏差基础粒子,通过所述偏差基础粒子确定碰撞特征信息;所述碰撞特征信息包含碰撞力方向以及碰撞受力面;
将所述碰撞力方向以及所述碰撞受力面导入至所述车辆标准模型关联的受力分析模型,生成所述碰撞力方向作用于所述碰撞受力面时产生的扩散力信息;
根据所述碰撞力方向以及所述扩散力信息导入所述车辆标准模型关联的受力补偿模型,确定各个所述已有零件的碰撞置信度;所述受力补偿模型是根据所述已有配件在所述目标车辆内的相对位置信息确定的;
根据所有所述已有零件的所述碰撞置信度生成所述期望配件评分模型。
在第一方面的一种可能的实现方式中,所述将所述碰撞力方向以及所述碰撞受力面导入至所述车辆标准模型关联的受力分析模型,生成所述碰撞力方向作用于所述碰撞受力面时产生的扩散力信息,包括:
确定所述车辆受损信息对应的车辆行驶信息;所述车辆行驶信息包含有目标车辆的行驶速度以及乘坐人信息;
基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型;
将所述行驶速度以及所述碰撞力方向导入所述受力分析模型,确定所述碰撞力方向作用于所述碰撞受力面的第一扩散方向;
根据所述车辆标准模型,将所述碰撞受力面相邻的已有配件识别为直接碰撞配件,并将与所述直接碰撞配件存在接触的其他已有配件识别为间接碰撞配件;
基于所述直接碰撞配件与所述间接碰撞配件之间的接触面,确定第二扩散方向;
通过所述第一扩散方向以及所述第二扩散方向,生成所述扩散力信息。
在第一方面的一种可能的实现方式中,在所述基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型之前,还包括:
基于预设的反馈周期接收所述目标车辆关联的用户反馈的视频数据;所述视频数据包括基于所述用户的终端反馈的第一视频数据以及基于所述目标车辆内的行车记录装置反馈的第二视频数据;
将所述视频数据导入预设的碰撞事件检测模块,确定所述反馈周期内存在的配件受损事件;
基于所述配件受损事件对上一反馈周期对应的车辆标准模型进行更新,得到当前反馈周期对应的车辆标准模型。
在第一方面的一种可能的实现方式中,所述基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型,包括:
获取与接收到所述车辆受损信息的时刻最近的反馈周期对应的车辆标准模型作为目标标准模型;
根据预设的乘坐人重量对所述目标标准模型中所述乘坐位置的区域对应的所述基础粒子进行压力形变调整,生成校准标准模型;
基于所述校准标准模型生成所述受力分析模型。
在第一方面的一种可能的实现方式中,所述将所述受损配件信息导入所述期望配件评分模型,生成所述目标车辆的配件评价报告,包括:
确定所述受损配件信息中的各个损坏配件;每个所述损坏配件对应一个配件标识;
将所述配件标识导入所述期望配件评分模型,生成所述损坏配件关联的受损期望概率;
若所述受损期望概率小于或等于预设的期望阈值,则生成关于所述损坏配件的异常提示信息;
基于所有所述异常提示信息生成所述配件评价报告。
在第一方面的一种可能的实现方式中,所述若所述受损期望概率小于或等于预设的期望阈值,则生成关于所述损坏配件的异常提示信息,还包括:
确定所述受损期望概率小于或等于所述期望阈值的损坏配件所属的功能模块,并查询与所述功能模块关联的其他配件;
分别确定各个所述其他配件的所述受损期望概率;
若任一其他配件的受损期望概率大于所述期望阈值,则生成所述任一其他配件的受损提示信息;
所述基于所有所述异常提示信息生成所述配件评价报告包括:
基于所有所述异常提示信息以及所述受损提示信息,生成所述配件评价报告。
第二方面,本申请实施例提供了一种车辆报告的生成装置,包括:
受损信息接收单元,用于接收用户反馈的关于目标车辆的车辆受损信息;所述车辆受损信息包含所述目标车辆的车辆标识、受损配件信息以及碰撞信息;
受损车辆模型构建单元,用于获取与所述车辆标识关联的至少一个车辆标准模型,并基于所述碰撞信息构建与所述车辆标准模型的模型比例一致的受损车辆模型;所述车辆标准模型包含所述目标车辆的各个已有配件;所述车辆标准模型以及所述已有配件是基于基础粒子搭建得到的;
期望配件评分模型生成单元,用于根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型;
评价报告生成单元,用于将所述受损配件信息导入所述期望配件评分模型,生成所述目标车辆的配件评价报告。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面任一项所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面任一项所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在服务器上运行时,使得服务器执行上述第一方面中任一项所述的方法。
本申请实施例与现有技术相比存在的有益效果是:通过在目标车辆需要进行受损配件的判断时,接收用户反馈的车辆受损信息,用户可以对受损情况进行汇报;继而根据上述的车辆受损信息构建与之对应的受损车辆模型,并将受损车辆模型与目标车辆的车辆标准模型进行比对,生成与之对应的期望配件评分模型,将用户初评的受损配件信息导入到上述的期望配件评分模型内,则可以生成目标车辆的配件评价报告,确定该目标车辆中可能存在受损的配件,对用户的初评进行自动校正。与现有的车辆管理技术相比,在用户对于车辆进行初次受损评估后,得到对应的车辆受损信息,可以基于该车辆受损信息对其中的受损配件信息进行评估,得到对应的配件评价报告,能够提高受损配件的受损识别的准确性,继而减少了后续维修以及理赔等环节所需等待的时长。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种车辆报告的生成方法的实现示意图;
图2是本申请一实施例提供的车辆标准模型的结构示意图;
图3是本申请第二实施例提供的一种车辆报告的生成方法S103的具体实现流程图;
图4是本申请第三实施例提供的一种车辆报告的生成方法S1032的具体实现流程图;
图5是本申请第四实施例提供的一种车辆报告的生成方法的具体实现流程图;
图6是本申请第五实施例提供的一种车辆报告的生成方法的具体实现流程图;
图7是本申请第六实施例提供的一种车辆报告的生成方法的具体实现流程图;
图8是本申请第七实施例提供的一种车辆报告的生成方法的具体实现流程图;
图9是本申请实施例提供的车辆报告的生成装置的结构示意图;
图10是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请实施例提供的车辆报告的生成方法可以应用于智能手机、服务器、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer, UMPC)、上网本等能够实现对生成目标车辆的配件评价报告的终端设备上。本申请实施例对终端设备的具体类型不作任何限制。
在一种可能的实现方式中,该终端设备可以为目标车辆所属用户所使用的智能终端,如智能手机,在该情况下,智能终端可以安装有对应的客户端程序,通过该客户端程序可以对用户在本地输入的车辆受损信息进行分析,从而生成对应的配件评价报告。
在一种可能的实现方式中,该终端设备还可以为部署于云端的服务器,在该情况下,用户可以在本地的用户终端内安装有与云端服务器对应的客户端程序,并在客户端程序内导入对应的车辆受损信息,用户终端可以通过客户端程序与云端服务器建立通信连接,并将接收到的车辆受损信息上传给云端服务器 (即本申请实施例提供的执行主体),继而云端服务器可以通过后续的步骤生成关于目标车辆的配件评价报告。
请参阅图1,图1示出了本申请实施例提供的一种车辆报告的生成方法的实现示意图,该方法包括如下步骤:
在S101中,接收用户反馈的关于目标车辆的车辆受损信息;所述车辆受损信息包含所述目标车辆的车辆标识、受损配件信息以及碰撞信息。
在本实施例中,目标车辆在行驶的过程中若出现碰撞,可能导致车辆内的配件造成损坏,此时,用户则需要对受损的配件进行维修,以保证汽车能够正常使用。因此,在发生碰撞的情况下,用户可以采集该目标车辆对应的车辆受损信息,并将车辆受损信息发送给终端设备,终端设备可以对该车辆受损信息进行分析,以得到目标车辆的配件评价报告。
在本实施例中,该终端设备可以为用户使用的用户终端,也可以为部署于云端的服务器,不同类型接收车辆受损信息的过程可以参见上面的描述,在此不再赘述。其中,若该终端设备为用户终端,则可以在用户终端上生成对应的受损采集界面,该受损采集界面内可以接收用户输入的受损配件,以及通过用户终端内置的摄像模块采集受损后目标车辆的车辆图像,当然,在部分场景下,用户终端可以通过视频的方式获取受损后目标车辆的车辆视频,从而能够更加准确地对本次碰撞的受损情况下进行评估,该受损采集界面可以将用户输入的信息进行封装,生成上述的车辆受损信息,并执行后续的流程。若该终端设备为部署于云端的服务器,则用户终端也可以将封装后的车辆受损信息上传至云端服务器,云端服务器在接收到该车辆受损信息后,可以生成对应的配件评价报告。
在本实施例中,该车辆受损信息中携带有该目标车辆的车辆标识,该车辆标识用于确定本次所需评估配件受损情况的目标车辆。举例性地,该车辆标识可以为车辆型号、车牌号码、与目标车辆绑定的用户账户等能够用于标识目标车辆的信息。
在本实施例中,上述车辆受损信息还包括受损配件信息。该受损配件信息具体是用户对本次受损情况进行确认时,初次评定存在损坏的配件,例如该受损配件信息可以为一受损配件列表,该受损配件列表可以记录有本次车辆碰撞后涉及的受损配件。
在S102中,获取与所述车辆标识关联的至少一个车辆标准模型,并基于所述碰撞信息构建与所述车辆标准模型的模型比例一致的受损车辆模型;所述车辆标准模型包含所述目标车辆的各个已有配件;所述车辆标准模型以及所述已有配件是基于基础粒子搭建得到的。
在本实施例中,终端设备可以预先为各个目标车辆配置对应的车辆标准模型,该车辆标准模型用于确定目标车辆在碰撞事件发生之前的车辆状态。而通过车辆受损信息以及该车辆标准模型,可以对本次碰撞改变的区域进行调整,从而得到根据车辆受损信息对车辆标准模型进行调整后得到的受损车辆模型。
在一种可能的实现方式中,上述的车辆标识可以为目标车辆的车辆型号。终端设备根据该车辆型号从车辆模型库内提取与之关联的标准模型作为目标车辆对应的车辆标准模型。由于不同型号的汽车其结构以及内置的配件,以及各个配件对应的安装位置均是基于标准化流程生产得到的,即相同型号的不同车辆其车辆模型往往是一致的,基于此,为了减少所需构建车辆模型的数量并减少上述车辆标准模型的构建频率,可以将所有车辆型号相同的不同车辆复用同一车辆标准模型,即各个车辆标准模型对应一个车辆型号。在终端设备确定目标车辆的车辆标准模型时,可以根据该目标车辆的车辆型号,确定与之对应的车辆标准模型。
在一种可能的实现方式中,上述的车辆标识可以为目标车辆的车牌号码,还可以包括车辆型号以及用户账户。一般情况下,一个用户可以关联有多个汽车,而关联同一用户的不同汽车的车辆型号往往是不同的,因此通过车辆型号以及用户账户的组合,可以唯一确定一个目标车辆;同样地,通过车牌号码也可以唯一确定一个目标车辆。由于汽车在使用的过程中,用户可以进行定制化设置,即不同的车辆即便型号相同,在外形以及配件上也可能存在差异,在该情况下,终端设备可以为不同的目标车牌创建对应的车辆标准模型,即车辆标准模型与目标车辆之间是一一对应的,该车辆标准模型不可以与其他车辆复用,从而能够提高后续受损配件识别的准确性。
在一种可能的实现方式中,在不同车辆标准模型均对应一个目标车辆的情况下,终端设备可以接收该目标车辆上传的车辆更新信息(例如对目标车辆进行改装或修理后得到的信息),终端设备可以根据该目标车辆对应的车辆型号,获取基准车辆模型,并基于车辆更新信息对上述的基准车辆模型进行更新,并将基于车辆更新信息后更新的基准车辆模型作为该目标车辆的车辆标准模型,从而能够实现为不同的车辆定制对应的标准模型。
在本实施例中,终端设备在构建上述车辆标准模型时,是基于预设的基础粒子进行搭建的,该基础粒子可以为一立方体,如正方体或长方体等。示例性地,图2示出了本申请一实施例提供的车辆标准模型的结构示意图。参见图2 所示,该车辆标准模型具体是基于一正方体搭建得到的,该车辆标准模型内的各个部件以及配件,均是由若干个正方体构成,由于单个正方体的体积较小,因此基于若干个正方体构成的部件以及配件与目标车辆内的实际部件以及配件之间的吻合度较高,以实现对目标车辆的建模。
与现有的车辆模型建模技术相比,本申请实施例通过基础粒子对目标车辆进行建模,即所有目标车辆均采用相同的基础粒子进行构建,不同车辆配件之间只是基础粒子构成的数量以及相对位置关系之间的差异,无需为不同的车辆配件配置对应的模型模板,所有车辆配件间的基础粒子能够相互复用,从而能够减少整个配件库的存储压力。
另一方面,在进行碰撞分析时,由于目标车辆的车辆标准模型以及对应的受损车辆模型均是基于基础粒子搭建的,每个车辆配件对应若干个基础粒子,因此根据车辆受损信息构建对应的受损车辆模型时,能够改变该车辆配件中对应基础粒子的形状,以模拟车辆配件因碰撞而出现受损的情况,由于车辆粒子的体积较小,能够更为精准地模拟配件因碰撞而发生的形变,从而能够提高后续受损车辆模型构建的准确性。
在本实施例中,针对不同的应用场景,终端设备可以为目标汽车构建不同的模型比例的车辆标准模型以及受损车辆模型。例如,目标车辆的真实尺寸与车辆标准模型之间的比例可以为:1:8、1:12、1:18、1:24、1:32等。上述获取的车辆标准模型的个数可以为一个,也可以为多个,在获取多个不同的车辆标准模型的情况下,不同的车辆标准模型可以对应不同的模型比例,对应地,构建的受损车辆模型也可以为多个,与车辆标准模型之间的模型比例一一对应。
在本实施例中,车辆受损信息中携带有碰撞信息,上述碰撞信息可以确定本次碰撞对应的碰撞点,优选地,还可以根据碰撞点对应的碰撞深度,确定该碰撞点对应的碰撞力度。电子设备可以根据碰撞信息对车辆标准模型进行调整,从而生成对应的受损车辆模型。
在一种可能的实现方式中,终端设备可以根据碰撞点对应的碰撞深度,确定该碰撞点对应的碰撞力向量,即确定其碰撞力的大小以及碰撞方向,根据预设的受力分析模型数据库,确定与该碰撞力向量对应的各个基础粒子的受力信息,继而根据各个基础离粒子的受力信息对上述受损碰撞模型进行调整,从而得到对应的受损车辆模型。
在S103中,根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型。
在本实施例中,终端设备可以通过车辆受损信息中的碰撞信息构建对应的受损车辆模型,从而可以通过车辆标准模型与受损车辆模型进行比对,确定出因碰撞而产生变化的一类受损配件(即直接受损配件),该类型受损配件可以是直接与碰撞力接触从而发生形变而导致受损的。除了一类受损配件外,与一类受损配件位置较近或直接接触的其他部件,因碰撞力经由一类受损配件传递,可能也会出现受损的情况,定义因碰撞力传递而导致受损的其他配件为二类受损配件。因此,为了能够识别得到一类受损配件以及二类受损配件,可以通过构建上述的期望配件评分模型,继而确定该目标车辆中每个已有配件的受损期望,该受损期望的数值越大,则表示该已有配件的受损概率越高;反之,若该已有配件的受损期望越小,则表示该已有配件的受损概率越低。
在一种可能的实现方式中,构建上述期望评分模型的方式可以为:终端设备可以获取各个已有配件的配件材料,通过预设的配件材料与力传递效率之间的对应关系表,确定各个已有配件的力传递系数,根据各个已有配件之间的相对位姿以及上述力传递系数,得到任意两个相邻的已有配件之间的力传递子模型,基于所有力传递子模型进行合并,从而得到对应的配件传递模型。终端设备根据车辆标准模型以及受损车辆模型能够确定已有配件的受力信息,将受力信息作为上述力传递模型的输入,从而能够构建得到上述的期望评分模型,以确定基于该受力信息在力传递模型内的力传递结果,即各个已有配件对应的受力程度,从而对各个已有配件的受损情况进行预测。
在S104中,将所述受损配件信息导入所述期望配件评分模型,生成所述目标车辆的配件评价报告。
在本实施例中,车辆受损信息中还携带有对应的受损配件信息,终端设备在确定本次碰撞后得到的期望配件评分模型后,可以将受损配件信息中各个用户确定的受损配件分别导入到上述模型内,从而可以输出关于各个受损配件对应的受损期望值,该受损期望值用于确定各个受损配件对应的受损概率。终端设备可以根据各个受损配件对应的受损期望值生成对应的配件评价报告,用户可以通过该配件评价报告确定自行确定的受损配件是否准确,若该受损期望值越大,则表示该受损配件与本次的碰撞相关程度越高,即存在损坏的概率越大,用户可以通过配件评价报告进行后续的维修流程,方便对目标车辆中的受损配件进行更换。
在一种可能的实现方式中,该目标车辆的配件评价报告可以应用于车辆维修场景,例如在目标车辆发生碰撞后需要进行送修的场景,用户可以对本次涉及所需维修的配件进行初次评定,从而得到对应的受损配件列表,生成上述受损配件信息。终端设备可以基于携带有受损配件信息的车辆受损信息进行解析,从而得到对应的配件评价报告,以便维修人员能够对本次维修所涉及的部件具有一个更为准确的了解,以提高后续的维修效率。
在一种可能的实现方式中,该目标车辆的配件评价报告可以应用于车辆理赔场景,例如目标车辆在维修过程中确定本次碰撞事件涉及多个受损配件,但并非所有受损配件均是本次碰撞事件造成的,此时,理赔阶段可以通过该配件评价报告确定本次碰撞事件涉及的受损配件,并对本次碰撞事件涉及的受损配件进行后续的理赔流程,以提高理赔流程的准确性。
以上可以看出,本申请实施例提供的一种车辆报告的生成方法通过在目标车辆需要进行受损配件的判断时,接收用户反馈的车辆受损信息,用户可以对受损情况进行汇报;继而根据上述的车辆受损信息构建与之对应的受损车辆模型,并将受损车辆模型与目标车辆的车辆标准模型进行比对,生成与之对应的期望配件评分模型,将用户初评的受损配件信息导入到上述的期望配件评分模型内,则可以生成目标车辆的配件评价报告,确定该目标车辆中可能存在受损的配件,对用户的初评进行自动校正。与现有的车辆管理技术相比,在用户对于车辆进行初次受损评估后,得到对应的车辆受损信息,可以基于该车辆受损信息对其中的受损配件信息进行评估,得到对应的配件评价报告,能够提高受损配件的受损识别的准确性,继而减少了后续维修以及理赔等环节所需等待的时长。
图3示出了本发明第二实施例提供的一种车辆报告的生成方法S103的具体实现流程图。参见图3,相对于图1所述实施例,本实施例提供的一种车辆报告的生成方法中S103包括:S1031~S1034,具体详述如下:
进一步地,所述根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型,包括:
在S1031中,确定所述车辆标准模型以及所述受损车辆模型之间存在差异的偏差基础粒子,通过所述偏差基础粒子确定碰撞特征信息;所述碰撞特征信息包含碰撞力方向以及碰撞受力面。
在本实施例中,车辆受损信息中携带有碰撞信息,该碰撞信息中具体可以携带本次碰撞事件作用于目标车辆上的碰撞点,但该碰撞点对应的碰撞力度还需要进一步确定。因此,终端设备可以通过比对车辆标准模型以及受损车辆模型之间存在差异的偏差基础粒子,即外观上发生了形变的基础粒子,从而确定该碰撞点对应的碰撞深度,从而根据碰撞深度的大小,确定出该碰撞点对应的碰撞力向量(即碰撞力的模以及方向),在部分场景下,碰撞的过程中碰撞力可能会沿车辆表面发生滑动,从而从一个点受力变换为一个面受力,终端设备可以根据偏差基础粒子所分布的区域,确定与之对应的碰撞受力面,从而确定本次碰撞对应的压强系数,便于后续进行碰撞力在内部扩散的估算。
在S1032中,将所述碰撞力方向以及所述碰撞受力面导入至所述车辆标准模型关联的受力分析模型,生成所述碰撞力方向作用于所述碰撞受力面时产生的扩散力信息。
在本实施例中,终端设备中存储有该目标车辆对应的车辆标准模型关联的受力分析模型。该受力分析模型具体用于限定该目标车辆中各个已有配件在出现碰撞时对应的力传递情况。因此,终端设备可以根据碰撞点确定碰撞力的起始位置,并根据碰撞力方向以及碰撞受力面,确定本次碰撞的直接作用范围,基于该直接作用范围作为本次的碰撞受力输入,并导入上述受力分析模型,从而能够通过该受理分析模型确定碰撞力在各个已有配件中的受力传递,生成与之对应的扩散力信息,即基于直接碰撞的区域,在目标车辆内部扩散传递的情况,从而能够确定本次收到影响的已有配件,将影响的已有配件作为受损配件。
在S1033中,根据所述碰撞力方向以及所述扩散力信息导入所述车辆标准模型关联的受力补偿模型,确定各个所述已有零件的碰撞置信度;所述受力补偿模型是根据所述已有配件在所述目标车辆内的相对位置信息确定的。
在本实施例中,终端设备可以根据各个已有配件的配件材料,确定各个已有配件对于碰撞力的传递系数,并根据各个已有配件在目标车辆中的相对位置,例如是否相邻、相邻面积、相邻面对应的接触面积等信息,构建上述的受力补偿模型,从而可以确定该扩散力在不同已有配件之间的传递情况。
在本实施例中,终端设备将上述的碰撞力方向以及扩散力信息导入上述的受力补偿模型,从而能够分别确定不同已有配件具体的受力程度,该受力程度可以包含受力大小以及受力接触面,从而根据受力大小以及受力接触面确定该已有配件对应的压强强度,从而得到对应的受损情况,即上述的碰撞置信度。其中,该碰撞置信度的数值越高,则表示其受到碰撞力的概率越高,对应的受损概率也大;反之,若该碰撞置信度的数值越小,则表示其受到碰撞力的概率越低,对应的受损概率越小。
在S1034中,根据所有所述已有零件的所述碰撞置信度生成所述期望配件评分模型。
在本实施例中,终端设备可以将所有已有零件对应的碰撞置信度,以及考虑已有配件对应的材料的硬度、刚度等,能够对该已有配件的受损概率进行预测,从而将所有已有零件的受损概率进行预测并封装,得到上述的期望配件评分模型。
在本申请实施例中,通过生成目标车辆对应的受力分析模型以及受力补偿模型,能够确定已有配件对应碰撞置信度,提高各个配件所受到碰撞程度的估算的准确性,继而提高受损配件的概率计算的准确性,提高车辆管理的准确性。
图4示出了本发明第三实施例提供的一种车辆报告的生成方法S1032的具体实现流程图。参见图4,相对于图3所述实施例,本实施例提供的一种车辆报告的生成方法中S1032包括:S401~S406,具体详述如下:
在S401中,确定所述车辆受损信息对应的车辆行驶信息;所述车辆行驶信息包含有目标车辆的行驶速度以及乘坐人信息。
在本实施例中,根据目标车辆在碰撞事件发生时对应的行驶情况,也会对碰撞力的传递有一定的影响。其中,车辆行驶信息包括行驶速度以及乘坐人信息。其中,行驶速度会影响碰撞力在已有配件内的力传递方向;而乘坐人信息会影响整个目标车辆的整体质量,对受力分析也会存在一定的影响;以及根据乘坐人的位置不同,也造成目标车辆中的部分已有配件一定的形变,从而影响扩散力的扩散方向,因此为了提高后续扩散力信息的识别准确性,终端设备会获取该目标车辆在碰撞事件发生时对应的车辆行驶信息。该车辆行驶信息可以通过目标车辆中的行驶记录仪中获取得到。
在S402中,基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型。
在本实施例中,终端设备可以根据乘坐人信息中确定的不同乘坐人的乘坐位置,对该乘坐位置中的已有配件(如座椅)对应的基础粒子进行调整,从而能够对目标哦车辆的车辆标准模型进行更新,并基于更新后的车辆标准模型生成与之对应的受力分析模型。
在S403中,将所述行驶速度以及所述碰撞力方向导入所述受力分析模型,确定所述碰撞力方向作用于所述碰撞受力面的第一扩散方向。
在本实施例中,终端设备可以根据行驶速度以及碰撞点对应的碰撞方向,确定碰撞力在目标车辆中的扩散方向,由于车辆是以一定的速度行驶,即在速度行驶方向上会具有一定的分量,从而能够确定该碰撞力在碰撞受力面中对应的扩散方向,即上述的第一扩散方向,用于确定在行驶速度方向上的碰撞力的扩散程度。
在S404中,根据所述车辆标准模型,将所述碰撞受力面相邻的已有配件识别为直接碰撞配件,并将与所述直接碰撞配件存在接触的其他已有配件识别为间接碰撞配件。
在本实施例中,终端设备可以根据车辆标准模型,确定各个已有配件之间的相互位置关系,将碰撞受力面直接作用的已有配件,作为直接承受碰撞的直接碰撞配件,而将与直接碰撞配件相邻的其他已有配件,作为会受碰撞力传递的间接碰撞配件。
在一种可能的实现方式中,终端设备可以设置有对应传递系数,即根据传递系数,可以再次从间接碰撞配件中确定与其接触的其他已有配件,也作为下一级的间接碰撞配件,直到传递的级数与上述预设的传递系数相同,才停止传递。需要说明的是,该传递系数与碰撞力的相关。
在S405中,基于所述直接碰撞配件与所述间接碰撞配件之间的接触面,确定第二扩散方向。
在本实施例中,终端设备可以识别各个直接碰撞配件与间接碰撞配件之间的接触面,确定与之对应的第二扩散方向,由于碰撞力能够在配件间传递,必然是透过配件之间的接触面传递,基于此,终端设备可以确定直接碰撞配件与间接碰撞配件之间的接触面,从而确定与之对应第二扩散方向。
在S406中,通过所述第一扩散方向以及所述第二扩散方向,生成所述扩散力信息。
在本实施例中,通过第一扩散方向(即行驶速度对于力扩散的影响)以及第二扩散方向(即配件间接触面对应力扩散的影响),能够较为全面地确定碰撞力在目标车辆内的传递情况,从而生成扩散力信息,提高了扩散力信息的准确性。
图5示出了本发明第四实施例提供的一种车辆报告的生成方法的具体实现流程图。参见图5,相对于图4所述实施例,本实施例提供的一种车辆报告的生成方法中在所述基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型之前,还包括:S501~S503,具体详述如下:
在S501中,基于预设的反馈周期接收所述目标车辆关联的用户反馈的视频数据;所述视频数据包括基于所述用户的终端反馈的第一视频数据以及基于所述目标车辆内的行车记录装置反馈的第二视频数据。
在S502中,将所述视频数据导入预设的碰撞事件检测模块,确定所述反馈周期内存在的配件受损事件。
在S503中,基于所述配件受损事件对上一反馈周期对应的车辆标准模型进行更新,得到当前反馈周期对应的车辆标准模型。
在本实施例中,由于车辆除了在碰撞事件发生时会出现配件受损,在日常生活中的剐蹭或其他情况,也能会导致汽车的外壳以及配件受损,为了能够准确识别因碰撞事件导致损坏的汽车配件,终端设备除了在碰撞事件发生时接收车辆受损信息外,还可以接收用户在日常使用过程中采集得到的视频数据,从而能够根据视频数据构建该目标车辆的车辆标准模型,即定时对车辆标准模型进行更新,从而能够区分在碰撞事件过程中受损的配件以及在日常使用过程中受损的配件,从而提高车辆管理的准确性,区分不同使用场景下的受损情况。
基于此,终端设备可以接收用户在多个不同的反馈周期上传的视频数据,其中包括通过用户终端采集的第一视频数据以及通过行车记录装置采集的第二视频数据,若在日常使用中发生剐蹭等碰撞事件,则可以对车辆标准模型进行更新,并将更新后的车辆标准模型与对应的反馈周期进行关联,以便对车辆模型进行精细化管理。
在本申请实施例中,通过在目标车辆在日常使用过程中采集视频数据,从而能够对目标车辆的车辆标准模型进行更新
图6示出了本发明第五实施例提供的一种车辆报告的生成方法的具体实现流程图。参见图6,相对于图5所述实施例,本实施例提供的一种车辆报告的生成方法中在所述基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型之前,还包括:S601~S603,具体详述如下:
在S601中,获取与接收到所述车辆受损信息的时刻最近的反馈周期对应的车辆标准模型作为目标标准模型。
在S602中,根据预设的乘坐人重量对所述目标标准模型中所述乘坐位置的区域对应的所述基础粒子进行压力形变调整,生成校准标准模型。
在S603中,基于所述校准标准模型生成所述受力分析模型。
在本实施例中,终端设备可以根据车辆受损信息对应的接收时间,从目标车辆库中确定最新更新的车辆标准模型,即车辆标准模型的反馈周期与碰撞事件发生时刻最接近,将该最新更新的车辆标准模型作为目标标准模型,确定本次碰撞事件发生之前配件的受损情况,继而通过各个乘坐人对应的乘坐位置,对目标车辆中相关区域的基础粒子进行压力形变调整,其中调整的幅度可以根据预设的乘坐人重量进行确定,从而得到校准标准模型,实现了对车辆模型的校准,继而根据校准标准模型生成与之对应的受理分析模型,能够提高受力分析模型的准确性。
图7示出了本发明第六实施例提供的一种车辆报告的生成方法的具体实现流程图。参见图7,相对于图1-6任一项所述实施例,本实施例提供的一种车辆报告的生成方法中S104包括:S1041~S1044,具体详述如下:
在S1041中,确定所述受损配件信息中的各个损坏配件;每个所述损坏配件对应一个配件标识。
在S1042中,将所述配件标识导入所述期望配件评分模型,生成所述损坏配件关联的受损期望概率。
在本实施例中,终端设备可以对受损配件信息中携带的损坏配件进行识别,并查询各个损坏配件对应的配件标识,该配件表示用于区分目标车辆中的不同已有配件,上述损坏配件具体为用户确定的存在损坏的已有配件。为了确认各个损坏配件与本次碰撞之间的关联性,可以将损坏配件的配件标识导入到上述的期望配件评分模型,输出该损坏配件对应的受损期望概率。
在一种可能的实现方式中,若某一损坏配件对应的受损期望概率大于预设的期望阈值,则表示用户判断准确,则可以生成关于该损坏配件的受损确认信息,以便用户确定该配件的损坏与碰撞事件相关。
在S1043中,若所述受损期望概率小于或等于预设的期望阈值,则生成关于所述损坏配件的异常提示信息。
在S1044中,基于所有所述异常提示信息生成所述配件评价报告。
在本实施例中,若某一损坏配件的受损期望概率小于或等于期望阈值,则表示该损坏配件与本次碰撞事件相关性较低,可能是其他情况造成损坏,又或者可能并没有损坏,此时,可以生成对应的异常提示信息,以提示用户该损坏配件并非与本次碰撞相关的损坏配件,从而能够方便用于发现判断异常的情况,基于所有异常提示信息生成对应的配件评价报告。
在本申请实施例中,通过在检测到某一损坏配件与本次碰撞相关性低,生成与之对应的异常提示信息,能够方便用户发现判断异常的损坏配件,继而能够提高后续车辆维修的准确性。
图8示出了本发明第七实施例提供的一种车辆报告的生成方法的具体实现流程图。参见图8,相对于图7所述实施例,本实施例提供的一种车辆报告的生成方法中S1043包括:S801~S803,S1044具体包括S804,具体详述如下:
进一步地,所述若所述受损期望概率小于或等于预设的期望阈值,则生成关于所述损坏配件的异常提示信息,还包括:
在S801中,确定所述受损期望概率小于或等于所述期望阈值的损坏配件所属的功能模块,并查询与所述功能模块关联的其他配件。
在S802中,分别确定各个所述其他配件的所述受损期望概率。
在S803中,若任一其他配件的受损期望概率大于所述期望阈值,则生成所述任一其他配件的受损提示信息。
在本实施例中,终端设备可以根据受损期望值以及已有配件之间的功能属性,确定并未被用户识别出的受损配件,其过程具体为:由于在受损配件信息中存在受损期望概率较小(即小于或等于期望阈值)的损坏配件,即表示该损坏配件大概率并没有因本次碰撞而发生损坏,即可能是属于正常配件,而用户认为该损坏配件异常,是可能由于该损坏配件对应的功能无法正常运作,此时,终端设备可以确定与该受损期望概率较小的损坏配件属于同一功能模型的其他配件,并分别确定各个其他配件的受损期望概率,从而能够确定出影响该功能实现的其他配件,即受损期望概率大于所述期望阈值的其他配件,并生成对应的受损提示信息,以提示用户该配件可能存在损坏的情况。
进一步地,所述基于所有所述异常提示信息生成所述配件评价报告,包括:
在S804中,基于所有所述异常提示信息以及所述受损提示信息,生成所述配件评价报告。
在本实施例中,终端设备可以将生成的异常提示信息以及受损提示信息进行封装,从而生成对应的配件评价报告。用户能够通过配件评价报告确定受损配件信息中可能并非与本次碰撞相关的损坏配件,以及可能用户并没有识别出的其他受损配件,提高了受损配件识别的准确性。
图9示出了本发明一实施例提供的一种车辆报告的生成装置的结构框图,该车辆报告的生成装置包括的各单元用于执行图1对应的实施例中加密装置实现的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。
参见图9,所述车辆报告的生成装置包括:
受损信息接收单元91,用于接收用户反馈的关于目标车辆的车辆受损信息;所述车辆受损信息包含所述目标车辆的车辆标识、受损配件信息以及碰撞信息;
受损车辆模型构建单元92,用于获取与所述车辆标识关联的至少一个车辆标准模型,并基于所述碰撞信息构建与所述车辆标准模型的模型比例一致的受损车辆模型;所述车辆标准模型包含所述目标车辆的各个已有配件;所述车辆标准模型以及所述已有配件是基于基础粒子搭建得到的;
期望配件评分模型生成单元93,用于根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型;
评价报告生成单元94,用于将所述受损配件信息导入所述期望配件评分模型,生成所述目标车辆的配件评价报告。
可选地,所述期望配件评分模型生成单元93包括:
碰撞特征信息确定单元,用于确定所述车辆标准模型以及所述受损车辆模型之间存在差异的偏差基础粒子,通过所述偏差基础粒子确定碰撞特征信息;所述碰撞特征信息包含碰撞力方向以及碰撞受力面;
受力分析模型导入单元,用于将所述碰撞力方向以及所述碰撞受力面导入至所述车辆标准模型关联的受力分析模型,生成所述碰撞力方向作用于所述碰撞受力面时产生的扩散力信息;
碰撞置信度计算单元,用于根据所述碰撞力方向以及所述扩散力信息导入所述车辆标准模型关联的受力补偿模型,确定各个所述已有零件的碰撞置信度;所述受力补偿模型是根据所述已有配件在所述目标车辆内的相对位置信息确定的;
期望配件评分模型构建单元,用于根据所有所述已有零件的所述碰撞置信度生成所述期望配件评分模型。
可选地,所述受力分析模型导入单元包括:
车辆行驶信息确定单元,用于确定所述车辆受损信息对应的车辆行驶信息;所述车辆行驶信息包含有目标车辆的行驶速度以及乘坐人信息;
受力分析模型确定单元,用于基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型;
第一扩散方向确定单元,用于将所述行驶速度以及所述碰撞力方向导入所述受力分析模型,确定所述碰撞力方向作用于所述碰撞受力面的第一扩散方向;
间接碰撞配件确定单元,用于根据所述车辆标准模型,将所述碰撞受力面相邻的已有配件识别为直接碰撞配件,并将与所述直接碰撞配件存在接触的其他已有配件识别为间接碰撞配件;
第二扩散方向确定单元,用于基于所述直接碰撞配件与所述间接碰撞配件之间的接触面,确定第二扩散方向;
扩散力信息确定单元,用于通过所述第一扩散方向以及所述第二扩散方向,生成所述扩散力信息。
可选地,所述生成装置还包括:
视频数据接收单元,用于基于预设的反馈周期接收所述目标车辆关联的用户反馈的视频数据;所述视频数据包括基于所述用户的终端反馈的第一视频数据以及基于所述目标车辆内的行车记录装置反馈的第二视频数据;
配件受损事件识别单元,用于将所述视频数据导入预设的碰撞事件检测模块,确定所述反馈周期内存在的配件受损事件;
模型更新单元,用于基于所述配件受损事件对上一反馈周期对应的车辆标准模型进行更新,得到当前反馈周期对应的车辆标准模型。
可选地,所述受力分析模型确定单元包括:
目标标准模型确定单元,用于获取与接收到所述车辆受损信息的时刻最近的反馈周期对应的车辆标准模型作为目标标准模型;
目标标准模型校准单元,用于根据预设的乘坐人重量对所述目标标准模型中所述乘坐位置的区域对应的所述基础粒子进行压力形变调整,生成校准标准模型;
受力分析模型生成单元,用于基于所述校准标准模型生成所述受力分析模型。
可选地,所述评价报告生成单元包括:
损坏配件确定单元,用于确定所述受损配件信息中的各个损坏配件;每个所述损坏配件对应一个配件标识;
受损期望概率计算单元,用于将所述配件标识导入所述期望配件评分模型,生成所述损坏配件关联的受损期望概率;
异常提示信息确定单元,用于若所述受损期望概率小于或等于预设的期望阈值,则生成关于所述损坏配件的异常提示信息;
配件评价报告生成单元,用于基于所有所述异常提示信息生成所述配件评价报告。
可选地,所述异常提示信息确定单元包括:
其他配件查询单元,用于确定所述受损期望概率小于或等于所述期望阈值的损坏配件所属的功能模块,并查询与所述功能模块关联的其他配件;
受损期望概率确定单元,用于分别确定各个所述其他配件的所述受损期望概率;
受损提示信息生成单元,用于若任一其他配件的受损期望概率大于所述期望阈值,则生成所述任一其他配件的受损提示信息;
所述配件评价报告生成单元具体用于基于所有所述异常提示信息以及所述受损提示信息,生成所述配件评价报告。
因此,本发明实施例提供的车辆报告的生成装置同样可以通过在目标车辆需要进行受损配件的判断时,接收用户反馈的车辆受损信息,用户可以对受损情况进行汇报;继而根据上述的车辆受损信息构建与之对应的受损车辆模型,并将受损车辆模型与目标车辆的车辆标准模型进行比对,生成与之对应的期望配件评分模型,将用户初评的受损配件信息导入到上述的期望配件评分模型内,则可以生成目标车辆的配件评价报告,确定该目标车辆中可能存在受损的配件,对用户的初评进行自动校正。与现有的车辆管理技术相比,在用户对于车辆进行初次受损评估后,得到对应的车辆受损信息,可以基于该车辆受损信息对其中的受损配件信息进行评估,得到对应的配件评价报告,能够提高受损配件的受损识别的准确性,继而减少了后续维修以及理赔等环节所需等待的时长。
应当理解的是,图9示出的车辆报告的生成装置的结构框图中,各模块用于执行图1至图8对应的实施例中的各步骤,而对于图1至图8对应的实施例中的各步骤已在上述实施例中进行详细解释,具体请参阅图1至图8以及图1 至图8所对应的实施例中的相关描述,此处不再赘述。
图10是本申请另一实施例提供的一种终端设备的结构框图。如图10所示,该实施例的终端设备1000包括:处理器1010、存储器1020以及存储在存储器 1020中并可在处理器1010运行的计算机程序1030,例如车辆报告的生成方法的程序。处理器1010执行计算机程序1030时实现上述各个车辆报告的生成方法各实施例中的步骤,例如图1所示的S101至S104。或者,处理器1010执行计算机程序1030时实现上述图10对应的实施例中各模块的功能,例如,图9所示的单元91至94的功能,具体请参阅图9对应的实施例中的相关描述。
示例性的,计算机程序1030可以被分割成一个或多个模块,一个或者多个模块被存储在存储器1020中,并由处理器1010执行,以完成本申请。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序1030在终端设备1000中的执行过程。例如,计算机程序1030 可以被分割成各个单元模块,各模块具体功能如上。
终端设备1000可包括,但不仅限于,处理器1010、存储器1020。本领域技术人员可以理解,图10仅仅是终端设备1000的示例,并不构成对终端设备 1000的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器1010可以是中央处理单元,还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。
存储器1020可以是终端设备1000的内部存储单元,例如终端设备1000 的硬盘或内存。存储器1020也可以是终端设备1000的外部存储设备,例如终端设备1000上配备的插接式硬盘,智能存储卡,闪存卡等。进一步地,存储器 1020还可以既包括终端设备1000的内部存储单元也包括外部存储设备。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种车辆报告的生成方法,其特征在于,包括:
接收用户反馈的关于目标车辆的车辆受损信息;所述车辆受损信息包含所述目标车辆的车辆标识、受损配件信息以及碰撞信息;
获取与所述车辆标识关联的至少一个车辆标准模型,并基于所述碰撞信息构建与所述车辆标准模型的模型比例一致的受损车辆模型;所述车辆标准模型包含所述目标车辆的各个已有配件;所述车辆标准模型以及所述已有配件是基于基础粒子搭建得到的;所述基础粒子为用于构建所述车辆标准模型的立方体;
根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型;
将所述受损配件信息导入所述期望配件评分模型,生成所述目标车辆的配件评价报告;
所述根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型,包括:
确定所述车辆标准模型以及所述受损车辆模型之间存在差异的偏差基础粒子,通过所述偏差基础粒子确定碰撞特征信息;所述碰撞特征信息包含碰撞力方向以及碰撞受力面;
将所述碰撞力方向以及所述碰撞受力面导入至所述车辆标准模型关联的受力分析模型,生成所述碰撞力方向作用于所述碰撞受力面时产生的扩散力信息;
根据所述碰撞力方向以及所述扩散力信息导入所述车辆标准模型关联的受力补偿模型,确定各个所述已有配件的碰撞置信度;所述受力补偿模型是根据所述已有配件在所述目标车辆内的相对位置信息确定的;
根据所有所述已有配件的所述碰撞置信度生成所述期望配件评分模型;
所述将所述碰撞力方向以及所述碰撞受力面导入至所述车辆标准模型关联的受力分析模型,生成所述碰撞力方向作用于所述碰撞受力面时产生的扩散力信息,包括:
确定所述车辆受损信息对应的车辆行驶信息;所述车辆行驶信息包含有目标车辆的行驶速度以及乘坐人信息;
基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型;
将所述行驶速度以及所述碰撞力方向导入所述受力分析模型,确定所述碰撞力方向作用于所述碰撞受力面的第一扩散方向;
根据所述车辆标准模型,将所述碰撞受力面相邻的已有配件识别为直接碰撞配件,并将与所述直接碰撞配件存在接触的其他已有配件识别为间接碰撞配件;
基于所述直接碰撞配件与所述间接碰撞配件之间的接触面,确定第二扩散方向;
通过所述第一扩散方向以及所述第二扩散方向,生成所述扩散力信息。
2.根据权利要求1所述的生成方法,其特征在于,在所述基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型之前,还包括:
基于预设的反馈周期接收所述目标车辆关联的用户反馈的视频数据;所述视频数据包括基于所述用户的终端反馈的第一视频数据以及基于所述目标车辆内的行车记录装置反馈的第二视频数据;
将所述视频数据导入预设的碰撞事件检测模块,确定所述反馈周期内存在的配件受损事件;
基于所述配件受损事件对上一反馈周期对应的车辆标准模型进行更新,得到当前反馈周期对应的车辆标准模型。
3.根据权利要求2所述的生成方法,其特征在于,所述基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型,包括:
获取与接收到所述车辆受损信息的时刻最近的反馈周期对应的车辆标准模型作为目标标准模型;
根据预设的乘坐人重量对所述目标标准模型中所述乘坐位置的区域对应的所述基础粒子进行压力形变调整,生成校准标准模型;
基于所述校准标准模型生成所述受力分析模型。
4.根据权利要求1-3任一项所述的生成方法,其特征在于,所述将所述受损配件信息导入所述期望配件评分模型,生成所述目标车辆的配件评价报告,包括:
确定所述受损配件信息中的各个损坏配件;每个所述损坏配件对应一个配件标识;
将所述配件标识导入所述期望配件评分模型,生成所述损坏配件关联的受损期望概率;
若所述受损期望概率小于或等于预设的期望阈值,则生成关于所述损坏配件的异常提示信息;
基于所有所述异常提示信息生成所述配件评价报告。
5.根据权利要求4所述的生成方法,其特征在于,所述若所述受损期望概率小于或等于预设的期望阈值,则生成关于所述损坏配件的异常提示信息,还包括:
确定所述受损期望概率小于或等于所述期望阈值的损坏配件所属的功能模块,并查询与所述功能模块关联的其他配件;
分别确定各个所述其他配件的所述受损期望概率;
若任一其他配件的受损期望概率大于所述期望阈值,则生成所述任一其他配件的受损提示信息;
所述基于所有所述异常提示信息生成所述配件评价报告包括:
基于所有所述异常提示信息以及所述受损提示信息,生成所述配件评价报告。
6.一种车辆报告的生成装置,其特征在于,包括:
受损信息接收单元,用于接收用户反馈的关于目标车辆的车辆受损信息;所述车辆受损信息包含所述目标车辆的车辆标识、受损配件信息以及碰撞信息;
受损车辆模型构建单元,用于获取与所述车辆标识关联的至少一个车辆标准模型,并基于所述碰撞信息构建与所述车辆标准模型的模型比例一致的受损车辆模型;所述车辆标准模型包含所述目标车辆的各个已有配件;所述车辆标准模型以及所述已有配件是基于基础粒子搭建得到的;所述基础粒子为用于构建所述车辆标准模型的立方体;
期望配件评分模型生成单元,用于根据所述车辆标准模型以及所述受损车辆模型,生成期望配件评分模型;
评价报告生成单元,用于将所述受损配件信息导入所述期望配件评分模型,生成所述目标车辆的配件评价报告;
所述期望配件评分模型生成单元包括:
碰撞特征信息确定单元,用于确定所述车辆标准模型以及所述受损车辆模型之间存在差异的偏差基础粒子,通过所述偏差基础粒子确定碰撞特征信息;所述碰撞特征信息包含碰撞力方向以及碰撞受力面;
受力分析模型导入单元,用于将所述碰撞力方向以及所述碰撞受力面导入至所述车辆标准模型关联的受力分析模型,生成所述碰撞力方向作用于所述碰撞受力面时产生的扩散力信息;
碰撞置信度计算单元,用于根据所述碰撞力方向以及所述扩散力信息导入所述车辆标准模型关联的受力补偿模型,确定各个所述已有配件的碰撞置信度;所述受力补偿模型是根据所述已有配件在所述目标车辆内的相对位置信息确定的;
期望配件评分模型构建单元,用于根据所有所述已有配件的所述碰撞置信度生成所述期望配件评分模型;
所述受力分析模型导入单元包括:
车辆行驶信息确定单元,用于确定所述车辆受损信息对应的车辆行驶信息;所述车辆行驶信息包含有目标车辆的行驶速度以及乘坐人信息;
受力分析模型确定单元,用于基于所述乘坐人信息中各个乘坐人的乘坐位置,调整所述车辆标准模型,并基于调整后的所述车辆标准模型确定所述受力分析模型;
第一扩散方向确定单元,用于将所述行驶速度以及所述碰撞力方向导入所述受力分析模型,确定所述碰撞力方向作用于所述碰撞受力面的第一扩散方向;
间接碰撞配件确定单元,用于根据所述车辆标准模型,将所述碰撞受力面相邻的已有配件识别为直接碰撞配件,并将与所述直接碰撞配件存在接触的其他已有配件识别为间接碰撞配件;
第二扩散方向确定单元,用于基于所述直接碰撞配件与所述间接碰撞配件之间的接触面,确定第二扩散方向;
扩散力信息确定单元,用于通过所述第一扩散方向以及所述第二扩散方向,生成所述扩散力信息。
7.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211354751.4A CN115760439B (zh) | 2022-11-01 | 2022-11-01 | 一种车辆报告的生成方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211354751.4A CN115760439B (zh) | 2022-11-01 | 2022-11-01 | 一种车辆报告的生成方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115760439A CN115760439A (zh) | 2023-03-07 |
CN115760439B true CN115760439B (zh) | 2023-07-07 |
Family
ID=85354910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211354751.4A Active CN115760439B (zh) | 2022-11-01 | 2022-11-01 | 一种车辆报告的生成方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115760439B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113993116A (zh) * | 2021-10-14 | 2022-01-28 | 广州小鹏汽车科技有限公司 | 车辆形变检测方法、装置、车辆及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9824453B1 (en) * | 2015-10-14 | 2017-11-21 | Allstate Insurance Company | Three dimensional image scan for vehicle |
CN107133876A (zh) * | 2017-05-08 | 2017-09-05 | 明觉科技(北京)有限公司 | 车辆定损方法及定损客户端 |
CN109614935B (zh) * | 2018-12-12 | 2021-07-06 | 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 |
CN111444808A (zh) * | 2020-03-20 | 2020-07-24 | 平安国际智慧城市科技股份有限公司 | 基于图像的事故定责方法、装置、计算机设备和存储介质 |
CN112036283A (zh) * | 2020-08-25 | 2020-12-04 | 湖北经济学院 | 图像智能识别车辆定损方法 |
CN113628055B (zh) * | 2021-07-23 | 2022-04-01 | 明觉科技(北京)有限公司 | 车辆事故损失评估方法及装置 |
-
2022
- 2022-11-01 CN CN202211354751.4A patent/CN115760439B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113993116A (zh) * | 2021-10-14 | 2022-01-28 | 广州小鹏汽车科技有限公司 | 车辆形变检测方法、装置、车辆及存储介质 |
Non-Patent Citations (2)
Title |
---|
Investigation on Damage and Simplified Collision Force of Prestressed Concrete Box Bridge Subjected to Over-Height Truck Collision;Lingyun Kong 等;《2020 International Conference on Intelligent Transportation, Big Data & Smart City (ICITBS)》;第37-42页 * |
基于高速数字图像相关的人车碰撞伤害实验研究;王永红 等;《光电子・激光》;第28卷(第01期);第81-86页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115760439A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112018003933T5 (de) | Detektor, Detektionsverfahren und Detektionsprogramm | |
CN109816412B (zh) | 一种训练模型生成方法、装置、设备和计算机存储介质 | |
US10834501B2 (en) | Information processing method, information processing device, and recording medium | |
WO2021147066A1 (en) | Method and apparatus for image classification | |
CN107749031A (zh) | 贷后风险控制系统的自动更新方法、贷后风险控制系统 | |
US20220244717A1 (en) | Method for Porcessing Motion Signal, Electronic Device and Medium | |
CN110633905A (zh) | 智能车云平台可靠性计算方法 | |
CN108416619B (zh) | 一种消费间隔时间预测方法、装置及可读存储介质 | |
Cho et al. | Autonomous driving system verification framework with FMI co-simulation based on OMG DDS | |
CN113568899A (zh) | 基于大数据的数据优化方法及云服务器 | |
CN115760439B (zh) | 一种车辆报告的生成方法、装置、终端设备及存储介质 | |
CN111198815A (zh) | 用户界面的兼容性测试方法及装置 | |
CN116743637B (zh) | 一种异常流量的检测方法、装置、电子设备及存储介质 | |
CN110390286B (zh) | 车辆轨迹跟踪测试数据制作方法、装置、预测及结果测试方法 | |
DE112021002835T5 (de) | Detektionsvorrichtung, Fahrzeug, Detektionsverfahren und Detektionsprogramm | |
CN114722061B (zh) | 数据处理方法及装置、设备、计算机可读存储介质 | |
CN117435191B (zh) | 一种基于客制化需求的程序处理方法和装置 | |
CN113344323B (zh) | 一种云托管停车场人工云坐席服务质量评估的方法及装置 | |
US20230236921A1 (en) | Information processing system, information processing method, and program | |
CN116431459B (zh) | 分布式日志链路跟踪数据处理方法及装置 | |
CN113344062B (zh) | 异常帐户识别方法、装置、服务器及存储介质 | |
CN108595824B (zh) | 一种链路信号仿真方法及系统 | |
CN113344323A (zh) | 一种云托管停车场人工云坐席服务质量评估的方法及装置 | |
Zhang et al. | Simulation Framework of Misbehavior Detection and Mitigation for Collective Perception Services | |
CN116860625A (zh) | 一种基于接口分级的接口自动化案例检查方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |