CN116434047B - 基于数据处理的车辆损伤范围确定方法及系统 - Google Patents
基于数据处理的车辆损伤范围确定方法及系统 Download PDFInfo
- Publication number
- CN116434047B CN116434047B CN202310322396.0A CN202310322396A CN116434047B CN 116434047 B CN116434047 B CN 116434047B CN 202310322396 A CN202310322396 A CN 202310322396A CN 116434047 B CN116434047 B CN 116434047B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- area
- minimum
- coordinate value
- boundary
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 title claims abstract description 27
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 claims abstract description 60
- 238000000465 moulding Methods 0.000 claims description 78
- 238000007493 shaping process Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 231100000809 Damage Assessment Model Toxicity 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种基于数据处理的车辆损伤范围确定方法及系统，属于车辆数据特征识别与处理技术领域。方法包括步骤S100：获取目标图片；S200：识别车辆损伤区域的闭合轮廓；S300：建立平面坐标系；S400：确定闭合轮廓最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；S500：确定矩形定位点ABCD；S600：更新所述矩形ABCD的边界范围，得到更新多边形；S700：基于更新多边形，确定车辆损伤范围。本发明可以自动根据车损图片结合损伤位置和轮廓精确确定损伤范围。
Description
技术领域
本发明属于车辆数据特征识别与处理技术领域，尤其涉及一种基于数据处理的车辆损伤范围确定方法及系统。
背景技术
当车辆发生轻微碰撞事故例如剐蹭、凹陷时，现有规定要求车主拍照取证后迅速撤离，避免造成交通堵塞或者引发二次事故。随着移动终端和移动互联网的普及，许多车主服务类APP（例如“XX好车主”）也都开发了在线服务客户端，可以指导车主拍摄现场事故照片，尤其是包括碰撞区域的车损照片上传至后台，后台经过计算预估车损金额，以便指导现场车主完成相应的后续协商处理过程。
公开号为CN108596047A的中国发明专利公开一种车损识别方法，可根据事故车辆的型号获取与型号对应的车辆照片；根据车损照片和车辆照片确定事故车辆的车损部位和车损类型；根据事故车辆的车损信息以及预先设置的车损信息与待赔偿金额的对应关系，确定事故车辆的待赔偿金额;
申请号为CN202210361642的中国专利申请则公开一种车损检测方法，获取车辆受损图像；对车辆受损图像进行图像增强处理，得到初始受损图像；根据预设的缩放参数对初始受损图像进行缩放处理，得到目标受损图像；通过预先训练的车辆定损模型对目标受损图像进行受损检测，得到车辆受损特征数据，车辆受损特征数据包括车辆受损部件特征、车辆受损位置特征、车辆受损状态特征；根据车辆受损部件特征和车辆受损位置特征，确定目标受损类别；对目标受损类别、车辆受损部件特征、车辆受损状态特征进行受损程度计算，得到目标受损程度。
然而，在实际应用中，发明人发现，现有技术提出的各种车损识别方法确定车损范围不够精确，不能根据车损的具体位置和车辆的具体构造属性精确确定车损范围用于维修定损。
发明内容
为解决上述技术问题，本发明提出一种基于数据处理的车辆损伤范围确定方法及系统，可以自动根据车损图片结合损伤位置和轮廓精确确定损伤范围。
在本发明的第一个方面，提出一种基于数据处理的车辆损伤范围确定方法，所述方法包括如下步骤：
S100：获取目标图片，所述目标图片包括至少一个车辆损伤区域；
S200：通过轮廓识别算法，识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
S300： 基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴；
S400：确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
S500：基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定矩形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
S600：根据矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到更新多边形；
或者，
根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到更新多边形；
S700：基于所述更新多边形，确定所述车辆损伤范围。
所述步骤S300具体包括：
若所述步骤S200识别出的所述闭合轮廓的数量大于1，则以所述目标图片中心为原点，建立所述平面坐标系；
否则，以所述闭合轮廓区域的中心点为原点，建立所述平面坐标系。
所述步骤S600根据矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到更新多边形，具体包括：
若所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>的比值/>，则将所述最小车辆成型区域的边界作为所述更新多边形的边界，所述/>为预设比例值，/>。
所述步骤S600根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到更新多边形，具体包括：
若所述矩形ABCD的当前边线与包括所述车辆损伤区域的最小车辆成型区域靠近所述当前边线的第一边界线的距离小于预设值，则将所述第一边界线作为所述多边形的边界。
所述预设比例值基于所述最小车辆成型区域的位置确定，不同位置的最小车辆成型区域的所述预设比例值/>不同。
在本发明的第二个方面，为实现第一个方面所述的基于数据处理的车辆损伤范围确定方法，提出一种基于数据处理的车辆损伤范围确定系统，所述系统包括：
图片采集单元，所述图片采集单元用于采集目标图片，所述目标图片包括至少一个车辆损伤区域；
轮廓识别单元，所述轮廓识别单元用于识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
坐标系建立单元，所述坐标系建立单元基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴；
闭合轮廓坐标确定单元，所述闭合轮廓坐标确定单元确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
矩形定位点确定单元，所述矩形定位点确定单元基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定多边形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
第一多边形边界更新单元，所述第一多边形边界更新单元根据所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到第一更新多边形；
车辆损伤范围确定单元，所述车辆损伤范围确定单元基于所述第一更新多边形，确定所述车辆损伤范围。
所述第一多边形边界更新单元根据所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到第一更新多边形，具体包括：
若所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>的比值/>，则将所述最小车辆成型区域的边界作为所述第一更新多边形的边界，所述/>为预设比例值。
所述预设比例值基于所述最小车辆成型区域的位置确定，具体包括：
其中，
当最小车辆成型区域位于车辆左前位置时，适用公式（1），其中，为位于车辆左前位置的所述最小车辆成型区域的面积大小；/>为车辆左前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆右前位置时，适用公式（2），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆右前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆侧面时，适用公式（3），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆右前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆尾端时，适用公式（4），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆尾端的平均损伤面积大小；为标准系数，/>。
在本发明的第三个方面，为实现第一个方面所述的基于数据处理的车辆损伤范围确定方法，提出一种基于数据处理的车辆损伤范围确定系统，所述系统包括：
图片采集单元，所述图片采集单元用于采集目标图片，所述目标图片包括至少一个车辆损伤区域；
轮廓识别单元，所述轮廓识别单元用于识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
坐标系建立单元，所述坐标系建立单元基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴；
闭合轮廓坐标确定单元，所述闭合轮廓坐标确定单元确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
矩形定位点确定单元，所述矩形定位点确定单元基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定多边形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
第二多边形边界更新单元，所述第二多边形边界更新单元根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到第二更新多边形；
车辆损伤范围确定单元，所述车辆损伤范围确定单元基于所述第二更新多边形，确定所述车辆损伤范围。
所述第二多边形边界更新单元根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到第二更新多边形，具体包括：
若所述矩形ABCD的当前边线与包括所述车辆损伤区域的最小车辆成型区域靠近所述当前边线的第一边界线的距离小于预设值，则将所述第一边界线作为所述第二更新多边形的边界。
显然，本发明第一个方面所述的一种基于数据处理的车辆损伤范围确定方法的各个步骤可以通过计算机程序指令的形式，通过便携式终端设备实现。
因此，本发明还提出一种便携式终端设备，所述便携式终端设备包括存储器和处理器，所述存储器存储有计算机程序指令，通过所述处理器执行所述程序指令，用于实现第一个方面所述方法。
可以看到，不同于现有技术仅仅粗略定位车损范围的方式，本发明的技术方案在确定车损范围时，综合考虑了车损区域本身的区域轮廓以及车损区域所在的位置以及各个位置对应的最小车辆成型区域的面积，从而更加精确的确定了车损范围，这种车损范围是车辆后期维护能够考虑的最小维修单。因此，本发明可以自动根据车损图片结合损伤位置和轮廓精确确定损伤范围。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，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是本发明一个实施例的一种基于数据处理的车辆损伤范围确定方法方法的主体流程图
图2是实施图1所述方法确定确定矩形定位点ABCD的示意图
图3是本发明技术方案提出的最小车辆成型区域的示意图
图4是本发明技术方案中矩形ABCD的面积和的最小车辆成型区域的面积的示意图
图5是本发明技术方案中基于矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围的示意图
图6是本发明技术方案中最小车辆成型区域的不同位置方向示意图
图7-图8是本发明不同实施例的基于数据处理的车辆损伤范围确定系统示意图
具体实施方式
下面，结合附图以及具体实施方式，对发明做出进一步的描述。
图1是本发明一个实施例的一种基于数据处理的车辆损伤范围确定方法方法的主体流程图。
在图1中，所述方法包括步骤S100-S700，各个步骤具体实现如下：
S100：获取目标图片，所述目标图片包括至少一个车辆损伤区域；
S200：通过轮廓识别算法，识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
S300： 基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴；
S400：确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
S500：基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定矩形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
S600：根据矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到更新多边形；
或者，
根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到更新多边形；
S700：基于所述更新多边形，确定所述车辆损伤范围。
接下来，进一步结合图2-图5，详细介绍上述各个步骤的具体实现方式。
S100：获取目标图片，所述目标图片包括至少一个车辆损伤区域；
在具体实施时，车主可以通过手持终端，例如智能手机，拍摄受损车辆获得目标图片，所述目标图片包括至少一个车辆损伤区域。
在实际应用中，车辆损伤区域可能不只一个，车主可以针对每个车辆损伤区域均拍摄得到一张目标图片；当多个受损区域接近时，可在一张目标图片中包括多个受损区域；
S200：通过轮廓识别算法，识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
通常，受损区域的轮廓、文理、光线、像素分布等图像特征与正常区域会有明显的区别，从而形成轮廓边缘。在本步骤中，可基于现有的轮廓识别算法，例如图像边缘分割算法，识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
值得指出的是，这里的“闭合轮廓”只是为了便于后续描述。
当轮廓不闭合时（例如损伤区域就在车辆边缘），可将车辆边缘和轮廓部分视为整体的闭合线，因此也不影响本申请实现。
S300： 基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴。
具体的，参见图2。图2显示了目标图片（标准矩形图片）和车辆损伤区域构成的闭合轮廓的示意图。
在一个实施例中，所述步骤S300具体包括：
若所述步骤S200识别出的所述闭合轮廓的数量大于1，则以所述目标图片中心为原点，建立所述平面坐标系；
否则，以所述闭合轮廓区域的中心点为原点，建立所述平面坐标系。
图2显示了闭合轮廓只有一个的情形，此时以所述闭合轮廓区域的中心点为原点，建立所述平面坐标系，闭合轮廓区域的中心点的确定可以采用现有技术的数学算法确定，也可以在生成闭合轮廓后，由车主进行手动选择确定，本实施例对此不作展开。
S400：确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
S500：基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定矩形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
步骤S400-S500可以确定出包含所述车辆损伤区域从最小包围矩阵ABCD，如图2所示。
S600：根据矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到更新多边形；
或者，
根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到更新多边形；
步骤S600的具体实现可参见图3-图5。
图3适应性的给出了车辆损伤区域的最小车辆成型区域的概念示意图。
在本发明中，最小车辆成型区域是指车辆在制造过程中的最小成型单位。随着一体冲压技术在车辆制造中使用，车辆通常由多个一体成型的独立表面区域（即最小成型单位）组合而来。
以图3为例，示出车辆的右后车门（不包括车窗）整体是一个“最小车辆成型区域”，示出车辆的左后侧盖板整体是一个“小车辆成型区域”，示出车辆的加油口盖板是一个“最小车辆成型区域”。
当然，不同车辆的“最小成型单位”不同，但是基于已有的车辆制造数据或者厂商提供的数据库，即可以知晓每种车辆的所有不同区域的最小成型单位。具体的，可以预先建立每种车辆的所有不同区域的最小成型区域的数据库作为共享数据库。
接下来，参见图4。假设车辆损伤发生在车辆的右后车门位置，确定出的最小包围矩阵ABCD如图4，其面积为；而包围所述车辆损伤区域的最小车辆成型区域（即右后车门）的面积为/>；
此时，若所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>的比值/>，则将所述最小车辆成型区域的边界作为所述更新多边形的边界，所述/>为预设比例值，/>。
显然，如果所述矩形ABCD的面积较大，占据了所述车辆损伤区域的最小车辆成型区域的面积/>的较大部分，则维修时需要更换整块最小车辆成型区域（即右后车门），此时，车损范围应当以最小车辆成型区域作为标准计算；即将包围所述最小车辆成型区域拟合而成的多边形作为所述更新多边形；
反之，如果所述矩形ABCD的面积较小，则可以基于所述矩形ABCD的面积计算车损范围，即将矩形ABCD作为所述更新多边形即可。
需要了解的是，即使所述矩形ABCD的面积较小（代表原有的车辆损伤区域较小），也不能以原有的车辆损伤区域为标准计算，因为实际维修需要做的工作（包括钣金、补漆等）都是以最小矩形单位面积计算的，无法以精确的不规则的较小的车辆损伤区域面积计算。
上述实现方式实现快速，适合最小车辆成型区域本身的多边形区域较小的位置的车损范围确定。
作为另一种优选实施方式，参见图5。
图5是根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到更新多边形；
具体的，若所述矩形ABCD的当前边线与包括所述车辆损伤区域的最小车辆成型区域靠近所述当前边线的第一边界线的距离小于预设距离值，则将所述第一边界线作为所述更新多边形的边界。
以图5为例，依次判断矩形ABCD的每条边线。
例如，当前边线AB与包括所述车辆损伤区域的最小车辆成型区域abcde靠近所述当前边线AB的第一边界线ab、bc、ea的距离均较远，因此，保留边线AB；
当前边线BC与包括所述车辆损伤区域的最小车辆成型区域abcde靠近所述当前边线BC的第一边界线bc、cd的距离小于预设距离值，因此，需要进行当前边线的更新，即将矩形ABCD的当前边线BC更新为cd；
同样的，矩形ABCD的边线DA更新为de、边线CD替换为cd；
同时，考虑到最小包围原则，需要确定边线AB的延长线与与最小车辆成型区域abcde的交点X-Y；
最终，确定得到更新多边形为XYcd。
因此，上述包括还可以概括为，若所述矩形ABCD的当前边线与包括所述车辆损伤区域的最小车辆成型区域靠近所述当前边线的第一边界线的距离小于预设值，则将所述第一边界线作为所述更新多边形的边界，最后计算未更新边线与所述车辆损伤区域对应的多边形边线的交点，并根据最小包围原则，确定得到更新多边形，所述更新多边形的边界以最小包围原则包围所述矩形ABCD。
此时S700：基于所述更新多边形XYcd，确定所述车辆损伤范围。
在该实施例中，所述以及预设距离值可根据经验预设。
作为更优选的实施例，所述预设比例值基于所述最小车辆成型区域的位置确定，不同位置的最小车辆成型区域的所述预设比例值/>不同。
具体的，所述预设比例值基于所述最小车辆成型区域的位置确定公式如下：
其中，
当最小车辆成型区域位于车辆左前位置时，适用公式（1），其中，为位于车辆左前位置的所述最小车辆成型区域的面积大小；/>为车辆左前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆右前位置时，适用公式（2），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆右前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆侧面时，适用公式（3），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆右前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆尾端时，适用公式（4），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆尾端的平均损伤面积大小；为标准系数，/>。
可以看到，上述不同位置的不同标准充分考虑了车辆不同位置的易损程度，针对性的提出不同的判定标准，属于本发明的优点之一。
图6示出最小车辆成型区域的不同位置方向示意图，包括车辆左前位置、车辆右前位置、车辆侧面以及车辆尾端。
不同位置的平均损伤面积可以根据历史数据拟合得到，即每次计算得到相应位置的车辆损伤范围后，将其上传至后端的车辆维修数据库，从而更新该位置的平均损伤面积。
可以看到，这种方式能够自适应的调整损伤矫正标准，以符合实际发生的车损时间，符合客观规律。
接下来参见图7-图8，图7-图8分别示出两个不同实施例，用于实现图1所述方法。由于图1所述方法的步骤S600包含两种不同实现方式，对应图7-图8的两个不同系统实现。
首先参见图7，一种基于数据处理的车辆损伤范围确定系统，所述系统包括：
图片采集单元，所述图片采集单元用于采集目标图片，所述目标图片包括至少一个车辆损伤区域；
轮廓识别单元，所述轮廓识别单元用于识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
坐标系建立单元，所述坐标系建立单元基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴；
闭合轮廓坐标确定单元，所述闭合轮廓坐标确定单元确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
矩形定位点确定单元，所述矩形定位点确定单元基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定多边形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
第一多边形边界更新单元，所述第一多边形边界更新单元根据所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到第一更新多边形；
车辆损伤范围确定单元，所述车辆损伤范围确定单元基于所述第一更新多边形，确定所述车辆损伤范围。
所述第一多边形边界更新单元根据所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到第一更新多边形，具体包括：
若所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>的比值/>，则将所述最小车辆成型区域的边界作为所述第一更新多边形的边界，所述/>为预设比例值。
所述预设比例值基于所述最小车辆成型区域的位置确定，具体包括：/>
其中，
当最小车辆成型区域位于车辆左前位置时，适用公式（1），其中，为位于车辆左前位置的所述最小车辆成型区域的面积大小；/>为车辆左前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆右前位置时，适用公式（2），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆右前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆侧面时，适用公式（3），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆右前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆尾端时，适用公式（4），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆尾端的平均损伤面积大小；为标准系数，/>。
图8示出的一种基于数据处理的车辆损伤范围确定系统，所述系统包括：
图片采集单元，所述图片采集单元用于采集目标图片，所述目标图片包括至少一个车辆损伤区域；
轮廓识别单元，所述轮廓识别单元用于识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
坐标系建立单元，所述坐标系建立单元基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴；
闭合轮廓坐标确定单元，所述闭合轮廓坐标确定单元确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
矩形定位点确定单元，所述矩形定位点确定单元基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定多边形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
第二多边形边界更新单元，所述第二多边形边界更新单元根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到第二更新多边形；
车辆损伤范围确定单元，所述车辆损伤范围确定单元基于所述第二更新多边形，确定所述车辆损伤范围。
所述第二多边形边界更新单元根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到第二更新多边形，具体包括：
若所述矩形ABCD的当前边线与包括所述车辆损伤区域的最小车辆成型区域靠近所述当前边线的第一边界线的距离小于预设值，则将所述第一边界线作为所述第二更新多边形的边界；并根据最小包围原则，计算未更新边线与所述车辆损伤区域对应的多边形边线的交点，得到更新多边形，所述更新多边形的边界以最小包围原则包围所述矩形ABCD。
在图7-图8的系统单元组成图中，还包括车辆维修数据库，每次计算得到相应位置的车辆损伤范围后，将其上传至后端的车辆维修数据库，从而更新该位置的平均损伤面积；
同时，所述车辆维修数据库还保存有每种车辆的所有不同区域的最小成型区域的数据。
在实施新的车损检测时，所述第二多边形边界更新单元或者第一多边形边界更新单元可以从所述车辆维修数据库调取车辆的所有不同区域的最小成型区域的数据；
所述车辆损伤范围确定单元则将相应位置的车辆损伤范围上传至后端的车辆维修数据库。
本发明的技术方案在确定车损范围时，综合考虑了车损区域本身的区域轮廓以及车损区域所在的位置以及各个位置对应的最小车辆成型区域的面积，从而更加精确的确定了车损范围，这种车损范围是车辆后期维护能够考虑的最小维修单。因此，本发明可以自动根据车损图片结合损伤位置和轮廓精确确定损伤范围，同时，结合后端数据更新与反馈，这种方式能够自适应的调整损伤矫正标准，以符合实际发生的车损时间，符合客观规律。
本发明的各个实施例中，已经示出和描述了本发明的实施例，但对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于数据处理的车辆损伤范围确定方法，其特征在于，所述方法包括如下步骤：
S100：获取目标图片，所述目标图片包括至少一个车辆损伤区域；
S200：通过轮廓识别算法，识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
S300： 基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴；
S400：确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
S500：基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定矩形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
S600：根据矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到更新多边形；
或者，
根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到更新多边形；
S700：基于所述更新多边形，确定所述车辆损伤范围;
所述步骤S600根据矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到更新多边形，具体包括：
若所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积的比值/>，则将所述最小车辆成型区域的边界作为所述更新多边形的边界，所述/>为预设比例值，/>;
所述步骤S600根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到更新多边形，具体包括：
若所述矩形ABCD的当前边线与包括所述车辆损伤区域的最小车辆成型区域靠近所述当前边线的第一边界线的距离小于预设值，则将所述第一边界线作为所述多边形的边界。
2.如权利要求1所述的一种基于数据处理的车辆损伤范围确定方法，其特征在于，
所述步骤S300具体包括：
若所述步骤S200识别出的所述闭合轮廓的数量大于1，则以所述目标图片中心为原点，建立所述平面坐标系；
否则，以所述闭合轮廓区域的中心点为原点，建立所述平面坐标系。
3.如权利要求2所述的一种基于数据处理的车辆损伤范围确定方法，其特征在于，
所述预设比例值基于所述最小车辆成型区域的位置确定，不同位置的最小车辆成型区域的所述预设比例值/>不同。
4.一种基于数据处理的车辆损伤范围确定系统，其特征在于，所述系统包括：
图片采集单元，所述图片采集单元用于采集目标图片，所述目标图片包括至少一个车辆损伤区域；
轮廓识别单元，所述轮廓识别单元用于识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
坐标系建立单元，所述坐标系建立单元基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴；
闭合轮廓坐标确定单元，所述闭合轮廓坐标确定单元确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
矩形定位点确定单元，所述矩形定位点确定单元基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定多边形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
第一多边形边界更新单元，所述第一多边形边界更新单元根据所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到第一更新多边形；
车辆损伤范围确定单元，所述车辆损伤范围确定单元基于所述第一更新多边形，确定所述车辆损伤范围;
所述第一多边形边界更新单元根据所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积/>，更新所述矩形ABCD的边界范围，得到第一更新多边形，具体包括：
若所述矩形ABCD的面积与包括所述车辆损伤区域的最小车辆成型区域的面积的比值/>，则将所述最小车辆成型区域的边界作为所述第一更新多边形的边界，所述/>为预设比例值。
5.如权利要求4所述的一种基于数据处理的车辆损伤范围确定系统，其特征在于，
所述预设比例值基于所述最小车辆成型区域的位置确定，具体包括：
；
其中，
当最小车辆成型区域位于车辆左前位置时，适用公式（1），其中，为位于车辆左前位置的所述最小车辆成型区域的面积大小；/>为车辆左前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆右前位置时，适用公式（2），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆右前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆侧面时，适用公式（3），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆右前位置的平均损伤面积大小；
当最小车辆成型区域位于车辆尾端时，适用公式（4），其中为位于车辆右前位置的所述最小车辆成型区域的面积大小；/>为车辆尾端的平均损伤面积大小；/>为标准系数，/>。
6.一种基于数据处理的车辆损伤范围确定系统，其特征在于，所述系统包括：
图片采集单元，所述图片采集单元用于采集目标图片，所述目标图片包括至少一个车辆损伤区域；
轮廓识别单元，所述轮廓识别单元用于识别出所述目标图片中所述车辆损伤区域的闭合轮廓；
坐标系建立单元，所述坐标系建立单元基于所述目标图片，建立平面坐标系，所述平面坐标系包括第一水平轴和第二垂直轴；
闭合轮廓坐标确定单元，所述闭合轮廓坐标确定单元确定所述闭合轮廓在所述平面坐标系的最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax；
矩形定位点确定单元，所述矩形定位点确定单元基于最小水平方向坐标值Xmin、最大水平方向坐标值Xmax、最小垂直方向坐标值Ymin以及最大垂直方向坐标值Ymax确定多边形定位点A（Xmin，Ymax）、B（Xmax，Ymax）、C（Xmax，Ymin）、D（Xmin，Ymin）；
第二多边形边界更新单元，所述第二多边形边界更新单元根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到第二更新多边形；
车辆损伤范围确定单元，所述车辆损伤范围确定单元基于所述第二更新多边形，确定所述车辆损伤范围。
7.如权利要求6所述的一种基于数据处理的车辆损伤范围确定系统，其特征在于，
所述第二多边形边界更新单元根据所述矩形ABCD的四条边与包括所述车辆损伤区域的最小车辆成型区域的对应边缘的距离，更新所述矩形ABCD的边界范围，得到第二更新多边形，具体包括：
若所述矩形ABCD的当前边线与包括所述车辆损伤区域的最小车辆成型区域靠近所述当前边线的第一边界线的距离小于预设值，则将所述第一边界线作为所述第二更新多边形的边界。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310322396.0A CN116434047B (zh) | 2023-03-29 | 2023-03-29 | 基于数据处理的车辆损伤范围确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310322396.0A CN116434047B (zh) | 2023-03-29 | 2023-03-29 | 基于数据处理的车辆损伤范围确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116434047A CN116434047A (zh) | 2023-07-14 |
| CN116434047B true CN116434047B (zh) | 2024-01-09 |
Family
ID=87086568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310322396.0A Active CN116434047B (zh) | 2023-03-29 | 2023-03-29 | 基于数据处理的车辆损伤范围确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116434047B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018205467A1 (zh) * | 2017-05-10 | 2018-11-15 | 平安科技（深圳）有限公司 | 车损部位的识别方法、系统、电子装置及存储介质 |
| CN109146834A (zh) * | 2017-06-13 | 2019-01-04 | 上海擎感智能科技有限公司 | 车辆定损方法及装置、计算机可读存储介质、终端 |
| CN109215027A (zh) * | 2018-10-11 | 2019-01-15 | 平安科技（深圳）有限公司 | 一种基于神经网络的车辆定损方法、服务器及介质 |
| WO2020140371A1 (zh) * | 2019-01-04 | 2020-07-09 | 平安科技（深圳）有限公司 | 基于深度学习的识别车辆损伤的方法和相关装置 |
| CN111553268A (zh) * | 2020-04-27 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 车辆部件识别方法、装置、计算机设备和存储介质 |
| CN111797689A (zh) * | 2017-04-28 | 2020-10-20 | 创新先进技术有限公司 | 车辆定损图像获取方法、装置、服务器和客户端 |
| CN113409382A (zh) * | 2018-10-11 | 2021-09-17 | 百度在线网络技术（北京）有限公司 | 车辆损伤区域的测量方法和装置 |
| CN113919393A (zh) * | 2021-10-09 | 2022-01-11 | 国网北京市电力公司 | 车位识别的方法、装置和设备 |
| CN114723945A (zh) * | 2022-04-07 | 2022-07-08 | 平安科技（深圳）有限公司 | 车损检测方法和装置、电子设备及存储介质 |
| CN115170869A (zh) * | 2022-06-20 | 2022-10-11 | 平安科技（深圳）有限公司 | 重复车损理赔识别方法、装置、设备及存储介质 |
-
2023
- 2023-03-29 CN CN202310322396.0A patent/CN116434047B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797689A (zh) * | 2017-04-28 | 2020-10-20 | 创新先进技术有限公司 | 车辆定损图像获取方法、装置、服务器和客户端 |
| WO2018205467A1 (zh) * | 2017-05-10 | 2018-11-15 | 平安科技（深圳）有限公司 | 车损部位的识别方法、系统、电子装置及存储介质 |
| CN109146834A (zh) * | 2017-06-13 | 2019-01-04 | 上海擎感智能科技有限公司 | 车辆定损方法及装置、计算机可读存储介质、终端 |
| CN109215027A (zh) * | 2018-10-11 | 2019-01-15 | 平安科技（深圳）有限公司 | 一种基于神经网络的车辆定损方法、服务器及介质 |
| WO2020073510A1 (zh) * | 2018-10-11 | 2020-04-16 | 平安科技（深圳）有限公司 | 一种基于神经网络的车辆定损方法、服务器及介质 |
| CN113409382A (zh) * | 2018-10-11 | 2021-09-17 | 百度在线网络技术（北京）有限公司 | 车辆损伤区域的测量方法和装置 |
| WO2020140371A1 (zh) * | 2019-01-04 | 2020-07-09 | 平安科技（深圳）有限公司 | 基于深度学习的识别车辆损伤的方法和相关装置 |
| CN111553268A (zh) * | 2020-04-27 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 车辆部件识别方法、装置、计算机设备和存储介质 |
| CN113919393A (zh) * | 2021-10-09 | 2022-01-11 | 国网北京市电力公司 | 车位识别的方法、装置和设备 |
| CN114723945A (zh) * | 2022-04-07 | 2022-07-08 | 平安科技（深圳）有限公司 | 车损检测方法和装置、电子设备及存储介质 |
| CN115170869A (zh) * | 2022-06-20 | 2022-10-11 | 平安科技（深圳）有限公司 | 重复车损理赔识别方法、装置、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| I. Shirokov ; A. Azarov ; E. Shirokova.《Localization and Determination of the Nature and Size of Damage of the Ship Body Plating》.《2019 International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon)》.2019,全文. * |
| 基于车型轮廓的车牌定位识别;赵帅兵;陈帅;刘月骁;;科技展望(第10期);全文 * |
| 顾赫 ; 李泓宣 ; 杨佳男 ; 王怡 ; 冯美宁.《基于3D成像和激光轮廓传感技术的共享汽车非事故损伤检测系统设计与应用》.《机电信息》.2021,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116434047A (zh) | 2023-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10319094B1 (en) | Technology for capturing, transmitting, and analyzing images of objects | |
| US10740891B1 (en) | Technology for analyzing images depicting vehicles according to base image models | |
| CN107392103B (zh) | 路面车道线的检测方法及装置、电子设备 | |
| CN112862702A (zh) | 图像增强方法、装置、设备及存储介质 | |
| CN109492688B (zh) | 焊缝跟踪方法、装置及计算机可读存储介质 | |
| KR102125999B1 (ko) | Ai 자동 견적 장치, 방법 및 컴퓨터 프로그램 | |
| CN111507957B (zh) | 身份证图片转换方法、装置、计算机设备及存储介质 | |
| JP3808182B2 (ja) | 車両修理費見積もりシステム及び修理費見積もりプログラムを格納した記録媒体 | |
| CN112800986A (zh) | 车载摄像头外参标定方法、装置、车载终端和存储介质 | |
| CN115019273A (zh) | 一种目标检测方法、装置、汽车及存储介质 | |
| CN111627001A (zh) | 图像检测方法及装置 | |
| CN116434047B (zh) | 基于数据处理的车辆损伤范围确定方法及系统 | |
| CN112465807A (zh) | 车牌图像真伪识别方法、装置、设备和介质 | |
| CN117218115B (zh) | 一种汽车配件漆面异常检测方法 | |
| CN113221957B (zh) | 一种基于Centernet的雷达信息融合特征增强方法 | |
| CN111627069B (zh) | 圆点检测方法、终端和计算机可读存储介质 | |
| CN110660000A (zh) | 数据预测方法、装置、设备及计算机可读存储介质 | |
| CN111985448A (zh) | 车辆图像识别方法、装置、计算机设备及可读存储介质 | |
| CN108873097B (zh) | 无人停车库中载车板停车时的安全检测方法及装置 | |
| CN116433513A (zh) | 一种道路监视视频去雾方法、系统、电子设备和存储介质 | |
| CN112598002A (zh) | 一种雾气和噪声影响下的车牌识别方法 | |
| CN114078107A (zh) | 用于识别车辆的条状饰件的方法、存储介质、设备和系统 | |
| CN113408345B (zh) | 车辆外观清洁度判断方法、装置、服务器及存储介质 | |
| CN117746220B (zh) | 智能道闸真伪车牌的识别检测方法、装置、设备以及介质 | |
| CN116503481B (zh) | 基于图像视觉引导的自动泊车位姿检测系统 |
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 |