CN117897308A - 用于识别车辆外壳处的损坏的方法 - Google Patents

Abstract

提出了一种用于识别车辆(40)的外壳处的损坏的方法(20)，其中车辆(40)被设计为具有特定车辆数据的特定类型的车辆(40)，其中损坏可以被分为至少两组，其中，与第二组的损坏相比第一组的损坏包括的是更严重得多的损坏。使用加速度传感器确定车辆(40)的加速度和/或使用旋转速率传感器确定车辆(40)的旋转速率。当车辆(40)的加速度超过加速度阈值和/或当车辆(40)的旋转速率超过旋转速率阈值时，确定第一组的损坏。将所述加速度和/或所述旋转速率与针对特定车辆类型所学习的加速度值和/或旋转速率值进行比较，并且其中当根据与所学习的值的比较识别到损坏时，确定第二组的损坏。

Description

用于识别车辆外壳处的损坏的方法

背景技术

从DE102012018521A1已知一种用于在控制装置中识别损坏的方法。

发明内容

提出了一种用于识别车辆外壳处的损坏的方法，其中所述车辆被设计为具有特定车辆数据的特定类型的车辆，其中损坏被分为至少两组，其中与第二组的损坏相比第一组的损坏包括的是更严重得多的损坏。此外，使用加速度传感器确定车辆的加速度和/或使用旋转速率传感器确定车辆的旋转速率。当车辆的加速度超过加速度阈值时和/或当车辆的旋转速率超过旋转速率阈值时，于是确定第一组的损坏。此外，将所述加速度和/或旋转速率与针对特定车辆类型所学习的加速度值和/或旋转速率值进行比较，其中，当根据与所学习的值的比较而识别出损坏时，于是确定第二组的损坏。

本发明的优点在于，使用所提出的方法既可以识别出较大损坏也可以识别出较轻微损坏。通过参考车辆的各种规范并将其与所学习值进行比较，可以可靠地识别出特别是较轻微的损坏。由此，在将车辆作为共享车辆使用的情况下，如果当前驾驶员对车辆造成了损坏，则可以识别出该情况，其中在所述共享车辆的情况下会有多个不同的驾驶员用该车辆出行。由此，可以尤其确定是否需要立即或快速维修所述损坏。通过确定当前时间点的加速度和/或旋转速率，可以特别是通过将当前加速度值或旋转速率值与阈值进行比较而实时确定：是否对车辆造成了损坏，并且因此特别是确定：是否造成了事故。由此，可以特别是将所发生的损坏直接分配给当前正在驾驶该车辆的驾驶员。这在将该方法应用于可能由不同人租用的车辆、例如移动服务供应商的车辆的情况下是特别有利的。例如，驾驶员可能会针对违规或针对所造成的损坏而被追责。此外，可以识别出车辆的损坏并因此进行修复，由此，尤其是在驾驶员频繁更换的情况下，也可以使车辆特别是保持在安全状态或舒适状态。

本发明的优点还在于，损坏的识别不仅基于阈值，而且还考虑到车辆规格并且将所述数据与损坏数据、特别是已经被学习的或历史的损坏数据进行比较。由此：损坏识别在分类方面、特别是在确定损坏部位方面是精确的。通过及时通知车主，可以更快地修复损坏，这意味着车辆可以始终保持良好状态。如果车辆是车队车辆，其中车队车辆特别是具有一个车主和多个使用者，则也可以迅速且客观地确定谁造成了损坏。

该车辆可设计为客车。损坏可以形成为车辆外壳处的损坏。例如可能在事故中发生损坏，例如当车辆撞到另一个对象时，可能会发生损坏。车辆外壳处的损坏可以特别是包括凹处、油漆划痕或车辆的其他损坏。第一组损坏可以例如包括在追尾碰撞时产生的尾部或前端区域的损伤或者也包括被撞坏的侧视镜。第二组损坏可能例如包括油漆中的划痕或金属板中的较小凹痕。损坏可能发生在行驶期间(例如，当一辆车撞到另一辆车时)、停车过程中(例如，当保险杠蹭到路缘时)或已停车的状态下(例如，由于购物车的撞击造成的损伤)。根据速度和车辆状况而定，所述损坏可能是划痕、凹痕或严重损伤。特别是，可以确定在例如驶过减速带期间发生的底部损坏。

在示例性的设计方案中，使用机器学习从已经识别的特定车辆类型的损坏中学习针对所述特定车辆类型所学习的值。例如，学习针对多种不同车辆类型的值。由此，尤其可以可靠地和/或安全地觉察损坏。由此，也可以有利地识别较小的损坏，该较小的损坏例如不高于最小阈值，特别是加速度或旋转速率的阈值。例如，通过学习可以减少由误识别的损坏而产生错误消息的概率。

在进一步的扩展方案中，第一组的损坏特别需要对该损坏的维修。尤其是相对于第二组的损坏而言，所述第一组的损坏尤其具有更高的严重性，特别是更高的损坏严重性。由此，而能够确定：车辆是否可以被继续使用。因此而能够可靠地确定出：车辆是否需要被立即维修。这尤其可以提高道路交通中的安全性，因为可以防止严重损坏的车辆还继续在道路交通中被使用。

有利地，第一加速度阈值可以被设计为大约2g至3g、特别是2.3g至2.5g、特别是被设计为2.3g。由此，可以特别安全且可靠地识别第一组的损坏。例如，(尤其是需要维修的)严重损坏可能会导致道路交通中的安全性受损。因此，可靠地识别第一组的严重损坏可以提高道路交通中的安全性。

此外，特定车辆数据尤其可以是所述车辆的车辆几何形状和/或轴距和/或型号和/或车身类型和/或重量的数据。通过不同车辆类型的不同车辆几何形状或轴距而得出表征性的加速度或旋转速率值，这些值指示由于事故造成的特定损坏。因此，通过考虑到特定车辆数据，可以安全地和/或可靠地识别出损坏、特别是也可以识别出较小的损坏、特别是外观损坏。通过参考诸如车辆几何形状、轴距、型号、车身类型和/或重量这样的车辆规格，该方法有利地比不参考车辆规格的其他方法更准确。

在有利的实施例中，当车辆的加速度超过第二加速度阈值并且低于第一加速度阈值时，和/或当车辆的旋转速率超过第二旋转速率阈值并且低于第一旋转速率阈值时，那么将加速度和/或旋转速率与针对特定车辆类型所学习的加速度值和/或旋转速率值进行比较。通过这种方式，可以特别是也识别到较小的损坏，特别是由于较小或不太严重的事故造成的损坏。

有利地，可以根据与所学习的值的比较来识别车辆上的损坏位置。由此，可以特别安全地和/或可靠地识别车辆处的损坏的位置。该位置可以特别被记录。由此可以简化车辆的维修。在进一步的扩展方案中，车辆的外壳可以被分成至少九个不同的区，其中，根据与所学习的值的比较来识别车辆上九个区域中的一个或多个区域中的损坏位置。由此，可以特别通过能够指定车辆应当或必须被维修的位置来简化进一步的程序，例如车辆的维修。

在示例性的实施方案中，当识别到车辆外壳处的损坏时，尤其是输出消息。由此，例如可以向服务器报告损坏。此外，尤其可以通过该消息来存储所述损坏。通过报告损坏可以尤其是触发进一步的行动。例如，如果识别到严重损坏，则可能需要进行维修，其中这可以例如报告给服务器。在进一步的扩展方案中，可以使用该消息来触发或请求维修。

此外，提出了一种用于识别车辆外壳处的损坏的设备，其中该设备被设计成执行用于识别车辆外壳处的损坏的方法。

在进一步的扩展方案中，该设备可以具有用于确定车辆的加速度的加速度传感器和/或用于确定车辆的旋转速率的旋转速率传感器。由此，特别地，可以确定车辆的当前加速度或车辆的当前旋转速率。通过将当前加速度值或旋转速率值与阈值进行比较，可以特别是实时地确定是否造成了车辆处的损坏。

附图说明

本发明的实施例在附图中示出并在以下描述中更详细地解释。相同的附图标记用于各个附图中示出的并且具有类似作用的要素，其中免除对这些要素的重复描述。其中：

图1示出了根据本发明实施例的用于识别损坏的方法的示意图；

图2示出了根据本发明实施例的用于识别损坏的方法的示意图；

图3示出了根据本发明实施例的图表的示意图；

图4示出了具有根据本发明实施例的设备的车辆的示意图；

图5示出了具有根据本发明实施例的设备的车辆的示意图。

具体实施方式

图1示出了根据本发明实施例的用于识别损坏的方法20的示意图。所述方法20被设计成识别车辆外壳的损坏。所述方法20尤其可以在根据图5和/或根据图6的设备上执行。优选地，所述方法20特别是基于由该设备所检测的行驶动态数据，例如加速度和/或旋转速率。

在该实施方案中，该车辆被设计为具有特定车辆数据的特定类型的车辆。在示例性的设计方案中，特定数据可以是车辆的车辆几何形状、型号、车身类型、重量和/或车辆轴距的车辆数据。换句话说，要被识别潜在损坏的车辆是具有特定数据的确定车辆类型的车辆。该方法可以特别针对不同的车辆类型来执行或优化。为此，可以学习不同车辆类型的数据或车辆数据。换句话说，该方法可以专门针对不同的车辆类型而设计。优选地，该方法能够区分这是哪一种车辆，以便鉴于特定车辆类型而优化所述损坏识别。

在方法20的第一步骤22中，使用加速度传感器确定车辆的加速度和/或使用旋转速率传感器确定车辆的旋转速率。优选地，使用加速度传感器测量车辆的加速度和/或使用旋转速率传感器测量车辆的旋转速率。在进一步的扩展方案中，可以测量另外的影响参量，例如转向角。换句话说，借助于传感器可以检测：车辆出是否存在异常的加速度或减速度和/或与行驶方向相比车辆的旋转速率是否发生了变化。由此可以确定车辆处是否产生了任何损坏。

在方法20的第二步骤24中，确定潜在损坏。损坏可以分为至少两组，其中，与第二组的损坏相比第一组的损坏包括的是更严重得多的损坏。在有利的设计方案中，第一组的损坏需要维修该损坏。例如，组也可以称为损坏类别。例如，可以归入第一组中的损坏具有一定严重性并且特别需要维修。至少对其已识别出第一组损坏的车辆不应特别是在未经检查的情况下继续行驶。特别是如下损坏可以归入第二组中，所述损坏与第一组的损坏相比具有较小严重性。例如，明显损坏或外观损坏可以被纳入第二组。特别是，第二组可以进一步细分为具有明显损坏的第一子组以及具有外观损坏(例如轻微划痕)的第二子组，其中所述第一子组的明显损坏应被迅速维修，但车辆的继续行驶仍是可能的，所述第二子组的外观损坏则不必被立即维修。换句话说，损坏可以构成为车辆外壳的损伤。换句话说，借助算法对检测的数据进行检查和分类。

优选地，损坏可以分为三类，第一类被分派给较为严重的损坏，例如划痕或凹痕，第二类被分派给明显的损坏，而第三类被分派给外观损坏。换句话说，进行如下类别之间的区分：外观损坏(划痕、凹痕)、明显损坏和严重损坏。

为了确定损坏，特别是将当前加速度值和/或旋转速率值与存储的阈值进行比较。当车辆的加速度超过加速度阈值和/或当车辆的旋转速率超过旋转速率阈值时，那么则确定第一组的损坏。

有利地，在进一步的扩展方案中，加速度阈值可以被设计为导致对车辆的外壳造成明显可见的损坏的值。有利地，在进一步的扩展方案中，加速度阈值可以被设计为大约2g至3g、特别是2.3g至2.5g、特别是2.3g的值。优选地，加速度的阈值是不由原始信号产生的值，而是由低通滤波信号产生的值，例如经60ms而平滑的平均值。此外，可以在X方向、Y方向和Z方向上对不同信号分量进行加权。这意味着信号中可以形成大于2.3g或2.5g、例如为7g的幅度，但这不必导致所达到的加速度的阈值为大约2g至3g、特别是2.3g至2.5g、特别是2.3g的值。

此外，将加速度和/或旋转速率与针对特定车辆类型所学习的加速度值和/或旋转速率值进行比较。当根据与所学习的值的比较而识别出损坏时，于是确定第二组的损坏。换句话说，对车辆处损坏的识别基于两种方式，一方面通过超过车辆处的加速度阈值或减速度阈值和/或旋转速率阈值，另一方面通过与所学习的值进行比较。在进一步的扩展方案中，当根据与所学习的值的比较而识别出第一组的损坏时，于是可以确定第一组的损坏。

有利地，使用机器学习从已经识别的特定车辆类型的损坏中学习针对所述特定车辆类型所学习的值。换句话说，通过对特定车辆类型执行一系列试验而学习多个值。为此，可以以多个不同车辆类型执行一系列试验，从而可以对多个不同车辆类型执行所述用于识别损坏的方法。为了改进所学习的值，该算法特别是针对损坏识别而根据特定车辆或车辆类型被定制。换句话说，该方法中考虑了涉及何种车辆类型。车辆类型可以理解为例如车辆的品牌和/或尺寸和/或种类。还考虑到特定的车辆数据，例如长度、宽度、轴距、重量等。

换句话说，该算法针对可靠识别损坏而被训练。为此，不同车辆类型，特别是不同型号都配备了该设备，并进行了实际的现场试验。优选地，一方面将所收集的数据保存为损坏数据库，而另一方面逐渐完善了该算法。这种方式的改进可以优选地持续不断地进行，使得数据库变得越来越大规模并且识别变得越来越准确。

在有利的设计方案中，当车辆的加速度超过第二加速度阈值并且低于第一加速度阈值时，和/或当车辆的旋转速率超过第二旋转速率阈值并且低于第一旋转速率阈值时，那么可以将所述加速度和/或所述旋转速率与针对特定车辆类型所学习的加速度值和/或旋转速率值进行比较。

方法20的第二步骤24可以在云端中执行。为此，所检测的数据、加速度或旋转速率的数据被传输到云端。在进一步的扩展方案中，可以将其他影响因素纳入在云端中，例如车辆的速度，以便对损坏进行分类，并且特别是确定损伤的地点。

在替代实施方式中，该方法20的第二步骤24也可以在所述设备上被执行。

在方法20的第三步骤26中，在进一步的扩展方案中，当识别到车辆外壳处的损坏时可以输出消息。例如，如果识别到损坏，则可以将所测量的加速度值和/或旋转速率值或其他值、例如识别到损坏的时间作为消息而输出。在进一步的扩展方案中，通过该消息还可以传达GPS数据，并因此传达车辆的位置和/或其中示出随着时间的加速度或旋转速率的图表和/或用于确定损坏的概率和/或车辆周围环境的道路视图。该消息尤其可以被发送到服务器。在进一步的扩展方案中，可以存储该消息。例如，该消息可以在本地存储，或者存储在服务器中。在有利的实施方式中，可以通过该消息而向移动服务供应商通知损坏。

换句话说，在该方法20的第三步骤26中，将损坏报告给车主。为此，特别是可以用附加信息来丰富所检测的数据，从而不仅报告损坏类别和损伤的地点，而且例如还报告损坏的日期和时间。通过在云端和车主(特别是车主的云端)之间的推送接口或者通过电子邮件来报告损坏。除了所传送的数据之外，车主还可以在进一步扩展方案中在客户仪表板中查看有关于所述损坏的附加信息。例如，这可以包括发生损坏的地点的GPS坐标或街景。此外，车辆的速度可以存储在仪表板中，并且可以添加具有所有三个轴上的加速度值的图表。由此使得车主能够了解损坏是如何、何时以及何地发生的。

换句话说，被确定的损坏可以及时报告给车主，从而使该车主采取行动。为此，可以将损坏事件推送到车主的后端，特别是通过云端而推送，或者可以触发电子邮件通知。车主于是可以基于这些数据而决定是否要求对车辆进行修理。

在进一步的扩展方案中，该方法可以重新开始。如果在较长时间段内没有确定出损坏，则该方法以及因此在其上执行该方法的设备可以进入待机模式。因此，该设备可以在低功率模式下运行。由此可以节省能源。换句话说，该设备可以连接到车辆电池的电源。为了不对电池造成负载，在示例性实施方案中，该设备可以具有三种运行状态：驾驶期间的活动模式、当车辆超过15分钟没有被移动时的低功率模式以及当车辆超过14天没有被移动时的超低功率模式。

有利地，该方法可以在车辆行驶期间或在车辆的停放状态下执行。换句话说，损坏识别既可以在车辆行驶期间也可以在车辆的停放状态下进行，并且因此特别是不依赖于运行模式。在进一步的扩展方案中，当超过特定的加速度阈值或旋转速率阈值时，可以开始该方法。

换言之，为了确定损坏，检测车辆的行驶动态数据，特别是加速度和/或旋转速率。为此目的，在车辆中布置特别是设计为传感器盒的设备。该设备可以借助于算法来检查车辆的驾驶动态，并且在超过阈值的情况下将传感器数据发送到云端。在云端中，数据通过算法被重新检查和分类。如果存在严重损坏，则将所述损坏报告给车主，特别是移动服务供应商。如果存在明显损坏或外观损坏，则将所检测的数据与来自具有所学习数据的数据库的损坏数据进行比较，以便能够确定其涉及的损坏类型，特别是确定外观损坏或明显损坏。除了对损坏进行分类之外，在进一步的扩展方案中还可以确定车辆外壳处的损坏发生在何处。

优选地，可以进行从该设备的与安装位置相关的传感器坐标系到中央车辆坐标系的变换。借助设备的车辆特定安装信息，特别是通过扭转挡风玻璃并相对于车辆重心移动，可以结合旋转速率来校正加速度值，就好像它们是在车辆中央进行测量的那样。由此可以减少或防止系统的误触发。换句话说，在倾斜的挡风玻璃上测量的传感器数据可以被变换到具有在此情况下常见的纵向/横向/垂直轴的车辆重心的坐标系。优选地，将过滤后的加速度值与输入阈值连续比较。这尤其可以被设计为触发器。

为了对损坏进行分类，可以特别计算描述加速度和旋转速率的信号特征的值。这些值可以优选地位于其中一些特定于车辆类别的区域中，使得损坏被分配给特定类别。此外，尤其可以确定车辆处的转向角和所得出的区域。对于严重损坏，可以借助旋转速率将预处理的加速度值与阈值进行比较。

此外，修正模型可以被设计为考虑不同车辆区域的损伤敏感性。优选地，车辆的软部件在相同的作用下比车辆的刚性区域具有更大的损坏，而车辆的刚性区域在相同的作用下的损坏要比软区域的更小。例如，在相同的作用下，软角可能会比刚性保险杠具有更大的损坏，而刚性保险杠在相同的作用下的损坏比软角的更小。

图2示出了根据本发明实施例的用于识别损坏的方法20的示意图。方法20被设计成识别车辆外壳的损坏。方法20尤其可以在根据图5和/或根据图6的设备上执行。方法20可以具有根据图1的方法20的步骤，因此具有第一步骤22、第二步骤24和第三步骤26。

此外，根据图2的方法20具有第四步骤28，其中第四步骤28可以与第二步骤24并行地执行或者与第二步骤24一起执行。在方法20的第四步骤28中，根据与所学习的值的比较，识别车辆上的损坏的位置。换句话说，可以借助所学习的值并借助加速度值和/或旋转速率值来识别车辆外壳上的损坏的位置。为此目的，在有利的设计方案中，例如根据图5的实施例，车辆的外壳可被分成至少九个不同的区，并且其中，根据与所学习的值的比较而识别出车辆上的这九个区域中的一个或多个区域中的损坏的位置。换句话说，除了损坏类别或损坏的严重程度之外，还可以附加地识别损坏所在的地点。换句话说，可以使用该方法来识别车辆上发生损坏的地点或位置。优选地，可以通过将当前加速度值和/或旋转速率值与存储的阈值进行比较来确定识别到的损坏的地点或位置。

优选地，识别到损坏的位置或地点可以根据第三步骤26通过消息来输出、存储和/或发送到服务器。

图3示出了根据本发明实施例的图表30的示意图。图表30中示出了车辆加速度随时间的函数。特别是，示出了车辆在车辆的X方向上(即，在行驶方向上)的加速度的函数32。此外，示出了车辆在车辆的Y方向(即垂直于行驶方向)特别是相对于行驶方向的右侧和左侧上的加速度的函数34。此外，示出了车辆在车辆的Z方向上的加速度的函数36，即特别是相对于行驶方向向上和向下而言。

特别地，在时间点38，可以识别出三个函数32、34、36的经增加的偏离值。因此，可以通过将函数的偏离值与阈值进行比较和/或使用所学习的值比较偏离值来识别损坏，并且特别是将其归入不同的组或损坏类别。

图4示出了具有车辆乘员42的车辆40(例如机动车辆，例如汽车)的示意图。车辆40具有用于识别车辆40的外壳的损坏的设备44。特别地，可以在设备44上执行根据图1和/或根据图2的方法的方法。例如，车辆40的外壳可以被称为车辆40的外部区域。

为此，设备44尤其可以具有用于确定车辆的加速度的加速度传感器和/或用于确定车辆的旋转速率的旋转速率传感器。替代地或附加地，加速度传感器和/或旋转速率传感器可以布置在车辆中，其中由车辆中的传感器确定的数据被传送到设备44或由设备44接收。

设备44可以例如布置在车辆40的挡风玻璃46上。替代地或附加地，该设备或另一设备可以布置在车顶48上。在进一步的扩展方案中，设备44可以以材料结合的方式布置在挡风玻璃46上，例如通过粘合剂，例如通过粘合垫，特别是双面的胶带或粘合垫。替代地，设备44可以以形状配合和/或力配合的方式布置在车顶48上。在替代实施方式中，设备44可以布置在车辆40的仪表板上或仪表组(Instrument Cluster)上。在进一步的扩展方案中，设备44可以布置在车辆40的立柱上或车辆40的中部，例如扶手中。

优选地，设备44可以连接至车辆40的电池50以供应电压。换句话说，设备44可以连接到例如车辆电池50，特别是用于运行设备44。

在进一步的扩展方案中，设备44具有移动发送单元，该移动发送单元被设计成将数据向外部发送或向车辆外部发送，例如发送到外部服务供应商和/或发送到服务器和/或发送到云端。

换句话说，设备44可以被设计为传感器盒，传感器盒被设计为例如可以安置到车辆的挡风玻璃上的硬件。传感器盒包括一个或多个加速度传感器和/或一个或多个旋转速率传感器。此外，设备44还可以具有调制解调器和/或SIM卡。由此，盒子可以独立自主地发送收集到的数据，优选发送到云端。

该设备优选地连接到车辆40的电源50。换言之，由车辆例如从车辆的电池向该设备供给电压。

图5示出了车辆40(例如机动车辆，例如汽车)的俯视图的示意图，其具有用于识别车辆40的外壳处的损坏的设备44。根据图6的车辆40可以按照根据图5的车辆40而被设计。设备44尤其可以按照根据图5的设备44来设计。特别地，可以在设备44上执行如下方法，所述方法按照的是根据图1和/或图2所述的方法。

在该有利实施例中，车辆40或车辆40的外壳被分为九个区域。优选地，车辆40可以具有第一区域52，其布置在车辆的前端区域中的前部。此外，车辆40可以具有第二区域54，其在左前侧布置在车辆40的前端区域以及到侧面的过渡区域中。在左侧区域中，车辆40可以具有第三区域56。在尾部的左后区域中，车辆40可以具有第四区域58，其从侧面区域延伸到尾部的后部区域中。车辆优选地在尾部区域中具有第五区域60。在尾部的右后区域中，车辆40可以具有第六区域62。在右侧区域中，车辆40可以具有第七区域64。在车辆40的前端区域的右侧前部区域中，车辆40可以具有第八区域66。此外，车辆40具有第九区域68，其因此在下方区域中布置在车辆下方。

优选地，识别到的损坏可以在区域52至68之一中被识别或定位。换句话说，可以将损坏分配给区域52至68之一。这使得更容易发现损坏，尤其是在检查期间。例如，这还使得能够存储损坏和存储损坏位置。

Claims (11)

1.用于识别车辆(40)的外壳处的损坏的方法(20)，

其中所述车辆(40)被设计为具有特定车辆数据的特定类型的车辆(40)，

其中损坏被分为至少两组，其中与第二组的损坏相比第一组的损坏包括的是更严重得多的损坏，

所述使用加速度传感器确定所述车辆(40)的加速度和/或使用旋转速率传感器确定所述车辆(40)的旋转速率，

其中当所述车辆(40)的所述加速度超过加速度阈值时和/或当所述车辆(40)的所述旋转速率超过旋转速率阈值时确定所述第一组的损坏，

其中将所述加速度和/或所述旋转速率与针对所述特定车辆类型所学习的加速度的值和/或旋转速率的值进行比较，并且其中，当根据与所学习的值的比较而识别出损坏时，于是确定所述第二组的损坏。

2.根据前述权利要求中任一项所述的方法(20)，其中，使用机器学习从已经识别的特定车辆类型的损坏中学习针对所述特定车辆类型所学习的值。

3.根据前述权利要求中任一项所述的方法(20)，其中对第一组的损坏需要对该损坏的维修。

4.根据前述权利要求中任一项所述的方法(20)，其中，第一加速度阈值被设计为大约2g至3g、特别是2.3g至2.5g、特别是被设计为2.3g。

5.根据前述权利要求中任一项所述的方法(20)，其中，所述特定车辆数据是所述车辆(40)的车辆几何形状和/或轴距和/或型号和/或车身类型和/或重量的数据。

6.根据前述权利要求中任一项所述的方法(20)，当所述车辆(40)的加速度超过第二加速度阈值并且低于第一加速度阈值时，和/或当所述车辆(40)的旋转速率超过第二旋转速率阈值并且低于第一旋转速率阈值时，那么将所述加速度和/或所述旋转速率与针对特定车辆类型所学习的加速度值和/或旋转速率值进行比较。

7.根据前述权利要求中任一项所述的方法(20)，其中，根据与所学习的值的比较来识别所述车辆(40)上的损坏位置。

8.根据前述权利要求中任一项所述的方法(20)，其中，所述车辆(40)的外壳被分成至少九个不同的区，并且其中根据与所学习的值的比较来识别所述车辆(40)上九个区域中的一个或多个区域中的所述损坏的位置。

9.根据前述权利要求中任一项所述的方法(20)，当识别到所述车辆(40)的外壳处的损坏时输出消息。

10.用于识别车辆(40)的外壳处的损坏的设备(44)，其中所述设备(44)被设计成执行根据前述权利要求中任一项所述的方法(20)。

11.根据权利要求10所述的设备(44)，其中，所述设备(44)具有用于确定所述车辆(40)的加速度的加速度传感器和/或用于确定所述车辆的旋转速率的旋转速率传感器。