DE102019203372A1 - Method, storage device with a program code and system for determining a deviation of a vehicle to be tested from a standard model of the vehicle to be tested - Google Patents
Method, storage device with a program code and system for determining a deviation of a vehicle to be tested from a standard model of the vehicle to be tested Download PDFInfo
- Publication number
- DE102019203372A1 DE102019203372A1 DE102019203372.5A DE102019203372A DE102019203372A1 DE 102019203372 A1 DE102019203372 A1 DE 102019203372A1 DE 102019203372 A DE102019203372 A DE 102019203372A DE 102019203372 A1 DE102019203372 A1 DE 102019203372A1
- Authority
- DE
- Germany
- Prior art keywords
- vehicle
- tested
- deviation
- standard model
- image
- 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.)
- Granted
Links
- 230000005477 standard model Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000011022 operating instruction Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/579—Depth or shape recovery from multiple images from motion
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06V20/64—Three-dimensional objects
- G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
Die Erfindung betrifft ein Verfahren und ein System zum Bestimmen einer Abweichung eines zu prüfenden Fahrzeugs (10) zu einem Standardmodell des zu prüfenden Fahrzeugs. In dem Verfahren werden mehrerer Einzelaufnahmen des zu prüfenden Fahrzeugs erfasst (S10), wobei die mehreren Einzelaufnahmen jeweils aus einer anderen Perspektive aufgenommen werden. Anschließend wird ein 3D-Fahrzeugbild aus den mehreren Einzelaufnahmen berechnet (S12) und die Abweichung des zu prüfenden Fahrzeugs zu dem Standardmodell des zu prüfenden Fahrzeugs mittels des 3D-Fahrzeugbilds bestimmt (S14), wobei für das Bestimmen der Abweichung das 3D-Fahrzeugbild mittels eines Erkennungsalgorithmus analysiert wird.The invention relates to a method and a system for determining a deviation of a vehicle to be tested (10) from a standard model of the vehicle to be tested. In the method, several individual images of the vehicle to be tested are recorded (S10), the several individual images each being recorded from a different perspective. A 3D vehicle image is then calculated from the multiple individual recordings (S12) and the deviation of the vehicle to be tested from the standard model of the vehicle to be tested is determined by means of the 3D vehicle image, the 3D vehicle image being determined using a Detection algorithm is analyzed.
Description
Die Erfindung betrifft ein Verfahren und ein System zum Bestimmen einer Abweichung eines zu prüfenden Fahrzeugs zu einem Standardmodell des zu prüfenden Fahrzeugs sowie eine Speichervorrichtung mit einem Programmcode.The invention relates to a method and a system for determining a discrepancy between a vehicle to be tested and a standard model of the vehicle to be tested, and to a memory device with a program code.
Ein Fahrzeug kann mit verschiedenen Fahrzeugausstattungen, die beispielsweise von einem Standardmodell des Fahrzeugs abweichen, ausgerüstet sein, was zum Beispiel eine Reparatur des Fahrzeugs erschweren kann, da bestimmte Sonderausstattungen und auch Schäden schwerer zu identifizieren sind. Insbesondere müssen Betriebsanleitungen und Daten über Ersatzteile, wie beispielsweise ein Preis des Ersatzteils, mühsam über verschiedene Datenquellen herausgesucht werden. Bisher besteht hierzu die Möglichkeit, Sonderausstattungen über mehrere 2D-Bilder zu identifizieren und lange Ausstattungsübersichten zu durchforsten. Dabei muss ein Benutzer sich jedoch durch verschiedene Ansichten und Dateien klicken, um einen guten Überblick zu bekommen, was einen hohen Zeitbedarf erfordert.A vehicle can be equipped with various vehicle equipment that deviate from a standard model of the vehicle, for example, which can make repairs to the vehicle more difficult, for example, since certain optional equipment and damage are more difficult to identify. In particular, operating instructions and data on spare parts, such as a price of the spare part, have to be laboriously searched out from various data sources. So far, it has been possible to identify optional equipment using several 2D images and to search through long equipment overviews. However, a user has to click through various views and files in order to get a good overview, which takes a lot of time.
Aus der
Aus der
Aus der
Der Erfindung liegt die Aufgabe zugrunde, eine einfache und schnelle Identifizierung von Schäden eines Fahrzeugs bereitzustellen.The invention is based on the object of providing a simple and quick identification of damage to a vehicle.
Die Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Vorteilhafte Weiterbildungen der Erfindung sind durch die abhängigen Patentansprüche, die folgende Beschreibung sowie die Figuren offenbart.The object is achieved by the subjects of the independent claims. Advantageous developments of the invention are disclosed by the dependent claims, the following description and the figures.
Die Erfindung basiert auf der Erkenntnis, dass hervorgehobene Abweichungen eines zu prüfenden Fahrzeugs zu einem Standardmodell des zu prüfenden Fahrzeugs in einem einzigen 3D-Fahrzeugbild von einem Algorithmus erkannt und angezeigt werden können und somit alle Abweichungen zu dem Standardmodell schnell und einfach zugänglich sind.The invention is based on the knowledge that highlighted deviations of a vehicle to be tested from a standard model of the vehicle to be tested can be recognized and displayed in a single 3D vehicle image by an algorithm and thus all deviations from the standard model are quickly and easily accessible.
Durch die Erfindung ist ein Verfahren zum Bestimmen einer Abweichung eines zu prüfenden Fahrzeugs zu einem Standardmodell des zu prüfenden Fahrzeugs bereitgestellt. Das Verfahren umfasst als Schritt a) ein Erfassen mehrerer Einzelaufnahmen des zu prüfenden Fahrzeugs, wobei die mehreren Einzelaufnahmen jeweils aus einer anderen Perspektive aufgenommen werden, als Schritt b) ein Berechnen eines 3D-Fahrzeugbilds aus den mehreren Einzelaufnahmen und als Schritt c) ein Bestimmen der Abweichung des zu prüfenden Fahrzeugs zu dem Standardmodell des zu prüfenden Fahrzeugs mittels des 3D-Fahrzeugbilds, wobei für das Bestimmen der Abweichung das 3D-Fahrzeugbild mittels eines Erkennungsalgorithmus analysiert wird. Mit anderen Worten können mehrere Einzelaufnahmen des zu prüfenden Fahrzeugs aufgenommen werden, wobei die Einzelaufnahmen jeweils aus einer anderen Perspektive, das bedeutet einem anderen Blickwinkel, aufgenommen werden. Vorzugsweise können die mehreren Einzelaufnahmen rund um das Fahrzeugs aufgenommen werden, so dass eine 360 Grad Rundumsicht von dem zu prüfenden Fahrzeugs aufgenommen wird. Dabei ist das zu prüfende Fahrzeug bevorzugt als Kraftwagen, insbesondere als Personenkraftwagen oder Lastkraftwagen, oder als Personenbus ausgestaltet.The invention provides a method for determining a deviation of a vehicle to be tested from a standard model of the vehicle to be tested. The method comprises, as step a), capturing multiple individual images of the vehicle to be tested, the multiple individual images each being recorded from a different perspective, as step b) calculating a 3D vehicle image from the multiple individual images, and as step c) determining the Deviation of the vehicle to be tested from the standard model of the vehicle to be tested by means of the 3D vehicle image, the 3D vehicle image being analyzed by means of a recognition algorithm to determine the deviation. In other words, several individual recordings of the vehicle to be tested can be recorded, the individual recordings each being recorded from a different perspective, that is to say a different viewing angle. The multiple individual recordings can preferably be recorded around the vehicle, so that a 360 degree all-round view of the vehicle to be tested is recorded. The vehicle to be tested is preferably designed as a motor vehicle, in particular as a passenger vehicle or truck, or as a passenger bus.
Anschließend kann aus den mehreren Einzelaufnahmen ein 3D-Fahrzeugbild zusammengesetzt werden, ähnlich einem Panoramabild, das vorzugsweise eine 360-Grad-Betrachtung des zu prüfenden Fahrzeugs ermöglicht. Dieses berechnete 3D-Fahrzeugbild kann dann beispielsweise bei einer Darstellung auf einer Anzeige gedreht werden, um das Fahrzeug, beziehungsweise den Innenraum des Fahrzeugs, aus jeder Richtung zu betrachten.A 3D vehicle image can then be put together from the multiple individual images, similar to a panorama image, which preferably enables a 360-degree view of the vehicle to be checked. This calculated 3D vehicle image can then, for example, be rotated when it is displayed on a display in order to view the vehicle or the interior of the vehicle from any direction.
Ferner kann vorgesehen sein, dass vor der Berechnung des 3D-Fahrzeugbilds bestimmt wird, ob die mehreren Einzelaufnahmen für die Berechnung des 3D-Fahrzeugbilds geeignet sind und eine Mitteilung ausgegeben wird, falls die mehreren Einzelaufnahmen nicht für die Berechnung geeignet sind. Beispielsweise kann hierbei die Mitteilung die Information enthalten, aus welcher Perspektive weitere Einzelaufnahmen durchzuführen sind. Vorzugsweise kann hierbei ein Signal gegeben werden, wann ausreichend viele Einzelbilder für die Berechnung des 3D-Fahrzeugbilds vorhanden sind. Das anschließende Berechnen des 3D-Fahrzeugbilds kann beispielsweise über sogenannte „Stitching“-Techniken durchgeführt werden.Furthermore, it can be provided that before the calculation of the 3D vehicle image it is determined whether the multiple individual recordings are suitable for the calculation of the 3D vehicle image and a message is output if the multiple individual recordings are not suitable for the calculation. For example, the message can contain the information from which perspective further individual recordings are to be made. A signal can preferably be given here as to when there are enough individual images available for the calculation of the 3D vehicle image. The subsequent calculation of the 3D vehicle image can be carried out using so-called “stitching” techniques, for example.
Anschließend kann ein Erkennungsalgorithmus das 3D-Fahrzeugbild analysieren und Unterschiede zu dem Standardmodell des zu prüfenden Fahrzeugs bestimmen. Der Erkennungsalgorithmus kann hierbei eine Mustererkennung durchführen und Unterschiede zwischen dem 3D-Fahrzeugbild und dem Standardmodell des zu überprüfenden Fahrzeugs bestimmen. Vorzugsweise können der Erkennungsalgorithmus sowie die Berechnung des 3D-Fahrzeugbilds auf einer Recheneinrichtung wie einem Computer, einem Server und/oder einer mobilen Recheneinrichtung durchgeführt werden. Das Erfassen der mehreren Einzelaufnahmen kann vorzugsweise mit einer Kamera durchgeführt werden, die mit der Rechenvorrichtung gekoppelt ist, wobei in diesem Fall insbesondere ein Smartphone oder ein Tablet-PC mit integrierter Kamera verwendet werden kann.A recognition algorithm can then analyze the 3D vehicle image and determine differences to the standard model of the vehicle to be tested. The recognition algorithm can perform a pattern recognition and determine differences between the 3D vehicle image and the standard model of the vehicle to be checked. The recognition algorithm and the calculation of the 3D vehicle image can preferably be carried out on a computing device such as a computer, a server and / or a mobile computing device. The acquisition of the multiple individual recordings can preferably be carried out with a camera which is coupled to the computing device, in which case in particular a smartphone or a tablet PC with an integrated camera can be used.
Durch die Erfindung ergibt sich der Vorteil, dass alle Abweichungen des zu prüfenden Fahrzeugs zu dem Standardmodell des zu prüfenden Fahrzeugs aus einem 3D-Fahrzeugbild erkannt werden können und dass das Bestimmen der Abweichung schnell und automatisiert durchgeführt werden kann. Hierdurch können Schäden, insbesondere an Sonderausstattungen, und mögliche Ersatzteile schnell und einfach bestimmt werden.The invention has the advantage that all deviations of the vehicle to be tested from the standard model of the vehicle to be tested can be recognized from a 3D vehicle image and that the deviation can be determined quickly and automatically. This allows damage, especially to special equipment, and possible spare parts to be determined quickly and easily.
Zu der Erfindung gehören auch Ausführungsformen, durch die sich zusätzliche Vorteile ergeben.The invention also includes embodiments which result in additional advantages.
Eine Ausführungsform sieht vor, dass das Standardmodell des zu prüfenden Fahrzeugs vorgegeben wird und/oder dass ein Fahrzeugtyp von dem Erkennungsalgorithmus erkannt wird und das zu dem Fahrzeugtyp passende Standardmodell des zu prüfenden Fahrzeugs bestimmt wird. Mit anderen Worten kann ein Benutzer das Standardmodell des zu prüfenden Fahrzeugs auswählen und zusätzlich oder alternativ kann von dem Erkennungsalgorithmus der Fahrzeugtyp bestimmt werden, wodurch entweder die Auswahl des Benutzers verifiziert werden kann oder automatisch das passende Standardmodell des zu prüfenden Fahrzeugs ausgewählt werden kann. Hierdurch ergibt sich der Vorteil, dass die Bestimmung der Abweichung verbessert und vereinfacht werden kann.One embodiment provides that the standard model of the vehicle to be tested is specified and / or that a vehicle type is recognized by the recognition algorithm and the standard model of the vehicle to be tested that matches the vehicle type is determined. In other words, a user can select the standard model of the vehicle to be tested and, additionally or alternatively, the vehicle type can be determined by the recognition algorithm, whereby either the user's selection can be verified or the suitable standard model of the vehicle to be tested can be selected automatically. This has the advantage that the determination of the deviation can be improved and simplified.
Eine weitere Ausführungsform sieht vor, dass der Erkennungsalgorithmus die Abweichung anhand eines Bildverarbeitungsalgorithmus erkennt. Der Bildverarbeitungsalgorithmus kann vorzugsweise mithilfe von Machine-Learning-Methoden angelernt werden, indem 3D-Bilder von Fahrzeugen mit bekannten Ausstattungsinformationen beziehungsweise 3D-Bilder des Standardmodells ohne Fahrzeugschäden vorgegeben werden. Anschließend kann dann der Bildverarbeitungsalgorithmus über ein neuronales Netz Abweichungen zu dem Standardmodell des zu prüfenden Fahrzeugs erkennen und gleichzeitig Daten zu den Abweichungen ermitteln. Vorzugsweise kann das Bestimmen der Abweichung ein Erkennen eines Ortes der Abweichung und eine Art der Abweichung umfassen. Das bedeutet, dass nicht nur der Ort der Abweichung an dem zu prüfenden Fahrzeug bestimmt wird, sondern auch, um was für eine Art es sich bei der Abweichung handelt, zum Beispiel um einen Schaden oder eine Sonderausstattung. Durch diese Ausführungsform ergibt sich der Vorteil, dass Daten über die Abweichung schnell erhalten werden können.Another embodiment provides that the detection algorithm detects the discrepancy using an image processing algorithm. The image processing algorithm can preferably be learned with the help of machine learning methods by specifying 3D images of vehicles with known equipment information or 3D images of the standard model without vehicle damage. The image processing algorithm can then use a neural network to identify deviations from the standard model of the vehicle to be tested and at the same time determine data on the deviations. The determination of the deviation can preferably include a recognition of a location of the deviation and a type of deviation. This means that not only the location of the deviation on the vehicle to be tested is determined, but also what kind of deviation it is, for example damage or special equipment. This embodiment has the advantage that data on the deviation can be obtained quickly.
Eine weitere Ausführungsform sieht vor, dass für das Standardmodell des zu prüfenden Fahrzeugs ein 3D-Bild des Standardmodells des zu prüfenden Fahrzeugs verwendet wird. Hierfür können beispielsweise zu einem früheren Zeitpunkt mehrere Einzelaufnahmen des Standardmodells aufgenommen werden und diese zu einem 3D-Bild des Standardmodells berechnet werden. Durch diese Ausführungsform ergibt sich der Vorteil, dass der Erkennungsalgorithmus das 3D-Fahrzeugbild und das 3D-Bild des Standardmodells des zu prüfenden Fahrzeugs übereinanderlegen und vergleichen kann, was zu einer verbesserten Bestimmung von Abweichungen führt.Another embodiment provides that a 3D image of the standard model of the vehicle to be tested is used for the standard model of the vehicle to be tested. For this purpose, for example, several individual recordings of the standard model can be recorded at an earlier point in time and these can be calculated to form a 3D image of the standard model. This embodiment has the advantage that the recognition algorithm can superimpose and compare the 3D vehicle image and the 3D image of the standard model of the vehicle to be checked, which leads to an improved determination of deviations.
Eine Ausführungsform sieht vor, dass nach Schritt c) ferner als ein Schritt d) ein Hervorheben der Abweichung des zu prüfenden Fahrzeugs zu dem Standardmodell des zu prüfenden Fahrzeugs in einer Anzeige des 3D-Fahrzeugbilds durchgeführt wird, wobei die Hervorhebung der Abweichung in zumindest einer Perspektive des 3D-Fahrzeugbilds auf der Anzeige sichtbar wird. Mit anderen Worten kann das 3D-Fahrzeugbild auf einer Anzeige angezeigt werden, wobei die Abweichung als Hervorhebung, beispielsweise als eine farbliche Codierung oder animierte Hervorhebung, in zumindest einer Anzeige des 3D-Fahrzeugbilds hervorgehoben wird. Beispielsweise kann die Hervorhebung der Abweichung in einer Ansicht auf das 3D-Fahrzeugbild auf einer Rückseite des Fahrzeugs vorhanden sein, wodurch diese von dem Fahrzeug verdeckt wird. Bei einer Drehung des Fahrzeugs in der Anzeige kann diese Hervorhebung in den Vordergrund gebracht werden, wodurch sie nicht mehr durch das Fahrzeug verdeckt wird und sichtbar wird. Alternativ kann auch vorgesehen sein, dass die Hervorhebung auch in der Anzeige sichtbar ist, wenn diese durch das Fahrzeug verdeckt wird. Dies kann beispielsweise dadurch erreicht werden, indem Transparenz-Effekte oder farbliche Codierungen einen Benutzer auf die verdeckte Hervorhebung hinweisen. Die Anzeige des 3D-Fahrzeugbildes kann beispielsweise auf einer Anzeigevorrichtung angezeigt werden, die insbesondere ein Bildschirm beziehungsweise ein Display eines Computers, eines Tablet-PC und/oder eines Smartphones sein kann. Durch diese Ausführungsform ergibt sich der Vorteil, dass Abweichungen schnell für einen Benutzer sichtbar gemacht werden können.One embodiment provides that after step c), as step d), the deviation of the vehicle to be tested from the standard model of the vehicle to be tested is highlighted in a display of the 3D vehicle image, the deviation being highlighted in at least one perspective of the 3D vehicle image becomes visible on the display. In other words, the 3D vehicle image can be displayed on a display, the deviation being highlighted as a highlight, for example as a color coding or animated highlighting, in at least one display of the 3D vehicle image. For example, the highlighting of the deviation can be present in a view of the 3D vehicle image on a rear side of the vehicle, as a result of which it is covered by the vehicle. When the vehicle is rotated in the display, this highlighting can be brought to the foreground, so that it is no longer covered by the vehicle and becomes visible. Alternatively, it can also be provided that the highlighting is also visible in the display when it is covered by the vehicle. This can be achieved, for example, in that transparency effects or color coding notify a user of the concealed highlighting. The display of the 3D vehicle image can for example be on a Display device are displayed, which can in particular be a screen or a display of a computer, a tablet PC and / or a smartphone. This embodiment has the advantage that deviations can quickly be made visible to a user.
Vorzugsweise ist vorgesehen, dass zusätzliche Daten zu der Abweichung auf der Anzeige bereitgestellt werden, wenn die Hervorhebung der Abweichung in der zumindest einen Perspektive des 3D-Fahrzeugbilds auf der Anzeige sichtbar wird oder wenn die Hervorhebung von einem Benutzer ausgewählt wird. Mit anderen Worten können zusätzliche Daten zu der Abweichung bereitgestellt werden, sobald die Hervorhebung in einem Vordergrundbereich für einen Benutzer sichtbar wird. Alternativ kann der Benutzer Hervorhebungen aktiv auswählen, um zusätzliche Daten zu der Abweichung zu erhalten. Durch diese Ausführungsform ergibt sich der Vorteil, dass zusätzliche Daten zu der Abweichung schnell und einfach erhalten werden können.Provision is preferably made for additional data on the deviation to be provided on the display when the highlighting of the deviation becomes visible in the at least one perspective of the 3D vehicle image on the display or when the highlighting is selected by a user. In other words, additional data on the deviation can be provided as soon as the highlighting becomes visible to a user in a foreground area. Alternatively, the user can actively select highlights in order to obtain additional data on the deviation. This embodiment has the advantage that additional data on the deviation can be obtained quickly and easily.
In einer vorteilhaften Ausführungsform ist vorgesehen, dass die zusätzlichen Daten zu der Abweichung über eine mobile Datenverbindung empfangen werden. Die mobile Datenverbindung kann insbesondere eine WLAN-Datenverbindung und/oder einen 2G-, 3G-, 4G- und 5G-Mobilfunkstandard umfassen. Die zusätzlichen Daten können beispielsweise Betriebsanleitungen, Datenblätter, Fotos und Videos eines Bauteils, an dem die Abweichung vorhanden ist, umfassen. Durch diese Ausführungsform ergibt sich der Vorteil, dass die zusätzlichen Daten zu der Abweichung auf dem neuesten Stand gehalten werden können und schnell für einen Benutzer verfügbar sind.In an advantageous embodiment it is provided that the additional data on the deviation are received via a mobile data connection. The mobile data connection can in particular comprise a WLAN data connection and / or a 2G, 3G, 4G and 5G mobile radio standard. The additional data can include, for example, operating instructions, data sheets, photos and videos of a component on which the deviation is present. This embodiment has the advantage that the additional data on the deviation can be kept up to date and are quickly available to a user.
Eine Ausführungsform sieht vor, dass die mehreren Einzelaufnahmen einen Außenraum des zu prüfenden Fahrzeugs und/oder einen Innenraum des zu prüfenden Fahrzeugs erfassen. Hierdurch können Schäden und Sonderausstattungen an einem Außenraum und zusätzlich oder alternativ in einem Innenraum des zu prüfenden Fahrzeugs schnell und einfach erfasst werden.One embodiment provides that the multiple individual recordings capture an exterior of the vehicle to be tested and / or an interior of the vehicle to be tested. In this way, damage and special equipment in an exterior space and, additionally or alternatively, in an interior space of the vehicle to be tested can be recorded quickly and easily.
Ein weiterer Aspekt der Erfindung betrifft ein System zum Bestimmen einer Abweichung eines zu prüfenden Fahrzeugs zu einem Standardmodell des zu prüfenden Fahrzeugs mit einer Kamera, die dazu ausgebildet ist, mehrere Einzelaufnahmen des zu prüfenden Fahrzeugs zu erfassen, wobei die mehreren Einzelaufnahmen jeweils aus einer anderen Perspektive aufgenommen werden. Zusätzlich umfasst das System eine Rechenvorrichtung, die dazu ausgebildet ist, ein 3D-Fahrzeugbild aus den Einzelaufnahmen zu berechnen und eine Abweichung des zu prüfenden Fahrzeugs zu dem Standardmodell des zu prüfenden Fahrzeugs mittels des 3D-Fahrzeugbilds zu bestimmen, wobei für das Bestimmen der Abweichung das 3D-Fahrzeugbild mittels eines Erkennungsalgorithmus analysiert wird. Vorzugsweise kann hier das System durch eine mobile Recheneinrichtung, wie beispielsweise ein Smartphone oder ein Tabletcomputer, realisiert sein. Das hat den Vorteil, dass eine Kamera zum Aufnehmen der Einzelaufnahmen und die Rechenvorrichtung zum Berechnen des 3D-Fahrzeugbilds und der Abweichung in einem Gerät kompakt und mobil mitgeführt werden können. Eine weitere Möglichkeit ist die Aufnahme der Bilder durch das Smartphone oder den Tabletcomputer und das Versenden der Einzelaufnahmen an eine externe Rechenvorrichtung, wie beispielsweise einen Server, der anschließend die Berechnung des 3D-Fahrzeugbilds und das Bestimmen der Abweichung vornimmt. Durch das System ergeben sich gleiche Vorteile und Variationsmöglichkeiten wie bei dem Verfahren.Another aspect of the invention relates to a system for determining a deviation of a vehicle to be tested from a standard model of the vehicle to be tested with a camera that is designed to capture multiple individual images of the vehicle to be checked, the multiple individual images each from a different perspective be included. In addition, the system includes a computing device that is designed to calculate a 3D vehicle image from the individual recordings and to determine a deviation of the vehicle to be tested from the standard model of the vehicle to be tested by means of the 3D vehicle image, with the 3D vehicle image is analyzed by means of a recognition algorithm. The system can preferably be implemented here by a mobile computing device, such as a smartphone or a tablet computer. This has the advantage that a camera for taking the individual recordings and the computing device for calculating the 3D vehicle image and the deviation can be carried in a compact and mobile manner in one device. Another option is to take the images with the smartphone or tablet computer and send the individual images to an external computing device, such as a server, which then calculates the 3D vehicle image and determines the deviation. The system results in the same advantages and possible variations as with the method.
Erfindungsgemäß ist auch eine Speichervorrichtung mit einem Programmcode vorgesehen, wobei der Programmcode dazu eingerichtet ist, bei Ausführen durch eine Prozessoreinrichtung eines mobilen Endgerätes die Schritte b) und c) des Verfahrens nach Anspruch 1 durchzuführen. Die Prozessoreinrichtung kann hierzu zumindest einen Mikroprozessor und/oder zumindest einen Mikrocontroller aufweisen. Vorzugsweise kann der Programmcode als eine App ausgebildet sein, die einem Benutzer eine Anleitung bereitstellen kann, zum Beispiel wie mehrere Einzelaufnahmen eines zu prüfenden Fahrzeugs aufgenommen werden sollen, um standardisierte 3D-Fahrzeugbilder für das Bestimmen der Abweichung zu dem Standardmodell des zu prüfenden Fahrzeugs zu erhalten.According to the invention, a memory device with a program code is also provided, the program code being set up to carry out steps b) and c) of the method according to claim 1 when executed by a processor device of a mobile terminal. For this purpose, the processor device can have at least one microprocessor and / or at least one microcontroller. The program code can preferably be designed as an app that can provide a user with instructions, for example how several individual images of a vehicle to be tested are to be recorded in order to obtain standardized 3D vehicle images for determining the deviation from the standard model of the vehicle to be tested .
Zu der Erfindung gehören auch Weiterbildungen des erfindungsgemäßen Systems, das Merkmale aufweist, wie sie bereits im Zusammenhang mit den Weiterbildungen des erfindungsgemäßen Verfahrens beschrieben worden sind. Aus diesem Grund sind die entsprechenden Weiterbildungen des erfindungsgemäßen Systems hier nicht noch einmal beschrieben.The invention also includes developments of the system according to the invention which has features as they have already been described in connection with the further developments of the method according to the invention. For this reason, the corresponding developments of the system according to the invention are not described again here.
Die Erfindung umfasst auch die Kombinationen der Merkmale der beschriebenen Ausführungsformen.The invention also includes the combinations of the features of the described embodiments.
Im Folgenden sind Ausführungsbeispiele der Erfindung beschrieben. Hierzu zeigt:
-
1 eine schematische Darstellung einer Draufsicht auf ein Fahrzeug mit einem System nach einer beispielhaften Ausführungsform; -
2 ein schematisches Verfahrensdiagramm nach einer beispielshaften Ausführungsform.
-
1 a schematic representation of a top view of a vehicle with a system according to an exemplary embodiment; -
2 a schematic process diagram according to an exemplary embodiment.
Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsformen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Ausführungsformen jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden. The exemplary embodiments explained below are preferred Embodiments of the invention. In the exemplary embodiments, the described components of the embodiments each represent individual features of the invention that are to be considered independently of one another and that also develop the invention independently of one another.
Daher soll die Offenbarung auch andere als die dargestellten Kombinationen der Merkmale der Ausführungsformen umfassen. Des Weiteren sind die beschriebenen Ausführungsformen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.Therefore, the disclosure is intended to include combinations of the features of the embodiments other than those shown. Furthermore, the described embodiments can also be supplemented by further features of the invention already described.
In den Figuren bezeichnen gleiche Bezugszeichen jeweils funktionsgleiche Elemente.In the figures, the same reference symbols denote functionally identical elements.
In
Dem hier gezeigten Ausführungsbeispiel kann folgende Situation zugrundeliegen. Das Fahrzeug
In diesem Ausführungsbeispiel nimmt die Kamera
Sind die Einzelaufnahmen des Fahrzeugs
Vorzugsweise erkennt hierfür der Erkennungsalgorithmus automatisch den Fahrzeugtyp des zu prüfenden Fahrzeugs
Beispielsweise kann ein Blechschaden an einem Kotflügel des Fahrzeugs
Sind die Abweichungen zu dem Standardmodell des zu prüfenden Fahrzeugs bestimmt, kann das 3D-Fahrzeugbild, das heißt die 360-Grad-Aufnahme des Fahrzeugs, auf einer Anzeige der Anzeigevorrichtung
Die zusätzlichen Daten können beispielsweise über eine Datenverbindung
In
In einem Schritt
Anschließend kann in einem Schritt
Insgesamt zeigen die Beispiele, wie durch die Erfindung ein 3D-Fahrzeugbild (360 Grad-Fahrzeugbild) inklusive definierter/automatisierter Hervorhebungen bei beispielsweise Schäden oder Sonderausstattungen bereitgestellt werden kann.Overall, the examples show how the invention can provide a 3D vehicle image (360 degree vehicle image) including defined / automated highlighting for, for example, damage or special equipment.
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDED IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent literature cited
- DE 102014005983 A1 [0003]DE 102014005983 A1 [0003]
- DE 102014208048 A1 [0004]DE 102014208048 A1 [0004]
- DE 102018001628 A1 [0005]DE 102018001628 A1 [0005]
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019203372.5A DE102019203372B4 (en) | 2019-03-13 | 2019-03-13 | Method, storage device with a program code and system for determining a deviation of a vehicle to be tested from a standard model of the vehicle to be tested |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019203372.5A DE102019203372B4 (en) | 2019-03-13 | 2019-03-13 | Method, storage device with a program code and system for determining a deviation of a vehicle to be tested from a standard model of the vehicle to be tested |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102019203372A1 true DE102019203372A1 (en) | 2020-09-17 |
DE102019203372B4 DE102019203372B4 (en) | 2024-03-14 |
Family
ID=72289511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019203372.5A Active DE102019203372B4 (en) | 2019-03-13 | 2019-03-13 | Method, storage device with a program code and system for determining a deviation of a vehicle to be tested from a standard model of the vehicle to be tested |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102019203372B4 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022129300A1 (en) | 2022-11-07 | 2024-05-08 | Bayerische Motoren Werke Aktiengesellschaft | Device and method for central detection of functional errors in the vehicle interior |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013005120A1 (en) * | 2013-03-26 | 2014-10-02 | API - Automotive Process Institute GmbH | Method for determining damage to a vehicle |
DE102015223427A1 (en) * | 2015-11-26 | 2017-06-01 | Robert Bosch Gmbh | Device and method for visualizing and documenting damage |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014005983A1 (en) | 2014-04-24 | 2014-09-25 | Daimler Ag | Method for displaying vehicle information |
DE102014208048A1 (en) | 2014-04-29 | 2015-10-29 | Bayerische Motoren Werke Aktiengesellschaft | System and method for personalizing an exhibition space |
DE102018001628A1 (en) | 2018-03-01 | 2018-09-20 | Daimler Ag | Method for displaying information |
-
2019
- 2019-03-13 DE DE102019203372.5A patent/DE102019203372B4/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013005120A1 (en) * | 2013-03-26 | 2014-10-02 | API - Automotive Process Institute GmbH | Method for determining damage to a vehicle |
DE102015223427A1 (en) * | 2015-11-26 | 2017-06-01 | Robert Bosch Gmbh | Device and method for visualizing and documenting damage |
Non-Patent Citations (1)
Title |
---|
Stereokamera – Aus Wikipedia, der freien Enzyklopädie. Stand 14.04.2018. URL https://de.wikipedia.org/w/index.php?title=Stereokamera&oldid=176507427 [abgerufen am 27.02.2020] * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022129300A1 (en) | 2022-11-07 | 2024-05-08 | Bayerische Motoren Werke Aktiengesellschaft | Device and method for central detection of functional errors in the vehicle interior |
Also Published As
Publication number | Publication date |
---|---|
DE102019203372B4 (en) | 2024-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102011013760B4 (en) | Method, device and computer program product for conveying information by means of augmented reality in connection with a road vehicle | |
DE102012223730B4 (en) | DEVICE AND METHOD FOR ADJUSTING A PARKING POSITION BASED ON AN AV IMAGE | |
DE112019001310T5 (en) | SYSTEMS AND METHODS FOR REDUCING THE AMOUNT OF DATA STORAGE DURING MACHINE LEARNING | |
DE102018130821A1 (en) | Method for assessing an environment of a motor vehicle using an artificial neural network with an aggregation unit; Control unit, driver assistance system and computer program product | |
DE102011107458A1 (en) | Method for evaluating an object recognition device of a motor vehicle | |
DE102021203020A1 (en) | GENERATIVE ADVERSARIAL NETWORK MODELS FOR DETECTING SMALL STREET OBJECTS | |
DE102009019399A1 (en) | Method for automatically determining at least one target variable describing the change in the position of a motor vehicle | |
DE102012215026A1 (en) | Method and device for operating a vehicle | |
DE102013211005A1 (en) | A method for determining a condition of a vehicle after use of the vehicle and corresponding system | |
DE102019203372B4 (en) | Method, storage device with a program code and system for determining a deviation of a vehicle to be tested from a standard model of the vehicle to be tested | |
DE102014209170A1 (en) | PROCESS FOR PROVIDING A VISUAL IMAGE OF A TRANSPORT CONDITION | |
DE102019002269A1 (en) | Method for determining an orientation of a vehicle relative to a motor vehicle | |
DE102018113621A1 (en) | A method of training a convolutional neural network for processing image data for use in a driving support system | |
DE102014218059A1 (en) | Surround view system for vehicles with attachments | |
DE102019208448A1 (en) | Procedure for checking a device or a machine | |
DE102018132627A1 (en) | Method for capturing an environment of a motor vehicle by means of temporal fusion of images through an artificial neural network; Control unit, driver assistance system; Computer program product | |
DE112017007812T5 (en) | Vehicle peripheral image display device and vehicle peripheral image display method | |
DE102021206625A1 (en) | Computer-implemented method and system for supporting an imaging sensor installation and training method | |
EP2312525A2 (en) | Method and camera system for generating images for transfer to an external control unit | |
DE102017104957A1 (en) | Method for determining a movement of mutually corresponding pixels in an image sequence from a surrounding area of a motor vehicle, evaluation device, driver assistance system and motor vehicle | |
EP3754544A1 (en) | Detection system, work method and training method | |
DE102018100211A1 (en) | A method for generating a representation of an environment by moving a virtual camera towards an interior mirror of a vehicle; as well as camera setup | |
DE102020209453A1 (en) | Method and device for augmented reality presentation of language learning content | |
DE102009060687A1 (en) | Method and device for computer-aided annotation of multimedia data | |
DE102019129029A1 (en) | OBJECT DETECTION SYSTEM AND METHOD |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division |