JP2022539559A - 損傷検出装置及び方法 - Google Patents

Abstract

本発明は、車両毎の損傷を検出するのにかかる時間を最小にする車両損傷を自動的に検出する装置及び方法を提供する。好ましくは、損傷検出の行動はまた、適切な場合、任意の検出された損傷の修復を引き起こす行動とともに実行される。この目的のために、本発明は、車両の損傷を検出するように構成された損傷検出ユニットを提供する。損傷検出ユニットは、カメラから画像を受信するように構成された受信ユニットと、受信した画像に基づいて、車両の損傷を決定するように構成された決定ユニットとを備える。さらに、損傷検出ユニットは、車両に存在すると以前に決定された損傷についての情報を記憶するように構成された記憶ユニットと、決定ユニットによって決定された損傷を、記憶ユニットによって記憶された以前の損傷についての情報と比較するように構成された比較ユニットとをさらに備える。
【選択図】図１

Description

本出願は、２０１９年７月３日に出願された英国特許出願番号ＧＢ１９０９５７８.５号からの優先権を主張し、本出願のすべての内容は、参照によってここに組み込まれている。

本発明は、概して損傷検出の分野に関し、より具体的には、車両の損傷を検出するための装置及び方法に関する。

多くの企業は、特定のタスクのために車両群を使用している。例えば、配達バンは、通常、顧客及び／又は他の会社に商品を配達する会社によって所有される。同様に、レンタル車両会社は、顧客及び／又は他の会社に、特定の時間期間にわたって車両を借りる能力を提供する。そのような会社のために全車両を管理及び維持することは課題である。

維持されなければならない１つの特定の詳細は、車両の機械的及び電気的状態である。全車両を管理する会社は、車両を動作可能かつ損傷のない状態に保つことが要求される。さらに、損傷が車両に引き起こされた場合、損傷を引き起こした運転者は適切に原因であるとされなければならず、運転者は適切な場所で再トレーニングされなければならない。

さらに、損傷は典型的には車両の機械的及び電気的状態を妨げる。例えば、タイヤ壁への損傷は、車両が使用中であるときに車両を動作不能にする早期タイヤ故障を引き起こすかもしれない。そのような故障は、車両を使用する会社が商品を配達することを妨げ、レンタル会社のケースでは、車両が修理されるまで会社が車両を借りることを妨げる。

同様に、ライト（ヘッドライト、回転灯、ブレーキライト）に対する損傷は、損傷したライトによる（例えば、夜間に）他の車両との衝突の危険性に起因して、会社がそのような損傷した車両を操作することを同様に妨げる。

しかしながら、車両の機械的及び電気的状態を確実にするために、毎回の使用後に全車両全体をチェックすることは、車両ごとにかかる時間及びチェックされる必要がある車両の数に起因して抑制される。

したがって、車両に対する機械的及び電気的損傷の迅速かつ正確な決定を可能にし、必要に応じてそのような損傷を正すシステムを提供する必要がある。

上述した問題に鑑みて、本発明は、車両毎の損傷を検出するのにかかる時間を最小にする車両損傷を自動的に検出する装置及び方法を提供することを目的とする。好ましくは、損傷検出の行動はまた、適切な場合、任意の検出された損傷の修復を引き起こす行動とともに実行される。

一般的に言えば、本発明は、車両の画像に基づいて、車両の損傷を検出し、新しい損傷が発生したかどうかを確認するために、検出された損傷を以前の損傷と比較して構成するように構成された車両損傷検出ユニットを導入する。

本発明によると、車両の損傷を検出するように構成された損傷検出ユニットが提供される。損傷検出ユニットは、カメラから画像を受信するように構成された受信ユニットと、受信した画像に基づいて、車両の損傷を決定するように構成された決定ユニットとを備える。さらに、損傷検出ユニットは、車両に存在すると以前に決定された損傷についての情報を記憶するように構成された記憶ユニットと、決定ユニットによって決定された損傷を、記憶ユニットによって記憶された以前の損傷についての情報と比較するように構成された比較ユニットとをさらに備える。

本発明は、損傷検出システムをさらに提供し、このシステムは、車両の画像をキャプチャするように構成されたカメラと、前述の損傷検出ユニットとを備える。

また、本発明は、車両の損傷を検出するための損傷検出方法をさらに提供する。方法は、カメラから画像を受信するステップと、受信した画像に基づいて、車両の損傷を決定するステップと、車両に存在すると以前に決定された損傷についての情報を検索するステップと、決定するステップによって決定された損傷を、検索するステップによって検索された以前の損傷についての情報と比較するステップとを含む。

次に、本発明の実施形態が、添付図面を参照して、例としてのみ説明され、それにおいて、同様の参照番号は、同じ又は対応する部分を指し示す。

図１は、本発明の第１の実施形態による損傷検出ユニットの概略図を、カメラ及び誘導ユニットと共に描く。 図２は、車両を画像化するように構成されたカメラの１つの潜在的なレイアウトを描く。 図３は、本発明の第１の実施形態による損傷検出ユニットの概略図を描く。 図４は、カメラによってキャプチャされたような車両の画像を、車両上の関心エリアと共に描く。 図５は、本発明の第１の実施形態による車両の損傷を検出する方法を描く。 図６は、説明において詳述されている、ある態様の一般的なコンピュータハードウェア及びソフトウェアの実装を提供している実例となるダイヤグラムを描く。

第１の実施形態
図１は、本発明の第１の実施形態による、損傷決定ユニット４００を示す。図１はまた、第１の実施形態の損傷決定ユニット４００とともに使用されてもよい追加の機器を示す。

特に、図１は、車両１００を画像化するように構成されたカメラ２０１－２０４を示す。図１において、車両１００は、へこみ１０１、引っ掻き１０２、及び欠損部分１０３などの異なるタイプの損傷を伴って示されている。例えば、欠損部分１０３は、バンパー、ヘッドライト、方向指示器、ブレーキライトなどの欠損した機械的又は電気的構成要素を含むかもしれない。同様に、引っ掻き１０２は、早期タイヤ破損を引き起こすかもしれない引っ掻きによる車両タイヤへの損傷を含むかもしれない。へこみは、衝突からの車両の車体への損傷を含むかもしれない。

さらに、誘導ユニット２０５が示されており、この誘導ユニットは、車両が通常のルートに沿って進むべきであること、例えば、燃料補給されるべきであるか、商品で再充填されるべきであるか、又は新たな顧客に移送されるべきであることを車両に示すように構成されている。この例では、誘導ユニット２０５は交通信号の形態で示されているが、他の形態も想定される。

あるいは、誘導ユニット２０５は、車両に存在する損傷を正すように構成された作業場又は他の施設に車両１００が進むべきであることを示すことができる。これに関して、損傷決定ユニット４００は、作業場での改修のために車両１００を自動的に予約するようにさらに構成されてもよい。あるいは、誘導ユニット２０５は、将来の時間に作業場に戻るように車両１００に命令するように構成されてもよい。例えば、作業場は、現在、修理されている車両で一杯であるかもしれない。したがって、将来の時点で車両１００を作業場に予約し、その時点で車両１００に戻ることを命令することにより、作業場が満車であって車両１００が早急な修理を必要としないときであっても、車両に注意を払うことができる。このようにして、自動化された車両修理スケジューリングを行うことができる。

車両１００が自動運転車両（例えば、任意の運転者／乗客の直接的な支援なしに移動するもの）である場合、誘導ユニット２０５は、損傷決定ユニット４００によって決定された損傷を修理するために作業場に進むように自動運転車両に命令できることが想定される。したがって、誘導ユニット２０５は、自動運転車両に命令するように構成されたユニットであると想定される。

図１には４つのカメラ２０１－２０４が描かれているが、１つのカメラ２０１のみが損傷決定ユニット４００と共に使用するために必要とされる。他の３つのカメラ２０２から２０４は任意である。さらに、４つのカメラ２０１－２０４が示されているが、４つよりも多いカメラを使用して車両１００の損傷を決定するために使用されてもよいことが想定される。

カメラ２０１－２０４は、車両１００の周囲に配置されて、異なる角度／位置から車両１００の画像をキャプチャすることができる。カメラは、損傷を最も受けやすい車両１００の特定のエリアの画像をキャプチャするようにさらに位置付けられてもよい。

損傷決定ユニット４００は、カメラ２０１から（及び任意選択的にカメラ２０２から２０４のうちのいずれかから）車両１００の画像を受信するように構成され、以前に検出されていない新たな損傷が車両１００に発生したかどうかを決定し、及び／又は最後の決定以降に損傷が悪化したかどうかを決定するように構成される。決定された損傷に基づいて、損傷決定ユニット４００は、誘導ユニット２０５を制御するように構成されてもよい。誘導ユニット２０５は、多数の挙動のうちの１つを車両１００に実行させるように制御されてもよい。例えば、誘導ユニット２０５は、検出された損傷に対するいかなる修復作業もなしに進むように車両を命令できるように構成されてもよい。あるいは、車両１００は、検出された損傷が修正されてもよい作業場又はこれに類するものに進むように命令されてもよい。

図２は、車両の周囲の４つのカメラ２０１－２０４のレイアウトの一例を描いている。車両１００のコーナーの画像を主にキャプチャするようにカメラを位置付けることにより、損傷決定ユニット４００によって、与えられた損傷の最も正確な決定が行われたことが分かった。なぜなら、損傷が車両１００のコーナーで最も発生しやすいことが分かったからである。追加のカメラが使用されてもよく、例えば、車両１００の屋根の画像をキャプチャするためにカメラがさらに設置されてもよい。同様に、車両１００のナンバープレート／ライセンスプレートの画像をキャプチャするためのカメラが含まれてもよい。このようにして、車両１００の特定のエリアへの損傷をキャプチャすることができる。

高品質画像をキャプチャしたカメラを使用することは、結果として、識別された損傷のタイプ及びそれが識別された位置においてより正確な損傷検出をもたらすことが分かった。さらに、より品質の高い画像をキャプチャするカメラは、より品質の低い画像よりも車両１００の損傷のより多くの事例をキャプチャすることが分かった。

また、車両に一貫した照明を使用することによっても結果が改善されることが分かった。言い換えれば、一貫した性質の照明で車両を照明することによって、夜間、悪天候条件及びこれに類するもので実行されるときであっても、より正確な損傷検出がもたらされた。このようにして、カメラによってキャプチャされた画像は、画像がキャプチャされた時刻又は時期にかかわらず、車両１００の一貫した照明を有していた。

車両１００の高ダイナミックレンジ（HDR）画像をキャプチャすることは、損傷検出をさらに改善することも分かった。この点に関して、カメラ２０１は、様々な露出値で複数の画像をキャプチャするように構成されることができる。複数の画像は、単一の画像に結合され、これにより、向上したダイナミックレンジを特徴とする。

図３は、本発明の第１の実施形態による損傷決定ユニット４００を描いている。損傷決定ユニット４００は、受信ユニット４０１と、決定ユニット４０２と、記憶ユニット４０５と、比較ユニット４０４とを備えている。オプションとして、損傷決定ユニット４００は、トレーニングユニット４０３及び／又はコマンドユニット４０６のうちの少なくとも１つをさらに備えてもよい。

受信ユニット４０１は、カメラ２０１から車両の画像を受信するように構成される。任意選択で、受信ユニット４０１は、決定ユニット４０２によって処理される全ての画像が同様の構成であるように画像を処理するようにさらに構成されてもよい。例えば、受信ユニット４０１は、受信した画像をトリミングし、画像の輝度を調節し、色バランスを調整し、又は画像の背景を除去して、車両１００のみを画像に残すように更に構成されてもよい。このようにして、画像がキャプチャ間で実質的に変化しないので、一貫した性能が達成される。

前に説明したように、カメラ２０１によってキャプチャされた画像はHDR画像であってもよい。あるいは、カメラは、異なる露光レベルで撮影された複数の画像をキャプチャしてもよい。このケースでは、受信ユニット４０１は、複数の画像を組み合わせて、高ダイナミックレンジを示す単一の画像を形成するようにさらに構成されてもよい。

さらに、受信ユニット４０１は、任意選択のカメラ２０２から２０４のそれぞれから１つずつ、複数の画像を受信するようにさらに構成されてもよい。受信ユニット４０１は、カメラ２０１からの画像に対して実行されるのと同じ任意選択の処理を実行するようにさらに構成されてもよい。さらに、受信ユニット４０１は、カメラ２０１－２０４から受信された画像のすべてを組み合わせるようにさらに構成されてもよい。例えば、受信ユニット４０１は、カメラ２０１－２０４からの画像のすべてを、決定ユニット４０２に入力するための単一の画像に綴る（stitch）ように構成されてもよい。このように、決定ユニット４０２は、単一の画像に対してのみ損傷決定を行う必要がある。あるいは、受信ユニット４０１は、カメラ２０１－２０４からそれぞれ受信した画像を決定ユニット４０２に出力してもよい。このようにして、それぞれの異なるカメラから受信された単一の画像に対して損傷決定が実行される。

任意選択で、複数の画像が単一の画像に綴られるとき、受信ユニット４０１は、画像を同期させるようにさらに構成されてもよく、（２つの画像に現れるフロントバンパーなどのような）車両特徴が複数の画像に現れる場合に、車両特徴（例えば、フロントバンパー）が複数の画像にわたってマッピングされるように、画像は適切に組み合わされる。このようにして、結果として得られる画像は、ソースとして複数の画像を使用することによって生じる不必要な重複なく、現実世界に現れる車両特徴のみを含む。例えば、車両１００の前方の２つの画像を単純に綴るとすると、結果としてフロントバンパーが最終画像に２回現れることをもたらす。しかしながら、画像を同期させることによって（例えば、画像の全体像をトリミング、回転、及び／又は調節することによって）、最終的な画像は、現実世界の車両に対応する単一のフロントバンパーのみで生成することができる。

任意選択で、受信ユニット４０１は、特定の条件に応答して車両１００の画像をキャプチャするようにカメラ２０１及び／又は複数のカメラ２０１－２０４をトリガするように構成されたカメラトリガユニット（図示せず）をさらに備えることができる。例えば、カメラトリガユニットは、車両１００のモーションブラー（motion blur）が最小化されるように、車両１００がカメラの前で完全に停止したときにのみ画像をキャプチャするように構成されてもよい。任意選択で、カメラトリガユニットは、カメラ入力から差し引かれた車両が存在するかどうかを決定するように構成された統計的方法（ニューラルネットワーク）として実現される。これを達成するために、統計的方法は、カメラから収集された、人間の注釈が付けられた映像（picture）に対してトレーニングされる。

より詳細には、カメラトリガユニットは、キャプチャされた画像内で車両１００を見つけるようにトレーニングすることができる。さらに、カメラトリガユニットは、損傷検出のための正しい位置に位置付けられるような、車両が良好に位置付けられているかどうかをさらに決定することができる。これを達成するために、良好に位置付けられた車両及び不良に位置付けられた／欠損した車両の、手で注釈が付けられた画像によってトレーニングされた畳み込みニューラルネットワークに基づく統計モデルが使用されてもよい。さらに、カメラトリガユニットは、車両が静止しているかどうかを決定することができる。車両は、車両の複数の画像が撮影された後に静止していると見なされ、車両は画像間で移動しない。例えば、車両の３つの画像が撮影されてもよく、車両が第１、第２、及び第３の画像間で移動しない場合、車両は静止していると見なされてもよい。

受信ユニット４０１によって処理された画像は、決定ユニット４０２及びオプションのトレーニングユニット４０３に出力される。

決定ユニット４０２は、受信ユニット４０１から受信された画像に基づいて、損傷を決定するように構成される。これは、受け取った画像の部分と決定ユニット４０２に知られている損傷のタイプとの間の類似性を見つけるように構成された統計モデル及び／又は機械学習モデルを使用して実行することができる。

統計モデルは、単一の画像又は複数の画像を受信して、画像内の車両の損傷を決定することができる。任意選択で、画像が誤トリガされた場合、統計モデルは、画像内に存在しない車両に対する損傷を決定しようとするよりもむしろ、画像内に車両が存在しないことを示すことができる。統計モデルは、人工ニューラルネットワーク又はガウス過程分類器などの標準的な機械学習モデルの形態を取ってもよい。

統計モデルは、RetinaNetのような深層畳み込みニューラルネットワークとして実現されてもよいことが想定される。

このようにして、決定ユニット４０２は、車両の画像に基づいて、損傷が検出された車両のそれらの部分を自動的に識別し、任意選択で、そのような損傷の重大度を含むことができる。この点に関して、決定ユニット４０２は、車両に損傷が存在しないと決定することができ、あるいは、決定ユニット４０２は、車両の少なくとも１つの損傷エリアを決定し、任意選択的に、損傷のタイプ（例えば、引っ掻き、へこみ、又は欠損部分）、損傷の重大度、及びこれらに類するものの説明を提供することができることが想定される。このようにして、受信ユニット４０１からの画像は、車両上に存在する損傷の分析を提供し、損傷を分類し、それを車両上で位置付けるするために使用される。さらに、決定ユニット４０２は、追加的又は代替的に、車両のどの部分が損傷を有しているか、例えば、左前ドアが損傷を受けているかを識別することができる。

オプションのトレーニングユニット４０３は、受信ユニット４０１から画像を受信するように構成される。画像はさらに、画像内に示される車両１００の損傷に対応する画像のエリアを示すように注釈が付けられる。典型的には、そのような注釈は、（それがへこんでいるか、欠けている部分及び／又は引っ掻きであるかにかかわらず）損傷を示す画像のそれらのエリアを識別する人間のオペレータによって実行される。このようにして、トレーニングユニット４０３は、損傷に注釈が付けられた複数の画像を受信し、それによって、そのような損傷の多数の例を提供する。

任意選択のトレーニングユニット４０３は、受信された注釈が付けられた画像に基づいて、損傷を決定するように決定ユニット４０２をトレーニングするようにさらに構成することができる。

このようにして、トレーニングユニット４０３は、最初に、損傷を識別するように決定ユニット４０２をトレーニングするために使用されてもよい。しかしながら、一旦トレーニングが完了すると、トレーニングユニット４０３を使用する必要はない。この点において、決定ユニット４０２のトレーニングは、「オフライン」で、すなわち損傷検出システムを有効にする前に行われてもよい。このようにして、損傷決定システムは、トレーニングユニット４０３によって完全にトレーニングされた状態で提供することができ、その結果、動作中、トレーニングユニット４０３は、決定ユニット４０２をトレーニングするその役割を果たしているので、起動される必要がない。

したがって、いったん決定ユニット４０２がトレーニングユニット４０３によってトレーニングされると、トレーニングが完了しているのでトレーニングユニット４０３はもはや必要とされない。代替的に、トレーニングユニット４０３は、注釈が付けられた画像を受信し続けて、統計モデルのトレーニングにおいて使用されてもよい損傷の例の数を増加させることができる。したがって、予め定められた時間期間の後、例えば、週に１回、月に１回、年に１回などである。統計モデルは、トレーニングユニット４０３によって収集された画像のすべてを使用して再トレーニングされてもよい。このようにして、統計モデルの精度を経時的に改善することができる。

比較ユニット４０４は、決定ユニット４０２によって決定された車両の損傷の表示を受信するように構成される。比較ユニット４０４は、受信した損傷の表示を車両上にあることが以前に知られているものと比較し、その比較に基づいて、車両上で最後に損傷検出が実行されてから新たな損傷が発生したかどうかを決定するように構成される。これを達成するために、比較ユニット４０４は、車両に存在すると以前に決定された損傷についての情報を記憶するように構成された記憶ユニット４０５と共に使用される。

したがって、比較ユニット４０４は、決定ユニット４０２によって決定された、決定された損傷を受信し、それを車両について記憶された以前の損傷について記憶ユニット４０５によって記憶された情報と比較するように構成される。比較ユニット４０４によって新たな損傷が検出されなかったとき、そのような決定に達したことを示すことができる。あるいは、新たな損傷が存在すると決定されたとき、比較ユニット４０４は、車両上のその位置と共に新たな損傷の重大度を示すことができる。任意選択で、比較ユニット４０４は、そのような新しい損傷が修理を必要とするか否かを決定することができる。これを達成するために、比較ユニット４０４は、新しい損傷を予め定められた閾値と比較するように構成されてもよい。新しい損傷が予め定められた閾値未満であると決定されるとき、そのような車両を動作させることによって引き起こされる通常の損傷である「摩耗」として分類することができる。しかしながら、損傷が予め定められた閾値を超えるとき、損傷は直ちに修正及び修理を必要とするかもしれない。さらに、比較ユニット４０４は、損傷の各領域が「摩耗」として分類される場合であっても、損傷の各エリアを客観的に検査し、損傷の重大度が予め定められた閾値を超えるときに、損傷が即時の修正及び修理を必要とすると決定するようにさらに構成されてもよい。このようにして、損傷検出ユニット４００による検査の間に損傷のわずかな増加しかないので、「摩耗」として継続的に分類される損傷は、経時的に一様に増大しない。このようにして、損傷の現在の重大度が評価されるとともに、損傷を以前に記憶された損傷と比較する。

比較ユニット４０４は、いったん比較が完了すると、記憶ユニット４０５に記憶された情報を更新するようにさらに構成されてもよい。特に、記憶ユニット４０５は、車両の現在の損傷状態についての情報を用いて比較ユニット４０４によって更新することができる。このようにして、次に比較ユニット４０４が車両の損傷を記憶ユニット４０５に記憶された損傷と比較するとき、比較は、車両の損傷の状態についての最新の情報に基づいて行われる。また、作業場又はこれに類するものが車両の損傷を修理する場合、作業場は、車両の損傷が修理されたことを示す情報で記憶ユニット４０５を更新するように構成されてもよいことが想定される。したがって、比較ユニット４０４によって行われる次の比較は、損傷を受けていない車両に基づいて比較を行う。

また、記憶ユニット４０５は、車両についての情報を、それに関係付けられた損傷とともにさらに記憶してもよい。例えば、車両のナンバープレート／ライセンスプレートは、車両の損傷についての情報と共に記憶されてもよい。決定ユニット４０２は、車両１００の画像に基づいて車両上で決定された損傷についての情報と共に車両のナンバープレート／ライセンスプレートを自動的に決定するようにさらに構成されてもよいことが想定される。したがって、記憶ユニット４０５は、比較ユニット４０４による比較を実行するときに車両が正確に識別されることができるように、ナンバープレート／ライセンスプレートとともに以前に決定された損傷を記憶することができる。代替的に、別の識別子を使用して、どの特定の車両で損傷検出プロセスが実行されているかを示すことができる。例えば、いくつかの車両は、その屋根上に描かれた個々の数字又は文字を使用し、したがって、カメラがそのような識別子の画像をキャプチャし、それによって車両のアイデンティティを自動的に決定できることが想定される。

任意選択で、誘導ユニット２０５にコマンドを発行するように構成されたコマンドユニット４０６が設けられる。この点に関して、発行されたコマンドは、車両が作業場に運転されるべきであることを誘導ユニットに示させることができる。代替的に、発行されたコマンドは、誘導ユニットに、車両がその通常のルートを進み、作業場に進まないことを示させてもよく、例えば、車両は、燃料を補給する、製品を補充する、次の顧客の対応をする、又はこれらに類するもののために進む。前述のように、誘導ユニット２０５は、交通信号灯／交通信号／停止灯の形態をとることができる。このようにして、どのように進むべきかを示す命令を車両の運転者に伝えることができる。代替的に、自動運転することができる車両について、誘導ユニット２０５は、車両の目的地及び作業場に進むか否かを直接設定する命令を自動運転車両に送信するように構成された送信機の形態をとってもよい。

この目的のために、コマンドユニット４０６は、比較ユニット４０４によって実行される損傷の比較が、新たな損傷がないこと、既存の損傷が修理のための閾値未満であること、及び新たな損傷が修理のための閾値未満であること（すなわち、それが「摩耗」として分類される）のうちの少なくとも１つを示すときに、作業場を迂回する、燃料補給する、補充する、次の顧客の対応をする、又はこれらに対応するもの命令を発行するように構成されてもよい。

しかしながら、既存の損傷が修理のための閾値を超え、及び／又は新たな損傷が修理のための閾値よりも大きい（すなわち、新たな損傷が即時の修理を保証するのに十分に深刻である）ことを比較ユニット４０４が示すときに、コマンドユニット４０６は、修理のために作業場に進む命令を発行するように構成されてもよい。このようにして、損傷検出ユニット４００は、車両上の損傷を識別し、必要に応じて、車両が修理されるように命令するように構成することができる。

上述の決定ユニット４０２は、車両の特定のエリアにおける損傷に特に焦点を合わせるようにさらに構成されてもよい。例えば、図４に示すように、決定ユニット４０２は、エリア５０１から５０５内の損傷に焦点を合わせるようにトレーニングされてもよい。これらのエリア５０１から５０５は、損傷を受けやすいことが知られている領域に対応するように選択されてもよい。例えば、エリア５０１及び５０５は、車両１００と障害物との任意の衝突において衝撃を受ける／引っ掻かれる可能性が最も高い車両１００のバンパーエリアに対応する。したがって、それらは最も損傷を受けやすい。これらのエリア５０１及び５０５はまた、ヘッドライト及び方向指示器を備え、したがって、これらのエリアへの損傷はまた、これらのデバイスの正しい動作を妨げる可能性がある。さらに、ホイールエリア５０２及び５０４は、縁石に沿って擦られる可能性があり、ホイールアーチ、ホイールハブ及びタイヤに損傷を引き起こす。これらのエリアのいずれかに対する損傷は、次に、平坦なタイヤ及び他のタイヤの損傷を引き起こすかもしれず、これは、車両を正しく扱う及び運転することを妨げる。

焦点の他のエリアは、車両１００を荷積み及び荷降ろしするときに使用率が高いエリアであるドアエリア５０３を含むことができる。さらに、ドアは通常車両１００から外側に揺動するので、車両１００の側部に位置付けられた障害物と衝突する可能性がある。これらのエリアへの損傷は、ドアの正確な開／閉／ラッチを妨げる可能性がある。

この目的のために、決定ユニット４０２のトレーニングは、決定ユニット４０２がそれによってこれらのエリア５０１から５０５における損傷に対してより敏感になるように、指定されたエリア５０１から５０５において発生する損傷のより多くのトレーニングを提供するように構成されてもよい。追加的又は代替的に、決定ユニット４０２は、特定エリア５０１から５０５における損傷を決定するように構成されてもよい。例えば、決定ユニット４０２は、車両の画像上の特定のエリア５０１から５０５を識別し、次にこれらのエリアにおける損傷を決定し、車両１００の任意の他の部分における損傷を決定しないように更に構成されてもよい。換言すれば、決定ユニット４０２は、車両１００の特定の特徴（例えば、左ドア、フロントバンパー等）を検出するように構成されてもよい。さらに、決定ユニット４０２は、車両１００の特定の特徴内／上の損傷をさらに決定することができる。このようにして、車両１００の最も激しく損傷している可能性が高いエリアから損傷が決定される。追加的又は代替的に、いったん特定のエリア５０１から５０５が損傷について探索され、損傷が見つからない場合、決定ユニット４０２は、車両１００の他の位置における損傷を探索するようにさらに構成されてもよい。

さらに、特定のエリア５０１から５０５における損傷を決定することによって、損傷は特定の部分に局在化されてもよく、それによって詳細な報告及び特定の修理の生成を可能にする。例えば、車両のフロントバンパー及びそれが含む損傷に焦点を当てることにより、損傷の個々の点を修理するか、又はより単純にフロントバンパーを全体として交換するかのいずれかの選択肢を提供することができる。このようにして、ライト、バンパー、ドア、及びこれらに類するものの特定の車両特徴に損傷検出を集中させることによって、より簡単な修理が容易になる。

図５は、本発明の第１の実施形態による、損傷検出システムによって実行されるプロセスを示す。特に、フローチャートＳ５００は、車両の画像と、車両に対して以前に検出された損傷についての情報とに基づいて、車両に対する損傷の計算を示す。

ステップＳ５０１において、受信ユニットは、カメラから車両の画像を受信する。この点に関して、車両の損傷を検出するために１つのカメラのみが使用される必要がある。しかしながら、存在する損傷の全てを完全に検出するために、異なる角度から、かつ変化する照明条件下で撮影された車両の複数の画像を使用することが有利であるかもしれない。さらに、ＨＤＲ画像を使用して、車両の損傷エリアのコントラストをさらに改善することができる。受信するステップＳ５０１は、受信された画像をさらに処理して、画像のフレーム内の異なる光条件及び物体を考慮してもよいが、地面、空、車両の背後に位置するかもしれない人々などの車両のものは考慮しなくてもよい。この目的のために、受信するステップＳ５０１は、フローチャートＳ５００によって実行されるさらなるステップが異質物体によって混乱させられないように、及び／又は車両自体から離れた車両にわたって変化しない均一な画像が提供されるように、車両の画像からそのような異質物体をトリミングしてもよい。

ステップＳ５０２では、ステップＳ５０１から受信した画像に基づいて、車両に損傷があると決定する。これを達成するために、機械学習モデル及び／又は統計モデルを使用して、車両の画像内の損傷の特徴を識別することができる。より具体的には、機械学習モデル及び／又は統計モデルは、損傷エリアを識別するために人間によって注釈が付けられた、注釈が付けられた画像上でトレーニングされてもよい。注釈が付けられた画像に基づいて、モデルは、人間が任意の画像にさらに注釈を付ける必要なく、注釈が付けられた画像から学習した経験に基づいて、車両の損傷エリアを予測するために使用されてもよい。モデルは、損傷検出システムとして使用される前にトレーニングされてもよく（すなわち、トレーニングは製造の間に行われてもよい）、その結果、最初にトレーニングステップを実行する必要はない。さらに、さらなる注釈が付けられた画像が経時的に収集され、受信された画像における損傷の検出の精度をさらに向上させるために使用されてもよい。

決定するステップＳ５０２は、受信した画像から車両の識別子を決定するようにさらに構成されてもよい。例えば、画像は、各車両に固有の車両のライセンスプレートを含むことができる。このようにして、検出された損傷を特定の車両に関係付けることができる。

ステップＳ５０３において、検索するステップは、記憶ユニットから車両に存在すると以前に決定された損傷についての情報を記憶する。この点に関して、損傷検出システムの以前の使用は、車両に存在する損傷を以前に決定しているかもしれない。したがって、検索するステップＳ５０３は、決定された損傷を検索する。一例では、特定の車両に存在する損傷が車両識別子に基づいてそれを調べることによって想起されてもよいように、決定された損傷は車両の識別子を用いて決定される。また、車両の損傷が修理されたとき、又は新たな車両が使用されたときに、（損傷が修復された又は新たな車両であることから）記憶ユニットは、車両が損傷していないという情報を記憶してもよい。したがって、損傷検出システムの将来の使用は、検索するステップＳ５０３が記憶ユニットから情報を検索するときに損傷が存在しない車両で実行される。

ステップＳ５０４では、決定するステップＳ５０２及び検索するステップＳ５０３で決定された損傷に基づいて、損傷が比較される。より具体的には、比較するステップＳ５０４は、決定するステップＳ５０２から、受信した画像に基づいて現時点で車両に存在すると決定された損傷を受信する。さらに、比較するステップＳ５０４は、検索するステップＳ５０３によって検索された、以前に現在の車両上で以前に識別された損傷を受信する。これにより、比較するステップＳ５０４は、損傷情報を比較して、車両について最後に損傷検出が実行された時点と現在の時点との間に新たな損傷が発生したかどうかを決定する。新たな損傷が決定されていないとき、比較するステップは、新たな損傷が決定されていないことを出力してもよい。

しかしながら、新しい損傷が決定されるとき、比較するステップＳ５０４は、新しい損傷がどこで発生したか、及び損傷がどの程度深刻であるかを示すことができる。損傷の重大度が特定の閾値未満であるとき、損傷は「摩耗」として分類されてもよく、さらなる行動は必要とされなくてもよい。損傷が特定の閾値以上であるとき、車両の動作に対して危険（例えば、ライトが作動していない、タイヤが平坦である、及びこれらに類するもの）をもたらすかもしれないため、損傷は、即時の修理を必要とするかもしれず、したがって、即時の行動が取られるかもしれない。

さらに、車両の特定のエリアは、その前に行動が取られなければならない損傷の異なる閾値を有してもよい。行動に関して、損傷したタイヤによって引き起こされる危険性は、損傷したライトよりも高いかもしれない。したがって、タイヤに対する損傷の重大度がライトに対する損傷の重大度よりも低いが、タイヤに固有の閾値を超えるとき、タイヤは即時の修理を必要とするかもしれず、（ライトに対する損傷がライトに固有の閾値を超えないとき）ライトの修理は延期される／実行されないかもしれない。換言すれば、車両の異なる部分に異なる閾値を適用して、いつ修理が必要とされ、いつ損傷が「摩耗」として分類されるかを決定することができる。

フローチャートＳ５００は、比較するステップＳ５０４に基づいて車両を作業場に誘導するように誘導ユニットに命令する任意選択のステップＳ５０５をさらに含むことができる。言い換えれば、比較するステップＳ５０４によって実行された比較の結果に基づいて、方法Ｓ５００は、修理のために車両を作業場に誘導するように誘導ユニットにさらに命令することができる。一例では、誘導ユニットは、車両の進行方向を示す矢印を有する交通信号の形態をとる。新たな損傷が決定されないとき、又は損傷が「摩耗」であると決定されるとき、又は損傷が予め定められた閾値未満であるとき、命令するステップＳ５０５は、車両が荷積み／荷下ろし／清掃のための位置に進むように示すために誘導ユニットに命令してもよい。しかしながら、損傷が予め定められた閾値よりも大きいと比較するステップＳ５０４によって決定されたとき、命令するステップＳ５０５は、損傷の即時修理のために車両を作業場に誘導するように誘導ユニットに命令することができる。

修正及びバリエーション
本発明の範囲から逸脱することなく、上述の実施形態に多くの修正及びバリエーションを行うことができる。

上記は車両の修理に関して説明してきたが、他の要因が、まず、第一に損傷の原因を回避するために予防的であると考えられるかもしれない。例えば、配達／集荷車両が特定のルートを辿るとき、ルートを選ぶことは、ルートに沿って車両に与えられる損傷に相関するかもしれない。このようにして、多数の車両が同じルート及び／又はルートの一部に沿って進み、車両の同様の位置において同様の損傷を被るとき、ルート／ルートの一部は危険であるとマークされてもよい。このようにして、ルート決定は、典型的にはルートに沿って加えられる損傷を考慮に入れ、異なるルートを選び、そのルートを危険なものとしてマークし、及び／又はそのルートに沿って運転者が特に慎重であるように促すことができる。これにより、損傷の原因を排除することができる。

この点に関して、配達／集配会社は、どの車両がどのルートに割り当てられたかを、そのルートに使用される運転者と共に記録することができる。この情報の全ては、ルート決定のための手段に利用可能であるように、前述の記憶ユニット４０５に記憶されてもよい。

同様に、運転者が特定の車両を運転するように割り当てられている場合、車両に加えられた損傷を監視することは、特定の運転者にリンクされてもよい。このようにして、特に危険な又は不注意な運転者が識別され、より良い運転を促すように再トレーニングされてもよい。車両賃貸会社のケースでは、そのような情報は、会社がそのような個人に車両を貸すことを最良に回避するかどうかを決定するために使用されてもよい。このようにして、運転者などから予想される車両損傷を回避することができる。

コンピュータ実現された実施形態に関して、提供される説明は、システム又は方法のステップを実現するためにコンピュータをどのように修正するかを説明できる。解決される特定の問題は、コンピュータ関連の問題の状況であってもよく、システムは、手動手段のみによって、又は一連の手動ステップとして実行されることを意味しなくてもよい。コンピュータ関連の実装及び／又は解決策は、いくつかの実施形態の状況において、とりわけ、少なくとも、スケーラビリティ（多数の入力及び／又はアクティビティを管理するための単一のプラットフォーム／システムの使用）、異種ネットワークからの情報を迅速かつ効果的に一緒に引き出す能力、そうでなければ実現不可能な改善された意思決定支援及び／又は分析、接続点のみがコンピュータ実現インターフェースである外部システムと統合する能力、自動化を通してコスト節約を達成する能力、（迅速に変化する注文フロー又は物流条件のような）様々な状況における更新に動的に応答し考慮する能力、手動手段を通して実現不可能である複雑な論理規則を適用する能力、注文が真に匿名である能力などを提供するという理由で有利であるかもしれない。

電子的及び／又はコンピュータ化された手段を使用することにより、従来のコンピュータ化されていない手段よりも便利で、拡張可能で、効率的で、正確で、及び／又は信頼性の高いプラットフォームを提供することができる。さらに、システムはコンピュータ化されてもよく、プラットフォームは相互運用性のために有利に設計されてもよく、手動操作は困難及び／又は不可能であるかもしれない。さらに、手動操作は、たとえ実現可能であっても、同等の効率を達成する見込みはなく、及び／又は

スケーラビリティは、多数の入力、出力、並びに／又は外部システムとの相互接続及び／若しくは統合を効果的に管理することが可能であってもよいシステムを提供することが有利であることができるので、有用であるかもしれない。

解決策の利便性及び有効性は、個人が、より良好な注文及び／又は履行決定を行うために利用可能なより多くの情報を有することができるため、注文履行の状況において有益であるかもしれない。

本システム及び方法は、さまざまな実施形態において実施されてもよい。適切に構成されているコンピュータデバイス、及び、関係付けられている通信ネットワーク、デバイス、ソフトウェア及びファームウェアは、上記で説明したような１つ以上の実施形態を可能にするためのプラットフォームを提供してもよい。例として、図６は、記憶ユニット６０４に、及び、ランダムアクセスメモリ６０６に接続されている中央処理ユニット（「ＣＰＵ」）６０２を含んでいてもよい、コンピュータデバイス６００を示している。ＣＰＵ６０２は、オペレーティングシステム６０１、アプリケーションプログラム６０３、及び、データ６２３を処理してもよい。オペレーティングシステム６０１、アプリケーションプログラム６０３、及びデータ６２３は、要求されるかもしれないように、記憶ユニット６０４において記憶されていてもよく、メモリ６０６中にロードされていてもよい。コンピュータデバイス６００は、グラフィック処理ユニット（ＧＰＵ）６２２をさらに含んでいてもよく、これは、ＣＰＵ１０２に、そして、メモリ６０６に、動作可能に接続されて、ＣＰＵ６０２からの集約的なイメージ処理算出をオフロードして、これらの算出を、ＣＰＵ６０２と並行して稼動させてもよい。オペレータ６０７は、ビデオインターフェース６０５によって接続されているビデオディスプレイ６０８と、Ｉ／Ｏインターフェース６０９によって接続されている、キーボード６１５、マウス６１２及びディスクドライブ又はソリッドステートドライブ６１４のような、さまざまな入力／出力デバイスとを使用して、コンピュータデバイス６００と対話してもよい。知られている方法で、マウス６１２は、ビデオディスプレイ６０８におけるカーソルの移動を制御するように、そして、ビデオディスプレイ６０８中に出現するさまざまなグラフィックユーザインターフェース（ＧＵＩ）制御を、マウスボタンで動作させるように構成されていてもよい。ディスクドライブ又はソリッドステートドライブ６１４は、コンピュータ読取可能媒体６１６を受け入れるように構成されていてもよい。コンピュータデバイス６００は、ネットワークインターフェース６１１を介してネットワークの一部を形成して、コンピュータデバイス６００が、（示されていない）他の適切に構成されているデータ処理システムと通信できるようにしてもよい。１つ以上の異なるタイプのセンサ６３５を使用して、さまざまなソースからの入力を受信してもよい。

本システム及び方法は、デスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ又はワイヤレスハンドヘルドを含んでいるコンピュータデバイスの、実質的に任意の方法で実施されてもよい。本システム及び方法は、本発明にしたがった方法において、さまざまなプロセスステップのそれぞれを実現するために、１つ以上のコンピュータデバイスを可能にするためのコンピュータプログラムコードを含むコンピュータ読取可能な／使用可能な媒体としても実現されてもよい。動作全体を実行する、１つより多いコンピュータデバイスのケースにおいて、コンピュータデバイスは、動作のさまざまなステップを分配するようにネットワーキングされている。用語コンピュータ読取可能媒体又はコンピュータ使用可能媒体は、プログラムコードの任意のタイプの物理実施形態のうちの１つ以上を備えていることが理解される。特に、コンピュータ読取可能／使用可能媒体は、コンピュータ及び／又は記憶システムに関係付けられているメモリのような、コンピューティングデバイスの１つ以上のデータ記憶区分上で、製品の１つ以上のポータブル記憶物品（例えば、光学ディスク、磁気ディスク、テープ等）上で具現化されているプログラムコードを備えることがある。

移動体デバイスが、本来のアプリケーションよりもむしろ、ウェブサービスにアクセスするためのリンクを含んでいる場合、本発明の移動体アプリケーションは、ウェブサービスとして実現されてもよい。説明している機能性は、アンドロイド（登録商標）プラットフォーム、ｉＯＳ（登録商標）プラットフォーム、リナックス（登録商標）プラットフォーム又はウィンドウズ（登録商標）プラットフォームを含んでいる、任意の移動体プラットフォームに対して実現されてもよい。

さらなる態様では、本開示は、そのような方法を実現し、前に説明した機能を可能にする際に使用するための、非一時的機械可読命令セットを含む、システム、デバイス、方法、及びコンピュータプログラム製品を提供する。

本発明の実施形態の前述の説明は、実例及び説明の目的で提示されている。本開示を開示したまさにその形態に網羅する又は限定することを意図してはいない。本発明の精神及び範囲から逸脱することなく、修正及びバリエーションを行うことができる。

Claims (15)

1. 車両の損傷を検出するように構成された損傷検出ユニットであって、
   前記損傷検出ユニットは、
   カメラから画像を受信するように構成された受信ユニットと、
   前記受信した画像に基づいて、前記車両の損傷を決定するように構成された決定ユニットと、
   前記車両に存在すると以前に決定された損傷についての情報を記憶するように構成された記憶ユニットと、
   前記決定ユニットによって決定された前記損傷を、前記記憶ユニットによって記憶されたような以前の損傷についての前記情報と比較するように構成された比較ユニットとを備える、損傷検出ユニット。
2. 前記比較ユニットは、前記比較された損傷に基づいて、新たな損傷が生成されたかどうかを決定するようにさらに構成される、請求項１に記載の損傷検出ユニット。
3. 前記損傷検出ユニットは、前記車両の損傷のエリアを示すように注釈が付けられた画像を前記受信ユニットから受信するように構成され、前記注釈が付けられた画像に基づいて、損傷を決定するように前記決定ユニットをトレーニングするように構成されたトレーニングユニットをさらに備える、請求項１又は２に記載の損傷検出ユニット。
4. 前記損傷検出ユニットは、誘導ユニットにコマンドを発行するように構成されたコマンドユニットをさらに備える、請求項１から３のうちのいずれか一項に記載の損傷検出ユニット。
5. 前記コマンドユニットは、前記誘導ユニットに、
   車両が、作業場に進む、
   前記車両が、前記作業場を回避する、
   前記車両が、将来、前記作業場に進むべきである、のうちの少なくとも１つを示させるコマンドを発行するように構成されている、請求項４に記載の損傷検出ユニット。
6. 前記決定ユニットは、前記車両の損傷を決定するために機械学習モデル及び／又は統計モデルを使用するように構成されている、請求項１から５のうちのいずれか一項に記載の損傷検出ユニット。
7. 前記損傷検出ユニットは、前記カメラに前記車両の画像をキャプチャさせるように構成された機械学習モデルを備えるカメラトリガユニットをさらに備える、請求項１から６のうちのいずれか一項に記載の損傷検出ユニット。
8. 損傷検出システムであって、
   前記システムは、
   車両の画像をキャプチャするように構成されたカメラと、
   請求項１から７のうちのいずれか一項に記載のユニットにしたがう損傷決定ユニットとを備える、損傷検出システム。
9. 前記システムは、前記車両に、
   車両が、作業場に進む、
   前記車両が、前記作業場を回避する、
   前記車両が、将来、前記作業場に進むべきである、のうちの少なくとも１つを示すように構成されている誘導ユニットをさらに備える、請求項８に記載の損傷検出システム。
10. 車両の損傷を検出するための損傷検出方法であって、
    前記方法は、
    カメラから画像を受信するステップと、
    前記受信した画像に基づいて、前記車両の損傷を決定するステップと、
    前記車両に存在すると以前に決定された損傷についての情報を検索するステップと、
    前記決定するステップによって決定された前記損傷を、前記検索するステップによって検索された以前の損傷についての情報と比較するステップとを含む、損傷検出方法。
11. 前記方法は、
    前記比較された損傷に基づいて、新たな損傷が生成されたかどうかを決定するステップをさらに含む、請求項１０に記載の損傷検出方法。
12. 前記方法は、
    前記車両の損傷のエリアを示すように注釈が付けられた画像を受信するステップと、
    前記注釈が付けられた画像に基づいて、損傷を決定するようにトレーニングするステップとを含む、請求項１０又は１１に記載の損傷検出方法。
13. 前記方法は、
    誘導ユニットにコマンドを発行するステップをさらに含む、請求項１０から１２のうちのいずれか一項に記載の損傷検出方法。
14. 前記コマンドを発行するステップは、前記誘導ユニットに、
    車両が、作業場に進む、
    前記車両が、前記作業場を回避する、
    車両が、将来、作業場に進むべきである、のうちの少なくとも１つを示させる、請求項１３に記載の損傷検出方法。
15. 前記決定するステップは、前記車両の損傷を決定するために機械学習モデル及び／又は統計モデルを使用するように構成されている、請求項１０から１３のうちのいずれか一項に記載の損傷検出方法。

Images