KR20210112299A - 자동화된 인공 지능 비히클 평가 - Google Patents
자동화된 인공 지능 비히클 평가 Download PDFInfo
- Publication number
- KR20210112299A KR20210112299A KR1020217015046A KR20217015046A KR20210112299A KR 20210112299 A KR20210112299 A KR 20210112299A KR 1020217015046 A KR1020217015046 A KR 1020217015046A KR 20217015046 A KR20217015046 A KR 20217015046A KR 20210112299 A KR20210112299 A KR 20210112299A
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- data
- captured images
- image
- interface application
- Prior art date
Links
- 238000011156 evaluation Methods 0.000 title description 3
- 238000013473 artificial intelligence Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 279
- 230000008569 process Effects 0.000 claims abstract description 128
- 230000008439 repair process Effects 0.000 claims description 323
- 230000002452 interceptive effect Effects 0.000 claims description 80
- 230000000007 visual effect Effects 0.000 claims description 75
- 230000007547 defect Effects 0.000 claims description 67
- 230000004044 response Effects 0.000 claims description 38
- 238000003860 storage Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 25
- 238000013479 data entry Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 9
- 239000003795 chemical substances by application Substances 0.000 description 115
- 230000006378 damage Effects 0.000 description 101
- 239000011521 glass Substances 0.000 description 99
- 238000007689 inspection Methods 0.000 description 59
- 239000003973 paint Substances 0.000 description 53
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 21
- 238000002372 labelling Methods 0.000 description 14
- 238000003908 quality control method Methods 0.000 description 11
- 230000001960 triggered effect Effects 0.000 description 11
- 238000012549 training Methods 0.000 description 10
- 241001325209 Nama Species 0.000 description 9
- 238000013500 data storage Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 8
- 239000002184 metal Substances 0.000 description 8
- 230000008451 emotion Effects 0.000 description 7
- 101000958771 Homo sapiens N-acylethanolamine-hydrolyzing acid amidase Proteins 0.000 description 6
- 102100038360 N-acylethanolamine-hydrolyzing acid amidase Human genes 0.000 description 6
- 238000013481 data capture Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 239000000428 dust Substances 0.000 description 6
- 238000012552 review Methods 0.000 description 5
- 239000011277 road tar Substances 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 230000007797 corrosion Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000010422 painting Methods 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000006748 scratching Methods 0.000 description 3
- 230000002393 scratching effect Effects 0.000 description 3
- 238000010186 staining Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G06K9/78—
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- G06Q50/30—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- 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
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
차량 캡처 모듈들을 갖는 동적 인터페이스를 사용하여 차량의 이미지 및 오디오 데이터를 캡처하고 이미지 및 오디오 데이터를 처리하여 차량 메트릭들을 자동으로 계산하는 차량 감정용 시스템. 시스템은 차량 메트릭들을 사용하여 차량에 대한 비용 데이터 및 시장 가치 추정치들을 생성한다. 시스템은 데이터와 보고서를 교환하기 위해 애플리케이션 프로그래밍 인터페이스를 사용하여 다른 시스템들과 통합할 수 있다.
Description
본 개시는 일반적으로 컴퓨팅 플랫폼, 인공 지능, 컴퓨터 비전 및 이미지 및 오디오 처리 분야에 관한 것이다.
본원에 설명된 실시예들은 상태를 검증하고/하거나 컴퓨터 비전 및 오디오 검출을 사용하여 차량의 정확한 시장 가치를 계산하기 위해 차량을 재조정하는 동안 주의를 요하는 외관 또는 기계적 결함 또는 기타 시각적 및 청각적으로 눈에 띄는 수리를 평가할 목적으로 차량을 평가하기 위한 시스템들 및 프로세스들에 관한 것이다.
일 양태에 따르면, 영상 처리를 이용한 차량 감정 시스템이 제공된다. 시스템은 비일시적 컴퓨터 판독 가능 저장 매체를 갖는 서버로서, 상기 비일시적 컴퓨터 판독 가능 저장 매체는, 하나 이상의 프로세서들이, 차량의 이미지들을 캡처하고 상기 캡처된 이미지들에 대한 메타데이터를 캡처하는 차량 캡처 모듈을 갖는 인터페이스 애플리케이션으로서, 상기 인터페이스 애플리케이션은 상기 이미지들을 캡처하는 것을 돕기 위한 인터랙티브 가이드를 디스플레이하고, 상기 인터랙티브 가이드는 차량 유형에 대한 케이지를 사용하여 생성되며, 상기 케이지는 상기 차량의 위치들 또는 컴포넌트들을 정의하고, 차량 식별 번호는 상기 캡처된 이미지들에 대한 메타데이터이고, 상기 사랑 식별 번호는 상기 차량 유형을 나타내는, 상기 인터페이스 애플리케이션; 상기 캡처된 이미지들 및 메타데이터를 처리하여 상기 차량의 결함들을 검출하고 차량 메트릭들을 계산하는 인식 엔진으로서, 상기 처리는 상기 차량의 결함들을 검출하고 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하기 위해 에이전트 인터페이스들로 발송되는 서로 다른 태스크들에 기초하는, 상기 인식 엔진; 상기 차량의 결함들의 수리를 위한 비용 데이터를 계산하기 위해 상기 차량 메트릭들을 처리하는 비용 추정 도구; 상기 차량 메트릭들 및 상기 비용 데이터를 사용하여 상기 차량에 대한 시장 가치 추정치를 계산하는 가치 평가 도구를 구성하도록 하는 실행 가능한 인스트럭션들이 갖는,상기 서버를 가지며; 상기 인터페이스 애플리케이션은 상기 인터랙티브 가이드, 상기 시장 가치 추정치, 상기 비용 데이터 및 상기 차량 메트릭들 중 적어도 일부에 대응하는 시각적 요소들을 갖는다.
일부 실시예들에서, 상기 인터페이스 애플리케이션은 장치 식별자를 수신하며, 상기 이미지 캡처 모듈은 장치 식별자를 상기 캡처된 이미지들에 메타데이터로 상기 사용한다.
일부 실시예들에서, 상기 인터페이스 애플리케이션은 상기 케이지에 대응하는 상기 인터랙티브 가이드를 생성하기 위해 차량 유형에 기초하여 상기 차량 캡처 모듈을 동적으로 구성한다.
일부 실시예들에서, 상기 인터페이스 애플리케이션은 차량 식별 번호를 결정하기 위해 상기 차량의 이미지를 캡처하거나 상기 차량의 바코드를 스캔함으로써 상기 차량 유형을 계산한다.
일부 실시예들에서, 상기 인식 엔진은 복수의 에이전트들에 동시에 복수의 태스크들을 발송함으로써 상기 차량 메트릭들을 계산하며, 각 태스크는 해당 에이전트로 발송되고, 각 태스크는 상기 해당 에이전트가 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하기 위해 디스플레이할 상기 캡처된 이미지들의 일부와 관련된다.
일부 실시예들에서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 상기 차량 식별 번호를 계산하고, 상기 인터페이스 애플리케이션은 상기 차량 식별 번호가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 차량 식별 번호를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 상기 인식 엔진은 상기 캡처된 이미지들로부터 상기 차량 식별 번호를 디코딩하고, 상기 차량 식별 번호를 자동으로 디코딩할 수 없는 경우, 응답으로 상기 차량 식별 번호에 대한 입력 데이터를 수신하기 위한 상기 캡처된 이미지들 중 적어도 일부와 함께 에이전트에 태스크를 발송함으로써 상기 차량 식별 번호를 계산하며, 상기 캡처된 이미지들 중 상기 일부는 차량 식별 번호판에 대응한다.
일부 실시예들에서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 내부 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 내부 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 내부 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 상기 인식 엔진은 3개의 에이전트들에게 동시에 3개의 태스크들을 발송하여 내부 데이터를 계산하며, 각 태스크는 서로 다른 에이전트에, 내부의 색상에 대한 제1 태스크, 내부의 전체 상태에 대한 제2 태스크, 내부의 변속기 유형에 대한 제3 태스크를 발송한다.
일부 실시예들에서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 주행 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 주행 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 주행 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 뷰 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 뷰 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 뷰 데이터를 계산하기 위한 이미지들을 다시 캡처하며, 상기 뷰 데이터는 상기 차량의 전면 뷰, 측면 뷰 및 후면 뷰에 대한 것이다.
일부 실시예들에서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 전면유리 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 전면유리 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 전면유리 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 타이어 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 타이어 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 타이어 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 차량 캡처 모듈은 이미지 캡처 프로세스를 용이하게 하기 위해 차량 모양에 대응하는 시각적 요소들을 생성한다.
일부 실시예들에서, 상기 차량 캡처 모듈은 상기 차량의 서로 다른 파트들에 대응하는 시각적 요소들을 생성하여 상기 메타데이터를 생성하며, 상기 메타데이터는 상기 이미지 상의 위치 및 대응하는 설명자 라벨을 나타낸다.
일부 실시예들에서, 차량 캡처 모듈은 차량에 대한 오디오 데이터를 캡처하고 인식 엔진은 오디오 데이터를 처리하여 차량 메트릭들을 계산한다.
일부 실시예들에서, 상기 인식 엔진은 서로 다른 유형의 차량들에 연결된 복수의 케이지들의 저장소를 사용하여 상기 차량 메트릭들을 상기 차량의 서로 다른 위치들 또는 컴포넌트들에 연결한다.
일부 실시예들에서, 상기 인식 엔진은 상기 차량의 결함들을 검출하고 상기 차량의 상태로 등급 밴드들을 사용하여 상기 차량 메트릭들을 계산한다.
일부 실시예들에서, 상기 인식 엔진은 제1 이미지를 제1 에이전트로 라우팅하여 제1 데이터 엔트리를 수신하고 동시에 상기 제1 이미지를 제2 에이전트로 라우팅하여 제2 데이터 엔트리를 수신하며, 상기 제1 에이전트는 상기 제1 엔트리를 캡처하도록 최적화된 인터페이스를 갖고 상기 제2 에이전트는 상기 제2 데이터 엔트리를 캡처하도록 최적화된 인터페이스를 갖는다.
일 양태에 따르면, 비일시적 컴퓨터 기록 가능 저장 매체로서, 프로세서에 의해 실행 시, 상기 프로세서가, 차량의 이미지들을 캡처하기 위한 인터페이스 애플리케이션에서 인터랙티브 가이드를 디스플레이하되, 상기 인터랙티브 가이드는 차량 유형에 대한 케이지를 사용하여 생성되며, 상기 케이지는 상기 차량의 위치들 또는 컴포넌트들을 정의하고, 차량 식별 번호는 상기 차량 유형을 나타내고; 상기 인터페이스 애플리케이션에서, 상기 차량의 이미지들을 캡처하고 상기 캡처된 이미지들에 대한 메타데이터를 캡처하되, 상기 캡처된 이미지들은 결함들을 나타내는 데이터를 포함하고; 상기 캡처된 이미지들 및 메타데이터를 처리하여 상기 차량의 결함들을 검출하고 상기 차량 식별 번호를 나타내는 차량 메트릭들을 계산하되, 상기 처리는 상기 차량의 결함을 검출하고 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하기 위해 에이전트 인터페이스들로 발송되는 서로 다른 태스크들에 기초하고; 상기 차량의 결함들을 수리하기 위한 비용 데이터를 계산하고; 상기 차량 메트릭들 및 상기 비용 데이터를 사용하여 상기 차량에 대한 시장 가치 추정치를 계산하고; 상기 인터랙티브 가이드, 상기 시장 가치 추정치, 비용 데이터 및 상기 차량 메트릭들 중 적어도 일부에 대응하는 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하도록 하는, 그 내부에 저장된 컴퓨터 실행 가능 프로그램 코드를 갖는, 상기 비일시적 컴퓨터 기록 가능 저장 매체가 제공된다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 인터페이스 애플리케이션에서, 장치 식별자를 수신하도록 하며, 상기 이미지 캡처 모듈은 상기 장치 식별자를 상기 캡처된 이미지들에 대한 메타데이터로 사용한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가 상기 케이지에 대응하는 상기 인터랙티브 가이드를 생성하도록 한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가 상기 차량의 이미지를 캡처하거나 상기 차량의 바코드를 스캔함으로써 상기 차량 유형을 계산하여 차량 식별 번호를 결정하도록 한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가 복수의 에이전트들에 동시에 복수의 태스크들을 발송함으로써 상기 차량 메트릭들을 계산하며, 각 태스크는 해당 에이전트로 발송되고, 각 태스크는 상기 해당 에이전트가 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하기 위해 디스플레이할 상기 캡처된 이미지들의 일부와 관련된다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 상기 차량 식별 번호를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 차량 식별 번호가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 차량 식별 번호를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터 상기 차량 식별 번호를 디코딩하고, 상기 차량 식별 번호를 자동으로 디코딩할 수 없는 경우, 응답으로 상기 차량 식별 번호에 대한 입력 데이터를 수신하기 위한 상기 캡처된 이미지들 중 적어도 일부와 함께 에이전트에 태스크를 발송함으로써 상기 차량 식별 번호를 계산하도록 하며, 상기 캡처된 이미지들 중 상기 일부는 차량 식별 번호판에 대응한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 내부 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 내부 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 내부 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 세 개의 에이전트들에게 동시에 세 개의 태스크들을 발송하여 상기 내부 데이터를 계산하도록 하며, 각 태스크는 서로 다른 에이전트에게, 상기 내부의 색상에 대한 제1 태스크, 상기 내부의 전체 상태에 대한 제2 태스크, 및 상기 내부의 변속기 유형에 대한 제3 태스크를 발송한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 주행 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 주행 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 주행 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 뷰 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 뷰 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 뷰 데이터를 계산하기 위한 이미지들을 다시 캡처하며, 상기 뷰 데이터는 상기 차량의 전면 뷰, 측면 뷰 및 후면 뷰에 대한 것이다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 전면유리 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 전면유리 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 전면유리 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 타이어 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 타이어 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 타이어 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 이미지 캡처 프로세스를 용이하게 하기 위해 차량 모양에 대응하는 시각적 요소들을 생성하도록 한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 차량의 서로 다른 파트들에 대응하는 시각적 요소들을 생성하여 상기 메타데이터를 생성하도록 하며, 상기 메타데이터는 상기 이미지 상의 위치 및 대응하는 설명자 라벨을 나타낸다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 차량에 대한 오디오 데이터를 캡처하도록 하며, 상기 인식 엔진은 상기 오디오 데이터를 처리하여 상기 차량 메트릭들을 계산한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 서로 다른 유형의 차량들에 연결된 복수의 케이지들의 저장소를 사용하여 상기 차량 메트릭들을 상기 차량의 서로 다른 위치들 또는 컴포넌트들에 연결하도록 한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 상기 차량의 결함들을 검출하고 상기 차량의 상태로 등급 밴드들을 사용하여 상기 차량 메트릭들을 계산하도록 한다.
일부 실시예들에서, 상기 코드는 상기 프로세서가, 제1 이미지를 제1 에이전트로 라우팅하여 제1 데이터 엔트리를 수신하고 동시에 상기 제1 이미지를 제2 에이전트로 라우팅하여 제2 데이터 엔트리를 수신하도록 하며, 상기 제1 에이전트는 상기 제1 엔트리를 캡처하도록 최적화된 인터페이스를 갖고 상기 제2 에이전트는 상기 제2 데이터 엔트리를 캡처하도록 최적화된 인터페이스를 갖는다.
다른 양태에서, 차량들의 이미지들을 자동으로 처리하기 위한 방법이 제공된다. 방법은 인터페이스 애플리케이션으로부터 차량 식별 번호를 수신하는 단계; 차량의 이미지들을 캡처하기 위한 상기 인터페이스 애플리케이션에서 인터랙티브 가이드를 디스플레이하는 단계로서, 상기 인터랙티브 가이드는 차량 유형에 대한 케이지를 사용하여 생성되며, 상기 케이지는 상기 차량의 위치들 또는 컴포넌트들을 정의하고, 상기 차량 식별 번호는 상기 차량 유형을 나타내는, 상기 디스플레이하는 단계; 상기 인터페이스 애플리케이션에서, 상기 차량의 이미지들을 캡처하고 상기 캡처된 이미지들에 대한 메타데이터를 캡처하는 단계로서, 상기 캡처된 이미지들은 상기 차량에 대한 결함들을 식별하는, 상기 캡처하는 단계; 상기 캡처된 이미지들 및 메타데이터를 처리하여 상기 차량의 결함들을 자동으로 검출하고 차량 메트릭들을 계산하는 단계로서, 상기 처리는 에이전트 인터페이스들로 서로 다른 태스크들을 발송하고, 이에 응답하여 상기 차량의 결함들을 검출하고 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신함으로써 처리되는, 상기 검출하고 계산하는 단계; 상기 차량의 결함들의 수리를 위한 비용 데이터를 계산하는 단계; 상기 차량 메트릭들 및 상기 비용 데이터를 사용하여 상기 차량에 대한 시장 가치 추정치를 계산하는 단계; 및 상기 인터랙티브 가이드, 상기 시장 가치 추정치, 비용 데이터 및 상기 차량 메트릭들 중 적어도 일부에 대응하는 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하는 단계를 포함한다.
일 양태에 따르면, 이미지 처리를 이용한 차량 감정 시스템이 제공된다. 시스템은 하나 이상의 프로세서들이, 차량의 이미지들 및 캡처된 이미지들에 대한 메타데이터를 캡처하는 차량 캡처 모듈을 갖는 인터페이스 애플리케이션; 차량 메트릭들을 계산하기 위해 캡처된 이미지들 및 메타데이터를 처리하는 인식 엔진; 차량의 결함들을 검출하고 차량의 결함들을 수리하기 위한 비용 데이터를 계산하기 위해 차량 메트릭들을 처리하는 비용 추정 도구; 상기 차량 메트릭들 및 상기 비용 데이터를 사용하여 상기 차량에 대한 시장 가치 추정치를 계산하는 가치 평가 도구를 구성하도록 하는 실행 가능한 인스트럭션들이 있는 비일시적 컴퓨터 기록 가능 저장 매체를 갖는 서버를 포함하며; 상기 인터페이스 애플리케이션은 시장 가치 추정치, 비용 데이터 및 차량 메트릭들에 대응하는 시각적 요소들을 갖는다.
일부 실시예들에서, 상기 인터페이스 애플리케이션은 차량 유형에 기초하여 차량 캡처 모듈을 동적으로 구성한다.
일부 실시예들에서, 상기 인터페이스 애플리케이션은 차량 식별 번호를 결정하기 위해 상기 차량의 바코드를 캡처하거나 스캔함으로써 상기 차량 유형을 계산한다.
일부 실시예들에서, 차량 캡처 모듈은 이미지 캡처 프로세스를 용이하게 하기 위해 차량 모양에 대응하는 시각적 요소들을 생성한다.
일부 실시예들에서, 상기 차량 캡처 모듈은 상기 차량의 서로 다른 파트들에 대응하는 시각적 요소들을 생성하여 상기 메타데이터를 생성하며, 상기 메타데이터는 상기 이미지 상의 위치 및 대응하는 설명자 라벨을 나타낸다.
일부 실시예들에서, 차량 캡처 모듈은 차량에 대한 오디오 데이터를 캡처하고 인식 엔진은 오디오 데이터를 처리하여 차량 메트릭들을 계산한다.
다양한 추가 양태들에서, 본 개시는 대응하는 시스템들 및 장치들, 및 이러한 시스템들, 장치들 및 방법들을 구현하기 위한 기계 실행 가능 코딩된 인스트럭션 세트와 같은 논리 구조들을 제공한다.
이와 관련하여, 적어도 하나의 실시예를 상세하게 설명하기 전에, 실시예들은 구성의 세부 사항 및 다음의 설명에 제시되거나 도면들에 예시된 컴포넌트들의 배열들 적용으로 제한되지 않는다는 것을 이해해야 한다. 또한, 본원에 사용된 어법 및 용어는 설명을 위한 목적을 위한 것이며 제한하는 것으로 간주되어서는 안된다는 것을 이해해야 한다.
본원에서 설명된 실시예들에 관한 많은 추가 특징들 및 이들의 조합들은 본 개시를 읽은 후 당업자에게 자명할 것이다.
도 1은 차량 감정을 위한 시스템의 다이어그램이다.
도 2는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 3은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 4는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 5는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 6은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 7은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 8은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 9는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 10은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 11은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 12는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 13은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 14는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 15는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 16은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 17은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 18은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 19는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 20은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 21은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 22는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 23은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 24는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 25는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 26은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 27은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 28은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 29는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 30은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 31은 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 32는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 33은 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 34는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 35는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 36은 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 37은 차량 식별 번호판의 예시적인 이미지이다.
도 38은 내부 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 39는 계기 데이터 또는 주행 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 40은 서로 다른 뷰 데이터 메트릭들에 대한 입력 필드들을 갖는 예시적인 인터페이스이다.
도 41은 뷰 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 42는 전면 뷰 데이터 메트릭들에 대한 입력 필드들을 갖는 예시적인 인터페이스이다.
도 43은 타이어 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 44는 전면유리 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 45 및 46은 태스크(또는 에이전트) 대시보드에 대한 예시적인 인터페이스이다.
도 47은 검출된 손상 목록을 포함할 수 있는 태스크(또는 에이전트) 대시보드에 대한 예시적인 인터페이스이다.
도 48은 데이터를 캡처하기 위한 케이지 오버레이를 포함하는 인터랙티브 가이드를 갖는 예시적인 인터페이스이다.
도 49는 케이지 저장소 매니저를 위한 예시적인 인터페이스(4900)이다.
도 50은 케이지를 위한 예시적인 인터페이스(5000)이다.
도 51은 케이지의 좌측 뷰에 대한 예시적인 인터페이스(5100)이다.
도 52는 케이지 개발 및 라벨링을 위한 케이지의 좌측 뷰에 대한 예시적인 인터페이스(5200)이다.
도 53은 케이지 개발 및 라벨링을 위한 케이지의 전면 뷰에 대한 예시적인 인터페이스(5300)이다.
도 54는 케이지 개발 및 라벨링에 대한 또 다른 예시적인 케이지의 좌측 뷰에 대한 예시적인 인터페이스(5400)이다.
도 2는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 3은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 4는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 5는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 6은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 7은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 8은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 9는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 10은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 11은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 12는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 13은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 14는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 15는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 16은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 17은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 18은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 19는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 20은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 21은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 22는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 23은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 24는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 25는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 26은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 27은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 28은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 29는 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 30은 일부 실시예들에 따른 차량 감정을 위한 시스템의 예시적인 인터페이스이다.
도 31은 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 32는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 33은 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 34는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 35는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 36은 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스이다.
도 37은 차량 식별 번호판의 예시적인 이미지이다.
도 38은 내부 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 39는 계기 데이터 또는 주행 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 40은 서로 다른 뷰 데이터 메트릭들에 대한 입력 필드들을 갖는 예시적인 인터페이스이다.
도 41은 뷰 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 42는 전면 뷰 데이터 메트릭들에 대한 입력 필드들을 갖는 예시적인 인터페이스이다.
도 43은 타이어 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 44는 전면유리 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드이다.
도 45 및 46은 태스크(또는 에이전트) 대시보드에 대한 예시적인 인터페이스이다.
도 47은 검출된 손상 목록을 포함할 수 있는 태스크(또는 에이전트) 대시보드에 대한 예시적인 인터페이스이다.
도 48은 데이터를 캡처하기 위한 케이지 오버레이를 포함하는 인터랙티브 가이드를 갖는 예시적인 인터페이스이다.
도 49는 케이지 저장소 매니저를 위한 예시적인 인터페이스(4900)이다.
도 50은 케이지를 위한 예시적인 인터페이스(5000)이다.
도 51은 케이지의 좌측 뷰에 대한 예시적인 인터페이스(5100)이다.
도 52는 케이지 개발 및 라벨링을 위한 케이지의 좌측 뷰에 대한 예시적인 인터페이스(5200)이다.
도 53은 케이지 개발 및 라벨링을 위한 케이지의 전면 뷰에 대한 예시적인 인터페이스(5300)이다.
도 54는 케이지 개발 및 라벨링에 대한 또 다른 예시적인 케이지의 좌측 뷰에 대한 예시적인 인터페이스(5400)이다.
방법, 시스템 및 장치의 실시예들이 도면들을 참조하여 설명된다.
본 명세서에 설명된 실시예들은 디지털 소비자와 딜러 대 딜러 거래들을 위한 자동차 소매 및 도매 산업을 도울 수 있고, 구매자가 차량 구매를 하거나 리스, 공유 및 렌트 차량을 반환하기 위해 물리적으로 참석해야 하는 필요성을 줄일 수 있다.
일부 소비자의 경우, 다음 차량 구매를 고려할 때 현재 소유하고 있는 차량을 교체할 수 있다. 현재 차량을 다루는 예시적인 방법은 최종 거래의 일부로 딜러와 구매에 대한 거래를 협상하는 것이다. 이는 "보상 판매(trade-in)"로 지칭될 수 있다. 이러한 보상 판매의 감정을 관리하는 것은 온라인에서 원격으로 거래하는 데 장애가 된다. 소매 대리점이 거래되는 소비자 차량에 대한 정확한 가치를 결정하기 전에 세부적인 검사가 완료되어야 한다. 딜러는 전문 감정사에 의해 수행될 물리적 검사를 완료하여 임의의 필요한 수리를 추정하기 위해 차량 상태를 결정할 수 있다. 이 감정 프로세스가 완료되려면 고객이 보상 판매와 함께 물리적으로 참석해야 할 수 있다. 일 예에서, 소비자는 디지털 양식을 완성할 수 있다. 이러한 양식들은 완료하는 데 필요한 세부 사항들이 길어질 수 있다. 소비자 감정 양식 방법은 또한 자신의 차량에 대해 소비자가 공개한 정보가 부정확할 수 있으므로 차량을 재판매하기 전에 딜러에게 필요한 총 수리 비용에 영향을 주어 예상치 못한 비용을 발생시킬 수 있는 모든 관련 데이터를 포함하지 못할 수 있으므로 대리점을 노출시킨다. 이러한 양식들은 또한 소비자가 차량의 가치를 결정하기 전에 각 제출물을 검토해야 하는 대리점의 담당자를 요구하므로 소비자에게 온라인으로 즉각적인 답변을 제공하지 못한다.
이러한 동일한 문제들은 딜러들이 다른 딜러들에게 또는 온라인 경매를 통해 이러한 차량들을 디지털 방식으로 도매하는 능력에 영향을 미칠 수 있다. 딜러들 간의 중고차 거래를 용이하게 하는 다른 방법들은 일반적으로 차량의 가치를 극대화하기 위해 그 상태를 구매자들에게 보장하도록 차량 상태 보고서를 완료하기 위해 제3자가 판매 대리점으로 이동해야 한다. 이 방법은 비용과 시간이 많이 소요되는 프로세스이다.
개인이 차량을 렌트하거나 리스할 때 기간 말에 동일한 유형의 검사가 필요하다. 이러한 검사들은 현장의 전문가들에 의해 수행되며 차량이 물리적으로 존재해야 달성될 수 있다. 일부 경우들에서, 고객들은 충돌 센터와 같은 대체 위치에서 완료될 제3자 검사를 예약하도록 안내받는다. 이 프로세스는 시간이 많이 걸리고 고객이 검사자의 조사 결과에 동의하지 않을 수 있으므로 이들이 불만을 가질 수 있다.
자동차 판매 및 리스를 위한 온라인 거래들을 용이하게 하기 위해 설명된 한계를 넘어서, 오프라인 자동차 소매 업체의 현재 대면 프로세스를 개선할 여지도 있다. 대부분의 소매 업체들은 전문 감정사의 기술을 가진 개인만이 모든 고객에 대해 이러한 물리적 검사 및 감정을 완료하는 지정된 개인으로 허용한다. 이러한 검사들은 완료하는 데 눈에 띄는 시간이 걸리며 근무 중 감정인이 다른 작업을 하거나 다른 소비자의 차량을 평가하느라 바쁘게 되며, 이는 대기중인 고객들을 더 지연시킬 수 있다.
도 1은 차량 감정을 위한 시스템(100) 및 예시적인 물리적 환경의 다이어그램이다.
시스템(100)은 I/O 유닛(102), 프로세서(104), 통신 인터페이스(106) 및 데이터 저장 장치(110)를 포함할 수 있다. 프로세서(104)는 본원에 설명된 프로세스들의 양태들을 구현하기 위해 메모리(108)의 인스트럭션들을 실행시킬 수 있다. 프로세서(104)는 메모리(108)에서 인스트럭션들을 실행하여 인식 엔진(120), 비용 견적 도구(122), 애플리케이션 프로그래밍 인터페이스(API)(124), 가치 평가 도구(126) 및 본원에 설명된 다른 기능들을 구성할 수 있다. 시스템(100)은 다양한 실시예들에 따라 소프트웨어(예를 들어, 기계 코드로 컴파일된 코드 세그먼트), 하드웨어, 임베디드 펌웨어, 또는 소프트웨어와 하드웨어의 조합일 수 있다. 시스템(100)은 데이터 계산 프로세스를 서로 다른 에이전트들 또는 프로세서들에 발송될 서로 다른 태스크들로 분할하는 태스크 매니저 프로세스를 구현한다. 캡처된 이미지들 각각에 대해, 시스템(100)은 수집된 특정 사진들의 내용에 따라 달라지는 이미지들의 각 뷰에 대해 수행될 특정 태스크들을 정의했다. 태스크들은 효율적인 데이터 프로세스를 위해 동시에 서로 다른 에이전트들로 발송될 수 있다.
시스템(100)은 자동차의 판매자와 구매자 사이의 자율적인 제3자 검증 소스로서 참여함으로써 차량의 상태, 추정된 재조정 비용 및 추정된 시장 가치를 결정하기 위한 서로 다른 기계 학습 방법들을 구현할 수 있다. 이 시스템(100)은 또한 소매 업체가 그들의 감정 프로세스 또는 온라인 도매 시장에서 활용되고 있는 레거시 시스템들과 통합될 수 있다. 시스템(100)은 임의의 차량의 상태에 대한 메트릭들을 캡처 및 계산하고 등급 프로세스 또는 밴드들을 통해 지정된 손상들(차량에 대한 손상 데이터에 표시됨)을 처리한다. 시스템(100)은 예를 들어 차량의 결과적인 상태로서 3개의 특정 등급 밴드들을 생성할 수 있다. 그런 다음, 시스템(100)이 수집하고 구조화한 연도, 제조사, 모델, 트림, 마일리지와 같은 기타 차량 데이터 포인트들과 함께 이러한 등급 밴드들은 API(124)를 통해 공유되어 모든 실시간 검사 동안 이러한 공급자들과의 데이터 통합을 통해 사용할 수 있는 기타 가능한 데이터 처리 능력들로 인해 발생하는 가치 평가 및 기타 새로운 데이터의 수집을 자동화할 수 있다. 시스템(100)은 태스크 대시보드를 구현하기 위해 인터페이스 애플리케이션(130)을 구성한다. 시스템(100)은 다른 대시보드 또는 뷰들을 구현하기 위해 인터페이스 애플리케이션(130)을 구성한다. 예를 들어, 시스템(100)은 지정된 각도들 및 뷰들에 기초하여, 이미지 캡처 프로세스를 통해 사용자를 안내하는 시각적 요소들로 인터페이스 애플리케이션(130)을 구성한다.
시스템(100)은 차량의 이미지들 및 캡처된 이미지들에 대한 메타데이터를 캡처하기 위해 차량 캡처 모듈(132)로 인터페이스 애플리케이션(130)을 구성한다. 시스템(100)은 차량 메트릭들을 계산하기 위해 캡처된 이미지들 및 메타데이터를 처리하는 인식 엔진(120)을 갖는다. 인식 엔진(120)은 이미지들을 처리하고 이미지들에 표시된 데이터를 캡처함으로써 차량 메트릭들을 자동으로 계산할 수 있다. 인식 엔진(120)은 예를 들어, 서로 다른 에이전트들에 발송될 수 있는 서로 다른 태스크들을 구현하거나 이들과 통합할 수 있다. 태스크들은 서로 다른 이미지들에 연결될 수 있다. 시스템(100)은 차량의 결함들을 검출하고 차량의 결함들을 수리하기 위한 비용 데이터를 계산하기 위해 차량 메트릭들을 처리하는 비용 추정 도구(122)를 갖는다. 시스템(100)은 차량 메트릭들 및 비용 데이터를 사용하여 차량에 대한 시장 가치 추정치를 계산하는 가치 평가 도구(126)를 갖는다. 인터페이스 애플리케이션(130)은 시장 가치 추정치, 비용 데이터 및 차량 메트릭들에 대응하는 시각적 요소들을 갖는다. 시스템(100)은 데이터 교환을 위해 다른 시스템들과 통합하는 애플리케이션 프로그래밍 인터페이스(API)(124)를 갖는다.
인식 엔진(120)은 차량의 서로 다른 컴포넌트들을 식별하기 위해 차량용 케이지들의 저장소에 액세스할 수 있다. 차량 유형(예를 들어, 제조사 및 모델)마다 다른 케이지가 있을 수 있다. 예를 들어, 차량 유형은 차량 식별 번호(VIN)에 연결될 수 있다. 인식 엔진(120)은 차량의 위치 또는 컴포넌트와 관련하여 이미지에 표시된 차량의 손상을 평가하기 위한 메트릭들을 계산할 수 있다. 케이지는 위치 또는 컴포넌트를 정의하는 데 사용될 수 있다. 케이지는 위치 또는 컴포넌트에 대한 참조를 제공하여 (케이지 정의를 통해) 다른 참조 또는 위치 데이터와 함께 공통적으로 집계될 수 있도록 한다. 예를 들어, 이미지는 차체의 후면 좌측 모서리에 손상을 나타낼 수 있다. 차량용 케이지는 인식 엔진(120)에 의해 사용되어 이미지가 차량의 후방 좌측 모서리의 일부를 보여준다고 결정할 수 있다. 케이지 데이터는 차량에 대한 해부학적 구조를 제공할 수 있다. 이미지(손상을 보여줌)는 에이전트에 의한 검토 및 평가를 위해 개선된 인터페이스 애플리케이션(130)으로 라우팅될 수 있다.
도 48은 차량 이미지와 차량용 케이지를 묘사하는 오버레이가 있는 예시적인 인터페이스를 도시한다. 인터페이스는 입력 프로세스를 용이하게 하기 위해 서로 다른 컴포넌트들에 대한 라벨 목록을 포함할 수 있다. 인터페이스는 입력 프로세스를 용이하게 하기 위해 차량의 서로 다른 컴포넌트들에 대한 손상 데이터를 나타내는 설명자 목록을 포함할 수 있다. 인터페이스는 이미지 프로세스를 안내하고 메타데이터로 이미지들을 라벨링하는 데 도움이 되도록 시각적 요소들로 업데이트할 수 있다.
일부 실시예들에서, 시스템(100)은 데이터 저장 장치(110)에 케이지 SVG 저장소를 갖는다. 포괄적인 차량 검사를 완료하는 것은 시스템(100)이 검사되는 특정 차량의 완전한 해부학적 구조에 대한 상세한 이해를 얻는 것으로 시작된다. 시스템(100)은 케이지들을 사용하여 차량의 각 컴포넌트를 식별하고 각 유형의 손상을 각각의 컴포넌트들에 연결한다. 시스템(100)은 차량에 대한 이미지 및 데이터를 캡처하는 데 도움이 되는 인터랙티브 가이드를 갖는다. 인터랙티브 가이드는 올바른 정렬 또는 각도로 이미지들을 캡처하는 데 도움이 되는 시각적 요소들이 있을 수 있다. 케이지 데이터는 인터랙티브 가이드를 생성하는 데 사용될 수 있다. 도 48은 데이터를 캡처하기 위한 케이지 오버레이를 포함하는 인터랙티브 가이드를 갖는 예시적인 인터페이스이다.
이 데이터는 이 손상의 심각도가 차량의 전반적인 평가에 얼마나 영향을 미칠 수 있는지 결정하는 데 사용될 수 있다. 이를 요구하는 상황의 예는 이러한 유형의 함몰의 정확한 위치에 따라 시스템(100)에 의해 경미한 함몰의 영향이 어떻게 고려되는지를 조사하는 것일 것이다. 먼저, 시스템(100)은 경미한 함몰로 간주되는 것 또는 대신에 중간 정도, 중대 또는 충격 손상 유형의 함몰로 간주되는 것의 표준화된 허용 오차를 설정한다. 다음으로, 시스템(100)에 의해 처리되는 이미지에서 경미한 함몰이 검출되면, 검출된 이 특정된 경미한 함몰에 대한 수리 유형을 결정할 것이므로, 특정 위치와 영향을 받은 컴포넌트를 인식하는 것도 중요하다. 이 함몰이 차량의 좌측 뷰에 있고 앞문에서 발견된 경우, 차량의 선호도에 최소한의 영향을 미치고 최소한의 비용으로 쉽게 구현할 수 있는 경미한 무도장 함몰 제거 프로세스를 나타내는 냉간 금속 수리로 간주될 수 있다. 그러나, 차량의 B 기둥에서 이와 동일한 정도의 함몰이 검출되면, 차량의 이 위치에서 동일한 무도장 함몰 제거 프로세스를 수행할 수 없기 때문에 수리 방법이 다를 수 있을 것이며, 이 손상은 영향을 받은 컴포넌트가 전문 차체 샵에서 수리되어야 하는 경미한 차체 수리로 간주될 것이며 차량은 더 많은 비용이 들고 차량의 선호도에 다르게 영향을 미치는 수리 방법으로 다시 도장될 것이다. 케이지 데이터는 이 위치 및 컴포넌트 데이터를 시스템(200)에 제공할 수 있다. 시스템(100)은 차량 상태 평가를 수행할 때 어떤 컴포넌트가 앞문인지 B 기둥인지의 차이를 이해할 수 있다.
일부 실시예들에서, 시스템(100)은 케이지 저장소 매니저를 갖는다. 시스템(100)은 케이지 저장소 매니저를 위한 인터페이스를 생성할 수 있다. 인터페이스는 케이지들의 속성들 또는 특성들과 함께 데이터 저장 장치(110)의 모든 케이지들을 나열할 수 있다. 예시적인 속성들은 유형, 제조사, 모델, 연도, 차체, 트림, 코드, 상태를 포함한다.
도 49는 케이지 저장소 매니저를 위한 예시적인 인터페이스이다. 인터페이스는 유형, 제조사, 모델, 연도, 차체, 트림, 코드, 상태와 같은 케이지들의 속성들 또는 특성들과 함께 모든 케이지들의 목록을 갖는다. 서로 다른 속성들은 예시적인 인터페이스에 채워져 표시된 서로 다른 값들을 갖는다. 인터페이스는 시스템(100)에 대한 케이지들을 추가 또는 삭제하고 케이지들에 대한 데이터를 편집 또는 수정하는 데 사용될 수 있다. 예를 들어, 업데이트들은 속성들에 대한 수정들을 포함할 수 있다.
도 50은 케이지를 위한 예시적인 인터페이스이다. 예시적인 케이지는 2012년식 GMC Canyon 일반 택시를 위한 것이다. 인터페이스는 유형, 제조사, 모델, 연도, 차체, 트림, 코드, 상태와 같은 케이지들의 속성들 또는 특성들과 함께 케이지에 대한 양식 필드를 나타낸다. 서로 다른 속성들은 예시적인 인터페이스에 채워져 표시된 서로 다른 값들을 갖는다. 예시적인 케이지는 좌측 뷰, 전면 뷰, 우측 뷰, 후면 뷰와 같은 서로 다른 오버레이 뷰들에 대한 이미지들을 갖는다. 케이지 뷰들은 대응하는 뷰들이 있는 차량들의 이미지들에 오버레이될 수 있다.
도 51은 케이지의 좌측 뷰에 대한 예시적인 인터페이스이다. 케이지 데이터는 인터페이스의 시각적 요소들로 사용될 투명 오버레이를 생성하는 데 사용될 수 있다. 케이지의 투명 오버레이는 차량의 이미지를 향상시키는 데 사용될 수 있다. 케이지의 오버레이가 이미지와 정렬될 수 있다. 이는 이미지 캡처 프로세스를 용이하게 하기 위해 인터랙티브 가이드에 의해 사용될 수 있다.
도 52는 케이지 개발 및 라벨링을 위한 케이지의 좌측 뷰에 대한 예시적인 인터페이스이다. 케이지 데이터는 케이지 이미지에 표시된 서로 다른 컴포넌트들에 대한 라벨들을 포함할 수 있다. 인터페이스는 서로 다른 컴포넌트들에 대한 라벨들을 생성하는 데 사용될 수 있다. 텍스트 데이터 필드는 라벨들에 대한 입력 데이터를 캡처하는 데 사용될 수 있다.
도 53은 케이지 개발 및 라벨링을 위한 케이지의 전면 뷰에 대한 예시적인 인터페이스이다.
도 54는 케이지 개발 및 라벨링에 대한 또 다른 예시적인 케이지의 좌측 뷰에 대한 예시적인 인터페이스이다. 케이지 데이터는 케이지 이미지에 표시된 서로 다른 컴포넌트들에 대한 라벨들을 포함할 수 있다. 인터페이스는 서로 다른 컴포넌트들에 대한 라벨들을 생성하는 데 사용될 수 있다. 텍스트 데이터 필드는 라벨들에 대한 입력 데이터를 캡처하도록 사용될 수 있다.
비용 추정 도구(122)는 인식 도구(120)에 의해 처리된 차량의 이미지 세트에 도시된 바와 같이 차량에 대한 손상의 평가에 대응하는 메트릭들을 계산하기 위해 인식 도구(120)와 상호 작용할 수 있다. 시스템(100)은 개선된 이미지 발송 프로세스를 사용할 수 있다. 시스템(100)은 발송 프로세스를 서로 다른 태스크들로 분해할 수 있으며 각 태스크는 인터페이스 애플리케이션(130)을 사용하여 에이전트에 연결될 수 있다. 이미지는 차량의 서로 다른 요소들을 포함할 수 있다. 에이전트는 요소를 검토하고 요소에 해당하는 데이터(예를 들어, 품질, 주행 거리계, 엔진 조명 등)를 입력할 수 있다. 서로 다른 에이전트들은 캡처 프로세스를 최적화하기 위해 특정 요소들을 찾을 수 있다. 태스크들은 서로 다른 인터페이스 애플리케이션들(130)에 대한 식별자들에 할당될 수 있다.
평가 도구(126)는 서로 다른 산업 표준들 및 기타 요인들을 사용하여 차량에 대한 등급을 생성하기 위한 등급 프로세스를 구현할 수 있다. 평가 도구(126)는 전체 차량에 대한 등급을 생성하기 위해 차량의 서로 다른 컴포넌트들에 대한 가중치를 생성할 수 있다.
시스템(100)은 서로 다른 프로세스들을 사용하여 등급을 구현할 수 있다. 본원에 첨부된 부록에 예시적인 등급 프로세스가 나타낸다.
시스템(100)은 각 검사의 결과를 사용하여 특정 산업 표준 상태 보고 등급 밴드들을 갖는 차량을 지정하고 비용 메트릭들을 계산한다. 예를 들어, 다수의 사용 사례들에 대한 산업 통합과 더 잘 통합하기 위해, 시스템(100)은 각 검사에 대해 지정할 등급 밴드들을 결정하는 데 사용되는 가장 중요한 세 가지 산업 표준들을 활용한다. 이러한 두 시스템들은 API 클라이언트들에 의해 사용되는 표준들에 정렬될 수 있다. API 내에서 복제된 표준들은, 예를 들어, NAMA 등급 표준, NAAA 등급 표준 및 켈리 블루 북(Kelly Blue Book) 등급 시스템일 수 있다. 시스템(100)은 또한 각 차량을 검사할 때 BVRLA 페어 웨어 앤 티어(BVRLA Fair Wear & Tear) 가이드라인 및 허용 오차를 사용할 수 있다.
시스템(100)은 컴포넌트 또는 손상 심각도 점수를 계산할 수 있다.
시스템(100)은 각 아이템을 손상_유형으로 라벨링할 때 검사 프로세스 동안 각 컴포넌트의 손상/심각도를 결정한다. 그런 다음, 시스템(100)은 컴포넌트의 유형 및 손상_유형에 기초하여 "가장 가능성이 높은" 수리 방법을 결정하며, 이는 수리_유형을 지정하는 데 사용된다. 일단 시스템(100)이 이를 처리하면, 각 상태 보고서에 대한 등급 밴드를 계산하는 데 사용되는 (NAMA 및 렐리 블루 북 등급 시스템 지정하기 위해) 각 아이템에 대한 점수와 함께 수리_순서를 결정한다.
차량의 등급 밴드들은 차량 상태 보고서에 대한 각 표준, 아이템 점수 및 전체 등급에 의해 별도로 API에 반환된다.
시스템(100)은 첨부된 부록의 예에 도시된 바와 같은 수리_유형을 결정하는 데 사용된 점수들 및 방법들을 수리한다. 시스템(100)은 컴포넌트 별로 손상 유형을 결정할 수 있다. 예시적인 컴포넌트들은 파트, 차체, 유리, 휠 타이어 등이다.
일단 시스템(100)이 검사를 완료하고 손상의 유형, 그 심각도 및 이것이 측정된 각 아이템 또는 컴포넌트에 적용할 등급 점수에 어떤 영향을 미치는지를 결정하면, 다음 매트릭스를 사용하여 이 예에서 각 검사에 대해 세 가지 등급 표준들을 적용한다; 예시적인 매트릭스에 표시된 다음 파라미터들에 기초하는, 숫자로서의 NAAA, 문자로서의 NAMA 및 텍스트로서의 장부가액.
| NAAA 차량 상태 등급 스케일 | NAMA 차량 상태 등급 스케일 | 장부가액 등급 스케일 | 아이템 점수당 최대 등급 | 차량 검사 당 최대 총 등급 점수 |
| 5 | A | 엑설런트 | 0 | 0 |
| 4 | B | 좋은 상태 | 1 | 5 |
| 3 | C | 괜찮은 상태 | 3 | 30 |
| 2 | D | 좋지 않은 상태 | 4 | 40 |
| 1 | E | 좋지 않은 상태 | 5 | 50 |
| 0 | U | 좋지 않은 상태 | 1000 | 1000 |
일부 실시예들에서, 인터페이스 애플리케이션(130)은 이미지 캡처 프로세스의 일부로서 사용자에 대해 또는 이미지 검토 프로세스의 일부로서 에이전트에 대해 동적으로 구성한다. 일부 실시예들에서, 인터페이스 애플리케이션(130)은 차량 유형에 기초하여 차량 캡처 모듈(132)을 동적으로 구성한다. 차량 유형은 시스템에 의해 유지 관리되는 하나 이상의 케이지들에 연결될 수 있다. 인터페이스 애플리케이션(130)은 차량 식별 번호를 결정하기 위해 차량의 바코드를 캡처하거나 스캔함으로써 차량 유형을 계산할 수 있다. 일부 실시예들에서, 차량 캡처 모듈(132)은 이미지 캡처 프로세스를 용이하게 하기 위해 차량 모양에 대응하는 시각적 요소들을 생성한다. 일단 VIN이 디코딩되고 시스템(100) 차량의 모델을 알면, 어떤 뷰가 캡처되는지에 기초하여 관련 케이지를 검색할 수 있다. 시스템(100)은 캡처 사용자 인터페이스 프로세스에 의해 사용되는 SVG 파일로서(예시적인 예로서) 실루엣을 생성하기 위해 케이지를 사용하여 차량을 프레임화하는 데 필요한 요구되는 정렬에 대해 사용자를 안내를 안내한 다음, 이는 에이전트 사용자 인터페이스가 검사중인 캡처된 이미지에 오버레이된 특정 케이지를 조정할 수 있도록 한다. 오버레이는 케이지 데이터를 기반으로 한다. 케이지 데이터는 이미지 캡처 프로세스를 돕기 위해 인터페이스에서 모양들을 렌더링하는 데 사용된다.시각적 요소들은 차량의 이미지를 캡처하기 위해 차량과 정렬될 수 있는 오버레이들일 수 있다. 일부 실시예들에서, 차량 캡처 모듈(132)은 차량의 서로 다른 파트들에 대응하는 시각적 요소들을 생성하여 메타데이터를 생성한다. 메타데이터는 이미지의 위치와 해당 설명자 라벨을 나타낼 수 있다. 시스템(100)은 이 메타데이터를 케이지를 사용하여 차량의 서로 다른 위치들에 연결한다. 검사 사진과 관련된 케이지 위치는 에이전트가 인터페이스 도구를 사용하여 케이지를 사진에 맞게 조정할 때 에이전트에 의해 설정될 수 있다. 이는 사진 내에서 볼 수 있는 차량의 전체 해부학적 구조의 모양과 위치 규정을 아는 데 필요한 메타데이터를 제공한다. 예를 들어, 메타데이터는 예를 들어 차량 이미지의 일부들을 라벨링하거나 결함들 또는 마크들을 표시하는 데 사용될 수 있다. 일부 실시예들에서, 차량 캡처 모듈(132)은 차량에 대한 오디오 데이터를 캡처하고 인식 엔진은 오디오 데이터를 처리하여 차량 메트릭들을 계산한다. 인식 도구(120)는 케이지 데이터를 사용하여 이미지들을 차량의 서로 다른 위치들에 연결할 수 있다. 메타데이터는 차량의 서로 다른 위치들에도 연결될 수 있다. 메타데이터는 비용 추정 도구(122) 및 가치 평가 도구(126)에 의해 비용 메트릭들 및 등급 메트릭들을 계산하는 데 사용될 수 있다. 메타데이터는 손상을 나타내는 데이터 및 손상에 대한 해당 심각도 레벨을 포함할 수 있다. 캡처된 이미지들은 에이전트들을 위한 서로 다른 인터페이스 애플리케이션들(130)로 발송될 수 있다.
시스템(100)은 판매자(차량을 거래하는 소비자 또는 차량을 도매하는 딜러)에 의해 사용될 모든 모바일 장치에서 열 수 있는 링크(인터페이스 애플리케이션(130)에 디스플레이하기 위해)를 생성하고 제공한다. 클릭될 때 이 링크는 다른 입력 장치들과 함께, 장치 카메라, 전역 위치 및 마이크를 사용하는 일련의 모바일 최적화 차량 캡처 모듈들(132)(인터페이스 애플리케이션(130)에서)로 구성된 인터페이스의 디스플레이를 트리거할 것이다. 시스템(100)은 캡처 프로세스를 위한 인터페이스를 구성하기 위해 케이지 데이터를 사용한다. 인터페이스 애플리케이션(130)은 사용자가 포토 프레임 내의 정확한 정렬 내에서 차량을 캡처하는 것을 돕기 위해 가이드 라인들을 설정할 수 있다. 인터페이스 애플리케이션(130)은 서로 다른 차량 캡처 모듈들(132)을 포함한다. 이러한 캡처 모듈들(132)은 재조정을 위한 상태 및 필요한 비용을 추정하기 위해 물리적 검사를 복제하기 위해 시스템이 정확하게 분석하는 데 사용할 수 있는 적절한 뷰들 및 사운드 바이트를 정의하는 충분한 수의 이미지들을 캡처하는 프로세스를 통해 사용자를 안내하도록 설계된다. 시스템(100)은 인식 엔진(120)을 사용하여 차량의 연도, 제조사 및 모델을 결정하기 위해 디코딩하는 차량의 VIN(차량 식별 번호)을 시각적으로 검출한다. 시스템(100)은 캡처된 이미지들을 분석하기 위해 인식 엔진(120)을 사용하여 영향을 받은 차체 파트들 및 손상의 심각도를 열거하는 외부 및 내부 색상, 주행 거리계 판독, 임의의 검출된 도장 칩, 스크래치들, 결함들 및 함몰들과 같은 차량 메트릭들을 결정한다. 인식 엔진(120)은 차량 메트릭들을 자동으로 계산하기 위해 차량 캡처 모듈들(132)(및 인터페이스 애플리케이션(130))으로부터 수신된 캡처된 이미지들을 처리할 수 있다. 캡처된 이미지들은, 예를 들어, 이미지에 대한 위치를 나타낼 수 있는 차량 캡처 모듈들(132)을 사용하여 정의된 메타데이터 및 차량의 파트 또는 컴포넌트를 나타낼 수 있는 대응하는 설명자 라벨을 포함할 수 있다.
시스템(100)은 또한 인식 엔진(120)을 사용하여 타이어들의 남아있는 트레드 수명, 임의의 유리 파트들 상의 칩 및 크랙, 휠/림의 상태와 유형 및 임의의 조명된 OBD-2 계기 조명들, 엔진, 배기 장치, 헐거운 벨트 또는 임의의 기타 소리로 검출 가능한 기계적 문제들을 나타낼 수 있는 임의의 노이즈들을 검출하기 위해 이미지 데이터를 처리할 수 있다. 차량 캡처 모듈들(132)은 차량 메트릭들을 계산하기 위해 캡처된 이미지 데이터와 함께 처리될 수 있는 메타데이터를 정의하는 데 사용될 수 있다.
이러한 차량 메트릭들 및 보고된 결과들은 차량에 대한 보상 판매 가치로 간주될 수 있는 정확한 시장 가치를 계산하고 판매자에게 전달하기 위해 차량 가치 평가 도구(126)를 채우는 데 사용될 수 있다. 이 보고서는 또한 온라인 소매 또는 도매 시장에서 제3자 검증으로 또는 당사자들 간의 공유 가능한 보고서로 제3자 차량 상태 보고서를 채우는 데 사용될 수 있다.
시스템(100)은 고객, 도매 판매자 또는 소매상 직원의 임의의 구성원이 언제든지 그들의 모바일 장치(인터페이스 애플리케이션(130)과 함께)를 사용하여 인터넷에 충분한 연결성을 갖는 임의의 장소로부터 감정을 수행할 수 있도록 한다. 시스템(100)은 적절한 세부 사항들 및 보고서들이 감정 또는 차량 보고 프로세스에 포함된 레거시 시스템들에 정확하게 그리고 자동으로 입력되도록 보장하기 위해 대리점의 온라인 및 매장 감정 프로세스에 일관성을 추가할 수 있다.
시스템(100)은 소비자를 위한 소매 경험을 향상시킬 수 있는 서로 다른 채널들과의 통합을 위한 API(124)를 갖는다. API(124)는 임의의 통합 파트너가 그들이 그들 자신의 워크플로우 및 사용자 경험으로 구현할 수 있는 검사 결과들, 차량 세부 사항들, 사용자 정보, 캡처된 이미지들, 주석이 달린 이미지들, 등급 및 필요한 수리를 포함하는 데이터 필드들을 쉽게 수집할 수 있는 표준화된 엔드포인트를 제공할 수 있다. 소비자는 소매 업체의 웹 사이트로부터 시스템(100)에 연결되어 차량 감정을 수행하거나 딜러가 예를 들어 이메일, 채팅 메시지 또는 SMS를 통해 이 링크를 전자적으로 전달할 수 있다. 소비자가 링크를 사용하여 보상 판매를 캡처하면 시스템(100)에 의해 생성된 결과 보고서가 보상 판매 가치들을 설정하기 위한 가치 평가 도구로 전송될 수 있다(또는 시스템(100)은 제3자 도구를 채우기 위한 데이터를 전송할 수 있다). 데이터는 필요한 필드 정보로 고객의 차량 정보를 자동으로 채울 수 있으며, 시스템(100)은 이 정보로부터 생성된 결과적인 시장 가치를 이 도구로부터 수집할 수 있다. 시스템(100)이 보상 판매 가치를 가지면, 이는 소매업자의 고객 관계 관리 도구(CRM)에 따라서 가치 평가 도구(126)를 사용하여 전체 감정 및 가치 평가를 전달할 수 있다. 이 동일한 정보는 또한 링크를 통해 소비자를 시스템으로 안내한 원래의 웹 사이트로 다시 전달할 수 있다. 이러한 통합은 초기 감정이 시스템 없이 반복 가능한 단계가 아닐 것이므로 소매상과 일관된 온라인 및 오프라인 경험들을 고객에게 제공할 것이다.
다음은 샘플 클라이언트 API 응답의 예를 제공한다.
{
"response": {
"status": "COMPLETE",
"stage": "COMPLETE",
"response_code": null,
"inspection_start": "October 10th, 2019 @ 15:52",
"inspection_end": "October 10th, 2019 @ 15:59",
"inspection_address": "8277 Lawson Rd, Milton, ON L9T 5C7, Canada", "inspection_street_num "8277 ",
"inspection_street": "Lawson Road",
"inspection_city": "Regional Municipality of Halton",
"inspection_state "Canada ",
"inspection_state_code": "CA ",
"inspection_post_code ",
"inspection_country": "L9T 5C7",
"inspection_country_code": "L9T 5C7",
"inspection_latitude": "43.543422594",
"inspection_longitude": "-79.883819587"
},
"session_key": "DST-S4PQ0QQDO4",
"inspection_id": "PAV-191010035247-106",
"license "SteveLicense ",
"vehicle": {
"vehicle_id": 2740,
"vin": "5XYKTDA24BG029800",
"year": 2011,
"make": "Kia",
"model": "Sorento",
"body_type": "Wagon 4 Dr.",
"odom_reading ": "186,113",
"odom_unit": "KILOMETRES",
"trim": "AWD 4dr V6 Auto LX",
"trim_title": "AWD 4dr V6 Auto LX",
"mfr_model_code": "SR75KB",
"chrome_style_id": "323707",
"transmission": "Automatic",
"drivetrain": "All Wheel Drive",
"engine_type": "V6 Cylinder Engine",
"fuel_type": "Gasoline Fuel",
"ext_col_name": "Spicy Red Metallic",
"int_col_name": "Gray",
"a_code": "CAC10KIS021F0",
"doors": "4",
"hp_value": "276",
"hp_rpm": "6300",
"torque_value": "248",
"torque_rpm": "5000",
"cylinders": "6",
"displacement": "3.5 liters",
"wheelbase": "106.3",
"fuel_eco_city": "11.1",
"fuel_eco_hwy": "7.9",
"fuel_eco_unit": "LV100 km",
"fuel_cap_high": "68",
"fuel_cap_low": "68",
"fuel_cap_unit": "L",
"ext_color": {
"ext_color_id": 2312,
"color_code": "IY",
"color_name": "Spicy Red Metallic",
"generic_name": "Red",
"hex_value": "A13F45"
},
"int_color": {
"int_color_id": 1229,
"color_code": "H9",
"color_name": "Gray",
"hex_value": null
},
"paved_trim": {
"trim": "AWD 4dr V6 Auto LX",
"mfr_model_code": "SR75KB",
"chrome_style_id": "323707",
"transmission "Automatic",
"drivetrain": "All Wheel Drive",
"engine_type": "V6 Cylinder Engine",
"fuel_type": "Gasoline Fuel",
"doors": "4",
"a_code": "CAC10KIS021F0",
"hp_value": "276",
"hp_rpm": "6300",
"torque_value": "248
"torque _rpm": "5000",
"cylinders": "6",
"displacement": "3.5 liters",
"wheelbase": "106.3",
"fuel_eco_city": "11.1",
"fuel_eco_hwy": "7.9",
"fuel_eco_unit": "LV100 k ",
"fuel_cap_high": "68",
"fuel_cap_low": "68",
"fuel_cap_unit": "L"
},
"paved_ext_color": {
"ext_color_id": 2312,
"color_code": "IY",
"color_name ": "Spicy Red Metallic",
"generic_name": "Red",
"hex_value": "A13F45"
},
"paved_int_color": {
"int_color_id": 1229,
"color_code": "H9",
"color_name": "Gray",
"hex_value": null
},
"paved_package": [
]
},
"inspection": {
"detected_status": [
{
"interior_status": "CLEAN"
},
{
"tire_status": "WORN_MINOR"
}
],
"detected_damages": [
{
" damage_group": "WHEEL",
"component": "WHEEL_FRONT_LEFT",
"user_response": null,
"label": "Has Medium Scuff",
"description ": "The wheel has medium scuffing that requires wheel resurfacing. ",
"tolerance": "The edge of rim has scuff > 10 mmV1 cm (0.4 inch) but not > 50 mmV5 cm (2 inches).",
"repair_method": "Specialist Repair",
" repair_type": "SMART Repair",
"unit_measure": "Per Component",
"grade_score": 1
},
{
"damage_group": "WHEEL",
"component": "WHEEL_FRONT_LEFT",
"user_response": "accept",
"label": "The wheel has brake dust stains",
"description": "The wheel has brake dust staining and requires refinishing",
"tolerance": "Missing wheel trims are not acceptable",
"repair_method": "Refinish",
"repair_type": "SMART",
"unit_measure ": "Per Item ",
"grade_score": 2
},
{
"damage_group": "BODY",
"component": "ROCKER_PANEL_LEFT_UNIQUE",
"user_response": "accept",
"label": "Is Medium Dirty",
"description": "The component is medium dirty and inspection is unable to detect defects.",
"tolerance": "The body panel has area(s) on the surface that is dirty.",
"repair_method": "Report",
"repair_type": "INFO",
"unit_measure": "Per Component",
"grade_score": 0
},
{
"damage_group": "GLASS",
"component": "WINDSHIELD_FRONT_UNIQUE",
"user_response": null,
"label": "Glass Has Minor Chip",
"description ": "The glass has minor chip and may need to be replaced. ",
"tolerance": "The glass surface has a chip < 25 mmV2.5 cm (1 inch).",
"repair_method": "Report only",
" repair_type": "INFO",
"unit_measure": "Per Item",
"grade_score": 0
},
{
"damage_group": "PART",
"component": "LIGHT _HEAD_FRONT_LEFT",
"user_response ": null,
"label": "Is Dull And Foggy",
"description ": "The part dull and foggy and needs to be replaced. ",
"tolerance": "The surface is very dull.",
"repair_method": "Replace",
"repair_type": "SMART Repair",
"unit_measure": "Per Component",
"grade_score": 1
},
{
"damage_group": "PART",
"component": "LIGHT _FOG_FRONT_LEFT",
"user_response": null,
"label": "Is Dull And Foggy",
"description ": "The part dull and foggy and needs to be replaced. ",
"tolerance ": "The surface is very dull. ",
"repair_method": "Replace",
" repair_type": "SMART Repair",
"unit_measure": "Per Component",
"grade_score": 1
},
{
"damage_group": "PART",
"component": "LIGHT _HEAD_FRONT_RIGHT",
"user_response": null,
"label": "Is Dull And Foggy",
"description ": "The part dull and foggy and needs to be replaced. ",
"tolerance": "The surface is very dull.",
"repair_method": "Replace",
"repair_type": "SMART Repair",
"unit_ measure": "Per Component",
"grade_score": 1
},
{
"damage_group": "PART",
"component": "LIGHT_FOG_FRONT_RIGHT",
"user_response": null,
"label": "Is Dull And Foggy",
"description "The part dull and foggy and needs to be replaced. ",
"tolerance": "The surface is very dull.",
"repair_method": "Replace",
"repair_type": "SMART Repair",
"unit_measure": "Per Component",
"grade_score": 1
},
{
"damage_group": "BODY",
"component": "BUMPER_FRONT_UNIQUE ",
"user_response": null,
"label": "Has Medium Scratch",
"description": "The scratch is over 1 inch in size to a maximum of 4 inches total and may or may not have some paint damage that requires minor body shop repair. ",
"tolerance": "Scratch on body panel >25mm (1 inch) in length, may have some damaged paint but is not > 100 mmV10 cm (4 inches). ",
"repair_method": "Refinish",
"repair_type": "Minor Body Shop Repair",
"unit_measure": "Per Item",
"grade_score": 3
},
{
"damage_group": "BODY",
"component": "BUMPER_FRONT_UNIQUE ",
"user_response": null,
"label": "Has Medium Scratch",
"description": "The scratch is over 1 inch in size to a maximum of 4 inches total and may or may not have some paint damage that requires minor body shop repair. ",
"tolerance": "Scratch on body panel >25mm (1 inch) in length, may have some damaged paint but is not > 100 mmV10 cm (4 inches). ",
"repair_method": "Refinish",
"repair_type": "Minor Body Shop Repair",
"unit_measure": "Per Item",
"grade_score": 3
},
{
"damage_group": "TIRE",
"component": "TIRE_FRONT_LEFT",
"user_response ": null,
"label": "Is Slightly Worn",
"description": "Shows signs of slight wear is should not need replacing.",
"tolerance ": "The tire looks almost new and has very little signs of wear. ",
"repair_method": "Report",
"repair_type": "INFO",
"unit_measure": "Per Component",
"grade_score": 0
},
{
"damage_group": "TIRE",
"component": "TIRE_REAR_LEFT",
"user_response": null,
"label": "Is Slightly Worn",
"description": "Shows signs of slight wear is should not need replacing.",
"tolerance ": "The tire looks almost new and has very little signs of wear. ",
"repair_method": "Report",
"repair_type": "INFO",
"unit_measure": "Per Component",
"grade_score": 0
},
{
"damage_group": "TIRE",
"component": "TIRE_FRONT_RIGHT",
"user_response": null,
"label": "Is Slightly Worn",
"description": "Shows signs of slight wear is should not need replacing. ",
"tolerance": "The tire looks almost new and has very little signs of wear. ",
"repair_method": "Report",
"repair_type": "INFO",
"unit_measure": "Per Component",
"grade_score": 0
},
{
"damage_group": "TIRE",
"component": "TIRE_REAR_RIGHT",
"user_response": null,
"label": "Is Slightly Worn",
"description": "Shows signs of slight wear is should not need replacing.",
"tolerance ": "The tire looks almost new and has very little signs of wear. ",
"repair_method": "Report",
"repair_type": "INFO",
"unit_measure": "Per Component",
"grade_score": 0
},
{
"damage_group": "PART",
"component": "TRIM_FENDER_REAR_RIGHT",
"user_response": null,
"label": "Has Medium Scratch",
"description ": "The part has a small scratch that can be touched up or buffed out. ",
"tolerance": "The part has a scratch(s) that isVare > 5 mm (0.2 inch) but still < 20 mm V2 cm (0.8 inch)",
"repair_method": "Report only",
"repair_type": "INFO",
"unit_measure": "Per Part",
"grade_score": 0
},
{
"damage_group": "WHEEL",
"component": "WHEEL_FRONT_RIGHT",
"user_response": null,
"label": "The wheel has brake dust stains",
"description": "The wheel has brake dust staining and requires refinishing",
"tolerance": "Missing wheel trims are not acceptable",
"repair_method": "Refinish",
"repair_type": "SMART",
"unit_measure": "Per Item",
"grade_score": 2
},
{
"damage_group": "WHEEL",
"component": "WHEEL_REAR_RIGHT",
"user_response": null,
"label": "The wheel has brake dust stains",
"description": "The wheel has brake dust staining and requires refinishing",
"tolerance": "Missing wheel trims are not acceptable",
"repair_method": "Refinish",
"repair_type": "SMART",
"unit_measure": "Per Item",
"grade_score": 2
},
{
"damage_group": "BODY",
"component": "ROCKER_PANEL_RIGHT_UNIQUE",
"user_response": null,
"label": "Has Medium Scratch",
"description": "The scratch is over 1 inch in size to a maximum of 4 inches total and may or may not have some paint damage that requires minor body shop repair. ",
"tolerance": "Scratch on body panel >25mm (1 inch) in length, may have some damaged paint but is not > 100 mmV10 cm (4 inches). ",
"repair_method": "Refinish",
" repair_type": "Minor Body Shop Repair",
"unit_measure": "Per Item",
" grade_score": 3
},
{
"damage_group": "BODY",
"component": "DOOR_REAR_RIGHT",
"user_response": null,
"label": "Paint Has Small Chip",
"description": "The paint has a small chip that can be touched-up. ",
"tolerance": "Not covered in BVRLA",
"repair_method": "Report",
"repair_type": "INFO",
"unit_measure": "Per Component",
"grade_score": 0
},
{
"damage_group": "GLASS",
"component": "WINDOW_REAR_UNIQUE",
"user_response": null,
"label": "Glass Is Medium Dirty",
"description": "The glass is covered with a medium amount of dirt, mud or snow and cannot be inspected.",
'tolerance": "The glass surface is dirty and is hard to inspect.",
'repair_method": "Report",
"repair_type": "INFO",
"unit_measure": "Per Component",
"grade_score": 0
},
{
"damage_group": "GLASS",
"component": "WINDOW_REAR_UNIQUE",
"user_response": null,
"label": "Glass Has Medium Scratch",
"description": "The glass has a medium scratch and needs to be professionally repaired.",
"tolerance": "The glass surface has scratch > 25 mmV2.5 cm (1 inch) but not > 50 mmV5 cm (2 inches).",
"repair_method": "Glass Repair",
"repair_type": "SMART Repair",
"unit_measure ": "Per Item ",
"grade_score": 3
},
{
"damage_group": "PART",
"component": "EXHA US T_ TIPS RIGHT",
"user_response": null,
"label": "Has Medium Rust",
"description ": "The part has a medium amount of rust and may require replacement. ",
"tolerance": "The part has a small area of rust on the surface that is > 1 cm but not > 2.5 cm (1 inch).",
"repair_method": "Replace",
"repair_type": "SMART Repair",
"unit_measure": "Per Component",
"grade_score": 1
},
{
"damage_group": "BODY",
"component": "HA TCH_REAR_UNIQUE",
"user_response": null,
"label": "Has Medium Dent",
"description": "The dent is over 1 inch in size to a maximum of 4 inches total and may or may not have some paint damage that requires minor body shop repair. ",
"tolerance": "Small dent on body that is < 25 mmV2.5 cm may have some damage to paint but not > 100 mmV10 cm (4 inches) ",
"repair_method": "PDR (Cold Metal Repair)",
"repair_type": "SMART Repair",
"unit_measure": "Per Item",
"grade_score": 1
},
{
"damage_group": "GLASS",
"component": "WINDSHIELD _FRONT_UNIQUE",
"user_response": null,
"label": "Glass Has Medium Scratch",
"description": "The glass has a medium scratch and needs to be professionally repaired.",
"tolerance": "The glass surface has scratch > 25 mmV2.5 cm (1 inch) but not > 50 mmV5 cm (2 inches).",
"repair_method": "Glass Repair",
"repair_type": "SMART Repair",
"unit_measure": "Per Item",
"grade_score": 3
},
{
"damage_group": "GLASS",
"component": "WINDSHIELD _FRONT_UNIQUE",
"user_response": null,
"label": "Glass Is Medium Dirty",
"description ": "The glass is covered with a medium amount of dirt, mud or snow and cannot be inspected. ",
"tolerance": "The glass surface is dirty and is hard to inspect.",
"repair_method": "Report",
"repair_type": "INFO",
"unit_measure": "Per Component",
"grade_score": 0
},
{
"damage_group": "GLASS",
"component": "WINDSHIELD _FRONT_UNIQUE",
"user_response": null,
"label": "Glass Is Medium Dirty",
"description ": "The glass is covered with a medium amount of dirt, mud or snow and cannot be inspected. ",
"tolerance": "The glass surface is dirty and is hard to inspect.",
"repair_method": "Report",
"repair_type": "INFO",
"unit_measure": "Per Component",
"grade_score": 0
}
],
"grading": {
"standard_A": 2,
"standard_B": "D",
"standard_C": "Poor Condition"
},
"total_estimates": 28
},
"images": {
"photo_codes": {
"01": {
"type": "vinBarcode",
"label": "The VIN Barcode"
},
"02": {
"type": "interiorView",
"label": "Interior View"
},
"03": {
"type": "instrumentCluster",
"label": "Instrument Cluster"
},
"04": {
"type": "exteriorView",
"label": "Left View",
"cageCode": "01"
},
"05": {
"type": "exteriorView",
"label": "Front View",
"cageCode": "02"
},
"06": {
"type": "treadView",
"label": "Tread View"
},
"07": {
"type": "exteriorView",
"label": "Right View",
"cageCode": "03"
},
"08": {
"type": "exteriorView",
"label": "Rear View",
"cageCode": "04"
},
"09": {
'type": "exteriorView"
"label": "Windshield View",
"cageCode": "02"
}
},
"original_images": {
"01": [
"https:Wimages.paveapi.comVDSTVDST-S4PQ0QQDO4V/DST-S4PQ0QQDO4_01.png"
],
"02": [
"https:Wimages.paveapi.comVDSTVDST-S4PQ0QQDO4VDST-S4PQ0QQDO4_02.png"
],
"03": [
"https:Wimages.paveapi.comVDSTVDST-S4PQ0QQDQ4VDST-S4PQ0QQDQ4_03.png"
],
"04": [
"https:Wimages.paveapi.comVDSTVDST-S4PQ0QQDQ4VDST-S4PQ0QQDQ4_04.png"
],
"05": [
"https:Wimages.paveapi.comVDSTVDST-S4PQ0QQDQ4VDST-S4PQ0QQDQ4_05.png"
],
"06": [
"https:Wimages.paveapi.comVDSTVDST-S4PQ0QQDQ4VDST-S4PQ0QQDQ4_06.png"
],
"07": [
'https:Wimages.paveapi.comVDSTVDST-S4PQ0QQDO4VDST-S4PQ0QQDO4_07.png"
],
"08": [
"https:Wimages.paveapi.comVDSTVDST-S4PQ0QQDO4VDST-S4PQ0QQDO4_08.png"
],
"09": [
"https:Wimages.paveapi.comVDSTVDST-S4PQ0QQDQ4VDST-S4PQ0QQDQ4_09.png"
]
},
"annotated_images": {
"01": [
null
],
"02": [
null
],
"03": [
null
],
"04": [
"https:Wagent.paveapi.comVpublicVinspectionsVPAV-191010035247-106V04V04-annotated.jpg"
],
"05": [
"https:Wagent.paveapi.comVpublicVinspectionsVPAV-191010035247-106V05V05-annotated.jpg"
],
"06": [
null
],
"07": [
"https:Wagent.paveapi.comVpublic\/inspectionsVPAV-191010035247-106V07V07-annotated.jpg"
],
"08": [
"https:Wagent.paveapi.comVpublic\/inspections\/PAV-191010035247-106V08V08-annotated.jpg" l
"09": [
"https:Wagent.paveapi.comVpublic\/inspections\/PAV-191010035247-106V09V09-annotated.jpg"
]
}
},
"seller_announcements": {
"TITLE_PRESENT": null,
"ALL_KEYS_PRESENT": null,
"BOOKS_PRESENT": null,
"DISCS_PRESENT": null,
"RIMS_ TIRE S ": null,
"OTHER_ANNOUNCEMENTS": ""
},
"seller_disclosures": {
"TITLE_ORIGIN": {
'GREY_MARKET": null,
"INCORRECT_VEHICLE_MARKING": null,
'MANUFACTURER_REPURCHASE": [
],
"OUT_OF_STATE": [
],
"TITLE_BRANDED": false,
"TOTAL_LOSS": null,
"CROSS_BOARDER": null,
"VIN_PLATE_ISSUES": null,
"WARRANTY_CANCELLED": null,
"STOLEN_AND_RECOVERED": null
],
"ODOMETER": {
"ODOM_5_DIGIT": null,
"ODOM_FA UL TY": null,
"ODOMJN_OTHER": null,
"ODOM_REPLACED": null,
"ODOM_ROLL_BA CK null,
"ODOM_UNREADABLE": null,
"TMU": null,
RMU": [
]
},
"DAMAGE": {
"ACCIDENT _REPAIR": 0,
"ADJACENT_PANELS_REPLACED ": null,
"EXCESSIVE_RUST": null,
"FIRE_DAMAGE ": null,
"FLOOD_DAMAGE": false,
"IRREPARABLE": null,
"STRUCTURAL_DAMAGE": null
},
"MECHANICAL": {
"ABS_DEFECTIVE": null,
"AIR_BAG_DEFECTIVE": null,
"ALTERNATE_FUEL": null,
"NONE_SPECS": null,
'MAJOR_REPAIR": [
]
},
"PREVIOUS USER": {
"PREVIOUS _DAILY_RENTAL": null,
"PREVIOUS_DRIVING_SCHOOL_VEHICLE": null,
"PREVIOUS _POLICE_VEHICLE": null,
"PREVIOUS _TAXI _LIMO": null
}
},
"condition_report":"https:Wreports.paveapi.comVapiVreportVDST-S4PQ0QQDO4",
'case_details": {
"case_id": "DST-S4PQ0QQDO4",
"case_start_time": "2019-10-10T15:52:47.618Z",
"case_end_time": "2019-10-10T15:57:07.579Z"
},
"pave_disclosure": "DISCLOSURE AGREEMENT",
시스템(100)은 인터페이스 애플리케이션의 일부로서 서로 다른 인터페이스들을 생성하는 데 사용될 수 있는 차량 캡처 도구들(132)을 갖는다. 차량 캡처 도구들(132)은 차량의 이미지 데이터의 캡처를 용이하게 한다. 차량 캡처 도구(132)는 모바일 장치에서 사용하도록 최적화될 수 있는 직관적인 사용자 인터페이스 애플리케이션(130)을 제공한다. 이 인터페이스 애플리케이션(130)은 열릴 때 사용자가 애플리케이션을 다운로드할 필요없이 장치의 카메라 및 마이크에 액세스하는 인터랙티브 인터페이스들로 프로세스를 통해 사용자를 안내할 수 있는 공유 가능하거나 클릭 가능한 온라인 링크로서 사용자에게 전달된다. 시스템(100)은 VIN을 먼저 디코딩함으로써 인식된 차량의 유형에 적응하는 (인터페이스 애플리케이션(130)을 위한) 동적 인터페이스들을 생성한다. 예를 들어, VIN은 차량 바코드를 스캔하여 결정될 수 있다. 이는 시스템(100)이 각 차량 유형에 특정한 인터페이스 가이드들(차량 캡처 모듈들(132)의 일부로서)를 구성하여 필요한 뷰들 각각에 대해 올바른 시야 및 각도가 캡처되도록 보장할 수 있게 한다. 가이드들은 또한 차례로 이미지에 대한 메타데이터를 정의하는 라벨들을 정의하는 데 사용될 수 있다. 메타데이터는 차량 이미지의 위치를 설명자 또는 라벨과 연결할 수 있다. 인터페이스 애플리케이션(130)은 또한 예외 및 요구될 수 있는 결과 또는 공개의 임의의 확인을 위해 사용자와의 대화를 개인화할 수 있는 대화 요소들을 포함할 수 있다. 차량 캡처 도구(132)는 사용자의 지역에 특정한 규정에 의해 요구될 수 있는 고객 공개 성명을 수집하는 것과 같은 단계들을 포함하는 추가 사용자 인터페이스들을 포함할 수 있다. 인터페이스 애플리케이션(130)은 또한 임의의 발견된 결함들을 강조함으로써 (가치 평가 도구(126)에 의해 계산된 바와 같이) 그들의 차량의 가치 평가에 영향을 미친 것에 대한 이해하기 쉬운 기준을 사용자에게 제공하고, 시스템(100)은 이 가치가 어떻게 계산되었는지를 제시한다.
시스템(100)은 재조정 비용 추정 도구(122)를 가질 수 있다. 시스템(100)은 차량의 가치를 평가할 수 있는 자동차 감정에 대한 방법을 사용하여 차량을 적절하게 검사할 수 있는 능력에 대한 산업 특정 지식으로 훈련될 수 있다. 시스템(100)이 인식 엔진(120)을 사용하여 캡처된 이미지들 및 사운드들을 분석함에 따라, 이는 시스템의 비용 추정 도구(122) 차량을 재조정하는 데 필요한 추정된 수리 비용을 계산하는 데 사용될 수 있는 결함들을 검출한다. 이 추정치는 차량 유형, 영향을 받는 차량의 파트 또는 섹션, 수리 유형별로 분류된 구성 비용들에 의해 결정될 수 있다. 비용 추정 도구(122)는 사용자의 시장 영역에서 동등한 수리에 대한 이력 비용을 평균화한다. 재조정 비용 추정 도구(122)는 또한 정확한 가치를 설정하는 것을 도울 수 있는 차량의 전체 등급을 평가한다. 재조정 비용 추정 도구(122)는 또한 단지 조건을 넘어서는 덜 바람직한 차량 속성들에 대한 영향을 계산하는 방법을 제공할 수 있다; 예를 들어 차량이 바람직하지 않은 것으로 알려진 특정 색상이거나 매우 바람직한 것으로 알려진 색상인 경우, 시스템(100)은 재조정 비용 추정 도구(122)를 사용하여 이러한 영향들을 더하거나 뺄 수 있다.
시스템(100)은 이미지 및 오디오 데이터를 처리하여 차량 메트릭들을 계산할 수 있는 인식 엔진(120)을 갖는다. 인식 엔진(120)은 차량 캡처 모듈들(132)에 의해 캡처되는 이미지들 및 사운드들 (또는 오디오 데이터)를 처리한다. 처음에 이미지들의 적절한 밝기, 선명도뿐만 아니라 차량의 청결도를 결정하여 이미지들이 처리될 수 있는지 여부를 결정하기 위해 이미지들이 처리된다. 이미지들이 처리될 수 없는 경우, 이는 추가 인스트럭션들과 함께 차량 캡처 모듈(132)의 인터페이스들을 통해 사용자에게 전달된다. 사용자가 주변 환경, 시간 또는 날씨로 인해 문제를 수정할 수 없는 경우, 시스템(100)은 감정을 완료하기 위해 다른 날짜 및 시간에 대한 통지를 예약할 수 있다. 그런 다음, 인식 엔진(120)에 의한 이미지들은 차량의 특정 섹션들 및 차체 파트들을 식별하기 위해 처리된다. 인식 엔진(120)은 케이지들을 사용하여 이미지들에 표시된 차량의 서로 다른 위치들 또는 컴포넌트들을 식별한다. 그런 다음, 이미지에 표시된 손상은 차량의 각각의 위치 또는 컴포넌트에 연결된다. 그런 다음, 이러한 섹션들은 시스템(100)에 의해 검사되어 임의의 결함들 또는 문제들을 검출한다. 차량의 VIN이 포함된 이미지들이 처리되고 검출된 바코드 및 데이터가 통합된 VIN 디코더로 전송되어 연도, 제조사, 모델 및 트림과 같은 차량 메트릭들을 수집한다. 타이어 트레드의 이미지들은 분석되어 트레드의 깊이, 임의의 풍화 작용의 징후들 및 타이어 유형을 검출할 수 있다. 계기판의 이미지들은 주행 거리계 판독값과 마일리지가 킬로미터로 측정되는지 또는 마일 단위로 측정되는지를 캡처하기 위해 문자들을 인식하도록 처리된다. 사운드 바이트들이 분석 및 비교되어 차량의 가능한 기술적 문제들을 나타낼 수 있는 임의의 비정상적인 사운드들이 검출되는지를 검출한다.
시스템(100)은 라이브 데이터 훈련 에이전트 인터페이스(이는 인터페이스 애플리케이션(130)의 일부로서 통합될 수 있음)를 생성할 수 있다. 사용자가 차량 캡처 모듈(132)을 사용하여 그들의 차량을 캡처할 때, 이미지들은 그래픽 인터페이스에 연결된 워크스테이션에 있는 라이브 에이전트로 각 이미지 및 사운드를 발송하는 라이브 데이터 트레이닝 에이전트 인터페이스를 통해 먼저 처리될 수 있다. 시스템(100)은 개선된 이미지 발송 프로세스를 사용하여 처리를 위해 에이전트 세트에 이미지 세트에 대한 태스크들을 할당할 수 있다. 시스템(100)은 (인터페이스 애플리케이션(130)을 통해) 다른 에이전트들에 이미지들을 발송할 수 있다. 인터페이스는 인터페이스 애플리케이션(130)에 서로 다른 태스크들에 대한 프롬프트들 또는 입력 데이터 필드들을 디스플레이하여 각 에이전트에 태스크들을 할당한다. 예시적인 태스크들은, 이미지의 선명도를 확인하고 처리될 수 없는 이유를 표시하거나, 에이전트가 이미지들을 분류하거나 계기판에서 발견된 인식된 문자들을 수동으로 입력하는 시스템을 추가하도록 차량의 각 섹션에 대한 적절한 윤곽선들을 드래그 앤 드롭하거나, 차량의 영향을 받는 부분에 특정 결함들을 나타내는 모양들을 드래그 앤 드롭하거나, 타이어 트레드 이미지들을 검사할 때 타이어 유형 및 드레드 깊이의 표시기들을 드래그 앤 드롭하도록 태스크가 부여될 수 있음을 포함한다. 라이브 데이터 에이전트가 각 작업을 완료하면, 시스템(100)은 재조정 비용 추정기(122)로 전달되는 관련 정보를 정의하고 필요한 양의 데이터가 캡처, 처리 및 훈련될 때 적절한 데이터 훈련 모델들에 각 분류된 사운드 및 이미지를 추가하여 이러한 태스크들을 자율적으로 수행하는 시스템의 능력을 증가시킨다.
시스템(100)은 다른 시스템들 및 컴포넌트들과의 통합을 위한 API(124)를 포함한다. 사용자에게 더 나은 다채널(omnichannel) 경험을 제공하기 위해, 시스템(100)은 API를 사용하여 산업 특정 도구들 및 시스템들에 통합되어 다른 프로세스들 및 경험들을 자동화하기 위한 데이터를 전달할 수 있다. 이들은 기존 차량 가치 평가 또는 감정 도구들에 추가 기능들을 추가하기 위한 자동차 고객 관리 도구들 및 사용자를 안내한 웹 사이트를 포함할 수 있으며 이에 국한되지는 않는다.
시스템(100)은 차량에 대한 시장 가치의 추정치를 계산하기 위한 시장 가치 평가 도구(125)를 포함한다. 시장 가치 평가 도구(125)는 시장 가치 추정치를 계산하기 위해 차량 메트릭들 및 비용 데이터를 사용할 수 있다. 특정 차량의 가치는 이력 거래 및 광고된 시장 목록을 컴파일하여 정확하게 생성될 수 있다. 지역 소매 목록 정보는 감정된 차량을 유사한 차량들의 시장 정보와 매칭시키기 위해 지역 대리점 웹 사이트들에 게시된 공개된 광고들 및 중고차 재고를 크롤링하여 캡처된다. 이 정보는 실제 도매 경매 판매 결과들을 제공하는 도매 경매로부터 캡처된 추가 데이터와 비교된다. 대리점이 그들의 CRM을 통합하면, 시스템은 비교를 위해 딜러들의 이전 판매 거래들도 캡처한다. 이러한 데이터 모델들의 훈련을 강화하기 위해, 각 감정은 차량이 마침내 판매될 때 차량의 최종 판매 가격을 추적함으로써 검증될 수 있다.
I/O 유닛(102)은 시스템(100)이 키보드, 마우스, 카메라, 터치 스크린 및 마이크와 같은 하나 이상의 입력 장치들 및/또는 디스플레이 스크린 및 스피커와 같은 하나 이상의 출력 장치들과 상호 연결되도록 할 수 있다. 스피커.
프로세서(104)는, 예를 들어, 임의의 유형의 범용 마이크로프로세서 또는 마이크로컨트롤러, 디지털 신호 처리(DSP) 프로세서, 집적 회로, 필드 프로그램 가능 게이트 어레이(FPGA), 재구성 가능 프로세서, 또는 이들의 임의의 조합일 수 있다.
메모리(108)는, 예를 들어, 랜덤 액세스 메모리(RAM), 읽기 전용 메모리(ROM), 콤팩트 디스크 읽기 전용 메모리(CDROM), 전기 광학 메모리, 광 자기 메모리, 소거 가능한 프로그램 가능 읽기 전용 메모리(EPROM), 및 전기적으로 소거 가능한 프로그램 가능 읽기 전용 메모리(EEPROM), 강유전성 RAM(FRAM) 등과 같은 내부 또는 외부에 위치되는 임의의 유형의 컴퓨터 메모리의 적절한 조합을 포함할 수 있다. 데이터 저장 장치들(110)은 메모리(108), 데이터베이스(112)(예를 들어, 그래프 데이터베이스) 및 영구 저장 장치(114)를 포함할 수 있다.
통신 인터페이스(106)는 시스템(100)이 다른 컴포넌트들과 통신하고, 다른 컴포넌트들과 데이터를 교환하고, 네트워크 리소스들에 액세스 및 연결하고, 애플리케이션들을 제공하고, 인터넷, 이더넷, 기존 전화 서비스(POTS) 회선, 공중 전화 교환망(PSTN), 종합 정보 통신망(ISDN), 디지털 가입자 회선(DSL), 동축 케이블, 광섬유, 위성, 모바일, 무선(예를 들어, Wi-Fi, WiMAX), SS7 시그널링 네트워크, 유선, 근거리 통신망, 광역 통신망 및 이들의 모든 조합을 포함한 기타 등등을 포함하여 데이터를 전달할 수 있는 네트워크(140)(또는 다중 네트워크)에 연결함으로써 다른 컴퓨팅 애플리케이션들을 수행할 수 있게 한다.
시스템(100)은 애플리케이션들, 근거리 통신망, 네트워크 리소스들, 기타 네트워크들 및 네트워크 보안 장치들에 대한 액세스를 제공하기 전에 사용자들을 (예를 들어 로그인, 고유 식별자 및 패스워드를 사용하여)등록하고 인증하도록 동작될 수 있다. 시스템(100)은 서로 다른 기계들, 엔티티들(140) 및/또는 데이터 소스들(150)(데이터베이스들(160)에 링크 됨)에 연결할 수 있다.
데이터 저장 장치(110)는 예를 들어 이미지 데이터, 메타데이터, 차량 메트릭들, 비용 데이터, 가치 평가 보고서 등과 같은 시스템(100)과 연관되거나 생성된 정보를 저장하도록 구성될 수 있다. 데이터 저장 장치(160)는 예를 들어 분산식 저장 시스템일 수 있다. 데이터 저장 장치(110)는 예를 들어, 데이터베이스들을 구현할 수 있다. 저장 장치(110) 및/또는 영구 저장 장치(114)는 솔리드 스테이트 드라이브, 하드 디스크 드라이브, 플래시 메모리와 같은 다양한 유형의 저장 기술들을 사용하여 제공될 수 있으며, 관계형 데이터베이스, 비-관계형 데이터베이스, 플랫 파일들, 스프레드 시트들, 확장 마크 업 파일들 등과 같은 다양한 포맷들로 저장될 수 있다.
시스템(100)은 드라이브 스루 환경(예를 들어, 사용자가 영역으로 운전할 때 필요한 데이터를 수집하기 위해 원하는 위치들에 위치된 카메라들 및 마이크들로 둘러싸인 영역)에서 작동할 수 있다. VIN 및 차량 디스플레이 양태들은 별도로 캡처될 수 있다.
도 2 내지 30은 일부 실시예들에 따른 차량 감정을 위한 시스템(100)을 위한 예시적인 인터페이스들이다. 인터페이스들은 인터페이스 애플리케이션(130) 및 차량 캡처 모듈들(132)의 일부일 수 있다.
도 2는 시스템(100)에 의해 감정될 자동차(또는 기타 차량)의 이미지 캡처를 용이하게 할 수 있는 예시적인 인터페이스를 도시한다. 인터페이스는 이미지 캡처 프로세스에 대한 피드백을 제공하여 이미지들의 품질을 향상시킬 수 있다. 예시적인 이미지는 운전석 측면 뷰이다. 인터페이스는 이미지 캡처 프로세스 동안 차량과 정렬될 수 있는 차량 이미지 오버레이를 포함할 수 있다. 인터페이스는 예를 들어 인식 엔진(120)에 메타데이터로서 제공될 차량의 서로 다른 파트들을 식별하는 데 사용될 수 있는 서로 다른 인디시아 또는 버튼들을 포함할 수 있다. 인디시아는 차량의 서로 다른 컴포넌트들에 대한 오버레이의 생성을 트리거할 수 있다. 예를 들어, 터치 인터페이스를 사용하여 인디시아가 선택되고 이미지에 놓일 수 있다. 인디시아는 전체 차체, 루프라인, 측면 유리, 로커 패널, 프론트 펜더, 리어 펜더, 도어 핸들, 단순한, 프론트 림, 리어 룸, 프론트 도어, 리어 도어, 프론트 범퍼, 리어 범퍼 등을 나타내는 데 사용될 수 있다. 인터페이스는 예를 들어 인식 엔진(120)을 지원하기 위해 차량 주위에 바운딩 박스를 생성하기 위한 인디시아를 포함할 수 있다. 인터페이스는 인식 엔진(120)을 지원하기 위해 시맨틱 세그멘테이션(semantic segmentation)을 생성하기 위한 인디시아를 포함할 수 있다. 메타데이터는 이미지의 위치(예를 들어, ROI)를 설명자 라벨과 연결할 수 있다.
도 3은 운전석 측면 뷰로부터 차량 이미지에 손상 또는 결함 라벨들을 나타낼 수 있는 예시적인 인터페이스이다. 인터페이스는 차량의 다양한 결함들을 식별하기 위해 손상 또는 결함 라벨들을 생성하는 데 사용될 수 있는 인디시아 또는 버튼들을 포함할 수 있다. 손상 및 결함 라벨들은 인식 엔진(120)에 의해 메타데이터로 사용될 수 있다. 예를 들어, 터치 인터페이스를 사용하여 인디시아가 선택되고 이미지에 놓일 수 있다. 인디시아는 작은 흠집, 작은 함몰, 녹, 스크래치, 크랙 등을 나타내는 데 사용될 수 있다. 메타데이터는 이미지의 위치(예를 들어, ROI)를 설명자 라벨과 연결할 수 있다.
도 4는 예를 들어 타이어들 또는 림들과 같은 차량 휠들의 양태들을 나타낼 수 있는 예시적인 인터페이스이다. 인터페이스는 차량 이미지에서 서로 다른 타이어들 또는 림들을 식별하기 위해 라벨들을 생성하는 데 사용될 수 있는 인디시아 또는 버튼들을 포함할 수 있다. 라벨들은 인식 엔진(120)에 의해 메타데이터로 사용될 수 있다. 메타데이터는 이미지의 위치(예를 들어, ROI)를 설명자 라벨과 연결할 수 있다.
도 5는 조수석 측면 뷰로부터 차량 이미지에 손상 또는 결함 라벨들을 나타낼 수 있는 예시적인 인터페이스이다. 인터페이스는 차량의 다양한 결함들을 식별하기 위해 손상 또는 결함 라벨들을 생성하는 데 사용될 수 있는 인디시아 또는 버튼들을 포함할 수 있다. 손상 및 결함 라벨들은 인식 엔진(120)에 의해 메타데이터로 사용될 수 있다. 메타데이터는 이미지의 위치(예를 들어, ROI)를 설명자 라벨과 연결할 수 있다.
도 6은 시스템(100)에 의해 감정될 자동차의 이미지 캡처를 용이하게 할 수 있는 예시적인 인터페이스이다. 인터페이스는 이미지 캡처 프로세스에 대한 피드백을 제공하여 이미지들의 품질을 향상시킬 수 있다. 샘플 이미지는 조수석 측면 뷰이다. 인터페이스는 인식 엔진(120)에 의해 메타데이터로 사용될 수 있는 이미지에 라벨들을 추가하기 위한 인디시아 또는 버튼을 포함한다.
도 7은 주행 거리계의 이미지 캡처를 용이하게 할 수 있는 예시적인 인터페이스이다. 주행 거리계의 이미지는 차량 사용량과 관련된 데이터를 캡처하는 데 사용될 수 있다. 인터페이스는 문자 인식 프로세스에 도움이 되는 숫자 라벨들을 추가하기 위한 서로 다른 인디시아를 포함할 수 있다. 도 8은 주행 거리 인식 프로세스를 용이하게 하기 위해 숫자 라벨들을 포함하는 주행 거리계의 이미지가 있는 예시적인 인터페이스이며 값의 단위들을 나타내는 데 사용될 수도 있다.
도 9는 시스템(100)에 의해 감정될 자동차의 이미지 캡처를 용이하게 할 수 있는 예시적인 인터페이스이다. 인터페이스는 이미지 캡처 프로세스에 대한 피드백을 제공하여 이미지들의 품질을 향상시킬 수 있다. 전면 뷰의 샘플 이미지들. 인터페이스는 차량의 서로 다른 컴포넌트들을 라벨링하는 데 사용될 수 있는 인디시아 또는 버튼들을 포함할 수 있다. 예시적인 컴포넌트들은 전면유리, 루프 라인, 앞 범퍼, 헤드라이트, 거울, 후드 장식, 그릴 등을 포함한다.
도 10은 결함 라벨들로 차량의 이미지 라벨링을 용이하게 할 수 있는 예시적인 인터페이스이다. 예시적인 이미지는 전면 뷰이다. 예시적인 라벨은 인식 엔진(120)에 의해 메타데이터로서 사용될 수 있는 결함들 없는 이미지들을 나타낼 수 있다.
도 11은 인식 엔진(120)에 의한 전면유리 검사 프로세스를 용이하게 하기 위해 차량의 전면유리의 이미지 캡처를 용이하게 할 수 있는 예시적인 인터페이스이다. 인터페이스는 크랙들 또는 별과 같은 전면유리의 결함들을 라벨링하는 인디시아를 포함할 수 있다. 라벨들은 인식 엔진(120)에 의해 메타데이터로 사용될 수 있다. 메타데이터는 이미지의 위치(예를 들어, ROI)를 설명자 라벨과 연결할 수 있다.
도 12는 차량의 후면 뷰의 이미지 캡처를 용이하게 할 수 있는 예시적인 인터페이스이다. 인터페이스는 차체 파트들을 라벨링하거나 식별하는 인디시아를 포함할 수 있다. 예시적인 파트들은 창, 루프 라인, 범퍼, 후미등, 거울, 트렁크 장식, 트렁크 커버 등을 포함한다.
도 13은 결함 라벨들을 갖는 차량의 후면 뷰의 이미지 라벨링을 용이하게 할 수 있는 예시적인 인터페이스이다.
도 14는 인식 엔진(120)에 의한 타이어 트레드 검사 프로세스를 용이하게 하기 위해 차량의 타이어의 이미지 캡처를 용이하게 할 수 있는 예시적인 인터페이스이다. 새로운, 머드 또는 스노우 타이어들과 같은 메타데이터가 있는 타이어의 이미지는 낮는 트레드, 손상 및 크랙등을 있는 곳을 보여준다.
도 15는 차량들의 이미지들을 캡처하기 위해 모바일 장치에 디스플레이할 수 있는 예시적인 인터페이스이다. 도 16은 차량 바코드의 이미지 캡처 또는 차량 바코드 스캔을 용이하게 할 수 있는 예시적인 인터페이스이다. 인터페이스는 이미지 캡처 프로세스를 용이하게 하는 유용한 가이드들을 포함할 수 있다. 바코드는 시스템(100)에 의해 처리되어 특정 차량과 관련된 데이터를 검색할 수 있다. 도 17은 바코드 이미지가 처리중임을 나타내는 예시적인 인터페이스이다.
도 18은 바코드를 사용하여 시스템(100)에 의해 검색된 정보를 나타내는 예시적인 인터페이스이다. 인터페이스는 사용자에게 검색된 정보의 정확성을 확인하도록 촉구할 수 있다.
도 19는 차량 주행 거리계의 이미지 캡처를 용이하게 할 수 있는 예시적인 인터페이스이다.
도 20은 차량의 운전석의 측면 뷰의 이미지 캡처를 용이하게 할 수 있는 예시적인 인터페이스이다. 도 21은 차량의 전면 뷰의 이미지 캡처를 용이하게 하는 예시적인 인터페이스이다. 도 22는 타이어 검사 프로세서를 용이하게 하는 앞쪽 우측 타이어의 이미지 캡처를 용이하게 하는 예시적인 인터페이스이다. 도 23은 차량의 조수석 측면 뷰의 이미지 캡처를 용이하는 예시적인 인터페이스이다. 도 24는 차량의 전면 뷰의 이미지 캡처를 용이하게 하는 예시적인 인터페이스이다. 도 25는 시스템(100)에 의해 캡처된 이미지들이 처리되는 것을 나타내는 예시적인 인터페이스이다. 도 26은 캡처된 주행 데이터를 나타내는 예시적인 인터페이스이다. 인터페이스는 사용자에게 처리된 정보의 정확성을 확인하도록 하는 프롬프트를 포함할 수 있다. 도 27은 차량의 검출된 결함들을 나타내는 예시적인 인터페이스이다. 인터페이스는 검출된 결함의 유형을 나타내는 라벨로 차량 이미지를 마크업할 수 있다. 도 28은 차량 상의 검출된 손상을 나타내는 예시적인 인터페이스이다. 인터페이스는 검출된 손상의 유형을 나타내는 라벨로 차량의 이미지를 마크업할 수 있다. 도 29는 검출된 타이어 상태를 나타내는 예시적인 인터페이스이다. 도 30은 시스템(100)에 의해 계산되는 예상된 보상 판패 가치 결과들을 나타내는 예시적인 인터페이스이다.
도 31은 VIN과 같은 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스(3100)이다. 3102에서, 캡처 프로세스가 트리거되고, 3104에서, 대기열(3016)의 식별자에 대한 요청으로 시작된다. 3108에서, 인터페이스는 장치의 카메라에 연결되고, 3110에서 장치의 위치를 검색한다. 3114에서, 장치 식별자가 결정되고, 3112에서, 식별자를 확인하기 위해 입력 데이터가 수신된다. 3116에서, 인터페이스는 VIN에 대한 데이터를 캡처하고, 3118에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3122에서, 이미지는 바코드 디코더에 의해 처리된다. 3124에서, 이미지는 3126에서 VIN 디코딩을 위해 3128에서 VIN에 대한 입력 데이터를 수신하기 위해 품질 제어 프로세스로 전송된다. 3130에서, 내부 식별자가 수신된다. 3120에서, 프로세서는 차량 내부에 대한 데이터를 캡처하는 것으로 진행된다.
도 32는 내부 데이터와 같은 캡처된 이미지들로부터 차량 메트릭들을 계산하기위한 예시적인 프로세스들(3200)이다. 3202에서, 캡처 프로세스가 트리거되고, 3204에서, 차량 내부의 이미지를 캡처한다. 3206에서, 인터페이스는 내부 데이터에 대한 이미지(들)를 캡처하고 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3228에서, 이미지는 내부 데이터에 대한 입력 데이터를 수신하기 위해 품질 제어 프로세스로 전송된다. 3230에서, 내부 식별자가 수신된다. 3232에서, 내부 상태가 설정된다. 3208에서, 계기 데이터에 대한 캡처 프로세스가 트리거되고, 3210에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3234에서, 이미지는 3236에서 판독에 대한 그리고 3238에서 유닛에 대한 주행 데이터에 대한 입력 데이터를 수신하기 위해 품질 제어 프로세스로 전송된다. 3214에서, 측면 뷰 데이터에 대한 캡처 프로세스가 트리거되고, 3216에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 또는 이미지를 승인할지 여부를 결정한다.
도 33은 도 32로부터 계속되는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스(3300)이다. 3304에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3306에서, 이미지는 전면 뷰 데이터에 대한 입력 데이터를 수신하기 위해 품질 제어 프로세스로 전송된다. 3308에서, 캡처 프로세스가 트리거되고, 3310에서, 차량의 전면 뷰의 이미지를 캡처한다. 3312에서, 캡처 프로세스가 트리거되고, 3314에서, 인터페이스는 전면 데이터에 대한 이미지(들)를 캡처하고, 3316에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3336에서, 이미지는 전면 뷰 데이터에 대한 입력 데이터를 수신하기 위해 품질 제어 프로세스로 전송된다. 3338, 3340에서, 손상 데이터가 수신된다. 3318에서, 캡처 프로세스가 트리거되고, 3320에서, 인터페이스는 전면의 다른 면 뷰 데이터에 대한 이미지(들)을 캡처한다.
도 34는 도 33으로부터 계속되는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스(3400)이다. 3422에서, 전면 뷰 데이터가 캡처된다. 3406에서, 캡처 프로세스가 트리거되고, 3408에서, 차량의 전면 뷰의 이미지를 캡처한다. 3410에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3424에서, 우측 뷰 데이터가 수신된다. 3426, 3430에서, 손상 데이터가 수신된다. 3428에서, 트림 데이터가 수신된다. 3422에서, 전면 뷰 데이터가 캡처된다. 3412에서, 캡처 프로세스가 트리거되고, 3414에서, 차량의 후면 뷰의 이미지를 캡처한다. 3416에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3432에서, 후면 뷰 데이터가 수신된다.
도 35는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스(3500)이다. 3520, 3522에서, 후면 뷰 데이터가 캡처된다. 3502에서, 캡처 프로세스가 트리거되고, 3504에서, 차량의 전면 뷰 이미지를 캡처한다. 3506에서, 시스템(100)은 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3524에서, 후면 뷰 데이터가 수신된다. 3526, 3530에서, 손상 데이터가 수신된다. 3528에서, 트림 데이터가 수신된다. 3510에서, 프로세스는 차량의 후면 뷰 이미지를 캡처한다. 3512에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3532에서, 후면 뷰 데이터가 수신된다. 3524, 3536에서, 손상 데이터가 수신된다. 3514에서, 프로세스는 차량의 전면유리 이미지를 캡처한다. 3518에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다.
도 36은 도 35로부터 계속되는 캡처된 이미지들로부터 차량 메트릭들을 계산하기 위한 예시적인 프로세스(3600)이다. 3620에서, 전면유리 데이터가 수신된다. 3622에서, 유리에 대한 손상 데이터가 수신된다. 3606에서, 프로세스는 차량의 타이어들의 이미지를 캡처한다. 3610에서, 이미지 품질을 확인하여 이미지를 다시 찍을지 이미지를 승인할지 여부를 결정한다. 3624에서, 타이어 데이터가 수신된다. 3626에서, 타이어 상태 데이터가 수신된다. 3612에서, 공시 데이터가 수신된다. 3614에서, 공지 데이터가 수신된다. 3616에서, 타이머는 보고서 생성을 보여준다. 3618에서, 수리 비용 지표 등을 포함한 상태 보고서가 생성된다.
시스템(100)은 관련 발송 태스크들을 수행하도록 인식 엔진(120)을 효과적으로 훈련시키기 위해 관련 구조화 및 라벨링된 이미지 및 데이터를 수집한다. 시스템(100)은, 일부 실시예들에서, 에이전트들을 사용하여 입력 데이터를 제공하고 초기 단계 훈련 프로세스 동안 특정 태스크들에 대한 이미지들을 검토할 수 있다. 이 구조화된 데이터는 서로 다른 차량 메트릭들의 계산을 자동화하는 데 사용될 시스템의 100개의 신경망 모델들을 생성하는 데 필요한 훈련 데이터세트에 체계적으로 추가된다.
시스템(100)은 캡처된 이미지들로부터 서로 다른 차량 메트릭들을 계산할 수 있으며 이미지 캡처 프로세스 동안 인스트럭션들 및 피드백을 제공하기 위해 인터랙티브 가이드를 사용할 수 있다. 시스템(100)은 차량 메트릭들에 대한 입력 데이터를 수신하기 위해 동시에 다수의 에이전트들에 태스크들을 발송할 수 있다. 시스템(100)은 필요한 태스크를 검출하고 차량의 관련 이미지들과 함께 에이전트에게 태스크를 발송할 수 있다. 시스템(100)은 효율적인 데이터 캡처 프로세스를 위해 동시에 다수의 태스크들을 사용한다.
시스템(100)은 차량의 이미지들 및 캡처된 이미지들에 대한 메타데이터를 캡처할 수 있다. 인터페이스는 이미지들의 캡처를 돕는 인터랙티브 가이드를 디스플레이한다. 시스템(100)은 차량 유형에 대한 케이지를 사용하여 인터랙티브 가이드를 생성할 수 있으며 케이지는 차량의 위치들 또는 컴포넌트들을 정의한다. 차량 식별 번호는 캡처된 이미지들에 대한 메타데이터로 저장되며 차량 유형을 나타낸다. 시스템(100)은 캡처된 이미지들 및 메타데이터를 처리하여 차량의 결함들을 검출하고 차량 메트릭들을 계산할 수 있으며, 이 처리는 차량의 결함들을 검출하고 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하기 위해 에이전트 인터페이스로 발송되는 서로 다른 태스크들에 기초한다. 시스템(100)은 차량의 결함들의 수리를 위한 비용 데이터를 계산하기 위해 차량 메트릭들을 처리할 수 있다. 시스템(100)은 차량 메트릭들 및 비용 데이터를 사용하여 차량에 대한 시장 가치 추정치를 계산할 수 있다. 시스템(100)은 인터랙티브 가이드, 시장 가치 추정치, 비용 데이터 및 차량 메트릭들의 적어도 일부에 대응하는 시각적 요소들을 갖는 인터페이스를 생성할 수 있다.
일부 실시예들에서, 시스템(100)은 캡처된 이미지들에 대한 메타데이터로서 장치 식별자를 수신한다. 일부 실시예들에서, 시스템(100)은 케이지에 대응하는 인터랙티브 가이드를 생성하기 위해 차량 유형에 기초하여 차량 캡처 모듈을 동적으로 구성한다. 이는 오버레이일 수 있다. 일부 실시예들에서, 시스템(100)은 차량 식별 번호를 결정하기 위해 차량의 이미지를 캡처하거나 차량의 바코드를 스캔함으로써 차량 유형을 계산한다. 예를 들어, 차량 유형에 기초하여 인터랙티브 가이드를 트리거할 수 있다. 데이터의 캡처는 데이터의 추가 캡처를 안내하기 위해 인터페이스에 대한 업데이트들을 트리거할 수 있다.
일부 실시예들에서, 시스템(100)은 복수의 태스크들을 복수의 에이전트들에 동시에 발송하고, 각 태스크를 대응하는 에이전트에 발송함으로써 차량 메트릭들을 계산한다. 각 태스크는 캡처된 이미지들의 일부와 연관되어 해당 에이전트가 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하도록 디스플레이한다. 이 디스플레이는 캡처 프로세스를 안내하는 표시기들 또는 하이라이트들을 포함할 수 있다.
일부 실시예들에서, 시스템(100)은 캡처된 이미지들로부터 차량 식별 번호를 계산한다. 시스템(100)은 캡처된 이미지들로부터 차량 식별 번호가 성공적으로 계산될 수 없다고 결정 시 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되고, 이에 응답하여 인터랙티브 가이드에 대응하는 시각적 요소들로 인터페이스 애플리케이션을 업데이트하여 차량 식별 번호를 계산하기 위한 이미지를 다시 캡처한다. 이는 캡처 프로세스에 도움이 된다.
일부 실시예들에서, 시스템(100)은 캡처된 이미지들로부터 차량 식별 번호를 디코딩하여 차량 식별 번호를 계산하고, 차량 식별 번호를 자동으로 디코딩할 수 없는 경우, 응답으로 차량 식별 번호에 대한 입력 데이터를 수신하기 위해 캡처된 이미지들의 적어도 일부와 함께 에이전트에게 태스크를 발송한다. 캡처된 이미지들의 일부는 차량 식별 번호판에 표시된다.
일부 실시예들에서, 시스템(100)은 캡처된 이미지들로부터 내부 데이터를 계산한다. 인터페이스 애플리케이션은 캡처된 이미지들로부터 내부 데이터가 성공적으로 계산될 수 없다고 결정 시 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되고, 시스템(100)은 인터랙티브 가이드에 대응하는 시각적 요소들로 인터페이스 애플리케이션을 업데이트하여 내부 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 시스템(100)은 3개의 에이전트들에게 동시에 3개의 태스크들을 발송하여 내부 데이터를 계산하는데, 각 태스크는 서로 다른 에이전트에, 내부의 색상에 대한 제1 태스크, 내부의 전체 상태에 대한 제2 태스크, 내부의 변속기 유형에 대한 제3 태스크를 발송한다.
일부 실시예들에서, 시스템(100)은 캡처된 이미지들로부터 주행 데이터를 계산한다. 인터페이스 애플리케이션은 캡처된 이미지들로부터 주행 데이터가 성공적으로 계산될 수 없다고 결정 시 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되고, 이에 응답하여 시스템(100)은 인터랙티브 가이드에 대응하는 시각적 요소들로 인터페이스 애플리케이션을 업데이트하여 주행 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 시스템(100)은 캡처된 이미지들로부터 뷰 데이터를 계산한다. 인터페이스 애플리케이션은 캡처된 이미지들로부터 뷰 데이터가 성공적으로 계산될 수 없다고 결정 시 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되고, 이에 응답하여 시스템(100)은 인터랙티브 가이드에 대응하는 시각적 요소들로 인터페이스 애플리케이션을 업데이트하여 뷰 데이터를 계산하기 위한 이미지들을 다시 캡처하며, 뷰 데이터는 차량의 전면 뷰, 측면 뷰 및 후면 뷰에 대한 것이다.
일부 실시예들에서, 시스템(100)은 캡처된 이미지들로부터 전면유리 데이터를 계산한다. 인터페이스 애플리케이션은 캡처된 이미지들로부터 전면유리 데이터가 성공적으로 계산될 수 없다고 결정 시 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되고, 이에 응답하여 시스템(100)은 인터랙티브 가이드에 대응하는 시각적 요소들로 인터페이스 애플리케이션을 업데이트하여 전면유리 데이터를 계산하기 위한 이미지를 다시 캡처한다.
일부 실시예들에서, 시스템(100)은 캡처된 이미지들로부터 타이어 데이터를 계산한다. 시스템(100)은 캡처된 이미지들로부터 타이어 데이터가 성공적으로 계산될 수 없다고 결정 시 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되고, 이에 응답하여 시스템(100)은 인터랙티브 가이드에 대응하는 시각적 요소들로 인터페이스 애플리케이션을 업데이트하여 타이어 데이터를 계산하기 위한 이미지를 다시 캡처한다. 일부 실시예들에서, 시스템(100)은 이미지 캡처 프로세스를 용이하게 하기 위해 차량 모양에 대응하는 시각적 요소들을 생성한다. 일부 실시예들에서, 시스템(100)은 차량의 다른 파트들에 대응하는 시각적 요소들을 생성하여 메타데이터를 생성하며, 메타데이터는 이미지 상의 위치 및 대응하는 설명자 라벨을 나타낸다.
예시적인 차량 메트릭은 차량 식별 번호(VIN)이다. 인터랙티브 가이드는 운전자석의 문의 개구부 내에 위치될 수 있는 VIN판을 캡처하는 방법에 대한 사용자 지침을 포함할 수 있다.
도 37은 VIN 판의 이미지가 있는 예시적인 인터페이스(3700)이다.
시스템(100)은 먼저 바코드 및 QR 코드 판독기를 통해 (VIN 판의) 이미지를 전달함으로써 차량의 VIN의 캡처 및 디코딩을 자동화하려고 시도할 수 있다. 시스템(100)은 반환된 문자들에 대해 체크섬을 실행하여 캡처된 VIN이 유효한지를 결정할 수 있다. 그런 다음, 시스템(100)은 성공적으로 디코딩되면 트림, 내부 및 외부 색상, 추가 장비 옵션 등과 같은 이용 가능한 선택적 데이터와 함께 연도, 제조사, 모델과 같은 차량 메트릭들에 대한 데이터를 반환할 VIN 디코더로 이 VIN을 전달한다.
VIN이 이미지 프로세스를 통해 시스템(100)에 의해 자동으로 디코딩될 수 없는 경우, 시스템(100)은 하나 이상의 이미지들과 함께 태스크를 라이브 에이전트에 발송할 수 있다. 시스템(100)은 입력 데이터를 수신하기 위해 입력 데이터 필드들과 함께 태스크에 관련된 이미지들을 디스플레이하는 태스크 대시보드(예를 들어, 디스플레이된 이미지들에 표시된 차량 요소들과 관련됨)를 생성 및 채울 수 있다. 태스크 대시보드는 이미지의 VIN 판을 시각적으로 검사하고 입력 데이터 필드들에 데이터를 각각 입력하여 VIN의 문자들을 캡처하는 에이전트에 의해 사용될 수 있다. 대시보드는 또한 내부 트림 식별자 및 외부 트림 식별자와 같이 이미지(예를 들어, VIN 판의 이미지)에 포함될 수 있는 임의의 추가 라벨링을 입력하도록 에이전트를 촉구할 수 있다. 식별자는 VIN 디코더에 연결된 차량 옵션 데이터와의 일치를 기반으로 공장 색상 이름들을 자동으로 식별할 수 있다. 이러한 트림 코드들을 입력하고 캡처된 이미지에 묘사된 모든 VIN 판들에 대한 입력 데이터를 기반으로 이미지로부터 학습하는 이 태스크는 자동화된 기계 학습에 사용될 수 있다. 학습은 태스크와 관련된 올바른 배치 및 문자들을 식별하는 라벨링된 이미지들(이미지들에 표시된 아이템들을 나타내는 해당 메타데이터가 있는 이미지들)을 기반으로 할 수 있다.
다른 예시적인 차량 메트릭들은 내부 데이터와 관련된다.
시스템(100)은 차량에 대한 내부 데이터를 캡처하기 위해 서로 다른 태스크들을 사용할 수 있으며 서로 다른 에이전트들에 서로 다른 태스크들을 동시에 발송할 수 있다. 제1 에이전트는 제2 태스크를 수행하는 제2 에이전트와 동시에 제1 태스크를 수행할 수 있다. 각 에이전트는 태스크 대시보드에 액세스하여 이미지들(또는 그 일부들)을 보고 디스플레이 이미지를 기반으로 입력 데이터를 제공할 수 있다.
도 38은 내부 데이터의 예시적인 태스크(또는 에이전트) 대시보드(3800)이다. 대시보드 인터페이스는 입력 데이터를 수신하기 위한 서로 다른 입력 데이터 필드들과 함께 차량의 내부 이미지를 보여준다. 인터랙티브 가이드는 차량 내부의 이미지들을 캡처하도록 사용자에게 지침을 제공하는 시각적 요소들이 있을 수 있다.
시스템(100)은 서로 다른 내부 데이터를 캡처하기 위해 서로 다른 태스크들을 사용할 수 있다. 예시적인 내부 데이터는 색상, 상태 및 변속기 유형과 관련이 있다. 예를 들어, 차량 내부의 캡처된 이미지들과 관련된 서로 다른 내부 데이터를 캡처하는 세 가지 태스크들이 있을 수 있다. 시스템(100)은 각 에이전트에 의해 동시에 수행될 각 개별 작업 또는 태스크를 분리하고 발송할 수 있다. 시스템(100)은 태스크 대시보드 또는 에이전트 인터페이스로 동시에 발송하기 위해 각 태스크에 대한 관련 데이터 세트를 컴파일할 수 있다. 이 예의 경우, 에이전트 번호 1은 관련 VIN에 대해 반환된 색상 옵션들을 일치시켜 내부 색상을 확인하고 라벨링하는 태스크에 제공될 수 있다. 에이전트 번호 2가 배정되고 태스크를 발송하여 등급 허용 오차들 또는 등급 밴드들을 기반으로 내부의 전체 상태를 검사하고 식별한다. 에이전트 번호 3은 차량의 변속기 유형을 검증하고 라벨링하라는 요청을 받는다.
다른 예시적인 차량 메트릭들은 차량 계기판의 캡처된 이미지들로부터의 계기 데이터와 관련된다. 계기 데이터는 주행 데이터일 수 있다.
인터랙티브 가이드는 시각적 요소들로 업데이트하여 사용자에게 차량의 계기판의 이미지들을 캡처하도록 지시할 수 있다.
도 39는 계기 데이터 또는 주행 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드(3900)이다.
시스템(100)은 하나의 에이전트가 계기판을 검사하여 사진에 조명되는 주행 기록을 입력하고 주행 거리가 마일로 측정되는지 또는 킬로미터로 측정되는지를 나타내는 주행 거리계 유형을 식별하는 태스크를 생성할 수 있다. 작업 대시보드는 캡처 프로세스를 용이하게 하기 위해 이미지의 일부를 조명할 수 있다. 태스크 대시보드는 캡처 프로세스를 용이하게 하기 위해 이미지의 일부분들에 시각적 오버레이들을 사용할 수 있다.
다른 예시적인 차량 메트릭들은 차량 계기판의 캡처된 이미지들로부터의 뷰 데이터와 관련된다. 뷰 데이터는 측면 뷰 데이터, 전면 뷰 데이터, 후면 뷰 데이터 등일 수 있다.
예시적인 측면 뷰 데이터는 좌측 뷰 데이터 또는 우측 뷰 데이터일 수 있다. 인터랙티브 가이드는 시각적 요소들로 업데이트하여 사용자에게 지정된 각도들(예를 들어, 3개)로부터 차량의 좌측 뷰 또는 지정된 각도들(예를 들어, 3개)로부터 차량의 뷰의 이미지들을 캡처하도록 지시할 수 있다.
차량의 좌측 또는 우측 뷰는 몇몇 에이전트들에 의해 동시에 발송 및 수행되는 몇몇 특정 태스크들로 분리된다.
도 40은 서로 다른 뷰 데이터 메트릭들에 대한 입력 필드들을 갖는 예시적인 인터페이스(4000)이다. 도시된 예시적인 뷰 데이터는 품질 제어, 데이터 파트, 손상 차체, 손상 유리, 손상 휠 및 트림 식별자를 포함한다. 각 뷰 데이터 유형은 데이터 값 및 데이터 값의 시각적 표현 둘 다 인터페이스에 시각적으로 표시될 수 있는 해당 데이터 요소들을 갖는다.
도 41은 측면 뷰 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드(4100)이다. 대시보드는 예시적인 인터페이스이다. 인터페이스는 차량의 케이지에 해당하는 오버레이를 표시하도록 업데이트되는 인터랙티브 가이드를 갖는다. 케이지는 예를 들어 VIN을 기반으로 결정될 수 있는 차량 유형을 기반으로 할 수 있다. 케이지는 차량의 위치들 또는 컴포넌트들을 식별하기 위해 시스템(100)에 의해 사용될 수 있다. 에이전트는 차량의 이미지에 주석을 달기 위해 입력 데이터를 제공할 수 있다.
차량 손상에 대응할 수 있는 측면 뷰 데이터를 캡처하기 위한 서로 다른 예시적인 태스크들 및 에이전트들이 있다. 측면 뷰 데이터(또는 차량의 측면 뷰를 묘사하는 캡처된 이미지들)에 연결된 예시적인 데이터는 품질 제어, 데이터 파트, 손상 차체, 손상 유리, 손상 휠, 트림 식별자 등을 포함한다. 데이터는 서로 다른 태스크들 및 에이전트들에 연결될 수 있다. 예를 들어, 품질 제어 데이터를 캡처하는 것은 시스템(100)이 차량의 측면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하고, 에이전트는 이미지 품질 및 검사 적합성을 검증하기 위해 입력 데이터를 제공한다. 시스템(100)은 이미지를 정렬하고 (VIN으로부터의) 차량 모델과 일치하는 에이전트 대시보드에 미리 로드되는 특정 케이지를 설정할 수 있다. 예를 들어, 손상 파트 데이터를 캡처하는 것은 시스템(100)이 차량의 측면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하고, 에이전트는 검사 이미지를 제공하고 임의의 손상 파트들을 라벨링한다. 예를 들어, 손상 차체 데이터를 캡처하는 것은 시스템(100)이 차량의 측면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하며, 에이전트는 검사 이미지를 제공하고 차량의 차체에 대한 임의의 손상들을 라벨링한다. 케이지는 차량의 위치들 또는 컴포넌트들에 라벨들을 연결하는 데 사용될 수 있다. 시스템(100)은 차량의 이미지에 케이지의 이미지를 오버레이할 수 있다. 예를 들어, 손상 유리 데이터를 캡처하는 것은 시스템(100)이 차량의 측면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하며, 에이전트는 검사 이미지를 제공하고 차량의 유리에 대한 임의의 손상들을 라벨링한다. 케이지는 차량의 위치들 또는 컴포넌트들에 라벨들을 연결하는 데 사용될 수 있다. 다른 예로서, 손상 휠 데이터를 캡처하는 것은 시스템(100)이 차량의 측면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하며, 에이전트는 검사 이미지를 제공하고 차량의 휠들에 대한 임의의 손상들을 라벨링한다. 예를 들어, 트림 식별자 데이터를 캡처하는 것은 시스템(100)이 차량의 측면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하며, 에이전트는 차량과 관련된 특정 트림 또는 옵션 패키지들을 식별하기 위해 임의의 가시적인 배지 또는 기타 모델별 시각적으로 인식 가능한 방법들을 식별한다.
예시적인 뷰 데이터는 오른쪽 측면 뷰 데이터일 수 있다. 인터랙티브 가이드는 시각적 요소들로 업데이트하여 사용자에게 지정된 각도들(예를 들어, 3개)로부터 차량의 오른쪽 측면의 이미지들을 캡처하도록 지시할 수 있다. 예를 들어, 인터랙티브 가이드는 시각적 요소들로 업데이트하여 사용자에게 지정된 각도들로부터 차량의 오른쪽 측면 뷰의 이미지들을 캡처하도록 지시할 수 있다. 예를 들어, 오른쪽 뷰는 왼쪽 뷰와 동일하게 관리 및 발송될 수 있다.
예시적인 뷰 데이터는 전면 뷰 데이터일 수 있다. 인터랙티브 가이드는 시각적 요소들로 업데이트하여 사용자에게 지정된 각도들(예를 들어, 3개)로부터 차량의 전면 뷰의 이미지들을 캡처하도록 지시할 수 있다.
차량에 대한 전면 뷰 데이터 캡처 프로세스는 몇몇 에이전트들에 의해 동시에 발송 및 수행되는 몇몇 특정 태스크들로 분리된다. 예를 들어, 전면 뷰 데이터 캡처 프로세스는 몇몇 에이전트들에 의해 동시에 발송 및 수행되는 4개의 특정 태스크들로 분리될 수 있다.
도 42는 전면 뷰 데이터 메트릭들에 대한 입력 필드들을 갖는 예시적인 인터페이스(4200)이다. 도시된 예시적인 전면 뷰 데이터는 품질 제어, 데이터 파트, 손상 차체, 손상 유리 및 손상 휠을 포함한다. 각 유형의 전면 뷰 데이터(파트 와이퍼 암 전면, 차체 범퍼 전면, 차체 후드 전면)는 데이터 값 및 데이터 값의 시각적 표현 둘 다 인터페이스에서 시각적으로 표시될 수 있는 해당 데이터 요소들(칩이 있는 매체, 긁힌 매체, 함몰된 매체, 함몰 하이, 더러움 로우)이 있다.
전면 뷰 데이터에 대한 태스크(또는 에이전트) 대시 보드가 있을 수 있다. 인터페이스는 에이전트에게 특정 전면 뷰 데이터를 제공하도록 지시하도록 업데이트하는 인터랙티브 가이드를 갖는다.
차량에 대한 손상에 대응할 수 있는 전면 뷰 데이터를 캡처하기 위한 서로 다른 예시적인 태스크들 및 에이전트들이 있다. 전면 뷰 데이터(또는 차량의 측면 뷰를 묘사하는 캡처된 이미지들)에 연결된 예시적인 데이터는 품질 제어, 데이터 파트, 손상 차체, 손상 유리 등을 포함한다. 데이터는 서로 다른 태스크들 및 에이전트들에 연결될 수 있다. 예를 들어, 품질 제어 데이터를 캡처하는 것은 시스템(100)이 차량의 전면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하고, 에이전트는 이미지 품질 및 검사 적합성을 검증하기 위해 입력 데이터를 제공한다. 시스템(100)은 이미지를 정렬하고 (VIN으로부터의) 차량 모델과 일치하는 에이전트 대시보드에 미리 로드되는 특정 케이지를 설정할 수 있다. 예를 들어, 손상 파트 데이터를 캡처하는 것은 시스템(100)이 차량의 전면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하며, 에이전트는 검사 이미지를 제공하고 임의의 손상 파트들을 라벨링한다. 예를 들어, 손상 차체 데이터를 캡처하는 것은 시스템(100)이 차량의 전면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하며, 에이전트는 검사 이미지를 제공하고 차량의 차체에 대한 임의의 손상들을 라벨링한다. 케이지는 차량의 위치들 또는 컴포넌트들에 라벨들을 연결하는 데 사용될 수 있다. 시스템(100)은 차량의 이미지에 케이지의 이미지를 오버레이할 수 있다. 예를 들어, 손상 유리 데이터를 캡처하는 것은 시스템(100)이 차량의 전면 뷰의 이미지들을 디스플레이하기 위해 대시보드를 채우는 것을 포함하며, 에이전트는 검사 이미지를 제공하고 차량의 유리에 대한 임의의 손상들을 라벨링한다. 케이지는 차량의 위치들 또는 컴포넌트들에 라벨들을 연결하는 데 사용될 수 있다.
예시적인 뷰 데이터는 타이어 데이터일 수 있다. 인터랙티브 가이드는 시각적 요소들로 업데이트하여 사용자에게 지정된 각도들로부터 차량의 타이어들의 이미지들을 캡처하도록 지시할 수 있다. 예를 들어, 인터랙티브 가이드는 지정된 각도로부터 오른쪽 타이어 트레드의 이미지들을 캡처하도록 지시할 수 있다.
차량에 대한 타이어 데이터 캡처 프로세스는 에이전트들에 의해 동시에 발송 및 수행되는 하나 이상의 특정 태스크들로 분리될 수 있다. 타이어의 캡처된 이미지는 에이전트에게 발송되어 서로 다른 공차들을 기반으로 트레드 상태를 검사하고 라벨링할 수 있다.
도 43은 타이어 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드(4300)이다. 인터페이스는 에이전트에게 특정 타이어 데이터를 제공하도록 지시하도록 업데이트하는 인터랙티브 가이드를 갖는다.
예시적인 뷰 데이터는 후면 뷰 데이터일 수 있다. 인터랙티브 가이드는 시각적 요소들로 업데이트하여 사용자에게 지정된 각도들(예를 들어, 3개)로부터 차량의 후면 뷰의 이미지들을 캡처하도록 지시할 수 있다.
후면 뷰는 측면 뷰 데이터와 관련하여 설명된 바와 같이 식별하기 위해 발송되는 하나의 추가 태스크와 함께 전면 뷰 데이터와 관련하여 설명된 바와 같이 관리 및 발송된다.
예시적인 뷰 데이터는 전면유리 데이터일 수 있다. 인터랙티브 가이드는 시각적 요소들로 업데이트하여 사용자에게 지정된 각도(들)로부터 차량의 전면유리의 이미지들을 캡처하도록 지시할 수 있다.
도 44는 전면유리 데이터에 대한 예시적인 태스크(또는 에이전트) 대시보드(4400)이다. 인터페이스는 에이전트에게 특정 전면유리 데이터를 제공하도록 지시하도록 업데이트하는 인터랙티브 가이드를 갖는다.
차량에 대한 전면유리 데이터 캡처 프로세스는 에이전트들에 의해 동시에 발송 및 수행되는 하나 이상의 특정 태스크들로 분리될 수 있다. 전면유리의 캡처된 이미지는 서로 다른 허용 오차들에 따라 유리의 임의의 손상들을 검사하고 라벨링하기 위해 에이전트에게 발송될 수 있다.
도 45 및 46은 태스크(또는 에이전트) 대시보드에 대한 예시적인 인터페이스(4500, 4600)이다. 인터페이스는 차량에 대해 캡처된 데이터에 해당하는 서로 다른 시각적 요소들을 갖는다. 인터페이스는 또한 서로 다른 차량 메트릭들에 대한 입력 데이터를 수신하는 데이터 필드들을 포함한다. 인터페이스는 서로 다른 역할들에 해당하는 서로 다른 뷰들을 갖는다. 예를 들어, 인터페이스는 검사 매니저에 대한 뷰를 표시한다. 인터페이스는 서로 다른 차량 메트릭들을 나타낸다. 인터페이스는 에이전트가 완료할 하나 이상의 태스크들을 나타낼 수 있으며 데이터 캡처 프로세스를 지원하기 위해 태스크와 관련된 시각적 요소들을 디스플레이하도록 업데이트할 수 있다. 인터페이스는 태스크를 기반으로 이미지(또는 이미지의 일부)의 디스플레이를 최적화할 수 있다. 인터페이스는 일부 예들에서 케이지 오버레이를 디스플레이할 수 있다. 인터페이스는 일부 예들에서 이미지의 일부분들을 조명하거나 하이라이트할 수 있다. 검사 데이터는 해당 데이터 값들과 함께 차량에 대한 서로 다른 데이터 요소들을 포함한다. 예를 들어, 차량 휠 데이터는 왼쪽 앞 흠집 난 매체, 왼쪽 앞 얼룩을 나타낼 수 있다. 데이터는 서로 다른 컴포넌트들 및 위치들에 연결될 수 있다. 값은 예를 들어 손상 또는 공차를 나타낼 수 있다.
도 47은 차량에 대한 검출된 손상 또는 결함 목록을 포함할 수 있는 태스크(또는 에이전트) 대시보드에 대한 예시적인 인터페이스(4700)이다. 검출된 손상 데이터는 휠, 차체, 파트, 유리와 같은 그룹에 연결될 수 있다. 검출된 손상 데이터는 설명, 공차, 수리, 유닛 측정치를 가질 수 있다. 인터페이스는 차량에 대해 캡처된 데이터에 해당하는 서로 다른 시각적 요소들을 갖는다. 인터페이스는 서로 다른 등급 표준들에 해당하는 시각적 요소들을 가지며 서로 다른 등급 값들(2, D, 불량 상태)을 나타낼 수도 있다.
시스템(100)은 머신 비전 및 이미지 처리를 이용하여 중고차를 평가하고 중고차 구매 프로세스 전반에 걸쳐 발생하는 질문들을 해결할 수 있다. 인터페이스 애플리케이션(130)은 차량 인식 모듈들(132)을 사용하여 이미지 캡처 워크플로우를 용이하게 하기 위한 사용자 가이드들을 제공한다. 시스템(100)은 사용자에게 인터페이스 애플리케이션(130)을 안내하는 링크를 생성할 수 있다. 인터페이스 애플리케이션(130)은 사용자가 자동차 문을 열고 문 내부의 바코드를 스캔하도록 안내할 수 있다. 바코드는 차량 유형을 식별하는 데 사용될 수 있으며 시스템(100)은 해당 차량 데이터를 조회할 수 있다. 차량 캡처 모듈들(132)은 차량 유형에 기초하여 동적으로 구성될 수 있다. 시스템(100)은 주행 거리 및 결함들 또는 손상들과 같은 차량 메트릭들을 결정하기 위해 차량 이미지들을 처리할 수 있다. 차량 캡처 모듈들(132)은 자동차 시동 시 사운드 비트에 대한 오디오 데이터를 캡처하는 데 사용될 수 있다(엔진 문제 등을 나타낼 수 있음). 시스템(100)은 이미지 인식 엔진(120)을 사용하여 마크들 및 손상을 자동으로 검출한다.
시스템(100)은 이미지 처리를 위한 데이터베이스를 구축하기 위해 인식 엔진에 대한 관리 훈련을 구현할 수 있다. 예를 들어, 차량들의 이미지들은 훈련 프로세스에 대한 메타데이터로 라벨링될 수 있다. 메타데이터는 페인트 색상, 결함들, 손상 등을 나타낼 수 있다.
시스템(100)은 이미지의 선명도(예를 들어, 환경 조건들)를 확인하기 위해 이미지를 필터링 또는 전처리할 수 있으며, 인터페이스 애플리케이션(130)을 사용하여 사용자에게 피드백(어두워 보임, 자동차가 눈으로 덮여 있음)을 제공할 수 있다.
시스템(100)은 재조정된 가치 및 거래 가치를 포함하는 요약 감정 보고서를 생성한다. 시스템(100)은 시스템(100)을 재훈련하는데 사용될 수 있는 딜러로부터(예를 들어, CMS 데이터베이스로부터) 실제 거래 가치들을 수집할 수 있다. 수리 비용들은 훈련을 위해 시스템(100)에 피드백될 수 있다. 시스템(100)은 차량의 "계보"에 대한 데이터를 수집하고 이력 데이터를 사용하여 차량을 관리할 수 있다. 시스템(100)은 사용자가 매번 프로세스를 재시작할 필요가 없도록 API(124)를 사용하여 딜러(CRM)와 통합할 수 있다.
시스템(100)은 데이터 훈련을 위해 캡처되고 분류된 이미지들 및 사운드들의 데이터 모델들을 사용한다. 라이브 데이터 에이전트는 시스템(100)이 차량의 상태 및 세부 사항들을 평가할 때 장시간 지연을 일으키지 않고 다수의 에이전트들이 각 사용자 세션에 대한 태스크들을 공유할 수 있도록 발송 방법으로 인터페이스한다. 이 라이브 에이전트 인터페이스는 에이전트에 의해 쉽게 해석 및 구현될 수 있다. 인터페이스는 에이전트가 이미지들을 드래그 앤 드롭하거나 단순히 적절한 버튼들을 클릭함으로써 나타내는 것을 기반으로 특정 시나리오들을 자동으로 트리거한다.
차량의 상태를 평가하기 위한 이미지 인식을 사용하려면 시스템(100)이 차량 메트릭들을 자동으로 계산하고 그 모양 또는 특수 특성들에 의해 차량을 검출할 수 있어야 한다. 시스템(100)은 또한 차량의 특정 파트들을 인식할 수 있고, 특정 결함들 및 이러한 결함들의 심각도를 이해하고 인식할 필요가 있으며, 각각이 차량의 시장 가치에 구체적으로 어떻게 영향을 미치는지를 알아야 한다.
시스템(100)은 온라인 딜러 감정들에 사용될 수 있다. 시스템(100)은 대리점 또는 제조업체의 웹 사이트에서 사용되어 자동으로 생성된 가치로 보상 판매 차량을 평가하고 대체 차량 구매를 위한 또는 차량을 대리점에 직접 판매하기 위한 거래의 일부로 보상 판매를 제안하는 데 사용할 온라인 잠재 고객을 제공할 수 있다.
사용자는 웹 사이트의 링크를 클릭하여 사용자가 모바일 장치 상에 있는지 또는 컴퓨터에서 방문하는지 여부를 감지할 웹사이트 상의 링크를 클릭할 것이다. 사용자가 모바일 장치 상에 있는 경우 차량 캡처 모듈(132)은 장치의 새로운 브라우저에서 열고 인스트럭션들로 그들과 인사할 수 있다. 사용자가 컴퓨터 상에 있는 경우 시스템(100)은 사용자가 링크를 포함하는 시스템(100)으로부터 문자 메시지를 수신하기 위해 그들의 휴대 전화 번호를 입력하게 함으로써 SMS를 사용하여 그들에게 그들 장치에 대한 링크를 보낼 수 있다.
일단 인터페이스 애플리케이션(130)이 열리면, 사용자가 그들의 차량 주변을 걸어 다니고 처리될 필요한 이미지들 및 사운드들을 캡처하기 위해 그들의 장치 카메라 및 마이크에 액세스하는 제공된 모듈들을 사용하여 각 단계에 따라 적절한 뷰들을 캡처하도록 안내할 수 있다.
시스템(100)이 정보 및 결함들을 검출할 때 사용자는 이러한 발견들을 확인하도록 유도된다. 사용자가 임의의 정보나 결함들을 부정하는 경우 데이터는 상태 및 가치를 계산하는 데 사용되지 않지만, 이는 차량이 물리적으로 존재하는 경우 추가 검사가 가능하도록 대리점으로 전달된다.
프로세스의 종료 시 그리고 모든 이미지들 및 사운드들이 분석되었을 때, 시스템(100)은 그들의 차량에 대한 포괄적인 감정과 딜러가 차량을 거래하거나 판매할 때 그들에게 지불할 가치를 생성한다.
제공된 차량 세부 사항들, 상태 보고서 및 가치는 웹 사이트와 대리점의 고객 관리 시스템으로 전달되어 사용자가 제조 및 가격 모듈들과 같은 웹 사이트에 있는 다른 도구들에 대해 이 정보를 참조하도록 할 수 있으며 차량 정보는 이미 대리점에 채워져 있어 임의의 반복되는 프로세스들을 제거하기 위해 매장 방문 시 그들과 동반할 수 있다.
시스템은 차량 리스 반환에 사용될 수 있다. 리스 회사는 리스가 만료되는 리스 종료 절차의 일환으로 리스 차량을 반환하기 전에 자신의 차량 검사를 수행할 수 있도록 임차인에게 모바일 장치에 대한 링크를 보낼 것이다.
사용자는 리스 회사들이 리스 반환 검사를 완료하는 데 필요한 적절한 뷰들을 캡처하는 캡처 모듈들(132)을 통해 안내될 것이다. 사용자는 시스템이 검사를 완료하기 위해 이미지들을 분석할 때 검출된 임의의 정보 또는 결함들을 확인하도록 요청받을 것이다. 프로세스의 종료 시, 시스템(100)은 상태 보고서 및 그들이 차량을 반납할 때 지불되거나 수리되어야 할 손상들의 추정치를 생성할 수 있다.
시스템은 렌탈 차량 반환에 사용될 수 있다. 자동차 렌탈 회사는 렌탈 반환 절차의 일환으로 렌트 차량을 반환하기 전에 자신의 차량 검사를 수행할 수 있도록 임차인에게 모바일 장치에 대한 링크를 보낼 것이다.
사용자는 렌탈 반환 검사를 완료하는 데 필요한 적절한 뷰들을 캡처하는 캡처 모듈들(132)을 통해 안내될 것이다. 사용자는 시스템(100)이 검사를 완료하기 위해 이미지들을 분석할 때 검출된 임의의 정보 또는 결함들을 확인하도록 요청받을 것이다. 프로세스의 종료 시, 시스템(100)은 상태 보고서 및 그들이 차량을 반납할 때 지불되거나 수리될 손상들의 추정치를 생성할 수 있다.
시스템(100)은 차량 가입 반환에 사용될 수 있다. 라이드웨어 회사의 차량 가입은 차량 변경 절차의 일환으로 차량을 반환하기 전에 자신의 차량 검사를 수행할 수 있도록 가입자에게 모바일 장치에 대한 링크를 보낼 것이다. 사용자는 차량 반환 검사를 완료하는 데 필요한 적절한 뷰들을 캡처하는 캡처 모듈들(132)을 통해 안내될 것이다. 사용자는 시스템(100)이 검사를 완료하기 위해 이미지들을 분석할 때 검출된 임의의 정보 또는 결함들을 확인하도록 요청받을 것이다. 시스템(100)의 종료 시 차량을 반납할 때 지불되거나 수리되어야 할 손상들에 대한 상태 보고서 및 추정치를 생성한다.
시스템(100)은 온라인 경매 차량 예약에 사용될 수 있다. 판매자가 온라인으로 경매할 차량을 예약하면 그들은 캡처 모듈들(132)을 사용하여 차량의 검사를 완료하도록 안내하는 그들의 모바일 장치에 대한 링크를 수신할 것이다. 시스템(100)은 이미지들을 검사하여 차량의 상태에 대한 제3자 검증으로서 잠재적인 입찰자들 및 구매자들이 온라인으로 볼 수 있는 경매 목록을 첨부하도록 차량 검사 보고서를 완성할 것이다.
시스템(100)은 차량 온라인 시장 상태 검증에 사용될 수 있다. 판매자가 온라인 중고차 시장에 등록될 차량을 예약하면 그들은 캡처 모듈들(132)을 사용하여 차량의 검사를 완료하도록 안내될 그들의 모바일 장치에 대한 링크를 수신할 것이다. 시스템(100)은 이미지들을 검사하여 차량 상태의 제3자 검증으로서 잠재적인 구매자들이 온라인으로 볼 수 있는 시장 목록을 첨부하도록 차량 검사 보고서를 완성할 것이다.
논의는 본 발명의 주제의 많은 예시적인 실시예들을 제공한다. 각 실시예는 발명 요소들의 단일 조합을 나타내지만, 발명의 주제는 개시된 요소들의 모든 가능한 조합들을 포함하는 것으로 간주된다. 따라서, 일 실시예가 요소들 A, B 및 C를 포함하고 제2 실시예가 요소들 B 및 D를 포함하는 경우, 본 발명의 주제는 명시적으로 개시되지 않더라도 A, B, C 또는 D의 다른 나머지 조합들도 포함하는 것으로 간주된다.
본원에 설명된 장치들, 시스템들 및 방법들의 실시예들은 하드웨어 및 소프트웨어 둘 다의 조합으로 구현될 수 있다. 이들 실시예들은 프로그래밍 가능한 컴퓨터들에서 구현될 수 있으며, 각 컴퓨터는 적어도 하나의 프로세서, 데이터 저장 시스템(휘발성 메모리 또는 비휘발성 메모리 또는 기타 데이터 저장 요소들 또는 이들의 조합을 포함함), 및 적어도 하나의 통신 인터페이스를 포함한다.
프로그램 코드는 본원에 설명된 기능들을 수행하고 출력 정보를 생성하도록 입력 데이터에 적용된다. 출력 정보는 하나 이상의 출력 장치들에 적용된다. 일부 실시예들에서, 통신 인터페이스는 네트워크 통신 인터페이스일 수 있다. 요소들이 결합될 수 있는 실시예들에서, 통신 인터페이스는 프로세스 간 통신을 위한 것과 같은 소프트웨어 통신 인터페이스일 수 있다. 또 다른 실시예들에서, 하드웨어, 소프트웨어 및 이들의 조합으로 구현된 통신 인터페이스들의 조합이 있을 수 있다.
상술한 논의를 통해, 서버들, 서비스들, 인터페이스들, 포털들, 플랫폼들 또는 컴퓨팅 장치들로부터 형성된 기타 시스템들에 대한 수많은 참조가 이루어질 것이다. 이러한 용어들의 사용은 컴퓨터 판독 가능한 유형의, 비일시적 매체에 저장된 소프트웨어 인스트럭션들을 실행하도록 구성된 적어도 하나의 프로세서를 갖는 하나 이상의 컴퓨팅 장치들을 나타내는 것으로 간주된다는 것을 이해해야 한다. 예를 들어, 서버는 설명된 역할들, 책임들 또는 기능들을 수행하는 방식으로 웹 서버, 데이터베이스 서버 또는 기타 유형의 컴퓨터 서버로 동작하는 하나 이상의 컴퓨터들을 포함할 수 있다.
실시예들의 기술적 솔루션은 소프트웨어 제품의 형태일 수 있다. 소프트웨어 제품은 콤팩트 디스크 읽기 전용 메모리(CD-ROM), USB 플래시 디스크 또는 이동식 하드 디스크일 수 있는 비휘발성 또는 비일시적 저장 매체에 저장될 수 있다. 소프트웨어 제품은 컴퓨터 장치(개인용 컴퓨터, 서버 또는 네트워크 장치)가 실시예들에 의해 제공된 방법들을 실행할 수 있도록 하는 다수의 인스트럭션들을 포함한다.
본원에 설명된 실시예들은 컴퓨팅 장치들, 서버들, 수신기들, 송신기들, 프로세서들, 메모리, 디스플레이 및 네트워크들을 포함하는 물리적 컴퓨터 하드웨어에 의해 구현된다. 본원에 설명된 실시예들은 유용한 물리적 기계들 및 특별히 구성된 컴퓨터 하드웨어 배열들을 제공한다.
실시예들이 상세하게 설명되어 있지만, 다양한 변경들, 대체들 및 수정들이 본원에서 이루어질 수 있음을 이해해야 한다.
게다가, 본 출원의 범위는 명세서에 기술된 공정, 기계, 제조, 물질의 구성, 수단들, 방법들 및 단계들의 특정 실시예들로 제한되도록 의도되지 않는다.
이해할 수 있는 바와 같이, 상기에 설명되고 예시된 예들은 단지 예시적인 것으로 의도된다.
부록
시스템 API 차량 검사 및 등급 예
시스템(100)은 각 검사의 결과를 사용하여 3개의 특정 산업 표준 상태 보고 등급 밴드들을 갖는 차량을 지정한다. 여러 사용 사례들에 대한 산업 통합과 보다 효과적으로 통합된다. 시스템(100)은 각 검사에 대해 지정할 등급 밴드들을 결정하는 데 사용된 3개의 예시적인 산업 표준들을 이용한다. 이러한 두 시스템들은 시스템(100)의 API 클라이언트의 대부분에서 사용되는 표준들과 일치할 것이다. 시스템(100) API 내에서 복제된 3개의 표준들은 NAMA 등급 표준, NAAA 등급 표준 및 켈리 블루 북(Kelly Blue Book) 등급 시스템일 수 있다.
시스템(100)은 또한 각 차량을 검사할 때 BVRLA 페어 웨어 앤 티어(BVRLA Fair Wear & Tear) 가이드라인 및 허용 오차를 사용한다.
(출처: THE NATIONAL ASSOCIATION OF MOTOR AUCTIONS)
이 체제는 A 내지 E 또는 1 내지 5인, 5 가지 등급들로 구성된다. 심하게 사고로 손상되었거나 높은 수준의 수리가 필요한 차량에 대한 분류되지 않은 등급인, U도 있다. 또한 많은 경매 및 판매상들은 특정 자동차들이 마일리지가 매우 높거나 시장에 너무 오래되었을 경우 분류되지 않은 등급을 부여하기로 선택한다.
NAMA 등급 밴드들
차량은 SMART 수리(즉 경미한 스크래치 또는 함몰)가 필요한 경미한 내부 및 외부 결함들이 있을 수 있다. 경미한 교체 부품들도 필요할 수 있다. 이들은 모두 감정에 기록될 것이다.
다음의 조합:
ㆍ 경미한 수리, 예를 들어, 도장 손상 또는 유형 수리 시 접촉이 없는 작은 함몰
ㆍ 경미한 트림 아이템들(예를 들어, 견인 고리 커버)의 누락
예외:
ㆍ 도장이 필요한 모든 패널들
차량은 등급 1로 수리가 필요할 수 있으며, 개별 패널 또는 범퍼에 대해 최대 1회의 중대한 또는 경미한 차체 샵 수리가 필요할 수 있다. 보다 중요한 내부 또는 외부 트림 파트들(패널들 제외)을 교체해야 할 수도 있다. 이들은 모두 감정에 기록될 것이다.
ㆍ 1회의 중간 차체 수리 또는 1회의 중간 차체 샵 수리와 여러 번의 경미한 수리들의 조합
ㆍ 최대 7회의 경미한 수리들 또는 경미한 수리들과 작은 누락된 컴포넌트들의 조합이 있을 수 있다.
예외:
ㆍ 중간 차체 샵 수리가 1회 이상인 모든 차량
차량은 등급 1 및 등급 2로서의 수리들이 필요할 수 있으며, 최대 5회의 경미한 차체 샵 수리들, 3회의 중대한 차체 샵 수리들 또는 중대한 수리들과 경미한 수리들의 조합이 필요할 수 있다. 차량은 1회의 교체 범퍼가 필요할 수 있지만 2회는 필요하지 않을 수 있다. 이들은 모두 감정에 기록될 것이다.
ㆍ 최대 4회의 중간 차체 삽 수리
ㆍ 새 범퍼가 필요할 수 있지만 2회는 필요하지 않음.
ㆍ 최대 3회의 중대한 차체 샵 수리
차량은 등급 1, 2 및 3으로서의 수리들이 필요할 수 있다. 교체 패널을 포함한 수리 조합이 있을 수 있지만, 이는 지붕 및 쿼터 패널들과 같은 구조 패널들은 제외될 것이다. 이들은 모두 감정에 기록될 것이다.
ㆍ 단일의 중대한 수리 및 일부 중간 정도 및/또는 경미한 수리들
예외:
ㆍ 구조적 컴포넌트들에 대한 중대한 수리들; 예시적인 쿼터 지붕 수리
ㆍ 1회 이상의 중대한 수리
차량은 등급 1, 2, 3 및 4로서의 수리들이 필요할 수 있다. 수리의 조합이 있거나 차량이 최대 2개의 구조적 패널들을 교체해야 하는 경우(차량에 다른 손상이 없는 경우) 충돌 손상을 입었을 수 있다. 이들은 모두 감정에 기록될 것이다.
ㆍ 2회 이상의 중대한 수리들
예외:
ㆍ 5회 이상의 중대한 수리들
ㆍ 2회 이상의 구조적 수리들 또는 임의의 기타 손상이 있는 두 곳
ㆍ 최대 총 3500 점까지 위의 모든 조합
이 등급의 차량들은 단순히 감정하기에 비경제적이며 다음 범주 중 하나에 속한다: 중대한 사고 손상 주요 파트들 누락 여러 기록 아이템들(5 등급 기준 초과) 기록되지 않은 다수의 아이템들.
ㆍ 이 등급의 차량들은 단순히 감정하기에 비경제적이며 다음 범주 중 하나에 속함
중대한 사고 손상
ㆍ 주요 파트들 누락
ㆍ 등급 5의 기준을 초과하는 다수의 기록된 아이템들
ㆍ 다수의 기록되지 않은 아이테들
주의: 'U'등급의 사용은 등급 5 차량에 대해 기록될 수 있는 손상의 양을 제한하고 밴드를 더 타이트하게 유지한다.
컴포넌트/손상 심각도 점수
시스템(100)은 각 아이템을 손상_유형으로 라벨링할 때 검사 프로세스 동안 각 컴포넌트의 손상/심각도를 결정한다. 그런 다음, 시스템은 컴포넌트의 유형 및 손상_유형에 기초하여 가장 가능성이 높은 수리 방법을 결정하며, 이는 수리_유형을 지정하는 데 사용된다. 일단 시스템(100)이 이를 처리하면, 각 상태 보고서에 대한 등급 밴드를 계산하는 데 사용되는 (NAMA 및 켈리 블루 북 등급 시스템 지정하기 위해) 각 아이템에 대한 점수와 함께 수리_순서를 결정한다.
차량의 등급 밴드들은 차량 상태 보고서에 대한 각 표준, 아이템 점수 및 전체 등급에 의해 별도로 API에 반환된다.
수리_유형을 결정하는 데 사용된 시스템(100)의 수리 점수 및 방법은 다음과 같다:
컴포넌트별 손상 유형들:
파트:
스크래치가 있는 임의의 파트 컴포넌트들의 경우, 이들은 다음의 스크래치 크기의 심각도에 기초하여 라벨링된다.
Fault: Comment
"SCRATCHED_MINOR": "Has Minor Scratch ",
"SCRATCHED MEDIUM": "Has Medium Scratch",
Fault: Damaged
"SCRATCHED_MAJOR": "Has Major Scratch ",
Severity:
"SCRATCHED_MINOR": "Has Minor Scratch"
The part has a small scratch that can be touched up or buffed out.
Tolerance based on BVRLA standard:
Small areas of scratching are acceptable
Repair Method:
Report only
Repair Type:
INFO
Units of Measure:
Per Part
Grade Score:
0
"SCRATCHED_MEDIUM": "Has Medium Scratch"
파트에는 터치되거나 버핑될 수 있는 작은 스크래치가 있다.
Tolerance based on BVRLA standard:
Small areas of scratching are acceptable
Repair Method:
Report only
Repair Type:
INFO
Units of Measure:
Per Part
Grade Score:
0
"SCRATCHED_MAJOR": "Has Major Scratch"
파트에는 중대한 스크래치가 있으며 교체해야 할 수 있다.
Tolerance based on BVRLA standard:
Excessive chipping >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Part
Grade Score:
1
칩으로 조각난 임의의 파트 컴포넌트들의 경우, 이들은 다음의 칩 크기의 심각도에 기초하여 라벨링된다.
Fault: Comment
"CHIPPED_MINOR": "Has Minor Chip ",
"CHIPPED_MEDIUM"; "Has Medium Chip",
Fault: Damage
"CHIPPED_MAJOR": "Has Major Chip ",
Severity:
"CHIPPED_MINOR": "Has Minor Chip"
The part has a small chip that can be touched up with paint.
Tolerance based on BVRLA standard:
Small areas of chipping are acceptable
Repair Method:
Report only
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"CHIPPED_MEDIUM"; "Has Medium Chip"
파트에는 도장으로 터치될 수 있는 중간 칩이 있다.
Tolerance based on BVRLA standard:
Small areas of chipping are acceptable
Repair Method:
Report only
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"CHIPPED_MAJOR": "Has Major Chip"
파트에는 중대한 칩이 있으며 교체해야 할 수 있다.
Tolerance based on BVRLA standard:
Excessive chipping >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
함몰이 있는 임의의 파트 컴포넌트들의 경우, 이들은 다음의 함몰 크기의 심각도에 기초하여 라벨링된다.
Fault: Comment
"DENTED MINOR": "Has Minor Dent ",
Fault: Damage
"DENTED_MEDIUM": "Has Medium Dent ",
"DENTED_MAJOR"; "Has Major Dent",
Severity:
"DENTED_MINOR": "Has Minor Dent"
The part has a small dent and may require replacement.
Tolerance based on BVRLA standard:
<10mm (half inch) in diameter are acceptable providing there are no more than two per panel and the paint surface is not broken or on the roof / body style line
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DENTED_MEDIUM": "Has Medium Dent"
파트에는 중간 정도의 함몰이 있으며 교체해야 할 수 있다.
Tolerance based on BVRLA standard:
Excessive chipping >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"DENTED_MAJOR": "Has Major Dent"
파트에는 중대한 함몰이 있으며 교체해야 할 수 있다.
Tolerance based on BVRLA standard:
Excessive chipping >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
크랙이 있는 임의의 파트 컴포넌트들의 경우, 이들은 다음의 크랙 크기의 심각도에 기초하여 라벨링된다.
Fault: Damage
"CRACKED_MINOR": "Has Minor Crack",
"CRACKED_MEDIUM": "Has Medium Crack",
"CRACKED_MAJOR": "Has Major Crack",
"BROKEN": "Is Broken",
Severity:
"DENTED_MINOR": "Has Minor Dent"
The part has a small crack and may require replacement.
Tolerance based on BVRLA standard:
Excessive chipping >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"DENTED_MEDIUM": "Has Medium Dent"
파트에는 중간 정도의 크랙이 있으며 교체해야 할 수 있다.
Tolerance based on BVRLA standard:
Excessive chipping >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"DENTED_MAJOR": "Has Major Dent"
파트에는 중대한 크랙이 있으며 교체해야 할 수 있다.
Tolerance based on BVRLA standard:
Excessive chipping >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"BROKEN": "Is Broken"
파트가 파손되어 교체해야 한다.
Tolerance based on BVRLA standard:
Excessive chipping >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
부식된 임의의 파트 컴포넌트들의 경우, 이들은 다음의 부식 크기의 심각도에 기초하여 라벨링된다.
Fault: Comment
"RUSTED MINOR": "Has Minor Rust ",
Fault: Rust
"RUSTED_MEDIUM": "Has Medium Rust ",
"RUSTED_MAJOR": "Has Major Rust",
Severity:
"RUSTED_MINOR": "Has Minor Rust"
The part has a small area of rust and may be cleaned off.
Tolerance based on BVRLA standard:
Small areas of rust are acceptable
Repair Method:
Report only
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"RUSTED_MEDIUM": "Has Medium Rust"
파트는 중간 양의 부식이 있으며 교체해야 할 수 있다.
Tolerance based on BVRLA standard:
Excessive mst >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"RUSTED_MAJOR": "Has Major Rust"
파트에는 중대한 부식이 있으며 교체해야 한다.
Tolerance based on BVRLA standard:
Excessive mst >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
더러운 부분이 있는 임의의 파트 컴포넌트들의 경우, 이들은 다음의 더러운 정도의 양의 심각도에 기초하여 라벨링된다.
Fault: Comment
"DIRTY_MINOR": "Is Slightly Dirty",
"DIRTY_MEDIUM": "Is Medium Dirty",
"DIRTY_MAJOR": "Is Major Dirty",
Severity:
"DIRTY_MINOR": "Is Slightly Dirty"
The part has a small area of dirt and may be cleaned off.
Tolerance based on BVRLA standard:
Does not apply to dirt, mud or snow covered parts.
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DIRTY_MEDIUM": "Is Medium Dirty"
파트에는 중간 정도 양의 더러움이 있으며 검사되지 않을 수 있다.
Tolerance based on BVRLA standard:
Does not apply to dirt, mud or snow covered parts.
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DIRTY_MAJOR": "Is Major Dirty"
파트에는 상당한 양의 더러움이 있으며 검사되지 않을 수 있다.
Tolerance based on BVRLA standard:
Does not apply to dirt, mud or snow covered parts.
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
임의의 파트 컴포넌트에 다른 문제들이 있는 경우, 문제의 심각도에 기초하여 라벨링된다.
Fault: Damage
"TAPPED_REPIAR": "Is Held By Tape ",
"MISSING": "Is Missing",
"WORN": "Shows Signs Of Wear",
"BURNT": "Has Burn Hole",
"TORN": "Has A Tear",
"ROAD_PAINT": "Is Covered With Road Paint",
"FOGGY": "Is Dull And Foggy",
Severity:
"TAPPED_REPIAR": "Is Held By Tape"
The part has tape holding it into place and needs to be replaced.
Tolerance based on BVRLA standard:
Excessive rust >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"MISSING": "Is Missing"
파트에는 누락이 있고 교체되어야 한다.
Tolerance based on BVRLA standard:
Excessive mst >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"WORN": "Shows Signs Of Wear"
파트에는 마모의 징후가 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Excessive rust >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"BURNT": "Has Burn Hole"
파트에는 범 홀(bum hole)이 있고 교체되어야 한다.
Tolerance based on BVRLA standard:
Excessive rust >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"ROAD_PAINT": "Is Covered With Road Paint"
파트에는 도로 동작으로 덮여 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Excessive rust >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"FOGGY": "Is Dull And Foggy"
파트에는 두감하고 흐릿하며 교체되어야 한다.
Tolerance based on BVRLA standard:
Excessive mst >4 on any panel, 6 per door edge and 8 on any forward-facing panel are not acceptable.
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
차체:
차체 컴포넌트들 상의 함몰들은 다음의 함몰의 심각도에 기초하여 라벨링된다.
Fault: Comment
"DENTED_MINOR": "Has Minor Dent",
Fault: Damage
"DENTED_MEDIUM": "Has Medium Dent",
"DENTED_MAJOR": "Has Major Dent",
"COLLISION_DAMAGE": "Has Collision Damage",
Severity:
"DENTED_MINOR": "Has Minor Dent"
The dent is less than 1 inch in size.
Tolerance based on BVRLA standard:
<10mm (half inch) in diameter are acceptable providing there are no more than two per panel and the paint surface is not broken or on the roof / body style line.
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Item
Grade Score:
0
"DENTED_MEDIUM": "Has Medium Dent"
함몰 부분은 크기가 1 인치 이상에서 최대 4 인치이며 경미한 차체 샵 수리가 필요한 일부 도장 손상이 있을 수도 있고 없을 수도 있다.
Tolerance based on BVRLA standard:
>10mm (half inch) in diameter and less than 100mm (4 inches) with no paint damage and not to roof / body style line.
Repair Method:
PDR (Cold Metal Repair)
Repair Type:
SMART Repair
Units of Measure:
Per Item
Grade Score:
1
"DENTED_MAJOR": "Has Major Dent"
함몰 부분은 크기가 4 인치 이상이며 컴포넌트를 교체하거나 차체 샵에 의해 완전히 표면 처리가 다시 되고 도장되어야 할 수 있다.
Tolerance based on BVRLA standard:
>10mm (half inch) or where the paint surface is broken, >25mm (1 inch) or where the primer or bare metal is showing.
Repair Method:
Repair & Refinish
Repair Type:
Minor Body Shop Repair
Units of Measure:
Per Component
Grade Score:
3
"COLLISION_DAMAGE": "Has Collision Damage",
함몰 부분은 충돌로 인한 손상이며 컴포넌트를 교체하거나 차체 샵에 의해 완전히 표면 처리가 다시 되거나 도장되어야 한다.
Tolerance based on BVRLA standard:
>10mm (half inch) or where the paint surface is broken, >25mm (1 inch) or where the primer or bare metal is showing.
Repair Method:
Replace
Repair Type:
Major Body Shop Repair
Units of Measure:
Per Component
Grade Score:
5
차체 컴포넌트들 상의 스크래치들은 다음의 함몰의 심각도에 기초하여 라벨링된다.
Fault: Comment
"PAINT_SCUFF": "Is Scuffed With Other Color Of Paint",
"SCRATCHED MINOR": "Has Minor Scratch",
Fault: Scratched
"SCRATCHED MEDIUM": "Has Medium Scratch ",
Fault: Damage
"SCRATCHED_MAJOR": "Has Major Scratch ",
Severity:
"SCRATCHED_MINOR": "Has Minor Scratch"
The scratch is less than 1 inch in size.
Tolerance based on BVRLA standard:
<25mm (1 inch) where no primer or bare metal is showing / any surface scratches
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Item
Grade Score:
0
"PAINT_SCUFF": "Is Scuffed With Other Color Of Paint",
스크래치가 아닐 수 있으며 컴포넌트에 문질러진 다른 오브젝트 또는 차량의 도장이며 손으로 닦을 수 있다.
Tolerance based on BVRLA standard:
<25mm (1 inch) where no primer or bare metal is showing / any surface scratches
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Item
Grade Score:
0
"SCRATCHED_MEDIUM": "Has Medium Scratch"
스크래치의 크기가 1 인치 이상에서 최대 4 인치이며 경미한 차체 샵 수리가 필요한 일부 도장 손상이 있을 수도 있고 없을 수도 있다.
Tolerance based on BVRLA standard:
>25mm (1 inch) or where the primer or bare metal is showing
Repair Method:
Refinish
Repair Type:
Minor Body Shop Repair
Units of Measure:
Per Item
Grade Score:
3
"SCRATCHED_MAJOR": "Has Major Scratch"
스크래치는 크기가 4 인치 이상이며 컴포넌트를 차체 샵에 의해 완전히 표면 처리가 다시 되고 도장되어야 할 수 있다.
Tolerance based on BVRLA standard:
Excessive Damage
Repair Method:
Replace
Repair Type:
Major Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
차체 컴포넌트들 상의 부식은 다음의 부식의 심각도에 기초하여 라벨링된다.
Fault: Comment
"RUSTED_MINOR ": "Has Minor Rust ", = INFO
Fault: Damage
"RUSTED MEDIUM": "Has Medium Rust", = Minor Body Shop Repair
"RUSTED MAJOR": "Has Major Rust", = Major Body Shop Repair
Severity:
"RUSTED_MINOR ": "Has Minor Rust"
The rust covers less than 1 inch in size and can be touched up without going to a body shop.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Item
Grade Score:
0
"RUSTED_MEDIUM": "Has Medium Rust"
부식 부분은 1 인치 이상을 덮고 크기는 4 인치 미만이다. 다시 표면을 칠하고 도장하기 위해 차체 샵이 필요하다.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Repair & Refinish
Repair Type:
Minor Body Shop Repair
Units of Measure:
Per Component
Grade Score:
3
"RUSTED_MAJOR ": "Has Major Rust"
부식은 4 인치 이상을 덮고 컴포넌트를 교체 및 도장하기 위해 차체 샵이 필요하다.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Repair & Refinish
Repair Type:
Major Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
차체 컴포넌트들 상의 다른 문제들은 문제의 심각도에 기초하여 라벨링된다.
Fault: Comment
"FOGGY": "Is Dull And Foggy",
"DIRTY_MINOR": "Is Slightly Dirty",
"DIRTY_MEDIUM": "Is Medium Dirty",
"DIRTY_MAJOR": "Is Major Dirty",
Fault: Damage
"OXIDIZED_PAINT": "Paint Is Oxidized or Faded",
"ROAD_TAR": "Has Road Tar Stain",
"ROAD_PAINT": "Is Covered With Road Paint",
"WORN": "Shows Signs Of Wear",
"MISSING": "Is Missing",
"TAPPED_REPIAR": "Is Held By Tape",
"BROKEN": "Is Broken",
"WRONG COLOR": "Paint Does Not Match",
Severity:
"FOGGY": "Is Dull And Foggy"
The paint is not glossy and may have been poorly repainted. May only need to be buffed.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DIRTY_MINOR": "Is Slightly Dirty"
컴포넌트가 약간 더럽고 검사가 일부 결함들을 검출하지 못할 수 있다.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DIRTY_MEDIUM": "Is Medium Dirty"
부품이 중간 정도 더럽고 검사에서 결함들을 검출할 수 없다.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DIRTY_MAJOR": "Is Majorly Dirty"
컴포넌트가 중대한 더러움이 있고 검사에서 결함들을 검출할 수 없다.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"OXIDIZED_PAINT": "Paint Is Oxidized or Faded"
컴포넌트들이 흐릿하고 노출로 인해 색상이나 도장이 손실된 영역들이 있을 수 있다. 차체 재도장이나 수리가 필요할 수 있다.
Tolerance based on BVRLA standard:
Excessive Damage
Repair Method:
Repair & Refinish
Repair Type:
Minor Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
"ROAD_TAR": "Has Road Tar Stain"
컴포넌트가 검은색 로드 타르로 덮여 있다. 차체 수리 또는 재도장이 필요할 수 있다.
Tolerance based on BVRLA standard:
Excessive Damage
Repair Method:
Repair & Refinish
Repair Type:
Minor Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
"ROAD_PAINT": "Is Covered With Road Paint"
컴포넌트가 흰색 또는 노란색 도로 페인트로 덮여 있다. 차체 샵 수리 또는 재도장이 필요할 수 있다.
Tolerance based on BVRLA standard:
Excessive Damage
Repair Method:
Repair & Refinish
Repair Type:
Minor Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
"WORN": "Shows Signs Of Wear"
도장이 흐릿하고 낡아 보인다. 차체 수리 또는 재도장이 필요할 수 있다.
Tolerance based on BVRLA standard:
Excessive Damage
Repair Method:
Repair & Refinish
Repair Type:
Minor Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
"MISSING": "Is Missing"
차체 파트는 더 이상 차량에 없으며 교체 및 도장을 위한 차체 샵이 필요하다.
Tolerance based on BVRLA standard:
Excessive Damage
Repair Method:
Replace
Repair Type:
Major Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
"TAPPED_REPIAR": "Is Held By Tape"
차체 파트가 테이프로 고정되어 있으며 차체 샵에서 교체 및 도장되어야 할 수 있다.
Tolerance based on BVRLA standard:
Excessive Damage
Repair Method:
Replace
Repair Type:
Major Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
"BROKEN": "Is Broken"
차체 컴포넌트가 손상되어 차체 샵에서 교체 및 도장되어야 한다.
Tolerance based on BVRLA standard:
Excessive Damage
Repair Method:
Replace
Repair Type:
Major Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
WRONG_COLOR": "Paint Does Not Match"
차체 컴포넌트는 이전에 잘못 도장된 흔적들이 보이며 차체 샵에서 재도장 되어야 한다.
Tolerance based on BVRLA standard:
Excessive Damage
Repair Method:
Repair & Refinish
Repair Type:
Minor Body Shop Repair
Units of Measure:
Per Component
Grade Score:
4
유리:
차체 컴포넌트들 상의 스크래치들은 스크래치의 심각도에 기초하여 라벨링된다.
Fault: Comment
"SCRATCHED MINOR": "Glass Has Minor Scratch ",
Fault: Damage
"SCRATCHED_MEDIUM": "Glass Has Medium Scratch ",
"SCRATCHED_MAJOR": "Glass Has Major Scratch",
Severity:
"SCRATCHED_MINOR": "Glass Has Minor Scratch"
The glass has minor scratching that may buff out.
Tolerance based on BVRLA standard:
Repaired scratches are acceptable provided they are done to a professional standard
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Item
Grade Score:
0
"SCRATCHED_MEDIUM": "Glass Has Medium Scratch"
유리에 약간의 스크래치가 있으며 전문적으로 수리되어야 한다.
Tolerance based on BVRLA standard
Unrepaired chips, cracks or holes up to 10mm (half inch) are not acceptable
Repair Method:
Glass Repair
Repair Type:
SMART Repair
Units of Measure:
Per Item
Grade Score:
3
"SCRATCHED_MAJOR ": "Glass Has Major Scratch"
유리에는 중대한 스크래치가 있으며 교체되어야 한다.
Tolerance based on BVRLA standard
Unrepaired chips, cracks or holes up to 10mm (half inch) are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
유리 컴포넌트들 상의 칩들은 칩의 심각도에 기초하여 라벨링된다.
Fault: Comment
"CHIPPED_MINOR": "Glass Has Minor Chip",
Fault: Chips/Cracks
"CHIPPED_MEDIUM": "Glass Has Medium Chip",
"CHIPPED_MAJOR": "Glass Has Major Chip",
Severity:
CHIPPED_MINOR ": "Glass Has Minor Chip"
The glass has minor chip and may need to be replaced.
Tolerance based on BVRLA standard:
Repaired chips are acceptable provided they are done to a professional standard
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Item
Grade Score:
0
"CHIPPED_MEDIUM": "Glass Has Medium Chip"
유리에는 중간 정도의 칩이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Unrepaired chips, cracks or holes up to 10mm (half inch) are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
"CHIPPED_MAJOR": "Glass Has Major Chip"
유리에는 중대한 칩이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Unrepaired chips, cracks or holes up to 10mm (half inch) are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
유리 컴포넌트들 상의 크랙들은 크랙의 심각도에 기초하여 라벨링된다.
Fault: Chips/Cracks
"BROKEN": "Glass Is Broken ",
"CRACKED_MINOR": "Glass Has Minor Crack",
"CRACKED_MEDIUM": "Glass Has Medium Crack",
"CRACKED_MAJOR": "Glass Has Major Crack",
Severity:
"BROKEN": "Glass Is Broken"
The glass is broken and needs to be replaced.
Tolerance based on BVRLA standard:
Unrepaired chips, cracks or holes up to 10mm (half inch) are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
"CRACKED_MINOR": "Glass Has Minor Crack"
유리에는 경미한 크랙이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Unrepaired chips, cracks or holes up to 10mm (half inch) are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
CRACKED_MEDIUM": "Glass Has Medium Crack"
유리에는 중간 정도의 크랙이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Unrepaired chips, cracks or holes up to 10mm (half inch) are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
"CRACKED_MAJOR": "Glass Has Major Crack"
유리에는 중대한 크랙이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Unrepaired chips, cracks or holes up to 10mm (half inch) are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
유리 컴포넌트들 상의 더러움은 더러움의 심각도에 기초하여 라벨링된다.
Fault: Comment
"DIRTY_MINOR": "Glass Is Slightly Dirty",
"DIRTY_MEDIUM": "Glass Is Medium Dirty",
"DIRTY_MAJOR": "Glass Is Major Dirty",
Severity:
"DIRTY_MINOR": "Glass Is Slightly Dirty"
The glass is covered with a minor amount of dirt, mud or snow and cannot be inspected.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DIRTY_MEDIUM": "Glass Is Medium Dirty"
유리는 중간 정도 양의 더러움, 머드 또는 눈으로 덮여 있으며 검사될 수 없다.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DIRTY_MAJOR": "Glass Is Major Dirty"
유리는 상당한의 양의 더러움, 머드 또는 눈으로 덮여 있으며 검사될 수 없다.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
유리 컴포넌트들에 있는 다른 문제들은 문제의 심각도에 기초하여 라벨링된다.
Fault: Comment
"TAPPED_REPIAR": "Glass Is Held By Tape ",
"FOGGY": "Glass Is Dull And Foggy",
Fault: Damage
"MISSING": "Glass Is Missing",
"ROAD PAINT": "Glass Is Covered With Road Paint",
Severity:
"TAPPED_REPIAR ": "Glass Is Held By Tape"
The glass is held on by tape, new glass may have been recently installed or glass may need to be replaced.
Tolerance based on BVRLA standard:
Lens Holes, cracked or damaged are not acceptable
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"MISSING": "Glass Is Missing"
유리에는 누락이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Lens Holes, cracked or damaged are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
"ROAD PAINT": "Glass Is Covered With Road Paint"
유리는 흰색 또는 노란 도로 페인트로 덮여 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Lens Holes, cracked or damaged are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
"FOGGY": "Glass Is Dull And Foggy"
유리는 흐릿하고 뿌옇게 되어 있으며 버핑이 필요할 수 있거나 교체되어야 한다.
Tolerance based on BVRLA standard:
Lens Holes, cracked or damaged are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
휠:
Fault: Scuffs/Gouged
휠 또는 림 컴포넌트들 상의 흠집들은 흠집의 심각도에 따라 라벨링된다.
Fault: Comment
"SCUFFED MINOR": "Has Minor Scuff",
Fault: Damage
"SCUFFED_MEDIUM": "Has Medium Scuff",
"SCUFFED_MAJOR": "Has Major Scuff",
Severity:
"SCUFFED_MINOR": "Has Minor Scuff"
The wheel has minor scuffing that requires wheel resurfacing.
Tolerance based on BVRLA standard:
<50mm (2 inches) on the total wheel circumference and where no damage is on the wheel spokes
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"SCUFFED_MEDIUM": "Has Medium Scuff"
휠에는 휠의 표면 처리 다시하는 것이 필요한 중간 정도의 흠집이 있다.
Tolerance based on BVRLA standard:
>50mm (2 inches) on the total wheel circumference or where there is any damage to the wheel spokes
Repair Method:
Specialist Repair
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"SCUFFED_MAJOR ": "Has Major Scuff"
휠에는 중대한 흠집이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Dents and holes on wheel rims are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
2
Fault: Scuffs/Gouged
휠 또는 림 컴포넌트들 상의 칩들은 칩의 심각도에 기초하여 라벨링된다.
Fault: Comment
"CHIPPED_MINOR": "Has Minor Chip ",
Fault: Damage
"CHIPPED_MEDIUM": "Has Medium Chip",
"CHIPPED_MAJOR": "Has Major Chip",
"CRACKED": "Wheel Cover Is Cracked"
Severity:
"CHIPPED_MINOR": "Has Minor Chip"
The wheel has minor chipping that requires wheel resurfacing.
Tolerance based on BVRLA standard:
<50mm (2 inches) on the total wheel circumference and where no damage is on the wheel spokes
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"CHIPPED_MEDIUM": "Has Medium Chip"
휠에는 휠의 표면 처리를 다시하는 것이 필요한 중간 정도의 칩이 있다.
Tolerance based on BVRLA standard:
>50mm (2 inches) on the total wheel circumference or where there is any damage to the wheel spokes
Repair Method:
Specialist Repair
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
1
"CHIPPED_MAJOR": "Has Major Chip"
휠에는 중대한 칩이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Dents and holes on wheel rims are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
2
"CRACKED": "Wheel Cover Is Cracked"
휠에는 크랙이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Dents and holes on wheel rims are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
2
Fault: Comment
휠 또는 림 컴포넌트들 상의 더러움은 더러움의 심각도에 기초하여 라벨링된다.
"DIRTY_MINOR "; "Is Slightly Dirty",
"DIRTY_MEDIUM": "Is Medium Dirty",
"DIRTY_MAJOR": "Is Major Dirty",
Severity:
"DIRTY_MINOR": "Is Slightly Dirty"
The wheel has minor dirt that prevents being inspected.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DIRTY_MEDIUM": "Is Medium Dirty"
휠에는 검사를 방해하는 중간 정도 양의 더러움, 머드 또는 눈이 있다.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"DIRTY_MAJOR": "Is Major Dirty"
휠에는 검사를 방해하는 많은 양의 더러움, 머드 눈이 있다.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
휠 또는 림 컴포넌트들 상의 다른 문제들은 문제의 심각도에 기초하여 라벨링된다.
Fault: Comment
"WINTER RIM": "Is A Winter Rim ",
Fault: Damage
"MISSING_CENTER_CAP": "Is Missing Center Cap ",
"ROAD PAINT": "Is Covered With Road Paint",
"FOGGY": "Is Dull And Foggy"
Severity:
"WINTER_RIM": "Is A Winter Rim"
The wheel is a temporary winter rim and should be replaced with original factory wheels.
Tolerance based on BVRLA standard:
Not covered in BVRLA
Repair Method:
Report
Repair Type:
INFO
Grade Score:
0
"MISSING_CENTER_CAP": "Is Missing Center Cap"
휠에는 중심 캡에 누락이 있으며 교체되어야 한다.
Tolerance based on BVRLA standard:
Missing wheel trims are not acceptable
Repair Method:
Replace
Units of Measure:
Per Component
Grade Score:
2
"ROAD_PAINT": "Is Covered With Road Paint"
휠에는 흰색 또는 노란 도로 페인트로 덮여 있으며 표면 처리가 다시 되어야 한다.
Tolerance based on BVRLA standard:
Missing wheel trims are not acceptable
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
2
"FOGGY": "Is Dull And Foggy"
휠 표면은 흐릿하고 뿌옇게 되어 있으며 표면 처리가 다시 되어야 한다.
Tolerance based on BVRLA standard:
>50mm (2 inches) on the total wheel circumference or where there is any damage to the wheel spokes
Repair Method:
Specialist Repair
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
2
타이어:
타이어들 상의 마모는 트레드 마모의 심각도에 기초하여 라벨링된다.
Fault: Worn
"WORN_MINOR": "Is Slightly Worn ",
Fault: Damage
"WORN_MEDIUM": "Is Medium Worn ",
"WORN_MAJOR": "Is Majorly Worn",
Severity:
"WORN_MINOR": "Is Slightly Worn"
Shows signs of slight wear is should not need replacing.
Tolerance based on BVRLA standard:
All tires, including any spare, must meet minimum UK/Canada/USA legal requirements
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"WORN_MEDIUM": "Is Medium Worn"
중간 정도의 마모의 징후들이 보이며 교체해야 할 수 있다.
Tolerance based on BVRLA standard:
All tires, including any spare, must meet minimum UK/Canada/USA legal requirements
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
"WORN_MAJOR": "Is Majorly Worn"
중대한 마모의 징후들이 보이며 교체할 필요가 있다.
Tolerance based on BVRLA standard:
All tires, including any spare, must meet minimum UK/Canada/USA legal requirements
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
타이어들에 있는 다른 문제들은 문제의 심각도에 기초하여 라벨링된다.
Fault: Comment
"LIKE NEW": "Tire Is Good",
Fault: Damage
"BULGED": "Has Protrusion On Sidewall",
Fault: Incorrect Size/Spec
"MISSMATCH TIRE": "Tire Brand Does Not Match ",
Severity:
"LIKE_NEW": "Tire Is Good"
Shows signs of being recently replaced.
Tolerance based on BVRLA standard:
All tires, including any spare, must meet minimum UK/Canada/USA legal requirements
Repair Method:
Report
Repair Type:
INFO
Units of Measure:
Per Component
Grade Score:
0
"WINTER_TREAD"; "Is A Winter Tire"
겨울 또는 머드 타이어의 징후들을 보이며 교체가 필요할 수 있다.
Tolerance based on BVRLA standard:
All tires, including any spare, must meet minimum UK/Canada/USA legal requirements
Repair Method:
Report
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
0
"BULGED": "Has Protrusion On Sidewall"
측벽에 불룩 나온 부분이 있어 교체해야 한다.
Tolerance based on BVRLA standard:
There must be no damage to sidewall or tread
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
"WEATHER_CRACKED": "Tread Is Weather Cracked"
날씨로 인한 크랙의 징후를 보이며 교체가 필요하다.
Tolerance based on BVRLA standard:
All tires, including any spare, must meet minimum UK/Canada/USA legal requirements
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
"MISSMATCH_TIRE": "Tire Brand Does Not Match"
브랜드가 다른 타이어들과 일치하지 않으며 교체해야 한다.
Tolerance based on BVRLA standard:
All tires, including any spare, must comply with the vehicle manufacturer recommendation of tire type, size and speed rating
Repair Method:
Replace
Repair Type:
SMART Repair
Units of Measure:
Per Component
Grade Score:
3
시스템 등급 매트릭스:
일단 시스템(100)이 검사를 완료하고 손상의 유형, 그 심각도 및 이것이 측정된 각 아이템 또는 컴포넌트에 적용할 등급 점수에 어떤 영향을 미치는지를 결정하면, 다음 매트릭스를 사용하여 각 검사에 대해 세 가지 등급 표준들을 적용한다; 다음의 파라미터들에 기초하는, 숫자로서의 NAAA, 문자로서의 NAMA 및 테스트로서의 장부가액.
| NAAA 차량 상태 등급 스케일 | NAMA 차량 상태 등급 스케일 http://www.nama-uk.com/ |
장부가액 등급 스케일 | 아이템 점수당 최대 등급 | 차량 검사 당 최대 총 등급 점수 |
| 5 | A | 엑설런트 | 0 | 0 |
| 4 | B | 좋은 상태 | 1 | 5 |
| 3 | C | 괜찮은 상태 | 3 | 30 |
| 2 | D | 좋지 않은 상태 | 4 | 40 |
| 1 | E | 좋지 않은 상태 | 5 | 50 |
| 0 | U | 좋지 않은 상태 | 1000 | 1000 |
Claims (39)
- 이미지 처리를 이용한 차량 감정을 위한 시스템에 있어서,
비일시적 컴퓨터 판독 가능 저장 매체를 갖는 서버로서, 상기 비일시적 컴퓨터 판독 가능 저장 매체는, 하나 이상의 프로세서들이,
차량의 이미지들을 캡처하고 상기 캡처된 이미지들에 대한 메타데이터를 캡처하는 차량 캡처 모듈을 갖는 인터페이스 애플리케이션으로서, 상기 인터페이스 애플리케이션은 상기 이미지들을 캡처하는 것을 돕기 위한 인터랙티브 가이드를 디스플레이하고, 상기 인터랙티브 가이드는 차량 유형에 대한 케이지를 사용하여 생성되며, 상기 케이지는 상기 차량의 위치들 또는 컴포넌트들을 정의하고, 차량 식별 번호는 상기 캡처된 이미지들에 대한 메타데이터이고, 상기 사랑 식별 번호는 상기 차량 유형을 나타내는, 상기 인터페이스 애플리케이션;
상기 캡처된 이미지들 및 메타데이터를 처리하여 상기 차량의 결함들을 검출하고 차량 메트릭들을 계산하는 인식 엔진으로서, 상기 처리는 상기 차량의 결함들을 검출하고 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하기 위해 에이전트 인터페이스들로 발송되는 서로 다른 태스크들에 기초하는, 상기 인식 엔진;
상기 차량의 결함들의 수리를 위한 비용 데이터를 계산하기 위해 상기 차량 메트릭들을 처리하는 비용 추정 도구;
상기 차량 메트릭들 및 상기 비용 데이터를 사용하여 상기 차량에 대한 시장 가치 추정치를 계산하는 가치 평가 도구를 구성하도록 하는 실행 가능한 인스트럭션들을 갖는, 상기 서버를 포함하며;
상기 인터페이스 애플리케이션은 상기 인터랙티브 가이드, 상기 시장 가치 추정치, 상기 비용 데이터 및 상기 차량 메트릭들 중 적어도 일부에 대응하는 시각적 요소들을 갖는, 시스템. - 제1항에 있어서, 상기 인터페이스 애플리케이션은 장치 식별자를 수신하며, 상기 이미지 캡처 모듈은 상기 장치 식별자를 상기 캡처된 이미지들에 대한 메타데이터로 사용하는, 시스템.
- 제1항에 있어서, 상기 인터페이스 애플리케이션은 상기 케이지에 대응하는 상기 인터랙티브 가이드를 생성하기 위해 차량 유형에 기초하여 상기 차량 캡처 모듈을 동적으로 구성하는, 시스템.
- 제2항에 있어서, 상기 인터페이스 애플리케이션은 차량 식별 번호를 결정하기 위해 상기 차량의 이미지를 캡처하거나 상기 차량의 바코드를 스캔함으로써 상기 차량 유형을 계산하는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은 복수의 에이전트들에 동시에 복수의 태스크들을 발송함으로써 상기 차량 메트릭들을 계산하며, 각 태스크는 해당 에이전트로 발송되고, 각 태스크는 상기 해당 에이전트가 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하기 위해 디스플레이할 상기 캡처된 이미지들의 일부와 관련되는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 상기 차량 식별 번호를 계산하고, 상기 인터페이스 애플리케이션은 상기 차량 식별 번호가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 차량 식별 번호를 계산하기 위한 이미지를 다시 캡처하는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은 상기 캡처된 이미지들로부터 상기 차량 식별 번호를 디코딩하고, 상기 차량 식별 번호를 자동으로 디코딩할 수 없는 경우, 응답으로 상기 차량 식별 번호에 대한 입력 데이터를 수신하기 위한 상기 캡처된 이미지들 중 적어도 일부와 함께 에이전트에 태스크를 발송함으로써 상기 차량 식별 번호를 계산하며, 상기 캡처된 이미지들 중 상기 일부는 차량 식별 번호판에 대응하는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 내부 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 내부 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 내부 데이터를 계산하기 위한 이미지를 다시 캡처하는, 시스템.
- 제8항에 있어서, 상기 인식 엔진은 세 개의 에이전트들에게 동시에 세 개의 태스크들을 발송하여 상기 내부 데이터를 계산하며, 각 태스크는 서로 다른 에이전트에게, 상기 내부의 색상에 대한 제1 태스크, 상기 내부의 전체 상태에 대한 제2 태스크, 및 상기 내부의 변속기 유형에 대한 제3 태스크를 발송하는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 주행 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 주행 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 주행 데이터를 계산하기 위한 이미지를 다시 캡처하는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 뷰 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 뷰 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 뷰 데이터를 계산하기 위한 이미지들을 다시 캡처하며, 상기 뷰 데이터는 상기 차량의 전면 뷰, 측면 뷰 및 후면 뷰에 대한 것인, 시스템.
- 제1항에 있어서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 전면유리 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 전면 유리 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 전면유리 데이터를 계산하기 위한 이미지를 다시 캡처하는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은, 상기 캡처된 이미지들로부터, 타이어 데이터를 계산하고, 상기 인터페이스 애플리케이션은 상기 타이어 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 타이어 데이터를 계산하기 위한 이미지를 다시 캡처하는, 시스템.
- 제1항에 있어서, 상기 차량 캡처 모듈은 상기 이미지 캡처 프로세스를 용이하게 하기 위해 차량 모양에 대응하는 시각적 요소들을 생성하는, 시스템.
- 제1항에 있어서, 상기 차량 캡처 모듈은 상기 차량의 서로 다른 파트들에 대응하는 시각적 요소들을 생성하여 상기 메타데이터를 생성하며, 상기 메타데이터는 상기 이미지 상의 위치 및 대응하는 설명자 라벨을 나타내는, 시스템.
- 제1항에 있어서, 상기 차량 캡처 모듈은 상기 차량에 대한 오디오 데이터를 캡처하며, 상기 인식 엔진은 상기 오디오 데이터를 처리하여 상기 차량 메트릭들을 계산하는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은 서로 다른 유형의 차량들에 연결된 복수의 케이지들의 저장소를 사용하여 상기 차량 메트릭들을 상기 차량의 서로 다른 위치들 또는 컴포넌트들에 연결하는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은 상기 차량의 결함들을 검출하고 상기 차량의 상태로 등급 밴드들을 사용하여 상기 차량 메트릭들을 계산하는, 시스템.
- 제1항에 있어서, 상기 인식 엔진은 제1 이미지를 제1 에이전트로 라우팅하여 제1 데이터 엔트리를 수신하고 동시에 상기 제1 이미지를 제2 에이전트로 라우팅하여 제2 데이터 엔트리를 수신하며, 상기 제1 에이전트는 상기 제1 엔트리를 캡처하도록 최적화된 인터페이스를 갖고 상기 제2 에이전트는 상기 제2 데이터 엔트리를 캡처하도록 최적화된 인터페이스를 갖는, 시스템.
- 비일시적 컴퓨터 기록 가능 저장 매체로서, 프로세서에 의해 실행 시, 상기 프로세서가,
차량의 이미지들을 캡처하기 위한 인터페이스 애플리케이션에서 인터랙티브 가이드를 디스플레이하되, 상기 인터랙티브 가이드는 차량 유형에 대한 케이지를 사용하여 생성되며, 상기 케이지는 상기 차량의 위치들 또는 컴포넌트들을 정의하고, 차량 식별 번호는 상기 차량 유형을 나타내고;
상기 인터페이스 애플리케이션에서, 상기 차량의 이미지들을 캡처하고 상기 캡처된 이미지들에 대한 메타데이터를 캡처하되, 상기 캡처된 이미지들은 결함들을 나타내는 데이터를 포함하고;
상기 캡처된 이미지들 및 메타데이터를 처리하여 상기 차량의 결함들을 검출하고 상기 차량 식별 번호를 나타내는 차량 메트릭들을 계산하되, 상기 처리는 상기 차량의 결함을 검출하고 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하기 위해 에이전트 인터페이스들로 발송되는 서로 다른 태스크들에 기초하고;
상기 차량의 결함들을 수리하기 위한 비용 데이터를 계산하고;
상기 차량 메트릭들 및 상기 비용 데이터를 사용하여 상기 차량에 대한 시장 가치 추정치를 계산하고;
상기 인터랙티브 가이드, 상기 시장 가치 추정치, 비용 데이터 및 상기 차량 메트릭들 중 적어도 일부에 대응하는 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하도록 하는, 그 내부에 저장된 컴퓨터 실행 가능 프로그램 코드를 갖는, 비일시적 컴퓨터 기록 가능 저장 매체. - 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 인터페이스 애플리케이션에서, 장치 식별자를 수신하도록 하며, 상기 이미지 캡처 모듈은 상기 장치 식별자를 상기 캡처된 이미지들에 대한 메타데이터로 사용하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 케이지에 대응하는 상기 인터랙티브 가이드를 생성하도록 하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 차량의 이미지를 캡처하거나 상기 차량의 바코드를 스캔함으로써 상기 차량 유형을 계산하여 차량 식별 번호를 결정하도록 하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 복수의 에이전트들에 동시에 복수의 태스크들을 발송함으로써 상기 차량 메트릭들을 계산하며, 각 태스크는 해당 에이전트로 발송되고, 각 태스크는 상기 해당 에이전트가 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신하기 위해 디스플레이할 상기 캡처된 이미지들의 일부와 관련되는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 상기 차량 식별 번호를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 차량 식별 번호가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 차량 식별 번호를 계산하기 위한 이미지를 다시 캡처하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터 상기 차량 식별 번호를 디코딩하고, 상기 차량 식별 번호를 자동으로 디코딩할 수 없는 경우, 응답으로 상기 차량 식별 번호에 대한 입력 데이터를 수신하기 위한 상기 캡처된 이미지들 중 적어도 일부와 함께 에이전트에 태스크를 발송함으로써 상기 차량 식별 번호를 계산하도록 하며, 상기 캡처된 이미지들 중 상기 일부는 차량 식별 번호판에 대응하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 내부 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 내부 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 내부 데이터를 계산하기 위한 이미지를 다시 캡처하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 세 개의 에이전트들에게 동시에 세 개의 태스크들을 발송하여 상기 내부 데이터를 계산하도록 하며, 각 태스크는 서로 다른 에이전트에게, 상기 내부의 색상에 대한 제1 태스크, 상기 내부의 전체 상태에 대한 제2 태스크, 및 상기 내부의 변속기 유형에 대한 제3 태스크를 발송하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 주행 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 주행 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 주행 데이터를 계산하기 위한 이미지를 다시 캡처하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 뷰 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 뷰 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 뷰 데이터를 계산하기 위한 이미지들을 다시 캡처하며, 상기 뷰 데이터는 상기 차량의 전면 뷰, 측면 뷰 및 후면 뷰에 대한 것인, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 전면유리 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 전면유리 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 전면유리 데이터를 계산하기 위한 이미지를 다시 캡처하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 캡처된 이미지들로부터, 타이어 데이터를 계산하도록 하고, 상기 인터페이스 애플리케이션은 상기 타이어 데이터가 상기 캡처된 이미지들로부터 성공적으로 계산될 수 없다고 결정 시 상기 차량 캡처 모듈로부터 오류 메시지를 수신하도록 구성되며, 이에 응답하여 상기 인터랙티브 가이드에 대응하는 상기 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하여 상기 타이어 데이터를 계산하기 위한 이미지를 다시 캡처하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 이미지 캡처 프로세스를 용이하게 하기 위해 차량 모양에 대응하는 시각적 요소들을 생성하도록 하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 차량의 서로 다른 파트들에 대응하는 시각적 요소들을 생성하여 상기 메타데이터를 생성하도록 하며, 상기 메타데이터는 상기 이미지 상의 위치 및 대응하는 설명자 라벨을 나타내는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 차량에 대한 오디오 데이터를 캡처하도록 하며, 상기 인식 엔진은 상기 오디오 데이터를 처리하여 상기 차량 메트릭들을 계산하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 서로 다른 유형의 차량들에 연결된 복수의 케이지들의 저장소를 사용하여 상기 차량 메트릭들을 상기 차량의 서로 다른 위치들 또는 컴포넌트들에 연결하도록 하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 상기 차량의 결함들을 검출하고 상기 차량의 상태로 등급 밴드들을 사용하여 상기 차량 메트릭들을 계산하도록 하는, 컴퓨터 기록 가능 저장 매체.
- 제20항에 있어서, 상기 코드는 상기 프로세서가, 제1 이미지를 제1 에이전트로 라우팅하여 제1 데이터 엔트리를 수신하고 동시에 상기 제1 이미지를 제2 에이전트로 라우팅하여 제2 데이터 엔트리를 수신하도록 하며, 상기 제1 에이전트는 상기 제1 엔트리를 캡처하도록 최적화된 인터페이스를 갖고 상기 제2 에이전트는 상기 제2 데이터 엔트리를 캡처하도록 최적화된 인터페이스를 갖는, 컴퓨터 기록 가능 저장 매체.
- 차량들의 이미지들을 자동으로 처리하는 방법에 있어서,
인터페이스 애플리케이션으로부터 차량 식별 번호를 수신하는 단계;
차량의 이미지들을 캡처하기 위한 상기 인터페이스 애플리케이션에서 인터랙티브 가이드를 디스플레이하는 단계로서, 상기 인터랙티브 가이드는 차량 유형에 대한 케이지를 사용하여 생성되며, 상기 케이지는 상기 차량의 위치들 또는 컴포넌트들을 정의하고, 상기 차량 식별 번호는 상기 차량 유형을 나타내는, 상기 디스플레이하는 단계;
상기 인터페이스 애플리케이션에서, 상기 차량의 이미지들을 캡처하고 상기 캡처된 이미지들에 대한 메타데이터를 캡처하는 단계로서, 상기 캡처된 이미지들은 상기 차량에 대한 결함들을 식별하는, 상기 캡처하는 단계;
상기 캡처된 이미지들 및 메타데이터를 처리하여 상기 차량의 결함들을 자동으로 검출하고 차량 메트릭들을 계산하는 단계로서, 상기 처리는 에이전트 인터페이스들로 서로 다른 태스크들을 발송하고, 이에 응답하여 상기 차량의 결함들을 검출하고 상기 차량 메트릭들을 계산하기 위한 입력 데이터를 수신함으로써 처리되는, 상기 검출하고 계산하는 단계;
상기 차량의 결함들의 수리를 위한 비용 데이터를 계산하는 단계;
상기 차량 메트릭들 및 상기 비용 데이터를 사용하여 상기 차량에 대한 시장 가치 추정치를 계산하는 단계; 및
상기 인터랙티브 가이드, 상기 시장 가치 추정치, 비용 데이터 및 상기 차량 메트릭들 중 적어도 일부에 대응하는 시각적 요소들로 상기 인터페이스 애플리케이션을 업데이트하는 단계를 포함하는, 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862747930P | 2018-10-19 | 2018-10-19 | |
| US62/747,930 | 2018-10-19 | ||
| PCT/CA2019/051463 WO2020077449A1 (en) | 2018-10-19 | 2019-10-16 | Automated artificial intelligence vehicle appraisals |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210112299A true KR20210112299A (ko) | 2021-09-14 |
Family
ID=70283617
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217015046A KR20210112299A (ko) | 2018-10-19 | 2019-10-16 | 자동화된 인공 지능 비히클 평가 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20230162243A1 (ko) |
| EP (1) | EP3867854A4 (ko) |
| KR (1) | KR20210112299A (ko) |
| CN (1) | CN113424216A (ko) |
| AU (1) | AU2019360361A1 (ko) |
| CA (1) | CA3116789C (ko) |
| WO (1) | WO2020077449A1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102566235B1 (ko) | 2022-08-23 | 2023-08-11 | 현대글로비스 주식회사 | 머신러닝 앙상블을 이용한 중고차 가격 예측 방법 및 이를 이용한 시스템 |
| KR102566236B1 (ko) | 2022-08-23 | 2023-08-11 | 현대글로비스 주식회사 | 머신러닝 앙상블을 이용한 중고차 비즈니스 수행 방법 및 이를 이용한 시스템 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB202017464D0 (en) * | 2020-10-30 | 2020-12-16 | Tractable Ltd | Remote vehicle damage assessment |
| DE102020120467B4 (de) | 2020-08-04 | 2022-02-24 | Audi Aktiengesellschaft | Verfahren zum Bereitstellen einer Bildmontage, Filmanalyseeinrichtung, und Datenservereinrichtung zum Betreiben im Internet |
| WO2022087194A1 (en) | 2020-10-21 | 2022-04-28 | IAA, Inc. | Automated vehicle condition grading |
| EP4348485A1 (en) * | 2021-05-26 | 2024-04-10 | PPG Industries Ohio Inc. | Systems, methods, and interfaces for determining a refinish estimate for an asset |
| IT202100013988A1 (it) * | 2021-05-28 | 2022-11-28 | Metakol Srl | Metodo ed apparato per rilevare da almeno un'immagine i danni subiti da un veicolo |
| JP2023049684A (ja) * | 2021-09-29 | 2023-04-10 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、及びプログラム |
| US20230177674A1 (en) * | 2021-12-02 | 2023-06-08 | Kemp Co., Ltd. | Vehicle protection fence repair plating system and method using artificial intelligence |
| EP4202849A1 (de) * | 2021-12-22 | 2023-06-28 | TÜV Rheinland Schaden- und Wertgutachten GmbH | Verfahren zur erfassung eines schadens an einem fahrzeug |
| CN117455466B (zh) * | 2023-12-22 | 2024-03-08 | 南京三百云信息科技有限公司 | 一种汽车远程评估的方法及系统 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020128985A1 (en) * | 2001-03-09 | 2002-09-12 | Brad Greenwald | Vehicle value appraisal system |
| JP2005326998A (ja) * | 2004-05-13 | 2005-11-24 | Honda Motor Co Ltd | 車輌査定支援ロボット及びこれを用いた車輌査定システム |
| US8712893B1 (en) * | 2012-08-16 | 2014-04-29 | Allstate Insurance Company | Enhanced claims damage estimation using aggregate display |
| US10319035B2 (en) * | 2013-10-11 | 2019-06-11 | Ccc Information Services | Image capturing and automatic labeling system |
| US10748216B2 (en) * | 2013-10-15 | 2020-08-18 | Audatex North America, Inc. | Mobile system for generating a damaged vehicle insurance estimate |
| US10089396B2 (en) * | 2014-07-30 | 2018-10-02 | NthGen Software Inc. | System and method of a dynamic interface for capturing vehicle data |
| US10692050B2 (en) * | 2016-04-06 | 2020-06-23 | American International Group, Inc. | Automatic assessment of damage and repair costs in vehicles |
| US11288789B1 (en) * | 2016-05-20 | 2022-03-29 | Ccc Intelligent Solutions Inc. | Systems and methods for repairing a damaged vehicle using image processing |
| CN107458383B (zh) * | 2016-06-03 | 2020-07-10 | 法拉第未来公司 | 使用音频信号的车辆故障自动检测 |
| US11361380B2 (en) * | 2016-09-21 | 2022-06-14 | Allstate Insurance Company | Enhanced image capture and analysis of damaged tangible objects |
-
2019
- 2019-10-16 KR KR1020217015046A patent/KR20210112299A/ko unknown
- 2019-10-16 AU AU2019360361A patent/AU2019360361A1/en active Pending
- 2019-10-16 CN CN201980083851.8A patent/CN113424216A/zh active Pending
- 2019-10-16 WO PCT/CA2019/051463 patent/WO2020077449A1/en active Search and Examination
- 2019-10-16 US US17/286,401 patent/US20230162243A1/en active Pending
- 2019-10-16 CA CA3116789A patent/CA3116789C/en active Active
- 2019-10-16 EP EP19873138.2A patent/EP3867854A4/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102566235B1 (ko) | 2022-08-23 | 2023-08-11 | 현대글로비스 주식회사 | 머신러닝 앙상블을 이용한 중고차 가격 예측 방법 및 이를 이용한 시스템 |
| KR102566236B1 (ko) | 2022-08-23 | 2023-08-11 | 현대글로비스 주식회사 | 머신러닝 앙상블을 이용한 중고차 비즈니스 수행 방법 및 이를 이용한 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113424216A (zh) | 2021-09-21 |
| CA3116789A1 (en) | 2020-04-23 |
| WO2020077449A1 (en) | 2020-04-23 |
| AU2019360361A1 (en) | 2021-05-13 |
| EP3867854A4 (en) | 2022-07-13 |
| CA3116789C (en) | 2021-09-07 |
| US20230162243A1 (en) | 2023-05-25 |
| EP3867854A1 (en) | 2021-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA3116789C (en) | Automated artificial intelligence vehicle appraisals | |
| US9990662B2 (en) | Computer-based technology for aiding the repair of motor vehicles | |
| US11836785B1 (en) | System and method for providing comprehensive vehicle information | |
| US20190102752A1 (en) | System and method of evaluating a commercial good prior to being placed in commerce | |
| US7596512B1 (en) | System and method for determining vehicle price adjustment values | |
| US8595079B1 (en) | System and method for determining vehicle price values | |
| US20170148101A1 (en) | Damage assessment and repair based on objective surface data | |
| US8230362B2 (en) | Computer-assisted and/or enabled systems, methods, techniques, services and user interfaces for conducting motor vehicle and other inspections | |
| US20090018859A1 (en) | Method for vehicle repair estimate and scheduling | |
| US20080183552A1 (en) | Method for evaluating, analyzing, and benchmarking business sales performance | |
| WO2007002680A2 (en) | System and method for control, distribution and purchase of wholesale goods and related interactions | |
| US20130197971A1 (en) | Motor vehicle dealer analysis marketing system and method with aftermarket accessories | |
| US11461789B2 (en) | System and process for digital certification of pre-owned vehicles and equipment | |
| KR102305809B1 (ko) | 중고자동차의 지능형 성능점검 서비스 시스템과 그 방법 | |
| US9536254B1 (en) | System and method for providing a vehicle condition report | |
| KR101189604B1 (ko) | 중고 상용차의 거래 시스템 및 방법 | |
| AU2017101920A4 (en) | Systems and methods for determining attributes of motor vehicles | |
| KR20210108752A (ko) | 중고차 가격산정시스템 및 방법 | |
| US20090157349A1 (en) | Method of quantifying paint and bodywork on automobiles and other painted objects using coating thickness gauges | |
| US20170287019A1 (en) | Mobile, crowd sourced vehicle appraisal application | |
| US20120316997A1 (en) | System and method for introducing a buyer to the seller of a vehicle using information collected when assessing the trade-in value of the vehicle | |
| US20220335484A1 (en) | Quantitative asset valuation and disposition system | |
| KR102354754B1 (ko) | 차량용품 추천판매 시스템 | |
| JP7379772B2 (ja) | 車両塗装面の被害診断判定システム | |
| WO2023205220A1 (en) | Remote vehicle inspection |