用於輔助車輛定損影像拍攝的方法、裝置及設備
本說明書涉及資料處理技術領域,尤其涉及用於輔助車輛定損影像拍攝的方法、裝置及設備。
在車險行業,車主發生車輛事故提出理賠申請時,保險公司需要對車輛的損傷程度進行評估,以確定需要修復的項目清單以及賠償金額。目前,對出險車輛進行定損過程中,核心的依據材料為車輛定損影像。
目前車輛定損影像通常是由作業人員現場進行拍照獲得,然後根據現場拍攝的照片進行車輛定損處理。車輛定損影像往往被要求能夠清楚的反應出車輛受損情況,這通常需要拍照人員具有車輛定損的相關知識,才能拍攝獲取符合定損處理要求的影像。然而實際場景中,往往由車主主動或在保險公司作業人員要求下進行拍攝,獲得的車輛定損影像可能不符合定損影像處理要求。不同拍攝品質的車輛定損影像,可以獲得不同定損結果。
為克服相關技術中存在的問題,本說明書提供了用於輔助車輛定損影像拍攝的方法、裝置及設備。
根據本說明書實施例的第一態樣,提供一種用於輔助車輛定損影像拍攝的方法,所述方法包括:
獲取攝影模組採集的影像;
識別所述影像中目標車輛的部件,並至少根據識別獲得的部件資訊檢測攝影模組與目標車輛的相對位姿,獲得位姿資訊,所述位姿資訊包括拍攝距離資訊和拍攝角度資訊中的一種或多種;
基於將所述位姿資訊與預設的期望位姿資訊進行比較獲得的比較結果,輸出用於引導使用者控制攝影模組以期望位姿拍攝目標車輛的提醒資訊。
在一個實施例中,所述部件資訊包括:部件位置、部件大小和部件標識,及/或,所述拍攝距離資訊為攝影模組與目標車輛的距離所屬距離範圍,及/或,所述拍攝角度資訊為拍攝角度所屬角度範圍。
在一個實施例中,所述部件資訊基於利用預設的部件檢測模型對所述影像進行識別獲得;所述部件檢測模型基於利用第一訓練樣本資料對初始部件檢測模型進行訓練獲得;在第一訓練樣本資料中,樣本特徵包括樣本影像,樣本標籤包括樣本影像中車輛部件的部件資訊。
在一個實施例中,所述拍攝距離資訊基於:以所述部件檢測模型的輸出資料以及所述影像作為預設的距離檢測模型的輸入資料,並利用所述距離檢測模型進行預測獲得;所述距離檢測模型基於利用第二訓練樣本資料對初始距離檢測模型進行訓練獲得;在第二訓練樣本資料中,樣本特徵包括樣本影像、樣本影像中車輛部件的部件資訊,樣本標籤包括拍攝距離資訊。
在一個實施例中,所述拍攝角度資訊基於:以所述部件檢測模型的輸出資料、距離檢測模型的輸出資料以及所述影像作為預設的角度檢測模型的輸入資料,並利用所述角度檢測模型進行預測獲得;所述角度檢測模型基於利用第三訓練樣本資料對初始角度檢測模型進行訓練獲得;在第三訓練樣本資料中,樣本特徵包括樣本影像、樣本影像中車輛部件的部件資訊以及拍攝距離資訊,樣本標籤包括拍攝角度資訊。
在一個實施例中,所述初始部件檢測模型、所述初始距離檢測模型以及初始角度檢測模型分別包括MobileNets模型。
在一個實施例中,所述以期望位姿拍攝包括:以指定拍攝角度進行全景拍攝、近景拍攝、中景拍攝等中的一種或多種,全景拍攝、中景拍攝和近景拍攝按拍攝距離從大到小的順序進行劃分。
根據本說明書實施例的第二態樣,提供一種用於輔助車輛定損影像拍攝的裝置,所述裝置包括:
影像獲取模組,用於:獲取攝影模組採集的影像;
資訊檢測模組,用於:識別所述影像中目標車輛的部件,並至少根據識別獲得的部件資訊檢測攝影模組與目標車輛的相對位姿,獲得位姿資訊,所述位姿資訊包括拍攝距離資訊和拍攝角度資訊中的一種或多種;
資訊提醒模組,用於:基於將所述位姿資訊與預設的期望位姿資訊進行比較獲得的比較結果,輸出用於引導使用者控制攝影模組以期望位姿拍攝目標車輛的提醒資訊。
在一個實施例中,所述部件資訊包括:部件位置、部件大小和部件標識,及/或,所述拍攝距離資訊為攝影模組與目標車輛的距離所屬距離範圍,及/或,所述拍攝角度資訊為拍攝角度所屬角度範圍。
在一個實施例中,所述部件資訊基於利用預設的部件檢測模型對所述影像進行識別獲得;所述部件檢測模型基於利用第一訓練樣本資料對初始部件檢測模型進行訓練獲得;在第一訓練樣本資料中,樣本特徵包括樣本影像,樣本標籤包括樣本影像中車輛部件的部件資訊。
在一個實施例中,所述拍攝距離資訊基於:以所述部件檢測模型的輸出資料以及所述影像作為預設的距離檢測模型的輸入資料,並利用所述距離檢測模型進行預測獲得;所述距離檢測模型基於利用第二訓練樣本資料對初始距離檢測模型進行訓練獲得;在第二訓練樣本資料中,樣本特徵包括樣本影像、樣本影像中車輛部件的部件資訊,樣本標籤包括拍攝距離資訊。
在一個實施例中,所述拍攝角度資訊基於:以所述部件檢測模型的輸出資料、距離檢測模型的輸出資料以及所述影像作為預設的角度檢測模型的輸入資料,並利用所述角度檢測模型進行預測獲得;所述角度檢測模型基於利用第三訓練樣本資料對初始角度檢測模型進行訓練獲得;在第三訓練樣本資料中,樣本特徵包括樣本影像、樣本影像中車輛部件的部件資訊以及拍攝距離資訊,樣本標籤包括拍攝角度資訊。
在一個實施例中,所述初始部件檢測模型、所述初始距離檢測模型以及初始角度檢測模型分別包括MobileNets模型。
在一個實施例中,所述以期望位姿拍攝包括:以指定拍攝角度進行全景拍攝、近景拍攝、中景拍攝等中的一種或多種,所述全景拍攝、中景拍攝和近景拍攝按拍攝距離從大到小的順序進行劃分。
根據本說明書實施例的第三態樣,提供一種電腦設備,包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式,其中,所述處理器執行所述程式時實現如下方法:
獲取攝影模組採集的影像;
識別所述影像中目標車輛的部件,並至少根據識別獲得的部件資訊檢測攝影模組與目標車輛的相對位姿,獲得位姿資訊,所述位姿資訊包括拍攝距離資訊和拍攝角度資訊中的一種或多種;
基於將所述位姿資訊與預設的期望位姿資訊進行比較獲得的比較結果,輸出用於引導使用者控制攝影模組以期望位姿拍攝目標車輛的提醒資訊。
本說明書的實施例提供的技術方案可以包括以下有益效果:
本說明書實施例,透過獲取攝影模組採集的影像,識別影像中目標車輛的部件,並至少根據識別獲得的部件資訊檢測攝影模組與目標車輛的相對位姿,獲得包括拍攝距離資訊和拍攝角度資訊中一種或多種的位姿資訊,基於將所獲得的位姿資訊與預設的期望位姿資訊進行比較獲得的比較結果,輸出用於引導使用者控制攝影模組以期望位姿拍攝目標車輛的提醒資訊,從而實現對攝影模組的位姿資訊進行回饋,可以指導拍攝人員調整拍攝方式,提高車輛定損影像的拍攝品質。
應當理解的是,以上的一般描述和後文的細節描述僅是示例性和解釋性的,並不能限制本說明書。
這裡將詳細地對示例性實施例進行說明,其示例表示在圖式中。下面的描述涉及圖式時,除非另有表示,不同圖式中的相同數位表示相同或相似的要素。以下示例性實施例中所描述的實施方式並不代表與本說明書相一致的所有實施方式。相反,它們僅是與如所附申請專利範圍中所詳述的、本說明書的一些態樣相一致的裝置和方法的例子。
在本說明書使用的用語是僅僅出於描述特定實施例的目的,而非旨在限制本說明書。在本說明書和所附申請專利範圍中所使用的單數形式的“一種”、“所述”和“該”也旨在包括多數形式,除非上下文清楚地表示其他含義。還應當理解,本文中使用的用語“及/或”是指並包含一個或多個相關聯的列出項目的任何或所有可能組合。
應當理解,儘管在本說明書可能採用用語第一、第二、第三等來描述各種資訊,但這些資訊不應限於這些用語。這些用語僅用來將同一類型的資訊彼此區分開。例如,在不脫離本說明書範圍的情況下,第一資訊也可以被稱為第二資訊,類似地,第二資訊也可以被稱為第一資訊。取決於語境,如在此所使用的詞語“如果”可以被解釋成為“在……時”或“當……時”或“回應於確定”。
車輛保險定損,可以透過科學、系統的專業化檢查、測試與勘測手段,對車輛碰撞與事故現場進行綜合分析,運用車輛估損資料與維修資料,對車輛碰撞修復進行科學系統的估損定價。而車輛定損影像為車輛估損資料之一,車輛定損影像可以是用來對出險車輛進行定損核損的影像,往往透過作業人員或車主對現場進行拍照獲得。為了能清楚地反應出車輛受損的具體部位、損傷部件、損傷類型、損傷程度等資訊,對車輛定損影像的品質往往具有嚴格要求。而隨著移動終端的迅速發展,使用者可以隨時利用具有拍攝功能的移動終端進行拍攝。如圖1所示,是本說明書根據一示例性實施例示出的一種拍攝車輛定損影像的應用場景圖。使用者可以利用手機對受損車輛進行拍照,獲得車輛定損影像。然而,由非專業人員對受損車輛進行拍攝,獲得的車輛定損影像可能不符合定損影像處理要求。而不同拍攝品質的車輛定損影像將直接影響最終的定損結果,因此需要提供一種能提高車輛定損影像拍攝品質的處理方案。
本說明書實施例提供一種用於輔助車輛定損影像拍攝的方案,透過增加影像拍攝引導功能,可以指導拍攝人員調整拍攝方式,提高車輛定損影像的拍攝品質,為後續定損核損理賠流程提供準確的車輛定損影像,從而產生更準確的車輛定損結果。
以下結合圖式對本說明書實施例進行示例說明。
如圖2所示,是本說明書根據一示例性實施例示出的一種用於輔助車輛定損影像拍攝的方法的流程圖,所述方法包括:
在步驟202中,獲取攝影模組採集的影像;
在步驟204中,識別所述影像中目標車輛的部件,並至少根據識別獲得的部件資訊檢測攝影模組與目標車輛的相對位姿,獲得位姿資訊,所述位姿資訊包括拍攝距離資訊和拍攝角度資訊中的一種或多種;
在步驟206中,基於將所述位姿資訊與預設的期望位姿資訊進行比較獲得的比較結果,輸出用於引導使用者控制攝影模組以期望位姿拍攝目標車輛的提醒資訊。
其中,所獲取的影像可以是已儲存的影像,例如,由拍照控件被觸發而保存的影像;所獲取的影像也可以是攝影模組當前採集但還未儲存的影像。在一個實施例中,按預設頻率對攝影模組採集的影像進行截幀處理,截取攝影模組所採集的影像。例如,預設頻率可以是1秒2次。在另一個實施例中,也可以實時獲取攝影模組所採集的影像,以便實時對使用者當前的鏡頭拍攝畫面進行檢測,判斷是否需要使用者調整拍攝姿態。
本說明書實施例目的是利用當前獲取的影像,判斷攝影模組與目標車輛的相對位姿,即拍攝模組與目標車輛的相對關係。相對位姿可以是拍攝距離,也可以是拍攝角度,透過將所確定的拍攝距離或拍攝角度,與期望的拍攝距離或拍攝角度進行比較,並根據比較結果輸出引導使用者拍攝的提醒資訊,從而實現對攝影模組的拍攝資訊進行實時回饋,用於糾正拍攝方式不當導致圖片品質差的問題。
為了提高位姿資訊的準確率,本實施例可以先識別影像中目標車輛上的部件資訊。部件可以是組成目標車輛的組成部分。部件資訊可以是描述部件的資訊,在一個實施例中,部件資訊可以包括部件位置、部件大小和部件標識。部件位置可以是影像中部件的位置。部件大小可以是影像中部件的大小。部件標識可以是用於區分目標車輛上不同部件的標識,例如,部件標識可以是部件名編碼。在一個實施例中,部件大小和部件位置可以透過部件矩形框進行標註,利用部件矩形框位置座標資訊表示部件大小和部件位置。在其他實施例中,部件資訊還可以包括部件形狀等資訊,在此不一一贅述。
以下以一種部件資訊識別方法為例進行示例說明。
所述部件資訊基於利用預設的部件檢測模型對所述影像進行識別獲得;所述部件檢測模型基於利用第一訓練樣本資料對初始部件檢測模型進行訓練獲得;在第一訓練樣本資料中,樣本特徵包括樣本影像,樣本標籤包括樣本影像中車輛部件的部件資訊。車輛的部件大小、部件位置以及部件標識。
在模型訓練階段,本說明書實施例以樣本影像作為樣本特徵,以樣本影像中車輛部件的部件資訊作為樣本標籤,構建第一訓練樣本資料,並利用訓練樣本資料對初始部件檢測模型進行訓練,獲得預設的部件檢測模型。進一步的,還可以將其他部件資訊作為樣本標籤,例如,還可以將部件大小、部件受損狀態、部件受損程度、部件受損大小、部件受損位置等部件相關資訊中的一種或多種作為樣本標籤,從而可以利用部件檢測模型預測出更多的部件資訊,以達到更好的引導提升效果。
本實施例採用有監督學習的方式訓練獲得部件檢測模型,在一個例子中,可以採用深度學習模型作為初始部件檢測模型,特別是採用MobileNets模型構建初始部件檢測模型,在確保準確率的情況下保證了模型計算效率,在移動端等低端機型中也能做到實時計算回饋,可提供較好的使用者體驗。
MobileNets是基於一個流線型的架構,使用深度可分離的卷積來構建輕量級的深層神經網路。透過引入的全域超參數,在延遲度和準確度之間有效地進行平衡。超參數允許模型構建者根據問題的約束條件,為其應用選擇合適大小的模型。
因此,在獲得部件檢測模型後,可以利用部件檢測模型預測影像中目標車輛的部件資訊,提高獲得部件資訊的效率。
由於影像中目標車輛的部件的位置、大小和名稱確定,則可以預測出拍攝裝置與目標車輛的相對位姿,例如,拍攝距離和拍攝角度。
關於拍攝距離資訊,可以是用於描述攝影模組與目標車輛間距離的資訊。在一個實施例中,拍攝距離資訊可以是距離值。在另一個實施例中,拍攝距離資訊可以是攝影模組與目標車輛的距離所屬距離範圍。透過距離範圍描述攝影模組與目標車輛的距離關係,以實現利用距離範圍進行距離比較,可以提高比較效率,同時降低距離檢測難度。在一個例子中,距離範圍可以以數位範圍體現。在另一個例子中,距離範圍可以以距離等級體現,例如,將不同距離範圍用遠、中、近三個等級表示,可以對應全景、中景和近景。例如,當所確定的距離範圍與期望的距離範圍不同時,可以進行距離調整提醒。
在一個實施例中,所述拍攝距離資訊基於:以所述部件檢測模型的輸出資料以及所述影像作為預設的距離檢測模型的輸入資料,並利用所述距離檢測模型進行預測獲得;所述距離檢測模型基於利用第二訓練樣本資料對初始距離檢測模型進行訓練獲得;在第二訓練樣本資料中,樣本特徵包括樣本影像、樣本影像中車輛部件的部件資訊,樣本標籤包括拍攝距離資訊。
在模型訓練階段,本說明書實施例以樣本影像、樣本影像中車輛部件的部件資訊作為樣本特徵,以拍攝距離資訊作為樣本標籤,構建第二訓練樣本資料。並利用第二訓練樣本資料對初始距離檢測模型進行訓練,獲得預設的距離檢測模型。該實施例不僅將樣本影像作為樣本特徵,還將部件資訊作為樣本特徵,可以提高距離檢測模型的預測結果。
本實施例採用有監督學習的方式訓練獲得距離檢測模型,在一個例子中,可以採用深度學習模型作為初始距離檢測模型,特別是採用MobileNets模型構建初始距離檢測模型。
在應用階段,可以將部件檢測模型的輸出資料以及所述影像輸入預設的距離檢測模型,將距離檢測模型的資料結果作為拍攝距離資訊,實現利用距離檢測模型預測拍攝距離資訊,提高拍攝距離資訊的準確性。
關於拍攝角度資訊,可以是攝影模組的鏡面與目標車輛的相對角度資訊。在一個實施例中,拍攝角度資訊可以是具體的拍攝角度值。在另一個實施例中,拍攝角度資訊可以是拍攝角度所屬角度範圍。例如,可以以俯拍、斜拍、仰拍、正拍等表示攝角度資訊。又如,可以以具體的範圍值表示角度範圍。
在一個實施例中,所述拍攝角度資訊基於:以所述部件檢測模型的輸出資料、距離檢測模型的輸出資料以及所述影像作為預設的角度檢測模型的輸入資料,並利用所述角度檢測模型進行預測獲得;所述角度檢測模型基於利用第三訓練樣本資料對初始角度檢測模型進行訓練獲得;在第三訓練樣本資料中,樣本特徵包括樣本影像、樣本影像中車輛部件的部件資訊以及拍攝距離資訊,樣本標籤包括拍攝角度資訊。
在模型訓練階段,本說明書實施例以樣本影像、樣本影像中車輛部件的部件資訊以及拍攝距離資訊作為樣本特徵,以拍攝角度資訊作為樣本標籤,構建第三訓練樣本資料。並利用第三訓練樣本資料對初始距離檢測模型進行訓練,獲得預設的角度檢測模型。該實施例不僅將樣本影像作為樣本特徵,還將部件資訊以及拍攝距離資訊作為樣本特徵,可以提高角度檢測模型的預測結果。
本實施例採用有監督學習的方式訓練獲得角度檢測模型,在一個例子中,可以採用深度學習模型作為初始角度檢測模型,特別是採用MobileNets模型構建初始角度檢測模型。
在應用階段,可以將部件檢測模型的輸出資料、距離檢測模型的輸出資料以及所述影像輸入訓練獲得的角度檢測模型,將角度檢測模型的預測結果作為拍攝角度資訊,實現利用角度檢測模型預測拍攝角度資訊,提高拍攝角度資訊的準確性。
在一個實施例中,核心全鏈路模型都採用移動端的深度學習模型,在確保準確率的情況下保證了模型計算效率,在中低端機型中也能做到實時計算回饋,可提供較好的使用者體驗。
可以理解的是,在其他實施例中,可以由一個模型估計攝影模組與目標車輛的拍攝距離資訊和拍攝角度資訊,在此不一一贅述。
在基於所獲取的影像確定當前位姿資訊後,可以將位姿資訊與預設的期望位姿資訊進行比較,並根據比較結果輸出用於引導使用者控制攝影模組以期望位姿拍攝目標車輛的提醒資訊。期望位姿可以是滿足期望位姿資訊的情況下攝影模組與目標車輛間的相對關係。若拍攝距離不屬期望拍攝距離,則可以提醒使用者控制攝影模組以期望拍攝距離拍攝目標車輛;若拍攝角度不屬期望拍攝角度,則可以提醒使用者控制攝影模組以期望角度拍攝目標車輛等。例如,若拍攝距離大於期望拍攝距離,則可以提醒使用者控制攝影模型靠近目標車輛。又如,若拍攝距離資訊為“近”,而期望拍攝距離資訊為“中”,則可以提醒使用者控制攝影模型稍微遠離目標車輛等。
在一個例子中,所述以期望位姿拍攝包括:近景拍攝、中景拍攝、以指定拍攝角度進行全景拍攝等中的一種或多種。全景拍攝所對應的拍攝距離大於中景拍攝所對應的拍攝距離,中景拍攝所對應的拍攝距離大於近景拍攝所對應的拍攝距離。指定拍攝角度可以是45度角等。在基於當前圖片所確定的拍攝距離和拍攝角度,確定與期望拍攝資訊不符時,輸出相應的提醒資訊。例如,在執行遠景拍攝時,根據比較結果輸出“請拍攝45度車輛全景照片,並確保能看到車牌”的提醒資訊;又如,在執行近景拍攝時,根據比較結果輸出“請靠近一些,拍攝車輛損失細節,讓我看清損失程度”的提醒資訊;又如,在執行中景拍攝時,根據比較結果輸出“請後退兩步,拍攝車輛損傷部位,讓我看清損失概況”。
其中,提醒資訊的輸出方式,可以是語音播報,也可以是文字提醒,進一步的,還可以是圖片提醒。例如,提供以期望位姿拍攝樣本車輛的影像,以便利用影像直觀對使用者進行提醒。
為了引導使用者拍攝符合要求的車輛定損影像,在一個實施例中,還可以在獲取影像之前,輸出以期望位姿拍攝目標車輛的指示指令。輸出指示指令的目的是為了提醒使用者所需拍攝的影像的類型,以便獲得多類型的車輛定損影像。例如,指示指令可以包括全景拍攝指令、中景拍攝指令、近景拍攝指令、指定角度拍攝指令等中的一種或多種。
可見,透過輸出指示指令,可以實現使用者在指示指令提醒下拍攝符合要求的多類型影像。
以上實施方式中的各種技術特徵可以任意進行組合,只要特徵之間的組合不存在衝突或矛盾,但是限於篇幅,未進行一一描述,因此上述實施方式中的各種技術特徵的任意進行組合也屬本說明書公開的範圍。
以下以其中一種組合進行示例說明。
如圖3A所示,是本說明書根據一示例性實施例示出的另一種用於輔助車輛定損影像拍攝的方法的流程。在拍攝組件被打開後,可以進入拍照模式。在鏡頭移動捕獲現實場景的過程中,可以輸出以期望位姿拍攝目標車輛的指示指令,例如,指示指令包括全景拍攝指令、中景拍攝指令、近景拍攝指令、指定角度拍攝指令中的一種或多種。拍攝組件按預設頻率進行截幀處理,針對每幀截取的影像,呼叫組件內建模型進行處理。將影像輸入部件檢測模型,以對影像進行部件識別獲得部件資訊。將部件檢測模型的輸出資料以及所述影像輸入預設的距離檢測模型,以獲得拍攝距離資訊。將部件檢測模型的輸出資料、距離檢測模型的輸出資料以及所述影像輸入訓練獲得的角度檢測模型,以獲得拍攝角度資訊。根據部件檢測模型、距離檢測模組和角度檢測模型的輸出結果,透過融合模型輸出結論,拍攝組件根據規則輸出使用者提示,提示使用者需要調整距離(調近或調遠)和拍攝角度調整。在其他實施例中,也可以將採集的影像實時計算並產生提示回饋。
如圖3B所示,是本說明書根據一示例性實施例示出的一種用於輔助車輛定損影像拍攝的應用實例。在每種拍攝類型下,都可以提供示例圖,用於提示使用者在不知如何拍攝時可以根據示例圖進行拍攝。圖3B以全景中的實例圖進行舉例說明。在該實例中,要求使用者拍攝三種類型的影像,一種是全景影像,一種是近景影像,一種是中景影像。針對不同的影像類型配置有相應的期望位姿資訊。使用者打開定損寶應用,進入車輛全景拍攝場景。在全景拍攝場景中,若基於當前截取影像檢測獲得的拍攝距離和拍攝角度不符合全景拍攝的期望位姿資訊時,輸出提醒資訊:請拍攝45度車輛全景照片,並確保能看到車牌。檢測到使用者在提示指引下完成拍攝動作後,進入車輛中景拍攝場景。在中景拍攝場景中,若基於當前截取影像檢測獲得的拍攝距離小於中景拍攝的期望拍攝距離時,輸出提醒資訊:請後退兩步,拍攝車輛損傷部位,讓我看清損失概況。檢測到使用者在提示指引下完成拍攝動作後,進入車輛近景拍攝場景。在進入近景拍攝場景中,若基於當前截取影像檢測獲得的拍攝距離大於近景拍攝的期望拍攝距離時,輸出提醒資訊:請靠近一些,拍攝車輛損失細節,讓我看清損失程度。檢測到使用者在提示指引下完成拍攝動作後,可以將所拍攝影像進行展示,以供使用者預覽,並在交接控件被觸控時執行定損影像提交操作。可以理解的是,還可以根據其他比較結果輸出相應的提醒資訊,在此不一一贅述。由上述實施例可見,根據當前拍攝的內容,利用移動端的AI模型計算能力,融合部件、距離、拍攝角度的計算結果輸出準確的拍攝距離、拍攝角度等位置回饋資訊,從而能指導使用者調整拍攝方式,產出更優質的車輛定損影像。
與前述用於輔助車輛定損影像拍攝的方法的實施例相對應,本說明書還提供了用於輔助車輛定損影像拍攝的裝置及其所應用的電子設備的實施例。
本說明書用於輔助車輛定損影像拍攝的裝置的實施例可以應用在電腦設備。裝置實施例可以透過軟體實現,也可以透過硬體或者軟硬體結合的方式實現。以軟體實現為例,作為一個邏輯意義上的裝置,是透過其所在電腦設備的處理器將非揮發性記憶體中對應的電腦程式指令讀取到內部記憶體中運行形成的。從硬體層面而言,如圖4所示,為本說明書用於輔助車輛定損影像拍攝的裝置所在電腦設備的一種硬體結構圖,除了圖4所示的處理器410、網路介面420、內部記憶體430、以及非揮發性記憶體440之外,實施例中用於輔助車輛定損影像拍攝的裝置431所在的電腦設備通常根據該設備的實際功能,還可以包括其他硬體,對此不再贅述。
如圖5所示,是本說明書根據一示例性實施例示出的一種用於輔助車輛定損影像拍攝的裝置的方塊圖,所述裝置包括:
影像獲取模組52,用於:獲取攝影模組採集的影像;
資訊檢測模組54,用於:識別所述影像中目標車輛的部件,並至少根據識別獲得的部件資訊檢測攝影模組與目標車輛的相對位姿,獲得位姿資訊,所述位姿資訊包括拍攝距離資訊和拍攝角度資訊中的一種或多種;
資訊提醒模組56,用於:基於將所述位姿資訊與預設的期望位姿資訊進行比較獲得的比較結果,輸出用於引導使用者控制攝影模組以期望位姿拍攝目標車輛的提醒資訊。
在一個實施例中,所述部件資訊包括:部件位置、部件大小和部件標識,及/或,所述拍攝距離資訊為攝影模組與目標車輛的距離所屬距離範圍,及/或,所述拍攝角度資訊為拍攝角度所屬角度範圍。
在一個實施例中,所述部件資訊基於利用預設的部件檢測模型對所述影像進行識別獲得;所述部件檢測模型基於利用第一訓練樣本資料對初始部件檢測模型進行訓練獲得;在第一訓練樣本資料中,樣本特徵包括樣本影像,樣本標籤包括樣本影像中車輛部件的部件資訊。
在一個實施例中,所述拍攝距離資訊基於:以所述部件檢測模型的輸出資料以及所述影像作為預設的距離檢測模型的輸入資料,並利用所述距離檢測模型進行預測獲得;所述距離檢測模型基於利用第二訓練樣本資料對初始距離檢測模型進行訓練獲得;在第二訓練樣本資料中,樣本特徵包括樣本影像、樣本影像中車輛部件的部件資訊,樣本標籤包括拍攝距離資訊。
在一個實施例中,所述拍攝角度資訊基於:以所述部件檢測模型的輸出資料、距離檢測模型的輸出資料以及所述影像作為預設的角度檢測模型的輸入資料,並利用所述角度檢測模型進行預測獲得;所述角度檢測模型基於利用第三訓練樣本資料對初始角度檢測模型進行訓練獲得;在第三訓練樣本資料中,樣本特徵包括樣本影像、樣本影像中車輛部件的部件資訊以及拍攝距離資訊,樣本標籤包括拍攝角度資訊。
在一個實施例中,所述初始部件檢測模型、所述初始距離檢測模型以及初始角度檢測模型分別包括MobileNets模型。
在一個實施例中,所述以期望位姿拍攝包括:以指定拍攝角度進行全景拍攝、近景拍攝、中景拍攝等中的一種或多種,所述全景拍攝、中景拍攝和近景拍攝按拍攝距離從大到小的順序進行劃分。
對於裝置實施例而言,由於其基本對應於方法實施例,所以相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的,其中所述作為分離部件說明的模組可以是或者也可以不是物理上分開的,作為模組顯示的部件可以是或者也可以不是物理模組,即可以位於一個地方,或者也可以分佈到多個網路模組上。可以根據實際的需要選擇其中的部分或者全部模組來實現本說明書方案的目的。本領域普通技術人員在不付出進步性勞動的情況下,即可以理解並實施。
相應的,本說明書實施例還提供一種電腦設備,包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式,其中,所述處理器執行所述程式時實現如下方法:
獲取攝影模組採集的影像;
識別所述影像中目標車輛的部件,並至少根據識別獲得的部件資訊檢測攝影模組與目標車輛的相對位姿,獲得位姿資訊,所述位姿資訊包括拍攝距離資訊和拍攝角度資訊中的一種或多種;
基於將所述位姿資訊與預設的期望位姿資訊進行比較獲得的比較結果,輸出用於引導使用者控制攝影模組以期望位姿拍攝目標車輛的提醒資訊。
本說明書中的各個實施例均採用循序的方式描述,各個實施例之間相同相似的部分互相參見即可,每個實施例重點說明的都是與其他實施例的不同之處。尤其,對於設備實施例而言,由於其基本相似於方法實施例,所以描述的比較簡單,相關之處參見方法實施例的部分說明即可。
一種電腦儲存媒體,所述儲存媒體中儲存有程式指令,所述程式指令包括:
獲取攝影模組採集的影像;
識別所述影像中目標車輛的部件,並至少根據識別獲得的部件資訊檢測攝影模組與目標車輛的相對位姿,獲得位姿資訊,所述位姿資訊包括拍攝距離資訊和拍攝角度資訊中的一種或多種;
基於將所述位姿資訊與預設的期望位姿資訊進行比較獲得的比較結果,輸出用於引導使用者控制攝影模組以期望位姿拍攝目標車輛的提醒資訊。
本說明書實施例可採用在一個或多個其中包含有程式代碼的儲存媒體(包括但不限於磁碟記憶體、CD-ROM、光學記憶體等)上實施的電腦程式產品的形式。電腦可用儲存媒體包括永久性和非永久性、可移動和非可移動媒體,可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括但不限於:內部記憶體相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可抹除可編程唯讀記憶體唯讀記憶體(EEPROM)、快閃記憶體或其他內部記憶體技術、唯讀光碟唯讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁卡式磁帶,磁帶式磁碟儲存器磁碟或其他磁性儲存設備或任何其他非傳輸媒體,可用於儲存可以被計算設備存取的資訊。
本領域技術人員在考慮說明書及實踐這裡申請的發明後,將容易想到本說明書的其它實施方案。本說明書旨在涵蓋本說明書的任何變型、用途或者適應性變化,這些變型、用途或者適應性變化遵循本說明書的一般性原理並包括本說明書未申請的本技術領域中的公知常識或慣用技術手段。說明書和實施例僅被視為示例性的,本說明書的真正範圍和精神由下面的申請專利範圍指出。
應當理解的是,本說明書並不局限於上面已經描述並在圖式中示出的精確結構,並且可以在不脫離其範圍進行各種修改和改變。本說明書的範圍僅由所附的申請專利範圍來限制。
以上所述僅為本說明書的較佳實施例而已,並不用以限制本說明書,凡在本說明書的精神和原則之內,所做的任何修改、等同替換、改進等,均應包含在本說明書保護的範圍之內。
202:步驟
204:步驟
206:步驟
410:處理器
420:網路介面
430:內部記憶體
431:用於輔助車輛定損影像拍攝的裝置
440:非揮發性記憶體
52:影像獲取模組
54:資訊檢測模組
56:資訊提醒模組
此處的圖式被併入說明書中並構成本說明書的一部分,示出了符合本說明書的實施例,並與說明書一起用於解釋本說明書的原理。
圖1是本說明書根據一示例性實施例示出的一種拍攝車輛定損影像的應用場景圖。
圖2是本說明書根據一示例性實施例示出的一種用於輔助車輛定損影像拍攝的方法的流程圖。
圖3A是本說明書根據一示例性實施例示出的另一種用於輔助車輛定損影像拍攝的方法的流程圖。
圖3B是本說明書根據一示例性實施例示出的一種用於輔助車輛定損影像拍攝的應用實例。
圖4是本說明書根據一示例性實施例示出的一種用於輔助車輛定損影像拍攝的裝置所在電腦設備的一種硬體結構圖。
圖5是本說明書根據一示例性實施例示出的一種用於輔助車輛定損影像拍攝的裝置的方塊圖。