CN108765362B - 一种车辆检测方法及装置 - Google Patents
一种车辆检测方法及装置 Download PDFInfo
- Publication number
- CN108765362B CN108765362B CN201710261393.5A CN201710261393A CN108765362B CN 108765362 B CN108765362 B CN 108765362B CN 201710261393 A CN201710261393 A CN 201710261393A CN 108765362 B CN108765362 B CN 108765362B
- Authority
- CN
- China
- Prior art keywords
- detection
- vehicle
- detection point
- point
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆检测方法及装置,该车辆检测方法包括:根据待检测车辆的图像,获取待检测车辆中显性检测点的显性检测结果;获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果;根据所述显性检测结果和所述历史检测结果生成待检测车辆中目标检测点的检测结果。该车辆检测方法中,通过检测结果真实有效的已知车辆的检测结果和待检测车辆中显性检测点的显性检测结果,确定待检测车辆中作为目标检测点的隐性检测点的检测结果,隐性检测点发生不明显的损伤时,也可以精确检测出损伤情况,避免了遗漏不明显损伤部位的风险,极大的提高了检测的准确性,适用性更好。
Description
技术领域
本发明涉及车辆检测技术领域,尤其涉及一种车辆检测方法及装置。
背景技术
在二手车行业中,车辆检测是一个非常重要的环节,通过车辆检测可以确定车辆的技术状况或工作能力,确定车辆哪些部位存在损伤,以便为客户提供精确的车辆检测报告。特别是随着互联网二手车行业的发展,多数二手车行业均为客户提供网络交易平台,这样客户无需现场验车,通过网络交易平台提供的车辆检测报告,即可了解到车辆的各项性能指标。因此,无论是对二手车行业,还是对于通过二手车交易平台进行交易的客户,车辆检测报告的准确性和全面性都至关重要。
而二手车行业在为客户提供车辆检测报告之前,需要先对车辆进行检测,现有技术中,多数都是检测师凭借经验,对车辆进行人工检验,查看车辆的技术状况和工作能力,并就车辆的各项技术指标给出检测结果。由于检测人员的检测经验参差不齐,检测结果的真实性和有效性普遍较低,特别是对于车辆中某些表面正常,实际存在隐形损坏的部位,多数检测师凭借经验并不能完全检测到,以至发生漏检,造成检测结果失真的问题。
因此,现有的车辆检测方法,检测精确度较低,容易发生检测结果失真的现象。
发明内容
本发明提供了一种车辆检测方法及装置,以解决现有的车辆检测方法,检测精确度较低,容易发生检测结果失真的问题。
第一方面,本发明提供了一种车辆检测方法,该车辆检测方法包括:根据待检测车辆的图像,获取待检测车辆中显性检测点的显性检测结果;获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果;根据所述显性检测结果和所述历史检测结果生成待检测车辆中目标检测点的检测结果。
进一步,获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果的过程,具体包括:从存储的已知车辆的历史检测数据中调取每个目标检测点以及与该目标检测点相关联的两个显性检测点的历史检测结果,该历史检测结果包括每个所述显性检测点的分类概率、该目标检测点的分类概率以及每个所述显性检测点与该目标检测点的条件概率。
进一步,根据所述显性检测结果和所述历史检测结果生成待检测车辆中目标检测点的检测结果的过程,具体包括:根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用朴素贝叶斯算法计算出待检测车辆中该目标检测点的检测结果。
进一步,获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果的过程,具体包括:获取已知车辆中每个目标检测点与显性检测点相关联的历史检测结果,该历史检测结果为已知车辆中每个显性检测点的检测结果对该目标检测点的检测结果产生影响的概率。
进一步,根据所述显性检测结果和所述历史检测结果生成待检测车辆中目标检测点的检测结果的过程,具体包括:根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用预设范式计算出待检测车辆中该目标检测点的检测结果。
进一步,生成待检测车辆中目标检测点的检测结果后,该车辆检测方法还包括:在所述待检测车辆的图像中检测结果为有损伤的目标检测点的位置,显示提醒标志。
第二方面,本发明还提供了一种车辆检测装置,该车辆检测装置包括:显性检测结果获取模块,用于根据待检测车辆的图像,获取待检测车辆中显性检测点的显性检测结果;历史检测结果获取模块,用于获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果;目标检测结果生成模块,用于根据所述显性检测结果和所述历史检测结果生成待检测车辆中目标检测点的检测结果。
进一步,历史检测结果获取模块具体用于:从存储的已知车辆的历史检测数据中调取每个目标检测点以及与该目标检测点相关联的两个显性检测点的历史检测结果,该历史检测结果包括每个所述显性检测点的分类概率、该目标检测点的分类概率以及每个所述显性检测点与该目标检测点的条件概率。
进一步,目标检测结果生成模块具体用于:根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用朴素贝叶斯算法计算出待检测车辆中该目标检测点的检测结果。
进一步,历史检测结果获取模块具体用于:获取已知车辆中每个目标检测点与显性检测点相关联的历史检测结果,该历史检测结果为已知车辆中每个显性检测点的检测结果对该目标检测点的检测结果产生影响的概率。
进一步,目标检测结果生成模块具体用于:根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用预设范式计算出待检测车辆中该目标检测点的检测结果。
进一步,该车辆检测装置还包括:显示提醒模块,用于在所述待检测车辆的图像中检测结果为有损伤的目标检测点的位置,显示提醒标志。
本发明的实施例提供的技术方案可以包括以下有益效果:本发明提供了一种车辆检测方法及装置。该车辆检测方法中,通过检测结果真实有效的已知车辆的检测结果和待检测车辆中显性检测点的显性检测结果,确定待检测车辆中作为目标检测点的隐性检测点的检测结果,隐性检测点发生不明显的损伤时,也可以精确检测出损伤情况,避免了遗漏不明显损伤部位的风险,极大的提高了检测的准确性,适用性更好。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种车辆检测方法的流程示意图;
图2为本发明实施例提供的一种待检测车辆的示意图;
图3为本发明实施例提供的一种车辆检测装置的结构框图。
具体实施方式
参见图1,图1示出的是本发明实施例提供的一种车辆检测方法的流程示意图。结合图1可知,该车辆检测方法包括:
步骤101、根据待检测车辆的图像,获取待检测车辆中显性检测点的显性检测结果。
其中,待检测车辆指的是当前待进行检测的车辆,任何一辆需要被进行检测的车辆均可作为待检测车辆。待检测车辆的图像指的是待检测车辆的三维立体图像,从该图像中可以直接观察到待检测车辆表面的每一个部位。
在对待检测车辆进行检测之前,将任意一辆车辆(包括待检测车辆)的所有部位划分为多个检测点,每个检测点包括前述所有部位中的至少一个部位,任意一辆车辆的所有部位包括在该车辆的图像(该车辆的三维立体图像)中可直接观察到的该车辆表面的每一个部位和在该车辆的图像中无法直接观察到的部位。其中,显性检测点指的是该车辆中,车辆检测的普通技术人员通过肉眼观察可以直接得到检测结果的检测点。本文中,将待检测车辆的显性检测点的检测结果定义为显性检测结果。
对待检测车辆进行检测之前,还需要先获取该待检测车辆的图像。获取待检测车辆的图像的方法包括多种,例如可以对待检测车辆的实体进行拍摄,将拍摄得到的该待检测车辆的图像输入至检测***,检测***即可获取到该待检测车辆的图像。检测***也可以通过输入其中的待检测车辆的多个角度的平面图像合成该待检测车辆的图像。
获取待检测车辆的图像后,根据该待检测车辆的图像,获取待检测车辆中显性检测点的显性检测结果的实现方式为:车辆检测的技术人员观察待检测车辆的图像,从该图像中确定出该待检测车辆中显性检测点的显性检测结果,之后将各显性检测点的显性检测结果输入至检测***中相应显性检测点对应的存储位置,检测***调取各存储位置中的存储数据即可获得待检测车辆的各显性检测点的显性检测结果。
需要说明的是,本文中,任意一辆车辆(包括待检测车辆)的任意一个检测点的检测结果包括有损伤或无损伤。显性检测结果同样也包括有损伤或无损伤。
步骤102、获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果。
任意一辆车辆(包括待检测车辆)的所有检测点中,除了显性检测点之外,还包括多个隐性检测点,即车辆检测的普通技术人员通过直接观察,无法观察出检测结果的检测点。本文中,将当前车辆检测中涉及的隐性检测点定义为目标检测点。目标检测点可以为一个,也可以为多个。
已知车辆指的是已经确定各个检测点(包括显性检测点和隐性检测点)的检测结果的车辆。获取已知车辆中显性检测点与目标检测点相关联的历史检测结果的实现方式包括多种,例如:
第一种实现方式为:从存储的已知车辆的历史检测数据中调取每个目标检测点以及与该目标检测点相关联的两个显性检测点的历史检测结果,该历史检测结果包括每个所述显性检测点的分类概率、该目标检测点的分类概率以及每个所述显性检测点与该目标检测点的条件概率。
其中,历史检测数据包括:每一辆已知车辆的每一个检测点(包括所有显性检测点和所有隐性检测点)的检测结果,该检测结果包括有损伤或无损伤;所有已知车辆中每一个检测点的分类概率,该分类概率包括该检测点有损伤的车辆的数量占据所有已知车辆的总数量的概率和该检测点无损伤的车辆的数量占据所有已知车辆的总数量的概率;所有已知车辆中每一个目标检测点关联的多个显性检测点中的每一个显性检测点与该目标检测点的条件概率,该条件概率包括该目标检测点有损伤的条件下每一个显性检测点有损伤的概率和该目标检测点无损伤的条件下每一个显性检测点有损伤的概率。
每一个目标检测点关联的多个显性检测点指的是对该目标检测点的技术性能会产生影响的显性检测点,通常根据检测专家的检测经验人为设定。
第二种实现方式为:获取已知车辆中每个目标检测点与显性检测点相关联的历史检测结果,该历史检测结果为已知车辆中每个显性检测点的检测结果对该目标检测点的检测结果产生影响的概率。该历史检测结果可以通过专家经验人为设定。
步骤103、根据所述显性检测结果和所述历史检测结果生成待检测车辆中目标检测点的检测结果。
在步骤102中,如果采用第一种实现方式获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果,则在步骤103中,根据所述显性检测结果和所述历史检测结果生成待检测车辆中目标检测点的检测结果的过程,具体包括:根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用朴素贝叶斯算法计算出待检测车辆中该目标检测点的检测结果。举例如下:
参考图2,图2示出的是本发明实施例提供的一种待检测车辆的示意图。图2中,待检测车辆中共有三个检测点,包括:A柱、B柱和前骨架;其中,A柱为目标检测点,B柱和前骨架为与目标检测点A柱相关联的两个显性检测点。如果获取到的该待检测车辆的显性检测点B柱和前骨架的显性检测结果均为有损伤,则可以采用下述朴素贝叶斯公式(1)和朴素贝叶斯公式(2)计算目标检测点A柱的检测结果。
P[A柱有损伤(B柱有损伤,前骨架有损伤)]
=P[(B柱有损伤,前骨架有损伤)|A柱有损伤]*P(A柱有损伤)/P(B柱有损伤,前骨架有损伤)
=[P(B柱有损伤|A柱有损伤)*P(前骨架有损伤|A柱有损伤)*P(A柱有损伤)]/[P(B柱有损伤)*P(前骨架有损伤)](1)
P[A柱无损伤(B柱有损伤,前骨架有损伤)]
=P[(B柱有损伤,前骨架有损伤)|A柱无损伤]*P(A柱无损伤)/P(B柱有损伤,前骨架有损伤)
=[P(B柱有损伤|A柱无损伤)*P(前骨架有损伤|A柱无损伤)*P(A柱无损伤)]/[P(B柱有损伤)*P(前骨架有损伤)](2)
上述公式(1)和公式(2)中,P(B柱有损伤|A柱有损伤)和P(B柱有损伤|A柱无损伤)表示已知车辆中显性检测点B柱与目标检测点A柱的条件概率;P(前骨架有损伤|A柱有损伤)和P(前骨架有损伤|A柱无损伤)表示前述已知车辆中显性检测点前骨架与目标检测点A柱的条件概率;P(A柱有损伤)和P(A柱无损伤)表示前述已知车辆中目标检测点A柱的分类概率;P(B柱有损伤)表示前述已知车辆中显性检测点B柱的分类概率;P(前骨架有损伤)表示前述已知车辆中显性检测点前骨架的分类概率。公式(1)和公式(2)中的这些概率数据可以从存储的历史检测数据中提取。
需要说明的是,图2中的待检测车辆可以替换为任意一辆需要被进行检测的车辆。此外,如果获取到待检测车辆中其它目标检测点相关联的两个显性检测点的显性检测结果均为有损伤,均可以采用上述公式(1)和公式(2)计算该目标检测点的检测结果。具体计算时,将上述公式(1)和公式(2)中的目标检测点A柱以及与A柱相关的两个显性检测点的相关概率相应替换为该目标检测点以及与该目标检测点相关的两个显性检测点的相关概率即可。
在步骤102中,如果采用第二种实现方式获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果,则在步骤103中,根据所述显性检测结果和所述历史检测结果生成待检测车辆中目标检测点的检测结果的过程,具体包括:根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用预设范式计算出待检测车辆中该目标检测点的检测结果。其中,预设范式可以设置为取最大值。举例如下:
对于图2中的待检测车辆,获取到已知车辆中显性检测点B柱和前骨架的检测结果对目标检测点A柱的检测结果产生影响的概率如下:
B柱损伤,A柱损伤的概率为0.4;
前骨架损伤,A柱损伤的概率为0.3;
如果获取到待检测车辆中B柱的显性检测结果为有损伤,前骨架的显性检测结果为无损伤,则根据预设范式,待检测车辆中A柱有损伤的概率为0.4;如果获取到待检测车辆中B柱的显性检测结果为有损伤,前骨架的显性检测结果为有损伤,则根据预设范式,待检测车辆中A柱有损伤的概率为0.4;如果获取到待检测车辆中B柱的显性检测结果为无损伤,前骨架的显性检测结果为有损伤,则根据预设范式,待检测车辆中A柱有损伤的概率为0.3;如果获取到待检测车辆中B柱的显性检测结果为无损伤,前骨架的显性检测结果为无损伤,则根据预设范式,待检测车辆中A柱有损伤的概率为0。
进一步,在生成待检测车辆中各目标检测点的检测结果后,该车辆检测方法还包括:在所述待检测车辆的图像中检测结果为有损伤的目标检测点的位置,显示提醒标志。提醒标志可以随意设置,例如可以设置为高亮标志、闪烁标志、颜色标志等。
本发明实施例提供的车辆检测方法,通过检测结果真实有效的已知车辆的检测结果和待检测车辆中显性检测点的显性检测结果,确定待检测车辆中作为目标检测点的隐性检测点的检测结果,隐性检测点发生不明显的损伤时,也可以精确检测出损伤情况,避免了遗漏不明显损伤部位的风险,极大的提高了检测的准确性,适用性更好。
与本发明的车辆检测方法相对应,本发明还提供了一种车辆检测装置。
参见图3,图3示出的是本发明实施例提供的一种车辆检测装置的结构框图。结合图3可知,该车辆检测装置包括:显性检测结果获取模块301,用于根据待检测车辆的图像,获取待检测车辆中显性检测点的显性检测结果;历史检测结果获取模块302,用于获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果;目标检测结果生成模块303,用于根据所述显性检测结果和所述历史检测结果生成待检测车辆中目标检测点的检测结果。
进一步,历史检测结果获取模块302具体用于:从存储的已知车辆的历史检测数据中调取每个目标检测点以及与该目标检测点相关联的两个显性检测点的历史检测结果,该历史检测结果包括每个所述显性检测点的分类概率、该目标检测点的分类概率以及每个所述显性检测点与该目标检测点的条件概率。
进一步,目标检测结果生成模块303具体用于:根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用朴素贝叶斯算法计算出待检测车辆中该目标检测点的检测结果。
进一步,历史检测结果获取模块302具体用于:获取已知车辆中每个目标检测点与显性检测点相关联的历史检测结果,该历史检测结果为已知车辆中每个显性检测点的检测结果对该目标检测点的检测结果产生影响的概率。
进一步,目标检测结果生成模块303具体用于:根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用预设范式计算出待检测车辆中该目标检测点的检测结果。
进一步,该车辆检测装置还包括:显示提醒模块304,用于在所述待检测车辆的图像中检测结果为有损伤的目标检测点的位置,显示提醒标志。
采用本发明实施例提供的车辆检测装置,可以实施上述车辆检测方法中的各步骤,生成待检测车辆中目标检测点的检测结果,即生成隐性检测点的检测结果,隐性检测点发生不明显的损伤时,也可以精确检测出损伤情况,避免了遗漏不明显损伤部位的风险,极大的提高了检测的准确性,适用性更好。
具体实现中,本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的车辆检测方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于车辆检测装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (4)
1.一种车辆检测方法,其特征在于,包括:
根据待检测车辆的图像,获取待检测车辆中显性检测点的显性检测结果;
其中,所述图像是指观察到所述待检测车辆表面的每一个部位的三维立体图像,所述图像包括以部位划分的多个检测点,所述检测点由显性检测点和目标检测点组成;
所述显性检测点指的是待检测车辆中,车辆检测的普通技术人员通过肉眼观察可以直接得到检测结果的检测点;
获取已知车辆中每个目标检测点与显性检测点相关联的历史检测结果,所述历史检测结果为已知车辆中每个显性检测点的检测结果对所述目标检测点的检测结果产生影响的概率;
根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用预设范式计算出待检测车辆中所述目标检测点的检测结果;所述预设范式设置为取最大值;
在所述待检测车辆的图像中检测结果为有损伤的目标检测点的位置,显示提醒标志。
2.如权利要求1所述的车辆检测方法,其特征在于,获取已知车辆中所述显性检测点与目标检测点相关联的历史检测结果的过程,具体包括:
从存储的已知车辆的历史检测数据中调取每个目标检测点以及与所述目标检测点相关联的两个显性检测点的历史检测结果,所述历史检测结果包括每个所述显性检测点的分类概率、所述目标检测点的分类概率以及每个所述显性检测点与所述目标检测点的条件概率。
3.一种车辆检测装置,其特征在于,包括:
显性检测结果获取模块,用于根据待检测车辆的图像,获取待检测车辆中显性检测点的显性检测结果;
其中,所述图像是指观察到所述待检测车辆表面的每一个部位的三维立体图像,所述图像包括以部位划分的多个检测点,所述检测点由显性检测点和目标检测点组成;
所述显性检测点指的是待检测车辆中,车辆检测的普通技术人员通过肉眼观察可以直接得到检测结果的检测点;
历史检测结果获取模块,用于获取已知车辆中每个目标检测点与显性检测点相关联的历史检测结果,所述历史检测结果为已知车辆中每个显性检测点的检测结果对所述目标检测点的检测结果产生影响的概率;
目标检测结果生成模块,用于根据所述显性检测结果和每个目标检测点对应的所述历史检测结果,采用预设范式计算出待检测车辆中所述目标检测点的检测结果;所述预设范式设置为取最大值;
显示提醒模块,用于在所述待检测车辆的图像中检测结果为有损伤的目标检测点的位置,显示提醒标志。
4.如权利要求3所述的车辆检测装置,其特征在于,所述历史检测结果获取模块具体用于:
从存储的已知车辆的历史检测数据中调取每个目标检测点以及与所述目标检测点相关联的两个显性检测点的历史检测结果,所述历史检测结果包括每个所述显性检测点的分类概率、所述目标检测点的分类概率以及每个所述显性检测点与所述目标检测点的条件概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710261393.5A CN108765362B (zh) | 2017-04-20 | 2017-04-20 | 一种车辆检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710261393.5A CN108765362B (zh) | 2017-04-20 | 2017-04-20 | 一种车辆检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108765362A CN108765362A (zh) | 2018-11-06 |
CN108765362B true CN108765362B (zh) | 2023-04-11 |
Family
ID=63980019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710261393.5A Active CN108765362B (zh) | 2017-04-20 | 2017-04-20 | 一种车辆检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765362B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114500038A (zh) * | 2022-01-24 | 2022-05-13 | 深信服科技股份有限公司 | 网络安全检测方法、装置、电子设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001066977A1 (fr) * | 2000-03-10 | 2001-09-13 | Tcm Corporation | Dispositif de deplacement par entrainement pour dispositif industriel et dispositif de frein du dispositif de deplacement par entrainement |
JP2013161434A (ja) * | 2012-02-08 | 2013-08-19 | Toyota Motor Corp | 車両の周辺監視装置 |
CN104240505A (zh) * | 2014-09-11 | 2014-12-24 | 胡又宏 | 一种解读道路交通视频图像信息的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6303090B2 (ja) * | 2014-03-24 | 2018-04-04 | アルパイン株式会社 | 画像処理装置および画像処理プログラム |
WO2015184619A1 (zh) * | 2014-06-05 | 2015-12-10 | 深圳市推想大数据信息技术有限公司 | 一种估算用户的隐性特征分布的方法及装置 |
-
2017
- 2017-04-20 CN CN201710261393.5A patent/CN108765362B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001066977A1 (fr) * | 2000-03-10 | 2001-09-13 | Tcm Corporation | Dispositif de deplacement par entrainement pour dispositif industriel et dispositif de frein du dispositif de deplacement par entrainement |
JP2013161434A (ja) * | 2012-02-08 | 2013-08-19 | Toyota Motor Corp | 車両の周辺監視装置 |
CN104240505A (zh) * | 2014-09-11 | 2014-12-24 | 胡又宏 | 一种解读道路交通视频图像信息的方法 |
Non-Patent Citations (1)
Title |
---|
K.A. Hogda etal..High-resolution satellite images for detecting vegetation damage caused by terrain vehicles in northern Norway.《2004 IEEE International Geoscience and Remote Sensing Symposium》.2004,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN108765362A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chard et al. | Reducing the impact of white matter lesions on automated measures of brain gray and white matter volumes | |
US20170236271A1 (en) | Classification apparatus for pathologic diagnosis of medical image, and pathologic diagnosis system using the same | |
EP3489898A1 (en) | Method and apparatus for estimating disparity | |
US9286547B2 (en) | Quality control and assurance of images | |
EP2739200A1 (en) | Ophthalmic diagnosis support apparatus and ophthalmic diagnosis support method | |
EP3190434B1 (en) | Vehicle inspection method and system | |
JP2012504810A (ja) | システムにおける故障を診断するモデルの更新の支援 | |
CN106225681A (zh) | 一种大跨度桥梁健康状态监测装置 | |
CN104303209B (zh) | 指纹脊线图像合成***及指纹脊线图像合成方法 | |
CN116664551B (zh) | 基于机器视觉的显示屏检测方法、装置、设备及存储介质 | |
CN103886602A (zh) | 一种基于纹理的射线图像缺陷检测方法 | |
DE102015220884A1 (de) | Bildverarbeitungsvorrichtung | |
CN108765362B (zh) | 一种车辆检测方法及装置 | |
Hensman et al. | Spatial scanning for anomaly detection in acoustic emission testing of an aerospace structure | |
EP2233884A1 (en) | Method of measuring amount of eccentricity | |
JP2007159934A (ja) | 比較読影支援装置 | |
CN109263649A (zh) | 车辆及其自动驾驶模式下的物体识别方法和物体识别*** | |
CN107566826A (zh) | 栅格图像处理器的测试方法及装置 | |
US20190285710A1 (en) | Mpi method and system for visually representing mpi image data | |
CN110017998A (zh) | 车辆检测方法、装置和设备 | |
TWI223214B (en) | A method for relating images in an image processing system | |
CN113537407B (zh) | 基于机器学习的图像数据评价处理方法及装置 | |
Martin et al. | Characterization of identification errors and uses in localization of poor modal correlation | |
US20110255768A1 (en) | Method and System for Automated Ball-Grid Array Void Quantification | |
CN106910163B (zh) | 原始ct投影数据的数据修复装置及方法、ct成像*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20181106 Assignee: Beijing May 8th clapping Information Technology Co.,Ltd. Assignor: YOUXIN SHUXIANG (BEIJING) INFORMATION TECHNOLOGY Co.,Ltd. Contract record no.: X2020990000156 Denomination of invention: Detecting method and device for vehicle License type: Common License Record date: 20200402 |
|
EE01 | Entry into force of recordation of patent licensing contract | ||
GR01 | Patent grant | ||
GR01 | Patent grant |