CN112446513A - 车辆零部件检测方法及装置、计算机可读存储介质 - Google Patents
车辆零部件检测方法及装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN112446513A CN112446513A CN202011473095.0A CN202011473095A CN112446513A CN 112446513 A CN112446513 A CN 112446513A CN 202011473095 A CN202011473095 A CN 202011473095A CN 112446513 A CN112446513 A CN 112446513A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- current state
- maintenance
- component
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 238000012423 maintenance Methods 0.000 claims abstract description 51
- 230000003190 augmentative effect Effects 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008439 repair process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种车辆零部件检测方法及装置、计算机可读存储介质,用以解决现有车辆零部件检测成本高的问题。本申请提供的方案包括:扫描车辆预定位置区域,以获取预定位置区域对应的扫描图像;从扫描图像中识别出预定位置区域内的零部件;基于图像识别检测零部件的当前状态;根据零部件的当前状态,通过增强现实展示对零部件的检测反馈信息。本申请实施例的方案可以简单有效的方式检测车辆零部件,降低用户对车辆的维修保养成本。
Description
技术领域
本申请涉及车辆技术领域,尤其涉及一种车辆零部件检测方法及装置、计算机可读存储介质。
背景技术
人们在日常用车过程中常常需要对车辆进行维修和保养,现在的维修保养方式一般是用户自己翻看车辆手册并根据个人经验进行车辆零部件检测并维修保养,或者将车辆开到4S店由专业人员来检测,而去4S店进行操作很多时候需要排队等待,检测的成本也比较高。凭借个人经验或者4S店专用人员检测来进行维修保养,都会浪费用户大量时间和精力,增加用户的车辆维修保养成本。
如何提供一种简单有效的车辆零部件检测方法,从而降低用户对车辆的维修保养成本是本申请所要解决的技术问题。
发明内容
本申请实施例的目的是提供一种车辆零部件检测方法及装置、计算机可读存储介质,用以解决现有车辆零部件检测成本高的问题。
为了解决上述技术问题,本说明书是这样实现的:
第一方面,提供了一种车辆零部件检测方法,包括:扫描车辆预定位置区域,以获取所述预定位置区域对应的扫描图像;从所述扫描图像中识别出所述预定位置区域内的零部件;基于图像识别检测所述零部件的当前状态;根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息。
可选的,从所述扫描图像中识别出所述预定位置区域内的零部件,包括:将所述扫描图像与第一数据库进行比对,其中,所述第一数据库中包括多种形状零部件的第一图像;在存在与所述扫描图像中的所述零部件的当前形状匹配的第一图像时,将所述预定位置区域内的零部件识别为匹配的所述第一图像中的零部件。
可选的,基于图像识别检测所述零部件的当前状态,包括:将所述扫描图像与第二数据库进行比对,其中,所述第二数据库中包括所述扫描图像中的所述零部件的原始出厂形状的第二图像;基于所述扫描图像中的所述零部件的当前形状与所述第二图像中所述零部件的原始出厂形状的变化,确定所述零部件的当前状态。
可选的,基于所述扫描图像中的所述零部件的当前形状与所述第二图像中所述零部件的原始出厂形状的变化,确定所述零部件的当前状态,包括:基于所述扫描图像中的所述零部件的当前形状与所述第二图像中所述零部件的原始出厂形状的变形程度大小,确定所述零部件的当前状态。
可选的,基于图像识别检测所述零部件的当前状态,包括:将所述扫描图像与第三数据库进行比对,其中,所述扫描图像中的所述零部件为报警灯,所述第三数据库中包括该零部件对应类型的报警灯的不同显示状态的第三图像;在存在与所述扫描图像中的所述报警灯的当前显示状态匹配的第三图像时,将所述第三图像中的报警灯的显示状态确定为所述零部件的当前状态。
可选的,还包括:基于所述第三图像中的报警灯的显示状态,确定所述报警灯对应报警提示的零部件的当前状态。
可选的,根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息,包括如下至少一种:
当检测所述零部件的当前状态为良好时,通过增强现实展示所述零部件对应的维修保养手册和使用说明书中的至少一项;
当检测所述零部件的当前状态为需要保养时,通过增强现实展示所述零部件的保养建议和动态展示所述零部件的保养详细步骤中的至少一项;
当检测所述零部件的当前状态为需要维修时,通过增强现实展示所述零部件的维修建议和动态展示所述零部件的维修详细步骤中的至少一项。
可选的,在根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息之前,还包括:获取所述车辆的车型信息;基于所述车辆的车型信息,通过增强现实展示所述车辆对应的同款车型的模型并凸显所述零部件;其中,在凸显的所述零部件的周边展示对所述零部件的检测反馈信息。
第二方面,提供了一种车辆零部件检测装置,包括:处理器和与所述存储器电连接的处理器,所述存储器存储有可在所述处理器运行的计算机程序,该计算机程序被该处理器执行时实现如第一方面所述的方法的步骤。
第三方面,提供了一种计算机可读存储介质,该计算机可读存储介质上存储计算机程序,该计算机程序被处理器执行时实现如第一方面所述的方法的步骤。
在本申请实施例中,通过扫描车辆预定位置区域,以获取所述预定位置区域对应的扫描图像;从所述扫描图像中识别出所述预定位置区域内的零部件;基于图像识别检测所述零部件的当前状态;根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息,由此本申请实施例的车辆零部件的检测具有简单直接、可以随时随地操作的优势,降低了用户对车辆检测的时间成本和资金成本,提高用户的使用体验。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例的车辆零部件检测方法流程示意图之一。
图2是本申请实施例的车辆零部件检测方法流程示意图之一。
图3是本申请实施例的车辆零部件检测方法流程示意图之一。
图4是本申请实施例的车辆零部件检测方法流程示意图之一。
图5是本申请实施例的车辆零部件检测方法的示例流程图。
图6是本申请实施例的车辆零部件检测装置的结构方框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。本申请中附图编号仅用于区分方案中的各个步骤,不用于限定各个步骤的执行顺序,具体执行顺序以说明书中描述为准。
为了解决现有技术中存在的问题,本申请实施例提供一种车辆零部件检测方法,图1是本申请实施例的车辆零部件检测方法流程示意图之一。
如图1所示,包括以下步骤:
步骤102,扫描车辆预定位置区域,以获取所述预定位置区域对应的扫描图像。
本申请实施例的车辆零部件检测方法执行在终端设备上,例如手机、平板电脑等。通过打开终端设备的摄像头,可以扫描被检测车辆上任意想进行检测的区域。车辆预定位置区域通常是包含车辆易损零部件,例如轮胎、雨刮器和刹车片等等的区域,或者包含车辆报警灯的区域,例如指示安全带没有系上、车辆机油容量不足或发电机出现故障等等的报警灯。
在扫描上述预定位置区域之后,则获得该区域对应的扫描图像。
步骤104,从所述扫描图像中识别出所述预定位置区域内的零部件。
基于上述实施例提供的方案,可选的,上述步骤104中,从所述扫描图像中识别出所述预定位置区域内的零部件,包括如图2所示的步骤,图2是本申请实施例的车辆零部件检测方法流程示意图之一。
如图2所示,包括:
步骤202,将所述扫描图像与第一数据库进行比对,其中,所述第一数据库中包括多种形状零部件的第一图像。
第一数据库中预先保存有车辆各种不同形状零部件的图像,例如轮胎、雨刮器、刹车片、报警灯、前视镜、后视镜等等,第一数据库中记录有每个第一图像所包含的零部件的名称,例如通过每个图像的ID和对应包含的零部件的名称映射表,来记录每个第一图像及其对应的零部件名称。进一步地,第一数据库中还记录有该零部件的型号。
比对扫描图像和第一数据库,就是比对第一图像中的零部件形状与扫描图像中的零部件形状,从而从第一数据库中找出与扫描图像中的零部件形状匹配的第一图像。可以通过预先训练好的图像识别模型,来进行图像比对和识别。
步骤204,在存在与所述扫描图像中的所述零部件的当前形状匹配的第一图像时,将所述预定位置区域内的零部件识别为匹配的所述第一图像中的零部件。
如果第一数据库中存在与扫描图像的零部件形状匹配的第一图像,则根据该第一图像的ID获取对应映射关系的零部件名称,从而根据该零部件名称,可以识别车辆扫描的区域内的零部件。例如,通过比对确定第一数据库中存在与扫描图像的零部件形状匹配的第一图像,且该第一图像包括的零部件为轮胎,则识别扫描图像中的零部件为轮胎。
如果第一数据库中不存在与扫描图像的零部件形状匹配的第一图像,则可以重新扫描。
步骤106,基于图像识别检测所述零部件的当前状态。
基于上述实施例提供的方案,可选的,在一个实施例中,上述步骤106基于图像识别检测所述零部件的当前状态,包括如图3所示的步骤,图3是本申请实施例的车辆零部件检测方法流程示意图之一。
如图3所示,包括:
步骤302,将所述扫描图像与第二数据库进行比对,其中,所述第二数据库中包括所述扫描图像中的所述零部件的原始出厂形状的第二图像。
第二数据库中预先保存有从扫描图像识别出的零部件的原始出厂形状,也即零部件没有出现任何损耗或破坏状态下的形状。为了减少计算消耗,第二图像可以仅包括该识别零部件的各种不同角度的第二图像。例如,在步骤204中识别扫描图像中的零部件为轮胎,则第二数据库中包括的第二图像都是关于从各种不同角度拍摄的轮胎的原始出厂形状的图像。
在一个实施例中,进一步地可以根据识别零部件的型号,从第二数据库中获取该相同型号的零部件的第二图像。从而,可以从而第二数据库中获取与扫描图像的零部件匹配更准确的比对零部件图像。
步骤304,基于所述扫描图像中的所述零部件的当前形状与所述第二图像中所述零部件的原始出厂形状的变化,确定所述零部件的当前状态。
零部件的当前状态包括良好、需要保养和需要维修中至少一项。
例如,识别的零部件为雨刮器,通过比较雨刮器的当前形状与第二图像中其原始出厂形状,可以确定雨刮器的胶条老化变形。原本出厂形状是直的,与车窗的紧贴状态良好,而通过比较确定雨刮器的当前状态为弯曲的,与车窗的贴合缝隙大,雨刮器存在变形。
例如,识别的零部件为轮胎,通过比较轮胎的当前形状与第二图像中其原始出厂形状,可以确定车辆扫描的轮胎花纹减少,轮胎存在磨损。
在步骤304中,可选的,可以基于所述扫描图像中的所述零部件的当前形状与所述第二图像中所述零部件的原始出厂形状的变形程度大小,确定所述零部件的当前状态。
例如,基于轮胎的花纹减少可以确定轮胎存在磨损,进一步地,通过比较花纹原本出厂厚度和当前厚度可以确定轮胎花纹的磨损程度。轮胎原本的花纹出厂厚度为1cm,而轮胎的当前花纹厚度为0.5cm,则磨损了50%。此时,确定该零部件的当前状态为需要维修。
例如,刹车片原始出厂厚度为15-20cm,当前的厚度为14cm,磨损1cm,则确定刹车片的当前状态为良好;若通过比对确定刹车片厚度磨损为3cm-4cm,需要更换,则确定当前状态为需要维修。
例如,比对确定车辆的挡风玻璃的当前外观存在异物或污渍等,需要洗车,则确定当前状态为需要保养。
不同的零部件,对应确定不同的检测策略。
基于上述实施例提供的方案,可选的,在一个实施例中,上述步骤106基于图像识别检测所述零部件的当前状态,包括如图4所示的步骤,图4是本申请实施例的车辆零部件检测方法流程示意图之一。
如图4所示,包括以下步骤:
步骤402,将所述扫描图像与第三数据库进行比对,其中,所述扫描图像中的所述零部件为报警灯,所述第三数据库中包括该零部件对应类型的报警灯的不同显示状态的第三图像。
如上文所述,扫描图像中识别的零部件还包括报警灯,不同的报警灯用于指示的零部件不同,例如指示安全带没有系上的报警灯,用于指示车辆机油容量不足的报警灯或者用于指示发电机出现故障的报警灯。
此外,相同形状的报警灯根据当前不同的显示状态,用于指示的目的也不同。例如,报警灯长亮、频闪或者显示不同的颜色,分别用于指示不同的零部件故障。
步骤404,在存在与所述扫描图像中的所述报警灯的当前显示状态匹配的第三图像时,将所述第三图像中的报警灯的显示状态确定为所述零部件的当前状态。
可选的,还包括:基于所述第三图像中的报警灯的显示状态,确定所述报警灯对应报警提示的零部件的当前状态。
例如,第三数据库中存在用于指示发电机故障的报警灯,且识别该报警灯的显示状态为闪烁,则表示车辆的发电机目前存在故障,确定发电机的当前状态为需要维修。
步骤108,根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息。
基于上述实施例提供的方案,可选的,上述步骤108中,根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息,包括如下至少一种:
当检测所述零部件的当前状态为良好时,通过增强现实展示所述零部件对应的使用说明书和维修保养手册中的至少一项;
当检测所述零部件的当前状态为需要保养时,通过增强现实展示所述零部件的保养建议和动态展示所述零部件的保养详细步骤中的至少一项;
当检测所述零部件的当前状态为需要维修时,通过增强现实展示所述零部件的维修建议和动态展示所述零部件的维修详细步骤中的至少一项。
在步骤108根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息之前,还包括:获取所述车辆的车型信息;基于所述车辆的车型信息,通过增强现实展示所述车辆对应的同款车型的模型并凸显所述零部件;其中,在凸显的所述零部件的周边展示对所述零部件的检测反馈信息。
被扫描的车辆的相关信息,例如车型信息等已经预先保存,在步骤106检测到扫描的车辆零部件之后,则使用终端设备调取增强现实(Augmented Reality,AR)模型,通过AR显示从而将当前车辆的同款模型投射到例如空地的空白处,并高亮识别到的零部件。
上述零部件使用说明书、维修保养手机、保养建议、保养详细步骤、维修建议、维修详细步骤的可以是对应的预先拍摄的小视频,通过AR模型调用对应的小视频并显示,从而将对所述零部件的检测反馈信息向用户进行AR显示。
如此,用户通过终端设备向地面等空白处投射一个跟自己车辆一样的同款AR车辆模型,通过动态AR车辆模型向用户详细展示车辆零部件的维修保养过程,车主可以在无外界指导的情况下轻松对车辆零部件进行维修保养。通过AR技术更加精准的向用户展示维修保养的过程,指导更加直观简便,用户可以一步步跟随AR说明进行操作,保证操作指导信息准确无误,让车辆维修保养更加简便。
除了AR显示对应的检测反馈信息之外,还可以在终端设备的应用界面上向用户显示购买建议链接或4S店预约建议。
例如,在确定扫描的车辆零部件需要保养或自行手动维修,除了向用户对应提供AR显示建议之外,如果有需要购买该零配件,则可以提供购买建议链接;如果确定扫描的车辆零部件需要维修且问题较严重,需要到4S店进行专业维修,则可以向用户提供4S店预约建议。
本申请实施例的车辆零部件检测方法可以执行在终端设备,由终端设备执行上述步骤102至步骤108。在一个实施例中,为了提高车辆零部件检测的运算速度,也可以将上述步骤104的零部件识别和/或步骤106的零部件当前状态检测放在服务器端执行,由服务器端确定后将对应的结果反馈给终端设备进行后续的步骤。
本申请实施例的车辆零部件检测方法,通过扫描车辆预定位置区域,以获取所述预定位置区域对应的扫描图像,从所述扫描图像中识别出所述预定位置区域内的零部件,基于图像识别检测所述零部件的当前状态,根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息,由此本申请实施例的车辆零部件的检测具有简单直接、可以随时随地操作的优势,降低了用户对车辆检测的时间成本和资金成本,提高用户的使用体验。
相比现有的大部分汽车维修保养方式,本申请实施例解决部分用户经验不足,无法对车辆易损件和其他零部件的状态进行准确的检测及后续维修保养的问题。并且基于人工智能技术的不断发展,识别能力和维修建议也可以不断优化更新,进一步提高车主的使用体验。
现在参考图5,图5是本申请实施例的车辆零部件检测方法的示例流程图。
如图5所示,包括以下步骤:
步骤502:打开终端设备,例如手机的摄像头,扫描车辆对应的零部件位置,得到扫描图像;
步骤504:识别该位置的信息,即扫描图像对应区域的零部件的信息和当前状态;
步骤506:判断是否识别到有效零部件,若否(图示“N”),则返回步骤502,重新进行识别,若是(图示“Y”),则进入步骤508;
步骤508:通过图像识别分析该零部件状态,对应的状态包括该零部件需要维修、状态良好或者需要保养。
步骤510:如果识别到该零部件状态良好,则结束,或者进一步通过AR向用户展示该零部件维修保养手册和使用说明;
步骤512:如果识别到该零部件需要保养,则通过VR展示相关部件,并向用户提供AR展示的保养建议,通过动态AR展示保养详细步骤;
步骤514:如果识别到该零部件需要维修,则进一步判断零部件的故障是否属于严重问题,若否,则进入步骤516,若是,则进入步骤518;
步骤516:不属于严重问题,表示该零部件可以由用户自行进行手动维修,则通过VR展示相关部件,并向用户提供AR维修建议,通过动态AR展示维修详细步骤;
步骤518:如果识别到该零部件需要维修且问题较严重,需要到4S店进行专业维修,则向用户提供4S店预约建议。
通过上述方法,例如当用户用手机扫描雨刮器时,手机自动识别到当前零部件为雨刮器且雨刮器当前损耗严重可自行进行更换,则通过AR展示告知用户雨刮器当前损耗严重需要进行更换,同时提供官方商城购买链接供用户购买。当雨刮器到货后,用户可以通过手机中的雨刮器对应的AR说明书更换说明,一步步地操作更换,最终完成雨刮器的更换。
可选的,本申请实施例还提供一种车辆零部件检测装置,图6是本申请实施例的车辆零部件检测装置的结构方框图。
如图6所示,该装置2000包括存储器2200和与所述存储器2200电连接的处理器2400,所述存储器2200存储有可在所述处理器2400运行的计算机程序,所述计算机程序被所述处理器执行时实现上述任意一种车辆零部件检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述任意一种车辆零部件检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种车辆零部件检测方法,其特征在于,包括:
扫描车辆预定位置区域,以获取所述预定位置区域对应的扫描图像;
从所述扫描图像中识别出所述预定位置区域内的零部件;
基于图像识别检测所述零部件的当前状态;
根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息。
2.如权利要求1所述的方法,其特征在于,从所述扫描图像中识别出所述预定位置区域内的零部件,包括:
将所述扫描图像与第一数据库进行比对,其中,所述第一数据库中包括多种形状零部件的第一图像;
在存在与所述扫描图像中的所述零部件的当前形状匹配的第一图像时,将所述预定位置区域内的零部件识别为匹配的所述第一图像中的零部件。
3.如权利要求1所述的方法,其特征在于,基于图像识别检测所述零部件的当前状态,包括:
将所述扫描图像与第二数据库进行比对,其中,所述第二数据库中包括所述扫描图像中的所述零部件的原始出厂形状的第二图像;
基于所述扫描图像中的所述零部件的当前形状与所述第二图像中所述零部件的原始出厂形状的变化,确定所述零部件的当前状态。
4.如权利要求3所述的方法,其特征在于,基于所述扫描图像中的所述零部件的当前形状与所述第二图像中所述零部件的原始出厂形状的变化,确定所述零部件的当前状态,包括:
基于所述扫描图像中的所述零部件的当前形状与所述第二图像中所述零部件的原始出厂形状的变形程度大小,确定所述零部件的当前状态。
5.如权利要求1所述的方法,其特征在于,基于图像识别检测所述零部件的当前状态,包括:
将所述扫描图像与第三数据库进行比对,其中,所述扫描图像中的所述零部件为报警灯,所述第三数据库中包括该零部件对应类型的报警灯的不同显示状态的第三图像;
在存在与所述扫描图像中的所述报警灯的当前显示状态匹配的第三图像时,将所述第三图像中的报警灯的显示状态确定为所述零部件的当前状态。
6.如权利要求5所述的方法,其特征在于,还包括:
基于所述第三图像中的报警灯的显示状态,确定所述报警灯对应报警提示的零部件的当前状态。
7.如权利要求1所述的方法,其特征在于,根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息,包括如下至少一种:
当检测所述零部件的当前状态为良好时,通过增强现实展示所述零部件对应的维修保养手册和使用说明书中的至少一项;
当检测所述零部件的当前状态为需要保养时,通过增强现实展示所述零部件的保养建议和动态展示所述零部件的保养详细步骤中的至少一项;
当检测所述零部件的当前状态为需要维修时,通过增强现实展示所述零部件的维修建议和动态展示所述零部件的维修详细步骤中的至少一项。
8.如权利要求7所述的方法,其特征在于,在根据所述零部件的当前状态,通过增强现实展示对所述零部件的检测反馈信息之前,还包括:
获取所述车辆的车型信息;
基于所述车辆的车型信息,通过增强现实展示所述车辆对应的同款车型的模型并凸显所述零部件;其中,
在凸显的所述零部件的周边展示对所述零部件的检测反馈信息。
9.一种车辆零部件检测装置,其特征在于,包括:存储器和与所述存储器电连接的处理器,所述存储器存储有可在所述处理器运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011473095.0A CN112446513A (zh) | 2020-12-15 | 2020-12-15 | 车辆零部件检测方法及装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011473095.0A CN112446513A (zh) | 2020-12-15 | 2020-12-15 | 车辆零部件检测方法及装置、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112446513A true CN112446513A (zh) | 2021-03-05 |
Family
ID=74740411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011473095.0A Pending CN112446513A (zh) | 2020-12-15 | 2020-12-15 | 车辆零部件检测方法及装置、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446513A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111091A (zh) * | 2021-04-19 | 2021-07-13 | 深圳市轱辘车联数据技术有限公司 | 维修信息获取方法、装置、计算机设备及存储介质 |
CN114739293A (zh) * | 2022-03-25 | 2022-07-12 | 北京博联众睿机器人科技有限公司 | 车身测量方法、***、装置以及电子设备 |
CN115063431A (zh) * | 2022-08-19 | 2022-09-16 | 山东远盾网络技术股份有限公司 | 一种基于图像处理的汽车零部件质量溯源方法 |
CN115212586A (zh) * | 2022-04-29 | 2022-10-21 | 长城汽车股份有限公司 | 汽车模型及车模交互*** |
CN115633058A (zh) * | 2022-09-30 | 2023-01-20 | 中国第一汽车股份有限公司 | 车载设备的处理方法及处理装置 |
CN116500058A (zh) * | 2023-06-28 | 2023-07-28 | 信丰云创(深圳)信息有限公司 | 一种显示屏检测***及显示屏检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103940620A (zh) * | 2014-04-24 | 2014-07-23 | 成都华诚立信科技有限公司 | 基于图像识别的汽车故障判别与提示的方法及*** |
CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及*** |
CN106296118A (zh) * | 2016-08-03 | 2017-01-04 | 深圳市永兴元科技有限公司 | 基于图像识别的车辆定损方法及装置 |
CN107392218A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN107403424A (zh) * | 2017-04-11 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN110009508A (zh) * | 2018-12-25 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 一种车险自动赔付方法和*** |
CN209147928U (zh) * | 2019-01-22 | 2019-07-23 | 南昌工程学院 | 一种汽车零部件机器视觉检测装置 |
CN110263615A (zh) * | 2019-04-29 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 车辆拍摄中的交互处理方法、装置、设备及客户端 |
-
2020
- 2020-12-15 CN CN202011473095.0A patent/CN112446513A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103940620A (zh) * | 2014-04-24 | 2014-07-23 | 成都华诚立信科技有限公司 | 基于图像识别的汽车故障判别与提示的方法及*** |
CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及*** |
CN106296118A (zh) * | 2016-08-03 | 2017-01-04 | 深圳市永兴元科技有限公司 | 基于图像识别的车辆定损方法及装置 |
CN107392218A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN107403424A (zh) * | 2017-04-11 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN110009508A (zh) * | 2018-12-25 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 一种车险自动赔付方法和*** |
CN209147928U (zh) * | 2019-01-22 | 2019-07-23 | 南昌工程学院 | 一种汽车零部件机器视觉检测装置 |
CN110263615A (zh) * | 2019-04-29 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 车辆拍摄中的交互处理方法、装置、设备及客户端 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111091A (zh) * | 2021-04-19 | 2021-07-13 | 深圳市轱辘车联数据技术有限公司 | 维修信息获取方法、装置、计算机设备及存储介质 |
CN114739293A (zh) * | 2022-03-25 | 2022-07-12 | 北京博联众睿机器人科技有限公司 | 车身测量方法、***、装置以及电子设备 |
CN115212586A (zh) * | 2022-04-29 | 2022-10-21 | 长城汽车股份有限公司 | 汽车模型及车模交互*** |
CN115212586B (zh) * | 2022-04-29 | 2024-01-02 | 长城汽车股份有限公司 | 汽车模型及车模交互*** |
CN115063431A (zh) * | 2022-08-19 | 2022-09-16 | 山东远盾网络技术股份有限公司 | 一种基于图像处理的汽车零部件质量溯源方法 |
CN115063431B (zh) * | 2022-08-19 | 2022-11-11 | 山东远盾网络技术股份有限公司 | 一种基于图像处理的汽车零部件质量溯源方法 |
CN115633058A (zh) * | 2022-09-30 | 2023-01-20 | 中国第一汽车股份有限公司 | 车载设备的处理方法及处理装置 |
CN116500058A (zh) * | 2023-06-28 | 2023-07-28 | 信丰云创(深圳)信息有限公司 | 一种显示屏检测***及显示屏检测方法 |
CN116500058B (zh) * | 2023-06-28 | 2024-03-19 | 信丰云创(深圳)信息有限公司 | 一种显示屏检测***及显示屏检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112446513A (zh) | 车辆零部件检测方法及装置、计算机可读存储介质 | |
US11361426B2 (en) | Paint blending determination | |
CN110395260B (zh) | 车辆、安全驾驶方法和装置 | |
US10825097B1 (en) | Systems and methods for utilizing machine-assisted vehicle inspection to identify insurance buildup or fraud | |
CN111488875B (zh) | 基于图像识别的车险理赔核损方法、装置和电子设备 | |
KR102198296B1 (ko) | 자동으로 사고 차량의 파손 정도를 산출하는 장치, 방법 및 컴퓨터 프로그램 | |
EP1891580B1 (en) | Method and a system for detecting a road at night | |
EP3413287A1 (en) | Method for indicating to a driver of a vehicle the presence of an object at least temporarily moving relative to the vehicle | |
CN208239883U (zh) | 汽车故障智能检测*** | |
CA2818637A1 (en) | System and method for providing automotive purchase, insurance quote, and vehicle financing information using vehicle recognition | |
US20180334108A1 (en) | Rear View Mirror Simulation | |
CN109664891A (zh) | 辅助驾驶方法、装置、设备及存储介质 | |
CN113911073A (zh) | 车辆传感器清洁 | |
US11521393B2 (en) | Information processing system, program, and control method | |
KR20220024768A (ko) | 손상 검출 장치 및 방법 | |
CN110194108A (zh) | 抬头显示***的显示颜色调控方法、抬头显示***及车辆 | |
KR20220029931A (ko) | 차량 손상 관리 방법 및 차량 손상 관리 장치 | |
KR102354754B1 (ko) | 차량용품 추천판매 시스템 | |
US11989787B2 (en) | Remote vehicle damage assessment | |
CN115633058A (zh) | 车载设备的处理方法及处理装置 | |
KR20220036308A (ko) | 이미지 분석 기반 차량 수리 가이드 제공 방법 및 시스템 | |
KR102498615B1 (ko) | 인공지능 기반의 나이트비전 시스템 | |
CN114140185A (zh) | 一种基于诊断结果的车用商城商品显示方法及相关设备 | |
CN114078107A (zh) | 用于识别车辆的条状饰件的方法、存储介质、设备和*** | |
CN110176011A (zh) | 车辆异常提醒方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210305 |