KR102531372B1 - 차량 수리 정보 제공 시스템 - Google Patents
차량 수리 정보 제공 시스템 Download PDFInfo
- Publication number
- KR102531372B1 KR102531372B1 KR1020220063352A KR20220063352A KR102531372B1 KR 102531372 B1 KR102531372 B1 KR 102531372B1 KR 1020220063352 A KR1020220063352 A KR 1020220063352A KR 20220063352 A KR20220063352 A KR 20220063352A KR 102531372 B1 KR102531372 B1 KR 102531372B1
- Authority
- KR
- South Korea
- Prior art keywords
- repair
- vehicle
- damage
- unit
- damaged
- Prior art date
Links
- 230000008439 repair process Effects 0.000 title claims abstract description 208
- 238000003745 diagnosis Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000010295 mobile communication Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000007689 inspection Methods 0.000 claims abstract description 5
- 239000003795 chemical substances by application Substances 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 9
- 239000000843 powder Substances 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims 1
- 239000007924 injection Substances 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 3
- 229910052751 metal Inorganic materials 0.000 description 12
- 239000002184 metal Substances 0.000 description 12
- 238000000034 method Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 7
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010422 painting Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000000546 pharmaceutical excipient Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000576 food coloring agent Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G06Q50/30—
-
- 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
- G06Q30/0283—Price estimation or determination
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명에서는 다수 차량의 파손 부위에 대한 촬영 이미지를 분석하여 파손 유형, 파손 종류, 파손 정도, 파손 부품별로 판단한 데이터를 학습하여 모델을 생성하는 모델 생성부, 검수받기 위하여 입고된 차량을 카메라로 촬영하여 얻은 외관 이미지 신호를 수신 및 저장하는 이미지 처리부, 차량의 외관 이미지 중 파손 부위에 대한 외관 이미지를 추출하여 파손 상태를 분석하고 진단하는 파손 진단부, 파손 진단 결과와 상기 모델 생성부를 통해 생성된 모델을 토대로, 파손 부위에 대한 수리 유형을 판정하는 수리 판정부, 차량의 파손에 따른 수리비 견적 산출에 관한 데이터를 저장하는 데이터베이스, 상기 데이터베이스에 저장된 수리비 견적 산출 데이터와 파손 진단 결과 및 수리 유형 판정 결과에 기초하여, 차량 수리 또는 교체가 필요한 부품이나 부분에 대한 수리비를 산정하는 수리비 견적부 및 차주의 이동통신단말로 수리 내역, 수리비 견적금액 및 예상 소요시간 정보를 전송하고, 수리 진행 여부 확인을 위한 승인을 요청하는 수리정보 제공부를 포함하는 차량 수리 정보 제공 시스템을 개시한다.
Description
본 발명은 차량의 수리에 따른 견적 정보를 실시간으로 제공하기 위한 시스템에 관한 것으로서, 더욱 상세하게는 입고된 차량의 전체 외관 이미지를 분석한 후 파손 부위에 대한 외관 이미지를 추출하여 파손 정도를 학습 모델을 기반으로 자동 판정함으로써 일관성 있는 수리기준을 통해 신뢰할 수 있는 견적을 산출하여 차주인 소비자에게 제공하고 더불어 수리과정을 소비자 및 소비자가 승인한 사용자에게 실시간 제공할 수 있는 차량 수리 정보 제공 시스템에 관한 것이다.
일반적으로 자동차가 교통사고나 물리적인 충격에 의해 파손 및 변형되면 정비소로 입고하여 해당 부품이나 부분의 수리 또는 교체 등 처리가 필요한 범위를 결정하게 된다.
그런데 차량의 수리 범위는 정비사의 주관적 판단 기준으로 정해지기 때문에 비슷한 파손이나 손상 정도임에도 불구하고 수리 내역과 비용이 크게 달라지는 경우가 많아 차량 수리에 따른 견적 내용의 신뢰성이 상당히 떨어지는 문제점이 있다.
이를테면, 자동차의 보디와 차체 패널을 수리 및 교환한 후 도료의 조색과 도장작업을 통하여 본래의 차체 형상과 색상으로 원상복원하는 일련의 작업은 명시된 수리 및 정비 기준에 의거하여 수행할 수 있으나, 사고차량의 경우 손상 부위와 원인 및 상태에 따라 수리에 드는 비용 차이가 커서 수리 가능한 부품과 교체할 부품을 결정은 합리적인 기준에 의해 이루어져야 한다.
따라서 정비사의 주관적인 판단이 아닌 정형화되고 일관성 있는 수리 범위 결정을 통해 차량 수리비를 책정하여 차주인 소비자에게 설명하고 사전 동의에 따라 해당 부품이나 부분에 대한 수리 또는 교체를 진행할 수 있는 기술개발이 필요한 실정이다.
한편, 차량을 이용한 범죄 발생 시 범인의 신원을 판명하거나 범죄와 범인을 결부시킬 수 있는 법정증거물을 확보하기 위해 차량에서 지문을 채취하여 수사자료화하고 있다.
이러한 지문은 남겨진 상태에 따라 육안으로 식별할 수 있는 현재지문과, 땀으로 배출되는 성분과 같은 잔류물이 대상물에 유류되어 육안으로 식별이 불가능한 잠재지문으로 분류된다. 잠재지문을 현출하는 방법으로는 지문이 찍혀있는 대상물과 대비되는 색상을 갖는 분말 형태의 현출제로 확인하는 물리적방법이 있다.
한편, 교통사고를 내고 그대로 도망치는 뺑소니차는 차량번호가 확인 및 조회되더라도 등록된 소유주와 실제 운전자가 다른 속칭 대포차인 경우가 많아 뺑소니범에 대한 검거율이 현저히 낮을 수밖에 없는 한계가 있다.
여기서 상술한 배경기술 또는 종래기술은 본 발명자가 보유하거나 본 발명을 도출하는 과정에서 습득한 정보로서 본 발명의 기술적 의의를 이해하는데 도움이 되기 위한 것일 뿐, 본 발명의 출원 전에 이 발명이 속하는 기술분야에서 널리 알려진 기술을 의미하는 것은 아님을 밝힌다.
이에 본 발명자는 상술한 제반 사항을 종합적으로 고려함과 동시에 기존의 차량 수리 방식이 지닌 기술적 한계 및 문제점들을 해결하려는 발상에서, 정비소에 입고된 차량의 전체 외관 이미지를 분석한 후 파손 부위에 대한 외관 이미지를 추출하여 파손 정도를 학습 모델을 기반으로 자동 판정함으로써 일관성 있는 수리기준을 통해 신뢰할 수 있는 견적을 산출하여 소비자에게 제공하고, 아울러 소비자의 사전 동의를 얻은 다음 해당 부품이나 부분에 대한 수리 또는 교체를 진행할 수 있는 새로운 차량 수리 정보 제공 시스템을 개발하고자 각고의 노력을 기울여 부단히 연구하던 중 그 결과로써 본 발명을 창안하게 되었다.
따라서 본 발명이 해결하고자 하는 기술적 과제 및 목적은 일관성 있는 수리기준을 통해 견적의 산출 근거를 명확히 하여 소비자에게 제공할 수 있도록 하는 차량 수리 정보 제공 시스템을 제공하는 데 있는 것이다.
또한, 소비자가 원하는 경우 차량 수리과정을 실시간 제공 또는 수리과정에서 사용되는 도구 등을 소비자가 확인할 수 있도록 하는데 있는 것이다.
여기서 본 발명이 해결하고자 하는 기술적 과제 및 목적은 이상에서 언급한 기술적 과제 및 목적으로 국한하지 않으며, 언급하지 않은 또 다른 기술적 과제 및 목적들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 명확하게 이해할 수 있을 것이다.
상술한 바와 같은 본 발명의 기술적 과제를 해결하기 위한 새로운 착상을 구체화하면서 특정의 기술적 목적을 효과적으로 달성하기 위한 본 발명의 실시에 따른 구체적인 수단은, 다수 차량의 파손 부위에 대한 촬영 이미지를 분석하여 파손 유형, 파손 종류, 파손 정도, 파손 부품별로 판단한 데이터를 학습하여 모델을 생성하는 모델 생성부, 검수받기 위하여 입고된 차량을 카메라로 촬영하여 얻은 외관 이미지 신호를 수신 및 저장하는 이미지 처리부, 차량의 외관 이미지 중 파손 부위에 대한 외관 이미지를 추출하여 파손 상태를 분석하고 진단하는 파손 진단부, 파손 진단 결과와 상기 모델 생성부를 통해 생성된 모델을 토대로, 파손 부위에 대한 파손 정도와 수리 유형을 판정하는 수리 판정부, 차량의 파손에 따른 수리비 견적 산출에 관한 데이터를 저장하는 데이터베이스, 상기 데이터베이스에 저장된 수리비 견적 산출 데이터와 파손 진단 결과 및 수리 유형 판정 결과에 기초하여, 차량 수리 또는 교체가 필요한 부품이나 부분에 대한 수리비를 산정하는 수리비 견적부 및 소비자의 이동통신단말로 수리 내역, 수리비 견적금액 및 예상 소요시간 정보를 전송하고, 수리 진행 여부 확인을 위한 승인을 요청하는 수리정보 제공부를 포함하여 채용하는 것을 특징으로 하는 차량 수리 정보 제공 시스템을 제시한다.
이로써 본 발명은 정비소에 입고된 사고 차량의 전체 외관 이미지를 분석한 후 파손 부위에 대한 외관 이미지를 추출하여 파손 정도를 학습 모델을 기반으로 자동 판정할 수 있다.
따라서 일관성 있는 수리기준을 통해 신뢰할 수 있는 수리비 견적을 산출하여 소비자에게 제공함으로써 소비자의 알 권리 보장으로 소비자의 선택권을 확대할 수 있다.
아울러 정비업자가 수리하기 전 소비자에게 수리범위, 수리비용 등에 대해 안내하고, 수리과정 중 추가로 수리가 필요한 경우 소비자의 사전 동의를 얻은 다음 해당 부품이나 부분에 대한 수리 또는 교체를 진행할 수 있어 자동차 수리비와 관련한 분쟁을 사전에 예방할 수 있다.
또한, 본 발명의 바람직한 실시예는, 입고된 차량의 표면에 묻은 현재지문을 카메라로 접사촬영하여 얻은 지문 이미지 신호를 수신 및 저장하는 지문 검출부 및 상기 차량의 표면에 묻은 잠재지문을 현출하기 위한 분말 형태의 현출제를 도포하는 현출제 도포부를 더 포함하여 구성됨으로써 교통사고 발생으로 인한 차량의 파손 부위를 수리하기 위해 정비소에 입고된 차량이 대포차 또는 뺑소니차일 경우 해당 차량의 표면에 묻은 교통사고 가해자(범인)의 지문을 수사기관에 제공하여 수사자료로 활용할 수 있다.
또한, 본 발명의 바람직한 실시예로 상기 수리 판정부는 파손 부위에 대한 파손 정도와 수리 유형의 판정에 따른 수리 과정과 수리에 필요한 도구를 확인하며, 상기 수리정보 제공부는 소비자의 이동통신단말로 수리 과정과 수리 도구 정보를 전송하고, 수리 진행 여부 확인을 위한 승인을 요청함으로써 과잉수리로 인한 수리비용 과다 청구 피해를 막을 수 있다.
상기와 같은 기술적 과제를 해결하고자 특유한 해결 수단이 기초하고 있는 본 발명의 기술사상 및 실시 예(embodiment)에 따르면, 정비소에 입고된 사고 차량의 전체 외관 이미지를 분석한 후 파손 부위에 대한 외관 이미지를 추출하여 파손 정도를 학습 모델을 기반으로 자동 판정하고, 그 결과에 기초하여 수리가 필요한 부품이나 부분에 대한 수리비를 산정할 수 있다.
따라서 정비업자는 일관성 있는 수리기준을 통해 신뢰할 수 있는 수리비 견적을 산출하여 소비자에게 제공할 수 있고, 아울러 소비자의 알 권리 보장으로 소비자의 선택권을 확대할 수 있다.
나아가 정비업자가 수리하기 전 소비자에게 수리범위, 수리비용 등에 대해 안내하고, 수리과정 중 추가로 수리가 필요한 경우 소비자의 사전 동의를 얻은 다음 해당 부품이나 부분에 대한 수리 또는 교체를 진행할 수 있어 과잉 수리로 인한 자동차 수리비와 관련한 분쟁을 사전에 예방할 수 있다.
여기서 본 발명의 효과들은 이상에서 언급한 효과들로 국한하지 않으며, 언급하지 않은 또 다른 효과들은 청구범위의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 명확하게 이해할 수 있을 것이다.
도 1은 본 발명의 실시 예에 따른 차량 수리 정보 제공 시스템을 개략적으로 나타낸 블록도이다.
도 2는 본 발명의 실시 예에 따른 차량 수리 정보 제공 시스템을 구성하는 주요 요소 중 지문 검출부 및 현출제 도포부의 구성에 대한 이해를 돕기 위한 구성 개념도이다.
도 2는 본 발명의 실시 예에 따른 차량 수리 정보 제공 시스템을 구성하는 주요 요소 중 지문 검출부 및 현출제 도포부의 구성에 대한 이해를 돕기 위한 구성 개념도이다.
이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 보다 구체적으로 설명한다.
이에 앞서, 후술하는 용어들은 본 발명에서의 기능을 고려하여 정의된 것으로서, 이는 본 발명의 기술적 사상에 부합되는 개념과 당해 기술분야에서 통용 또는 통상적으로 인식되는 의미로 해석하여야 함을 명시한다.
또한, 본 발명과 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
여기서 첨부된 도면들은 기술의 구성 및 작용에 대한 설명의 편의와 이해를 돕기 위해 일부분을 과장하거나 간략화하여 도시될 수 있고, 그 도면상의 각 구성요소가 실제의 크기 및 형태와 정확하게 일치하는 것은 아님을 밝힌다.
아울러 본 명세서에서 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함하는 의미이며, 또 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
즉, 본 명세서에서 설시(說示)하는 '포함하다' 또는 '가지다' 등의 용어는 특징, 개수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해해야 한다.
아울러 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
그리고 본 발명에서 사용하는 "부" 및 "유닛"의 용어에 대한 의미는 시스템에서 목적하는 적어도 하나의 기능이나 어느 일정한 동작을 처리하는 단위 또는 역할을 하는 모듈 형태를 의미하며, 이는 하드웨어나 소프트웨어 혹은 하드웨어 및 소프트웨어의 결합 등을 통한 수단이나 독립적인 동작을 수행할 수 있는 디바이스 또는 어셈블리 등으로 구현할 수 있다.
또한, 본 발명에서 사용하는 "모듈"의 용어에 대한 의미는 하드웨어, 소프트웨어 또는 펌웨어(firmware) 중 하나 또는 둘 이상의 조합을 포함하는 단위(unit)를 의미할 수 있고, 또 유닛(unit), 로직(logic), 논리 블록(logical block), 부품(component), 회로(circuit) 등의 용어와 바꾸어 사용(interchangeably use)될 수 있고, 또 일체로 구성된 부품의 최소 단위 또는 그 일부가 될 수 있고, 또 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수도 있으며, 또 기계적으로 또는 전자적으로 구현될 수 있다.
그리고 상단, 하단, 상면, 하면, 또는 상부, 하부, 상측, 하측, 전후, 좌우 등의 용어는 각 구성요소에 있어 상대적인 위치를 구별하기 위해 편의상 사용한 것이다. 예를 들어, 도면상의 위쪽을 상부로 아래쪽을 하부로 명명하거나 지칭하고, 길이 방향을 전후 방향으로, 폭 방향을 좌우 방향으로 명명하거나 지칭할 수 있다.
또한, 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있다. 즉, 제1, 제2 등의 용어는 단지 하나의 구성요소를 다른 구성요소와 구별하는 목적으로 사용될 수 있다. 예를 들어, 제1 구성요소는 본 발명의 보호범위를 벗어나지 않는 한에서 제2 구성요소로 명명할 수 있고, 또 제2 구성요소도 제1 구성요소로 명명할 수도 있다.
도 1 및 도 2를 참조하면, 본 발명의 실시 예에 따른 차량 수리 정보 제공 시스템(1)을 구성하는 주요 요소는 모델 생성부(10), 이미지 처리부(20), 파손 진단부(30), 수리 판정부(40), 데이터베이스(50), 수리비 견적부(60), 수리정보 제공부(70) 및 지문 검출부(80)를 포함하고 있고, 이는 외부 장치와 통신할 수 있는 프로그램 모듈 또는 하드웨어들로 구성될 수 있다.
이러한 프로그램 모듈 또는 하드웨어는 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 시스템 또는 이와 통신 가능한 다른 장치에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치 상에 저장될 수 있다.
모델 생성부(10)는 다수 차량의 파손 부위에 대한 촬영 이미지를 분석하여 파손 유형, 파손 종류, 파손 정도, 파손 부품별로 판단한 데이터를 학습하여 모델을 생성하는 역할을 한다.
예를 들어, 모델 생성부(10)는 스크래치가 발생된 도어, 판금 작업이 필요한 휀더, 교체 작업이 필요한 범퍼 등과 같은 다수의 파손 부위 촬영 이미지를 토대로 파손 유형 별 파손 정도를 학습하여 모델을 생성한다.
이때, 모델 생성부(10)는 CNN 프레임워크의 Inception V4 네트워크 구조(구글사)를 이용하여 해당 파손 부위의 파손 정도가 정상 상태, 스크래치 상태, 소손상 판금 필요 상태, 중손상 판금 필요 상태, 대손상 판금 필요 상태, 교환 상태 중 어느 하나에 해당하는지 여부를 학습하여 판정할 수 있다.
한편, 모델 생성부(10)는 촬영 이미지들을 부분 검출 알고리즘을 이용하여 차량 부위의 불규칙 경계선에 따라 검출될 수 있다. 부분 검출 알고리즘은 이미지 인식 알고리즘을 이용하여 표준화된 알고리즘인 YOLO, SSD, R CNN, MASK R CNN, TEST R CNN 등의 다양한 방법 중 하나의 방법이 사용되나 이에 한정되지 않으며, 부분적으로 또는 전체적으로 자유롭게 변경될 수 있다.
이때, 차량 부위는 차종 별로 구분되어 인식될 수 있다. 예를 들어, SUV 차종과 세단 차종의 외관 및 각 차량 부위가 다르게 인식될 수 있다.
여기서 차량 부위는 프런트 범퍼, 좌우측앞휀더, 좌우측헤드램프, 좌우측뒷휀더, 좌우측앞도어, 좌우측뒷도어, 우측뒷도어, 리어컴비램프, 리어컴비, 트렁크 리드, 리어 범퍼, 후드 등을 포함할 수 있고, 파손 부위를 정확하게 결정하기 위해서 차종 별 차량 부위 마다 표준 차량 이미지가 관리될 수 있다.
즉, 촬영 이미지에 포함된 차량 부위들을 해당 차종의 차량 부위별 표준 차량 이미지와 비교함으로써 차종에 따른 차량 부위가 결정될 수 있다.
이미지 처리부(20)는 검수받기 위하여 입고된 차량을 카메라로 촬영하여 얻은 외관 이미지 신호를 수신 및 저장하는 역할을 한다.
이와 함께 이미지 처리부(20)는 손상 부위의 명칭 정보, 차종 정보, 제조사 정보, 모델명 정보 등을 수신 및 저장할 수 있다.
파손 진단부(30)는 차량의 외관 이미지 중 파손 부위에 대한 외관 이미지를 추출하여 파손 상태를 분석하고 진단하는 역할을 한다.
예를 들어, 파손 진단부(30)는 차량의 외관 이미지를 분석하여 차량의 파손 부품, 파손 종류 및 파손 정도를 판단함으로써 차량의 파손을 진단할 수 있다.
이때, 파손 진단부(30)는 인공 지능 기반의 파손 진단을 하기 위하여, 기존에 처리한 차량 파손 진단 결과에 관한 데이터들을 이용하여 파손 진단에 대한 학습을 수행할 수 있다.
또한, 파손 진단부(30)는 차량의 파손 부품, 파손 종류 및 파손 정도에 따라 분류한 파손 클래스로 구분할 수 있다.
여기서 파손 진단부(30)는 마스킹을 통해 획득된 자동차 부품에 대한 이미지 중에서 외곽 라인을 기준으로 자동차 부품 외에 주변부(배경)를 모두 블랙처리함으로써 정확한 파손 부위 이미지를 추출하고, 이를 통해 수리 판정부(40)에서의 파손 정도를 판정 시 정확도가 상승할 수 있다.
수리 판정부(40)는 파손 진단부(30)의 파손 진단 결과와 모델 생성부(10)를 통해 생성된 모델을 토대로, 파손 부위에 대한 파손 정도와 수리 유형을 판정하고, 그 판정에 따른 수리 과정과 수리에 필요한 도구를 확인하는 역할을 한다.
즉, 수리 판정부(40)는 수리에 필요한 부품 및 재료의 종류, 수리 방법, 작업 시간 등을 판정할 수 있다.
이때, 수리 판정부(40)는 인공 지능 기반의 수리 유형 판정을 위하여 파손 부품, 파손 종류 및 파손 정도 등에 대응되는 각각의 수리 유형을 판정할 수 있도록 반복하여 데이터 학습할 수 있다.
또한, 수리 판정부(40)는 수리 유형의 판정 시 회귀 모델을 이용할 수 있다.
여기서 수리 판정부(40)에서 사용되는 회귀 모델은 파손 부품, 파손 종류 및 파손 정도에 따라 상이한 가중치를 부여하도록 도출된 식을 이용하여 파손을 진단하도록 구성될 수 있다.
즉, 수리 판정부(40)는 파손 진단부(30)에 의하여 진단된 파손 결과에 회귀 모델을 적용하여 차량의 수리 유형을 판단할 수 있다.
한편, 수리 판정부(40)는 모델 생성부(10)를 통해 생성된 모델을 토대로 Mask R-CNN 프레임워크를 이용하여 외관 이미지상에서 범퍼, 도어, 휀더, 트렁크 및 후드 등에 대한 자동차 부품을 파악 및 세분화한 데이터를 학습할 수 있고, 파손 진단부(30)를 통해 추출된 파손 부위에 대한 외관 이미지의 파손 정도가 어느 정도 인지를 판단하며, 이는 CNN 프레임워크의 Inception V4 네트워크 구조를 이용하여 해당 파손 부위가 정상 상태, 스크래치 상태, 소손상 판금 필요 상태, 중손상 판금 필요 상태, 대손상 판금 필요 상태, 교환 상태 중 어느 하나에 해당하는지 여부를 판정하게 된다.
예를 들어, 수리 판정부(40)는 딥러닝 기반의 Inception V4 네트워크 구조(인셉션 V4 콘볼루션 신경망 구조)를 통해 수만 장 이상의 샘플 파손 이미지를 기초로 학습된 모형과 파손 부위 이미지를 서로 비교함으로써, 파손 부위 이미지의 상태가 어느 상태에 해당하는지를 자동으로 판별하게 된다.
이때, 스크래치 상태는 수리에 걸리는 시간이 30분 이내에 해당하는 수만 장 이상의 샘플 파손 이미지를 기초로 학습된 모형을 토대로 판별하고, 소손상 판금 필요 상태는 수리에 걸리는 시간이 약 13시간 이내에 해당하는 수만 장 이상의 샘플 파손 이미지를 기초로 학습된 모형을 토대로 판별하며, 중손상 판금 필요 상태는 수리에 걸리는 시간이 약 17시간 이내에 해당하는 수만 장 이상의 샘플 파손 이미지를 기초로 학습된 모형을 토대로 판별하고, 대손상 판금 필요 상태는 수리에 걸리는 시간이 약 23시간 이내에 해당하는 수만 장 이상의 샘플 파손 이미지를 기초로 학습된 모형을 토대로 판별할 수 있다.
데이터베이스(50)는 차량의 파손에 따른 수리비 견적 산출에 관한 데이터를 저장하는 역할을 한다.
예를 들면, 데이터베이스(50)는 차량의 종류 정보, 차량의 부품 리스트 및 가격, 차량의 파손 종류, 공임, 수리 유형별 수리 방법 및 작업 시간, 도장 요금 및 과거 수리비 견적 내역 등을 저장할 수 있다.
이때, 차량의 종류 정보는 차량의 모델명, 옵션, 등급, 연비 등을 포함할 수 있고, 차량의 부품 리스트는 부품명, 부품 번호, 가격 등을 포함할 수 있고, 수리 유형별 수리 방법으로는 판금, 도장, 수리, 교환 등을 포함할 수 있으며, 공임 정보는 각 부품별 탈부착 시간, 도장 시간, 판금 시간에 따른 공임 비용 등을 포함할 수 있다.
또한, 데이터베이스(50)는 차량의 파손 부품, 파손 부위, 파손 정도 등의 설정된 기준에 따라 파손 클래스별로 분류하여 저장할 수 있으나, 이는 단지 예시일 뿐이며, 나열한 것에 한정되는 것은 아니다.
수리비 견적부(60)는 데이터베이스(50)에 저장된 수리비 견적 산출 데이터와 파손 진단 결과 및 수리 유형 판정 결과에 기초하여, 차량 수리 또는 교체가 필요한 부품이나 부분에 대한 예상 수리비를 산정하는 역할을 한다.
그리고 수리비 견적부(60)는 수리 항목에 대한 정보, 각 수리 항목에 대한 비용 정보 판단이 가능하고, 파손 부위에 대한 외관 이미지 정보 분석에 기반하여, 해당 차량의 제조사 및 모델명 파악, 차량의 파손 정도 파악, 해당 파손 정도에 따른 필요 수리 항목 파악, 각 수리 항목에 대한 견적 산출이 가능하다.
예를 들어, 수리비 견적부(60)는 수리에 필요한 작업 내용 및 작업 시간, 재료비, 부품비, 공임 등을 계산함으로써 차량 파손에 따른 최종적인 수리비를 산출할 수 있다.
이때, 수리비 견적부(60)는 인공 지능 기반의 수리비 산정을 위하여 데이터베이스(50)에 저장된 수리비 견적 산출에 관한 데이터와 파손 진단 결과 및 수리 유형 판정 결과에 기초한 임의의 산출식을 통해 최종 수리비를 계산할 수 있도록 반복하여 데이터 학습할 수 있다.
수리정보 제공부(70)는 소비자의 이동통신단말로 수리 내역, 수리비 견적금액 및 예상 소요시간 정보를 전송하고, 수리 진행 여부 확인을 위한 승인을 요청하는 역할을 한다.
그리고 수리정보 제공부(70)는 소비자의 이동통신단말로 수리 과정과 수리 도구 정보를 전송하고, 수리 진행 여부 확인을 위한 승인을 요청하거나 수리 과정과 수리 도구의 변경 여부를 확인할 수 있다.
여기서 소비자의 이동통신단말에는 차량의 파손 부위에 대한 영상과 수리비 견적서 등을 수신하여 출력하고 유저 인터페이스를 구현하기 위해 관련 애플리케이션이 설치된 것으로 간주한다. 애플리케이션은 네트워크를 통해 다운로드 받아 설치하거나 별도의 저장장치(USB)를 통해 다운로드 받아 설치할 수 있다.
지문 검출부(80)는 정비소에 입고된 차량의 표면에 묻은 현재지문을 카메라(C)로 접사촬영하여 얻은 지문 이미지 신호를 수신 및 저장하는 역할을 한다.
여기서 카메라(C)는 지문 검출부(80)의 제어에 따라 차량의 전후좌우 및 상측에 각각 배치된 레일(R)을 따라 미끄럼 이동이 가능하게 다수 설치할 수 있다.
현출제 도포부(90)는 정비소에 입고된 차량의 표면에 묻은 잠재지문을 현출하기 위한 분말 형태의 현출제를 도포하는 역할을 한다.
여기서 현출제 도포부(90)는 지문 검출부(80)의 제어에 따라 차량의 전후좌우 및 상측에 각각 배치된 레일(R)을 따라 미끄럼 이동이 가능하게 다수 설치할 수 있다.
그리고 현출제로는 인체에 무해한 식용 색소분말이나 상용 silver powder (flake, 10~80㎛, Sirchie, U.S.A) 등을 사용할 수 있다.
또한, 카메라(C)로는 현출한 지문을 280배율에서 영상으로 기록하는 Digital Microscope(Keyence, VHX-100, Canada)를 채용할 수 있다.
여기서, 상기 레일에 설치된 카메라 및 현출제 도포를 위한 현출제 분사기는, 레일을 따라 자동 이송수단을 통해 슬라이드 이동되는 바디와, 상기 바디로부터 전후진 가능하게 설치된 붐의 선단에 설치되어 추적 촬영 및 추적 분사가 가능하도록 할 수 있다.
즉, 바디의 붐 선단에 카메라가 설치되어 붐의 전후진 또는 관절 이동을 통해 근접 촬영이 가능하고, 바디의 붐 선단에 현출제 분사기가 설치되어 촬영에 의한 위치에 근접 상태에서 현출제 분사가 가능하도록 할 수 있다.
이와 같이 구성된 본 발명의 실시 예에 따른 차량 수리 정보 제공 시스템의 주요 작용 및 동작 원리를 설명하면 다음과 같다.
먼저, 차량의 각 부품에 대한 영상, 가격 정보 및 수리 부위에 대한 수리비용, 수리 부위에 대한 공임 등에 정보를 데이터베이스(50)에 등록한다.
여기서 차량의 각 부품에 대한 영상정보는 3D 데이터로 저장해놓는 것이 바람직하다. 3D 데이터를 등록하기 위해서는 3D 모델링 기술을 이용하는 것이 바람직하다. 차량은 국내 자동차 제조사는 물론 해외 유명 자동차 제조사에서 생산되는 모든 차량 모델을 포함하는 것이 바람직하다.
이미지 처리부(20)에서는 검수받기 위하여 정비소 입고된 차량을 카메라로 촬영하여 얻은 외관 이미지 신호를 별도의 영상전송장치를 통해 수신 및 저장(업로드)한다.
이때, 수리 견적을 요청하는 차량 정보와 차주에 대한 정보도 함께 수신 및 저장하는 것이 바람직하다.
파손 진단부(30)는 차량의 외관 이미지와 데이터베이스(50)에 저장된 모든 차량의 부품 영상을 비교하여 수리가 필요한 대상으로 예측되는 부위를 후보영역으로 추출한다.
이때, 모든 차량의 부품 영상과 비교하여 후보영역을 추출하는 시간을 최소한으로 단축하기 위해서 정비사가 차종 정보를 미리 입력할 수 있다. 즉, 차종 정보가 입력되는 경우, 파손 진단부(30)는 차량의 외관 이미지와 데이터베이스(50)로부터 해당 차종에 대한 영상정보만을 비교함으로써 신속한 후보 영역의 추출이 가능하다.
아울러 파손 진단부(30)는 파손 부위와 연계된 변형영역을 검출하여 수리가 필요한 대상으로 후보영역으로 예측 및 진단한다.
여기서 변형영역은 파손 부위로 인한 변형이 예측되는 차량 부품을 의미한다. 예를 들어, 차량 파손 사고가 특정 부분에 발생했다면 그 부분만이 아니고, 그 부분의 차량 파손 사고로 인해 연계된 부분의 변형을 예측할 수 있다.
이때, 변형영역을 추출한 경우에는 파손 부위의 패턴인식을 통해 차량 수리부위를 인식할 수 있으며, 차량 수리 부위의 인식이 완료되면, 데이터베이스(50)에 기등록된 차량 부품을 검색하여 해당 영상을 추출한다. 즉, 수리로 인식한 부분(차량 부품)에 대한 정상적인 상태의 차량 부품 영상을 검색하여 추출한다.
수리 판정부(40)는 파손 진단부(30)의 파손 진단 결과와 상기 모델 생성부(10)를 통해 생성된 모델을 기초로 파손 부위 영상을 비교하여 수리 유형과 범위를 설정한다.
즉, 파손 부위 외관 이미지와 그에 대응하는 정상 상태의 차량 부품 영상을 비교하여 수리 유형과 범위를 설정한다.
여기서 수리 유형과 범위는 부품의 형상 변형, 외곽선의 형태 등을 이용하여 설정할 수 있다.
그리고 수리 판정부(40)는 설정한 수리 유형과 범위에 따라 부품 교체 여부를 판단한다. 즉, 차량의 수리 부위에 대해서 해당 부품을 교체해야 하는지, 아니면 수리할 수 있는지를 판단하게 된다.
예를 들어, 정상 부품 상태에서 30% 이상이 파손되거나 변형된 것으로 판단이 되면 부품 교체로 판단을 하고, 30% 미만으로 파손되거나 변형된 경우에는 수리로 판단한다.
여기서 수리 판정부(40)에서 판단한 결과를 기초로 차량의 수리 부위를 부품별 또는 부위별로 도출하여 소비자(차)의 이동통신단말을 통해 디스플레이함으로써 소비자가 수리 부위를 인식하는 데 이해도를 높일 수 있다.
수리비 견적부(60)는 데이터베이스(50)에 기저장된 수리비 견적 산출 데이터와 수리 판정부(40)에서 도출한 차량 수리 부위 인식 결과를 기초로 수리비를 산정한다.
수리정보 제공부(70)는 수리비 견적부(60)에서 산정한 결과에 따라 소비자의 이동통신단말로 수리 내역, 수리비 견적금액 및 예상 소요시간 정보를 전송하여 화면에 출력함으로써 소비자는 수리비 견적을 받아 볼 수 있다.
이때, 소비자에게 차량의 상태 및 수리 비용에 대한 이해력을 높여주기 위해 수리 부위에 대한 차량 구조를 입체적(3D) 및 그래픽으로 제공함으로써 소비자는 부품 모델링/매핑을 통해 손쉽게 파손 부위를 확인할 수 있다.
아울러 수리정보 제공부(70)는 수리 진행 여부 확인을 위한 승인을 요청할 수 있다.
즉, 자동차손해배상 보장법에 따르면 자동차 정비업체의 수리비 과잉청구 방지 및 보험회사의 작업내용 임의삭감 관행 개선을 위해 수리비 견적 산출 시 소비자의 동의가 필수적으로 처리되어야 하므로, 수리 진행 전에 차주의 자필 서명 등으로 승인을 받고 수리를 진행할 수 있다.
한편, 지문 검출부(80)는 정비소에 입고된 차량의 표면에 묻은 현재지문을 카메라(C)로 접사촬영하여 얻은 지문 이미지 신호를 수신 및 저장할 수 있다.
이때, 카메라(C)는 레일(R)을 따라 일정한 거리 범위를 이동하면서 촬영할 수 있다.
아울러 현출제 도포부(90)는 일정한 거리 범위를 이동하면서 차량의 표면에 묻은 잠재지문을 현출하기 위한 분말 형태의 현출제를 분사기를 통해 도포할 수 있다.
따라서 정비소에 입고된 차량이 대포차 또는 뺑소니차이거나 차량의 파손 부위에 범죄 혐의점이 있을 경우 해당 차량의 표면에 묻은 교통사고 가해자(범인)의 지문을 채취하여 수사기관에 수사자료로 활용하도록 제공할 수 있다.
한편, 본 발명은 상술한 실시 예(embodiment) 및 첨부된 도면에 의해 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 안에서 예시되지 않은 여러 가지로 다양하게 변형하고 응용할 수 있음은 물론이고 각 구성요소의 치환 및 균등한 타 실시 예로 변경하여 폭넓게 적용할 수도 있음은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명백하다.
그러므로 본 발명의 기술적 특징을 변형하고 응용하는 것에 관계된 내용은 본 발명의 기술사상 및 범위 내에 포함되는 것으로 해석하여야 할 것이다.
10: 모델 생성부 20: 이미지 처리부
30: 파손 진단부 40: 수리 판정부
50: 데이터베이스 60: 수리비 견적부
70: 수리정보 제공부 80: 지문 검출부
30: 파손 진단부 40: 수리 판정부
50: 데이터베이스 60: 수리비 견적부
70: 수리정보 제공부 80: 지문 검출부
Claims (5)
- 다수 차량의 파손 부위에 대한 촬영 이미지를 분석하여 파손 유형, 파손 종류, 파손 정도, 파손 부품별로 판단한 데이터를 학습하여 모델을 생성하는 모델 생성부(10); 검수받기 위하여 입고된 차량을 카메라로 촬영하여 얻은 외관 이미지 신호를 수신 및 저장하는 이미지 처리부(20); 차량의 외관 이미지 중 파손 부위에 대한 외관 이미지를 추출하여 파손 상태를 분석하고 진단하는 파손 진단부(30); 파손 진단 결과와 상기 모델 생성부(10)를 통해 생성된 모델을 토대로, 파손 부위에 대한 파손 정도와 수리 유형을 판정하는 수리 판정부(40); 차량의 파손에 따른 수리비 견적 산출에 관한 데이터를 저장하는 데이터베이스(50); 상기 데이터베이스(50)에 저장된 수리비 견적 산출 데이터와 파손 진단 결과 및 수리 유형 판정 결과에 기초하여, 차량 수리 또는 교체가 필요한 부품이나 부분에 대한 수리비를 산정하는 수리비 견적부(60); 소비자의 이동통신단말로 수리 내역, 수리비 견적금액 및 예상 소요시간 정보를 전송하고, 수리 진행 여부 확인을 위한 승인을 요청하는 수리정보 제공부(70); 입고된 차량의 표면에 묻은 현재지문을 카메라(C)로 접사촬영하여 얻은 지문 이미지 신호를 수신 및 저장하는 지문 검출부(80); 및 상기 차량의 표면에 묻은 잠재지문을 현출하기 위한 분말 형태의 현출제를 현출제 분사기를 통해 도포하는 현출제 도포부(90);를 포함하는 것을 특징으로 하는 차량 수리 정보 제공 시스템.
- 삭제
- 제1항에 있어서,
상기 수리 판정부(40)는 파손 부위에 대한 파손 정도와 수리 유형의 판정에 따른 수리 과정과 수리에 필요한 도구를 확인하는 것을 특징으로 하는 차량 수리 정보 제공 시스템.
- 제1항 또는 제3항에 있어서,
상기 수리정보 제공부(70)는 소비자의 이동통신단말로 수리 과정과 수리 도구 정보를 전송하고, 수리 진행 여부 확인을 위한 승인을 요청하는 것을 특징으로 하는 차량 수리 정보 제공 시스템.
- 제1항에 있어서,
상기 카메라(C)는,
레일을 따라 자동 이송수단을 통해 슬라이드 이동되는 바디와, 상기 바디로부터 전후진 또는 관절운동 가능하게 설치된 붐의 선단에 설치되어 추적 촬영 가능하도록 하고,
상기 현출제 분사기는,
레일을 따라 자동 이송수단을 통해 슬라이드 이동되는 바디와, 상기 바디로부터 전후진 또는 관절운동 가능하게 설치된 붐의 선단에 설치되어 추적 분사가 가능하도록 하는 것을 특징으로 하는 차량 수리 정보 제공 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220063352A KR102531372B1 (ko) | 2022-05-24 | 2022-05-24 | 차량 수리 정보 제공 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220063352A KR102531372B1 (ko) | 2022-05-24 | 2022-05-24 | 차량 수리 정보 제공 시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102531372B1 true KR102531372B1 (ko) | 2023-05-10 |
Family
ID=86385969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220063352A KR102531372B1 (ko) | 2022-05-24 | 2022-05-24 | 차량 수리 정보 제공 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102531372B1 (ko) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160100189A (ko) * | 2015-02-12 | 2016-08-23 | (주)모임소프트 | 투명성이 확보된 차량 정비 서비스 제공 시스템 및 방법 |
KR20190060817A (ko) * | 2017-04-11 | 2019-06-03 | 알리바바 그룹 홀딩 리미티드 | 이미지 기반의 차량 손상 판정 방법과 장치, 및 전자기기 |
KR102097120B1 (ko) | 2018-12-31 | 2020-04-09 | 주식회사 애자일소다 | 딥러닝 기반의 자동차 부위별 파손정도 자동 판정 시스템 및 방법 |
KR102109882B1 (ko) | 2019-03-11 | 2020-05-12 | 사단법인 보험개발원 | 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템 및 방법 |
KR102198296B1 (ko) | 2018-06-01 | 2021-01-05 | 한화손해보험(주) | 자동으로 사고 차량의 파손 정도를 산출하는 장치, 방법 및 컴퓨터 프로그램 |
JP2021174149A (ja) * | 2020-04-22 | 2021-11-01 | 日本電気株式会社 | 撮像装置、検出システム、および検出方法 |
KR20220036308A (ko) | 2020-09-15 | 2022-03-22 | 제뉴인카앤파츠 주식회사 | 이미지 분석 기반 차량 수리 가이드 제공 방법 및 시스템 |
KR102395276B1 (ko) * | 2016-09-13 | 2022-05-09 | 현대자동차주식회사 | 운전자 지원 시스템 검사 장치 및 그 제어 방법 |
-
2022
- 2022-05-24 KR KR1020220063352A patent/KR102531372B1/ko active IP Right Grant
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160100189A (ko) * | 2015-02-12 | 2016-08-23 | (주)모임소프트 | 투명성이 확보된 차량 정비 서비스 제공 시스템 및 방법 |
KR102395276B1 (ko) * | 2016-09-13 | 2022-05-09 | 현대자동차주식회사 | 운전자 지원 시스템 검사 장치 및 그 제어 방법 |
KR20190060817A (ko) * | 2017-04-11 | 2019-06-03 | 알리바바 그룹 홀딩 리미티드 | 이미지 기반의 차량 손상 판정 방법과 장치, 및 전자기기 |
KR102198296B1 (ko) | 2018-06-01 | 2021-01-05 | 한화손해보험(주) | 자동으로 사고 차량의 파손 정도를 산출하는 장치, 방법 및 컴퓨터 프로그램 |
KR102097120B1 (ko) | 2018-12-31 | 2020-04-09 | 주식회사 애자일소다 | 딥러닝 기반의 자동차 부위별 파손정도 자동 판정 시스템 및 방법 |
KR102109882B1 (ko) | 2019-03-11 | 2020-05-12 | 사단법인 보험개발원 | 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템 및 방법 |
JP2021174149A (ja) * | 2020-04-22 | 2021-11-01 | 日本電気株式会社 | 撮像装置、検出システム、および検出方法 |
KR20220036308A (ko) | 2020-09-15 | 2022-03-22 | 제뉴인카앤파츠 주식회사 | 이미지 분석 기반 차량 수리 가이드 제공 방법 및 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102097120B1 (ko) | 딥러닝 기반의 자동차 부위별 파손정도 자동 판정 시스템 및 방법 | |
CN107657237B (zh) | 基于深度学习的汽车碰撞检测方法及*** | |
US20240087102A1 (en) | Automatic Image Based Object Damage Assessment | |
KR102109882B1 (ko) | 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템 및 방법 | |
US11127200B1 (en) | Photo deformation techniques for vehicle repair analysis | |
US20240087107A1 (en) | Systems and Methods for Utilizing Machine-Assisted Vehicle Inspection to Identify Insurance Buildup or Fraud | |
JP7048499B2 (ja) | データセットの半自動ラベル付け | |
KR102096386B1 (ko) | 딥러닝 기반의 자동차 부위별 파손정도 자동 판정을 위한 모델 학습 방법 및 시스템 | |
US10692050B2 (en) | Automatic assessment of damage and repair costs in vehicles | |
Koch et al. | Pothole detection in asphalt pavement images | |
US8035639B2 (en) | Method and apparatus for determining the alteration of the shape of a three dimensional object | |
CA3154025A1 (en) | Interactive behavior recognizing method, device, computer equipment and storage medium | |
US11410287B2 (en) | System and method for artificial intelligence based determination of damage to physical structures | |
KR20190137669A (ko) | 자동으로 사고 차량의 파손 정도를 산출하는 장치, 방법 및 컴퓨터 프로그램 | |
CN109271908B (zh) | 车损检测方法、装置及设备 | |
US20200104940A1 (en) | Artificial intelligence enabled assessment of damage to automobiles | |
CN111191604A (zh) | 检测车牌完整性的方法、设备和存储介质 | |
Waqas et al. | Vehicle damage classification and fraudulent image detection including moiré effect using deep learning | |
CN110070566B (zh) | 信息检测方法、装置、计算机设备及可读存储介质 | |
US20220036132A1 (en) | Semantic image segmentation for cognitive analysis of physical structures | |
KR102531372B1 (ko) | 차량 수리 정보 제공 시스템 | |
CN118176515A (zh) | 车辆损坏情况评估***和方便车辆维修或维护服务的平台 | |
Seo et al. | SOCAR: Socially-Obtained CAR Dataset for Image Recognition in the Wild | |
Thar et al. | Vehicle Damage Volume Level Recognition Algorithm based on Convolution Neural Network and Yolo Model | |
CN110428403B (zh) | 验车方法及电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |