基于大数据和内容识别的车辆管理系统的制作方法

1.本发明涉及大数据和内容识别领域，尤其涉及一种基于大数据和内容识别的车辆管理系统。


背景技术：

2.目前，随着电子技术的快速发展，内容识别在不断满足用户的需求，内容识别是指对获取的信息内容进行识别、判断、分类等，内容识别的对象主要包括文本、图像、音频、视频等，内容识别的目的是确定是否为所需要的目标内容。
3.在对损伤车辆进行车辆维护时存在耗费时间长、检测不完全、人工成本高等诸多缺点。同时，由于对车辆进行维护时所使用的材料属于易挥发有毒液体，人工参与喷涂工艺，对人具有长期的危害。


技术实现要素：

4.有鉴于此，本发明提供了一种基于大数据和内容识别的车辆管理系统，其包括：辅助管理设备、内容识别服务器、数据处理服务器和数据库，内容识别服务器和数据处理服务器分别与数据库具有通信连接；
5.辅助管理设备采集若干个第一车辆图像生成第一车辆图像集，数据处理服务器根据第一车辆图像集构建第一车辆模型；
6.内容识别服务器对第一车辆图像集进行车辆位姿分析以获取在采集第一车辆图像时的车辆位姿数据；
7.数据处理服务器根据车辆位姿数据对第一车辆模型进行车辆位姿纠偏以得到标准车辆模型；
8.辅助管理设备采集若干个车辆损伤图像以生成车辆损伤图像集；
9.数据处理服务器根据车辆损伤图像集构建车辆损伤模型，将车辆损伤模型映射到标准车辆模型以定位车辆维修区域，并根据车辆维修区域和标准车辆模型生成车辆维修模型；
10.数据处理服务器获取所有车辆损伤图像的模型关键点，并将每个模型关键点以预设的步长在模型空间中沿着每个模型关键点的切平面进行扩展以得到每个模型关键点在模型空间的第一空间位置和第一空间方向；
11.数据处理服务器根据每个模型关键点在模型空间的第一空间位置和第一空间方向为每个模型关键点在车辆损伤图像集中选取对应的车辆损伤图像作为每个模型关键点的模型子图；
12.数据处理服务器对每个模型关键点的模型子图进行优化匹配得到每个模型关键点在模型空间的第二空间位置和第二空间方向，并根据每个模型关键点的第二空间位置和第二空间方向进行拟合以得到车辆损伤模型；
13.内容识别服务器对车辆损伤图像集进行分析得到车辆补漆剂量；
14.辅助设备采集若干个第二车辆图像以生成第二车辆图像集；
15.数据处理服务器根据第二车辆图像集构建第二车辆模型，并对第二车辆模型、车辆补漆剂量和车辆维修模型进行分析以生成车辆维修数据。
16.进一步实施例中，所述辅助管理设备为具有图像采集功能和数据传输功能的智能设备。
17.进一步实施例中，数据处理服务器获取模型关键点的模型子图包括：
18.数据处理服务器根据模型关键点的第一空间位置和第一空间方向在车辆损伤图像集中选取与模型关键点正对的并且距离模型关键点最近的车辆损伤图像作为模型关键点的参考子图；
19.数据处理服务器将车辆损伤图像集中与参考子图的视线夹角大于第一约束角且小于第二约束角的车辆损伤图像作为模型关键点的待选图像集；
20.数据处理服务器计算待选图像集中的每个车辆损伤图像的评价分，并选取待选图像集中评价分最高的车辆损伤图像作为模型关建点的模型子图。
21.进一步实施例中，车辆损伤图像的评价分计算公式为：
[0022][0023]
其中，n为待选图像集中车辆损伤图像数量，p为车辆损伤图像索引，θ
p
为待选图像集中第p个车辆损伤图像与参考子图间的视线夹角，δ为平均约束角，a为第一约束系数，b为第二约束系数。
[0024]
进一步实施例中，数据处理服务器将车辆损伤模型映射到标准车辆模型以定位车辆维修区域包括：
[0025]
数据处理服务器将车辆损伤模型和标准车辆模型进行图像分层处理以得到车辆损伤图像序列和车辆图像序列；
[0026]
数据处理服务器分别将车辆损伤图像序列和车辆图像序列映射到多维映射空间中以获取车辆损伤图像序列在多维映射空间中的坐标和车辆图像序列在多维映射空间中的坐标；
[0027]
数据处理服务器根据车辆损伤图像序列在多维映射空间中的坐标、车辆图像序列在多维映射空间中的坐标和映射约束函数分别对车辆损伤图像序列和车辆图像序列的每个图像进行对齐。
[0028]
进一步实施例中，数据处理服务器将车辆损伤模型映射到标准车辆模型以定位车辆维修区域包括：
[0029]
数据处理服务器获取车辆损伤图像序列中的所有数据点以得到第一数据点集，获取车辆图像序列中的所有数据点以得到第二数据点集；所述数据点为多维映射空间中的最小单位；
[0030]
数据处理服务器获取第一数据点集中的第一数据点，并获取第二数据点集中与每个第一数据点距离最近的第二数据点；
[0031]
数据处理服务器将第一数据点和对应的第二数据点组成数据点对，并根据所有数
据点对得到数据点对集；
[0032]
数据处理服务器计算数据点对集的误差，在误差大于误差阈值时对第一数据点集中的数据点进行旋转和平移直到误差小于误差阈值。
[0033]
进一步实施例中，数据处理服务器对第二车辆模型、车辆补漆剂量和车辆维修模型进行分析生成车辆维修数据包括：
[0034]
数据处理服务器分别对第二车辆模型和车辆维修模型进行车辆位姿解算以得到第二车辆模型的车辆位姿数据和车辆维修模型的车辆位姿数据；
[0035]
数据处理服务器根据第二车辆模型的车辆位姿数据和车辆维修模型的车辆位姿数据进行车辆位姿分析以得到第二车辆模型与车辆维修模型的车辆位姿偏差，并根据所述车辆位姿偏差生成车辆位姿偏差数据；
[0036]
数据处理服务器根据车辆位姿偏差数据和车辆维修模型中车辆维修区域的绝对位置数据对第二车辆模型进行车辆位姿匹配以确定第二车辆模型中车辆维修区域的绝对位置数据；
[0037]
数据处理服务器根据第二车辆模型中车辆维修区域的绝对位置数据和车辆补漆剂量生成车辆维修数据。
[0038]
进一步实施例中，所述第一车辆图像集包括若干个第一车辆图像；所述第二车辆图像集包括若干个第二车辆图像；所述车辆损伤图像集包括若干个车辆损伤图像；所述第一车辆图像为在进行车辆维修前采集的车辆图像；所述第二车辆图像为在进行车辆维修时采集的车辆图像；所述车辆损伤图像为车辆需要维修的部位的图像。
[0039]
进一步实施例中，车辆维修模型中车辆维修区域的绝对位置为车辆维修模型中车辆维修区域在以大地为参考坐标系时的坐标位置；第二车辆模型中车辆维修区域的绝对位置为第二车辆模型中车辆维修区域在以大地为参考坐标系时的坐标位置。
[0040]
本发明具有以下有益效果：本发明通过第一车辆图像集构建第一车辆模型并根据第一车辆模型进行车辆姿态纠偏得到标准车辆模型以避免在采集第一车辆图像时由于车辆的姿态和位置不同导致的偏差。此外，在进行车辆维修时根据第二车辆图像集构建第二车辆模型，并根据第二车辆模型和车辆维修模型得到车辆维修数据以减少车辆在进行维修时由于车辆摆放的姿态和位置不准确导致油漆无法集中到车辆维修区域的情况。
附图说明
[0041]
图1为一示例性实施例提供的基于大数据和内容识别的车辆管理系统的结构框图。
具体实施方式
[0042]
下面将结合本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0043]
参见图1，在一个实施例中，基于大数据和内容识别的车辆管理系统可以包括：辅助管理设备、内容识别服务器、数据处理服务器和数据库，内容识别服务器和数据处理服务
器分别与数据库具有通信连接；
[0044]
辅助管理设备采集若干个第一车辆图像生成第一车辆图像集，数据处理服务器根据第一车辆图像集构建第一车辆模型；
[0045]
内容识别服务器对第一车辆图像集进行车辆位姿分析以获取在采集第一车辆图像时的车辆位姿数据；
[0046]
数据处理服务器根据车辆位姿数据对第一车辆模型进行车辆位姿纠偏以得到标准车辆模型；
[0047]
辅助管理设备采集若干个车辆损伤图像以生成车辆损伤图像集；
[0048]
数据处理服务器根据车辆损伤图像集构建车辆损伤模型，将车辆损伤模型映射到标准车辆模型以定位车辆维修区域，并根据车辆维修区域和标准车辆模型生成车辆维修模型；
[0049]
数据处理服务器获取所有车辆损伤图像的模型关键点，并将每个模型关键点以预设的步长在模型空间中沿着每个模型关键点的切平面进行扩展以得到每个模型关键点在模型空间的第一空间位置和第一空间方向；
[0050]
数据处理服务器根据每个模型关键点在模型空间的第一空间位置和第一空间方向为每个模型关键点在车辆损伤图像集中选取对应的车辆损伤图像作为每个模型关键点的模型子图；
[0051]
数据处理服务器对每个模型关键点的模型子图进行优化匹配得到每个模型关键点在模型空间的第二空间位置和第二空间方向，并根据每个模型关键点的第二空间位置和第二空间方向进行拟合以得到车辆损伤模型；
[0052]
内容识别服务器对车辆损伤图像集进行分析得到车辆补漆剂量；
[0053]
辅助设备采集若干个第二车辆图像以生成第二车辆图像集；
[0054]
数据处理服务器根据第二车辆图像集构建第二车辆模型，并对第二车辆模型、车辆补漆剂量和车辆维修模型进行分析以生成车辆维修数据。
[0055]
辅助管理设备为具有图像采集功能和数据传输功能的智能设备，其包括：智能手机、平板电脑和智能手表。
[0056]
为了便于理解，在一个实施例中，基于大数据和内容识别的车辆管理方法可以包括：
[0057]
s1、辅助管理设备采集若干个第一车辆图像生成第一车辆图像集，数据处理服务器根据第一车辆图像集构建第一车辆模型；内容识别服务器对第一车辆图像集进行车辆位姿分析以获取在采集第一车辆图像时的车辆位姿数据；数据处理服务器根据车辆位姿数据对第一车辆模型进行车辆位姿纠偏以得到标准车辆模型。
[0058]
在一个实施例中，第一车辆图像集中包括若干个第一车辆图像，第一车辆图像为在进行维修前的车辆图像，车辆图像用于指示车辆外观和车辆结构的图像。车辆在在进行维修之前首先从车辆的各个方位采集车辆图像以根据不同方位的车辆图像构建第一车辆模型。
[0059]
本发明根据采集第一车辆图像时的车辆位姿数据对第一车辆模型进行车辆位姿纠偏得到标准车辆模型，以提高在定位车辆维修区域时的准确度，从而减少采集第一车辆图像时车辆的位姿对车辆维修精度的影响。
[0060]
标准车辆模型为消除车辆位姿影响后的车辆模型，第一车辆模型为采集第一车辆图像时的车辆模型，车辆模型用于指示车辆的外观、姿态和结构。
[0061]
第一车辆模型用于指示采集第一车辆图像时车辆的外观、姿态和结构。
[0062]
辅助管理设备为具有图像采集功能和数据传输功能的智能设备。
[0063]
第一车辆图像为在进行车辆维修前采集的车辆图像；第二车辆图像为在进行车辆维修时采集的车辆图像；车辆损伤图像为车辆需要维修的部位的图像。
[0064]
s2、辅助管理设备采集若干个车辆损伤图像以生成车辆损伤图像集；数据处理服务器根据车辆损伤图像集构建车辆损伤模型，将车辆损伤模型映射到标准车辆模型以定位车辆维修区域，并根据车辆维修区域和标准车辆模型生成车辆维修模型。
[0065]
车辆损伤图像集中包括若干个车辆损伤图像，车辆损伤图像为车辆需要维修的部位的图像，其用于指示车辆损伤部位的颜色和严重程度。车辆维修模型为车辆维修区域的模型，用于指示车辆维修区域的损失情况和颜色。
[0066]
在一个实施例中，数据处理服务器将车辆损伤模型映射到标准车辆模型以定位车辆维修区域包括：
[0067]
数据处理服务器将车辆损伤模型和标准车辆模型进行图像分层处理以得到车辆损伤图像序列和车辆图像序列；
[0068]
数据处理服务器分别将车辆损伤图像序列和车辆图像序列映射到多维映射空间中以获取车辆损伤图像序列在多维映射空间中的坐标和车辆图像序列在多维映射空间中的坐标；
[0069]
数据处理服务器根据车辆损伤图像序列在多维映射空间中的坐标、车辆图像序列在多维映射空间中的坐标和映射约束函数分别对车辆损伤图像序列和车辆图像序列的每个图像进行对齐。
[0070]
在一个实施例中，数据处理服务器将车辆损伤模型映射到标准车辆模型以定位车辆维修区域包括：
[0071]
数据处理服务器获取车辆损伤图像序列中的所有数据点以得到第一数据点集，获取车辆图像序列中的所有数据点以得到第二数据点集；所述数据点为多维映射空间中的最小单位；
[0072]
数据处理服务器获取第一数据点集中的第一数据点，并获取第二数据点集中与每个第一数据点距离最近的第二数据点；
[0073]
数据处理服务器将第一数据点和对应的第二数据点组成数据点对，并根据所有数据点对得到数据点对集；
[0074]
数据处理服务器计算数据点对集的误差，在误差大于误差阈值时对第一数据点集中的数据点进行旋转和平移直到误差小于误差阈值。
[0075]
s3、数据处理服务器获取所有车辆损伤图像的模型关键点，并将每个模型关键点以预设的步长在模型空间中沿着每个模型关键点的切平面进行扩展以得到每个模型关键点在模型空间的第一空间位置和第一空间方向。
[0076]
模型关键点为在构建车辆损伤模型时的关键点。
[0077]
s4、数据处理服务器根据每个模型关键点在模型空间的第一空间位置和第一空间方向为每个模型关键点在车辆损伤图像集中选取对应的车辆损伤图像作为每个模型关键
点的模型子图。
[0078]
在一个实施例中，数据处理服务器获取模型关键点的模型子图包括：
[0079]
数据处理服务器根据模型关键点的第一空间位置和第一空间方向在车辆损伤图像集中选取与模型关键点正对的并且距离模型关键点最近的车辆损伤图像作为模型关键点的参考子图；
[0080]
车辆损伤图像与模型关键点的距离计算公式为：
[0081][0082]
其中，c为模型关键点与车辆损伤图像的距离，r为第一坐标系与第二坐标系的转换矩阵，[x,y,z]为模型关键点在第一坐标系的位置，v为图像采集设备的焦距。
[0083]
第一坐标系为以图像采集设备为基准的坐标系，第二坐标系为以大地为基准的坐标系。
[0084]
数据处理服务器将车辆损伤图像集中与参考子图的视线夹角大于第一约束角且小于第二约束角的车辆损伤图像作为模型关键点的待选图像集；
[0085]
数据处理服务器计算待选图像集中的每个车辆损伤图像的评价分，并选取待选图像集中评价分最高的车辆损伤图像作为模型关建点的模型子图。
[0086]
第一约束角、第二约束角、第一约束系数和第二约束系数根据实际情况进行预先设置，平均约束角为第一约束角和第二约束角的平均值。
[0087]
在一个实施例中，车辆损伤图像的评价分计算公式为：
[0088][0089]
其中，n为待选图像集中车辆损伤图像数量，p为车辆损伤图像索引，θ
p
为待选图像集中第p个车辆损伤图像与参考子图间的视线夹角，δ为平均约束角，a为第一约束系数，b为第二约束系数。
[0090]
s5、数据处理服务器对每个模型关键点的模型子图进行优化匹配得到每个模型关键点在模型空间的第二空间位置和第二空间方向，并根据每个模型关键点的第二空间位置和第二空间方向进行拟合以得到车辆损伤模型。
[0091]
s6、内容识别服务器对车辆损伤图像集进行分析得到车辆补漆剂量，辅助设备采集若干个第二车辆图像以生成第二车辆图像集；数据处理服务器根据第二车辆图像集构建第二车辆模型，并对第二车辆模型、车辆补漆剂量和车辆维修模型进行分析以生成车辆维修数据。
[0092]
在一个实施例中，数据处理服务器对第二车辆模型、车辆补漆剂量和车辆维修模型进行分析生成车辆维修数据包括：
[0093]
数据处理服务器分别对第二车辆模型和车辆维修模型进行车辆位姿解算以得到第二车辆模型的车辆位姿数据和车辆维修模型的车辆位姿数据；
[0094]
数据处理服务器根据第二车辆模型的车辆位姿数据和车辆维修模型的车辆位姿数据进行车辆位姿分析以得到第二车辆模型与车辆维修模型的车辆位姿偏差，并根据所述
车辆位姿偏差生成车辆位姿偏差数据；
[0095]
数据处理服务器根据车辆位姿偏差数据和车辆维修模型中车辆维修区域的绝对位置数据对第二车辆模型进行车辆位姿匹配以确定第二车辆模型中车辆维修区域的绝对位置数据；
[0096]
数据处理服务器根据第二车辆模型中车辆维修区域的绝对位置数据和车辆补漆剂量生成车辆维修数据。
[0097]
车辆维修模型中车辆维修区域的绝对位置为车辆维修模型中车辆维修区域在以大地为参考坐标系时的坐标位置。第二车辆模型中车辆维修区域的绝对位置为第二车辆模型中车辆维修区域在以大地为参考坐标系时的坐标位置。
[0098]
第二车辆图像集中包括若干个第二车辆图像，第二车辆图像为在进行车辆维修时采集的车辆图像。第二车辆模型为采集第二车辆图像时的车辆模型，车辆模型用于指示车辆的外观、姿态和结构，第二车辆模型用于指示采集第二车辆图像时车辆的外观、姿态和结构。
[0099]
本发明通过第一车辆图像集构建第一车辆模型并根据第一车辆模型进行车辆姿态纠偏得到标准车辆模型以避免在采集第一车辆图像时由于车辆的姿态和位置不同导致的偏差。此外，在进行车辆维修时根据第二车辆图像集构建第二车辆模型，并根据第二车辆模型和车辆维修模型得到车辆维修数据以减少车辆在进行维修时由于车辆摆放的姿态和位置不准确导致油漆无法集中到车辆维修区域的情况。
[0100]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。