基于机器视觉的自动车辆检测系统

点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达

采用机器学习（ML）和人工智能（AI）技术的机器视觉系统可以实现自动化的车辆检测，为汽车制造商、经销商和修理厂带来了重大好处。这些好处包括自动化车辆检查和维修订单流程化，以及使用在线汽车市场和拍卖交易向客户评估和展示车辆状态等。

关键驱动因素

一些相关技术的发展使得人工智能驱动的计算机视觉和成像技术在汽车行业的应用日益广泛。通过使用深度学习神经网络，计算机视觉系统算法的准确性大大提高。其模型可以在数百万张车辆图像上训练，包括显示各种损坏示例的图像。这些系统现在可以准确识别和分类图像中的多种异常，例如损坏的零件（例如保险杠、挡泥板、格栅）、漏油、腐蚀，甚至出现在车辆图像中的充气不足和磨损的轮胎。

基于视觉的车辆检测系统使用包括云应用和边缘计算技术。前者使汽车经销商和在线市场更容易使用该技术。后者减少了与图像处理和分析相关的延迟。此外，基于机器视觉的车辆检测系统现已与汽车经销商管理系统和在线汽车销售平台集成，使其使用更具吸引力。

为了更好地了解基于计算机视觉的车辆检测系统所提供的高级功能，让我们研究一下UVeye和Tractable目前提供的一些产品。

UVeye

UVeye提供了一个基于人工智能的汽车检测系统，旨在为汽车制造商和经销商的服务部门提供完全自动化操作(见图1)。UVeye的系统具有全面的车辆检测功能。这包括一个车身底部扫描仪，用于检测车辆底部的问题，如车架损坏、漏油和腐蚀。轮胎检测功能可以识别车辆轮胎的品牌、规格和状态，包括气压、胎面深度、侧壁损伤，甚至车辆的轮胎是否不匹配。外部检查功能可以对车辆的金属和其他外部车身部件进行360度的外部扫描，包括保险杠、门锁、格栅、后视镜和窗户。

图1：UVeye基于机器视觉的自动车辆检测系统（来源：UVeye）

2022年6月，UVeye宣布其车辆检测系统已集成到CDK Global的Fortellis Automotive Commerce Exchange应用程序中，该应用程序是连接汽车经销商、制造商、开发商和贷款人的流行平台。这些系统共同提供了一个集成平台，用于自动化整个车辆维修流程，从初始车辆检查到生成维修订单。

UVeye公司代表声称，车辆通过其车辆检查系统并生成维修单大约需要15分钟，与手动执行整个过程相比，可节省约45分钟。

当客户的车辆驶过UVeye检查车道（只需几秒钟）时，使用平板电脑的服务编写器可以查看一系列照片和系统检测到的问题列表。严重问题（如轮胎磨损或消声器损坏）在service advisor的平板电脑屏幕上以红色标记。然后向客户展示突出显示任何问题的照片，并与服务顾问一起确定要执行哪些维修。批准后，系统将根据检查报告中的信息自动生成维修订单（包括估计）。

UVeye检测系统的现状

在美国，许多汽车经销商目前使用新的(综合)系统。此外，在2022年3月，沃尔沃启动了一项计划，在部分美国经销商中使用UVeye基于机器视觉的检测系统。沃尔沃的代表称，这让他们的零售商能够快速、经济地评估以旧换新，并检查顾客前来维修的汽车的状况。(你可以在沃尔沃经销商处观看UVeye系统运行的视频。)沃尔沃希望最终将UVeye系统的使用范围扩大到其在美国280家独立零售门店中的更多门店。

实际上，沃尔沃从2019年开始就与UVeye合作，当时沃尔沃成为该公司的战略投资者，并(也是在2019年)在其装配线上安装了UVeye的车身检测技术，以支持其质量保证计划。

Tractable

Tractable提供了多种基于机器视觉的检测产品，包括针对保险行业和车辆检测的产品。

Tractable的车辆检测平台使用ML和图像分类对汽车照片进行逐像素评估，包括确定车辆到单个部件级别的损伤，对损伤情况或损伤程度进行分类，并生成详细的估计(包括确定性评分)。它甚至可以识别出从旧汽车或失事汽车中回收的零部件，这有可能帮助维修厂找到所需的零部件。

2022年3月，Tractable与Black Widow合作，将其AI视觉检测系统与Black Widow的4K图像捕获系统集成。Black Widow是一个八摄像头的drive-through系统，旨在捕获高清车辆图像，这些图像自动组成360度的车辆内外全景影像。这些图像可以直接编辑并立即发布到在线汽车市场和拍卖网站。

Tractable的系统将对Black Widow拍摄的图像进行基于ML的分析，以识别外部损坏并生成车辆状况报告，概述估计的维修成本。实际上，将Tractable与Black Widow系统集成将使拍卖和经销商能够获得更准确、一致的车辆评估，从而使他们能够在车辆营销和销售过程中更快、更明智地做出销售决策。

简而言之，使用该系统能够：（1）大大减少二手车上市所需的时间和精力；（2）通过让消费者对他们想要购买的车辆有更全面（透明）的了解，为他们提供更好的客户体验。

结论

机器视觉目前是人工智能最成功的商业应用之一，我们现在看到它被广泛应用于各种用例和行业，包括汽车行业。

除了与汽车经销商和在线市场相关的应用程序外，自动车辆检测还有许多应用程序。保险公司、汽车回收和汽车租赁金融公司也可以从这些系统中受益，未来我们将看到这些行业更多的应用。

本文仅做学术分享，如有侵权，请联系删文。

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~