專利名稱：用于獲取攝影測量數(shù)據(jù)來估計(jì)碰撞嚴(yán)重性的方法和設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明的實(shí)施例涉及車輛事故分析，具體地涉及信息的收集和分析以便使用攝影測量法的原理來估計(jì)車輛損壞和碰撞嚴(yán)重性。

背景技術(shù)：
諸如保險(xiǎn)公司等之類的組織要承擔(dān)的任務(wù)是調(diào)查事故以解決財(cái)產(chǎn)索賠和傷害索賠。該調(diào)查的一部分是要確定碰撞的方向和嚴(yán)重性。通常要對修理估計(jì)和照片進(jìn)行檢查，以形成對碰撞嚴(yán)重性的定性評(píng)估。如果存在超出車輛(一輛或多輛)緩沖器的損壞(即車輛存在擠壓損壞)，則往往基于對損壞信息的主觀檢查，對該車輛給出重大碰撞的定性評(píng)估。高達(dá)40％的低嚴(yán)重性事故被主觀分析為高嚴(yán)重性碰撞，這主要由于車輛(一輛或多輛)的損壞造成的。
一種確定擠壓損壞的解決方案是當(dāng)檢查車輛的損壞時(shí)測量該擠壓并用此信息確定碰撞嚴(yán)重性。對擠壓的測量需要一些培訓(xùn)以理解這些概念并確保一致性，而且還費(fèi)時(shí)間。由于保險(xiǎn)業(yè)的巨大業(yè)務(wù)量以及希望提高運(yùn)行效率，這是一件正在進(jìn)行的且可能須要大筆開支的費(fèi)勁的事情。
替代性地，這些組織可以雇用法律鑒定專家比如工程師和事故再現(xiàn)師來評(píng)價(jià)(或計(jì)算)事故信息，再現(xiàn)事故情況和特征，包括確定碰撞的強(qiáng)度和方向。這是一種費(fèi)用浩大且非及時(shí)的要在大規(guī)模基礎(chǔ)上使用的解決方案。
當(dāng)前用于確定修理損壞車輛所需的部件和操作的解決方案是要目視檢查該車輛。創(chuàng)建一列部件，識(shí)別哪些部件應(yīng)當(dāng)被修理或替換。這種目視檢查過程往往需要第二次或更多次檢查以糾正第一次檢查中的錯(cuò)誤。這是一個(gè)勞動(dòng)密集且效率低的過程。當(dāng)前的過程不影響類似車輛的類似碰撞的信息。
主力方向(PDOF)是碰撞力所沿的作用于車輛的主軸線。PDOF是在確定事故的傷害力和確定車輛的哪些部件被損壞方面的一個(gè)因素。當(dāng)前確定PDOF的方法是檢查照片、事故的描述以及可能的現(xiàn)場信息以確定車輛的最終停止位置。在中低嚴(yán)重性碰撞中，車輛的最終停止位置要么不是特別相關(guān)要么不能得到。當(dāng)前PDOF的評(píng)價(jià)是由法律鑒定專家完成的，這是一個(gè)費(fèi)用浩大且費(fèi)時(shí)的過程。


發(fā)明內(nèi)容
在一個(gè)方面，本發(fā)明包括一種通過攝影測量法收集信息以確定車輛損壞的計(jì)算機(jī)執(zhí)行的方法。計(jì)算機(jī)系統(tǒng)用來將圖片和相機(jī)設(shè)置從一個(gè)計(jì)算機(jī)發(fā)送到另一個(gè)計(jì)算機(jī)，從而經(jīng)由攝影測量技術(shù)確定車輛擠壓損壞。用于拍攝圖片以供程序使用的相機(jī)可以被識(shí)別并且它們的特性被存儲(chǔ)在中央位置以便在把相機(jī)所拍攝的照片發(fā)送到中央位置時(shí)使用。相機(jī)和圖片可以被選擇以便經(jīng)由計(jì)算機(jī)網(wǎng)絡(luò)、無線傳輸?shù)葟囊粋€(gè)計(jì)算機(jī)傳送到另一個(gè)計(jì)算機(jī)。
在另一方面，計(jì)算機(jī)生成的車輛姿態(tài)選擇通過計(jì)算機(jī)進(jìn)行呈現(xiàn)。姿態(tài)的選擇確定了照片被拍攝時(shí)的角度并設(shè)定參考系。該姿態(tài)還可通過在拍攝照片時(shí)在車輛上設(shè)置光學(xué)標(biāo)記符來確定。光學(xué)標(biāo)記符可以幫助檢測車輛上的若干點(diǎn)比如輪胎，因此可以經(jīng)由對照片的計(jì)算機(jī)分析來幫助自動(dòng)確定姿態(tài)。
在又一方面，計(jì)算機(jī)生成的控制點(diǎn)選擇通過計(jì)算機(jī)進(jìn)行呈現(xiàn)。在所涉事故中未受損的車輛上的標(biāo)準(zhǔn)點(diǎn)被標(biāo)記在所涉車輛的每幅照片中。這些標(biāo)準(zhǔn)點(diǎn)可允許在車輛的不同姿態(tài)之間進(jìn)行比較，從而允許在不同照片之間對這些點(diǎn)進(jìn)行三角測量。這些控制點(diǎn)還可以通過在拍攝照片時(shí)在車輛上設(shè)置光學(xué)標(biāo)記符來確定。光學(xué)標(biāo)記符可以幫助檢測車輛上的若干點(diǎn)比如擋風(fēng)玻璃，并且經(jīng)由對照片的計(jì)算機(jī)分析來自動(dòng)地細(xì)化(或改進(jìn))姿態(tài)。
在另一方面，針對所涉車輛呈現(xiàn)并選擇計(jì)算機(jī)生成的車輛損壞點(diǎn)的網(wǎng)格。這些損壞點(diǎn)允許在車輛的不同姿態(tài)之間進(jìn)行比較，從而允許在不同的照片之間對這些點(diǎn)進(jìn)行三角測量。這些損壞點(diǎn)還可以通過在拍攝照片時(shí)在車輛上設(shè)置光學(xué)標(biāo)記符來確定。光學(xué)標(biāo)記符可以幫助檢測車輛上的若干點(diǎn)比如前燈或尾燈，因此經(jīng)由對照片的計(jì)算機(jī)分析來幫助自動(dòng)地確定損壞。
在另一方面，可以通過利用攝影測量技術(shù)以及通過將由攝影測量法生成的受損車輛的點(diǎn)與未受損車輛進(jìn)行比較，來計(jì)算所涉車輛的計(jì)算機(jī)生成的擠壓損壞特征描述(profile)。這些結(jié)果可以顯示在計(jì)算機(jī)生成的帶有擠壓損壞特征描述的所涉車輛視圖中并且可用來估計(jì)碰撞嚴(yán)重性。
在另一方面，可以提供一種確定車輛部件的移位方向的計(jì)算機(jī)執(zhí)行的方法。這種信息可以經(jīng)由計(jì)算機(jī)與關(guān)于事故前動(dòng)作的信息和有關(guān)事故前車輛速度的問題結(jié)合，從而估計(jì)出碰撞所涉及車輛的主力方向(PDOF)。
在另一方面，關(guān)于車輛上需要修理的部件，可將車輛的損壞深度和碰撞方向與類似損壞深度和碰撞方向的類似車輛進(jìn)行比較。這種比較可以用來生成修復(fù)該車輛時(shí)可能需要修理或更換的部件列表。在一些實(shí)施方式中，這種比較可以替代性地用來審核獨(dú)立形成的修理估計(jì)。



圖1是根據(jù)本發(fā)明一個(gè)實(shí)施例獲取相機(jī)校準(zhǔn)特性并將其存儲(chǔ)至中央位置的方法的流程圖。
圖2是根據(jù)本發(fā)明一個(gè)實(shí)施例將圖片和相機(jī)信息發(fā)送至中央位置以進(jìn)行車輛損壞的攝影測量分析的方法的流程圖。
圖3是限定物體、相機(jī)和影像參考系的示圖。
圖4是限定相機(jī)參考系和影像平面之間關(guān)系的示圖。
圖5示出了主點(diǎn)偏移。
圖6示出了平面校準(zhǔn)圖案的示例。
圖7A-C示出了無失真影像和透鏡失真影像的示例。
圖8是從物體空間到相機(jī)空間轉(zhuǎn)換的概念示圖。
圖9是限定影像空間和物體空間中的誤差的示圖。
圖10是根據(jù)本發(fā)明一個(gè)實(shí)施例利用攝影測量技術(shù)評(píng)價(jià)照片的方法的流程圖。
圖11是示出根據(jù)兩個(gè)視角的三角測量的示圖。
圖12是描繪從不完全測量的影像點(diǎn)反射回的光線的概念示圖。
圖13是示出光束法平差(bundle adjustment)的概念的示圖。
圖14是示出對比受損車輛和典型車輛的概念的示圖。
圖15是根據(jù)本發(fā)明一個(gè)實(shí)施例利用攝影測量法技術(shù)創(chuàng)建擠壓損壞特征描述的方法的流程圖。
圖16是根據(jù)本發(fā)明一個(gè)實(shí)施例從經(jīng)由攝影測量法所生成的擠壓損壞特征描述中確定PDOF的方法的流程圖。
圖17是根據(jù)本發(fā)明一個(gè)實(shí)施例從經(jīng)由攝影測量法所生成的擠壓損壞特征描述中估計(jì)部件損壞以便修理車輛的方法的流程圖。
圖18是根據(jù)本發(fā)明一個(gè)實(shí)施例的系統(tǒng)的方框圖。

具體實(shí)施例方式 可以拍攝在碰撞中受損車輛的照片以確定損壞的程度。然后這些照片可以用來估計(jì)車輛的變形量并確定車輛的碰撞嚴(yán)重性。碰撞嚴(yán)重性可以用來確定事故的可能傷害力或用來確定應(yīng)當(dāng)修理或替換哪些部件從而修理車輛。
攝影測量法是一種通過對從不同位置拍攝的兩幅或更多幅攝影影像進(jìn)行測量來確定物體上三維(3D)坐標(biāo)點(diǎn)的測量技術(shù)。本發(fā)明的實(shí)施例利用攝影測量系統(tǒng)從而根據(jù)照片測量車輛的擠壓變形。這種系統(tǒng)可以分解為四個(gè)步驟(1)相機(jī)校準(zhǔn)；(2)相機(jī)姿態(tài)估計(jì)；(3)三角測量；和(4)光束法平差。
相機(jī)校準(zhǔn)是用于識(shí)別各個(gè)相機(jī)的幾何及光學(xué)特性的過程，這樣可以從影像中獲取度量信息。相機(jī)的特性可以分為兩類，即外在參數(shù)和固有參數(shù)。外在參數(shù)指的是相機(jī)和所涉物體之間的空間關(guān)系。固有參數(shù)指的是相機(jī)的光學(xué)特性。
根據(jù)已知物體的XYZ坐標(biāo)確定相機(jī)的位置和瞄準(zhǔn)方向(或方位)的過程稱為后方交會(huì)(resection)。在計(jì)算機(jī)視覺文獻(xiàn)中，這也被稱為外部方位問題或相機(jī)姿態(tài)估計(jì)問題。已知物體的XYZ坐標(biāo)稱為控制點(diǎn)。
攝影測量法使用稱為三角測量的原理以便根據(jù)多張照片確定物體的三維坐標(biāo)。通過找出會(huì)聚視線或光線的交叉點(diǎn)，對這些點(diǎn)進(jìn)行三角測量。通過從至少兩個(gè)不同位置拍攝物體的照片并測量每張照片中的相同目標(biāo)，限定從每個(gè)相機(jī)位置到目標(biāo)的視線。如果相機(jī)位置和方位是已知的，則可以使這些光線交叉以找出物體空間中的三維坐標(biāo)。
光束法平差是改進(jìn)圖象重構(gòu)以產(chǎn)生共同最優(yōu)結(jié)構(gòu)(物體的三維特征點(diǎn))和運(yùn)動(dòng)(相機(jī)姿態(tài))的過程。
可以使用用于獲取數(shù)據(jù)并對所獲取的數(shù)據(jù)進(jìn)行分析的不同技術(shù)，以便采用攝影測量算法來確定對車輛的損害程度。現(xiàn)在參照圖1，示出了收集相機(jī)校準(zhǔn)信息的過程100的一個(gè)實(shí)施例。在一個(gè)實(shí)施例中，可把該信息從相機(jī)提供給中央位置，以便確定特性信息并存儲(chǔ)該信息以備稍后使用。如圖1所示，拍攝已知的校準(zhǔn)物體以確定相機(jī)本身的固有誤差，如方框105所示?？刂七M(jìn)行到菱形判定框110以確定是否要從校準(zhǔn)照片中手動(dòng)選擇校準(zhǔn)點(diǎn)。如果要從校準(zhǔn)照片中手動(dòng)選擇校準(zhǔn)點(diǎn)，則控制轉(zhuǎn)到方框115以允許手動(dòng)選擇校準(zhǔn)點(diǎn)。一旦這些校準(zhǔn)點(diǎn)被標(biāo)識(shí)，控制轉(zhuǎn)到方框120以發(fā)送校準(zhǔn)照片進(jìn)行評(píng)價(jià)，例如在中央位置進(jìn)行評(píng)價(jià)。然后，控制轉(zhuǎn)到方框125以確定相機(jī)的內(nèi)部特性和修正。如果要使用自動(dòng)校準(zhǔn)，控制就從菱形判定框110轉(zhuǎn)動(dòng)方框120以發(fā)送照片進(jìn)行評(píng)價(jià)。然后，控制轉(zhuǎn)到方框125以確定相機(jī)的內(nèi)部特性和修正因子。一旦知道了相機(jī)的光學(xué)特性，則可以識(shí)別該相機(jī)并且存儲(chǔ)其參數(shù)以供將來參考，如方框130所示。
現(xiàn)在參照圖2，該流程圖示出了作為本發(fā)明一個(gè)實(shí)施例的拍攝照片并將相機(jī)選擇發(fā)送給中央位置的過程200。如方框205所示，所拍攝的照片可以帶有對受損車輛上的點(diǎn)進(jìn)行指示的標(biāo)記或者沒有標(biāo)記。這些照片可以經(jīng)由電子方式比如計(jì)算機(jī)-計(jì)算機(jī)通信而發(fā)送到中央位置，如方框210所示。如方框215所示，與用于拍攝這些照片的相機(jī)有關(guān)的信息可以被選擇并經(jīng)由計(jì)算機(jī)發(fā)送到中央位置。一旦在中央位置接收到這些照片，控制就轉(zhuǎn)到菱形判定框220以評(píng)價(jià)附隨于這些照片的相機(jī)設(shè)置文件。如果這些照片的設(shè)置與校準(zhǔn)該相機(jī)時(shí)(例如，根據(jù)圖1的方法)的設(shè)置相匹配，則控制就轉(zhuǎn)到方框230并接收這些照片以供進(jìn)一步評(píng)價(jià)。如果這些設(shè)置不同，則經(jīng)由電子方式(例如電子郵件)或經(jīng)由電話通知拍攝照片的個(gè)人重新校準(zhǔn)他們的相機(jī)以反映新的設(shè)置(方框225)或者發(fā)送用先前校準(zhǔn)且未改變的相機(jī)拍攝的新照片?？刂妻D(zhuǎn)到菱形判定框240以確定是否發(fā)送新的校準(zhǔn)設(shè)置。如果發(fā)送新的校準(zhǔn)設(shè)置，則控制就轉(zhuǎn)到方框235并存儲(chǔ)新的相機(jī)特性。隨后，控制就轉(zhuǎn)到方框230。如果未發(fā)送新的再校準(zhǔn)設(shè)置，則控制轉(zhuǎn)到菱形判定框245以評(píng)價(jià)是否已經(jīng)發(fā)送新圖片。如果已經(jīng)發(fā)送新圖片，則控制轉(zhuǎn)到菱形判定框220以評(píng)價(jià)附隨于照片的相機(jī)設(shè)置文件，并且如先前所討論的重復(fù)相機(jī)設(shè)置比較過程。如果新照片未被發(fā)送，則控制轉(zhuǎn)到方框250而這些照片不被接受用于進(jìn)一步的評(píng)價(jià)。
圖3示出了物體O、相機(jī)C和影像I的坐標(biāo)參考系。外在參數(shù)把物體參考系中的三維坐標(biāo)映射到相機(jī)參考系中的三維坐標(biāo)。同樣，固有參數(shù)把相機(jī)參考系中的三維坐標(biāo)映射到影像平面中投影的二維坐標(biāo)。
給定物體參考系中三維點(diǎn)Po，其在相機(jī)參考系中的坐標(biāo)由下式給出 Pc＝RPo+To 其中R是3×3旋轉(zhuǎn)矩陣而To是物體參考系相對相機(jī)的位置。這也可以寫為 其中Tc是相機(jī)參考系相對物體的位置。
圖4示出了相機(jī)參考系和影像平面之間的關(guān)系。通過相似三角形，可以看出，相機(jī)參考系中坐標(biāo)(X，Y，Z)的點(diǎn)Pc投影到影像平面為(fX/Z，fY/Z)。利用奇次坐標(biāo)，這可以表示為矩陣乘積 其中PIC指示所投影的點(diǎn)是相對影像的主點(diǎn)表示的。通常，影像坐標(biāo)系統(tǒng)與主點(diǎn)存在偏移，如圖5所示。
在非奇次坐標(biāo)中，影像點(diǎn)為(fX/Z+Uo，fY/Z+Vo)，這可以用奇次坐標(biāo)寫成矩陣乘積，即 現(xiàn)在，寫為 這里，矩陣K稱為相機(jī)校準(zhǔn)矩陣。
從物體參考系到影像平面的整個(gè)映射可以寫作 或者更緊湊地寫為 其中，t＝-RTc。
應(yīng)當(dāng)注意，固有參數(shù)完全包含于相機(jī)校準(zhǔn)矩陣K，而外在參數(shù)由[Rt]矩陣描述。
針孔相機(jī)模型假定影像坐標(biāo)是兩個(gè)方向上相等刻度的歐幾里得坐標(biāo)。在數(shù)碼相機(jī)的情況下，可能會(huì)有非方形像素。還可能的是，這些像素不是垂直的即這些像素是傾斜的，雖然這不大可能。在這種情況下，相機(jī)校準(zhǔn)矩陣K可以具有更通用的形式 fX項(xiàng)和fY項(xiàng)代表非方形像素而s是傾斜參數(shù)。在大多數(shù)情況下，傾斜項(xiàng)將為零。
校準(zhǔn)程序可以首先對精確已知的幾何形狀拍攝平面校準(zhǔn)圖案的若干影像。例如，在一個(gè)實(shí)施例中，校準(zhǔn)圖案可以是帶有諸如圖6所示的規(guī)則隔開的矩形或方形的棋盤形圖案。
如果物體參考系被選定成使得XY平面為(Z＝0)平面，則影像坐標(biāo)和物體坐標(biāo)之間的關(guān)系可以表示為 或 這里，3×3矩陣H被稱作平面單應(yīng)矩陣(homography)，它將這些點(diǎn)從校準(zhǔn)平面映射到它們相應(yīng)的影像坐標(biāo)。給定校準(zhǔn)圖案的影像，可以估計(jì)這個(gè)單應(yīng)矩陣。
把該單應(yīng)矩陣記為H＝[h1 h2 h3]將得到 [h1 h2 h3]＝K[r1 r2 t]。
由于r1和r2是正交的，所以可以看出 把ω定義成ω＝K-TK-1將得到 這里，ω稱為絕對二次曲線的影像。
依據(jù)該校準(zhǔn)矩陣，ω可表示為 由于ω是對稱的，因此它可以由6向量表示 利用每個(gè)校準(zhǔn)影像的估計(jì)單應(yīng)矩陣和對校準(zhǔn)矩陣的約束條件，可以用

寫出一組線性方程。
其中
因此，對每個(gè)單應(yīng)矩陣的約束條件導(dǎo)致以下線性系統(tǒng) 對于n幅影像，矩陣V是2n×6矩陣。如果有校準(zhǔn)平面的至少3幅影像，可以求解這個(gè)系統(tǒng)。
針孔相機(jī)模型是理想的相機(jī)模型。實(shí)際相機(jī)具有產(chǎn)生非線性效應(yīng)的不良透鏡。例如，當(dāng)透鏡的放大倍數(shù)在其邊緣處和在其中心處不同時(shí)，方形物體的影像將被扭曲。當(dāng)邊緣處的放大倍數(shù)低于中心處的放大倍數(shù)時(shí)，方形物體將看起來具有圓邊。這種扭曲或失真被稱作“桶形”失真。如果邊緣處的放大倍數(shù)大于中心處的放大倍數(shù)時(shí)，影像將呈現(xiàn)“枕形”失真。圖7A-C圖解說明了這兩種光線失真效應(yīng)以及未失真影像。
光線失真可以用非線性失真因子進(jìn)行修正。研究已經(jīng)表明，可以把該失真模擬為關(guān)于平方徑向距離的多項(xiàng)式，即 其中(δu，δv)分別是x方向和y方向上的失真量，

是經(jīng)由針孔相機(jī)模型所投影的影像點(diǎn)，k1，k2，...是失真系數(shù)，而是半徑。
因而，針孔相機(jī)模型可以被擴(kuò)展以包括非線性失真，即 可以看出，利用前兩個(gè)多項(xiàng)式的項(xiàng)足夠模擬徑向失真；因而，省略了更高階的項(xiàng)。
為了計(jì)算最優(yōu)的相機(jī)校準(zhǔn)參數(shù)，該問題就變成了非線性最小化問題。給定帶有m個(gè)點(diǎn)的校準(zhǔn)對象的n幅影像，目標(biāo)是要最小化重投影誤差，即
其中，

是點(diǎn)Pj在影像i中的投影。這個(gè)非線性最小化問題是通過Levenberg-Marquardt算法求解的。
作為非線性最小二乘法算法，Levenberg-Marquardt算法因?yàn)槠淙菰S缺失數(shù)據(jù)及其收斂屬性而變得最為流行。LM算法的基本原理是目標(biāo)函數(shù)在控制變量附近的線性近似。對于控制變量的微小擾動(dòng)δp，泰勒級(jí)數(shù)展開產(chǎn)生剩余的線性近似，即 f(p+δp)≈f(p)+Jδp 這種目標(biāo)函數(shù)的梯度由下式給出 g＝JTf(p+δp)＝JT[f(p)+Jδp] 將該梯度設(shè)為零會(huì)產(chǎn)生所謂的標(biāo)準(zhǔn)方程，即 JTJδp＝JTf(p) 求解這個(gè)線性系統(tǒng)所得到的δp為該目標(biāo)函數(shù)的局部最小點(diǎn)。
LM算法使用這些方程的略微不同形式，其稱為增廣標(biāo)準(zhǔn)方程，即 Nδp＝JTf(p) 矩陣N的非對角元素與JTJ矩陣的對應(yīng)元素相同，而N的對角元素由下式表示

對于一些μ>0。
這種改變對角元素的策略稱作“阻尼”，而因子μ稱作阻尼項(xiàng)。如果標(biāo)準(zhǔn)方程的求解產(chǎn)生可減小目標(biāo)函數(shù)值的新參數(shù)估計(jì)，則接受此更新并用降低的阻尼項(xiàng)重復(fù)該過程。否則，增加阻尼項(xiàng)并再次求解標(biāo)準(zhǔn)方程直至目標(biāo)函數(shù)被降低。在LM算法的單次迭代中，求解標(biāo)準(zhǔn)方程直至得到可接受的參數(shù)估計(jì)。
增廣標(biāo)準(zhǔn)方程也可以寫成以下線性系統(tǒng) (H+μI)δp＝g 其中H是Hessian(海賽)的高斯牛頓近似JTJ，而I是大小等于H的單位矩陣。
當(dāng)滿足下列三種停止準(zhǔn)則之一時(shí)，LM算法終止(1)剩余梯度的范數(shù)即JTf(p)降到閾值ε1之下；(2)步長的相對變化降到閾值ε2之下； (3)LM迭代次數(shù)超過某個(gè)最大值kmax。
表1示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的LM算法的偽代碼。
表1
這部分描述了一種技術(shù)，由此，雅可比矩陣的結(jié)構(gòu)可以用來減小系統(tǒng)的整體復(fù)雜度并且大大改善了計(jì)算性能。
出于說明性目的，下面將應(yīng)用于光束法平差；然而，該技術(shù)可以應(yīng)用于相機(jī)校準(zhǔn)、姿態(tài)估計(jì)問題以及許多其他計(jì)算機(jī)視覺問題。
假定m幅影像中n個(gè)三維點(diǎn)是可見的。假設(shè)

代表點(diǎn)i到影像j上的投影。假設(shè)aj代表每個(gè)相機(jī)j的控制變量而假設(shè)bi代表每個(gè)三維點(diǎn)i的控制變量。
對于m幅影像中n個(gè)點(diǎn)而言，所觀察到的影像點(diǎn)為 類似地，n個(gè)三維點(diǎn)的估計(jì)(投影)影像點(diǎn)由下式表示 其中每個(gè)是根據(jù)數(shù)學(xué)相機(jī)模型例如針孔投影模型所預(yù)測的影像點(diǎn)。誤差或剩余向量被定義為 控制變量由以下向量進(jìn)行劃分 為了簡化起見，對于視圖m＝3、點(diǎn)n＝4的雅可比矩陣由下式表示 其中 雅可比矩陣的前m列是影像剩余相對于相機(jī)j的參數(shù)的偏微分。由于一幅影像的相機(jī)參數(shù)不會(huì)影響其他影像的投影影像點(diǎn)，因此在這些列中有很多零。類似地，雅可比矩陣的后n列是影像剩余相對于三維結(jié)構(gòu)參數(shù)的偏微分。這些列也因?yàn)闆]有參數(shù)之間的相互作用而有很多零。
重新考慮該標(biāo)準(zhǔn)方程，即 JTJδ＝JTε 該標(biāo)準(zhǔn)方程的左手側(cè)由下式給定 而右手側(cè)由下式給定 用Uj，Vi，Wij，εaj和εbi分別替代




和

標(biāo)準(zhǔn)方程可以寫成更緊湊的形式，即 標(biāo)準(zhǔn)方程可以寫成甚至更緊湊的形式，即 其中且 *號(hào)表示這些對角元素針對LM算法被增廣。
將增廣標(biāo)準(zhǔn)方程的緊湊形式乘以 得到 由于左側(cè)矩陣的右上區(qū)為零，所以δa向量可以通過求解上j組方程進(jìn)行確定，即 (U＊-WV＊-1WT)δa＝εa-WV＊-1εb 在求解了δa之后，δb可以通過回代到底i組方程進(jìn)行求解。表示成則上j組方程就變成 這就可以為δa進(jìn)行求解。于是，每個(gè)δbi由下式給定 表2總結(jié)了該技術(shù)，這可以通用于m幅視圖中n個(gè)點(diǎn)。
表2
估計(jì)物體和相機(jī)之間的空間關(guān)系或者姿態(tài)估計(jì)問題是近距離攝影測量學(xué)和計(jì)算機(jī)視覺應(yīng)用中的中心問題。目標(biāo)是要確定聯(lián)系物體參考系和相機(jī)參考系的嚴(yán)格轉(zhuǎn)換。一般地，這種嚴(yán)格轉(zhuǎn)換是由旋轉(zhuǎn)矩陣R和平移t參數(shù)化的。圖8圖解說明了這種轉(zhuǎn)換。
用于求解這個(gè)問題的數(shù)據(jù)是一組點(diǎn)對應(yīng)—物體或“控制點(diǎn)”的三維坐標(biāo)以及它們到影像平面的二維投影。一般地，控制點(diǎn)是相對物體參考系表示的，而它們的投影是相對相機(jī)參考系表示的。本文所述的算法是基于Hager等人的成果。
給定一組至少三個(gè)控制點(diǎn){pi}，對應(yīng)的相機(jī)空間坐標(biāo){gi}由下式表示 qi＝Rpi+t 相機(jī)參考系被選擇成使得原點(diǎn)位于投影的中心而光軸處于正z方向?？刂泣c(diǎn)被投影到相機(jī)參考系中z＝1的平面，所謂的標(biāo)準(zhǔn)化影像平面。在相機(jī)參考系中，控制點(diǎn)由下式給出 其中r1T，r2T和r3T是旋轉(zhuǎn)矩陣R的行。如果光線從相機(jī)參考系遠(yuǎn)點(diǎn)繪制到控制點(diǎn)，則它與標(biāo)準(zhǔn)化影像平面在點(diǎn)Vi＝(ui，vi，1)相交。這可以表示為 或 這被稱為共線性方程。在經(jīng)典的攝影測量學(xué)中，共線性方程往往用作求解姿態(tài)估計(jì)問題的基礎(chǔ)。該姿態(tài)被迭代細(xì)化以致最小化影像剩余，即 這里，

是在標(biāo)準(zhǔn)化影像平面中所觀察到的控制點(diǎn)的坐標(biāo)。
這個(gè)問題也可以按照最小化如圖9所示的物體空間的總剩余進(jìn)行表示。視線投影矩陣被定義成 當(dāng)場景點(diǎn)乘以這個(gè)矩陣，這將該點(diǎn)正交投影到由影像點(diǎn)

所定義的視線。存在誤差時(shí)，在場景點(diǎn)qi和其正交投影之間會(huì)有剩余向量，即 因此，最優(yōu)相機(jī)姿態(tài)是那個(gè)最小化物體空間中總剩余的相機(jī)姿態(tài)，即 如果控制點(diǎn)的相機(jī)空間坐標(biāo)可以通過其他方式進(jìn)行獲取比如用FARO臂來數(shù)字化，則每個(gè)控制點(diǎn)通過嚴(yán)格轉(zhuǎn)換而被聯(lián)系 qi＝Rpi+t 給定至少三個(gè)或更多個(gè)非共線控制點(diǎn)，R和t可以通過求解最小二乘問題來獲取 其中滿足RTR＝I 這種約束的最小二乘或最小平方問題可以利用奇異值分解(SVD)來解析求解。把相機(jī)點(diǎn)和場景點(diǎn)的質(zhì)心定義成 并且將相機(jī)點(diǎn)和場景點(diǎn)相對于它們質(zhì)心的位置定義成 樣本的交叉協(xié)方差為

其中 如果R*和t*是最優(yōu)旋轉(zhuǎn)和平移，則它們必須滿足 R*＝arg　maxR　trace(RTM) 假設(shè)(U，Σ，V)為M的SVD，則R*的解由下式表示 R*＝VUT 因而，用以計(jì)算最優(yōu)旋轉(zhuǎn)矩陣所需的唯一數(shù)據(jù)是(在相機(jī)和物體空間中)相對它們質(zhì)心的最優(yōu)旋轉(zhuǎn)矩陣。然后，最優(yōu)平移是最優(yōu)旋轉(zhuǎn)矩陣和這些質(zhì)心的簡單函數(shù)。
在一個(gè)實(shí)施例中，算法可以被稱為正交迭代(OI)算法。這種算法是用物體空間共線性誤差并重構(gòu)該問題，以使其類似于絕對方位問題。第一步是基于物體空間誤差定義目標(biāo)函數(shù)，即 由于目標(biāo)函數(shù)是t的二次方程，所以最優(yōu)平移可以用閉形式被計(jì)算為 定義 于是目標(biāo)函數(shù)可以被重新寫成以下形式 這個(gè)方程具有與絕對方位問題相同的形式；然而，SVD不能用來求解R，因?yàn)闃颖镜慕徊鎱f(xié)方差也是R的函數(shù)，即 其中 相反，使用以下迭代方法。給定第k個(gè)估計(jì)R(k)，t(k)＝R(k)且qi(k)＝R(k)pi+t(k)，則R的第(k+1)個(gè)估計(jì)R(k+1)通過求解以下絕對方位問題來解決 于是，t的第(k+1)個(gè)估計(jì)由下式表示 t(k+1)＝t(R(k+1)) 這個(gè)過程被重復(fù)直到R的估計(jì)滿足 處于某個(gè)指定容差內(nèi)。
現(xiàn)在參照圖10，可以分析事故中所涉及的車輛的照片。如圖10所示，方法300可以首先接收處于中央位置的計(jì)算機(jī)系統(tǒng)中的照片，并且可以評(píng)價(jià)這些照片以確定它們是否拍攝有位于照片中的標(biāo)記符或者不帶有位于照片中的標(biāo)記符，如方框305所示。更具體地，在菱形判定框310中，計(jì)算機(jī)評(píng)價(jià)含有例如控制點(diǎn)和損壞點(diǎn)的標(biāo)記符是否包含于照片中。可以使用各種標(biāo)記符。
還參照圖10，如果照片拍攝有標(biāo)記符，則控制轉(zhuǎn)到方框370，且姿態(tài)位置、控制點(diǎn)和損壞點(diǎn)可以通過經(jīng)由算法找出照片中的這些點(diǎn)而自動(dòng)確定。自動(dòng)目標(biāo)識(shí)別可以用于攝影測量系統(tǒng)中從而減少用戶交互量并提高測量準(zhǔn)確度。目標(biāo)可以通過檢查影像強(qiáng)度水平的差異進(jìn)行自動(dòng)檢測。往往使用由反光材料制成的目標(biāo)，原因在于它們反射的光比正常的白色紋理表面反射的多很多。在一些實(shí)施方式中，可以使用圓形的反光目標(biāo)。在識(shí)別目標(biāo)的位置中的第一步驟是找出影像內(nèi)影像強(qiáng)度快速變化的區(qū)域。在一些實(shí)施方式中，強(qiáng)度變化可以由影像強(qiáng)度的陡度或斜度(這也稱為影像梯度)定義。反光目標(biāo)的影像特征在于較大的影像梯度。
在識(shí)別了候選區(qū)域(即具有較大影像梯度的區(qū)域)之后，下一步驟是核對該區(qū)域的幾何形狀。對于圓形目標(biāo)而言，候選區(qū)域可以通過將其與橢圓相比來檢驗(yàn)。在候選區(qū)域的周邊上的點(diǎn)用來計(jì)算橢圓的最小二乘擬合。如果在一定的統(tǒng)計(jì)測量內(nèi)區(qū)域周邊沒有擬合橢圓，則排除偽區(qū)域。
一旦識(shí)別了候選區(qū)域，最后步驟是定位目標(biāo)的中心。一種用于定位這個(gè)中心的常用估計(jì)是強(qiáng)度加權(quán)質(zhì)心，這由下式定義 其中xi，yi是像素坐標(biāo)而gij是位于覆蓋目標(biāo)區(qū)域的(n×m)的窗口內(nèi)的強(qiáng)度水平。
注意，該姿態(tài)有助于設(shè)置關(guān)于這些圖片是相對車輛哪個(gè)方向拍攝的參考系。例如，該姿態(tài)確定照片是否是從車輛的駕駛者或乘客側(cè)拍攝的。一旦參考系被確定，則識(shí)別已知位置的點(diǎn)以有助于確定照片相對已知車輛尺度的比例。這些控制點(diǎn)可包括事故中不可能受損的車輛區(qū)域，比如擋風(fēng)玻璃的四個(gè)拐角、輪軸的中心等等。最后，可能損壞點(diǎn)可位于所拍攝的每張圖片上。例如，可以在車輛前面的每張不同視圖上識(shí)別關(guān)于車篷、格子窗和緩沖器的一組標(biāo)準(zhǔn)點(diǎn)。然后，控制轉(zhuǎn)到方框375以利用姿態(tài)和控制點(diǎn)數(shù)據(jù)為每張照片存儲(chǔ)姿態(tài)估計(jì)。此類存儲(chǔ)的姿態(tài)估計(jì)稍后可以用于確定與這些估計(jì)相關(guān)聯(lián)的車輛的擠壓損壞特征描述。
仍參照圖10，如果拍攝的照片不帶標(biāo)記符，則控制轉(zhuǎn)到方框315以確定適當(dāng)?shù)能囕v示例照片進(jìn)行顯示從而允許為每張照片手動(dòng)輸入姿態(tài)?？刂妻D(zhuǎn)到菱形判定框320以確定車輛的后面是否有損壞。如果車輛的后面有損壞，則控制轉(zhuǎn)到方框325以顯示適當(dāng)車輛的后面從而允許選擇姿態(tài)。如果車輛的后面沒有損壞，則控制轉(zhuǎn)到菱形判定框330以確定車輛的前面是否有損壞。如果車輛的前面有損壞，則控制轉(zhuǎn)到方框335以顯示適當(dāng)車輛的前面從而允許選擇姿態(tài)。如果車輛的前面沒有損壞，則控制轉(zhuǎn)到方框350以顯示適當(dāng)車輛的側(cè)面從而允許選擇姿態(tài)。
還參照圖10，控制轉(zhuǎn)到方框340以為每張照片用戶手動(dòng)選擇姿態(tài)。一旦選擇了姿態(tài)，控制就轉(zhuǎn)到方框345以顯示每張照片的控制點(diǎn)。這可以基于車輛的損壞位置以及車輛的類型來執(zhí)行。例如，控制點(diǎn)可以設(shè)置在后部碰撞所涉及的車輛的后擋風(fēng)玻璃的四個(gè)拐角。一旦控制點(diǎn)被顯示，控制就轉(zhuǎn)到方框335，在此控制點(diǎn)由用戶選擇且手動(dòng)設(shè)置在每張車輛圖片上。控制轉(zhuǎn)到方框360以顯示車輛的擠壓點(diǎn)，這也可能基于損壞位置和車輛類型。然后，控制轉(zhuǎn)到方框365，在此擠壓點(diǎn)被手動(dòng)設(shè)置在每張照片上?？刂妻D(zhuǎn)到方框370以評(píng)價(jià)姿態(tài)、控制點(diǎn)和損壞點(diǎn)的照片。然后，控制轉(zhuǎn)到方框375，如上討論的。
一旦校準(zhǔn)了相機(jī)以確定其固有參數(shù)并且解決了相機(jī)姿態(tài)問題以確定外在參數(shù)之后，重構(gòu)過程的下一步驟是估計(jì)物體的三維結(jié)構(gòu)。攝影測量法使用稱為三角測量的原理來根據(jù)多幅照片確定物體的三維坐標(biāo)。若干點(diǎn)是通過找出會(huì)聚視線或光線的交叉點(diǎn)進(jìn)行三角測量的，如圖11所示。
由于僅僅近似知道相機(jī)位置和方位并且在所測量的影像點(diǎn)中存在誤差，因此光線往往不會(huì)回射到圖12所示的共同交叉點(diǎn)。這節(jié)中的這些技術(shù)描述了如何估計(jì)物體的三維結(jié)構(gòu)。這種結(jié)構(gòu)估計(jì)以及相機(jī)姿態(tài)之后在稱為光束法平差的過程中進(jìn)行細(xì)化。
在每幅影像中，三維點(diǎn)X被投影為所測量的影像點(diǎn)，即x＝PX，x′＝P′X。這里，P和P′是由下式表示的3×4投影矩陣 P＝K[R-RC] 其中K是3×3相機(jī)校準(zhǔn)矩陣，R是從物體空間到相機(jī)空間的3×3旋轉(zhuǎn)矩陣，而C是相機(jī)相對于物體的位置。
向量叉積的定義可以用來形成線性系統(tǒng)。按照定義，兩個(gè)相同向量的叉積是所有零的向量。因此，對于每個(gè)點(diǎn)，所測量的影像點(diǎn)和投影到該影像的三維點(diǎn)的叉積是零，即 x×(PX)＝0 這導(dǎo)致每幅影像以X的以下線性系統(tǒng) x(p3TX)-p1T＝0 y(p3TX)-p2T＝0 x(p2TX)-y(p1TX)＝0 其中piT是投影矩陣的第i行/ 利用這兩幅影像，可以組成形式AX＝0的系統(tǒng)，其中 由于來自每幅影像的三個(gè)方程中僅有兩個(gè)方程是線性無關(guān)的，所以僅僅包括來自每幅影像的兩個(gè)方程。這種系統(tǒng)的解經(jīng)由奇異值分解(SVD)進(jìn)行計(jì)算。然后，三維點(diǎn)由A的最小奇異值給定。具體而言，如果UDVT是A的奇異值分解，則解X是V的最后列。
DLT方法的替代方案是計(jì)算最優(yōu)深度。在這種方法中，首先通過使光線回射經(jīng)過所測量影像點(diǎn)之一達(dá)一段距離d來計(jì)算三維點(diǎn)，即 其中所測量點(diǎn)是(x，y)，主點(diǎn)是(u0，v0)，且x和y方向上的焦距是(fx，fy)。
然后，這個(gè)三維點(diǎn)被投影到另一影像內(nèi)，即 那么最優(yōu)深度為使另一影像的重投影誤差最小化的深度。
視覺重構(gòu)的最后步驟稱為光束法平差。在這個(gè)步驟中，細(xì)化視覺重構(gòu)以產(chǎn)生聯(lián)合優(yōu)化的結(jié)構(gòu)(物體的三維特征點(diǎn))和運(yùn)動(dòng)(相機(jī)姿態(tài))。所謂的光“束”由物體特征反射到相機(jī)透鏡中并且通過相機(jī)投射到二維影像表面上。這些光束通過改變?nèi)S特征坐標(biāo)和相機(jī)姿態(tài)參數(shù)進(jìn)行最優(yōu)“調(diào)節(jié)”，以致所觀察的影像點(diǎn)和預(yù)測的影像點(diǎn)之間的重投影總誤差被最小化，如圖13所示。光束法平差比較魯棒，因?yàn)樗菰S缺失數(shù)據(jù)且提供真實(shí)的最大似然估計(jì)。給定相機(jī)姿態(tài)和物體三維結(jié)構(gòu)的初始估計(jì)，利用稀疏的Levenberg-Marquardt算法執(zhí)行來實(shí)現(xiàn)光束法平差。攝影測量法和計(jì)算機(jī)視覺中的許多問題被轉(zhuǎn)化為非線性最小二乘問題。非線性最小二乘問題具有下列形式的目標(biāo)函數(shù) 向量f(p)被稱為剩余而向量p＝[p1，...，pN]是控制變量組。剩余向量的每個(gè)元素是觀察值xi和預(yù)測值

之間的差。例如，在光束法平差的情況下，控制變量是三維特征坐標(biāo)和相機(jī)姿態(tài)參數(shù)，剩余是所觀察的影像點(diǎn)和預(yù)測的影像點(diǎn)之間的差。如果非線性最小二乘問題是超定的，即如果觀察數(shù)量M大于控制變量數(shù)N，則可以求解這些非線性最小二乘問題。
正如許多其他最優(yōu)化問題一樣，最優(yōu)性的必要條件是基于目標(biāo)函數(shù)關(guān)于控制變量的一階偏微商和二階偏微商。在局部最小點(diǎn)上，目標(biāo)函數(shù)的梯度應(yīng)當(dāng)趨于零而且Hessian應(yīng)是半正定。
目標(biāo)函數(shù)的梯度是其元素是關(guān)于控制變量的一階偏微商的向量，即 類似地，目標(biāo)函數(shù)的Hessian是其元素是關(guān)于控制變量的二階偏微商的矩陣，即
雅可比矩陣是向量值函數(shù)的所有一階偏微商的矩陣。剩余的雅可比矩陣被定義為 基于目標(biāo)函數(shù)的形式，梯度可以用剩余的雅可比項(xiàng)進(jìn)行表示，即 類似地，Hessian可以用剩余的雅可比進(jìn)行表示，即 當(dāng)剩余較小時(shí)，高階項(xiàng)是可忽略的。忽略高階項(xiàng)導(dǎo)致Hessian的高斯牛頓近似，即 H＝JTJ 在完成光束法平差之后，將重構(gòu)的所涉車輛的三維點(diǎn)與未受損車輛的幾何形狀進(jìn)行比較。對于具有前面和后面損壞的車輛而言，在縱向上這些點(diǎn)之間的差異產(chǎn)生圖14所示的剩余擠壓變形。同樣，對于具有側(cè)面損壞的車輛而言，在橫向上的差異產(chǎn)生剩余擠壓變形。
現(xiàn)在參照圖15，示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例根據(jù)損壞測量和未受損車輛的測量的對比來確定車輛損壞特征描述的流程圖。在如方法300所述那樣估計(jì)姿態(tài)后，控制就轉(zhuǎn)到方法400以經(jīng)由三角測量來細(xì)化姿態(tài)并確定擠壓點(diǎn)。方法400可以在計(jì)算機(jī)系統(tǒng)比如在其中接收并處理關(guān)于車輛的影像數(shù)據(jù)的中央系統(tǒng)中被執(zhí)行。初始的姿態(tài)估計(jì)是用光束法平差細(xì)化的，如上面所述(方框405)?？刂妻D(zhuǎn)到方框410以利用對不同照片上的點(diǎn)的三角測量來確定損壞點(diǎn)的位置?？刂妻D(zhuǎn)到方框415以比較損壞點(diǎn)位置和未受損車輛上的相同點(diǎn)。這種未受損車輛可以作為參考或基準(zhǔn)車輛，其與事故中所涉及的車輛相同或者可能是基本類似的車輛，比如具有共同的車體類型。控制轉(zhuǎn)到方框420以便基于受損車輛和未受損車輛的比較來創(chuàng)建損壞特征描述(或輪廓)?？刂妻D(zhuǎn)到方框425以便例如在計(jì)算機(jī)系統(tǒng)的顯示器上顯示關(guān)于典型車輛的擠壓特征描述。此外，擠壓損壞特征描述可以被存儲(chǔ)到系統(tǒng)中以供稍后使用。例如，利用擠壓損壞特征描述信息，可以確定事故嚴(yán)重性的各種測量，包括傷害力、對車輛的可能損壞等等。再則，通過利用車輛的照片經(jīng)由攝影測量學(xué)分析來獲取擠壓損壞特征描述信息，實(shí)施例可以被有效地使用且可以使評(píng)價(jià)過程流水化，因?yàn)榕c獲取關(guān)于車輛損壞的進(jìn)一步詳細(xì)信息相比，獲取照片可能更加容易。這種信息還可以例如用來審核索賠估計(jì)，從而確定索賠修理估計(jì)就經(jīng)由攝影測量學(xué)分析所獲取的擠壓損壞特征描述以及其他信息而言是否合理。
一旦確定了擠壓損壞特征描述，就可以形成所關(guān)心的若干數(shù)據(jù)點(diǎn)。一條信息是根據(jù)使車輛變形所需的能量通過計(jì)算車輛速度的變化來估計(jì)撞車的碰撞嚴(yán)重性。在一個(gè)實(shí)施例中，碰撞嚴(yán)重性可以根據(jù)美國專利號(hào)6,885,981(本文“981專利”)中所描述的方法進(jìn)行估計(jì)，該美國專利號(hào)6,885,981與本申請進(jìn)行共同轉(zhuǎn)讓，其內(nèi)容在此并入本文以供參考。另一則信息是碰撞的主力方向或PDOF。
圖16示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例根據(jù)由攝影測量學(xué)分析所產(chǎn)生的擠壓損壞特征描述確定PDOF的流程圖。如圖16所示，可以在用于接收攝影測量學(xué)信息并對其處理以獲取擠壓數(shù)據(jù)的相同系統(tǒng)中執(zhí)行的方法500始于方框505，其中車輛的各個(gè)部件(車蓬、保護(hù)板等等)是通過比較部件的受損位置和部件的未受損位置(正如部件在參考車輛上的位置)就事故中它們被移動(dòng)的方向上評(píng)價(jià)的。例如，駕駛者的側(cè)前燈和車蓬可能由于碰撞而被移向乘客一側(cè)。這種結(jié)果會(huì)被存儲(chǔ)為移到左邊?？刂妻D(zhuǎn)到菱形判定框510以確定是否存在任何被移位的部件。如果部件被移位，則控制轉(zhuǎn)到方框515并存儲(chǔ)每個(gè)部件移位的方向。控制轉(zhuǎn)到菱形判定框520以評(píng)價(jià)是否所有被損壞的部件都被以相同的方向移位。如果菱形判定框520評(píng)價(jià)所有部件都被以相同的方向移位，則控制隨后轉(zhuǎn)到方框527以存儲(chǔ)總移位方向。隨后，控制轉(zhuǎn)到方框535以評(píng)價(jià)與事故和事故之前的車輛運(yùn)動(dòng)有關(guān)的輸入，從而例如確定哪輛車輛在碰撞時(shí)具有更大的速度。這種輸入可以對應(yīng)于與和事故相關(guān)聯(lián)的信息有關(guān)的用戶提供的輸入，比如由檢查警察報(bào)告、事故報(bào)告、事件數(shù)據(jù)記錄器(EDR)數(shù)據(jù)或其他此類裝置所獲取的事故信息。
如果菱形判定框520導(dǎo)致部件以不同方向移位，則控制就轉(zhuǎn)到評(píng)價(jià)部件移位(菱形判定框522)。如果這些部件被均勻分散(例如，右側(cè)的部件點(diǎn)向右移位2英寸而對應(yīng)的部件點(diǎn)向左移位2.5英寸)，則PDOF將被估計(jì)而不需要附加輸入并且控制轉(zhuǎn)到方框527以存儲(chǔ)總移位方向然后轉(zhuǎn)到方框535，如上所討論的。如果這些部件未被均勻分散(例如，右側(cè)的部件點(diǎn)向右移位2英寸而對應(yīng)的部件點(diǎn)向左移位5英寸)，則控制轉(zhuǎn)到方框525以經(jīng)由請求來自用戶的輸入來收集關(guān)于部件的更多信息。這種信息可以包括例如碰撞的性質(zhì)(例如，碰撞到桿柱)或部件移位的性質(zhì)(例如，車輛前面的部件是移位到(a)駕駛側(cè)、(b)乘客側(cè)或(c)未移位到兩側(cè)？)控制轉(zhuǎn)到方框540以便通過收集部件分析的結(jié)果并確定整體部件移位圖案(例如，駕駛側(cè)移位、乘客側(cè)移位或者中立移位)，把總部件移位定下來；隨后，控制轉(zhuǎn)到方框527以存儲(chǔ)總移位方向。此后，控制轉(zhuǎn)到方框535，如上所述。然后控制轉(zhuǎn)到方框530。
如果沒有部件被移位，控制也轉(zhuǎn)到方框530。在方框530，關(guān)于兩輛車輛的損壞圖案的重疊可以通過比較并對齊關(guān)于每輛車輛的損壞特征描述進(jìn)行優(yōu)化?？刂妻D(zhuǎn)到方框545以形成第一車輛的初步PDOF估計(jì)。在一個(gè)實(shí)施例中，這種確定可以通過檢查損壞圖案、整體部件移位圖案以及關(guān)于碰撞之前車輛運(yùn)動(dòng)的輸入并且確定與這些數(shù)據(jù)相符的碰撞方向(例如，車輛有朝乘客側(cè)的重大部件移位和駕駛側(cè)的前燈及保護(hù)板的擠壓且比另一車輛運(yùn)動(dòng)得更慢，這可能與10-11點(diǎn)鐘PDOF相符)來完成。
然后控制轉(zhuǎn)到方框550以形成第二車輛的PDOF，這可以如先前針對第一車輛所描述的那樣來完成。控制轉(zhuǎn)到菱形判定框555以評(píng)價(jià)兩輛車輛之間的PDOF的一致性。這種一致性可以例如基于關(guān)于車輛、事故特征等之類的損壞信息進(jìn)行測量。如果兩輛車輛之間的PDOF是一致的，則控制轉(zhuǎn)到方框556以為每輛車輛分配最終的PDOF估計(jì)，并且例如根據(jù)‘981專利中所述的方法，通過利用擠壓損壞和PDOF的初始估計(jì)來為每輛車輛生成速度變化(DV)從而估計(jì)碰撞嚴(yán)重性。否則，如果菱形判定框555評(píng)價(jià)的是PDOF不一致，則通過用迭代過程將PDOF估計(jì)和/或車輛損壞重疊最優(yōu)化調(diào)節(jié)到合理參數(shù)內(nèi)來修正PDOF估計(jì)(如方框560所示)?？刂苹氐搅庑闻卸?55進(jìn)行重新評(píng)價(jià)。當(dāng)一致的PDOF被確定時(shí)，控制轉(zhuǎn)到方框565，在此針對這些車輛可以通過利用擠壓損壞和PDOF的初始估計(jì)把PDOF和速度值的變化最后定下來從而估計(jì)碰撞嚴(yán)重性，例如根據(jù)‘981專利中所述的方法。PDOF和速度變化的這些最終估計(jì)可以被存儲(chǔ)在系統(tǒng)中以供稍后使用。而且，這種信息可以例如經(jīng)由顯示器而匯報(bào)給用戶，或者傳送到遠(yuǎn)程位置。基于這種估計(jì)的信息，用戶可以在考慮索賠信息比如財(cái)產(chǎn)損壞、人員傷害等是否符合PDOF和速度的變化時(shí)使用該估計(jì)的信息。通過確定碰撞的點(diǎn)和角度、碰撞前的車速等，這種估計(jì)的信息還可用于確定事故責(zé)任。
現(xiàn)在參照圖17，示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例根據(jù)擠壓損壞特征描述估計(jì)受損部件的方法的流程圖。方法600可以始于方框605，于此在數(shù)據(jù)庫中的相同或類似車輛和要分析的車輛的類似嚴(yán)重性(即速度變化或DV)和方向(即主力方向或PDOF)的碰撞之間進(jìn)行比較。在一些實(shí)施方式中，數(shù)據(jù)庫可能以分組類似車輛、嚴(yán)重性和方向的文件組進(jìn)行布置。作為一個(gè)示例，數(shù)據(jù)庫可以是中央系統(tǒng)，比如事故分析公司，該事故分析公司從多個(gè)客戶源比如保險(xiǎn)公司及其他公司接收有關(guān)事故的數(shù)據(jù)，并且當(dāng)接收附加的事故數(shù)據(jù)時(shí)連續(xù)匯編該數(shù)據(jù)庫，以致這個(gè)數(shù)據(jù)庫可具有動(dòng)態(tài)性質(zhì)，這可以幫助獲取準(zhǔn)確的估計(jì)信息。因此，方法600在某些實(shí)施例中可以用來作為與車輛事故相關(guān)聯(lián)的索賠的審計(jì)源，從而確定所聲稱的索賠標(biāo)準(zhǔn)是否恰當(dāng)，例如確定其是否落入涉及類似車輛的類似事故的范圍?？刂妻D(zhuǎn)到方框610以為涉及相同或類似車輛(一輛或多輛)的類似碰撞選擇并返回所有類似碰撞、部件以及部件的操作(即修理或更換)。控制轉(zhuǎn)到方框615以為當(dāng)前事故創(chuàng)建一列期望的部件和部件操作。這個(gè)列表可以通過識(shí)別數(shù)據(jù)庫中的類似受損車輛的修理/更換部件來創(chuàng)建。在一個(gè)實(shí)施例中，該列表可以通過依照統(tǒng)計(jì)分析、數(shù)學(xué)分析或另一此類方式組合或分析這些其他車輛的修理/更換部件來創(chuàng)建。雖然未示于圖17中，這個(gè)列表可用來確定車輛的一列修理/更換部件，而且在一些實(shí)施例中確定這種修理/更換的期望成本。
控制轉(zhuǎn)到菱形判定框620以確定是否創(chuàng)建了獨(dú)立估計(jì)。如果例如經(jīng)由調(diào)停者形成了對需要修理或更換的部件的獨(dú)立評(píng)估，則控制轉(zhuǎn)到方框625因此這種新的評(píng)估可以與預(yù)測需要修理或更換的部件進(jìn)行比較?？刂妻D(zhuǎn)到菱形判定框630以識(shí)別在該估計(jì)上但不在期望列表上的部件。如果有不在期望列表上的部件，則控制轉(zhuǎn)到方框635以標(biāo)記關(guān)于此比較的例外。例如，任何局外人可以被指示以便進(jìn)一步檢查，并且調(diào)停者或其他遠(yuǎn)程實(shí)體例如可以被電子(例如電子郵件或到保險(xiǎn)公司計(jì)算機(jī)系統(tǒng))或類似通信通知。然后，控制轉(zhuǎn)到菱形判定框645。如果在菱形方框630確定在獨(dú)立估計(jì)上的部件沒有不同于期望列表，則控制也轉(zhuǎn)到菱形判定框645以確定是否有部件在期望列表上但不在獨(dú)立估計(jì)上。如果有部件在期望列表上但不在獨(dú)立估計(jì)上，則控制轉(zhuǎn)到方框640并指示任何局外人以便進(jìn)一步檢查。如果期望列表上的部件沒有不在獨(dú)立估計(jì)上，則控制轉(zhuǎn)到方框650并確定該估計(jì)通過了審核。只要該報(bào)告和估計(jì)處于彼此的閾值(例如部件數(shù)、匹配分?jǐn)?shù)或其他度量)內(nèi)，就可以把該審核視為通過。還要注意，審核結(jié)果可以連同數(shù)據(jù)庫中包括關(guān)于車輛和事故的信息的條目一起被存儲(chǔ)，從而進(jìn)一步幫助分析將來的事故。雖然在圖17的實(shí)施例中以這種特定實(shí)施方式示出，但是要明白本發(fā)明的范圍不限于此。例如，在其他實(shí)施方式中除了或替代分析擠壓圖案信息，例如可以根據(jù)當(dāng)前事故的索賠，將來自這種類似情境事故的事故信息與傷害信息進(jìn)行比較，以確定所主張的傷害級(jí)別是否與這些類似情境事故中存在的傷害大體有關(guān)。
現(xiàn)在參考圖18，示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的系統(tǒng)的框圖。如圖18所示，系統(tǒng)700可以是計(jì)算機(jī)系統(tǒng)比如個(gè)人計(jì)算機(jī)、服務(wù)器計(jì)算機(jī)或其他此類系統(tǒng)。系統(tǒng)700可以包括處理器710，其可以為微處理器比如中央處理單元。處理器710經(jīng)由存儲(chǔ)控制器網(wǎng)絡(luò)集線器(MCH)720而被耦合，進(jìn)而被耦合到存儲(chǔ)器730和顯示器740，該顯示器740例如可以是平板顯示器。在操作期間，存儲(chǔ)器730可以根據(jù)本發(fā)明的實(shí)施例的軟件，其包括用以執(zhí)行本文所述的各種技術(shù)的指令。
如圖18進(jìn)一步所示，MCH 720被耦合到輸入/輸出控制器網(wǎng)絡(luò)集線器(ICH)750。ICH 750進(jìn)而可以被耦合到各種外圍設(shè)備760和網(wǎng)絡(luò)適配器770。網(wǎng)絡(luò)適配器770可以用來在系統(tǒng)700和一個(gè)或多個(gè)其它計(jì)算機(jī)之間經(jīng)由計(jì)算機(jī)網(wǎng)絡(luò)進(jìn)行通信，所述計(jì)算機(jī)網(wǎng)絡(luò)例如局域網(wǎng)(LAN)、廣域網(wǎng)(WAN)或者無線網(wǎng)絡(luò)比如無線LAN(WLAN)。此外，網(wǎng)絡(luò)適配器770可以與遠(yuǎn)程系統(tǒng)通信，例如保險(xiǎn)公司的計(jì)算機(jī)或其他希望將車輛和事故信息(例如包括攝影測量學(xué)信息)發(fā)送至系統(tǒng)700用于根據(jù)本發(fā)明的實(shí)施例進(jìn)行分析的第三方。這種通信可以是經(jīng)由因特網(wǎng)或另外這種計(jì)算機(jī)網(wǎng)絡(luò)。在一些實(shí)施方式中，可以經(jīng)由加密或以另外安全格式使這些通信安全。
雖然本發(fā)明就有限數(shù)量的實(shí)施例進(jìn)行了描述，但是本領(lǐng)域技術(shù)人員會(huì)意識(shí)到其中的許多修改和變更。所附權(quán)利要求覆蓋所有這類落入本發(fā)明真正精神和范圍內(nèi)的修改和變型。
權(quán)利要求
1.一種計(jì)算機(jī)執(zhí)行的方法，該方法包括
在計(jì)算機(jī)中接收事故所涉車輛的多幅影像；
在該計(jì)算機(jī)中利用所述多幅影像經(jīng)由三角測量來確定該車輛的損壞點(diǎn)的位置；和
基于該車輛的損壞點(diǎn)的位置和基準(zhǔn)車輛的差別生成該車輛的擠壓特征描述，并且將該擠壓特征描述存儲(chǔ)到該計(jì)算機(jī)中以備稍后使用。
2.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括評(píng)價(jià)所述多幅影像以獲取姿態(tài)估計(jì)信息。
3.根據(jù)權(quán)利要求2所述的方法，進(jìn)一步包括接收輸入以選擇對應(yīng)于所述多幅影像中的至少一幅影像的參考姿態(tài)。
4.根據(jù)權(quán)利要求3所述的方法，進(jìn)一步包括為所述多幅影像中的至少一幅影像選擇控制點(diǎn)和擠壓點(diǎn)。
5.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括
訪問該擠壓特征描述并選擇多個(gè)存儲(chǔ)的擠壓特征描述，所述多個(gè)存儲(chǔ)的擠壓特征描述具有位于該擠壓特征描述的預(yù)定閾限之內(nèi)的相應(yīng)擠壓特征描述；和
基于該擠壓特征描述和所述多個(gè)存儲(chǔ)的擠壓特征描述的比較，審核與該事故相關(guān)聯(lián)的。
6.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括在該計(jì)算機(jī)中確定與所述多幅影像一起接收的相機(jī)特征描述是否對應(yīng)于在由該計(jì)算機(jī)訪問的特征描述數(shù)據(jù)庫中存在的相機(jī)特征描述。
7.根據(jù)權(quán)利要求6所述的方法，進(jìn)一步包括如果有的話，基于該相機(jī)特征描述校準(zhǔn)所述多幅影像，否則從相機(jī)用戶處請求附加信息。
8.一種計(jì)算機(jī)執(zhí)行的方法，該方法包括
確定事故所涉第一車輛的至少一個(gè)部件是否被移位，且如果被移位，則確定移位方向；
優(yōu)化所述第一車輛和該事故所涉第二車輛之間的損壞圖案的重疊；和
基于損壞圖案的優(yōu)化重疊和所述第一車輛的移位方向，形成所述第一車輛和所述第二車輛的主力方向。
9.根據(jù)權(quán)利要求8所述的方法，進(jìn)一步包括獲取關(guān)于該事故的事故信息并利用該事故信息來形成所述主力方向。
10.根據(jù)權(quán)利要求9所述的方法，進(jìn)一步包括確定所述主力方向是否與所述第一車輛和所述第二車輛的損壞信息和事故信息相符合。
11.根據(jù)權(quán)利要求10所述的方法，進(jìn)一步包括
利用損壞圖案的優(yōu)化重疊來確定所述第一車輛的速度變化；和
利用損壞圖案的優(yōu)化重疊來確定所述第二車輛的速度變化。
12.根據(jù)權(quán)利要求11所述的方法，進(jìn)一步包括利用關(guān)于所述第一車輛所獲取的攝影測量學(xué)信息來確定所述第一車輛的所述速度變化，并且在不用所述第二車輛的攝影測量學(xué)信息的情況下確定所述第二車輛的所述速度變化。
13.一種系統(tǒng)，該系統(tǒng)包括
處理器，其用于執(zhí)行指令以使該系統(tǒng)能夠進(jìn)行如下操作將事故所涉車輛的擠壓損壞圖案和數(shù)據(jù)庫中對應(yīng)于來自無關(guān)事故的車輛的擠壓損壞圖案的條目進(jìn)行比較，基于所述擠壓損壞圖案和碰撞方向來選擇所述條目中的一個(gè)或多個(gè)，基于所選擇的一個(gè)或多個(gè)條目的實(shí)際損壞信息生成車輛的期望車輛部件損壞的報(bào)告，以及存儲(chǔ)該報(bào)告以供稍后使用；和
被耦合到所述處理器以存儲(chǔ)所述指令的存儲(chǔ)器。
14.根據(jù)權(quán)利要求13所述的系統(tǒng)，其中所述處理器進(jìn)一步使該系統(tǒng)能夠確定該車輛的要被修理或更換的至少一個(gè)部件。
15.根據(jù)權(quán)利要求13所述的系統(tǒng)，其中所述處理器是進(jìn)一步使該系統(tǒng)能夠比較與該車輛相關(guān)聯(lián)的修理估計(jì)和所述報(bào)告。
16.根據(jù)權(quán)利要求15所述的系統(tǒng)，其中所述處理器是進(jìn)一步使該系統(tǒng)能夠標(biāo)記出不在期望車輛損壞報(bào)告中但被列在修理估計(jì)中要進(jìn)行修理或更換的部件。
17.根據(jù)權(quán)利要求15所述的系統(tǒng)，其中所述處理器是進(jìn)一步使該系統(tǒng)能夠在部件列在期望車輛部件損壞報(bào)告中的情況下，標(biāo)記出在該修理估計(jì)中未列出的要進(jìn)行修理或更換的部件。
18.根據(jù)權(quán)利要求13所述的系統(tǒng)，其中所述擠壓損壞圖案基于對該車輛的攝影車輛學(xué)分析。
19.根據(jù)權(quán)利要求13所述的系統(tǒng)，其中所述處理器是進(jìn)一步使該系統(tǒng)能夠基于由該系統(tǒng)接收的車輛的影像數(shù)據(jù)生成車輛的擠壓損壞圖案。
20.根據(jù)權(quán)利要求13所述的系統(tǒng)，其中所述處理器進(jìn)一步使該系統(tǒng)能夠把條目插入到該數(shù)據(jù)庫中，所述條目包括關(guān)于該車輛和事故的信息。
全文摘要
在一個(gè)實(shí)施例中，本發(fā)明包括一種計(jì)算機(jī)執(zhí)行的方法，該方法利用攝影測量學(xué)技術(shù)來收集信息以確定碰撞所涉及車輛的損壞。這種車輛損壞信息在被確定時(shí)可能是擠壓測量信息比如擠壓損壞特征描述的形式，可以顯示在帶有擠壓特征描述的計(jì)算機(jī)生成的所涉車輛視圖中并且可用來估計(jì)碰撞嚴(yán)重性。在一些實(shí)施例中，基于推導(dǎo)的攝影測量學(xué)信息，車輛部件的任何移位方向可以被獲取并且與其他信息一起使用來估計(jì)碰撞中所涉及的一輛或多輛車輛的主力方向(PDOF)。還有其他實(shí)施例可以用來至少部分基于攝影測量學(xué)信息生成和/或?qū)徍诵蘩砉烙?jì)。
文檔編號(hào)G06F19/00GK101467153SQ200780021225
公開日2009年6月24日 申請日期2007年6月5日 優(yōu)先權(quán)日2006年6月8日
發(fā)明者S·D·基德, D·A·史密斯 申請人:創(chuàng)傷科學(xué)有限責(zé)任公司