租赁车辆还车方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种租赁车辆还车方法、装置、设备及可读存储介质，其中，方法包括：获取租赁车辆在还车状态下的图像，并进行图像预处理，得到预处理图像；其中，所述图像包括：车辆内装置图；根据预处理图像对租赁车辆的外观及内部装置进行损伤分析，生成损伤鉴定结果；从车辆信息维护表中提取出租赁车辆在当前租赁订单前的车辆状态数据，作为车辆历史状态数据；根据损伤鉴定结果、车辆历史状态数据生成对应的还车决策。本申请各实施例提供的技术方案，适用于测距，可起到使租赁车辆在线还车系统在车辆归还时更加全面、准确得发现车辆损伤，提高系统做出的在线还车决策的准确性的作用。用。用。

【技术实现步骤摘要】
租赁车辆还车方法、装置、设备及可读存储介质


[0001]本申请属于车辆租赁领域，尤其涉及一种租赁车辆还车方法、装置、设备及可读存储介质。

技术介绍

[0002]在线还车是汽车租赁公司经营的一个重要环节，也是未来发展的方向。在互联网+、智能+、数字化年代，在线还车技术正在通过借助历史经验、立足于大数据、结合人工智能等手段不断发展和进步。
[0003]相关技术中，在线还车时，在线还车系统多采用普通摄像设备采集车辆外观与内饰的图像，进而根据得到的图像借助图像技术进行车辆的损伤度、清洁度鉴定，再结合租前车辆信息表共同决策还车方案。但是，依靠普通摄像设备采集的车辆图像信息，无法辨识出租车辆是否存在非外观损伤或内部损伤，此外，通过车辆图像信息观察车辆是否损伤时，信息源单一，无法准确识别出车辆是否存在损伤。因此，现有的在线还车系统存在车辆归还时无法全面、准确发现车辆损伤，做出的在线还车决策准确性不高的问题，会对汽车租赁公司造成损失。

技术实现思路

[0004]本申请实施例提供一种与现有技术不同的实现方案，以解决现有的在线还车系统存在车辆归还时无法全面、准确发现车辆损伤，做出的在线还车决策准确性不高的技术问题。
[0005]第一方面，本申请提供一种租赁车辆还车方法，包括：
[0006]获取租赁车辆在还车状态下的图像，并进行图像预处理，得到预处理图像；其中，所述图像包括：车辆内装置图；
[0007]根据所述预处理图像对所述租赁车辆的外观及内部装置进行损伤分析，生成损伤鉴定结果；
[0008]从车辆信息维护表中提取出所述租赁车辆在当前租赁订单前的车辆状态数据，作为车辆历史状态数据；
[0009]根据所述损伤鉴定结果、所述车辆历史状态数据生成对应的还车决策。
[0010]第二方面，本申请提供一种租赁车辆还车装置，包括：
[0011]图像处理单元，用于获取租赁车辆在还车状态下的图像，并进行图像预处理，得到预处理图像；其中，所述图像包括：车辆内装置图；
[0012]损伤分析单元，用于根据所述预处理图像对所述租赁车辆的外观及内部装置进行损伤分析，生成损伤鉴定结果；
[0013]数据提取单元，用于从车辆信息维护表中提取出所述租赁车辆在当前租赁订单前的车辆状态数据，作为车辆历史状态数据；
[0014]还车决策单元，用于根据所述损伤鉴定结果、所述车辆历史状态数据生成对应的
还车决策。
[0015]第三方面，本申请提供一种计算设备，包括：
[0016]存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时执行如第一方面或第一方面各可能的实施方式中的任一方法。
[0017]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面各可能的实施方式中的任一方法。
[0018]本申请提供的方法，可利用获取租赁车辆在还车状态下的图像，并进行图像预处理，得到预处理图像；其中，所述图像包括：车辆内装置图；根据所述预处理图像对所述租赁车辆的外观及内部装置进行损伤分析，生成损伤鉴定结果；从车辆信息维护表中提取出所述租赁车辆在当前租赁订单前的车辆状态数据，作为车辆历史状态数据；根据所述损伤鉴定结果、所述车辆历史状态数据生成对应的还车决策的方案，可起到使租赁车辆在线还车系统在车辆归还时更加全面、准确得发现车辆损伤，提高系统做出的在线还车决策的准确性的技术效果。
附图说明
[0019]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0020]图1为本申请一实施例提供的一种线上还车业务系统的基本框架示意图；
[0021]图2为本申请一实施例提供的一种租赁车辆还车方法的流程示意图；
[0022]图3为本申请一实施例提供的一种视频语义分析模块的学习过程流程图；
[0023]图4为本申请一实施例提供的一种智能还车决策引擎的学习过程流程图；
[0024]图5为本申请一实施例提供的租赁车辆还车装置的结构示意图；
[0025]图6为本申请实施例提供的一种计算设备的结构示意图。
具体实施方式
[0026]下面详细描述本申请的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
[0027]本申请实施例的说明书、权利要求书及附图中的术语“第一”和“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请实施例的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0028]首先，下面对本申请实施例中的部分用语进行解释说明，以便于本领域技术人员理解。
[0029]图像增强：增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合。有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
[0030]图像噪声：图像在获取或是传输过程中受到随机信号干扰，妨碍人们对图像理解及分析处理的信号。图像噪声的产生来自图像获取中的环境条件和传感元器件自身的质量，图像在传输过程中产生图像噪声的主要因素是所用的传输信道受到了噪声的污染。
[0031]超参数：在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给学习机选择一组最优超参数，以提高学习的性能和效果。
[0032]特征工程：是利用数据领域的相关知识来创建能够使机器学习算法达到最佳性能的特征的过程。
[0033]现有的在线还车方案借助于常规视频采集，无法辨识在租车辆存在的非外观损伤与内部损伤，也容易仅仅根据上传视频这一单一信息的做出错误的还车决策。
[0034]为了解决该技术问题，本申请提供了一种租赁车辆还车方法，用于解决现有的在线还车系统存在车辆归还时无法全面、准确发现车辆损伤，做出的在线还车决策准确性不高的问题。
[0035]下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种租赁车辆还车方法，其特征在于，包括：获取租赁车辆在还车状态下的图像，并进行图像预处理，得到预处理图像；其中，所述图像包括：车辆内装置图；根据所述预处理图像对所述租赁车辆的外观及内部装置进行损伤分析，生成损伤鉴定结果；从车辆信息维护表中提取出所述租赁车辆在当前租赁订单前的车辆状态数据，作为车辆历史状态数据；根据所述损伤鉴定结果、所述车辆历史状态数据生成对应的还车决策。2.如权利要求1所述的方法，其特征在于，在所述根据所述损伤鉴定结果、所述车辆历史状态数据生成对应的还车决策之前，还包括：获取所述租赁车辆中车载监测终端采集的车辆参数；则相应地，所述根据所述损伤鉴定结果、所述车辆历史状态数据生成对应的还车决策，具体为：根据所述损伤鉴定结果、所述车辆历史状态数据以及所述车辆参数生成对应的还车决策。3.如权利要求2所述的方法，其特征在于，所述获取所述租赁车辆中车载监测终端采集的车辆参数，包括：获取所述租赁车辆中车载监测终端采集的车辆坐标值、耗油耗电量以及胎压。4.如权利要求1所述的方法，其特征在于，所述根据所述预处理图像对所述租赁车辆的外观及内部装置进行损伤分析，包括：根据所述预处理图像确定所述租赁车辆的外观及内部装置的损伤位置、损伤器件及损伤级别。5.如权利要求1所述的方法，其特征在于，所述根据所述损伤鉴定结果、所述车辆历史状态数据生成对应的还车决策，包括：根据所述损伤鉴定结果、所述车辆历史状态数据进行车辆特征提取，生成特征向量；调用预训...

【专利技术属性】
技术研发人员：宋忠森，
申请(专利权)人：海科平潭信息技术有限公司，
类型：发明
国别省市：