阅读说明：本技术 用于检测和报告车辆损坏事件的系统和方法 (System and method for detecting and reporting vehicle damage events ) 是由 潘卡·库马尔 哈森·加莫西 伊马德·哈山·玛基 迪米塔尔·费尤伍 于 2020-01-08 设计创作，主要内容包括：本文提供了“用于检测和报告车辆损坏事件的系统和方法”。一种示例方法包括：在第二时间点检测车辆的任何钥匙开启或钥匙关闭事件；响应于检测到所述钥匙开启或钥匙关闭事件,使用所述车辆的一个或多个车载相机获得所述车辆的一个或多个表面的当前图像集；访问在所述第二时间点之前的第一时间点获得的所述车辆的基线图像集；将所述当前图像集与所述基线图像集进行比较,以确定对所述一个或多个表面的损坏；以及通过所述车辆的人机界面呈现表明所述损坏的消息。(Systems and methods for detecting and reporting vehicle damage events are provided herein. An example method includes: detecting any key-on or key-off event of the vehicle at a second point in time; in response to detecting the key-on or key-off event, obtaining a current set of images of one or more surfaces of the vehicle using one or more onboard cameras of the vehicle; accessing a baseline set of images of the vehicle obtained at a first point in time prior to the second point in time; comparing the current image set to the baseline image set to determine damage to the one or more surfaces; and presenting a message indicating the damage through a human machine interface of the vehicle.)

用于检测和报告车辆损坏事件的系统和方法

技术领域

本公开涉及分析诸如低撞击损坏事件等车辆损坏事件以及由此导致的车辆损失的识别的系统和方法。

背景技术

低撞击损坏事件可能无处不在，诸如当车辆停放在停车场时。其他车辆可能会撞击所述车辆或甚至其他物体，诸如购物车。通常，一些低撞击损坏事件可能会在车主或操作员不在场时发生。因此，通常很难识别这些损坏事件何时发生的和/或识别这种损坏的原因。

更详细地说，车辆通常无人看管地留在公共区域、街道或停车场，并有意或无意地受到可能的损坏。停放车辆常见的问题可能包括车身被一些不轨之徒用钥匙刮伤、车内的贵重物品被盗、车辆上的涂鸦、轮胎漏气以及汽车在停车场撞上了车辆——仅举几例。此外，当车辆行驶时，诸如在交通堵塞的情况下，也可能发生低撞击损坏。当侵害方没有留下保险信息时，这些问题往往会变得更严重。事故往往不被注意到，妨碍了及时的维修和保险索赔。

发明内容

本文提供了用于检测和报告车辆损坏事件的系统和方法。一种示例方法包括：在第二时间点检测车辆的任何钥匙开启或钥匙关闭事件；响应于检测到所述钥匙开启或钥匙关闭事件，使用所述车辆的一个或多个车载相机获得所述车辆的一个或多个表面的当前图像集；访问在所述第二时间点之前的第一时间点获得的所述车辆的基线图像集；将所述当前图像集与所述基线图像集进行比较，以确定对所述一个或多个表面的损坏；以及通过所述车辆的人机界面呈现表明所述损坏的消息。

附图说明

参考附图对

具体实施方式

进行阐述。使用相同的附图标记可以表示相似或相同的项。各个实施例可以利用除了附图中示出的那些之外的元件和/或部件，并且一些元件和/或部件可能不存在于各个实施例中。附图中的元件和/或部件未必是按比例绘制的。贯穿本公开，取决于上下文，单数和复数术语可以互换使用。

图1描绘了其中可以实施用于提供本文所公开的系统和方法的技术和结构的说明性架构。

图2示出了人机界面上对车辆受损区域的描述。

图3是本公开的示例方法的流程图。

图4是本公开的另一示例方法的流程图。

图5是本公开的又一示例方法的流程图。

具体实施方式

概述

在一些实施例中，公开的系统和方法用于获得车辆外部的至少一部分的图像。这些图像可以以定期或计划的方式获得，并且可以用于检测车辆损坏。在一个示例中，图像是在钥匙开启和钥匙关闭事件获得的。钥匙开启事件表示车辆开启的事件，相反钥匙关闭事件表示车辆关闭的事件。

在一些实施例中，车辆的一个或多个车载相机可以用于在这些钥匙开启和/或钥匙关闭事件获得图像。在其他实施例中，非车载相机可以用于获得图像。非车载相机的一个示例实施例包括环境基础设施相机，诸如那些在智能城市环境中存在的相机。在另一个实施例中，可以从保持对包括或靠近目标车辆的区域的视频或图像监视的本地机构的相机获得图像。在任何给定实施例中使用的相机数量可以变化，并且可以包括能够获得视频和/或静态图像的任何类型的相机。在一些实施例中，相机可以包括高清晰度和/或光探测和测距(LiDar)相机。

在一些实施例中，使用车辆的360度快照。在其他实施例中，获得的目标车辆的图像聚焦于目标车辆的特定部分，而不是360度快照。

本文的系统和方法可以利用先进的机器学习和模式识别技术，诸如基于深层神经网络的技术、随机森林、增强树或朴素贝叶斯，来比较前后图像，以便检测低撞击损坏事件。

当检测到差异时，可以向目标车辆的驾驶员通知对车辆的潜在损坏，突出显示由系统和方法识别的撞击或损坏区域。如果没有检测到差异，则不发出警报，并且本公开的系统等待下一图像集。

在一些实施例中，在未来钥匙开启和/或钥匙关闭事件获得的车辆图像可以与前一事件(分别为钥匙关闭或钥匙开启)期间存储的图像进行比较。在各个实施例中，在执行比较并生成报告之后，存储在存储器中的随后的图像可以用较新的图像更新，以确保使用最新保存的图像集进行未来的分析和比较。当然，本文使用的图像可以从静态图像或视频中获得。

所公开的系统和方法(与通常用于事故检测的基于冲击传感器的方法相比)提供的具体技术改进和优点是低能量需求。本文的系统和方法的一些实施例一般不需要撞击传感器。因此，这些系统和方法不需要一直保持活动而消耗电池的传感器。本文将参考附图更详细地描述本公开的这些和其他方面和优点。

说明性架构

现在转向附图，图1描绘了其中可以实施本公开的技术和结构的说明性架构100。说明性架构100可以包括车辆102、环境基础设施104以及图像处理和事件检测系统(以下称为系统106)。

一般来说，车辆102包括车身108、一个或多个相机(在下文列举和讨论)和车辆控制器132。车辆控制器132连同车辆的附加部件的一部分示意性地示于图1中。

在某些实施例中，车身108具有多个表面，诸如表面110。这些表面可以包括诸如门板、发动机罩、行李箱、车顶、车窗、后视镜和保险杠等物体——仅举几个例子。可以肯定的是，所述表面可以包括车辆102可能受到损坏的任何部分。在一个非限制性示例中，车辆102在表面110(诸如前保险杠)上受到第二车辆112撞击。该示例中，第二车辆112对表面110造成损坏114。这在本文中通常被称为低撞击损坏事件。通常，使用所述系统和方法可检测的损坏114包括可在视觉上检测的或可通过使用基于机器学习的图像比较检测的损坏。参照图2更详细地示出和描述了示例性损坏图示。

应当理解，虽然已经使用了低撞击的描述，但是本文的系统和方法在当车辆102的所有者不在损坏事件现场时车辆102发生损坏的任何情况下都是有用的。因此，本文的系统和方法不限于仅检测低撞击损坏，而是检测任何视觉上可辨别的损坏事件，这些损坏事件不是由直接的人类观察所见证或容易检测的。

在一些实施例中，车辆102包括一个或多个车载相机。例如，车辆102可以在其每个侧镜中包括相机。在一个实施例中，第一相机116与左侧镜相关联，第二相机120与右侧镜相关联。在其他实施例中，第三相机124与车辆102的前部相关联。例如，第三相机124可以包括仪表板相机或集成到车辆102的后视镜中的相机。在其他实施例中，第四相机128与车辆102的后部相关联。例如，第四相机128可以包括集成到车辆102的无线天线中的相机。可以使用其他车载相机，诸如位于车辆102后部附近的倒车相机。总体而言，可以使用任意数量的相机来创建车辆102表面的360度视图(或小于360度视图)。同样，一些实施例考虑仅监视和获得车辆102的一部分表面的图像，而不是整个360度视图。如上所述，这些相机中的每一个都可以被配置为获得视频和/或静态图像。

车辆控制器132是专用计算系统，其可以包括处理器134、存储器136以及任选的人机界面(HMI)137，诸如触摸屏显示器或语音控制系统。通常，处理器134执行存储器136中的指令，以提供与图像捕获相关的功能，并且在一些情况下，提供与车辆损坏识别相关的图像分析和报告。也就是说，在一些实施例中，本文公开的特征可以完全由车辆控制器132来执行。

在一些实施例中，车辆控制器132的存储器136配置有共同提供本文公开的功能的特定模块。例如，存储器136包括点火监视模块138、相机控制器模块140以及图像处理和事件检测模块(以下称为分析器142)。

通常，处理器134执行点火监视模块138来感测车辆102的点火组件144的钥匙开启和钥匙关闭事件。在一些实施例中，不是直接感测点火组件144的操作，而是点火监视模块138可以感测来自车辆的另一相关联部分的点火事件，诸如车辆102的发动机的电子控制模块，如本领域普通技术人员所知。

在一些实施例中，当检测到钥匙开启事件和/或钥匙关闭事件时，处理器134执行相机控制器模块140，以使得与车辆102相关联的每个相机获得一个或多个图像。这些图像被称为最新获得的图像集。通常，最新获得的图像集整体被称为与第二时间点相关联的图像。

一旦获得图像，处理器134可以执行分析器142。在一些实施例中，分析器142被配置为组合从车辆102的多个相机获得的多个图像，并获得车辆102的360度视图。在各个实施例中，分析器142可以包括机器学习比较器147，其将最新获得的图像与存储在存储器136(诸如基线图像存储149)中的最新的基线图像集进行比较。通常，最新的基线图像集通常被称为与第一时间点相关联的图像。如上所述，最新的基线图像集可以包括在最新的钥匙开启或钥匙关闭事件期间为车辆102获得的最后一图像集。在一些实施例中，每次获得车辆102的图像时，所述图像都被加时间戳。此外，存储器136可以存储多个基线图像集，如果最新的基线图像集损毁或另外不可用，则允许与可用的基线图像集的较旧集合进行比较。

当然，在先前的过程中，已经使用机器学习比较器147分析了最新的基线图像集。也就是说，最新的基线图像集的图像已经被分析以确定车辆102的表面的视觉特征。在一些实施例中，机器学习比较器147根据基线图像集创建车辆102的表面模型。在一些实施例中，该模型用于比较。

在各个实施例中，机器学习比较器147利用机器学习算法，该算法被配置为检测表面损坏，诸如凹痕、擦伤、油漆变色、孔洞和其他类型的表面损坏。也就是说，不是使用表面建模，或者除了使用表面建模之外，机器学习比较器147可以在包括和不包括对车辆部件的表面损坏的示例图像上进行训练。因此，机器学习比较器147学习表示凹痕、擦伤、油漆变色、孔洞和其他类型表面损坏的示例性损坏模式。

通常，机器学习比较器147将最新的基线图像集与最新获得的图像集进行比较。该过程包括分析最新获得的图像集中车辆102表面的视觉特征。一旦图像被处理，数据与当前基线图像集进行比较，以确定它们之间的任何差异。

通常，分析器142使用机器学习过程将在第一时间点获得的第一图像集与在第二时间点获得的第二图像集进行比较，以检测对车辆的损坏。在一些实施例中，该过程包括使用被配置为检测表面损坏的机器学习算法将第一图像集与第二图像集进行比较以确定对一个或多个表面的损坏。

通常，在每个未来的钥匙开启/钥匙关闭事件获得车辆102的图像。因此，第二图像集是在每次未来的钥匙开启或钥匙关闭事件获得的，并且第一图像集包括基于先前的钥匙开启或钥匙关闭事件(诸如紧接在当前或未来的钥匙开启或钥匙关闭事件之前的钥匙开启或钥匙关闭事件)获得并存储的最新的基线图像集。

在各个实施例中，当检测到损坏时，处理器134可以通过人机界面137向驾驶员提供车辆102已经损坏的警告消息。处理器134可以在人机界面137上标识出车辆102上哪里发生了损坏，以及使用分析器142识别的表面。在各个实施例中，处理器134可以将损坏报告传送给感兴趣的一方，诸如驾驶员、保险公司或紧急响应者——仅举几个例子。在一些实施例中，处理器134可以通过网络141传输损坏报告。通常，网络141允许架构100内的部件相互通信。网络141可以包括多种不同类型的网络中的任何一种或组合，诸如有线网络、互联网、无线网络和其他私有和/或公共网络。在一些情况下，网络141可以包括蜂窝网络、Wi-Fi或Wi-Fi direct。一个示例通信路径可以包括到系统106的车辆控制器132。

在一些实施例中，照片或图像可以通过网络从车辆对车辆(V2V)或车辆对基础设施(V2I)通信获得。例如，车辆102的图像或图片可以从安装有车载相机的相邻车辆获得。车辆控制器132可以使用V2V通信从相邻车辆请求一幅或多幅图像。车辆也可以通过任何合适的短程无线网络彼此通信，而不是使用网络141。代替或作为使用网络141的补充，V2I通信也可以通过短程无线网络进行。

图2示出了表明当将包括在最新的基线图像集中的表面110的图像与包括在最新获得的图像集中的表面110的图像进行比较时检测到车辆102的表面110上的损坏114的消息。该消息显示在人机界面137上。

返回参考图1，根据一些实施例，系统106可以包括关于车辆控制器132公开的图像捕获和处理能力。也就是说，系统106还可以包括处理器146和存储器148。通常，存储器148包括具有机器学习比较器152的图像处理和事件检测模块150。具有机器学习比较器152的图像处理和事件检测模块150具有与上面关于分析器142和机器学习比较器147公开的功能等同的功能。在一些实施例中，系统106可以包括服务器。在其他实施例中，系统106可以包括基于云或容器的过程系统。

因此，一些实施例允许车辆控制器132和系统106之间的协同过程控制。例如，车辆控制器132可以实施点火监视模块138和相机控制器模块140。车辆控制器132可以将图像传输到系统106用于处理和/或分析。在另一个实施例中，车辆控制器132可以将图像传输到远程系统156。远程系统156可以包括例如保险公司的计算系统或应急响应者使用的计算系统。

在图1中，除了车辆102上的车载相机之外，还可以从与环境基础设施104相关联的一个或多个非车载相机获得和处理图像。当车辆102缺乏足够的车载相机来获得车辆或其某些表面的图像时，该过程可以提供优势。例如，车载相机可能无法对车辆的车顶面板表面进行充分成像。尽管有这个原因，本文的系统和方法可以利用由诸如与环境基础设施104相关联的相机154之类的相机获得的图像。当系统106用于处理图像时，系统106可以识别与从环境基础设施104获得的图像相关联的时间戳。在其他实施例中，车辆控制器132可以被配置为通过网络141与环境基础设施104的相机154通信，并且指示相机154在钥匙开启和/或钥匙关闭事件期间或者大约在车辆102的车载相机正在获取图像时获取图像。

除了包括车辆表面视图的图像之外，一些车载车辆相机或与环境基础设施104相关联的相机可以获得车辆102所处的整体区域的图像。系统106可以被配置为处理这些图像以识别特征，诸如车辆、牌照、人脸或车辆102附近物体的其他特征。当检测到对车辆102的损坏时，系统106可以处理这些整体区域图像以识别潜在的肇事者和/或目击者。例如，如果获得车辆102周围的整体区域的安保相机视频，则系统106可以识别第二车辆112以及与第二车辆112相关联的牌照。

根据一些实施例，车辆102的驾驶员158可以利用智能手机160来获得车辆102的图像。这些图像可以与从车辆102的车载相机获得的图像结合使用。车辆102的车辆控制器132或系统106可以从智能手机160接收这些图像，并且可以将它们与当前的钥匙开启或钥匙关闭事件相关联。智能手机160可以获得车辆102的图像，所述图像具有比车辆102的车载相机所提供的图像更高的清晰度。在一些情况下，当车辆控制器132(或系统106)的分析器142发现车辆102的似乎被损坏的区域，但是分析器142不能做出明确的确定时，车辆控制器132可以指示驾驶员158用他/她的智能手机160获得额外的图像。这些额外的图像可用于确认或否定对车辆的可能的损坏。

说明性方法和操作

以下描述提供了关于通过以上公开的体系结构和/或系统提供的本公开的功能和方法方面的附加细节。图3是本公开的示例方法的流程图。所述方法通常包括在购买时获得车辆的详细360度图片的步骤302。此图像集被称为第一图像集或基线图像集。这些图像被组合并存储在车辆和/或远程系统的存储器中。该步骤可以在经销商处或由车辆制造商执行。

接下来，所述方法包括检测车辆的任何钥匙开启或钥匙关闭事件的步骤304。响应于该钥匙开启或钥匙关闭事件，所述方法包括在检测到的钥匙开启或钥匙关闭事件获得车辆的另一个随后的详细360度图片(例如，第二图像集)的步骤306。该步骤可以包括确定点火事件并使车载相机获得第二图像集。在其他实施例中，驾驶员或其他个人可以使用他/她的智能手机获得车辆的图像，并将这些图像传输到本公开的服务器或云。

如本文所述，所述方法可以包括将第二图像集与第一图像集进行比较以识别对车辆任何部分的损坏的步骤308。如果识别出损坏，则所述方法可以包括诸如通过人机界面向车辆驾驶员报告损坏的步骤310。

在一些实施例中，所述方法包括用第二图像集替换第一图像集的步骤312。被称为当前图像集的第二图像集替换被称为基线图像集的第一图像集，使得第二图像集现在成为基线图像集。在每个随后的钥匙开启或钥匙关闭事件，所述方法重复步骤304到步骤312。

图4是本公开的另一示例方法的流程图。所述方法可以包括在第二时间点检测车辆的任何钥匙开启或钥匙关闭事件的步骤402。应当理解，第二时间点是指在获得车辆的基线图像集之后出现的时间范围。在一些实施例中，车辆的基线图像集是在最新的、过去的钥匙开启或钥匙关闭事件获得的。

响应于检测到钥匙开启或钥匙关闭事件，所述方法包括使用所述车辆的一个或多个车载相机获得所述车辆的一个或多个表面的当前图像集的步骤404。如上所述，这可以包括激活车辆的车载相机以及车辆周围的非车载相机。在一些实施例中，图像也从移动装置获得。

在各个实施例中，所述方法包括访问在所述第二时间点之前的第一时间点获得的车辆的基线图像集的步骤406。接下来，所述方法可以包括将当前图像集与基线图像集进行比较以确定对所述一个或多个表面的损坏的步骤408。可以肯定的是，这个过程可以使用机器学习或人工智能系统来执行，该系统已经被训练来检测对车辆表面的损坏。在一些实施例中，这可以包括利用先进的机器学习和模式识别技术，诸如基于深层神经网络的技术、随机森林、增强树或朴素贝叶斯，来比较前后图像，以便检测低撞击损坏事件。当检测到损坏时，所述方法可以包括通过车辆的人机界面呈现表明损坏的消息的步骤410。

如上所述，当前图像集可以在每个钥匙开启或钥匙关闭事件获得，并且该基线图像集包括车辆的获得的并存储在车辆存储器中的最新的基线图像集。这个过程允许随着时间的推移，用与钥匙开启和钥匙关闭事件相关联的较新图像集来迭代替换基线图像集。

在各个实施例中，所述方法可以包括将消息传输到远程系统。在一些实施例中，所述消息可以包括当前图像集和基线图像集。当检测到损坏时，在当前图像集上识别损坏区域。所述远程系统可以包括例如保险公司或紧急响应系统。

在一些实施例中，图像被加时间戳，并且图像可以形成车辆的一个或多个表面的360度视图。在其他实施例中，获得车辆的小于360度视图的图像。

图5示出了本公开的另一示例方法，其包括在第一时间点检测车辆的任何钥匙开启或钥匙关闭事件的步骤502。接下来，响应于检测到钥匙开启或钥匙关闭事件，所述方法可以包括使用所述车辆的一个或多个车载相机获得所述车辆的一个或多个表面的第一图像集的步骤504。在各个实施例中，所述方法可以包括在第二时间点检测车辆的随后的钥匙开启或钥匙关闭事件的步骤506。在各个实施例中，响应于检测到随后的钥匙开启或钥匙关闭事件，所述方法包括使用所述车辆的一个或多个车载相机获得所述车辆的一个或多个表面的第二图像集的步骤508。在一个或多个实施例中，所述方法包括使用被配置为检测表面损坏的机器学习算法将第一图像集与第二图像集进行比较以确定对一个或多个表面的损坏的步骤510。在一些实施例中，所述方法可以包括通过车辆的人机界面呈现表明损坏的消息的步骤512。

示例性实施例

在一些情况下，以下示例可以通过本文描述的系统和方法一起或单独实施。

示例1可以包括一种方法，所述方法包括：检测车辆的任何钥匙开启或钥匙关闭事件；响应于检测到所述钥匙开启或钥匙关闭事件，使用所述车辆的一个或多个车载相机获得所述车辆的一个或多个表面的当前图像集；获得所述车辆的基线图像集；将所述当前图像集与所述基线图像集进行比较，以确定对所述一个或多个表面的损坏；以及通过所述车辆的人机界面呈现表明所述损坏的消息。

示例2可以包括根据示例1所述的方法，其中所述当前图像集是在每次钥匙开启或钥匙关闭事件获得的，并且所述基线图像集包括所述车辆的获得的并存储在所述车辆的存储器中的最新的基线图像集。

示例3可以包括根据示例1和/或本文的一些其他示例所述的方法，还包括从所述车辆外部的基础设施相机获得图像。

示例4可以包括根据示例1和/或本文的一些其他示例所述的方法，还包括将消息传输到远程系统，所述消息包括所述当前图像集和所述基线图像集，其中在所述当前图像集上识别损坏区域。

示例5可以包括根据示例1和/或本文中的一些其他示例所述的方法，还包括给所述当前图像集和所述基线图像集中的任何一个加时间戳。

示例6可以包括根据示例1和/或本文的一些其他示例所述的方法，其中所述当前图像集和所述基线图像集包括所述车辆的所述一个或多个表面的360度视图。

示例7可以包括根据示例1和/或本文的一些其他示例所述的方法，其中在第二时间点获得所述当前图像集，并且在所述第二时间点之前的第一时间点获得所述基线图像集。

示例8可以包括一种方法，所述方法包括：在第一时间点检测车辆的任何钥匙开启或钥匙关闭事件；响应于检测到所述钥匙开启或钥匙关闭事件，使用所述车辆的一个或多个车载相机获得所述车辆的一个或多个表面的第一图像集；在第二时间点检测所述车辆的随后的钥匙开启或钥匙关闭事件；响应于检测到所述随后的钥匙开启或钥匙关闭事件，使用所述车辆的所述一个或多个车载相机获得所述车辆的所述一个或多个表面的第二图像集；使用被配置为检测表面损坏的机器学习算法将所述第一图像集与所述第二图像集进行比较以确定对所述一个或多个表面的损坏；以及通过所述车辆的人机界面呈现表明所述损坏的消息。

示例9可以包括根据示例8所述的方法，其中所述第一图像集和所述第二图像集各自包括所述车辆的所述一个或多个表面的360度视图。

示例10可以包括根据示例8和/或本文的一些其他示例所述的方法，还包括将所述消息传输到远程系统，所述消息包括所述第一图像集和所述第二图像集，其中在所述第二图像集上识别损坏区域。

示例11可以包括一种系统，所述系统包括：车辆，所述车辆包括点火系统、一个或多个车载相机、人机界面和车辆控制器，其中所述车辆控制器包括：处理器，所述处理器被配置为：执行点火监视模块以检测钥匙开启或钥匙关闭事件；并且响应于所述钥匙开启或钥匙关闭事件，执行相机控制器模块以激活所述一个或多个车载相机以获得所述车辆的第二图像集；和分析器，所述分析器被配置为：获得存储在存储器中的第一图像集；将所述第一图像集与所述第二图像集进行比较，以识别对所述车辆的损坏；并且生成用于显示在所述人机界面上表明所述损坏的消息。

示例12可以包括根据示例11所述的系统，还包括所述分析器的机器学习比较器，其将所述第一图像集与所述第二图像集进行比较，其中所述机器学习比较器实施被配置为检测车辆损坏的机器学习算法。

示例13可以包括根据示例11和/或本文的一些其他示例所述的系统，其中所述分析器是可由所述车辆控制器执行的模块。

示例14可以包括根据示例11和/或本文的一些其他示例所述的系统，其中所述分析器位于远离所述车辆的服务器或云上，其中所述车辆控制器将所述第二图像集传输到所述服务器或所述云以及存储在所述服务器或所述云的存储器中的所述第一图像集。

示例15可以包括根据示例11和/或本文的一些其他示例所述的系统，其中所述车辆控制器被配置为在每次未来的钥匙开启或钥匙关闭事件获得所述第二图像集，并且所述第一图像集包括基于先前的钥匙开启或钥匙关闭事件获得和存储的最新的基线图像集。

示例16可以包括根据示例11和/或本文的一些其他示例所述的系统，其中所述车辆控制器被配置为从相对于所述车辆在车外的基础设施相机获得图像，其中来自所述基础设施相机的图像在所述比较中被用于识别对所述车辆的损坏。

示例17可以包括根据示例11和/或本文的一些其他示例所述的系统，其中所述车辆控制器被配置为将所述消息传输到远程系统，所述消息包括所述第一图像集和所述第二图像集，其中在所述第二图像集上识别损坏区域。

示例18可以包括根据示例11和/或本文的一些其他示例所述的系统，其中所述车辆控制器被配置为给所述第二图像集加时间戳。

示例19可以包括根据示例11和/或本文的一些其他示例所述的系统，其中所述第一图像集和所述第二图像集中的任何一个包括所述车辆的360度视图。

示例20可以包括根据示例11和/或本文的一些其他示例所述的系统，其中显示在所述人机界面上的所述消息包括所述第二图像集中识别出损坏的图像之一。

在以上公开中，已经参考了附图，所述附图形成了本公开的一部分，其示出了可以实践本公开的具体实施方式。应理解，在不脱离本公开的范围的情况下，可以利用其他实施方式，并且可以进行结构改变。本说明书中对于“一个实施例”、“示例性实施例”等的引用表示所描述的实施例可以包括特定特征、结构或特性，但是每一个实施例可以不必包括所述特定特征、结构或特性。此外，此类短语不一定是指同一个实施例。另外，当结合实施例描述特定特征、结构或特性时，无论是否明确地描述，本领域的技术人员将结合其他实施例认识到此类特征、结构或特性。

本文公开的系统、设备、装置和方法的实施方式可以包括或利用专用或通用计算机，所述专用或通用计算机包括计算机硬件，诸如像一个或多个处理器和系统存储器，如本文所讨论。在本公开的范围内的实施方式还可以包括用于携载或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。此类计算机可读介质可以是可由通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(装置)。携载计算机可执行指令的计算机可读介质是传输介质。因此，作为示例而非限制，本公开的实施方式可以包括至少两个截然不同种类的计算机可读介质：计算机存储介质(装置)和传输介质。

计算机存储介质(装置)包括RAM、ROM、EEPROM、CD-ROM、固态驱动器(SSD)(例如，基于RAM)、快闪存储器、相变存储器(PCM)、其他类型的存储器、其他光盘存储、磁盘存储或其他磁性存储装置、或可以用于存储呈计算机可执行指令或数据结构的形式的期望的程序代码手段并可由通用或专用计算机访问的任何其他介质。

本文公开的装置、系统和方法的实施方式可以通过计算机网络进行通信。“网络”被定义为能够在计算机系统和/或模块和/或其他电子装置之间传输电子数据的一个或多个数据链路。当通过网络或另一种通信连接(硬连线、无线或硬连线或无线的任何组合)向计算机传递或提供信息时，计算机适当地将连接视作为传输介质。传输介质可以包括网络和/或数据链路，其可以用于携带呈计算机可执行指令或数据结构的形式的期望的程序代码手段并可以由通用或专用计算机访问。上述的组合也应当包括在计算机可读介质的范围内。

计算机可执行指令包括例如在处理器中执行时使通用计算机、专用计算机或专用处理装置执行特定功能或功能组的指令和数据。计算机可执行指令可以是例如二进制代码、中间格式指令(诸如汇编语言)或甚至源代码。尽管已经用特定于结构特征和/或方法动作的语言描述了本主题，但是应当理解，所附权利要求中限定的主题不一定限于上面描述的所述的特征或动作。相反，所述的特征和动作被公开为实施权利要求的示例形式。

本领域的技术人员将了解，本公开可以在具有许多类型的计算机系统配置的网络计算环境中实践，所述计算机系统配置包括内置式车辆计算机、个人计算机、台式计算机、膝上型计算机、消息处理器、手持式装置、多处理器系统、基于微处理器的或可编程的消费电子设备、网络PC、小型计算机、大型计算机、移动电话、PDA、平板计算机、寻呼机、路由器、交换机、各种存储装置等。本公开还可以在分布式系统环境中实践，其中通过网络链接(通过硬连线数据链路、无线数据链路或通过硬连线和无线数据链路的组合)的本地和远程计算机系统两者都执行任务。在分布式系统环境中，程序模块可以位于本地和远程存储器存储装置两者中。

另外，在适当的情况下，本文描述的功能可以在以下一个或多个中执行：硬件、软件、固件、数字部件或模拟部件。例如，一个或多个专用集成电路(ASIC)可以被编程为执行本文所述的系统和程序中的一个或多个。贯穿说明书和权利要求使用某些术语以指代特定系统部件。如本领域的技术人员将了解，可以用不同的名称来指称部件。本文档并不意图区分名称不同但功能相同的部件。

应当注意，上面讨论的传感器实施例可以包括计算机硬件、软件、固件或其任何组合，以执行其功能的至少一部分。例如，传感器可以包括被配置为在一个或多个处理器中执行的计算机代码，并且可以包括由计算机代码控制的硬件逻辑/电路。这些示例装置在本文中是出于说明目的而提供，而不旨在是限制性的。如相关领域的技术人员将知道，本公开的实施例可以在另外的类型的装置中实施。

本公开的至少一些实施例已经涉及计算机程序产品，其包括存储在任何计算机可用介质上的这种逻辑(例如，以软件的形式)。这种软件在一个或多个数据处理装置中执行时致使装置如本文所述的那样操作。

虽然已经在上面描述了本公开的各个实施例，但是应当理解，这些实施例仅通过示例而非限制的方式呈现。对于相关领域的技术人员将显而意见的是，在不脱离本公开的精神和范围的情况下，可以作出在形式和细节上的各种改变。因此，本公开的广度和范围不应受上述示例性实施例中的任一个限制，而是应仅根据以下权利要求及其等效物来限定。已经出于说明和描述目的而呈现了前述描述。不旨在穷举或将本公开限制为所公开的精确形式。鉴于上面的教导，许多修改和变化是可能的。另外，应当注意，任何或所有上述可选实施方式可以期望的任何组合使用来形成本公开的另外的混合实施方式。例如，相对于特定装置或部件描述的任何功能可以通过另一个装置或部件来执行。另外，虽然已经描述具体装置特性，但是本公开的实施例可以涉及许多其他装置特性。另外，尽管已经用结构特征和/或方法动作特定的语言描述了实施例，但是应当理解，本公开不一定限于所描述的具体特征或动作。而是，将具体特征和动作公开为实施实施例的说明性形式。除非另外具体地说明，或者在所用的上下文内另外理解，否则诸如“能够”、“可以”、“可能”或“可”等条件语言一般旨在表达尽管其他实施例可能不包括，但是某些实施例可以包括某些特征、元件和/或步骤。因此，这种条件语言通常并不意味着一个或多个实施例以任何方式需要特征、元素和/或步骤。

根据本发明，一种方法，其包括：检测车辆的任何钥匙开启或钥匙关闭事件；响应于检测到所述钥匙开启或钥匙关闭事件，使用所述车辆的一个或多个车载相机获得所述车辆的一个或多个表面的当前图像集；获得所述车辆的基线图像集；将所述当前图像集与所述基线图像集进行比较，以确定对所述一个或多个表面的损坏；以及通过所述车辆的人机界面呈现表明所述损坏的消息。

根据一个实施例，所述当前图像集是在每次钥匙开启或钥匙关闭事件获得的，并且所述基线图像集包括所述车辆的获得的并存储在所述车辆的存储器中的最新的基线图像集。

根据一个实施例，本发明的特征还在于从所述车辆外部的基础设施相机获得图像。

根据一个实施例，本发明的特征还在于将消息传输到远程系统，所述消息包括所述当前图像集和所述基线图像集，其中在所述当前图像集上识别损坏区域。

根据一个实施例，本发明的特征还在于给所述当前图像集和所述基线图像集中的任何一个加时间戳。

根据一个实施例，所述当前图像集和所述基线图像集包括所述车辆的所述一个或多个表面的360度视图。

根据一个实施例，在第二时间点获得所述当前图像集，并且在所述第二时间点之前的第一时间点获得所述基线图像集。

根据本发明，一种方法，其包括：在第一时间点检测车辆的任何钥匙开启或钥匙关闭事件；响应于检测到所述钥匙开启或钥匙关闭事件，使用所述车辆的一个或多个车载相机获得所述车辆的一个或多个表面的第一图像集；在第二时间点检测所述车辆的随后的钥匙开启或钥匙关闭事件；响应于检测到所述随后的钥匙开启或钥匙关闭事件，使用所述车辆的所述一个或多个车载相机获得所述车辆的所述一个或多个表面的第二图像集；使用被配置为检测表面损坏的机器学习算法将所述第一图像集与所述第二图像集进行比较以确定对所述一个或多个表面的损坏；以及通过所述车辆的人机界面呈现表明所述损坏的消息。

根据一个实施例，所述第一图像集和所述第二图像集各自包括所述车辆的所述一个或多个表面的360度视图。

根据一个实施例，本发明的特征还在于将所述消息传输到远程系统，所述消息包括所述第一图像集和所述第二图像集，其中在所述第二图像集上识别损坏区域。

根据本发明，提供了一种系统，其具有：车辆，所述车辆包括点火系统、一个或多个车载相机、人机界面和车辆控制器，其中所述车辆控制器包括：处理器，所述处理器被配置为：执行点火监视模块以检测钥匙开启或钥匙关闭事件；并且响应于所述钥匙开启或钥匙关闭事件，执行相机控制器模块以激活所述一个或多个车载相机以获得所述车辆的第二图像集；和分析器，所述分析器被配置为：获得存储在存储器中的第一图像集；将所述第一图像集与所述第二图像集进行比较，以识别对所述车辆的损坏；并且生成用于显示在所述人机界面上表明所述损坏的消息。

根据一个实施例，本发明的特征还在于所述分析器的机器学习比较器，其将所述第一图像集与所述第二图像集进行比较，其中所述机器学习比较器实施被配置为检测车辆损坏的机器学习算法。

根据一个实施例，所述分析器是可由所述车辆控制器执行的模块。

根据一个实施例，所述分析器位于远离所述车辆的服务器或云上，其中所述车辆控制器将所述第二图像集传输到所述服务器或所述云以及存储在所述服务器或所述云的存储器中的所述第一图像集。

根据一个实施例，所述车辆控制器被配置为在每次未来的钥匙开启或钥匙关闭事件获得所述第二图像集，并且所述第一图像集包括基于先前的钥匙开启或钥匙关闭事件获得和存储的最新的基线图像集。

根据一个实施例，所述车辆控制器被配置为从相对于所述车辆在车外的基础设施相机获得图像，其中来自所述基础设施相机的所述图像在所述比较中被用于识别对所述车辆的损坏。

根据一个实施例，所述车辆控制器被配置为将所述消息传输到远程系统，所述消息包括所述第一图像集和所述第二图像集，其中在所述第二图像集上识别损坏区域。

根据一个实施例，所述车辆控制器被配置为给所述第二图像集加时间戳。

根据一个实施例，所述第一图像集和所述第二图像集中的任何一个包括所述车辆的360度视图。

根据一个实施例，显示在所述人机界面上的所述消息包括所述第二图像集中识别出损坏的图像之一。