计算机视觉+AR，解救购车选择困难症

会员服务 ·

计算机视觉+AR，解救购车选择困难症

2018 年 3 月 16 日 AR酱 黑猫酱

AR+汽车的组合对于我们来说并不新鲜，AR既是经销商们的营销手段（AR改变汽车零售，看Jeep、BMW众大佬如何玩转汽车AR）也是驾驶员们的辅助好帮手（CES变成了车展）。

近日，美国最大的金融控股公司之一的Capital One为其手机应用增加了AR功能，和我们以前见过的那些以销售自家汽车为目的的应用不同，Auto Navigator的目的在于在帮助用户选到自己心满意足的汽车，防止被坑。

即便是在人均汽车保有量超高的美国，对于普通人来说买一辆车也是一件值得纠结的事情。根据Capital One的调查显示，50%的人觉得买车甚至比选大学和给小孩取名字更难，62%的购车者对于自己的新车并不满意。

购车者往往意识不到他们最终需要支付各种费用，最后加起来高出心理预期不少。买车本来是一件令人兴奋的事情，然而过程却充满了焦虑，结果也经常让人失望。为何当今信息如此容易获取，购车者却难以买到自己心仪的汽车？

Capital One希望通过AR帮助消费者，少走弯路，买到自己心仪的汽车。

Capital One表示，目前很多购车者通常会在线浏览车辆信息，寻找自己想要的车型。但是还是有相当大数量的人们喜欢看实体车，包括路上遇见的或是停在展厅里的。Auto Navigator的AR将允许用户使用手机相机扫描车辆，随机APP将提供车辆的型号，并且提供各方面的资费数据。

。

该APP同时登陆了ios以及Android平台。在苹果手机中利用iOS框架下的CoreML扫描车辆得到车辆信息。CoreML是Apple的机器学习框架，支持多种机器学习模式，其中就包括神经网络。相似的，Google利用TensorF完成对汽车的识别。

通过对模型的大量练习，手机能非常准确的完成对汽车的识别，最终通过ARcore或ARkit将相关信息漂浮显示在屏幕画面上。这样即便是一个对汽车一无所知的小白也能对所见的汽车的各项参数一目了然。

其实在去年，Blippar就有过将计算机视觉用于汽车识别的应用。

早于ARKit发布的去年五月，Blippar就将计算机视觉和人工智能引入了汽车识别，帮助消费者识别美国市场中的汽车，包括杂志上的或者街头上的。

同样也是基于深度学习，创建了一个系统以矩阵结构对信息进行分层，模仿人类的思维发哪个是，将垂直层分类为汽车的品牌、年份以及型号，最终的识别只需要零点几秒，准确率高达97.7%。

一旦识别了汽车， Blippar就会将一个漂浮的增强视觉层显示在汽车上方，方便用户获取品牌型号以及年份等信息。

用户可以对自己感兴趣的汽车进行内饰的360°查看。

回到Capital One，作为这一概念的继承者，在ARKit以及ARcore的加持下，Auto Navigator不出意料应该会有更高的识别准确率以及更好的显示效果。

和Blippar不同的是，Auto Navigator侧重于让消费者了解汽车购买方方面面的花销，包括首付多少，每月分期付款多少。而这个过程在以往可能需要在经销商处咨询数个小时，Auto Navigator帮助用户节省了大量时间。

Auto Navigator也不仅仅可以了解汽车的相关信息，还能浏览附近的汽车经销商，包括经销商的评级，如果满意用户就可以去购车了。

尽管我们在互联网的帮助下很容易就能获取信息，但是从路上所见的汽车到输入进搜索引擎的具体型号是一道障碍，并且面对纷繁复杂的信息，如何筛选得到自己想要的准确数据也绝非易事。在计算机视觉+AI+AR的帮助下，用户们方能跨越这些阻碍，不仅是汽车行业，在其他方方面面，这三者的组合对大众信息获取效率的提升，都是颇有意义的。