計算機視覺加AR，解救購車選擇困難症

AR+汽車的組合對於我們來說並不新鮮，AR既是經銷商們的營銷手段（AR改變汽車零售，看Jeep、BMW眾大佬如何玩轉汽車AR）也是駕駛員們的輔助好幫手（CES變成了車展）。

近日，美國最大的金融控股公司之一的Capital One為其手機應用增加了AR功能，和我們以前見過的那些以銷售自家汽車為目的的應用不同，Auto Navigator的目的在於在幫助用戶選到自己心滿意足的汽車，防止被坑。

即便是在人均汽車保有量超高的美國，對於普通人來說買一輛車也是一件值得糾結的事情。根據Capital One的調查顯示，50%的人覺得買車甚至比選大學和給小孩取名字更難，62%的購車者對於自己的新車並不滿意。

購車者往往意識不到他們最終需要支付各種費用，最後加起來高出心理預期不少。買車本來是一件令人興奮的事情，然而過程卻充滿了焦慮，結果也經常讓人失望。為何當今信息如此容易獲取，購車者卻難以買到自己心儀的汽車？

Capital One希望通過AR幫助消費者，少走彎路，買到自己心儀的汽車。

Capital One表示，目前很多購車者通常會在線瀏覽車輛信息，尋找自己想要的車型。但是還是有相當大數量的人們喜歡看實體車，包括路上遇見的或是停在展廳里的。Auto Navigator的AR將允許用戶使用手機相機掃描車輛，隨機APP將提供車輛的型號，並且提供各方面的資費數據。

GIF

該APP同時登陸了ios以及Android平台。在蘋果手機中利用iOS框架下的CoreML掃描車輛得到車輛信息。CoreML是Apple的機器學習框架，支持多種機器學習模式，其中就包括神經網路。相似的，Google利用TensorF完成對汽車的識別。

通過對模型的大量練習，手機能非常準確的完成對汽車的識別，最終通過ARcore或ARkit將相關信息漂浮顯示在屏幕畫面上。這樣即便是一個對汽車一無所知的小白也能對所見的汽車的各項參數一目了然。

其實在去年，Blippar就有過將計算機視覺用於汽車識別的應用。

早於ARKit發布的去年五月，Blippar就將計算機視覺和人工智慧引入了汽車識別，幫助消費者識別美國市場中的汽車，包括雜誌上的或者街頭上的。

同樣也是基於深度學習，創建了一個系統以矩陣結構對信息進行分層，模仿人類的思維發哪個是，將垂直層分類為汽車的品牌、年份以及型號，最終的識別只需要零點幾秒，準確率高達97.7%。

一旦識別了汽車， Blippar就會將一個漂浮的增強視覺層顯示在汽車上方，方便用戶獲取品牌型號以及年份等信息。

用戶可以對自己感興趣的汽車進行內飾的360°查看。

回到Capital One，作為這一概念的繼承者，在ARKit以及ARcore的加持下，Auto Navigator不出意料應該會有更高的識別準確率以及更好的顯示效果。

和Blippar不同的是，Auto Navigator側重於讓消費者了解汽車購買方方面面的花銷，包括首付多少，每月分期付款多少。而這個過程在以往可能需要在經銷商處諮詢數個小時，Auto Navigator幫助用戶節省了大量時間。

Auto Navigator也不僅僅可以了解汽車的相關信息，還能瀏覽附近的汽車經銷商，包括經銷商的評級，如果滿意用戶就可以去購車了。

儘管我們在互聯網的幫助下很容易就能獲取信息，但是從路上所見的汽車到輸入進搜索引擎的具體型號是一道障礙，並且面對紛繁複雜的信息，如何篩選得到自己想要的準確數據也絕非易事。在計算機視覺+AI+AR的幫助下，用戶們方能跨越這些阻礙，不僅是汽車行業，在其他方方面面，這三者的組合對大眾信息獲取效率的提升，都是頗有意義的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！