在线购买汽车零件通常是一项困难且令人沮丧的任务. 汽车零件通常是由第三方厂商生产, 而且质量与设计参差不齐. 例如, 如果1995年版福特Fusion的车主想要订购新的叶子板, 她可能无法在网上找到合适的产品. 即使某件商品标为 '兼容' , 但由于制造方面的不一致性, 它通常也不适合这位特定的车主. 不仅如此, 市场上经常存在数以百计的品牌和模型, 这进一步增加了车主的选择难度.
亚马逊已经在零售业务方面采用了AR技术, 发布了专门的iOS和安卓版应用, 帮助消费者直接在家中可视化家具和电子产品. 根据映维网发现的一份新专利, 亚马逊似乎希望将AR扩展至新的零售类别, 将AR技术应用于汽车领域.
亚马逊于2017年1月开始积极瞄准这一垂直市场, 他们当时宣布与美国一些最大的汽车配件供应商签订了合同. 值得注意的是, 由于AdvanceAutoParts和AutoZone等传统实体汽车零件零售商在官网或移动应用程序中没有提供AR功能的支持, 因此亚马逊在这一方面发现了突破口.
在这份名为 'VehicleComponentInstallationPreviewImageGeneration(车辆零件安装预览图像生成)' 的专利中(点击前往), 亚马逊描述了系统利用AR来帮助用户预览汽车零件的图像.
第一步: 利用计算机视觉来识别车辆
专利所描述的系统将首先通过用户设备摄像头来识别车辆的品牌, 型号和年份(应用程序将在数据库中存储车辆的精确测量值).
应用程序中的计算机视觉技术则根据汽车电池, 前灯或品牌标志来检测车辆.
应用程序中的计算机视觉技术则根据汽车电池, 前灯或品牌标志来检测车辆.
如果计算机视觉无法检测车型, 用户可以选择手动输入车辆的车辆识别码.
在识别车辆后, 应用程序将判断需要可视化的车辆部分, 并且检测检测车辆连接点或所选汽车零件的访问点.
第二步: 选购合适的汽车零件
在识别车辆的连接点后, 用户就可以从3D渲染数据库中选择所需的汽车零件(包含精确测量), 比如增压器.
这款应用程序可以显示不同品牌和尺寸的增压器, 允许用户在不同的选项之间切换, 如下图所示.
然后, 用户可以从相关3D渲染的完整在线数据库中预览并选择所需的汽车零件.
专利解释的应用程序的内部推荐引擎, 其类似于亚马逊零售官网的推荐功能.
专利解释的应用程序的内部推荐引擎, 其类似于亚马逊零售官网的推荐功能.
例如, 推荐引擎同时可以提供适合汽车相同部分的补充零件.
第三步: 在AR中进行测试
在选定了所需的汽车零件后, 平台则把选定的汽车零件图像与车辆图像集成在一起, 如下所示. 这时, 用户就可以判断汽车零件是否适合车辆.
值得注意的是, 亚马逊专利表示3D渲染图可以确定某个零件在某个 '适合度阈值' 范围内是否适合车辆, 这表明即使进行了最精确的测量, 仍然有部分适配方面无法支持视觉投影(如将零件连接到车辆的螺钉).
另外, 应用程序同时包含了消费者评价和厂商评论等补充性信息, 为你的决定提供一定的参考.
如果AR技术能够帮助亚马逊准确地提供兼容零件, 他们将能帮助第三方汽车零部件行业获得更多的市场份额, 超过提供更昂贵(但保证兼容)汽车零部件的原始经销商份额.
