CN102509302B - 基于人眼视觉的前照灯近光明暗截止线及hv点计算方法 - Google Patents

Abstract

本发明涉及前照灯近光明暗截止线及HV点计算方法。基于人眼视觉的前照灯近光明暗截止线及HV点计算方法，该方法对涉及行车安全的机动车前照近光的照射方向进行检测，为了实现仪器的小型化，降低对场地的要求，采用透镜将灯光在10m距离屏幕上的光强分布情况成像到较近距离处，并按照GB4599-2007《汽车前照灯配光性能》定义的远、近光以及雾灯的光强分布特点对图像进行分析，确定灯光照射方向。

Description

基于人眼视觉的前照灯近光明暗截止线及HV点计算方法

技术领域

本发明涉及前照灯近光明暗截止线及HV点计算方法。

背景技术

国家公布了GB7454-87《机动车前照灯使用和光束调整技术规划》、GB4599-2007《汽车前照灯配光性能》和GB 4660-2007《汽车用灯丝灯泡前雾灯》，以及GB7258-2004《机动车运行安全技术条件》对机动车的远光照明、近光照明和雾灯的发光强度和照射方向提出了明确的要求。特别是在进WTO后，这一要求会逐渐强化，以便和国际接轨。

国标对前照灯的远光和近光的照射方向都有明确的规定，按照交通法规的要求，会车时车辆应当打开近光照明。因此实际上近光的照射方向对安全的影响更大，而远光主要负责在无照明的路面行驶时为远处的景物提供照明。因此提出角度调整以近光为主，而光强度的要求是针对远光。

国家标准对前照灯的远光和近光的照射方向、强度都有明确的规定。按照相关法规的要求，会车和有辅助照明光源时车辆应当打开近光照明，近光的照射方向对安全的影响更大，而远光主要用于在无照明的路面行驶时为远处的景物提供照明。因此在机动车前照灯的性能参数测量中，近光的照射的偏角是重要的被测指标。典型的前照灯近光配光特性是有明显的明暗截止线，在明暗截止线的左上方有一个比较暗的暗区，在明暗截止线的右下方有一个比较亮的亮区。明暗截止线在左边是一个较为水平，而右侧的明暗截至线的斜率明显增大。

GB4599-2007《汽车前照灯配光性能》对前照灯的配光特性有明确的规定，图1为其规定的25m距离屏幕上的配光特性要求。图1中所示的III区（上半部分区域）中的所有位置的照度不大于0.7lx，III区和较亮的II区之间有一个明显的明暗截止线，左边是一个水平的明暗截止线，而右侧的明暗截为15°或45°的明暗截止线。近光测量的目的就是要找到水平明暗截至线和斜线的交点,即图1中的HV点。

一个设计良好的前照灯近光图形如图2、3所示。其明暗截止线非常清晰，其分布也非常规则，和配光要求非常一致。

车灯设计通常不能保证明暗截止线呈理想的直线（参见图4），对拐点的判读在明暗截止线呈圆滑过渡或有局部的凸起或其它不规则形变时，如何模仿人眼的判断，合理选择HV点的位置，是一个较为复杂的问题。

发明内容

为了根据相关标准的要求，本发明的目的是提供一种基于人眼视觉的前照灯近光明暗截止线及HV点计算方法，对涉及行车安全的机动车前照近光的照射方向进行检测，为了实现仪器的小型化，降低对场地的要求，采用透镜将灯光在10m距离屏幕上的光强分布情况成像到较近距离处，并按照GB4599-2007《汽车前照灯配光性能》定义的远、近光以及雾灯的光强分布特点对图像进行分析，确定灯光照射方向。

为了实现上述的目的，本发明采用了以下的技术方案：

基于人眼视觉的前照灯近光明暗截止线及HV点计算方法，该方法包括以下的步骤：

1）首先对图像整体明暗程度进行分析，由于人眼对光强的响应不是线性的，算法首先参考人眼在响应光强时的gamma特性，对图像进行光强度的非线性变换，以原始的图片的灰级进行变换，定义输出像素的灰级为原始像素灰级的0.45次方，假定图像像素数值最大时为最亮，最小时为最暗；

2）进行图像的灰级统计，当图像有10%以上的像素灰级大于最大灰级的30%时，认为图像为有效图像，并作直方图统计，定义灰级为255×30%＝76的像素为有效像素；

3）找到图像最亮的区域，所谓图像中最亮的区域以有效像素中的最亮的20%或者刚刚超过20%像素区域确定，按照近光灯的配光曲线定义，HV位于此区域附近；

4）计算图像中最亮区域抽取每列的图像像素，得到图像中每个竖直方向的子区域的光强变化；然后根据人眼的视觉特点，按照比例划分得到截止的位置，并分析不同位置的变化速度，分段进行直线拟合，得到明暗截至线水平线和上扬线的拐点，具体步骤如下：

①通过视频采集单元采集视频图像，并计算出图像亮度分布；

②按照图像的亮度分布对CCD芯片进行积分时间设置，保证图像亮度在指定范围；

③图像拍摄，并计算出图像亮度分布；

④按照亮度分布对视频芯片进行亮度和灰度设置，拍摄图像并存储，确保图像亮度在一定范围内；

⑤求取图像亮度最强分布区域，截取出一定区域范围并保存区域分界象素坐标；

⑥计算区域亮度中心并保存象素坐标；

⑦对图像在竖直方向的明暗截止线，并进行多次拟合，得出明暗截止线；

⑧逐一求出明暗截止线上各点的曲率，并排出序列：

i. 逐一求出明暗截止线上连续断的直线方程，并对斜率排出序列；

ii. 投票表决出满足特征条件最多的一点即为近光的拐点象素坐标；拐点特征如下：在最亮区域左上方指定范围内；是明暗截止线与一条15o或45o上仰线的相交点；明暗分布线上曲率最大处。

本发明的测量方法自适应能力强、抗干扰性好，并且有效避免了近光明暗截至线水平部分由于灯具制造中引起的起伏或异常凸起而影响拐点的判断，计算结果完全符合国标中规定的10米屏幕法人的视觉测试结果。

附图说明

图1为近光图形，标注单位：mm。

图2为一个设计良好的前照灯近光光斑。

图3为图2所示的光强等高线。

图4为近光拐点位置图，图中的绿色标志即为代表近光照射方向的所谓近光明暗截止线拐点。

图5为图像在竖直方向各个位置的亮度分布曲线。

图6为图像在列方向的灰级变化曲线。

图7、图8为一幅近光照明的车灯光强分布图，图7采用统一阈值标准分析得到的明暗分界线，图8采用分别对每列的图像灰级阈值的进行利用遗传算法获得。

图9～图12为近光拐点计算（图中明暗截止线上的交叉表示拐点位置，图形中间的交叉为最亮点的位置，竖线标志为待选成为拐点的可能位置）；图9、图10中的近光灯明暗截止线模糊不清，图11、图12中出现两个明暗截止线具有较大斜率变化的位置。

图13、图14为抗干扰验证图，图13干扰前。

具体实施方式

一、基于人眼视觉的前照灯近光明暗截止线及HV点计算方法，该方法包括以下的步骤：

1）首先对图像整体明暗程度进行分析，由于人眼对光强的响应不是线性的，算法首先参考人眼在响应光强时的gamma特性，对图像进行光强度的非线性变换，以原始的图片的灰级进行变换，定义输出像素的灰级为原始像素灰级的0.45次方，假定图像像素数值最大时为最亮，最小时为最暗；

2）进行图像的灰级统计，当图像有10%以上的像素灰级大于最大灰级的30%时，认为图像为有效图像，并作直方图统计，定义灰级为255×30%＝76的像素为有效像素；

3）找到图像最亮的区域，所谓图像中最亮的区域以有效像素中的最亮的20%或者刚刚超过20%像素区域确定，按照近光灯的配光曲线定义，HV位于此区域附近；

4）计算图像中最亮区域抽取每列的图像像素，得到图像中每个竖直方向的子区域的光强变化；然后根据人眼的视觉特点，按照比例划分得到截止的位置，并分析不同位置的变化速度，分段进行直线拟合，得到明暗截至线水平线和上扬线的拐点，具体步骤如下：

①通过视频采集单元采集视频图像，并计算出图像亮度分布；

②按照图像的亮度分布对CCD芯片进行积分时间设置，保证图像亮度在指定范围；

③图像拍摄，并计算出图像亮度分布；

④按照亮度分布对视频芯片进行亮度和灰度设置，拍摄图像并存储，确保图像亮度在一定范围内；

⑤求取图像亮度最强分布区域，截取出一定区域范围并保存区域分界象素坐标；

⑥计算区域亮度中心并保存象素坐标；

⑦对图像在竖直方向的明暗截止线，并进行多次拟合，得出明暗截止线；

⑧逐一求出明暗截止线上各点的曲率，并排出序列：

i. 逐一求出明暗截止线上连续断的直线方程，并对斜率排出序列；

ii. 投票表决出满足特征条件最多的一点即为近光的拐点象素坐标；拐点特征如下：在最亮区域左上方指定范围内；是明暗截止线与一条15o或45o上仰线的相交点；明暗分布线上曲率最大处。

二、人眼视觉特征的明暗截止位置确定

在获取如图2～4所示的机动车近光光斑图形后，选取视力（或矫正视力）正常的人群（年龄20～40岁之间，男女各10例）进行人工的明暗截止线划分，由计算机读取相应位置的灰级，经反复训练后，在不同灯光图片的列位置，如图所示，得到和当前列位置的亮度变化和最大亮度相关的每列的明暗截止线的阈值确定方法。

图像各个区域的明暗变化是不同的，边界处的灰级变化梯度也不相同，在划分图像、确定边界的时候，各区域的阈值选取应该是不同的。

对明暗边界的判断，在不同的亮度情况和变化梯度条件下，人眼判断的明暗边界的绝对亮度是不同的，这就涉及了一个问题，即边界的判断应该以何条件作为基准，是以人眼的感受还是以一个统一的阈值作为标准。

图5是图像在竖直方向各个位置的亮度分布曲线，按照曲线的标号，分别对应于图4的从左到右竖线所在位置的竖直方向上的图像灰级变化。

如图6所示，如果选取绝对阈值进行分析，当阈值选取25时，整个边界的的位置变化是等距离的，形状几乎为一条斜线，当阈值选取50时，由于两侧的光强本身较弱，界线的形状是中间隆起的凸包，这和眼睛观察到的结果是不一致的。

图7、图8是一幅近光照明的车灯光强分布图。图7采用统一阈值标准分析得到的明暗分界线。图8采用分别对每列的图像灰级阈值的进行利用遗传算法获得。

由上图可见，采用视觉规律，对每列的图像灰级分别进行阈值判断，将多个列位置的阈值相连，获得明暗截止线能更好地反映明暗交界的图形特点。方法是提取图像中每列的光强变化，根据人眼的视觉特点，按照比例划分得到截止的位置，并分析不同位置的变化速度，分段进行直线拟合，得到边界和斜率发生变化的拐点。

实验及结论

为了充分验证近光的拐点算法，对各种设计不良的近光在仪器屏幕上所成的像进行了验证分析。

图9～图12为近光拐点计算（图中明暗截止线上的交叉表示拐点位置，图形中间的交叉为最亮点的位置，竖线标志为待选成为拐点的可能位置）；图9、图10中的近光灯明暗截止线模糊不清，图11、图12中出现两个明暗截止线具有较大斜率变化的位置。

图14中的图形是将图13的灯光偏移较大角度后，在水平明暗截止线上增加较大的干扰信号（破坏水平明暗截止线的特征），算法表现了良好的稳定性。

Claims (1)

1.基于人眼视觉的前照灯近光明暗截止线及HV点计算方法，其特征在于该方法包括以下的步骤：

1）首先对图像整体明暗程度进行分析，由于人眼对光强的响应不是线性的，算法首先参考人眼在响应光强时的gamma特性，对图像进行光强度的非线性变换，以原始的图片的灰级进行变换，定义输出像素的灰级为原始像素灰级的0.45次方，假定图像像素数值最大时为最亮，最小时为最暗；

2）进行图像的灰级统计，当图像有10%以上的像素灰级大于最大灰级的30%时，认为图像为有效图像，并作直方图统计，定义灰级为255×30%＝76的像素为有效像素；

3）找到图像最亮的区域，所谓图像中最亮的区域以有效像素中的最亮的20%或者超过20%像素区域确定，按照近光灯的配光曲线定义，HV位于此区域；

4）计算图像中最亮区域抽取每列的图像像素，得到图像中每个竖直方向的子区域的光强变化；然后根据人眼的视觉特点，按照比例划分得到截止的位置，并分析不同位置的变化速度，分段进行直线拟合，得到明暗截至线水平线和上扬线的拐点，具体步骤如下：

①通过视频采集单元采集视频图像，并计算出图像亮度分布；

②按照图像的亮度分布对CCD芯片进行积分时间设置，保证图像亮度在指定范围；

③图像拍摄，并计算出图像亮度分布；

④按照亮度分布对视频芯片进行亮度和灰度设置，拍摄图像并存储，确保图像亮度在设定的范围内；

⑤求取图像亮度最强分布区域，截取出该区域范围并保存区域分界象素坐标；

⑥计算区域亮度中心并保存象素坐标；

⑦对图像在竖直方向的明暗截止线，并进行多次拟合，得出明暗截止线；

⑧逐一求出明暗截止线上各点的曲率，并排出序列：

i. 逐一求出明暗截止线上连续断的直线方程，并对斜率排出序列；

ii. 投票表决出满足特征条件最多的一点即为近光的拐点象素坐标；拐点特征如下：在最亮区域左上方指定范围内；是明暗截止线与一条15o或45o上仰线的相交点；明暗分布线上曲率最大处。

Images