CN103021061B - 用于评估机动车的物体识别装置的方法 - Google Patents
用于评估机动车的物体识别装置的方法 Download PDFInfo
- Publication number
- CN103021061B CN103021061B CN201210245993.XA CN201210245993A CN103021061B CN 103021061 B CN103021061 B CN 103021061B CN 201210245993 A CN201210245993 A CN 201210245993A CN 103021061 B CN103021061 B CN 103021061B
- Authority
- CN
- China
- Prior art keywords
- image data
- fiducial value
- grad
- value
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种用于借助于摄像机仿真装置评价机动车物体识别装置的工作性能的方法。根据本发明方法,对于至少一个行驶路段(16)一方面提供借助于摄像机(14)产生参考图像数据(24),另一方面借助于摄像机仿真装置(12)产生仿真图像数据(26)。将仿真图像数据(26)与参考图像数据(24)基于至少两个比较量(M(I),M(Grad.I),M(Grad.Dir.))彼此相比较。对于所述比较量中的每一个在此可与待测试的物体识别装置无关地确定一个值。接着,检验所产生的比较值的总体是否满足预确定的检验标准(52)。本发明还涉及一种用于检验摄像机仿真装置(12)的能力的装置。
Description
技术领域
本发明涉及一种用于借助于摄像机仿真装置评价机动车的物体识别装置的工作性能的方法。属于本发明的还有一种用于检验摄像机仿真装置的能力的装置,所述摄像机仿真装置用于在评价物体识别装置的工作性能时使用。
背景技术
物体识别装置例如已由DE 10 2008 001 256 A1公知。借助于物体识别装置可基于机械的图像处理在图像中或图像序列中对各个物体进行识别和分类。在机动车中可使用这种物体识别装置,以便在车辆的周围环境中自动地识别其它交通参与者和障碍并且基于此向车辆的驾驶员提供驾驶车辆的支持。在此例如可考虑轮迹保持辅助、紧急制动的引入、交通标志识别、行人识别或距离调节。用于识别的图像于是例如源自例如可处于车辆的后视镜底座中、侧向后视镜中或行李箱盖中的视频摄像机、红外摄像机或高景深图像摄像机。
在物体识别装置的确定的模型可在车辆中使用之前,必须通过详细的测试来确定:该开发版本是否满足技术要求。换言之,必须确定:所牵涉的模型在适于在车辆中使用的意义上是否良好工作。在其它情况下例如可出现:通过带有误差的识别无根据地引入紧急制动并且由此造成事故。为了评价工作性能,即为了评估物体识别装置,需要针对尽可能多的不同周围环境和行驶状况对所述物体识别装置进行测试。
为此可使用摄影(Filmaufnahmen),所述摄影在测试行驶时用摄像机的相同模块记录,所述模块稍后也应作为图像源用于物体识别装置本身。但这种测试行驶成本相对高。
为了可在合理的成本投入下对于更多不同的行驶路段评估物体识别装置,可提出,不是借助于摄像机而且基于仿真来产生用于测试物体识别装置的图像数据。在此,一方面,仿真器计算如从安装在车辆中的摄像机的视角在行驶期间得到的图像信息。另一方面,通过仿真器也模拟视觉畸变和使图像信息失真的其它影响,所述其它影响如在摄像机检测提供给所述摄像机的图像并且将所检测到的图像数据传递给物体识别装置时通过所述摄像机造成。用于行驶路段和摄像机成像特性的这种复合仿真的仿真器在此被称为摄像机仿真装置。
因为摄像机仿真装置的图像数据人工产生,所以必须保证:借助于所述摄像机仿真装置开发的物体识别装置也可无误差地借助于真实的摄像机在真实的行驶状况中工作。换言之,由摄像机仿真装置产生的仿真图像数据必须至少关于对于物体识别重要的特征尽可能逼真地起作用。这种特征例如可以是被仿真的物体本身的细节正确度、摄像机镜头的成像特性或摄像机的图像传感器的噪声。
由上述文献在车辆周围环境仿真的改善方面已经公知,物体的识别一方面基于真实行驶场景的摄影并且另一方面基于来自仿真器的图像序列来执行。如果识别结果对于所述两个识别尝试彼此不同,则仿真不可特别真实地起作用。因此,在此情况下重新配置仿真器。
在这种方法中缺点在于,仿真器由此强制地匹配于确定类型的物体识别装置,即匹配于用于配置仿真器的类型。通过这种方法不完全保证仿真器于是关于在其它类型物体识别装置中对于所述类型的识别能力而言决定性的特征也产生逼真地起作用的仿真图像数据。因此,在开发物体识别装置时必须在试验新的识别算法之前首先总是重新配置仿真器。
发明内容
本发明的目的在于,允许成本低廉地开发用于机动车的物体识别装置。
所述目的通过根据权利要求1的方法以及通过根据权利要求12的装置来实现。所述方法的有利的扩展构型通过从属权利要求来给出。
通过根据本发明的方法可借助于摄像机仿真装置评价机动车的物体识别装置的工作性能。
为了保证摄像机仿真装置在此在上述意义上提供接近真实的仿真图像数据,对于至少一个行驶路段,一方面借助于摄像机产生参考图像数据,另一方面借助于摄像机仿真装置产生仿真图像数据。然后将仿真图像数据与参考图像数据相互比较,确切地说基于至少两个不同的预确定的比较量。这样选择比较量中的每一个,使得对于该比较量可与通过物体识别装置对数据进行处理无关地求得一个值。即图像数据的比较通过对于比较量中的每一个分别形成至少一个比较值来进行,并且在不使用物体识别装置的情况下进行。
例如参考图像数据和仿真图像数据分别涉及代表行驶路段的图像的各个像点的像素数据,由此,非常简单的比较可在于,对于每对代表相同像点(一个在真实的摄像机图像中,一个在仿真的摄像机图像中)的像素数据对于每个比较量形成一个比较值。
借助于这样形成的比较值,现在可以可靠地验证摄像机仿真装置,即现在可以可靠地确定所述摄像机仿真装置的用于测试物体识别装置的能力。为此检验所产生的比较值的总体是否满足预确定的检验标准。于是提供仅一个摄像机仿真装置用于在评价物体识别装置的工作性能时使用——所述摄像机仿真装置的仿真图像数据满足检验标准。哪个检验标准在此合适,取决于所使用的比较量并且比较量一确定下来例如就可通过系列测试容易地求得。
通过根据本发明的方法得到优点:基于所述方法验证的摄像机仿真装置可用于不同类型的物体识别装置。通过合适地选择比较量,可用简单的方式有效地避免仅对于确定类型的物体识别装置可靠地验证摄像机仿真装置。在此,本发明基于这样的认识:已经基于仅两个不同的客观的比较量即这样的比较量:对于所述比较量可分别与稍后待使用的物体识别装置无关地确定一个值,可进行是否摄像机仿真装置的仿真图像数据逼真地起作用的可靠表述。在此意义上需要提及的是,根据本发明的方法的优选实施形式提出使用三个不同的比较量。
在根据本发明的方法的另一个也优选的实施形式中,使用至少一个比较量,所述比较量描述色彩强度数据、亮度数据、对比度数据或边缘变化/延伸方向数据的差。根据本发明的方法的该构型基于这样的认识:如可能可以通过物体识别装置实施的非常复杂且全面的物体识别方法也常常基于色彩、亮度值、对比度和物体边缘变化方向的分析。因此,通过分析处理仿真的摄像机图像中的所述图解的基本元素,可以可靠地预告:所述摄像机图像是否逼真地影响物体识别装置。
通过色彩强度数据给出像点的各个色彩分量的份额。哪些色彩分量是这种情况,例如可通过所使用的摄像机的色彩模型来确定。通常存在的色彩模型作为色彩分量使用红色、绿色和蓝色(RGB色彩模型),或者在HSV色彩模型的情况下使用色调(英语:hue)、色彩饱和度(saturation)和明度值或者说黑度级(值)。除了色彩强度数据之外也可使用的亮度数据在HSV色彩模型中以明度值的形式给出,在其它色彩模型中所述亮度数据可借助于公知的换算规程来计算。通过色彩强度数据和亮度数据,通常描述物体的表面特性。
对比度数据描述相邻像点的色彩强度值或亮度值之间的差。所述对比度数据可由摄像机图像例如借助于用于计算梯度的数字方法例如Laplace滤波器来求得。通过对比度数据可在图像中将物体与背景区别开来。对比度数据描述可在图像中识别的结构。
边缘变化方向数据描述在图像中在哪里存在例如水平地或垂直地延伸的线。边缘变化方向数据例如可通过使用Sobel算子或Canny算法基于仿真的或者说真实的摄像机图像来产生。借助于边缘变化方向数据可对物体按照其形状进行区分。
如果在仿真的摄像机图像和真实的摄像机图像的整个图像区之间分别执行比较,并且在此对于图像区作为整体对于每个比较量分别形成一个比较值,则得到另一个优点。由此得到优点:通过比较值在仿真的摄像机图像中的区与真实的摄像机图像中的相应区之间不因此而显示出大的差,因为仿真的摄像机图像中的物体与真实的摄像机图像中的同一个物体相比稍微移动、旋转或畸变。比较值的形成由此相对于如对于物体识别也不重要的平移、旋转或畸变直到可确定的量可一直不变。由此,所述方法能够补偿在对周围环境和摄像机位置进行仿真时的稍微的几何偏差。
此外,被证实有利的是,对于仿真图像数据的至少一部分即例如对于至少一个图像区求得第一统计均值和/或第一统计方差值,对于参考图像数据的相应部分分别计算第二统计均值和/或第二统计方差值。根据所述统计值于是也可形成比较值,其中保证:如果仿真图像数据与参考图像数据相比实际上不真实地起作用,则所述比较值于是取大的值。例如比较值可作为均值或方差值的差或者也可通过使所述两个差相关联来计算。优选在色彩强度数据、亮度数据和对比度数据的意义上使用均值和方差值。
以类似方式可形成有说服力的比较值,其方式是对于仿真图像数据的至少一部分即例如也对于图像区计算第一直方图,对于参考图像数据的相应一部分分别计算第二直方图,并且根据所计算的直方图形成比较值之一。优选在边缘变化方向数据的意义上使用直方图。
如果在检验是否满足检验标准之前,将对于不同的比较量形成的比较值相互关联,则得到另一个优点。由此减少的数量的待关联的值使确定合适的检验标准简化。此外可借助于关联的值更容易地比较不同的摄像机仿真系统。如果例如对于确定的摄像机仿真装置在确定的仿真问题的意义上在色彩强度数据方面得到显著偏差,而在另一个摄像机仿真装置中在对比度数据方面得到显著偏差,则首先不明确的是,对于所述两个摄像机仿真装置中的哪一个,将其考虑作为用于进一步的开发工作的出发点来解决仿真问题是有价值的。而借助于关联的值将两个摄像机仿真装置直接进行比较。
在关联时优选将待关联的比较值至少之一用预确定的权重因子进行标度。由此可控制比较值对通过关联形成的值的影响,并且由此预给定所属的比较量对于关联结果的重要性。由此,尤其是可结合针对确定类型的物体识别装置的使用来检验摄像机仿真装置。因此例如轮迹保持辅助系统可基于特别针对识别路面带的边缘来设计的识别装置。相应地,用于对比度或边缘变化方向的比较值于是可通过其相应的加权在形成关联的值时得到强调。
在一个有利的扩展构型中,通过根据本发明的方法不仅可验证而且可进一步开发摄像机仿真装置。摄像机仿真装置的工作方式为此交互地对于在评价物体识别装置时的使用进行匹配。由此逐步地进一步开发摄像机仿真装置。在此,在借助于检验标准每次改变摄像机仿真装置之后理解:是否仿真图像数据变得接近真实。摄像机仿真装置的工作方式的改变借助于配置数据组来进行,所述配置数据组确定所述摄像机仿真装置的工作方式。对于配置数据组求得检验是否满足检验标准的结果,于是根据检验结果改变配置数据组。
为了检验是否满足检验标准,在根据本发明的方法的一个(未分开要求保护的)实施形式中,提供分析处理单元,所述分析处理单元表明:是否摄像机仿真装置适用于测试物体识别装置。
根据本发明的方法的特别适用于自动化地实施的实施形式提出,预给定值范围并且为此作为检验标准确定:预确定的量的比较值中的每个比较值或所述量的比较值的关联必须处于所述值范围内。如果所使用的比较量涉及距离量,对于所述距离量一方面总是得到仅正的比较值并且所述距离量随着越发接近真实而引起越发小的比较值,则极限值的预设值足够用于确定值范围。
根据本发明的方法的一个实施形式提出,基于检验图像数据确定检验标准,对于所述检验图像数据已知:是否所述检验图像数据在评价物体识别装置的工作性能时引起有说服力的评价结果。这种启发式的方案允许:即使对于所选择的比较量和摄像机仿真装置适用于评估物体识别装置还是否的事实的比较值之间的关系在分析上不可或仅可用高投入求得时,也确定检验标准。
在根据本发明的方法的另一个实施形式中,在显示装置上图解地表示出比较值的至少一部分。在此,将所表示出的比较值配置给与形成对应的比较值所基于的仿真和参考图像数据相应的图像区。即在显示装置上对于分析的图像(或者说分析的图像序列)由比较值形成相应的图像(相应的图像序列)。如果于是证实:比较值对于其中例如示出了道路斜坡的图像区特别大,则摄像机仿真装置的开发者识别出:道路斜坡的仿真必须得到改善,以便获得更接近真实的仿真图像数据。
属于本发明的还有用于检验摄像机仿真装置的能力的装置,所述摄像机仿真装置用于在评价物体识别装置的工作性能时使用。根据本发明的装置包括至少两个比较装置,用于将摄像机仿真装置的仿真图像数据与摄像机的参考图像数据借助于预确定的比较量相比较。如已结合根据本发明的方法所描述的那样,这样选择比较量,使得对于所述比较量中的每一个可与通过物体识别装置对数据进行处理无关地确定一个值。此外,属于根据本发明的装置的还有与所述至少一个比较装置耦合的检验装置,用于检验:对于仿真图像数据通过比较装置产生的比较值的总体是否满足检验标准。
检验装置在一个(在此未分开要求保护的)实施形式中包括已经结合检验标准的自动检验描述的分析处理装置。通过另一个有利的实施形式提供显示装置,通过所述显示装置对于各个图像区图解地表示出比较值。
根据本发明的装置以有利的方式简化根据本发明的方法的实施。对于结合根据本发明的方法描述的扩展构型,得到根据本发明的装置的相应的扩展构型,通过所述扩展构型于是也可分别实现与通过根据本发明的方法的相应扩展构型实现的优点相同的优点。
附图说明
下面借助于优选实施例详细描述本发明。附图表示:
图1根据本发明装置的一个实施形式的验证装置的示意性视图,
图2对于不同仿真图像数据对比比较值,以及
图3a、图3b如在验证装置的屏幕上对于两个不同的仿真所表示出的两个显示器的示意性视图。
具体实施方式
图1中示出了验证装置10,通过所述验证装置检验:是否仿真器12产生可在开发用于机动车的(未示出的)物体识别装置时使用的图像数据。由仿真器12产生的图像数据可以是行驶场景的各个图像,或者是图像序列,所述图像序列例如表明行驶的过程。仿真器12也可产生图像片段或片段的图像序列,以便可针对确定的方面、例如针对行人的识别来测试物体识别装置。
为了借助于验证装置10检验仿真器12,用(未示出的)安装有摄像机14的测试车辆执行测试行驶。在此,用摄像机14拍摄行驶场景16。图1中所示的行驶场景16表明在道路18上在测试车辆之前行驶的车辆20和在道路18的边缘上矗立的树木22。接着提供在测试行驶时产生的摄像机图像数据24作为参考图像数据用于检验仿真器12。
仿真器12是摄像机仿真装置,通过所述摄像机仿真装置不仅计算行驶场景16的仿真的周围环境16′,而且模拟在测试行驶时使用的摄像机14的成像特性14′。基于仿真的周围环境16′和模拟的成像特性14′产生仿真图像数据26。可通过调整参数值来配置由仿真器12实施的仿真算法。为此,在仿真器12中存储相应的配置数据28。
验证装置10执行仿真图像数据26与摄像机图像数据24的比较,基于所述比较可检验:仿真图像数据26与摄像机图像数据24如何接近。
在验证装置10中可通过比较装置30、32和34进行比较。
通过比较装置30,对于摄像机图像数据24和仿真图像数据26计算亮度或强度值I,将由仿真图像数据26计算的强度值与由摄像机图像数据24计算的强度值借助于计算规程相比较,所述计算规程用于确定强度值的距离的量M(I)的值。
通过比较装置32,对于摄像机图像数据24和仿真图像数据26基于针对强度值I计算的梯度矢量来计算方向信息“Grad.Dir.”。方向信息“Grad.Dir.”描述可在摄像机图像中和由仿真器12产生的图像中识别的物体边缘的变化方向。借助于量M(Grad.Dir.)计算仿真图像数据26相对于摄像机图像数据24关于方向信息“Grad.Dir.”的“距离”。
通过比较装置34计算梯度矢量的数值。所述梯度矢量描述可在图像中识别的亮度对比度“Grad.I”。通过比较装置34基于对比度“Grad.I”计算距离量M(Grad.I.)的值。
比较装置30、32、34对于摄像机图像数据24和仿真图像数据26所代表的图像的各个图像块计算对应的距离量M(I)、M(Grad.I)、M(Grad.Dir.)。例如可提出,单个图像分成10乘8个相同大小的图像块。除了逐块地计算的值之外,对于每个距离量M(I)、M(Grad.I)、M(Grad.Dir.)还可分别计算用于整个图像的总值。总值以及所述总值所基于的值分别是比较值。
通过三个比较装置30、32、34总体上执行下述算法,以便对于图像1和图像2形成比较值,所述图像中的一个由摄像机图像数据24来代表,一个由仿真图像数据26来代表:
-确定所述两个图像应分别分成的块的数量;
-对于每个图像由相应的图像数据计算色彩强度值I和梯度“Grad.”;
-处理图像1和图像2的每对彼此相应的块(块1和块2):
a)对于块1和2的像点求得“I”、“Grad.I”和“Grad.Dir.”
b)比较强度值I:
-对于块1和块2分别计算均值和色彩强度值的方差
-计算块1和块2的均值的差以及块1和块2的方差值的差
-将所计算的差相关联,以便获得块对的比较值M(I)
c)比较边缘变化方向信息“Grad.Dir.”:
-分别对于块1和块2求得梯度的直方图
-作为块对的比较值M(Grad.Dir.)计算涉及块大小的平方误差(例如两个直方图的彼此相应的各个项的差的平方的和)
d)比较对比度值“Grad.I”
-分别对于块1和块2计算对比度值的均值和方差
-计算块1和块2的均值的差以及块1和块2的方差值的差
-将所计算的差相关联,以便获得块对的比较值M(I.)
e)对于全部块形成比较值M(I)的和,对于全部块形成比较值M(Grad.Dir.)的和,对于全部块形成和M(Grad.I)。
为了将对于均值和方差所计算的差相关联,例如可形成差的和,或形成其数值的和,或形成其平方的和。
通过对于各个变化方向(例如关于在图像中朝右边缘定向的射线呈0°、90°、180°、270°)计数在对应的块中以何频率出现具有相应变化方向的梯度来求得上述直方图。
由比较装置30、32、34将所计算的比较值传递给检验装置36。
图2中对于在上述算法的步骤e中计算的和表明:对于不同的图像可得到何值。参考图像38的图像数据在此从摄像机图像数据24获知,所述参考图像示出了车辆20的后视图和道路18的一个区段。
将参考图像38在图2中所示的例子中与其它图像借助于上述算法相比较。图像40示出了在起雾情况下的车辆20。借助于仿真器12计算了图像40。图像42示出了变化已被随机地确定的线。图像44示出了噪声。图像46示出了在车辆20被太阳照射期间的所述车辆,由此,在车辆20上可看到投影。此外,图像46示出了在其它周围环境中的车辆20,在所述其它周围环境中,在道路边缘上存在树林50。也借助于仿真器12产生图像46。
在图2的例子中通过图像40至46有意地选择了内容与参考图像38不同的图像。由此,可检验对于距离量M(I)、M(Grad.I)和M(Grad.Dir.)所计算的和值的合理性。图2中以三行给出了对于图像40至46得到的和值。与参考图像38在内容上具有最小关系的图像42和44在距离量M(Grad.I)和M(Grad.Dir.)的情况下一致地具有最大比较值。在距离量M(I)的情况下,图像44和46是例外。最后,通过投影48和树林50在图像46中得到全部比较量的比在图像40的情况下大的值。
在真正验证仿真器12时,取代图像40至46借助于仿真器12当然也产生与参考图像38尽可能接近的图像。对于于是得到的和值,于是例如可由验证装置10的使用者预给定极限值52。通过验证装置10于是将所计算的和值与相应的极限值相比较。如果每个和值小于对于该和值预给定的极限值,则验证装置10表明:仿真器12产生了足够真实地表示车辆周围环境的图像。
也可提出,通过检验装置36将三个和值再次合成一个唯一的和比较值。
取代基于极限值52自动化地检验比较值,也可提出,在进一步开发仿真器12时使用验证装置10,确切地说作为支持用于开发者。开发者于是自动进行比较值的真正检验。
检验装置36对于所述情况具有(未详细示出的)屏幕。图3a、图3b中示出了屏幕的两个显示器54、56,通过所述显示器向开发者表明不同距离量M(I)、M(Grad.I)和M(Grad.Dir.)的对于各个图像块所计算的比较值以及一个和量S。和量S通过检验装置36形成,其方式是对于每个图像块将距离量M(I)、M(Grad.I)和M(Grad.Dir.)的比较值通过形成加权和来组合成总比较值。所述加权和也表示比较值。
显示器54示出了参考图像58,所述参考图像示出了在起雾情况下的车辆的后视图。图像60示出了视线清晰情况下以及其它周围环境下的同一个车辆。在参考图像58和图像60下方示出的区域中分别对于各个图像块图解地示出了比较值。图像块的在图3a、图3b中所示的阴影在此再现比较值的数值。深色块表明小的值,浅色块表明大的值。阴影越密,相应的比较值越小。
显示器56也基于参考图像58和图像60。对于显示器56中所示的例子,所述两个图像的亮度值与因子1.4相乘,由此,图像更亮。尽管进行这种变化,对于距离量M(I)、M(Grad.I)、M(Grad.Dir.)以及尤其是和量S得到与显示器54中的比较值接近的比较值。由此向开发者表明:物体识别装置在两种情况下(正常的亮度以及提高了因子1.4的亮度)将产生非常接近的识别结果。
选择显示器54和56所基于的比较在此仅用于解释距离量M(I)、M(Grad.I)、M(Grad.Dir.)的说服力。对于仿真器12的验证,取代参考图像58和图像60,比较来自摄像机图像数据24和所属仿真图像数据26的图像数据。开发者于是可借助于屏幕上的显示器来识别:他必须如何改变配置数据28,以便获得更接近于摄像机图像数据24的仿真图像数据26。
仿真器12、比较装置30、32、34和检验装置36可通过计算机中的一个或多个程序或通过一个或多个测量仪器来提供。
总体来讲,通过例子表明:如何通过本发明实现整个图像或者说图像序列或其片段的比较。比较结果对于仿真的稍微的偏差具有鲁棒性并且还如下地一致,使得具有不同内容的图像也引起距离量的较大值。被鉴别为类似的图像在内容上相应地也与参考图像具有最大的一致性。开发者也能够在视觉上分析处理和评价结果。尤其是可根据测量结果(比较值)适配仿真模型,其方式是例如改变仿真器的配置数据。
Claims (13)
1.一种用于借助于摄像机仿真装置(12)评价机动车的物体识别装置的工作性能的方法,所述方法包括下述步骤:
-对于至少一个行驶路段(16)提供借助于摄像机(14)产生的参考图像数据(24);
-对于所述至少一个行驶路段(16)借助于所述摄像机仿真装置(12)产生仿真图像数据(26);
-将所述仿真图像数据(26)与所述参考图像数据(24)借助于至少两个不同的预确定的比较量M(I),M(Grad.I),M(Grad.Dir.),S相比较,对于所述比较量能分别与通过所述物体识别装置对数据进行的处理无关地确定一个值,为此,对于每个比较量M(I),M(Grad.I),M(Grad.Dir.),S形成至少一个比较值;
-检验所产生的比较值的总体是否满足预确定的检验标准(52),在所述检验标准被满足的情况下,提供所述摄像机仿真装置(12)用于在评价所述物体识别装置的工作性能时使用。
2.根据权利要求1的方法,其特征在于,通过所述比较量M(I),M(Grad.I),M(Grad.Dir.)之一描述色彩强度数据、亮度数据、对比度数据或边缘变化方向数据的差别。
3.根据权利要求1或2的方法,其特征在于,对于两个图像(58,60)的彼此相应的各个图像区执行所述比较,所述两个图像中的一个图像由所述仿真图像数据代表,另一个图像由所述参考图像数据代表,在此,对于每个图像区以及对于每个比较量M(I),M(Grad.I),M(Grad.Dir.),S形成一个比较值。
4.根据权利要求1或2的方法,其特征在于,对于所述仿真图像数据(26)的至少一部分计算第一统计平均值和/或第一统计方差值,对于所述参考图像数据(24)的相应部分分别计算第二统计平均值和/或第二统计方差值,并且根据所计算出的统计值形成所述比较值之一。
5.根据权利要求1或2的方法,其特征在于,对于所述仿真图像数据(26)的至少一部分计算第一直方图,对于所述参考图像数据(24)的相应部分分别计算第二直方图,并且根据所计算出的直方图形成所述比较值之一。
6.根据权利要求1或2的方法,其特征在于,在检验是否满足检验标准的步骤中,将对于不同的比较量形成的比较值相互关联成总比较值。
7.根据权利要求1或2的方法,其特征在于,将所述摄像机仿真装置(12)的工作方式对于在评价时的使用交互地进行匹配,其方式是借助于配置数据组(28)确定所述摄像机仿真装置(12)的工作方式,对于所述配置数据组(28)求得是否满足检验标准(52)的检验的结果,并且根据检验结果改变所述配置数据组(28)。
8.根据权利要求1或2的方法,其特征在于,在显示装置上图解地表示出所述比较值的至少一部分,在此,将所表示出的比较值(54,56)配设给与形成对应的比较值所基于的仿真和参考图像数据相应的图像区。
9.根据权利要求1或2的方法,其特征在于,借助于三个比较量M(I),M(Grad.I),M(Grad.Dir.)进行比较。
10.根据权利要求1或2的方法,其特征在于,基于检验图像数据确定所述检验标准,对于所述检验图像数据已知:是否所述检验图像数据在评价所述物体识别装置的工作性能时导致有说服力的评价结果。
11.根据权利要求1或2的方法,其特征在于,比较值范围被预先给定并且为此作为检验标准被确定:预确定的量的比较值中的每个比较值或所述预确定的量的比较值的关联必须处于所述比较值范围内。
12.根据权利要求6的方法,其特征在于,将待关联的比较值至少之一用预确定的权重因子进行标度。
13.一种用于检验摄像机仿真装置(12)的能力的装置,所述摄像机仿真装置用于在评价机动车的物体识别装置的工作性能时使用,所述装置包括:
-至少两个比较装置(30,32,34),用于将所述摄像机仿真装置(12)的仿真图像数据(26)与摄像机(14)的参考图像数据(24)借助于预确定的比较量M(I),M(Grad.I),M(Grad.Dir.)相比较,对于所述比较量能与通过所述物体识别装置对数据进行的处理无关地确定一个值;以及
-与所述至少两个比较装置(30,32,34)耦合的检验装置(36),该检验装置用于检验:对于所述仿真图像数据(26)通过所述比较装置(30,32,34)产生的比较值的总体是否满足检验标准(52)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102011107458A DE102011107458A1 (de) | 2011-07-15 | 2011-07-15 | Verfahren zum Evaluieren einer Objekterkennungseinrichtung eines Kraftfahrzeugs |
DE102011107458.2 | 2011-07-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103021061A CN103021061A (zh) | 2013-04-03 |
CN103021061B true CN103021061B (zh) | 2017-03-01 |
Family
ID=46298203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210245993.XA Active CN103021061B (zh) | 2011-07-15 | 2012-07-16 | 用于评估机动车的物体识别装置的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9286525B2 (zh) |
EP (1) | EP2546778A3 (zh) |
CN (1) | CN103021061B (zh) |
DE (1) | DE102011107458A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012008117A1 (de) * | 2012-04-25 | 2013-10-31 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zur Darstellung eines Kraftfahrzeugumfeldes zum Testen von Fahrerassistenzsystemen |
DE102016205392A1 (de) * | 2016-03-31 | 2017-10-05 | Siemens Aktiengesellschaft | Verfahren und System zur Validierung eines Hinderniserkennungssystems |
DE102016215249B4 (de) | 2016-08-16 | 2022-03-31 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Unterstützen eines Fahrerassistenzsystems in einem Kraftfahrzeug |
DE102016215443B4 (de) * | 2016-08-18 | 2023-09-28 | Audi Ag | Verfahren zur Auswertung von Bilddaten und Bildverarbeitungseinrichtung |
DE102016118538A1 (de) * | 2016-09-29 | 2018-03-29 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Klassifizieren eines Verkehrszeichens in einem Umgebungsbereich eines Kraftfahrzeugs, Rechenvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug |
US10332272B2 (en) * | 2017-08-07 | 2019-06-25 | Caterpillar Inc. | Systems and methods for testing an automatic perception system |
US10482003B1 (en) * | 2018-11-09 | 2019-11-19 | Aimotive Kft. | Method and system for modifying a control unit of an autonomous car |
JP7268471B2 (ja) * | 2019-05-09 | 2023-05-08 | 株式会社デンソー | 検証方法 |
CN111597940B (zh) * | 2020-05-07 | 2023-10-03 | 北京百度网讯科技有限公司 | 渲染模型的评估方法、装置、电子设备及可读存储介质 |
DE102020215535A1 (de) | 2020-12-09 | 2022-06-09 | Robert Bosch Gesellschaft mit beschränkter Haftung | Vergleich digitaler Repräsentationen von Fahrsituationen eines Fahrzeugs |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6611622B1 (en) * | 1999-11-23 | 2003-08-26 | Microsoft Corporation | Object recognition system and process for identifying people and objects in an image of a scene |
DE10348109A1 (de) * | 2003-10-16 | 2005-05-19 | Bayerische Motoren Werke Ag | Verfahren und Vorrichtung zur Sichtbarmachung einer Fahrzeugumgebung |
DE102006041930A1 (de) * | 2006-09-07 | 2008-03-27 | Bayerische Motoren Werke Ag | Fahrer-Assistenzsystem mit Objekterkennung |
WO2008068832A1 (ja) * | 2006-12-04 | 2008-06-12 | Fujitsu Limited | 運転模擬評価方法、運転模擬評価装置及びコンピュータプログラム |
DE102006060553A1 (de) * | 2006-12-21 | 2008-06-26 | Bayerische Motoren Werke Ag | Verfahren zur Erprobung eines Fahrerassistenzsystems |
DE102008001256A1 (de) | 2008-04-18 | 2009-10-22 | Robert Bosch Gmbh | Verkehrsobjekt-Erkennungssystem, Verfahren zum Erkennen eines Verkehrsobjekts und Verfahren zum Einrichten eines Verkehrsobjekt-Erkennungssystems |
US8238642B2 (en) * | 2008-11-20 | 2012-08-07 | General Electric Company | Methods and apparatus for measuring 3D dimensions on 2D images |
JP5168580B2 (ja) * | 2008-12-01 | 2013-03-21 | 富士通株式会社 | 運転模擬装置、広角カメラ映像模擬装置および画像変形合成装置 |
CN101915672B (zh) * | 2010-08-24 | 2012-07-25 | 清华大学 | 车道偏离报警系统的测试装置及测试方法 |
TWI431559B (zh) * | 2010-10-29 | 2014-03-21 | Univ Nat Chiao Tung | 車牌偵測辨識方法及其系統 |
-
2011
- 2011-07-15 DE DE102011107458A patent/DE102011107458A1/de not_active Ceased
-
2012
- 2012-06-12 EP EP12004402.9A patent/EP2546778A3/de not_active Ceased
- 2012-07-03 US US13/541,140 patent/US9286525B2/en active Active
- 2012-07-16 CN CN201210245993.XA patent/CN103021061B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103021061A (zh) | 2013-04-03 |
EP2546778A3 (de) | 2015-04-01 |
EP2546778A2 (de) | 2013-01-16 |
DE102011107458A1 (de) | 2013-01-17 |
US9286525B2 (en) | 2016-03-15 |
US20130016216A1 (en) | 2013-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103021061B (zh) | 用于评估机动车的物体识别装置的方法 | |
JP2014178328A (ja) | 鋼管内部腐食解析装置及び鋼管内部腐食解析方法 | |
CN113412500B (zh) | 模拟装置及模拟方法 | |
JPH04291136A (ja) | 塗装面品質の自動評価方法および装置 | |
Blasinski et al. | Optimizing image acquisition systems for autonomous driving | |
Gruyer et al. | Modeling and validation of a new generic virtual optical sensor for ADAS prototyping | |
US11636684B2 (en) | Behavior model of an environment sensor | |
Hospach et al. | Simulation of falling rain for robustness testing of video-based surround sensing systems | |
CN110490839A (zh) | 一种检测高速公路中损坏区域的方法、装置及计算机设备 | |
CN115619787B (zh) | 一种uv胶缺陷检测方法、系统、设备及介质 | |
CN115656053A (zh) | 岩石矿物含量测试方法及系统 | |
KR20230136291A (ko) | 사영 공간에서의 구조적 유사성을 이용한 3차원 매쉬 퀄리티 평가 방법, 이를 수행하는 장치 및 컴퓨터 프로그램 | |
US7899236B2 (en) | Evaluation of optical distortion in a transparency | |
JP7098839B2 (ja) | 表面に塗布されたコーティングのLiDARセンサに対する視認性をシミュレーションする方法と装置 | |
WO2007004864A1 (en) | Method and apparatus for visual object recognition | |
Sharma et al. | Quantitative evaluation of panorama softwares | |
CN105574844A (zh) | 辐射响应函数估计方法和装置 | |
Hospach et al. | Simulation and evaluation of sensor characteristics in vision based advanced driver assistance systems | |
Ding et al. | Recovering specular surfaces using curved line images | |
CN113920145B (zh) | 一种投影系统投射图像质量评价计算方法 | |
JP2019168930A (ja) | 画像処理装置、画像処理方法及びプログラム | |
WO2022201776A1 (ja) | 情報処理方法、情報処理装置 | |
CN104683796B (zh) | 一种3d显示串扰率的评价方法及装置 | |
Reway et al. | Simulation-based test methods with an automotive camera-in-the-loop for automated driving algorithms | |
CN110879130A (zh) | 目视光学系统的成像质量测试方法及其测试图案单元 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |