CN109246364B - 摄像装置调整方法及相关设备 - Google Patents

摄像装置调整方法及相关设备 Download PDF

Info

Publication number
CN109246364B
CN109246364B CN201811260175.0A CN201811260175A CN109246364B CN 109246364 B CN109246364 B CN 109246364B CN 201811260175 A CN201811260175 A CN 201811260175A CN 109246364 B CN109246364 B CN 109246364B
Authority
CN
China
Prior art keywords
tunnel
environment data
vehicle
data
exposure
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
Application number
CN201811260175.0A
Other languages
English (en)
Other versions
CN109246364A (zh
Inventor
杨东东
胡伟龙
杨弢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201811260175.0A priority Critical patent/CN109246364B/zh
Publication of CN109246364A publication Critical patent/CN109246364A/zh
Priority to EP19875951.6A priority patent/EP3783882B1/en
Priority to PCT/CN2019/090372 priority patent/WO2020082745A1/zh
Application granted granted Critical
Publication of CN109246364B publication Critical patent/CN109246364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/75—Circuitry for compensating brightness variation in the scene by influencing optical camera components
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Studio Devices (AREA)

Abstract

本发明实施例公开了一种摄像装置调整方法，包括：计算设备获取隧道环境数据，根据该隧道环境数据，确定车辆中的摄像装置的曝光参数，进而在车辆进出隧道时根据曝光参数调整所述摄像装置。其中，隧道环境数据为车辆进出隧道前采集的与隧道相关的环境数据。采用本发明实施例，能够及时地、准确地调整摄像装置的曝光参数，从而有效保证车辆驾驶的安全性。

Description

摄像装置调整方法及相关设备
技术领域
本发明涉及自动驾驶技术领域，尤其涉及摄像装置调整方法以及相关设备。
背景技术
随着人工智能技术的发展，自动驾驶汽车(autonomous vehicles)已成为研究热门。在自动驾驶领域中，包括摄像头在内的摄像装置作为自动驾驶汽车的主要传感器之一，充当着“眼睛”的角色。
然而在实际使用过程中发现：在汽车行驶过程中，由于光照条件复杂，特别是汽车进出隧道时，光照亮度变化较大。如果摄像装置采用相同的曝光参数来采集道路环境图像，进而分析道路环境图像进行安全行驶，这样在不同光照条件下采用相同的曝光参数来拍照，容易获得画质模糊、不清晰的图像，进而影响汽车行驶的安全性。
发明内容
本发明实施例公开了参数调整方法、相关设备及计算机存储介质，能够及时地、准确地调整摄像装置的曝光参数，从而有效保证车辆驾驶的安全性。
第一方面，本发明实施例公开提供了一种参数调整方法，所述方法包括：计算设备获取隧道环境数据，根据该隧道环境数据确定车辆中摄像装置的曝光参数。进而在车辆进出隧道时，计算设备可根据确定的曝光参数来调整摄像装置。其中，车辆中安装有用于采集图像的摄像装置，该隧道环境数据具体为车辆进入或驶出隧道前采集的与隧道相关的环境数据。该环境数据具体可包括隧道内的环境数据和隧道外的环境数据，例如隧道内的光照亮度、隧道内的气温等等。
通过实施本发明实施例，能够及时地、准确地调整摄像装置的曝光参数，从而有效保证车辆驾驶的安全性。
结合第一方面，在第一方面的第一种可能的实施例中，计算设备可将隧道环境数据输入预设的神经网络模型中，以预测获得车辆中摄像装置的曝光参数。该神经网络模型具体可为计算设备预先根据历史隧道环境数据和摄像装置的历史曝光参数训练获得的，该神经网络模型包括但不限于卷积神经网络模型、循环神经网络模型、深度神经网络模型、前馈神经网络模型、深度信念网络模型、生成式对抗网络模型以及其他深度学习模型等。
结合第一方面，在第一方面的第二种可能的实施例中，计算设备根据隧道环境数据可从数据库中查找与该隧道环境数据对应的曝光补偿参数，进而依据初始曝光参数和隧道曝光参数获得该摄像装置的曝光参数。该初始曝光参数可为车辆进出隧道前采集的N帧图像的平均曝光参数，N为正整数。数据库中包括有隧道环境数据和至少一个补偿参数的关联关系，每个补偿参数对应一个置信度，该置信度用于指示对应补偿参数被选取为曝光补偿参数的概率大小，该曝光补偿参数具体可为至少一个补偿参数中拥有置信度最大的一个补偿参数。
结合第一方面或者第一方面中的第一种或第二种可能的实施例中，在第一方面的第三种可能的实施例中，隧道环境数据具体可包括但不限于以下中的至少一项：隧道内的照明亮度、隧道外的环境亮度、天气数据以及时间数据。可选地，该隧道环境数据也可为包括隧道口区域在内的隧道图像，其中隧道口区域具体为隧道的隧道口在隧道图像中所占的图像区域。
结合第一方面或者第一方面的第一种至第三种中的任一种可能的实施例中，在第一方面的第四种可能的实施例中，当隧道环境数据为包括隧道口区域在内的隧道图像时，计算设备在确定到隧道口区域存在过曝时，可减小摄像装置的曝光量，以获得隧道口区域不存在过曝时该摄像装置的曝光参数。其中，隧道口区域存在过曝具体可包括但不限于以下中的至少一项：隧道口区域的像素亮度的平均值大于或等于第一预设亮度；隧道口区域的像素亮度的平均值和背景区域的像素亮度的平均值之间的比值大于或等于第一预设比值，背景区域为隧道图像中除隧道口区域外的图像区域；隧道口区域的像素亮度的平均值和隧道图像的像素亮度的平均值之间的比值大于或等于第三预设比值。
结合第一方面或者第一方面的第一种至第三种中的任一种可能的实施例中，在第一方面的第五种可能的实施例中，当隧道环境数据为包括隧道口区域在内的隧道图像时，计算设备在确定到隧道口区域存在欠曝时，可增大摄像装置的曝光量，以获得隧道口区域不存在欠曝时该摄像装置的曝光参数。其中，隧道口区域存在欠曝具体可包括以下但不限于以下中的至少一项：隧道口区域的像素亮度的平均值小于或等于第二预设亮度；隧道口区域的像素亮度的平均值和背景区域的像素亮度的平均值之间的比值小于或等于第二预设比值；隧道口区域的像素亮度的平均值和隧道图像的像素亮度的平均值之间的比值小于或等于第四预设比值。
结合第一方面或者第一方面的第一种至第五种中的任一种可能的实施例中，在第一方面的第六种可能的实施例中，在系统当前时间和预测时间之间的间隔时长小于或等于第一预设时长时，计算设备获取隧道环境数据。该预测时间为车辆达到隧道的隧道口的时间。
结合第一方面或者第一方面的第一种至第六种中的任一种可能的实施例中，在第一方面的第七种可能的实施例中，在车辆的当前位置和隧道口之间的距离小于或等于第一预设距离时，计算设备可获取隧道环境数据。
结合第一方面或者第一方面的第一种至第七种中的任一种可能的实施例中，在第一方面的第八种可能的实施例中，在隧道口区域在隧道图像中所占的比值(或比例)大于或等于第一预设阈值时，计算设备可获取隧道环境数据。
结合第一方面或者第一方面的第一种至第八种中的任一种可能的实施例中，在第一方面的第九种可能的实施例中，计算设备可向数据库发送隧道环境数据和摄像装置的曝光参数，以将该隧道环境数据和摄像装置的曝光参数关联存储值数据库中。可选地，该摄像装置的曝光参数可为微调后的曝光参数。
第二方面，本发明实施例提供了一种参数调整装置，所述装置包括用于执行如上第一方面或第一方面的任意可能的实施方式中所描述的方法的功能模块或单元。
第三方面，本发明实施例提供了一种计算设备，包括：处理器，存储器，通信接口和总线；处理器、通信接口、存储器通过总线相互通信；通信接口，用于接收和发送数据；存储器，用于存储指令；处理器，用于调用存储器中的指令，执行上述第一方面或第一方面的任意可能的实施方式中所描述的方法。
第四方面，提供了一种计算机非瞬态(non-transitory)存储介质，所述计算机非瞬态存储介质存储了用于摄像装置调整的程序代码。所述程序代码包括用于执行上述第一方面或第一方面的任意可能的实施方式中所描述的方法的指令。
第五方面，提供了一种芯片产品，以执行上述第一方面或第一方面的任意可能的实施方式中的方法。
通过实施本发明实施例，能够有效准确地调整摄像装置的曝光参数，以保证车辆行驶的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种车辆的功能框架示意图。
图2是本发明实施例提供的一种系统框架示意图。
图3A-图3B是本发明实施例提供的两种场景示意图。
图4是本发明实施例提供的一种参数调整方法的流程示意图。
图5是本发明实施例提供的一种参数调整装置的结构示意图。
图6是本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
下面将结合本发明的附图，对本发明实施例中的技术方案进行详细描述。
为解决现有技术中存在的问题：在不同光照条件下摄像装置采用相同的曝光参数进行拍照，导致获得的图像画面模糊、不清晰，从而影响车辆驾驶的安全性。本发明实施例，特提出一种参数调整方法、所述方法适用的场景示意图、框架示意图和相关设备的结构示意图。
首先，请参见图1示出一种可能的车辆功能框架示意图。如图1，车辆100的功能框架中可包括各种子系统，例如图示中的传感器系统102、控制系统104、一个或多个外围设备106(图示以一个为例示出)、电源108和计算机系统110。可选地，车辆100还可包括其他功能系统，例如为车辆100提供动力的引擎系统等等，本发明这里不做限定。其中，
传感器系统102可包括若干检测装置，这些检测装置能感受到被测量的信息，并将感受到的信息按照一定规律将其转换为电信号或者其他所需形式的信息输出。如图示出，这些检测装置可包括全球定位系统1021(global positioning system，GPS)、天气系统1022、惯性测量单元1023(inertial measurement unit，IMU)、雷达单元1024、激光测距仪1025、摄像装置1026、光感单元1027、转向传感器1028、或者其他用于自动检测的元件等等，本发明并不做限定。
全球定位系统GPS 1021是利用GPS定位卫星，在全球范围内实时进行定位、导航的系统。本发明中，全球定位系统GPS可用于实现车辆的实时定位，提供车辆的地理位置信息。天气系统1022用于提供天气数据，该天气数据包括但不限于气温数据、气压数据、降雨量、降雪量、天气是否晴朗等。惯性测量单元1023可以包括加速计和陀螺仪的组合，是测量车辆100的角速率和加速度的装置。例如，在车辆行驶过程中，惯性测量单元基于车辆的惯性加速可测量车身的位置和角度变化等。
雷达单元1024也可称雷达系统。雷达单元在车辆行驶所处的当前环境中，利用无线信号感测物体。可选地，雷达单元还可感测物体的运行速度和行进方向等信息。在实际应用中，雷达单元可被配置为用于接收或发送无线信号的一个或多个天线。激光测距仪1025可利用调制激光实现对目标物体的距离测量的仪器，也即是激光测距仪可用于实现对目标物体的距离测量。在实际应用中，该激光测距仪可包括但不限于以下中的任一种或多种元件的组合：激光源、激光扫描仪和激光检测器。
摄像装置1026用于拍摄影像，例如图像和视频等。本发明中，在车辆行驶过程中或者摄像装置启用后，该摄像装置可实时采集车辆所处环境中的图像。例如，在车辆进出隧道的过程中，摄像装置可实时、连续地采集相应地图像。在实际应用中，该摄像装置包括但不限于行车记录仪、摄像头、相机或其他用于拍照/摄影的元件等，该摄像装置的数量本发明也不做限定。
光感单元1027可包括若干光感传感器，用于检测车辆所处环境中的亮度，也可称为环境亮度。转向传感器1028可代表用于检测车辆的转向角的系统。在实际应用中，该转向传感器1028可用于测量车辆方向盘的转向角度，或者用于测量表示车辆方向盘的转向角的电信号。可选地，该转向传感器1028也可用于测量车辆轮胎的转向角度，或者用于测量表示车辆轮胎的转向角的电信号等等，本发明并不做限定。
也即是，转向传感器1028可用于测量以下中的任一种或多种的组合：方向盘的转向角、表示方向盘的转向角的电信号、车轮(车辆轮胎)的转向角和表示车轮的转向角的电信号等。
控制系统104可包括若干元件，例如图示出的转向单元1041、制动单元1042、照明系统1043、自动驾驶系统1044、地图导航系统1045、网络对时系统1046和障碍规避系统1047。可选地，控制系统104还可包括诸如用于控制车辆行驶速度的油门控制器等元件，本发明不做限定。
转向单元1041可代表用于调节车辆100的行进方向的系统，其可包括但不限于方向盘、或其他用于调整或控制车辆行进方向的任意结构器件。制动单元1042可代表用于减慢车辆100的行驶速度的系统。在实际应用中，制动单元1042可利用摩擦来使车辆轮胎减慢，进而减慢车辆的行驶速度。照明系统1043用于为车辆提供照明功能或警示功能。例如，在车辆夜间行驶过程中，照明系统1043可启用车辆的前车灯和后车灯，以提供车辆行驶的光照亮度，保证车辆的安全行驶。在实际应用中，照明系统中包括但不限于前车灯、后车灯、示宽灯以及警示灯等。
自动驾驶系统1044可包括硬件系统和软件系统，用于处理和分析输入该自动驾驶系统104的数据以获得摄像装置的曝光参数。便于摄像装置采用该曝光参数进行拍照时可获得画面清晰、不模糊的图像。可选地，自动驾驶系统104通过分析数据还可确定车辆面临的障碍物、车辆所处环境的特征(例如车辆当前行驶所在的车道、道路边界以及即将经过的交通红绿灯)等信息。其中，输入自动驾驶系统104的数据可以是摄像装置采集的图像数据，也可以是传感器系统102中各元件采集的数据，例如天气系统提供的天气数据、光感单元提供的环境亮度等等，本发明并不做限定。
地图导航系统1045用于为车辆100提供地图信息和导航服务。在实际应用中，地图导航系统1045可根据GPS提供的车辆的定位信息(具体可为车辆的当前位置)和用户输入的目的地址，规划一条最优驾驶路线，例如路程最短或车流量较少的路线等。便于车辆按照该最优驾驶路线进行导航行驶，以到达目的地址。可选地，地图导航系统除了提供导航功能外，还可根据用户实际需求向用户提供或展示相应地地图信息，例如在地图上实时展示车辆当前行驶的路段等，本发明不做限定。
网络对时系统1046(network time system，NTS)用于提供对时服务，以保证车辆的系统当前时间和网络标准时间同步，有利于为车辆提供更为精确地时间信息。具体实现中，网络对时系统1046可从GPS卫星上获得标准的时间信号，利用该时间信号来同步更新车辆的系统当前时间，保证车辆的系统当前时间和获得的标准时间信号的时间一致。
障碍规避系统1047用于预测车辆行驶过程中可能遇到的障碍物，进而控制车辆100绕过或越过障碍物以实现车辆100的正常行驶。例如，障碍规避系统1047可利用传感器系统102中各元件采集的传感器数据分析确定车辆行驶道路上可能存在的障碍物。如果该障碍物的尺寸较大，例如为路边的固定建筑物(楼房)等，障碍规避系统1047可控制车100绕开该障碍物以进行安全行驶。反之，如果该障碍物的尺寸较小，例如为路上的小石头等，障碍规避系统1047可控制车辆100越过该障碍物继续向前行驶等。
外围设备106可包括若干元件，例如图示中的通信系统1061、触摸屏1062、用户接口1063、麦克风1064以及扬声器1065等等。其中，通信系统1061用于实现车辆100和除车辆100之外的其他设备之间的网络通信。在实际应用中，通信系统1061可采用无线通信技术或有线通信技术实现车辆100和其他设备之间的网络通信。该有线通信技术可以是指车辆和其他设备之间通过网线或光纤等方式通信。该无线通信技术包括但不限于全球移动通讯系统(global system for mobile communications，GSM)，通用分组无线服务(generalpacket radio service，GPRS)，码分多址接入(code division multiple access，CDMA)，宽带码分多址(wideband code division multiple access，WCDMA)，时分码分多址(time-division code division multiple access，TD-SCDMA)，长期演进(long termevolution，LTE)、无线局域网(wireless local area networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)、蓝牙(bluetooth，BT)、全球导航卫星系统(globalnavigation satellite system，GNSS)、调频(frequency modulation，FM)，近距离无线通信技术(near field communication，NFC)以及红外技术(infrared，IR)等等。
触摸屏1062可用于检测触摸屏1062上的操作指令。例如，用户根据实际需求对触摸屏1062上展示的内容数据进行触控操作，以实现该触控操作对应的功能，例如播放音乐、视频等多媒体文件等。用户接口1063具体可为触控面板，用于检测触控面板上的操作指令。用户接口1063也可以是物理按键或者鼠标。用户接口1064还可以是显示屏，用于输出数据，显示图像或数据。可选地，用户接口1064还可以是属于外围设备范畴中的至少一个设备，例如触摸屏、麦克风和扬声器等。
麦克风1064，也称为话筒、传声器，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户靠近麦克风发声，可将声音信号输入到麦克风中。扬声器1065也称为喇叭，用于将音频电信号转换为声音信号。车辆通过扬声器1065可以收听音乐，或者收听免提通话等。
电源108代表为车辆提供电力或能源的系统，其可包括但不限于再充电的锂电池或铅酸电池等。在实际应用中，电源中的一个或多个电池组件用于提供车辆启动的电能或能量，电源的种类和材料本发明并不限定。可选地，电源108也可为能量源，用于为车辆提供能量源，例如汽油、柴油、乙醇、太阳能电池或电池板等等，本发明不做限定。
车辆100的若干功能均由计算机系统110控制实现。计算机系统110可包括一个或多个处理器1101(图示以一个处理器为例示出)和存储器1102(也可称为存储装置)。在实际应用中，该存储器1102也在计算机系统110内部，也可在计算机系统110外部，例如作为车辆100中的缓存等，本发明不做限定。其中，
处理器1101可包括一个或多个通用处理器，例如图形处理器(graphicprocessing unit，GPU)。处理器1101可用于运行存储器1102中存储的相关程序或程序对应的指令，以实现车辆的相应功能。
存储器1102可以包括易失性存储器(volatile memory)，例如RAM；存储器也可以包括非易失性存储器(non-vlatile memory)，例如ROM、快闪存储器(flash memory)、HDD或固态硬盘SSD；存储器1102还可以包括上述种类的存储器的组合。存储器1102可用于存储一组程序代码或程序代码对应的指令，以便于处理器1101调用存储器1102中存储的程序代码或指令以实现车辆的相应功能。该功能包括但不限于图1所示的车辆功能框架示意图中的部分功能或全部功能。本发明中，存储器1102中可存储一组用于参数调整的程序代码，处理器1101调用该程序代码可调整车辆中摄像装置(例如摄像装置)的曝光参数，关于如何实现摄像装置的参数调整具体在本发明下文详述。
可选地，存储器1102除了存储程序代码或指令之外，还可存储诸如道路地图、驾驶线路、传感器数据等信息。计算机系统110可以结合车辆功能框架示意图中的其他元件，例如传感器系统中的传感器、GPS等，实现车辆的相关功能。例如，计算机系统110可基于传感器系统102的数据输入控制车辆100的行驶方向或行驶速度等，本发明不做限定。
需要说明的是，上述图1仅为车辆100的一种可能的功能框架示意图。在实际应用中，车辆100可包括更多或更少的系统或元件，本发明不做限定。
接着，介绍本发明适用的一种可能的系统框架。请参见图2，是本发明实施例提供的一种可能的系统框架示意图。该系统200中包括车辆202。可选地，该系统200中还可包括数据库204和隧道光照系统206。其中，
车辆202具体可为如上图1所示的车辆100。在实际应用中，车辆202中可包括天气系统、地图导航系统、网络对时系统、自动驾驶系统和摄像装置等元件，其具体可参见图1所述实施例中的相关阐述，这里不再赘述。关于车辆202中各元件的部署方式以及部署位置，本发明不做限定。以摄像装置为摄像头为例，该摄像头可安装在车辆202的内部或外部，例如图示中摄像头安装在天窗的外部。可选地，摄像头的安装角度也可根据用户实际需求或用户喜好自定义设置，本发明不做限定。
车辆202可包括但不限于卡车、货车、火车、小轿车、摩托车、越野车、农用车、或者其他交通工具或设备。
数据库204可部署在车辆202的本地，或者部署在其他设备(例如服务器或云端服务器)上。数据库204用于存储数据，例如在车辆进出隧道时需重新调整摄像装置的曝光参数的应用场景中，该数据库可用于存储车辆进出隧道前后摄像装置的曝光参数，也可存储车辆进出隧道前后的隧道环境数据，还可存储车辆进出隧道前后的隧道环境数据和摄像装置的曝光参数之间的对应/关联关系等等，本发明不做限定。
隧道环境数据是指车辆进出隧道时与隧道有关的环境数据，其可包括隧道内的环境数据和隧道外的环境数据。隧道内的环境数据可以包括但不限于隧道内的光照亮度、隧道内的通风量、隧道内的温度和气压等，隧道外的环境数据可包括但不限于隧道外的光照亮度(也可称为环境亮度)、隧道外的温度、气压以及降雨量等等。
举例来说，如果数据库中存储有车辆进出某个隧道时，车辆中摄像装置的曝光参数。便于车辆再次行驶进出该隧道时，可直接从数据库中获取摄像装置的曝光参数，将其设置为当前摄像装置的曝光参数。便于摄像装置利用该曝光参数采集到画面清晰、不模糊的图像，有利于车辆的安全行驶。
隧道光照系统206部署在隧道中，用于调整隧道内的照明亮度，避免隧道内的光照过暗引发交通事故，降低车辆行驶的安全性。可理解的，车辆进出隧道前后光照亮度存在很明显地变化，为避免隧道内的光线过暗引发交通事故，隧道光照系统可为隧道提供相应地光照亮度，便于车辆在隧道内行驶时，不会受限于光照亮度过暗引发交通事故。
在实际应用中，隧道光照系统206具体可包括感光模块和车联网(vehicle toeverything，V2X)模块，感光模块用于提供相应地光照亮度，V2X模块用于实现车辆和V2X模块之间的信息交互，例如V2X模块可实时或周期性地向隧道内中的车辆发生广播消息，该广播消息可用于通知隧道内的光照亮度、隧道内的车流密度等信息。可选地，车辆进入隧道后，车辆可主动向V2X模块发送通知消息，该通知消息用于指示车辆的标识或车辆的行驶速度等信息，本发明并不做限定。可选地，隧道光照系统206也可将隧道相关的信息发送到网络侧，例如通过通过V2X模块将隧道相关的信息发送到网络服务器中。相应地，车辆可从网络服务器中获取该隧道相关的信息，该信息包括但不限于隧道内的光照亮度、气温、车流密度以及隧道长度等信息。便于后续车辆处理获取的隧道相关的信息等，本发明并不做限定。
然后，介绍本发明适用的场景示意图。请参见图3A和图3B示出两种可能的场景示意图。其中，图3A为车辆进入隧道的场景示意图，图3B为车辆驶出隧道的场景示意图。
具体的，如图3A和3B所示，车辆在进入隧道以及驶出隧道时，光照亮度存在明显地变化。如图3A，车辆在进入隧道后，相比于隧道外光照亮度明显变暗。如图3B，车辆驶出隧道后，相比于隧道内光照亮度明显变亮。在车辆进出隧道时，如果摄像装置采用现有技术中相同的曝光参数来进行拍照，显然地车辆进出隧道前后拍摄获得的图像中会存在画面模糊、不清晰的图像。例如，在车辆进入隧道前摄像装置采用曝光参数1，即可拍摄获得画面清晰的图像。当车辆进入隧道后摄像装置如果还采用曝光参数1来拍照，很容易获得清晰度不高的图像。在无人驾驶车辆中，车辆需依据摄像装置采集的图像来控制车辆的行进，由于图像画面不清晰，很容易引发安全事故，降低车辆行驶的安全性。
为解决上述问题，本发明提出基于隧道环境数据来对车辆进出隧道时摄像装置的曝光参数进行重新调整的方案，便于摄像装置能够采集到清晰、不模糊的图像，进而保证无人驾驶车辆的安全行驶。关于如何根据隧道环境数据来调整摄像装置的曝光参数，具体在本发明下文详述。
再者，介绍本发明涉及的相关方法实施例。请参见图4，是本发明实施例提供的一种参数调整方法的流程示意图。如图4所示的方法应用在安装有摄像装置的车辆中，本发明以摄像装置为摄像装置为例进行相关内容的阐述。该方法可包括如下实施步骤：
步骤S402、计算设备获取隧道环境数据。该隧道环境数据为在车辆进出隧道前采集的与隧道相关的环境数据。
本发明中，计算设备可获取车辆进出隧道前的隧道环境数据。在一个示例中，该隧道环境数据可包括隧道内的环境数据和隧道外的环境数据，该环境数据包括但不限于隧道位置、隧道名称、光照亮度、天气数据、时间数据和时区数据等。其中，隧道外的光照亮度也可称为环境亮度。天气数据是指用于描述天气状况的数据，其可包括但不限于气温、气压、降雨量以及降雪量等。这里的时间数据可以是指车辆的系统当前时间，也可是指车辆到达隧道口的预测时间，该隧道口为车辆进出隧道的隧道口，或者其他时间相关的数据。时区数据可以是指车辆当前所处的时区，例如东八区、北纬120°等。
在又一个示例中，该隧道环境数据可以是指隧道图像数据，即是包括隧道口区域的隧道图像。该隧道口区域是指车辆进出隧道的隧道口在隧道图像中占用的图像区域。例如，以图3A中车辆进入隧道的场景为例，该隧道口是指车辆进入隧道时该隧道的入口，具体可为图示中的隧道口1。又如，以图3B车辆驶出隧道的场景为例，该隧道口是指车辆驶出隧道时该隧道的出口，具体可为图3B中的隧道口2。
该隧道图像是指车辆进出隧道前采集的图像。具体实现中，该隧道图像具体可为在车辆进出隧道前，计算设备调用车辆中的摄像装置采集的图像。也可为在车辆进出隧道前，计算设备通过调用其他设备中的摄像装置采集的图像，本发明并不做限定。
在一个示例中，计算设备获取隧道环境数据之前，需判定是否满足预设条件。如果满足预设条件，计算设备可执行上述S402的步骤；否则，结束流程。该预设条件可为系统自定义设置的条件。示例性地，该预设条件可包括以下条件中的任一项或多项的组合：
1)系统当前时间和预测的车辆达到隧道口的时间之间的间隔时长小于或等于第一预设时长。
具体的，计算设备可根据车辆的定位信息和隧道的地图信息计算获得车辆到达隧道口的预测时间。该车辆的定位信息可为GPS定位获得的车辆的当前位置。地图信息是指包括车辆进出的隧道在内的空间信息，用于反映隧道在地图上的相关信息，例如隧道的位置、隧道的长度以及隧道的名称等信息。
在实际应用中，计算设备根据车辆的当前位置并结合地图信息，具体可为地图上车辆的当前位置和地图上隧道口的位置，可选地还可结合车辆的平均行驶速度，来预测计算车辆到达隧道口时的时间，即为预测时间。
该第一预设时长为系统自定义设置的时间阈值，其具体可为系统根据一系列数据统计获得的经验值。在实际应用中，考虑到数据的时效性，第一预设时长可在一个合理的时长范围内随意设置，例如0-8分钟等。
2)车辆的当前位置和隧道口之间的距离小于或等于第一预设距离。该第一预设距离同样可为系统自定义设置的，例如100米等等。
其中，计算设备确定距离的具体实施方式，本发明并不做限定。该距离是指车辆的当前位置和隧道口之间的距离。例如，计算设备可通过GPS定位估算车辆的当前位置和隧道口之间的距离，具体的，通过GPS定位确定车辆的当前位置，进而计算地图上该车辆的当前位置和隧道口之间的距离。又如，计算设备可通过车辆上安装的雷达传感器检测车辆的当前位置和隧道口之间的距离，或者通过车辆上安装的激光测距单元检测获得车辆的当前位置和隧道口之间的距离等等。
3)隧道口区域在隧道图像中所占的比值(或比例)大于或等于第一预设阈值。该隧道图像为车辆进出隧道前采集的包括隧道口区域在内的隧道图像。关于隧道口区域以及隧道图像可参见前述实施例中的相关介绍，这里不再赘述。第一预设阈值同样可为系统自定义设置的，例如根据用户经验设置的经验值，或者根据一系列统计数据计算获得的，本发明不做限定。
可选地，当隧道环境数据为包括隧道口区域在内的隧道图像时，计算设备可先调用摄像装置采集车辆进出隧道前的隧道图像。然后，计算设备在判断隧道图像中的隧道口区域所占的比例是否超过第一预设阈值。如果超过第一预设阈值，计算设备可继续执行步骤S404；反之如果没超过第一预设阈值，则结束流程或者重新执行步骤S402。
本发明中，计算设备可包括但限于汽车、手机、平板电脑(table personalcomputer)、个人数字助理(personal digital assistant，PDA)、移动上网装置(mobileinternet device，MID)、可穿戴式设备(wearable device)以及其他支持和网络通信的设备等。
步骤S404、计算设备根据隧道环境数据，确定车辆中摄像装置的曝光参数。
在一个示例中，计算设备可将隧道环境数据输入预设的神经网络模型中，以计算获得摄像装置的曝光参数。该神经网络模型可为预先训练好的模型，用于预测摄像装置的曝光参数。该模型包括但不限于卷积神经网络模型、循环神经网络模型、深度神经网络模型、前馈神经网络模型、深度信念网络模型、生成式对抗网络模型以及其他深度学习模型等。
可理解地，为保证模型精确度，需多次、反复地进行模型训练。且，每次模型训练中需占用大量的计算资源。为节省计算设备的资源开销，将模型训练放在云端实现。下面以云端服务器训练初始模型为例阐述如何训练获得神经网络模型。
具体的，云端服务器可获取多组训练样本。每组训练样本中都包括有历史隧道环境数据和摄像装置对应的历史曝光参数(预期结果)。接着，云端服务器可利用多组训练样本对待训练的初始模型进行一次或多次训练，从而获得训练好的神经网络模型。具体的，计算设备可每组训练样本输入初始模型中计算该训练样本对应的计算结果(即摄像装置的预测曝光参数)，然后将该训练样本对应的预期结果和计算结果进行对比，得到该训练样本对应的偏差。接着，根据该训练样本的偏差对初始模型进行反向传播(即对初始模型中的每个网络层的权值(当网络层中还包括偏置时，还可包括偏置)进行调整)，以获得训练好的神经网络模型。
可选地，在云端服务器获得训练好的神经网络模型后，可将其缓存在云端服务器中。计算设备根据实际需求可从云端服务器中获取该神经网络模型，将其部署在计算设备本地。便于后续利用该神经网络模型预测获得摄像装置的曝光参数。
举例来说，隧道环境数据可包括m个环境数据，例如时间数据、天气数据、环境亮度和隧道亮度等。该训练好的神经网络模型的数学表达式可为：
Figure BDA0001843717810000091
其中，c为摄像装置的曝光参数。c0为摄像装置的初始曝光参数，也可为摄像装置的平均曝光参数。i为隧道环境参数中包括的m个环境数据。以隧道环境数据包括时间数据、天气数据、环境亮度和隧道亮度为例，则m＝4。xi为环境数据i的值，例如输入的时间数据的值等。x0为环境数据i的标准值，bi为环境数据i对应的补偿系数，pi为环境数据i对应的权重，其为小于等于1的常数。
Figure BDA0001843717810000092
即m个pi的总和为1。其中，c0、x0、bi以及pi均为根据历史环境数据以及摄像装置的历史曝光参数训练获得的，关于这些参数值如何训练本发明这里不再详述。
相应地，在使用过程中，计算设备可将S402中获得的隧道环境数据输入上述神经网络模型中，从而依据上述神经网络模型的数学表达式计算获得该隧道环境数据对应的摄像装置的曝光参数c。
在又一个示例中，当隧道环境数据为包括诸如天气数据和环境亮度在内的环境数据时，计算设备可从数据库中查找出与该隧道环境数据匹配的曝光补偿参数。然后，计算设备可获取摄像装置的初始曝光参数，根据该初始曝光参数和曝光补偿参数计算获得车辆进出隧道时摄像装置的曝光参数。该初始曝光参数可为系统自定义设置的，例如根据经验设置的经验曝光参数等。可选地，该初始曝光参数也可为在车辆进出隧道前采集的N帧图像的平均曝光参数，N为自定义设置的正整数。在实际应用中，为保证参数的精准性，N通常可设置得较大，例如200等等。
数据库可为部署在计算设备本地的数据库，也可为部署在其他设备或云端设备的数据库，本发明不做限定。该数据库中至少存储/包括有该隧道环境数据和至少一个补偿参数之间的对应关系，每个补偿参数对应拥有一个置信度，该置信度用于指示补偿参数被选取为曝光补偿参数的大小(或概率大小)。计算设备查找的曝光补偿参数为至少一个补偿参数中置信度最大的一组补偿参数。
下面示例性阐述计算设备获得隧道环境数据匹配的曝光补偿参数涉及的相关实施例。
在一种可能的实施例中，当隧道环境数据包括诸如天气数据和环境亮度在内的多个环境数据时，每个环境数据配置有对应的重要度，该重要度用于指示环境数据对曝光补偿参数查找的重要程度。其中，同一隧道环境数据下的多个环境数据各自的重要度之间互不相同，即是不存在重要度相同的两个环境数据，避免后续出现数据匹配错误。相应地，计算设备可根据每个环境数据各自的重要度，按照预设排列顺序依次从数据库中匹配出与之相对应的曝光补偿参数。该预设排列顺序为系统自定义设置的，例如按照重要度从大到小的顺序等等。例如，天气数据的重要度大于环境亮度的重要度，则表示天气数据对曝光补偿参数的确定的重要度更高。相应地，计算设备可优先匹配天气数据，然后再匹配环境亮度，下面举一个例子进行详细说明。
以车辆进入隧道A为例，数据库中包括有n个场景数据，每个场景数据包括有一组历史隧道环境数据和多个历史补偿参数的对应关系，其中每组隧道环境数据中包括有多个环境数据，例如天气数据、时间数据、隧道内的照明亮度(简称隧道亮度)和隧道外的照明亮度(简称环境亮度)等。每个环境数据对应配置有相应的重要度，每个历史补偿参数对应配置有相应的置信度，具体可参见前述实施例中的相关介绍，这里不再详述。具体如下表1示出数据库中的n个场景数据。
表1
Figure BDA0001843717810000101
Figure BDA0001843717810000111
引用如上表1示出的数据库，下面阐述基于该数据库如何查找出隧道环境数据对应的摄像装置的曝光补偿参数。例如，计算设备在获取到隧道环境数据后，根据各个数据的数据的重要性依次筛除不满足条件的场景，例如，由于时间数据重要度最大，先将历史隧道数据中时间数据与获取到的时间数据差值较大的场景剔除；由于天气数据重要度次之，再从剩下的场景中将天气数据与获取到的天气数据差值较大的场景剔除；依次类推，最终找到最匹配的场景。可选的，在根据历史隧道数据和获取到的隧道数据的差值剔除不合适的场景时，可以设定阈值，即将差值大于预设阈值的场景剔除，保留差值不超过预设阈值的场景。
在本示例中，根据上述做法匹配最接近的场景后，假设计算设备确定到的与隧道环境数据匹配或相似的场景数据为表1中的场景2的数据。相应地，计算设备可从场景2的数据所对应的4个补偿参数(具体为上表1中的补偿参数21～24)中选取置信度最大的一个补偿参数22作为摄像装置的曝光补偿参数。
在另一种可能的实施例中，当隧道环境数据包括诸如天气数据和环境亮度在内的多个环境数据时，每个环境数据配置有对应的权重，该权重用于指示环境数据对曝光补偿参数确定的影响大小或重要程度。每个环境数据的权重均为小于1等于1，大于0的常数。同一隧道环境数据下的多个环境数据的权重之和为1。相应地，计算设备可根据隧道环境数据中的每组环境数据和该环境数据的权重从数据库中匹配出与该隧道环境数据对应的至少一个补偿参数，进而从至少一个补偿参数中选取置信度最大的一个补偿参数，作为摄像装置的曝光补偿参数。
其中，计算设备可采用如下公式(1)计算隧道环境数据和数据库中的历史隧道数据之间的偏差值：
Figure BDA0001843717810000112
该偏差值用于反映隧道环境数据与该历史隧道数据之间的差异大小(或相似度大小)。偏差值越大，表示这两种数据之间的差异度越大，相似度越小；反之，偏差值越小，表示这两种数据之间的差异度越小，相似度越大。其中，y为偏差值。m为隧道环境数据中包括的环境数据的数量。yi为隧道环境数据中的环境数据i。yi'为历史隧道环境数据中的环境数据i。pi为环境数据i对应的权重，其为小于等于1，大于0的常数。qi为环境数据i对应的转换系数，用于将数据(yi-yi')转换为设定数量级的数据，该设定数量级为系统自定义的数量级。例如，将其转换为介于0-10之间的数据等等。
可理解的，计算设备依据上述公式(1)可计算出隧道环境数据和数据库中的每个历史隧道环境数据之间的偏差值，从数据库中选取偏差值最小的一组历史隧道环境数据，进而将选取的历史隧道数据对应的至少一个历史补偿参数作为与隧道环境数据匹配对应的至少一个补偿参数。
举例来说，参考前述表1所在的示例，数据库包括n个场景数据，每个场景数据包括一个历史隧道环境数据和多个历史补偿参数的对应关系，每个历史隧道环境包括n个环境数据，这里仅以天气数据、时间数据、隧道亮度和环境数据为例示出。每个环境数据对应配置相应地权重，每个历史补偿参数对应配置有相应地置信度，具体可参见前述实施例中的相关介绍。如下表2示出数据库中的n个场景数据。
表2
Figure BDA0001843717810000121
如上表2所示的数据库，计算设备在获得隧道环境数据后，可采用如上公式(1)所示的偏差值计算公式，计算上述n个场景数据(即n个历史隧道环境数据)和隧道环境数据各之间的偏差值，然后从n个场景数据中选取偏差值最小的一个场景数据，作为与隧道环境数据匹配(或最相近)的场景数据，这里假设选定场景1的数据。进一步地，计算设备可将场景1对应的多个历史补偿参数(具体可为上述补偿参数11～14)作为数据库中与隧道环境数据匹配的多个补偿参数。进而，计算设备从这多个补偿参数(补偿参数11～14)中选取置信度最大的一个补偿参数12，作为摄像装置的曝光补偿参数。
在又一个示例中，当隧道环境数据为隧道图像数据，即车辆进出隧道前采集的包括隧道口区域在内的隧道图像，关于隧道图像以及隧道口区域具体可参见前述实施例中的相关阐述，这里不再赘述。此时，计算设备可分析该隧道图像，确定该隧道图像中的隧道口区域是否存在过曝和/或欠曝，如果不存在过曝和欠曝，则可结束流程，或者将该隧道图像对应的摄像装置的曝光参数直接作为车辆进出隧道时该车辆中的摄像装置的曝光参数。
相应地，如果该隧道口区域存在过曝时，可减小摄像装置的曝光量，以获得隧道口区域不存在过曝时该摄像装置的曝光参数。具体的，在车辆进出隧道前，计算设备可调用摄像装置采集包括隧道口区域在内的隧道图像，进而分析确定该隧道口区域是否存在过曝。如果存在过曝，计算设备可调整减小摄像装置的曝光量，然后利用调整后的摄像装置重新采集车辆进出隧道前的包括隧道口区域在内的隧道图像，再分析该隧道口区域是否存在过曝，重复执行上述操作步骤，直至确定到隧道图像中的隧道口区域不存在过曝。最后，计算设备可将隧道口区域不存在过曝时该隧道口区域所在隧道图像的曝光参数作为车辆进出隧道时摄像装置的曝光参数。
其中，计算设备可通过以下调整方式中的至少一项来减少摄像装置的曝光量：减小光圈、增大快门、减小曝光时间和减小曝光值等等。摄像装置的曝光参数是指是指用于影响摄像装置曝光量大小的参数，该参数包括但不限于光圈、快门、曝光时间、曝光值以及感光度等等。
如果该隧道口区域存在欠曝时，计算设备可调整增大摄像装置的曝光量，以获得隧道口区域不存在欠曝时该摄像装置的曝光参数。具体的，在车辆进出隧道前，计算设备可调用摄像装置采集包括隧道口区域在内的隧道图像，进而分析确定该隧道口区域是否存在欠曝。如果存在过曝，计算设备可调整增大摄像装置的曝光量，然后利用调整后的摄像装置重新采集车辆进出隧道前的包括隧道口区域在内的隧道图像，再分析该隧道口区域是否存在欠曝，重复执行上述操作步骤，直至确定到隧道图像中的隧道口区域不存在欠曝。最后，计算设备可将隧道口区域不存在欠曝时该隧道口区域所在隧道图像的曝光参数作为车辆进出隧道时摄像装置的曝光参数。其中，计算设备可通过以下调整方式中的至少一项来增大摄像装置的曝光量：增大光圈、减小快门、增大曝光时间和增大曝光值等等。
可选地，计算设备可将隧道口区域不存在过曝和欠曝时，该隧道口区域所在隧道图像的曝光参数作为车辆进出隧道时摄像装置的曝光参数。关于隧道口区域存在过曝和欠曝时如何调整获得摄像装置的曝光参数，可参见前述实施例中的相关阐述，这里不再赘述。
在一个示例中，计算设备在分析隧道图像中的隧道口区域时，可判断隧道口区域是否满足以下预设的过曝条件，如果满足，则可确定隧道口区域存在过曝；否则，可确定隧道口区域不存在过曝。其中，该过曝条件为系统自定义设置的，用于判定图像区域是否存在过曝。例如，该过曝条件可包括但不限于以下中的任一项或多项的组合：1)隧道口区域中的像素亮度的平均值(即每个像素的亮度值的平均值)大于或等于第一预设亮度，该第一预设亮度可为系统自定义设置的，例如依据用户经验设置的经验值。2)隧道口区域中的像素亮度的平均值和该隧道口区域所在的隧道图像的像素亮度的平均值之间的比值大于或等于第一预设比值。3)隧道口区域中的像素亮度的平均值和背景区域的像素亮度的平均值之间的比值大于或等于第二预设比值。其中，背景区域是指隧道图像中除隧道口区域之外的图像区域。第一预设比值和第二预设比值都可以是系统自定义设置的，例如设置的经验值，它们可以相同，也可不相同。
在一个示例中，计算设备在分析隧道图像中的隧道口区域时，可判断隧道口区域是否满足以下预设的欠曝条件，如果满足，则可确定隧道口区域存在欠曝；否则，可确定隧道口区域不存在欠曝。其中，该欠曝条件为系统自定义设置的，用于判定图像区域是否存在欠曝。例如，该欠曝条件可包括但不限于以下中的任一项或多项的组合：1)隧道口区域中的像素亮度的平均值(即每个像素的亮度值的平均值)小于或等于第二预设亮度，该第二预设亮度可为系统自定义设置的，例如依据用户经验设置的经验值。2)隧道口区域中的像素亮度的平均值和该隧道口区域所在的隧道图像的像素亮度的平均值之间的比值小于或等于第三预设比值。3)隧道口区域中的像素亮度的平均值和该隧道图像中除隧道口区域外的图像区域的像素亮度的平均值之间的比值小于或等于第四预设比值。其中，第三预设比值和第四预设比值都可以是系统自定义设置的，例如设置的经验值，它们可以相同，也可不相同。
步骤S406、在车辆进出隧道时，计算设备根据确定的曝光参数来调整摄像装置。
本发明中，计算设备在步骤S404中确定到摄像装置的曝光参数后，可检测车辆当前是否进出隧道。在检测到车辆进出隧道时，计算设备可将确定的曝光参数设置为摄像装置的曝光参数，便于车辆进出隧道后摄像装置采用该曝光参数，能采集到画面清晰、不模糊的图像。在无人驾驶场景下，车辆可依据摄像装置采集的图像来分析路况，进而控制车辆的行驶，从而有效保证了车辆行驶的安全性。
可选地，计算设备检测车辆当前是否进出隧道的具体实施方式可为：通过GPS定位系统检测车辆的当前位置是否到达隧道口，或者，通过判断系统当前时间是否到达预测时间，该预测时间为车辆到达隧道口的时间，关于预测时间的相关阐述可参见前述实施例中的相关介绍，这里不再赘述。
在一个示例中，为提升摄像装置的拍照效果以及保证车辆行驶的安全性，在车辆进出隧道后，计算设备还可对摄像装置的曝光参数进行微调。例如，计算设备可采集车辆进出隧道后的M帧图像，并对这M帧图像中的像素亮度求取平均值，以获得对应的平均亮度值。如果该平均亮度值处于预设标准亮度范围中，可结束流程，不对摄像装置的曝光参数进行调整。
如果该平均亮度值大于预设标准亮度范围的上限值，可调整摄像装置的曝光参数以减小摄像装置的曝光量，使得利用调整后的摄像装置重新采集的M帧图像的平均亮度值处于预设标准亮度范围中。例如，计算设备在确定到M帧图像的平均亮度值大于上限值时，可按照预设调整规则，如按照每次0.5s来减小曝光时间以减小曝光量，使得重新采集的M帧图像的平均亮度处于预设标准亮度范围中，即保证重新采集的M帧图像不存在过曝和/或欠曝。
相应地，如果该平均亮度值小于预设标准亮度范围的下限值，可调整摄像装置的曝光参数以增大摄像装置的曝光量，使得利用调整后的摄像装置重新采集的M帧图像的平均亮度值处于预设标准亮度范围中。关于如何增大或减小曝光量可参见前述实施例中的相关阐述，这里不再赘述。其中，预设标准亮度范围为系统自定义设置的，例如90-110等。M为正整数。
在一个示例中，计算设备可将隧道环境数据以及隧道环境数据对应的摄像装置的曝光参数关联存储至数据库中。便于下次车辆进入或驶出该隧道时，依据该隧道的标识(例如隧道位置或隧道名称)可直接从数据库中获取该摄像装置的曝光参数，从而节省了计算开销。可选地，该摄像装置的曝光参数可为微调后的曝光参数。
具体的，计算设备可先查询数据库中是否已存储有该隧道环境数据和该摄像装置的历史曝光参数之间的对应关系，如果存在，可继续查询该隧道环境数据对应的历史曝光参数是否和当前计算的曝光参数一致，如果一致，可结束流程。如果不一致，可将该隧道环境数据和对应的曝光参数发送给数据库，便于数据库更新该隧道环境数据对应的曝光参数。相应地，如果数据库中没有存储隧道环境数据和曝光参数之间的对应关系，计算设备可将该隧道环境数据和对应的摄像装置的曝光参数发送给数据库，便于将它们之间的对应关系存储到数据库中。
或者，计算设备可将该隧道环境数据和该隧道环境数据对应的摄像装置的曝光参数直接发送给数据库。如果数据库中存储有该隧道环境数据和摄像装置的历史曝光参数之间的对应关系时，数据库可查询数据库中与该隧道环境数据对应的历史曝光参数和当前接收的曝光参数是否一致，如果一致，则结束流程，放弃保存。如果不一致，数据库也可保存该隧道环境数据和摄像装置的历史曝光参数，便于提升模型训练的精确度。或者，数据库可直接更新并保存与该隧道环境数据对应的曝光参数。相应地，如果数据库中没有存储该隧道环境数据和对应的曝光参数，数据库可直接将它们进行关联存储，即存储它们之间的对应关系。
通过实施本发明实施例，在车辆进出隧道时能够及时合理地调整摄像装置的曝光参数，有利于采集画面清晰、不模糊的图像，从而保障了图像采集的清晰度，同时还可提升车辆行驶的安全性。
结合上文图1-图4所述的实施例，下面介绍本发明适用的相关装置和设备。请参见图5，是本发明实施例提供的一种参数调整装置的结构示意图。所述参数调整装置500包括通信模块502和处理模块504。其中，处理模块504可用于对参数调整装置500的动作进行控制和管理。例如，该处理模块504用于执行图4中的步骤S404以及S406，和/或用于执行文本所描述的技术的其他内容。通信模块502用于与其他模块或设备进行通信，例如，通信模块502用于执行图4中的步骤S402。或者，通信模块502可用于从云端服务器的数据库中获取隧道环境数据对应的摄像装置的曝光参数，也可用于将隧道环境数据和计算的摄像装置的曝光参数发送给云端服务器的数据库中。
可选地，该参数调整装置500还可包括存储模块506。该存储模块506用于存储参数调整装置500的程序代码和数据，例如存储用于参数调整的程序代码。处理模块504用于调用该存储模块506中的程序代码以实现如上图4所述方法实施例中的实施步骤，和/或文本所所描述的技术的其他内容步骤。
其中，处理模块504可以是处理器或控制器，例如可以是中央处理器(CentralProcessing Unit，CPU)，通用处理器，数字信号处理器(Digital Signal Processor，DSP)，专用集成电路(Application-Specific Integrated Circuit，ASIC)，现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。通信模块502可以是通信接口、收发器、收发电路等，其中，通信接口是统称，可以包括一个或多个接口，例如通信模块与处理模块之间的接口、计算设备与其他设备之间的接口等。存储模块506可以是存储器，或者其他用于提供存储功能的服务或模块。
当处理模块504为处理器，通信模块502为通信接口，存储模块506为存储器时，本发明实施例所涉及参数调整装置可以为图6所示的参数调整装置(或计算设备)。
请参见图6所示，该计算设备600包括一个或多个处理器601、通信接口602和存储器603，处理器601、通信接口602和存储器603可通过总线或者其它方式连接，本发明实施例以通过总线604连接为例。其中：
处理器601可以由一个或者多个通用处理器构成，例如中央处理器(CentralProcessing Unit，CPU)。处理器601可用于运行相关的程序代码中以下任一项或多项功能模块的程序：通信模块、处理模块以及存储模块等。也就是说，处理器601执行程序代码可以实现通信模块以及处理模块等功能模块中的任一项或多项的功能。其中，关于所述通信模块以及处理模块具体可参见前述实施例中的相关阐述。
通信接口602可以为有线接口(例如以太网接口)或无线接口(例如蜂窝网络接口或使用无线局域网接口)，用于与其他模块/设备进行通信。例如，本发明实施例中通信接口602具体可用于向云端服务器的数据库发送隧道环境数据和摄像装置的曝光参数等。
存储器603可以包括易失性存储器(Volatile Memory)，例如随机存取存储器(Random Access Memory，RAM)；存储器也可以包括非易失性存储器(Non-VolatileMemory)，例如只读存储器(Read-Only Memory，ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)；存储器603还可以包括上述种类的存储器的组合。存储器603可用于存储一组程序代码，以便于处理器601调用存储器603中存储的程序代码以实现本发明实施例中涉及的通信模块和/或处理模块的功能。
需要说明的，图6仅仅是本申请实施例的一种可能的实现方式，实际应用中，训练平台还可以包括更多或更少的部件，这里不作限制。关于本申请实施例中未示出或未描述的内容，可参见前述图4所述实施例中的相关阐述，这里不再赘述。
本发明实施例还提供一种计算机非瞬态存储介质，所述计算机非瞬态存储介质中存储有指令，当其在处理器上运行时，图4所示的方法流程得以实现。
本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在处理器上运行时，图4所示的方法流程得以实现。
结合本发明实施例公开内容所描述的方法或者算法的步骤可以硬件的方式来实现，也可以是由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read only memory，ROM)、可擦除可编程只读存储器(erasable programmable ROM，EPROM)、电可擦可编程只读存储器(electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、只读光盘(CD-ROM)或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于计算设备中。当然，处理器和存储介质也可以作为分立组件存在于计算设备中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (7)

1.一种摄像装置调整方法，其特征在于，包括：
获取隧道环境数据，所述隧道环境数据为车辆进出隧道前采集的与所述隧道相关的环境数据，其中，所述车辆中安装有用于采集图像的摄像装置；
根据所述隧道环境数据，确定所述车辆中的摄像装置的曝光参数；包括：根据所述隧道环境数据从数据库中获得曝光补偿参数，所述数据库包括多个场景数据，所述多个场景数据中的每个场景数据包括一组历史隧道环境数据和历史补偿参数的对应关系，每组所述历史隧道环境数据包括多个环境数据，每个环境数据对应一个历史补偿参数；根据所述隧道环境数据的重要程度依次匹配确定匹配的场景数据，根据所述匹配的场景数据对应的历史补偿参数和其对应的置信度确定所述摄像装置的曝光补偿参数，每个补偿参数对应一个置信度，所述置信度用于指示对应的补偿参数被选取为所述曝光补偿参数的概率大小；根据初始曝光参数和所述曝光补偿参数，获得所述摄像装置的曝光参数，其中，所述初始曝光参数为所述车辆进出隧道前采集的N帧图像的平均曝光参数，N为正整数；
在所述车辆进出所述隧道时，根据所述曝光参数调整所述摄像装置；
所述隧道环境数据包括以下中的至少一项：隧道内的照明亮度、隧道外的环境亮度、天气数据以及时间数据。
2.根据权利要求1所述的方法，其特征在于，所述获取隧道环境数据包括：
在隧道口区域占隧道图像的比值大于或等于第一预设阈值时，获取隧道环境数据；其中，所述隧道图像为所述车辆进出隧道前采集的包括所述隧道口区域的隧道图像，所述隧道口区域为所述隧道的隧道口在所述隧道图像中所占的图像区域。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
向数据库发送所述隧道环境数据和所述摄像装置的曝光参数。
4.一种参数调整装置，其特征在于，包括：
通信模块，用于获取隧道环境数据，所述隧道环境数据为车辆进出隧道前采集的与所述隧道相关的环境数据，其中，所述车辆中安装有用于采集图像的摄像装置；
处理模块，用于根据所述隧道环境数据，确定所述车辆中的摄像装置的曝光参数，并且，在所述车辆进出隧道时，根据所述曝光参数调整所述摄像装置；在所述根据所述隧道环境数据，确定所述车辆中的摄像装置的曝光参数方面，所述处理模块具体用于根据所述隧道环境数据从数据库中获得曝光补偿参数，所述数据库包括多个场景数据，所述多个场景数据中的每个场景数据包括一组历史隧道环境数据和历史补偿参数的对应关系，每组所述历史隧道环境数据包括多个环境数据，每个环境数据对应一个历史补偿参数；根据所述隧道环境数据的重要程度依次匹配确定匹配的场景数据，根据所述匹配的场景数据对应的历史补偿参数和其对应的置信度确定所述摄像装置的曝光补偿参数，每个补偿参数对应一个置信度，所述置信度用于指示对应的补偿参数被选取为所述曝光补偿参数的概率大小；根据初始曝光参数和所述曝光补偿参数，获得所述摄像装置的曝光参数，其中，所述初始曝光参数为所述车辆进出隧道前采集的N帧图像的平均曝光参数，N为正整数；
所述隧道环境数据包括以下中的至少一项：隧道内的照明亮度、隧道外的环境亮度、天气数据以及时间数据。
5.根据权利要求4所述的装置，其特征在于，
所述通信模块，具体用于在隧道口区域占隧道图像的比值大于或等于第一预设阈值时，获取隧道环境数据；其中，所述隧道图像为所述车辆进出隧道前采集的包括所述隧道口区域的隧道图像，所述隧道口区域为所述隧道的隧道口在所述隧道图像中所占的图像区域。
6.根据权利要求4所述的装置，其特征在于，
所述通信模块，还用于向数据库发送所述隧道环境数据和所述摄像装置的曝光参数。
7.一种计算设备，其特征在于，包括：处理器，存储器，通信接口和总线；所述处理器、所述通信接口、所述存储器通过总线相互通信；所述通信接口，用于接收和发送数据；所述存储器，用于存储指令；所述处理器，用于调用所述存储器中的指令，执行如上权利要求1-3中任一项所述的方法。
CN201811260175.0A 2018-10-26 2018-10-26 摄像装置调整方法及相关设备 Active CN109246364B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811260175.0A CN109246364B (zh) 2018-10-26 2018-10-26 摄像装置调整方法及相关设备
EP19875951.6A EP3783882B1 (en) 2018-10-26 2019-06-06 Camera apparatus adjustment method and related device
PCT/CN2019/090372 WO2020082745A1 (zh) 2018-10-26 2019-06-06 摄像装置调整方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811260175.0A CN109246364B (zh) 2018-10-26 2018-10-26 摄像装置调整方法及相关设备

Publications (2)

Publication Number Publication Date
CN109246364A CN109246364A (zh) 2019-01-18
CN109246364B true CN109246364B (zh) 2021-10-01

Family

ID=65078646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811260175.0A Active CN109246364B (zh) 2018-10-26 2018-10-26 摄像装置调整方法及相关设备

Country Status (3)

Country Link
EP (1) EP3783882B1 (zh)
CN (1) CN109246364B (zh)
WO (1) WO2020082745A1 (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109246364B (zh) * 2018-10-26 2021-10-01 华为技术有限公司 摄像装置调整方法及相关设备
CN111756962A (zh) * 2019-03-29 2020-10-09 上海擎感智能科技有限公司 一种摄像装置及其控制方法
CN110120045B (zh) * 2019-06-14 2023-05-12 晓智未来(成都)科技有限公司 一种基于回归模型的x光成像曝光参数确定方法
CN110593957B (zh) * 2019-10-08 2021-09-28 上海市东方海事工程技术有限公司 一种隧道巡检方法
WO2021068746A1 (zh) * 2019-10-08 2021-04-15 上海市东方海事工程技术有限公司 隧道巡检图像采集装置、隧道巡检系统及隧道巡检方法
WO2021069082A1 (en) * 2019-10-11 2021-04-15 Huawei Technologies Co., Ltd. Lane detection system and method for a vehicle
CN111263077A (zh) * 2020-01-21 2020-06-09 Oppo广东移动通信有限公司 一种曝光控制方法及终端、存储介质
CN111666894A (zh) * 2020-06-08 2020-09-15 深圳裹动智驾科技有限公司 交通灯和车灯的检测方法及其感测系统、以及车辆
JP7542342B2 (ja) * 2020-07-07 2024-08-30 株式会社東芝 撮影装置
CN112397017A (zh) * 2020-11-27 2021-02-23 卡莱特（深圳）云科技有限公司 一种车载led显示屏的亮度调节方法及装置
JP2022090155A (ja) * 2020-12-07 2022-06-17 日本電産コパル株式会社 監視システムおよび監視装置
US11562572B2 (en) * 2020-12-11 2023-01-24 Argo AI, LLC Estimating auto exposure values of camera by prioritizing object of interest based on contextual inputs from 3D maps
CN112883548B (zh) * 2021-01-15 2022-12-09 四川九通智路科技有限公司 一种动态隧道调光方法
CN112954192B (zh) * 2021-01-27 2022-06-07 惠州华阳通用电子有限公司 一种摄像头拍摄模式控制方法
CN112793587B (zh) * 2021-02-26 2022-04-01 深圳安途智行科技有限公司 感知方法及系统
EP4075790B1 (en) * 2021-04-13 2023-04-05 Axis AB Exposure time control in a video camera
CN113916445A (zh) * 2021-09-08 2022-01-11 广州航新航空科技股份有限公司 旋翼共锥度的测量方法、系统、装置及存储介质
CN114520882A (zh) * 2022-04-06 2022-05-20 佛山市霖罕崞信息科技有限公司 一种根据环境参数调整相机曝光参数的系统及方法
CN115278095A (zh) * 2022-05-11 2022-11-01 岚图汽车科技有限公司 一种基于融合感知的车载摄像头控制方法及装置
CN115112169B (zh) * 2022-06-13 2024-09-17 济南瑞源智能城市开发有限公司 一种隧道内的环境数据采集分析方法、设备及介质
CN116030633B (zh) * 2023-02-21 2023-06-02 天津汉云工业互联网有限公司 一种车辆隧道预警方法和装置
CN116320791B (zh) * 2023-03-16 2023-10-17 北京运达华开科技有限公司 一种基于轨道检测的图像采集系统及方法
CN116546331B (zh) * 2023-05-15 2024-10-15 亿咖通(湖北)技术有限公司 曝光控制方法、视觉感知系统及设备
CN116718265A (zh) * 2023-05-22 2023-09-08 广东科技学院 隧道亮度测量方法、装置、设备及存储介质
CN118397733B (zh) * 2024-06-28 2024-09-24 贾维斯智能(深圳)有限公司 一种具有自动校正功能的行车记录仪及其使用方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104679876A (zh) * 2015-03-11 2015-06-03 百度在线网络技术（北京）有限公司 照片拍摄策略推荐装置及方法
CN105083122A (zh) * 2014-05-23 2015-11-25 Lg电子株式会社 立体摄像头、车辆驾驶辅助装置及车辆
CN107770451A (zh) * 2017-11-13 2018-03-06 广东欧珀移动通信有限公司 拍照处理的方法、装置、终端和存储介质
CN107797549A (zh) * 2016-09-01 2018-03-13 三星电子株式会社 用于控制自主车辆的视觉传感器的方法和设备
CN107809591A (zh) * 2017-11-13 2018-03-16 广东欧珀移动通信有限公司 拍摄图像的方法、装置、终端和存储介质
CN108174096A (zh) * 2017-12-29 2018-06-15 广东欧珀移动通信有限公司 拍摄参数设置的方法、装置、终端及存储介质
CN108449550A (zh) * 2018-03-23 2018-08-24 元橡科技（北京）有限公司 一种自适应的相机曝光方法和装置
JP2018139419A (ja) * 2018-04-05 2018-09-06 カシオ計算機株式会社 撮像制御装置、撮像制御方法、及び、プログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006303885A (ja) * 2005-04-20 2006-11-02 Toyota Motor Corp 露光制御方法、露光制御装置
CN104133899B (zh) * 2014-08-01 2017-10-13 百度在线网络技术（北京）有限公司 图片搜索库的生成方法和装置、图片搜索方法和装置
DE102014216008A1 (de) * 2014-08-13 2016-02-18 Conti Temic Microelectronic Gmbh Steuervorrichtung, Serversystem und Fahrzeug
CN104320642B (zh) * 2014-10-11 2016-08-24 广东欧珀移动通信有限公司 一种图片处理的方法及装置
KR101735068B1 (ko) * 2016-01-11 2017-05-15 동국대학교 산학협력단 터널 휘도 순응 장치 및 방법
CN106412716A (zh) * 2016-09-30 2017-02-15 乐视控股（北京）有限公司 一种多媒体播放效果调整方法、装置及电子设备
KR20180097966A (ko) * 2017-02-24 2018-09-03 삼성전자주식회사 자율 주행을 위한 영상 처리 방법 및 장치
US10417518B2 (en) * 2017-03-10 2019-09-17 Denso International America, Inc. Vehicle camera system
CN109167929B (zh) * 2018-09-30 2021-02-19 深圳市商汤科技有限公司 车载相机参数的调节方法、装置与电子设备
CN109246364B (zh) * 2018-10-26 2021-10-01 华为技术有限公司 摄像装置调整方法及相关设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105083122A (zh) * 2014-05-23 2015-11-25 Lg电子株式会社 立体摄像头、车辆驾驶辅助装置及车辆
CN104679876A (zh) * 2015-03-11 2015-06-03 百度在线网络技术（北京）有限公司 照片拍摄策略推荐装置及方法
CN107797549A (zh) * 2016-09-01 2018-03-13 三星电子株式会社 用于控制自主车辆的视觉传感器的方法和设备
CN107770451A (zh) * 2017-11-13 2018-03-06 广东欧珀移动通信有限公司 拍照处理的方法、装置、终端和存储介质
CN107809591A (zh) * 2017-11-13 2018-03-16 广东欧珀移动通信有限公司 拍摄图像的方法、装置、终端和存储介质
CN108174096A (zh) * 2017-12-29 2018-06-15 广东欧珀移动通信有限公司 拍摄参数设置的方法、装置、终端及存储介质
CN108449550A (zh) * 2018-03-23 2018-08-24 元橡科技（北京）有限公司 一种自适应的相机曝光方法和装置
JP2018139419A (ja) * 2018-04-05 2018-09-06 カシオ計算機株式会社 撮像制御装置、撮像制御方法、及び、プログラム

Also Published As

Publication number Publication date
EP3783882A1 (en) 2021-02-24
CN109246364A (zh) 2019-01-18
EP3783882B1 (en) 2023-10-04
WO2020082745A1 (zh) 2020-04-30
EP3783882A4 (en) 2021-11-17

Similar Documents

Publication Publication Date Title
CN109246364B (zh) 摄像装置调整方法及相关设备
CN112040154A (zh) 用于减少成像光源中的闪烁伪影的系统和方法
CN110554691B (zh) 用于检测高架高速公路以防止接合巡航特征的系统、方法和装置
JP7226440B2 (ja) 情報処理装置、情報処理方法、撮影装置、照明装置、及び、移動体
JP6764573B2 (ja) 画像処理装置、画像処理方法、およびプログラム
US20190335079A1 (en) Signal processing apparatus, imaging apparatus, and signal processing method
US10704957B2 (en) Imaging device and imaging method
WO2021036862A1 (zh) 车辆控制方法、相关设备及计算机存储介质
JPWO2019116784A1 (ja) 情報処理装置、移動体、制御システム、情報処理方法及びプログラム
US11467273B2 (en) Sensors for determining object location
JP2010239479A (ja) 撮像部制御装置、撮像部制御方法および撮像部制御プログラム
US9894348B2 (en) Driver assistance for a vehicle
JP6816768B2 (ja) 画像処理装置と画像処理方法
US11375137B2 (en) Image processor, image processing method, and imaging device
JP7172603B2 (ja) 信号処理装置、信号処理方法、およびプログラム
CN114756700A (zh) 场景库建立方法、装置、车辆、存储介质及芯片
US11393227B1 (en) License plate recognition based vehicle control
JP7030703B2 (ja) 信号処理装置、撮影装置、及び、信号処理方法
US20240118099A1 (en) Predicting vehicle travel range
CN115170630B (zh) 地图生成方法、装置、电子设备、车辆和存储介质
JP7059185B2 (ja) 画像処理装置、画像処理方法、および撮像装置
CN114842454B (zh) 障碍物检测方法、装置、设备、存储介质、芯片及车辆
US20230075701A1 (en) Location based parameters for an image sensor
JP2021180459A (ja) 撮像装置及びプログラム
CN114802258A (zh) 车辆控制方法、装置、存储介质及车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant