CN111767910A - 基于场景识别的车辆自适应传感器系统 - Google Patents
基于场景识别的车辆自适应传感器系统 Download PDFInfo
- Publication number
- CN111767910A CN111767910A CN202010543715.7A CN202010543715A CN111767910A CN 111767910 A CN111767910 A CN 111767910A CN 202010543715 A CN202010543715 A CN 202010543715A CN 111767910 A CN111767910 A CN 111767910A
- Authority
- CN
- China
- Prior art keywords
- avm
- camera
- scene
- controller
- vehicle
- 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.)
- Granted
Links
- 230000007246 mechanism Effects 0.000 claims abstract description 23
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 4
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims abstract 12
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims abstract 12
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- MKGHDZIEKZPBCZ-ULQPCXBYSA-N methyl (2s,3s,4r,5r,6r)-4,5,6-trihydroxy-3-methoxyoxane-2-carboxylate Chemical compound CO[C@H]1[C@H](O)[C@@H](O)[C@H](O)O[C@@H]1C(=O)OC MKGHDZIEKZPBCZ-ULQPCXBYSA-N 0.000 claims 9
- 238000005457 optimization Methods 0.000 abstract description 14
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- 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
-
- 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
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- 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
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开基于场景识别的车辆自适应传感器系统,包括AVM环视传感器、AVM环视控制器及ADAS控制器;AVM环视传感器包含摄像头、位置调整机构和位置传感器;摄像头向AVM环视控制器传递采集到的图像信息,位置调整机构接收AVM环视控制器的位置调整指令并调整摄像头的位置,位置传感器将摄像头的位置信息向AVM环视控制器反馈;AVM环视控制器向ADAS控制器传递识别到的目标信息。本系统通过场景识别优化,得到适应于当前行车场景的ROI感兴趣区域,提高系统的图像处理性能;在AVM环视传感器中对图像进行目标识别,输出的目标和场景信息可用于ADAS控制器,能降低ADAS控制器所需的图像处理芯片能力,同时能够降低ADAS系统的功耗,有效地降低配置成本。
Description
技术领域
本发明属于自动驾驶情景下的传感器性能优化领域,具体涉及自适应传感器系统。
背景技术
自动驾驶和泊车现有的传感器硬件系统对于复杂的驾驶情景来说,是不能识别多种场景而做出相应的硬件和软件调整的。AVM全景环视摄像头(AVM,Around View Monitor)的FOV视场(FOV,Field of View)和ROI感兴趣区域(ROI, Region of Interest)都是固定的,最大的探测范围也是固定的,所以系统在高速场景下,不能探测更广阔的区域,可能会导致信息的遗漏。泊车场景和高速驾驶场景的有效探测区域各有不同,而现有全景环视摄像头传感器无法针对不同场景进行自动适应,改变其性能,主要涉及视场和感兴趣区域。
未来的硬件处理能力将飞速增强,目标检测分类也会愈加精细,传感器融合要求也会越来越高,但是目前各传感器之间的协同处理效率较低,单个控制系统往往需要独自的传感器。因此,所以对未来的自动驾驶系统来说,提升AVM控制器的性能,实现传感器多功能融合是十分必要的。
但是现有的解决方案只依赖于硬件升级或软件优化,在未来我们需要这两部分的全面提升,更多的摄像头需要投入更高的费用,更多的传感器也会使车辆设计更为复杂。由于传感器的最佳安装位置和外观美观很难两全,如果采用更多的传感器,将为车辆设计带来更大的难度。同时,每家主机厂都想做出美观而又不显眼的传感器设计,这使得在车辆上安装更多的传感器的想法很难实现。
发明内容
本发明公开了基于场景识别的车辆自适应传感器系统,根据不同场景实现摄像头期望位置调整,并进行感兴趣区域优化,在传感器阶段实现目标检测并将结果直接传递给ADAS控制器(高级驾驶辅助系统,Advanced Driver Assistance System),优化了场景识别精度及系统运算负担。
本发明公开的基于场景识别的车辆自适应传感器系统,包括AVM环视传感器、AVM环视控制器及ADAS控制器;
AVM环视传感器包含摄像头、位置调整机构和位置传感器;所述摄像头向AVM环视控制器传递采集到的图像信息,所述位置调整机构接收AVM环视控制器的位置调整指令并调整摄像头的位置,所述位置传感器将摄像头的位置信息向AVM环视控制器反馈;
AVM环视控制器与ADAS控制器连接,向ADAS控制器传递识别到的目标信息;
工作时,所述AVM环视控制器根据摄像头输入的图像信息判断出当前的场景信息,根据不同场景信息计算摄像头的期望位置,并将期望位置生成位置调整指令输出至位置调整机构;
待位置调整机构调整摄像头位置后,AVM环视控制器接收更新后的摄像头的位置信息和图像信息,对位置调整后输入的图像信息进行感兴趣区域优化,在得到当前感兴趣区域后进行目标识别,将识别的目标信息输出至ADAS控制器。
进一步地,
当车辆处于光照条件低,本车速度和档位低,目标障碍物数量多或者存在红绿灯及行人障碍物时,位置调整机构应当调整摄像头的横向及纵向角度从而降低视野范围,同时减小感兴趣区域的范围。
当车辆处于光照条件高,本车速度和档位高,目标障碍物数量少,位置调整机构应当调高摄像头的垂直位置从而增大视野范围,同时增大感兴趣区域的范围。
进一步地,AVM环视控制器由MCU和SOC;AVM环视传感器的摄像头与SOC通过LVDS连接,并向其传输图像信息;MCU与位置调整机构、位置传感器通过硬线连接; MCU与ADAS控制器通过CAN或以太网连接。
进一步地,AVM环视传感器的摄像头向SOC10传输图像信息,SOC10判断当前的行车场景并将场景信息输出至MCU。
MCU根据不同场景信息计算摄像头的期望位置,并将摄像头的期望位置生成位置调整指令输出至位置调整机构整摄像头的位置,调整好位置后,位置传感器将摄像头的位置信息反馈给MCU,并由MCU反馈给SOC;同时,摄像头将调整后的图像信息输入至SOC,SOC根据更新后的摄像头的位置信息和图像信息进行感兴趣区域优化,在得到当前感兴趣区域后进行目标识别,并将目标信息传送至MCU。
MCU向ADAS控制器传递识别到的目标信息。
进一步地,影响场景判断的因素包括:光照、障碍物数量、本车速度、本车档位和障碍物。
进一步地,场景分类为,
停车场入口:停车场入口的场景下光线昏暗,且行驶空间狭窄,目标障碍物多,本车速度和档位低,且存在围栏限制;
高速公路:车辆行驶速度和档位较高,光线充足,能见度高,行驶空间宽阔,障碍物少,存在车辆快速切入的情形;
收费站:车辆在经过收费站的时候,行驶通道狭窄,且存在关卡限制,车辆行驶速度和档位低,目标障碍物多;
城市道路:城市道路场景下,车辆行驶速度和档位低,周围环境复杂,红绿灯、车辆、行人增多,障碍物数量和类型多。
进一步地,所述ROI感兴趣区域优化功能为:在摄像头位置完成调整之后,AVM环视控制器接收调整完成后的图像数据和摄像头的位置信息,识别出当前行车场景,根据不同场景信息得到相应的ROI感兴趣区域。
进一步地,所述目标识别功能原理为:在进行ROI感兴趣区域划分之后,再次通过深度学习对划分后的ROI感兴趣区域内的图像进行目标识别,将识别后的目标信息输出至ADAS控制器。
进一步地,AVM环视控制器根据摄像头输入的图像信息,进行图像的处理和缝合,结合深度学习训练模型,判断出当前场景;
进一步地,基于场景识别的自适应传感器系统包括四个AVM环视传感器,所述四个AVM环视传感器分别安装在前保险杠处、后背门处以及左右后视镜下方。
本发明的有益技术效果为:
1)通过场景识别及优化,得到适应于当前行车场景的ROI感兴趣区域,提高了系统的图像处理性能;
2)在AVM环视传感器中对图像进行目标识别,输出的目标和场景信息同样可用于ADAS控制器,能够降低ADAS控制器所需的图像处理芯片能力,同时能够降低ADAS系统的功耗,有效地降低配置成本。
3)该系统可实现自动驾驶以及泊车感知领域下的传感器性能及功耗优化,提高识别精度。
附图说明
图1为本发明的原理框图;
图2为AVM环视控制器的控制原理图;
图3为SOC图像处理流程;
图4为调整前的高速场景感兴趣区域;
图5为调整后的高速场景感兴趣区域;
图6为调整前的低速场景感兴趣区域;
图7为调整后的低速场景感兴趣区域;
其中,1-AVM环视传感器,2-LVDS,13-AVM环视控制器,4-CAN或以太网,5-ADAS控制器,6-MCU,7-SOC,11-位置调整机构,12-位置传感器。
具体实施方式
参见图1,对本发明作详细说明。
本发明公开的基于场景识别的自适应传感器系统,包括:AVM环视传感器1、AVM环视控制器3及ADAS控制器5。
AVM环视传感器1包含摄像头、位置调整机构11和位置传感器12。AVM环视控制器3由MCU6(微控制单元,Micro Control Unit)和SOC7(图形处理芯片,System-on-a-Chip)组成。
AVM环视传感器的摄像头与SOC7通过LVDS2(低电压差分信号,Low-VoltageDifferential Signaling)连接,并向其传输图像信息,SOC7将输入的图像信息进行预处理,得到缝合后的图像,通过深度学习判断当前的行车场景;SOC7将当前行车场景的场景信息输出至MCU6。
MCU6与位置调整机构11、位置传感器12通过硬线连接;MCU6根据不同场景计算摄像头的期望位置,并将摄像头的期望位置生成位置调整指令(如:角度调整PWM信号)输出至摄像头位置调整机构11以控制位置传感器调整摄像头的位置,调整好位置后,位置传感器将摄像头的位置信息反馈给MCU6,并由MCU6反馈给SOC7;同时,摄像头将调整后的图像输入至SOC7,SOC7根据更新后的摄像头的位置信息和图像信息进行感兴趣区域优化,该优化既是,当处于高速公路等路况良好,视野宽阔的场景时,扩大感兴趣区域;当处于拥堵、昏暗或狭窄等环境较差的场景时,减小感兴趣区域。在得到当前感兴趣区域后进行目标识别,并将目标信息传送至MCU6。
MCU6与ADAS控制器5(高级驾驶辅助系统控制器,Advanced Driver AssistanceSystem)通过CAN或以太网4连接,并向ADAS控制器5传递识别到的目标信息。
ROI感兴趣区域优化功能原理为:在摄像头位置完成调整之后,AVM环视控制器3中的SOC7接收调整完成后的图像信息和摄像头的位置信息,识别出当前行车场景,根据不同场景得到相应的ROI感兴趣区域,即当处于高速公路等路况良好,视野宽阔的场景时,扩大感兴趣区域;当处于拥堵、昏暗或狭窄等环境较差的场景时,减小感兴趣区域。
目标识别的功能原理为:在进行ROI感兴趣区域划分之后,再次通过深度学习对分割后的ROI感兴趣区域内的图像进行目标识别,将识别后的目标信息输出至ADAS控制器5。
影响场景判断的因素包括:光照、障碍物数量、本车速度、本车档位和特殊障碍物。
场景分类为:
停车场入口:停车场入口的场景下光线昏暗,且行驶空间狭窄,目标障碍物多,本车速度和档位低,且存在围栏限制。
高速公路:车辆行驶速度和档位较高,光线充足,能见度高,行驶空间宽阔,障碍物少,存在车辆快速切入的情形。
收费站:车辆在经过收费站的时候,行驶通道狭窄,且存在关卡限制,车辆行驶速度和档位低,目标障碍物多。
城市道路:城市道路场景下,车辆行驶速度和档位低,周围环境复杂,红绿灯、车辆、行人增多,障碍物数量和类型多。
本发明中,影响系统场景识别的因素主要有光照、障碍物数量、本车速度及档位、特殊障碍物等因素。例如,当车辆处于光照条件较低,本车速度和档位较低,目标障碍物数量较多,存在特殊障碍物(红绿灯、行人)的时候,则可认为车辆在城市道路场景下进行行驶。此时,位置调整机构11应当调整摄像头的横向及纵向角度,降低视野范围。又如,当车辆处于光照条件较高,障碍物数量较少,本车速度和档位较高,且没有特殊障碍物的时候,可以认为车辆处于高速公路的场景下,此时应当调高摄像头的垂直位置,来增大传感器的视野范围。
在进一步的实施例中,基于场景识别的自适应传感器系统包括四个AVM环视传感器1,四个AVM环视传感器1分别安装在前保险杠处、后背门处以及左右后视镜下方。
如图4至图7所示,在高速场景下,调整摄像头后能获取到更加广阔的有效视野范围。图4白色阴影部分为优化前的感兴趣区域,图5白色阴影部分是基于高速场景下优化后的感兴趣区域,可以看出,通过感兴趣区域优化,能获取更多的图像信息。图6白色阴影部分为优化前的感兴趣区域,图7白色阴影部分为优化后的感兴趣区域,可以看出,在狭窄低速的场景下,增大了感兴趣区域的面积,同时去除了车辆本身所在的无效的感兴趣区域,因此能获取更多的图像信息。经过SOC7处理得到的目标信息可以用于ADAS控制器5,能够代替ADAS控制系统中图像芯片的作用,有效地降低了硬件成本和ADAS系统功耗。
Claims (10)
1.基于场景识别的车辆自适应传感器系统,其特征在于:包括AVM环视传感器(1)、AVM环视控制器(3)及ADAS控制器(5);
AVM环视传感器包含摄像头、位置调整机构(11)和位置传感器(12);所述摄像头向AVM环视控制器(3)传递采集到的图像信息,所述位置调整机构(11)接收AVM环视控制器(3)的位置调整指令并调整摄像头的位置,所述位置传感器将摄像头的位置信息向AVM环视控制器(3)反馈;
AVM环视控制器(3)与ADAS控制器(5)连接,向ADAS控制器(5)传递识别到的目标信息;
工作时,所述AVM环视控制器(3)根据摄像头输入的图像信息判断出当前的场景信息,根据不同场景信息计算摄像头的期望位置,并将期望位置生成位置调整指令输出至位置调整机构(11);
待位置调整机构(11)调整摄像头位置后,AVM环视控制器(3)接收更新后的摄像头的位置信息和图像信息,对位置调整后输入的图像信息进行感兴趣区域优化,在得到当前感兴趣区域后进行目标识别,将识别的目标信息输出至ADAS控制器(5)。
2.如权利要求1所述的基于场景识别的车辆自适应传感器系统,其特征在于:
当车辆处于光照条件低,本车速度和档位低,目标障碍物数量多或者存在红绿灯及行人障碍物时,位置调整机构调整摄像头的横向及纵向角度从而降低视野范围,同时减小感兴趣区域的范围;
当车辆处于光照条件高,本车速度和档位高,目标障碍物数量少,位置调整机构调高摄像头的垂直位置从而增大视野范围,同时增大感兴趣区域的范围。
3.如权利要求2所述的基于场景识别的车辆自适应传感器系统,其特征在于:AVM环视控制器由MCU(6)和SOC(7)组成;AVM环视传感器的摄像头与SOC(7)通过LVDS(2)连接,并向其传输图像信息;MCU(6)与位置调整机构、位置传感器通过硬线连接; MCU(6)与ADAS控制器(5)通过CAN或以太网(4)连接。
4.如权利要求3所述的基于场景识别的车辆自适应传感器系统,其特征在于:
AVM环视传感器(1)的摄像头向SOC(7)传输图像信息,SOC(7)判断当前的行车场景并将场景信息输出至MCU(6);
MCU(6)根据不同场景信息计算摄像头的期望位置,并将摄像头的期望位置生成位置调整指令输出至位置调整机构调整摄像头的位置,调整好位置后,位置传感器(12)将摄像头的位置信息反馈给MCU(6),并由MCU(6)反馈给SOC(7);同时,摄像头将调整后的图像信息输入至SOC(7),SOC(7)根据更新后的摄像头的位置信息和图像信息进行感兴趣区域优化,在得到当前感兴趣区域后进行目标识别,并将目标信息传送至MCU(6);
MCU(6)向ADAS控制器(5)传递识别到的目标信息。
5.如权利要求4所述的基于场景识别的车辆自适应传感器系统,其特征在于:影响场景判断的因素包括:光照、障碍物数量、本车速度、本车档位和障碍物。
6.如权利要求5所述的基于场景识别的车辆自适应传感器系统,其特征在于:场景分类为,
停车场入口:停车场入口的场景下光线昏暗,且行驶空间狭窄,目标障碍物多,本车速度和档位低,且存在围栏限制;
高速公路:车辆行驶速度和档位较高,光线充足,能见度高,行驶空间宽阔,障碍物少,存在车辆快速切入的情形;
收费站:车辆在经过收费站的时候,行驶通道狭窄,且存在关卡限制,车辆行驶速度和档位低,目标障碍物多;
城市道路:城市道路场景下,车辆行驶速度和档位低,周围环境复杂,红绿灯、车辆、行人增多,障碍物数量和类型多。
7.如权利要求6所述的基于场景识别的车辆自适应传感器系统,其特征在于:所述ROI感兴趣区域优化为:在摄像头位置完成调整之后,AVM环视控制器(3)接收调整完成后的图像数据和摄像头的位置信息,识别出当前行车场景,根据不同场景信息得到相应的ROI感兴趣区域。
8.如权利要求7所述的基于场景识别的车辆自适应传感器系统,其特征在于:所述目标识别为:在进行ROI感兴趣区域划分之后,再次通过深度学习对划分后的ROI感兴趣区域内的图像进行目标识别,将识别后的目标信息输出至ADAS控制器(5)。
9.如权利要求8所述的基于场景识别的车辆自适应传感器系统,其特征在于:AVM环视控制器(5)根据摄像头输入的图像信息,进行图像的处理和缝合,结合深度学习训练模型,判断出当前场景。
10.如权利要求9所述的基于场景识别的车辆自适应传感器系统,其特征在于:基于场景识别的自适应传感器系统包括四个AVM环视传感器(1),所述四个AVM环视传感器分别安装在前保险杠处、后背门处以及左右后视镜下方。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010543715.7A CN111767910B (zh) | 2020-06-15 | 2020-06-15 | 基于场景识别的车辆自适应传感器系统 |
PCT/CN2020/133599 WO2021253741A1 (zh) | 2020-06-15 | 2020-12-03 | 基于场景识别的车辆自适应传感器系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010543715.7A CN111767910B (zh) | 2020-06-15 | 2020-06-15 | 基于场景识别的车辆自适应传感器系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111767910A true CN111767910A (zh) | 2020-10-13 |
CN111767910B CN111767910B (zh) | 2023-01-06 |
Family
ID=72720927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010543715.7A Active CN111767910B (zh) | 2020-06-15 | 2020-06-15 | 基于场景识别的车辆自适应传感器系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111767910B (zh) |
WO (1) | WO2021253741A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113411476A (zh) * | 2021-06-10 | 2021-09-17 | 蔚来汽车科技(安徽)有限公司 | 图像传感器控制装置、方法、存储介质和可移动对象 |
WO2021253741A1 (zh) * | 2020-06-15 | 2021-12-23 | 重庆长安汽车股份有限公司 | 基于场景识别的车辆自适应传感器系统 |
CN114025129A (zh) * | 2021-10-25 | 2022-02-08 | 合肥疆程技术有限公司 | 图像处理方法、系统及机动车辆 |
CN116567375A (zh) * | 2023-04-24 | 2023-08-08 | 禾多科技(北京)有限公司 | 车载前视摄像头一体机、车辆和车辆车速控制方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114245022B (zh) * | 2022-02-23 | 2022-07-12 | 浙江宇视系统技术有限公司 | 一种场景自适应拍摄方法、电子设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104875681A (zh) * | 2015-06-16 | 2015-09-02 | 四川长虹佳华信息产品有限责任公司 | 一种基于应用场景进行车载摄像头动态控制的方法 |
CN105882549A (zh) * | 2015-11-02 | 2016-08-24 | 乐卡汽车智能科技(北京)有限公司 | 控制车辆上全景摄像头俯角的方法和车载设备 |
CN106980326A (zh) * | 2016-01-15 | 2017-07-25 | 深圳佑驾创新科技有限公司 | 基于摄像头标定的摄像头角度调节方法和系统 |
CN107147841A (zh) * | 2017-04-25 | 2017-09-08 | 北京小鸟看看科技有限公司 | 一种双目摄像头调整方法、装置和系统 |
WO2017211089A1 (zh) * | 2016-06-07 | 2017-12-14 | 深圳市灵动飞扬科技有限公司 | 车辆行进全景系统及其方法 |
KR102053099B1 (ko) * | 2018-06-07 | 2019-12-06 | 현대오트론 주식회사 | 어라운드 뷰 모니터링 시스템 및 그것의 동작 방법 |
CN110853185A (zh) * | 2019-11-29 | 2020-02-28 | 长城汽车股份有限公司 | 一种车辆全景环视记录系统及方法 |
CN111055852A (zh) * | 2019-12-20 | 2020-04-24 | 浙江吉利汽车研究院有限公司 | 一种用于自动驾驶的感兴趣目标搜索区域确定方法 |
KR102106572B1 (ko) * | 2018-12-11 | 2020-05-07 | (주)미경테크 | 카메라의 시야각 조절을 통한 차량용 어라운드 뷰 모니터링 시스템 및 그 방법 |
CN210733976U (zh) * | 2019-07-05 | 2020-06-12 | 安徽富煌科技股份有限公司 | 一种基于3d全景技术的车辆驾驶辅助系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10618467B2 (en) * | 2016-03-22 | 2020-04-14 | Research & Business Foundation Sungkyunkwan University | Stereo image generating method using mono cameras in vehicle and providing method for omnidirectional image including distance information in vehicle |
CN107609602A (zh) * | 2017-09-28 | 2018-01-19 | 吉林大学 | 一种基于卷积神经网络的驾驶场景分类方法 |
CN108638999B (zh) * | 2018-05-16 | 2020-04-10 | 浙江零跑科技有限公司 | 一种基于360度环视输入的防碰撞预警系统及方法 |
CN209634470U (zh) * | 2018-12-04 | 2019-11-15 | 深圳市中航鹰驾装备有限公司 | 一种集成主动安全报警显示的全景环视设备及一种汽车 |
CN113370911B (zh) * | 2019-10-31 | 2024-03-19 | 北京百度网讯科技有限公司 | 车载传感器的位姿调整方法、装置、设备和介质 |
CN111767910B (zh) * | 2020-06-15 | 2023-01-06 | 重庆长安汽车股份有限公司 | 基于场景识别的车辆自适应传感器系统 |
-
2020
- 2020-06-15 CN CN202010543715.7A patent/CN111767910B/zh active Active
- 2020-12-03 WO PCT/CN2020/133599 patent/WO2021253741A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104875681A (zh) * | 2015-06-16 | 2015-09-02 | 四川长虹佳华信息产品有限责任公司 | 一种基于应用场景进行车载摄像头动态控制的方法 |
CN105882549A (zh) * | 2015-11-02 | 2016-08-24 | 乐卡汽车智能科技(北京)有限公司 | 控制车辆上全景摄像头俯角的方法和车载设备 |
CN106980326A (zh) * | 2016-01-15 | 2017-07-25 | 深圳佑驾创新科技有限公司 | 基于摄像头标定的摄像头角度调节方法和系统 |
WO2017211089A1 (zh) * | 2016-06-07 | 2017-12-14 | 深圳市灵动飞扬科技有限公司 | 车辆行进全景系统及其方法 |
CN107147841A (zh) * | 2017-04-25 | 2017-09-08 | 北京小鸟看看科技有限公司 | 一种双目摄像头调整方法、装置和系统 |
KR102053099B1 (ko) * | 2018-06-07 | 2019-12-06 | 현대오트론 주식회사 | 어라운드 뷰 모니터링 시스템 및 그것의 동작 방법 |
KR102106572B1 (ko) * | 2018-12-11 | 2020-05-07 | (주)미경테크 | 카메라의 시야각 조절을 통한 차량용 어라운드 뷰 모니터링 시스템 및 그 방법 |
CN210733976U (zh) * | 2019-07-05 | 2020-06-12 | 安徽富煌科技股份有限公司 | 一种基于3d全景技术的车辆驾驶辅助系统 |
CN110853185A (zh) * | 2019-11-29 | 2020-02-28 | 长城汽车股份有限公司 | 一种车辆全景环视记录系统及方法 |
CN111055852A (zh) * | 2019-12-20 | 2020-04-24 | 浙江吉利汽车研究院有限公司 | 一种用于自动驾驶的感兴趣目标搜索区域确定方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021253741A1 (zh) * | 2020-06-15 | 2021-12-23 | 重庆长安汽车股份有限公司 | 基于场景识别的车辆自适应传感器系统 |
CN113411476A (zh) * | 2021-06-10 | 2021-09-17 | 蔚来汽车科技(安徽)有限公司 | 图像传感器控制装置、方法、存储介质和可移动对象 |
CN114025129A (zh) * | 2021-10-25 | 2022-02-08 | 合肥疆程技术有限公司 | 图像处理方法、系统及机动车辆 |
CN116567375A (zh) * | 2023-04-24 | 2023-08-08 | 禾多科技(北京)有限公司 | 车载前视摄像头一体机、车辆和车辆车速控制方法 |
CN116567375B (zh) * | 2023-04-24 | 2024-02-02 | 禾多科技(北京)有限公司 | 车载前视摄像头一体机、车辆和车辆车速控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111767910B (zh) | 2023-01-06 |
WO2021253741A1 (zh) | 2021-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111767910B (zh) | 基于场景识别的车辆自适应传感器系统 | |
US20240070460A1 (en) | Generating ground truth for machine learning from time series elements | |
EP2138350B1 (en) | Auto lighting system | |
CN101376352B (zh) | 自动适应夜间行车弯道及坡度的汽车前照灯控制方法 | |
WO2020159968A1 (en) | Predicting three-dimensional features for autonomous driving | |
KR101768500B1 (ko) | 운전 보조 장치 및 그 제어방법 | |
US8305431B2 (en) | Device intended to support the driving of a motor vehicle comprising a system capable of capturing stereoscopic images | |
EP3052341B1 (en) | System and method for controlling exterior vehicle lights on motorways | |
US9185363B2 (en) | Vehicle imaging system and method for categorizing objects using relative motion analysis | |
CN107972569B (zh) | 车灯组控制方法、装置、系统及车辆 | |
JP4980970B2 (ja) | 撮像手段の調整装置および物体検出装置 | |
CN111650944B (zh) | 提高行车安全的汽车自动驾驶并线控制方法 | |
CN103538519A (zh) | 一种汽车近红外夜视系统及其控制方法 | |
Feng et al. | A comprehensive survey of vision based vehicle intelligent front light system | |
KR101850794B1 (ko) | 주차 지원 장치 및 방법 | |
US20230174091A1 (en) | Motor-vehicle driving assistance in low meteorological visibility conditions, in particular with fog | |
CN111746381B (zh) | 车辆灯光控制系统及车辆灯光控制方法 | |
CN110774976B (zh) | 用于控制车辆前灯的装置和方法 | |
RU2811845C1 (ru) | Автомобильная самонастраивающаяся система датчиков на основе распознавания окружающей обстановки | |
CN110341582B (zh) | 一种智能车灯语义投影照明装置及方法 | |
KR102448164B1 (ko) | 차량용 레이더 제어 장치 및 방법 | |
CN113784482A (zh) | 一种车辆智能前照灯系统 | |
KR20230039865A (ko) | 관제용 카메라를 활용한 주야간 주행 검지시스템 | |
KR20240022343A (ko) | 차량 및 그 제어 방법 | |
KR20140065866A (ko) | 차량용 전조등 제어 장치 및 그 차량용 전조등 제어 방법 |
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 |