CN112109664A - 一种控制方法及系统 - Google Patents

Abstract

本发明提供了一种控制方法，该方法包括：采集前挡风玻璃的图像；处理图像得到前挡风玻璃的遮挡程度和遮挡物类型；基于遮挡程度和遮挡物类型清洁前挡风玻璃。基于本发明可以自动高效地清洁前挡风玻璃的遮挡物，无需驾驶员手动调节，提高驾驶体验。

Description

一种控制方法及系统

技术领域

本发明涉及车辆雨刷控制技术领域，更具体地说，涉及一种控制方法及系统。

背景技术

随着汽车的普及程度越来越广，汽车的电气化、智能化水平也越来越高，汽车不再是简单的代步工具，逐渐变成是人们生活、休闲的载体。

车辆行驶过程所面临的天气环境复杂多变。诸如雨量忽大忽小、或者露天、隧道和高架等有雨、无雨区段的交互、或者洒水和溅水等都容易导致前挡风玻璃被干扰，这就需要驾驶员不停的开关或调节雨刷，直接影响了驾驶体验。

发明内容

有鉴于此，为解决上述问题，本发明提供一种控制方法及系统。技术方案如下：

一种控制方法，包括：

采集前挡风玻璃的图像；

处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型；

基于所述遮挡程度和所述遮挡物类型清洁所述前挡风玻璃。

优选的，所述处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型，包括：

将所述图像输入至预构建的遮挡程度识别模型，通过所述遮挡程度识别模型确定所述图像的遮挡程度；其中，所述遮挡程度识别模型具有将所述图像对应的所述遮挡程度趋向于所述图像对应的实际遮挡程度的能力；

将所述图像输入至预构建的遮挡物识别模型，通过所述遮挡物识别模型确定所述图像的遮挡物类型；其中，所述遮挡物识别模型具有将所述图像对应的所述遮挡物类型趋向于所述图像对应的实际遮挡物类型的能力。

优选的，所述将所述图像输入至预构建的遮挡物识别模型之前，所述方法还包括：

判断所述遮挡程度是否在预设遮挡允许范围内；

如果所述遮挡程度不在所述预设遮挡允许范围内，则执行所述将所述图像输入至预构建的遮挡物识别模型。

优选的，所述基于所述遮挡程度和所述遮挡物类型清洁所述前挡风玻璃，包括：

分别确定所述遮挡物类型对应的用于清洁的执行器件、以及所述遮挡程度对应的执行参数；

按照所述执行参数控制所述执行器件进行清洁操作。

优选的，所述执行器件包括雨刷、玻璃水泵和车载空调的一个或多个。

一种控制系统，包括：

摄像头，用于采集前挡风玻璃的图像；

车载控制器，用于处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型；基于所述遮挡程度和所述遮挡物类型清洁所述前挡风玻璃。

优选的，用于处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型的所述车载控制器，具体用于：

将所述图像输入至预构建的遮挡程度识别模型，通过所述遮挡程度识别模型确定所述图像的遮挡程度；其中，所述遮挡程度识别模型具有将所述图像对应的所述遮挡程度趋向于所述图像对应的实际遮挡程度的能力；将所述图像输入至预构建的遮挡物识别模型，通过所述遮挡物识别模型确定所述图像的遮挡物类型；其中，所述遮挡物识别模型具有将所述图像对应的所述遮挡物类型趋向于所述图像对应的实际遮挡物类型的能力。

优选的，用于处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型的所述车载控制器，还用于：

判断所述遮挡程度是否在预设遮挡允许范围内；如果所述遮挡程度不在所述预设遮挡允许范围内，则执行所述将所述图像输入至预构建的遮挡物识别模型。

优选的，用于基于所述遮挡程度和所述遮挡物类型清洁所述前挡风玻璃的所述车载控制器，具体用于：

分别确定所述遮挡物类型对应的用于清洁的执行器件、以及所述遮挡程度对应的执行参数；按照所述执行参数控制所述执行器件进行清洁操作。

优选的，所述执行器件包括雨刷、玻璃水泵和车载空调的一个或多个。

以上本发明提供的控制方法及系统，可以通过处理前挡风玻璃的图像确定遮挡程度和遮挡物类型，进一步基于遮挡程度和遮挡物类型清洁前挡风玻璃。基于本发明可以自动高效地清洁前挡风玻璃的遮挡物，无需驾驶员手动调节，提高驾驶体验。

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，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的控制方法的方法流程图；

图2为本发明实施例提供的控制方法的另一方法流程图；

图3为本发明实施例提供的控制方法的再一方法流程图；

图4为本发明实施例提供的控制系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种控制方法，该控制方法的方法流程图如图1所示，包括如下步骤：

S10，采集前挡风玻璃的图像。

本实施例中，可以预先设置能够拍摄前挡风玻璃的摄像头，利用该摄像头采集前挡风玻璃的图像。此外，摄像头采集图像时，可以由用户控制，还可以基于一定的时间间隔，本实施例对此不做限定。

S20，处理图像得到前挡风玻璃的遮挡程度和遮挡物类型。

本实施例中，对于前挡风玻璃的遮挡程度，可以将图像的全局模糊度作为前挡风玻璃的遮挡程度。全局模糊度的计算过程如下：

首先，获取图像的图像特征，比如模糊度和颜色特征等；进而使用现有评价函数处理图像特征得到图像的全局模糊度，该全局模糊度表征图像模糊程度。

此外，对于前挡风玻璃的遮挡物类型，则可以预先记录不同遮蔽物类型的图像特征，比如颜色特征、纹理特征、形状特征和空间关系特征等等。进而通过匹配图像的图像特征来确定图像的遮挡物类型。

具体实现过程中，为提高遮挡程度和遮挡物类型的精准度，步骤S20“处理图像得到前挡风玻璃的遮挡程度和遮挡物类型”可以采用如下步骤，在图1所示控制方法的基础上，此时控制方法的方法流程图如图2所示：

S201，将图像输入至预构建的遮挡程度识别模型，通过遮挡程度识别模型确定图像的遮挡程度；其中，遮挡程度识别模型具有将图像对应的遮挡程度趋向于图像对应的实际遮挡程度的能力；将图像输入至预构建的遮挡物识别模型，通过遮挡物识别模型确定图像的遮挡物类型；其中，遮挡物识别模型具有将图像对应的遮挡物类型趋向于图像对应的实际遮挡物类型的能力。

本实施例中，对于构建遮挡程度识别模型，可以首先获取大量不同遮挡程度的样本数据集，进而将该样本数据集输入至神经网络中，以调节神经网络各层的权重参数。经过上万次迭代训练后，得到权重参数符合遮挡程度性能标准的神经网络，并将该训练后的神经网络作为遮挡程度识别模型。

此外，对于构建遮挡物识别模型，可以首先获取大量不同遮挡物的样本数据集，进而将该样本数据集输入至神经网络中，以调节神经网络各层的权重参数。经过上万次迭代训练后，得到权重参数符合遮挡物性能标准的神经网络，并将该训练后的神经网络作为遮挡物识别模型。

进一步，为减少计算资源浪费，在其他一些实施例中，将图像输入至预构建的遮挡物识别模型之前，还可以执行如下步骤：

判断遮挡程度是否在预设遮挡允许范围内；如果遮挡程度不在预设遮挡允许范围内，则执行将图像输入至预构建的遮挡物识别模型。

本实施例中，可以预先设置遮挡程度阈值，如果遮挡程度大于遮挡程度阈值，则进一步通过遮挡物识别模型确定遮挡物类型，反之，如果遮挡程度不大于遮挡程度阈值，则不执行任何操作，也就无需清洁挡风玻璃。

此外，还可以对遮挡程度进行等级分类，确定遮挡程度对应的遮挡等级。如果该遮挡等级为高，则进一步通过遮挡物识别模型确定遮挡物类型，反之，如果遮挡等级为低，则不执行任何操作，也就无需清洁挡风玻璃。

S30，基于遮挡程度和遮挡物类型清洁前挡风玻璃。

在执行步骤S30的过程中，可以预先针对不同遮挡程度、不同遮挡物类型设置不同的清洁措施，比如对于遮挡程度小的水滴可以仅使用车载空调进行前挡加热，而对于遮挡程度大的水滴可以使用雨刷、辅助车载空调，再比如对于灰尘则需要使用玻璃水泵和雨刷，等等。通过匹配遮挡程度和遮挡物类型确定相应的清洁措施，进而控制相关执行器执行清洁操作。

需要说明的是，执行器包括但不局限于雨刷、玻璃水泵和车载空调。可理解的是，上述雨刷、玻璃水泵和车载空调仅为执行器的举例，对于其他未列举到的执行器，也在本实施例的保护范围内。

具体实现过程中，步骤S30“基于遮挡程度和遮挡物类型清洁前挡风玻璃”可以采用如下步骤，在图1所示控制方法的基础上，此时控制方法的方法流程图如图3所示：

S301，分别确定遮挡物类型对应的用于清洁的执行器件、以及遮挡程度对应的执行参数。

在执行步骤S301的过程中，可以预先设置不同遮挡物类型对应的执行器件，比如雨滴对应的执行器件包括雨刷和车载空调，再比如灰尘对应的执行器件包括玻璃水泵和雨刷，再比如雪花对应的执行器件包括雨刷和车载空调等等。

此外，还可以设置不同遮挡物类型的遮挡程度对应的执行参数。比如雨滴的遮挡程度小于指定雨滴阈值时，雨刷的摇摆速度为第一速度、车载空调的加热时间为第一时间；而雨滴的遮挡程度大于指定雨滴阈值时，雨刷的摇摆速度为第二速度、车载空调的加热时间为第二时间；其中，第一速度小于第二速度、第一时间小于第二时间。

再比如，灰尘的遮挡程度小于指定灰尘阈值时，玻璃水泵的喷射频率为第一频率、雨刷的摇摆速度为第三速度；而灰尘的遮挡程度大于指定灰尘阈值时，玻璃水泵的喷射频率为第二频率、雨刷的摇摆速度为第四速度；其中，第一频率小于第二频率、第三速度小于第四速度。

需要说明的是，上述举例仅为确定执行器件和执行参数的举例，可以理解的是，对于其他未列举的内容，也在本实施例保护范围内。

S302，按照执行参数控制执行器件进行清洁操作。

在执行步骤S302的过程中，可以按照执行参数控制相应的执行器件，比如雨滴的遮挡程度小于指定雨滴阈值时，按照第一速度控制雨刷摇摆、按照第一时间控制车载空调进行前挡加热。

本发明实施例提供的控制方法，可以通过处理前挡风玻璃的图像确定遮挡程度和遮挡物类型，进一步基于遮挡程度和遮挡物类型清洁前挡风玻璃。基于本发明可以自动高效地清洁前挡风玻璃的遮挡物，无需驾驶员手动调节，提高驾驶体验。

基于上述实施例提供的控制方法，本发明实施例对应提供一种控制系统，该系统的结构示意图如图4所示，包括：

摄像头10，用于采集前挡风玻璃的图像。

车载控制器20，用于处理图像得到前挡风玻璃的遮挡程度和遮挡物类型；基于遮挡程度和遮挡物类型清洁前挡风玻璃。

可选的，用于处理图像得到前挡风玻璃的遮挡程度和遮挡物类型的车载控制器20，具体用于：

将图像输入至预构建的遮挡程度识别模型，通过遮挡程度识别模型确定图像的遮挡程度；其中，遮挡程度识别模型具有将图像对应的遮挡程度趋向于图像对应的实际遮挡程度的能力；将图像输入至预构建的遮挡物识别模型，通过遮挡物识别模型确定图像的遮挡物类型；其中，遮挡物识别模型具有将图像对应的遮挡物类型趋向于图像对应的实际遮挡物类型的能力。

可选的，用于处理图像得到前挡风玻璃的遮挡程度和遮挡物类型的车载控制器20，还用于：

判断遮挡程度是否在预设遮挡允许范围内；如果遮挡程度不在预设遮挡允许范围内，则执行将图像输入至预构建的遮挡物识别模型。

可选的，用于基于遮挡程度和遮挡物类型清洁前挡风玻璃的车载控制器20，具体用于：

分别确定遮挡物类型对应的用于清洁的执行器件、以及遮挡程度对应的执行参数；按照执行参数控制执行器件进行清洁操作。

可选的，执行器件包括雨刷、玻璃水泵和车载空调的一个或多个。

本发明实施例提供的控制系统，可以自动高效地清洁前挡风玻璃的遮挡物，无需驾驶员手动调节，提高驾驶体验。

以上对本发明所提供的一种控制方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素，或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种控制方法，其特征在于，包括：

采集前挡风玻璃的图像；

处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型；

基于所述遮挡程度和所述遮挡物类型清洁所述前挡风玻璃。

2.根据权利要求1所述的方法，其特征在于，所述处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型，包括：

将所述图像输入至预构建的遮挡程度识别模型，通过所述遮挡程度识别模型确定所述图像的遮挡程度；其中，所述遮挡程度识别模型具有将所述图像对应的所述遮挡程度趋向于所述图像对应的实际遮挡程度的能力；

将所述图像输入至预构建的遮挡物识别模型，通过所述遮挡物识别模型确定所述图像的遮挡物类型；其中，所述遮挡物识别模型具有将所述图像对应的所述遮挡物类型趋向于所述图像对应的实际遮挡物类型的能力。

3.根据权利要求2所述的方法，其特征在于，所述将所述图像输入至预构建的遮挡物识别模型之前，所述方法还包括：

判断所述遮挡程度是否在预设遮挡允许范围内；

如果所述遮挡程度不在所述预设遮挡允许范围内，则执行所述将所述图像输入至预构建的遮挡物识别模型。

4.根据权利要求1所述的方法，其特征在于，所述基于所述遮挡程度和所述遮挡物类型清洁所述前挡风玻璃，包括：

分别确定所述遮挡物类型对应的用于清洁的执行器件、以及所述遮挡程度对应的执行参数；

按照所述执行参数控制所述执行器件进行清洁操作。

5.根据权利要求4所述的方法，其特征在于，所述执行器件包括雨刷、玻璃水泵和车载空调的一个或多个。

6.一种控制系统，其特征在于，包括：

摄像头，用于采集前挡风玻璃的图像；

车载控制器，用于处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型；基于所述遮挡程度和所述遮挡物类型清洁所述前挡风玻璃。

7.根据权利要求6所述的系统，其特征在于，用于处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型的所述车载控制器，具体用于：

将所述图像输入至预构建的遮挡程度识别模型，通过所述遮挡程度识别模型确定所述图像的遮挡程度；其中，所述遮挡程度识别模型具有将所述图像对应的所述遮挡程度趋向于所述图像对应的实际遮挡程度的能力；将所述图像输入至预构建的遮挡物识别模型，通过所述遮挡物识别模型确定所述图像的遮挡物类型；其中，所述遮挡物识别模型具有将所述图像对应的所述遮挡物类型趋向于所述图像对应的实际遮挡物类型的能力。

8.根据权利要求7所述的系统，其特征在于，用于处理所述图像得到所述前挡风玻璃的遮挡程度和遮挡物类型的所述车载控制器，还用于：

判断所述遮挡程度是否在预设遮挡允许范围内；如果所述遮挡程度不在所述预设遮挡允许范围内，则执行所述将所述图像输入至预构建的遮挡物识别模型。

9.根据权利要求6所述的系统，其特征在于，用于基于所述遮挡程度和所述遮挡物类型清洁所述前挡风玻璃的所述车载控制器，具体用于：

分别确定所述遮挡物类型对应的用于清洁的执行器件、以及所述遮挡程度对应的执行参数；按照所述执行参数控制所述执行器件进行清洁操作。

10.根据权利要求9所述的系统，其特征在于，所述执行器件包括雨刷、玻璃水泵和车载空调的一个或多个。

Images