CN112758023B - 车载摄像头的控制方法及控制系统 - Google Patents

Abstract

本申请公开了一种车载摄像头的控制方法及控制系统。该控制方法应用于车辆的车载控制系统，该控制方法包括：通过车载摄像头获取车辆的预设范围的实时环境图片；根据实时环境图片确定车辆当前所处的环境；根据环境调整车载摄像头的参数，以使车载摄像头适配环境。通过此种方式，能够根据车辆所处的当前环境实时调整车摄像头的参数，从而能够提升驾驶的安全性。

Description

车载摄像头的控制方法及控制系统

技术领域

本申请涉及汽车电子设备领域，特别是涉及一种车载摄像头的控制方法及控制系统。

背景技术

随着汽车电子技术的迅速发展，越来越多的汽车安装有车载摄像头，以达到安全辅助行车或者驻车的目的。

本申请的发明人在长期的研发过程中发现，目前的车载摄像头的视野方向固定，不利于驾驶员的行车安全。

发明内容

为解决上述技术问题，本申请提供一种车载摄像头的控制方法及控制系统，以智能地控制车载摄像头，提升驾驶安全。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种车载摄像头的控制方法，应用于车辆的车载控制系统，该控制系统包括有多个车载摄像头，该控制方法包括：通过车载摄像头获取在车辆的预设范围的实时环境图片；根据实时环境图片确定车辆当前所处的环境；根据环境调整车载摄像头的参数，以使车载摄像头适配环境。

其中，根据实时环境图片确定车辆当前所处的环境的步骤包括：建立一数据库，数据库中包括有若干图片模板及图片模板对应的环境；从数据库中查找出与实时环境图片相似度最高的图片模板，得到车载摄像头的环境为图片模板对应的环境。根据所建立的数据库，能够快速地获取到车辆所处的环境。

其中，环境至少包括第一环境和第二环境，根据实时环境图片确定车载摄像头当前所处的环境的步骤包括：获取若干车辆的预设范围的环境图片样本；从环境图片样本中获取到第一环境对应的图片和第二环境对应的图片；对第一环境对应的图片和第二环境对应的图片进行特征提取和深度学习，并得到深度学习模型；将实时环境图片输入到深度学习模型得到车载摄像头的环境。通过深度学习的方法，能够更为准确地获取到车辆所处的环境。

其中，多个车载摄像头包括第一车载摄像头和第二车载摄像头，第一车载摄像头和第二车载摄像头沿车辆行驶的方向间隔设置，根据根据环境调整车载摄像头的参数的步骤包括：当环境为第一环境时，调整第一车载摄像头和/或第二车载摄像头的角度，使第一车载摄像头和第二车载摄像头的角度垂直。在第一环境时，车载摄像头进入360度摄像头组合，便于观察车辆周围车况，提高驾驶安全。

其中，根据根据环境调整车载摄像头的参数的步骤还包括：当环境为第二环境时，调整第一车载摄像头和/或第二车载摄像头的角度，使第一车载摄像头与第二车载摄像头的角度相同。在第二环境时，车载摄像头进入深度摄像头组合，便于观察车辆前后方的车况，提高驾驶安全。

其中，通过车载摄像头获取车辆的预设范围的实时环境图片的步骤包括：

通过车载摄像头以预设的频率获取预设的数量的环境图片；从环境图片中找出清晰度最高且包含有车辆行驶的道路或者道路交通标志的图片作为实时环境图片。选取清晰度最高且含有行驶的道路或者道路交通标志的图片作为实时环境图片，能够根据实时环境图片更准确地获取到车辆所处的环境。

其中，车载摄像头包括第一车载摄像头、第二车载摄像头、第三车载摄像头、第四车载摄像头，第一车载摄像头与第四车载摄像头沿车辆的行驶方向间隔设置，第二车载摄像头与第三车载摄像头沿垂直于车辆的行驶方向间隔设置，根据根据环境调整车载摄像头的参数的步骤包括：当环境为第一环境时，调整第二车载摄像头的角度，使第二车载摄像头与第一车载摄像头的角度垂直，调整第三车载摄像头的角度，使第三车载摄像头与第四车载摄像头的角度相同。在第一环境下，部分摄像头进入深度摄像头组合和另一部分摄像头进入360度摄像头组合，既能观察车辆两侧的车况，也能观察到车辆前后方的车况，提高驾驶的安全性。

其中，根据根据环境调整车载摄像头的参数的步骤还包括：当环境为第二环境时，调整第二车载摄像头的角度，使第二车载摄像头与第一车载摄像头的角度相同，调整第三车载摄像头的角度，使第三车载摄像头与第四车载摄像头的角度相同。在第二环境条件下，摄像头进入深度摄像头组合，能够清楚地观察到车辆前后方的车况，提升驾驶安全。

其中，车载摄像头的参数包括摄像头的焦距和摄像头的角度中的至少一种。焦距或者摄像头的角度的参数很容易调节，且经过调整此参数能够使车载摄像头拍摄的图像符合用户的需求。

为了解决现有技术存在的技术问题，本申请采用的另一个技术方案是：提供一种车载控制系统，车载控制系统包括存储器和处理器，存储器连接处理器，存储器存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例的控制方法。

本申请的有益效果是：区别于现有技术的情况，本申请的车载摄像头的控制方法，通过车载摄像头获取车辆的预设范围的实时环境图片，并依据该实时环境图片得到车辆所处的环境，以获取到车辆的实际行驶场景，然后再获取到与该环境对应的车载摄像头的参数，并根据该参数及时调整车载摄像头，使车载摄像头能够根据车辆所处的环境场景及时调整其参数。通过此种方法，能够更加智能地控制车载摄像头，提高驾驶的安全性。

附图说明

图1是本申请车载摄像头的控制方法一实施例的流程示意图；

图2是图1中S12一实施例的流程示意图；

图3是图1中S12另一实施例的流程示意图；

图4是车载摄像头一实施例的分布图；

图5是车载摄像头另一实施例的分布图；

图6是车载摄像头又一实施例的分布图；

图7是本申请车载控制系统的一实施例的结构示意图；

图8是本申请车载控制装置的一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

为了更加智能地控制车载摄像头，提升驾驶的安全性，本申请提供了一种车载摄像头的控制方法及控制系统，下面对该控制方法及控制系统进行详细的介绍。本申请中的术语“第一”、“第二”、“第三”、“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

现有的车载摄像头安装后，参数固定，或者需要人工进行调整，并不能根据车辆所处的实际场景自动切换摄像头的相关参数，影响了车辆驾驶的安全性。为了提升驾驶安全，本申请提供一种车载摄像头的控制方法，该控制方法应用于车辆的车载控制系统，该控制系统包括有多个所述车载摄像头。

请参阅图1，图1是本申请车载摄像头的控制方法的一实施例的流程示意图，该控制方法具体包括：

S11：通过车载摄像头获取车辆的预设范围的实时环境图片。

本实施例通过车载摄像头获取车辆的预设范围的实时环境图片。该预设范围可为车辆周围5m、10m、15m、50m等范围内，具体可根据实际情况进行选择设置。在一个具体的实施例中，可以通过车辆的某一个车载摄像头来获取车辆的预设范围的实时环境图片。在另一个实施例中，也可以通过多个车载摄像头获取车辆的预设范围的实时环境图片。在其他可替代的实施例中，可以根据车辆行驶情况选择不同车载摄像头来获取车辆的预设的范围的实时环境图片。比如当车辆在前进时，可以通过车辆前方的车载摄像头获取车辆的实时环境图片；当车辆在倒退行驶时，可以通过车辆后方的车载摄像头获取车辆的实时环境图片。或者当车辆的行驶速度大于预设的速度时，则通过车辆前方的摄像头获取车辆的的预设的范围的实时环境图片；当车辆的行驶速度小于预设的速度时，则通过车辆侧方的车载摄像头获取车辆的预设范围的实时环境图片。

具体地，通过车载摄像头以预设的频率采集预设张数的图片，该预设张数的图片可为60张图片，120张图片等，具体用户可以根据实际情况进行设置。预设的频率可为每分钟采集20张或者每分钟30张等，具体也可以根据实际需要进行设置。然后在采集的图片中识别出清晰度最高且带有道路交通标志或者车辆行驶道路的图片，然后将该图片作为实时环境图片。优选地，实时环境图片中包括有道路交通标志，以便于能够根据更准确地判断出车辆所处的环境。

可选地，实时环境图片的数量可以为一张，也可以为多张，比如可将采集到的清晰度大于预设的阈值且含有道路交通标志的或者车辆行驶的道路的所有图片都作为实时环境图片。当实时环境图片为多张时可更准确地判断出车辆所处的环境。

S12：根据实时环境图片确定车辆当前所处的环境。

根据步骤S11中获取到的实时环境图片确定车辆当前所处的环境。在本实施例中，车辆当前所处的环境是指车辆当前所处的道路交通情况，比如，该环境可以包括城市道路、高速公路、乡村街道、十字路口、交通复杂场所等。在其他可替代的实施例中，车辆当前所处的环境还可以为天气情况，比如该环境可以包括：阴天、雨天、雾霾天、晴天等。

在一个具体的实施例中，如图2所示，根据实时环境图片确定车辆当前所处的环境的步骤包括：

S121：建立一数据库，数据库中包括有若干图片模板及图片模板对应的环境。

预先建立一数据库，该数据库中包括有若干图片模板及该图片模板对应的环境。该若干图片模板中包括有各个环境的图片。比如当环境包括有高速公路环境和城市道路环境时，则该数据库中包括有高速公路环境对应的图片模板和城市道路环境对应的图片模板。其中各环境对应的图片模板可以通过人工拍摄后输入到数据库中，也可通过车载摄像头获取的实时环境图片中积累得到。其中数据库中各个环境对应的图片模板的数量越大，则根据实时环境图片与图片模板对比得到的车辆所处的环境就更加准确。

S122：从数据库中查找出与实时环境图片相似度最高的图片模板，得到车辆的环境为图片模板对应的环境。

在获取到实时环境图片后，将该实时环境图片与数据库中的图片模板进行相似度对比，并找到与该实时环境图片相似度最高的图片模板，然后确认该图片模板对应的环境即为车辆的环境。

其中，本实施例中，在进行相似度对比时，可以将实时环境图片与图片模板中的道路进行相似度对比，也可以将实时图片与图片模板中的道路交通标志进行相似度对比。通过图片中的部分元素进行相似度对比的方式，可提高对比结果的准确性。在其他实施例中，也可将实时环境图片的整体与数据库中的图片模板进行相似度对比，此种方式对比过程更加简单。

在另一个实施例中，如图3所示，车辆所处的环境至少包括有第一环境和第二环境，根据实时环境图片获取到车辆所处的环境的步骤包括：

S221：获取若干车辆的预设范围的环境图片样本。

可以获取大量的车辆预设范围的环境图片，并通过该环境图片制作样本集。其中，可以通过人工拍摄的方式获取到若干车辆预设范围的环境图片样本，也可以通过车载摄像头获取到该环境图片样本。该环境图片样本包括有车辆所处的各个环境的图片样本，即该环境图片样本包括有第一环境的图片样本和第二环境的图片样本。比如当第一环境为高速公路环境，第二环境为城市道路环境时，则该环境图片样本包括有高速公路环境对应的图片样本及城市道路环境对应的图片样本。获取到的环境图片样本的数量可以为1000张，也可以为500张等，具体可根据实际情况进行选择。

S222：从环境图片样本中获取到第一环境对应的图片和第二环境对应的图片。

从环境图片样本中挑选出第一环境对应的图片和第二环境对应的图片。在一个具体的实施例中，可以人工挑拣出第一环境对应的图片和第二环境对应的图片。当第一环境为高速公路环境，第二环境为城市道路环境时，则从该环境图片样本中，人工挑拣出高速公路环境对应的图片和城市道路环境对应的图片。

S223：对第一环境对应的图片和第二环境对应的图片进行特征提取和深度学习，并得到深度学习模型。

对第一环境对应的图片和第二环境对应的图片进行特征提取和深度学习，以建立深度学习模型。具体地，可以利用深度卷积神经网络对样本图片进行特征提取和多重卷积训练，实现对第一环境对应的图片和第二环境对应的图片的深度学习；输入图像通过可训练的滤波器和可加偏置产生特征映射图，经过多重卷积，将像素值光栅化，并连接成一个向量输入到传统的神经网络，得到输出。

对测试集进行卷积，训练学习的每个阶段选取一定数量图片进行训练，首先进行卷积，再进行子采样，接着进行第二次卷积，再进行第二次子采样，对采样出来的结果进行连接，计算设计分类结果，和实验标签进行对比，对参数进行调整。

卷积网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对卷积网络加以训练，卷积网络就具有输入输出之间的映射能力。通过建立深度学习模型，能够快速准确地根据实时环境图片输出车辆所处的环境。

S224：将实时环境图片输入到深度学习模型得到车载摄像头的环境。

将实时的环境图片输入到步骤S223建立的深度学习模型中，输出车载摄像头的环境。

S13：根据环境调整车载摄像头的参数，以使车载摄像头适配环境。

在获取到车辆所处的环境后，然后再获取到该环境对应的车载摄像头的参数，其中，车载摄像头的参数包括摄像头的角度或者摄像头的焦距等；然后根据获取到的车载摄像头的参数来调整摄像头，使摄像头的参数能够适配当前车辆所处的环境，提高驾驶安全。其中，具体执行时车载摄像头的数目及安装位置是可变的，可以根据实际需要进行配置。

在一个具体的实施例中，多个所述车载摄像头包括第一车载摄像头和第二车载摄像头，第一车载摄像头和第二车载摄像头沿车辆行驶的方向间隔设置，优选地，第一车载摄像头和第二车载摄像头沿垂直于车辆行驶的方向也间隔设置，以使第一车载摄像头和第二车载摄像头的角度组合范围更大。

当车辆所处的环境变化时，为了确保行车安全，车载摄像头的参数也作出相应调整。比如当环境为第一环境时，如图4所示，调整第一车载摄像头1和/或第二车载摄像头2的角度，使第一车载摄像头1和第二车载摄像头2的角度垂直，以使车载摄像头组合成360度摄像头组合，从而能够方便观察车辆周围的车况。当车辆所处的环境为第二环境时，如图5所示，调整第一车载摄像头1和/或第二车载摄像头2的角度，使第一车载摄像头1与第二车载摄像头2的角度相同，车载摄像头组成深度摄像头组合，以便于更清楚地观察车辆前后方的车况。

在另一个具体的实施例中，如图6所示，车载摄像头包括第一车载摄像头1、第二车载摄像头2、第三车载摄像头3、第四车载摄像头4，第一车载摄像头1与第四车载摄像头4沿车辆的行驶方向间隔设置，第二车载摄像头2与第三车载摄像头3沿垂直于车辆的行驶方向间隔设置。具体地，如图6所示，可以将第一车载摄像头1设置在车辆的前方，第二车载摄像头2设置在车辆的后方，第二车载摄像头2和第三车载摄像头3设置在车辆的两侧。

当车辆所处的环境为第一环境时，调整第二车载摄像头2的角度，使第二车载摄像头2与第一车载摄像头1的角度垂直，调整第三车载摄像头3的角度，使第三车载摄像头3与第四车载摄像头4的角度相同。通过此种方式，在第一环境时，车载摄像头组合中既有深度摄像头组合，又有360度摄像头组合，能够更方便地观察车辆周围的车况。当环境为第二环境时，调整第二车载摄像头2的角度，使第二车载摄像头2与第一车载摄像头1的角度相同，调整第三车载摄像头3的角度，使第三车载摄像头3与第四车载摄像头4的角度相同。在第二环境时，车载摄像头组成不同的深度摄像头组合，能够更清楚地观察车辆前后方的车况。

当第一环境为城市道路环境、第二环境为高速公路环境时，由于高速公路环境下，360度功能并不重要，能准确获知前后车辆的深度信息更重要，此时可以自动切换车载摄像头组合，通过旋转车载摄像头，使得车载摄像头组合成深度摄像头组合，提高行车安全。在城市交通环境下，360度功能及深度信息获取功能都很重要，因此可根据具体需要配置360度摄像头及深度摄像头组的数量及角度。

区别于现有技术的情况，本申请的车载摄像头的控制方法，通过车载摄像头获取车辆的预设范围的实时环境图片，并依据该实时环境图片得到车辆所处的环境，以获取到车辆的实际行驶场景，然后再获取到与该环境对应的车载摄像头的参数，并根据该参数及时调整车载摄像头，使车载摄像头能够根据车辆所处的环境场景及时调整其参数。通过此种方法能够更加智能地控制车载摄像头，提高驾驶的安全性。

请参阅图7，图7是本申请车载控制系统一实施例的结构示意图。该控制系统应用于车辆的驾驶过程中，该控制系统包括存储器71和处理器72，存储器71连接处理器72，存储器71存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例的控制方法。

在本实施例中，处理器72还可以称为CPU(Central Processing Unit，中央处理单元)。处理器72可以是一种集成电路芯片，具有信号的处理能力。处理器72还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

区别于现有技术的情况，本实施例的车载控制系统，能够根据环境的变化及时调整车载摄像头的参数。通过此种方式，能够更加智能地控制车载摄像头，提高驾驶的安全性。

本申请还提供一种车载控制装置，请参阅图8，图8是本申请车载控制装置的一实施例的结构示意图，该控制装置包括：获取模块81、处理模块82及调整模块83。

获取模块81用于通过车载摄像头获取车辆的预设范围的实时环境图片。在一个具体的实施例中，获取模块81用于通过车载摄像头以预设的频率获取预设的数量的环境图片；从环境图片中找出清晰度最高且包含有车辆行驶的道路或者道路交通标志的图片作为实时环境图片。

处理模块82用于根据实时环境图片获取到车辆所处的环境。

在一个具体的实施中处理模块82用于建立一数据库，数据库中包括有若干图片模板及图片模板对应的环境；从数据库中查找出与实时环境图片相似度最高的图片模板，得到车载摄像头的环境为图片模板对应的环境。

在另一个具体的实施例中，处理模块82用于获取若干车辆的预设范围的环境图片样本；从环境图片样本中获取到第一环境对应的图片和第二环境对应的图片；对第一环境对应的图片和第二环境对应的图片进行特征提取和深度学习，并得到深度学习模型；将实时环境图片输入到深度学习模型得到车载摄像头的环境。

调整模块83用于根据环境调整车载摄像头的参数，以使车载摄像头适配车辆当前所处的环境。其中，车载摄像头的参数包括摄像头的焦距和摄像头的角度中的至少一种。

可选地，在一个具体的实施例中，多个车载摄像头包括第一车载摄像头和第二车载摄像头，第一车载摄像头和第二车载摄像头沿车辆行驶的方向间隔设置。调整模块83用于当环境为第一环境时，调整第一车载摄像头和/或第二车载摄像头的角度，使第一车载摄像头和第二车载摄像头的角度垂直。调整模块83还用于当环境为第二环境时，调整第一车载摄像头和/或第二车载摄像头的角度，使第一车载摄像头与第二车载摄像头的角度相同。

在另一个具体的实施例中，车载摄像头包括第一车载摄像头、第二车载摄像头、第三车载摄像头、第四车载摄像头，第一车载摄像头与第四车载摄像头沿车辆的行驶方向间隔设置，第二车载摄像头与第三车载摄像头沿垂直于车辆的行驶方向间隔设置。调整模块83用于当环境为第一环境时，调整第二车载摄像头的角度，使第二车载摄像头与第一车载摄像头的角度垂直，调整第三车载摄像头的角度，使第三车载摄像头与第四车载摄像头的角度相同。调整模块83还用于当环境为第二环境时，调整第二车载摄像头的角度，使第二车载摄像头与第一车载摄像头的角度相同，调整第三车载摄像头的角度，使第三车载摄像头与第四车载摄像头的角度相同。

区别于现有技术的情况，本申请的车载控制装置，能够控制车载摄像头根据车辆所处的环境场景及时调整其参数。通过此种方法能够更加智能地控制车载摄像头，提高驾驶的安全性。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (5)

1.一种车载摄像头的控制方法，应用于车载控制系统，所述车载控制系统包括有多个所述车载摄像头，其特征在于，所述控制方法包括：

通过所述车载摄像头获取在车辆的预设范围的实时环境图片；

根据所述实时环境图片确定所述车辆当前所处的环境；

根据所述环境调整所述车载摄像头的参数，以使所述车载摄像头适配所述环境，

其中，多个所述车载摄像头包括第一车载摄像头、第二车载摄像头、第三车载摄像头和第四车载摄像头，所述第一车载摄像头与所述第四车载摄像头沿所述车辆的行驶方向间隔设置，所述第二车载摄像头与所述第三车载摄像头沿垂直于所述车辆的行驶方向间隔设置，所述环境至少包括第一环境和第二环境，所述第一环境为城市道路环境，所述第二环境为高速公路环境，所述根据所述环境调整所述车载摄像头的参数的步骤包括：

当所述环境为所述第一环境时，调整所述第二车载摄像头的角度，使所述第二车载摄像头与所述第一车载摄像头的角度垂直，调整所述第三车载摄像头的角度，使所述第三车载摄像头与所述第四车载摄像头的角度相同；

当所述环境为所述第二环境时，调整所述第二车载摄像头的角度，使所述第二车载摄像头与所述第一车载摄像头的角度相同，调整所述第三车载摄像头的角度，使所述第三车载摄像头与所述第四车载摄像头的角度相同。

2.根据权利要求1所述的控制方法，其特征在于，所述根据所述实时环境图片获取到所述车辆当前所处的环境的步骤包括：

获取若干所述车辆的所述预设范围的环境图片样本；

从所述环境图片样本中获取到所述第一环境对应的图片和所述第二环境对应的图片；

对所述第一环境对应的图片和所述第二环境对应的图片进行特征提取和深度学习，并得到深度学习模型；

将所述实时环境图片输入到所述深度学习模型得到所述车载摄像头的所述环境。

3.根据权利要求1所述的控制方法，其特征在于，所述通过所述车载摄像头获取所述车辆的预设范围的实时环境图片的步骤包括：

通过所述车载摄像头以预设的频率获取预设的数量的环境图片；

从所述环境图片中找出清晰度最高且包含有所述车辆行驶的道路或者道路交通标志的图片作为所述实时环境图片。

4.根据权利要求1所述的控制方法，其特征在于，所述车载摄像头的参数包括摄像头的焦距和摄像头的角度中的至少一种。

5.一种车载控制系统，其特征在于，所述车载控制系统包括存储器和处理器，所述存储器连接所述处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-4任一项的控制方法。

Images