CN115761668A - 摄像头的污渍识别方法、装置、车辆及存储介质 - Google Patents
摄像头的污渍识别方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN115761668A CN115761668A CN202211399217.5A CN202211399217A CN115761668A CN 115761668 A CN115761668 A CN 115761668A CN 202211399217 A CN202211399217 A CN 202211399217A CN 115761668 A CN115761668 A CN 115761668A
- Authority
- CN
- China
- Prior art keywords
- camera
- weather information
- determining
- definition
- picture
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请实施例适用于车辆技术领域,提供了一种摄像头的污渍识别方法、装置、车辆及存储介质,该方法包括:获取摄像头在当前时刻采集的第一图片以及在历史时刻采集的第二图片;获取当前时刻下的当前天气信息,并根据当前天气信息确定摄像头在当前时刻下存在污渍的第一目标概率;获取历史时刻下的历史天气信息,并根据历史天气信息确定摄像头在历史时刻下存在污渍的第二目标概率;确定第一图片的第一清晰度和第二图片的第二清晰度;根据第一清晰度、第二清晰度、第一目标概率以及第二目标概率,确定摄像头的污渍识别结果。采用上述方法可以提高摄像头的污渍识别结果的准确率。
Description
技术领域
本申请属于车辆技术领域,尤其涉及一种摄像头的污渍识别方法、装置、车辆及存储介质。
背景技术
随着智能汽车的快速发展,车辆通常根据设置的多个车载摄像设备,采集车辆周围环境信息,以辅助车辆智能驾驶系统正确识别行车环境,减少交通事故的发生。因此,确定车载摄像设备中摄像头是否存在污渍则显得尤为重要。
目前,发现摄像头上的污渍主要通过车主对车载摄像头采集的图像进行判定。然而,在车辆处于行驶状态,以及天气原因,使得拍摄的图像质量较差,进而,无法准确的识别摄像头是否存在污渍。
发明内容
本申请实施例提供了一种摄像头的污渍识别方法、装置、车辆及存储介质,可以解决车辆无法准确的识别摄像头是否存在污渍的问题。
第一方面,本申请实施例提供了一种摄像头的污渍识别方法,应用于车辆,方法包括:
获取摄像头在当前时刻采集的第一图片以及在历史时刻采集的第二图片;
获取当前时刻下的当前天气信息,并根据当前天气信息确定摄像头在当前时刻下存在污渍的第一目标概率;
获取历史时刻下的历史天气信息,并根据历史天气信息确定摄像头在历史时刻下存在污渍的第二目标概率;
确定第一图片的第一清晰度和第二图片的第二清晰度;
根据第一清晰度、第二清晰度、第一目标概率以及第二目标概率,确定摄像头的污渍识别结果。
第二方面,本申请实施例提供了一种摄像头的污渍识别装置,应用于车辆,装置包括:
第一获取模块,用于获取摄像头在当前时刻采集的第一图片以及在历史时刻采集的第二图片;
第二获取模块,用于获取当前时刻下的当前天气信息,并根据当前天气信息确定摄像头在当前时刻下存在污渍的第一目标概率;
第三获取模块,用于获取历史时刻下的历史天气信息,并根据历史天气信息确定摄像头在历史时刻下存在污渍的第二目标概率;
第一确定模块,用于确定第一图片的第一清晰度和第二图片的第二清晰度;
第二确定模块,用于根据第一清晰度、第二清晰度、第一目标概率以及第二目标概率,确定摄像头的污渍识别结果。
第三方面,本申请实施例提供了一种车辆,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述第一方面的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在车辆上运行时,使得车辆执行上述第一方面的方法。
本申请实施例与现有技术相比存在的有益效果是:先获取摄像头在当前时刻采集的第一图片,以及历史时刻采集的第二图片;而后,获取当前时刻下的当前天气信息,并确定摄像头在当前天气信息下存在污渍的第一目标概率;以及,获取历史时刻下的历史天气信息,并确定摄像头在历史天气信息存在污渍的第二目标概率。之后,确定第一图片的第一清晰度和第二图片的第二清晰度,以根据第一清晰度和第二清晰度确定摄像头的污渍识别结果。以此,在确定摄像头是否存在污渍时,不仅只基于两帧图片之间的清晰度进行判断,还结合了两帧图片在被获取时的天气信息进行判断,以此,可以准确得到污渍识别结果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种摄像头的污渍识别方法的实现流程图;
图2是本申请一实施例提供的一种摄像头的污渍识别方法中获取当前天气信息的一种实现方式示意图;
图3是本申请一实施例提供的一种摄像头的污渍识别方法中确定污渍识别结果的一种实现方式示意图;
图4是本申请一实施例提供的一种摄像头的污渍识别方法中摄像头存在污渍时拍摄图片的应用场景示意图;
图5是本申请一实施例提供的一种摄像头的污渍识别方法中进行除污处理后摄像头拍摄图片的应用场景示意图;
图6是本申请一实施例提供的一种摄像头的污渍识别装置的结构示意图;
图7是本申请一实施例提供的一种车辆的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
车辆通常根据设置的多个车载摄像设备,采集车辆周围的环境信息,以辅助车辆智能驾驶系统正确识别行车环境,减少交通事故的发生。目前,主要通过车主对车载摄像头采集的图像进行判定,以确定摄像头上是否存在污渍。然而,在车辆处于行驶状态时,可能因天气原因使得拍摄的图像质量较差,车主不能及时地发现摄像头上存在的污渍,导致车辆智能驾驶系统无法正确识别行车环境,不利于行车安全。
基于此,为了能够准确的识别摄像头是否存在污渍,本申请实施例提供了一种摄像头的污渍识别方法,应用于车辆。其中,车辆上通常设置有多个摄像设备,车辆可以针对任意摄像设备的摄像头执行上述方法。
参阅图1,图1示出了本申请实施例提供的一种摄像头的污渍识别方法的实现流程图,该方法包括如下步骤:
S101、获取摄像头在当前时刻采集的第一图片以及在历史时刻采集的第二图片。
在一实施例中,上述历史时刻可以为当前时刻之前的上一时刻,此时,第一图片与第二图片为相邻的两帧图片。或者,历史时刻可以为与当前时刻间隔预设时间段的时刻,此时第一图片与第二图片之间将间隔多帧图片。本实施例中,可以选择相邻的第一图片和第二图片,也可以选择间隔预设帧数的第一图片和第二图片,对此不做限定。
其中,车辆可以实时获取摄像头采集的图片,并进行存储。因此,车辆可以直接获取上述第二图片。
S102、获取当前时刻下的当前天气信息,并根据当前天气信息确定摄像头在当前时刻下存在污渍的第一目标概率。
在一实施例中,天气信息包括但不限于光照、温度、雨、雪、雾、沙尘暴等一种或多种信息,对此不做限定。上述当前天气信息为当前时刻下获取到的天气信息。上述污渍包括但不限于灰尘、泥土等容易附着在摄像头上的物体,对此不做限定。
需要说明的是,因摄像设备拍摄的图片通常容易受到光照、雨、雪、雾、沙尘暴等天气信息的影响,而受温度的影响较小。因此,天气信息通常可以主要为上述的光照、温度、雨、雪、雾、沙尘暴等信息。
然而,因采集到的图片用于进行污渍识别,而光照的强弱通常不会使摄像头上产生污渍。因此,在本实施例中,上述天气信息具体可以为雨、雪、雾、沙尘暴等信息,对此不做限定。
具体的,车辆可以根据如图2所示的S201-S205步骤确定当前天气信息。
详述如下:
S201、根据预设的天气识别模型对第一图片进行处理,得到第一天气信息。
在一实施例中,上述天气识别模型为用于对第一图片进行处理,输出第一天气信息的模型,该模型可以预先进行训练。其中,上述天气识别模型可以为区域选择和并发模型(Region Selection And Concurrency Model,RSCM),或只看一次算法(YouOnlyLookOnce,YOLO)搭建的网络模型,对此不做限定。本实施例中,上述天气识别模型主要为RSCM模型。
S202、获取车辆的当前位置信息。
S203、发送包含当前位置信息的天气信息请求至预设的气象服务器。
S204、接收气象服务器基于天气信息请求返回的第二天气信息。
在一实施例中,上述当前位置信息为车辆当前时刻下的位置信息,其可以根据预先设置的定位设备进行确定。例如,全球定位系统(Global Positioning System GPS)或北斗定位系统,对此不做限定。
在一实施例中,上述气象服务器用于从全国各地的气象传感器中获取当地的天气信息,并对外部进行公布。其中,气象传感器包括但不限于风速计、风向标、雨量计、湿度计以及气压表等一种或多种传感器,对此不作限定。其中,每个气象传感器在采集到当地的天气信息后,均可以将天气信息以及气象传感器所对应采集的区域范围发送至气象服务器中。基于此,气象服务器可以根据天气信息请求中包含的当前位置信息,确定对应的第二天气信息,并发送至车辆中。
S205、将第一天气信息和第二天气信息确定为当前天气信息。
在一实施例中,车辆可以将第一天气信息和第二天气信息均确定为当前天气信息。
需要特别说明的是,采用天气识别模型对第一图片进行处理得到的第一天气信息,相比于直接通过互联网功能或上述S202-S204步骤获取到的第二天气信息更具有实时性。以及,通过互联网功能或上述S202-S204步骤获取到的第二天气信息,相比于采用天气识别模型对第一图片进行处理得到的第一天气信息的精度更高。
基于此,在本实施例中,结合天气识别模型和气象服务器等两种方式分别获取第一天气信息和第二天气信息,可以多维度的确定当前天气信息,使得到的当前天气信息具有准确性以及实时性。
在一实施例中,在确定当前天气信息后,车辆可以根据预先设置的每种天气信息与预设概率之间的关联关系,确定当前天气信息对应的第一目标概率。示例性的,在当前天气信息为小雨时对应的第一目标概率,通常小于天气信息为中雨或大雨时对应的第一目标概率。
在本实施例中,根据上述S201-S205可知,当前天气信息包括第一天气信息和第二天气信息。基于此,在确定第一目标概率时,车辆可以根据预设天气信息与预设概率之间的关联关系,分别确定第一天气信息对应的第一概率,和第二天气信息对应的第二概率。之后,将第一概率与和第二概率之间的均值,确定为第一目标概率。
此时,上述第一目标概率可以用于综合的表征当前天气信息下,摄像头存在污渍的概率。
S103、获取历史时刻下的历史天气信息,并根据历史天气信息确定摄像头在历史时刻下存在污渍的第二目标概率。
在一实施例中,上述历史天气信息为车辆对历史时刻下获取到的第二图片进行处理得到的天气信息。其中,获取历史天气信息和第二目标概率与上述S102步骤中获取当前天气信息以及第一目标概率的方式相似,对此不再进行说明。
S104、确定第一图片的第一清晰度和第二图片的第二清晰度。
在一实施例中,上述清晰度用于表征图片显示的清晰程度。通常的,车辆可以检测图片中物体(人、物品、动物或植物等物体)的边缘轮廓,并将边缘轮廓的清晰度确定为图片的清晰度。或者,车辆也可以对图片进行放大,检测图片中的纹理细节,将纹理细节的丰富程度确定为图片的清晰度,对此不做限定。
可以理解的是,在摄像头有污渍的情况下,从图片中检测到的边缘信息通常较少,像素值较低;以及,在摄像头没有污渍的情况下,从图片中检测到的边缘信息通常较多,像素值相对较高。
在本实施例中,车辆可以获取第一图片中各个像素点的灰度值;之后,计算第一图片中所有像素点的灰度值均值,并将灰度值均值确定为第一清晰度。
在一实施例中,灰度值是指黑白相机拍出的图片中像素点的值,从0至255共256级。通常的,摄像设备拍摄出的第一图片和第二图片为彩色图片,第一图片和第二图片中的每个像素点的颜色由红、绿、蓝(R,G,B)三基色组成。因此,每个像素点的灰度值也可以根据该像素点的RGB进行计算得到。
具体的,车辆可以基于如下计算公式计算每个像素点的灰度值:
Gray=R*0.3+G*0.59+B*0.11;
其中,Gray表示为灰度值;R、G、B分别表示像素点的红、绿、蓝分别对应的像素值。
在其他实施例中,车辆还可以根据平均值法或仅取绿色的颜色值作为灰度值等方法,确定各个像素点的灰度值,对此不做限定。
在一实施例中,在确定所有像素点的灰度值后,车辆可以计算所有像素点的平均像素值,得到灰度值均值。之后,将该灰度值均值确定为第一清晰度。
需要补充的是,为了避免计算得到的第一清晰度过大,在获取第一图片中各个像素点的灰度值后,还可以对灰度值进行归一化处理。
其中,计算第二图片的第二清晰度与计算第一清晰度的方式相似,对此不再进行说明。
S105、根据第一清晰度、第二清晰度、第一目标概率以及第二目标概率,确定摄像头的污渍识别结果。
在一实施例中,上述污渍识别结果为摄像头存在污渍或摄像头不存在污渍中的一种。具体的,车辆可以通过如图3所示的S301-S303步骤确定污渍识别结果,详述如下:
S301、根据第一清晰度、第二清晰度、第一目标概率以及第二目标概率,确定第一图片与第二图片之间的目标清晰度差值。
在一实施例中,在得到第一清晰度、第二清晰度、第一目标概率以及第二目标概率后,车辆可以分别计算第一清晰度与第一目标概率的第一乘积,以及第二清晰度与第二目标概率的第二乘积。最后,将第一乘积与第二乘积之间的差值,确定为目标清晰度差值。
具体的,车辆可以根据如下计算公式计算目标清晰度差值,公式如下:
H=Wj-1*Hj-1-Wj*Hj
其中,H为目标清晰度差值;j为第一图片,Wj为第一图片的第一目标概率;Hj为第一图片的第一清晰度;j-1为第二图片,Wj-1为第二图片的第二目标概率;Hj-1为第二图片的第二清晰度。
在另一实施例中,车辆可以直接将第一清晰度与第二清晰度之间的差值作为目标清晰度差值,以减少车辆的计算量。然而,采用上述S301步骤计算的目标清晰度的目的在于:使得车辆在计算目标清晰度差值时,还考虑了摄像头拍摄图片时天气对摄像头的影响,提高最终计算的目标清晰度差值的精度。
S302、若目标清晰度差值大于预设差值,则确定污渍识别结果为摄像头存在污渍。
S303、若目标清晰度差值小于或等于预设差值,则确定污渍识别结果为摄像头不存在污渍。
在一实施例中,上述预设差值可以根据实际情况进行设置,对此不做限定。示例性的,上述预设差值可以为0.34。在目标清晰度差值大于预设差值时,车辆可以确定污渍识别结果为摄像头存在污渍。以及,在目标清晰度差值小于或等于预设差值时,车辆可以确定污渍识别结果为摄像头不存在污渍。
本实施例中,车辆可以先获取摄像头在当前时刻采集的第一图片,以及历史时刻采集的第二图片;而后,获取当前时刻下的当前天气信息,并确定摄像头在当前天气信息下存在污渍的第一目标概率;以及,获取历史时刻下的历史天气信息,并确定摄像头在历史天气信息存在污渍的第二目标概率。之后,确定第一图片的第一清晰度和第二图片的第二清晰度,以根据第一清晰度和第二清晰度确定摄像头的污渍识别结果。以此,在确定摄像头是否存在污渍时,不仅只基于两帧图片之间的清晰度进行判断,还结合了两帧图片在被获取时的天气信息进行判断,以此,可以准确得到污渍识别结果。
在另一实施例中,若在车辆处于行驶状态时检测出摄像头存在污渍,则污渍通常不能及时地被清除。否则,不仅会对行车安全产生威胁,且在之后对停留较长时间的污渍进行清理时也具有一定的难度。
基于此,为了能够对及时地对摄像头进行除污,保证行车安全,车辆可以在确定污渍识别结果为摄像头存在污渍时,获取车辆的行驶速度。之后,在行驶速度小于或等于预设速度时,控制预设的除污装置对摄像头进行除污操作。在行驶速度大于预设速度,生成污渍提醒指令,以提醒车主减速行驶。
在一实施例中,上述除污装置可以预先由车主进行设置,本实施例中,对除污装置的工作原理、结构以及位置不做任何限定。
其中,上述预设速度可以为60km/s,也可以为其他数值,对此不做限定。需要说明的是,在行驶速度小于或等于预设速度时,可以认为此时除污装置对摄像头进行清理的效果最佳,其效果比行驶速度大于预设速度时除污装置对摄像头进行清理的效果更好。
具体的,参照图4和图5,其中,图4是本申请一实施例提供的一种摄像头的污渍识别方法中摄像头存在污渍时拍摄图片的应用场景示意图;图5是本申请一实施例提供的一种摄像头的污渍识别方法中进行除污处理后摄像头拍摄图片的应用场景示意图。比较图4和图5可知,图5对应的图片的清晰度远大于图4对应的图片的清晰度。
在一实施例中,上述污渍提醒指令用于提醒车主减速行驶,其中,提醒方式包括但不限于语音或鸣笛等方式,对此不做限定。
请参阅图6,图6是本申请实施例提供的一种摄像头的污渍识别装置的结构框图。本实施例中摄像头的污渍识别装置包括的各模块用于执行图1至图3对应的实施例中的各步骤。具体请参阅图1至图3以及图1至图3所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。参见图6,摄像头的污渍识别装置600可以包括:第一获取模块610、第二获取模块620、第三获取模块630、第一确定模块640以及第二确定模块650,其中:
第一获取模块610,用于获取摄像头在当前时刻采集的第一图片以及在历史时刻采集的第二图片。
第二获取模块620,用于获取当前时刻下的当前天气信息,并根据当前天气信息确定摄像头在当前时刻下存在污渍的第一目标概率。
第三获取模块630,用于获取历史时刻下的历史天气信息,并根据历史天气信息确定摄像头在历史时刻下存在污渍的第二目标概率。
第一确定模块640,用于确定第一图片的第一清晰度和第二图片的第二清晰度。
第二确定模块650,用于根据第一清晰度、第二清晰度、第一目标概率以及第二目标概率,确定摄像头的污渍识别结果。
在一实施例中,第二获取模块620还用于:
根据预设的天气识别模型对第一图片进行处理,得到第一天气信息;获取车辆的当前位置信息;发送包含当前位置信息的天气信息请求至预设的气象服务器;接收气象服务器基于天气信息请求返回的第二天气信息;将第一天气信息和第二天气信息确定为当前天气信息。
在一实施例中,在一实施例中,第二获取模块620还用于:
根据预设天气信息与预设概率之间的关联关系,分别确定第一天气信息对应的第一概率和第二天气信息对应的第二概率;将第一概率和第二概率的均值,确定为第一目标概率。
在一实施例中,第一确定模块640还用于:
获取第一图片中各个像素点的灰度值;计算第一图片中所有像素点的灰度值均值;将灰度值均值确定为第一清晰度。
在一实施例中,第二确定模块650还用于:
根据第一清晰度、第二清晰度、第一目标概率以及第二目标概率,确定第一图片与第二图片之间的目标清晰度差值;若目标清晰度差值大于预设差值,则确定污渍识别结果为摄像头存在污渍;若目标清晰度差值小于或等于预设差值,则确定污渍识别结果为摄像头不存在污渍。
在一实施例中,第二确定模块650还用于:
计算第一清晰度与第一目标概率的第一乘积;计算第二清晰度与第二目标概率的第二乘积;将第一乘积与第二乘积的差值,确定为目标清晰度差值。
在一实施例中,摄像头的污渍识别装置还包括:
第四获取模块,用于若污渍识别结果为摄像头存在污渍,则获取车辆的行驶速度。
控制模块,用于若行驶速度小于或等于预设速度,则控制预设的除污装置对摄像头进行除污操作。
提醒模块,用于若行驶速度大于预设速度,则生成污渍提醒指令;污渍提醒指令用于提醒车主减速行驶。
当理解的是,图6示出的摄像头的污渍识别装置的结构框图中,各模块用于执行图1至图3对应的实施例中的各步骤,而对于图1至图3对应的实施例中的各步骤已在上述实施例中进行详细解释,具体请参阅图1至图3以及图1至图3所对应的实施例中的相关描述,此处不再赘述。
图7是本申请一实施例提供的一种车辆的结构框图。如图7所示,该实施例的车辆700包括:处理器710、存储器720以及存储在存储器720中并可在处理器710运行的计算机程序730,例如摄像头的污渍识别方法的程序。处理器710执行计算机程序730时实现上述各个摄像头的污渍识别方法各实施例中的步骤,例如图1所示的S101至S104。或者,处理器710执行计算机程序730时实现上述图5对应的实施例中各模块的功能,例如,图5所示的模块510至540的功能,具体请参阅图5对应的实施例中的相关描述。
示例性的,计算机程序730可以被分割成一个或多个模块,一个或者多个模块被存储在存储器720中,并由处理器710执行,以实现本申请实施例提供的摄像头的污渍识别方法。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序730在车辆700中的执行过程。例如,计算机程序730可以实现本申请实施例提供的摄像头的污渍识别方法。
车辆700可包括,但不仅限于,处理器710、存储器720。本领域技术人员可以理解,图7仅仅是车辆700的示例,并不构成对车辆700的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如车辆还可以包括输入输出设备、网络接入设备、总线等。
所称处理器710可以是中央处理单元,还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
存储器720可以是车辆700的内部存储单元,例如车辆700的硬盘或内存。存储器720也可以是车辆700的外部存储设备,例如车辆700上配备的插接式硬盘,智能存储卡,闪存卡等。进一步地,存储器720还可以既包括车辆700的内部存储单元也包括外部存储设备。
本申请实施例提供了一种计算机可读存储介质,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述各个实施例中的摄像头的污渍识别方法。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在车辆上运行时,使得车辆执行上述各个实施例中的摄像头的污渍识别方法。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种摄像头的污渍识别方法,其特征在于,应用于车辆,所述方法包括:
获取摄像头在当前时刻采集的第一图片以及在历史时刻采集的第二图片;
获取所述当前时刻下的当前天气信息,并根据所述当前天气信息确定所述摄像头在所述当前时刻下存在污渍的第一目标概率;
获取所述历史时刻下的历史天气信息,并根据所述历史天气信息确定所述摄像头在所述历史时刻下存在污渍的第二目标概率;
确定所述第一图片的第一清晰度和所述第二图片的第二清晰度;
根据所述第一清晰度、所述第二清晰度、第一目标概率以及所述第二目标概率,确定所述摄像头的污渍识别结果。
2.根据权利要求1所述的方法,其特征在于,所述获取所述当前时刻下的当前天气信息,包括:
根据预设的天气识别模型对所述第一图片进行处理,得到第一天气信息;
获取所述车辆的当前位置信息;发送包含所述当前位置信息的天气信息请求至预设的气象服务器;接收所述气象服务器基于所述天气信息请求返回的第二天气信息;
将所述第一天气信息和所述第二天气信息确定为所述当前天气信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述当前天气信息确定所述摄像头在所述当前时刻下存在污渍的第一目标概率,包括:
根据预设天气信息与预设概率之间的关联关系,分别确定所述第一天气信息对应的第一概率和所述第二天气信息对应的第二概率;
将所述第一概率和所述第二概率的均值,确定为所述第一目标概率。
4.根据权利要求1所述的方法,其特征在于,所述确定所述第一图片的第一清晰度,包括:
获取所述第一图片中各个像素点的灰度值;
计算所述第一图片中所有所述像素点的灰度值均值;
将所述灰度值均值确定为所述第一清晰度。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第一清晰度、所述第二清晰度、第一目标概率以及所述第二目标概率,确定所述摄像头的污渍识别结果,包括:
根据所述第一清晰度、所述第二清晰度、所述第一目标概率以及所述第二目标概率,确定所述第一图片与所述第二图片之间的目标清晰度差值;
若所述目标清晰度差值大于预设差值,则确定所述污渍识别结果为所述摄像头存在污渍;
若所述目标清晰度差值小于或等于预设差值,则确定所述污渍识别结果为所述摄像头不存在污渍。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一清晰度、所述第二清晰度、所述第一目标概率以及所述第二目标概率,确定所述第一图片与所述第二图片之间的目标清晰度差值,包括:
计算所述第一清晰度与所述第一目标概率的第一乘积;
计算所述第二清晰度与所述第二目标概率的第二乘积;
将所述第一乘积与所述第二乘积的差值,确定为所述目标清晰度差值。
7.根据权利要求1-6任一项所述的方法,其特征在于,在所述根据所述第一清晰度、所述第二清晰度、第一目标概率以及所述第二目标概率,确定所述摄像头的污渍识别结果之后,还包括:
若所述污渍识别结果为所述摄像头存在污渍,则获取所述车辆的行驶速度;
若所述行驶速度小于或等于预设速度,则控制预设的除污装置对所述摄像头进行除污操作;
若所述行驶速度大于所述预设速度,则生成污渍提醒指令;所述污渍提醒指令用于提醒车主减速行驶。
8.一种摄像头的污渍识别装置,其特征在于,应用于车辆,所述装置包括:
第一获取模块,用于获取摄像头在当前时刻采集的第一图片以及在历史时刻采集的第二图片;
第二获取模块,用于获取所述当前时刻下的当前天气信息,并根据所述当前天气信息确定所述摄像头在所述当前时刻下存在污渍的第一目标概率;
第三获取模块,用于获取所述历史时刻下的历史天气信息,并根据所述历史天气信息确定所述摄像头在所述历史时刻下存在污渍的第二目标概率;
第一确定模块,用于确定所述第一图片的第一清晰度和所述第二图片的第二清晰度;
第二确定模块,用于根据所述第一清晰度、所述第二清晰度、第一目标概率以及所述第二目标概率,确定所述摄像头的污渍识别结果。
9.一种车辆,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211399217.5A CN115761668A (zh) | 2022-11-09 | 2022-11-09 | 摄像头的污渍识别方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211399217.5A CN115761668A (zh) | 2022-11-09 | 2022-11-09 | 摄像头的污渍识别方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115761668A true CN115761668A (zh) | 2023-03-07 |
Family
ID=85369865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211399217.5A Pending CN115761668A (zh) | 2022-11-09 | 2022-11-09 | 摄像头的污渍识别方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115761668A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116055900A (zh) * | 2023-03-30 | 2023-05-02 | 北京城建智控科技股份有限公司 | 一种基于摄像装置的图像质量修正方法 |
CN117676093A (zh) * | 2023-12-19 | 2024-03-08 | 苏州伟卓奥科三维科技有限公司 | 一种基于云服务的远程无线视频监控系统 |
-
2022
- 2022-11-09 CN CN202211399217.5A patent/CN115761668A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116055900A (zh) * | 2023-03-30 | 2023-05-02 | 北京城建智控科技股份有限公司 | 一种基于摄像装置的图像质量修正方法 |
CN116055900B (zh) * | 2023-03-30 | 2023-06-09 | 北京城建智控科技股份有限公司 | 一种基于摄像装置的图像质量修正方法 |
CN117676093A (zh) * | 2023-12-19 | 2024-03-08 | 苏州伟卓奥科三维科技有限公司 | 一种基于云服务的远程无线视频监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11035958B2 (en) | Systems and methods for correcting a high-definition map based on detection of obstructing objects | |
Negru et al. | Image based fog detection and visibility estimation for driving assistance systems | |
CN108877269B (zh) | 一种交叉路口车辆状态检测及v2x广播方法 | |
CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
US20170032514A1 (en) | Abandoned object detection apparatus and method and system | |
CN111141311B (zh) | 一种高精度地图定位模块的评估方法及系统 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN112507862B (zh) | 基于多任务卷积神经网络的车辆朝向检测方法及系统 | |
WO2020154990A1 (zh) | 目标物体运动状态检测方法、设备及存储介质 | |
CN110388929B (zh) | 导航地图更新方法、装置及系统 | |
US11436839B2 (en) | Systems and methods of detecting moving obstacles | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN113593250A (zh) | 一种基于视觉识别的违章停车检测系统 | |
WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
JP2015090679A (ja) | 車両軌跡抽出方法、車両領域抽出方法、車両速度推定方法、車両軌跡抽出プログラム、車両領域抽出プログラム、車両速度推定プログラム、車両軌跡抽出システム、車両領域抽出システム、及び、車両速度推定システム | |
CN114841910A (zh) | 车载镜头遮挡识别方法及装置 | |
CN113076851B (zh) | 一种车辆违章数据的采集方法、装置以及计算机设备 | |
JP2018073275A (ja) | 画像認識装置 | |
CN113408454A (zh) | 一种交通目标检测方法、装置、电子设备及检测系统 | |
JP2019121356A (ja) | 干渉領域検出装置と方法及び電子機器 | |
CN111523368B (zh) | 信息处理装置、服务器以及交通管理系统 | |
CN112906471A (zh) | 一种交通信号灯识别方法及装置 | |
CN112598743A (zh) | 一种单目视觉图像的位姿估算方法及相关装置 | |
CN113689493A (zh) | 镜头附着物检测方法、装置、电子设备和存储介质 | |
CN116363628A (zh) | 标志检测方法、装置、非易失性存储介质及计算机设备 |
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 |