CN116567375B - 车载前视摄像头一体机、车辆和车辆车速控制方法 - Google Patents

Abstract

本公开的实施例公开了车载前视摄像头一体机、车辆和车辆车速控制方法。该车载前视摄像头一体机的一具体实施方式包括：壳体、电路板、控制模块、光线传感器组件、雨量传感器组件和摄像头模组组件；电路板设置在壳体内，位于壳体的一端，且与壳体连接；控制模块设置在电路板上；光线传感器组件包括光线传感器，光线传感器设置在壳体的另一端的侧面，与控制模块通信连接；雨量传感器组件包括雨量传感器，雨量传感器设置在壳体的另一端的侧面，与控制模块通信连接；摄像头模组组件包括摄像头模组，摄像头模组设置在壳体的另一端的侧面，与控制模块通信连接。该实施方式可以减少主驾视野被遮挡，提高车辆在行驶过程中的安全性。

Description

车载前视摄像头一体机、车辆和车辆车速控制方法

技术领域

本公开的实施例涉及自动驾驶技术领域，具体涉及车载前视摄像头一体机、车辆和车辆车速控制方法。

背景技术

车载前视摄像头一体机为通过前视摄像头模组采集前方道路图像，辅助车辆实现车道自动保持、自适应巡航、自动紧急制动等功能。而现有的相关的车载前视摄像头一体机为将摄像头模组设置在电路板的正上方，对摄像头模组采集的图像直接进行障碍物检测以控制车速。

然而，当采用上述车载前视摄像头一体机进行图像采集和障碍物检测时，经常会存在如下技术问题：

第一，将摄像头模组设置在电路板的正上方，增加了车载前视一体机结构的纵向高度，导致车载前视一体机结构厚度较大，从而造成主驾视野受到遮挡，车辆在行驶过程中的安全性较低。

第二，根据摄像头模组采集的图像直接进行障碍物检测，当车辆的行驶环境发生变化时(例如，下雨天，穿过隧道等)，受行驶环境的影响，摄像头模组采集的图像的质量较低，直接对摄像头模组采集的图像进行障碍物检测，得到的检测结果的准确度较低，从而造成车辆在行驶过程中的安全性较低。

第三，在不同的光照强度下采集的图像也不相同，通过相同的图像处理方法对不同光照强度下采集的图像进行处理，得到的图像的质量较低，导致对图像中的障碍物进行检测时，得到的检测结果的准确度较低，从而造成车辆在行驶过程中的安全性较低。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了车载前视摄像头一体机、车辆和车辆车速控制方法，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种车载前视摄像头一体机。车载前视摄像头一体机包括：壳体、电路板、控制模块、光线传感器组件、雨量传感器组件和摄像头模组组件；上述电路板设置在上述壳体内，位于上述壳体的一端，且与上述壳体连接；上述控制模块设置在上述电路板上；上述光线传感器组件包括光线传感器，上述光线传感器设置在上述壳体的另一端的侧面，与上述控制模块通信连接；上述雨量传感器组件包括雨量传感器，上述雨量传感器设置在上述壳体的上述另一端的侧面，与上述控制模块通信连接；上述摄像头模组组件包括摄像头模组，上述摄像头模组设置在上述壳体的上述另一端的侧面，与上述控制模块通信连接。

可选地，上述电路板与上述壳体的底部的内侧面均设置有螺丝孔，上述电路板通过螺钉与上述壳体连接。

可选地，上述光线传感器组件还包括第一可调节支架，上述光线传感器与上述第一可调节支架连接，上述第一可调节支架与上述壳体连接。

可选地，上述雨量传感器组件还包括第二可调节支架，上述光线传感器与上述第二可调节支架连接，上述第二可调节支架与上述壳体连接。

可选地，上述光线传感器与上述第一可调节支架均设置有螺丝孔，上述光线传感器与上述第一可调节支架通过螺钉连接。

可选地，上述摄像头模组组件还包括竖直支架，上述竖直支架的一端与上述摄像头模组连接，另一端与上述壳体连接。

第二方面，本公开的一些实施例提供了一种车辆，包括：车辆本体和如上述第一方面任一实现方式所描述的车载前视摄像头一体机。

第三方面，本公开的一些实施例提供了一种车辆车速控制方法，应用于车载终端，其中，上述车载终端包括如上述第一方面任一实现方式所描述的车载前视摄像头一体机，上述车载前视摄像头一体机包括壳体、电路板、控制模块、光线传感器组件、雨量传感器组件和摄像头模组组件，该方法包括：通过上述摄像头模组组件采集障碍物图像；通过上述光线传感器组件对车外光线进行检测，得到光照信息；通过上述雨量传感器组件对车外雨量进行检测，得到雨量信息；根据上述光照信息和上述雨量信息，对上述障碍物图像进行障碍物检测处理，得到障碍物信息；根据上述障碍物信息和当前车辆行驶信息，生成车辆加速度信息；根据上述车辆加速度信息，控制对应车载终端的车辆的车速。

可选地，上述根据上述障碍物信息和当前车辆行驶信息，生成车辆加速度信息，包括：将上述障碍物信息和当前车辆行驶信息输入车辆加速度信息生成模型，得到车辆加速度信息，其中，上述车辆加速度信息生成模型为以障碍物信息和当前车辆行驶信息为输入，以车辆加速度信息为输出的线性模型。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车载前视摄像头一体机，可以减少主驾视野被遮挡，提高车辆在行驶过程中的安全性。具体来说，造成主驾视野受到遮挡，车辆在行驶过程中的安全性较低的原因在于：将摄像头模组设置在计算主板的正上方，增加了车载前视一体机结构的纵向高度，导致车载前视一体机结构的厚度较大，从而造成主驾视线受到遮挡，车辆在行驶过程中的安全性较低。基于此，本公开的一些实施例的车载前视一体机结构包括壳体、电路板、控制模块、光线传感器组件、雨量传感器组件和摄像头模组组件；上述电路板设置在上述壳体内，位于上述壳体的一端，且与上述壳体连接；上述控制模块设置在上述电路板上；上述光线传感器组件包括光线传感器，上述光线传感器设置在上述壳体的另一端的侧面，与上述控制模块通信连接；上述雨量传感器组件包括雨量传感器，上述雨量传感器设置在上述壳体的上述另一端的侧面，与上述控制模块通信连接；上述摄像头模组组件包括摄像头模组，上述摄像头模组设置在上述壳体的上述另一端的侧面，与上述控制模块通信连接。因为将上述摄像头模组组件、光线传感器组件、雨量传感器组件和上述电路板分别设置在壳体的两端，从而降低了摄像头模组组件的安装高度，进而降低了车载前视一体机结构的纵向高度，减少了车载前视一体机结构的厚度。由此，该车载前视一体机可以减少主驾视野被遮挡，提高车辆在行驶过程中的安全性。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的车载前视摄像头一体机的一些实施例的爆炸图；

图2是根据本公开的车载前视摄像头一体机包括的电路板和摄像头模组的一些实施例的结构示意图；

图3是根据本公开的车辆车速控制方法的一些实施例的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开的车载前视摄像头一体机的一些实施例的爆炸图。图1包括壳体1、电路板2和摄像头模组组件3、控制模块4、光线传感器组件5和雨量传感器组件6。其中，上述摄像头模组组件3包括摄像头模组31。

图2是根据本公开的车载前视摄像头一体机包括的电路板和镜头模组的一些实施例的结构示意图。图2包括电路板2和镜头模组31。

在一些实施例中，上述车载前视摄像头一体机可以包括壳体1、电路板2、控制模块4、光线传感器组件5、雨量传感器组件6和摄像头模组组件3。其中，上述壳体1可以包括上壳体和下壳体。上述上壳体和上述下壳体可以可拆卸地卡合连接。上述摄像头模组组件3可以为用于采集障碍物图像的组件。上述控制模块4可以为用于对障碍物图像进行检测处理以生成车辆加速度信息的模块。例如，上述控制模块4可以为微控制器。上述光线传感器组件5可以为用于对车外光线进行检测的组件。上述雨量传感器组件6可以为用于对车外雨量进行检测的组件。上述主板可以设置于上述壳体1内部。如图2所示，上述电路板2可以位于上述上壳体的左端，且与上述上壳体通过焊接的方式固定连接。由此，电路板可以固定连接在壳体内，通过上述壳体保护电路板，从而可以延长电路板的使用寿命。

可选地，上述电路板2与上述下壳体的内侧面均可以设置有螺丝孔。上述电路板2可以通过螺钉与上述壳体1连接。

在一些实施例中，上述控制模块4可以通过焊接的方式固定连接在上述电路板2上。

在一些实施例中，上述光线传感器组件5可以包括光线传感器。其中，上述光线传感器可以为用于检测光照强度的传感器。例如，上述光线传感器可以为光照传感器，也可以为阳光传感器。如图1所示，上述光线传感器可以贯穿上述上壳体的右端的侧面，通过螺钉与上述上壳体的右端的侧面连接，且与上述控制模块4通信连接。上述通信连接的方式可以为有线连接，也可以为无线连接。上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

可选地，上述光线传感器组件5还可以包括第一可调节支架。其中，上述第一可调节支架可以为可以调节角度的支架。上述光线传感器可以通过焊接的方式与上述第一可调节支架连接。上述第一可调节支架与上述下壳体可以通过螺钉可拆卸连接。

可选地，上述光线传感器与上述第一可调节支架均可以设置有螺丝孔。上述光线传感器与上述第一可调节支架通过螺钉可拆卸连接。

在一些实施例中，上述雨量传感器组件6可以包括雨量传感器。其中，上述雨量传感器可以为用于检测车辆外部的雨量的传感器。例如，上述雨量传感器可以为红外散射式雨量传感器。如图1所示，上述雨量传感器可以通过贯穿上述壳体1的上述另一端的侧面，通过螺钉固定连接在上述壳体1的上述右端的侧面，与上述控制模块4通信连接。

可选地，上述雨量传感器组件6还可以包括第二可调节支架。其中，上述第一可调节支架可以为可以调节角度的支架。上述光线传感器可以通过螺钉与上述第二可调节支架连接。上述第二可调节支架与上述下壳体通过螺钉可拆卸连接。

在一些实施例中，上述摄像头模组组件3可以包括摄像头模组31。其中，上述摄像头模组31可以用于采集车辆前方的障碍物图像。如图2所示，上述上壳体右端的侧面可以设置有贯穿孔。上述摄像头模组31可以通过贯穿孔贯穿上述上壳体右端的侧面，且通过螺钉可拆卸地连接在上述上壳体右端的侧面。上述摄像头模组31可以与上述控制模块4通信连接。

可选地，上述摄像头模组3组件3还可以包括竖直支架。其中，上述竖直支架可以为用于在竖直方向上固定上述摄像头模组31的支架。上述竖直支架的一端与上述摄像头模组31连接。对于连接方式可以不作限定。例如，上述竖直支架与上述摄像头模组31可以通过焊接固定连接，也可以通过螺钉可拆卸连接。上述竖直支架的另一端与上述下壳体连接。对于连接方式可以不作限定。例如，上述下壳体可以设置有卡槽。上述竖直支架上可以设置有卡扣。上述卡槽和上述卡扣可以卡合。上述竖直支架可以通过上述卡口与上述下壳体的卡槽卡合连接。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车载前视摄像头一体机，可以减少主驾视野被遮挡，提高车辆在行驶过程中的安全性。具体来说，造成主驾视野受到遮挡，车辆在行驶过程中的安全性较低的原因在于：将摄像头模组设置在计算主板的正上方，增加了车载前视一体机结构的纵向高度，导致车载前视一体机结构的厚度较大，从而造成主驾视线受到遮挡，车辆在行驶过程中的安全性较低。基于此，本公开的一些实施例的车载前视一体机结构包括壳体、电路板、控制模块、光线传感器组件、雨量传感器组件和摄像头模组组件；上述电路板设置在上述壳体内，位于上述壳体的一端，且与上述壳体连接；上述控制模块设置在上述电路板上；上述光线传感器组件包括光线传感器，上述光线传感器设置在上述壳体的另一端的侧面，与上述控制模块通信连接；上述雨量传感器组件包括雨量传感器，上述雨量传感器设置在上述壳体的上述另一端的侧面，与上述控制模块通信连接；上述摄像头模组组件包括摄像头模组，上述摄像头模组设置在上述壳体的上述另一端的侧面，与上述控制模块通信连接。因为将上述摄像头模组组件、光线传感器组件、雨量传感器组件和上述电路板分别设置在壳体的两端，从而降低了摄像头模组组件的安装高度，进而降低了车载前视一体机结构的纵向高度，减少了车载前视一体机结构的厚度。由此，该车载前视一体机可以减少主驾视野被遮挡，提高车辆在行驶过程中的安全性。

本公开还提供一种车辆，包括车辆本体和车载前视摄像头一体机。其中，上述车载前视摄像头一体机为上述各实施例的车载前视摄像头一体机。上述车载前视摄像头一体机可以可拆卸地设置在上述车辆本体的前端。对于上述车载前视摄像头一体机设置的位置，不作限定。例如，上述车载前视摄像头一体机可以设置在前挡风玻璃的内侧面。

进一步参考图3，图3示出了根据本公开的车辆车速控制方法的一些实施例的流程300。该车辆车速控制方法，应用于车载终端，包括以下步骤：

步骤301，通过摄像头模组组件采集障碍物图像。

在一些实施例中，车辆车速控制的执行主体(例如包括图1所示的车载前视摄像头一体机的车载终端)可以通过摄像头模组组件采集障碍物图像。其中，上述车载终端可以包括车载前视摄像头一体机。上述车载前视摄像头一体机可以包括壳体、电路板、控制模块、光线传感器组件、雨量传感器组件和摄像头模组组件。上述障碍物图像可以为当前车辆前方的障碍物的图像。上述障碍物可以包括但不限于行人、车辆和植物。

步骤302，通过光线传感器组件对车外光线进行检测，得到光照信息。

在一些实施例中，上述执行主体可以通过上述光线传感器组件对车外光线进行检测，得到光照信息。其中，上述光照信息可以为表征光照强度的信息。上述光照信息可以包括但不限于光照强度。

步骤303，通过雨量传感器组件对车外雨量进行检测，得到雨量信息。

在一些实施例中，上述执行主体可以通过上述雨量传感器组件对车外雨量进行检测，得到雨量信息。其中，上述雨量信息可以表征当前车辆外部的雨量大小。上述雨量信息可以包括但不限于雨量值。

步骤304，根据光照信息和雨量信息，对障碍物图像进行障碍物检测处理，得到障碍物信息。

在一些实施例中，上述执行主体可以根据上述光照信息和上述雨量信息，对上述障碍物图像进行障碍物检测处理，得到障碍物信息。其中，上述障碍物信息可以表征当前车辆前方的障碍物。上述障碍物信息可以包括但不限于障碍物类型和障碍物距离值。上述障碍物类型可以为但不限于以下中的一项：车辆、行人、植物。上述障碍物距离值可以为障碍物与当前车辆的距离。实践中，上述执行主体可以通过各种方式根据上述光照信息和上述雨量信息，对上述障碍物图像进行障碍物检测处理，得到障碍物信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤根据上述光照信息和上述雨量信息，对上述障碍物图像进行障碍物检测处理，得到障碍物信息：

第一步，将上述光照信息和上述障碍物图像输入第一障碍物图像生成模型，得到第一障碍物图像。其中，上述第一障碍物图像生成模型为以光照信息和障碍物图像为输入，以第一障碍物图像为输出的神经网络模型。上述第一障碍物图像可以为对障碍物图像进行光照处理后得到的图像。上述第一障碍物图像生成模型包括输入层，第一图像光照处理模型、第二图像光照处理模型、第三图像光照处理模型和输出层。上述输入层可以用于对障碍物图像进行图像特征提取。上述第一图像光照处理模型可以为对预设低光照强度范围内的障碍物图像进行光照增强的神经网络模型。上述预设低光照强度范围可以为预先设定表征暗光的光照强度的范围。例如，上述预设低光照强度范围可以为(0.5，50]，单位可以为勒克斯。上述第二图像光照处理模型可以为对预设正常光照强度范围内的障碍物图像进行图像光照均衡化处理的神经网络模型。上述预设正常光照强度范围可以为预先设定表征正常的光照强度的范围。例如，上述预设正常光照强度范围可以为(50，550]，单位可以为勒克斯。上述第三图像光照处理模型可以为对预设高光照强度范围内的障碍物图像进行降噪处理的神经网络模型。上述预设高光照强度范围可以为预先设定表征强光的光照强度的范围。例如，上述预设高光照强度范围可以为(60000，10000]，单位可以为勒克斯。上述输出层可以用于将与上述光照信息匹配的图像光照处理模型输出的图像确定为第一障碍物图像。上述与上述光照信息匹配可以为上述光照信息在对应图像光照处理模型的光照强度范围内。上述输入层分别与上述第一图像光照处理模型、上述第二图像光照处理模型和上述第三图像光照处理模型连接。上述第一图像光照处理模型、上述第二图像光照处理模型、上述第三图像光照处理模型与上述输出层连接。

第二步，响应于确定上述雨量信息满足预设雨量条件，对上述第一障碍物图像进行去水雾处理，得到第二障碍物图像作为目标障碍物图像。其中，上述预设雨量条件可以为上述雨量信息在预设雨量范围内。上述预设雨量范围可以为预先设定的使拍摄的图像模糊的雨量的范围。实践中，上述执行主体可以响应于确定上述雨量信息满足预设雨量条件，将上述第一障碍物图像输入预设去水雾处理模型中，得到第二障碍物图像作为目标障碍物图像。上述预设去水雾处理模型可以为预先设定的去水雾处理模型。上述去水雾处理模型可以为但不限于以下中的一项：基于卷积神经网络的去雨模型、暗通道去雾算法。

第三步，响应于确定上述雨量信息未满足上述预设雨量条件，将上述第一障碍物图像确定为目标障碍物图像。

第四步，对所确定的目标障碍物图像进行距离检测处理，得到障碍物距离信息。实践中，上述执行主体可以将所确定的目标障碍物图像输入预设距离信息生成模型，得到障碍物距离信息。上述预设距离信息生成模型可以为预先训练得到的以目标障碍物图像为输入，以障碍物距离信息为输出的神经网络。上述神经网络可以为卷积神经网络。上述障碍物距离信息可以为前方障碍物与当前车辆的距离值。

第五步，对所确定的目标障碍物图像进行分类检测处理，得到障碍物类别信息。其中，上述障碍物类别信息可以表征障碍物的类别。例如，上述障碍物类别信息可以为但不限于以下中的一项：车辆、行人、植物。实践中，上述执行主体可以通过预设分类算法对所确定的目标障碍物图像进行分类检测处理，得到障碍物类别信息。其中，上述预设分类算法可以为但不限于以下中的一项：朴素贝叶斯分类算法、基于卷积神经网络的分类算法。

第六步，将上述障碍物距离信息和上述障碍物类别信息确定为障碍物信息。

上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“在不同的光照强度下采集的图像也不相同，通过相同的图像处理方法对不同光照强度下采集的图像进行处理，得到的图像的质量较低，导致对图像中的障碍物进行检测时，得到的检测结果的准确度较低，从而造成车辆在行驶过程中的安全性较低”。导致车辆在行驶过程中的安全性较低的因素往往如下：在不同的光照强度下采集的图像也不相同，通过相同的图像处理方法对不同光照强度下采集的图像进行处理，得到的图像的质量较低，导致对图像中的障碍物进行检测时，得到的检测结果的准确度较低，从而造成车辆在行驶过程中的安全性较低。如果解决了上述因素，就能达到提高车辆在行驶过程中的安全性的效果。为了达到这一效果，本公开的一些实施例的车辆车速控制方法，首先，将上述光照信息和上述障碍物图像输入第一障碍物图像生成模型，得到第一障碍物图像。其中，上述第一障碍物图像生成模型为以光照信息和障碍物图像为输入，以第一障碍物图像为输出的图像处理模型。上述第一障碍物图像生成模型包括输入层，第一图像光照处理模型、第二图像光照处理模型、第三图像光照处理模型和输出层。由此，可以根据光照信息通过对应光照信息的图像处理模型对障碍物图像进行光照处理，从而可以提高障碍物图像质量。其次，响应于确定上述雨量信息满足预设雨量条件，对上述第一障碍物图像进行去水雾处理，得到第二障碍物图像作为目标障碍物图像。由此，当行驶环境中的雨量会使造成图像模糊时，对第一障碍物图像进行去水雾处理，从而可以提高图像质量。然后，响应于确定上述雨量信息未满足上述预设雨量条件，将上述第一障碍物图像确定为目标障碍物图像。由此，当行驶环境中的雨量不会造成图像模糊时，无需对第一障碍物图像进行去雨雾处理，从而可以在保证图像质量的同时缩短检测时间。之后，对所确定的目标障碍物图像进行距离检测处理，得到障碍物距离信息。由此，可以得到障碍物距离当前车辆的距离，从而可以用于确定当前车辆是否加速或者减速。接着，对所确定的目标障碍物图像进行分类检测处理，得到障碍物类别信息。由此，可以得到障碍物的类别，从而可以用于确定当前车辆是否加速或者减速。最后，将上述障碍物距离信息和上述障碍物类别信息确定为障碍物信息。由此，可以得到障碍物的相关信息，从而可以用于综合确定当前车辆是否加速或者减速。也因为在对障碍物进行检测时，考虑了不同光照下对障碍物图像质量的影响，在不同的光照环境中采用不同的方法对障碍物图像进行对应的光照处理，从而可以提高障碍物图像的质量，由此，得到了较为准确的障碍物信息以用于确定当前车辆是否加速或者减速，进而提高了车辆在行驶过程中的安全性。

步骤305，根据障碍物信息和当前车辆行驶信息，生成车辆加速度信息。

在一些实施例中，上述执行主体可以根据上述障碍物信息和当前车辆行驶信息，生成车辆加速度信息。其中，当前车辆行驶信息可以表征当前车辆的行驶速度。当前车辆行驶信息可以包括但不限于行驶速度值。上述车辆加速度信息可以表征当前车辆与障碍物保持安全距离需要的加速度值。上述车辆加速度信息可以包括但不限于加速度值。上述加速度值可以为正值，也可以为负值，还可以为零。实践中，上述执行主体可以通过各种方式根据上述障碍物信息和当前车辆行驶信息，生成车辆加速度信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以将上述障碍物信息和当前车辆行驶信息输入车辆加速度信息生成模型，得到车辆加速度信息。其中，上述车辆加速度信息生成模型可以为以障碍物信息和当前车辆行驶信息为输入，以车辆加速度信息为输出的线性模型。上述车辆加速度信息生成模型可以为基于样本集拟合而成的。其中，上述样本集中的样本包括样本障碍物信息、样本当前车辆行驶信息和样本车辆加速度信息。

步骤306，根据车辆加速度信息，控制对应车载终端的车辆的车速。

在一些实施例中，上述执行主体可以根据上述车辆加速度信息，控制对应车载终端的车辆的车速。实践中，上述执行主体可以将调整车辆车速以使当前车辆的惯性测量单元输出的加速度值为上述车辆加速度信息。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车辆车速控制方法可以提高车辆在行驶过程中的安全性。具体来说，造成车辆在行驶过程中的安全性较低的原因在于：根据摄像头模组采集的图像直接进行障碍物检测，当车辆的行驶环境发生变化时(例如，下雨天，穿过隧道等)，受行驶环境的影响，摄像头模组采集的图像的质量较低，直接对摄像头模组采集的图像进行障碍物检测，得到的检测结果的准确度较低，从而造成车辆在行驶过程中的安全性较低。基于此，本公开的一些实施例的车辆车速控制方法，首先，通过上述摄像头模组组件采集障碍物图像。由此，可以得到当前车辆前方的障碍物图像，从而可以用于生成前方障碍物的相关信息。其次，通过上述光线传感器组件对车外光线进行检测，得到光照信息。由此，可以得到车辆行驶过程中的光照信息，从而可以在对障碍物图像进行检测时考虑行驶环境中的光照因素。然后，通过上述雨量传感器组件对车外雨量进行检测，得到雨量信息。由此，可以得到车辆行驶过程中的雨量信息，从而可以在对障碍物图像进行检测时考虑行驶环境中的天气因素。之后，根据上述光照信息和上述雨量信息，对上述障碍物图像进行障碍物检测处理，得到障碍物信息。由此，可以在考虑到行驶环境的影响的前提下，得到障碍物信息，从而可以提高对障碍物进行检测的检测结果的准确性。接着，根据上述障碍物信息和当前车辆行驶信息，生成车辆加速度信息。由此，可以得到车辆的加速度的信息，从而可以确保车辆能够和障碍物保持安全距离。最后，根据上述车辆加速度信息，控制对应车载终端的车辆的车速。由此，可以根据上述车辆加速度信息控制车辆车速，从而可以提高车辆行驶的安全性。也因为在对障碍物图像进行检测时，综合考虑了行驶环境的影响，由此，提高了检测结果的准确性，得到了更加准确的车辆加速度信息，从而提高了车辆在行驶过程中的安全性。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (7)

1.一种车载前视摄像头一体机，其中，所述车载前视摄像头一体机包括：壳体、电路板、控制模块、光线传感器组件、雨量传感器组件和摄像头模组组件；

所述壳体包括上壳体和下壳体，所述电路板设置在所述上壳体内，位于所述上壳体的一端，且与所述上壳体连接；

所述控制模块设置在所述电路板上；

所述光线传感器组件包括光线传感器，所述光线传感器设置在所述上壳体的另一端的侧面，与所述控制模块通信连接；

所述雨量传感器组件包括雨量传感器，所述雨量传感器设置在所述上壳体的所述另一端的侧面，与所述控制模块通信连接；

所述摄像头模组组件包括摄像头模组，所述上壳体的侧面设置有贯穿孔，所述摄像头模组通过贯穿孔贯穿所述上壳体另一端的侧面，且连接在所述上壳体的所述另一端的侧面，所述摄像头模组与所述控制模块通信连接；

所述车载前视摄像头一体机包含于车载终端，所述车载终端用于执行车辆车速控制方法，其中，所述车辆车速控制方法包括：

通过所述摄像头模组组件采集障碍物图像；

通过所述光线传感器组件对车外光线进行检测，得到光照信息；

通过所述雨量传感器组件对车外雨量进行检测，得到雨量信息；

根据所述光照信息和所述雨量信息，对所述障碍物图像进行障碍物检测处理，得到障碍物信息，其中，所述根据所述光照信息和所述雨量信息，对所述障碍物图像进行障碍物检测处理，得到障碍物信息包括：

将所述光照信息和所述障碍物图像输入第一障碍物图像生成模型，得到第一障碍物图像，其中，所述第一障碍物图像生成模型包括输入层，第一图像光照处理模型、第二图像光照处理模型、第三图像光照处理模型和输出层，所述第一图像光照处理模型为对预设低光照强度范围内的障碍物图像进行光照增强的神经网络模型，所述第二图像光照处理模型为对预设正常光照强度范围内的障碍物图像进行图像光照均衡化处理的神经网络模型，所述第三图像光照处理模型为对预设高光照强度范围内的障碍物图像进行降噪处理的神经网络模型，所述输出层用于将与所述光照信息匹配的图像光照处理模型输出的图像确定为第一障碍物图像，所述与所述光照信息匹配为所述光照信息在对应图像光照处理模型的光照强度范围内；

响应于确定所述雨量信息满足预设雨量条件，对所述第一障碍物图像进行去水雾处理，得到第二障碍物图像作为目标障碍物图像；

响应于确定所述雨量信息未满足所述预设雨量条件，将所述第一障碍物图像确定为目标障碍物图像；

对所确定的目标障碍物图像进行距离检测处理，得到障碍物距离信息；

对所确定的目标障碍物图像进行分类检测处理，得到障碍物类别信息；

将所述障碍物距离信息和所述障碍物类别信息确定为障碍物信息；

根据所述障碍物信息和当前车辆行驶信息，生成车辆加速度信息，其中，所述当前车辆行驶信息包括行驶速度值，所述根据所述障碍物信息和当前车辆行驶信息，生成车辆加速度信息，包括：

将所述障碍物信息和当前车辆行驶信息输入车辆加速度信息生成模型，得到车辆加速度信息，其中，所述车辆加速度信息生成模型为以障碍物信息和当前车辆行驶信息为输入，以车辆加速度信息为输出的线性模型；

根据所述车辆加速度信息，控制对应所述车载终端的车辆的车速。

2.根据权利要求1所述的车载前视摄像头一体机，其中，所述光线传感器组件还包括第一可调节支架，所述光线传感器与所述第一可调节支架连接，所述第一可调节支架与所述壳体连接。

3.根据权利要求1所述的车载前视摄像头一体机，其中，所述雨量传感器组件还包括第二可调节支架，所述光线传感器与所述第二可调节支架连接，所述第二可调节支架与所述壳体连接。

4.根据权利要求2所述的车载前视摄像头一体机，其中，所述光线传感器与所述第一可调节支架均设置有螺丝孔，所述光线传感器与所述第一可调节支架通过螺钉连接。

5.根据权利要求1-4之一所述的车载前视摄像头一体机，其中，所述摄像头模组组件还包括竖直支架，所述竖直支架的一端与所述摄像头模组连接，另一端与所述壳体连接。

6.一种车辆，其中，所述车辆包括车辆本体和如权利要求1-5之一所述的车载前视摄像头一体机。

7.一种车辆车速控制方法，应用于车载终端，其中，所述车载终端包括如权利要求1-5之一所述的车载前视摄像头一体机，所述车载前视摄像头一体机包括壳体、电路板、控制模块、光线传感器组件、雨量传感器组件和摄像头模组组件，所述方法包括：

通过所述摄像头模组组件采集障碍物图像；

通过所述光线传感器组件对车外光线进行检测，得到光照信息；

通过所述雨量传感器组件对车外雨量进行检测，得到雨量信息；

根据所述光照信息和所述雨量信息，对所述障碍物图像进行障碍物检测处理，得到障碍物信息，其中，所述根据所述光照信息和所述雨量信息，对所述障碍物图像进行障碍物检测处理，得到障碍物信息包括：

将所述光照信息和所述障碍物图像输入第一障碍物图像生成模型，得到第一障碍物图像，其中，所述第一障碍物图像生成模型包括输入层，第一图像光照处理模型、第二图像光照处理模型、第三图像光照处理模型和输出层，所述第一图像光照处理模型为对预设低光照强度范围内的障碍物图像进行光照增强的神经网络模型，所述第二图像光照处理模型为对预设正常光照强度范围内的障碍物图像进行图像光照均衡化处理的神经网络模型，所述第三图像光照处理模型为对预设高光照强度范围内的障碍物图像进行降噪处理的神经网络模型，所述输出层用于将与所述光照信息匹配的图像光照处理模型输出的图像确定为第一障碍物图像，所述与所述光照信息匹配为所述光照信息在对应图像光照处理模型的光照强度范围内；

响应于确定所述雨量信息满足预设雨量条件，对所述第一障碍物图像进行去水雾处理，得到第二障碍物图像作为目标障碍物图像；

响应于确定所述雨量信息未满足所述预设雨量条件，将所述第一障碍物图像确定为目标障碍物图像；

对所确定的目标障碍物图像进行距离检测处理，得到障碍物距离信息；

对所确定的目标障碍物图像进行分类检测处理，得到障碍物类别信息；

将所述障碍物距离信息和所述障碍物类别信息确定为障碍物信息；

根据所述障碍物信息和当前车辆行驶信息，生成车辆加速度信息，其中，所述当前车辆行驶信息包括行驶速度值，所述根据所述障碍物信息和当前车辆行驶信息，生成车辆加速度信息，包括：

将所述障碍物信息和当前车辆行驶信息输入车辆加速度信息生成模型，得到车辆加速度信息，其中，所述车辆加速度信息生成模型为以障碍物信息和当前车辆行驶信息为输入，以车辆加速度信息为输出的线性模型；

根据所述车辆加速度信息，控制对应所述车载终端的车辆的车速。