CN116888636A - 用于控制机动车辆照明系统的方法 - Google Patents

用于控制机动车辆照明系统的方法 Download PDF

Info

Publication number
CN116888636A
CN116888636A CN202280017299.4A CN202280017299A CN116888636A CN 116888636 A CN116888636 A CN 116888636A CN 202280017299 A CN202280017299 A CN 202280017299A CN 116888636 A CN116888636 A CN 116888636A
Authority
CN
China
Prior art keywords
initial
lighting
type
illumination
detection
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
Application number
CN202280017299.4A
Other languages
English (en)
Inventor
迈克尔·米蒙
雷扎克·莫扎里
哈费德·埃尔埃迪瑞斯
亚瑟·阿米浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Valeo Vision SAS
Original Assignee
Valeo Vision SAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Valeo Vision SAS filed Critical Valeo Vision SAS
Publication of CN116888636A publication Critical patent/CN116888636A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/02—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments
    • B60Q1/04—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights
    • B60Q1/14—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights having dimming means
    • B60Q1/1415—Dimming circuits
    • B60Q1/1423—Automatic dimming circuits, i.e. switching between high beam and low beam due to change of ambient light or light level in road traffic
    • B60Q1/143—Automatic dimming circuits, i.e. switching between high beam and low beam due to change of ambient light or light level in road traffic combined with another condition, e.g. using vehicle recognition from camera images or activation of wipers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/2603—Attenuation of the light according to ambient luminiosity, e.g. for braking or direction indicating lamps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q2800/00—Features related to particular types of vehicles not otherwise provided for
    • B60Q2800/10—Autonomous vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Abstract

本发明涉及一种用于控制机动车辆(1)的照明系统(3)的方法，所述机动车辆具有用于检测物体的系统(2)，所述方法包括以下步骤：(E1)限定至少一个可检测的物体的类型的集合(Gi)；(E2)借助于检测系统采集与属于所述集合的类型(Ti，j)的多个物体(Oi，j，k)的位置(Pi，j，k)相关的数据集(Si)；(E4、E51、E52)确定照明模型(Mi)，所述照明模型与所述集合相关联，并且所述照明模型限定被称为初始检测区域的至少一个区域(Ai，l)和用于所述初始检测区域中发射的光束(Fi)的被称为初始光图案的光图案(Pi，l)；以及(E6)控制所述照明系统，以便在所述照明模型的初始检测区域中发射具有所述初始光图案的光束。

Description

用于控制机动车辆照明系统的方法
技术领域
本发明涉及机动车辆照明的领域。本发明更具体地涉及用于机动车辆的照明系统。
背景技术
现代的机动车辆越来越倾向于配备有用于部分地或完全地自主驾驶的系统。这种类型的系统用于在某些条件下，特别是速度或环境条件下，仅在其行程的部分行程期间，或在其整个行程期间，替换车辆的人类驾驶员。为此，除其他外，自主驾驶系统控制机动车辆的可能影响其轨迹或速度的各种不同部件中的所有或一些部件，并且特别是控制转向部件、制动部件和发动机或传动部件。
为了能够在不危及车辆的乘员的生命或其他道路使用者的生命的情况下自主地实施该控制，车辆配备有传感器的集合和能够处理由这些传感器所采集的数据的一台或多台计算机，以估计车辆正在行驶的环境。因此，自主驾驶系统基于路线指示和环境评估来控制所提及的各种部件，以便将乘客带到其目的地，同时保证乘客和其他人的安全。
车辆中可用的传感器的集合通常包括能够采集道路场景的全部或部分的图像的相机。鉴于它能够提供的高图像分辨率和采集频率，这种类型的传感器是有价值的。另一方面，这种传感器有显著的缺点，特别是它与道路场景的照明的关系。实际上，道路场景必须被充分照明，使得能够通过在自主驾驶系统的一个或多个计算机中所使用的图像处理软件来检测该场景中存在的物体。在照明不足的情况下，可能无法检测到物体，如果该物体是车辆正在驶向其的道路使用者或障碍物，则这种情况特别有害。
因此，需要能够基于由车辆的相机采集的道路场景的图像来使得道路上的物体能够被检测到的概率最大化的照明。
现在，尽管机动车辆通常配备有道路照明系统，通常包括一对前照灯，但是这些照明系统发射光束，光束在道路上的发射区域以及在这些发射区域中的光度用于帮助驾驶员感知物体。另一方面，这些光束对于相机而言绝对不是优化的，并且它们的发射区域和/或它们在这些区域中的光度可能不足以或不适合允许检测由该相机所采集的图像中的物体。
发明内容
因此，本发明落入该背景，并且用于通过提出能够从机动车辆产生对道路的照亮的解决方案来满足所引用的需求，其不同于使用现有照明光束获得的对道路的照亮，并且这使得能够基于由车辆的相机所采集的道路场景的图像来使得道路上的物体能够被检测到的概率最大化。
出于这些目的，本发明的一个主题是一种用于控制机动车辆的照明系统的方法，所述机动车辆配备有物体检测系统，所述物体检测系统包括用于采集车辆的环境的全部或部分环境的图像的系统，所述方法包括以下步骤：
a.限定用于由所述机动车辆的所述检测系统检测的至少一个物体的类型的集合；
b.所述检测系统采集与属于所述集合的类型的多个物体的在所述车辆的环境中的位置相关的数据集；
c.基于所述数据集来确定与所述集合相关联的照明模型，所述照明模型限定与该物体的类型的集合相关联且能够被所述照明系统寻址的被称为初始检测区域的至少一个区域和用于由所述照明系统在与该集合相关联的所述初始检测区域中发射的光束的被称为初始光度的光度；
d.基于所确定的照明模型来控制所述照明系统，以便在该照明模型的所述初始检测区域中发射具有所述初始光度的光束。
因此，本发明提出收集与道路上的物体的位置相关的数据，这些物体被分类到至少一个物体的类型的集合中，并且特别地被分类到预先限定的多个物体的类型的集合中。这些数据使得能够描述至少一个区域，其中将由机动车辆的检测系统检测的、属于这一集合或这些集合中的类型中的一个类型的任何新物体将可能存在于该区域中。然而，这些物体的类型的集合中的每一个可能需要特定于该集合的照明特性，特别是由于这些类型的物体能够将其接收到的光反射到检测系统的能力，或者由于这些类型的物体能够依据其接收到的光与道路场景的其余部分形成对比的能力。因此，可以为每个物体的类型的集合限定一光度，该光度使得能够使得该类型的物体被检测系统实际检测到的概率最大化。因此，能够由照明系统发射的照明可以被分段成光束，在所述初始检测区域中的一个初始检测区域中发射每个光束，其自身的光度专用于可能出现在该区域中的物体的类型。因此，可以理解，区域和专用光度因此用于完全支持图像采集系统，而不是用于机动车辆的驾驶员。因此，这些光束是在由检测系统执行任何检测之前所发射的“默认”光束。然后，由检测系统执行的对初始检测区域中的物体的每次检测可以导致修改在该区域中所发射的光束，例如用于跟踪物体或不使物体眩目的目的。
例如，图像采集系统可以是能够采集机动车辆的前方或后方的道路场景的图像的相机，或者作为变型，可以是能够采集机动车辆全部周围的道路场景的图像的一个或多个相机。在适用的情况下，检测系统可以包括一个或多个处理单元，该一个或多个处理单元被设计用于对由图像采集系统采集的图像实施图像处理算法，以便在所述图像中检测物体，特别是检测所述类型的集合中的所述类型的物体。如果需要的话，检测系统可以包括一个或多个附加传感器，特别是激光扫描仪、雷达或红外传感器以及可能的处理单元，该处理单元被设计用于对来自图像采集系统和该传感器或这些其它传感器的数据实施数据融合算法。
有利地，可以在白天条件下预先采集与物体的位置相关的数据集。
在本发明的一个实施例中，在采集步骤中所采集的与所述物体的所述位置相关的所述数据集包括：对于每个物体，在由所述检测系统检测到该物体时该物体的被称为初始位置的位置。
优选地：
a.限定步骤包括限定多个单独的物体的类型的集合；
b.采集步骤包括为每个集合采集与属于所述集合的多个类型的物体在车辆环境中的位置相关的数据集；
c.确定步骤包括基于每个数据集确定与和该数据集相关联的所述集合相关联的照明模型，每个模型限定限定与该物体的类型的集合相关联且能够被所述照明系统寻址的被称为初始检测区域的至少一个区域，和用于由所述照明系统在与该集合相关联的所述初始检测区域中发射的光束的被称为初始光度的光度。
在适用的情况下，控制步骤包括基于所述确定的照明模型来控制照明系统以便发射多个光束，特别地同时发射多个光束，每个光束在这些照明模型中的一个照明模型的初始检测区域中具有初始光度。因此，该光束的集合形成分段的整体光束。物体的类型的集合被理解为特别是指至少一个物体的类型的集合，特别是具有基本上相同或类似的照明要求、反射系数、动态行为和/或几何特性的多个物体的类型的集合。物体的类型的集合可以例如包括：
a.各种类型的交通标志和交通灯；
b.各种类型的道路使用者，并且特别是行人、自行车、车辆；各种类型的动物；
c.在少于给定阈值的时间内(例如，2秒)可能被车辆到达的各种类型的地面标记和障碍物。
有利地，确定所述模型的步骤包括：对于所述集合的每个物体的类型，基于所述数据集来对所述物体的类型的被称为第一检测区域的区域建模的步骤，所述区域涵盖所述物体的类型的物体的所有初始位置。在适用的情况下，基于所述集合的所有物体的类型的第一检测区域来确定所述初始检测区域。优选地，确定所述模型的步骤可以包括：对于所述集合的每个物体的类型，基于与该集合相关联的数据集来对所述物体的类型的被称为第一检测区域的区域建模的步骤，所述区域涵盖所述物体的类型的物体的所有初始位置。在适用的情况下，基于同一个集合的所有物体的类型的第一检测区域来确定每个初始检测区域。例如，该初始检测区域或每个初始检测区域可以由同一个集合的所有物体的类型的所有第一检测区域的组合来形成。
在本发明的一个实施例中，对物体的类型的第一检测区域建模的每个步骤实施机器学习算法，使得能够基于所述物体的类型的物体的初始位置来确定第一检测区域。例如，所述机器学习算法可以包括但不限于在有监督或无监督的情况下训练的学习算法，例如如下类型：线性或非线性回归(régression linéaire ou non linéaire)、朴素贝叶斯分类器(classifieurbayésien)、支持向量机(machineàvecteur support)或神经网络(réseau de neurones)、K均值算法(un algorithme du type K-moyennes)。
例如，在多个不同物体的类型的集合的情况下，可以训练机器学习算法，以基于多个数据集(每个数据集包括来自属于所述集合中的一个集合的类型的多个物体的在车辆的环境中的初始位置)确定每个物体的类型的第一检测区域，使得初始检测区域不相交，每个初始检测区域由同一个集合的物体的类型的所有的第一检测区域的组合来形成。
根据一个非限制性示例，可以训练机器学习算法以便为每个物体的类型确定区域的边界，使得在其中检测到所述物体的类型的物体的概率大于给定阈值，和/或使得在其中检测到除了所述物体的类型以外的类型的物体的概率小于给定阈值。在适用的情况下，对于每个物体的类型，每个阈值可以是不同的。
有利地，在确定所述模型的步骤中，基于所述物体的类型的集合中的至少一个物体的类型来确定光束的所述初始光度。优选地，在确定所述模型的步骤中，基于所述物体的类型的集合中的每个物体的类型的第一检测区域，并且特别是基于每个第一检测区域在机动车辆的环境中的位置，来确定光束的所述初始光度。
在本发明的一个示例性实施例中，所述方法包括提供与所述机动车辆的行为或与所述环境相关的参数的至少一个值范围的步骤。在适用的情况下，确定与所述集合相关联的所述照明模型的步骤是确定与所述集合相关联的照明模型的步骤，所述照明模型基于参数的所述值而是可变的。
例如，与机动车辆的行为相关的参数可以是机动车辆的速度、和/或机动车辆的轨迹、和/或机动车辆的偏航。例如，与机动车辆的环境相关的参数可以是气象条件和/或道路轮廓，并且特别是道路的曲率和/或道路的坡度，和/或关于机动车辆的位置的数据，特别是GPS(全球定位系统)数据。
可变的照明模型被理解为是指如下一种照明模型，该照明模型的初始检测区域在车辆的环境中具有形状、尺寸和/或位置，基于所述参数的值而可变，和/或该照明模型的初始光度基于所述参数的值而可变。换言之，可变的照明模型限定与同一个物体的类型的集合相关联的多个初始检测区域和/或初始光度，并且每个初始检测区域和/或初始光度与所述参数的所述值范围的给定值相关联。
有利地，确定所述模型的步骤包括：对于所述集合的每个物体的类型和对于所述参数的所述值范围的每个值，基于数据集对所述物体的类型的第一检测区域建模的步骤，所述第一检测区域涵盖当采集初始位置时其参数具有所述值的所述物体的类型的物体的所有初始位置。在适用的情况下，基于与所述参数的同一个值相关联的所述集合的所有物体的类型的第一检测区域来确定与该同一个物体的类型的集合相关联的每个初始检测区域。
在本发明的一个示例性实施例中：
a.限定步骤包括限定物体的类型的至少三个集合，所述至少三个集合包括至少包含地面标记类型的物体的第一集合、至少包含道路使用者类型的物体的第二集合、以及至少包含交通标志类型的物体的第三集合；
b.确定步骤包括确定三个照明模型，每个照明模型与所述集合中的一个集合相关联，所述三个照明模型包括与所述第一集合相关联的第一照明模型、与所述第二集合相关联的第二照明模型、和与所述第三集合相关联的第三照明模型；以及
c.控制所述照明系统的步骤包括基于所确定的照明模型来控制所述照明系统，以便特别是同时地，在该第一模型的初始检测区域中发射具有所述第一照明模型的初始光度的第一光束，在该第二模型的初始检测区域中发射具有所述第二照明模型的初始光度的第二光束，以及在该第三模型的初始检测区域中发射具有所述第三照明模型的初始光度的第三光束。
在该示例中，为第一模型确定的初始检测区域可以是底部区域，为第二模型确定的初始检测区域可以是中央区域，并且为第三模型确定的初始检测区域可以是顶部区域。
有利地，所述方法还包括以下步骤：
a.所述车辆的所述物体检测系统从所述物体的类型的集合中检测给定类型的物体；
b.控制所述照明系统以基于所检测的物体的类型来修改光束。
根据本发明，光束在初始检测区域中具有适于帮助物体检测系统检测给定类型的物体的外观的初始光度。然而，机动车辆和/或被检测物体可以移动，并且引起被检测物体在图像采集系统的参考帧中的移动。虽然初始光度在该物体的初始检测期间是合适的，但是随后由于该运动可能不再合适。因此，该特征使得能够使初始光度适配于该物体的类型及其可能的运动，使得能够在物体的初始检测之后维持物体检测系统的检测性能。在适用的情况下，检测给定类型的物体的步骤可以包括估计该物体的位置的子步骤。
有利地，控制所述照明系统的步骤包括：在所述光束中生成与所检测的物体齐平的区域的步骤，该区域具有适配于所检测的物体的类型的光度；以及基于所检测的物体在所述图像采集系统的参考帧中的移动来移动所述区域的步骤。“具有适配光度的区域”被理解为是指其尺寸、形状、在道路场景中的位置和/或光度适配于所检测的物体的类型的区域。例如，在检测到“机动车辆”类型的物体的情况下，区域可以是以所检测的车辆为中心并且其光强度小于给定的眩目阈值的区域。在检测到“行人”类型的物体的情况下，区域可以是以所检测的行人为中心并且其光强度大于给定检测阈值的区域。
在本发明的一个实施例中，所述机动车辆配备有用于部分地或完全地自主驾驶的系统。在适用的情况下，控制所述照明系统的步骤的实施以自主驾驶系统的激活为条件，并且所述方法包括以下步骤：
a.所述车辆的乘员接收到用于收回所述机动车辆的手动控制的指令；
b.控制所述照明系统以发射至少一个预定的规定照明和/或信号指示光束。
所述预定的规定照明和/或信号指示光束可以是例如规定的近光束或暗光束或规定的远光束。有利地，控制步骤可以包括关闭在初始检测区域中具有初始光度的光束的子步骤。
本发明的另一主题是机动车辆，所述机动车辆包括：物体检测系统，所述物体检测系统包括用于采集所述车辆的环境的全部或部分环境的图像的系统；照明系统；用于部分地或完全地自主驾驶的系统；以及用于所述照明系统的控制器，所述控制器被设计为实施根据本发明的方法的控制步骤。
本发明的另一主题是用于根据本发明的机动车辆的照明系统。
有利地，照明系统包括至少一个照明模块和控制器，该至少一个照明模块能够发射像素化光束，该控制器能够接收用于发射给定光功能的指令，并且该控制器设计为控制照明模块以便基于所述指令发射具有确定特性的像素化光束。
根据本发明的一个示例性实施例，照明模块被设计成使得像素化光束是包括多个像素的光束，例如介于0.05°和0.3°之间的尺寸的500个像素，分布在多个行和列上，例如20行和25列。例如，照明模块可以包括多个基本光源和光学装置，其被设计为一起发射所述像素化光束。在适用的情况下，控制器可以被设计成选择性地控制照明模块的每个基本光源，使得该光源发射形成像素化光束的像素中的一个像素的基本光束。光源被理解为指可能与电光元件相关联的任何光源，其能够被选择性地激活和控制以发射其光强度是可控的基本光束。这特别地可以是发光半导体芯片、单片像素化发光二极管的发光元件、能够被光源激发的光转换元件的一部分、或与液晶或微镜相关联的光源。
附图说明
现在使用仅是说明性的并且不以任何方式限制本发明的范围的示例来描述本发明，并且参考随附的附图，在所述附图中，在各幅图中：
[图1]示意性地且部分地示出了根据本发明的一个实施例的用于控制机动车辆的照明系统的方法；
[图2]示意性地且部分地示出了根据本发明的一个示例性实施例的机动车辆；
[图3]示意性地且部分地示出用于实施[图1]的方法的数据集；
[图4]示意性地且部分地示出了[图1]的方法的步骤的实施方式；
[图5]示意性地且部分地示出了[图1]的方法的步骤的实施方式；
[图6]示意性地且部分地示出了[图1]的方法的步骤的实施方式；
[图7]示意性地且部分地示出了[图1]的方法的步骤的实施方式；和
[图8]示意性地且部分地示出了[图1]的方法的步骤的实施方式。
具体实施方式
在以下描述中，除非另有说明，否则在结构或功能上一致且出现在各幅图中的元件保持相同的附图标记。
图1描述了根据本发明的一个实施例的用于控制机动车辆1的照明系统3的方法。
图2所示的机动车辆1包括物体检测系统2。该检测系统2包括图像采集系统21。
该系统21包括相机，该相机能够采集机动车辆1全部周围的道路场景的图像。检测系统2还包括处理单元(未示出)，该处理单元被设计为对由相机21所采集的图像实施图像处理算法，以便检测所述图像中的物体。
机动车辆1包括照明系统3，该照明系统3包括多个照明模块31至36，每个照明模块能够沿给定方向发射像素化光束，因此该照明系统3能够照亮机动车辆1全部周围的道路。
机动车辆1包括用于照明系统3的控制器，该控制器能够选择性地控制照明模块31至36中的每一个照明模块，并且选择性地控制能够由这些照明模块31至36所发射的像素化光束的像素中的每一个像素。
机动车辆1包括用于完全自主驾驶的系统，该系统被设计成当机动车辆处于自主驾驶模式时，控制该机动车辆的转向部件、制动部件以及发动机或传动部件，特别是基于由检测系统2的处理单元在由相机21所采集的图像中检测到的物体来控制该机动车辆的转向部件、制动部件以及发动机或传动部件。
在描述的其余部分中，[图1]的方法将是用于控制照明模块31和32的方法，并且将结合[图3]至[图8]来描述[图1]的方法，[图3]至[图8]各自示出了车辆前方的道路场景，如可以由相机21看到的以及可以由照明模块31和32所照明的，应当理解，通过控制照明模块33至36也可以对车辆侧面和后面的道路场景实施该方法。
在步骤E1中，将预先限定多个物体的类型的集合G1到GN，每个集合Gi将一个或多个类型的物体Ti，j分成一组。在所描述的示例中，通过限定以下集合简化了该步骤E1：将交通标志分成一组的物体的类型T1，1的第一集合G1；将行人和车辆分别分成一组的物体的类型T2，1和T2，2的第二集合G2；以及将可能在少于两秒的时间内被车辆达到的障碍物和地面标记分成一组的物体的类型T3，1的第三集合G3。在图中，类型T1，1的物体将由正方形表示，类型T2，1的物体将由圆表示，类型T2，2的物体将由三角形表示，以及类型T3，1的物体将由星表示。
在步骤E2中，采集多个数据集S1到SN。数据集Si的每个数据Pi，j，k表示由机动车辆的检测系统所估计的、属于集合Gi的类型Ti，j的物体Oi，j，k的位置的集合，该检测系统类似于检测系统2并且包括类似于相机21的相机。这位置的集合Pi，j，k将该物体Oi，j，k的所有位置分成一组，从该物体的初始位置Pi，j，k(0)直到最终位置，该初始位置是在当该物体被检测系统在相机的视场中检测到时所估计的，该最终位置是在该物体从相机的视场中消失之前的最后时刻所估计的。
[图3]示出了与集合G1到G3相关的数据集S1到S3的简化示例，这些数据集的数据的初始位置Pi，j，k被投射到机动车辆前方的道路场景上。
对于该集合的表示物体的位置的集合的每个数据Pi，j，k，每个数据集Si还包括当估计该物体的位置的集合时机动车辆的速度Vi，j，k。
在初步步骤E1’中，与限定步骤E1并行，限定了多个速度范围ΔV1至ΔVM。
在步骤E3中，将数据集S1到SN中的每一个数据集划分为多个子数据集S1，1到SN，M，如果在采集物体Oi，j，k的初始位置Pi，j，k(0)时机动车辆的速度Vi，k(0)在范围ΔVI内，则将数据集Si的每个数据Pi，j，k分配给子集Si，l。换句话说，子集Si，l包含其类型Ti，j属于集合Gi且其初始速度Vi，j，k(0)在范围ΔVI内的物体Oi，j，k的所有初始位置Pi，j，k(0)。
在步骤E4中，对于每个集合Gi的每个物体的类型Ti，j以及对于每个速度范围ΔVI，对被称为该物体的类型的第一检测区域的区域Zi，j、l进行建模。该区域Zi，j，l涵盖物体的类型Ti，j的物体Oi，j，k的所有初始位置Pi，j，k(0)，且其初始速度Vi，j，k(0)在范围ΔVI内。
为了这些目的，已经预先训练了支持向量机，以便在监督下并且基于用不同标签标注并在空间中定位的多个点来为每个标签确定区域的边界，使得用该标签标注并呈现在该区域中的点的数量大于给定阈值，并且使得用不同于该标签的标签所标注并呈现在该区域中的点的数量小于给定阈值。
在步骤E4中，然后在先前训练的支持向量机的输入处提供用于同一个范围ΔVI的子数据集Si，l中的每一个子数据集、以及用于每个物体的类型和用于每个范围的阈值，以便确定物体的类型Ti，j的第一检测区域Zi，j、l。因此，每个区域Zi，j，l涵盖物体的类型Ti，j的物体Oi，j，k的初始位置Pi，j，k(0)，且其初始速度Vi，j，k(0)在范围ΔVI内。还要注意，每个区域Zi，j，l由此被神经网络建模，使得在当初始速度Vi，j，k(0)在范围ΔVI内时在其中检测到物体的类型Ti，j的物体Oi，j，k的概率最大，并且在当初始速度Vi，j，k(0)在范围ΔVI内时在其中检测到不同于所述物体的类型Ti，j的类型的物体Oi，j，k的概率最小。
在步骤E51中，通过组合属于同一个集合Gi的物体的类型Ti，j的第一检测区域Zi，j、l来确定初始检测区域Ai，l。
由此，[图4]示出了介于90km/h与130km/h之间的初始速度的子数据集S1，1、S2，1和S3，1。[图4]还示出了分别与在步骤E51的结束时所确定的类型T1，1、T2，1、T2，2和T3，1以及在步骤E52的结束时所确定的区域A1，1、A2，1和A3，1相关联的区域Z1，1，1、Z2，1，1、Z2，2，1和Z3，1，1。
[图5]还示出了介于50km/h与90km/h之间的初始速度的子数据集S1，2、S2，2和S3，2。[图5]还示出了分别与在步骤E51的结束时所确定的类型T1，1、T2，1、T2，2和T3，1以及在步骤E52的结束时所确定的区域A1，2、A2，2和A3，2相关联的区域Z1，1，2、Z2，1，2、Z2，2，2和Z3，1，2。
[图6]还示出了介于0与50km/h之间的初始速度的子数据集S1，3、S2，3和S3，3。[图6]还示出了分别与在步骤E51的结束时所确定的类型T1，1、T2，1、T2，2和T3，1以及在步骤E52的结束时所确定的区域A1，3、A2，3和A3，3相关联的区域Z1，1，3、Z2，1，3、Z2，2，3和Z3，1，3。
与交通标志的集合G1相关联的区域A1、1、A1、2和A1、3是更多地位于道路场景的上部中的区域，与道路使用者的集合G2相关联的区域A2、1、A2、2和A2、3是更多地位于道路场景的中央的区域，以及与车辆的可直接导航空间中的物体的集合G3相关联的区域A3、1、，A3，2和A3，3是更多地位于道路场景的下部中的区域。可以看出，与同一个集合Gi相关联的初始检测区域Ai，l的形状、尺寸和在空间中的位置基于初始速度而变化。
每个初始检测区域Ai，l是空间的如下区域，在该区域中属于与该区域相关联的集合Gi的类型Ti，j的物体能够被检测系统2基于由相机21所采集的图像检测到的概率特别高。
在步骤E52中，对于属于同一个集合Gi的物体的类型Ti，j的每个初始检测区域Ai，l，确定初始光度Pi，l，使得能够在考虑到该集合Gi的物体的类型的情况下提高检测系统2的检测性能。确定该初始光度Pi，l可以包括：确定用于由照明系统3在初始检测区域Ai，l中发射的光束的最小光强度、平均光强度和/或最大光强度；或者确定用于由照明系统3在初始检测区域Ai，l中发射的光束的多个像素的光强度、多组像素的光强度或甚至所有像素的光强度。
例如，对于区域A3，1、A3，2和A3，3，由照明模块31和32发射的光基本上平行于地面。因此，该光对相机21的回反射将不会非常强烈，并且因此在这些区域中所发射的光束的平均光强度必须高，以便允许检测这些区域中的标记或障碍物。对于区域A2、1、A2、2和A3、3，由照明模块31和32发射的光将基本上垂直于道路使用者。因此，该光将被令人满意地反射到相机21，使得发射在这些区域中的光束的平均光强度可以低于发射在区域A3，1、A3，2和A3，3中的光束的平均光强度。对于区域A1，1、A1，2和A1，3，由照明模块31和32发射的光将基本上垂直于交通标志。由于交通标志通常设置有反射涂层，因此该光将以放大形式被反射回来。因此，发射在这些区域中的光束的平均光强度必须低，以便不使相机21的传感器饱和。
在步骤E52结束时，对于ΔV1到ΔVM的所有范围以及对于同一个集合Gi，初始检测区域Ai，l和初始光度Pi，l的集合形成与该集合Gi相关联的照明模型Mi。
应注意，用于对集合G1至GN确定这些照明模型M1至MN的步骤E1至E52由计算机单元产生，该计算机单元包括存储器和处理器，该存储器存储在步骤E1和E1’中限定的集合G1至GN和速度范围ΔV1至ΔVM以及数据集S1至SN，该处理器能够实施这些步骤。计算机单元与机动车辆1分离，因此在执行随后的步骤之前执行步骤E1至E52。在步骤E52结束时，将模型M1到MN加载到照明系统3的控制器的存储器中，例如以图像的形式来加载，其中每个像素表示用于由模块31和32发射的像素化光束的像素，图像的像素的灰度级表示能够由这些模块31和32发射以形成像素化光束的像素的基本光束的光强度设定点。
在步骤E6中，当机动车辆1处于自主驾驶模式时，照明系统3的照明模块31和32被控制器控制，以便在车辆的前方发射由多个光束Fi形成的整体光束F，每个光束Fi符合模型M1到MN中的一个模型。由于机动车辆的速度在范围ΔVI中的一个范围内，因此每个光束Fi以初始光度Pi，l发射在初始检测区域Ai，l中。这些光束F1到FN是在道路上没有检测到物体的情况下默认发射的光束。
[图7]示出了道路场景，其被照明模块31和32同时发射的光束F1、F2和F3照亮，从而一起形成分段的整体光束F。在[图7]的示例中，机动车辆以介于50km/h与90km/h之间的速度行驶。
现在将描述的步骤E7和E8涉及在检测到物体O之后所执行的分段整体光束F的自适应，而步骤E9涉及车辆从自主驾驶模式切换到手动驾驶模式。
在步骤E7中，由检测系统2检测到物体O1，并且由该检测系统2将该物体O1分类为属于集合Gi的类型T2，1。由检测系统2检测到另一物体O2，并且由该检测系统2将该另一物体O2分类为属于该集合G2的类型T2，2。如[图7]中所示，物体O1是机动车辆，物体O2是行人，这些物体位于初始检测区域A2，2中。因此，物体O1和O2被光束F2照亮，该光束F2的光度P2，2使得能够提高由检测系统2对这些类型的物体的检测性能。
在步骤E8中，在检测到物体O之后，控制器控制照明系统3以便在光束中生成区域B，该区域B以物体O为中心并且具有适合于该物体O的类型的光度。在所描述的示例中，在检测到物体O1和O2之后，控制器控制该模块31和32以便在光束F2中生成以物体O1为中心的低强度区域B1和以物体O2为中心的过强度区域B2。区域B1允许检测系统2在车辆正在移动的同时继续检测该车辆O1以及车辆1的移动，而不会使该车辆的可能的驾驶员眩目。区域B2允许检测系统2在车辆1正在移动的同时继续检测行人O2。因此，在这些物体O1和O2在相机21的视场中正在移动的同时，区域B1和B2保持以这些物体O1和O2为中心，对这些物体O1和O2在给定时刻时的位置的估计允许控制器在下一时刻移动区域B1和B2，如[图8]所示，直到物体O1和O2离开相机的视场为止。在该步骤E8的结束时，照明系统的控制器则控制该模块31和32，使得光束F2符合默认的照明模型M2。
在步骤E9中，当自主驾驶系统接收到收回对机动车辆1的手动控制的指令I时，控制器控制照明系统，并且特别地控制照明模块31和32，以将整体光束F逐渐地转换为规定近光束或暗光束LB。如果自主驾驶系统接收到将机动车辆1切换到自主模式的指令，则控制器控制照明系统3以使用照明模块31和32发射分别符合模型M1、M2和M3的F1、F2和F3。
以上描述清楚地解释了本发明如何能够实现其自身设定的目标，并且特别是通过提出一种用于控制机动车辆的照明系统的方法来实现，其中，与根据物体的类型来分类的物体位置相关的数据使得能够描述至少一个区域，其中属于这些类型中的一个类型的任何新物体将可能存在于该区域中，并且其中限定了光度，使得能够使该类型的物体被机动车辆的检测系统实际检测到的概率最大化。借助于本发明，由照明系统发射的光束因此用于完全支持检测系统的图像采集系统。
在任何情况下，本发明不应被视为局限于本文档中具体描述的实施例，并且特别地延伸到任何等效的装置以及这些装置的任何技术上可行的组合。特别地，可以设想不同于所描述的检测系统的检测系统的类型，并且特别地，可以设想将图像采集系统与其他类型的传感器组合的系统，例如通过多传感器数据融合来检测和估计道路上的物体的位置。也可以设想不同于所描述的物体的物体的类型。还可以设想用于对第一检测区域建模的方法的其他示例，并且特别是不同于所描述的机器学习算法的特定类型的机器学习算法。也可以设想基于不同于车辆速度的参数对第一检测区域建模。

Claims (11)

1.一种用于控制机动车辆(1)的照明系统(3)的方法，所述机动车辆配备有物体检测系统(2)，所述物体检测系统包括用于采集车辆的环境的全部或部分环境的图像的系统(21)，所述方法包括以下步骤：
a.(E1)限定用于由所述机动车辆的所述检测系统检测的至少一个物体的类型的集合(Gi)；
b.(E2)所述检测系统采集与属于所述集合的类型(Ti，j)的多个物体(Oi，j，k)的在所述车辆的环境中的位置(Pi，j，k)相关的数据集(Si)；
c.(E4、E51、E52)基于所述数据集来确定与所述集合相关联的照明模型(Mi)，所述照明模型限定与该物体的类型的集合相关联且能够被所述照明系统寻址的被称为初始检测区域的至少一个区域(Ai，l)和用于由所述照明系统发射在与该集合相关联的所述初始检测区域中的光束(Fi)的被称为初始光度的光度(Pi，l)；
d.(E6)基于所确定的照明模型来控制所述照明系统，以便发射在该照明模型的所述初始检测区域中的具有所述初始光度的光束。
2.根据前一项权利要求所述的方法，其中，在采集步骤(E2)中所采集的与所述物体(Oi，j，k)的所述位置(Pi，j，k)相关的所述数据集(Si)包括：对于每个物体，在由所述检测系统(2)检测到该物体时该物体的被称为初始位置的位置(Pi，j，k(0))。
3.根据前一项权利要求所述的方法，其中，确定所述模型(Mi)的步骤(E4、E51、E52)包括：对于所述集合(Gi)的每个物体的类型(Ti，j)，基于所述数据集(Si)来对所述物体的类型的被称为第一检测区域的区域(Zi，j，l)建模的步骤(E4)，所述区域(Zi，j，l)涵盖所述物体的类型的物体(Oi，j，k)的所有初始位置(Pi，j，k(0))，并且其中，基于所述集合的物体的所有的类型的第一检测区域来确定所述初始检测区域(Ai，l)。
4.根据前一项权利要求所述的方法，其中，对物体的类型(Ti，j)的第一检测区域(Zi，j，l)建模的每个步骤(E4)实施机器学习算法，使得能够基于所述物体的类型的物体(Oi，j，k)的初始位置(Pi，j，k(0))来确定第一检测区域。
5.根据前述权利要求中的任一项所述的方法，其中，在确定所述模型(Mi)的步骤(E4、E51、E52)中，基于所述物体的类型的集合(Gi)中的物体的至少一个类型(Ti，j)来确定光束(Fi)的所述初始光度(Pi，l)。
6.根据前一项权利要求所述的方法，所述方法包括提供(E1’)与所述机动车辆(1)的行为或与所述环境相关的参数(Vi，j，k(0))的至少一个值范围(ΔVL)的步骤，并且其中确定与所述集合(Gi)相关联的所述照明模型(Mi)的步骤(E4，E51，E52)是确定与所述集合相关联的照明模型的步骤，所述照明模型是基于参数的所述值而可变的。
7.根据前述权利要求中的任一项所述的方法，其中：
a.限定步骤(E1)包括限定物体的类型(T1，1、T2，1、T2，2、T3，1)的至少三个集合(G1、G2、G3)，所述至少三个集合包括至少包含地面标记类型的物体的第一集合(G1)、至少包含道路使用者类型的物体的第二集合(G2)、以及至少包含交通标志类型的物体的第三集合(G3)；
b.确定步骤(E4、E51、E52)包括确定三个照明模型(M1、M2、M3)，每个照明模型与所述集合中的一个集合相关联，所述三个照明模型包括与所述第一集合相关联的第一照明模型、与所述第二集合相关联的第二照明模型、和与所述第三集合相关联的第三照明模型；以及
c.控制所述照明系统(3)的步骤(E6)包括基于所确定的照明模型来控制所述照明系统，以便发射在该第一模型的初始检测区域(A1，2)中的具有所述第一照明模型的初始光度(P1，2)的第一光束(F1)，发射在该第二模型的初始检测区域(A2，2)中的具有所述第二照明模型的初始光度(P2，2)的第二光束(F2)，以及发射在该第三模型的初始检测区域(A3，2)中的具有所述第三照明模型的初始光度(P3，2)的第三光束(F3)。
8.根据前述权利要求中的任一项所述的方法，所述方法还包括以下步骤：
a.(E7)所述车辆(1)的所述物体检测系统(2)从所述物体的类型的所述集合(Gi)中检测给定类型(Ti，j)的物体(O)；
b.(E8)控制所述照明系统(3)以基于所检测的物体的类型来修改光束(Fi)。
9.根据前一项权利要求所述的方法，其中，控制所述照明系统(3)的步骤(E8)包括：在所述光束(Fi)中生成与所检测的物体(O)齐平的区域(B)的步骤，该区域具有适配于所检测的物体的类型(Ti，j)的光度；以及基于所检测的物体在所述图像采集系统(21)的参考帧中的移动来移动所述区域的步骤。
10.根据前述权利要求中的任一项所述的方法，所述机动车辆(1)配备有用于部分地或完全地自主驾驶的系统，其中，控制所述照明系统(3)的步骤(E6)的实施以自主驾驶系统的激活为条件，并且所述方法包括以下步骤：
a.所述车辆的乘员接收到用于收回所述机动车辆的手动控制的指令(I)；
b.(E9)控制所述照明系统以发射至少一个预定的规定照明和/或信号指示光束(LB)。
11.一种机动车辆(1)，所述机动车辆包括：物体检测系统(2)，所述物体检测系统包括用于采集所述车辆的环境的全部或部分环境的图像的系统(21)；照明系统(3)；用于部分地或完全地自主驾驶的系统；以及用于所述照明系统的控制器，所述控制器被设计为实施根据本发明的方法的控制步骤(E6)。
CN202280017299.4A 2021-02-26 2022-02-25 用于控制机动车辆照明系统的方法 Pending CN116888636A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FRFR2101882 2021-02-26
FR2101882A FR3120212B1 (fr) 2021-02-26 2021-02-26 Procédé de contrôle d’un système d’éclairage d’un véhicule automobile
PCT/EP2022/054886 WO2022180253A1 (fr) 2021-02-26 2022-02-25 Procédé de contrôle d'un système d'éclairage d'un véhicule automobile

Publications (1)

Publication Number Publication Date
CN116888636A true CN116888636A (zh) 2023-10-13

Family

ID=75339949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280017299.4A Pending CN116888636A (zh) 2021-02-26 2022-02-25 用于控制机动车辆照明系统的方法

Country Status (4)

Country Link
EP (1) EP4298612A1 (zh)
CN (1) CN116888636A (zh)
FR (1) FR3120212B1 (zh)
WO (1) WO2022180253A1 (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2947223B1 (fr) * 2009-06-29 2015-05-01 Valeo Vision Procede de commande de faisceau d'eclairage pour vehicules
WO2020087352A1 (en) * 2018-10-31 2020-05-07 SZ DJI Technology Co., Ltd. Method and apparatus for controlling a lighting system of a vehicle

Also Published As

Publication number Publication date
FR3120212B1 (fr) 2023-07-14
EP4298612A1 (fr) 2024-01-03
WO2022180253A1 (fr) 2022-09-01
FR3120212A1 (fr) 2022-09-02

Similar Documents

Publication Publication Date Title
US11917281B2 (en) Camera system, method and instructions using images captured by a first mage sensor and a second image sensor to generate a third image corresponding to a simulated lens having an intermediate focal length
CN111212756B (zh) 用于控制载运工具的照明系统的方法和设备
CN104185588B (zh) 用于确定道路宽度的车载成像系统及方法
KR101768500B1 (ko) 운전 보조 장치 및 그 제어방법
JP5468108B2 (ja) ドライバ支援システムのための、道路地形を検出する方法及びシステム
US9862305B2 (en) Vehicle headlight device
CN103874931B (zh) 用于求取车辆的环境中的对象的位置的方法和设备
EP3475121B1 (en) Imaging system with adaptive high beam control
US20120271511A1 (en) Method for Controlling a Headlamp System for a Vehicle, and Headlamp System
US10635116B2 (en) Video calibration with illumination invariant image
CN103596804B (zh) 用于接通车辆的远光的方法和控制设备
US20200114805A1 (en) Method for reducing headlight glare, headlight system and system controller for controlling a headlight system
US20080024606A1 (en) Image processing apparatus
CN110154881A (zh) 车辆用照明系统及车辆
US11400857B2 (en) Method for operating a high-beam assistance system of a motor vehicle
CN110087946A (zh) 车辆用照明系统和车辆
JP2019169124A (ja) 区画領域および移動経路の低次元の検出
KR20220139933A (ko) 자동차의 주변 모니터링 시스템
US20230391250A1 (en) Adaptive illumination system for an autonomous vehicle
JP7381388B2 (ja) 信号灯状態識別装置、信号灯状態識別方法及び信号灯状態識別用コンピュータプログラムならびに制御装置
CN113642372A (zh) 在自主驾驶车辆的操作中基于灰度图像识别对象的方法和系统
CN116888636A (zh) 用于控制机动车辆照明系统的方法
CN116373728A (zh) 基于车辆照明的车行道障碍物通知的系统和方法
JP2006021632A (ja) 車両用照明システム
KR102416117B1 (ko) 차량 및 차량 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