CN118144670A - 用于车辆的自适应远光灯控制的方法和装置 - Google Patents

用于车辆的自适应远光灯控制的方法和装置 Download PDF

Info

Publication number
CN118144670A
CN118144670A CN202311672509.6A CN202311672509A CN118144670A CN 118144670 A CN118144670 A CN 118144670A CN 202311672509 A CN202311672509 A CN 202311672509A CN 118144670 A CN118144670 A CN 118144670A
Authority
CN
China
Prior art keywords
vehicle
data
roi
dataset
road
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
CN202311672509.6A
Other languages
English (en)
Inventor
傅俊圣
约纳斯·埃克马克
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.)
Zhe Xi Co
Original Assignee
Zhe Xi Co
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 Zhe Xi Co filed Critical Zhe Xi Co
Publication of CN118144670A publication Critical patent/CN118144670A/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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • B60Q1/06—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 adjustable, e.g. remotely-controlled from inside vehicle
    • B60Q1/08—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 adjustable, e.g. remotely-controlled from inside vehicle automatically
    • B60Q1/085—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 adjustable, e.g. remotely-controlled from inside vehicle automatically due to special conditions, e.g. adverse weather, type of road, badly illuminated road signs or potential dangers
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21S—NON-PORTABLE LIGHTING DEVICES; SYSTEMS THEREOF; VEHICLE LIGHTING DEVICES SPECIALLY ADAPTED FOR VEHICLE EXTERIORS
    • F21S41/00—Illuminating devices specially adapted for vehicle exteriors, e.g. headlamps
    • F21S41/60—Illuminating devices specially adapted for vehicle exteriors, e.g. headlamps characterised by a variable light distribution
    • 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
    • B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
    • B60Q2300/05—Special features for controlling or switching of the light beam
    • B60Q2300/056—Special anti-blinding beams, e.g. a standard beam is chopped or moved in order not to blind
    • 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
    • B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
    • B60Q2300/40—Indexing codes relating to other road users or special conditions
    • B60Q2300/42—Indexing codes relating to other road users or special conditions oncoming vehicle
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21W—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES F21K, F21L, F21S and F21V, RELATING TO USES OR APPLICATIONS OF LIGHTING DEVICES OR SYSTEMS
    • F21W2102/00—Exterior vehicle lighting devices for illuminating purposes
    • F21W2102/10—Arrangement or contour of the emitted light
    • F21W2102/13—Arrangement or contour of the emitted light for high-beam region or low-beam region

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Lighting Device Outwards From Vehicle And Optical Signal (AREA)

Abstract

公开了一种用于车辆的自适应远光灯控制的方法和装置。该方法包括获得车辆的姿态，该姿态指示车辆在道路上的位置和方位；基于高清晰度(HD)地图数据和所确定的车辆姿态获得车辆的周围环境的(3D)道路模型；以限定沿所获得的3D道路模型的体积的体素的形式生成感兴趣的3D区域(3D‑ROI)；形成用于由自适应远光灯控制(AHBC)单元处理的数据集，AHBC单元被配置为通过控制车辆的一个或多个前灯的照明来自适应地控制车辆的前方的空间的照明，所形成的数据集基于所生成的3D‑ROI和指示一个或多个在车辆的周围环境中检测到的道路使用者的感知数据，感知数据基于从用于监测车辆的周围环境的一个或多个传感器获得的传感器数据；并且将所形成的数据集发送到AHBC单元。

Description

用于车辆的自适应远光灯控制的方法和装置
技术领域
所公开的技术一般涉及汽车技术领域，并且具体涉及用于车辆的自适应远光灯控制的计算机实现的方法和装置。
背景技术
在过去的几年中，与自主车辆相关的研究和开发活动已经呈爆发式增长，并且正在探索许多不同的方法。现代车辆的越来越多的部分具有先进的驾驶员辅助系统(ADAS)以提高车辆安全性和更普遍的道路安全性。ADAS是可以在驾驶时帮助车辆驾驶员的电子系统，ADAS例如可以由自适应巡航控制(ACC)、防碰撞系统、前向碰撞警告系统等体现。如今，在与ADAS和自主驾驶(AD)领域两者相关联的许多技术领域内，正在进行研究和开发。
现代道路车辆具有两种常规的用于车辆的前灯的灯光设置：远光灯(有时称为“主光灯”、“前大灯”或“最强光”)和近光灯(有时也称为“会车灯”)。近光前灯照亮车辆的前方的区域，并且允许高达大约50米的距离的能见距离，而远光前灯可以照亮车辆的前方的区域，并且允许高达100米或更远的距离的能见距离。
因此，为了减少由于与其它物体碰撞或意外偏离道路而导致的不愉快事件或事故的风险，远光灯照明对于在低光条件下安全地操纵车辆至关重要，特别是在高速行驶时。然而，由于远光灯提供长距离照明这一事实，驾驶员必须注意诸如迎面而来的车辆、紧靠的前方车辆、行人或骑行者的其它道路使用者，以免使其它道路使用者看不见，并且在适当时关闭远光灯照明。此外，当灯光从道路沿线的诸如路标、障碍物等的物体反射时，远光灯照明也可能给“自我车辆”的驾驶员带来不适。
为了这个目的，许多现代车辆被提供有自动远光灯控制(也可以被称为主动远光灯控制)，自动远光灯控制(例如使用一个或多个光敏电阻)自动地检测车辆的前方的光源，并且然后取决于检测光源的强度在远光灯和近光灯之间自动地切换。而且，一些现代车辆被配备有具有LED矩阵的前灯，LED矩阵实施自适应远光灯控制(AHBC)，AHBC使用自动切换技术来控制单独的LED在某些区域(检测到外部光源的区域)上发出更少的光，而在其它区域(未检测到外部光源的区域)上发出更多的光。作为结果，远光灯控制的自动化可以缓解驾驶员不得不在远光灯和近光灯之间重复地切换的负担。
然而，在自动远光灯控制的领域中仍然需要改进，并且具体是在该领域中需要新的和改进的减少导致车辆不必要地关闭远光灯照明的“误报”的方法，以便提高交通安全。
发明内容
本文中公开的技术寻求缓解、减轻或消除现有技术中的一个或多个缺陷和缺点，以解决与车辆的远光灯照明或部分远光灯照明的错误自动激活或去激活相关的各种问题。
所公开的发明的各个方面和实施例在下面以及所附的独立权利要求和从属权利要求中被限定。
所公开的技术的第一方面包括一种用于车辆的自适应远光灯控制的计算机实现的方法。该方法包括获得车辆的姿态，该姿态指示车辆在道路上的位置和方位。该方法进一步包括基于高清晰度(HD)地图数据和所确定的车辆姿态获得车辆的周围环境的三维(3D)道路模型。此外，该方法包括以限定沿获得的3D道路模型的体积的体素的形式生成感兴趣的3D区域(3D-ROI)。该方法进一步包括形成用于由自适应远光灯控制(AHBC)单元处理的数据集，该AHBC单元被配置为通过控制车辆的一个或多个前灯的照明来自适应地控制车辆的前方的空间的照明。所形成的数据集基于所生成的3D-ROI和指示一个或多个在车辆的周围环境中检测到的道路使用者的感知数据。感知数据基于从用于监测车辆的周围环境的一个或多个传感器获得的传感器数据。此外，该方法包括将所形成的数据集发送到AHBC单元，以便基于所形成的数据集控制车辆的前方的空间的照明，从而避免朝向在3D-ROI内检测到的道路使用者投射远光灯照明。
所公开的技术的第二方面包括一种计算机程序产品，该计算机程序产品包括指令，当该程序被车辆的计算设备执行时，该指令使得计算设备执行根据本文中所公开的实施例中的任何一个的方法。对于所公开的技术的这一方面，存在与其它方面类似的优点和优选特征。
所公开的技术的第三方面包括(非暂时性)计算机可读存储介质，该计算机可读存储媒体包括指令，当由车辆的计算设备执行时，该指令使得计算设备执行根据本文中所公开的实施例中的任何一个的方法。对于所公开的技术的这一方面，存在与其它方面类似的优点和优选特征。
如本文中使用的术语“非暂时性”旨在描述排除传播电磁信号的计算机可读存储介质(或“存储器”)，但不旨在以其它方式限制短语计算机可读介质或存储器涵盖的物理的计算机可读存储设备的类型。例如，术语“非暂时性计算机可读介质”或“有形的存储器”旨在涵盖不必永久地存储信息的储存设备的类型，包括例如随机存取存储器(RAM)。以非暂时性形式存储在有形的计算机可访问存储介质上的程序指令和数据可以进一步通过传输介质或可以经由通信介质(诸如网络和/或无线链路)传送的信号(诸如电信号、电磁信号或数字信号)来传输。因此，如本文中使用的术语“非暂时性”是对介质本身的限制(即，有形的，而不是信号)，而不是对数据存储持久性的限制(例如，RAM对比ROM)。
所公开的技术的第四方面包括一种用于车辆的自适应远光灯控制的装置。装置包括控制电路，该控制电路被配置为获得车辆的姿态，该姿态指示车辆在道路上的位置和方位。控制电路进一步被配置为基于高清晰度(HD)地图数据和所确定的车辆姿态来获得车辆的周围环境的三维(3D)道路模型。此外，控制电路被配置为以限定沿所获得的3D道路模型的体积的体素的形式生成感兴趣的3D区域(3D-ROI)。控制电路进一步被配置为形成用于由自适应远光灯控制(AHBC)单元处理的数据集，AHBC单元被配置为通过控制车辆的一个或多个前灯的照明来自适应地控制车辆的前方的空间的照明。所形成的数据集基于所生成的3D-ROI和指示在车辆的周围环境中检测到的一个或多个道路使用者的感知数据。感知数据基于从用于监测车辆的周围环境的一个或多个传感器获得的传感器数据。此外，控制电路被配置为将所形成的数据集发送到AHBC单元，以便基于所形成的数据集控制车辆的前方的空间的照明，从而避免朝向在3D-ROI内检测到的道路使用者投射远光灯照明。对于所公开的技术的这一方面，存在与其它方面类似的优点和优选特征。
所公开的技术的第五方面包括车辆，该车辆包括根据本文中公开的实施例中的任何一个的用于车辆的自适应远光灯控制的装置。对于所公开的技术的这一方面，存在与其它方面类似的优点和优选特征。
所公开的方面和示例性实施例可以以本领域普通技术人员显而易见的任何方式适当地彼此组合，使得与一个方面相关的公开的一个或多个特征或实施例也可以被认为是与另一方面或另一方面的实施例相关的公开。
一些实施例的优点是可以通过降低产生导致AHBC单元不必要地关闭远光灯照明的误报的风险来提高AHBC单元的性能。
一些实施例的优点在于，由于较少错误地切换到近光灯，可以改善驾驶员的前方道路的自动照明，从而改善总体道路安全。
进一步的实施例在从属权利要求中限定。应强调的是，当在本说明书中使用时，术语“包括/包含”用于指明所陈述的特征、整体、步骤或组件的存在。它不排除一个或多个其它特征、整体、步骤、组件或它们的组的存在或添加。
所公开的技术的这些和其它特征和优点将在下面参考下文中描述的实施例进一步阐明。
附图说明
通过参考下面结合附图对本公开的示例实施例的例示性和非限制性的详细描述，所公开的技术的以上方面、特征和优点将更充分地被理解。
图1是根据一些实施例的用于车辆的自适应远光灯控制的方法的示意性流程图。
图2是根据一些实施例的3D道路模型的示意性图示。
图3是根据一些实施例的图2的3D道路模型的感兴趣的3D区域(3D-ROI)的示意性图示。
图4是根据一些实施例的采用自适应远光灯控制的车辆的示意性透视图图示。
图5a是根据一些实施例的3D-ROI的示意性顶视图图示。
图5b是根据一些实施例的3D-ROI的示意性侧视图图示。
图6a是根据一些实施例的3D-ROI的示意性顶视图图示。
图6b是根据一些实施例的3D-ROI的示意性侧视图图示。
图7a是根据一些实施例的体素形式的3D-ROI的示意性顶视图图示。
图7b是根据一些实施例的体素形式的3D-ROI的示意性侧视图图示。
图8a是根据一些实施例的体素形式的3D-ROI的示意性顶视图图示。
图8b是根据一些实施例的体素形式的3D-ROI的示意性侧视图图示。
图9a是根据一些实施例的体素形式的3D-ROI的示意性顶视图图示。
图9b是根据一些实施例的体素形式的3D-ROI的示意性侧视图图示。
图10a是根据一些实施例的体素形式的3D-ROI的示意性顶视图图示。
图10b是根据一些实施例的体素形式的3D-ROI的示意性侧视图图示。
图11是根据一些实施例的包括用于自适应远光灯控制的装置的车辆的示意性框图表示。
图12a是根据一些实施例的用于自适应远光灯控制的装置的示意性框图表示。
图12b是根据一些实施例的用于自适应远光灯控制的装置的示意性框图表示。
图12c是根据一些实施例的用于自适应远光灯控制的装置的示意性框图表示。
图13a至图13d是对于传统的自适应远光灯控制(AHBC)单元来说适当地处理具有挑战性的示例场景的示意性图示。
具体实施方式
现在将参考其中示出了所公开的技术的一些示例实施例的附图，详细地描述本公开。然而，所公开的技术可以以其它形式体现，并且不应被解释为限于所公开的示例实施例。所公开的示例实施例被提供以将所公开的技术的范围充分地传达给本领域技术人员。本领域技术人员将理解，本文中解释的步骤、服务和功能可以使用单独的硬件电路、使用与可编程微处理器或通用计算机结合工作的软件、使用一个或多个专用集成电路(ASIC)、使用一个或多个现场可编程门阵列(FPGA)和/或使用一个或多个数字信号处理器(DSP)来实现。
也将理解，当以方法的形式描述本公开时，本公开也可以以包括一个或多个处理器、与一个或多个处理器耦接的一个或多个存储器的装置来体现，其中计算机代码被加载以实现该方法。例如，在一些实施例中，一个或多个存储器可以存储一个或多个计算机程序，当由一个或多个处理器执行时，一个或多个计算机程序使得装置执行本文中公开的步骤、服务和功能。
也应理解，本文中所使用的术语仅用于描述具体实施例，而不旨在进行限制。应当注意，如在说明书和所附权利要求中使用的，术语“一”、“该”和“所述”旨在意味着存在一个或多个元素，除非上下文另外清楚地指示。因此，例如，在一些上下文中，对“单元”或“该单元”的引用可以指多于一个的单元等。此外，“包括”和“包含”不排除其它元件或步骤。应强调的是，当在本说明书中使用时，术语“包括/包含”用于指明所陈述的特征、整体、步骤或部件的存在。它不排除一个或多个其它特征、整体、步骤、部件或它们的组的存在或添加。术语“和/或”应被解释为“两者”以及各自作为另一种选择。
也将理解，尽管术语“第一”、“第二”等在本文中可以用于描述各种元件或特征，但是这些元件不应受这些术语的限制。这些术语仅用于将一个元件与另一个元件区分开。例如，第一信号可以被称为第二信号，并且类似地，第二信号可以被称为第一信号，而不背离实施例的范围。第一信号和第二信号两者都是信号，但它们不是相同的信号。
一般而言，自适应远光灯控制(AHBC)自动地控制车辆的前向照明(即，前灯)，尤其是在夜间驾驶时。AHBC可以说有两个主要目标，尽可能为自我车辆(也可以称为主车辆)的驾驶员照亮前方道路，并且避免因远光灯照明的不适当的激活而使其它道路使用者看不见。与自动远光灯控制类似，AHBC依赖于来自一个或多个光敏电阻(LDR，Light DependentResistor)(也称为光电阻)的输入，用于检测自我车辆的前方的任何光源，以便控制自我车辆的前方的道路的照明。一般配置是AHBC应避免朝向检测到的光源进行远光灯照明。LDR例如可以与诸如前向相机、雨量传感器等的其它传感器一起作为后视镜组件的一部分布置在挡风玻璃的顶部。一些AHBC单元/系统可以使用来自布置在自我车辆上的前向相机的输出来检测车辆前方的光源。图4是具有AHBC单元的自我车辆1的示意性透视图，其中来自自我车辆的前灯的照明被自适应地控制，以便使用远光灯照明来照亮自我车辆1的前方的区域，同时避免朝向在自我车辆的前方检测到的其它道路使用者2的远光灯照明。来自自我车辆1的前灯的照明由图4中从自我车辆1延伸的虚箭头和虚线示意性地指示。
相应地，一些AHBC单元对从前向相机输出的图像中检测到的亮点做出反应，并且假设亮点是其它迎面而来的车辆的前灯或前方车辆的尾灯。然而，常见的问题是，检测到的亮点中的一些可能来自用于其它目的的静止灯。例如，来自房屋或建筑物附近的户外照明、布置在风车(windmill)上的灯、布置在广告牌上的灯或布置在无线电基站上的灯。因此，传统的AHBC单元可能将源自静止灯的这些亮点解释为源自其它道路使用者的灯，并且因此错误地减少来自自身车辆的前方照明，导致AHBC单元的次优性能。
图13a至图13d中示意性地描绘了对常规AHBC单元来说具有挑战性的情况或场景的一些示例。更详细地，图13a示意性地图示了当自我车辆1在道路21(例如高速公路)上行驶时的场景，并且在靠近道路21的火车轨道22或铁路22上有经过的火车23，可能与道路21平行行驶。这里，传统的AHBC单元可能错误地假设来自火车23的光是来自另一个道路使用者的光，并且因此错误地切换到近光灯照明或部分近光灯照明。
图13b示意性地图示了当自我车辆1在道路21上行驶并且接近道路的下坡部分24，并且在位于下坡部分24的底部处的高层结构(例如建筑物或无线电基站)25的顶部上有光源26时的场景。这里，传统的AHBC单元可能错误地假设光源26来自另一个道路使用者，因为光是在车辆正前方检测到的(即，从自身车辆的角度来看，刚好源自地平线上方)，并且因此错误地切换到近光灯照明或部分近光灯照明。
图13c示意性地图示了当自我车辆1正在接近道路21的转弯部分(这里是左转的形式)，并且在路边有带有灯26的静止结构27时的场景。这里，传统的AHBC单元可能错误地假设光来自另一个道路使用者，并且因此错误地切换到近光灯照明或部分近光灯照明。
图13d示意性地图示了当自我车辆1接近通往隧道26的道路21的下坡部分，隧道26具有布置在隧道入口的顶部部分上的一些灯26时的场景。这里，传统的AHBC单元可能错误地假设光来自另一个道路使用者，并且因此错误地切换到近光灯照明或部分近光灯照明。
为了缓解目前已知的AHBC解决方案的缺点中的一些，并且具体是为了更好地处理更多的具有挑战性的这些场景，本文中公开的技术利用自我车辆行驶的道路的3D道路模型，以便生成感兴趣的3D区域(3D-ROI)。3D-ROI以限定沿3D道路模型的体积的体素的形式生成。然后，这个3D-ROI用于AHBC单元在决定是否照亮自身车辆的前方的道路的某些部分时推断要考虑的“相关的”道路使用者。换句话说，3D-ROI用于区分自我车辆的传感器检测到的“相关的”光源或对象与“不相关的”光源或对象，以提高AHBC单元的性能。
相应地，通过使用3D-ROI，可以提高相关的道路使用者的检测精确度。例如，源自3D-ROI外部的任何亮点可以被认为是由“相关的”道路使用者之外的其它对象发出的。从而，可以使AHBC将错误地减少前灯照明的情况或场景(诸如图13a至图13d中所图示的场景)变得不那么频繁。换句话说，一些实施例的优点在于降低了自适应远光灯控制中发生误报的风险。
在本公开的上下文中，术语“3D道路模型”可以被理解为道路的虚拟3D表示，该虚拟3D表示可以从地图数据，并且尤其是高清晰度地图数据(HD地图数据)中获得。图2是根据一些实施例的3D道路模型201的示意性图示。3D道路模型201可以相应地被理解为描述车辆的周围环境中的道路(包括任何车道标记、道路边界、障碍物、人行道等的)的空间几何(spatial geometry)的数据。术语“空间几何”可以理解为以点、线、多边形、折线等的形式的空间对象的结构。
为了本公开的目的，术语“体素”可以被理解为构成设想的三维空间的体积元素的阵列中的每一个，并且具体地，三维对象的表示被划分成的离散元素的阵列中的每一个。一般而言，体素表示三维空间中规则网格上的值，即体素可以被理解为限定三维空间中的点的图形信息单元。例如，像素(图片元素)限定二维空间中的点，例如用它的X坐标和Y坐标限定二维空间中的点，相应地，体素限定三维空间中的点，例如用它的X坐标、Y坐标和Z坐标限定三维空间中的点。应当注意，体素不必在笛卡尔坐标系中表示，而是诸如球坐标系的其它坐标系是适用的。
在本公开的上下文中，术语“3D-ROI”可以被理解为沿自我车辆的前方的道路部分或路段延伸的限定的体积。图3是以图2中的3D道路模型201表示的道路部分的一组体素203的形式的3D-ROI 202的示意性图示。应当注意，在图3中只描绘了几个体素203，以更清楚地阐明限定3D-ROI 202的体积，并且避免附图混乱。然而，如本领域技术人员容易理解的，3D-ROI 202的整个体积由体素203定义。
相应地，3D-ROI可以被理解为限定在车辆的前方的路段上方并且沿车辆的前方的路段垂直延伸的体积的一组体素。3D-ROI 202的高度可以被限定为涵盖可能出现在道路上的任何车辆(例如，汽车、公共汽车、卡车、施工车辆等)。因此，在一些实施例中，3D-ROI 202的高度或垂直延伸与用于自身车辆在其上行驶的道路的车辆的预定高度限制相同。换句话说，在一些实施例中，3D-ROI 202的高度或垂直延伸对应于预期在道路上行驶的最高车辆的高度。3D-ROI 202的横向延伸(即，沿道路的宽度方向)可以基于道路的类型来限定，并且可以限于道路的边界。然而，在一些实施例中，3D-ROI的横向延伸可以延伸经过道路，并且例如涵盖沿道路的自行车道和/或人行道。3D-ROI的纵向延伸(即，沿道路的行驶方向)可能受到自我车辆的光束的照明范围、车辆的感知系统的传感器范围的限制，或者可以被预先限定为距离自我车辆诸如例如100米、200米、300米、400米、500米、至多1000米的适当的距离。
图5a和图5b分别是根据一些实施例的用于路段的3D-ROI 202的示意性顶视图例示和侧视图例示。这里，自我车辆1的前方的路段的“划线”部分示意性地指示3D-ROI 202，并且双头箭头51指示3D-ROI 202的高度(或垂直延伸)。如所提及的，3D-ROI的高度51可以根据用于路段的车辆的高度限制来设定。这允许3D-ROI 202涵盖可能出现在路段上的任何高度的车辆。
图6a和图6b分别是根据一些实施例的用于路段的3D-ROI 202的示意性顶视图例示和侧视图例示。与图5a和图5b中描绘的3D-ROI 202相比，在最靠近自我车辆的区域中的3D-ROI的形状被布置为与自我车辆的前灯的光束角度对齐。换句话说，在一些实施例中，生成的3D-ROI被成形为仅涵盖3D道路模型的部分和这些部分上方的空间，上至可以被自身车辆的前灯照亮的3D-ROI的预定的高度。因此，生成的3D-ROI仅覆盖实际可以由自身车辆的1个前灯照明的路段的部分，并且与如果3D-ROI涵盖甚至不能由车辆的1个前灯照亮的空间相比，可以能需要更少的数据和处理资源来生成3D-ROI。
图1是用于车辆的自适应远光灯控制的方法S100的示意性流程图表示。方法S100优选地是由车辆的处理系统执行的计算机实现的方法S100。处理系统可以例如包括一个或多个处理器和耦接到一个或多个处理器的一个或多个存储器，其中一个或多个存储器存储当由一个或多个处理器执行时执行本文中公开的方法S100的步骤、服务和功能的一个或多个程序。
方法S100包括获得S100车辆的姿态。车辆的姿态指示车辆在道路上的位置和方位。相应地，车辆的姿态可以包括车辆的地理位置和方位(例如偏航角)。偏航角可以相对于车辆所在的道路的纵向延伸或者相对于全局参考来表达。车辆的地理位置在本上下文中被解释为车辆的地图位置(也可以被称为地图内位置)。换句话说，地理位置或地图位置可以被理解为全球坐标系中的一组(两个或更多个)坐标。
术语“获得”在本文中被宽泛地解释并且涵盖在被配置为彼此通信或进一步与其它外部实体通信的两个实体之间直接和/或间接地接收、检索、收集、获取等。然而，在一些实施例中，术语“获得”被解释为确定、导出、形成、计算等。换句话说，获得车辆的姿态可以涵盖基于例如GNSS数据和/或感知数据以及地图数据来确定或计算车辆的姿态。因此，如本文中所使用的，“获得”可以指示在第一实体/单元处从第二实体/单元接收参数，或者例如基于从另一实体/单元接收的数据在第一实体/单元处确定的参数。
在一些实施例中，车辆的姿态的获得S101包括将感知数据(例如传感器数据)与地图数据(例如HD地图数据)进行比较，以便导出车辆在地图中的路段上的姿态。更详细地，感知数据包括车辆的周围环境中的一个或多个静态地标的位置，其中这些位置相对于车辆被限定。HD地图数据包括地图中的一个或多个静态地标的位置。因此，可以通过将静态地标相对于车辆的位置与静态地标在地图中的位置进行比较来导出车辆的姿态。
方法S100进一步包括基于地图数据(例如HD地图数据)和所确定的车辆的姿态获得S102车辆的周围环境的三维(3D)道路模型(参见例如图3)。为了本公开的目的，车辆的周围环境可以被理解为车辆周围的常规区域，在该常规区域中对象(诸如其它车辆、地标、障碍物等)可以被车辆的感知系统检测和识别，即在自我车辆的传感器范围内。
进一步，方法S100包括以限定沿所获得的3D道路模型的体积的体素的形式生成S103感兴趣的3D区域(3D-ROI)(参见例如图4)。在一些实施例中，体素203是在图7a、图7b、图8a和图8b中所图示的以笛卡尔坐标系表达的诸如多面体(例如立方体)的3D形状的形式。在一些实施例中，体素203是在图9a、图9b、图10a和图10b中所图示的在球坐标系中表达的3D形状的形式。
在一些实施例中，例如，如在图7a、图7b、图9a和图9b中指示的，遍及3D-ROI 202，体素203具有统一的尺寸和形状。然而，在一些实施例中，遍及3D-ROI，3D-ROI的体素203可以具有不同的尺寸和/或形状。具体地，在一些实施例中，例如，如在图8a、图8b、图10a和图10b中指示的，体素203在3D-ROI的靠近自我车辆1的部分中比在3D-ROI的远离自我车辆1的部分中更精细(或更密集)。从而，可以提供用于生成3D-ROI的计算上更高效的解决方案，而对AHBC单元的性能的影响可以忽略不计。3D-ROI内的“精细到粗糙”(或“密集到稀疏”)的体素分布在不同的扇区(例如，近距离、中距离和远距离)中可以是连续的或者被分开。参考后者，3D-ROI的近距离扇区相应地具有最精细的体素分辨率，而3D-ROI的远距离扇区具有最粗糙的体素分辨率。
方法S100进一步包括形成S104用于由自适应远光灯控制(AHBC)单元处理的数据集。AHBC单元被配置为通过控制车辆的一个或多个前灯的照明来自适应地控制车辆的前方的空间的照明。所形成的数据集基于所生成的3D-ROI和指示在车辆的周围环境中检测到的一个或多个道路使用者的感知数据。感知数据基于从被配置为监测车辆的周围环境的一个或多个传感器获得的传感器数据。
因此，在一些实施例中，方法S100可以进一步包括获得指示在车辆的周围环境中检测到的一个或多个道路使用者的感知数据。感知数据可以例如从车辆的感知系统接收或检索。
术语“感知数据”在当前上下文中应被宽泛地解释，并且包括典型的“感知”(例如对象检测/分类、对象跟踪)以及对外部对象的未来状态或轨迹的“预测”。此外，在一些实施例中，“感知数据”包括处理后的传感器数据(例如，由一个或多个车载相机输出的处理后的图像、处理后的雷达输出和/或处理后的激光雷达输出)。例如，感知数据可以包括来自对象检测算法、对象分类算法和/或图像分割算法的输出。在一些实施例中，感知数据包括一个或多个相机图像(可以包括指示在图像中检测到的对象的数据或标签)、指示相机阻挡/障碍物的数据和/或指示由车载雷达和/或车载激光雷达检测到的道路使用者的数据。
方法S100进一步包括将所形成的数据集发送S105到AHBC单元，以便基于所形成的数据集控制车辆的前方的空间的照明，从而避免朝向在3D-ROI内检测到的道路使用者投射远光灯照明。
在一些实施例中，所形成S104的数据集包括3D-ROI和指示在车辆的周围环境中检测到的一个或多个道路使用者的感知数据。
在一些实施例中，方法S100进一步包括从位于车辆的周围环境的遮挡区域中的一个或多个其它车辆获得S109车辆对车辆(V2V)数据，其中V2V数据包括关于一个或多个其它车辆的位置的信息。相应地，所形成S104的数据集可以进一步包括一个或多个其它车辆(即被遮挡的车辆)的位置。“遮挡区域”可以是例如其中驻留在该区域中的车辆由于遮挡(例如诸如树木、墙壁或其它车辆的其它结构)而无法被自我车辆的传感器检测/感知的区域。从而，AHBC单元可以了解“隐藏的”道路使用者，并且控制车辆的前灯，以便一旦这些隐藏的道路使用者出现在自我车辆的前方时，不使它们看不见。
在一些实施例中，方法S100进一步包括通过训练后的机器学习算法来处理S110感知数据和3D道路模型的至少一部分，训练后的机器学习算法被训练为基于感知数据和3D道路模型来识别接近的、但当前被遮挡的道路使用者，并且生成包括关于任何被遮挡的道路使用者的位置的信息的网络输出。相应地，所形成的104数据集可以进一步包括由训练后的机器学习算法输出的被遮挡的道路使用者的位置(即，所形成S104的数据集可以进一步包括该网络输出)。训练后的机器学习算法可以例如被训练为基于出现在车辆的前方的光束来确定接近的、但当前被遮挡的道路使用者的位置，并且导出发射这些光束的道路使用者的位置。更详细地，机器学习算法可以被训练为通过利用3D道路模型的知识和出现在自我车辆的前方的照明来导出接近的、但当前被遮挡的道路使用者的位置。
机器学习算法(也可以称为机器学习模型、神经网络等)在一些实施例中使用公众可用的适当的软件开发机器学习代码元素(例如，诸如在PyTorch、Keras和TensorFlow中或任何其它适当的软件开发平台中可用的软件开发机器学习代码元素)、以本领域普通技术人员的已知的适当的任何方式来实现。
进一步，在一些实施例中，感知数据包括与车辆的相应的传感器相关联的一个或多个传感器特定的数据集，每个传感器特定的数据集具有相应的传感器特定的测量空间。相应地，形成S104数据集的步骤可以进一步包括将3D-ROI转换S106到每个传感器特定的测量空间，以便所形成的数据集包括一个或多个转换后的3D-ROI数据集，并且形成S107一个或多个二进制掩模(binary mask)。对于每个传感器特定的数据集，可以通过基于相应的转换后的3D-ROI形成S107二进制掩模来形成二进制掩模，其中每个二进制掩模指示相应的传感器特定的数据集的传感器特定的测量空间中的3D-ROI。更详细地，二进制掩模可以有效地用于在相应的传感器特定的数据集中掩藏(mask)(或去除)3D-ROI的外部的传感器数据。
在一些实施例中，所形成S104的数据集的发送S105包括将一个或多个传感器特定的数据集与所形成的一个或多个二进制掩模一起发送到AHBC单元。从而，AHBC单元可以采用所形成S107的二进制掩模以有效的方式去除感知数据中的在3D-ROI的外部的任何检测，并且基于所形成的数据集更精确地控制车辆的前方的空间的照明，以便避免朝向在3D-ROI内检测到的道路使用者投射远光灯照明。通过形成S107二进制掩模并且对感知数据使用所形成的二进制掩模，降低了为了控制车辆的前方的空间的照明的目的而检测/提取“相关的”道路使用者时的“误报”的风险。
一个或多个传感器特定的数据集可以从包括相机图像数据、雷达数据和激光雷达数据的组中选择。换句话说，一个或多个传感器特定的数据集可以包括相机图像数据、雷达数据和/或激光雷达数据。
因此，在一些实施例中，感知数据包括从车辆的相机获得的相机图像数据，相机图像数据具有由相机的2D图像坐标系限定的二维(2D)测量空间。相应地，形成S104数据集的步骤可以包括将3D-ROI转换S106到相机图像数据的2D测量空间，并且形成S107用于相机图像数据的2D二进制掩模。2D二进制掩模指示相机图像数据的2D测量空间中的3D-ROI。
在一些实施例中，感知数据包括雷达数据和/或激光雷达数据，其中雷达数据和激光雷达数据中的每一个具有由与车辆有关的3D坐标系限定的3D测量空间。因此，形成S104数据集的步骤可以包括将3D-ROI转换S106到雷达数据和/或激光雷达数据的3D测量空间，并且形成S107用于雷达数据和/或激光雷达数据的3D二进制掩模。3D二进制掩模指示雷达数据和/或激光雷达数据的3D测量空间中的3D-ROI。
进一步地，在一些实施例中，形成S104数据集的步骤进一步包括基于所形成的一个或多个二进制掩模过滤S108感知数据，以便去除感知数据中的在3D-ROI的外部的任何检测。相应地，发送S105所形成的数据集的步骤可以包括将过滤后的感知数据发送到AHBC单元。在一些实施例中，仅过滤后的感知数据而不是3D-ROI和(原始)感知数据被发送到AHBC单元。因此，发送S105所形成的数据集的步骤可以包括将过滤后的感知数据以及可选地位于被遮挡区域中的一个或多个其它车辆的位置和/或来自训练后的机器学习算法的网络输出中指示的任何被遮挡的道路使用者的位置发送到AHBC单元。
在一些实施例中，方法S100进一步包括通过AHBC单元处理S111所形成的数据集，以便输出包括关于要为车辆的一个或多个前灯中的每一个设定的照明水平和照明方向的信息的数据，从而避免朝向在3D-ROI内检测到的道路使用者投射远光灯照明。方法S100可以进一步包括根据来自AHBC单元的输出数据控制S112车辆的一个或多个前灯的照明水平和照明方向。如在前述中提及的，图4是根据一些实施例的由自我车辆的1个前灯产生的照明输出的示意性图示，其中AHBC单元控制前灯从而避免朝向3D-ROI内的道路使用者(即相关的道路使用者)投射远光灯照明。换句话说，在一些实施例中，所有的方法步骤可以由AHBC单元或专用于AHBC单元的单元或功能来执行。
在一些实施例中，方法S100进一步包括通过AHBC单元处理S111所形成的数据集，以便输出包括关于要为车辆的一个或多个前灯的多个发光二极管(LED)像素中的每一个设定的照明水平的信息的数据，从而避免朝向在3D-ROI内检测到的道路使用者投射远光灯照明。方法S100可以进一步包括根据来自AHBC单元的输出数据控制S112车辆的一个或多个前灯的多个LED像素的照明水平。
用于执行这些功能或方法步骤的可执行指令可选地被包括在非暂时性计算机可读存储介质或被配置为由一个或多个处理器执行的其它计算机程序产品中。
图11是包括用于车辆的自适应远光灯控制的装置10的车辆1的示意性图示。如本文中所使用的，“车辆”是任何形式的机动运输工具。例如，车辆1可以是诸如汽车(如本文中例示的汽车)、摩托车、(货运)卡车、公共汽车等的任何道路车辆。
装置10包括控制电路11和存储器12。控制电路11可以物理地包括一个单个的电路设备。可替代地，控制电路11可以跨若干电路设备分布。例如，装置10可以与车辆1的其它部件(例如，自主驾驶系统ADS 310)共享其控制电路11。此外，装置10可以形成ADS 310的一部分，即装置10可以被实现为ADS的模块或特征。如本文中所使用的，术语“ADS”应被理解为高级驾驶员辅助系统(ADAS)或自主驾驶(AD)系统。因此，如本文中所使用的，“ADS”可以包括根据SAE J3016道路车辆驾驶自动化等级的0至5级中的一个或多个特征或功能。
此外，在一些实施例中，装置10形成AHBC单元340的一部分。控制电路11可以包括诸如中央处理单元(CPU)、微控制器或微处理器的一个或多个处理器。一个或多个处理器可以被配置为执行存储在存储器12中的程序代码，以便执行除了本文中公开的方法之外的车辆1的各种功能和操作。处理器可以是或包括用于进行数据或信号处理或用于执行存储在存储器12中的计算机代码的任何数量的硬件组件。存储器12可选地包括诸如DRAM、SRAM、DDR RAM或其它随机存取固态存储器设备的高速随机存取存储器；并且可选地包括诸如一个或多个磁盘存储设备、光盘存储设备、闪存设备或其它非易失固态存储设备的非易失性存储器。存储器12可以包括数据库部件、目标代码部件、脚本部件或用于支持本说明书的各种活动的任何其它类型的信息结构。
在图示的示例中，存储器12进一步存储地图数据308。地图数据308可以例如由车辆1的ADS 310使用，以便执行车辆1的自主功能。地图数据308可以包括高清晰度(HD)地图数据。可以想到，即使存储器12被图示为与ADS 310分离的元件，存储器12也可以被提供为ADS 310的集成元件。换句话说，根据示例性实施例，任何分布式的或本地的存储器设备可以用于实现本发明构思。类似地，控制电路11可以是分布式的，例如，使得控制电路11的一个或多个处理器被提供为ADS 310或车辆1的任何其它系统的集成元件。换句话说，根据一些实施例，任何分布式的或本地的控制电路设备可以用于实现本发明构思。ADS 310被配置为执行车辆1的自主或半自主功能的功能和操作。ADS 310可以包括多个模块，其中每个模块被指派ADS 310的不同功能。
车辆1包括多个通常可以在自主驾驶或半自主驾驶车辆(即AD或ADAS车辆)中找到的元件。应当理解，车辆1可以具有图11中示出的各种元件的任何组合。此外，车辆1可以包括除图11中示出的元件之外的元件。虽然在本文中各种元件被示出为位于车辆1内部，但是一个或多个元件可以位于车辆1的外部。例如，地图数据308可以存储在远程服务器中并且由车辆1的各种部件经由通信系统326访问。进一步，即使在本文中以特定布置来描绘各种元件，但是如本领域技术人员容易理解的，也可以以不同的布置来实现各种元件。应当进一步注意，各种元件可以以任何适当的方式彼此通信地连接。图11的车辆1应仅被视为例示性示例，因为车辆1的元件可以以若干不同的方式实现。
车辆1进一步包括传感器系统320。传感器系统320被配置为获取关于车辆本身或其周围环境的传感器数据。传感器系统320可以例如包括被配置为收集车辆1的地理位置数据的全球导航卫星系统(GNSS)模块322(诸如GPS)。传感器系统320可以进一步包括一个或多个传感器324。传感器324可以是诸如相机、雷达和激光雷达、超声波传感器、陀螺仪、加速度计、里程表等的任何类型的车载传感器。应当认识到，传感器系统320也可以提供直接或经由车辆1中的专用传感器控制电路获取传感器数据的可能性。
车辆1进一步包括通信系统326。通信系统326被配置为与诸如其它车辆(即，经由车辆对车辆(V2V)通信协议)、远程服务器(例如，云服务器)、数据库或其它外部设备(即，车辆对基础设施(V2I)或车辆对一切(V2X)通信协议)的外部单元通信。通信系统326可以使用一种或多种通信技术进行通信。通信系统326可以包括一个或多个天线(未示出)。蜂窝通信技术可以用于诸如与远程服务器或云计算系统的远程通信。另外，如果所使用的蜂窝通信技术具有低延迟，则它也可以用于V2V通信、V2I通信或V2X通信。蜂窝无线电技术的示例是GSM、GPRS、EDGE、LTE、5G、5G NR等，也包括未来的蜂窝解决方案。然而，在一些解决方案中，可以使用诸如无线局域网(LAN)的中短程通信技术(例如，基于IEEE 802.11的解决方案)用于与车辆1附近的其它车辆或与本地的基础设施元件进行通信。ETSI正在制定用于车辆通信的蜂窝标准，并且例如，由于低延迟以及对高带宽和通信信道的高效处理，5G被认为是适当的解决方案。
通信系统326可以相应地提供通过一个或多个天线向远程位置(例如，远程操作员或控制中心)发送输出和/或从远程位置接收输入的可能性。而且，通信系统326可以进一步被配置为允许车辆1的各种元件彼此通信。作为示例，通信系统可以提供诸如CAN总线、I2C、以太网、光纤等的本地网络设置。车辆内的本地通信也可以是具有诸如WiFi、LoRa、Zigbee、蓝牙或类似的中/短程技术的协议的无线类型。
车辆1进一步包括操纵系统328。操纵系统328被配置为控制车辆1的操纵。操纵系统328包括被配置为控制车辆1的航向(heading)的转向模块330。操纵系统328进一步包括被配置为控制车辆1的节气门(throttle)的致动的节气门模块332。操纵系统328进一步包括被配置为控制车辆1的制动器的致动的制动模块334。操纵系统328的各种模块也可以接收来自车辆1的驾驶员的人工输入(即，分别来自方向盘、油门踏板和制动踏板的人工输入)。然而，操纵系统328可以通信地连接到车辆的ADS 310，以接收关于操纵系统328的各个模块应如何动作的指令。因此，ADS 310可以例如经由决策和控制模块318来控制车辆1的操纵。
ADS 310可以包括定位模块312或定位块/系统。定位模块312被配置为确定和/或监测车辆1的地理位置和航向，并且可以利用来自传感器系统320的数据，诸如来自GNSS模块322的数据。可替代地或组合地，定位模块312可以利用来自一个或多个传感器324的数据和/或地图数据308来确定和/或监测车辆的姿态。定位系统可以可替代地被实现为实时运动学(RTK)GPS，以便提高精确度。
ADS 310可以进一步包括感知模块314或感知块/系统314。感知模块314可以指任何公知的模块和/或功能，例如在车辆1的一个或多个电子控制模块和/或者节点中包括的、被设置为和/或被配置为解释与车辆1的驾驶相关的传感器数据，以识别例如障碍物、车道、相关标志、适当的导航路径等的模块和/或功能。感知模块314因此可以被设置为依赖于诸如汽车成像、图像处理、计算机视觉和/或车内联网等的多个数据源的输入并且从该多个数据源获得输入，与例如来自传感器系统320的传感器数据进行组合。在本公开的上下文中，来自感知模块314的输出可以是本文中所称的“感知数据”。
定位模块312和/或感知模块314可以通信地连接到传感器系统320，以便从传感器系统320接收传感器数据。定位模块312和/或感知模块314可以进一步向传感器系统320发送控制指令。
如所提及的，车辆1包括用于车辆1的自适应远光灯控制的装置10。装置10包括被配置为获得车辆1的姿态的控制电路11。姿态相应地指示车辆在道路上的位置和方位。控制电路进一步被配置为基于诸如例如高清(HD)地图数据308的地图数据和所确定的车辆的姿态来获得车辆1的周围环境的三维(3D)道路模型201。进一步地，控制电路11被配置为以限定沿所获得的3D道路模型201的体积的体素203的形式生成感兴趣的三维区域3D-ROI 202。
控制电路11进一步被配置为形成用于由自适应远光灯控制(AHBC)单元340处理的数据集，AHBC单元340被配置为通过控制车辆1的一个或多个前灯的照明来自适应地控制车辆的前方的空间的照明。所形成的数据集基于所生成的3D-ROI 202和指示车辆的周围环境中的一个或多个检测到的道路使用者2的感知数据。此外，感知数据基于从被配置为监测车辆1的周围环境的一个或多个传感器324获得的传感器数据。此外，控制电路11被配置为将所形成的数据集发送到AHBC单元340，以便基于所形成的数据集控制车辆1的前方的空间的照明，从而避免朝向在3D-ROI 202内检测到的道路使用者投射远光灯照明。
图12a至图12c是根据一些实施例的用于车辆的自适应远光灯控制的装置的示意性框图表示。换句话说，图12a至图12c通过示意性地图示信息流和各种处理步骤来进一步用于说明本文中公开的技术。相应地，装置包括被配置为执行本文中公开的方法的功能的控制电路(例如，一个或多个处理器)，其中这些功能可以被包括在被配置为由控制电路执行的非暂时性计算机可读存储介质或其它计算机程序产品中。然而，为了更好地阐明实施例，控制电路在图12a至图12c中被表示为各种“单元”或块，它们中的每一个都与控制电路的一个或多个特定的功能相关联。具体地，图12a至图12c各自描绘了装置的示例架构。
相应地，图12a是根据一些实施例的用于车辆的自适应远光灯控制的装置的示意性框图表示。在一些实施例中，车辆的姿态使用车辆姿态估计单元401基于HD地图数据308、GNSS数据和IMU数据(即，来自惯性测量单元IMU的输出)来确定。作为一种选择，车辆姿态估计单元401也可以另外利用相机图像、雷达数据和/或激光雷达数据的形式的感知数据410来确定车辆姿态。具体地，车辆姿态估计单元401在HD地图308上输出车辆姿态。
3D道路模型估计单元402被配置为使用所计算的车辆姿态和HD地图数据308来生成车辆的周围环境的3D道路模型。进一步，体素生成单元405使用诸如例如相机图像、雷达输出和/或激光雷达输出的感知数据410来生成一组体素。该组体素被馈送到3D-ROI生成单元404，3D-ROI生成单元使用所生成的体素和3D道路模型来生成限定沿3D道路模型的体积的体素形式的3D-ROI。进一步，将以描绘一个或多个检测到的对象或光源的相机图像、检测到的相机阻挡(例如，遮挡区域)、指示检测到的对象的雷达数据和/或指示检测到的对象的激光雷达数据为形式的感知数据与3D-ROI一起馈送到AHBC单元340。
图12b是根据一些实施例的用于车辆的自适应远光灯控制的装置的示意性框图表示。与图12a中描绘的实施例相比，图12b的架构进一步包括投影(projection)单元406。换句话说，与图12a中的处理步骤相比，执行了另外的投影处理。更详细地，投影单元406被配置为将3D-ROI转换到感知数据410的每个传感器特定的测量空间。例如，如果感知数据410包括要馈送到AHBC单元340的相机图像数据(即，一个或多个相机图像)，则3D-ROI被投影到由相关相机的2D图像坐标系限定的2D测量空间。然后，为3D-ROI创建二进制掩模，在相机图像的2D测量空间中高效地指示3D-ROI。换句话说，二进制掩模可以用于掩盖(或去除)3D-ROI的外部的图像的任何部分。所生成的二进制掩模和3D ROI然后可以被提供为AHBC单元的输入。
图12c是根据一些实施例的用于车辆的自适应远光灯控制的装置的示意性框图表示。与图12b所示的实施例相比，图12c的架构进一步包括数据融合和过滤单元407。简言之，数据融合和过滤单元407进一步通过将二进制掩模与感知数据410的相应的传感器特定的数据集融合，在数据被发送/馈送到AHBC单元之前进一步过滤数据，并且然后(仅)将过滤后的数据馈送到AHBC单元340。
以上已经参考特定实施例呈现了本发明。然而，除了上述实施例之外的其它实施例也是可能的并且在本发明的范围内。在本发明的范围内，可以提供与以上描述的方法步骤不同的、通过硬件或软件执行该方法的方法步骤。因此，根据一些实施例，提供了一种非暂时性计算机可读存储介质，该非暂时性计算机可读存储介质存储一个或多个程序，该一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行，该一个或多个程序包括用于执行根据以上讨论的实施例中的任何一个实施例的方法的指令。可替代地，根据另一示例性实施例，云计算系统可以被配置为执行本文中呈现的任何方法。云计算系统可以包括在一个或多个计算机程序产品的控制下联合地执行本文中呈现的方法的分布式云计算资源。
一般而言，计算机可访问介质可以包括任何有形的或非暂时性的存储介质或存储器介质，诸如电子介质、磁性介质或光学介质(例如经由总线耦接到计算机系统的磁盘或CD/DVD-ROM)。如本文中所使用的，术语“有形的”和“非暂时性的”旨在描述排除传播电磁信号的计算机可读存储介质(或“存储器”)，但不旨在以其它方式限制短语计算机可读介质或存储器所涵盖的物理的计算机可读存储设备的类型。例如，术语“非暂时性的计算机可读介质”或“有形的存储器”旨在涵盖不必永久地存储信息的存储设备类型，包括例如随机存取存储器(RAM)。以非暂时性形式存储在有形的计算机可访问存储介质上的程序指令和数据可以进一步通过传输介质或可以经由通信介质(诸如网络和/或无线链路)传送的信号(诸如电信号、电磁信号或数字信号)来传输。
处理器/控制电路11(与装置10相关联的处理器/控制电路11)可以是或包括用于进行数据或信号处理或用于执行存储在存储器12中的计算机代码的任何数量的硬件部件。装置10具有相关联的存储器12，并且存储器12可以是用于存储用于完成或促进本说明书中描述的各种方法的数据和/或计算机代码的一个或多个设备。存储器可以包括易失性存储器或非易失性存储器。存储器12可以包括数据库部件、目标代码部件、脚本部件或用于支持本说明书的各种活动的任何其它类型的信息结构。根据示例性实施例，任何分布式的或本地的存储器设备可以与本说明书的系统和方法一起使用。根据示例性实施例，存储器12(例如，经由电路或任何其它有线连接、无线连接或网络连接)可以通信地连接到处理器11，并且包括用于执行本文中描述的一个或多个过程的计算机代码。
相应地，应理解，描述的解决方案的一部分可以在车辆1中、在位于车辆1外部的系统中或者在车辆内部与外部的组合中实现；例如在与车辆通信的服务器中实现，即所谓的云解决方案。例如，车辆姿态和感知数据可以被发送到外部系统，并且该系统执行生成3D-ROI的步骤。实施例的不同特征和步骤可以以不同于所描述的组合的其它组合进行组合。
应当注意，任何附图标记都不限制权利要求的范围，本发明可以至少部分地通过硬件和软件两者来实现，并且若干“装置”或“单元”可以由硬件的相同项来表示。
尽管附图可以示出方法步骤的特定顺序，但是步骤的顺序可以与所描述的顺序不同。另外，两个或更多个步骤可以同时地或部分同时地被执行。这种变化将取决于所选择的软件系统和硬件系统以及设计者的选择。所有这些变化都在本发明的范围内。同样地，软件实施方案可以利用具有基于规则的逻辑和其它逻辑的标准编程技术来完成，以完成各种获得步骤、生成步骤、形成步骤、转换步骤、过滤步骤、发送步骤和处理步骤。以上提及和描述的实施例仅作为示例给出，而不应限制本发明。在所描述的专利权利要求中要求保护的本发明的范围内的其它解决方案、用途、目的和功能对于本领域技术人员来说应是显而易见的。

Claims (14)

1.一种用于车辆的自适应远光灯控制的计算机实现的方法(S100)，所述方法包括：
获得(S101)所述车辆的姿态，所述姿态指示所述车辆在道路上的位置和方位；
基于地图数据和所获得的车辆的姿态获得(S102)所述车辆的周围环境的三维3D道路模型；
以限定沿所获得的3D道路模型的体积的体素的形式生成(S103)感兴趣的3D区域3D-ROI；
形成(S104)用于由自适应远光灯控制AHBC单元处理的数据集，所述AHBC单元被配置为通过控制所述车辆的一个或多个前灯的照明来自适应地控制所述车辆的前方的空间的照明，其中所形成的数据集基于所生成的3D-ROI和指示在所述车辆的所述周围环境中检测到的一个或多个道路使用者的感知数据，并且其中所述感知数据基于从用于监测所述车辆的所述周围环境的一个或多个传感器获得的传感器数据；并且
将所形成的数据集发送(S105)到所述AHBC单元，以便基于所形成的数据集控制所述车辆的前方的所述空间的所述照明，从而避免朝向在所述3D-ROI内检测到的道路使用者投射远光灯照明。
2.根据权利要求1所述的方法(S100)，其中所形成(S104)的数据集包括所述3D-ROI和指示在所述车辆的所述周围环境中检测到的一个或多个道路使用者的所述感知数据。
3.根据权利要求1所述的方法(S100)，其中所述感知数据包括与所述车辆的相应的传感器相关联的一个或多个传感器特定的数据集，每个传感器特定的数据集具有相应的传感器特定的测量空间，并且其中形成(S104)所述数据集的步骤包括：
将所述3D-ROI转换(S106)到每个传感器特定的测量空间，使得所形成的数据集包括一个或多个转换后的3D-ROI数据集；并且
通过以下步骤形成(S107)一个或多个二进制掩模：
对于每个传感器特定的数据集，基于相应的转换后的3D-ROI形成(S107)二进制掩模，所述二进制掩模指示相应的传感器特定的数据集的所述传感器特定的测量空间中的所述3D-ROI。
4.根据权利要求3所述的方法(S100)，其中，所述一个或多个传感器特定的数据集从包括相机图像数据、雷达数据和激光雷达数据的组中选择。
5.根据权利要求3所述的方法(S100)，其中所述感知数据包括从所述车辆的相机获得的相机图像数据，所述相机图像数据具有由所述相机的二维2D图像坐标系限定的2D测量空间，并且其中形成(S104)所述数据集的步骤包括：
将所述3D-ROI转换(S106)到所述相机图像数据的所述2D测量空间；并且
形成(S107)用于所述相机图像数据的2D二进制掩模，所述2D二进制掩膜指示所述相机图像数据的所述2D测量空间中的所述3D-ROI。
6.根据权利要求3至5中任一项所述的方法(S100)，其中所述感知数据包括雷达数据和/或激光雷达数据，其中所述雷达数据和所述激光雷达数据中的每一个具有由以所述车辆为参考的3D坐标系限定的3D测量空间，并且其中形成(S104)所述数据集的步骤包括：
将所述3D-ROI转换(S106)到所述雷达数据和/或所述激光雷达数据的所述3D测量空间；并且
形成(S107)用于所述雷达数据和/或所述激光雷达数据的3D二进制掩模，所述3D二进制掩模指示所述雷达数据和/或所述激光雷达数据的所述3D测量空间中的所述3D-ROI。
7.根据权利要求3至5中任一项所述的方法(S100)，其中发送(S105)所形成的数据集的步骤包括：
将所述一个或多个传感器特定的数据集与所形成的一个或多个二进制掩模一起发送到所述AHBC单元。
8.根据权利要求3至5中任一项所述的方法(S100)，其中形成(S104)所述数据集的步骤进一步包括：
基于所形成的一个或多个二进制掩模过滤(S108)所述感知数据，以去除所述感知数据中的在所述3D-ROI的外部的任何检测；并且
其中发送(S105)所形成的数据集的步骤包括：将过滤后的所述感知数据发送到所述AHBC单元。
9.根据权利要求1所述的方法(S100)，进一步包括：
从位于所述车辆的所述周围环境的遮挡区域中的一个或多个其它车辆获得(S109)车辆对车辆V2V数据，其中所述V2V数据包括关于所述一个或多个其它车辆的位置的信息；并且
其中所形成(S104)的数据集进一步包括所述一个或多个其它车辆的所述位置。
10.根据权利要求1所述的方法(S100)，进一步包括：
通过训练后的机器学习算法来处理(S110)所述感知数据和所述3D道路模型的至少一部分，所述训练后的机器学习算法被训练为基于所述感知数据和所述3D道路模型来识别接近的、但当前被遮挡的道路使用者，并且生成包括关于任何被遮挡的道路使用者的位置的信息的网络输出；并且
其中所形成(S104)的数据集进一步包括所述被遮挡的道路使用者的所述位置。
11.根据权利要求1所述的方法(S100)，进一步包括：
通过所述AHBC单元处理(S111)所形成的数据集，以便输出包括关于要为所述车辆的所述一个或多个前灯中的每一个设定的照明水平和照明方向的信息的数据，以避免朝向在所述3D-ROI内检测到的道路使用者投射远光灯照明；并且
根据来自所述AHBC单元的输出数据控制(S112)所述车辆的所述一个或多个前灯的所述照明水平和所述照明方向。
12.一种非暂时性计算机可读存储介质，包括指令，在由车辆的计算设备执行时，所述指令使所述计算设备执行根据权利要求1所述的方法(S100)。
13.一种用于车辆(1)的自适应远光灯控制的装置(10)，所述装置包括控制电路(11)，所述控制电路被配置为：
获得所述车辆(1)的姿态，所述姿态指示所述车辆在道路上的位置和方位；
基于地图数据(308)和所获得的车辆的姿态，获得所述车辆(1)的周围环境的三维3D道路模型(201)；
以限定沿所获得的3D道路模型(201)的体积的体素(203)的形式生成感兴趣的3D区域3D-ROI(202)；
形成用于由自适应远光灯控制AHBC单元(340)处理的数据集，所述AHBC单元被配置为通过控制所述车辆(1)的一个或多个前灯的照明来自适应地控制所述车辆的前方的空间的照明，其中所形成的数据集基于所生成的3D-ROI(202)和指示在所述车辆的所述周围环境中检测到的一个或多个道路使用者(2)的感知数据，并且其中所述感知数据基于从用于监测所述车辆(1)的所述周围环境的一个或多个传感器(324)获得的传感器数据；并且
将所形成的数据集发送到所述AHBC单元，以便基于所形成的数据集控制所述车辆的前方的所述空间的所述照明，从而避免朝向在所述3D-ROI(202)内检测到的道路使用者投射远光灯照明。
14.一种车辆(1)，包括：
根据权利要求13所述的用于所述车辆(1)的自适应远光灯控制的装置(10)。
CN202311672509.6A 2022-12-07 2023-12-07 用于车辆的自适应远光灯控制的方法和装置 Pending CN118144670A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP22212034.7A EP4383216A1 (en) 2022-12-07 2022-12-07 Methods and apparatuses for adaptive high beam control for a vehicle
EP22212034.7 2022-12-07

Publications (1)

Publication Number Publication Date
CN118144670A true CN118144670A (zh) 2024-06-07

Family

ID=84440064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311672509.6A Pending CN118144670A (zh) 2022-12-07 2023-12-07 用于车辆的自适应远光灯控制的方法和装置

Country Status (3)

Country Link
US (1) US20240190331A1 (zh)
EP (1) EP4383216A1 (zh)
CN (1) CN118144670A (zh)

Also Published As

Publication number Publication date
US20240190331A1 (en) 2024-06-13
EP4383216A1 (en) 2024-06-12

Similar Documents

Publication Publication Date Title
US11312372B2 (en) Vehicle path prediction
US20210122364A1 (en) Vehicle collision avoidance apparatus and method
JP6622265B2 (ja) 交通信号とそれらに関連した状態を検出するためのロバスト法
CN107451521B (zh) 车辆车道图估算
US10671860B2 (en) Providing information-rich map semantics to navigation metric map
US11900692B2 (en) Multi-modal, multi-technique vehicle signal detection
CN112085047A (zh) 用于自主车辆运行的图像融合
CN114375467B (zh) 用于检测紧急车辆的系统和方法
EP3407251A1 (en) Method of classifying objects for a perception scene graph and system for using a scene detection schema for classifying objects in a perception scene graph (psg) in a motor vehicle
US10325163B2 (en) Vehicle vision
US20180339730A1 (en) Method and system for generating a wide-area perception scene graph
US20180341821A1 (en) Method and system for generating and using a perception scene graph in motor vehicle applications
US20220366175A1 (en) Long-range object detection, localization, tracking and classification for autonomous vehicles
EP3825958A1 (en) A new way to generate tight 2d bounding boxes for autonomous driving labeling
CN115704898A (zh) 自主交通工具应用中相机图像和雷达数据的关联
CN114127778A (zh) 基于点云特征的障碍物过滤系统
US11897468B2 (en) Vehicle control system
KR20220087429A (ko) 차량용 내비게이션의 영상 제공 방법
US20240190331A1 (en) Methods and apparatuses for adaptive high beam control for a vehicle
CN115071702A (zh) 车辆控制装置、车辆控制方法以及车辆控制用计算机程序
JP7028838B2 (ja) 周辺認識装置、周辺認識方法、およびプログラム
EP4361967A1 (en) Situation specific perception capability for autonomous and semi-autonomous vehicles
CN113838115A (zh) 从自主车辆相机获取的图像中的深度估计
CN117242488A (zh) 用于利用逻辑斯蒂圆柱体行人模型执行对象检测的自主车辆系统

Legal Events

Date Code Title Description
PB01 Publication