-
Die Erfindung betrifft ein Verfahren und ein System zur Lageüberprüfung charakteristische Punkte in Lichtverteilungen insbesondere von Scheinwerfern.
-
Ein Scheinwerfer für ein Kraftfahrzeug, der beispielsweise als Matrixscheinwerfer ausgebildet ist, weist eine Vielzahl matrixförmig angeordneter Leuchtdioden auf, die individuell ansteuerbar sind. Dabei ist eine Lichtverteilung des Scheinwerfers durch entsprechende Ansteuerung einer jeweiligen Leuchtdiode einzustellen. Außerdem ist die Lichtverteilung des Scheinwerfers mit einem Sensor zu erfassen.
-
Ein Verfahren und eine Vorrichtung zur Einstellung einer Leuchtcharakteristik eines Scheinwerfers sind in der Druckschrift
DE 10 2012 214 637 A1 beschrieben. Hierbei wird eine Lichtverteilung eines Bereichs eines Bilds eines Umfelds des Scheinwerfers ermittelt und die Leuchtcharakteristik des Scheinwerfers auf Basis der Lichtverteilung und einem hierfür vorgesehenen Vorgabewert bestimmt.
-
Weiterhin ist aus der Druckschrift
EP 2 657 077 A2 ein Verfahren zum Ausgleich eines Ausrichtfehlers eines Scheinwerfers beschrieben. Ein Verfahren zum Justieren und/oder Kalibrieren eines Scheinwerfers eines Fahrzeugs ist aus der Druckschrift
DE 10 2011 109 440 A1 bekannt. In der Druckschrift
DE 10 2014 219 120 A1 ist ein Verfahren zum Bestimmen einer Leuchtweiteneinrichtung eines Scheinwerfers beschrieben.
-
Vor diesem Hintergrund war es eine Aufgabe der vorliegenden Erfindung, eine Leuchteigenschaft eines Scheinwerfers genauer zu analysieren.
-
Diese Aufgabe wird mit dem Verfahren gemäß Patentanspruch 1 sowie mit dem System gemäß Patentanspruch 8 gelöst. Ausgestaltungen des Verfahrens und des Systems ergeben sich aus den abhängigen Patentansprüchen und der Beschreibung.
-
Das erfindungsgemäße Verfahren ist zum Plausibilisieren von detektierten Merkmalen einer Lichtverteilung eines Scheinwerfers eines Kraftfahrzeugs vorgesehen. Hierbei wird mit dem Scheinwerfer eine Szene in einer Umgebung des Kraftfahrzeugs angestrahlt, wobei die angestrahlte Szene von einer Kamera des Kraftfahrzeugs in einem Bild erfasst wird. In dem Bild wird mindestens ein initiales optisches Merkmal dynamisch gesucht und identifiziert. Außerdem wird eine lokale Umgebung dieses mindestens einen initialen optischen Merkmals adaptiv erzeugt und analysiert, wobei mindestens ein weiteres optisches Merkmal aus der lokalen Umgebung dynamisch extrahiert wird. Auf Grundlage der ermittelten optischen Merkmale wird in der lokalen Umgebung mit einem angelernten Algorithmus adaptiv überprüft, ob die optischen Merkmale in der lokalen Umgebung plausibel angeordnet sind.
-
Somit wird die Szene mit dem Scheinwerfer in einer Umgebung des Kraftfahrzeugs angestrahlt und/oder beleuchtet, wobei die angestrahlte und/oder beleuchtete Szene von der Kamera des Kraftfahrzeugs in dem Bild erfasst wird.
-
Das mindestens eine weitere optische Merkmal wird aus der lokalen Umgebung dynamisch extrahiert und in möglicher Ausgestaltung dessen Lage relativ zu dem mindestens einen initialen optischen Merkmal ermittelt, wobei auf Grundlage der ermittelten Lage der optischen Merkmale in der lokalen Umgebung adaptiv überprüft wird, ob die optischen Merkmale in der lokalen Umgebung relativ zueinander eine richtige Lage aufweisen und/oder zueinander plausibel angeordnet sind.
-
Durch die beschriebenen optischen Merkmale, wobei es sich üblicherweise um Bildpunkte bzw. Pixel handelt, wird über deren Lichtverteilung eine Leuchteigenschaft des Scheinwerfers beschrieben. Durch eine im Rahmen des Verfahrens ermittelte relative Lage der optischen Merkmale zueinander, d. h. des mindestens einen initialen optischen Merkmals relativ zu dem mindestens einen weiteren optischen Merkmal und/oder der Lage weiterer optischer Merkmale in der Umgebung des mindestens einen initialen optischen Merkmals relativ zueinander, ist die Leuchteigenschaft des Scheinwerfers zu beschreiben. Die über die relative Lage der optischen Merkmale zueinander erfasste Ist-Lage und somit Ist-Leuchteigenschaft, wird mit einer hierfür vorgegebenen Soll-Lage und somit Soll-Leuchteigenschaft verglichen.
-
Das mindestens eine optische Merkmal, in Ausgestaltung das mindestens eine initiale optische Merkmal, wird an einer Hell-Dunkel-Grenze des erfassten Bilds bestimmt, bspw. extrahiert und identifiziert. Die weiteren optischen Merkmale sind bspw. ebenfalls an einer Hell-Dunkel-Grenze zu bestimmen. Weiterhin ist es möglich, dass das mindestens eine optische Merkmal mit einem Histogramm ermittelt wird. Alternativ oder ergänzend wird das mindestens eine optische Merkmal anhand von Grauwerten des erfassten Bilds ermittelt.
-
In der Regel wird mindestens ein als Punkt bzw. Bildpunkt oder Pixel ausgebildetes optisches Merkmal bestimmt.
-
Durch die weiteren optischen Merkmale wird eine Lage des mindestens einen initialen optischen Merkmals widergespiegelt.
-
Weiterhin wird für die lokale Umgebung ein Soll-Muster für optische Merkmale und somit deren relative Lage zueinander vorgegeben und mit einem von der Kamera erfassten Ist-Muster für die optischen Merkmale, d. h. deren relative Lage zueinander verglichen.
-
In Ausgestaltung wird das Soll-Muster mit dem selbstlernenden Algorithmus ermittelt bzw. vorgegeben.
-
Bei dem Verfahren wird mit dem Scheinwerfer als Szene bspw. eine Anordnung eines Prüfstands angestrahlt und/oder beleuchtet. Alternativ oder ergänzend wird das Verfahren bei einer Fahrt des Kraftfahrzeugs durchgeführt, wobei mit dem Scheinwerfer als Szene eine Anordnung in einer Umgebung des Kraftfahrzeugs angestrahlt und/oder beleuchtet wird.
-
Das erfindungsgemäße System ist zum Plausibilisieren charakteristische Punkte einer Lichtverteilung eines Scheinwerfers eines Kraftfahrzeugs ausgebildet und umfasst eine Kamera und eine Recheneinheit, wobei mit dem Scheinwerfer eine Szene in einer Umgebung des Kraftfahrzeugs anzustrahlen und/oder zu beleuchten ist. Die Kamera ist dazu ausgebildet, die angestrahlte und/oder beleuchtete Szene in einem Bild zu erfassen. Die Recheneinheit ist dazu ausgebildet, in dem Bild mindestens ein initiales optisches Merkmal dynamisch zu suchen und zu identifizieren, eine lokale Umgebung dieses mindestens einen initialen optischen Merkmals adaptiv zu erzeugen und zu analysieren, mindestens ein weiteres optisches Merkmal aus der lokalen Umgebung dynamisch zu extrahieren und auf Grundlage der ermittelten optischen Merkmale in der lokalen Umgebung mit einem angelernten Algorithmus adaptiv zu überprüfen, ob die optischen Merkmale in der lokalen Umgebung plausibel angeordnet sind.
-
Die Recheneinheit ist weiterhin dazu ausgebildet, mindestens ein optisches Merkmal zum Beispiel mit einem Kantendetektor dynamisch zu suchen und zu identifizieren. Denkbar sind hier auch ähnliche Detektoren, wie ein Eckendetektor.
-
Bei einer Umsetzung des Verfahrens wird mit einer speziellen Filterkette als das mindestens eine initiale optische Merkmal ein sogenannter H0V0-Punkt aus dem Bild dynamisch extrahiert. Bei diesem H0V0-Punkt handelt es sich um einen Ursprung (0/0) eines Koordinatensystems mit einer horizontal orientierten Abszisse (H) sowie einer vertikal orientierten Ordinate (V). Dieser H0V0-Punkt und somit das mindestens eine initiale optische Merkmal ist an der Hell-Dunkel-Grenze des Scheinwerfers angeordnet. Mit dem Verfahren ist die Lage des mindestens einen initialen Merkmals dynamisch und adaptiv zu überprüfen.
-
Sobald das mindestens eine initiale Merkmal im Rahmen des Verfahrens durch Nutzung des angelernten Algorithmus detektiert ist, wird es für eine lokale Betrachtung des von der Kamera erfassten Bilds verwendet. Dabei ist möglich, dass das mindestens eine initiale optische Merkmal als zentraler Punkt der zu untersuchenden lokalen Umgebung ausgebildet sein kann oder in einem definierten relativen Abstand dazu gelegen ist. Für diese lokale Umgebung als Ausschnitt des Bilds wird eine lokale Betrachtung des Bilds durchgeführt. Aus der lokalen Umgebung als Ausschnitt des Bilds werden weiterhin optische Merkmale dynamisch extrahiert, wobei diese weiteren optischen Merkmale bspw. die Lage des ursprünglichen bzw. initialen extrahierten optischen Merkmals innerhalb der von der Kamera betrachteten und von dem Scheinwerfer beleuchteten Szene widerspiegeln. Hierdurch ergibt sich unter anderem die Möglichkeit, die Lage jedes im Rahmen des Verfahrens in der lokalen Umgebung extrahierten und/oder detektierten optischen Merkmals innerhalb der Szene unter Berücksichtigung des angelernten Algorithmus einzuordnen und adaptiv zu überprüfen.
-
Durch Überprüfen bzw. Untersuchen der relativen Lage der optischen Merkmale des Scheinwerfers ist eine Lichtverteilung des Scheinwerfers zu bestimmen und bei Abweichung von einer vorgesehenen Lichtverteilung automatisch anzupassen. Der Scheinwerfer ist bspw. als Matrixscheinwerfer ausgebildet, der eine Vielzahl von Leuchtdioden (LEDs) umfasst. Beim Plausibilisieren der Lichtverteilung des Scheinwerfers wird das von ihm ausgestrahlte Licht erfasst und eine Reflexion des Lichts in der Szene dahingehend ausgewertet, dass der Scheinwerfer entsprechend einer gleichmäßigen Lichtverteilung anzusteuern ist.
-
Bei dem Verfahren, das mit Hilfe einer Kamera eines Assistenzsystems des Kraftfahrzeugs durchführbar ist, wird das von der Kamera erfasste Bild, d. h. zumindest die lokale Umgebung des Bilds, anhand einzelner repräsentativer Merkmale bzw. Bildpunkte klassifiziert. Die Lage bzw. eine Anordnung des erfassten Ist-Musters der optischen Merkmale ist je nach Ausgestaltung des Scheinwerfers und einer zu prüfenden Funktionalität verschieden, wobei je nach zu überprüfender Funktionalität des Scheinwerfers hierfür ein Soll-Muster für die Lage der optischen Merkmale vorgesehen wird, wobei dieses Soll-Muster mit dem selbstlernenden Algorithmus zu ermitteln ist. Eine typische und signifikante Lage der optischen Merkmale relativ zueinander wird in der Recheneinheit und somit einem Steuergerät als vordefiniertes Soll-Muster abgelegt. Beim Plausibilisieren bzw. Prüfen der Lichtverteilung wird nun ein Vergleich des erfassten Ist-Musters mit dem vorgegebenen Soll-Muster durchgeführt und entschieden, ob die laut Soll-Muster vorgesehene Lichtverteilung realisiert ist.
-
Mit dem Verfahren ist insgesamt eine Plausibilisierung von detektierten Merkmalen aus einer Lichtverteilung eines Scheinwerfers durchzuführen. Dabei wird in Ausgestaltung mindestens ein dynamisches Merkmal innerhalb der lokalen Umgebung initialisiert, auf dem die weiteren Merkmale basieren. Dabei ist möglich, aufgrund einer relativen Lage der Merkmale zueinander das mindestens eine initiale Merkmal zu plausibilisieren. Hierbei ist weiterhin möglich, innerhalb der Umgebung so viele Merkmale wie erforderlich zu ermitteln.
-
Beim Plausibilisieren der Lichtverteilung des Scheinwerfers ist anhand von Pixeln als optische Merkmale die Qualität des Scheinwerfers zu bestimmen. Außerdem ist anhand des Ursprungs bzw. H0V0-Punkts des Koordinatensystems als optisches Merkmal eine Lage des Scheinwerfers zu ermitteln. Außerdem wird die lokale Umgebung um das mindestens eine initiale optische Merkmal herum als zu betrachtende Region definiert, wobei innerhalb dieser Region Histogramme und/oder Grauwerte untersucht werden.
-
Hierzu wird in Ausgestaltung in einer Trainingsphase der selbstlernende Algorithmus angewandt, durch den vorgegeben wird, wie das Bild um das mindestens eine initiale optische Merkmal, üblicherweise um den mindestens einen initialen Punkt, herum auszusehen hat und wie die lokale Umgebung für mindestens ein weiteres optisches Merkmal festzulegen ist.
-
Weitere Vorteile und Ausgestaltungen der Erfindung ergeben sich aus der Beschreibung und der beiliegenden Zeichnung.
-
Es versteht sich, dass die voranstehend genannten und die nachstehend noch zu erläuternden Merkmale nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar sind, ohne den Rahmen der vorliegenden Erfindung zu verlassen.
-
Die Erfindung ist anhand von Ausführungsformen in den Zeichnungen schematisch dargestellt und wird unter Bezugnahme auf die Zeichnungen schematisch und ausführlich beschrieben.
-
1 zeigt in schematischer Darstellung eine Ausführungsform des erfindungsgemäßen Systems und ein Bild, das bei mindestens einer Ausführungsform des erfindungsgemäßen Verfahrens verwendet wird.
-
2 zeigt in schematischer Darstellung Beispiele für Bilder, die bei mindestens einer Ausführungsform, hier bspw. der ersten Ausführungsform, des erfindungsgemäßen Verfahrens verwendet werden.
-
3 zeigt ein Diagramm zu einer zweiten Ausführungsform des erfindungsgemäßen Verfahrens.
-
4 zeigt ein Diagramm zu einer dritten Ausführungsform des erfindungsgemäßen Verfahrens.
-
5 zeigt ein Diagramm zu einer vierten Ausführungsform des erfindungsgemäßen Verfahrens.
-
6 zeigt ein Diagramm zu einer fünften Ausführungsform des erfindungsgemäßen Verfahrens.
-
Die Figuren werden zusammenhängend und übergreifend beschrieben. Gleichen Komponenten bzw. Aspekten sind dieselben Bezugsziffern zugeordnet.
-
Die in 1 schematisch dargestellte Ausführungsform des erfindungsgemäßen Systems 2 zum Plausibilisieren charakteristische Punkte in Lichtverteilungen eines Scheinwerfers 4 eines Kraftfahrzeugs umfasst eine Kamera 6 eines Assistenzsystems des Kraftfahrzeugs sowie eine Recheneinheit 8, die hier als Komponente eines Steuergeräts des Kraftfahrzeugs ausgebildet ist.
-
Mit dem hier vorgestellten System sind die anhand der nachfolgenden 2 bis 6 vorgestellten Ausführungsformen des erfindungsgemäßen Verfahrens durchführbar.
-
Zur Durchführung einer jeweiligen Ausführungsform des Verfahrens wird mit dem Scheinwerfer 4 eine Szene 10 in einer Umgebung des Kraftfahrzeugs beleuchtet. Weiterhin wird von der Kamera 6 ein Bild 12 dieser Szene erfasst. Dieses Bild 12 wird weiterhin von der Recheneinheit 8 untersucht, wobei von der Recheneinheit 8 in dem Bild 12 ein initiales optisches Merkmal 14, hier ein Bildpunkt an einer Hell-Dunkel-Grenze des Bilds 12 dynamisch gesucht und identifiziert wird. Weiterhin wird um dieses initiale optische Merkmal 14 herum eine lokale Umgebung 16 als Ausschnitt des Bilds 12 adaptiv erzeugt und analysiert, wobei hier vorgesehen ist, dass das initiale optische Merkmal 14 einen Mittelpunkt der lokalen Umgebung 16 bildet. Demnach ist es möglich, die lokale Umgebung 16 ausgehend von dem initialen optischen Merkmal 14 als Mittelpunkt bzw. Zentrum aufzuspannen.
-
Außerdem werden hier mehrere weitere optische Merkmale 18a, 18b, 18c aus der lokalen Umgebung 16 dynamisch extrahiert und deren relative Lage zu dem initialen optischen Merkmal 14 aber auch relativ zueinander ermittelt. Dabei sind hier nur drei derartige optische Merkmale 18a, 18b, 18c aus einer größeren Anzahl optischer Merkmale exemplarisch dargestellt. Auf Grundlage der ermittelten Lage der optischen Merkmale 14, 18a, 18b, 18c in der lokalen Umgebung 16 wird adaptiv überprüft, ob mindestens zwei dieser optischen Merkmale 14, 18a, 18b, 18c, üblicherweise sämtliche optischen Merkmale 14, 18a, 18b, 18c relativ zueinander die richtige Lage aufweisen.
-
Hierbei ist in Ausgestaltung vorgesehen, dass für die optischen Merkmale 14, 18a, 18b, 18c nach Vorgabe eines Soll-Musters eine vorgesehene Lage vorgegeben wird. Hierbei ist vorgesehen, dass dieses Soll-Muster mit einem selbstlernenden Algorithmus ermittelt wird. Während des Verfahrens wird eine aktuelle Lage der optischen Merkmale 14, 18a, 18b, 18c relativ zueinander erfasst, die einem Ist-Muster entspricht.
-
Auf Grundlage einer Abweichung des Ist-Musters von dem Soll-Muster ist eine Güte bzw. Qualität einer Lichtverteilung des Scheinwerfers, die sich durch die aktuelle Lage der optischen Merkmale 14, 18a, 18b, 18c relativ zueinander ergibt, zu ermitteln.
-
Bei der ersten Ausführungsform des erfindungsgemäßen Verfahrens wird eine Qualitätskontrolle einer Lichtverteilung eines als Matrix-Scheinwerfer ausgebildeten Scheinwerfers durchgeführt. Dabei wird in 2a von einem ersten ursprünglichen Bild 40 ausgegangen, das von einer Kamera von der Lichtverteilung gemacht wurde. Dieses ursprüngliche Bild 40 wird in ein erstes, als Teilbild ausgebildetes Bild 40a und in ein zweites, als Teilbild ausgebildetes Bild 40b, die zwei Lichtverteilungen aufweisen, zerlegt. Dabei werden in einem ersten der beiden Bilder 40a, 40b Pixel der Kamera und in einem zweiten der beiden Bilder 40a, 40b schwarz-weiß Pixel den Lichtverteilungen zugeordnet.
-
Danach werden aus beiden Bildern 40a, 40b jeweils zwei initiale optische Merkmale 42a, 42b, 42c, 42d, hier bspw. optische Punkte bzw. Pixel, extrahiert. In Ausgestaltung werden hier Grauwerte eines Merkmals 42a, 42b, 42c, 42d, bspw. eines Punkts bzw. Pixels in einer Umgebung eines lokalen Histogramms 46 ausgewählt. Ein Abgriff der Daten um die dynamischen initialen Merkmale 42a, 42b, 42c, 42d, wird problemstellungsspezifisch durchgeführt und ist Ergebnis einer Lernphase eines Algorithmus. In einer Arbeitsphase ist dieser Abgriff der Daten je nach Problemstellung eindeutig definiert. (Details hierzu gehen aus 6 hervor.) Weiterhin werden in einer Umgebung der initialen Merkmale 42a, 42b, 42c, 42d, mehrere, hier als Punkte ausgebildete optische Merkmale 44 aus dem ursprünglichen Bild 40 extrahiert. Eine Bewertung dieser extrahierten optischen Merkmale 44 wird mit dem Histogramm 46 und/oder dem angelernten Algorithmus durchgeführt, wobei hier ermittelt wird, dass die Lichtverteilung in Ordnung ist.
-
Bei dem ursprünglichen Bild 48, das von einer Kamera von einer Lichtverteilung eines Scheinwerfers gemacht wurde, ist in dem Diagramm aus 2b vorgesehen, dass die Lichtverteilung einen Defekt aufweist. Diesbezüglich wird, wie am Beispiel des ursprünglichen Bilds aus 2a, eine Zerlegung in Teilbilder durchgeführt, in denen initiale Merkmale abgegriffen werden, woraus dann in einer Umgebung der initialen Merkmale optische Merkmale extrahiert werden. Wobei festgestellt wird, dass die Merkmale in dem ursprünglichen Bild 48 nicht in Ordnung sind.
-
Bei der dritten Ausführungsform des Verfahrens, die anhand des Diagramms aus 3 dargestellt ist, wird in einem ersten Schritt 20 in dem Bild 12, 40, 48 aus 1 oder 2 das mindestens eine initiale optische Merkmal 14, 42a, 42b, 42c, 42d, hier ein charakteristisches optisches Merkmal 14, 42a, 42b, 42c, 42d, dynamisch gefunden. Ausgehend von dem mindestens einen initialen optischen Merkmal 14, 42a, 42b, 42c, 42d wird in einem zweiten Schritt 22 dessen lokale Umgebung 16 betrachtet. Aus dieser lokalen Umgebung 16 werden die weiteren optischen Merkmale 18a, 18b, 18c, 44 extrahiert. In einem dritten Schritt 24 werden die dynamisch bereitgestellten optischen Merkmale 14, 18a, 18b, 18c, 42a, 42b, 42c, 42d, 44 hinsichtlich einer relativen Lage zueinander innerhalb der lokalen Umgebung 16 des Bilds 12 bewertet. Auf Grundlage einer eventuellen Abweichung der aktuell erfassten Lage der optischen Merkmale 14, 18a, 18b, 18c, 42a, 42b, 42c, 42d, 44 von einer hierfür laut dem Soll-Muster vorgegebenen Lage wird ein Maß für eine Qualität bzw. Güte der Lichtverteilung des Scheinwerfers 4 ermittelt.
-
Bei der mit dem Diagramm aus 4 gezeigten vierten Ausführungsform des Verfahrens wird in einem ersten Schritt 26 das Bild 12, 40, 48 aus 1 oder 2 einer Filterkette bereitgestellt, die dazu ausgebildet ist, mindestens ein als Bildpunkt ausgebildetes initiales optisches Merkmal 14, 42a, 42b, 42c, 42d an einer Hell-Dunkel-Grenze des Bilds 12, 40, 48 dynamisch zu detektieren. Dabei ist dieses mindestens eine initiale optische Merkmal 14, 42a, 42b, 42c, 42d auch als H0V0-Punkt zu bezeichnen und/oder ausgebildet. In einem nachfolgenden zweiten Schritt 28 wird die ausgehend von dem mindestens einen initialen Merkmal 14, 42a, 42b, 42c, 42d aufgespannte lokale Umgebung 16 betrachtet. Dabei werden aus der lokalen Umgebung 16 weitere optische Merkmale 18a, 18b, 18c, 44 extrahiert. In einem dritten Schritt 30 werden die dynamisch bereitgestellten optischen Merkmale 14, 18a, 18b, 18c, 42a, 42b, 42c, 42d bewertet. Auf Grundlage dessen ist es möglich zu ermitteln, ob das mindestens eine als H0V0-Punkt ausgebildete initiale optische Merkmal 14, 42a, 42b, 42c, 42d an einem korrekten hierfür vorgesehenen Ort detektiert worden ist.
-
Die fünfte Ausführungsform des Verfahrens ist anhand des Diagramms aus 5 dargestellt. Hierbei wird in einem ersten Schritt 32 in dem Bild 40 mindestens eine spezielle Lichtverteilung, in der Regel mehrere spezielle Lichtverteilungen erzeugt, wobei mehrere initiale optische Merkmale 42a, 42b, 42c, 42d bspw. dynamisch gefunden werden. Ausgehend von diesen initialen optischen Merkmalen 42a, 42b, 42c, 42d, wird in einem zweiten Schritt 32 um die initialen optischen Merkmale 42a, 42b, 42c, 42d herum eine lokale Umgebung aufgespannt. Aus dieser lokalen Umgebung werden die weiteren optischen Merkmale 44 extrahiert. In einem dritten Schritt 36 werden die dynamisch bereitgestellten optischen Merkmale 42a, 42b, 42c, 42d, 44 hinsichtlich einer relativen Lage zueinander innerhalb der lokalen Umgebung des Bilds bewertet. Daraus wird eine Qualität einer Lichtverteilung des Scheinwerfers ermittelt und beurteilt, ob diese Segmente, bspw. Lichtsegmente, umfasst, die unter Berücksichtigung des angelernten Algorithmus in Ordnung oder nicht in Ordnung sind.
-
Bei den vorgestellten Ausführungsformen des Verfahrens wird an einer Hell-Dunkel-Grenze eines Bilds 12, 40, 48 eine Kantendetektion des Scheinwerfers 4 durchgeführt, wobei auch ähnliche Verfahren (z.B. eine Eckendetektion) möglich sind. Das dabei dynamische extrahierte mindestens eine initiale optische Merkmal 14, 42a, 42b, 42c, 42d unterliegt hinsichtlich seiner Position umweltbedingten Schwankungen, bspw. aufgrund einer Änderung einer Projektionsfläche, die im Rahmen einer Kantendetektion oft nicht eindeutig erkennbar ist. Um eine höhere Genauigkeit des Systems 2 zu erreichen, ist vorgesehen, die Lage des mindestens einen extrahierten initialen optischen Merkmals 14, 42a, 42b, 42c, 42d in der durch das Bild 12, 40, 48 dargestellten Szene 10 einzuordnen und adaptiv zu überprüfen. Ausgehend von einer hierbei bereitgestellten Information wird entschieden, ob extrahierte optische Merkmale 14, 18a, 18b, 18c, 42a, 42b, 42c, 42d, 44 hinsichtlich ihrer Lage relativ zueinander einer gewünschten Güte bzw. Qualität einer Lichtverteilung des betrachteten Scheinwerfers 4 entsprechen. Durch eine im Rahmen des Verfahrens vorgesehene adaptive Initialisierung der lokalen Umgebung 16 zum Betrachten der optischen Merkmale 14, 18a, 18b, 18c, 42a, 42b, 42c, 42d, 44 sind keine Informationen über eine geometrische Lage des Scheinwerfers 4 und dessen Orientierung bzw. Ausrichtung erforderlich.
-
Die fünfte Ausführungsform des Verfahrens wird anhand des Diagramms aus 6 dargestellt, wobei dieses Diagramm einen Arbeitsablauf und/oder ein Funktionsprinzip eines selbstlernenden Algorithmus zeigt. Dieses Diagramm umfasst einen ersten Abschnitt 60, bei dem eine Problemformulierung durchgeführt wird. In einem zweiten Abschnitt 62 wird für den selbstlernenden Algorithmus eine Trainingsphase durchgeführt. Ein abschließender dritter Abschnitt 64 des Diagramms betrifft eine Arbeitsphase.
-
Bei der im ersten Abschnitt 60 durchzuführenden Problemformulierung wird in einem ersten Schritt 66 eine Abstraktion eines realen Problems in ein Klassifizierungsproblem durchgeführt. Bezüglich einer automatischen Einstellung eines Scheinwerfers und/oder der Lichtverteilung dieses Scheinwerfers wird hinsichtlich einer ersten Klassifizierung ermittelt, ob ein initiales optisches Merkmal, hier ein H0V0-Punkt, auf einem Bild korrekt erkannt wird. Alternativ hierzu ist bei einer zweiten Klassifizierung möglich, dass dieses initiale Merkmal nicht erkannt wird.
-
In einem zweiten Schritt 68 werden optische Merkmale definiert, auf denen die Klassifikation basieren soll. Dies bedeutet, dass der H0V0-Punkt von einer Bildverarbeitung extrahiert wird. Weiterhin wird aus einem kompletten Bild einer Kamera, bspw. einer Fahrerassistenzkamera, ein Teilbild bzw. Subbild ausgeschnitten, welches um den H0V0-Punkt zentriert sein kann oder in einem definierten relativen Abstand zu gelegen ist und eine lokale Umgebung mit einer definierten Größe aufweist. Weiterhin wird eine Lichtverteilung dieses Teilbilds normiert, wobei das Teilbild in seinem Zentrum, in dem der H0V0-Punkt angeordnet ist, eine Lichtverteilung mit dem Wert eins aufweist. Danach werden endgültige optische Merkmale aus dem normierten Teilbild und somit der lokalen Umgebung extrahiert. Dabei ist es möglich, das gesamte normierte Teilbild zu verwenden. Alternativ oder ergänzend werden aus der Umgebung und somit dem Teilbild Histogramme oder weitere Grauwerte basierte Merkmale extrahiert.
-
In einem dritten Schritt 70 des ersten Abschnitts 60 wird überprüft, ob ein Messverfahren existiert, mit denen die optischen Merkmale und/oder eine Klassenzugehörigkeit zu bestimmt werden kann. Falls sich bei dem dritten Schritt 70 ergibt, dass kein derartiges Messverfahren existiert, wird das Verfahren mit dem ersten oder zweiten Schritt 66, 68 durchgeführt.
-
Falls ein derartiges Messverfahren doch existiert, wird das Verfahren mit einem vierten Schritt 72 im zweiten Abschnitt 62 fortgesetzt. Bei diesem vierten Schritt 72 werden auf Grundlage von Messungen Trainingsdaten und/oder Testdaten generiert und somit erzeugt. Dabei umfassen derartige Trainingsdaten und Testdaten Trainingspunkte bzw. Testpunkte, die wiederum ein Paar (X, c) bilden. Dabei steht X für die Menge der extrahierten optischen Merkmale des Teilbilds 16 und c für die Klasse, die dieser Menge X zugeordnet ist.
-
Danach wird in einem fünften Schritt 74 der Algorithmus auf Basis der Trainingsdaten, unter Beurteilung einer Klassifikationsfähigkeit und auf Grundlage der Testdaten angelernt. Dabei werden dem Algorithmus während des Anlernens Trainingsdaten bereitgestellt. Auf Grundlage der Trainingsdaten wird von dem Algorithmus eine Entscheidungsregel gelernt, die bspw. definiert, wie ein Merkmal X aussehen muss, um zu einer bestimmten Klasse c zu gehören. Weiterhin wird anhand der Testdaten während des Anlernens die Verallgemeinerungsfähigkeit des angelernten Modells geprüft. Hierbei liefert der Algorithmus auf Basis der Menge der extrahierten optischen Merkmale X des Teilbilds 16 eines Trainingspunkts/Testpunkts eine propagierte Klasse cist. Diese propagierte Klasse cist wird mit einer definierten Klasse csoll verglichen. Falls cist = csoll ist, wurde der Trainingspunkt/Testpunkt korrekt klassifiziert. Falls (cist ≠ csoll) wurde der Trainingspunkt von dem angelernten Modell nicht korrekt klassifiziert. Um die Güte des angelernten Modells zu beurteilen, wird der Fehler, genau der Trainingsfehler, über alle Trainingspunkte beobachtet und als statistisches Gütemaß verwendet.
-
In einem sechsten Schritt 76 wird überprüft, ob eine Klassifikationsgenauigkeit erreicht ist. Eine Beurteilung hierzu wird anhand von statistischen Gütemaßen, z. B. anhand von Klassifikationsfehlern auf Grundlage von Test- und Trainingsdaten, durchgeführt.
-
Falls die Klassifikationsgenauigkeit im sechsten Schritt 76 nicht erreicht ist, wird das Verfahren beim vierten oder fünften Schritt 72, 74 durchgeführt.
-
Falls die Klassifikationsgenauigkeit jedoch erreicht ist, wird das Verfahren im dritten Abschnitt 64, der die Arbeitsphase beschreibt, mit einem siebten Schritt 78 fortgesetzt. Bei diesem siebten Schritt 78 wird der angelernte Algorithmus als Entscheidungsregel für ein formuliertes Problem verwendet. Außerdem wird in einem achten Schritt 80 mindestens ein optisches Merkmal zur Problemformulierung extrahiert.
-
Danach wird in einem neunten Schritt 82 ein Arbeitszyklus durchgeführt. Dieser umfasst einen Eingang bzw. Empfang mindestens eines optischen Merkmals in einem ersten Teilschritt 82a. In einem zweiten Teilschritt 82b wird der angelernte Algorithmus als Entscheidungsregel für dieses mindestens eine optische Merkmal angewendet, wobei eine Klassenzugehörigkeit des mindestens einen optischen Merkmals ausgegeben wird. Bei dem Arbeitszyklus ist unter anderem zu berücksichtigen, dass für den Fall, dass hierbei erzielte Ergebnisse in einem übergeordneten Prozess unzureichend sind, das Verfahren bei der Problemformulierung (erster Abschnitt 60) oder in der Trainingsphase (zweiter Abschnitt 62) fortgesetzt wird. Üblicherweise werden für die automatische Einstellung des Scheinwerfers unter Plausibilsierung der Lichtverteilung des Scheinwerfers bei einer Erprobung alle erfassten Daten über optische Merkmale ermittelt und gespeichert. Dabei ist es möglich, dass über die Bildverarbeitung der H0V0-Punkt im Verkehrsraum als optisches Merkmal detektiert wird. Dann werden die optischen Merkmale extrahiert. Mit dem angelernten Algorithmus wird eine Entscheidung zur Korrektheit und/oder Güte des H0V0-Punkts als optisches Merkmal bereitgestellt. Der H0V0-Punkt wird entsprechend der Entscheidung in eine Fehlstellungsberechnung des Scheinwerfers eingebunden. Danach ist vorgesehen, dass der übergeordnete Prozess die berechnete Fehlstellung des Scheinwerfers bereitstellt. Falls die berechnete Fehlstellung durch eine externe Referenzmessung als fehlerhaft zu bewerten ist, ist anhand der gespeicherten Daten zu beurteilen, ob evtl. eine mangelnde Entscheidungsregel hierfür verantwortlich ist.
-
Im abschließenden zehnten Schritt 84 wird die Klassenzugehörigkeit in dem übergeordneten Prozess verarbeitet. Bezüglich der automatischen Einstellung des Scheinwerfers wird bestimmt, ob der detektierte H0V0-Punkt korrekt ist, und somit für eine Berechnung verwendet wird, oder zu verwerfen ist.
-
Mit den vorgestellten Ausführungsformen des Verfahrens ist es möglich, mindestens eine Fahrerassistenzfunktion auf Basis von korrekten und gewünschten Funktionen eines Lichtsegments eines Scheinwerfers in ein pixelbasiertes System aus dem mindestens einen Scheinwerfer zu integrieren. Dabei sind die Ausführungsformen des Verfahrens bei dem Plausibilisieren bzw. qualitativem Prüfen der Lichtverteilung des Scheinwerfers anzuwenden. Ein Ergebnis des Verfahrens gibt eine Aussage darüber, ob und welches Lichtsegment des Scheinwerfers einen Defekt aufweist. Diese Aussage basiert wiederum auf dem Bild, das die Kamera aus der Lichtverteilung des Scheinwerfers gemacht hat. Dabei wird hier mindestens ein initiales optisches Merkmal bzw. mindestens ein Punkt gesucht. Auf Basis von Koordinaten dieses initialen Punkts als initialem optischen Merkmal werden in einer beliebig großen und beliebig geformten lokalen Umgebung weitere dynamische optische Merkmale extrahiert. Eine Gestaltung der dynamischen extrahierten weiteren Merkmale ist auf Basis von Werten der Pixel dieser Merkmale und/oder unter Berücksichtigung von lokalen Histogrammen durchzuführen. Die Bewertung wird anhand derartiger Merkmale umgesetzt, wobei eine Fähigkeit zur Bewertung von dem Algorithmus angelernt wird.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102012214637 A1 [0003]
- EP 2657077 A2 [0004]
- DE 102011109440 A1 [0004]
- DE 102014219120 A1 [0004]