JP2023548691A - インテリジェントライトスイッチング方法及びシステム並びに関連装置 - Google Patents

Abstract

本願は、インテリジェントライトスイッチング方法及びシステム並びに関連装置を提供する。本方法は、インテリジェントライトスイッチングシステムにより、画像を取得することであって、画像は車両の固定位置に配置されたビデオカメラによって撮影され、画像には光源情報が記録されていることと、画像に対応する周囲光の明るさ値を計算することと、光源情報に基づいて、画像に含まれる光源を分類して、分類結果を得ることと、画像に対応する周囲光の明るさ値及び分類結果に基づいて、ハイビーム又はロービームに切り替えることとを行う。上記の方法では、２種類の情報、すなわち、周囲光情報及びランプ光源情報が組み合わされるため、ハイビーム又はロービームに切り替えるかどうかを決定する際に、夜間の道路に関するより多くの情報を参考に用いられ得るため、ライトスイッチングの精度が改善される。

Description

本願は、その全体が参照により本願に組み込まれている、２０２０年１０月３１日に中国国家知識産権局に出願された「インテリジェントライトスイッチング方法及びシステム並びに関連装置」と題する中国特許出願第２０２０１１１９７９６７．５号に対する優先権を主張する。

本願は、インテリジェント車両の分野に関し、特にインテリジェントライトスイッチング方法及びシステム並びに関連装置に関する。

夜間の運転には、ドライバーが道路情報を取るのを助けるために照明用のハイビーム及びロービームが必要であることはよく知られている。ロービームと比較して、ハイビームは視線を改善し、視野を広げる効果が大きい。特に、街灯のない暗い道路では、ハイビームが点灯されるシナリオにおける可視範囲は、ロービームが点灯されるシナリオにおける可視範囲よりもはるかに大きい。しかしながら、ハイビームを用いることは全ての夜間走行シナリオに適用可能ではない。例えば、夜間に車両を運転するドライバーが反対方向の車両と出会った際にハイビームを点灯させると、反対方向の車両のドライバーは瞬時に目が見えなくなり得るか又は反対方向の車両の運転者が速度及び距離をあまり意識せず、幅を判断できなくなり得る。したがって、ハイビームを正しく用いることは夜間の安全運転には重要である。ドライバーが誤ったやり方でハイビームを用いる問題を根源から解決するために、インテリジェントライトスイッチング技術が登場した。

既存のインテリジェントライトスイッチング方法のうちで、ドライバーは、ハイビームとロービームとを切り替えるのに、異なる露光時間で光源によって提示される異なる画像特徴に基づいて光源を区別することと、正面周囲光の明るさを直接計算することと、車線に基づく消失点を得ることという３つの方法により助けられ得る。しかしながら、上記の方法の実施効果は理想的ではない。第１の方法に係る実施は、カメラモジュールに対する要求が比較的高いため、この方法に係る実施には比較的高いコストが必要になる。第２の方法では、遠方のヘッドライトの明るさの影響が無視され、周囲光の明るさの計算に比較的大きな誤りがもたらされる。第３の方法に係る実施は、車線の正確な取得に依存するが、車線を夜間に正確に取得する確率は非常に低い。

したがって、ハイビーム又はロービームにどのように正確に切り替えるかは、現在解決すべき喫緊の課題である。

本願は、周囲光の明るさを正確に検出し、光源情報を正確に分類できるインテリジェントライトスイッチング方法及びシステム並びに関連装置を提供する。２種類の情報が融合された後、ハイビーム又はロービームへのスイッチング機能を正確に行うことができるため、遠方の光源が検出されない問題を効果的に解決し、干渉光源の影響を回避できる。

第１の態様によれば、本願はインテリジェントライトスイッチング方法を提供する。本方法は、画像を取得することであって、該画像は車両の固定位置に配置されたビデオカメラで撮影され、該画像に光源情報が記録されている、ことと、前記画像に対応する周囲光の明るさ値を計算することと、前記光源情報に基づいて、前記画像に含まれる光源を分類して分類結果を得ることと、前記画像に対応する周囲光の明るさ値及び前記分類結果に基づいてハイビーム又はロービームにスイッチングすること（ライトのスイッチングを行うこと）と、を含む方法。

本願で提供される解決策は、画像を得るステップ、周囲光の明るさを計算するステップ、光源を分類するステップ及び結果に基づいて、ライトのスイッチングを行うかどうかを判定するステップを連続で含む。ライトスイッチング方法では、周囲光情報及び光源情報が組み合わされるため、ライトのスイッチングを行うかどうかを判定する間に、夜間の道路に関するより多くの情報を参考として用いられ得るため、ライトのスイッチングの精度が改善される。

第１の態様を参照して、第１の態様の可能な実施では、前記画像に対応する周囲光の明るさ値を計算することは、前記画像から少なくとも１つの領域を選択することと、該少なくとも１つの領域の明るさ値を計算することと、前記少なくとも１つの領域の明るさ値に基づいて、前記画像に対応する周囲光の明るさ値を計算することと、を含む。

本願で提供される解決策では、少なくとも１つの領域を選択し、少なくとも１つの領域の明るさ値を計算し、明るさ値に基づいて周囲光の明るさ値を得ることにより周囲光の明るさ値が計算される。このように、画像の異なる領域に存在し得る光源に関する情報が十分考慮される。画像全体のみに基づいて周囲光の明るさを計算する場合と比べて、本願で提供される方法は周囲光の明るさをより正確に得ることができる。

第１の態様を参照して、第１の態様の可能な実施では、前記画像に含まれる光源を分類して分類結果を得ることは、前記画像を光源検出モデルに入力することと、該光源検出モデルに基づいて、前記画像内の光源カテゴリを得ることとを含む

本願で提供される解決策では、光源の分類は、光源検出モデルを用いることにより実施される。訓練の後、光源検出モデルは、光源のサイズ、位置、色等の特徴に基づいて光源分類を素早く且つ正確に実施できる。

第１の態様を参照して、第１の態様の可能な実施では、前記画像を光源検出モデルに入力する前に、前記方法は、複数のサンプル画像を用いることにより前記光源検出モデルを訓練することであって、該サンプル画像は前記光源と、前記光源の注釈情報とを含む、こと、を含む。

本願で提供される解決策では、光源検出モデルが正式に用いられる前に、光源検出モデルに対して訓練を行う必要がある。訓練は、初期モデルを認識し、サンプル画像内の光源情報を学習するプロセスである。訓練が完了した後に、光源検出モデルは異なる光源の異なる特徴を正確に認識できるようになるため、光源分類の精度が改善される。

第１の態様を参照して、第１の態様の可能な実施では、前記光源検出モデルに基づいて、前記画像内の光源カテゴリを得ることは、前記画像から明るさ値がプリセット閾値よりも大きい輝点を選択し、該輝点のためにランプボックスを設定することと、前記ランプボックスに対してペアリングを行って、複数のランプボックスのペアを得ることと、前記複数のランプボックスのペアに基づいてＶＰ線を決定することであって、該ＶＰ線は前記画像の第１の領域と第２の領域とを区別するために用いられる、ことと、前記輝点と前記ＶＰ線との位置関係と、前記輝点の色特徴に基づいて前記輝点を分類して、異なる光源カテゴリを得ることと、を含む。

本願で提供される解決策では、光源分類を実施するために、先ず、画像内にあり、比較的高い明るさの輝点を取得する必要があり、ランプボックスを備える必要がある。これは光源の予備的なフィルタリングである。次に、車両のランプのペアの関係に基づいて光源のペアリングが行われる。単一認識と比較して、このペアリング方法は分類効率及び精度を改善する。次に、画像内のランプボックスのペアの分布に基づいて、消失点水平線ＶＰ線が決定される。最後に、輝点とＶＰ線との位置関係と、輝点の明るさ及び色等の特徴とに基づいて、輝点が分類される。ＶＰ線が決定された後、車両のランプを含む領域と、街灯や信号灯を含む領域とを大まかに分けることができ、その後の分類プロセスをより正確かつ効果的にすることができることが理解されよう。

第１の態様を参照して、第１の態様の可能な実施では、前記ランプボックスに対してペアリングを行うことの前に、前記方法は、ランプボックスの間に重複又は接線がないことを確かにするために、前記ランプボックスに対して重複除去を行うことさらに含む。

本願で提供される解決策では、ランプボックスの間に重複や接線がないことを確かにするために、ペアリングの前にランプボックスに対して重複除去を行う必要がある。したがって、その後の分類プロセスでランプボックスが相互に影響しないように確実にして、光源の分類の精度を改善する。

第１の態様を参照して、第１の態様の可能な実施では、前記複数のランプボックスのペアに基づいて消失点水平線ＶＰ線を決定することは、前記ランプボックスのペアのランプボックスの中心を前記画像の行にマッピングして、前記ランプボックスのペアの行内量分布マップを得ることと、前記行内量分布マップに基づいてＶＰ線を選択することと、プリセット補正値に基づいて前記ＶＰ線を補正して、補正されたＶＰ線を得ることと、基準値を用いることにより前記補正されたＶＰ線を調整して、前記輝点を分類するのに用いられるＶＰ線を得ることであって、前記基準値は前記ビデオカメラのピッチ角の変化を記述するために用いられる、ことと、を含む。

本願で提供される解決策では、ランプボックスのペアの行内量分布マップに基づいて、ＶＰ線が先ず決定される。その後、最終的に得られるＶＰ線がより正確になるように、導入された基準値を用いることによりＶＰ線を補正する必要がある。したがって、その後の光源分類の精度が改善される。

第２の態様によれば、本願はインテリジェントライトスイッチングシステムを提供する。本システムは、画像を取得するように構成された取得ユニットであって、該画像は車両の固定位置に配置されたビデオカメラで撮影され、該画像には光源情報が記録されている、取得ユニットと、前記画像に対応する周囲光の明るさ値を計算するように構成された周囲光検出ユニットと、前記光源情報に基づいて、前記画像に含まれる光源を分類して分類結果を得るように構成された光源分類ユニットと、前記画像に対応する周囲光の明るさ値及び前記分類結果に基づいてライトのスイッチングを行うように構成されたスイッチングユニットと、を含む。

第２の態様を参照して、第２の態様の可能な実施では、前記周囲光検出ユニットは、前記画像から少なくとも１つの領域を選択することと、該少なくとも１つの領域の明るさ値を計算することと、前記少なくとも１つの領域の明るさ値に基づいて、前記画像に対応する周囲光の明るさ値を計算することと、を行うように具体的に構成されている。

第２の態様を参照して、第２の態様の可能な実施では、前記画像に含まれる光源を分類して分類結果を得る場合、前記光源分類ユニットは、前記画像を光源検出モデルに入力し、該光源検出モデルに基づいて、前記画像内の光源カテゴリを取ること、を行うように具体的に構成されている。

第２の態様を参照して、第２の態様の可能な実施では、前記画像を光源検出モデルに入力する前に、前記光源分類ユニットは、複数のサンプル画像を用いることにより前記光源検出モデルを訓練することであって、該サンプル画像は前記光源と、前記光源のラベルとを含む、こと、を行うようにさらに構成されている。

第２の態様を参照して、第２の態様の可能な実施では、前記光源検出モデルに基づいて、前記画像内の光源カテゴリを得る場合、前記光源分類ユニットは、前記画像から明るさ値がプリセット閾値よりも大きい輝点を選択し、該輝点のためにランプボックスを設定することと、前記ランプボックスに対してペアリングを行って、複数のランプボックスのペアを得ることと、前記複数のランプボックスのペアに基づいて消失点水平線ＶＰ線を決定することであって、該ＶＰ線は前記画像の第１の領域と第２の領域とを区別するために用いられる、ことと、前記輝点と前記ＶＰ線との位置関係と、前記輝点の色特徴に基づいて前記輝点を分類して、異なる光源カテゴリを得ることと、を行うように具体的に構成されている。

第２の態様を参照して、第２の態様の可能な実施では、前記ランプボックスに対してペアリングを行うことの前に、前記光源分類ユニットは、ランプボックスの間に重複又は接線がないことを確かにするために、前記ランプボックスに対して重複除去を行うこと、を行うようさらに構成されている。

第２の態様を参照して、第２の態様の可能な実施では、前記複数のランプボックスのペアに基づいて消失点水平線ＶＰ線を決定する場合、前記光源分類ユニットは、前記ランプボックスのペアのランプボックスの中心を前記画像の行にマッピングして、前記ランプボックスのペアの行内量分布マップを得ることと、前記行内量分布マップに基づいてＶＰ線を選択することと、プリセット補正値に基づいて前記ＶＰ線を補正して、補正されたＶＰ線を得ることと、基準値を用いることにより前記補正されたＶＰ線を調整して、前記輝点を分類するのに用いられるＶＰ線を得ることであって、前記基準値は前記ビデオカメラのピッチ角の変化を記述するために用いられる、ことと、を行うように具体的に構成されている。

第３の側面によれば、コンピュータ装置が提供される。当該コンピュータ装置はプロセッサ及びメモリを含む。メモリはプログラムコードを記憶するように構成されている。プロセッサは該メモリに記憶されたプログラムコードを実行するように構成されているため、第１の態様のいずれかの実施を参照して、第１の態様に係るインテリジェントライトスイッチング方法が行われる。

第４の態様によれば、コンピュータ読み取り可能記憶媒体が提供される。コンピュータ読み取り可能記憶媒体はコンピュータプログラムを記憶する。コンピュータプログラムがプロセッサによって実行された場合、プロセッサは、第１の態様のいずれかの実施を参照して、第１の態様に係るインテリジェントライトスイッチング方法を行う。

第５の態様によれば、コンピュータプログラム製品が提供される。コンピュータプログラム製品は命令を含む。コンピュータプログラム製品がコンピュータによって実行されると、コンピュータは、第１の態様のいずれかの実施を参照して、第１の態様に係るインテリジェントライトスイッチング方法を行うことができる。

図１は、本願の一実施形態に係るインテリジェントライトスイッチング方法の適用シナリオの概略図である。 図２は、本願の一実施形態に係るインテリジェント車両の構造の概略図である。 図３は、本願の一実施形態に係るインテリジェントライトスイッチングシステムの構造の概略図である。 図４は、本願の一実施形態に係る初期光源検出モデルの構造の概略図である。 図５は、本願の一実施形態に係る画像から光源特徴を抽出する方法の概略図である。 図６は、本願の一実施形態に係る第１の輝点のためのランプボックスの配置の概略図である。 図７は、本願の一実施形態に係るランプボックスに対する重複除去を行うことの概略図である。 図８は、本願の一実施形態に係るランプボックスのペアリング方法の概略図である。 図９は、本願の一実施形態に係る行内量分布マップの描画の概略図である。 図１０は、本願の一実施形態に係る第１の行量を決定することの概略図である。 図１１は、本願の一実施形態に係る路面により反射された光の干渉を除去することの概略図である。 図１２は、本願の一実施形態に係るインテリジェントライトスイッチング方法の概略図である。 図１３は、本願の一実施形態に係るコンピュータ装置の構造の概略図である。

添付の図面を参照しながら、本願の実施形態における技術的解決策を明確且つ完全に以下で説明する。明らかに、説明する実施形態は、本願の全ての実施形態ではなく、一部であるにすぎない。当業者によって本願の実施形態に基づき創造的な努力なしに得られる他の全ての実施形態は、本願の保護範囲に含まれるものとする。

当業者がより良い理解を得るのを助けるために、本願における一部の用語及び関連技術を添付の図面を参照しながら先ず説明する。

ＲＧＢ色空間では、豊かで広範な色を生成するために、赤、緑及び青の基本色に基づいて異なる程度の重なり合いを行う。したがって、ＲＧＢ色空間は一般に３原色モードとして知られ、自然色モードとも呼ばれる。赤、緑、青は、可視スペクトルの３つの基本色（３原色）を表す。それぞれの色は、異なる明るさに基づいて２５６のレベルに分けられる。色光の三原色が重なると、色の混合比が異なることにより様々な中間色が生成される。ディスプレイシステムはＲＧＢ色空間を通常用いる。カラーブラウン管を備え、カラーラスターグラフィックスを表示するディスプレイは、Ｒ、Ｇ及びＢの値を用いることにより、ＲＧＢ電子銃を駆動して電子を放出し、蛍光スクリーン上のＲＧＢ蛍光粉体を刺激して、明るさが異なる光線を放出する。光線は重ねられて様々な色が生成される。

ＹＵＶ色空間は１つの明るさ信号及び２つのクロミナンス信号を含む。明るさ信号は通常Ｙと呼ばれる。クロミナンス信号は２つの独立した信号（赤を表すクロミナンス信号及び青を表すクロミナンス信号）である。２つのクロミナンス信号は通常ＵＶＰｂＰｒ又はＣｂＣｒと呼ばれる。したがって、ＹＵＶ色空間もＹＰｂＰｒ色空間又はＹＣｂＣｒ色空間と呼ばれる。明るさ情報はクロミナンス情報から分離されている。同じフレーム内の画像の明るさ及びクロミナンスのために異なるサンプリングレートが用いられている。ＹＵＶ色空間では、明るさ情報Ｙ及びクロミナンス情報Ｕ／Ｖは互いに独立している。Ｙ信号成分は白黒のグレースケールマップである。Ｕ信号成分及びＶ信号成分はモノクロのカラーマップである。人間の視覚はクロミナンスよりも明るさに敏感であるため、ＹＵＶ色空間はカラーテレビシステムで広く用いられている。

ＨＳＩ色空間は、色特徴を記述するために３つのパラメータＨ、Ｓ及びＩを用いる。Ｈは色の周波数を表し、色相と呼ばれる。Ｓは色の深さを表し、彩度と呼ばれる。Ｉは強度又は明るさを表す。

関心領域（region of interest、ＲＯＩ）：マシンビジョン及び画像処理において、ボックス、円、楕円、不規則多角形等を用いることにより処理された画像から分離された領域は関心領域ＲＯＩと呼ばれる。Ｈａｌｃｏｎ、ＯｐｅｎＣＶ及びＭＡＴＬＡＢ等のマシンビジョンソフトウェアでは、関心領域ＲＯＩを得るために様々な演算子（Operator）及び関数が通常用いられ、その後の画像処理が行われる。

インターセクションオーバーユニオン（Intersection over Union、ＩＯＵ）は、２つの長方形の領域の和集合に対する交差の比率である。ＩＯＵは、特定のデータセット内の対応するオブジェクトを検出する精度を測定するための規格である。ＩＯＵは単純な測定規格である。出力における予測範囲（バウンディングボックス）を得るタスクはＩＯＵにより測定することができる。

先進運転支援システム（Advanced Driver Assistance Systems、ＡＤＡＳ）は、車両に搭載された様々なセンサーを用いて、車両内外の環境データをタイムリーに収集し、静的及び動的な物体に対して認識、検出及び追跡等の技術的処理を行うため、ドライバーは潜在的なリスクを早期に検出できるようにするアクティブセーフティ技術である。これにより注目を集め、安全性が改善される。ＡＤＡＳで用いられるセンサーは、カメラ、レーダー、レーザー、超音波等を主に含み、光、熱、圧力又は車両の状態を監視するために用いられる他の変数を検出でき、通常は車両のフロントバンパー及びリアバンパー、サイドビューミラー、ステアリングハンドル又は車両のフロントガラスに配置されている。初期のＡＤＡＳ技術は主に受動的にアラームを発する。車両に潜在的な危険性があることが検出されると、アラームが発せられ、ドライバーに車両又は道路の異常状態に注意するように促す。最新のＡＤＡＳ技術では積極的な介入も一般的である。

アダプティブクルーズコントロール（Adaptive Cruise Control、ＡＣＣ）システムはクルーズコントロールシステムに基づいて開発される。クルーズコントロールシステムの機能、すなわち、ドライバーによって設定された速度で走行する機能に加えて、プリセットされた追従距離を保つ機能や、追従距離の変化に基づいて自動的に加減速する機能も実施され得る。クルーズコントロールシステムと比較して、ＡＣＣシステムは、ドライバーがブレーキ及びスロットルを調整するのに役立つ。

ロードサイドユニット（Road Side Unit、ＲＳＵ）は、電子料金収受（Electronic Toll
Collection、ＥＴＣ）システムにおいて道路側に搭載され、専用の短距離通信（Dedicated
Short Range Communication、ＤＳＲＣ）を用いて車載ユニット（On-Board Unit、ＯＢＵ）と通信し、車両識別及び電子スコア控除を実施する装置である。ＲＳＵは、高ゲイン指向性ビーム制御読み書き可能アンテナ及び無線周波数コントローラを含み得る。高ゲイン指向性ビーム制御読み書き可能アンテナは、信号及びデータの送受信、変調／復調、エンコーディング／デコーデイング及び暗号化／復号化の役割を果たすマイクロ波トランシーバモジュールである。無線周波数コントローラは、データの送受信を制御し、上位コンピュータから情報を受信するか又は上位コンピュータに情報を送信するモジュールである。

本願で提供されるインテリジェントライトスイッチング方法は、インテリジェントライトスイッチングシステムによって行われる。本願の実施形態の理解を容易にするために、本願の実施形態が基づくインテリジェントライトスイッチングシステムの適用シナリオを最初に説明する。図１はインテリジェントライトスイッチングシステムの適用シナリオの概略図である。図１に示すシナリオは車両のインターネットのシナリオである。シナリオは、複数のインテリジェント車両、無線送信塔及びＲＳＵを含む。インテリジェントライトスイッチングシステムは、インテリジェント車両の車載システム、例えばＡＤＡＳシステム又はＡＣＣシステムで用いられてもよく、運転支援及び自動運転等の複数のシナリオでハイビーム又はロービームにインテリジェントに切り替え得る。加えて、インテリジェントライトスイッチングシステムは、代替的に、インテリジェント車両内の他の運転支援システムとは別に、独立したシステムとしてインテリジェント車両に搭載され得る。

インテリジェントライトスイッチングシステムの適用シナリオに基づいて、本願の一実施形態は、前述のインテリジェントライトスイッチングシステムの適用シナリオで用いられるインテリジェント車両２００を提供する。図２は、本願の一実施形態に係るインテリジェント車両２００の構造の概略図である。

なお、インテリジェント車両２００は、完全インテリジェント運転モードに設定され得るか又は部分インテリジェント運転モードに設定され得る。インテリジェント車両２００が完全インテリジェント運転モードに設定されている場合、インテリジェント車両２００は、人と対話することなく対応する動作を行い得ることが理解されよう。動作は、限定されないが、加速、減速及び自動車追従を含む。インテリジェント車両が部分インテリジェント走行モードに設定されると、対応する動作はインテリジェント車両２００によって自動的に行われるだけでなく、ドライバーによっても行われ得る。例えば、対応する動作は、車両及び周辺環境を特定することと、周辺環境における少なくとも１つの他の車両の可能な挙動を特定することと、他の車両が可能な挙動を行う可能性に対応する信頼度を特定することと、特定された情報に基づいてインテリジェント車両２００を制御することである。

インテリジェント車両２００は、移動システム２１０、センサーシステム２２０、制御システム２３０、１つ以上の周辺装置２４０、１つ以上のコンピュータシステム２５０、電源２６０及びユーザーインターフェイス２７０等の様々なサブシステムを含み得る。任意で、インテリジェント車両２００は、より多くの又は少ないサブシステムを含んでもよく、各サブシステムは複数の要素を含み得る。加えて、インテリジェント車両２００のサブシステム及び要素は、複数の方法で、例えば有線又は無線で相互接続され得る。

移動システム２１０は、インテリジェント車両２００に電力を供給するコンポーネントを含み得る。一実施形態では、移動システム２１０は、エンジン２１１０、エネルギー源２１２０、トランスミッション装置２１３０及びホイール／タイヤ２１４０を含み得る。エンジン２１１０は、内燃機関、モーター、空気圧縮エンジン又は他の種類のエンジンの組み合わせ、例えば、ガソリンエンジンとモーターで構成されるハイブリッドエンジン又は内燃機関と空気圧縮エンジンで構成されるハイブリッドエンジンであり得る。エンジン２１１０は、エネルギー源２１２０を機械エネルギーに変換する。

エネルギー源２１２０の例としては、ガソリン、ディーゼル、別の石油ベースの燃料、プロパン、別の圧縮ガスベースの燃料、エタノール、ソーラーパネル、バッテリー及び別の動力源が挙げられる。エネルギー源２１２０は、インテリジェント車両２００の別のシステムにもエネルギーを提供し得る。

トランスミッション装置２１３０は、エンジン２１１０からの機械的動力をホイール２１４０に伝達することができる。トランスミッション装置２１３０は、ギアボックス、作動装置及びドライブシャフトを含み得る。一実施形態では、トランスミッション装置２１３０は別のコンポーネント、例えばクラッチをさらに含み得る。ドライブシャフトは、ホイール２１４０の１つ以上に連結され得る１つ以上のシャフトを含み得る。

センサーシステム２２０は、インテリジェント車両２００の周辺環境情報を感知し、インテリジェント車両２００の車両情報を得るいくつかのセンサーを含み得る。例えば、センサーシステム２２０は、ポジショニングシステム２２１０、慣性測定装置（inertial measurement unit、ＩＭＵ）２２２０、レーダー２２３０及び視覚センサー２２４０を含み得る。ポジショニングシステム２２１０は、ＧＰＳシステム、ＢｅｉＤｏｕシステム又は別のポジショニングシステムを含み得る。センサーシステム２２０は、車内の空気品質モニター、燃料ゲージ及び油温ゲージ等の監視されるインテリジェント車両２００の内部システムのセンサーをさらに含み得る。これらのセンサーによって得られたデータは、物体及びその対応する特徴を検出するために用いられ得る。特徴は、限定されないが、位置、形状、方向及び速度を含む。そのような検出及び認識は、インテリジェント車両２００がその後の動作を安全に行う上で大きな意味がある。

ポジショニングシステム２２１０は、インテリジェント車両２００の地理的位置を特定するように構成され得る。

ＩＭＵ２２２０は、慣性加速度に基づいてインテリジェント車両２００の位置変化及び方向変化を感知し得る。一実施形態では、ＩＭＵ２２２０は加速度計及びジャイロスコープの組み合わせであり得る。この場合、ＩＭＵ２２２０はインテリジェント車両２００の曲率を測定するように構成され得る。

レーダー２２３０は、無線信号を用いることにより、インテリジェント車両２００の周囲環境を感知し得る。周囲環境は、限定されないが、周囲の車両、インフラ及び歩行者を含む。レーダー２２３０は、限定されないが、ミリ波レーダー及びライダーを含み得ることが理解されよう。一部の実施形態では、周囲の環境を感知することに加えて、レーダー２２３０は、環境内の物体の運動状態を感知するようにさらに構成され得る。

視覚センサー２２４０は、インテリジェント車両２００の周囲環境の複数の画像を取り込むように構成され得る。視覚センサー２２４０は、限定されないが、静的カメラ及びビデオカメラを含み得る。

制御システム２３０は、インテリジェント車両２００及びインテリジェント車両のコンポーネントの動作を制御するように構成され得る。制御システム２３０は複数の要素を含み得る。一実施形態では、制御システム２３０は、ステアリングシステム２３１０、アクチュエータ２３２０、ブレーキユニット２３３０、コンピュータ視覚システム２３４０、経路制御システム２３５０、障害物回避システム２３６０及びハイ／ロービームスイッチングシステム２３７０を含む。

ステアリングシステム２３１０は、操作を介してインテリジェント車両２００の進行方向を調整し得る。例えば、一実施形態では、ステアリングシステム２３１０はステアリングホイールシステムを含み得る。

アクチュエータ２３２０は、エンジン２１１０を制御することにより、インテリジェント車両２００の速度を制御するように構成され得る。例えば、一実施形態では、アクチュエータ２３２０はスロットルを含み得る。

ブレーキユニット２３３０は、インテリジェント車両２００が減速するよう制御するように構成され得る。ブレーキユニット２３３０は、ホイール２１４０の回転速度を低下させるために摩擦を用いり得る。別の実施形態では、ブレーキユニット２３３０は、ホイール２１４０の運動エネルギーを電流に変換し得る。ブレーキユニット２３３０は、ホイール２１４０の回転速度を低下させる別の方法を用いることによりインテリジェント車両２００の速度を制御し得る。

アクチュエータ２３２０及びブレーキユニット２３３０を１つのユニットモジュールに組み合わせてもよいことが理解されよう。組み合わされたユニットモジュールは、インテリジェント車両２００の速度を制御するように構成され得る。一実施形態では、組み合わされたユニットモジュールはスロットルシステム及びブレーキシステムを含み得る。

コンピュータ視覚システム２３４０は、視覚センサー２２４０によって取り込まれた画像を処理及び分析し、その後の動作を容易にするように構成され得る。コンピュータ視覚システム２３４０は、インテリジェント車両２００の周囲環境、周囲環境内の物体の特徴及び物体の運動状態をさらに認識できる。周囲環境は、信号、道路境界及び障害物を含み得る。周囲環境内の物体の特徴は、限定されないが、物体の表面の表面光学的特徴を含む。運動状態は、限定されないが、静的、加速又は減速を含む。コンピュータ視覚システム２３４０は、色空間変換技術、物体認識アルゴリズム、ストラクチャフロムモーション（Structure from Motion、ＳＦＭ）アルゴリズム、ビデオトラッキング及び他のコンピュータ視覚技術を用いり得る。一部の実施形態では、コンピュータ視覚システム２３４０は、画像検出システム、ニューラルネットワークに基づく処理システム等を含み、環境のための地図の描画、物体の追跡、物体の速度の推定等を行うように構成され得る。

経路制御システム２３５０はインテリジェント車両２００の走行経路を決定するように構成される。一部の実施形態では、経路制御システム２３５０は、ポジショニングシステム２２１０からの１つ以上の所定の地図のデータを参照して、インテリジェント車両２００の走行経路を決定し得る。

障害物回避システム２３６０は、周辺環境内の障害物を認識、評価、回避又はバイパスするように構成されている。一実施形態では、障害物回避システム２３６０は、レーダー２２３０及び視覚センサー２２４０を用いることにより周辺環境に関する情報を得て、その後にコンピュータ視覚システム２３４０を用いることにより周辺環境を分析して、潜在的な障害物を認識する必要がある。その後、障害物回避システム２３６０は評価及び回避を行う。

ハイ／ロービームスイッチングシステム２３７０は、ハイビーム又はロービームをインテリジェントに切り替えるように構成されている。一実施形態では、ハイ／ロービームスイッチングシステム２３７０は周囲光に基づいて自動的に有効にされてもよく、ハイビーム又はロービームに自動的に切り替え得るか又は手動で有効にされ得る。

なお、制御システム２３０は別のコンポーネントをさらに含み得るか又は上記のコンポーネントが置き換え及び／又は削減され得る。

インテリジェント車両２００は、周辺装置２４０を用いることにより、外部センサー、他の車両、他のコンピュータシステム又はユーザーと対話する。周辺装置２４０は、限定されないが、無線通信システム２４１０、車載コンピュータ２４２０、マイク２４３０及び／又はスピーカー２４４０を含み得る。

なお、一部の実施形態では、周辺装置２４０はインテリジェント車両２００のユーザーと対話し得る。例えば、車載コンピュータ２４２０は、インテリジェント車両２００のユーザーに情報を提供し得る。加えて、インテリジェント車両２００のユーザーは車載コンピュータ２４２０にデータをアップロードし得る。インテリジェント車両２００のユーザーは、車載コンピュータ２４２０のタッチスクリーンを用いることにより操作を行い得ることが理解されよう。加えて、周辺装置２４０は、インテリジェント車両２００が車両内の他の装置と通信する手段を提供し得る。例えば、マイク２４３０はインテリジェント車両２００のユーザーから音声を受信してもよく、音声は音声コマンド及び他の音声入力を含み得る。同様に、スピーカー２４４０は、インテリジェント車両２００のユーザーに音声を出力し得る。

無線通信システム２４１０は、直接又は通信ネットワークを用いることにより１つ以上の装置と無線で通信し得る。例えば、無線通信システム２４１０は、ＣＤＭＡ、ＥＶＤＯ、ＧＳＭ／ＧＰＲＳ等の３Ｇセルラー通信を用い得るか、ＬＴＥ等の４Ｇセルラー通信を用いり得るか、５Ｇセルラー通信を用い得る。無線通信システム２４１０は、Ｗｉ－Ｆｉを用いることにより無線ローカルエリアネットワーク（wireless local area network、ＷＬＡＮ）と通信し得る。一部の実施形態では、無線通信システム２４１０は、赤外線リンク、Ｂｌｕｅｔｏｏｔｈ又はＺｉｇＢｅｅを用いることにより装置と直接通信し得る。装置は、限定されないが、車両及び／又は路側ステーションを含み得る。

加えて、本願の実施形態では、複数のインテリジェント車両はＶ２Ｘを用いることにより互いに通信できる。したがって、無線通信システム２４１０は１つ以上のＤＳＲＣ装置及び１つ以上のＬＴＥ－Ｖ２Ｘ装置をさらに含み得る。

電源２６０は、インテリジェント車両２００の様々なコンポーネントに電力を供給し得る。一実施形態では、電源２６０は１つ以上のバッテリーパックを含み得る。バッテリーパック内のバッテリーは、充電可能なリチウムイオンバッテリー又は鉛蓄電池であり得る。一部の実施形態では、電源２６０及びエネルギー源２１２０は共に実施され得ることが理解されよう。

インテリジェント車両２００の一部又は全ての機能はコンピュータシステム２５０によって制御される。コンピュータシステム２５０は１つ以上のプロセッサ２５２０を含み得る。プロセッサ２５２０は命令２５１１０を実行する。命令２５１１０は非一時的コンピュータ読み取り可能媒体、例えば、メモリ２５１０に記憶される。コンピュータシステム２５０は、代替的に、インテリジェント車両２００の個々のコンポーネント又はサブシステムを分散的に制御する複数のコンピュータ装置であり得る。

プロセッサ２５２０は、任意の従来のプロセッサ、例えば、市販のＣＰＵであり得る。任意で、プロセッサは、特定用途向け集積回路（Application-Specific Integrated Circuit、ＡＳＩＣ）又は他のハードウェアベースのプロセッサ等の専用装置であり得る。図２は、プロセッサ、メモリ、コンピュータ等のコンポーネントを機能的に示しているが、当業者であれば、プロセッサ、コンピュータ又はメモリは実際には同じ物理的ハウジングに収容され得るか又は収容されない複数のプロセッサ、コンピュータ又はメモリを含み得ることを理解すべきである。例えば、メモリは、コンピュータとは異なるハウジング内に位置するハードディスクドライブ又は別の記憶媒体であり得る。そのため、プロセッサ又はコンピュータへの言及は、並列に動作し得るか又は動作しない一式のプロセッサ、コンピュータ又はメモリへの言及を含み得ることが理解されよう。本願で説明するステップを行うために単一のプロセッサを用いるのとは異なり、ステアリングコンポーネント及び減速コンポーネント等の一部のコンポーネントはそれぞれのプロセッサを含み得る。プロセッサは、コンポーネント固有の機能に関連する計算のみを行う。

本願で説明する様々な態様では、プロセッサは車両から遠く離れて位置し、車両と無線通信し得る。別の態様では、本願で説明する一部のプロセスは車両内に配置されたプロセッサで行われる一方で、単一の操作に必要なステップの実行を含む他のプロセスはリモートプロセッサにより行われる。

一部の実施形態では、メモリ２５１０は命令２５１１０（例えば、プログラムロジック）を含み得る。命令２５１１０は、インテリジェント車両２００の上記の機能を含む様々な機能を実施するためにプロセッサ２５２０によって実行され得る。メモリ２５１０は、移動システム２１０、センサーシステム２２０、制御システム２３０及び周辺装置２４０のうちの１つ以上にデータを送信すること、からデータを受信すること、対話すること及び／又は制御することのために用いられる命令を含む追加の命令も含み得る。

命令２５１１０を記憶することに加えて、メモリ２５１０は、道路地図、経路情報、車両の位置、方向及び速度等の車両データ並びに他の関連情報等のデータをさらに記憶し得る。一実施形態では、インテリジェント車両２００が自律、半自律及び／又は手動モードにある場合に、インテリジェント車両２００のコンピュータシステム２５０は、データを用いることにより関連動作を行うことができることが理解されよう。例えば、インテリジェント車両が他の車両を追従しながら一定速度で走行できるように、ターゲット道路区間の道路情報及び受信したターゲット車速範囲に基づいて、インテリジェント車両の現在の速度が調整され得る。

ユーザーインターフェイス２７０は、インテリジェント車両２００のユーザーに情報を提供するか又は情報を受信するように構成されている。任意で、ユーザーインターフェイス２７０は、ＵＳＢインターフェイス、ＡＵＸインターフェイス又はＯＢＤインターフェイス等の周辺装置２４０のうちの１つ以上の入出力装置に必要とされるインターフェイスを含み得る。

コンピュータシステム２５０は、様々なサブシステム（例えば、移動システム２１０、センサーシステム２２０及び制御システム２３０）のデータ及びユーザーインターフェイス２７０から受信したデータに基づいて、インテリジェント車両２００の機能を制御し得る。例えば、コンピュータシステム２５０は、センサーシステム２２０及び障害物回避システム２３６０によって検出された障害物を回避するために、ステアリングシステム２３１０を制御し得る。

任意で、上記のコンポーネントはサブシステムとしてインテリジェント車両２００の内部に搭載され得る。あるいは、コンポーネントのうちの１つ以上はインテリジェント車両２００とは別に搭載され得る。例えば、メモリ２５１０はインテリジェント車両２００とは部分的又は完全に分離され得る。上記のコンポーネントは有線及び／又は無線で連結され得る。

なお、上記のモジュール及びモジュール内のコンポーネントは、実際の要件に基づいて追加、置き換え又は削除され得る。これは本願では限定されない。

道路を走行するインテリジェント走行車両、例えば図２のインテリジェント車両２００は、現在の速度を調整するために周囲環境を認識し得る。周囲環境は、限定されないが、別の車両、歩行者、交通制御装置、別のインフラ及び別の種類の物体を含み得る。一部の実施形態では、インテリジェント走行車両は、認識された物体のそれぞれを独立して考慮し、物体の特徴、例えば、速度、加速度又は車両からの相対距離に基づいて、自律車両が調整する必要がある速度を決定し得る。

任意で、インテリジェント車両２００又はインテリジェント車両２００に関連するコンピュータ装置（例えば、図２のコンピュータシステム２５０、コンピュータ視覚システム２３４０及びデータ記憶装置２５１０等）は、認識された物体の挙動を、認識された物体の特徴及び周辺環境の状態（例えば、交通、雨、道路上の氷）に基づいて予測し得る。全ての認識された物体は関連付けられていることが理解されよう。したがって、周囲環境内の全ての他の物体の状態を分析することにより、単一の物体の挙動がさらに予測され得る。インテリジェント車両２００は、認識された物体の予測された挙動に基づいて、インテリジェント車両２００の速度を調整できる。つまり、インテリジェント車両２００は、物体の予測された挙動に基づいて、車両をどのように調整する必要があるか（例えば、加速、減速又は停止）及び車両を調整すべき安定した状態を決定できる。このプロセスでは、他の要因、例えば、インテリジェント車両２００が走行する道路内の水平位置、道路の曲率及び静的物体及び動的物体への近接の影響も考慮され得る。

インテリジェント車両２００の速度を調整するための命令に加えて、コンピュータ装置は、自律車両が所定のトラックに従う及び／又は自律車両の近くの物体（例えば、隣接車線の自動車）からの安全な水平距離及び安全な垂直距離を維持するように、インテリジェント車両２００のステアリング角度を変更するための命令をさらに提供し得る。

インテリジェント車両２００は自動車、トラック、オートバイ、バス、ボート、娯楽車両、遊園地の車両、建設装置、路面電車、電車等であり得る。これは、本願のこの実施形態では限定されない。

図２に示すインテリジェント車両の構造の概略図は、本願のこの実施形態における例示の実施にすぎないことが理解されよう。本願のこの実施形態におけるインテリジェント車両は、限定されないが上記の構造を含む。

本願は、夜間の運転プロセスにおけるインテリジェントライトスイッチングのために用いられるインテリジェントライトスイッチングシステムを提供する。インテリジェントライトスイッチングシステムは、先ずシステムの前にあるシナリオの画像を取得し、次に周囲光情報を取得し、画像内の光源を分類し、最後に周囲光情報及び光源分類情報に基づいてハイ／ロービームにスイッチングするかどうかを決定する。インテリジェントライトスイッチングシステムのユニットには複数の分割方法があり得る。これは本願では限定されない。図３は分割方法の一例である。図３に示すように、各機能ユニットの機能を以下で説明する。

インテリジェントライトスイッチングシステム３００は、取得ユニット３１０、周囲光検出ユニット３２０、光源分類ユニット３３０及びスイッチングユニット３４０を含む。取得ユニット３１０は画像を取得するように構成され、画像は車両の固定位置に配置されたビデオカメラによって撮影され、画像には光源情報が記録されている。周囲光検出ユニット３２０は、画像に対応する周囲光の明るさ値を計算するように構成されている。光源分類ユニット３３０は、光源情報に基づいて、画像に含まれる光源を分類して分類結果を得るように構成されている。スイッチングユニット３４０は、画像に対応する周囲光の明るさ値及び分類結果に基づいて、ハイビーム又はロービームに切り替えるように構成されている。

上記の内容から、光源分類は、本願の解決策の重要なステップであり、光源分類ユニット３３０によって実施されることが理解されよう。具体的には、光源分類ユニット３３０は光源検出モデルを含む。光源検出モデルは、取得された画像対して検出を行い、光源分類を行う。

光源検出モデルはＡＩモデルであってもよく、ＡＩモデルを用いることにより検出を行う前に、初期ＡＩモデルを訓練する必要があることが理解されよう。本願では、光源情報を含み、ビデオカメラによって得られるサンプル画像を用いることにより初期ＡＩモデルが訓練されるため、訓練されたＡＩモデルは光源分類機能を有し、ビデオカメラによって得られた画像に対して光源分類を行うことができる。

加えて、本願における光源検出モデルは、光源の位置（検出ボックス情報／画像内のターゲットの位置）をさらに特定し、光源と自車両との間の実際の距離を検出し得る。

訓練プロセスでは、訓練のために特別な訓練データを用いる必要がある。モデル能力要件に基づいて分析が行われる場合、ビデオカメラで撮影された注釈情報を有するサンプル画像を訓練のために用いる必要があり、サンプル画像はターゲットを記録し、注釈情報はサンプル画像内のターゲットのカテゴリ情報、位置情報（画像内のターゲットの検出ボックス位置／位置）、距離情報（ターゲットと自車両との間の距離）を含む。

ターゲットのカテゴリ情報は、ターゲットのカテゴリを示すために用いられる。本願のこの実施形態では、ターゲットは光源、例えば車両のヘッドライト、車両のテールライト、街灯又は信号機である。ターゲットのカテゴリ情報は、光源のカテゴリ情報である。

加えて、分類の間に検出ボックスを用いる必要がある。検出ボックスはサンプル画像内のターゲットをマークするために用いられる。本願のこの実施形態では、検出ボックスはランプボックスであり、検出ボックス情報は、限定されないが、ターゲットカテゴリ情報及びピクセル座標情報を含む。例えば、本願の実施形態では、注釈のために長方形の検出ボックスが用いられる。検出ボックス情報は、注釈付きターゲットのカテゴリ情報及びピクセル座標情報を含む。カテゴリ情報は検出ボックスの形状及び色等の特徴を含む。ピクセル座標情報は４つのピクセル座標、すなわち、検出ボックスの左上水平座標、左上垂直座標、右下水平座標及び右下垂直座標を含む。

なお、本願の一実施形態では、検出ボックス情報は、ターゲットのカテゴリ情報を示すためにテキストを直接表示し得るか又は検出ボックスの形状及び色等の特徴を用いることによりターゲットのカテゴリを示し得る。注釈情報は、拡張マークアップ言語（extensible markup language、ＸＭＬ）、ＪａｖａＳｃｒｉｐオブジェクトプロファイル（JavaScript object notation、ＪＳＯＮ）等の形式のファイルとして記憶され得る。

光源検出モデルを以下で詳細に説明する。

本願では、光源検出モデルを訓練するために必要な訓練データ（サンプル画像）は、車両内の固定位置にあるビデオカメラによって取得される。ターゲット検出アルゴリズムを用いることによりサンプル画像に対して検出を行い、サンプル画像に記録されている光源のカテゴリ情報及び検出ボックス情報が取得され得る。あるいは、上記の情報は手動でラベリングする方法で取得され得る。サンプル画像は、異なる時点で取得された画像及び異なる露光時間を有する画像を含み得ることが理解されよう。

複数のサンプル画像が取得され、複数のサンプル画像の注釈情報が取得された後、注釈情報を持つ複数のサンプル画像が訓練セットを形成し、訓練セット内の訓練サンプルを用いることにより訓練が行われる。まず、初期ランプ光源検出モデルが決定される。上記から、本願の初期ランプ光源検出モデルはＡＩモデルであってもよく、具体的にはディープニューラルネットワークモデルであり得ることが分かる。このモデルは、画像内の光源の種類及び光源の位置を検出するだけでなく、光源と自車両との間の実際の距離も計算できる。これは、本願における初期光源検出モデルは構造的に改善されていることを意味する。

図４に示すように、本願における初期光源検出モデル４００の構造は、バックボーンネットワーク４１０、検出ネットワーク４２０及び損失関数計算ユニット４３０の３つの部分を主に含む。バックボーンネットワーク４１０は入力サンプル画像から特徴を抽出するように構成され、ビジュアルジオメトリグループ（visual geometry group、ＶＧＧ）ネットワーク、残差ネットワーク（residual
network）、高密度畳み込みネットワーク（dense convolution network）等であり得るいくつかの畳み込み層を含む。検出ネットワーク４２０は、バックボーンネットワーク４１０によって抽出された特徴の検出及び認識を行い、光源カテゴリ情報及び光源位置情報（すなわち、検出ボックス情報）を出力するように構成されている。検出ネットワーク４２０も基本的にいくつかの畳み込み層によって形成されるため、バックボーンネットワーク４１０の出力結果に対して畳み込み計算をさらに行う。

上述したように、一般的な検出モデル（例えば、ｙｏｌｏ及びｆａｓｔｅｒ ＲＣＮＮ）と比べて、本願の光源検出モデルは構造が異なる。画像上の同じの車両の車両灯の間の距離、車両の実車幅、画像を得るために用いられるビデオカメラの焦点距離及び車両とエゴ車との間の距離の間には比例関係があるため、４つの値のうち３つがわかっていれば、他の１つは比例関係に基づいて計算することができる。したがって、バックボーンネットワーク４１０は同じ種類のネットワークを用いり得る。しかしながら、本願における検出ネットワーク４２０では、検出ボックスの退行の役割を果たす各畳み込み層に複数のチャネルが追加されている。サンプル画像内にある、光源の水平座標及び垂直座標を示すために優先的に２つのチャネルが追加されている。画像内の車両の車両ランプの間の距離は、車両と自車両との間の距離を得るために、同じ車両の光源の水平座標及び垂直座標を用いることにより得られ得る。もちろん、さらなるチャンネルが追加されてもよい。各チャンネルは対応する物理的な意味が割り当てられている。これは本願では限定されない。

先ず、初期光源検出モデル４００のパラメータが初期化される。次に、初期光源検出モデル４００にサンプル画像が入力される。バックボーンネットワーク４１０はサンプル画像に記録されているターゲットの特徴を抽出して抽象特徴を取得し、その後、抽象特徴を検出ネットワーク４２０に入力する。検出ネットワークは、さらなる検出及び認識を行い、ターゲットの種類及び位置と、ターゲットから自車両までの距離とを予測し、対応するチャネルを介して予測結果を損失関数計算ユニット４３０に出力する。その後、サンプル画像に対応する注釈情報も損失関数計算ユニット４３０に入力される。損失関数計算ユニット４３０は、検出ネットワーク４２０によって得られた予測結果をサンプル画像に対応する注釈情報と比較して損失関数を計算し、損失関数をターゲット関数として用いることにより且つ逆伝播アルゴリズムを用いることによりモデル内のパラメータを更新及び調整する。注釈情報を保持するサンプル画像は順次入力され、損失関数の値が収束するまで、すなわち、毎回計算される損失関数の値が特定の値を中心に変動するまで、上記の訓練プロセスが連続的に且つ反復的に行われる。この場合、光源分類モデルは完全に訓練されている、つまり、光源分類モデルは、画像内のターゲットの種類及び位置と、ターゲットから自車両までの距離を有し、光源分類に用いられ得る。

なお、本願では、検出ボックスを後退させる役割を有する各畳み込み層に２つのチャネルが追加されるため、損失関数の構築を再設計する必要がある。本願におけるターゲットポジショニングモデルは古典的なターゲット検出モデル（例えば、ｙｏｌｏ又はｆａｓｔｅｒ ＲＣＮＮ）に基づいて改善され、古典的なターゲット検出モデルの損失関数はＬｏｓｓ１であると仮定する。この場合、本願でターゲットポジショニングモデルを構築するために用いられる損失関数Ｌｏｓｓは、Ｌｏｓｓ＝Ｌｏｓｓ１＋Ｌｏｓｓ２として表されてもよく、Ｌｏｓｓ２は２つの新たに追加された２つのチャネルに対応する損失関数である。

上述したように、画像内の光源の特徴の抽出はバックボーンネットワーク４１０及び検出ネットワーク４２０によって主に行われる。分類のための特徴の抽出方法について、図５を参照して以下で具体的に説明する。図５に示すように、本方法は、限定されないが以下のステップを含む。

Ｓ５０１：画像から明るさ値がプリセット閾値よりも大きい輝点を選択し、該輝点のためにランプボックスを設定する。

具体的には、明るさ値がプリセット値以上の輝点を第１の輝点として輝点から選択し、第１の輝点のためにランプボックスが設定される。ランプボックスのサイズは、マークする必要がある第１の輝点のサイズに基づいて適応的に変化し得る。

例えば、第１の輝点のためにランプボックスを設定する概略図である図６に示すように、画像上での異なる特徴を有する輝点の分布は、第１の輝点の画像上での位置、明るさ、サイズ及び色等の要素を認識し、画像の下部に位置する第１の輝点を赤枠でマーキングし、画像の上部にあり、特定の分布特徴を有する第１の輝点を青枠でマーキングし、画像の上部に位置し、独特な色特徴を有する第１の輝点を紫枠でマーキングすることにより明確に表示できる。

特定の分布特徴とは、画像の上部領域の左側にある複数の第１輝点の接続線と、画像の上部領域の右側にある複数の第１の輝点の接続線とが、画像の中央にある特定の点と特定の誤差範囲内で交差することを意味する。

なお、上記のランプボックスの設定方法は本願における一例に過ぎない。ランプボックスのサイズ、形状及び色等の具体的なパラメータは、実際の要件及び実験データに基づいて研究開発者によって設定され得る。例えば、ランプボックスの設定の間に、異なる色及び異なる形状のランプボックスが、異なる特徴を持つ輝点をマークするのに用いられる。これは本願では限定されない。

Ｓ５０２：ランプボックスに対してフィルタリング及び重複除去を行う。

ランプボックスが設定された後に、ランプボックスの間に交差又は接線があり得る。これは後続の動作に影響し得る。したがって、ランプボックスに対してフィルタリング及び重複除去を行う必要がある。なお、ランプボックスに対するフィルタリング及び重複除去を行うために複数の方法がある。例えば、本願の一実施形態では、ＩＯＵアルゴリズムを用いることによりランプボックスに対する重複除去が行われる。図７に示すように、輝点ＡはランプボックスＣでマークされ、輝点ＢはランプボックスＤでマークされいる。ランプボックスＣとランプボックスＤとの間に重複領域Ｅがあることが検出されると、第２のランプボックスが生成される。第２のランプボックスは元のランプボックスよりも大きく、２つの輝点の両方を含み得る。図７のランプボックスＦは第２のランプボックスである。第２のランプボックスのサイズは、元のランプボックスのサイズに基づいて決定され得ることが理解されよう。他の場合では、第２のランプボックスのサイズ、形状及び色等の特定のパラメータもプリセットされ得る。

Ｓ５０３：重複除去後に得られたランプボックスに対してペアリングを行い、第１のランプボックスのペアを得る。

本願の一実施形態では、少なくとも３つの条件が満たされた場合にのみ、画像内の任意の２つのランプボックスを正常にペアリングできる。第１の条件は、２つのランプボックスの高さの差の絶対値が第１の閾値未満であることである。第２の条件は、２つのランプボックスの間の距離がランプボックスの高さと線形関係を有すること、つまり、ランプボックスの高さに対する２つのランプボックスの間の距離の比が比率区画内にあることである。第３の条件は、２つのランプボックスの中心点の間の接続線と水平線との間の角度が第２の閾値未満であることである。第２の条件では、２つのランプボックスの間の距離はランプボックスの中心点の間の距離（すなわち、２つのランプボックスの中心点の間の接続線の長さ）であり、ランプボックスの高さは２つのランプボックスの高さの平均値であることが理解されよう。

図８は、ランプボックスのペアリングの概略図である。図中、ランプボックスＡ及びランプボックスＢは、画像から選択された任意の２つのランプボックスであり、ランプボックスＡの高さはａであり、ランプボックスＢの高さはｂであり、ランプボックスの中心点の間の距離はｃである。｜ａ－ｃ｜が第１の閾値未満の場合、

は比率区画内にあり、θが第２の閾値未満の場合、ランプボックスＡ及びランプボックスＢは正常にペアリングされる。つまり、ランプボックスＡ内の輝点とランプボックスＢ内の輝点とがランプのペアであると考えられ得る。

第１の閾値、第２の閾値及び比率区画は、実際の要件及び実験データに基づいて研究開発者によって設定されることが理解されよう。これは本願では限定されない。

Ｓ５０４：離れた車両ランプと自車両との間の距離を特定する。

上記から、中央領域とは離れた車両の車両ランプが現れ得る領域であることが理解されよう。中央領域内の第１のランプボックスのペアが選択される。実際の車幅に対する第１のランプボックスのペアにおける第１の輝点の中心点の間の距離の比は第１の比率である。第１のランプボックスのペアが属する車両から自車両までの距離に対する画像を得るために用いられるビデオカメラの焦点距離の比が第２の比率である。第１の比率は第２の比率と特定の誤差範囲内で等しいことが理解されよう。本願の一実施形態では、２つの比率は互いにほぼ等しいと考えられ得る。したがって、第１のランプボックスのペアが属する車両から自車両までの距離は、第１のランプボックス内の第１の輝点の中心点の間の距離、実車両幅及びビデオカメラの焦点距離が分かれば特定できる。あるいは、誤差値として値が導入される。第１のランプボックスのペア内の第１の輝点の中心点と実車幅との間の距離が分かっている場合、第１の比率を計算できる。第１の比率に誤差値を加算又は減算して第２の比率を得る。ビデオカメラの焦点距離は分かっているため、第１のランプボックスのペアが属する車両から自車両までの距離を得ることができる。

なお、上記の方法は本願における例示の方法に過ぎず、離れた車両のランプと自車両との間の距離を特定するための異なる方法があり得る。これは本願では限定されない。

中心領域の形状及びサイズ等の特定のパラメータは、実験データに基づいて研究開発者によってプリセットされ得ることが理解されよう。これは本願では限定されない。

加えて、本願の別の実施形態では、より正確な光源分類結果を得るために、得られた画像内の全ての車両と自車両との間の距離が上記の方法に従って計算され得る。このように、光源の情報だけでなく、光源の距離情報も得ることができ、ハイビーム及びロービームの照射距離を参照して、より正確にスイッチングを行うことができる。

Ｓ５０５：消失点水平線（ＶＰ線）を特定する。

本願の一実施形態では、得られた画像がＮ個の行（Ｎは正の整数）に分割され、第１のランプボックスのペアの２つの第１の輝点の中心点が位置する行を特定し、得られた画像の各行内にある第１のランプボックスのペアの数を計数し、行内の数を水平座標として用い、第１のランプボックスのペアの数を垂直座標として用いることにより、行内数量分布マップが描画される。行内数量分布マップは、平滑散布図、線散布図、ヒストグラム等の形式を取り得る。行内数量分布マップが平滑散布図の場合、行内数量分布マップの全てのトラフのうちの水平座標が最も大きいトラフが選択され、そのトラフに対応する行内数量が第１の行数量として用いられるか又は行内数量分布マップの全てのピークのうちの水平座標が最も大きいピークの左半分側の間隔が最も低い中央位置が選択され、その位置に対応する行内数量が第２の行数量として用いられる。

図９は、行内数量分布マップを描画する概略図である。得られた画像は７個の行に分割される。画像の幅が２８０ｐｘ（ピクセル）の場合、各行の高さは４０ｐｘである。各第１のランプボックスのペアの第１の輝点の中心点がある行を特定し、得られた画像内の各行の第１のランプボックスのペアの数が計数される。図９において、行１、行２及び行４におけるランプのペアの数は１つであり、行３におけるランプのペアの数は５つであり、行５におけるランプのペアの数は３つであり、行６及び行７におけるランプのペアの個数は０である。行内数量分布マップは、行内数量を水平座標として用い、第１のランプボックスのペアの数を垂直座標として用いることにより描画される。行内数量分布マップはヒストグラムである。

図１０は、第１の行の数量を特定する概略図である。黒点が記された位置は、行内数量分布マップにおける水平座標が最も大きいトラフである。すなわち、黒点が記された位置に対応する行内数量は第１の行の数量である。第２の行の数量を特定する方法は、第１の行の数量を特定する方法と同じであることが理解されよう。詳細についてはここでは再度説明しない。

なお、第１のランプボックスのペアの２つの第１の輝点の中心点が異なる行にある場合、その後に行われる画像の各行における第１のランプボックスのペアの数の計数の間に、２つの第１の輝点の中心点がある行のそれぞれに０．５が加算される。上記の処理は、別の統計的方法に従って代替的に行われ得ることが理解されよう。例えば、２つの第１の輝点の中心点が位置する行のそれぞれに１が加算されるか又は２つの第１の輝点の中心点が位置する行のいずれかに１が加算される。これは本願では限定されない。

本願の別の実施形態では、行内数量分布マップを描画するための別の方法もあり、それは、先ず、画像内にあり、ランプボックスでマークされている第１の輝点の中心点が位置する行を特定することと、画像内の各行の第１の輝点の数を計数することと、行内数量を水平座標として用い、第１の輝点の数を垂直座標として用いることにより、行内数量分布マップを描画することであり得る。

行内数量分布マップがピーク及び／又はトラフを含まない場合、デフォルトの消失点水平線が第１の消失点水平線（ＶＰ線Ｉ）として選択される。第１の行の数量とデフォルトの消失点水平線との差の絶対値が第３の閾値よりも大きいか又は第２の行の数量とデフォルトの消失点水平線との差の絶対値が第３の閾値よりも大きい場合、デフォルトの消失点水平線が第１の消失点水平線（ＶＰ線Ｉ）として選択される。車両のランプは車体の中間位置に通常位置するため、第２の消失点水平線（ＶＰ線ＩＩ）を得るには、ＶＰ線Ｉをプリセット補正値に基づいて補正する、つまり、消失点水平線に補正値を加える必要がある。加えて、自車両がブレーキをかけたり、加速したり、上り坂を走行したり、下り坂を走行する場合、ビデオカメラのピッチ角が変化し、その結果として画像内の光源の位置が大きく変化することがある。このため、基準値が導入される。第３の消失点水平線（ＶＰ線ＩＩＩ）は、ＶＰ線Ｉと基準値との差の絶対値に減衰係数αを掛け、基準値を加えることにより得られる。この場合、得られたＶＰ線ＩＩＩは輝点の分類に用いることができるＶＰ線である。

補正値は比較的小さい正の整数であることが理解されよう。補正値の具体的な値は、実験データ及び実際の要件に基づいて研究開発者によって設定される。これは本願では限定されない。

第３の閾値は、実際の要件及び実験データに基づいて研究開発者によって設定されることが理解されよう。これは本願では限定されない。

なお、本願の別の実施形態では、基準値及び減衰係数の値は特定の運転環境、例えば、ブレーキ、加速、上り坂の走行又は下り坂の走行に基づいて適応的に調整され得る。

加えて、上記の基準値及び減衰係数を導入するための方法は、本願における例示の方法にすぎない。特定の実施プロセスでは、より良い有益な効果を得るために、方法は実際の要件に基づいて調整又は変更され得る。これは本願では限定されない。

Ｓ５０６：ＶＰ線IIIを用いることにより画像を領域に分割する。

ＶＰ線IIIを得た後に、得られた画像は、ＶＰ線IIIの行内数量に対応し且つ得られた画像内にある行を分割線として用いることにより、第１の領域と第２の領域とに分割される。第１の領域は分割線の上の画像領域であり、第２の領域は分割線の下の画像領域である。

Ｓ５０７：路面によって反射された光の干渉を取り除く。

第１の領域内の光源と路面との距離は比較的大きいため、光源と路面との間で生じる反射光は比較的暗く、「明るさはプリセット閾値以上」という条件を満たしていない可能性が高い。しかしながら、第２の領域内の光源と路面との距離が比較的小さいため、「明るさはプリセット閾値以上」という条件を満たしている可能性がかなり高い。したがって、第２の領域内の第１の輝点によって放射され、路面によって反射された光に対して消去が行われる。

第２の領域内の第１の輝点が選択される。第１の輝点よりも垂直方向で下の領域内にあり、左右のオフセットがプリセット距離以下の別の第１の輝点があるかどうかを検出するために、第１の輝点に対して位置分析が別途行われる。その領域に別の第１の輝点が存在する場合、別の第１の輝点を除去して第２の輝点及び第２のランプボックスのペアが得られる。フィルタリング動作の後に残った第１のランプボックスのペアが第２のランプボックスのペアであると理解されよう。加えて、プリセット距離は実際の要求及び実験データに基づいて研究開発者によって設定される。これは本願では限定されない。

図１１は、路面によって反射された光の干渉を除去することの概略図である。図中、輝点Ａに対して位置分析が行われ、左オフセットと右オフセットとの間のプリセット距離は点Ｍから点Ｏまでの距離（又は点Ｎから点Ｏまでの距離）である。点Ｍから点Ｏまでの距離は点Ｎから点Ｏまでの距離と等しいことが理解されよう。路面によって反射された光の干渉を除去するために２つの解決策がある。第１の解決策は、領域Ｘに別の第１の輝点があるかどうかを検出することである。第２の解決策は、領域Ｘと領域Ｙとで構成されるセクタ領域内に別の第１の輝点があるかどうかを検出することである。セクタ領域は、点Ｐを円の中心として用い、点Ｐから点Ｍまでの距離を半径として用いて描画される領域である。セクタ領域の角度は（α＋β）である。α＝βであることが理解されよう。第１の解決策が用いられる場合、輝点Ｄは領域Ｘ内にあるため、輝点Ｄは除去される。第２の解決策が用いられる場合、輝点Ｅはセクタ領域内にあるため、輝点Ｅが除去される。

Ｓ５０８：ヘッドライトのペア及びテールライトのペアを特定する。

第２の領域内の第２のランプボックスのペアにおける第２の輝点に対して明るさ検出が行われ、第２の領域内の第２のランプボックスのペアにおける第２の輝点の光輪に対して色分析が行われる。第２の輝点の明るさが第１の区画内にあり、光輪の色が第２の区間内にある場合、第２のランプボックスのペアはヘッドライトのペアである。第２の輝点の明るさが第３の区間内にあり、光輪の色が第４の区間内にある場合、第２のランプボックスのペアはテールライトのペアである。

なお、ＲＧＢ色空間で得られた画像がＹＵＶ色空間の画像に変換する場合、色分析の間に成分Ｖ（赤成分）又は成分Ｕ（青成分）が主に考慮される。したがって、第２の輝点に対して明るさ検出が行われる場合、第２の輝点の各画素の成分Ｙの値（明るさ値）が得られるため、第２の輝点の平均明るさ値が得られる。第２の輝点に対して色分析が行われる場合、第２の輝点の各画素の成分Ｖの値が得られるため、第２の輝点の成分Ｖの平均値が得られる。平均明るさ値が第３の区間内にあり、成分Ｖの平均値が第４の区間内にある場合、第２のランプボックスのペアはテールライトのペアである。もちろん、成分Ｕの平均値を算出することにより、色の区別が代替的に行われ得る。これは本願では限定されない。

異なる色空間の画像については、明るさ検出及び色分析を行うための方法は異なり得ることが理解されよう。上記の内容は、本願における例示の方法にすぎず、本願に対する限定と考えるべきでない。

なお、第２のランプボックスのペアにおける２つの輝点の両方が上記の条件を満たす場合にのみ、第２のランプボックスのペアがヘッドライトのペア又はテールライトのペアであると判定できる。本願の一実施形態では、誤差値が導入されている。第２のランプボックスのペアにおける２つの輝点の明るさ情報及び色情報が誤差値の範囲内で上記の条件を満たす場合、第２のランプボックスのペアはヘッドライトのペア又はテールライトのペアであるとみなされ得る。誤差値の具体的な値は、実際の要件及び実験データに基づいて研究開発者によって設定され得ることが理解されよう。これは本願では限定されない。

第１の区画、第２の区画、第３の区画及び第４の区画は、実際の要求及び実験データに基づいて研究開発者によって設定されていることが理解されよう。これは本願では限定されない。

第１の領域内の第２の輝点に対して明るさ検出が行われ、第１の領域内の第２の輝点の光輪に対して色分析が行われる。第２の輝点の明るさが第５の区間内にあり、光輪の色が第６の区間内にある場合、第２の輝点は街灯である。

Ｓ５０９：街灯を決定する。

街灯を決定する方法は、ヘッドライトのペア及びテールライトのペアを決定する方法と同じである。詳細についてはここでは再度説明しない。ヘッドライトのペア及びテールライトのペアを決定することについての上記の関連内容を参照されたい。

なお、第５の区画及び第６の区画は、実際の要件及び実験データに基づいて研究開発者によって設定される。これは本願では限定されない。

Ｓ５１０：信号機を決定する。

第１の領域にあり、明るさが第４の閾値以上の輝点が第３の輝点として選択される。第１の領域内の第３の輝点に対して明るさ検出が行われる。第１の領域内の第３の輝点の光輪に対して色分析が行われる。第３の輝点の明るさが第７の区間内にあり、光輪の色が第８の区間内にある場合、第３の輝点は信号機の赤信号である。第３の輝点の明るさが第９の区間内にあり、光輪の色が第１０の区間内にある場合、第３の輝点は信号機の青信号である。第３の輝点の明るさが第１１の区間内にあり、光輪の色が第１２の区間内にある場合、第３の輝点は信号機の信号機の黄色である。

信号機を決定する方法は、ヘッドライトのペア及びテールライトのペアを決定する方法と同じである。詳細についてはここでは再度説明しない。ヘッドライトのペア及びテールライトのペアを決定することについての上記の関連内容を参照されたい。

第７の区画、第８の区画、第９の区画、第１０の区画、第１１の区画及び第１２の区画は、実際の要件及び実験データに基づいて研究開発者によって設定されることが理解されよう。これは本願では限定されない。

第４の閾値は、実際の要件及び実験データに基づいて研究開発者によって設定されることが理解されよう。これは本願では限定されない。

Ｓ５１１：誤分類を修正する。

光源分類プロセスで誤分類が起こり得る。例えば、バス及びトラック等の大型車両の前及び後の上及び下側のそれぞれには２つのライトがあるため、２つのライトが第１の領域にあり、２つのライトが第２の領域にあるという状況が起こり得る。これは修正する必要がある。

第２の領域内の第２のランプボックスのペアに対して垂直分析を行って、第２のランプボックスのペアの垂直方向の上にあり、第２のランプボックスのペアからの距離が第１３の区画内にあるランプボックスのペアを探す。ランプボックスのペアの明るさが第１４の区画内にあり、ランプボックスのペアの光輪の色が第１５の区画内にある場合、ランプボックスのペアは大型車のヘッドライトである。ランプボックスのペアの明るさが第１６の間隔内にあり、光輪の色が第１７の間隔内にある場合、ランプボックスのペアは大型車のテールランプである。

第１３の区画、第１４の区画、第１５の区画、第１６の区画及び第１７の区画は、実際の要件及び実験データに基づいて研究開発者によって設定されることが理解されよう。これは本願では限定されない。

上記の明るさ検出及び色分析を行うためのプロセスは、ヘッドライトのペア及びテールライトのペアを決定する方法と同じである。詳細についてはここでは再度説明しない。ヘッドライトのペア及びテールライトのペアを決定することについての上記の関連内容を参照されたい。

なお、Ｓ５０４（離れた車両のランプと自車両との距離を特定すること）はＳ５０７（路面によって反射された光の干渉を除去すること）の後に行われ得るか、Ｓ５０８（ヘッドライトのペア及びテールライトのペアを決定すること）、Ｓ５０９（街灯を決定すること）、Ｓ５１０（信号機を決定すること）、Ｓ５１１（誤分類を修正すること）の後に行われ得る。

加えて、本願の一実施形態では、得られた元の画像に対して、画像の中央領域をＲＯＩ領域として選択すること及び画像を圧縮することの動作が行われる。中央領域は、離れた車両のヘッドライトが現れ得る領域である。中央領域の形状及びサイズ等の特定のパラメータは、実験データに基づいて研究開発者によってプリセットされ得る。画像を圧縮した後に後続の操作（例えば、明るさ加重値を計算すること）を行うことで、計算量は減少し得るが、画像内の一部の詳細が失われ得る。したがって、圧縮された画像及び元の画像の中央領域画像の組み合わせに基づいて光源分類が行われる。具体的には、圧縮画像が元の画像の選択された中央領域画像と比較され、中央領域内の光源が中央領域画像に基づいて分類され、他の領域内の光源が圧縮画像に基づいて分類される。

上記の内容は、光源分類モデルとその訓練プロセスを説明する。本願で提供されるインテリジェントライトスイッチング方法のプロセスを以下で具体的に説明する。図１２に示すように、本方法は、限定されないが、以下のステップを含む。

Ｓ１２１０：画像を取得する。

具体的には、インテリジェントライトスイッチングシステムは、ビデオカメラモジュールを用いることにより、自車両の前方のシナリオの画像をリアルタイムで取得する。画像は、限定されないが、周囲光情報と、前方車両のライト情報、道路の両側の街灯情報及び信号情報等の光源情報とを含む。

ビデオカメラモジュールは、プリセット時間に基づいて画像をリアルタイムに取り込み得る、例えば、１／２０秒毎に画像を取り込み得ることが理解されよう。

本願の一実施形態では、ビデオカメラモジュールを用いることによりインテリジェントライトスイッチングシステムによってリアルタイムで得られる画像は３フレームの画像を含む。３フレームの画像はそれぞれ短期露光画像、中期露光画像及び長期露光画像である。短期露光画像の露光時間が最も短く、長期露光画像の露光時間が最も長く、中期露光画像の露光時間は前の２つの露光時間の中間である。

露光時間は複数の方法で設定され得ることが理解されよう。例えば、短期露光の露光時間は１０ｍｓに設定され、中期露光の露光時間は２０ｍｓに設定され、長期露光の露光時間は３０ｍｓに設定されるか又は短期露光の露光時間は５ｍｓに設定され、中期露光の露光時間は１０ｍｓに設定され、長期露光の露光時間は２０ｍｓに設定される。したがって、上記の短期露光、中期露光及び長期露光は相対的なものに過ぎない。具体的な露光時間は、実際の要件及び実験データに基づいて研究開発者によって設定され、ここでは限定されない。

なお、光源によって示される画像の特徴は露光時間で変化する。３フレームの画像を分析のために用いるは、より多くの光源情報を得るのに役立つ。本願の別の実施形態では、代替的により多く又はより少ない画像が後続の分析のために取得され得る。

本願の一実施形態では、インテリジェントライトスイッチングシステムによって取得される画像はＲＧＢ色空間の画像であり、これをＹＵＶ色空間の画像に変換する必要がある。

なお、上記のＲＧＢ色空間からＹＵＶ色空間への変換は本願の一例に過ぎない。実際の場合では、別の変換方法、例えばＨＳＩ色空間への変換があり得る。

Ｓ１２２０：画像に対応する周囲光の明るさ値を計算する。

具体的には、インテリジェントライトスイッチングシステムは、取得された画像から少なくとも１つのＲＯＩ領域を選択し、選択された領域の各ピクセルの明るさ値を取得し、平均明るさ値を計算し、その後に特定の重みに基づいて明るさ加重値を計算する（ここで、明るさ加重値は周囲光の明るさ値である）。選択されたＲＯＩ領域のサイズ及び形状等の特定のパラメータは、画像、実際の要件及び実験データに基づいて研究開発者によってプリセットされていることが理解されよう。これは本願では限定されない。重みは実験データに基づいて研究開発者によって設定されることが理解されよう。これは本願では限定されない。

本願の一実施形態では、中央領域及び画像全体がＲＯＩ領域として選択され得る。中央領域は、離れた車両のヘッドライトが現れ得る領域である。上述したように、中央領域の形状及びサイズ等の特定のパラメータは、実験データに基づいて研究開発者によってプリセットされ得る。

本願の一実施形態では、中央領域、上部領域及び画像全体がＲＯＩ領域として選択され得る。中央領域は、離れた車両の車両ランプが現れ得る領域である。上部領域は、街灯が現れ得る領域である。上述したように、中央領域及び上部領域の形状及びサイズ等の特定のパラメータは、実験データに基づいて研究開発者によってプリセットされ得る。

なお、ＹＵＶ色空間の画像の場合、成分Ｙは明るさ情報を表す。したがって、画像の画素の成分Ｙの値を得ることは、その画素の明るさ値を得ることとみなされ得る。

例えば、中央領域及び画像全体がＲＯＩ領域として選択される。ここでは、中央領域の平均明るさ値は２００として計算され、画像全体の平均明るさ値は１２０と計算されている。中央領域及び画像全体の特定の重みが３及び７の場合、明るさ加重値は、２００×０．３＋１２０×０．７＝１４４と計算される。したがって、計算によって得られた明るさ加重値は１４４である。

Ｓ１２３０：画像に含まれる光源を分類する。

具体的には、画像が光源検出モデルに入力され、光源検出モデルに基づいて画像内の光源カテゴリが得られる。

なお、周囲光の明るさ計算と光源分類との間には明確な時間的関係はない。実際の適用の間に、周囲光の明るさ計算が最初に行われてもいいし、光源の分類が最初に行われてもいいし、２つが同時に行われてもよい。

Ｓ１２４０:画像に対応する周囲光の明るさ値及び分類結果に基づいて、ハイビーム又はロービームに切り替えるかどうかを判定する。

具体的には、画像に対応する周囲光の明るさ値が第６の閾値以上であり、光源分類の結果がハイビームの照射距離内に確かに車両ランプがあることを示す場合、周囲光の明るさ値は干渉光源による影響を受けないと考えられ得る。この場合、ロービームに切り替えることが決定される。画像に対応する周囲光の明るさ値が第６の閾値以上であり、光源分類の結果がハイビームの照明距離内に車両ランプがないことを示す場合、周囲光の明るさ値は干渉光源による影響を受けると考えられ得る。この場合、ハイビームに切り替えることが決定される。画像に対応する周囲光の明るさ値が第６の閾値未満であり、光源の分類結果がハイビームの照明距離内に車両用ランプがないことを示す場合、ハイビームに切り替えることが決定される。画像に対応する周囲光の明るさ値が第６の閾値未満であり、光源の分類結果がハイビームの照明距離内に車両用ランプがあることを示す場合、ロービームに切り替えることが決定される。

ハイビームの照明距離は、実際の要件及び車両用ランプのパラメータに基づいて研究開発者によって設定されることが理解されよう。これは本願では限定されない。加えて、ビデオカメラはリアルタイムで画像を取得し、インテリジェントライトスイッチングシステムも周囲光の明るさの計算及び光源分類をリアルタイムで行うため、光源情報とそれに対応する距離情報がリアルタイムで取得され得る。本願の一実施形態では、経時的スイッチングモードが設定され得る。光源分類の結果が、自車両のハイビームの照射距離と、光源と自車両との距離との差がプリセット区間内にあることを示す場合、ハイビームへの切り替えを遅れて行うことが決定される。プリセット区間及び遅延時間は、実際の要求に基づいて研究開発者によって設定され得ることが理解されよう。これは本願では限定されない。

なお、インテリジェントライトスイッチングシステムは手動で有効にされ得るか又は自動的に有効にされ得る。手動有効化方法はＳ１２４０のスイッチング方法に適用可能である。ドライバーがランプを点灯する必要があると判断した場合にインテリジェントライトスイッチングシステムがトリガーされる。自動有効化方法が用いられる場合、周囲光の明るさが先ず計算され得る。明るさが第７の閾値以上の場合、この時点で自車両が存在する環境ではランプを点灯する必要がないと見なされ、その後に光源分類をもう行う必要はない。そうでない場合、光源分類が行われ、ハイビーム又はロービームに切り替えるかどうかが判定されるため、エネルギー消費を低減できる。あるいは、周囲光の明るさを計算するためのモジュールが追加で設けられる。モジュールによって得られた周囲光の明るさが第７の閾値以上の場合、インテリジェントライトスイッチングシステムを有効にする必要はないとみなされ得る。それ以外の場合は、インテリジェントライトスイッチングシステムがトリガーされる。この場合、インテリジェントライトスイッチングシステムは、Ｓ１２１０～Ｓ１２４０で説明した方法に従って、ハイビーム又はロービームへの切り替えを行い得る。第７の閾値は、実際の要件及び実験データに基づいて研究開発者によって設定されることが理解されよう。これは本願では限定されない。

本願の実施形態における方法を上記で詳細に説明してきた。本願の実施形態における上記の解決策のより良い実施を容易にするために、以下では、それに応じて、協調的な実施のための関連装置をさらに提供する。

図３は、本願に係るインテリジェントライトスイッチングシステムの構造の概略図である。インテリジェントライトスイッチングシステムは、図１２のインテリジェントライトスイッチング方法を行うように構成されている。インテリジェントライトスイッチングシステムの機能ユニットの分割は本願では限定されず、必要に応じてインテリジェントライトスイッチングシステム内のユニットが追加、削除又は組み合わせられ得る。加えて、インテリジェントライトスイッチングシステム内のユニットの動作及び／又は機能は、図１２で説明した方法の対応する手順を実施するためにそれぞれ用いられる。簡潔にするため、詳細についてはここでは再度説明しない。図３は機能ユニット分割の一例を示す。

インテリジェントライトスイッチングシステム３００は、取得ユニット３１０、周囲光検出ユニット３２０、光源分類ユニット３３０及びスイッチングユニット３４０を含む。

具体的には、取得ユニット３１０は、上記のステップＳ１２１０を行い、任意で上記のステップの任意の方法を行うように構成されている。

周囲光検出ユニット３２０は、上記のステップＳ１２２０を行い、任意で上記のステップの任意の方法を行うように構成されている。

光源分類ユニット３３０は、上記のステップＳ５０１～Ｓ５１１及びＳ１２３０を行い、任意で上記のステップの任意の方法を行うように構成されている。

スイッチングユニット３４０は、上記のステップＳ１２４０を行い、任意で上記のステップの任意の方法を行うように構成されている。

４つのユニットは、通信チャネルを介して相互にデータ通信を行い得る。インテリジェントライトスイッチングシステム３００に含まれるユニットはソフトウェアユニット又はハードウェアユニットであり得るか又は一部のユニットはソフトウェアユニットであり、一部のユニットはハードウェアユニットであり得ることを理解すべきである。

図１３は、本願の一実施形態に係るコンピュータ装置の構造の概略図である。図１３に示すように、コンピュータ装置１３００はプロセッサ１３１０、通信インターフェイス１３２０及びメモリ１３３０を含む。プロセッサ１３１０、通信インターフェイス１３２０及びメモリ１３３０は、内部バス１３４０を用いることにより互いに接続されている。

コンピュータ装置１３００は、図３のインテリジェントライトスイッチングシステム３００であり得る。図３のインテリジェントライトスイッチングシステム３００によって行われる機能は、インテリジェントライトスイッチングシステム３００のプロセッサ１３１０によって実際に行われる。

プロセッサ１３１０は、１つ以上の羽生プロセッサ、例えば中央処理装置（central processing unit、ＣＰＵ）又はＣＰＵ及びハードウェアチップの組み合わせを含み得る。ハードウェアチップは、特定用途向け集積回路（application-specific integrated circuit、ＡＳＩＣ）、プログラマブルロジックデバイス（programmable logic device、ＰＬＤ）又はその組み合わせである。ＰＬＤは複合プログラマブルロジックデバイス（complex programmable logic device、ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（field-programmable gate array、ＦＰＧＡ）、ジェネリックアレイロジック（generic array logic、ＧＡＬ）又はそれらの任意の組み合わせであり得る。

通信インターフェイス１３２０は、イーサネット、無線アクセスネットワーク
（ＲＡＮ）、コアネットワーク又は無線ローカルエリアネットワーク（Wireless Local Area Network、ＷＬＡＮ）等の別の装置又は通信ネットワークと通信するように構成されている。

バス１３４０は、周辺機器相互接続（peripheral component interconnect、ＰＣＩ）バス、拡張業界標準アーキテクチャ（extended industry standard architecture、ＥＩＳＡ）バス等である。バス１３４０は、アドレスバス、データバス、制御バス等分類される。分かり易くするために、図１３のバスを表すために１つの太線のみを用いているが、これは１つバスしかないか又は１種類のバスしかないことを意味しない。

メモリ１３３０は、揮発性メモリ（volatile memory）、例えばランダムアクセスメモリ（random
access memory、ＲＡＭ）を含み得る。メモリ１３３０は、代替的に不揮発性メモリ（non-volatile
memory）、例えばリードオンリーメモリ（ＲＯＭ）、フラッシュメモリ（flash memory）、ハードディスクドライブ（hard disk drive、ＨＤＤ）又はソリッドステートドライブ（solid
state drive、ＳＳＤ）を含み得る。メモリ１３３０は、代替的に、上記の種類のメモリの組み合わせを含み得る。メモリ１３３０は、インテリジェントライトスイッチング方法の上記の実施形態を実行するためのプログラムコードを記憶するように構成されている。一実施では、メモリ１３３０は他のデータをさらにバッファし、プロセッサ１３１０はデータの実行を制御して、インテリジェントライトスイッチングシステム３００の機能ユニットを実施するか又は図１２に示す方法の実施形態でインテリジェントライトスイッチングシステム３００によって行われる方法ステップを実施する。

本願の実施形態は、コンピュータ読み取り可能記憶媒体をさらに提供する。コンピュータ読み取り可能記憶媒体はコンピュータプログラムを記憶する。このプログラムは、プロセッサによって実行された場合に、上記の方法の実施形態のいずれか１つで記録されたステップの一部又は全部及び図３に示す任意の機能ユニットの機能を実施し得る。

本願の実施形態はコンピュータプログラム製品をさらに提供する。コンピュータプログラム製品がコンピュータ又はプロセッサ上で実行された場合、コンピュータ又はプロセッサは、上記の方法のいずれか１つでインテリジェントライトスイッチングシステム３００によって行われる方法ステップのうちの１つ以上のステップを行う。装置内の上記のモジュールがソフトウェア機能ユニットの形で実施され、独立した製品として販売又は使用される場合、モジュールはコンピュータ読み取り可能記憶媒体に記憶され得る。

上記の各実施形態では、実施形態の説明はそれぞれの焦点が当てられている。実施形態で詳細に説明されていない部分については、他の実施形態の関連説明を参照されたい。

本明細書における「第１」、「第２」、「第３」、「第４」及び様々な数は、説明を容易にするための区別のために用いられているにすぎず、本願の範囲を限定するものとみなされないことを理解すべきである。

本明細書における「及び／又は」という用語は、関連するオブジェクト間の関連関係のみを記述し、３つの関係が存在し得ることを理解すべきである。例えば、Ａ及び／又はＢは、Ａのみが存在する場合、Ａ及びＢの両方が存在する場合及びＢのみが存在する場合の３つの場合を表し得る。加えて、本明細書における記号「／」は、関連するオブジェクト間の「又は」の関係を概して示す。

上記のプロセスの連続番号は、本願の実施形態における実行の順番を意味しないことを理解すべきである。プロセスを実行する順番は、プロセスの機能及び内部ロジックに従って決定されるべきであり、本願の実施形態の実施プロセスに対する限定として解釈すべきでない。

当業者であれば、本明細書で開示した実施形態で説明した例と組み合わせて、ユニット及びアルゴリズムステップが電子ハードウェア又はコンピュータソフトウェアと電子ハードウェアとの組み合わせによって実施され得ることを認識するであろう。機能がハードウェアによって行われるかソフトウェアによって行われるかは、技術解決策の特定の用途及び設計上の制約に依存する。当業者であれば、特定の用途ごとに説明した機能を実施するために異なる方法を用い得るが、その実施は本願の範囲を超えるものと考えるべきではない。

当業者はであれば、便利で簡素な説明のために、上記のシステム、装置及びユニットの詳細な動作プロセスについては、上記の方法の実施形態における対応するプロセスを参照すべきことを明確に理解し得る。詳細については、ここでは再度説明しない。

本願で提供されるいくつかの実施形態では、開示のシステム、装置及び方法は他の方法で実施され得ることを理解すべきである。例えば、説明した装置の実施形態は一例にすぎない。例えば、ユニットへの分割は論理ユニット分割にすぎず、実際の実施では他の分割であってもよい。例えば、複数のユニット又はコンポーネントは他のシステムに組み合わされ得るか若しくは統合され得るか又は一部の機能は無視され得るか若しくは実行されなくてもよい。加えて、表示又は説明した相互結合又は直接結合又は通信接続は、一部のインターフェイスを用いることにより実施され得る。装置又はユニット間の間接的な結合又は通信接続は、電子的、機械的又はその他の形態で実施され得る。

別々のコンポーネントとして説明したユニットは物理的に分離されていてもなくてもよく、ユニットとして表示されるコンポーネントは物理ユニットであってもなくてもよく、１つの位置に位置し得るか又は複数のネットワークユニットに分散され得る。ユニットの一部又は全ては、実施形態の解決策の目的を実現するために、実際の要件に基づいて選択され得る。

加えて、本願の実施形態における機能ユニットは１つの処理ユニットに統合され得るか、ユニットのそれぞれが物理的に単独で存在し得るか又は２つ以上のユニットが１つのユニットに統合される。

機能がソフトウェア機能ユニットの形で実施され、独立した製品として販売又は用いられる場合、機能はコンピュータ読み取り可能記憶媒体に記憶され得る。このような理解に基づいて、本願の技術的解決策は本質的に又は従来の技術に寄与する部分又は技術的解決策の一部はソフトウェア製品の形態で実施され得る。コンピュータソフトウェア製品は記憶媒体に記憶され、本願の実施形態で説明した方法のステップの一部又は全てを行うよう（パーソナルコンピュータ、サーバ又はネットワーク装置であり得る）コンピュータ装置に指示するためのいくつかの命令を含む。上記の記憶媒体には、ＵＳＢフラッシュドライブ、リムーバブルハードディスク、リードオンリーメモリ（read-only memory、ＲＯＭ）、ランダムアクセスメモリ（random access
memory、ＲＡＭ）、磁気ディスク又は光ディスク等のプログラムコードを記憶可能な任意の媒体を含む。

本願の実施形態における方法のステップは、実際の要件に基づいて順次調整、組み合わせ又は削除され得る。

本願の実施形態における装置のモジュールは、実際の要件に基づいて組み合わされ得るか、分割され得るか又は削除され得る。

結論として、上記の実施形態は本願の技術的解決策を説明することを意図したものにすぎず、本願を限定することを意図していない。本願は、上記の実施形態を参照して詳細に説明してきたが、当業者であれば、本願の実施形態の技術的解決策の範囲から逸脱することなく、上記の実施形態で説明した技術的解決策が変更され得るか又はその一部の技術的特徴が同等に置き換えられ得ることを理解すべきである。

Claims (17)

1. インテリジェントライトスイッチング方法であって、本方法は、
   画像を取得することであって、該画像は車両の固定位置に配置されたビデオカメラによって撮影され、該画像には光源情報が記録されている、ことと、
   前記画像に対応する周囲光の明るさ値を計算することと、
   前記光源情報に基づいて、前記画像に含まれる光源を分類して分類結果を得ることと、
   前記画像に対応する周囲光の明るさ値及び前記分類結果に基づいてライトのスイッチングを行うことと、
   を含む方法。
2. 前記画像に対応する周囲光の明るさ値を計算することは、
   前記画像から少なくとも１つの領域を選択し、該少なくとも１つの領域の明るさ値を計算することと、
   前記少なくとも１つの領域の明るさ値に基づいて、前記画像に対応する周囲光の明るさ値を計算することと、
   を含む、請求項１に記載の方法。
3. 前記画像に含まれる光源を分類して分類結果を得ることは、
   前記画像を光源検出モデルに入力し、該光源検出モデルに基づいて、前記画像内の光源カテゴリを得ること、
   を含む、請求項１又は２に記載の方法。
4. 前記画像を光源検出モデルに入力する前に、前記方法は、
   複数のサンプル画像を用いることにより前記光源検出モデルを訓練することであって、該サンプル画像は前記光源と、前記光源の注釈情報とを含む、こと、
   を含む、請求項３に記載の方法。
5. 前記光源検出モデルに基づいて、前記画像内の光源カテゴリを得ることは、
   前記画像から明るさ値がプリセット閾値よりも大きい輝点を選択し、該輝点のためにランプボックスを設定することと、
   前記ランプボックスに対してペアリングを行って、複数のランプボックスのペアを得ることと、
   前記複数のランプボックスのペアに基づいて消失点水平線ＶＰ線を決定することであって、該ＶＰ線は前記画像の第１の領域と第２の領域とを区別するために用いられる、ことと、
   前記輝点と前記ＶＰ線との位置関係と、前記輝点の色特徴に基づいて前記輝点を分類して、異なる光源カテゴリを得ることと、
   を含む、請求項３又は４に記載の方法。
6. 前記ランプボックスに対してペアリングを行うことの前に、前記方法は、
   ランプボックスの間に重複又は接線がないことを確かにするために、前記ランプボックスに対して重複除去を行うこと、
   さらに含む、請求項５に記載の方法。
7. 前記複数のランプボックスのペアに基づいて消失点水平線ＶＰ線を決定することは、
   前記ランプボックスのペアのランプボックスの中心を前記画像の行にマッピングして、前記ランプボックスのペアの行内数量分布マップを得ることと、
   前記行内数量分布マップに基づいてＶＰ線を選択することと、
   プリセット補正値に基づいて前記ＶＰ線を補正して、補正されたＶＰ線を得ることと、
   基準値を用いることにより前記補正されたＶＰ線を調整して、前記輝点を分類するのに用いられるＶＰ線を得ることであって、前記基準値は前記ビデオカメラのピッチ角の変化を記述するために用いられる、ことと、
   を含む、請求項５又は６に記載の方法。
8. インテリジェントライトスイッチングシステムであって、
   画像を取得するように構成された取得ユニットであって、該画像は車両の固定位置に配置されたビデオカメラによって撮影され、該画像には光源情報が記録されている、取得ユニットと、
   前記画像に対応する周囲光の明るさ値を計算するように構成された周囲光検出ユニットと、
   前記光源情報に基づいて、前記画像に含まれる光源を分類して分類結果を得るように構成された光源分類ユニットと、
   前記画像に対応する周囲光の明るさ値及び前記分類結果に基づいてライトのスイッチングを行うように構成されたスイッチングユニットと、
   を含むシステム。
9. 前記周囲光検出ユニットは、
   前記画像から少なくとも１つの領域を選択し、該少なくとも１つの領域の明るさ値を計算することと、
   前記少なくとも１つの領域の明るさ値に基づいて、前記画像に対応する周囲光の明るさ値を計算することと、
   を行うように具体的に構成されている、請求項８に記載のシステム。
10. 前記画像に含まれる光源を分類して分類結果を得る場合、前記光源分類ユニットは、
    前記画像を光源検出モデルに入力し、該光源検出モデルに基づいて、前記画像内の光源カテゴリを得ること、
    を行うように具体的に構成されている、請求項８又は９に記載のシステム。
11. 前記画像を前記光源検出モデルに入力する前に、前記光源分類ユニットは、
    複数のサンプル画像を用いることにより前記光源検出モデルを訓練することであって、該サンプル画像は前記光源と、前記光源のラベルとを含む、こと、
    を行うようにさらに構成されている、請求項１０に記載のシステム。
12. 前記光源検出モデルに基づいて、前記画像内の光源カテゴリを得る場合、前記光源分類ユニットは、
    前記画像から明るさ値がプリセット閾値よりも大きい輝点を選択し、該輝点のためにランプボックスを設定することと、
    前記ランプボックスに対してペアリングを行って、複数のランプボックスのペアを得ることと、
    前記複数のランプボックスのペアに基づいて消失点水平線ＶＰ線を決定することであって、該ＶＰ線は前記画像の第１の領域と第２の領域とを区別するために用いられる、ことと、
    前記輝点と前記ＶＰ線との位置関係と、前記輝点の色特徴に基づいて前記輝点を分類して、異なる光源カテゴリを得ることと、
    を行うように具体的に構成されている、請求項１０又は１１に記載のシステム。
13. 前記ランプボックスに対してペアリングを行うことの前に、前記光源分類ユニットは、
    ランプボックスの間に重複又は接線がないことを確かにするために、前記ランプボックスに対して重複除去を行うこと、
    を行うようさらに構成されている、請求項１２に記載のシステム。
14. 前記複数のランプボックスのペアに基づいて消失点水平線ＶＰ線を決定する場合、前記光源分類ユニットは、
    前記ランプボックスのペアのランプボックスの中心を前記画像の行にマッピングして、前記ランプボックスのペアの行内数量分布マップを得ることと、
    前記行内数量分布マップに基づいてＶＰ線を選択することと、
    プリセット補正値に基づいて前記ＶＰ線を補正して、補正されたＶＰ線を得ることと、
    基準値を用いることにより前記補正されたＶＰ線を調整して、前記輝点を分類するのに用いられるＶＰ線を得ることであって、前記基準値は前記ビデオカメラのピッチ角の変化を記述するために用いられる、ことと、
    を行うように具体的に構成されている、請求項１２又は１３に記載のシステム。
15. コンピュータ装置であって、当該コンピュータ装置はメモリ及びプロセッサを含み、該プロセッサが該メモリに記憶されたコンピュータ命令を実行することにより、当該コンピュータ装置は請求項１乃至７のいずれか一項に記載の方法を行うことができる、コンピュータ装置。
16. コンピュータ読み取り可能記憶媒体であって、当該コンピュータ読み取り可能記憶媒体はコンピュータプログラムを記憶し、該コンピュータプログラムがプロセッサによって実行された場合、請求項１乃至７のいずれか一項に記載の方法が実施される、コンピュータ読み取り可能記憶媒体。
17. 請求項８乃至１４のいずれか一項に記載のインテリジェントライトスイッチングシステムを含む車両。
    

Images