專利名稱：用于分析車輛的圖像采集裝置的圖像的方法與設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于分析圖像采集裝置的圖像的方法、一種相應(yīng)的控制設(shè)備以及一種相應(yīng)的計算機程序產(chǎn)品。
背景技術(shù)：
US-7423752B2涉及霧識別算法，其嘗試確定霧中攝像機的視距。在此，對象識別基于邊緣識別。

發(fā)明內(nèi)容
在所述背景下，通過本發(fā)明提出根據(jù)本發(fā)明的獨立權(quán)利要求所述的一種用于分析 圖像采集裝置的圖像的方法、一種使用所述方法的設(shè)備以及一種相應(yīng)的計算機程序產(chǎn)品。有利的構(gòu)型由相應(yīng)的從屬權(quán)利要求和以下描述得出。本發(fā)明的核心是失明識別算法，其中可以根據(jù)攝像機調(diào)節(jié)進行失明識別。借助于攝像機調(diào)節(jié)可以確定關(guān)于圖像中的結(jié)構(gòu)的概率的說明并且相應(yīng)地匹配失明識別的靈敏度。為了得到關(guān)于攝像機的失明的說明，因此可以一起考慮攝像機調(diào)節(jié)的特征曲線。通過使用攝像機的特征曲線而不僅僅使用亮度，可以更準確地匹配靈敏度。通過特征曲線和(因此)再線性化直方圖的知識，可以使失明識別的靈敏度顯著更好地匹配于實際情況。所產(chǎn)生的直方圖可以不僅用于靈敏度的評價而且也可以直接用作除圖像中的結(jié)構(gòu)以外的其他信息源，以便獲得關(guān)于失明的說明。所述實施方式的另一優(yōu)點在于關(guān)于圖像的確定部分中的再線性化直方圖的知識，不僅僅關(guān)于整個圖像的知識。因此，尤其是可以改善圖像的一部分中具有強亮度差的情景中的失明。通過使用攝像機調(diào)節(jié)的信息，可以使失明識別顯著更好地匹配于實際情況。由此能夠?qū)崿F(xiàn)關(guān)于失明的更穩(wěn)定的說明。失明識別算法可以基于結(jié)構(gòu)，例如對象的邊緣。根據(jù)本發(fā)明，可以進行攝像機圖像的劃分。優(yōu)選地，可以生成用于不同功能——例如用于冷凝時的擋風玻璃加熱的運行的特定的失明信號。為了改進失明識別，可以將其他測量算法的結(jié)果一起納入失明的評價?？梢杂嬎銏D像中的不同區(qū)域的失明概率并且可以由此生成不同算法的失明信號。當已識別到失明時，算法可以又進入可靠狀態(tài)中?？梢愿郊拥匾郧逦曇案怕视嬎闶鞲怕省Ｒ虼?，清晰視野信息可以用于支持失明識別。附加地，失明識別的靈敏度可以與照明相關(guān)。例如，在夜間存在較低的概率，從而當在攝像機圖像中發(fā)現(xiàn)較少的邊緣時涉及失明。如果將攝像機圖像劃分成一些失明區(qū)域，則由這些失明區(qū)域又可以計算失明信號。例如，圖像的上部部分中的區(qū)域?qū)τ谲嚨雷R別功能的失明識別而言是不重要的。根據(jù)本發(fā)明，失明信號的去抖動可以與識別失明的持續(xù)時間相關(guān)。本發(fā)明提供一種用于分析車輛的圖像采集裝置的圖像的方法，所述方法包括以下步驟通過圖像接口接收圖像，其中所述圖像表示由圖像采集裝置提供的圖像數(shù)據(jù)；基于所述圖像在考慮圖像采集裝置的曝光特征曲線的情況下確定圖像的亮度信息；根據(jù)亮度信息調(diào)節(jié)閾值；確定圖像的圖像結(jié)構(gòu)；基于所述圖像結(jié)構(gòu)在使用閾值的情況下確定圖像的失明值。圖像采集裝置可以是設(shè)置在車輛中或設(shè)置在車輛上的攝像機。圖像采集裝置可以被構(gòu)造用于連續(xù)地檢測和提供車輛周圍環(huán)境的圖像信息或圖像。這些圖像可以由車輛中的不同功能或用戶一例如車窗加熱裝置或車道輔助系統(tǒng)使用。如果圖像采集裝置失明，則提供給這些功能的圖像不包含可用的圖像信息。如果沒有識別到失明，則這會導(dǎo)致這些功能的故障。失明例如可以通過圖像采集裝置的光學(xué)器件的嚴重沾污或通過圖像采集裝置的光學(xué)器件的損壞引起。失明可以涉及由圖像采集裝置提供的圖像的整個圖像部分或者僅僅一個或多個圖像部分。失明值或由其求得的用于失明概率的值定義以怎樣的概率存在攝像機的失明。因此，基于失明值或失明概率可以確定涉及所述圖像的圖像信息是否由于失明而是有錯誤的并且因此在相應(yīng)的功能中不應(yīng)被分析處理或僅僅被有限地分析處理。所述圖像結(jié)構(gòu)可以涉及沿著圖像內(nèi)的亮度邊界的邊緣曲線。因此，邊緣可以定義亮度差?？梢苑治鎏幚磉吘壡€的特性一例如其方向或長度，以便確定失明值。為了確定失明值，可以將 特定的特性一例如邊緣斜率與可以相應(yīng)于失明閾值的閾值進行比較。通過所述閾值可以調(diào)節(jié)失明識別的靈敏度。通過根據(jù)亮度信息調(diào)節(jié)閾值，識別失明取決于攝像機調(diào)節(jié)。圖像結(jié)構(gòu)也可以表示例如可以由對象識別進行識別的一個或多個對象。在這種情況下，為了確定失明值，可以將多個所識別的對象與在所述情況中可以相應(yīng)于清晰視野閾值的閾值進行比較。因此，可以僅僅通過失明識別、僅僅通過清晰視野檢查或者通過失明識別與清晰視野檢查的組合進行失明識別。在組合的情況中，可以在彼此分離的裝置中進行失明識別和清晰視野檢查。根據(jù)本發(fā)明的方法可以包括由亮度信息確定再線性化直方圖的步驟?？梢愿鶕?jù)再線性化直方圖實施閾值的調(diào)節(jié)。除閾值的調(diào)節(jié)外，也可以使用除圖像結(jié)構(gòu)以外的直方圖直接作為其他信息源，以便獲取關(guān)于失明的說明。根據(jù)本發(fā)明的方法還可以包括基于亮度信息的時間變化求得亮度變化的步驟。此夕卜，對于區(qū)域中的每一個，可以基于亮度變化實施失明概率的確定。亮度變化是用于識別或防止失明的附加可行方案。在此，可以分析處理直方圖。只要在此存在較少運動，則這可以認為是對失明的指示。根據(jù)一種實施方式，圖像結(jié)構(gòu)可以分別表示每個區(qū)域的邊緣斜率。所述邊緣斜率可以借助于已知的方法求得并且給出圖像部分的結(jié)構(gòu)性的良好度量。根據(jù)一種實施方式，圖像結(jié)構(gòu)可以表示至少一個在圖像中成像的對象。例如，圖像結(jié)構(gòu)可以表征對象的輪廓或面變化，其可以用于圖像識別。根據(jù)本發(fā)明的方法還可以包括接收關(guān)于已經(jīng)基于由圖像采集裝置提供的圖像識別的對象的信息的步驟。在一個確定對象數(shù)量的步驟中，可以基于關(guān)于對象的信息確定圖像的對象數(shù)量，其中所述對象數(shù)量包括每個圖像的多個所識別的對象。在一個確定的步驟中，可以基于對象數(shù)量在使用清晰視野閾值的情況下確定圖像的清晰視野值。可以基于失明值和清晰視野值實施圖像失明概率的確定。通過分析處理圖像中的對象的數(shù)量，可以附加地防止失明。如果沒有計數(shù)到對象，則這可以是對攝像機的失明的指示。考慮用于確定清晰視野值的對象例如可以是所識別的車道或其他車輛。清晰視野值或由此求得的用于失明概率的值定義以怎樣的概率存在攝像機的清晰視野或失明?？梢杂瑟毩⒌膶ο笞R別裝置實施對象識別?？梢曰跀z像機的當前圖像或者基于在時間上在前的圖像實施對象識別?？梢杂嫈?shù)在預(yù)先確定的時間間隔內(nèi)識別到的對象的數(shù)量。通過所述方式可以不斷地更新對象數(shù)量的值。根據(jù)一種實施方式，可以根據(jù)亮度信息進行清晰視野值的調(diào)節(jié)。通過所述方式，可以在清晰視野檢查時考慮通過攝像機調(diào)節(jié)所調(diào)節(jié)的圖像采集靈敏度?？梢愿鶕?jù)圖像的對象數(shù)量與清晰視野閾值的比較使圖像的現(xiàn)有的清晰視野值改變一個預(yù)先確定的值。例如，當沒有計數(shù)到對象或者計數(shù)到比通過清晰視野閾值說明的更少的對象時，可以減小現(xiàn)有的清晰視野值。根據(jù)一種實施方法，根據(jù)本發(fā)明的方法可以包括將圖像劃分成各個區(qū)域的步驟，其中對于這些區(qū)域中的每一個可以確定一個失明值和/或一個清晰視野值。為了對于每一個區(qū)域確定一個失明值，可以在劃分圖像之后在使用失明閾值的情況下對于這些區(qū)域中的 每一個確定圖像的圖像結(jié)構(gòu)以及基于相應(yīng)區(qū)域的圖像結(jié)構(gòu)確定這些區(qū)域中的每一個的失明值。因此，可以將整個圖像劃分成一些區(qū)域，其中每一個區(qū)域包括整個圖像的一個確定的部分。所有區(qū)域可以共同得到整個圖像。圖像的各個區(qū)域不可重疊。因此，無需重復(fù)分析處理圖像數(shù)據(jù)。替代地，各個區(qū)域的圖像部分的重疊也是可能的。對于每一個區(qū)域確定一個失明值。此外，對于每一個區(qū)域基于相應(yīng)的失明值可以確定所述區(qū)域的失明概率。失明值或由其求得的失明概率的值定義在由相應(yīng)的區(qū)域覆蓋的部分中以怎樣的概率存在攝像機的失明。因此，可以基于失明概率確定涉及所述區(qū)域的圖像信息是否由于失明而是有錯誤的并且因此在相應(yīng)的功能中不應(yīng)被分析處理或僅僅被有限地分析處理。在此，對于區(qū)域中的每一個，可以計數(shù)在多個區(qū)域上延伸的對象。如果在一個區(qū)域中計數(shù)多個對象，則這意味著攝像機至少關(guān)于所述區(qū)域不是失明的。根據(jù)本發(fā)明的方法還可以包括基于第一組區(qū)域的失明值確定第一失明信息以及基于第二組區(qū)域的失明值確定第二失明信息的步驟?？梢宰鳛槭餍盘柼峁┧鍪餍畔?。失明信息可以分別示出是否關(guān)于相應(yīng)的區(qū)域組假定圖像采集裝置的失明。在此，可以向基于圖像的第一組區(qū)域中的圖像信息的功能提供第一失明信息。相應(yīng)地，可以向基于第二組圖像區(qū)域中的圖像信息的功能提供第二失明信息。各個區(qū)域可以包含在多個組中。根據(jù)本發(fā)明的方法可以包括向第一圖像分析處理裝置提供第一失明信息和向第二圖像分析處理裝置提供第二失明信息的步驟。第一圖像分析處理裝置可以被構(gòu)造用于分析處理在第一組區(qū)域中包含的圖像信息，第二圖像分析處理裝置可以被構(gòu)造用于分析處理第二組區(qū)域中包含的圖像信息?？梢苑謩e作為信號提供失明信息。圖像分析處理裝置可以表示功能或用戶。此外，本發(fā)明還實現(xiàn)一種用于分析圖像采集裝置的圖像的設(shè)備，其被構(gòu)造用于實施或者實現(xiàn)根據(jù)本發(fā)明的方法的步驟。本發(fā)明所基于的任務(wù)也可以通過本發(fā)明的設(shè)備形式的實施變型方案快速且高效地解決。設(shè)備在此可以理解為處理傳感器信號和據(jù)此輸出控制信號的電設(shè)備。所述設(shè)備可以具有硬件構(gòu)造的和/或軟件構(gòu)造的接口。在硬件構(gòu)造時，接口例如可以是所謂的系統(tǒng)ASIC的一部分，其包含所述設(shè)備的各種不同的功能。但也可能的是，接口是單獨的集成電路或者至少部分地由分立的部件組成。在軟件構(gòu)造時，接口可以是例如在微控制器上與其他軟件模塊共存的軟件模塊。具有程序代碼的計算機程序產(chǎn)品也是有利的，所述程序代碼可以存儲在機器可讀的載體——如半導(dǎo)體存儲器、硬盤存儲器或光學(xué)存儲器上，并且用于當在設(shè)備上執(zhí)行所述程序時實施根據(jù)以上描述的實施方式之一的方法。


以下根據(jù)附圖示例性地進一步闡述本發(fā)明。附圖示出圖I :本發(fā)明的一個實施例的流程圖；圖2 :本發(fā)明的另一實施例的流程圖；圖3 :根據(jù)本發(fā)明的一個實施例的根據(jù)本發(fā)明的方法的部分區(qū)段的流程圖； 圖4 :根據(jù)本發(fā)明的一個實施例的根據(jù)本發(fā)明的方法的另一部分區(qū)段的流程圖；圖5 :根據(jù)本發(fā)明的一個實施例的攝像機圖像的示圖；以及圖6 :根據(jù)本發(fā)明的一個實施例的亮度特征曲線。
具體實施例方式在本發(fā)明的優(yōu)選實施例的以下描述中，對于在不同附圖中示出的并且作用類似的元素使用相同或相似的附圖標記，其中不重復(fù)描述這些元素。圖I示出根據(jù)本發(fā)明一個實施例的用于分析圖像采集裝置的圖像的方法的流程圖。在步驟101中接收圖像。所述圖像可以作為原始圖像直接由圖像采集裝置一例如攝像機接收或者作為經(jīng)預(yù)處理的圖像由預(yù)處理裝置接收。所述圖像可以具有例如像點形式的圖像信息，所述圖像信息再現(xiàn)圖像采集裝置的視野范圍。在步驟103中可以確定圖像的亮度信息。這可以在考慮圖像采集裝置的曝光特征曲線的情況下進行。關(guān)于曝光特征曲線的信息可以由圖像采集裝置提供或者可以從存儲裝置中讀取。在步驟105中可以根據(jù)亮度信息實施失明閾值的調(diào)節(jié)。此外，在步驟107中可以確定圖像的圖像結(jié)構(gòu)并且在步驟109中確定圖像的失明值。在此，可以基于圖像結(jié)構(gòu)在使用失明閾值的情況下確定失明值。在步驟111中由失明值確定圖像的失明概率。根據(jù)另一實施例，不僅可以確定整個圖像的總失明值或總失明概率也可以確定圖像的各個區(qū)域的各個失明值或各個失明概率。為此可以將圖像劃分成多個區(qū)域。例如可以形成三個行和三個列，從而將圖像劃分成九個區(qū)域。替代地，也可以通過另一方式來劃分圖像，并且形成多于或少于九個區(qū)域。這些區(qū)域可以分別覆蓋不同的圖像部分。替代地，存在這些區(qū)域的部分重疊?？梢匀绱诉x擇圖像部分，使得由算法使用的區(qū)域被覆蓋。對于每一個區(qū)域確定位于相應(yīng)區(qū)域內(nèi)的圖像結(jié)構(gòu)。圖像結(jié)構(gòu)可以表示邊緣曲線。可以基于已知的方法——例如用于確定圖像中的邊緣的方法來進行圖像結(jié)構(gòu)的確定。使用每一個區(qū)域的圖像結(jié)構(gòu)，以便對于這些區(qū)域中的每一個確定一個失明值。即，對于每一個區(qū)域基于相應(yīng)圖像的圖像結(jié)構(gòu)確定一個自己的失明值。為此，可以將圖像結(jié)構(gòu)或者由其導(dǎo)出的參量與一個失明閾值進行比較。根據(jù)本發(fā)明可以使用平均邊緣斜率作為結(jié)構(gòu)。根據(jù)比較結(jié)果，可以將失明值設(shè)置為一個相應(yīng)的值。例如，所述失明值可以在超過所述失明閾值時具有第一值而在低于所述失明閾值時具有第二值。第一值可以給出關(guān)于對于相應(yīng)區(qū)域存在失明的提示而第二數(shù)值可以給出關(guān)于對于相應(yīng)區(qū)域存在非失明的提示，或者反之。失明閾值可以是固定地預(yù)給定的，但或者也可以是可調(diào)節(jié)的。如果失明閾值是可調(diào)節(jié)的，則可以通過失明閾值來調(diào)節(jié)失明識別的靈敏度。例如可以根據(jù)圖像的亮度或圖像的區(qū)域的亮度來調(diào)節(jié)失明閾值。如果根據(jù)圖像的一個區(qū)域的亮度來調(diào)節(jié)失明閾值，則所述區(qū)域可以是一個預(yù)先確定的區(qū)域或者是隨后基于失明閾值確定失明值的區(qū)域。根據(jù)亮度可以選擇與亮度相對應(yīng)的失明閾值。圖像的亮度取決于圖像采集裝置的調(diào)節(jié)。所述調(diào)節(jié)例如可以表示曝光特征曲線。圖像的亮度取決于曝光特征曲線。圖像可以具有高亮度，盡管所檢測的環(huán)境是暗的。在知道曝光特征曲線或在檢測圖像時所使用的調(diào)節(jié)的情況下可以由圖像的亮度得出例如由圖像成像的環(huán)境的實際亮度。因此可以根據(jù)所述實際亮度選擇與實際亮度相對應(yīng)的失明閾值。為此不需要用于求得環(huán)境中的亮度的其他傳感機構(gòu)。取而代之地，可以基于圖像的亮度或圖像的一個區(qū)域的亮度和攝像機調(diào)節(jié)來確定實際亮度。關(guān)于攝像機調(diào)節(jié)的信息可以通過接口提供給根據(jù)本發(fā)明的方法。 對于每一個區(qū)域可以確定一個失明概率。一個區(qū)域的失明概率基于與所述區(qū)域相對應(yīng)的失明值確定。一個區(qū)域的失明概率說明圖像采集裝置在由所述區(qū)域覆蓋的部分內(nèi)以怎樣的概率是失明的?？梢詫⒏鱾€區(qū)域的失明概率彼此關(guān)聯(lián)?？梢孕纬刹煌氖餍畔?，這些失明信息可以分別涉及區(qū)域的不同分組。例如，對于第一組區(qū)域可以確定第一失明信息，并且對于第二組區(qū)域可以確定第二失明信息。相應(yīng)的失明信息基于相應(yīng)組的區(qū)域的失明概率?？梢孕纬善渌M的其他失明信息。也可以形成僅僅對應(yīng)于一個單個區(qū)域的失明信息。所述失明信息或者基于所述失明信息的信號可以提供給分析處理或者再處理圖像的由相應(yīng)區(qū)域組覆蓋的部分。例如，當由區(qū)域組的失明概率形成的平均失明概率超過或低于一個極限值時，基于失明信息的信號可以包含對所識別的失明的警告。替代地，當一個或多個區(qū)域的失明概率低于或超過一個極限值時，基于失明信息的信號可以包含對所識別的失明的警告。為了能夠更準確地確定失明概率，可以附加地對于每一個區(qū)域確定一個自己的清晰視野值。清晰視野值的大小分別取決于在相應(yīng)的區(qū)域中是否識別到對象，如果識別到對象，識別到多少個對象。對象識別可以是根據(jù)本發(fā)明的方法的一部分，或者與根據(jù)本發(fā)明的方法分離地實施對象識別。如果單獨地進行對象識別，則可以向根據(jù)本發(fā)明的方法提供相應(yīng)的對象信息，由所述對象信息可以求得每個區(qū)域的對象數(shù)量。可以并行地確定失明值與清晰視野值。因此，對于每一個區(qū)域可以確定一個相對應(yīng)的清晰視野值和一個相對應(yīng)的失明值，并且可以基于此確定一個相對應(yīng)的失明概率。在這種情況下，通過將相應(yīng)的失明值與相應(yīng)的清晰視野值彼此組合或邏輯關(guān)聯(lián)來確定一個區(qū)域的失明概率?？梢苑謩e對于所有區(qū)域或僅僅對于確定的區(qū)域確定失明概率?？梢圆粩嗟刂貜?fù)或者響應(yīng)于請求地執(zhí)行根據(jù)本發(fā)明的方法。圖2示出根據(jù)本發(fā)明的另一實施例的用于分析圖像采集裝置的圖像的方法的流程圖。示出了傳感器圖像202，其例如可以由圖像采集裝置提供。在步驟204中將圖像202劃分成九個區(qū)域。所述九個區(qū)域形成3x3矩陣。隨后確定206每個區(qū)域的平均邊緣斜率。在步驟208中根據(jù)一個閾值確定每個區(qū)域的失明。失明的概率可以表示為百分比并且取決于當前的平均邊緣斜率相對于閾值的差。在這種情況下100%意味著不存在邊緣并且因此存在失明。0%意味著平均邊緣斜率高于所述閾值。與步驟202、204并行地，在步驟210中可以確定圖像202中或一個區(qū)域中的亮度。在步驟210中可以確定一個閾值。為此，特征曲線可以表示閾值與亮度之間的關(guān)系。在步驟208中可以使用所述閾值來確定失明。附加地或替代地，在步驟210中可以考慮圖像采集裝置的調(diào)節(jié)，例如曝光特征曲線，以便確定所述閾值。又與步驟202、204、208并行地，在步驟214中可以接收測量算法的結(jié)果。所述測量算法可以被構(gòu)造用于基于傳感器圖像202或基于在時間上在傳感器圖像202之前的圖像來識別例如車道、對象或交通標志(統(tǒng)稱為對象)。在步驟216中可以實施在一個時間間隔內(nèi)在九個區(qū)域之一中探測到的對象的數(shù)量的計數(shù)。隨后可以實施閾值的比較218。如果 在區(qū)域中存在比閾值更多的所識別的對象，則在步驟220中可以將所述區(qū)域的清晰視野概率設(shè)置為100%。相反，如果在所述區(qū)域中不存在多于所述閾值的所識別的對象，則在步驟222中降低所述區(qū)域的清晰視野概率。例如可以由所述區(qū)域的現(xiàn)有的清晰視野概率形成所述區(qū)域的當前的清晰視野概率，其中從現(xiàn)有的清晰視野概率中減去值I。在這種情況下清晰視野概率=清晰視野概率-I。步驟202、204、206、208、210、212 用于失明識別。步驟 214、216、218、220、222 用于
清晰視野識別。在步驟224中將在步驟208中確定的失明值與在步驟220、222中確定的清晰視野值相結(jié)合并且確定失明概率。例如為此可以實施減法。在此對于每一個區(qū)域可以確定一個自己的失明概率。根據(jù)所述實施例失明概率=失明-清晰視野。在此，失明概率不可以是負的。清晰視野的值可以等于清晰視野概率。在步驟226中對于每一個由根據(jù)本發(fā)明的方法提供失明信息的功能確定一個失明信號?？梢杂刹煌瑓^(qū)域的失明概率來確定對于確定的功能確定的失明信號。在步驟228中實施所述一個或多個失明信號的發(fā)送。以下根據(jù)其他實施例進一步描述根據(jù)本發(fā)明的失明識別與清晰視野檢查的各個方法步驟。圖3示出根據(jù)本發(fā)明一個實施例的失明識別的框圖。示出了成像器或圖像轉(zhuǎn)換裝置302，其被構(gòu)造用于向用于失明識別的裝置308提供原始圖像。用于失明識別的裝置308被構(gòu)造用于基于原始圖像確定失明矩陣并且將所述失明矩陣提供給用于信號處理的裝置326。用于信號處理的裝置326被構(gòu)造用于基于失明矩陣向失明識別的用戶提供信號。參照在圖2中示出的實施例，成像器302可以被構(gòu)造用于提供傳感器圖像202。在裝置308中例如可以執(zhí)行方法步驟204、206、208、210、212、224，在裝置326中可以執(zhí)行方法步驟 226、228。為了失明識別，例如可以將例如由成像器302提供的每一個圖像劃分成九個相同大小的區(qū)域。對于每一個區(qū)域，例如可以在裝置308中計算一個失明概率。失明概率可以基于在圖像中找到的結(jié)構(gòu)。所述結(jié)構(gòu)可以是邊緣。在可以相應(yīng)于裝置326的另一組件中可以確定用于各個失明用戶的信號。失明用戶例如可以包括FDD、ACC、SHE*RSR。FDD涉及黑暗時的車輛探測。其對于前大燈的控制而言是必要的。如果存在失明，則沒有發(fā)現(xiàn)車輛并且以持續(xù)遠光行駛，這導(dǎo)致炫目。ACC涉及自適應(yīng)巡航控制。車輛因此自動地行駛并且必須為此監(jiān)視車輛的空間，如果存在失明，則例如識別不到行人。SHE涉及車窗加熱。如果發(fā)現(xiàn)失明，則首先加熱一次，以便在必要時消除失明。RSR涉及道路標志牌識別。圖4示出根據(jù)本發(fā)明的一個實施例的清晰視野檢查與失明識別的框圖。示出了算法414，其被構(gòu)造用于向用于清晰視野檢查的裝置418提供結(jié)果。用于清晰視野檢查的裝置418被構(gòu)造用于基于所述結(jié)果來確定清晰視野矩陣并且向用于失明識別的裝置424以及向用于信號處理的裝置430提供所述清晰視野矩陣。用于信號處理的裝置430被構(gòu)造用于基于清晰視野矩陣提供信號“Freisichtjio”。用于失明識別的裝置424被構(gòu)造用于基于清晰視野矩陣提供失明信號。對于每一個區(qū)域，所述清晰視野矩陣可以具有一個清晰視野概率值。參照在圖2中示出的實施例，算法414可以被構(gòu)造用于提供結(jié)果214。裝置418可以被構(gòu)造用于執(zhí)行方法步驟216、218、220、222。裝置424可以被構(gòu)造為用于執(zhí)行方法步驟224。為了清晰視野檢查，可以如在失明識別中那樣將圖像劃分成九個大小相同的區(qū)域。當在例如一秒鐘的時間間隔內(nèi)探測到多于確定數(shù)量的對象一例如車道、FDD對象或MOV對象時，將相應(yīng)的矩陣元素設(shè)置為100%。當在另外的時間間隔中不再探測到對象時，則清晰視野值分別每個時間間隔降級一個確定的百分比，例如1%。MOV表示單目對象驗證(Monoocular-ObjectVerfiaktion)并且原本必須稱作 MOD (Ob jectDetection :對象檢測)，因為借助于攝像機在日間探測對象，如汽車或摩托車?；谇逦曇皺z查，可以確定信號freiSicht_ni0。尤其是，可以基于清晰視野矩
陣來確定所述信號freisicht_nio。如果在圖像中識別到足夠的對象-例如LDA對象、
FDD對象和MOV對象，則根據(jù)所述實施例將所述信號freisicht_nio從I設(shè)置為O。信號從一端開始設(shè)置15個循環(huán)。一旦識別到清晰視野，則發(fā)送并且不重新計算信號freisicht_nio0因此，基于由算法414提供的結(jié)果不僅可以實施清晰視野檢查而且可以實施失明識別。所識別的清晰視野導(dǎo)致失明的修復(fù)。然而，這根據(jù)所述實施例僅僅適用于對DPC的清晰視野檢查，即使用LDA和FDD的結(jié)果。在此，從失明概率中減去清晰視野百分比值。基于所述九個失明矩陣，所謂的經(jīng)修復(fù)的失明矩陣可以計算失明識別的各個信號。DPC表示兩用攝像機(Dual Purpose Camera)。在攝像機上僅有兩個主功能,更確切地說黑暗中的車道識別和車輛識別。圖5示出根據(jù)本發(fā)明的一個實施例的傳感器圖像202。圖像劃分成三個列和三個行，從而形成九個區(qū)域。對于每一個區(qū)域提供了涉及失明和清晰視野的值，其可以按照根據(jù)本發(fā)明的方法對于所示的圖像202確定。對于上面一行的區(qū)域，從左向右確定如下值失明指示器74，73, 73
經(jīng)修復(fù)的失明74，73，73
清晰視野DCP:O, O, O
清晰視野BVS:O, O, O
組合的清晰視野O，O，O對于中間一行的區(qū)域，從左向右確定如下值
失明指示器63，67，68 經(jīng)修復(fù)的失明63，67，68
清晰視野DCP:O, 0，O
清晰視野 BVS:O, 100，100
組合的清晰視野0，100，100對于下面一行的區(qū)域，從左向右確定如下值
失明指示器 69，69，69 經(jīng)修復(fù)的失明 69，69，69 清晰視野DCP: O, O, O 清晰視野BVS: O, O, O
組合的清晰視野81，0，O當一次設(shè)置信號Freisicht_nio = O時，不再實施BVS上的清晰視野識別。BVS表示圖像處理控制設(shè)備(BildVerarbeitungsSteuergerat)。因為攝像機可以僅僅體現(xiàn)兩個
功能，所以在BVS上計算其他功能。圖像202示出車輛的不同擋風玻璃。圖像202在上面一行的區(qū)域中具有比下面一行的區(qū)域中更高的亮度。在圖像202中不能識別清楚的結(jié)構(gòu)并且不能識別對象。借助于根據(jù)本發(fā)明的方法可以確定和提供失明信號。參照圖2可以在方法步驟226中確定失明信號。根據(jù)所述實施例，對于失明識別的每個用戶，選擇圖像中的要識別失明的部分。當所述區(qū)域中的平均失明概率在預(yù)先確定的持續(xù)時間(例如45秒)上高于一個閾值，則發(fā)送相應(yīng)的失明信號。對于用戶車窗加熱，使用整個圖像來進行識別。因此，選擇所有區(qū)域或子圖像。關(guān)于失明ACC，使用圖像的中部和下部，即例如在圖5中示出的中間一行和下面一行的子圖像。關(guān)于失明FDD，使用圖像的中部部分。關(guān)于失明RSR，使用中部部分或上部部分。關(guān)于失明“錯誤存儲記錄”，適用30分鐘的去抖動時間并且使用整個圖像。圖6示出根據(jù)本發(fā)明的一個實施例的亮度特征曲線612。亮度特征曲線612繪制在一個圖中，其中在橫坐標上繪制了光強度cbl (基于攝像機的光傳感器)并且在縱坐標上繪制了閾值的平均值，其表示失明識別的靈敏度。參照圖2，可以在方法步驟212中使用亮度特征曲線612。根據(jù)圖像的亮度可以從亮度特征曲線612中讀取閾值，所述閾值可以在方法步驟208中使用。閾值對于Icbl的光強度具有值35，對于30cbl的光強度具有值100，對于600cbl的光強度具有值220，對于2000cbl的光強度具有值230并且對于15000cbl的光強度具有值350。因此，在暗圖像的情況下可以選擇更小的閾值而在亮圖像的情況下可以選擇更大的閾值。與此相應(yīng)地，與在極亮圖像的 情況下相比，在暗圖像的情況下存在失明確定方面的低靈敏度。其間，靈敏度隨著亮度增加而僅僅具有小的升高。亮度特征曲線612定義失明識別的靈敏度。特別是在夜間，可能出現(xiàn)結(jié)構(gòu)非常缺乏的場景，其類似于失明場景。因此，存在失明識別的與亮度相關(guān)的靈敏度，如其通過特征曲線612示出的那樣。除亮度特征曲線612以外或者替代亮度特征曲線612，可以考慮攝像機調(diào)節(jié)，以便調(diào)節(jié)失明識別的靈敏度?？梢酝ㄟ^曝光特征曲線考慮攝像機調(diào)節(jié)。因此，可以使失明識別擴展再線性化直方圖的平均值和方差，以便控制失明識別的靈敏度?？梢灾苯邮褂脭z像機調(diào)節(jié)的特征曲線，以便獲得關(guān)于圖像中的結(jié)構(gòu)附著性的說明。如果提供圖像中的多個部分的再線性化直方圖，則當圖像由非常亮的部分和非常暗的部分組成時可以獲得關(guān)于失明的更好說明。對于失明識別而言，世界中的亮度與對比度具有決定性意義，相反攝像機調(diào)節(jié)遵循以下目標總是產(chǎn)生具有盡可能高對比度的、曝光最佳的圖像。因此，原則上可考慮兩種場景。根據(jù)第一場景，世界例如由于霧是對比度缺乏的，但攝像機調(diào)節(jié)產(chǎn)生對比度豐富的圖像，其方式是，突出強調(diào)極低的對比度。根據(jù)第二場景，世界例如由于太陽較低或投影是對比度豐富的。為了攝像機調(diào)節(jié)可以呈現(xiàn)完整的對比度范圍，即在圖像中不存在飽和，壓縮暗部分和亮部分中的對比度。這導(dǎo)致邊緣(例如對于街道邊緣處的樹木)的消失，這又可能導(dǎo)致失明的探測。在兩種情況中有利的是，失明識別一起考慮攝像機調(diào)節(jié)的當前所調(diào)節(jié)的特征曲線并且因此不期待灰度值而期待亮度值。所描述的和在附圖中示出的實施例僅僅是示例性地選擇的。不同的實施例可以完整地或者在各個特征方面彼此組合。一個實施例也可以通過另一實施例的特征來補充。此夕卜，可以重復(fù)以及以不同于所描述的順序的順序來執(zhí)行根據(jù)本發(fā)明的方法步驟。
權(quán)利要求
1.用于分析車輛的圖像采集裝置的圖像的方法，所述方法包括以下步驟 通過圖像接口接收(101)圖像(202)，其中，所述圖像表示由所述圖像采集裝置(302)提供的圖像數(shù)據(jù)； 基于所述圖像在考慮所述圖像采集裝置的曝光特征曲線的情況下確定(103)所述圖像的亮度信息； 根據(jù)所述亮度信息調(diào)節(jié)(105)閾值； 確定(107)所述圖像的圖像結(jié)構(gòu)；以及 基于所述圖像結(jié)構(gòu)在使用所述閾值的情況下確定(109 ；208)所述圖像的失明值。
2.根據(jù)權(quán)利要求I所述的方法，其中，所述方法具有由所述亮度信息確定再線性化直方圖的步驟，其中，根據(jù)所述再線性化直方圖實施所述閾值的調(diào)節(jié)。
3.根據(jù)以上權(quán)利要求中任一項所述的方法，其中，所述方法具有基于所述亮度信息的時間變化求得亮度變化的步驟，其中，還基于所述亮度變化實施所述失明值的確定。
4.根據(jù)以上權(quán)利要求中任一項所述的方法，其中，所述圖像結(jié)構(gòu)分別表示每個區(qū)域的邊緣斜率。
5.根據(jù)以上權(quán)利要求中任一項所述的方法，其中，所述圖像結(jié)構(gòu)表示至少一個在所述圖像中成像的對象。
6.根據(jù)以上權(quán)利要求中任一項所述的方法，其中，所述方法具有接收關(guān)于基于由所述圖像采集裝置(302)提供的圖像識別的對象(214)的信息的步驟；所述方法具有基于關(guān)于所述對象的信息確定(216)所述圖像的對象數(shù)量的步驟，其中，所述對象數(shù)量包括每個圖像所識別的對象的數(shù)量；所述方法具有基于所述對象數(shù)量在使用清晰視野閾值的情況下確定(220，222)所述圖像的清晰視野值的步驟。
7.根據(jù)權(quán)利要求6所述的方法，其中，其中，所述方法具有根據(jù)所述亮度信息調(diào)節(jié)所述清晰視野閾值的步驟。
8.根據(jù)權(quán)利要求6或7中任一項所述的方法，其中，所述方法具有基于所述失明值和所述清晰視野值確定所述圖像的失明概率的步驟。
9.根據(jù)權(quán)利要求6至8中任一項所述的方法，其中，根據(jù)所述圖像的對象數(shù)量與所述清晰視野度閾值的比較使所述圖像的現(xiàn)有的清晰視野值改變一個預(yù)先確定的值。
10.根據(jù)以上權(quán)利要求中任一項所述的方法，其中，所述方法具有將所述圖像劃分成各個區(qū)域的步驟，其中，對于這些區(qū)域中的每一個確定一個失明值和/或一個清晰視野值。
11.根據(jù)權(quán)利要求10所述的方法，其中，所述方法具有基于第一組區(qū)域的失明值來確定(111 ；226)第一失明信息并且基于第二組區(qū)域的失明值來確定第二失明信息的步驟。
12.設(shè)備，其被構(gòu)造用于實施根據(jù)權(quán)利要求I至11中任一項所述的方法的步驟。
13.具有程序代碼的計算機程序產(chǎn)品，所述程序代碼存儲在機器可讀的載體上，用于當在控制設(shè)備上執(zhí)行程序時實施根據(jù)權(quán)利要求I至11中任一項所述的方法。
全文摘要
本發(fā)明提出了一種用于分析車輛的圖像采集裝置的圖像的方法。在考慮圖像采集裝置的曝光特征曲線的情況下確定(103)圖像的亮度信息以及根據(jù)所述亮度信息調(diào)節(jié)(105)閾值。確定(107)所述圖像的圖像結(jié)構(gòu)以及基于所述圖像結(jié)構(gòu)在使用所述閾值的情況下確定(109)所述圖像的失明值。
文檔編號G06K9/00GK102844767SQ201180010967
公開日2012年12月26日 申請日期2011年2月10日 優(yōu)先權(quán)日2010年2月24日
發(fā)明者T·埃爾根, U·塞格, P·魯瑙 申請人:羅伯特·博世有限公司