本發(fā)明涉及一種用于通過(guò)機(jī)動(dòng)車輛的相機(jī)系統(tǒng)跟蹤接近機(jī)動(dòng)車輛的目標(biāo)車輛的方法。通過(guò)所述相機(jī)系統(tǒng)的至少一個(gè)相機(jī)提供所述機(jī)動(dòng)車輛的環(huán)境區(qū)域的圖像的時(shí)間序列?；谒瞿繕?biāo)車輛的前部或后部的特征而通過(guò)所述相機(jī)系統(tǒng)的圖像處理設(shè)備在所述序列的圖像中檢測(cè)所述目標(biāo)車輛，并且然后基于所檢測(cè)的特征而遍及所述序列的隨后圖像來(lái)跟蹤所述目標(biāo)車輛。此外，本發(fā)明涉及一種形成為執(zhí)行所述方法的用于機(jī)動(dòng)車輛的相機(jī)系統(tǒng)以及具有所述相機(jī)系統(tǒng)的機(jī)動(dòng)車輛。

背景技術(shù)：

用于檢測(cè)并且跟蹤接近機(jī)動(dòng)車輛的目標(biāo)車輛的相機(jī)系統(tǒng)從現(xiàn)有技術(shù)是已知的。因此，使用例如具有相機(jī)和圖像處理設(shè)備的機(jī)動(dòng)車輛的相機(jī)系統(tǒng)，其中，目標(biāo)車輛在相機(jī)通過(guò)圖像處理設(shè)備所捕獲的圖像的序列中被檢測(cè)，并且因此遍及圖像的序列被跟蹤。所述方法基于通過(guò)檢測(cè)目標(biāo)車輛的前部或后部的特征進(jìn)行跟蹤，并且使用例如通過(guò)AdaBoost算法受訓(xùn)練的檢測(cè)器。

此外，從US 8 004 425 B2的印刷品，相機(jī)安裝在車輛上的前部和后部以檢測(cè)機(jī)動(dòng)車輛的盲點(diǎn)區(qū)塊中的目標(biāo)車輛的系統(tǒng)是已知的。借助于光流實(shí)現(xiàn)目標(biāo)車輛的檢測(cè)。光流檢測(cè)遍及圖像的序列的改動(dòng)過(guò)的像素。

另一系統(tǒng)從印刷品US 6 424 272 B1是已知的。在此情況下，相機(jī)附連到機(jī)動(dòng)車輛的側(cè)部，并且對(duì)象識(shí)別方法應(yīng)用于檢測(cè)盲點(diǎn)區(qū)塊中的目標(biāo)車輛。用于檢測(cè)盲點(diǎn)區(qū)塊中的目標(biāo)車輛的系統(tǒng)從印刷品US 2003/0085806 A1也是已知的。該系統(tǒng)使用兩個(gè)立體相機(jī)以計(jì)算盲點(diǎn)區(qū)塊的立體視圖并且在其中通過(guò)光流來(lái)檢測(cè)目標(biāo)車輛的風(fēng)險(xiǎn)。

在所提及的現(xiàn)有技術(shù)中不利的是，一般，需要多個(gè)相機(jī)以關(guān)于目標(biāo)車輛監(jiān)控盲點(diǎn)區(qū)塊。這樣產(chǎn)生增加的制造和服務(wù)成本。此外，因此，監(jiān)控盲點(diǎn)區(qū)塊的系統(tǒng)在沒(méi)有很多努力的情況下無(wú)法改型。另一缺點(diǎn)是使用光流，其提供關(guān)于圖像的序列的變化的信息，但僅可以不精確地對(duì)特定對(duì)象進(jìn)行分類。此外，在機(jī)動(dòng)車輛的行駛期間，圖像中的背景也移動(dòng)，必須例如基于其它傳感器的傳感器數(shù)據(jù)而將其從圖像移除。在此，通過(guò)AdaBoost算法的檢測(cè)器檢測(cè)目標(biāo)車輛的前部或后部的特征的方法提供補(bǔ)救。然而，如果目標(biāo)車輛接近相機(jī)，則該方法也展現(xiàn)出缺陷，并且由此在另一視角中描述目標(biāo)車輛的前部或后部。因此，目標(biāo)車輛的當(dāng)前圖像不同于訓(xùn)練圖像，其在AdaBoost算法之下，并且檢測(cè)器已經(jīng)通過(guò)其被訓(xùn)練。目標(biāo)車輛的進(jìn)一步接近因此導(dǎo)致檢測(cè)器的降低的置信度值，其表示檢測(cè)的可靠性的測(cè)度。在當(dāng)前圖像與訓(xùn)練圖像之間的過(guò)大差異的情況下，檢測(cè)不再是可能的。該情況具體地說(shuō)如果目標(biāo)車輛進(jìn)入趕超中的機(jī)動(dòng)車輛的盲點(diǎn)區(qū)塊則完全導(dǎo)致目標(biāo)車輛僅能夠由圖像處理設(shè)備在有限時(shí)間段上被跟蹤并且非?？焖俚貋G失。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種方法、一種相機(jī)系統(tǒng)以及一種機(jī)動(dòng)車輛，其中，采取措施，其確?？梢蕴貏e可靠地并且具體地說(shuō)在更長(zhǎng)的時(shí)間段上、優(yōu)選地還在機(jī)動(dòng)車輛的盲點(diǎn)區(qū)塊中、甚至在因接近而導(dǎo)致的視角的變化的情況下跟蹤目標(biāo)車輛。

根據(jù)本發(fā)明，通過(guò)具有根據(jù)各個(gè)獨(dú)立權(quán)利要求的特征的方法、相機(jī)系統(tǒng)以及機(jī)動(dòng)車輛來(lái)解決該目的。本發(fā)明的有利實(shí)現(xiàn)方式是從屬權(quán)利要求、說(shuō)明書(shū)和附圖的主題內(nèi)容。

根據(jù)本發(fā)明的方法服務(wù)于通過(guò)機(jī)動(dòng)車輛的相機(jī)系統(tǒng)跟蹤接近機(jī)動(dòng)車輛(具體地說(shuō)，經(jīng)過(guò)機(jī)動(dòng)車輛)的目標(biāo)車輛。在機(jī)動(dòng)車輛的趕超操縱期間或在機(jī)動(dòng)車輛自身被目標(biāo)車輛趕超的同時(shí)優(yōu)選地實(shí)現(xiàn)跟蹤。優(yōu)選地，還在機(jī)動(dòng)車輛的盲點(diǎn)區(qū)塊中跟蹤目標(biāo)車輛。通過(guò)所述相機(jī)系統(tǒng)的至少一個(gè)相機(jī)提供所述機(jī)動(dòng)車輛的環(huán)境區(qū)域的圖像的時(shí)間序列?；谀繕?biāo)車輛的前部或后部的特征而通過(guò)相機(jī)系統(tǒng)的電子圖像處理設(shè)備(例如DSP)在序列的圖像中檢測(cè)目標(biāo)車輛，并且然后基于所檢測(cè)的特征遍及序列的隨后圖像跟蹤目標(biāo)車輛。根據(jù)本發(fā)明，提供：基于前部或后部的特征而在序列的隨后圖像之一中——并且因此在跟蹤目標(biāo)車輛期間由圖像處理設(shè)備至少檢測(cè)目標(biāo)車輛的側(cè)向側(cè)翼的預(yù)定特征。在檢測(cè)側(cè)向側(cè)翼的特征之后，然后基于側(cè)向側(cè)翼的特征而遍及序列中的其它圖像跟蹤目標(biāo)車輛，從而其實(shí)際上一旦圖像處理設(shè)備可以容易地檢測(cè)側(cè)向側(cè)翼的特征就從基于前部或后部而跟蹤目標(biāo)車輛轉(zhuǎn)變?yōu)榛趥?cè)向側(cè)翼的特征而跟蹤目標(biāo)車輛。

通過(guò)根據(jù)本發(fā)明的方法，雖然視角持續(xù)改變，但進(jìn)一步跟蹤接近機(jī)動(dòng)車輛的目標(biāo)車輛變?yōu)榭赡艿?。換言之，通過(guò)側(cè)向側(cè)翼的新的所跟蹤的特征來(lái)替代或支持前部或后部的所跟蹤的特征。這樣具有優(yōu)點(diǎn)：總體上可以在相對(duì)長(zhǎng)的時(shí)間段上跟蹤目標(biāo)車輛，因此，具體地說(shuō)，即使目標(biāo)車輛經(jīng)過(guò)機(jī)動(dòng)車輛并且獨(dú)占地，也在相機(jī)的圖像中描述目標(biāo)車輛的側(cè)向側(cè)翼。

優(yōu)選地，相機(jī)是前部相機(jī)，其具體地部署在機(jī)動(dòng)車輛的風(fēng)擋后面，例如，直接在機(jī)動(dòng)車輛的內(nèi)部的風(fēng)擋上。前部相機(jī)于是在機(jī)動(dòng)車輛的前部在行駛的方向上或在車輛縱向方向上捕獲環(huán)境。然而，也可以采用后視相機(jī)作為在機(jī)動(dòng)車輛后面在行駛的方向上或在車輛縱向方向上捕獲環(huán)境的相機(jī)。通常，可以提供：與圖像傳感器的平面垂直地延伸的相機(jī)定向得與車輛縱軸平行。

優(yōu)選地，相機(jī)是視頻相機(jī)，其能夠提供每秒多個(gè)圖像(幀)。相機(jī)可以是CCD相機(jī)或CMOS相機(jī)。

在實(shí)施例中，提供：目標(biāo)車輛的輪罩拱(即輪外殼)檢測(cè)為側(cè)向側(cè)翼的特征。這是有利的，因?yàn)檩喺止笆浅霈F(xiàn)在很多目標(biāo)車輛中的可靠并且獨(dú)特的特征。此外，輪罩拱在很多目標(biāo)車輛中是具有非常相似的形狀的特征。關(guān)于此的原因是，輪罩拱總是環(huán)繞圓形輪，并且因此自身具有特定半徑。此外，輪罩拱已經(jīng)是非常早地清楚地可識(shí)別的，因此針對(duì)目標(biāo)車輛遠(yuǎn)離和/或陡峭視角，即，比目標(biāo)車輛自身的輪遠(yuǎn)更早。

附加地或替代地，目標(biāo)車輛的輪可以檢測(cè)為側(cè)向側(cè)翼的特征。輪是非常魯棒的特征，因?yàn)槠淇偸浅霈F(xiàn)在目標(biāo)車輛上，并且因此允許對(duì)其進(jìn)行可靠的檢測(cè)?？梢耘紶柨醋髂繕?biāo)車輛的其它對(duì)象鮮有圓形組件或特征，從而減少混淆的風(fēng)險(xiǎn)。

具體地說(shuō)，提供：以霍夫(Hough)變換(具體地說(shuō)，霍夫圓形變換)來(lái)描述側(cè)向側(cè)翼的特征?；舴蜃儞Q具有由此可以在參數(shù)空間中表示圓形對(duì)象的優(yōu)點(diǎn)。通過(guò)參數(shù)空間，因?yàn)檩喛梢猿橄蟮乇硎緸槔鐖A形，所以一方面增加的魯棒性以及另一方面更高的普遍性起作用。

在另一開(kāi)發(fā)中，提供：由圖像處理設(shè)備確定第一置信度值，其在跟蹤目標(biāo)車輛中指示檢測(cè)目標(biāo)車輛的前部或后部的特征的可靠性。如果第一置信度值落入預(yù)設(shè)第一閾值之下，則可以僅實(shí)現(xiàn)檢測(cè)側(cè)向側(cè)翼的特征。有利的是，在計(jì)算側(cè)向側(cè)翼的特征中避免不必要的計(jì)算努力，并且如果不能再可靠地確?；谇安炕蚝蟛慷櫮繕?biāo)車輛，則僅搜索側(cè)向側(cè)翼的特征。此外，通過(guò)計(jì)算第一置信度值，可以非常良好地監(jiān)控從何時(shí)基于前部或后部的目標(biāo)車輛的跟蹤終止的風(fēng)險(xiǎn)增加。

進(jìn)一步提供：由所述圖像處理設(shè)備確定第一置信度值，其指示檢測(cè)所述目標(biāo)車輛的所述前部或所述后部的特征的可靠性，并且由所述圖像處理設(shè)備確定第二置信度值，其指示檢測(cè)所述側(cè)向側(cè)翼的特征的可靠性，并且如果預(yù)設(shè)第二閾值落入第二置信度值之下，則實(shí)現(xiàn)至少通過(guò)所述目標(biāo)車輛的所述前部或所述后部的特征跟蹤所述目標(biāo)車輛，并且如果預(yù)設(shè)第一閾值落入第一置信度值之下，則實(shí)現(xiàn)至少通過(guò)所述目標(biāo)車輛的所述側(cè)向側(cè)翼的特征跟蹤所述目標(biāo)車輛。優(yōu)點(diǎn)在于，因此，在每種情況下，可以選擇最可靠的特征和/或具有最高置信度值的特征。還有可能的是，使用于是由各個(gè)置信度值加權(quán)的多個(gè)特征。

優(yōu)選地，如果所述機(jī)動(dòng)車輛與所述目標(biāo)車輛之間的預(yù)定距離落入預(yù)設(shè)閾值之下，則通過(guò)所述側(cè)向側(cè)翼的特征跟蹤所述目標(biāo)車輛。因?yàn)榭梢岳绺郊拥鼗蛱娲赝ㄟ^(guò)機(jī)動(dòng)車輛的另一傳感器來(lái)確定距離，所以這是有利的。這樣可以帶來(lái)所確定的距離的更高的可靠性和/或歸因于距離的冗余確定帶來(lái)的增加的安全性。例如，目標(biāo)車輛上的特定位置可以選擇為目標(biāo)車輛相對(duì)于機(jī)動(dòng)車輛的位置的基準(zhǔn)點(diǎn)。無(wú)論所檢測(cè)的特征是前部的特征還是后部的特征還是側(cè)向側(cè)翼的特征，該情況都可以發(fā)生?？梢岳缤ㄟ^(guò)距機(jī)動(dòng)車輛的中心或機(jī)動(dòng)車輛的后軸的中心的預(yù)定“偏移”來(lái)確定該點(diǎn)。

在特定開(kāi)發(fā)中，提供：取決于在車輛縱向方向上目標(biāo)車輛相對(duì)于機(jī)動(dòng)車輛的相對(duì)位置，前輪罩拱或后輪罩拱和/或前輪或后輪檢測(cè)為側(cè)向側(cè)翼的特征。例如，如果基于前部而跟蹤目標(biāo)車輛，因此，首先——如果目標(biāo)車輛仍距機(jī)動(dòng)車輛相對(duì)遠(yuǎn)離——?jiǎng)t前輪罩拱和/或前輪可以檢測(cè)為特征，因?yàn)樵撎卣饔谑歉拷鄼C(jī)，并且因此允許更可靠的檢測(cè)。類似地，如果目標(biāo)車輛以其后部面對(duì)機(jī)動(dòng)車輛，則該情況應(yīng)用于后輪罩拱和/或后輪。如果目標(biāo)車輛然后更靠近機(jī)動(dòng)車輛，則其可以對(duì)應(yīng)地從前部(或后部)特征改變?yōu)楹蟛?或前部)特征。如果目標(biāo)車輛的一個(gè)部分處于相機(jī)的區(qū)域中，則特征的改變也可能產(chǎn)生，這樣歸因于相機(jī)的特殊透鏡而導(dǎo)致嚴(yán)重的失真。

優(yōu)選地，通過(guò)泛化算法來(lái)泛化側(cè)向側(cè)翼的特征。這意味著，以簡(jiǎn)化或泛化的方式提出特征，并且僅包含用于標(biāo)識(shí)特征的主要信息的特征部分用于檢測(cè)特征。泛化算法產(chǎn)生描述多個(gè)不同形狀的輪罩拱或輪的特征。因此，也可以檢測(cè)不同構(gòu)造或產(chǎn)品系列的目標(biāo)車輛。此外，因?yàn)榉夯奶卣骶哂懈偷臄?shù)據(jù)范圍，所以檢測(cè)進(jìn)行得更快。具體地說(shuō)，道格拉斯-普克算法(道格拉斯-普克算法)用作泛化算法。道格拉斯-普克算法是用于曲線處理的算法，其目的是通過(guò)省略個(gè)別點(diǎn)從而保留粗略形狀來(lái)簡(jiǎn)化序列所給出的測(cè)線(traverse line)。該測(cè)線是來(lái)自圖像中的梯度圖像的輪罩拱的邊沿。道格拉斯-普克算法提供簡(jiǎn)單并且快速的泛化特征的可能性。

此外，優(yōu)選地提供：檢測(cè)前部或后部包括：由圖像處理設(shè)備確定邊界框，其中，描述前部或后部，并且獨(dú)占地，興趣區(qū)域取作用于檢測(cè)取決于邊界框而確定的側(cè)向側(cè)翼的特征的基礎(chǔ)。在通過(guò)前部或后部的特征檢測(cè)接近目標(biāo)車輛首先產(chǎn)生之后，已經(jīng)通過(guò)邊界框預(yù)先選擇圖像的特定區(qū)塊。該邊界框現(xiàn)在用于確定用于檢測(cè)側(cè)向側(cè)翼的特征的興趣區(qū)域。因此，不再必須關(guān)于側(cè)向側(cè)翼的特征搜索整個(gè)圖像，并且計(jì)算功率和計(jì)算時(shí)間得以節(jié)省。此外，檢測(cè)的錯(cuò)誤概率降低。

在配置中，提供：至少在從基于前部或后部的跟蹤到基于側(cè)向側(cè)翼的跟蹤的轉(zhuǎn)變中，通過(guò)預(yù)測(cè)算法(具體地說(shuō)，卡爾曼濾波(卡爾曼濾波))支持目標(biāo)車輛的跟蹤。預(yù)測(cè)算法嘗試在圖像中外插目標(biāo)車輛的下一位置?？柭鼮V波對(duì)此提供非?？焖俨⑶矣?jì)算方面不密集的方法。在更復(fù)雜的情況(例如具有若干目標(biāo)車輛的曲線)下，也可以使用壓縮算法，其看作計(jì)算方面更密集的，但進(jìn)而是更魯棒的。預(yù)測(cè)算法的優(yōu)點(diǎn)在于，在特征的改變時(shí)，針對(duì)新的特征的跟蹤的快速初始化是可能的。

還提供：通過(guò)相機(jī)提供所述圖像的序列，所述相機(jī)的視場(chǎng)具有大于150°(具體地說(shuō)，大于160°，仍更優(yōu)選地，大于180°)的張開(kāi)角度。優(yōu)點(diǎn)在于，部署在車輛后部上或車輛前部上的單個(gè)相機(jī)因此足以除了監(jiān)控機(jī)動(dòng)車輛的盲點(diǎn)區(qū)塊之外還監(jiān)控其左邊和右邊。由此，在沒(méi)有很多努力的情況下改型用于已經(jīng)存在的相機(jī)系統(tǒng)的方法的可能性出現(xiàn)。

在另一配置模式下，在檢測(cè)所述側(cè)向側(cè)翼的特征中，取決于所述相機(jī)的外部定向和/或所述相機(jī)的位置和/或所述相機(jī)的失真參數(shù)的校準(zhǔn)數(shù)據(jù)而考慮該特征的幾何形狀。外部定向描述在與捕獲的對(duì)象自身(在此，目標(biāo)車輛)有關(guān)的圖像捕獲期間相機(jī)的姿態(tài)和位置。通過(guò)校準(zhǔn)數(shù)據(jù)，對(duì)于圖像中的每個(gè)位置可以預(yù)期特征的特定形狀。例如，目標(biāo)車輛的輪的輪廓根據(jù)目標(biāo)車輛相對(duì)于相機(jī)處于哪個(gè)位置而變化。因此，例如，如果目標(biāo)車輛更遠(yuǎn)離機(jī)動(dòng)車輛，則圖像中的輪的輪廓在一定程度上為橢圓形狀。如果目標(biāo)車輛靠近機(jī)動(dòng)車輛(例如，處于其盲點(diǎn)區(qū)塊中)，則圓形形狀僅是可識(shí)別的。該情況類似于輪罩拱。

在實(shí)施例中，在機(jī)動(dòng)車輛的盲點(diǎn)區(qū)塊中跟蹤目標(biāo)車輛。機(jī)動(dòng)車輛的盲點(diǎn)區(qū)塊是機(jī)動(dòng)車輛的駕駛者通過(guò)側(cè)視鏡和/或后視鏡不能或僅幾乎不能看見(jiàn)的區(qū)塊。如果駕駛者意圖變道或轉(zhuǎn)向操作，則這樣可能變得危險(xiǎn)，但如果機(jī)動(dòng)車輛旁邊的盲點(diǎn)區(qū)塊是自由的，則無(wú)法評(píng)估確定性。通過(guò)該方法，可以在該盲點(diǎn)區(qū)塊中檢測(cè)風(fēng)險(xiǎn)或另一交通參與者或目標(biāo)車輛，并且可選地，告警可以輸出給駕駛者?？梢岳缤ㄟ^(guò)聲學(xué)方式和/或視覺(jué)方式和/或觸覺(jué)方式實(shí)現(xiàn)告警。

用于機(jī)動(dòng)車輛的根據(jù)本發(fā)明的相機(jī)系統(tǒng)至少包括：相機(jī)，用于提供機(jī)動(dòng)車輛的環(huán)境區(qū)域的圖像的序列；以及圖像處理設(shè)備，適用于執(zhí)行根據(jù)本發(fā)明的方法。

根據(jù)本發(fā)明的機(jī)動(dòng)車輛(具體地說(shuō)，客車)包括根據(jù)本發(fā)明的相機(jī)系統(tǒng)。

關(guān)于根據(jù)本發(fā)明的方法所提出的優(yōu)選實(shí)施例及其優(yōu)點(diǎn)對(duì)應(yīng)地應(yīng)用于根據(jù)本發(fā)明的相機(jī)系統(tǒng)以及根據(jù)本發(fā)明的機(jī)動(dòng)車輛。

本發(fā)明的其它特征從權(quán)利要求、附圖以及附圖的描述是清楚的。說(shuō)明書(shū)中的上述所有特征和特征組合以及以下在附圖的描述中提及和/或在附圖中單獨(dú)示出的特征和特征組合不僅可用在分別所指定的組合中，而且也可用在其它組合中或另外單獨(dú)使用。

附圖說(shuō)明

現(xiàn)在，基于優(yōu)選實(shí)施例并且參照附圖更詳細(xì)地解釋本發(fā)明。

在此示出：

圖1在示意性平面圖中示出目標(biāo)車輛從后面接近具有相機(jī)系統(tǒng)的機(jī)動(dòng)車輛；

圖2在示意性說(shuō)明中示出目標(biāo)車輛的圖像，其中，通過(guò)附連到機(jī)動(dòng)車輛的后部的相機(jī)系統(tǒng)的相機(jī)提供圖像，并且在圖像中檢測(cè)目標(biāo)車輛的前部；

圖3在示意性說(shuō)明中示出具有目標(biāo)車輛的邊沿的梯度圖像；

圖4在示意性說(shuō)明中示出目標(biāo)車輛的另一圖像，其中，確定興趣區(qū)域并且通過(guò)線段指示所泛化的邊沿；

圖5在示意性說(shuō)明中示出根據(jù)圖4的圖像，其中，檢測(cè)目標(biāo)車輛的側(cè)向側(cè)翼的特征(具體地說(shuō)，輪罩拱和/或輪)；

圖6在示意性平面圖中示出類似于圖1的說(shuō)明，其中，目標(biāo)車輛已經(jīng)接近跟蹤側(cè)向側(cè)翼的特征的點(diǎn)；

圖7在示意性說(shuō)明中示出又一圖像，其中，在根據(jù)圖6的位置中描述目標(biāo)車輛；

圖8在示意性平面圖中示出類似于圖1的說(shuō)明，其中，目標(biāo)車輛已經(jīng)接近檢測(cè)側(cè)向側(cè)翼的后部特征的點(diǎn)；以及

圖9在示意性說(shuō)明中示出又一圖像，其中，在根據(jù)圖8的位置中描述目標(biāo)車輛。

具體實(shí)施方式

在圖1中，示意性示出根據(jù)本發(fā)明實(shí)施例的具有相機(jī)系統(tǒng)2的機(jī)動(dòng)車輛1的平面圖。相機(jī)系統(tǒng)2包括具有視場(chǎng)4的相機(jī)3和可以例如集成在相機(jī)3中的圖像處理設(shè)備5。然而，該圖像處理設(shè)備5也可以是可以部署在機(jī)動(dòng)車輛1中的任何位置中的與相機(jī)3分離的組件。在實(shí)施例中，相機(jī)3部署在機(jī)動(dòng)車輛1的后部，并且捕獲機(jī)動(dòng)車輛1后面的環(huán)境區(qū)域。然而，具有前部相機(jī)的應(yīng)用也是可能的。

視場(chǎng)4在機(jī)動(dòng)車輛1之后遍及180°(具體地說(shuō)，相對(duì)于機(jī)動(dòng)車輛1的中心縱軸對(duì)稱地)有角度地延伸。機(jī)動(dòng)車輛1處于雙車道道路6中的左車道7上，而另一車輛(目標(biāo)車輛9)處于右車道8上。目標(biāo)車輛9從后面接近機(jī)動(dòng)車輛1，并且推測(cè)將趕超它。

相機(jī)3具有可以例如處于從120°到200°的值的范圍中的水平捕獲角度α以及例如在機(jī)動(dòng)車輛1后面直接從道路6的表面延伸上至水平以及之上的垂直捕獲角度(未示出)。在魚(yú)眼透鏡的情況下，這些特性例如是被允許的。

相機(jī)3可以是CMOS相機(jī)或另外是CCD相機(jī)或任何圖像捕獲設(shè)備，據(jù)此可以檢測(cè)目標(biāo)車輛9。

在實(shí)施例中，根據(jù)圖1，相機(jī)3部署在機(jī)動(dòng)車輛1的后部區(qū)域中，并且捕獲機(jī)動(dòng)車輛1后面的環(huán)境區(qū)域。然而，本發(fā)明不限于相機(jī)3的這種布置。根據(jù)實(shí)施例，相機(jī)3的布置可以是不同的。例如，相機(jī)3也可以部署在機(jī)動(dòng)車輛1的前部區(qū)域中，并且在機(jī)動(dòng)車輛1的前部中捕獲環(huán)境區(qū)域。也可以采用若干這些相機(jī)3，其均形成為檢測(cè)對(duì)象或目標(biāo)車輛9。

如果相機(jī)3的視場(chǎng)4在行駛的方向上導(dǎo)向向前或采用前部相機(jī)，則圖1和圖2所示的情況也可以類似地產(chǎn)生。例如，如果機(jī)動(dòng)車輛1趕超目標(biāo)車輛9，則情況如此。

相機(jī)3是連續(xù)地捕獲圖像的序列的視頻相機(jī)。圖像處理設(shè)備5然后實(shí)時(shí)處理圖像的序列，并且可以基于該圖像的序列而識(shí)別而且跟蹤目標(biāo)車輛9。這意味著，圖像處理設(shè)備5可以確定目標(biāo)車輛9相對(duì)于機(jī)動(dòng)車輛1的分別當(dāng)前位置和移動(dòng)。

相機(jī)系統(tǒng)2是盲點(diǎn)告警系統(tǒng)，其監(jiān)控盲點(diǎn)區(qū)塊13并且能夠通過(guò)對(duì)應(yīng)告警信號(hào)的輸出來(lái)對(duì)機(jī)動(dòng)車輛1的駕駛者告警檢測(cè)到的與目標(biāo)車輛9的碰撞的風(fēng)險(xiǎn)。盲點(diǎn)區(qū)塊是機(jī)動(dòng)車輛的駕駛者借助側(cè)視鏡和/或后視鏡不能或僅幾乎不能看見(jiàn)的機(jī)動(dòng)車輛1的環(huán)境區(qū)域。根據(jù)盲點(diǎn)區(qū)塊的定義，其從機(jī)動(dòng)車輛1的后部延伸達(dá)相鄰車道上向后的多于兩個(gè)車輛長(zhǎng)度。

圖2示出在根據(jù)圖1的情況下的相機(jī)3所提供的示例性圖像10。通過(guò)圖像處理設(shè)備5基于目標(biāo)車輛9的前部11的特征而在圖像10中檢測(cè)目標(biāo)車輛9。通過(guò)圖2中的矩形框或邊界框12來(lái)標(biāo)識(shí)這種檢測(cè)。通過(guò)由圖像處理設(shè)備5執(zhí)行以用于檢測(cè)目標(biāo)車輛9的檢測(cè)算法輸出該邊界框12。

首先基于目標(biāo)車輛9的前部11的特征而執(zhí)行目標(biāo)車輛9的檢測(cè)。然而，在目標(biāo)車輛9接近機(jī)動(dòng)車輛1的同時(shí)，目標(biāo)車輛9的視圖改變。這是對(duì)于已經(jīng)通過(guò)前視圖中的前部11的特征受訓(xùn)練的用于此的檢測(cè)器的挑戰(zhàn)。因此，作為檢測(cè)的可靠性的質(zhì)量的測(cè)度的置信度值降低?；谑境瞿繕?biāo)車輛9的邊沿16的梯度圖像17，這在圖3中是可識(shí)別的。從圖3顯見(jiàn)，視角隨著時(shí)間而改變，從而無(wú)法再可靠地確保基于前部11的特征而進(jìn)一步檢測(cè)目標(biāo)車輛9。

為了能夠進(jìn)一步確保可靠地跟蹤目標(biāo)車輛9，在下一步驟中，提取目標(biāo)車輛9的側(cè)向側(cè)翼14的特征。然而，該特征優(yōu)選地并未在整個(gè)圖像10中而是僅在興趣區(qū)域15中被搜索，如根據(jù)4的圖像10所示，并且興趣區(qū)域15是取決于前部11的檢測(cè)所提供的邊界框12而確定的。因此，邊界框12取決于基于前部11的特征的檢測(cè)，并且允許更快地初始化跟蹤側(cè)向側(cè)翼14的特征。

在下一步驟中，從興趣區(qū)域15計(jì)算梯度圖像17，如圖3所示。關(guān)于計(jì)算梯度圖像17，圖像10的興趣區(qū)域15轉(zhuǎn)換為灰度級(jí)圖像，通過(guò)高斯濾波被平滑，并且例如通過(guò)Canny邊沿檢測(cè)器被處理。

基于梯度圖像17的邊沿16實(shí)現(xiàn)側(cè)向側(cè)翼14的特征的提取。作為側(cè)向側(cè)翼14的第一特征，選取(在此，前部)輪罩拱19。通過(guò)泛化算法(具體地說(shuō)，通過(guò)道格拉斯-普克算法)泛化輪罩拱19的邊沿16。所泛化的邊沿18產(chǎn)生，如圖4所示。因?yàn)楝F(xiàn)在各個(gè)模型的輪罩拱19得以覆蓋并且因此可以更好地被比較，所以泛化算法實(shí)現(xiàn)減少數(shù)據(jù)量，這樣產(chǎn)生計(jì)算速度的增加并且促進(jìn)輪罩拱19的檢測(cè)。

在圖5中通過(guò)矩形20來(lái)標(biāo)識(shí)(所泛化的)輪罩拱19的檢測(cè)。

如果目標(biāo)車輛9現(xiàn)在已經(jīng)接近機(jī)動(dòng)車輛1達(dá)如圖6所示的程度，則在另一步驟中——在跟蹤輪罩拱19之后——其切換為跟蹤目標(biāo)車輛9的輪21。通過(guò)霍夫變換(具體地說(shuō)，霍夫圓形變換)進(jìn)行的描述實(shí)現(xiàn)輪21的檢測(cè)?；舴驁A形變換近似由歸因于輪緣與輪胎或輪胎與背景之間的強(qiáng)度差而出現(xiàn)的邊沿16生成的圓形。圖7所示的圖像10中的示例性圓形22例示霍夫圓形變換的結(jié)果。

在跟蹤側(cè)向側(cè)翼14中，臨時(shí)地，兩個(gè)特征——輪罩拱19和輪21——被跟蹤，直到目標(biāo)車輛9接近可以切換到獨(dú)占地跟蹤輪21(即前輪23和/或后輪24)的任何時(shí)間。目標(biāo)車輛9與機(jī)動(dòng)車輛1之間的距離越短，圖像10中的輪21的圓形形狀就越清楚。關(guān)于霍夫變換的要求是預(yù)定的幾何形狀，目前是圓形。然而，基本上，其它形狀(例如比如橢圓)也是可設(shè)想的。

如果目標(biāo)車輛9位于機(jī)動(dòng)車輛1旁邊——如圖8所示——并且前輪23不再處于相機(jī)3的視場(chǎng)4中，則自動(dòng)地實(shí)現(xiàn)跟蹤前輪23到跟蹤后輪24的改變。通過(guò)圖9中的圓形25示出霍夫圓形變換進(jìn)行的后輪24的描述。

取決于預(yù)測(cè)算法(具體地說(shuō)，卡爾曼濾波)而實(shí)現(xiàn)特征的相應(yīng)改變。由此，可以更快地初始化和/或更精確地驗(yàn)證新的特征的跟蹤。各特征之間的改變首先從前部11的特征到側(cè)向側(cè)翼14的特征(首先具體地說(shuō)，到輪罩拱19)并且隨后于是從輪罩拱19到輪21(具體地說(shuō)，首先到前輪23并且然后到后輪24)而產(chǎn)生。在轉(zhuǎn)變區(qū)域中，提供：同時(shí)跟蹤各個(gè)舊的特征和新的特征，并且取決于相應(yīng)置信度值而改變特征。

在目標(biāo)車輛9行駛通過(guò)機(jī)動(dòng)車輛1比圖8中甚至更多的情況下，提供：繼續(xù)通過(guò)附連到機(jī)動(dòng)車輛1的側(cè)向側(cè)翼的相機(jī)進(jìn)行跟蹤，和/或依賴于上述前部相機(jī)。

也可以按與基于附圖所描述的相反順序?qū)崿F(xiàn)特征的改變。如果機(jī)動(dòng)車輛1趕超目標(biāo)車輛9，則情況如此。然后，首先被跟蹤的特征是目標(biāo)車輛9的后部。接下來(lái)，后輪罩拱19作為側(cè)向側(cè)翼14的特征被合并并且被跟蹤。隨后，其從后輪罩拱19改變?yōu)楹筝?4，并且然后改變?yōu)榍拜?3。

此外，用于機(jī)動(dòng)車輛1與目標(biāo)車輛9之間的相對(duì)距離的預(yù)設(shè)閾值進(jìn)一步表示實(shí)現(xiàn)較晚特征檢測(cè)，從而如果接近目標(biāo)車輛9的距離落入預(yù)設(shè)閾值之下，則側(cè)向側(cè)翼14的特征的檢測(cè)和/或跟蹤開(kāi)始。

此外，搜索到的特征的形狀取決于目標(biāo)車輛9的位置。歸因于相機(jī)系統(tǒng)2的校準(zhǔn)以及源自其的外部定向，可以取決于圖像10中可見(jiàn)的目標(biāo)車輛9的特征的當(dāng)前位置而預(yù)測(cè)它們的形狀。因此，更遠(yuǎn)離的目標(biāo)車輛9在圖像10中具有輪罩拱19和輪21的一定程度上的橢圓形狀，而更靠近的目標(biāo)車輛9具有輪罩拱19和輪21的實(shí)質(zhì)上圓形形狀。

此外，相機(jī)系統(tǒng)2的透鏡特性用于補(bǔ)償視場(chǎng)4中的失真。這例如在所使用的魚(yú)眼透鏡的情況下特別有幫助。

此外，取決于通過(guò)車道識(shí)別系統(tǒng)來(lái)識(shí)別車道7、8而實(shí)現(xiàn)目標(biāo)車輛9的檢測(cè)。提供關(guān)于道路的航向的信息(具體地說(shuō)，曲線)，其用于計(jì)算目標(biāo)車輛9進(jìn)入盲點(diǎn)區(qū)塊13的概率。由此，也可以推斷從目標(biāo)車輛9傳出的風(fēng)險(xiǎn)。

車道識(shí)別系統(tǒng)還用在多車道道路6的情況下，以確定目標(biāo)車輛9是否處于距機(jī)動(dòng)車輛1遠(yuǎn)離達(dá)比相鄰車道7、8更大的盲點(diǎn)區(qū)塊13中，以因此防止虛警。否則，假設(shè)機(jī)動(dòng)車輛1在單個(gè)車道改變時(shí)與目標(biāo)車輛9碰撞。

車道識(shí)別系統(tǒng)和/或道路標(biāo)記識(shí)別系統(tǒng)還允許確定圖像10中的靜態(tài)對(duì)象(例如交通標(biāo)志和/或另一基礎(chǔ)結(jié)構(gòu))的移動(dòng)速率。這有助于識(shí)別目標(biāo)車輛9的錯(cuò)誤檢測(cè)并且隨后消除它。

作為附加擴(kuò)展，可以提供：目標(biāo)車輛9的軌跡或行駛航向被記錄并且然后通過(guò)預(yù)測(cè)算法外插。長(zhǎng)遠(yuǎn)動(dòng)機(jī)在于，目標(biāo)車輛9歸因于其構(gòu)造而必須以特定方式移動(dòng)，因此，例如，在沒(méi)有縱向移動(dòng)的情況下，側(cè)向移動(dòng)是不可能的。軌跡用于將目標(biāo)車輛9的跟蹤呈現(xiàn)得更魯棒和/或精確，并且在不良可視性條件和/或部分覆蓋的情況下臨時(shí)能夠進(jìn)一步估計(jì)目標(biāo)車輛9的位置。

也可以提供：來(lái)自CAN總線的數(shù)據(jù)(例如機(jī)動(dòng)車輛1的速度和/或轉(zhuǎn)向角度)用于預(yù)測(cè)機(jī)動(dòng)車輛1的行駛的未來(lái)方向并且估計(jì)目標(biāo)車輛9何時(shí)將進(jìn)入盲點(diǎn)區(qū)塊13。

在另一補(bǔ)充中，基于側(cè)向側(cè)翼14的特征而跟蹤目標(biāo)車輛9可以用于將趕超操作組織得更安全。在此情況下，這對(duì)機(jī)動(dòng)車輛1的駕駛者告知他何時(shí)已經(jīng)完全經(jīng)過(guò)目標(biāo)車輛9，并且可以改變到目標(biāo)車輛9前面車道。

在其它實(shí)施例中，側(cè)向側(cè)翼14的預(yù)定特征附加地或替代地也可以是后視鏡或側(cè)向側(cè)翼14的另一特征。