CN105593875B - 用于识别车辆的周围环境中的天气状况的方法和控制设备 - Google Patents
用于识别车辆的周围环境中的天气状况的方法和控制设备 Download PDFInfo
- Publication number
- CN105593875B CN105593875B CN201280078252.5A CN201280078252A CN105593875B CN 105593875 B CN105593875 B CN 105593875B CN 201280078252 A CN201280078252 A CN 201280078252A CN 105593875 B CN105593875 B CN 105593875B
- Authority
- CN
- China
- Prior art keywords
- light
- vehicle
- feature
- surroundings
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000003384 imaging method Methods 0.000 claims abstract description 50
- 230000001795 light effect Effects 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims description 8
- 125000001475 halogen functional group Chemical group 0.000 description 14
- 230000003287 optical effect Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 239000000428 dust Substances 0.000 description 9
- 239000002245 particle Substances 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 239000013078 crystal Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000003595 mist Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 241000533950 Leucojum Species 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000000149 argon plasma sintering Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000003897 fog Substances 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000009736 wetting Methods 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 238000005339 levitation Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Atmospheric Sciences (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Lighting Device Outwards From Vehicle And Optical Signal (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种用于识别车辆(106)的周围环境中的天气状况的方法,其中所述方法包括以下步骤:在图像信息中求取至少一个成像特征,其中所述图像信息代表所述周围环境的一部分的图像并且所述成像特征代表在所述周围环境的所述部分中的反射性对象或自发光对象上的光效应。此外,所述方法包括以下步骤:基于所述成像特征与至少一个预期值之间的比较来确定用于表征所述天气状况的天气信息。
Description
技术领域
本发明涉及一种用于识别车辆的周围环境中的天气状况的方法,一种用于识别车辆的周围环境中的天气状况的控制设备以及一种相应的计算机程序产品。
背景技术
对于车辆中的基于摄像机的硬件与软件***而言令人感兴趣的是,识别当前主导的天气状况——例如雨、雪、潮湿的行车道、雾、水沫、灰尘等。
对此,DE 10 2007 062 258 A1描述了一种用于机动车的光学雨传感器设备。
发明内容
在此背景下,借助本发明提出根据主权利要求的用于识别车辆的周围环境中的天气状况的方法、用于识别车辆的周围环境中的天气状况的控制设备以及相应的计算机程序产品。有利的构型由相应的从属权利要求和下面的说明书得出。
车辆的周围环境中、尤其车辆前方的道路上的天气状况可能持久地影响车辆的行驶行为以及车辆的驾驶员的识别有效距离。目前为止的车辆能够借助例如雨传感器检测降水并且匹配车辆的功能。驾驶员必须识别其他的天气状况并且相应地作出反应。在黑暗中,当驾驶员由状况决定地已经触及传感器极限时,天气状况的及时识别是有问题的。当车辆已经要失去地面附着时,车辆中的主动安全***——如ABS和ESP才能够对道路的由天气决定的变化作出反应。因此,所述***仅仅能够作出反应。驾驶员始终对预见性的驾驶负责。
本发明基于以下知识:在黑暗中,当不同天气状况——例如雨、雪、雾、扬起的灰尘或干燥天气占主导时,车辆驾驶员的视野具有不同的特有的特征。通过驾驶员视野的图像检测能够成像图像信息中的特有的特征。尤其当驾驶员视野由至少一个大灯照明时,所述天气状况能够触发天气典型的光学行为作为特有的特征。对于具有高反射度的对象或在光源上,光能够通过主导的天气状况折射,并且因此触发天气典型的折射行为或散射行为作为特有的特征。
有利地,车辆中的安全相关的***的特有的特征的分析处理能够提供重要的参数,所述参数能够有助于保证更高的安全性。舒适***同样能够通过天气状况的认识改变和匹配控制参数,以便避免其他信息的错误解释。此外,光学检测***能够使图像处理匹配于当前的天气状况,以便改善不同天气状况时的对象识别和分析处理。
本发明提出一种用于识别车辆的周围环境中的天气状况的方法,其中所述方法具有以下步骤:
在图像信息中求取至少一个成像特征,其中所述图像信息代表所述周围环境的至少一个区域的图像并且所述成像特征代表所述周围环境的区域中的反射性对象或自发光对象上的光效应;以及
基于所述成像特征与至少一个预期值之间的比较来确定用于表征所述天气状况的天气信息。
天气状况可以理解为大气现象。例如天气状况可以是雾、雨、落下的雨、降雪、落下的雪或也可以是缺少这些。同样,天气状况也可以是大气现象的结果。例如风、灰尘或沙子扬起和吹扫。车辆的周围环境可以是车辆的视距中的环境。所述周围环境尤其可以是车辆前方的可直接或间接地由车辆的大灯照明的区域。成像特征可以理解为例如对象的成像质量的通过至少一个物理效应引起的降低。例如交通指示牌的轮廓可能是模糊地成像的。或者灯可能具有“晕圈”或光晕。同样例如大灯光锥中的降水或冷凝空气湿度作为成像特征是可见的。那么水结晶或水滴可以将入射光在很大程度上朝大灯方向反射。图像信息可以理解为图像文件,例如光栅图。在光栅图中,光栅状设置的像素可以分别代表一个像点。像点可以具有亮度值和/或颜色值。光效应例如可以理解为对象上和/或从大灯至对象的光程上和/或从对象至镜头的光程上的光折射或光衍射或光反射或光散射。反射性对象或自发光对象例如可以理解为反射体、道路指示牌、街灯、大灯、冰晶、雪花、水滴、灰尘颗粒、冰面、水面等。天气信息可以是由当前的天气状况导致的天气信息。例如天气信息可以是关于视距或关于道路状况的信息。预期值可以理解为所存储的值,其例如在过去作为在类似的对象和类似的天气状况的情况下的过去的成像特征而记录。因此,所述预期值可以是图像的区域的亮度分布、形状、延展或布置或其组合。通过比较可以发现最大的一致性并且将分配给所选择的预期值的天气状况作为天气信息来提供。
根据本发明的另一种实施方式,所述光效应可以代表至少一个明暗梯度,并且在所述求取的步骤中可以由成像特征求取所述明暗梯度的散射特征值和/或折射特征值,其中所述散射特征值代表反射性对象或自发光对象周围的图像区域中的光散射,而所述折射特征值代表反射性对象或自发光对象周围的图像区域中的光折射。在所述确定的步骤中还将所述散射特征值和/或所述折射特征值与所述散射特征值和/或所述折射特征值的至少一个预期值进行比较。明暗梯度可以理解为从一个亮的点到一个相邻的较暗的点的亮度落差。例如,白色像素与黑色像素之间的明暗梯度是大的。在灰色像素和深灰色像素之间,明暗梯度是小的。例如空气中的水滴可以折射光。因此,与空气纯净时相比,例如光源和暗的背景之间的边缘处的明暗梯度更小。因此,从车辆的驾驶员来看,例如在雾中另一车辆的车辆大灯具有所谓的光晕。光晕从大灯离开越来越暗。因此,在此明暗梯度是小的。散射特征值可以代表例如光晕的大小。雾越浓,光晕可能越大。光晕同样可以布置在由车辆照明的逆反射性对象——如反射体上。折射特征值可以代表光晕中的光分解成谱分量。大的折射特征值例如可以表明空气中的冰晶。用于散射特征值的预期值可以是所保存的、代表确定的散射的程度的经验值。用于折射特征值的预期值可以是所保存的、代表确定的折射的程度的经验值。由此尤其在车辆前方的较大距离上可以识别天气状况并且因此已经预防性地采取措施。
此外,所述光效应也可以代表光斑的至少一个特性,所述光斑至少由一个由所述车辆的大灯射出的光束引起。在所述求取的步骤中可以由所述成像特征求取所述光斑的位置,并且在所述确定的步骤中还将所述位置与所述位置的预期值进行比较。光斑可以理解为大灯的射束可能引起的高亮度区域。例如所述光斑可以成像来自大灯的光束的轮廓。光斑可以投影到道路上。但所述光斑也可以通过微粒上的反射“悬浮”在车辆前方。“悬浮”的光斑可以具有与所投影的光斑不同的形状。同样地,“悬浮”的光斑可以在与所投影的光斑不同的位置上被感知。“特性”可以代表光斑的形状和位置。位置例如可以反映光斑投影在道路上并且道路反射光还是光的大部分已经通过微粒反射。微粒可以是例如灰尘、水滴或冰晶。所述位置的预期值可以是代表在确定的天气状况下光斑的预期的位置的经验值。由此,尤其可以特别简单和可靠地识别雾。
根据本发明的另一种实施方式,在所述求取的步骤中还可以由所述成像特征求取所述光斑的高度和宽度,其中所述高度代表所述光斑的表象的垂直延展,并且所述宽度代表所述光斑的表象的水平延展。在所述确定的步骤中还将所述高度与所述高度的预期值进行比较以及将所述宽度与所述宽度的预期值进行比较。光斑的高度和宽度可以理解为所述光斑的表象的尺寸。例如,所述高度和/或宽度可以代表在纵向于和/或横向于所述车辆的定向上的像素的可数的数量。所述高度和/或所述宽度的预期值可以是代表在确定的天气状况下光斑的预期的高度和/或宽度的经验值。通过测量光斑可以特别简单地区分不同的天气状况,因为光斑相对于车辆仅仅根据天气状况改变其位置,因为大灯牢固地固定在车辆上。
根据另一种实施方式,所述光效应可以代表至少一个地面亮度,并且在所述求取的步骤中由所述成像特征求取所述地面亮度的光分布。在所述确定的步骤中还将所述光分布与所述光分布的预期值进行比较。地面亮度可以理解为从车辆出发可感知的道路亮度。光分布可以代表在道路上亮的和暗的位置的可感知的分布。例如在潮湿的行车道的情况下所发射的光的仅仅一小部分被反射回车辆。所发射的光的剩余部分可能在全反射下由潮湿的行车道远离车辆地定向反射。在雪覆盖的行车道的情况下,例如所发射的光的大部分可以大面积地漫反射回车辆。在干燥的行车道的情况下,所发射的光的中间部分可以反射回车辆。在迎面驶来的车辆的情况下,所述关系可能相反,因为在雨的情况下由迎面驶来的车辆作为全反射地反射开的光相应于直接的大灯射束射到自身车辆上。在雪的情况下,光可能大面积地漫反射。所述光分布的预期值可以是代表在确定的天气状况下地面亮度的预期的光分布的经验值。由此可以将车辆前方的道路状况作为特别安全性相关的参数检测,并且匹配安全性与舒适性***的校正性干预,并且使车辆的驾驶员注意。
在本发明的一种附加的实施方式中,所述光效应可以代表地面附近的侧区域中的至少一个亮度,其中所述侧区域布置在所述车辆的侧面在由所述车辆的大灯直接照明的区域之外。在所述求取的步骤中由所述成像特征求取所述亮度的侧区域亮度值,并且在所述确定的步骤中还将所述侧区域亮度值与所述侧区域亮度值的预期值进行比较。地面附近的侧区域可以理解为道路的与自身行驶带相邻的行驶带。同样,地面附近的侧区域可以理解为道路的路肩或道路的边坡。地面附近的侧区域例如可能具有污物。同样,地面附近的侧区域例如可能具有堆积的雪。侧区域亮度值可以代表由侧区域反射的亮度。由此例如可以识别在自身行驶带附近行车道是弄脏的还是雪覆盖的。所述侧区域亮度值的期望值可以是代表在确定的天气状况下地面附近的侧区域中的亮度的预期的侧区域亮度值。
此外,根据另一种实施方式,在所述求取的步骤中可以在所述图像信息中求取另一成像特征,并且所述另一成像特征代表所述周围环境的一部分中的另一反射性对象或自发光对象上的另一光效应。在所述确定的步骤中可以基于所述另一成像特征与至少一个另外的预期值之间的另一比较来确定所述天气信息。通过另一反射性对象或自发光对象的分析处理可以以更高的可靠性确定主导的天气状况。通过监视多个对象、尤其是更远离的对象,可以实现预见性的天气检测。由此可以决定性地改善车辆安全性。
根据本发明的另一种实施方式,在所述求取的一个附加步骤中可以由附加图像信息求取附加成像特征,其中所述附加图像信息代表在附加时刻所述周围环境的至少一部分的附加图像,并且所述附加成像特征代表在所述附加时刻在所述周围环境的所述部分中的反射性对象或自发光对象上的附加光效应。在所述确定的步骤中还可以基于所述附加成像特征与所述预期值或至少一个附加预期值之间的附加比较来确定所述天气信息,其中还基于所述比较与所述附加比较之间的变化来确定所述天气信息。通过超过多个时刻所述反射性对象或自发光对象的追踪可以实现变化的持续监视。由此能够实现监视动态过程。例如在多个时刻上迎面驶来的车辆的监视可以给出还不能由自身大灯照明的道路的结论。
此外,本发明提出一种用于识别车辆的周围环境中的天气状况的控制设备,其中所述控制设备具有用于在图像信息中求取成像特征的装置,其中所述图像信息代表所述周围环境的至少一部分的图像并且所述成像特征代表所述周围环境的所述部分中的反射性对象或自发光对象上的光效应。此外,所述控制设备具有用于基于所述成像特征与至少一个预期值之间的比较来确定用于表征所述天气状况的天气信息的装置。通过本发明的控制设备形式的实施变型方案也可以快速和有效地解决本发明所基于的任务。
控制设备可以理解为处理传感器信号并且据此输出控制信号的电设备。所述控制设备可以具有按硬件方式和/或按软件方式构造的接口。在按硬件方式的构造中,接口例如可以是所谓的***ASIC的包括所述控制设备的最不同功能的一部分。然而,也可能的是,接口是单独的集成电路或至少部分地由分立部件组成。在按软件方式的构造中,接口可以是软件模块,其例如与其他软件模块共存在微控制设备上。
具有程序代码的计算机程序产品也是有利的,所述程序代码可以存储在机器可读的载体,如半导体存储器、硬盘存储器或光学存储器上并且用于当在与计算机相应的设备上执行程序时根据先前描述的实施方式之一来实施所述方法。
附图说明
下面根据附图示例性地详细阐述本发明。附图示出:
图1示出具有根据本发明的一个实施例的用于识别车辆的周围环境中的天气状况的控制设备的车辆的示图;
图2示出根据本发明的一个实施例的用于识别车辆的周围环境中的天气状况的方法的流程图;
图3至图10示出在黑暗和不同天气状况中道路的图像信息的示图;
图11示出在黑暗和不同天气状况中道路的多个图像信息中的成像特征的变化的图形。
在本发明的优选实施例的后续描述中,对于在不同附图中示出并且起类似作用的元件使用相同的或类似的参考标记,其中不重复描述这些元件。
具体实施方式
图1示出具有根据本发明的一个实施例的用于识别车辆的周围环境中的天气状况的控制设备100的车辆的示图。控制设备100具有用于在图像信息中求取成像特征的装置102和用于确定用于表征天气状况的天气信息的装置104。车辆106具有周围环境检测装置108以及车辆控制装置110。此外,车辆106具有用于照明车辆106前方的周围环境的一部分的两个前大灯112。
周围环境检测装置108构造用于至少检测周围环境的由前大灯112照明的部分。周围环境检测装置108也可以检测车辆106前方的更大的区域。周围环境检测装置108生成图像信息并且将其提供给车辆106中的其他装置。控制设备100构造用于接收所述图像信息。装置102构造用于在图像信息中求取至少一个成像特征。成像特征尤其可以是由前大灯112照明的对象上或自发光对象——如另一大灯上的特有的光分布或特有的光效应。因此,例如雪、雨、灰尘或雾能够将前大灯112的光反射至周围环境检测装置108。同样,由前大灯112照射的反射体可以如同自发光对象那样起作用。在此,反射体与周围环境检测装置108之间的直接光路中的天气状况例如能够散射光、折射光或衰减光。由此,使得反射体的图像劣化地——即失真地或不清晰地成像。如果另一光源——例如路灯或迎面驶来的车辆的大灯照明车辆106前方的周围环境,则天气状况可能引起与车辆106的预期的周围环境不相应的光效应。例如在干燥道路的情况下,仅仅适度地照明另一光源周围的环境。雪或雾改变另一光源的光分布。雪几乎完全反射但漫反射入射光,从而另一光源周围的环境看起来更亮。雾散射并且折射光,从而另一光源周围的区域看起来平面地发光。在装置102中,控制设备100求取这样的光效应作为成像特征,并且在装置104中将所述成像特征与至少一个预期值进行比较。预期值代表分配给天气状况的光效应的光学特征。由此能够在装置104中给所述成像特征分配天气信息,所述天气信息表征天气状况。车辆控制装置110可以基于天气信息改变车辆参数,以便对当前的天气状况作出反应。在所述实施例中,车辆控制装置110改变用于车辆驱动装置114的参数。例如,可以相应于道路状态来确定用于车轮114的最大驱动转矩。
对于车辆106中的基于摄像机的硬件***和软件***而言令人感兴趣的是,识别当前主导的天气状况——例如雨、雪、潮湿的行车道、雾、水沫、灰尘等。行驶动态***——例如ESP 110能够利用所述知识以便使用其他的调节参数,而基于视频的***208相反停用或限定地降级确定的功能或者有针对性地匹配预处理的参数以便确保所述***的尽可能高的可用性。例如在雪覆盖的道路的情况下不能够实现车道保持。在夜间,对于基于摄像机的软件***而言通常较难识别天气状况,因为例如天空是不可见的,视距可能在50m以下或者路面是未知的。对于在图像中存在最不同种类的亮的对象——例如自发光对象或反射性对象的情况,这些对象的图像特征能够给出什么具体天气状况占主导的结论。
图2示出根据本发明的一个实施例的用于识别车辆的周围环境中的天气状况的方法的流程图。所述方法例如可以在控制设备100上如在图2中示出的那样执行。所述方法具有在图像信息中求取至少一个成像特征的步骤202和确定用于表征天气状况的天气信息的步骤204。
在步骤202中在图像信息中求取成像特征。图像信息代表车辆的周围环境的至少一部分的图像。成像特征代表周围环境的一部分中的反射性对象或自发光对象上的光效应。图像信息例如可以由摄像机接收。摄像机可以施加在车辆上并且检测车辆前方的周围环境。成像特征可以是图像信息的一部分。如果天气状况改变从对象到摄像机的光程,则对象的图像可能具有与没有天气状况的情况下不同的形式。当亮的光束穿透“天气”时,这可以特别明显地看出。那么微粒——如水滴、冰晶或灰尘会引起可能使对象的图像模糊的光学效应。如果通过例如雪或雨引起的天气状况使得车辆前方的周围环境强反射,则可能出现另一效应。那么,通常不会直接到达摄像机的光可能反射到摄像机上并且使摄像机炫目。由此例如图像信息的部分区域可能过度曝光并且丢失其所包含的信息的大部分。这样的示例性光学效应可以在步骤202中作为成像特征求取。
在步骤204中将成像特征与至少一个预期值进行比较。所述预期值可以是类似天气状况下的成像特征的图像。由此可以给所述成像特征分配相应的天气信息。所述天气信息可以表征当前的天气状况。基于所述天气信息,车辆控制装置可以预防性地使控制参数匹配于当前的天气状况。在步骤204中可以将所述成像特征与多个预期值进行比较。这些预期值中的每一个可以代表不同天气状况并且可以分配各一个不同天气信息。
图3至10示出在夜间不同天气状况的摄像机图像。这些摄像机图像示出车辆前方的驾驶员视野。驾驶员视野由车辆的大灯照明。在摄像机图像中表示了不同的反射性光对象或发光光对象。因此,在夜间根据自发光对象和反射性对象描述天气状况的识别。当前主导的天气状况的估计基于反射性光对象以及自发光光对象的特有特征的确定。所述光对象可以是例如其他交通的大灯和车灯、由自身大灯光照明的反射体以及直接在车辆前方的道路的照明区域。这些光对象的特征——如最大亮度、灰度值变化曲线、颜色、梯度变化曲线等在通常的天气状况下具有限定的特性。这些特性可以描述为特征范围。如果天气状况偏离“正常情况”或者气候状况例如由于开始的雨、雾堤、弄脏的行车道等而发生变化,则所述变化反映在变化了的特征范围中。特征“劣化”。不同的特征范围的变化给出对具体天气状况的直接提示。
因此,下面特征的分析处理或考虑对于下面示例性列举的天气情况而言是有利的。在此,具有雾的图像例如可能具有大面积的、平坦的梯度变化曲线并且可能是相对较暗的。雨在图像中例如可能引起劣化的、拉长的对象形状和部分强的梯度变化曲线,具有雨的图像可能具有不规则的亮度变化曲线。行车道边缘处的雪例如可以成像为许多小的、亮的对象。由于冰晶上的反射性面,雪可能“闪耀”。在此,可能发生强变化的梯度特征。由于雪的白颜色,可能缺少颜色信息。行车道上的雪、灰尘或类似的例如可能引起直接在自身车辆前方的表象的或虚拟的大的不透明对象。在此可能出现不规则的梯度特征。通常有利的是,与对象无关地更精确地分析自身车辆前方的面。
为了改善所提出的方案的稳健性,用于图像中的多个或所有的对象的特征变化的分析是有利的。由此例如可以识别:是否恰好雨刮器运动通过图像并且遮盖图像信息的一部分。用于提高稳健性的另一变型方案是,不仅对于每一个图像实施天气状况的分析而且在多个图像上实施特征变化曲线的或者特征变化的分析。所识别的对象例如可以分配给踪迹(Tracks)。所述踪迹可以通过多个图像来分析。其例如可以理解为:对象什么时候第一次被探测到以及在所述时间或者所驶过的路径上特征变化曲线是如何的。
图3示出在干燥气候下驾驶员视野的图像。驾驶员视野部分地由来自车辆大灯的光照明。在车辆前方能够如此远地识别具有各一个定向行车道的道路300的直线走向,直至光不再足以照明道路300。道路300具有暗的行车道路面上的反射性行车道标记302、304并且具有导向装置306、308。行车道右边缘具有连续的侧标记302。道路中央具有不连续的中央标记304。道路300的右侧区域长满植被并且具有黑白导柱306,所述导柱具有细长的反射体。此外,右侧区域具有反射性道路指示牌310。道路300的左侧区域具有黑白导柱306,所述导柱具有各两个点状反射体。此外,左侧区域具有侧护栏308。在道路300上在车辆前方近距离中可以识别大灯光锥的下明暗边界。从所述明暗边界起,车辆所在的定向行车道亮地照明。照明的强度随着与车辆的距离增加而减小。右侧区域同样从明暗边界起亮地照明。在此,照明的强度也随着与车辆的距离增加而减小。另一定向行车道仅仅部分亮地照明。图像示出车辆前方的对于干燥气候而言特有的光斑312。除车辆前方的远距离以外,可识别图像中的反射性对象302、304、306、310。在在此提出的方案中,分析处理图像中的亮地照明的部分区域312和反射性对象302、304、306、310。如在图3中所示的那样,所成像的反射性对象302、304、306、310处的清晰明暗过渡对于干燥气候而言是特有的。此外,不存在如根据以下附图描述的成像特征。所述气候状况例如可以通过以下方式识别:检查光斑312是否位于车辆前方的限定的区域中以及很亮的图像区域是否具有至相邻的暗的图像区域的非常清晰的过渡。
图4示出在潮湿气候下驾驶员视野的图像。如在图3中那样,驾驶员视野部分地通过来自自身车辆的大灯的光照明。道路300在自身车辆前方在左转弯中延伸。在左转弯中,具有交通标志310“规定右侧驶过”和人行横道(斑马线)的交通岛横向于道路300地布置。同样,道路300在行车道上和右侧区域中以及在中间区域中具有反射性对象304、306、310。道路300是潮湿的。因此,行车道路面将大灯的光仅仅以小范围反射至车辆。在自身车辆前方不可识别如在图3中所示那样的光斑。道路300仅仅通过反射性对象304、306、310和人行横道线可识别。在另一定向行车道上成像有两个很亮的自发光对象402。自发光对象402代表迎面驶来的车辆的两个前大灯402。自发光对象402表示为两个相同大小的并且在大致相同的高度上彼此间隔开地设置的很亮的图像区域。迎面驶来的车辆不可识别。两个强反射性的、亮的面404在迎面驶来的车辆前方的道路300上自发光对象402下方,所述两个面将两个前大灯402的光直接反射到自身车辆上。两个前大灯402的光在自身车辆的前窗玻璃上的雨刮器条痕上散射。由此,自发光对象402具有所谓的光剑406。道路300的道路右侧边缘408是雪覆盖的并且将大灯的光的一部分反射回自身车辆。基于自身车辆前方缺少的光斑和成像特征——自发光对象402下方的“反射性面”404、从自发光对象402出发的“光剑”406以及“道路边缘处增加的光反射”408,可以通过根据本发明的一个实施例的方法识别出道路300是潮湿的并且降水引起前窗玻璃上的雨刮器条痕。此外可以识别出:存在雪和预料可能有冻湿。可以在自身车辆的车辆控制装置中处理天气信息,以便使车辆控制装置的参数匹配于当前的天气状况。
图5示出在潮湿气候下驾驶员视野的另一图像。如在图3中所示的那样,驾驶员视野部分地通过来自自身车辆的大灯的光照明。如在图3中所示的那样,道路300在行车道上和在右侧区域中具有反射性对象302、304、306、310。道路300是潮湿的。因此,行车道路面将大灯的光仅仅以小范围反射回车辆。在自身车辆前方不可识别如在图3中所示那样的光斑。道路300仅仅通过反射性对象302、304、306、310可识别。在自身车辆前方的定向行车道上成像在前方行驶的车辆。在前方行驶的车辆的两个尾灯502可识别为亮的光点502。尾灯502的所发射的光在自身车辆的前窗玻璃上的雨刮器条痕上散射。由此,亮的光点502具有所谓的光剑406。在另一定向行车道上成像两个非常亮的自发光对象402。所述自发光对象402代表迎面驶来的车辆的两个前大灯402。迎面驶来的车辆不可识别。两个前大灯402的光在自身车辆的前窗玻璃上的雨刮器条痕上同样散射。由此,自发光对象402也具有光剑406。道路300的道路右侧边缘408是雪覆盖的并且将大灯的光的一部分漫反射回自身车辆。基于自身车辆前方缺少的光斑和成像特征——“光剑”406以及“道路边缘处增加的光反射”408,可以通过根据本发明的一个实施例的方法识别出道路300是潮湿的并且降水引起前窗玻璃上的雨刮器条痕。此外可以识别出,存在雪和预料可能有冻湿。所述天气信息可以在自身车辆的车辆控制装置中处理,以便使车辆控制装置的参数匹配于当前的天气状况。
图6、7、8示出在雾的情况下驾驶员视野的图像。如在图3中所示的那样,自身车辆前方的道路300由自身车辆的大灯照明。道路300具有不连续的中央标记304。道路右侧边缘408是雪覆盖的并且将自身车辆的大灯的漫射光反射回。
在图6中,自身车辆前方的空气中的水滴或细微冰晶由大灯照射并且将所述大灯的光的一部分反射回自身车辆。由此可识别自身车辆的大灯的大灯光锥602。由于大灯光锥602的灯光现象的亮度,道路300的行车道表面上的光斑通过表象悬浮的大灯光锥602遮盖。中央标记304尽管其反射性特性仅仅比道路右边缘408稍微较远地可识别。雾限制视距。可以通过以下方式识别雾:检查在图像中在大灯的已知的照明区域中是否可识别大灯光锥602。
在图7中,除在图6中所成像的大灯光锥602以外,在道路300旁右边可识别反射***通标志310。第一组交通标志310直接由自身车辆的大灯照射并且将大的光量反射回自身车辆。因此,所述交通标志310如同将光束发射至自身车辆的强光源那样起作用。光束由悬浮的水滴或冰晶折射和散射。因此,交通标志310由发光环、光晕702环绕。光晕702具有比大灯光锥602更大的亮度。对于另一组不直接照射的交通标志310,所反射的光量不足够大以致于不引起光晕702。
在图8中,在道路300的另一定向行车道上成像两个亮的光点402。所述亮的光点402代表迎面驶来的车辆的两个前大灯402。所述前大灯402的直接定向到自身车辆上的光束由悬浮的冰微粒和/或水微粒折射和散射。因此,亮的光点102同样分别由光晕702环绕。雾比图6和7中薄。因此大灯光锥602较不明显,并且自身车辆的大灯在行车道表面上产生光斑312。在道路300旁右边成像以下交通标志:所述交通标志没有足够地反射光至自身车辆,以致于不具有光晕。
基于成像特征——大灯光锥602和光晕702,在此提出的方法可以确定天气信息“雾”并且通过实际的光斑312与所预期的光斑312的比较来产生天气信息“预计的视距”。基于所述天气信息,自身车辆的车辆控制装置可以将参数——例如车辆前方的光分布与实际的天气状况匹配。由此对于自身车辆的驾驶员而言可以改善自视野。
图9和10示出在雪覆盖的道路300和降雪的情况下的驾驶员视野。道路300在自身车辆前方大面积地照明并且将自身车辆的大灯的光大面积漫反射回自身车辆。在道路右边缘和道路左边缘处,雪堆积并且基于自身车辆的大灯的更好的光入射角与积雪行车道相比将更多的光反射回自身车辆。
在图9中,自身车辆的大灯照明车辆前方的空气中的各个雪花902。雪花902在图像中显现为亮的白点。在图10中,另一车辆向自身车辆迎面驶来。另一车辆的大灯402非常亮地照明另一车辆前方的积雪行车道。因此,图10中的驾驶员视野的这部分过度曝光并且显现为无定形的白色面1002。基于在雪覆盖的行车道的情况下在道路300上在自身车辆前方的特有光分布或者也基于在迎面驶来的车辆前方的过度曝光的面1002,在此提出的方法能够确定天气信息“行车道上的雪”。通过大灯灯光中的雪花902的数量的分析处理能够推断出降雪密度并且因此推断出天气信息“预计的视距”。
图11示例性地示出对于在三种不同天气情况下位于车辆前方的光斑而言改变的特征空间的结果。示出了在大气纯净时光斑的布置1102、在薄雾时光斑的布置1104和在雾时光斑的布置1106。在横坐标上绘出在摄像机图像中光斑的宽度,在纵坐标上绘出在摄像机图像中光斑的高度。视天气情况而定,光斑具有不同的位置、形状和延展。
在车辆前方的空气中无反射性微粒的情况下,在大气纯净时,大灯的射束射到行车道表面。基于行车道不平坦性,光斑的所测量的高度以及所测量的宽度具有波动宽度。因为行车道表面仅仅将大灯射束中央的具有高强度的光反射回车辆,所以光斑显现得窄。在薄雾时,车辆前方的空气中的微粒已经由大灯的射束照明并且使得其可见。根据雾的密度,光斑以不同高度显现在车辆前方。因为雾也反射来自大灯射束侧区域的具有较小强度的光,所以薄雾时的光斑显得比大气纯净时的光斑更宽。在薄雾时光斑的宽度遭受大的波动宽度。在雾时,光的仅仅一小部分射到行车道上。光的大部分已经由空气中的微粒反射并且使得光斑高地悬浮在车辆前方。因为雾也将非常弱的光反射回车辆并且因此光束的在大气纯净时在行车道上不引起任何光斑的那部分也可见,所以光斑显得非常宽。通过光斑的高度和宽度的扩展,可以通过在此提出的方法例如确定天气信息“雾浓度”。
所描述的和在附图中示出的实施例仅仅是示例性地选择的。不同的实施例可以完整地或关于各个特征彼此组合。一个实施例也可以通过另一个实施例的特征来补充。此外,可以重复以及以不同于所描述的顺序的顺序执行根据本发明的方法步骤。
Claims (8)
1.一种用于识别车辆(106)的周围环境中的天气状况的方法,其中,所述方法具有以下步骤:
在图像信息中求取(202)至少一个成像特征,其中,所述图像信息代表所述周围环境的至少一个区域的图像并且所述成像特征代表在所述周围环境的所述区域中的反射性对象或自发光对象上的光效应,其中,所述光效应代表光斑的至少一个形状和位置,所述光斑至少由一个由自身车辆的大灯射出的光束引起,并且在所述求取(202)的步骤中由所述成像特征求取所述光斑的位置;
基于所述成像特征与至少一个预期值之间的比较来确定(204)用于表征所述天气状况的天气信息,其中,将所述光斑的位置与所述位置的预期值进行比较。
2.根据权利要求1所述的方法,其中,所述光效应代表至少一个明暗梯度,并且在所述求取(202)的步骤中由所述明暗梯度的成像特征求取散射特征值和/或折射特征值,其中,所述散射特征值代表所述反射性对象或自发光对象周围的图像区域中的光散射,并且所述折射特征值代表所述反射性对象或自发光对象周围的图像区域中的光折射,并且在所述确定(204)的步骤中还将所述散射特征值和/或所述折射特征值与所述散射特征值的至少一个预期值和/或所述折射特征值的至少一个预期值进行比较。
3.根据权利要求1或2所述的方法,其中,在所述求取(202)的步骤中还由所述成像特征求取所述光斑的高度和宽度,其中,所述高度代表所述光斑的表象垂直延展,并且所述宽度代表所述光斑的表象水平延展,并且在所述确定(204)的步骤中还将所述高度与所述高度的预期值进行比较以及将所述宽度与所述宽度的预期值进行比较。
4.根据权利要求1或2所述的方法,其中,所述光效应代表至少一个地面亮度,并且在所述求取(202)的步骤中由所述成像特征求取所述地面亮度的光分布,并且在所述确定(204)的步骤中还将所述光分布与所述光分布的预期值进行比较。
5.根据权利要求1或2所述的方法,其中,所述光效应代表地面附近的侧区域中的至少一个亮度,其中,所述侧区域布置在所述车辆侧面在由所述车辆的大灯直接照明的区域之外,并且在所述求取(202)的步骤中由所述成像特征求取所述亮度的侧区域亮度值,并且在所述确定(204)的步骤中还将所述侧区域亮度值与所述侧区域亮度值的预期值进行比较。
6.根据权利要求1或2所述的方法,其中,在所述求取(202)的步骤中在所述图像信息中求取另一成像特征,并且所述另一成像特征代表所述周围环境的所述区域中的另一反射性对象或自发光对象上的另一光效应,并且在所述确定(204)的步骤中基于所述另一成像特征与至少一个另外的预期值之间的另一比较来确定所述天气信息。
7.根据权利要求1或2所述的方法,其中,在所述求取(202)的附加步骤中由附加图像信息求取至少一个附加成像特征,其中,所述附加图像信息代表在附加时刻所述周围环境的至少所述区域的附加图像,并且所述附加成像特征代表在所述附加时刻在所述周围环境的所述区域中的反射性对象或自发光对象上的附加光效应,并且在所述确定(204)的步骤中还基于所述附加成像特征与至少一个附加预期值之间的附加比较来确定所述天气信息,其中,还基于所述比较与所述附加比较之间的变化来确定所述天气信息。
8.一种用于识别车辆(106)的周围环境中的天气状况的控制设备,其中,所述控制设备(100)具有以下特征:
用于在图像信息中求取成像特征的装置(102),其中,所述图像信息代表所述周围环境的至少一个区域的图像并且所述成像特征代表所述周围环境的所述区域中的反射性对象或自发光对象上的光效应,其中,所述光效应代表光斑的至少一个形状和位置,所述光斑至少由一个由自身车辆的大灯射出的光束引起,并且在求取时由所述成像特征求取所述光斑的位置;
用于基于所述成像特征与至少一个预期值之间的比较来确定用于表征所述天气状况的天气信息的装置(104),其中,将所述光斑的位置与所述位置的预期值进行比较。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102011077737.7 | 2011-06-17 | ||
DE102011077737 | 2011-06-17 | ||
PCT/EP2012/059033 WO2012171739A2 (de) | 2011-06-17 | 2012-05-15 | Verfahren und steuergerät zur erkennung einer wetterbedingung in einem umfeld eines fahrzeugs |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105593875A CN105593875A (zh) | 2016-05-18 |
CN105593875B true CN105593875B (zh) | 2020-02-07 |
Family
ID=46125441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280078252.5A Active CN105593875B (zh) | 2011-06-17 | 2012-05-15 | 用于识别车辆的周围环境中的天气状况的方法和控制设备 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9946937B2 (zh) |
EP (1) | EP2721554A2 (zh) |
JP (1) | JP5851597B2 (zh) |
CN (1) | CN105593875B (zh) |
DE (1) | DE102012209810A1 (zh) |
WO (1) | WO2012171739A2 (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010063017A1 (de) * | 2010-12-14 | 2012-06-14 | Robert Bosch Gmbh | Verfahren in einem Fahrerassistenzsystem zur Erkennung von Nässe auf einer Fahrbahn |
JP6032475B2 (ja) * | 2012-07-13 | 2016-11-30 | パナソニックIpマネジメント株式会社 | 照明装置 |
JP6125900B2 (ja) * | 2013-05-16 | 2017-05-10 | 株式会社小糸製作所 | リアフォグランプ制御装置及びリアフォグランプシステム |
DE102013019138A1 (de) * | 2013-11-12 | 2015-05-13 | Application Solutions (Electronics and Vision) Ltd. | Verfahren zum Erkennen eines verdeckten Zustands einer Kamera, Kamerasystem und Kraftfahrzeug |
US9594964B2 (en) * | 2014-06-12 | 2017-03-14 | GM Global Technology Operations LLC | Vision-based wet road surface detection using texture analysis |
US10380451B2 (en) * | 2014-11-06 | 2019-08-13 | Gentex Corporation | System and method for visibility range detection |
JP6599613B2 (ja) * | 2014-12-25 | 2019-10-30 | 株式会社小糸製作所 | 配光可変車両用灯具 |
US9465987B1 (en) * | 2015-03-17 | 2016-10-11 | Exelis, Inc. | Monitoring and detecting weather conditions based on images acquired from image sensor aboard mobile platforms |
US10366285B2 (en) | 2015-04-09 | 2019-07-30 | Bendix Commercial Vehicle Systems Llc | Method and apparatus for determining the operation of a vehicle safety system |
EP3264250B1 (de) * | 2016-06-27 | 2020-12-09 | Volkswagen Aktiengesellschaft | Verfahren und system zum auswählen eines betriebsmodus für ein fahrzeug |
DE102016213059A1 (de) * | 2016-07-18 | 2018-01-18 | Robert Bosch Gmbh | Verfahren und Steuergerät zum Verarbeiten eines zumindest einen Lichthof repräsentierenden Bildes sowie Bildaufnahmesystem |
CN106686165B (zh) * | 2016-12-30 | 2018-08-17 | 维沃移动通信有限公司 | 一种路况检测的方法及移动终端 |
US10197486B2 (en) * | 2017-04-30 | 2019-02-05 | Behrouz Mataei | Pavement drainage evaluation system |
WO2019003295A1 (ja) * | 2017-06-27 | 2019-01-03 | 本田技研工業株式会社 | 走行制御システムおよび車両の制御方法 |
US20200172135A1 (en) * | 2017-08-10 | 2020-06-04 | Siemens Mobility GmbH | Sensor-controlled adjustment of odometric measurement parameters to weather conditions |
DE102017214729A1 (de) * | 2017-08-23 | 2019-02-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Bestimmen einer hochgenauen Position und zum Betreiben eines automatisierten Fahrzeugs |
US20200408919A1 (en) | 2018-03-12 | 2020-12-31 | Mitsubishi Electric Corporation | Fog determination apparatus, fog determination method, and computer readable medium |
DE102018207803A1 (de) * | 2018-05-17 | 2019-11-21 | Bayerische Motoren Werke Aktiengesellschaft | Vorausschauender Scheibenwischer |
JP7070082B2 (ja) * | 2018-05-18 | 2022-05-18 | 株式会社デンソー | 車載カメラ |
DE102018218733A1 (de) * | 2018-10-31 | 2020-04-30 | Robert Bosch Gmbh | Verfahren zur Unterstützung einer kamerabasierten Umfelderkennung eines Fortbewegungsmittels mittels einer Strassennässeinformation eines ersten Ultraschallsensors |
JP7063257B2 (ja) * | 2018-12-14 | 2022-05-09 | トヨタ自動車株式会社 | 情報処理システム、プログラム、及び情報処理方法 |
DE102020200828A1 (de) | 2020-01-23 | 2021-07-29 | Zf Friedrichshafen Ag | Verfahren zum Bereitstellen einer künstlichen Intuition |
DE102020112488A1 (de) | 2020-05-08 | 2021-11-11 | HELLA GmbH & Co. KGaA | Vorrichtung zur Erkennung einer Wetterbedingung in einem Fahrzeugvorfeld |
JP7359091B2 (ja) * | 2020-07-15 | 2023-10-11 | 株式会社デンソー | 画像処理装置、画像処理方法、および画像処理プログラム |
CN117121075A (zh) * | 2021-03-03 | 2023-11-24 | 日产自动车株式会社 | 物体检测方法以及物体检测装置 |
KR20220165310A (ko) * | 2021-06-07 | 2022-12-15 | 현대자동차주식회사 | 자율 주행 제어 장치 및 그 방법 |
DE102022107333A1 (de) | 2022-03-29 | 2023-10-05 | HELLA GmbH & Co. KGaA | Vorrichtung und Verfahren zur Erfassung eines Niederschlags |
US11972613B1 (en) * | 2022-10-28 | 2024-04-30 | Zoox, Inc. | Apparatus and methods for atmospheric condition detection |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6831261B2 (en) * | 1993-02-26 | 2004-12-14 | Donnelly Corporation | Vehicle headlight control using imaging sensor |
CN1921621A (zh) * | 2006-09-18 | 2007-02-28 | 李博航 | 全景可视驾驶辅助设备 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2182257A1 (en) * | 1995-07-28 | 1997-01-29 | Donald Beverly Giles | Method and apparatus for detecting ice and packed snow |
JPH09189533A (ja) | 1996-01-11 | 1997-07-22 | Tokai Rika Co Ltd | 付着物センサ及び付着物感応ワイパ |
JPH10124563A (ja) * | 1996-08-27 | 1998-05-15 | Matsushita Electric Ind Co Ltd | 論理回路の遅延計算方法、その遅延計算装置及び遅延ライブラリの遅延データ計算方法 |
JPH11278182A (ja) | 1998-03-31 | 1999-10-12 | Nissan Motor Co Ltd | 車両用霧状況検出装置 |
JPH11321440A (ja) | 1998-05-18 | 1999-11-24 | Koito Mfg Co Ltd | 車輌用灯具装置 |
JP3444192B2 (ja) * | 1998-05-21 | 2003-09-08 | 日産自動車株式会社 | 撮像環境推定装置 |
US6873898B1 (en) * | 2000-06-15 | 2005-03-29 | Continental Teves, Inc. | Vehicle control system utilizing gps data |
US6920233B2 (en) * | 2001-02-20 | 2005-07-19 | Massachusetts Institute Of Technology | Method and apparatus for short-term prediction of convective weather |
US20020181739A1 (en) * | 2001-06-04 | 2002-12-05 | Massachusetts Institute Of Technology | Video system for monitoring and reporting weather conditions |
FR2826727B1 (fr) * | 2001-06-29 | 2004-05-28 | Valeo Vision | Procede et dispositif pour detecter l'etat d'humidite d'une route sur laquelle circule un vehicule |
DE10222665A1 (de) * | 2002-05-22 | 2003-12-11 | Bosch Gmbh Robert | Verfahren zur Konfiguration einer Getriebesteuerung für Kraftfahrzeuge |
DE10303046A1 (de) | 2003-01-24 | 2004-10-21 | Daimlerchrysler Ag | Verfahren und Vorrichtung zur quantitativen Abschätzung der Sichtweite in Fahrzeugen |
JP4258385B2 (ja) * | 2004-01-14 | 2009-04-30 | 株式会社デンソー | 路面反射検出装置 |
JP4353127B2 (ja) | 2005-04-11 | 2009-10-28 | 株式会社デンソー | レインセンサ |
FR2884637B1 (fr) * | 2005-04-19 | 2007-06-29 | Valeo Vision Sa | Procede de detection de brouillard nocturne et systeme de mise en oeuvre de ce procede |
JP4513691B2 (ja) * | 2005-08-23 | 2010-07-28 | 株式会社デンソー | 撮像モジュール |
US7428449B2 (en) * | 2006-03-14 | 2008-09-23 | Temic Automotive Of North America, Inc. | System and method for determining a workload level of a driver |
JP4730267B2 (ja) * | 2006-07-04 | 2011-07-20 | 株式会社デンソー | 車両用視界状況判定装置 |
WO2009027089A2 (en) * | 2007-08-30 | 2009-03-05 | Valeo Schalter Und Sensoren Gmbh | Method and system for weather condition detection with image-based road characterization |
FR2922671B1 (fr) * | 2007-10-17 | 2010-03-12 | Valeo Vision | Procede de determination automatique de coefficient d'une pente sur le point d'etre abordee par un vehicule automobile et dispositif associe |
DE102007057745A1 (de) | 2007-11-30 | 2009-06-04 | Robert Bosch Gmbh | Steuerungsverfahren und Steuerungsvorrichtung für eine Scheibenwischvorrichtung |
DE102007062258A1 (de) | 2007-12-21 | 2009-06-25 | Robert Bosch Gmbh | Optische Regensensorvorrichtung für ein Kraftfahrzeug |
US8379989B2 (en) * | 2008-04-01 | 2013-02-19 | Toyota Jidosha Kabushiki Kaisha | Image search apparatus and image processing apparatus |
DE102008043737A1 (de) | 2008-11-14 | 2010-05-20 | Robert Bosch Gmbh | Vorrichtung und Verfahren zur Detektion von Regentropfen auf einer Scheibe |
DE102009011866A1 (de) | 2009-03-05 | 2010-09-09 | Volkswagen Ag | Verfahren und Vorrichtung zum Bestimmen einer Sichtweite für ein Fahrzeug |
CN102883925B (zh) * | 2010-03-04 | 2016-07-06 | 法雷奥开关和传感器有限责任公司 | 在风挡玻璃上的雾和雨滴的检测方法以及驾驶辅助装置 |
US8791996B2 (en) * | 2010-03-31 | 2014-07-29 | Aisin Aw Co., Ltd. | Image processing system and position measurement system |
US8655505B2 (en) * | 2011-02-18 | 2014-02-18 | Caterpillar Inc. | Worksite management system implementing remote machine reconfiguration |
-
2012
- 2012-05-15 EP EP12722129.9A patent/EP2721554A2/de not_active Withdrawn
- 2012-05-15 WO PCT/EP2012/059033 patent/WO2012171739A2/de active Application Filing
- 2012-05-15 JP JP2014515114A patent/JP5851597B2/ja active Active
- 2012-05-15 US US14/126,885 patent/US9946937B2/en active Active
- 2012-05-15 CN CN201280078252.5A patent/CN105593875B/zh active Active
- 2012-06-12 DE DE102012209810A patent/DE102012209810A1/de active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6831261B2 (en) * | 1993-02-26 | 2004-12-14 | Donnelly Corporation | Vehicle headlight control using imaging sensor |
CN1921621A (zh) * | 2006-09-18 | 2007-02-28 | 李博航 | 全景可视驾驶辅助设备 |
Also Published As
Publication number | Publication date |
---|---|
JP5851597B2 (ja) | 2016-02-03 |
JP2014518412A (ja) | 2014-07-28 |
DE102012209810A1 (de) | 2012-12-20 |
WO2012171739A3 (de) | 2013-03-21 |
WO2012171739A2 (de) | 2012-12-20 |
CN105593875A (zh) | 2016-05-18 |
EP2721554A2 (de) | 2014-04-23 |
US20140233805A1 (en) | 2014-08-21 |
US9946937B2 (en) | 2018-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105593875B (zh) | 用于识别车辆的周围环境中的天气状况的方法和控制设备 | |
US8436902B2 (en) | Method and system for weather condition detection with image-based road characterization | |
KR100874461B1 (ko) | 차량의 외부 조명 제어 장치 및 차량의 자동 제어 장치 | |
US8425092B2 (en) | Headlamp control device and vehicle headlamp having headlamp control device | |
US9168861B2 (en) | Method for controlling a headlamp system for a vehicle, and headlamp system | |
US9483708B2 (en) | Method and apparatus for recognizing object reflections | |
US9114754B2 (en) | Method for regulating the beam range of at least one headlamp of a vehicle and light control device | |
US8232895B2 (en) | Vehicle detection apparatus, vehicle detection program and light control apparatus | |
CN103402819B (zh) | 用于影响车辆前照明场景的方法和控制设备 | |
EP3412511B1 (en) | Bundling of driver assistance systems | |
US20140009617A1 (en) | Environment Recognition Device | |
US20090118909A1 (en) | Process for detecting a phenomenon limiting the visibility for a motor vehicle | |
JP2002526317A5 (zh) | ||
US9262817B2 (en) | Environment estimation apparatus and vehicle control system | |
US20150220792A1 (en) | Method for Evaluating Image Data of a Vehicle Camera Taking Into Account Information About Rain | |
US11400857B2 (en) | Method for operating a high-beam assistance system of a motor vehicle | |
US9376052B2 (en) | Method for estimating a roadway course and method for controlling a light emission of at least one headlight of a vehicle | |
KR101259836B1 (ko) | 우적 감응형 와이퍼 장치 | |
KR100660561B1 (ko) | 비전기반 지능형 스마트 와이퍼 시스템 및 그 제어방법 | |
KR20110037762A (ko) | 상향등 제어 시스템 및 방법 | |
JP2013086739A (ja) | ヘッドライト制御装置、ヘッドライトシステム、及びヘッドライトシステムの制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |