CN111114424A - 雾灯开启方法、装置、控制设备及存储介质 - Google Patents

雾灯开启方法、装置、控制设备及存储介质 Download PDF

Info

Publication number
CN111114424A
CN111114424A CN201911317748.3A CN201911317748A CN111114424A CN 111114424 A CN111114424 A CN 111114424A CN 201911317748 A CN201911317748 A CN 201911317748A CN 111114424 A CN111114424 A CN 111114424A
Authority
CN
China
Prior art keywords
fog lamp
image data
turn
algorithm model
vehicle
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.)
Pending
Application number
CN201911317748.3A
Other languages
English (en)
Inventor
马金凤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zebra Network Technology Co Ltd
Original Assignee
Zebra Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zebra Network Technology Co Ltd filed Critical Zebra Network Technology Co Ltd
Priority to CN201911317748.3A priority Critical patent/CN111114424A/zh
Publication of CN111114424A publication Critical patent/CN111114424A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/02—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments
    • B60Q1/04—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights
    • B60Q1/18—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights being additional front lights
    • B60Q1/20—Fog lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Lighting Device Outwards From Vehicle And Optical Signal (AREA)

Abstract

本发明提供的雾灯开启方法、装置、控制设备及存储介质，通过采集车辆当前时刻所在周围环境的图像数据；将所述图像数据输入预设的算法模型，确定是否开启雾灯；若是，输出控制指令以指示车辆开启雾灯，即本发明示例通过将采集的车辆当前时刻的图像输入到算法模型中，从而确定是否开启雾灯，实现了智能化开启雾灯，提高了车辆行驶的安全性。

Description

雾灯开启方法、装置、控制设备及存储介质
技术领域
本发明涉及车辆控制技术，尤其涉及一种雾灯开启方法、装置、控制设备及存储介质。
背景技术
汽车雾灯，用于在雨雾天气行车时照明道路。因为雾灯的波长较长，具有更好的穿透力，在能见度较低时可以提高驾驶员与周围交通参与者的能见度，使来车和行人在较远处发现对方，保障车辆和行人的安全性。
目前雾灯的开启主要通过手动操作，但不同厂商生产的车辆，雾灯开关的位置和开启方式都很不同，如果驾驶员手动开启这些灯，会增加了驾驶员的难度而且容易分神，另外在能见度好的时候开启雾灯对其他驾驶员也是一种很大的视觉干扰，这些都极大的影响了行车的安全性。
因此，亟需一种新的雾灯开启方法，以实现智能化开启雾灯，提高车辆行驶的安全性。
发明内容
针对上述问题，本发明提供了一种雾灯开启方法、装置、控制设备及存储介质。
第一方面，本发明提供了一种雾灯开启方法，包括：
采集车辆当前时刻所在周围环境的图像数据；
将所述图像数据输入预设的算法模型，确定是否开启雾灯；
若是，输出控制指令以指示车辆开启雾灯。
在其他可选的实施方式中，所述将所述图像数据输入预设的算法模型之前，还包括：
将采集的历史图像数据以及对应的能见度数据作为训练集，训练分类模型以获得预设的算法模型。
在其他可选的实施方式中，将所述图像数据输入预设的算法模型，确定是否开启雾灯，包括：
将所述图像数据输入预设的算法模型，得到所述图像数据的第一结果；利用第一结果与第二结果，确定是否开启雾灯；其中，所述第二结果为利用所述算法模型，处理所述当前时刻之前的连续时刻采集到的图像数据的结果。
在其他可选的实施方式中，所述将所述图像数据输入预设的算法模型，确定是否开启雾灯，包括：
根据所述图像数据判断车辆当前时刻所在周围环境的能见度，若所述能见度低于预设阈值，则确定开启雾灯。
第二方面，本发明提供了一种雾灯开启装置，包括：
采集模块，用于采集车辆当前时刻所在周围环境的图像数据；
处理模块，用于将所述图像数据输入预设的算法模型，确定是否开启雾灯；
输出模块，用于输出控制指令以指示车辆开启雾灯。
在其他可选的实施方式中，还包括训练模块；
所述训练模块，用于将采集的历史图像数据以及对应的能见度数据作为训练集，训练分类模型以获得预设的算法模型。
在其他可选的实施方式中，所述处理模块，具体用于：
将所述图像数据输入预设的算法模型，得到所述图像数据的第一结果；利用第一结果与第二结果，确定是否开启雾灯；其中，所述第二结果为利用所述算法模型，处理所述当前时刻之前的连续时刻采集到的图像数据的结果。
在其他可选的实施方式中，所述处理模块，具体用于：
根据所述图像数据判断车辆当前时刻所在周围环境的能见度，若所述能见度低于预设阈值，则确定开启雾灯。
第三方面，本发明提供了一种雾灯开启控制设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如前任一项所述的雾灯开启方法。
第四方面，本发明提供了一种可读存储介质，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现前任一项所述的雾灯开启方法。
本发明提供的雾灯开启方法、装置、控制设备及存储介质，通过采集车辆当前时刻所在周围环境的图像数据；将所述图像数据输入预设的算法模型，确定是否开启雾灯；若是，输出控制指令以指示车辆开启雾灯，即本发明示例通过将采集的车辆当前时刻的图像输入到算法模型中，从而确定是否开启雾灯，实现了智能化开启雾灯，提高了车辆行驶的安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1为本发明所基于的一种***架构的示意图；
图2为本发明提供的一种雾灯开启方法的流程示意图；
图3为本发明所基于的一种雾灯开启信号传输的示意图；
图4为本发明提供的另一种雾灯开启方法的流程示意图；
图5为本发明提供的一种雾灯开启装置的结构示意图；
图6为本发明提供的另一种雾灯开启装置的结构示意图；
图7为本发明提供的一种雾灯开启控制设备的硬件结构示意图。
通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
汽车雾灯，用于在雨雾天气行车时照明道路。因为雾灯的波长较长，具有更好的穿透力，在能见度较低时可以提高驾驶员与周围交通参与者的能见度，使来车和行人在较远处发现对方，保障车辆和行人的安全性。
目前雾灯的开启主要通过手动操作，但不同厂商生产的车辆，雾灯开关的位置和开启方式都很不同，如果驾驶员手动开启这些灯，会增加了驾驶员的难度而且容易分神，另外在能见度好的时候开启雾灯对其他驾驶员也是一种很大的视觉干扰，这些都极大的影响了行车的安全性。
针对该问题，本发明提供了一种雾灯开启方法、装置、控制设备及存储介质，实现了智能化开启雾灯，提高车辆行驶的安全性。
图1为本发明所基于的一种***架构的示意图，如图1所示，本发明基于的其中一种***架构可包括摄像模块、控制单元以及车灯，其中摄像模块可为设在车辆上的外向摄像头，例如行车记录仪等，控制单元可为整车控制器，车灯包括雾灯等；其中，摄像模块和控制单元配合可用于执行下述各实施方式中所述的开启方法，以实现对雾灯的智能开启。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
第一方面，本发明示例提供了一种雾灯开启方法，图2为本发明提供的一种雾灯开启方法的流程示意图。
如图2所示，该雾灯开启方法包括：
步骤101、采集车辆当前时刻所在周围环境的图像数据。
具体来说，行驶的车辆上可以安装有外向摄像头，该摄像头可以是前向，例如行车记录仪，也可以是任意方向，主要用于拍摄车辆当前时刻的外部环境的图像，在获得图像后，可以对图像进行特征提取等处理，获得图像数据，例如图像亮度或灰度、图像像素、图像颜色分布等。
步骤102、将所述图像数据输入预设的算法模型，确定是否开启雾灯。
若是，执行步骤103，否则返回步骤101。
具体来说，算法模型可以为机器学习中的分类模型，例如随机森林模型(randomforest)、自适应提升算法模型(Adaboost)、支持向量机模型(Support Vector Machine，简称SVM)，也可以是深度学习的分类模型等。
在将图像数据输入算法模型之前，需要对算法模型进行训练，也就是说，作为可选的实施方式，在将所述图像数据输入预设的算法模型之前，所述方法还包括：
将采集的历史图像数据以及对应的能见度数据作为训练集，训练分类模型以获得预设的算法模型。
具体来说，获取车辆摄像头所采集的历史图像，并从历史图像中提取与能见度相关的图像数据，并对这些图像数据设置一定的标签，例如能见度低于200米的图像数据，设定标签为1，需要开启雾灯，能见度高于200m的图像数据，设定标签为0，不需要开启雾灯。
然后将这些标签为1和0的图像数据作为训练集，输入初始的分类模型中，对初始分类模型进行训练，进而获得预设的算法模型。也就是说，在将测量数据输入到预设的算法模型后，会输出0或1，0代表不需要开启雾灯，1代表需要开启雾灯。
作为可选的实施方式，步骤102的一种具体实现方式如下：
根据所述图像数据判断车辆当前时刻所在周围环境的能见度，若所述能见度低于预设阈值，则确定开启雾灯。
具体来说，将所述图像数据输入至算法模型中，会根据图像数据计算出能见度，然后判断能见度是否大于预设阈值，例如预设阈值取值为200m，若能见度大于200m，预设的算法模型输出结果为确定开启雾灯，若能见度小于200m，则预设的算法模型输出结果为不开启雾灯。
当确定需要开启雾灯后，则执行步骤103，当确定不需要开启雾灯后，说明此时车辆周围的行驶环境能见度比较清晰，此时可以继续返回步骤101，持续采集车辆周围环境的图像数据，或者结束本示例方法。
步骤103、输出控制指令以指示车辆开启雾灯。
具体来说，图3为本发明所基于的一种雾灯开启信号传输的示意图，如图3所示，整车控制器在判断需要开启雾灯后，会输出控制指令给车辆上的某个电子控制单元(Electronic Control Unit，简称ECU)，参考图3中的ECU1，ECU1会将该控制指令传递给CAN总线，另一个与雾灯连接的ECU单元，参见图3中的ECU2会不断读取CAN总线上的雾灯开启信号，当检测到该信号有效后会将模拟信号转化为电信号控制雾灯开启。
本发明示例提供的雾灯开启方法，通过采集车辆当前时刻所在周围环境的图像数据；将所述图像数据输入预设的算法模型，确定是否开启雾灯；若是，输出控制指令以指示车辆开启雾灯，即本发明示例通过将采集的车辆当前时刻的图像输入到算法模型中，从而确定是否开启雾灯，实现了智能化开启雾灯，提高了车辆行驶的安全性。
结合前述的各实现方式，图4为本发明提供的另一种雾灯开启方法的流程示意图，如图4所示，该雾灯开启方法包括：
步骤201、采集车辆当前时刻所在周围环境的图像数据。
步骤202、将所述图像数据输入预设的算法模型，得到所述图像数据的第一结果；利用第一结果与第二结果，确定是否开启雾灯。
其中，所述第二结果为利用所述算法模型，处理所述当前时刻之前的连续时刻采集到的图像数据的结果。
若是，执行步骤203，若否，返回步骤201。
步骤203、输出控制指令以指示车辆开启雾灯。
本实施方式中的步骤201以及步骤203分别与前述实施方式中的步骤101以及步骤103的实现方式类似，在此不进行赘述。
与前述实施方式不同的是，为了避免采集一次图像数据造成的判断失误，进而提高控制雾灯开启的准确性，在本实施方式中，将所述图像数据输入预设的算法模型，得到所述图像数据的第一结果；利用第一结果与第二结果，确定是否开启雾灯；其中，所述第二结果为利用所述算法模型，处理所述当前时刻之前的连续时刻采集到的图像数据的结果。
具体来说，根据采集的当前时刻的图像数据输入至预设的算法模型中，获得是否开启雾灯的第一结果，同时还要根据在当前时刻之前的连续时刻采集的各图像数据输入至算法模型中，获得是否开启雾灯的第二结果，如果第一结果和第二结果均为需要开启雾灯，则最终确定开启雾灯，换句话说，如果当前时刻以及当前时刻之前的连续时刻所采集的图像数据分别输入至预设算法模型中，均得到需要开启雾灯的结果，则输出雾灯开启的控制指令；优选的，如果连续若干次(大于预设阈值T)采集的图像输入算法模型后得到的结构均为需要开启雾灯，则输出控制指令以指示车辆开启雾灯，其中，预设阈值T可以根据本领域技术人员的经验设置，例如可取值为10、15、20等，本发明对此不作限制。
另外，不仅可以采集当前时刻之前的连续时刻的图像数据，还可以采集当前时刻之后的连续时刻的图像数据，或者包含当前时刻在内的连续时刻的图像数据。
本发明示例提供的雾灯开启方法，通过采集车辆当前时刻所在周围环境的图像数据；将所述图像数据输入预设的算法模型，得到所述图像数据的第一结果；利用第一结果与第二结果，确定是否开启雾灯；其中，所述第二结果为利用所述算法模型，处理所述当前时刻之前的连续时刻采集到的图像数据的结果；若是，输出控制指令以指示车辆开启雾灯，即本发明示例通过将连续时刻采集的车辆的图像数据输入到算法模型中，从而确定是否开启雾灯，实现了智能化开启雾灯，提高了车辆行驶的安全性的同时，避免了采集一次图像可能造成的误差，提高了雾灯开启的准确性。
第二方面，本发明示例提供了一种雾灯开启装置，图5为本发明提供的一种雾灯开启装置的结构示意图，如图5所示，该雾灯开启装置包括：
采集模块10，用于采集车辆当前时刻所在周围环境的图像数据；
处理模块20，用于将所述图像数据输入预设的算法模型，确定是否开启雾灯；
输出模块30，用于输出控制指令以指示车辆开启雾灯。
在其他可选的实施方式中，所述处理模块20，具体用于：
将所述图像数据输入预设的算法模型，得到所述图像数据的第一结果；利用第一结果与第二结果，确定是否开启雾灯；其中，所述第二结果为利用所述算法模型，处理所述当前时刻之前的连续时刻采集到的图像数据的结果。
在其他可选的实施方式中，所述处理模块20，具体用于：
根据所述图像数据判断车辆当前时刻所在周围环境的能见度，若所述能见度低于预设阈值，则确定开启雾灯。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的控制设备的具体工作过程以及相应的有益效果，可以参考前述方法示例中的对应过程，在此不再赘述。
本发明示例提供的雾灯开启方法，通过采集模块采集车辆当前时刻所在周围环境的图像数据；处理模块将所述图像数据输入预设的算法模型，确定是否开启雾灯；若是，输出模块输出控制指令以指示车辆开启雾灯，即本发明示例通过将采集的车辆当前时刻的图像输入到算法模型中，从而确定是否开启雾灯，实现了智能化开启雾灯，提高了车辆行驶的安全性。
结合前述的各实现方式，图6为本发明提供的另一种雾灯开启装置的结构示意图，如图6所示，该雾灯开启装置包括：
采集模块10，用于采集车辆当前时刻所在周围环境的图像数据；
处理模块20，用于将所述图像数据输入预设的算法模型，确定是否开启雾灯；
输出模块30，用于输出控制指令以指示车辆开启雾灯。
训练模块40，用于将采集的历史图像数据以及对应的能见度数据作为训练集，训练分类模型以获得预设的算法模型。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的控制设备的具体工作过程以及相应的有益效果，可以参考前述方法示例中的对应过程，在此不再赘述。
第三方面，本发明示例提供了一种雾灯开启控制设备，图7为本发明提供的一种雾灯开启控制设备的硬件结构示意图，如图7所示，包括：
至少一个处理器701和存储器702。
在具体实现过程中，至少一个处理器701执行所述存储器702存储的计算机执行指令，使得至少一个处理器701执行如上的雾灯开启方法，其中，处理器701、存储器702通过总线703连接。
处理器701的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图7所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
第四方面，本发明还提供了一种可读存储介质，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上雾灯开启方法。
上述的可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种雾灯开启方法，其特征在于，包括：
采集车辆当前时刻所在周围环境的图像数据；
将所述图像数据输入预设的算法模型，确定是否开启雾灯；
若是，输出控制指令以指示车辆开启雾灯。
2.根据权利要求1所述的雾灯开启方法，其特征在于，所述将所述图像数据输入预设的算法模型之前，还包括：
将采集的历史图像数据以及对应的能见度数据作为训练集，训练分类模型以获得预设的算法模型。
3.根据权利要求1或2所述的雾灯开启方法，其特征在于，将所述图像数据输入预设的算法模型，确定是否开启雾灯，包括：
将所述图像数据输入预设的算法模型，得到所述图像数据的第一结果；利用第一结果与第二结果，确定是否开启雾灯；其中，所述第二结果为利用所述算法模型，处理所述当前时刻之前的连续时刻采集到的图像数据的结果。
4.根据权利要求2所述的雾灯开启方法，其特征在于，所述将所述图像数据输入预设的算法模型，确定是否开启雾灯，包括：
根据所述图像数据判断车辆当前时刻所在周围环境的能见度，若所述能见度低于预设阈值，则确定开启雾灯。
5.一种雾灯开启装置，其特征在于，包括：
采集模块，用于采集车辆当前时刻所在周围环境的图像数据；
处理模块，用于将所述图像数据输入预设的算法模型，确定是否开启雾灯；
输出模块，用于输出控制指令以指示车辆开启雾灯。
6.根据权利要求5所述的雾灯开启装置，其特征在于，还包括训练模块；
所述训练模块，用于将采集的历史图像数据以及对应的能见度数据作为训练集，训练分类模型以获得预设的算法模型。
7.根据权利要求5或6所述的雾灯开启装置，其特征在于，所述处理模块，具体用于：
将所述图像数据输入预设的算法模型，得到所述图像数据的第一结果；利用第一结果与第二结果，确定是否开启雾灯；其中，所述第二结果为利用所述算法模型，处理所述当前时刻之前的连续时刻采集到的图像数据的结果。
8.根据权利要求6所述的雾灯开启装置，其特征在于，所述处理模块，具体用于：
根据所述图像数据判断车辆当前时刻所在周围环境的能见度，若所述能见度低于预设阈值，则确定开启雾灯。
9.一种雾灯开启控制设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至4任一项所述的雾灯开启方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至4任一项所述的雾灯开启方法。
CN201911317748.3A 2019-12-19 2019-12-19 雾灯开启方法、装置、控制设备及存储介质 Pending CN111114424A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911317748.3A CN111114424A (zh) 2019-12-19 2019-12-19 雾灯开启方法、装置、控制设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911317748.3A CN111114424A (zh) 2019-12-19 2019-12-19 雾灯开启方法、装置、控制设备及存储介质

Publications (1)

Publication Number Publication Date
CN111114424A true CN111114424A (zh) 2020-05-08

Family

ID=70500955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911317748.3A Pending CN111114424A (zh) 2019-12-19 2019-12-19 雾灯开启方法、装置、控制设备及存储介质

Country Status (1)

Country Link
CN (1) CN111114424A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4169772A1 (de) * 2021-10-19 2023-04-26 Volkswagen Ag Verfahren und vorrichtung zum steuern einer nebellichtanlage
EP4297535A1 (de) * 2022-06-22 2023-12-27 Volkswagen Aktiengesellschaft Verfahren und steuervorrichtung zur automatischen steuerung wenigstens einer lichtfunktion einer beleuchtungseinrichtung eines ego-fahrzeugs

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1965353A2 (fr) * 2007-02-28 2008-09-03 Valeo Vision Procédé de détection d'un virage, procédé de commande de l'éclairage d'un véhicule lors de la détection d'un virage et système de mise en oeuvre de ces procédés
CN107506729A (zh) * 2017-08-24 2017-12-22 中国科学技术大学 一种基于深度学习的能见度检测方法
CN108621918A (zh) * 2018-02-09 2018-10-09 常州星宇车灯股份有限公司 一种智能雾灯控制***
WO2018201835A1 (zh) * 2017-05-03 2018-11-08 腾讯科技（深圳）有限公司 信号灯状态识别方法、装置、车载控制终端及机动车
CN208983244U (zh) * 2018-10-25 2019-06-14 浙江吉利汽车研究院有限公司 一种安全雾灯装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1965353A2 (fr) * 2007-02-28 2008-09-03 Valeo Vision Procédé de détection d'un virage, procédé de commande de l'éclairage d'un véhicule lors de la détection d'un virage et système de mise en oeuvre de ces procédés
WO2018201835A1 (zh) * 2017-05-03 2018-11-08 腾讯科技（深圳）有限公司 信号灯状态识别方法、装置、车载控制终端及机动车
CN107506729A (zh) * 2017-08-24 2017-12-22 中国科学技术大学 一种基于深度学习的能见度检测方法
CN108621918A (zh) * 2018-02-09 2018-10-09 常州星宇车灯股份有限公司 一种智能雾灯控制***
CN208983244U (zh) * 2018-10-25 2019-06-14 浙江吉利汽车研究院有限公司 一种安全雾灯装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王昆翔: "《警用智能技术》", September 2004 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4169772A1 (de) * 2021-10-19 2023-04-26 Volkswagen Ag Verfahren und vorrichtung zum steuern einer nebellichtanlage
EP4297535A1 (de) * 2022-06-22 2023-12-27 Volkswagen Aktiengesellschaft Verfahren und steuervorrichtung zur automatischen steuerung wenigstens einer lichtfunktion einer beleuchtungseinrichtung eines ego-fahrzeugs

Similar Documents

Publication Publication Date Title
JP5708689B2 (ja) 物体検出装置
JP5100159B2 (ja) 車載投光器の自動切換え制御方法
CN109229062B (zh) 一种自动雨刮控制***和方法
JP6165851B2 (ja) 多段式集落検出に応答する車両装置を制御するためのシステムおよび方法
CN110852274A (zh) 一种基于图像识别的智能雨量感知方法及装置
CN109311416A (zh) 具有自适应远光控制的成像***
JP2006298362A (ja) 暗い領域に到達したことを早期に検出する方法
US9619720B2 (en) Vehicle imaging system and method for distinguishing between vehicle tail lights and flashing red stop lights
CN111114424A (zh) 雾灯开启方法、装置、控制设备及存储介质
US11250279B2 (en) Generative adversarial network models for small roadway object detection
CN108569193A (zh) 一种基于路况的自适应前照灯***及其控制方法
CN104008518B (zh) 对象检测设备
CN114906049A (zh) 一种汽车后排阅读灯控制方法、装置及车辆
Li et al. Intelligent headlight control using learning-based approaches
CN111824003A (zh) 一种车灯的控制方法及控制***
CN110774975B (zh) 一种基于图像识别的智能灯光控制方法及装置
CN104508595B (zh) 提供多级对准稳定性指示的车辆成像***
CN114475415A (zh) 一种车灯控制方法、***、装置、存储介质和车机***
KR102416117B1 (ko) 차량 및 차량 제어 방법
CN110929737A (zh) 一种标签生成方法及装置
CN116409235A (zh) 一种车辆远光灯的控制方法、装置及电子设备
CN110789449A (zh) 基于图像识别技术的超车避让的提醒方法、***及车载终端
CN111376820A (zh) 一种车灯自动控制***
CN112926476B (zh) 车辆识别方法、装置及存储介质
CN117508001A (zh) 车辆智能控制方法、装置、设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200508