CN113544011A - 用于机动车辆的前灯控制***和训练用于前灯控制***的机器学习模型的方法 - Google Patents
用于机动车辆的前灯控制***和训练用于前灯控制***的机器学习模型的方法 Download PDFInfo
- Publication number
- CN113544011A CN113544011A CN202080020195.XA CN202080020195A CN113544011A CN 113544011 A CN113544011 A CN 113544011A CN 202080020195 A CN202080020195 A CN 202080020195A CN 113544011 A CN113544011 A CN 113544011A
- Authority
- CN
- China
- Prior art keywords
- control system
- machine learning
- learning model
- headlamp control
- headlamp
- 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.)
- Granted
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims description 17
- 238000005286 illumination Methods 0.000 claims abstract description 41
- 238000003384 imaging method Methods 0.000 claims abstract description 36
- 230000008859 change Effects 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 description 5
- KRQUFUKTQHISJB-YYADALCUSA-N 2-[(E)-N-[2-(4-chlorophenoxy)propoxy]-C-propylcarbonimidoyl]-3-hydroxy-5-(thian-3-yl)cyclohex-2-en-1-one Chemical compound CCC\C(=N/OCC(C)OC1=CC=C(Cl)C=C1)C1=C(O)CC(CC1=O)C1CCCSC1 KRQUFUKTQHISJB-YYADALCUSA-N 0.000 description 2
- 125000001475 halogen functional group Chemical group 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- B60Q1/14—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 having dimming means
- B60Q1/1415—Dimming circuits
- B60Q1/1423—Automatic dimming circuits, i.e. switching between high beam and low beam due to change of ambient light or light level in road traffic
- B60Q1/143—Automatic dimming circuits, i.e. switching between high beam and low beam due to change of ambient light or light level in road traffic combined with another condition, e.g. using vehicle recognition from camera images or activation of wipers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- 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
- 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
-
- 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
- B60Q1/0017—Devices integrating an element dedicated to another function
- B60Q1/0023—Devices integrating an element dedicated to another function the element being a sensor, e.g. distance sensor, camera
-
- 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
- B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
- B60Q2300/05—Special features for controlling or switching of the light beam
- B60Q2300/052—Switching delay, i.e. the beam is not switched or changed instantaneously upon occurrence of a condition change
-
- 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
- B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
- B60Q2300/05—Special features for controlling or switching of the light beam
- B60Q2300/054—Variable non-standard intensity, i.e. emission of various beam intensities different from standard intensities, e.g. continuous or stepped transitions of intensity
-
- 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
- B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
- B60Q2300/20—Indexing codes relating to the driver or the passengers
- B60Q2300/21—Manual control
-
- 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
- B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
- B60Q2300/40—Indexing codes relating to other road users or special conditions
- B60Q2300/42—Indexing codes relating to other road users or special conditions oncoming vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Lighting Device Outwards From Vehicle And Optical Signal (AREA)
Abstract
本发明提供了一种用于机动车辆的前灯控制***(10)，该前灯控制***包括：可控前灯(24)，该可控前灯适于生成车辆环境的可变照明；成像设备(11)，该成像设备适于从机动车辆前方的区域捕获图像(100)；以及数据处理装置(14)，该数据处理装置适于对由该成像设备(11)捕获的图像(100)执行图像处理，并且适于根据该图像处理来改变该可控前灯(24)的光特性。在所述数据处理装置(14)中实现机器学习模型(27)，该机器学习模型被训练成由作为输入从成像设备(11)接收的一个或多个图像(28)估计和输出表示车辆环境的期望照明的输出信号(29)。
Description
技术领域
本发明涉及一种用于机动车辆的前灯控制***，该前灯控制***包括：可控前灯，该可控前灯适于生成车辆环境的可变照明；成像设备，该成像设备适于从机动车辆前方的区域捕获图像；以及数据处理装置，该数据处理装置适于对由所述成像设备捕获的图像执行图像处理，并且适于根据所述图像处理来改变所述可控前灯的光特性。本发明还涉及一种训练用于此类前灯控制***的机器学习模型的方法。
背景技术
用于自动前灯控制的***通常基于其对各个车辆或光源的明确检测的决策。这使得难以适当地处理车辆出现过弯或爬岭的情况，或者当迎面而来的车辆的前灯被护栏、障碍物或其他对象遮挡时的情况。
EP 2 495 127B1公开了一种帮助检测出现过弯或爬岭的车辆的光先兆检测方法。然而，该方法对此类先兆的外观提出了相当严格的要求，并且没有解决遮挡光源的其他结构或对象的问题。另外，该方法必须由光源检测器或车辆检测器来补充。此外，为了控制前灯，需要另外的逻辑来解释检测并且决定前方道路应如何被照亮。
发明内容
本发明的根本问题是提供一种用于前灯控制***的整体方法，该前灯控制***适于处理不同的光照条件，包括其中结构和对象遮挡光源的所有类型的情况。
本发明利用独立权利要求的特征来解决该问题。根据本发明，在数据处理装置中实施机器学习模型，该机器学习模型被训练成由作为输入从成像设备接收的一个或多个图像估计和输出表示车辆环境的期望照明的输出信号。
人能够解读多种光提示，诸如光晕、杂散光或反射，从而例如确定其他车辆的可能位置。为了模拟该方法，本发明提供了一种机器学习模型，该机器学习模型已经过训练以整体地考虑整个图像或多个图像，以直接估计前灯控制信号，或更一般地，估计表示车辆环境的期望照明的输出。一般来讲，由一个或多个前灯对车辆环境的期望照明包括机动车辆的前灯中存在的所有光源的角分布和/或强度分布，包括高光束光源的照明状态。
在本发明的一个优选实施方案中，机器学***角区段的上部竖直照明角度，或界定图像中的期望照明区域的曲线中的任一者。在这种情况下，由机器学习模型输出的输出信号有利地包括如上定义的以相对于前灯的光轴的角度表示的期望照明分布。
真实数据优选地通过手动注释(即，通过人类注释者)生成。对于显著长于成像装置(相机)和前灯之间的间隔的距离，期望的照明分布通过界定图像中期望的照明区域的曲线紧密近似，这可容易地被人类注释者识别。因此，可有利地训练机器学习模型以输出界定图像中期望的照明区域的曲线，而不是例如期望的照明分布。
可利用将由机器学***角区段的照明距离。在这种情况下，由机器学习模型输出的输出信号有利地包括如上所定义的期望的距离分布。
在另一个实施方案中，可训练机器学习模型以输出前灯的期望的每像素强度图。换句话讲，由机器学习模型输出的输出信号有利地包括期望的每像素强度图。该输出表示可特别用于与矩阵前灯结合使用，其中每个前灯包括光源如LED的矩阵，其强度可单独控制。
为了利用输入中的时间信息，机器学习模型可获得若干顺序图像作为输入，并且/或者表现出内部反馈，例如，如在递归神经网络中那样。
优选地，输出信号被传输到生成前灯调节信号的前灯控制器，其中优选地前灯调节信号被反馈回机器学习模型。换句话讲，为了改善性能，机器学习模型可被提供前灯的当前状态，这可被称为外部反馈。
在一个优选的实施方案中，人们可能想要主动降低前灯的强度或照明角度，以使得能够检测例如来自迎面而来的车辆的光晕，该光晕被地形遮挡而不能被主机车辆看到。因此，可训练机器学习模型以识别期望主动降低前灯的强度或照明角度的情况，并且输出适当的控制或输出信号以用于实现该目的。光强度降低的时间段优选地短于驾驶员可感知的时间段。
如果需要，例如出于与稳健性或内存占用相关的原因，机器学习模型可优选地适于单独处理输入图像的不同部分，以便为期望照明提供本地贡献，例如，对于来自成像设备的视场的不同部分的所述输出信号中的期望照明分布提供本地贡献。
本发明还涉及一种训练如上所述的前灯控制***的机器学习模型的方法。使用真实训练数据集以监督方式训练机器学习模型，该真实训练数据集指定训练数据集中的每个输入样本(即，一个图像或多个图像)的期望输出。
优选地，真实训练数据集包括优选地由现有成像设备捕获的一个或多个图像。
在本发明的一个实施方案中，通过手动注释所述一个或多个图像来生成真实数据。优选地，真实训练数据集包括界定期望的照明区域的曲线形式的注释。
可以若干另选方式或互补方式生成真实训练数据。例如，可以使用来自现有对象检测***和/或对象***的对象检测来生成真实训练数据集，以在连续图像上跟踪所检测的对象。由于对象检测在这种情况下离线使用，因此对象可优选地以非因果方式被跟踪到初始检测范围之外或超出初始检测范围的点。
另选地，可以使用来自现有前灯控制***或对象检测***的输出，使用半自动注释来生成真实训练数据集。
在又一个另选的实施方案中，使用手动高光束控制信号的记录来生成真实训练数据集。
附图说明
在下面，应参照附图在优选实施方案的基础上说明本发明，其中：
图1示出了前灯控制***的示意性布置；
图2示出了根据本发明的例示前灯控制的流程图；
图3示出了具有界定期望的照明区域的曲线的图像；并且
图4示出了例示训练用于前灯控制***的机器学习模型的流程图。
具体实施方式
前灯控制***10安装在机动车辆中或安装到机动车辆，并且包括成像设备11以便捕获机动车辆周围区域(例如机动车辆前方的区域)的图像。成像设备11可安装在例如车辆挡风玻璃或风挡后面、车辆前灯中或散热器格栅中。优选地，成像设备11包括一个或多个光学成像装置12(特别是相机)，优选地在可见波长范围内操作、在红外波长范围内操作或者同时在可见和红外波长范围内操作，其中红外覆盖波长低于5微米的近红外和/或波长超过5微米的远红外。在一些实施方案中，成像设备11包括多个成像装置12，特别是形成立体成像设备11。在其他实施方案中，可以仅使用形成单成像设备11的一个成像装置12。
成像设备11联接到车载数据处理装置14，该数据处理装置适于处理从成像设备11接收的图像数据。数据处理装置14优选地为编程或可编程的数字装置，并且优选地包括微处理器、微控制器、数字信号处理器(DSP)和/或片上***(SoC)装置中的微处理器部分，并且优选地具有对数字数据存储器25的访问权限或包括数字数据存储器。数据处理装置14可包括专用硬件装置，如现场可编程门阵列(FPGA)、专用集成电路(ASIC)、图形处理单元(GPU)或片上***(SoC)装置中的FPGA和/或ASIC和/或GPU部分，以用于执行某些功能，例如，通过成像设备11控制图像的捕获、从成像设备11接收包含图像信息的电信号、将成对的左/右图像校正或扭曲对齐和/或产生视差或深度图像。数据处理装置14或其功能的一部分可通过包括例如FPGA、DSP、ARM、GPU和/或微处理器功能的片上***(SoC)装置实现。数据处理装置14和存储器装置25优选地在车载电子控制单元(ECU)中实现，并且可以经由单独的线缆或车辆数据总线连接到成像设备11。在另一个实施方案中，ECU和一个或多个成像装置12可以集成到单个单元中，其中包括ECU和所有成像装置12的单盒解决方案可以是优选的。从成像、图像处理到安全装置18的可能激活或控制的所有步骤在行驶期间实时地自动且连续地执行。
本发明适用于自主驾驶，其中自我意识车辆是适于部分或完全自主或自动驾驶的自主车辆，并且驾驶员的驾驶动作部分和/或完全由自我意识车辆替换或执行。
前灯控制***10包括具有至少一个光源20的一个或多个(例如两个)前灯24。优选地，每个前灯24是动态可调节的，即，包括角分布和/或发射光的强度的至少一个光源20的光分布可随时间推移由调节装置21改变并且由前灯控制器23控制。前灯控制器23可以是处理装置14的一部分或单独的处理装置，以及与处理装置14相同的ECU的一部分或不同的ECU。成像设备11优选地在与前灯24大致相同的方向上导向，使得成像设备11的视场和前灯24的照明区域至少部分地重叠。
调节装置21可适于以这样的方式调节对应的光源20：由前灯24发射的光束或光锥25在横向方向和/或垂直方向或任何其他方向上移动，如光锥25的侧面处的箭头所示。调节装置21可适于转动完整的前灯24、阻挡或遮蔽光束25的不同部分、移动前灯24内的一个或多个光学元件、改变前灯24内的一个或多个光学元件的光学特性，或任何其他合适的机构。可调节前灯24可以是高级照明***，特别是基于LED的照明***，其可以使光束25围绕迎面而来的车辆成形，而不会使迎面而来的驾驶员目眩。
调节装置21可适于执行高光束控制，即，自动打开和关闭包括在前灯24中的高光束，如由高光束控制器26所控制的一样。高光束控制器26优选地是前灯控制器23的一部分，但也可以是单独的部件。
如将在下文中相对于图2更详细地描述的，前灯控制器23和/或高光束控制器26以及因此前灯24的调节装置21在行驶期间由数据处理装置14基于从成像设备11接收的图像的数据处理获得的结果来控制。这也被称为动态前灯控制。因此，数据处理装置14与前灯控制器23和/或高光束控制器26一起形成动态前灯控制装置或控制器。
根据本发明，在处理装置14中实现机器学习模型27，例如卷积神经网络。在处理装置14中实现机器学习模型27之前，该机器学习模型已在训练阶段中被训练，以由从成像设备11接收的一个或多个整个图像28直接估计和输出前灯控制信号和/或期望的照明分布29并输入到机器学习模型27中。稍后将参考图4更详细地描述训练过程。
在主机车辆行驶期间，由成像设备11捕获的图像28或多个图像28被输入到机器学***角区段的上部垂直照明角度。通常，曲线41下方的区域可以用高强度充分照亮，而曲线41上方的区域不应被照亮，或者仅用不会使迎面而来的车辆46的驾驶员目眩的低强度照亮。
输出信号29被转发到前灯控制器23，该前灯控制器继而将前灯控制信号30发送到前灯24，特别是其前灯调节部分21。前灯控制信号30以曲线41下方的区域被充分照亮并且曲线41上方的区域不被照亮或仅稀疏地被照亮的方式调节前灯24。这包括可能的自动调光或关闭前灯12中的高光束。
下文相对于图4描述了机器学习模型27的训练。例如用成像设备51生成较大的一组训练图像50，该成像设备可优选地与其中实现机器学习模型27的车辆的成像设备11类似或甚至相同。该组训练图像50优选地涵盖机动车辆交通中可能出现的广泛范围的光照条件。
所有训练图像50由人类注释者52注释。注释优选地包括由人类注释者52估计的每个训练图像50的适当照明分布。例如，人类注释者52可以在每个训练图像50中绘制曲线41，使得根据人类注释者的最佳估计，曲线41下方的区域应该被充分照亮并且曲线41上方的区域不被照亮或仅稀疏地被照亮。该组训练图像50与对应的注释(例如曲线41)一起形成训练图像的带注释或真实数据集53。训练图像的真实数据集53被输入到机器学习模型27中，当在机动车辆中实现时，该机器学习模型可以从该输入中学习以输出针对任意输入图像28或一组输入图像28的适当照明分布。
Claims (15)
1.一种用于机动车辆的前灯控制***(10)，包括：可控前灯(24)，所述可控前灯适于生成车辆环境的可变照明；成像设备(11)，所述成像设备适于从所述机动车辆前方的区域捕获图像(100)；以及数据处理装置(14)，所述数据处理装置适于对由所述成像设备(11)捕获的图像(100)执行图像处理，并且适于根据所述图像处理来改变所述可控前灯(24)的光特性，其特征在于，在所述数据处理装置(14)中实现机器学习模型(27)，所述机器学习模型被训练成由作为输入从所述成像设备(11)接收的一个或多个图像(28)估计和输出表示所述车辆环境的期望照明的输出信号(29)。
2.根据权利要求1所述的前灯控制***(10)，其特征在于，所述机器学习模型(27)是卷积神经网络和/或递归神经网络。
3.根据前述权利要求中一项或多项所述的前灯控制***(10)，其特征在于，所述输出信号(29)包括期望的照明分布。
4.根据权利要求3所述的前灯控制***(10)，其中所述期望的照明分布被定义为每个水平角区段的上部垂直照明角度。
5.根据权利要求3所述的前灯控制***(10)，其中所述期望的照明分布被定义为界定图像(40)中期望的照明区域的曲线(41)。
6.根据前述权利要求中一项或多项所述的前灯控制***(10)，其特征在于，所述输出信号(29)包括期望的距离分布，其中所述距离分布被定义为每个角区段的照明距离。
7.根据前述权利要求中一项或多项所述的前灯控制***(10)，其特征在于，所述输出信号(29)包括期望的每像素强度图。
8.根据前述权利要求中任一项所述的前灯控制***(10)，其特征在于，所述输出信号被传输到前灯控制器(12)，从而生成前灯调节信号(30)，其中优选地所述前灯调节信号(30)被反馈回所述机器学习模型(27)。
9.根据前述权利要求中任一项所述的前灯控制***(10)，其特征在于，所述机器学习模型(27)适于单独处理输入图像(28)的不同部分，以便对来自所述成像设备(11)的视场的不同部分的所述输出信号中的所述期望照明提供本地贡献。
10.一种训练用于根据前述权利要求中一项或多项所述的前灯控制***(10)的机器学习模型(27)的方法，其特征在于，使用真实训练数据集以监督方式训练所述机器学习模型(27)，所述真实训练数据集指定所述训练数据集中的每个输入样本(28)的期望输出(29)。
11.根据权利要求10所述的方法，其中所述真实训练数据集包括一个或多个图像，其特征在于，所述真实数据通过所述一个或多个图像的手动注释生成。
12.根据权利要求10或11中一项或多项所述的方法，其特征在于，所述真实训练数据集包括界定所述期望的照明区域的曲线形式的注释。
13.根据权利要求10至12中一项或多项所述的方法，其特征在于，使用来自现有对象检测***和/或对象***的对象检测生成所述真实训练数据集，以跟踪所检测的对象，优选地跟踪到超出初始检测范围的点。
14.根据权利要求10至12中一项或多项所述的方法，其特征在于，使用来自现有前灯控制***或对象检测***的输出使用半自动注释来生成所述真实训练数据集。
15.根据权利要求10至12中一项或多项所述的方法，其特征在于，使用手动高光束控制信号的记录来生成所述真实训练数据集。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP19162105.1A EP3708427A1 (en) | 2019-03-12 | 2019-03-12 | A headlight control system for a motor vehicle and a method of training a machine learning model for a headlight control system |
| EP19162105.1 | 2019-03-12 | ||
| PCT/EP2020/055877 WO2020182619A1 (en) | 2019-03-12 | 2020-03-05 | A headlight control system for a motor vehicle and a method of training a machine learning model for a headlight control system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113544011A true CN113544011A (zh) | 2021-10-22 |
| CN113544011B CN113544011B (zh) | 2023-12-19 |
Family
ID=65766880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080020195.XA Active CN113544011B (zh) | 2019-03-12 | 2020-03-05 | 用于控制机动车辆前灯的方法和装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20220161713A1 (zh) |
| EP (1) | EP3708427A1 (zh) |
| CN (1) | CN113544011B (zh) |
| WO (1) | WO2020182619A1 (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11620522B2 (en) * | 2019-12-31 | 2023-04-04 | Magna Electronics Inc. | Vehicular system for testing performance of headlamp detection systems |
| FR3115245B1 (fr) * | 2020-10-15 | 2023-01-20 | Valeo Vision | Procédé pour réaliser l'auto-nivellement dynamique d'un dispositif d'éclairage automobile et dispositif d'éclairage automobile |
| DE102020007773A1 (de) * | 2020-12-18 | 2021-03-04 | Daimler Ag | Verfahren zum Betreiben wenigstens eines Fahrzeugscheinwerfers und Fahrzeug |
| FR3119009A1 (fr) * | 2021-01-21 | 2022-07-22 | Psa Automobiles Sa | Procédé de commande d’un projecteur de véhicule automobile |
| CN113189113B (zh) * | 2021-04-30 | 2024-07-23 | 聚时科技(上海)有限公司 | 基于视觉检测的智能数字光源及方法 |
| FR3127454A1 (fr) * | 2021-09-27 | 2023-03-31 | Psa Automobiles Sa | Procédé de commande d’un projecteur de véhicule automobile |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2420408A1 (en) * | 2000-03-20 | 2012-02-22 | Gentex Corporation | System for controlling exterior vehicle lights |
| CN106114345A (zh) * | 2016-08-02 | 2016-11-16 | 常州星宇车灯股份有限公司 | 基于图像处理的智能灯光调节***及其调节方法 |
| WO2017109136A1 (en) * | 2015-12-23 | 2017-06-29 | Autoliv Development Ab | Driver assistance system and method for a motor vehicle |
| WO2018087941A1 (en) * | 2016-11-11 | 2018-05-17 | Omron Corporation | Illumination control using a neural network |
| CN108312957A (zh) * | 2018-01-23 | 2018-07-24 | 江苏大学 | 一种基于道路信息的自适应车辆弯道照明***及方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008226140A (ja) * | 2007-03-15 | 2008-09-25 | Mazda Motor Corp | 車両の運転支援装置 |
| EP2116421B1 (en) * | 2008-05-08 | 2017-11-08 | Koito Manufacturing Co., Ltd. | Automotive headlamp apparatus |
| EP2495127B1 (en) | 2011-03-01 | 2014-07-30 | Autoliv Development AB | A driver assistance system and method for a motor vehicle |
| DE102013012325A1 (de) * | 2013-07-25 | 2015-01-29 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Fahrerassistenzsystem und Betriebsverfahren dafür |
| FR3068314B1 (fr) * | 2017-06-30 | 2019-08-09 | Valeo Vision | Systeme lumineux pour vehicule automobile |
| US10933798B2 (en) * | 2017-09-22 | 2021-03-02 | Magna Electronics Inc. | Vehicle lighting control system with fog detection |
| US11126873B2 (en) * | 2018-05-17 | 2021-09-21 | Zoox, Inc. | Vehicle lighting state determination |
-
2019
- 2019-03-12 EP EP19162105.1A patent/EP3708427A1/en active Pending
-
2020
- 2020-03-05 CN CN202080020195.XA patent/CN113544011B/zh active Active
- 2020-03-05 WO PCT/EP2020/055877 patent/WO2020182619A1/en active Application Filing
- 2020-03-05 US US17/435,765 patent/US20220161713A1/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2420408A1 (en) * | 2000-03-20 | 2012-02-22 | Gentex Corporation | System for controlling exterior vehicle lights |
| WO2017109136A1 (en) * | 2015-12-23 | 2017-06-29 | Autoliv Development Ab | Driver assistance system and method for a motor vehicle |
| CN106114345A (zh) * | 2016-08-02 | 2016-11-16 | 常州星宇车灯股份有限公司 | 基于图像处理的智能灯光调节***及其调节方法 |
| WO2018087941A1 (en) * | 2016-11-11 | 2018-05-17 | Omron Corporation | Illumination control using a neural network |
| CN108312957A (zh) * | 2018-01-23 | 2018-07-24 | 江苏大学 | 一种基于道路信息的自适应车辆弯道照明***及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3708427A1 (en) | 2020-09-16 |
| WO2020182619A1 (en) | 2020-09-17 |
| CN113544011B (zh) | 2023-12-19 |
| US20220161713A1 (en) | 2022-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113544011B (zh) | 用于控制机动车辆前灯的方法和装置 | |
| US10965878B2 (en) | Vehicle illumination system and vehicle | |
| CN109963744B (zh) | 照明装置 | |
| JP5500265B2 (ja) | 車両用配光制御システム及び車両用配光制御方法 | |
| US9789809B2 (en) | Method and device for aligning an illuminated area of a headlight of a vehicle as a function of the surroundings of the vehicle | |
| EP2537709B1 (en) | Image processing apparatus and light distribution control method | |
| JP6723290B2 (ja) | 車両用ヘッドランプシステムおよびその制御方法 | |
| JP5761002B2 (ja) | 照明制御装置 | |
| JP7053409B2 (ja) | ヘッドランプ制御方法及びヘッドランプ制御装置 | |
| US9566899B2 (en) | Method and control unit for setting at least one parameter of a driver assistance device of a vehicle | |
| JP2005350010A (ja) | ステレオ式車外監視装置 | |
| JP7031750B2 (ja) | ヘッドランプ制御方法及びヘッドランプ制御装置 | |
| WO2017141395A1 (ja) | 配光制御装置、配光制御方法及び配光制御プログラム | |
| US10029606B2 (en) | Method and control unit for setting a characteristic of a light emission of at least one headlight of a vehicle | |
| JP2020070017A (ja) | ヘッドランプ制御装置および方法 | |
| JP7354450B2 (ja) | 自動車両の照明システムを制御するための方法 | |
| JP6296734B2 (ja) | 車両用前照灯の点灯制御装置、車両用前照灯システム | |
| JP7081934B2 (ja) | 車両用灯具の点灯制御装置、車両用灯具の点灯制御方法、車両用灯具システム | |
| CN110341582B (zh) | 一种智能车灯语义投影照明装置及方法 | |
| JP7201706B2 (ja) | 画像処理装置 | |
| JP5897920B2 (ja) | 接近車両検出装置、車両用前照灯の点灯制御装置、車両用前照灯システム | |
| JPWO2019044434A1 (ja) | 物体検出システム | |
| JP2019172105A (ja) | 配光制御装置 | |
| CN115556664B (zh) | 提升行车安全的智能前照灯冗余方法及*** | |
| CN115447476A (zh) | 用于控制车辆的大灯的方法和*** |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220907 Address after: Linkping Applicant after: Anzher software Co. Address before: Sweden Wogaerda Applicant before: Vennell Sweden |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |