CN116176493A - 一种自动雨刷的控制方法及*** - Google Patents

Abstract

本发明属于雨刷控制领域，具体公开了一种自动雨刷的控制方法及***，通过采集车辆前挡风玻璃障碍物的图像视频，再利用深度学习算法对视频帧序列进行训练区分障碍物的类型和面积大小，根据障碍物的面积和类型确定自动雨刷的速度和清扫方式；并且本方案中在区分障碍物的类型时，通过对障碍物自身属性的分析，对障碍物的类型进行了详细的划分，可以更高效率的识别不同的障碍物并采用不同的控制方式完成对自动雨刷的控制。

Description

一种自动雨刷的控制方法及***

技术领域

本发明属于雨刷控制领域，特别涉及一种自动雨刷的控制方法及***。

背景技术

雨刷作为汽车的基础部件，是汽车前挡风玻璃上为防止雨水及其他脏污物体影响视线而进行清理的一种工具。传统的雨刷因需要驾驶员自行判断车挡玻璃的清晰和雨势等情况，手动启动以及控制雨刷的运动挡位，这易造成驾驶员分心，导致交通事故的发生。同时现有的电动汽车都安装了如ADAS高级辅助***，这对车载摄像头的清晰度也有着较高的要求。

因此，市面上出现了以雨量传感器为基础的自动雨刷控制***。这种自动雨刷控制***主要靠如下原理实现：通过雨量传感器检测雨量，将检测值转换成电信号，然后根据电信号大小控制雨刷运动的时间间隔，从而实现对雨刷的自动控制。目前，市场应用于自动雨刮水器的控制***传感器主要有以下三个：压电传感器，静电电容传感器，光强度变化的传感器。压电传感器和静电电容传感器是安装在车外，雨滴直接在传感器实现雨量检测；光强度变化的传感器是将雨水传感器安装在驾驶舱的挡风玻璃内，通过雨落在玻璃上反射的光强度变化引起感应，实现雨量检测。通过实际使用和分析发现，这些雨量传感器都存在测量范围有限、检测关键因素已受环境影响等缺陷。

针对上述缺陷，公开号为CN114312672A的专利提出了一种雨刷控制方法及***。通过行车记录仪的前方摄像头对车辆前挡风玻璃的视频图像进行采集；通过对视频图像进行图像分析，获取障碍物面积；根据障碍物面积获取清除障碍物所需的雨刷摆动频率；控制雨刷驱动电机以雨刷摆动频率控制雨刷摆动。另有公开号为CN112109664A的专利提出了一种控制方法，该方法通过采集前挡风玻璃的图像；处理图像得到前挡风玻璃的遮挡程度和障碍物类型；基于遮挡程度和障碍物类型清洁前挡风玻璃。上述方案虽然可以解决现有技术中只根据雨量传感器感应雨量控制雨刷工作的局限性，并且可以根据障碍物面积自动控制雨刷以适合的频率摆动提升雨刷控制的智能性，但上述方案均未考虑障碍物自身的性质，仅以障碍物的面积和大概类型来控制雨刷的摆动频率，在前挡风玻璃出现多类型障碍物时，无法细致的根据障碍物的具体类型进行相应的处理。

因此，一种障碍物检测精度高、效率快、能有效减少无关环境影响的自动雨刷控制方案变得非常必要。

发明内容

针对上述问题，一方面本发明公开了一种自动雨刷的控制方法，所述控制方法包括以下步骤：

采集车辆前挡风玻璃的图像视频并组成视频帧序列；

根据所述视频帧序列对障碍物的面积和类型依次进行检测，障碍物的类型包括可清理障碍物和不可清理障碍物；

根据障碍物的面积和类型确定自动雨刷的速度和清扫方式。

进一步地，根据所述视频帧序列对障碍物的面积和类型依次进行检测之前还包括根据所述视频帧序列判断障碍物是否存在；

若障碍物存在，判断障碍物类别；若障碍物不存在，则继续通过采集车辆前挡风玻璃图像视频。

进一步地，所述可清理障碍物包括雨水、雪和/或树叶；

所述不可清理障碍物包括泥土和/或大面积鸟粪。

进一步地，组成视频帧序列包括：设定一定的时间间隔提取图像视频中的画面，以间隔时间内提取的多个画面组成视频帧序列。

进一步地，根据所述视频帧序列对障碍物的面积和类型依次进行检测包括以下步骤：

计算视频帧序列中的障碍物面积并判断所述障碍物面积是否超过第一面积阈值；

若所述障碍物面积超过第一面积阈值则将视频帧序列的当前帧输入深度学习模型；

基于所述深度学习模型判断障碍物的类型。

进一步地，若所述障碍物面积不超过第一面积阈值，则舍弃当前帧的视频并继续采集车辆前挡风玻璃的图像视频。

进一步地，根据障碍物的面积和类型确定自动雨刷的速度和清扫方式包括以下步骤：

判断所述障碍物的类型，若所述障碍物为不可清理障碍物，则不开启雨刷运动，预警驾驶员靠边停车手动清除障碍物；

若所述障碍物为可清理障碍物，则计算障碍物面积，根据所述障碍物面积确定雨刷刮除障碍物所需的运动频率。

进一步地，根据所述障碍物面积确定雨刷刮除障碍物所需的运动频率包括以下步骤：

若所述障碍物面积超过第一面积阈值，小于等于第二面积阈值，则雨刷速度设置为F1；

若障碍物面积超过第二面积阈值，小于等于第三面积阈值，则雨刷速度设置为F2。

进一步地，所述控制方法还包括在雨刷运动超过一定时间后，进一步判断障碍物是否存在；

若障碍物依然存在，则根据剩余障碍物面积与第一面积阈值、第二面积阈值以及第三面积面积阈值的关系，重新调整雨刷的运动速率；

若障碍物不存在，则继续采集车辆前挡风玻璃的图像视频。

另一方面本发明提出了一种自动雨刷的控制***，所述控制***包括：

采集单元，用于采集车辆前挡风玻璃的图像视频并组成视频帧序列；

检测单元，用于根据所述视频帧序列对障碍物的面积和类型依次进行检测，障碍物的类型包括可清理障碍物和不可清理障碍物；

确定单元，用于根据障碍物的面积和类型确定自动雨刷的速度和清扫方式。

进一步地，所述检测单元中执行以下逻辑对障碍物的面积和类型依次进行检测：

计算视频帧序列中的障碍物面积并判断所述障碍物面积是否超过第一面积阈值；

若所述障碍物面积超过第一面积阈值则将视频帧序列的当前帧输入深度学习模型；若所述障碍物面积不超过第一面积阈值，则舍弃当前帧的视频并继续采集车辆前挡风玻璃的图像视频；

基于所述深度学习模型判断障碍物的类型。

进一步地，确定单元中执行以下逻辑确定自动雨刷的速度和清扫方式：

判断所述障碍物的类型，若所述障碍物为不可清理障碍物，则不开启雨刷运动，预警驾驶员停车手动清除障碍物；

若所述障碍物为可清理障碍物，则计算障碍物面积，根据所述障碍物面积确定雨刷刮除障碍物所需的运动频率；若所述障碍物面积超过第一面积阈值，小于等于第二面积阈值，则雨刷速度设置为F1；若障碍物面积超过第二面积阈值，小于等于第三面积阈值，则雨刷速度设置为F2。

进一步地，所述控制***还包括后续判断单元，用于在雨刷运动超过一定时间后，进一步判断障碍物是否存在；若障碍物依然存在，则根据剩余障碍物面积与第一面积阈值、第二面积阈值以及第三面积阈值的关系，重新调整雨刷的运动速率；若障碍物不存在，则继续采集车辆前挡风玻璃的图像视频。

本发明的有益效果：

本发明通过采集车辆前挡风玻璃障碍物的图像视频，再利用深度学习算法对视频帧序列进行训练区分障碍物的类型和面积大小，根据障碍物的面积和类型确定自动雨刷的速度和清扫方式；并且本方案中在区分障碍物的类型时，通过对障碍物自身属性的分析，对障碍物的类型进行了详细的划分，可以更加高效率的识别不同的障碍物并采用不同的控制方式完成对自动雨刷的控制。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例中控制方法的主要流程图；

图2示出了本发明实施例中控制方法的详细流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

基于现有技术中未考虑障碍物自身性质，仅以障碍物的面积和大概类型来控制雨刷的摆动频率，在前挡风玻璃出现多类型障碍物时，无法智能的根据障碍物的类型进行相应的处理的问题。本发明从障碍物的类型和每种障碍物的自身性质出发，提出了一种自动雨刷的控制方法，如图1所示，具体方案如下：

采集车辆前挡风玻璃的图像视频并组成视频帧序列；

用于根据所述视频帧序列对障碍物的面积和类型依次进行检测，障碍物的类型包括可清理障碍物和不可清理障碍物；

根据障碍物的面积和类型确定自动雨刷的速度和清扫方式。

具体的流程如图2所示：

S1、通过前视摄像头对车辆前挡风玻璃进行图像视频采集，获取视频帧序列。

对于采集的图像视频，可使用一定的时间间隔提取画面，组成视频帧序列。具体的时间间隔可由工作人员自行设计，以达到更好的采集效果为准。

S2、对视频帧序列进行障碍物检测。

对采集的视频帧序列的检测包括检测障碍物的面积和类型。具体步骤如下：

S21、判断障碍物是否存在；

S22、若障碍物存在，判断障碍物类别；若障碍物不存在，则继续通过前视摄像头对车辆前挡风玻璃图像视频采集。

其中，步骤S21对于判断障碍物是否存在，本发明通过以下方法实现：基于清晰度、对比度和亮度等图像特征，深度学习算法定位帧图像中的障碍物，并计算障碍物面积，判断障碍物面积是否超过第一面积阈值。该第一面积阈值可由工作人员设置。若障碍物面积超过第一面积阈值，则认为障碍物存在。

步骤S22中，深度学习模型可检测障碍物可分为两大类：可清理障碍物和不可清理障碍物。

可清理障碍物包括但不限于雨水、雪和树叶等可以通过雨刷清除的障碍物，对于该类障碍物，应启动雨刷进行清洁。

不可清理障碍物包括但不限于如泥土、大面积鸟类粪便等障碍物。不可清理障碍物的图像特征可能有：模糊度较高，亮度较低，与背景对比度大，存在颜色特征等。且对比可清理障碍物，这些图像特征随雨刮的刮擦动作变化率较小，即雨刮无法通过刮擦动作去除障碍物、使画面变清晰。该类障碍物难以通过雨刷进行清洁，甚至雨刷的运动会导致其遮挡面积扩大，故应立即停止雨刷的运动，同时预警驾驶员靠边停车，手动清除障碍物。

深度学习算法通过输入包含如雨滴、雨纹、泥土、树脂等障碍物的图像数据集进行训练，每种障碍物的图像可由放置在前挡风玻璃后的前视摄像头进行拍摄，训练后可对障碍物进行智能分类。

进一步地，在构建图像数据集的过程中可以加入天气、环境等因素。例如可以根据雨滴落下时的风向、障碍物所处的位置等因素。

S3、根据障碍物类型分别获取采取相应的处理方案。

具体地，若障碍物为可清理障碍物，雨刷正常工作。此时雨刷的速度可通过障碍物面积进行选择，举例说明：若障碍物面积超过第一面积阈值，小于等于第二面积阈值，则雨刷速度可设置为F1；若障碍物面积超过第二面积阈值，小于等于第三面积阈值，则雨刷速度可设置为F2。雨刷速度挡位和具体速度大小可由工作人员根据实际情况设置。

在雨刷运动超过一段时间后，进一步判断障碍物是否存在，根据剩余障碍物面积与第一面积阈值、第二面积阈值以及第三面积阈值的关系，重新调整雨刷的运动速率。

若障碍物为不可清理障碍物，应激活***的预警单元。预警单元首先语音播报预警驾驶员手动清理障碍物，接着向BCM(***制动单元)发送请求停止驱动雨刮电机。此时驾驶员可通过语音命令或手动拨杆，干预预警单元，控制雨刮继续开启。其中，语音命令可以为：“继续打开雨刮”。***接受到驾驶员的干预操作后，将存在障碍物的帧画面和相应操作传输给云平台，便于研发人员后续的优化工作。

同时预警驾驶员靠边停车，手动清除障碍物。

基于上述方法，本发明提出了一种自动雨刷的控制***，包括采集单元、检测单元和确定单元；

其中，

采集单元，用于采集车辆前挡风玻璃的图像视频并组成视频帧序列；类似于在前挡风玻璃的前视摄像头；

检测单元，用于根据所述视频帧序列对障碍物的面积和类型依次进行检测；

确定单元，用于根据障碍物的面积和类型确定自动雨刷的速度和清扫方式；

预警单元，用于预警驾驶员手动清理障碍物。

所述控制***还包括后续判断单元，用于在雨刷运动超过一定时间后，进一步判断障碍物是否存在；

若障碍物依然存在，则根据剩余障碍物面积与第一面积阈值、第二面积阈值以及第三面积阈值的关系，重新调整雨刷的运动速率；

若障碍物不存在，则继续采集车辆前挡风玻璃的图像视频。

尽管参照前述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精神和范围。

Claims (12)

1.一种自动雨刷的控制方法，其特征在于，所述控制方法包括以下步骤：

采集车辆前挡风玻璃的图像视频并组成视频帧序列；

根据所述视频帧序列对障碍物的面积和类型依次进行检测，障碍物的类型包括可清理障碍物和不可清理障碍物；

根据障碍物的面积和类型确定自动雨刷的速度和清扫方式。

2.根据权利要求1所述的自动雨刷的控制方法，其特征在于，根据所述视频帧序列对障碍物的面积和类型依次进行检测之前还包括根据所述视频帧序列判断障碍物是否存在；

若障碍物存在，判断障碍物类别；若障碍物不存在，则继续通过采集车辆前挡风玻璃图像视频。

3.根据权利要求1所述的自动雨刷的控制方法，其特征在于，

组成视频帧序列包括：设定一定的时间间隔提取图像视频中的画面，以间隔时间内提取的多个画面组成视频帧序列；

所述可清理障碍物包括雨水、雪和/或树叶；

所述不可清理障碍物包括泥土和/或大面积鸟粪。

4.根据权利要求1所述的自动雨刷的控制方法，其特征在于，

根据所述视频帧序列对障碍物的面积和类型依次进行检测包括以下步骤：

计算视频帧序列中的障碍物面积并判断所述障碍物面积是否超过第一面积阈值；

若所述障碍物面积超过第一面积阈值则将视频帧序列的当前帧输入深度学习模型；

基于所述深度学习模型判断障碍物的类型。

5.根据权利要求4所述的自动雨刷的控制方法，其特征在于，

若所述障碍物面积不超过第一面积阈值，则舍弃当前帧的视频并继续采集车辆前挡风玻璃的图像视频。

6.根据权利要求1所述的自动雨刷的控制方法，其特征在于，

根据障碍物的面积和类型确定自动雨刷的速度和清扫方式包括以下步骤：

判断所述障碍物的类型，若所述障碍物为不可清理障碍物，则不开启雨刷运动，预警驾驶员靠边停车手动清除障碍物；

若所述障碍物为可清理障碍物，则计算障碍物面积，根据所述障碍物面积确定雨刷刮除障碍物所需的运动频率。

7.根据权利要求6所述的自动雨刷的控制方法，其特征在于，

根据所述障碍物面积确定雨刷刮除障碍物所需的运动频率包括以下步骤：

若所述障碍物面积超过第一面积阈值，小于等于第二面积阈值，则雨刷速度设置为F1；

若障碍物面积超过第二面积阈值，小于等于第三面积阈值，则雨刷速度设置为F2。

8.根据权利要求1-7任一项所述的自动雨刷的控制方法，其特征在于，

所述控制方法还包括在雨刷运动超过一定时间后，进一步判断障碍物是否存在；

若障碍物依然存在，则根据剩余障碍物面积与第一面积阈值、第二面积阈值以及第三面积面积阈值的关系，重新调整雨刷的运动速率；

若障碍物不存在，则继续采集车辆前挡风玻璃的图像视频。

9.一种自动雨刷的控制***，其特征在于，所述控制***包括：

采集单元，用于采集车辆前挡风玻璃的图像视频并组成视频帧序列；

检测单元，用于根据所述视频帧序列对障碍物的面积和类型依次进行检测，障碍物的类型包括可清理障碍物和不可清理障碍物；

确定单元，用于根据障碍物的面积和类型确定自动雨刷的速度和清扫方式。

10.根据权利要求9所述的自动雨刷的控制***，其特征在于，

所述检测单元中执行以下逻辑对障碍物的面积和类型依次进行检测：

计算视频帧序列中的障碍物面积并判断所述障碍物面积是否超过第一面积阈值；

若所述障碍物面积超过第一面积阈值则将视频帧序列的当前帧输入深度学习模型；若所述障碍物面积不超过第一面积阈值，则舍弃当前帧的视频并继续采集车辆前挡风玻璃的图像视频；

基于所述深度学习模型判断障碍物的类型。

11.根据权利要求9所述的自动雨刷的控制***，其特征在于，

确定单元中执行以下逻辑确定自动雨刷的速度和清扫方式：

判断所述障碍物的类型，若所述障碍物为不可清理障碍物，则不开启雨刷运动，预警驾驶员停车手动清除障碍物；

若所述障碍物为可清理障碍物，则计算障碍物面积，根据所述障碍物面积确定雨刷刮除障碍物所需的运动频率；若所述障碍物面积超过第一面积阈值，小于等于第二面积阈值，则雨刷速度设置为F1；若障碍物面积超过第二面积阈值，小于等于第三面积阈值，则雨刷速度设置为F2。

12.根据权利要求9-11任一项所述的自动雨刷的控制***，其特征在于，

所述控制***还包括后续判断单元，用于在雨刷运动超过一定时间后，进一步判断障碍物是否存在；

若障碍物依然存在，则根据剩余障碍物面积与第一面积阈值、第二面积阈值以及第三面积阈值的关系，重新调整雨刷的运动速率；

若障碍物不存在，则继续采集车辆前挡风玻璃的图像视频。

Images