[發明專利]評估其上行駛有車輛的路面的方法和裝置

在審

• 申請號: 201710075915.2
• 申請日: 2017-02-13
• 公開（公告）號: CN107092920A
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 莫森·拉克哈爾·阿亞特;喬斯特·波特瑪;邁克爾·西曼
• 申請（專利權）人: 福特全球技術公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京連和連知識產權代理有限公司11278
• 代理人: 劉小峰

技術領域

本發明涉及評估其上行駛有車輛的路面的方法和裝置。

背景技術

現代機動車輛正在越來越大程度上被提供具有自主駕駛的能力。機動車輛靠其自身駕駛以關于機動車輛的環境的信息將是可用的為先決條件。例如，被設計用于自主駕駛的機動車輛必須能夠識別其它道路使用者，例如，第二車輛和行人。

另一重要方面涉及在給定的情況下當前其上行駛有機動車輛的路面。機動車輛的駕駛員典型地形象地記錄道路條件，適當調節他的/她的駕駛風格。如果，例如，對于駕駛員來說道路看起來滑或光滑，則駕駛員典型地更謹慎地駕駛并且，在適當的情況下，也激活合適的系統，例如，全輪驅動。

另一方面，在機動車輛靠其自身或，更確切的說，自主地駕駛的情況下，機動車輛自身檢查路面是有必要的。道路的摩擦的自動估算可對車輛更智能的控制做出貢獻，尤其是在機動車輛自主駕駛的情況下。

不同的方法在現有技術中是已知的，其能夠利用攝像系統區分不同類型的道路。在這一點上使用的一種技術包含兩個攝像機的連接，每個裝備有偏振濾波器，所述偏振濾波器相對于彼此旋轉90°角。由于在濕表面上偏振的光僅由具有適當偏振濾波器的攝像機記錄，所以通過各自攝像圖像之間的差異可推斷出，例如，車輛是否正行駛在濕的道路上。然而，該方法不能用在僅裝備有一個攝像機的車輛中。

在另一個方法中，不同圖像參數——例如，發冷光、顏色信息和表面結構——被提取，并且相應的性質被用于訓練分類器的目的。然而，已知的方法被相應地限制彩色攝像機的使用以及有限數量的性質或濾波器的使用。

關于現有技術，僅以示例性方式對WO 2013/173911A1、US 2013/0226421A1、CN 101609607A、JP 2002162343A和JP 2002162343A進行參考。

發明內容

本發明的目標是使用于評估其上行駛有車輛的路面的方法和裝置可用，該方法和裝置能夠快速并有效的評估，尤其是為了由駕駛員輔助系統或類似的使用的目的。

該目標由根據獨立權利要求1的特征的方法和根據獨立權利要求7的特征的裝置實現。

在根據本發明的方法中，基于由處在車輛上的攝像機記錄的至少一個圖像，對其上行駛有車輛的路面使用分類器進行分類，其中分類器基于從至少一個圖像提取的圖像特征進行訓練，其中多個圖像細節被限定在至少一個圖像中，其中圖像特征的提取針對這些圖像細節中的每個被單獨執行。

根據本發明，尤其是使用車載攝像機對路面進行分類，其中執行對多個道路類型或道路條件(例如，三類“干的道路”、“濕的道路”和“白雪覆蓋的道路”)中的一個的評估。不同的性質或特征從記錄的圖像中提取，這些特征被用于訓練不同分類器的目的。最終，這些分類器基于驗證圖像進行檢查，導致增加準確度(例如，超過95％的準確度)。

進一步隱含在本發明中的概念是，尤其是，實現和訓練用于評估其上行駛有車輛的路面的分類器，其中使用對應于不同道路條件(例如，干、濕、雪、冰、泥、草、沙等)的多個道路圖像。

本發明進一步包含，尤其是，使用由一個或多個攝像機在某些時間點記錄的多個圖像的概念，在這一點上，各個攝像機(或多個攝像機)可以是前置攝像機、側置攝像機或后置攝像機。在每個圖像中，之后進行記錄或識別道路以及將攝像機圖像分成更小的圖像，這在以下也被稱為“路段”(“道路區(roadboxes)”)。根據本發明，每個路段可被實時地分類。針對所有路段的該分類的結果被彼此結合，以便產生針對車輛的環境的相應的路面地圖。

本發明的一個優點是使用灰度攝像機的可能性(也就是說，沒有提供色彩信息)，在這種情況下，此外，相對低的攝像機分辨率是足夠的。

根據本發明的方法被設計成實時應用，在該過程中，尤其是，在數據處理之后無需存儲各個圖像。

根據本發明，尤其是可使用兩組圖像，這些圖像組中的一個是用于訓練根據本發明的算法的訓練組，并且這些圖像組的另一個是用于驗證算法的效率的驗證組。在這種情況下，兩組圖像中的每個可以，僅以示例性方式，包含45個圖像，15個圖像在每個示例中用于三類道路中的每個。在這種情況下，驗證組的圖像可屬于與訓練組的圖像相同的圖像序列或相同的剪輯并且，例如，可在幾秒鐘后被記錄，使得在每個示例中，呈現相同類型的道路，僅表現出道路的不同細節。各個圖像組的單個圖像優先呈現關于路面(例如，瀝青或鵝卵石路面)、照明條件(晴朗或多云)或天氣條件(例如，暴雨)的大差異，以便實現根據本發明的算法面對場景或天氣條件變化時的更大魯棒性。