[發明專利]用于圖像的自動故障閾值檢測的設備和方法

在審

• 申請號: 201880090953.8
• 申請日: 2018-03-13
• 公開（公告）號: CN111837160A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: J.加西亞
• 申請（專利權）人: 哈曼國際工業有限公司
• 主分類號: G06T7/80
• 分類號: G06T7/80;G06K9/34;G06K9/46;G06K9/78
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 高巍

在至少一個實施方案中，提供一種體現在非暫時性計算機可讀介質中的計算機程序產品，所述計算機程序產品被編程以檢測一個或多個攝影機的性能閾值。所述計算機程序產品包括用于以下操作的指令：從一個或多個攝影機捕獲多個圖像以將每個捕獲圖像內的對象與預定對象進行比較以確定所述對象是否已經被正確識別；以及從每個捕獲圖像中提取所述對象。所述計算機程序產品包括用于以下操作的指令：將至少一個梯度應用于每個提取的對象以生成多個梯度圖像。所述計算機程序產品包括用于以下操作的指令：將所述提取的對象與所述預定對象進行比較；以及確定由所述至少一個梯度修改的所述提取的對象是否已經被正確識別。所述計算機程序產品包括用于以下操作的指令：建立所述一個或多個攝影機的性能閾值。

技術領域

本文所公開的方面總體上涉及一種用于提供圖像的自動故障閾值檢測的設備和方法。本文將更詳細地論述這些方面和其他方面。

背景技術

車輛通常有必要識別車輛外部的圖像以用于由車輛執行的多個功能。可訓練深度學習/神經網絡技術以識別由車輛上的攝像頭捕獲的圖像。然而，可能難以確定在此類深度學習/神經網絡技術或其他技術發生故障的情況下的閾值點。例如，可通過遞增地增加剪切力來測試錘子以確定其抗張強度，以找出錘子發生故障的位置。然而，市場上沒有等效的方法來檢測使用深度學習技術以檢測對象的攝影機系統的性能閾值。

如今，測試工程師可使用來自道路測試的攝影機鏡頭來檢測對象。在具體情形中需要大量視頻來尋找邊緣情況。在許多情況下，需要在數百萬英里內進行道路測試以捕獲盡可能多的場景。在一些情況下，可在數十億或數萬億英里內進行道路測試以捕獲每種可能的路況。通常，深度學習技術需要數千個邊緣情況情形(或訓練數據)以了解什么是正確的結果(即，了解什么是正確的圖像)。

發明內容

在至少一個實施方案中，提供一種體現在非暫時性計算機可讀介質中的計算機程序產品，所述計算機程序產品被編程以檢測一個或多個攝影機的性能閾值。所述計算機程序產品包括用于以下操作的指令：從一個或多個攝影機捕獲多個圖像以將每個捕獲圖像內的對象與預定對象進行比較，以確定所述對象是否已經被正確識別；以及從每個捕獲圖像中提取確定為被正確識別的所述對象。所述計算機程序產品包括用于以下操作的指令：將至少一個梯度應用于每個提取的對象以生成多個梯度圖像。每個梯度圖像包括由所述至少一個梯度修改的所述提取的對象。所述計算機程序產品包括用于以下操作的指令：將由所述至少一個梯度修改的所述提取的對象與所述預定對象進行比較；以及基于由所述至少一個梯度修改的所述提取的對象與所述預定對象的所述比較來確定由所述至少一個梯度修改的所述提取的對象是否已經被正確識別。所述計算機程序產品包括用于以下操作的指令：在確定由所述至少一個梯度修改的所述提取的對象是否已經被正確識別之后建立所述一個或多個攝影機的性能閾值。

在至少另一實施方案中，提供一種用于檢測一個或多個攝影機的性能閾值的設備。所述設備包括存儲器裝置和圖像檢測器。所述圖像檢測器包括所述存儲器裝置，并且被配置來：從一個或多個攝影機捕獲多個圖像；以及將每個捕獲圖像內的對象與存儲在所述存儲器裝置上的預定對象進行比較以確定所述對象是否已經被正確識別。所述圖像檢測器進一步被配置來：從確定為被正確識別的每個捕獲圖像中提取對象；以及將至少一個梯度應用于每個提取的對象以生成多個梯度圖像，其中每個梯度圖像包括由所述至少一個梯度修改的所述提取的對象。所述圖像檢測器進一步被配置來：將由所述至少一個梯度修改的所述提取的對象與所述預定對象進行比較；以及基于由所述至少一個梯度修改的所述提取的對象與所述預定對象的所述比較來確定由所述至少一個梯度修改的所述提取的對象是否已經被正確識別。所述圖像檢測器進一步被配置來在確定由所述至少一個梯度修改的所述提取的對象是否已經被正確識別之后建立所述一個或多個攝影機的性能閾值。