[發明專利]車輛的雨水分布數據處理方法和裝置

在審

• 申請號: 201910372996.1
• 申請日: 2019-05-06
• 公開（公告）號: CN110084218A
• 公開（公告）日: 2019-08-02
• 發明（設計）人: 盛春楠;李哲;郭彥東
• 申請（專利權）人: 廣州小鵬汽車科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種車輛的雨水分布數據處理方法，其特征在于，所述車輛的后視鏡正前方設置有攝像裝置，所述攝像裝置用于采集擋風玻璃的圖像數據，所述方法包括：

接收所述攝像裝置采集的擋風玻璃的圖像數據；

將所述圖像數據輸入至預設的目標雨水檢測模型；

采用所述目標雨水檢測模型生成雨水概率特征圖；

采用所述雨水概率特征圖，生成所述擋風玻璃的雨水分布數據。

2.根據權利要求1所述的方法，其特征在于，所述目標雨水檢測模型通過如下方式生成：

獲取圖像樣本；其中，所述圖像樣本為按照預設區域大小分割所述擋風玻璃的圖像數據生成；所述圖像樣本包括訓練樣本和驗證樣本；

采用所述訓練樣本對預置的初始雨水檢測模型進行訓練，生成候選雨水檢測模型；

采用所述驗證樣本驗證所述候選雨水檢測模型，計算驗證準確率；

當所述驗證準確率大于預設閾值時，將所述候選雨水檢測模型確定為目標雨水檢測模型。

3.根據權利要求1所述的方法，其特征在于，所述采用所述雨水檢測模型生成的雨水概率特征圖的步驟，包括：

采用所述目標雨水檢測模型，生成所述圖像數據的概率矩陣，其中，所述概率矩陣中包括概率值；

將所述概率矩陣中的概率值轉化為灰度值；

獲取所述圖像數據的原始高度，原始寬度和原始坐標信息；

采用所述圖像數據的原始高度，原始寬度和原始坐標信息，生成目標高度，目標寬度和目標坐標信息；

采用所述灰度值，目標高度，目標寬度和目標坐標信息，生成雨水概率特征圖。

4.根據權利要求3所述的方法，其特征在于，所述采用所述雨水概率特征圖，生成所述擋風玻璃的雨水分布數據的步驟，包括：

對所述雨水概率特征圖進行二值化處理生成雨水分布圖；

采用所述雨水分布圖生成所述擋風玻璃的雨水分布數據。

5.根據權利要求3所述的方法，其特征在于，所述采用所述雨水分布圖生成所述擋風玻璃的雨水分布數據，包括：

提取所述雨水概率特征圖中每一像素的灰度值；

計算所有像素的灰度值的平均值；

采用所述平均值生成所述擋風玻璃的雨水分布數據。

6.根據權利要求1所述的方法，其特征在于，還包括：

當所述擋風玻璃的雨水分布數據滿足雨刷控制條件時，生成雨刷控制信號；所述雨刷控制信號用于控制所述車輛的雨刷。

7.一種目標雨水檢測模型生成方法，其特征在于，包括：

獲取圖像樣本；其中，所述圖像樣本為按照預設區域大小分割所述擋風玻璃的圖像數據生成；所述圖像樣本包括訓練樣本和驗證樣本；

采用所述訓練樣本對預置的初始雨水檢測模型進行訓練，生成候選雨水檢測模型；

采用所述驗證樣本驗證所述候選雨水檢測模型，計算驗證準確率；

當所述驗證準確率大于預設閾值時，將所述候選雨水檢測模型確定為目標雨水檢測模型。

8.根據權利要求7所述的方法，其特征在于，所述獲取圖像樣本，包括：

獲取多維度下的視頻數據；

提取所述視頻數據中的圖像數據；

將所述圖像數據分為有雨圖像和無雨圖像；

按照預設區域大小分割所述有雨圖像生成正圖像樣本，以及分割所述無雨圖像生成負圖像樣本；

分別標注所述正圖像樣本和負圖像樣本，生成攜帶標注信息的圖像樣本。

9.根據權利要求8所述的方法，其特征在于，所述采用所述訓練樣本對預置的初始雨水檢測模型進行訓練，生成候選雨水檢測模型，包括：

將所述訓練樣本輸入預置的初始雨水檢測模型，生成預測概率；

提取所述訓練樣本的標注信息；

根據所述標注信息和預測概率更新所述初始雨水檢測模型，生成候選雨水檢測模型。

10.根據權利要求8所述的方法，其特征在于，所述多維度包括天氣維度、時段維度和環境維度。