實施例總體涉及利用檢測輪胎向后飛濺而進行潮濕路面的檢測。

背景技術(shù)：

在行駛路面上的降水給車輛造成一些不同的問題。例如，道路上的水降低了車輛輪胎和該道路表面之間的摩擦系數(shù)，導(dǎo)致車輛穩(wěn)定性問題。對行駛道路上降水的檢測通常由主車輛決定，主車輛利用在降水已經(jīng)影響車輛運行時進行的一些感測操作來感測道路上的降水，例如檢測車輪打滑。因此，車輛必須監(jiān)測其自身相對于干路面運行狀況的運行狀況(如車輪打滑)來確定是否存在降水。因此，該系統(tǒng)可以等待此類狀況發(fā)生，或者可以將激勵引入車輛來確定是否存在該狀況(例如，如果存在降水，對從動輪產(chǎn)生突然加速以引起車輪打滑)。

技術(shù)實現(xiàn)要素：

本實施例的優(yōu)點在于利用基于視覺的成像裝置檢測道路上的水，該基于視覺的成像裝置通過其自身的車輪識別該道路表面上分散的降水。本文所描述的技術(shù)啟動測定是否存在降水不需要車輛或駕駛員的激勵。相反，降水是根據(jù)監(jiān)測車輪向后的飛濺來確定的。本技術(shù)優(yōu)選地捕獲圖像并且檢測圖像內(nèi)的邊緣，該圖像在由激起降水的自身車輛的輪胎導(dǎo)致的飛濺與非飛濺區(qū)(即路面上未受干擾的降水)之間進行區(qū)分。離線產(chǎn)生已訓(xùn)練的數(shù)據(jù)庫，例如分類器，并且其在車輛內(nèi)執(zhí)行，以便利用已訓(xùn)練的分類器很容易地確定是否存在降水。

實施例設(shè)想一種確定道路的潮濕表面狀況的方法。由主車輛的圖像捕獲裝置來捕獲路面圖像。將圖像捕獲裝置安裝在主車輛的一側(cè)并捕獲位于向下方向的圖像。在被捕獲的圖像中通過處理器來識別主車輛車輪后方的關(guān)注區(qū)域。關(guān)注區(qū)域代表由車輪產(chǎn)生的向后飛濺發(fā)生的地方。確定關(guān)注區(qū)域是否存在降水。根據(jù)對關(guān)注區(qū)域降水的識別來生成潮濕路面信號。

附圖說明

圖1是由相機捕獲的潮濕面上的車輛場景的示例性透視圖。

圖2為示出潮濕路面檢測系統(tǒng)的方框圖。

圖3是具有環(huán)繞視覺覆蓋范圍的車輛環(huán)繞的示例性透視圖。

圖4為示出用于檢測潮濕面的方法的流程圖。

圖5為示出來自所捕獲圖像的示例性關(guān)注區(qū)域。

圖6為示出用于潮濕路面的示例性濾波器響應(yīng)。

圖7為示出用于干路面的示例性濾波器響應(yīng)。

圖8為示出顯示同一曲線圖上潮濕面和干面的濾波器響應(yīng)的示例性組合曲線圖。

圖9為示出驗證結(jié)果的示例。

具體實施方式

圖1示出了沿車輛道路12行進的車輛10.示出降水19置于車輛道路12上，并且隨著車輛輪胎在潮濕車輛道路12上旋轉(zhuǎn)，降水19經(jīng)常被車輛車輪14和安裝在車輪14的輪緣18上的輪胎16移位。事先知道車輛何時將沿著該潮濕車輛道路12行駛通常是有利的，使得由于降水引起的問題(例如牽引力的損失或者由于水進入外部進風(fēng)口引起的發(fā)動機退化)能夠被排除或者至少減輕。

當(dāng)行駛于潮濕路面時，車輛道路12上的降水19能夠?qū)е聽恳档?。布置在車輛道路12上的降水19降低了車輛輪胎和車輛道路12之間的摩擦系數(shù)。因此，降低了車輛輪胎和車輛道路12之間的牽引力?？梢酝ㄟ^多種減輕方法來減輕牽引力損失，其包括但不限于警告司機將車速降低到有利于環(huán)境條件的速度；用非常低的制動力來致動車輛制動器的自動應(yīng)用程序，使得形成于制動部件的制動面的降水最小化；當(dāng)檢測到降水時，停用巡航控制功能或限制巡航控制功能的啟動；或者通知駕駛員與前面的車輛保持更大的停車距離。應(yīng)當(dāng)理解的是，本文所述的實施例可應(yīng)用于除了汽車以外的其他類型的需要檢測潮濕路面狀況的系統(tǒng)?？梢岳迷撓到y(tǒng)的除了汽車以外的車輛的示例包括但不限于軌道系統(tǒng)，飛機，非道路運動車輛，機器人車輛，摩托車，自行車，農(nóng)用設(shè)備以及施工設(shè)備。

圖2為示出潮濕路面檢測系統(tǒng)的方框圖。多個基于車輛的圖像捕獲裝置20安裝于車輛上用于捕獲車輛周圍的圖像。所述多個基于車輛的圖像捕獲裝置20可以安裝在車輛的前，后以及側(cè)面。圖3為示出用于檢測車輛周圍物體的示例性360度環(huán)繞視覺覆蓋范圍。每個基于圖像的捕獲裝置配合地用于檢測和識別位于車輛每側(cè)的物體?；趫D像的捕獲裝置20包括但不限于前視相機22，其安裝于車輛的前面，捕獲向前或部分朝向車輛側(cè)面的圖像。駕駛員側(cè)相機24捕獲在車輛駕駛員側(cè)的圖像。乘客側(cè)相機26捕獲在車輛乘客側(cè)的圖像。朝后相機28捕獲向后和朝向車輛側(cè)面的圖像。

再次參照圖2，處理器30處理由圖像捕獲裝置20捕獲的圖像。處理器30分析圖像和數(shù)據(jù)以確定車輛10的車輪下是否存在降水。處理器30可以是部分現(xiàn)有系統(tǒng)，例如牽引控制系統(tǒng)或者其它系統(tǒng)，或者可以是獨立處理器，其專用于分析來自圖像捕獲裝置20的數(shù)據(jù)。

處理器30可以耦合到一個或多個的輸出裝置，例如控制器32，如果在路面上發(fā)現(xiàn)降水，其發(fā)起或致動控制動作。可以采取一個或多個對策來減輕降水對車輛運行可能造成的影響。

控制器32可以是部分車輛子系統(tǒng)或者可以用于使車輛子系統(tǒng)能夠應(yīng)對水的影響。例如，根據(jù)道路是潮濕的確定，當(dāng)牽引力損失發(fā)生時，控制器32可以使準(zhǔn)備好了制動策略的電氣或電動-液壓制動系統(tǒng)34或類似系統(tǒng)有效。除了準(zhǔn)備制動策略，一旦車輛進入降水，制動系統(tǒng)可以在不告知駕駛員的情況下自主施加光制動力，以便去除車輛制動器上的降水。當(dāng)駕駛員手動制動時，去除堆積在車輪和制動器上的降水可保持車輛制動驅(qū)動器和車輪的制動面之間的預(yù)期摩擦系數(shù)。

控制器32可以控制牽引力控制系統(tǒng)36，其為每個各自車輪單獨分配動力，以便當(dāng)路面上檢測到降水時，通過各自的車輪減少車輪打滑。

控制器32可以控制牽巡航控制系統(tǒng)38，當(dāng)路面上檢測到降水時，其可停用巡航控制或者限制巡航控制的啟動。

控制器32可以控制駕駛員信息系統(tǒng)40，其用于向車輛駕駛員提供路面上檢測到降水的警告。該由控制器32致動的警告可以警告駕駛員路面上接近的降水，并且可以建議駕駛員將車速降低到有利于當(dāng)前環(huán)境條件的速度，或者控制器32可以開啟警告，以便與駕駛車輛后面的車輛保持安全駕駛距離。應(yīng)理解的是，控制器32，如本文所述，可以包括一個或多個控制器，其控制獨立的功能或者可以控制各功能的組合。

控制器32可以進一步控制制動自動打開和關(guān)閉用于防止水注入車輛發(fā)動機的擋風(fēng)板42。在這些情況下，當(dāng)檢測到車輛前的路面上存在降水時，控制器32自動致動關(guān)閉擋風(fēng)板42，并且當(dāng)確定路面上不再存在降水時，可以再次打開擋風(fēng)板。

控制器32可以進一步控制無線通信裝置44的致動，無線通信裝置44利用車輛到車輛或車輛到基礎(chǔ)設(shè)施通訊系統(tǒng)自動將潮濕的路面狀況傳遞給其他車輛。

控制器可以進一步將潮濕路面信號警告提供給車輛駕駛員，警告其不要使用自動化特征，該自動化特征包括但不限于自適應(yīng)巡航控制，車道追蹤，車道變化，逃避/輔助操縱和自動化緊急制動。

本文所述技術(shù)優(yōu)點在于不需要車輛或駕駛員的激勵，用于啟動測定是否存在水或降水。也就是說，現(xiàn)有技術(shù)需要通過車輛進行一些相當(dāng)大的激勵(不論是否經(jīng)由制動操縱、增加加速度或轉(zhuǎn)向操縱)以便進行表面水檢測?；陧憫?yīng)(如車輪打滑，偏航)，該技術(shù)確定車輛當(dāng)前是否正在水或降水上行駛。相比之下，本文所述技術(shù)提供了不需要駕駛員激勵而確定道路上降水的技術(shù)。

圖4為示出用于檢測道路潮濕面的方法的流程圖。在步驟50中，提供了獲得場景信息的傳感器/融合模塊，在該場景信息中，可以分析場景中的各種特征以確定圖像中是否存在降水。圖5為示出由圖像捕獲裝置捕獲的圖像。可以處理該圖像，從而捕獲下方的視圖(即向下看行進的道路)。由各自的圖像捕獲裝置使用的透鏡可以采用魚眼式透鏡，其捕獲較寬的視野(如180度)。圖像處理也可以用于改變相機的姿勢，這樣使圖像中看到的姿勢是向下看。例如，如果使用來自一個各自側(cè)面的相機的圖像，那么可以通過生成虛擬姿勢來聚焦圖像中的各自位置，該虛擬姿勢呈現(xiàn)出如同直接向下看的相機捕獲車輪14，路面12以及降水19的場景。為了改變姿勢，虛擬相機模型可以與捕獲的圖像一起使用，這樣虛擬姿勢用來重新定向圖像，從而生成如同相機位于不同的位置并朝向不同的方向(如直接朝下)的圖像。重新定向圖像以生成虛擬圖像包括識別虛擬姿勢并將虛擬圖像上的每個虛擬點映射到真實圖像的對應(yīng)點上。本文使用的術(shù)語“姿勢”是指由相機坐標(biāo)以及相機z軸的取向確定的相機位置的相機取景角度(不論是真實相機還是虛擬相機)。本文使用的術(shù)語“虛擬相機”是指除了具有模擬相機姿勢以外還具有模擬相機模型參數(shù)和模擬成像表面的模擬相機。本文將由處理器執(zhí)行的相機建模描述為利用虛擬相機建模獲得作為場景合成圖像的虛擬圖像。

再次參照圖4，在步驟51中，從真實圖像或虛擬圖像中識別關(guān)注區(qū)域。該技術(shù)定位了關(guān)注區(qū)域，如果存在向后的飛濺，該關(guān)注區(qū)域識別與降水預(yù)期分散的地方相對的各自區(qū)域。向后飛濺的分散的降水的關(guān)注區(qū)域通常是在與車輛行進方向相反的車輪后方。如圖5所示，49識別的示例性區(qū)域代表圖像中關(guān)注區(qū)域。

再次參照圖4，在步驟52中，識別關(guān)注區(qū)域并進行分散的降水分析，以確定關(guān)注區(qū)域中的路面是否存在降水。通過分析關(guān)注區(qū)域中的圖像是否存在水滴，從而確定來自路面的水隨著輪胎旋轉(zhuǎn)而濺起。各種技術(shù)可以用于提取特征，該特征可稍后用于確定圖像是否具有邊緣構(gòu)成，例如圖像中分離飛濺到空氣中的降水的區(qū)別性邊緣和非飛濺區(qū)域。因此，邊緣檢測可以利用濾波器執(zhí)行，例如lm濾波器組或其它圖像分析技術(shù)。lm濾波器組是旋轉(zhuǎn)不變的濾波器組，其用于將圖像中的紋理及紋理方向進行分類。在此示例中，lm是具有多個濾波器的多尺度多取向濾波器組。其可包括高斯一階及二階導(dǎo)數(shù)，所述高斯一階及二階導(dǎo)數(shù)具有各自數(shù)量的用于與圖像的紋理進行比較的方向。如果關(guān)注區(qū)域存在降水飛濺，那么圖像的像素相對于干面的值將具有更大的值(如lm濾波器較大的響應(yīng))。因此，在代表降水的已過濾圖像的關(guān)注區(qū)域中的像素值的絕對均值應(yīng)遠(yuǎn)大于代表非飛濺區(qū)域(即路面上未受干擾的降水)的像素。濾波器識別區(qū)分來自無飛濺區(qū)域的飛濺的邊緣。

圖6為示出潮濕面的示例性濾波器響應(yīng)60。響應(yīng)曲線圖包括第一軸上的圖像寬度(w)以及第二軸上的圖像高度(h)。圖像內(nèi)的每個像素由坐標(biāo)(w，h)表示。在z軸上為每個像素顯示響應(yīng)(強度級大小)。如圖6所示，在曲線圖中識別與具有飛濺的關(guān)注區(qū)域49相關(guān)聯(lián)的區(qū)域。

相比較，圖7為示出用于干面的示例性濾波器62響應(yīng)。響應(yīng)曲線圖包括x軸上的圖像寬度(w)以及y軸上的圖像高度(h)。圖像內(nèi)的每個像素用坐標(biāo)(w，h)表示。在z軸上顯示響應(yīng)(強度級大小)。如圖7所示，為了比較示出了與干面上的關(guān)注區(qū)域49相關(guān)聯(lián)的區(qū)域。干面的像素值具有基本為零的lm濾波器響應(yīng)。相比之下，潮濕面的像素具有基本大于(如絕對值)干面的濾波器響應(yīng)的lm濾波器響應(yīng).

圖8為示出顯示同一曲線圖上潮濕面和干面的濾波器響應(yīng)的組合曲線圖。濾波器響應(yīng)60代表了潮濕面的響應(yīng)，而濾波器響應(yīng)62代表了干面的響應(yīng)。對比同一曲線圖上兩種響應(yīng)，與潮濕面相關(guān)聯(lián)的像素值(絕對值)基本大于與干面相關(guān)聯(lián)的像素值。

再次參照圖4，在步驟53中，特征分析應(yīng)用于用來識別圖案匹配的已過濾圖像。特征分析在包括特征提取和特征計算的機器學(xué)習(xí)中通常是脫機訓(xùn)練的，以便建立各自的圖案數(shù)據(jù)庫。在創(chuàng)建數(shù)據(jù)庫之后，在線實施分類器。在線特征分析過程中，計算提取的特征并輸入到分類器中。分類器將輸出對于圖像中的當(dāng)前面是屬于潮濕面還是干面的決定。如同先前所提出的，多尺度多取向的lm濾波器組應(yīng)用特征分析進行特征提取。例如，示例性lm濾波器組可以包括在6個取向和3個尺度下使用高斯一階及二階導(dǎo)數(shù)的36個濾波器。在訓(xùn)練分類器的過程中應(yīng)用每個濾波器訓(xùn)練，以生成圖案數(shù)據(jù)庫?？蛇x擇地，也可以用其它技術(shù)進行特征提取，例如深層學(xué)習(xí)技術(shù)。在各個已過濾圖像的關(guān)注區(qū)域的像素的平均強度值可被認(rèn)為是特征。將各個特征的強度值計算并加入圖案數(shù)據(jù)庫中。當(dāng)在線使用時，分類器將基于以前訓(xùn)練過的分類來確定特征集。下式可以用于確定如下所示的特征強度值：

特征

其中，n是來自第k個lm濾波器的已過濾圖像的關(guān)注區(qū)域中像素的總數(shù)，并且ik(i)是來自第k個lm濾波器的已過濾圖像的第i個像素的像素值。

圖9為示出驗證結(jié)果的示例。在該驗證測試中，車速設(shè)定為40mph，并且表面被各個程度的水覆蓋。圖9中的每個符號代表特征空間中的樣本分布。如圖9所示，x軸代表第一特征(f-7),并且y軸代表第二特征(f-13)。這些特征是具有一個水平取向和兩個不同尺度的兩個高斯一階導(dǎo)數(shù)濾波器。符號“o”代表潮濕面，而符號“x”代表干面。利用已訓(xùn)練分類器，在第一潮濕面和干面之間明確區(qū)分特征空間中的樣本分布間的分離。

再次參照圖4，在步驟54中，基于特征分析確定是否存在降水。如果確定存在降水，那么程序進行到步驟55；否則，程序進行到步驟56。

在步驟56中，根據(jù)關(guān)注區(qū)域存在降水的判定，將標(biāo)記的潮濕面指示器設(shè)定并傳送給控制器，該控制器可致動如前所述的各種車輛操作(包括但不限于制動控制，牽引力控制，速度控制，駕駛員警告，擋風(fēng)板控制以及車輛到車輛通信)。

如果在步驟54中確定關(guān)注區(qū)域不存在降水，那么程序進行到步驟56，在該步驟中，其它附加技術(shù)可以用于驗證是否存在降水。

盡管已經(jīng)詳細(xì)介紹了本發(fā)明的特定實施例，但是本發(fā)明領(lǐng)域的技術(shù)人員應(yīng)當(dāng)了解由下列權(quán)利要求限定的、用于實現(xiàn)本發(fā)明的各種可選的設(shè)計、過濾工藝和實施例。