本發(fā)明涉及車輛系統(tǒng)以及更具體地涉及用于開發(fā)、訓(xùn)練、以及應(yīng)用算法用于檢測駕駛環(huán)境中的雨水的系統(tǒng)和方法。

背景技術(shù)：

雨水和其他降水可以影響車輛的功能。例如，雨水可以降低牽引力、增強炫光、削弱視力等。因此，需要的是用于檢測和響應(yīng)于雨水和其他降水的車輛系統(tǒng)和方法。

技術(shù)實現(xiàn)要素：

根據(jù)本發(fā)明的一方面，提供一種方法，該方法包含：

獲取多個圖像，每個圖像已知為用照相描繪“雨水”或“無雨水”條件；

通過人工神經(jīng)網(wǎng)絡(luò)對多個圖像進行訓(xùn)練；

在訓(xùn)練之后通過人工神經(jīng)網(wǎng)絡(luò)來分析由第一攝像機捕獲的一個或多個圖像；以及

基于分析通過人工神經(jīng)網(wǎng)絡(luò)把第一攝像機分類為在“雨水”天氣或“無雨水”天氣中。

根據(jù)本發(fā)明的一實施例，其中多個圖像是通過一個或多個車輛車載的一個或多個攝像機捕獲的。

根據(jù)本發(fā)明的一實施例，其中第一攝像機是第一車輛車載的。

根據(jù)本發(fā)明的一實施例，其中分析車載地在第一車輛上發(fā)生。

根據(jù)本發(fā)明的一實施例，其中分類車載地在第一車輛上發(fā)生。

根據(jù)本發(fā)明的一實施例，其中訓(xùn)練非車載于第一車輛地發(fā)生。

根據(jù)本發(fā)明的一實施例，其中訓(xùn)練在人工神經(jīng)網(wǎng)絡(luò)正在相對于第一車輛遠(yuǎn)程定位的非車載計算機硬件上運行時發(fā)生。

根據(jù)本發(fā)明的一實施例，其中分析和分類在人工神經(jīng)網(wǎng)絡(luò)正在以車載的方式承載在第一車輛上的計算機硬件上運行時發(fā)生。

根據(jù)本發(fā)明的一實施例，其中第一攝像機固定至第一車輛并且定向為面向前。

根據(jù)本發(fā)明的一實施例，其中第一攝像機固定至第一車輛并且定向為面向后。

根據(jù)本發(fā)明的一實施例，其中一個或多個圖像包含在小于十秒鐘的一段時間內(nèi)由第一攝像機捕獲的多個連續(xù)圖像。

根據(jù)本發(fā)明的另一方面，提供一種方法，該方法包含：

獲取由一個或多個車輛車載的一個或多個攝像機捕獲的多個圖像，多個圖像中的每個圖像已知為用照相描繪“雨水”條件或“無雨水”條件；

使用多個圖像來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)以區(qū)分相應(yīng)于雨水條件的攝影數(shù)據(jù)和相應(yīng)于無雨水條件的攝影數(shù)據(jù)；

在使用之后通過人工神經(jīng)網(wǎng)絡(luò)來分析由固定至第一車輛的第一攝像機捕獲的一個或多個圖像；以及

基于分析通過人工神經(jīng)網(wǎng)絡(luò)把第一車輛分類為在“雨水”或“無雨水”天氣中。

根據(jù)本發(fā)明的一實施例，其中分析和分類在人工神經(jīng)網(wǎng)絡(luò)正在以車載的方式承載在第一車輛上的計算機硬件上運行時發(fā)生。

根據(jù)本發(fā)明的一實施例，本發(fā)明方法進一步地包含通過第一攝像機捕獲一個或多個圖像。

根據(jù)本發(fā)明的一實施例，其中分析和分類隨著捕獲實時地發(fā)生。

根據(jù)本發(fā)明的一實施例，其中分析和分類在捕獲之后不到十秒鐘發(fā)生。

根據(jù)本發(fā)明的一實施例，其中使用在人工神經(jīng)網(wǎng)絡(luò)正在相對于第一車輛遠(yuǎn)程定位的非車載計算機硬件上運行時發(fā)生。

根據(jù)本發(fā)明的一實施例，其中一個或多個圖像包含在小于十秒鐘的一段時間內(nèi)由第一攝像機捕獲的多個連續(xù)圖像。

根據(jù)本發(fā)明的又一方面，提供一種計算機系統(tǒng)，該計算機系統(tǒng)包含：

一個或多個處理器；

可操作地連接至一個或多個處理器的存儲器；以及

存儲器存儲

人工神經(jīng)網(wǎng)絡(luò)，對由一個或多個車輛車載的一個或多個攝像機捕獲的多個圖像訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)以區(qū)分相應(yīng)于“雨水”條件的圖像和相應(yīng)于“無雨水”條件的圖像；

由固定至第一車輛的第一攝像機捕獲的一個或多個圖像；以及

編程為把一個或多個圖像輸入至人工神經(jīng)網(wǎng)絡(luò)以用于分類的軟件。

根據(jù)本發(fā)明的一實施例，其中存儲器進一步地存儲編程為在人工神經(jīng)網(wǎng)絡(luò)確定第一車輛已經(jīng)從無雨水條件轉(zhuǎn)換至雨水條件時改變第一車輛的功能特性的控制模塊。

附圖說明

為了本發(fā)明的優(yōu)勢將被容易理解，將通過參考在附圖中說明的特定實施例來呈現(xiàn)在上面簡短描述的本發(fā)明的更詳細(xì)的描述。理解的是，這些附圖僅描繪本發(fā)明的典型實施例并且因此不認(rèn)為限制本發(fā)明的范圍，將通過使用附圖用附加特征和細(xì)節(jié)來描述并且解釋本發(fā)明，在附圖中：

圖1是說明根據(jù)本發(fā)明的以車載的方式承載在車輛上的系統(tǒng)的一實施例的示意圖；

圖2是可以由根據(jù)本發(fā)明的系統(tǒng)的攝像機捕獲的圖像的示意圖；

圖3是說明根據(jù)本發(fā)明的系統(tǒng)的一實施例的示意框圖；

圖4是根據(jù)本發(fā)明的訓(xùn)練方法的一實施例的示意框圖；以及

圖5是根據(jù)本發(fā)明的雨水檢測方法的一實施例的示意框圖。

具體實施方式

將容易理解的是，如在此在附圖中總體上描述和說明的本發(fā)明的部件，可以以各種不同配置的方式設(shè)置和設(shè)計。因此，如在附圖中所表示的本發(fā)明的實施例的下面更詳細(xì)的描述，不旨在如聲稱的限制本發(fā)明的范圍，但僅代表根據(jù)本發(fā)明的目前預(yù)期實施例的某些示例。通過參考附圖將最好地理解目前描述的實施例，其中自始至終相同部分通過相同附圖標(biāo)記指定。

參考圖1，現(xiàn)實世界呈現(xiàn)一系列不斷變化的條件和障礙。這種現(xiàn)實為提供某些車輛功能的自主控制或動態(tài)和/或自主駕駛的基于車輛的系統(tǒng)造成顯著挑戰(zhàn)。為了克服這些挑戰(zhàn)，車輛10可以配備有傳感器以感測周圍環(huán)境。然而，添加至車輛10的每個傳感器增加成本和復(fù)雜性。

因此，根據(jù)本發(fā)明的計算機系統(tǒng)12可以使用軟件以從由已經(jīng)以車載的方式承載在車輛10上的一個或多個傳感器輸出的數(shù)據(jù)中提取附加功能或效用。也就是說，系統(tǒng)12可以在沒有向車輛10添加任何附加硬件的情況下增加車輛10的功能或特征。

例如，根據(jù)本發(fā)明的系統(tǒng)12可以是、包括、或支持使用深度學(xué)習(xí)以區(qū)分“雨水”和“無雨水”(或其他“降水”和“無降水”)的基于視覺的降水檢測。在選擇的實施例中，系統(tǒng)12可以分析由以車載的方式承載在車輛10上的一個或多個攝像機14(例如，一個或多個前置攝像機14a、一個或多個后置攝像機14b、一個或多個倒車攝像機14b等或其組合或子組合)收集或捕獲的圖像數(shù)據(jù)以確定車輛10周圍的環(huán)境中是否正在下雨(或正在降落比如雨夾雪、雪等這樣的其他降水)。

在某些實施例中，由一個或多個攝像機14捕獲的圖像數(shù)據(jù)(例如，視頻)可以被系統(tǒng)12處理為單獨的圖像或畫面。系統(tǒng)12內(nèi)的人工神經(jīng)網(wǎng)絡(luò)可以不同地操作這些圖像，取決于神經(jīng)網(wǎng)絡(luò)是處于訓(xùn)練模式還是實施模式。在訓(xùn)練模式下，系統(tǒng)12內(nèi)的神經(jīng)網(wǎng)絡(luò)可以根據(jù)兩個不同的或相反的類(例如，雨水和無雨水)來對多個圖像(例如，幾十個、幾百個、或幾千個圖像)進行訓(xùn)練。在這樣的訓(xùn)練數(shù)據(jù)中捕獲或反射的圖像和場景的變量可以是高的以提供遍及各種情況、情景和環(huán)境的類的可靠確定。

一旦被訓(xùn)練，人工神經(jīng)網(wǎng)絡(luò)就可以以實施模式操作。在實施模式下，神經(jīng)網(wǎng)絡(luò)可以被輸入圖像并且確定其中表示哪一類。在選擇的實施例中，神經(jīng)網(wǎng)絡(luò)的確定可以以每個類或條件的置信百分比來表示。

在選擇的實施例中，相應(yīng)于根據(jù)本發(fā)明的系統(tǒng)12的神經(jīng)網(wǎng)絡(luò)可以比較在一段短時間內(nèi)由攝像機14捕獲的多個連續(xù)圖像(例如，在一段幾秒鐘的時間內(nèi)捕獲的幾個圖像)。如果顯著多數(shù)的圖像被分類為第一條件(例如，雨水)，則系統(tǒng)12可以確定第一條件存在于車輛10的環(huán)境中。即使一些圖像被分類為第二條件(例如，無雨水)，系統(tǒng)12也可以做出這個確定。

在某些實施例中，實施模式中的一個或多個圖像的分類可以隨著那些圖像的捕獲而實時地發(fā)生。也就是說，人工神經(jīng)網(wǎng)絡(luò)可以在攝像機14捕獲特定圖像之后在很短的一段時間內(nèi)量化特定圖像與一個或多個類或條件的對應(yīng)。在選擇的實施例中，該很短的一段時間可以大約10秒鐘或更少。

參考圖2，在選擇的實施例中，通過系統(tǒng)12執(zhí)行的分類可以對包含在由攝像機14捕獲的一個或多個圖像16內(nèi)的任何特定特征是不可知的。也就是說，系統(tǒng)12內(nèi)的神經(jīng)網(wǎng)絡(luò)可以不搜索圖像16的任何特定特征。相反，神經(jīng)網(wǎng)絡(luò)可以判斷圖像16作為一個整體是否更表明一個類或另一個類。

根據(jù)本發(fā)明的系統(tǒng)12的這種不可知論可以提供顯著的優(yōu)勢。例如，每個圖像16可以被檢查或分析為“照原樣”。也就是說，系統(tǒng)12可能不需要圖像預(yù)處理以正確地起作用。此外，可能不需要附加校準(zhǔn)。此外，在不顧及捕獲一個或多個圖像16的攝像機14是否固定在確切的位置中、更朝向天空指向、更朝向道路指向、向前指向、向后指向等，神經(jīng)網(wǎng)絡(luò)可以分類一個或多個圖像16。

參考圖3，根據(jù)本發(fā)明的系統(tǒng)12可以是、包括、或支持使用深度學(xué)習(xí)的基于視覺的降水檢測。系統(tǒng)12可以以任何合適的方式實現(xiàn)這。例如，系統(tǒng)12可以具體體現(xiàn)為硬件、軟件、或其一些組合。

在選擇的實施例中，系統(tǒng)12可以包括計算機硬件和計算機軟件。系統(tǒng)12的計算機硬件可以包括一個或多個處理器18、存儲器20、用戶界面22、其他硬件24等或其組合或子組合。這個計算機硬件可以是已經(jīng)包括為車輛10的部分的硬件。存儲器20可以可操作地連接至一個或多個處理器18并且存儲計算機軟件。這可以使一個或多個處理器18能夠執(zhí)行計算機軟件。因此，系統(tǒng)12可以通過為車輛10添加和/或修改軟件并且不添加任何附加硬件來增加車輛10的功能或特征。

系統(tǒng)12的用戶界面22可以使工程師、技術(shù)員等能夠與系統(tǒng)12的各個方面交互，運行、定制、或控制系統(tǒng)12的各個方面。在選擇的實施例中，系統(tǒng)12的用戶界面22可以包括一個或多個小型鍵盤、鍵盤、觸摸屏、定位裝置等或其組合或子組合?？蛇x地、或除此之外，用戶界面22可以包含端口，一個或多個外部計算機可以通過該端口與系統(tǒng)12或其一個或多個部件通信。

在選擇的實施例中，系統(tǒng)12的存儲器20可以存儲(至少暫時)由一個或多個攝像機14收集或捕獲的視頻26(例如，一個或多個視頻文件26)?？蛇x地、或除此之外，系統(tǒng)12的存儲器20可以存儲包含、定義、或相應(yīng)于由一個或多個攝像機14捕獲的或從由一個或多個攝像機14收集或捕獲的視頻中提取的一個或多個圖像16的一個或多個圖像文件28。此外，存儲器20可以存儲一個或多個軟件模塊。例如，存儲器20可以存儲通信模塊30、圖像提取模塊32、神經(jīng)網(wǎng)絡(luò)模塊34、反饋模塊36、其他數(shù)據(jù)或軟件38等或其組合或子組合。

通信模塊30可以使比如一個或多個視頻文件26、圖像文件28、軟件(例如，一個或多個模塊30、32、34、36、38或隨之的更新)這樣的數(shù)據(jù)能夠傳遞到根據(jù)本發(fā)明的系統(tǒng)12或從根據(jù)本發(fā)明的系統(tǒng)12傳遞出。例如，形成以車載的方式承載在車輛10上的系統(tǒng)12的一部分的通信模塊30可以使那個系統(tǒng)12能夠接收對系統(tǒng)12的神經(jīng)網(wǎng)絡(luò)模塊34的更新。因此，非車載于車輛10上的開發(fā)的改進可以根據(jù)需要或必要時被引入車載。

圖像提取模塊32可以從由一個或多個攝像機14捕獲的視頻中提取一個或多個圖像16。例如，圖像提取模塊32可以從存儲在存儲器20中的視頻文件26、正由攝像機14輸出的視頻等中提取一個或多個圖像(例如，在幾秒鐘的一段時間內(nèi)捕獲的幾個圖像16)。在選擇的實施例中，圖像提取模塊32可以存儲一個或多個圖像16，該圖像16從而被提取作為存儲器20中的圖像文件28。

神經(jīng)網(wǎng)絡(luò)模塊34可以是、包括、或支持編程為執(zhí)行或應(yīng)用深度學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)。由人工神經(jīng)網(wǎng)絡(luò)執(zhí)行或應(yīng)用的深度學(xué)習(xí)可以使用一個或多個算法以建模相應(yīng)于一個或多個圖像16的數(shù)據(jù)的高層次抽象。在選擇的實施例中，這可以通過使用包含多個非線性變換的多個處理層來實現(xiàn)。

在某些實施例中，形成、包括在神經(jīng)網(wǎng)絡(luò)模塊34中、或由神經(jīng)網(wǎng)絡(luò)34支持的人工神經(jīng)網(wǎng)絡(luò)可以以訓(xùn)練模式或?qū)嵤┠Ｊ讲僮?。在?xùn)練模式下，神經(jīng)網(wǎng)絡(luò)可以對多個訓(xùn)練圖像(例如，幾十個、幾百個、或幾千個訓(xùn)練圖像)進行訓(xùn)練。那些訓(xùn)練圖像中的一些可以已知為相應(yīng)于一個類或條件(例如，雨水條件)，而其他可以已知為相應(yīng)于不同的類或條件(例如，無雨水條件)。一旦被訓(xùn)練，人工神經(jīng)網(wǎng)絡(luò)可以被輸入相應(yīng)于未知的類或條件的圖像16。

因此，在實施模式下，相應(yīng)于神經(jīng)網(wǎng)絡(luò)模塊34的人工神經(jīng)網(wǎng)絡(luò)可以分析由攝像機14捕獲的單個圖像16(例如，從由攝像機14捕獲的視頻中提取的單個圖像16)以便把一段時間內(nèi)(例如，直到隨后的圖像16被分類)車輛10周圍的相應(yīng)環(huán)境分類為處于一個條件或另一個條件?？蛇x地，人工神經(jīng)網(wǎng)絡(luò)可以分析在很短一段時間內(nèi)(例如，大約1秒鐘、3秒鐘、5秒鐘、10秒鐘等一段時間內(nèi)捕獲的幾個圖像)由攝像機14捕獲的多個圖像(例如，從視頻或視頻文件26中提取的多個連續(xù)圖像16)。

在選擇的實施例中，相應(yīng)于神經(jīng)網(wǎng)絡(luò)模塊34的人工神經(jīng)網(wǎng)絡(luò)的確定可以為以每個類或條件的置信百分比分析的每個圖像16呈現(xiàn)。如果分析一個以上的圖像16，則那些圖像16中的顯著多數(shù)可以被分類為第一條件(例如，雨水)以便確定第一條件存在于車輛10的環(huán)境中。即使一些圖像16被分類為第二條件(例如，無雨水)，神經(jīng)網(wǎng)絡(luò)也可以做出這個確定。

相應(yīng)于神經(jīng)網(wǎng)絡(luò)模塊34的人工神經(jīng)網(wǎng)絡(luò)當(dāng)正在作為生產(chǎn)車輛10的標(biāo)準(zhǔn)或選擇設(shè)備的一部分以車載的方式承載的系統(tǒng)12的硬件內(nèi)或硬件上操作時可以被訓(xùn)練?？蛇x地，相應(yīng)于神經(jīng)網(wǎng)絡(luò)模塊34的人工神經(jīng)網(wǎng)絡(luò)當(dāng)正在非生產(chǎn)系統(tǒng)12(例如，計算機實驗室中的非車載系統(tǒng)12，專門為了訓(xùn)練目的的以車載的方式承載在測試車輛10上的非生產(chǎn)系統(tǒng)12，等)的硬件內(nèi)或硬件上操作時可以被訓(xùn)練，然后“克隆”或另外復(fù)制到或輸入在形成生產(chǎn)車輛10的一部分的生產(chǎn)系統(tǒng)12內(nèi)。

在選擇的實施例中，反饋模塊36可以包括在系統(tǒng)12內(nèi)以支持或?qū)崿F(xiàn)相應(yīng)于神經(jīng)網(wǎng)絡(luò)模塊34的人工神經(jīng)網(wǎng)絡(luò)的車載訓(xùn)練。反饋模塊36可以為神經(jīng)網(wǎng)絡(luò)模塊34提供指示哪個類或條件相應(yīng)于哪個圖像16的信息。因此，反饋模塊36可以使系統(tǒng)12能夠產(chǎn)生訓(xùn)練數(shù)據(jù)，對該訓(xùn)練數(shù)據(jù)訓(xùn)練相應(yīng)的人工神經(jīng)網(wǎng)絡(luò)(或提高訓(xùn)練相應(yīng)的人工神經(jīng)網(wǎng)絡(luò))。

也就是說，為了訓(xùn)練神經(jīng)網(wǎng)絡(luò)，可以通過神經(jīng)網(wǎng)絡(luò)分析已知類或條件的訓(xùn)練數(shù)據(jù)。系統(tǒng)12具有由一個或多個車載攝像機14收集的圖像16可能是不夠的。系統(tǒng)可能還需要知道那些圖像16中的哪些相應(yīng)于一個類或條件并且哪些相應(yīng)于另一個類或條件。這個附加信息可以由反饋模塊16收集和提供。

例如，反饋模塊36可以注意到人類駕駛員何時打開擋風(fēng)玻璃雨刷器，因為這可以指示雨水條件。因此，在或接近在擋風(fēng)玻璃雨刷器被駕駛員打開時的時間收集或捕獲的圖像16可以已知為相應(yīng)于第一類或條件。

在選擇的實施例中，多個功能或事實可以被反饋模塊36監(jiān)測以便收集指示當(dāng)前狀況的信息。例如，不是只注意到駕駛員何時打開擋風(fēng)玻璃雨刷器，而是反饋模塊36可以在也沒有激活擋風(fēng)玻璃清洗液的噴射的情況下注意到駕駛員何時打開擋風(fēng)玻璃雨刷器。后者可以比前者與車輛10周圍的環(huán)境中的雨水更緊密相關(guān)。

相應(yīng)于系統(tǒng)12的其他數(shù)據(jù)和/或軟件38可以根據(jù)需要或必要時支持那個系統(tǒng)12的操作。在某些實施例中，其他軟件38可以包括編程為基于由神經(jīng)網(wǎng)絡(luò)模塊34確定的分類而請求、發(fā)起、或?qū)嵤┮粋€或多個措施或功能的控制模塊。例如，當(dāng)神經(jīng)網(wǎng)絡(luò)模塊34基于一個或多個圖像16確定正在下雨時，控制模塊可以請求、發(fā)起、或?qū)嵤└淖?，比如激活某些雨刮片或車燈、改變某些牽引控制設(shè)置、或另外準(zhǔn)備相應(yīng)的車輛12以處理與雨水條件相關(guān)聯(lián)的問題。

參考圖4，系統(tǒng)12可以支持、實現(xiàn)、或執(zhí)行根據(jù)本發(fā)明的程序40。在選擇的實施例中，這樣的程序40可以以接收42相應(yīng)于第一條件(例如，雨水條件)的圖像16開始并且接收44相應(yīng)于第二條件(例如，無雨水條件)的圖像16。人工神經(jīng)網(wǎng)絡(luò)然后可以對那些接收到的圖像16進行訓(xùn)練46。

經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)(例如，包含在區(qū)分相應(yīng)于一個類或條件的圖像與相應(yīng)于另一類或條件的圖像中已經(jīng)證明有效的一組分類算法的人工神經(jīng)網(wǎng)絡(luò))然后可以傳送48(例如，存儲在)到車輛10的車載計算機系統(tǒng)12。經(jīng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)然后可以應(yīng)用50隨之相應(yīng)于由以車載的方式承載在那個車輛10上的一個或多個攝像機14收集或捕獲的圖像16的分類算法。

參考圖5，在選擇的實施例中，應(yīng)用50人工神經(jīng)網(wǎng)絡(luò)的分類算法至一個或多個未分類的圖像16可以以獲取52一個或多個未分類的圖像16開始。此后，可以通過為每個這樣的圖像16分配每個類或條件的置信百分比來分類54那些圖像16中的一個或多個。

例如，如果人工神經(jīng)網(wǎng)絡(luò)被訓(xùn)練以區(qū)分兩個類或條件(例如，雨水條件和無雨水條件)，那么人工神經(jīng)網(wǎng)絡(luò)可以為每個圖像16輸出兩個百分比。具體地，人工神經(jīng)網(wǎng)絡(luò)可以輸出指示特定圖像16相應(yīng)于第一類的置信的第一百分比以及指示特定圖像16相應(yīng)于第二類的置信的第二百分比。因此，根據(jù)各個百分比的大小(例如，一個類的百分比是否超過特定閾值，另一個類的百分比是否低于特定閾值，或兩者)、各個百分比之間的差異(例如，一個類的百分比和另一個類的百分比之間的差異是否超過特定閾值)等或其組合，相應(yīng)圖像16可以被分類為一個類或條件或另一個類或條件。

在某一時刻，可以關(guān)于一個或多個圖像16是否仍然需要分類54做出確定56。如果圖像16仍然需要分類54，則那個圖像16可以被分類54。這個過程可以繼續(xù)直到所有未分類的圖像已經(jīng)被分類54。

一旦完成分類過程54，做出的一個或多個分類就可以被計數(shù)58。因此，可以做出關(guān)于圖像作為一個整體是否更指示一個類或條件或另一個類或條件的確定。如果僅一個圖像16被分類54，則計數(shù)58可以同樣地追蹤那個分類?？蛇x地，如果多個圖像16被分類54(例如，在一段短時間內(nèi)由攝像機14捕獲的多個圖像16)，則計數(shù)58可以指示多少被分類54為與一個類或條件有關(guān)并且多少被分類54為與另一個類或條件有關(guān)。

在選擇的實施例中，確定60可以指示是否已經(jīng)達到閾值。這樣的閾值可以設(shè)置為“50％”。因此，在兩個類的情況下(例如，雨水或無雨水)，如果一個類或條件的計數(shù)高于另一個類或條件的計數(shù)，則可以達到閾值?？蛇x地，閾值可以設(shè)置為高于50％的某值(例如，大概在大約55％至大約85％的范圍中)。在這樣的實施例或情況下，關(guān)于周圍環(huán)境是否指示一個類或條件或另一個類或條件的總確定60可能不通過哪一類或條件“贏得”計數(shù)(tally)58來解決。相反，如同法律訴訟中的更高舉證責(zé)任，閾值可以確保計數(shù)58不只是支持，而是清楚地或強烈地比另一個類或條件支持一個類或條件。因此，可以設(shè)置閾值以降低關(guān)于一個類或條件(例如，雨水條件)的誤報的數(shù)量。

如果計數(shù)58和/或確定60指示不存在第一條件(例如，雨水條件)，則人工神經(jīng)網(wǎng)絡(luò)可以宣布62存在第二條件(例如，無雨水條件)并且系統(tǒng)12可以采取64與那個第二條件一致的一個或多個措施。這樣的措施可以包括使車輛10處于它所在的情況、停用某些雨刮片或車燈、改變某些牽引控制設(shè)置、或另外使相應(yīng)車輛12返回至相應(yīng)于無雨水的“正?！辈僮鳁l件。系統(tǒng)12也可以輸入保持模式并且在獲取52新的圖像16和再次啟動分類過程54之前等待一段時間(例如，10秒鐘、30秒鐘、1分鐘、5分鐘、10分鐘等)。

相反，如果計數(shù)58和/或確定60指示存在第一條件(例如，雨水條件)，則人工神經(jīng)網(wǎng)絡(luò)可以宣布66存在第一條件并且系統(tǒng)12可以采取68與那個第一條件一致的一個或多個措施。這樣的措施可以包括使車輛10處于它所在的情況、激活某些雨刮片或車燈、改變某些牽引控制設(shè)置、或另外使相應(yīng)車輛12準(zhǔn)備返回以適應(yīng)相應(yīng)于雨水的“異?！辈僮鳁l件。系統(tǒng)12也可以輸入保持模式并且在獲取52新的圖像16和再次啟動分類過程54之前等待一段時間(例如，10秒鐘、30秒鐘、1分鐘、5分鐘、10分鐘等)。

在選擇的實施例中，在根據(jù)本發(fā)明的程序50內(nèi)的某一時刻，系統(tǒng)12可以從人類(例如，人類駕駛員)接收70反饋。這個反饋可以指示哪一類或條件相應(yīng)于哪一圖像16。因此，反饋和相應(yīng)圖像16可以成為用于更新72和/或重新培訓(xùn)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)?？蛇x地、或除此之外，這樣的反饋可以用于調(diào)整或微調(diào)在程序50中使用的一個或多個閾值(例如，百分比閾值，計數(shù)閾值)。

圖4和5中的流程圖說明根據(jù)本發(fā)明的各種實施例的系統(tǒng)、方法、和計算機程序產(chǎn)品的可能實施方式的結(jié)構(gòu)、功能和操作。在這方面，流程圖中的每個框可以代表模塊、段、或代碼部分，該框包含用于實施指定邏輯功能的一個或多個可執(zhí)行指令。還將要注意的是，流程圖圖示的每個框、以及流程圖圖示中的框的組合，可以通過執(zhí)行指定功能或措施、或?qū)Ｓ糜布陀嬎銠C指令的組合的基于專用硬件的系統(tǒng)來實施。

還應(yīng)該注意的是，在一些可選的實施方式中，在框中提到的功能可在附圖中指出的順序范圍外的順序發(fā)生。在某些實施例中，連續(xù)顯示的兩個框可以實際上大體同時執(zhí)行，或框有時可以以相反的順序執(zhí)行，取決于包含的功能。可選地，某些步驟或功能如果不需要的話則可以被省略。

本發(fā)明可以在不背離它的精神或基本特征的情況下以其他具體形式具體體現(xiàn)。描述的實施例在所有方面僅被認(rèn)為是說明性的，而不是限制性的。因此，本發(fā)明的范圍通過所附權(quán)利要求指示，而不是通過上述描述指示。在權(quán)利要求的等同物的意義和范圍內(nèi)的所有變化都包含在它們的范圍內(nèi)。