一种智能大灯自动控制的方法、装置及电子设备与流程

1.本发明属于人工智能技术领域，具体涉及一种智能大灯自动控制的方法、装置及电子设备。


背景技术：

2.车辆在行驶过程中，在不同的驾驶工况下可能需要对车辆的大灯光源进行调节，目前主流的自动大灯控制是通过在车外增加相应的传感器对外部光源环境进行检测。
3.目前，公开号为cn207274535u的专利公开了一种汽车前智能大灯的控制系统，该方案通过独立的硬件控制模块、智能大灯、光敏传感器等接收光照数据控制智能大灯的开启关闭，并通过方向盘转角及车速等信息进行辅助对大灯进行控制。该方案的通过硬件模块及独立的控制器对智能大灯进行控制，增加了额外的成本，且该方案并未充分考虑未来智能汽车域控制器发展的方向。公开号为cn114162037a的专利公开了一种基于前视视觉摄像头的车辆智能大灯系统，该方案通过获取到的前视摄像头图像做为输入发送到大灯系统，并融合车辆状态信息来对车辆大灯的开关及方向进行控制。该方案仅利用图像及车身信息进行判断，能够获取的车辆外部信息及利用的信息有限，且较容易引起误判及无效检测。
4.由此可见，目前市场上用于控制大灯的主流方案增加了额外的成本，使得成本高，或者控制精度较低，不利于对大灯开关的精确控制。


技术实现要素：

5.有鉴于此，本发明的目的是提供一种智能大灯自动控制的方法、装置及电子设备，用来改善目前主流方案成本高以及控制精度较低的问题。
6.本发明通过以下技术手段解决上述技术问题：
7.第一方面，本技术实施例提供了一种智能大灯控制的方法，包括：
8.利用本车的域控制器获取本车外部的环境图像以及当前光照度；
9.在所述当前光照度小于等于预设阈值时，通过预设的光源检测模型针对检测对象进行检测，得到目标信息；
10.若所述环境图像表示存在其余车辆，则通过预设的深度学习检测模型对所述环境图像进行检测,得到检测结果，所述检测结果包括所述环境图像中是否存在车灯光源，以及在存在所述车灯光源时所述车灯光源与本车的距离及方向信息；
11.若所述检测结果和所述目标信息符合预设条件，则开启本车的大灯。
12.结合第一方面，在一些可选的实施方式中，在步骤利用本车的域控制器获取本车外部的环境图像以及当前光照度和步骤在所述当前光照度小于等于预设阈值时，通过预设的光源检测模型针对检测对象进行检测，得到目标信息，所述方法还包括:
13.在所述当前光照度大于所述预设阈值时，控制本车的大灯处于关闭状态。
14.结合第一方面，在一些可选的实施方式中，通过预设的光源检测模型针对检测对
象进行检测，得到目标信息，包括：
15.通过前视摄像头获取所述检测对象；
16.通过预设的光源检测模型针对所述检测对象进行检测，得到光源信息；
17.对所述光源信息进行分类、过滤，得到目标信息，其中，对所述光源信息进行过滤包括通过所述光源检测模型对光源检测框中的无效光源进行删除，所述无效光源包括图像上的背景、天空、路灯，以及环境图像中输出的光源置信度小于置信度阈值的光源。
18.结合第一方面，在一些可选的实施方式中，所述光源信息包括：光源类型、在vcs坐标系下光源与本车的横向距离与纵向距离及光源置信度，其中，所述光源类型包括车头灯、车尾灯及路灯。
19.结合第一方面，在一些可选的实施方式中，所述目标信息包括：
20.光源的检测框、车头灯或车尾灯类型的光源、光源置信度大于等于所述置信度阈值的光源、vcs坐标系下光源与本车的横向距离与纵向距离。
21.结合第一方面，在一些可选的实施方式中，在开启本车的大灯之前，所述方法还包括：
22.通过所述深度学习检测模型对所述车头和车尾的光源检测结果进行融合,若同一类型的两个光源检测框存在交叠区域，则将两个光源检测结果融合为一个光源检测结果，否则为两个光源检测结果；
23.将处理得到的所述光源检测结果与所述目标信息进行结合，将大于等于所述置信度阈值的光源作为目标光源，并判断本车与所述目标光源在vcs坐标系下的所述横向距离与纵向距离是否符合所述预设条件，其中，所述横向距离在第一预设距离内且所述纵向距离在所述第二预设距离内时，确定符合所述预设条件。
24.结合第一方面，在一些可选的实施方式中，所述预设阈值设置为10lux。
25.第二方面，本技术实施例还提供一种智能大灯自动控制的装置，包括：
26.第一获取信息单元，利用本车的域控制器获取本车外部的环境图像以及当前光照度；
27.第一执行单元，在所述当前光照度小于等于预设阈值时，通过预设的光源检测模型针对检测对象进行检测，得到目标信息；
28.第二获取信息单元，若所述环境图像表示存在其余车辆，则通过预设的深度学习检测模型对所述环境图像进行检测,得到检测结果，所述检测结果包括所述环境图像中是否存在车灯光源，以及在存在所述车灯光源时所述车灯光源与本车的距离及方向信息；
29.第二执行单元，若所述检测结果和所述目标信息符合预设条件，则开启本车的大灯。
30.第三方面，本技术实施例还提供一种电子设备，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行上述的方法。
31.第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
32.本发明具有如下优点：
33.通过电子设备利用域控制器中isp单元的图像处理获取本车外部的环境图像以及当前光照度，若当前光照度大于预设阈值时，通过电子设备控制本车的大灯处于关闭状态；当前光照度小于等于预设阈值时，电子设备通过预设的光源检测模型针对检测对象进行检测，获取光源信息，并对光源信息进行分类、过滤，获得目标信息；若环境图像表示存在其余车辆，则通过预设的深度学习检测模型对环境图像进行检测，得到检测结果，并通过电子设备将检测结果结合目标信息判断其是否符合预设条件；若检测结果和目标信息符合预设条件，则开启本车的大灯。通过现有的摄像头及域控制器对周围环境进行检测，通过深度学习检测模型和光源检测模型检测出所需信息并将其结合，最后通过电子设备进行判断并控制大灯的开启和关闭，无需通过增加独立的控制器来达到控制大灯开合的效果，直接使用已有的硬件系统，从而有利于降低整体系统的硬件成本。另外，本技术不仅仅是利用图像及车身信息进行判断，而是采用外部的环境图像与光照度、以及前视摄像头所获取的检测对象等结果进行不断交叉结合，逐步得出最终结果，并以此作为判断依据来进行判断，以提高判断的可靠性，从而使得控制精确度高，能够改善现有主流方案成本高以及控制精度较低的问题。
附图说明
34.本发明可以通过附图给出的非限定性实施例进一步说明：
35.图1是本发明实施提供的一种智能大灯自动控制的方法的流程示意图；
36.图2是本发明实施提供的一种智能大灯自动控制的装置的框图。
37.图标：200-第一获取信息单元；210-第一执行单元；220-第二获取信息单元；230-第二执行单元。
具体实施方式
38.以下将结合附图和具体实施例对本技术进行详细说明，需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
39.本技术实施例提供一种电子设备。该电子设备包括相互耦合的处理器及存储器，存储器内存储计算机程序，当计算机程序被处理器执行时，使得电子设备能够执行下述智能大灯自动控制的方法中的相应步骤。
40.电子设备可以是但不限于个人电脑、服务器等设备。处理器和存储器电连接，处理器用于执行存储器内计算机程序，且处理器和存储器均为现有硬件模块，故在此不多做赘述。
41.如图1所示，本技术还提供一种智能大灯自动控制的方法，可以应用于上述的电子设备，由电子设备执行或实现方法的各步骤。其中，智能大灯自动控制的方法可以包括如下步骤：
42.步骤100，利用本车的域控制器获取本车外部的环境图像以及光照度信息；
43.步骤110，在当前光照度小于等于预设阈值时，通过预设的光源检测模型针对检测对象进行检测，得到目标信息；
44.步骤120，若环境图像表示存在其余车辆，则通过预设的深度学习检测模型对环境图像进行检测,得到检测结果，检测结果包括环境图像中是否存在车灯光源，以及在存在车灯光源时车灯光源与本车的距离及方向信息；
45.步骤130，若检测结果和目标信息符合预设条件，则开启本车的大灯。
46.下面将对智能大灯自动控制的方法的各步骤进行详细阐述，如下：
47.在步骤100中，通过电子设备利用域控制器中isp(internetserviceprovider,互联网服务提供商)单元的图像处理获取本车外部的环境图像以及当前光照度。
48.本实施例中，当前光照度是指通过isp检测得到的本车所处的外部环境的光照强弱。即通过isp对bayer格式的环境图像计算处理，得到光照度；后续，便从isp模块提供的接口，对外输出光照度。
49.在步骤110中，在当前光照度小于等于预设阈值时，电子设备通过预设的光源检测模型针对检测对象进行检测，得到目标信息。
50.本实施例中，预设阈值设置为10lux(勒克斯)，通过比较当前光照度相对于预设阈值的大小，得到第一判断结果，其中，第一判断结果包括当前光照度大于预设阈值或当前光照度小于等于预设阈值的信息。即，若当前光照度大于预设阈值，则关闭大灯；若当前光照度小于等于预设阈值，则开启光源检测模型，对检测对象进行检测。本实施例中，lux是光照强度的单位。
51.本实施例中，检测对象包括除本车之外的其它进入摄像头视场角范围的光源，光源检测模型对这些光源进行检测，以得到光源信息。
52.本实施例中，电子设备通过前视摄像头获取所述检测对象，然后通过预设的光源检测模型针对检测对象进行检测，获取光源信息，再对光源信息进行分类、过滤，得到目标信息。其中，对光源信息进行过滤包括通过光源检测模型对光源检测框中的无效光源进行删除，无效光源包括图像上的背景、天空、路灯，以及环境图像中输出的光源置信度小于置信度阈值的光源。其中，置信度阈值可以根据实际情况灵活设置，例如，为10％。小于置信度阈值的光源表示实际为“光源”的可能性较低，需要进行删除。
53.本实施例中，光源信息包括光源类型、在vcs(verticalcoordinatesystem，垂直坐标系统)坐标系下光源的横向距离与纵向距离及光源置信度；其中，光源类型包括车头灯、车尾灯及路灯。
54.本实施例中，目标信息包括光源的检测框、车头灯或车尾灯类型的光源、光源置信度大于等于置信度阈值的光源、vcs坐标系下光源横纵向距离。
55.在步骤120中，若环境图像表示存在其余车辆，则电子设备通过预设的深度学习检测模型对环境图像进行检测,得到检测结果，检测结果包括环境图像中是否存在车灯光源，以及在存在车灯光源时车灯光源与本车的距离及方向信息。
56.本实施例中，电子设备通过输入的环境图像判断是否存在其余车辆。通过对车辆的车尾框数量进行判断，例如，若车尾框数量》3，则存在其余车辆，随后进行下一步；若车尾框数量≤3，则不存在其余车辆，关闭大灯。
57.本实施例中，深度学习检测模型可以为cnn模型，或其他模型。深度学习检测模型单个是现有技术，但在本实施例中，深度学习检测模型与本实施例中的其他结构相结合，通过对光源的检测达到了推测本车周围具体光源情况的效果。
58.本实施例中，在存在其余车辆运动的情况下，在步骤130之前，方法还可以包括：
59.通过深度学习检测模型对车头和车尾的光源检测结果进行融合,若同一类型的两个光源检测框存在交叠区域，则将两个光源检测结果融合为一个光源检测结果，否则为两个光源检测结果。
60.将处理得到的光源检测结果与目标信息进行结合，将大于等于置信度阈值的光源作为目标光源，并判断本车与目标光源在vcs坐标系下的横向距离与纵向距离是否符合预设条件，其中，横向距离在第一预设距离内且纵向距离在所述第二预设距离内时，确定符合预设条件。
61.本实施例中，将处理得到的光源检测结果与目标信息进行结合，即将光源检测结果与目标信息综合整理后，根据本车与目标光源在vcs坐标系下的横向距离与纵向距离是否符合预设条件来判断是否开启大灯。其中，第一预设距离与第二预设距离均可以根据实际情况灵活确定。
62.在步骤130中，若检测结果和目标信息符合预设条件，则开启本车的大灯。
63.例如，以本车为中心点，若vcs坐标系显示光源信息为横向距离为30m内、纵向距离220米内，则检测结果和目标信息符合预设条件，随后进行下一步，以开启本车的大灯；若vcs坐标系显示光源信息为横向距离超过30m，或者纵向距离超过220米，则检测结果和目标信息不符合预设条件，即关闭大灯。
64.本技术还提供一种智能大灯自动控制的装置，智能大灯自动控制的装置包括至少一个软件或固件的形式存储与存储模块中或固化在操作系统中的软件功能模块。处理器用于执行存储模块中存储的可执行模块，例如智能大灯自动控制的装置所包括的软件功能模块及计算机程序等。
65.如图2所示，智能大灯自动控制的装置包括第一获取信息单元200、第一执行单元210、第二获取信息单元220及第二执行单元230，各单元具有的功能可以如下：
66.第一获取信息单元200，利用本车的域控制器获取本车外部的环境图像以及当前光照度；
67.第一执行单元210，在当前光照度小于等于预设阈值时，通过预设的光源检测模型针对检测对象进行检测，得到目标信息；
68.第二获取信息单元220，若环境图像表示存在其余车辆，则通过预设的深度学习检测模型对环境图像进行检测,得到检测结果，检测结果包括环境图像中是否存在车灯光源，以及在存在车灯光源时车灯光源与本车的距离及方向信息；
69.第二执行单元230，若检测结果和目标信息符合预设条件，则开启本车的大灯。
70.可选地，第一执行单元210可以用于：设置光照度的阈值，包括：预设阈值设置为10lux。
71.可选地，在第一获取信息单元200和第一执行单元210之间，还包括第三执行单元240，第三执行单元240可以用于：在当前光照度大于预设阈值时，控制本车的大灯处于关闭状态。
72.可选地，第一执行单元210可以用于：通过前视摄像头获取检测对象；通过预设的光源检测模型针对检测对象进行检测，得到光源信息；对光源信息进行分类、过滤，得到目标信息，其中，对光源信息进行过滤包括通过光源检测模型对光源检测框中的无效光源进
行删除，无效光源包括图像上的背景、天空、路灯，以及环境图像中输出的光源置信度小于置信度阈值的光源。
73.光源信息包括光源类型、在vcs坐标系下光源与本车的横向距离与纵向距离及光源置信度，其中，光源类型包括车头灯、车尾灯及路灯；目标信息包括光源的检测框、车头灯或车尾灯类型的光源、光源置信度大于等于所述置信度阈值的光源、vcs坐标系下光源与本车的横向距离与纵向距离。
74.可选地，第二执行单元230可以用于：通过深度学习检测模型对车头和车尾的光源检测结果进行融合,若同一类型的两个光源检测框存在交叠区域，则将两个光源检测结果融合为一个光源检测结果，否则为两个光源检测结果。
75.将处理得到的光源检测结果与目标信息进行结合，将大于等于置信度阈值的光源作为目标光源，并判断本车与目标光源在vcs坐标系下的横向距离与纵向距离是否符合预设条件，其中，横向距离在第一预设距离内且纵向距离在所述第二预设距离内时，确定符合预设条件。
76.本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行如上述实施例中上述的智能大灯自动控制的方法。
77.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本技术可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本技术的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，控制设备，或者网络设备等)执行本技术各个实施场景所述的方法。
78.综上所述，本技术实施例提供一种智能大灯自动控制的方法、装置及电子设备。在本方案中，通过电子设备利用域控制器中isp单元的图像处理获取本车外部的环境图像以及当前光照度，若当前光照度大于预设阈值时，通过电子设备控制本车的大灯处于关闭状态；当前光照度小于等于预设阈值时，电子设备通过预设的光源检测模型针对检测对象进行检测，获取光源信息，并对光源信息进行分类、过滤，获得目标信息；若环境图像表示存在其余车辆，则通过预设的深度学习检测模型对环境图像进行检测，得到检测结果，并通过电子设备将检测结果结合目标信息判断其是否符合预设条件；若检测结果和目标信息符合预设条件，则开启本车的大灯。通过现有的摄像头及域控制器对周围环境进行检测，通过深度学习检测模型和光源检测模型检测出所需信息并将其结合，最后通过电子设备进行判断并控制大灯的开启和关闭，无需通过增加独立的控制器来达到控制大灯开合的效果，直接使用现有装置，降低了整体装置的成本；且本技术不仅仅是利用图像及车身信息进行判断，而是采用外部的环境图像与光照度、以及前视摄像头所获取的检测对象等结果进行不断交叉结合，逐步得出最终结果，并以此作为判断依据来进行判断，使得整体装置的成本较低，且控制精确度高，能够改善现有主流方案成本高以及控制精度较低的问题。
79.在本技术所提供的实施例中，应该理解到，所揭露的装置、设备和方法，也可以通过其它的方式实现。以上所描述的装置、设备和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程
序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
80.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种智能大灯控制的方法，其特征在于，包括：利用本车的域控制器获取本车外部的环境图像以及当前光照度；在所述当前光照度小于等于预设阈值时，通过预设的光源检测模型针对检测对象进行检测，得到目标信息；若所述环境图像表示存在其余车辆，则通过预设的深度学习检测模型对所述环境图像进行检测,得到检测结果，所述检测结果包括所述环境图像中是否存在车灯光源，以及在存在所述车灯光源时所述车灯光源与本车的距离及方向信息；若所述检测结果和所述目标信息符合预设条件，则开启本车的大灯。2.根据权利要求1所述的方法，其特征在于，在步骤利用本车的域控制器获取本车外部的环境图像以及当前光照度和步骤在所述当前光照度小于等于预设阈值时，通过预设的光源检测模型针对检测对象进行检测，得到目标信息，所述方法还包括:在所述当前光照度大于所述预设阈值时，控制本车的大灯处于关闭状态。3.根据权利要求1所述的方法，其特征在于，通过预设的光源检测模型针对检测对象进行检测，得到目标信息，包括：通过前视摄像头获取所述检测对象；通过预设的光源检测模型针对所述检测对象进行检测，得到光源信息；对所述光源信息进行分类、过滤，得到目标信息，其中，对所述光源信息进行过滤包括通过所述光源检测模型对光源检测框中的无效光源进行删除，所述无效光源包括图像上的背景、天空、路灯，以及环境图像中输出的光源置信度小于置信度阈值的光源。4.根据权利要求3所述的方法，其特征在于，所述光源信息包括：光源类型、在vcs坐标系下光源与本车的横向距离与纵向距离及光源置信度，其中，所述光源类型包括车头灯、车尾灯及路灯。5.根据权利要求3所述的方法，其特征在于，所述目标信息包括：光源的检测框、车头灯或车尾灯类型的光源、光源置信度大于等于所述置信度阈值的光源、vcs坐标系下光源与本车的横向距离与纵向距离。6.根据权利要求5所述的方法，其特征在于，在开启本车的大灯之前，所述方法还包括：通过所述深度学习检测模型对所述车头和车尾的光源检测结果进行融合,若同一类型的两个光源检测框存在交叠区域，则将两个光源检测结果融合为一个光源检测结果，否则为两个光源检测结果；将处理得到的所述光源检测结果与所述目标信息进行结合，将大于等于所述置信度阈值的光源作为目标光源，并判断本车与所述目标光源在vcs坐标系下的所述横向距离与纵向距离是否符合所述预设条件，其中，所述横向距离在第一预设距离内且所述纵向距离在所述第二预设距离内时，确定符合所述预设条件。7.根据权利要求1所述的方法，其特征在于，所述预设阈值设置为10lux。8.一种智能大灯自动控制的装置，其特征在于，包括：第一获取信息单元，利用本车的域控制器获取本车外部的环境图像以及当前光照度；第一执行单元，在所述当前光照度小于等于预设阈值时，通过预设的光源检测模型针对检测对象进行检测，得到目标信息；第二获取信息单元，若所述环境图像表示存在其余车辆，则通过预设的深度学习检测
模型对所述环境图像进行检测,得到检测结果，所述检测结果包括所述环境图像中是否存在车灯光源，以及在存在所述车灯光源时所述车灯光源与本车的距离及方向信息；第二执行单元，若所述检测结果和所述目标信息符合预设条件，则开启本车的大灯。9.一种电子设备，其特征在于，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行如权利要求1-7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-7中任一项所述的方法。

技术总结
本发明提供一种智能大灯自动控制的方法、装置及电子设备。方法包括如下步骤：利用本车的域控制器获取本车外部的环境图像以及当前光照度；在当前光照度小于等于预设阈值时，通过预设的光源检测模型针对检测对象进行检测，得到目标信息；若环境图像表示存在其余车辆，则通过预设的深度学习检测模型对环境图像进行检测,得到检测结果，检测结果包括环境图像中是否存在车灯光源，以及在存在车灯光源时车灯光源与本车的距离及方向信息；检测结果和目标信息符合预设条件，则开启本车的大灯。如此，有利于降低整体装置的成本，提高大灯控制的精确度。确度。确度。


技术研发人员：张杰
受保护的技术使用者：重庆长安汽车股份有限公司
技术研发日：2023.06.09
技术公布日：2023/8/1