[发明专利]用于机动车的驾驶辅助系统和方法

说明书

技术领域

本发明涉及用于机动车的驾驶辅助系统，包括成像装置、处理装置和驾驶辅助装置，所述成像装置适应于记录来自机动车周围的图像，所述处理装置适应于执行由所述成像装置记录的图像的图像处理，所述驾驶辅助装置受控于所述图像处理的结果。本发明进一步涉及对应的驾驶辅助方法。

背景技术

驾驶辅助系统的有效性和可靠性关键取决于至少在用于特定应用的关注的区域中记录的图像的足够的对比度。为了降低由于现场的亮度随时间的变化而引起的对比度恶化，已知不同的方法，基于记录的图像的图像处理，用以控制图像传感器的图像曝光/增益设定。这在例如EP1074430B1和DE10318499B4中描述。然而，存在对在不同条件下记录的图像进一步增强对比度的持续的需求。

发明内容

本发明的目标是提供驾驶辅助系统和方法，至少在关注的区域中，记录的图像有增强的对比度。

本发明以独立权利要求的特征实现该目标。通过应用强度范围缩小算法，在随后的图像处理中可用的强度范围能够被集中到关注的强度范围。在该方式中，在关注的强度范围内的对比度能够被最大化，而信息损失实质上能够被限制在不太关注的强度区域。范围缩小包括截去记录的图像中的至少一个强度子范围，或者更普遍地，将记录的图像中的至少一个强度子范围压缩为更小的强度区间的步骤。

优选地，强度范围缩小算法使用至少一个范围缩小参数，特别是强度阈值。优选地，记录的图像中落在强度阈值之外的强度被截去，即在进一步的图像处理中不再考虑。这是有利的，因为记录的图像中的极端强度区域对于多数应用通常是不太关注的，并且通常能够被截去，而在关注的强度区域中没有太多的信息损失。强度范围缩小算法可以应用低的强度阈值，所述低的强度阈值以下的强度被截去(即被设定为所述低的强度阈值)，以及/或者高的强度阈值，所述高的强度阈值以上的强度被截去(即被设定为所述高的强度阈值)。

在本发明的优选实施例中，范围缩小参数由从所述图像数据获取的特征量(特别是特征向量)得到的回归函数进行估计。通过回归函数动态生成用于强度范围缩小算法的优化的范围缩小参数，允许对于不同的应用使用相同的强度范围缩小算法，例如对于使用不同波长区间的照相机或不同的车辆模型。由此，设计用于各个特定应用的特定的强度范围缩小算法不再是必须的。

优选地，回归函数通过训练算法从训练数据获得。训练算法优选地是基于非参数回归，例如支持向量回归或神经网络技术。训练数据便利地包括源于训练图像数据的多个特征量，特别是特征向量。此外，训练数据优选地包括至少一个对于各个训练图像预先确定的范围缩小参数，形成用于训练过程的地面真实的数据。

在优选的实施例中，对于特定的训练图像，预先确定的范围缩小参数被自动选择，使得即将被进一步处理的强度范围包括在所述训练图像数据中的至少一个选择的区域(更普遍地是选择的数据)的强度。在对象探测应用中，该区域可以被特别地选择，以覆盖或对应即将被探测的对象，例如行人或其它车辆。例如，通过将用于训练的强度阈值选择为训练图像中标明的行人的最大的和/或最小的强度，能够保证行人的强度位于选择的范围之内。然而，本发明不限于自动确定用于训练的适宜的范围缩小参数。在其它实施例中，用于训练的至少一个范围缩小参数能够手动设定。

源于图像数据并且由回归函数使用的特征量优选地包括图像数据的强度/亮度分布或谱，其可以具有柱状图的形式。此外，特征量优选地包括来自至少一个车载传感器(特别是来自环境温度传感器)的数据。

附图说明

下面将参照附图，以优选的实施例为基础描述本发明，其中：

图1示出了用于机动车的驾驶辅助系统的示意图；

图2示出了描述强度范围缩小过程的流程图；

图3示出了描述强度谱和映射函数的示意图；

图4示出了描述用于获得回归函数的训练过程的流程图。

具体实施方式

驾驶辅助系统10安装在机动车中并且包括成像装置11，成像装置11用于记录机动车周围的区域(例如机动车前方的区域)的图像。优选地，成像装置11包括一个或多个可见光和/或红外成像设备12，特别是照相机，其中红外线包括具有5微米以下波长的近红外线和/或具有5微米以上波长的远红外线。优选地，成像装置11包括多个成像设备12，特别地形成立体成像装置(stereo imaging means)11；可选择地，能够仅仅使用一个成像设备形成单成像器装置(mono imaging means)。