[发明专利]基于车辆相机图像处理来生成和利用道路摩擦估计值的方法和系统

说明书

本发明涉及一种基于车辆相机图像处理来生成和利用道路摩擦估计值的方法和系统，该道路摩擦估计值指示路面与车辆轮胎之间的预期摩擦水平。对前视相机图像进行预处理、区块分割(横向和纵向地，由轮轨等定义)、使用视角变换转换为鸟瞰图图像(16)、区块量化以及最后分类。产生的道路摩擦估计值可用于给驾驶员提供信息、自动控制相关车辆的运动、和/或通知基于云的警报服务以增强驾驶员安全性。

技术领域

本公开总体涉及基于相机图像处理来生成和使用道路摩擦估计(RFE)的方法和系统。更具体地，本公开涉及基于前视相机图像处理来生成和使用RFE的方法和系统。对前视相机图像进行预处理、区块分割、使用视角变换转换成鸟瞰图(BEV)图像、区块量化、以及最后分类，以获得道路摩擦估计(也称为RFE)。产生的RFE可用于为驾驶员提供信息、自动控制相关车辆的运动、和/或通知基于云的警报服务以增强驾驶员安全性。该RFE固有地包括在车辆和驾驶员遇到这种情况之前警告驾驶员和/或引起对危险行驶状况产生车辆响应的时间组成(temporal component)。这提供了预测性手段。

背景技术

存在用于确定路面状况(RSC)的各种常规方法和系统。这些方法和系统中的大多数依赖于分析下视相机图像，提供关于车辆正下方的路面的信息。这些方法和系统中的一些依赖于将圆形光聚焦在车辆前方并分析相应的前视相机图像，测量基于强度的特征，诸如关注区域(ROI)内的平均像素强度、方差像素强度和最大像素强度，并实施概率二元分类器(probabilistic binary classifier)，以便划分干、湿、雪和冰RSC，可选地随后进行融合过程以生成用于制动、转向和加速度传感器的控制参数。这些方法和系统中的其它方法和系统利用前视相机图像，将前视相机图像转换成空间频谱，并分析对应于不同RSC的相关频率分布。这些方法和系统中的另一些方法和系统利用前视相机图像并应用极化滤波器(polarization filter)和小波变换来划分不同的RSC。然而，这些方法和系统都没有超出RSC来准确地生成和使用RFE。这是根本区别。

RFE估计了在道路与车辆轮胎之间、横过和沿着道路、尤其是沿着抵靠道路表面的轮轨的摩擦水平。存在用于估计和计算RFE的各种常规方法和系统。然而，这些方法和系统中的大多数依赖于使用一维(1-D)车载传感器、应用基于物理的模型。这些方法通常导致RFE的低可用性(通常约3-5％)，在大多数时间导致不可接受地低的可信度。在这种基于物理的模型中，仅在轮胎和道路之间发生非常显著的滑动时才出现高可信度。因此，实时RFE是零星的并且预测能力受到牵制，从而减少了得到的驾驶员信息的价值、延迟和/或限制了相关车辆的运动的自动控制、和/或达不到大多数基于云的警报服务的实际要求。这会危害驾驶员安全性。

因此，需要基于前视相机图像和信号处理来生成和利用RFE的先进方法和系统，以实现改善的准确性、高可用性、以及对可行驶环境条件的增强的预测能力，同时有效地运行。

发明内容

在各种示例性实施方式中，本公开提供了基于前视相机图像和信号处理来生成和利用RFE的方法和系统，该RFE指示道路表面和车辆轮胎之间的预期摩擦水平。对前视相机图像进行预处理、区块分割(横向地和纵向地，由轮轨等定义)、转换成BEV图像以提供车辆前方可行驶表面的易于处理的区块、区块量化、并且最后分类，以获得RFE。产生的RFE可用于给驾驶员提供信息、自动控制相关车辆的运动、和/或通知基于云的警报服务以增强驾驶员安全性。该RFE固有地包括在车辆和驾驶员遇到这种情况之前警告驾驶员和/或引起对危险驾驶状况产生车辆响应的时间组成。这提供了预测手段。本公开的方法和系统可以与其它常规车载传感器和系统的操作集成，诸如提供制动/加速、横向/纵向移动和/或扭矩控制的那些车载传感器和系统。与现有的基于图像的RSC分类模型相比，该方法和系统具有改善的准确性、增加的可用性(即使当不存在显著的轮胎力时)和增强的预测能力，同时以相对低的计算复杂度有效地运行。