[发明专利]基于深度学习的后视镜自动调节方法和装置

说明书

本发明实施例提供一种基于深度学习的后视镜自动调节方法及装置。所述方法包括：获取包括驾驶员人眼的图像，以及人眼到距离传感器的距离；使用卷积神经网络对所述图像进行处理，以获取所述人眼在所述图像内的平面坐标；使用深度学习网络对所述平面坐标以及所述人眼到距离传感器的距离进行处理，以获取后视镜的旋转角度和外翻角度；根据所述旋转角度和所述外翻角度，对所述后视镜进行调节。所述方法及装置可快速、精确、平滑地调节后视镜的位置。

技术领域

本发明涉及汽车工业技术领域，具体涉及一种基于深度学习的后视镜自动调节方法和装置。

背景技术

后视镜是车辆的重要部件。在车辆行驶时，驾驶员通过后视镜观察车辆左右两侧以及后方的情况。

拥有良好的后视镜角度是驾驶员安全行车的重要保障。在车辆变道、拐弯或者倒车时，后视镜的角度调整直接关系到行车安全以及驾驶员的生命安全。

现有的后视镜调节方法均基于传统的图像处理，通过获取驾驶员的人眼位置(上下左右)和驾驶员的人眼距离(前后)，并将人眼的三维位置映射到后视镜，从而调整后视镜的角度。然而，这种映射关系十分复杂，简单的数学模型无法准确表示。并且现有后视镜调节方法的转换平滑度和精确度都不够高。

因此，如何提供一种后视镜调节方法，已解决现有技术中的上述技术问题，具有十分重要的意义。

发明内容

针对现有技术中的缺陷，一方面，本发明实施例提供一种基于深度学习的后视镜自动调节方法，包括：

获取包括驾驶员人眼的图像，以及人眼到距离传感器的距离；

使用卷积神经网络对所述图像进行处理，以获取所述人眼在所述图像内的平面坐标；

使用深度学习网络对所述平面坐标以及所述人眼到距离传感器的距离进行处理，以获取后视镜的旋转角度和外翻角度；

根据所述旋转角度和所述外翻角度，对所述后视镜进行调节。

进一步地，所述方法还包括：

获取所述包括驾驶员人眼的图像后，使所述后视镜处于打开状态。

进一步地，所述方法还包括：

记录所述后视镜的调节后位置；

若检测到所述后视镜的位置突然发生变化，则使所述后视镜还原到所述调节后位置。

进一步地，所述深度学习网络为全连接神经网络。

另一方面，本发明实施例还提供一种基于深度学习的后视镜自动调节装置，包括：

获取模块，用于获取包括驾驶员人眼的图像，以及人眼到距离传感器的距离；

坐标模块，用于使用卷积神经网络对所述图像进行处理，以获取所述人眼在所述图像内的平面坐标；

学习模块，用于使用深度学习网络对所述平面坐标以及所述人眼到距离传感器的距离进行处理，以获取后视镜的旋转角度和外翻角度；

调节模块，用于根据所述旋转角度和所述外翻角度，对所述后视镜进行调节。

进一步地，所述获取模块还用于：

获取所述包括驾驶员人眼的图像后，使所述后视镜处于打开状态。

进一步地，所述调节模块还用于：

记录所述后视镜的调节后位置；

若检测到所述后视镜的位置突然发生变化，则使所述后视镜还原到所述调节后位置。

进一步地，所述深度学习网络为全连接神经网络。