[发明专利]用于识别与评估车道状况和与天气相关的环境影响的方法和装置

说明书

本发明涉及一种用于基于一车载摄像系统的图像数据对一车道状况进行分类的方法以及一种相应车载摄像系统。该方法具有以下步骤：通过一车载摄像系统提供(S12)图像数据，该车载摄像系统配置用于，对一车辆周围环境的至少一部分进行成像，其中，该图像部分的至少一部分包含车辆正在行驶的车道；通过分析评估车道的至少一个点在摄像系统的至少两个图像中的外观图像差异，来区分(S14)车道的漫反射和镜面反射；其中，这些图像是从不同的拍摄角度拍摄的；确定(S16)在摄像系统的至少一幅图像中是否存在由于车辆的一轮子碾过车道时扬起车道积物所引起的干扰；以及，在考虑有关反射类型和干扰强度结果情况下，将车道状况分类(S18)为以下五种车道状况等级之一：a)干燥车道：无干扰的漫反射型；b)普通湿车道：有干扰的镜面反射型；c)有水漂危险的极湿车道：有大量干扰的镜面反射型；d)积雪车道：有干扰的漫反射型；e)结冰车道(薄冰层)：无干扰的镜面反射型。

技术领域

本发明涉及一种用于基于一车载摄像系统的图像数据对一车道状况进行分类的方法以及一种相应车载摄像系统。

背景技术

光学图像检测领域的技术进步使得使用基于摄像装置的驾驶员辅助系统成为可能，这些系统安装在车辆不同位置处，并以被驾驶员视觉感知的方式检测车辆周围环境。同时，这类系统的功能范围涵盖了从远光灯自动控制、识别和显示速度限制直至对车道保持错误或危险的碰撞情况发出预警。

从纯粹的车辆前端信息检测到在所谓的全景环视摄像系统的情况下的完整的360度全景观察，摄像装置如今在现代化车辆中被应用于多种应用并被广泛运用于驾驶员辅助系统的各种功能中。数字化图像处理的主要任务作为是作为独立的功能或者与雷达或激光雷达传感器相结合来首先识别目标、随后对目标进行分类以及在图像区中跟踪目标。经典的目标通常包括轿车、货车、两轮车等不同车辆或行人。此外，摄像装置还承担了交通标志、车道标记、防撞护栏、空间或其他普通目标的信息检测工作。

自动学习和识别目标类别及其层级是数字化图像处理最重要的任务。这方面的许多方法是已知的。基于目前已非常先进的处理方式，它们几乎已可与人一样完成该项任务，因此，目前研究重点已从目标的大致定位转移到目标的精准定位。

在现代化的驾驶员辅助领域内，使用了包括视频摄像装置等不同的传感器，用于尽可能精确、可靠地检测车辆周围环境信息。这些周围环境信息与车辆行驶动力学信息(例如来自惯性传感器装置)相结合，可得出一有关车辆当前行驶状态以及总体行驶状况的良好印象。由此可推导出行驶状态的严重性，并启动相应的驾驶员信息/预警，直至通过刹车和转向进行行驶动态干预。

但是，由于到目前为止尚无法提供或知道用于驾驶员辅助系统的可用摩擦系数或车道状况，因此警告和干预时间原则上是基于一干燥车道设计的，该车道在轮胎与车道之间具有很高的摩擦系数。摩擦系数也称为摩擦值、附着系数、(静态)摩擦的系数或摩擦的系数，其表示相对于车轮负荷在一车道表面和一车辆轮胎之间(例如在切线方向)可传输的最大力，由此是行驶安全性的一重要指标。除了车道状况外，要完整确定摩擦系数还需要轮胎的特性。

由此给驾驶员辅助系统以及自动驾驶带来了实际挑战。用于事故防范或减少事故危害的系统过迟发出驾驶员预警或做出系统干预，那些预警或干预只能在确实干燥的车道上才能避免事故或将事故后果降低到可接受程度。如果在湿、下雪甚至结冰等不太理想的车道情况下，系统则无法阻止事故发生，在降低事故后果程度方面也无法达到令人满意的效果。

如果系统方面能确定车道状况，甚至能确定可供应用的摩擦系数，则可相应更有针对性地进行驾驶员预警及系统干预。由此将明显提高用于事故防范的驾驶员辅助系统的有效性。监控车道状况或估计摩擦系数是自动驾驶系统的一基本前提要求。

例如WO 2014/127777 A2展示借助一车载摄像装置基于图像确定车道状况。在此，将一包括车道表面图像的图像区域馈送到一分类装置。

发明内容