[发明专利]用于机动车辆的前灯控制系统和训练用于前灯控制系统的机器学习模型的方法

权利要求书

1.一种用于机动车辆的前灯控制系统(10)，包括：可控前灯(24)，所述可控前灯适于生成车辆环境的可变照明；成像设备(11)，所述成像设备适于从所述机动车辆前方的区域捕获图像(100)；以及数据处理装置(14)，所述数据处理装置适于对由所述成像设备(11)捕获的图像(100)执行图像处理，并且适于根据所述图像处理来改变所述可控前灯(24)的光特性，其特征在于，在所述数据处理装置(14)中实现机器学习模型(27)，所述机器学习模型被训练成由作为输入从所述成像设备(11)接收的一个或多个图像(28)估计和输出表示所述车辆环境的期望照明的输出信号(29)。

2.根据权利要求1所述的前灯控制系统(10)，其特征在于，所述机器学习模型(27)是卷积神经网络和/或递归神经网络。

3.根据前述权利要求中一项或多项所述的前灯控制系统(10)，其特征在于，所述输出信号(29)包括期望的照明分布。

4.根据权利要求3所述的前灯控制系统(10)，其中所述期望的照明分布被定义为每个水平角区段的上部垂直照明角度。

5.根据权利要求3所述的前灯控制系统(10)，其中所述期望的照明分布被定义为界定图像(40)中期望的照明区域的曲线(41)。

6.根据前述权利要求中一项或多项所述的前灯控制系统(10)，其特征在于，所述输出信号(29)包括期望的距离分布，其中所述距离分布被定义为每个角区段的照明距离。

7.根据前述权利要求中一项或多项所述的前灯控制系统(10)，其特征在于，所述输出信号(29)包括期望的每像素强度图。

8.根据前述权利要求中任一项所述的前灯控制系统(10)，其特征在于，所述输出信号被传输到前灯控制器(12)，从而生成前灯调节信号(30)，其中优选地所述前灯调节信号(30)被反馈回所述机器学习模型(27)。

9.根据前述权利要求中任一项所述的前灯控制系统(10)，其特征在于，所述机器学习模型(27)适于单独处理输入图像(28)的不同部分，以便对来自所述成像设备(11)的视场的不同部分的所述输出信号中的所述期望照明提供本地贡献。

10.一种训练用于根据前述权利要求中一项或多项所述的前灯控制系统(10)的机器学习模型(27)的方法，其特征在于，使用真实训练数据集以监督方式训练所述机器学习模型(27)，所述真实训练数据集指定所述训练数据集中的每个输入样本(28)的期望输出(29)。

11.根据权利要求10所述的方法，其中所述真实训练数据集包括一个或多个图像，其特征在于，所述真实数据通过所述一个或多个图像的手动注释生成。

12.根据权利要求10或11中一项或多项所述的方法，其特征在于，所述真实训练数据集包括界定所述期望的照明区域的曲线形式的注释。

13.根据权利要求10至12中一项或多项所述的方法，其特征在于，使用来自现有对象检测系统和/或对象跟踪器的对象检测生成所述真实训练数据集，以跟踪所检测的对象，优选地跟踪到超出初始检测范围的点。

14.根据权利要求10至12中一项或多项所述的方法，其特征在于，使用来自现有前灯控制系统或对象检测系统的输出使用半自动注释来生成所述真实训练数据集。

15.根据权利要求10至12中一项或多项所述的方法，其特征在于，使用手动高光束控制信号的记录来生成所述真实训练数据集。