[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN116709032A - 车载摄像头的控制方法、装置及电子设备 - Google Patents

车载摄像头的控制方法、装置及电子设备 Download PDF

Info

Publication number
CN116709032A
CN116709032A CN202310855744.0A CN202310855744A CN116709032A CN 116709032 A CN116709032 A CN 116709032A CN 202310855744 A CN202310855744 A CN 202310855744A CN 116709032 A CN116709032 A CN 116709032A
Authority
CN
China
Prior art keywords
vehicle
information
determining
mounted camera
current
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310855744.0A
Other languages
English (en)
Inventor
孔艺婷
曾路遥
高智
宋巍
张华新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Horizon Shanghai Artificial Intelligence Technology Co Ltd
Original Assignee
Horizon Shanghai Artificial Intelligence Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Horizon Shanghai Artificial Intelligence Technology Co Ltd filed Critical Horizon Shanghai Artificial Intelligence Technology Co Ltd
Priority to CN202310855744.0A priority Critical patent/CN116709032A/zh
Publication of CN116709032A publication Critical patent/CN116709032A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
    • B60R1/20—Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
    • B60R1/22—Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles for viewing an area outside the vehicle, e.g. the exterior of the vehicle
    • B60R1/28—Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles for viewing an area outside the vehicle, e.g. the exterior of the vehicle with an adjustable field of view
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

公开了一种应用于智能驾驶系统的车载摄像头的控制方法、装置及电子设备，该控制方法包括：确定车辆的当前行驶信息、车辆中车载摄像头的当前位姿信息和由车载摄像头实时采集的行驶环境图像；对行驶环境图像进行处理，得到车辆当前行驶环境中目标对象的目标对象信息；根据当前行驶信息和目标对象信息，确定车载摄像头的目标位姿信息；响应于当前位姿信息和目标位姿信息不一致，对车载摄像头进行调整。通过该控制方法，能够实现对车载摄像头的采集角度进行实时调整，使得车辆能够较早地识别到视野边缘的行人或其他车辆，提前采取制动控制或其他控制，从而提高车辆在复杂行驶场景中的行驶安全性。

Description

车载摄像头的控制方法、装置及电子设备
技术领域
本公开涉及智能驾驶技术领域，尤其涉及一种车载摄像头的控制方法、装置、计算机可读存储介质及电子设备。
背景技术
随着社会经济的快速发展，汽车数量与日俱增，智能驾驶技术的发展对汽车安全行驶的作用越来越重要。摄像头是智能驾驶车辆必不可少的设备。单目视觉系统采用单目摄像头采集车辆前方图像，由于其结构简单、算法成熟、计算量较小以及成本较低等优势，在智能驾驶系统中得到广泛应用。但是，由于单目摄像头视角固定，在例如转弯等复杂驾驶场景，有限视角导致较晚地识别到视野边缘的行人或其他车辆，影响智能驾驶车辆的反应速度。
发明内容
为了解决上述技术问题，本公开提供了一种应用于智能驾驶系统的车载摄像头的控制方法、装置、计算机可读存储介质及电子设备，以对车载摄像头的采集角度进行实时调整，使得车辆能够较早地识别到视野边缘的行人或其他车辆，提前采取制动控制或其他控制，提高车辆在复杂行驶场景中的行驶安全性。
本公开的第一个方面，提供了一种车载摄像头的控制方法，包括：确定车辆的当前行驶信息、所述车辆中车载摄像头的当前位姿信息和由所述车载摄像头实时采集的行驶环境图像；对所述行驶环境图像进行处理，得到所述车辆当前行驶环境中目标对象的目标对象信息；根据所述当前行驶信息和所述目标对象信息，确定所述车载摄像头的目标位姿信息；响应于所述当前位姿信息和所述目标位姿信息不一致，对所述车载摄像头进行调整。
本公开的第二个方面，提供了一种车载摄像头的控制装置，包括：
第一确定模块，用于确定所述车辆的当前行驶信息、所述车辆中车载摄像头的当前位姿信息和由所述车载摄像头实时采集的行驶环境图像；
处理模块，用于对所述行驶环境图像进行处理，得到所述车辆当前行驶环境中目标对象的目标对象信息；
第二确定模块，用于根据所述当前行驶信息和所述目标对象信息，确定所述车载摄像头的目标位姿信息；
调整模块，用于响应于所述当前位姿信息和所述目标位姿信息不一致，对所述车载摄像头进行调整。
本公开第三方面实施例提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开第一方面实施例提供的车载摄像头的控制方法。
本公开第四方面实施例提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述指令，并执行本公开第一方面实施例提供的车载摄像头的控制方法。
本公开第五方面实施例提供一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本公开第一方面实施例提供的车载摄像头的控制方法。
本公开提供的车载摄像头的控制方法，在车辆行驶过程中，获取当前行驶信息、车载摄像头的当前位姿信息和由车载摄像头实时采集的行驶环境图像；根据当前行驶信息和行驶环境图像确定车载摄像头的目标位姿信息，判断当前位姿信息和目标位姿信息是否一致，若当前位姿信息和目标位姿信息不一致，将车载摄像头调整至目标位姿，实现对车载摄像头的采集角度进行实时调整，确保车载摄像头采集的图像与实时行驶环境相匹配，使得行驶在复杂行驶场景中的车辆能够较早地识别到视野边缘的行人或其他车辆，提前采取制动控制或其他控制，从而提高车辆在复杂行驶场景中的行驶安全性。
附图说明
图1A是本公开一示例性实施例提供的智能驾驶车辆在一种复杂行驶场景中行驶的示意图。
图1B是本公开一示例性实施例提供的智能驾驶车辆在另一种复杂行驶场景中行驶的示意图。
图2是本公开一示例性实施例提供的车载摄像头的控制方法的实现流程示意图。
图3是本公开另一示例性实施例提供的车载摄像头的控制方法的实现流程示意图。
图4是本公开再一示例性实施例提供的车载摄像头的控制方法的实现流程示意图。
图5A是本公开又一示例性实施例提供的车载摄像头的控制方法的实现流程示意图。
图5B是本公开再一示例性实施例提供的车载摄像头的控制方法的实现流程示意图。
图6是本公开又一示例性实施例提供的车载摄像头的控制方法的实现流程示意图。
图7是本公开再一示例性实施例提供的车载摄像头的控制方法的实现流程示意图。
图8是本公开又一示例性实施例提供的车载摄像头的控制方法的实现流程示意图。
图9是本公开一示例性实施例提供的车载摄像头的控制装置的组成结构示意图。
图10是本公开另一示例性实施例提供的车载摄像头的控制装置的组成结构示意图。
图11是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
为了解释本公开，下面将参考附图详细地描述本公开的示例实施例，显然，所描述的实施例仅是本公开的一部分实施例，而不是全部实施例，应理解，本公开不受示例性实施例的限制。
应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
申请概述
智能驾驶系统是基于人工智能(Artificial Intelligence，AI)技术开发的一种辅助驾驶系统，通过感知和分析车辆周围的环境信息，自主地做出驾驶决策，实现车辆自动行驶或半自动驾驶。
为了保证智能驾驶安全性，对智能驾驶车辆的智能化要求越来越高。相关技术中智能驾驶车辆的车载摄像头实时采集车辆周边的环境图像，智能驾驶系统根据实时采集的图像进行自动化地行驶控制。目前智能驾驶车辆中采集前方图像时大多采用的是单目摄像头或双目摄像头。单目摄像头具有结构简单、算法成熟、计算量较小以及成本较低等优点，但视角固定，在例如转向或转弯等复杂驾驶场景，有限的视角会影响车辆的反应速度。双目摄像头虽然具有更开阔的视角，但是相较于单目摄像头，其存在结构复杂、算法复杂度高、计算量较大、成本较大等缺陷。
为了解决相关技术中单目摄像头视角有限、双目摄像头复杂度高，影响智能驾驶车辆的反应速度的问题，本公开提供一种应用于智能驾驶系统的车载摄像头的控制方法，该方法能够实现对单目摄像头的采集角度进行实时调整，使得车辆能够较早地识别到视野边缘的行人或其他车辆，提前采取制动控制或其他控制，在不提升算法复杂度及整车成本的前提下，能够提高车辆在复杂行驶场景中的行驶安全性。
示例性系统
结合实际场景，智能驾驶车辆(下文简称车辆)在路口向左转向行驶或者车辆沿左转弯道行驶(又称向左转弯行驶)时，由于风险对象(如行人，自行车等)的速度一般小于车速，处于车载摄像头视野之外的右侧视野盲区的风险对象，与车辆的距离会越来越大；处于车载摄像头视野之外的左侧视野盲区的风险对象，与车辆的距离会越来越小。风险对象距离车辆越近，风险越大，因此，当车辆向左转向行驶或向左转弯行驶时，车载摄像头视野之外的左侧视野盲区比右侧视野盲区对车辆安全行驶更为重要；当车辆向右转向行驶或沿右转弯道行驶(又称向右转弯行驶)时，车载摄像头视野之外的右侧视野盲区比左侧视野盲区对车辆安全行驶更为重要。
举例说明，图1A是本公开一示例性实施例提供的智能驾驶车辆在一种复杂行驶场景中行驶的示意图。如图1A所示，车载摄像头101的视角为α，车辆待向左转向行驶。
若根据车载摄像头101上一采集周期采集到的环境图像识别出车辆右侧的区域102不存在风险对象(例如行人、其他车辆等)，且车辆左侧的区域103存在风险对象时，此时将车载摄像头101的视角向左侧调整，调整后的视角β如图1A中虚线所示。若根据车载摄像头101上一采集时刻采集的环境图像识别出车辆右侧的区域102存在风险对象时，需要继续观察该风险对象的后续行动，无需调整车载摄像头101的视角，使其维持在当前角度继续采集。若根据车载摄像头101上一采集时刻采集的环境图像识别出车辆左侧的区域103和右侧的区域102均不存在风险对象时，此时也无需调整车载摄像头101的视角，使其维持在当前角度继续采集。
当车辆在路口向左转向行驶时，通过车辆周边实时采集的环境图像确定是否需要将车载摄像头向左侧进行调整，使其采用更合适的视角进行图像采集，能够更快速地识别出位于车辆左侧的风险对象及风险对象的行为，更快速地进行预测和危险评估，并采取对应的智能驾驶控制操作，保障行驶安全。
图1B是本公开一示例性实施例提供的智能驾驶车辆在另一种复杂行驶场景中行驶的示意图。如图1B所示，车载摄像头101的视角为α，车辆向右转弯行驶。
若根据车载摄像头101上一采集周期采集到的环境图像识别出车辆左侧的区域103不存在风险对象(例如行人、其他车辆等)，且车辆右侧的区域102存在风险对象时，此时将车载摄像头101的视角向右侧调整，调整后的视角β如图1B中虚线所示。若根据车载摄像头101上一采集时刻采集的环境图像识别出车辆左侧的区域103存在风险对象时，需要继续观察该风险对象的后续行动，无需调整车载摄像头101的视角，使其维持在当前角度继续采集。若根据车载摄像头101上一采集时刻采集的环境图像识别出车辆左侧的区域103和右侧的区域102均不存在风险对象时，此时也无需调整车载摄像头101的视角，使其维持在当前角度继续采集。
当车辆沿右弯道行驶时，通过车辆周边实时采集的环境图像确定是否需要将车载摄像头向右侧进行调整，使其采用更合适的视角进行图像采集，能够更快速地识别出位于车辆右侧的风险对象及风险对象的行为，更快速地进行预测和危险评估，并采取对应的智能驾驶控制操作，保障行驶安全。
示例性方法
图2是本公开一示例性实施例提供的车载摄像头的控制方法的实现流程示意图。如图2所示，该控制方法包括如下步骤：
步骤201，确定车辆的当前行驶信息、车辆中车载摄像头的当前位姿信息和由车载摄像头实时采集的行驶环境图像。
本公开实施例提供的控制方法可以应用于智能驾驶系统，该智能驾驶系统包括控制装置。该控制装置可以设置在智能驾驶车辆上，能够执行本公开实施例提供的车载摄像头的控制方法。
智能驾驶系统还可以包括图像采集装置，该图像采集装置可以为智能驾驶车辆上设置的多个车载摄像头。基于不同的安装位置，可以将多个车载摄像头分为前视摄像头、环视摄像头、后视摄像头、侧视摄像头和内置摄像头。其中，前视摄像头可以设置在前挡风玻璃上端中间的位置，或者设置在车内后视镜的背面。前视摄像头用于采集车辆前方的环境图像，利用前视摄像头采集的环境图像，能够实现前车识别、车道识别、交通标志识别、行人识别等功能。本公开实施例中的车载摄像头以前视摄像头为例进行说明。
智能驾驶车辆在行驶过程中，控制装置实时获取车辆当前行驶信息，该当前行驶信息可以包括实时车速、方向盘实时角度、转向灯信息、制动信息、续航信息等等。同时，控制装置还实时获取车载摄像头的当前位姿信息，以及车载摄像头在当前位姿下对车辆行驶环境实时采集的行驶环境图像。
需要说明的是，本公开实施例中，车载摄像头可以为视野角度(即视角)有限的单目摄像头。以视角α为120°(度)的车载摄像头为例，相关技术中的车载摄像头是固定的，只能采集-60°至60°视角范围内的图像，无法采集该角度范围之外的图像。本公开实施例中的车载摄像头是可调节的，通过调整车载摄像头，能够改变车载摄像头的视角，不同视角采集的图像有所不同，使得控制装置能够获取到-60°至60°之外角度的行驶环境图像。
例如，车载摄像头的正前方与车辆的正前方一致，此时车载摄像头当前位姿信息为初始位姿，车载摄像头采集的是车辆正前方-60°至60°视角(如图1A所示的视角α)的行驶环境图像；又例如，车载摄像头的正前方相对于车辆的正前方向左偏移10°(在当前时刻之前的时刻已经对车载摄像头进行了调整)，此时车载摄像头当前位姿信息为调整后的位姿信息，车载摄像头采集的是车辆正前方-70°至50°视角(如图1A所示的视角β)的行驶环境图像。因此，本公开实施例中车载摄像头的当前位姿信息不同，即使车辆位置不变，车载摄像头在不同位姿下采集的行驶环境图像也是不同的。
步骤202，对行驶环境图像进行处理，得到车辆当前行驶环境中目标对象的目标对象信息。
控制装置中设置有预先训练好的图像处理模型。利用该图像处理模型对行驶环境图像进行处理，识别出车载摄像头采集到的车辆周边的目标对象。本公开实施例中，目标对象可以包括车辆当前行驶环境中的风险对象、车道线、信号灯等。其中，风险对象包括行人、自行车以及其他车辆等对象。目标对象信息可以包括风险对象信息、车道线信息、信号灯信息等。
步骤203，根据当前行驶信息和目标对象信息，确定车载摄像头的目标位姿信息。
控制装置根据车辆当前行驶信息和对行驶环境图像进行处理得到的目标对象信息，确定车载摄像头与当前行驶信息和目标对象信息相匹配的目标位姿信息。该目标位姿信息可以为车载摄像头预设的可调整范围内任一位姿的信息。
本公开实施例中，位姿信息可以为车载摄像头的视角，当前位姿信息即为当前视角，目标位姿信息即为目标视角。
控制装置获得目标位姿信息后，比较当前位姿信息和目标位姿信息，若当前位姿信息和目标位姿信息不一致时，表明车载摄像头当前位姿与实时行驶环境不匹配，执行步骤204；若当前位姿信息与目标位姿信息一致时，表明车载摄像头当前位姿与实时行驶环境匹配，无需对其进行调整，返回步骤201继续获取下一时刻的行驶信息和行驶环境图像。
步骤204，响应于当前位姿信息和目标位姿信息不一致，对车载摄像头进行调整。
确定当前位姿信息和目标位姿信息不一致时，控制装置对车载摄像头进行调整，将其由当前位姿调整至目标位姿，以使车载摄像头以与实时行驶环境相匹配的位姿进行图像采集，从而能够较早地识别到视野边缘的行人或其他车辆，提前采取对应的智能管理控制，在不提升算法复杂度及整车成本的前提下，能够提高车辆在复杂行驶场景中的行驶安全性。
本公开实施例提供的方法，车载摄像头的调整过程是动态的。当车辆即将(还未开始)转向或转弯时，车载摄像头的当前位姿信息可以为初始位姿，目标位姿信息可以为根据当前时刻的行驶信息和实时环境图像确定的待调整的位姿；当车辆在转向或转弯的过程中，车载摄像头的当前位姿信息可以为上一时刻调整后的位姿，目标位姿信息可以根据当前时刻的行驶信息和实时环境图像确定的待调整位姿；当车辆转向或转弯完成即将进入直行车道时，车载摄像头的当前位姿信息可以为上一时刻调整后的位姿，目标位姿信息可以为初始位姿。
本公开实施例提供的应用于智能驾驶系统的车载摄像头的控制方法，通过对车载摄像头实时采集的行驶环境图像进行处理，得到车辆当前行驶环境中目标对象的目标对象信息；根据当前行驶信息和目标对象信息，确定车载摄像头的目标位姿信息；若当前位姿信息和目标位姿信息不一致，对车载摄像头进行调整，以使车载摄像头以与实时行驶环境相匹配的位姿进行图像采集。该方法能够实现对车载摄像头的采集角度进行实时调整，使得车辆能够较早地识别到视野边缘的行人或其他车辆及其行为信息，提前采取制动控制或其他控制，从而提高车辆在复杂行驶场景中的行驶安全性。
如图3所示，在上述图2所示实施例的基础上，步骤202“对行驶环境图像进行处理，得到车辆当前行驶环境中目标对象的目标对象信息”可包括如下步骤2021至步骤2024：
步骤2021，确定图像处理模型。
本公开实施例中，图像处理模型可以由服务端根据训练数据预先训练得到，然后部署在控制装置中，也可以由控制装置根据训练数据预先训练得到。
该图像处理模型可以包括预处理子模型、特征提取子模型和识别子模型。控制装置获取到车载摄像头采集的行驶环境图像后，首先利用预处理子模型对行驶环境图像进行预处理，得到预处理图像信息；然后利用特征提取子模型对预处理图像信息进行特征提取，得到特征图像信息；最后利用识别子模型对特征图像信息进行识别，得到车辆当前行驶环境中目标对象的目标对象信息。
步骤2022，利用图像处理模型中的信号灯识别子模型，对行驶环境图像中的信号灯进行识别，得到目标对象信息中的信号灯信息。
本公开实施例中的信号灯，可以为各种形式的交通信号灯，例如方向指示信号灯、车道信号灯、警示信号灯等形式的信号灯。
步骤2023，利用图像处理模型中的车道线识别子模型，对行驶环境图像中的车道线进行识别，得到目标对象信息中的车道线信息。
步骤2024，利用图像处理模型中的风险对象识别子模型，对行驶环境图像中的风险对象进行识别，得到目标对象信息中的风险对象信息。
本公开实施例中的风险对象，包括可能影响车辆行驶的行人和其他车辆，这里的其他车辆不限于机动车，也包括非机动车。
图像处理模型中的识别子模型可以包括能够识别信号灯的信号灯识别子模型、能够识别车道线的车道线识别子模型和能够识别风险对象的风险对象识别子模型。利用识别子模型包括的信号灯识别子模型、车道线识别子模型和风险对象识别子模型，对行驶环境图像中的信号灯、车道线和风险对象进行识别，得到对应的信号灯信息、车道线信息和风险对象信息。
本公开实施例中，行驶环境图像中可以同时包括信号灯、车道线和风险对象，也可以只包括信号灯、车道线和风险对象中任一个或两个，此时未识别到的目标对象的目标对象信息为缺省值，记为null。
例如，当前行驶路段为道路交叉口，行驶环境图像中包括信号灯和车道线，此时信号灯识别子模型能够识别到信号灯，车道线识别子模型能够识别到车道线，但风险对象识别子模型无法识别到风险对象，风险对象信息为null，此时得到的目标对象信息包括信号灯信息和车道线信息。又例如，当前行驶路段为非道路交叉口，行驶环境图像中只包括车道线，此时车道线识别子模型能够识别到车道线，信号灯识别子模型无法识别到信号灯，风险对象识别子模型无法识别到风险对象，信号灯信息和风险对象信息都为null，此时得到的目标对象信息只包括车道线信息。
本公开实施例中，通过预先训练好的图像处理模型对行驶环境图像进行处理，能够识别出当前行驶环境中信号灯、车道线和风险对象的信息，实现目标对象的智能识别。
如图4所示，在上述实施例的基础上，步骤203“根据当前行驶信息和目标对象信息，确定车载摄像头的目标位姿信息”，可包括如下步骤2031至步骤2033：
步骤2031，根据当前行驶信息和目标对象信息，确定车辆的行驶状态。
本公开实施例中，车辆的行驶状态可以包括直行行驶状态、弯道行驶状态、转向行驶状态和变道行驶状态。
在一种实现方式中，控制装置可以通过图5A所示的步骤31a1至步骤31a3来确定车辆的行驶状态：
步骤31a1，确定当前行驶信息与转向灯信息的第一包含关系。
判断当前行驶信息是否包括转向灯信息，若当前行驶信息包括转向灯信息，说明车辆需要转向行驶或变道行驶；若当前行驶信息不包括转向灯信息，说明车辆当前沿原车道行驶。
步骤31a2，确定目标对象信息与信号灯信息的第二包含关系。
判断目标对象信息是否包括信号灯信息，若目标对象信息包括信号灯信息，说明车辆当前行驶在道路交叉口；若目标对象信息不包括信号灯信息，说明车辆当前行驶路段不是道路交叉口。
步骤31a3，响应于第一包含关系为当前行驶信息包含转向灯信息、且第二包含关系为目标对象信息包含信号灯信息，将车辆的行驶状态确定为转向行驶状态。
若当前行驶信息包括转向灯信息、且目标对象信息包括信号灯信息，说明车辆待转向行驶(道路交叉口不允许变道，排除变道行驶)，将车辆的行驶状态确定为转向行驶状态。若当前行驶信息不包含转向灯信息、且目标对象信息包括信号灯信息，说明车辆在道路交叉口不转向，继续直行行驶，将车辆的行驶状态确定为直行行驶状态。
在另一种实现方式中，车辆的行驶状态可以通过图5B所示的步骤31b1至步骤31b3来确定：
步骤31b1，确定当前行驶信息与转向灯信息的第一包含关系。
判断当前行驶信息是否包括转向灯信息，若当前行驶信息不包括转向灯信息，说明车辆当前沿原车道行驶，不需要转向行驶或变道行驶。
步骤31b2，根据目标对象信息包括的车道线信息，确定车道线的曲率半径。
根据目标对象信息包括的车道线信息，确定车道线的曲率半径。理想状态下，车道线为直线时，车道线曲率半径为无穷大。实际应用中，车道线不可能为理想直线，当曲率半径大于预设阈值时，可以近似认为当前车道为直行道。例如，预设阈值可以取值1500m(米)。
本公开实施例中，车道线的曲率半径可以为平均曲率半径。以车辆左侧车道线为例，该车道线的平均曲率半径的计算过程如下：
根据目标对象信息包括的车道线信息，确定车辆与左侧车道线的横向距离为a0，车辆航向角(车道线与车辆纵向方向之间的角度)为a1，车道线上当前采样点的曲率记为c0，c1为曲率变化率。以车辆横向方向为y轴，车辆纵向方向为x轴，建立如式(1)所示的车道线方程：
已知曲率K的计算公式为根据式(1)和曲率公式，得到车道线上当前采样点的曲率半径R，表示为式(2)：
在当前待计算的车道线上采样多个点，按照上式(2)计算出各采样点的曲率半径，对该些曲率半径求取平均值，得到当前车道线的平均曲率半径。
本公开实施例中，通过在车道线采样多个采样点计算平均曲率半径，以该平均曲率半径作为车道线的曲率半径，能够提高准确度。
步骤31b3，响应于第一包含关系为当前行驶信息不包含转向灯信息、且曲率半径小于或等于预设阈值，将车辆的行驶状态确定为弯道行驶状态。
若当前行驶信息不包括转向灯信息、且车道线曲率半径小于或等于预设阈值，说明车辆行驶在转弯道路，将车辆的行驶状态确定为弯道行驶状态；若当前行驶信息不包括转向灯信息、且车道线曲率半径大于预设阈值，认为车辆行驶在直行道路上，将车辆的行驶状态确定为直行行驶状态。若当前行驶信息包括转向灯信息、且车道线曲率半径大于预设阈值，认为车辆行驶在直行道路上且待变道，将车辆的行驶状态确定为变道行驶状态。
步骤2032，基于目标对象信息和行驶状态确定满足激活条件。
本公开实施例中，激活条件是用于判断是否需要将调整模块切换为激活状态的预设条件，该调整模块用于调整车载摄像头。当基于目标对象信息和行驶状态确定不需要调整车载摄像头时，确定不满足激活条件，将用于调整车载摄像头的调整模块设置为休眠状态；当基于目标对象信息和行驶状态确定需要调整车载摄像头时，确定满足激活条件，将调整模块由休眠状态切换为激活状态，这样能够降低系统功耗。
如图1A所示，当车辆待向左转向行驶时，若根据行驶环境图像中识别出车辆右侧的区域102不存在行人或车辆等风险对象，且车辆左侧的区域103存在风险对象时，此时需要调整车载摄像头，确定满足激活条件。若根据行驶环境图像中识别出车辆右侧的区域102存在行人或车辆等风险对象时，需要继续观察该风险对象的后续行动，此时不需要调整车载摄像头，确定不满足激活条件。若根据行驶环境图像识别出车辆左侧的区域103和右侧的区域102均不存在风险对象时，此时也无需调整车载摄像头，确定不满足激活条件。
在一种实现方式中，基于目标对象信息和行驶状态确定是否满足激活条件，可以通过图6所示的步骤20321和步骤20322来实现：
步骤20321，根据行驶状态确定车辆的风险区域和潜在风险区域。
本公开实施例中，风险区域是指车载摄像头视角可视、且与待行驶方向相反的区域，如图1A中的区域102，又如图1B中的区域103。潜在风险区域是指车载摄像头视角可视、且与待行驶方向相同的区域，如图1A中的区域103，又如图1B中的区域102。
车辆的行驶状态不同，其风险区域和潜在风险区域不同。当确定车辆的行驶状态为转向行驶状态时，控制装置可以结合以下步骤来确定风险区域和潜在风险区域：响应于行驶状态为转向行驶状态，根据当前行驶信息包含的转向灯信息，确定待行驶方向；确定车载摄像头的可视区域；将可视区域中位于车辆待行驶方向异侧的区域确定为风险区域；将可视区域中位于车辆待行驶方向同侧的区域确定为潜在风险区域。
当车辆的行驶状态为转向行驶状态，可以根据转向灯指示的方向来判断车辆的待行驶方向是向左转向、还是向右转向。若车辆向左转向，将可视区域中位于车辆左侧的部分区域确定为潜在风险区域，将可视区域中位于车辆右侧的部分区域确定为风险区域；若车辆向右转向，将可视区域中位于车辆左侧的部分区域确定为风险区域，将可视区域中位于车辆右侧的部分区域确定为潜在风险区域。
当确定车辆的行驶状态为弯道行驶状态时，控制装置可以结合以下步骤来确定风险区域和潜在风险区域：响应于行驶状态为弯道行驶状态，根据目标对象信息包括的车道线信息，确定待行驶方向；确定车载摄像头的可视区域；将可视区域中位于车辆待行驶方向异侧的区域确定为风险区域；将可视区域中位于车辆待行驶方向同侧的区域确定为潜在风险区域。
车辆的行驶状态为弯道行驶状态时，可以根据车道线的弯曲方向来判断车辆的待行驶方向是向左转弯、还是向右转弯。若车辆向左转弯，将可视区域中位于车辆左侧的部分区域确定为潜在风险区域，将可视区域中位于车辆右侧的部分区域确定为风险区域；若车辆向右转弯，将可视区域中位于车辆左侧的部分区域确定为风险区域，将可视区域中位于车辆右侧的部分区域确定为潜在风险区域。
本公开实施例中，车辆的左侧、右侧，是以车辆纵向轴为分割线进行划分的。
根据上述方式确定风险区域和潜在风险区域后，判断风险区域和潜在风险区域是否包含风险对象，来确定是否满足激活条件。当风险区域不存在风险对象、且潜在风险区域存在风险对象，即车载摄像头视角可视区域中车辆待行驶方向的一侧中包括风险对象时，进入步骤20322，确定满足激活条件。当风险区域存在风险对象，确定不满足激活条件，或者当风险区域和潜在风险区域均不存在风险对象时，确定不满足激活条件。当确定不满足激活条件时，无需对车载摄像头进行调整，返回步骤201继续获取下一时刻的行驶信息和行驶环境图像。
步骤20322，根据目标对象信息包括的风险对象信息，在风险区域不存在风险对象且潜在风险区域存在风险对象的情况下，确定满足激活条件。
在满足激活条件后，可以对车载摄像头进行调整，以减小车载摄像头在待行驶方向的盲区，能够提前识别出盲区存在的风险对象及其行为信息，车辆根据提前识别到的信息，预先做出相应控制，从而缩短车辆的反应时长，提高车辆在复杂行驶场景中的行驶安全性。
步骤2033，根据行驶状态、当前行驶信息和目标对象信息，确定车载摄像头的目标位姿信息。
当确定满足激活条件，控制装置根据行驶状态、当前行驶信息和目标对象信息，确定目标位姿信息，可以通过图7所示的步骤20331和步骤20332来实现：
步骤20331，根据行驶状态，确定用于调整车载摄像头视角的调整规则。
不同的行驶状态对应不同的调整规则。本公开实施例中，调整规则可以包括第一调整规则和第二调整规则。当车辆的行驶状态为转向行驶状态，确定适用于转向行驶状态的第一调整规则。当车辆的行驶状态为弯道行驶状态，确定适用于弯道行驶状态的第二调整规则。
步骤20332，根据当前行驶信息、目标对象信息和调整规则，确定目标位姿信息。
不同的调整规则进行决策时所使用的参数不同。第一调整规则可以包括车速、道路宽度和视角之间的关联关系，第二调整规则可以包括车速、曲率半径和视角之间的关联关系。
当车辆的行驶状态为转向行驶状态，步骤20332可以实现为：根据目标对象信息包括的车道线信息确定道路宽度；根据当前行驶信息包括的车速和道路宽度，在第一调整规则中查询对应的目标视角，将该目标视角确定为目标位姿信息。
在一种实现方式中，第一调整规则中车速、道路宽度和视角之间的关联关系可以为区间映射的关联方式。示例性的，第一调整规则可以如表1所示：
表1第一调整规则
其中，X1、X2、X3为车速；Y1、Y2为道路宽度；Z0、Z1、Z2和Z3为目标视角。例如，X1、X2、X3可以分别取值10、20、30，Y1、Y2可以分别取值30、50，Z0、Z1、Z2和Z3可以分别取值0°、5°、10°和15°。
在另一种实现方式中，第一调整规则中车速、道路宽度和视角之间的关联关系可以为一一映射的关联方式。示例性的，第一调整规则可以为z＝ax+by+c，其中，x为车速，y为道路宽度，z为目标视角，a、b和c为预设定值。
当车辆的行驶状态为弯道行驶状态，步骤20332可以实现为：根据目标对象信息包括的车道线信息确定车道线的曲率半径；根据当前行驶信息包括的车速和曲率半径，在第二调整规则中查询对应的目标视角，将该目标视角确定为目标位姿信息。
在一种实现方式中，第二调整规则中车速、曲率半径和视角之间的关联关系可以为区间映射的关联方式。示例性的，第二调整规则可以如表2所示：
表2第二调整规则
其中，X1、X2、X3为车速，A为最大车速；R1、R2、R3和R4为弯道的曲率半径，B为预设阈值，当曲率半径大于预设阈值时，认为车道为直行车道；Z0、Z1、Z2和Z3为目标视角。例如，X1、X2、X3和A可以分别取值20、50、120和140，R1、R2、R3、R4和B可以分别取值30、50、200、800和1500；Z0、Z1、Z2和Z3可以分别取值0°、5°、10°和15°。
在另一种实现方式中，第一调整规则中车速、道路宽度和视角之间的关联关系可以为一一映射的关联方式。示例性的，第一调整规则可以为z＝ax+by+c，其中，x为车速，y为曲率半径，z为目标视角，a、b和c为预设定值。
本公开实施例中，控制装置基于当前行驶信息和目标对象信息，在与当前行驶状态对应的调整规则中查找得到目标位姿信息，实现目标位姿信息的智能化确定，为自动化调整提供基础。
如图8所示，在上述图2所示实施例的基础上，步骤204“响应于当前位姿信息和目标位姿信息不一致，对车载摄像头进行调整”，可包括如下步骤：
步骤2041，响应于当前位姿信息和目标位姿信息不一致，根据当前位姿信息和目标位姿信息确定调整参数。
控制装置获得目标位姿信息后，比较当前位姿信息和目标位姿信息，若当前位姿信息和目标位姿信息不一致，确定车载摄像头当前位姿与实时行驶环境不匹配，根据当前位姿信息和目标位姿信息确定调整参数。
本公开实施例中，位姿信息可以为车载摄像头的视角，当前位姿信息即为当前视角，目标位姿信息即为目标视角。控制装置获得目标视角后，比较当前视角和目标视角，若当前视角和目标视角不一致，可以计算当前视角和目标视角的差值，将该差值确定为调整参数。
步骤2042，基于调整参数对车载摄像头的视角进行调整。
控制装置控制车载摄像头的视角从当前视角移动至目标视角。在实际应用中，调整车载摄像头的视角，可以通过旋转摄像头的镜头和/或底座等调整方式来实现。
本公开实施例提供的控制方法，若确定车载摄像头的当前位姿信息与目标位姿信息不一致时，可以根据当前位姿信息和目标位姿信息确定调整参数，基于该调整参数对车载摄像头的视角进行调整，使得车载摄像头以与实时行驶环境相匹配的视角进行图像采集，实现车载摄像头视角的自动化调整，能够提高车辆在复杂行驶场景中的行驶安全性。
示例性装置
基于前述实施例，本公开实施例提供一种应用于智能驾驶车辆的车载摄像头的控制装置，该装置包括的各模块、以及各模块包括的各单元，可以通过计算机设备中的处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(CPU，Central Processing Unit)、微处理器(MPU，Microprocessor Unit)、数字信号处理器(DSP，Digital SignalProcessing)或现场可编程门阵列(FPGA，Field ProgrammableGate Array)等。
图9是本公开一示例性实施例提供的车载摄像头的控制装置的组成结构示意图，如图9所示，所述控制装置900包括：
第一确定模块901，用于确定车辆的当前行驶信息、所述车辆中车载摄像头的当前位姿信息和由所述车载摄像头实时采集的行驶环境图像；
处理模块902，用于对所述行驶环境图像进行处理，得到所述车辆当前行驶环境中目标对象的目标对象信息；
第二确定模块903，用于根据所述当前行驶信息和所述目标对象信息，确定所述车载摄像头的目标位姿信息；
调整模块904，用于响应于所述当前位姿信息和所述目标位姿信息不一致，对所述车载摄像头进行调整。
图10是本公开另一示例性实施例提供的车载摄像头的控制装置的组成结构示意图，如图10所示，所述第二确定模块903，包括：
第一确定单元9031，用于根据所述当前行驶信息和所述目标对象信息，确定所述车辆的行驶状态；
第二确定单元9032，用于基于所述目标对象信息和所述行驶状态确定满足激活条件；
第三确定单元9033，用于根据所述行驶状态、所述当前行驶信息和所述目标对象信息，确定所述车载摄像头的目标位姿信息。
在一些实施例中，所述第一确定单元9031，还用于：确定所述当前行驶信息与转向灯信息的第一包含关系；确定所述目标对象信息与信号灯信息的第二包含关系；响应于所述第一包含关系为所述当前行驶信息包含所述转向灯信息、且所述第二包含关系为所述目标对象信息包含所述信号灯信息，将所述车辆的行驶状态确定为转向行驶状态。
在一些实施例中，所述第一确定单元9031，还用于：确定所述当前行驶信息与转向灯信息的第一包含关系；根据所述目标对象信息包括的车道线信息，确定车道线的曲率半径；响应于所述第一包含关系为所述当前行驶信息不包含所述转向灯信息、且所述曲率半径小于或等于预设阈值，将所述车辆的行驶状态确定为弯道行驶状态。
在一些实施例中，所述第二确定单元9032，还用于：根据所述行驶状态确定所述车辆的风险区域和潜在风险区域；根据所述目标对象信息包括的风险对象信息，在所述风险区域不存在风险对象且所述潜在风险区域存在风险对象的情况下，确定满足所述激活条件。
在一些实施例中，所述第二确定单元9032，还用于：响应于所述行驶状态为转向行驶状态，根据所述当前行驶信息包含的转向灯信息，确定待行驶方向；或者，响应于所述行驶状态为弯道行驶状态，根据所述目标对象信息包括的车道线信息，确定待行驶方向；确定所述车载摄像头的可视区域；将所述可视区域中位于所述车辆待行驶方向异侧的区域确定为所述风险区域；将所述可视区域中位于所述车辆待行驶方向同侧的区域确定为所述潜在风险区域。
在一些实施例中，所述第三确定单元9033，还用于：根据所述行驶状态，确定用于调整所述车载摄像头视角的调整规则；根据所述当前行驶信息、所述目标对象信息和所述调整规则，确定所述目标位姿信息。
在一些实施例中，所述处理模块902，包括：
第四确定单元9021，用于确定图像处理模型；
第一识别单元9022，用于利用所述图像处理模型中的信号灯识别子模型，对所述行驶环境图像中的信号灯进行识别，得到所述目标对象信息中的信号灯信息；
第二识别单元9023，用于利用所述图像处理模型中的车道线识别子模型，对所述行驶环境图像中的车道线进行识别，得到所述目标对象信息中的车道线信息；
第三识别单元9024，用于利用所述图像处理模型中的风险对象识别子模型，对所述行驶环境图像中的风险对象进行识别，得到所述目标对象信息中的风险对象信息。
在一些实施例中，所述调整模块904，包括：
第五确定单元9041，用于响应于所述当前位姿信息和所述目标位姿信息不一致，根据所述当前位姿信息和所述目标位姿信息确定调整参数；
调整单元9042，用于基于所述调整参数对所述车载摄像头的视角进行调整。
需要指出的是：以上装置示例性实施例项的描述，与上述方法描述是类似的，具有同方法对应的示例性实施例相同的有益效果。对于本公开装置示例性实施例中未披露的技术细节以及相应有益技术效果，本领域的技术人员请参照本公开方法示例性实施例的描述而理解，在此不再赘述。
示例性电子设备
图11是本公开一示例性实施例提供的电子设备的结构图，如图11所示，电子设备1100包括至少一个处理器1101和存储器1102。
处理器1101可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备1100中的其他组件以执行期望的功能。
存储器1102可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器1101可以运行一个或多个计算机程序指令，以实现上文中本公开的各个实施例的车载摄像头的控制方法和/或其他期望的功能。
在一个示例中，电子设备1100还可以包括：输入装置1103和输出装置1104，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置1103还可以包括例如键盘、鼠标等等。
该输出装置1104可以向外部输出各种信息，其可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图11中仅示出了该电子设备1100中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备1100还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本公开的实施例还可以提供一种计算机程序产品，包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行上述“示例性方法”部分中描述的本公开各种实施例的车载摄像头的控制方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行上述“示例性方法”部分中描述的本公开各种实施例的车载摄像头的控制方法中的步骤。
计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如但不限于包括电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理，但是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为其是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本领域的技术人员可以对本公开进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。

Claims (12)

1.一种车载摄像头的控制方法，包括：
确定车辆的当前行驶信息、所述车辆中车载摄像头的当前位姿信息和由所述车载摄像头实时采集的行驶环境图像；
对所述行驶环境图像进行处理，得到所述车辆当前行驶环境中目标对象的目标对象信息；
根据所述当前行驶信息和所述目标对象信息，确定所述车载摄像头的目标位姿信息；
响应于所述当前位姿信息和所述目标位姿信息不一致，对所述车载摄像头进行调整。
2.根据权利要求1所述的方法，其中，所述根据所述当前行驶信息和所述目标对象信息，确定所述车载摄像头的目标位姿信息，包括：
根据所述当前行驶信息和所述目标对象信息，确定所述车辆的行驶状态；
基于所述目标对象信息和所述行驶状态确定满足激活条件；
根据所述行驶状态、所述当前行驶信息和所述目标对象信息，确定所述车载摄像头的目标位姿信息。
3.根据权利要求2所述的方法，其中，所述根据所述当前行驶信息和所述目标对象信息，确定所述车辆的行驶状态，包括：
确定所述当前行驶信息与转向灯信息的第一包含关系；
确定所述目标对象信息与信号灯信息的第二包含关系；
响应于所述第一包含关系为所述当前行驶信息包含所述转向灯信息、且所述第二包含关系为所述目标对象信息包含所述信号灯信息，将所述车辆的行驶状态确定为转向行驶状态。
4.根据权利要求2所述的方法，其中，所述根据所述当前行驶信息和所述目标对象信息，确定所述车辆的行驶状态，包括：
确定所述当前行驶信息与转向灯信息的第一包含关系；
根据所述目标对象信息包括的车道线信息，确定车道线的曲率半径；
响应于所述第一包含关系为所述当前行驶信息不包含所述转向灯信息、且所述曲率半径小于或等于预设阈值，将所述车辆的行驶状态确定为弯道行驶状态。
5.根据权利要求2-4中任一项所述的方法，其中，所述基于所述目标对象信息和所述行驶状态确定满足激活条件，包括：
根据所述行驶状态确定所述车辆的风险区域和潜在风险区域；
根据所述目标对象信息包括的风险对象信息，在所述风险区域不存在风险对象且所述潜在风险区域存在风险对象的情况下，确定满足所述激活条件。
6.根据权利要求5所述的方法，其中，所述根据所述行驶状态确定所述车辆的风险区域和潜在风险区域，包括：
响应于所述行驶状态为转向行驶状态，根据所述当前行驶信息包含的转向灯信息，确定待行驶方向；或者，响应于所述行驶状态为弯道行驶状态，根据所述目标对象信息包括的车道线信息，确定待行驶方向；
确定所述车载摄像头的可视区域；
将所述可视区域中位于所述车辆待行驶方向异侧的区域确定为所述风险区域；
将所述可视区域中位于所述车辆待行驶方向同侧的区域确定为所述潜在风险区域。
7.根据权利要求2所述的方法，其中，所述根据所述行驶状态、所述当前行驶信息和所述目标对象信息，确定所述车载摄像头的目标位姿信息，包括：
根据所述行驶状态，确定用于调整所述车载摄像头视角的调整规则；
根据所述当前行驶信息、所述目标对象信息和所述调整规则，确定所述目标位姿信息。
8.根据权利要求1-4中任一项所述的方法，其中，所述对所述行驶环境图像进行处理，得到所述车辆当前行驶环境中目标对象的目标对象信息，包括：
确定图像处理模型；
利用所述图像处理模型中的信号灯识别子模型，对所述行驶环境图像中的信号灯进行识别，得到所述目标对象信息中的信号灯信息；
利用所述图像处理模型中的车道线识别子模型，对所述行驶环境图像中的车道线进行识别，得到所述目标对象信息中的车道线信息；
利用所述图像处理模型中的风险对象识别子模型，对所述行驶环境图像中的风险对象进行识别，得到所述目标对象信息中的风险对象信息。
9.根据权利要求1-4中任一项所述的方法，其中，所述响应于所述当前位姿信息和所述目标位姿信息不一致，对所述车载摄像头进行调整，包括：
响应于所述当前位姿信息和所述目标位姿信息不一致，根据所述当前位姿信息和所述目标位姿信息确定调整参数；
基于所述调整参数对所述车载摄像头的视角进行调整。
10.一种车载摄像头的控制装置，包括：
第一确定模块，用于确定车辆的当前行驶信息、所述车辆中车载摄像头的当前位姿信息和由所述车载摄像头实时采集的行驶环境图像；
处理模块，用于对所述行驶环境图像进行处理，得到所述车辆当前行驶环境中目标对象的目标对象信息；
第二确定模块，用于根据所述当前行驶信息和所述目标对象信息，确定所述车载摄像头的目标位姿信息；
调整模块，用于响应于所述当前位姿信息和所述目标位姿信息不一致，对所述车载摄像头进行调整。
11.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-9中任一所述的车载摄像头的控制方法。
12.一种电子设备，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述指令，并执行所述指令以实现上述权利要求1-9中任一所述的车载摄像头的控制方法。
CN202310855744.0A 2023-07-12 2023-07-12 车载摄像头的控制方法、装置及电子设备 Pending CN116709032A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310855744.0A CN116709032A (zh) 2023-07-12 2023-07-12 车载摄像头的控制方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310855744.0A CN116709032A (zh) 2023-07-12 2023-07-12 车载摄像头的控制方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN116709032A true CN116709032A (zh) 2023-09-05

Family

ID=87845225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310855744.0A Pending CN116709032A (zh) 2023-07-12 2023-07-12 车载摄像头的控制方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN116709032A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118506300A (zh) * 2024-07-22 2024-08-16 浙江鼎奕科技发展有限公司 用于行车危险自动识别的图像处理系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118506300A (zh) * 2024-07-22 2024-08-16 浙江鼎奕科技发展有限公司 用于行车危险自动识别的图像处理系统及方法
CN118506300B (zh) * 2024-07-22 2024-10-18 浙江鼎奕科技发展有限公司 用于行车危险自动识别的图像处理系统及方法

Similar Documents

Publication Publication Date Title
US20240132154A1 (en) Road profile along a predicted path
CN108638999B (zh) 一种基于360度环视输入的防碰撞预警系统及方法
CN108647638B (zh) 一种车辆位置检测方法及装置
US11288833B2 (en) Distance estimation apparatus and operating method thereof
CN110789517A (zh) 自动驾驶横向控制方法、装置、设备及存储介质
CN110949260B (zh) 一种外后视镜转向调节方法、系统、设备及存储介质
US20150350510A1 (en) Camera capable of reducing motion blur in a low luminance environment and vehicle including the same
CN114842432B (zh) 一种基于深度学习汽车灯光控制方法及系统
CN110834667B (zh) 车辆转向控制方法、装置、车辆、终端设备及存储介质
CN105313773A (zh) 高清全景泊车及辅助驾驶系统
CN112009462A (zh) 一种前向自动泊车方法及装置
CN114648743A (zh) 三维交通标志检测
CN113386668A (zh) 根据驾驶场景调节电子后视镜的方法及系统
CN116486351A (zh) 行车预警方法、装置、设备及存储介质
GB2606829A (en) Method, system and computer program product for automatically adapting at least one driving assistance function of a vehicle to a trailer operating state
CN116709032A (zh) 车载摄像头的控制方法、装置及电子设备
CN113942503A (zh) 一种车道保持方法和装置
Sang et al. A Robust Lane Detection Algorithm Adaptable to Challenging Weather Conditions
CN113752941B (zh) 无人车转向灯控制方法、装置、无人车及存储介质
CN113844439A (zh) 一种用于辅助驾驶的低速辅助制动辅助决策方法、系统及计算机可读存储介质
CN113978350A (zh) 一种车辆行驶辅助控制方法、装置、存储介质及设备
WO2022186814A1 (en) Vehicle environment modeling with a camera
JP2022552938A (ja) 車載クラスタ追跡システム
CN118665329B (zh) 车辆控制方法、系统、电子装置、车辆及存储介质
CN114407783B (zh) 一种车辆后视镜的随动控制方法、系统、装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination