分类路面状况的方法技术

一种识别路面状况的方法包括至少利用第一相机捕获路面的第一图像以及利用第二相机捕获路面的第二图像。一起平铺第一图像和第二图像以形成组合平铺图像。使用卷积神经网络从组合平铺图像中提取特征向量，并且利用分类器根据特征向量确定路面状况。

【技术实现步骤摘要】
分类路面状况的方法引言本公开总体上涉及一种识别路面状况的方法。车辆控制系统可以将路面状况用作对车辆的一个或多个部件进行控制的输入。不同的路面状况对轮胎与路面之间的摩擦系数产生影响。干燥的路面状况提供较高的摩擦系数，而积雪覆盖路面状况提供较低的摩擦系数。车辆控制器可以针对不同的路面状况以不同的方式控制或操作车辆。因此，对于车辆而言，期望的是能够确定当前的路面状况。
技术实现思路
提供了一种识别路面状况的方法。该方法包括利用相机捕获路面的第一图像以及利用相机捕获路面的第二图像。第一图像和第二图像一起平铺以形成组合平铺图像。从组合平铺图像中提取特征向量，并且利用分类器根据特征向量确定路面状况。在该方法的一个实施例中，利用相机捕获路面的第三图像。第一图像、第二图像和第三图像一起平铺以形成组合平铺图像。在该方法的一个实施例中，相机包括第一相机、第二相机和第三相机。第一图像由光源主动照亮，并且是第一区域中路面的图像。第一图像由第一相机捕获。第二图像由环境光被动照亮，并且是车辆的车轮飞溅区域中路面的图像。第二图像由第二相机捕获。第三图像由环境光被动照亮，并且是靠近车辆侧面的区域中路面的图像。第三图像由第三相机捕获。在该方法的一个方面，使用卷积神经网络从组合平铺图像中提取特征向量。在该方法的另一个方面，将路面状况确定为干燥道路状况、湿滑道路状况或积雪覆盖道路状况中的一种。在该方法的一个方面，一起平铺第一图像、第二图像和第三图像以定义组合平铺图像包括定义第一图像的分辨率、第二图像的分辨率和第三图像的分辨率。在该方法的另一个方面，一起平铺第一图像、第二图像和第三图像以定义组合平铺图像包括定义第一图像的图像大小、第二图像的图像大小和第三图像的图像大小。在该方法的一个实施例中，同时地捕获第一图像、第二图像和第三图像。还提供了一种车辆。车辆包括车身。至少一个相机附接到车身并且定位成捕获相对于车身的第一区域中路面的图像。光源附接到车身并且定位成照亮第一区域中的路面。至少一个相机定位成捕获相对于车身的第二区域中路面的图像。计算单元与至少一个相机通信。计算单元包括处理器、卷积神经网络、分类器以及其上保存有路面状况算法的存储器。处理器可操作以执行路面状况算法。路面状况算法利用至少一个相机捕获路面的第一图像。第一图像由光源主动照亮。路面状况算法利用至少一个相机捕获路面的第二图像。路面状况算法然后将第一图像和第二图像一起平铺以形成组合平铺图像，并且利用卷积神经网络从组合平铺图像提取特征向量。路面状况算法然后利用分类器根据特征向量确定路面状况。在该车辆的一个实施例中，至少一个相机包括定位成捕获第一区域中路面的图像的第一相机以及定位成捕获第二区域中路面的图像的第二相机。因此，通过将第一图像、第二图像和第三图像一起平铺以形成组合平铺图像并且随后使用卷积神经网络从组合平铺图像中提取特征向量，不会丢失各个图像内的信息。因此，组合平铺图像使得卷积神经网络能够识别通过单独检查图像可能无法识别出的特征。本文描述的过程降低了在确定路面状况时的复杂性，由此降低了对执行该过程的计算单元的处理需求，从而提高了计算单元的性能。结合附图，通过以下对用于实现教导的最佳方式的详细描述，本教导的上述特征和优点以及其他特征和优点将容易变得显而易见。附图说明图1是车辆的示意性侧视图。图2是车辆的示意性平面图。图3是表示识别路面状况的方法的流程图。图4是来自车辆的第一相机的第一图像的示意性平面图。图5是来自车辆的第二相机的第二图像的示意性平面图。图6是来自车辆的第三相机的第三图像的示意性平面图。图7是组合平铺图像的示意性平面图。具体实施方式本领域的普通技术人员将认识到，诸如“上方”、“下方”、“向上”、“向下”、“顶部”、“底部”等术语是用于描述附图，并不代表对所附权利要求限定的本公开范围的限制。此外，本文可以按照功能和/或逻辑块组件和/或各种处理步骤来描述本教导。应该认识到，这样的块组件可以包括配置为执行指定功能的任何数量的硬件、软件和/或固件组件。参考附图，其中在几个视图中，相同的数字表示相同的部分，车辆通常以20示出。如本文所用，术语“车辆”并不限于汽车，可以包括可移动平台的形式，例如但不限于卡车、小汽车、拖拉机、摩托车、atv等。尽管结合汽车描述了本公开，但是本公开不局限于汽车。参考图1和图2，车辆20包括车身22。如本文所用，“车身”应该被广义地解释为包括但不限于车辆20的所有车架及外部面板部件。针对车辆20的预期目的，车身22可以以合适的方式进行配置。车身22的具体类型、样式、尺寸、形状等与本公开的教导无关，因此这里不再进行详细描述。车辆20包括至少一个相机，并且可以包括多个相机。如图1和图2所示，车辆20包括第一相机24、第二相机26和第三相机28。然而，应该理解的是，车辆20可以包括单个相机、两个不同的相机或者比图1中所示的且在此描述的示例性三个相机更多的相机。如图1最佳所示，第一相机24附接到车身22并且定位成捕获相对于车身22的第一区域30中路面58的图像。图2中示出了第一区域30。光源32附接到车身22并且定位成照亮第一区域30中的路面58。光源32可以包括光产生设备，例如但不限于发光二极管(LED)、闪光灯、激光器等。第一相机24可以包括适于与图像识别应用程序一起使用的设备，并且该设备能够创建或捕获电子图像并将该图像传送和/或保存到存储器46的存储设备。第一相机24的具体类型、构造、操作等与本公开的教导无关，因此这里不再进行详细描述。在示例性实施例中示出了第一相机24和光源32附接到车辆20的侧视镜，同时第一区域30处于侧视镜的正下方。这样，光源32可操作以照亮第一区域30中的路面58，并且第一相机24可操作以捕获或创建第一区域30中路面58的图像。应当理解，第一相机24和光源32可以定位在车辆20的车身22上的某个其他位置，并且第一区域30可以被定义为相对于车身22的某个其他区域。如图1最佳所示，第二相机26附接到车身22并且定位成捕获相对于车身22的第二区域34中路面58的图像。第二区域可以包括但不限于相对于车身22的车轮飞溅区域。第二区域34在下文中被称为车轮飞溅区域34。第二相机26可以包括适于与图像识别应用程序一起使用的设备，并且该设备能够捕获或创建电子图像并将该图像传送和/或保存到存储器46的存储设备。第二相机26的具体类型、构造、操作等与本公开的教导无关，因此这里不再进行详细描述。在示例性实施例中示出了第二相机26附接到车辆20的前挡泥板，同时车轮飞溅区域34恰好位于车辆20的前轮后方。图2中示出了车轮飞溅区域34。车轮飞溅区域34由环境光照亮。这样，第三相机28没有包括专用光。然而，在其他实施例中，第二相机26可以包括用于照亮车轮飞溅区域34的专用光。应当理解，车辆20包括车辆20的其他车轮的其他车轮飞溅区域34，并且第二相机26可以位于相对于车身22的不同位置处，以便捕获其他车轮飞溅区域34的图像。如图1最佳所示，第三相机28附接到车身22并且定位成捕获相对于车身22的第三区域36中路面58的图像。第三区域36可以包括但不限于沿着车辆20的靠近车辆20的一侧的区域。第三区域在下文中被称为侧面区域36。图2中示出了侧面区域36。第本文档来自技高网...

【技术保护点】
1.一种识别路面状况的方法，所述方法包括：利用相机捕获所述路面的第一图像；利用所述相机捕获所述路面的第二图像；一起平铺所述第一图像和所述第二图像以形成组合平铺图像；从所述组合平铺图像中提取特征向量；并且利用分类器根据所述特征向量确定所述路面的状况。

【技术特征摘要】
2017.08.15 US 15/6776491.一种识别路面状况的方法，所述方法包括：利用相机捕获所述路面的第一图像；利用所述相机捕获所述路面的第二图像；一起平铺所述第一图像和所述第二图像以形成组合平铺图像；从所述组合平铺图像中提取特征向量；并且利用分类器根据所述特征向量确定所述路面的状况。2.根据权利要求1所述的方法，还包括利用所述相机捕获所述路面的第三图像。3.根据权利要求2所述的方法，其中所述相机包括第一相机、第二相机和第三相机，并且其中：利用所述相机捕获所述路面的所述第一图像进一步定义为利用所述第一相机捕获所述路面的所述第一图像；利用所述相机捕获所述路面的所述第二图像进一步定义为利用所述第二相机捕获所述路面的所述第二图像；并且利用所述相机捕获所述路面的所述第三图像进一步定义为利用所述第三相机捕获所述路面的所述第三图像。4.根据权利要求2所述的方法，其中平铺所述第一图像和所述第二图像以形成所述组合平铺图像进一步定义为平铺所述第一图像、所述...

【专利技术属性】
技术研发人员：B·B·利特高希，佟维，赵庆荣，曾树青，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：美国,US