本發(fā)明涉及一種用于通過機(jī)動車輛的相機(jī)系統(tǒng)跟蹤接近機(jī)動車輛的目標(biāo)車輛的方法。通過所述相機(jī)系統(tǒng)的至少一個相機(jī)提供所述機(jī)動車輛的環(huán)境區(qū)域的圖像的時間序列?;谒瞿繕?biāo)車輛的前部或后部的特征而通過所述相機(jī)系統(tǒng)的圖像處理設(shè)備在所述序列的圖像中檢測所述目標(biāo)車輛,并且然后基于所檢測的特征而遍及所述序列的隨后圖像來跟蹤所述目標(biāo)車輛。此外,本發(fā)明涉及一種形成為執(zhí)行所述方法的用于機(jī)動車輛的相機(jī)系統(tǒng)以及具有所述相機(jī)系統(tǒng)的機(jī)動車輛。
背景技術(shù):
用于檢測并且跟蹤接近機(jī)動車輛的目標(biāo)車輛的相機(jī)系統(tǒng)從現(xiàn)有技術(shù)是已知的。因此,使用例如具有相機(jī)和圖像處理設(shè)備的機(jī)動車輛的相機(jī)系統(tǒng),其中,目標(biāo)車輛在相機(jī)通過圖像處理設(shè)備所捕獲的圖像的序列中被檢測,并且因此遍及圖像的序列被跟蹤。所述方法基于通過檢測目標(biāo)車輛的前部或后部的特征進(jìn)行跟蹤,并且使用例如通過AdaBoost算法受訓(xùn)練的檢測器。
此外,從US 8 004 425 B2的印刷品,相機(jī)安裝在車輛上的前部和后部以檢測機(jī)動車輛的盲點區(qū)塊中的目標(biāo)車輛的系統(tǒng)是已知的。借助于光流實現(xiàn)目標(biāo)車輛的檢測。光流檢測遍及圖像的序列的改動過的像素。
另一系統(tǒng)從印刷品US 6 424 272 B1是已知的。在此情況下,相機(jī)附連到機(jī)動車輛的側(cè)部,并且對象識別方法應(yīng)用于檢測盲點區(qū)塊中的目標(biāo)車輛。用于檢測盲點區(qū)塊中的目標(biāo)車輛的系統(tǒng)從印刷品US 2003/0085806 A1也是已知的。該系統(tǒng)使用兩個立體相機(jī)以計算盲點區(qū)塊的立體視圖并且在其中通過光流來檢測目標(biāo)車輛的風(fēng)險。
在所提及的現(xiàn)有技術(shù)中不利的是,一般,需要多個相機(jī)以關(guān)于目標(biāo)車輛監(jiān)控盲點區(qū)塊。這樣產(chǎn)生增加的制造和服務(wù)成本。此外,因此,監(jiān)控盲點區(qū)塊的系統(tǒng)在沒有很多努力的情況下無法改型。另一缺點是使用光流,其提供關(guān)于圖像的序列的變化的信息,但僅可以不精確地對特定對象進(jìn)行分類。此外,在機(jī)動車輛的行駛期間,圖像中的背景也移動,必須例如基于其它傳感器的傳感器數(shù)據(jù)而將其從圖像移除。在此,通過AdaBoost算法的檢測器檢測目標(biāo)車輛的前部或后部的特征的方法提供補(bǔ)救。然而,如果目標(biāo)車輛接近相機(jī),則該方法也展現(xiàn)出缺陷,并且由此在另一視角中描述目標(biāo)車輛的前部或后部。因此,目標(biāo)車輛的當(dāng)前圖像不同于訓(xùn)練圖像,其在AdaBoost算法之下,并且檢測器已經(jīng)通過其被訓(xùn)練。目標(biāo)車輛的進(jìn)一步接近因此導(dǎo)致檢測器的降低的置信度值,其表示檢測的可靠性的測度。在當(dāng)前圖像與訓(xùn)練圖像之間的過大差異的情況下,檢測不再是可能的。該情況具體地說如果目標(biāo)車輛進(jìn)入趕超中的機(jī)動車輛的盲點區(qū)塊則完全導(dǎo)致目標(biāo)車輛僅能夠由圖像處理設(shè)備在有限時間段上被跟蹤并且非??焖俚貋G失。
技術(shù)實現(xiàn)要素:
本發(fā)明的目的是提供一種方法、一種相機(jī)系統(tǒng)以及一種機(jī)動車輛,其中,采取措施,其確??梢蕴貏e可靠地并且具體地說在更長的時間段上、優(yōu)選地還在機(jī)動車輛的盲點區(qū)塊中、甚至在因接近而導(dǎo)致的視角的變化的情況下跟蹤目標(biāo)車輛。
根據(jù)本發(fā)明,通過具有根據(jù)各個獨立權(quán)利要求的特征的方法、相機(jī)系統(tǒng)以及機(jī)動車輛來解決該目的。本發(fā)明的有利實現(xiàn)方式是從屬權(quán)利要求、說明書和附圖的主題內(nèi)容。
根據(jù)本發(fā)明的方法服務(wù)于通過機(jī)動車輛的相機(jī)系統(tǒng)跟蹤接近機(jī)動車輛(具體地說,經(jīng)過機(jī)動車輛)的目標(biāo)車輛。在機(jī)動車輛的趕超操縱期間或在機(jī)動車輛自身被目標(biāo)車輛趕超的同時優(yōu)選地實現(xiàn)跟蹤。優(yōu)選地,還在機(jī)動車輛的盲點區(qū)塊中跟蹤目標(biāo)車輛。通過所述相機(jī)系統(tǒng)的至少一個相機(jī)提供所述機(jī)動車輛的環(huán)境區(qū)域的圖像的時間序列?;谀繕?biāo)車輛的前部或后部的特征而通過相機(jī)系統(tǒng)的電子圖像處理設(shè)備(例如DSP)在序列的圖像中檢測目標(biāo)車輛,并且然后基于所檢測的特征遍及序列的隨后圖像跟蹤目標(biāo)車輛。根據(jù)本發(fā)明,提供:基于前部或后部的特征而在序列的隨后圖像之一中——并且因此在跟蹤目標(biāo)車輛期間由圖像處理設(shè)備至少檢測目標(biāo)車輛的側(cè)向側(cè)翼的預(yù)定特征。在檢測側(cè)向側(cè)翼的特征之后,然后基于側(cè)向側(cè)翼的特征而遍及序列中的其它圖像跟蹤目標(biāo)車輛,從而其實際上一旦圖像處理設(shè)備可以容易地檢測側(cè)向側(cè)翼的特征就從基于前部或后部而跟蹤目標(biāo)車輛轉(zhuǎn)變?yōu)榛趥?cè)向側(cè)翼的特征而跟蹤目標(biāo)車輛。
通過根據(jù)本發(fā)明的方法,雖然視角持續(xù)改變,但進(jìn)一步跟蹤接近機(jī)動車輛的目標(biāo)車輛變?yōu)榭赡艿?。換言之,通過側(cè)向側(cè)翼的新的所跟蹤的特征來替代或支持前部或后部的所跟蹤的特征。這樣具有優(yōu)點:總體上可以在相對長的時間段上跟蹤目標(biāo)車輛,因此,具體地說,即使目標(biāo)車輛經(jīng)過機(jī)動車輛并且獨占地,也在相機(jī)的圖像中描述目標(biāo)車輛的側(cè)向側(cè)翼。
優(yōu)選地,相機(jī)是前部相機(jī),其具體地部署在機(jī)動車輛的風(fēng)擋后面,例如,直接在機(jī)動車輛的內(nèi)部的風(fēng)擋上。前部相機(jī)于是在機(jī)動車輛的前部在行駛的方向上或在車輛縱向方向上捕獲環(huán)境。然而,也可以采用后視相機(jī)作為在機(jī)動車輛后面在行駛的方向上或在車輛縱向方向上捕獲環(huán)境的相機(jī)。通常,可以提供:與圖像傳感器的平面垂直地延伸的相機(jī)定向得與車輛縱軸平行。
優(yōu)選地,相機(jī)是視頻相機(jī),其能夠提供每秒多個圖像(幀)。相機(jī)可以是CCD相機(jī)或CMOS相機(jī)。
在實施例中,提供:目標(biāo)車輛的輪罩拱(即輪外殼)檢測為側(cè)向側(cè)翼的特征。這是有利的,因為輪罩拱是出現(xiàn)在很多目標(biāo)車輛中的可靠并且獨特的特征。此外,輪罩拱在很多目標(biāo)車輛中是具有非常相似的形狀的特征。關(guān)于此的原因是,輪罩拱總是環(huán)繞圓形輪,并且因此自身具有特定半徑。此外,輪罩拱已經(jīng)是非常早地清楚地可識別的,因此針對目標(biāo)車輛遠(yuǎn)離和/或陡峭視角,即,比目標(biāo)車輛自身的輪遠(yuǎn)更早。
附加地或替代地,目標(biāo)車輛的輪可以檢測為側(cè)向側(cè)翼的特征。輪是非常魯棒的特征,因為其總是出現(xiàn)在目標(biāo)車輛上,并且因此允許對其進(jìn)行可靠的檢測??梢耘紶柨醋髂繕?biāo)車輛的其它對象鮮有圓形組件或特征,從而減少混淆的風(fēng)險。
具體地說,提供:以霍夫(Hough)變換(具體地說,霍夫圓形變換)來描述側(cè)向側(cè)翼的特征?;舴蜃儞Q具有由此可以在參數(shù)空間中表示圓形對象的優(yōu)點。通過參數(shù)空間,因為輪可以抽象地表示為例如圓形,所以一方面增加的魯棒性以及另一方面更高的普遍性起作用。
在另一開發(fā)中,提供:由圖像處理設(shè)備確定第一置信度值,其在跟蹤目標(biāo)車輛中指示檢測目標(biāo)車輛的前部或后部的特征的可靠性。如果第一置信度值落入預(yù)設(shè)第一閾值之下,則可以僅實現(xiàn)檢測側(cè)向側(cè)翼的特征。有利的是,在計算側(cè)向側(cè)翼的特征中避免不必要的計算努力,并且如果不能再可靠地確?;谇安炕蚝蟛慷櫮繕?biāo)車輛,則僅搜索側(cè)向側(cè)翼的特征。此外,通過計算第一置信度值,可以非常良好地監(jiān)控從何時基于前部或后部的目標(biāo)車輛的跟蹤終止的風(fēng)險增加。
進(jìn)一步提供:由所述圖像處理設(shè)備確定第一置信度值,其指示檢測所述目標(biāo)車輛的所述前部或所述后部的特征的可靠性,并且由所述圖像處理設(shè)備確定第二置信度值,其指示檢測所述側(cè)向側(cè)翼的特征的可靠性,并且如果預(yù)設(shè)第二閾值落入第二置信度值之下,則實現(xiàn)至少通過所述目標(biāo)車輛的所述前部或所述后部的特征跟蹤所述目標(biāo)車輛,并且如果預(yù)設(shè)第一閾值落入第一置信度值之下,則實現(xiàn)至少通過所述目標(biāo)車輛的所述側(cè)向側(cè)翼的特征跟蹤所述目標(biāo)車輛。優(yōu)點在于,因此,在每種情況下,可以選擇最可靠的特征和/或具有最高置信度值的特征。還有可能的是,使用于是由各個置信度值加權(quán)的多個特征。
優(yōu)選地,如果所述機(jī)動車輛與所述目標(biāo)車輛之間的預(yù)定距離落入預(yù)設(shè)閾值之下,則通過所述側(cè)向側(cè)翼的特征跟蹤所述目標(biāo)車輛。因為可以例如附加地或替代地通過機(jī)動車輛的另一傳感器來確定距離,所以這是有利的。這樣可以帶來所確定的距離的更高的可靠性和/或歸因于距離的冗余確定帶來的增加的安全性。例如,目標(biāo)車輛上的特定位置可以選擇為目標(biāo)車輛相對于機(jī)動車輛的位置的基準(zhǔn)點。無論所檢測的特征是前部的特征還是后部的特征還是側(cè)向側(cè)翼的特征,該情況都可以發(fā)生??梢岳缤ㄟ^距機(jī)動車輛的中心或機(jī)動車輛的后軸的中心的預(yù)定“偏移”來確定該點。
在特定開發(fā)中,提供:取決于在車輛縱向方向上目標(biāo)車輛相對于機(jī)動車輛的相對位置,前輪罩拱或后輪罩拱和/或前輪或后輪檢測為側(cè)向側(cè)翼的特征。例如,如果基于前部而跟蹤目標(biāo)車輛,因此,首先——如果目標(biāo)車輛仍距機(jī)動車輛相對遠(yuǎn)離——則前輪罩拱和/或前輪可以檢測為特征,因為該特征于是更靠近相機(jī),并且因此允許更可靠的檢測。類似地,如果目標(biāo)車輛以其后部面對機(jī)動車輛,則該情況應(yīng)用于后輪罩拱和/或后輪。如果目標(biāo)車輛然后更靠近機(jī)動車輛,則其可以對應(yīng)地從前部(或后部)特征改變?yōu)楹蟛?或前部)特征。如果目標(biāo)車輛的一個部分處于相機(jī)的區(qū)域中,則特征的改變也可能產(chǎn)生,這樣歸因于相機(jī)的特殊透鏡而導(dǎo)致嚴(yán)重的失真。
優(yōu)選地,通過泛化算法來泛化側(cè)向側(cè)翼的特征。這意味著,以簡化或泛化的方式提出特征,并且僅包含用于標(biāo)識特征的主要信息的特征部分用于檢測特征。泛化算法產(chǎn)生描述多個不同形狀的輪罩拱或輪的特征。因此,也可以檢測不同構(gòu)造或產(chǎn)品系列的目標(biāo)車輛。此外,因為泛化的特征具有更低的數(shù)據(jù)范圍,所以檢測進(jìn)行得更快。具體地說,道格拉斯-普克算法(道格拉斯-普克算法)用作泛化算法。道格拉斯-普克算法是用于曲線處理的算法,其目的是通過省略個別點從而保留粗略形狀來簡化序列所給出的測線(traverse line)。該測線是來自圖像中的梯度圖像的輪罩拱的邊沿。道格拉斯-普克算法提供簡單并且快速的泛化特征的可能性。
此外,優(yōu)選地提供:檢測前部或后部包括:由圖像處理設(shè)備確定邊界框,其中,描述前部或后部,并且獨占地,興趣區(qū)域取作用于檢測取決于邊界框而確定的側(cè)向側(cè)翼的特征的基礎(chǔ)。在通過前部或后部的特征檢測接近目標(biāo)車輛首先產(chǎn)生之后,已經(jīng)通過邊界框預(yù)先選擇圖像的特定區(qū)塊。該邊界框現(xiàn)在用于確定用于檢測側(cè)向側(cè)翼的特征的興趣區(qū)域。因此,不再必須關(guān)于側(cè)向側(cè)翼的特征搜索整個圖像,并且計算功率和計算時間得以節(jié)省。此外,檢測的錯誤概率降低。
在配置中,提供:至少在從基于前部或后部的跟蹤到基于側(cè)向側(cè)翼的跟蹤的轉(zhuǎn)變中,通過預(yù)測算法(具體地說,卡爾曼濾波(卡爾曼濾波))支持目標(biāo)車輛的跟蹤。預(yù)測算法嘗試在圖像中外插目標(biāo)車輛的下一位置。卡爾曼濾波對此提供非??焖俨⑶矣嬎惴矫娌幻芗姆椒āT诟鼜?fù)雜的情況(例如具有若干目標(biāo)車輛的曲線)下,也可以使用壓縮算法,其看作計算方面更密集的,但進(jìn)而是更魯棒的。預(yù)測算法的優(yōu)點在于,在特征的改變時,針對新的特征的跟蹤的快速初始化是可能的。
還提供:通過相機(jī)提供所述圖像的序列,所述相機(jī)的視場具有大于150°(具體地說,大于160°,仍更優(yōu)選地,大于180°)的張開角度。優(yōu)點在于,部署在車輛后部上或車輛前部上的單個相機(jī)因此足以除了監(jiān)控機(jī)動車輛的盲點區(qū)塊之外還監(jiān)控其左邊和右邊。由此,在沒有很多努力的情況下改型用于已經(jīng)存在的相機(jī)系統(tǒng)的方法的可能性出現(xiàn)。
在另一配置模式下,在檢測所述側(cè)向側(cè)翼的特征中,取決于所述相機(jī)的外部定向和/或所述相機(jī)的位置和/或所述相機(jī)的失真參數(shù)的校準(zhǔn)數(shù)據(jù)而考慮該特征的幾何形狀。外部定向描述在與捕獲的對象自身(在此,目標(biāo)車輛)有關(guān)的圖像捕獲期間相機(jī)的姿態(tài)和位置。通過校準(zhǔn)數(shù)據(jù),對于圖像中的每個位置可以預(yù)期特征的特定形狀。例如,目標(biāo)車輛的輪的輪廓根據(jù)目標(biāo)車輛相對于相機(jī)處于哪個位置而變化。因此,例如,如果目標(biāo)車輛更遠(yuǎn)離機(jī)動車輛,則圖像中的輪的輪廓在一定程度上為橢圓形狀。如果目標(biāo)車輛靠近機(jī)動車輛(例如,處于其盲點區(qū)塊中),則圓形形狀僅是可識別的。該情況類似于輪罩拱。
在實施例中,在機(jī)動車輛的盲點區(qū)塊中跟蹤目標(biāo)車輛。機(jī)動車輛的盲點區(qū)塊是機(jī)動車輛的駕駛者通過側(cè)視鏡和/或后視鏡不能或僅幾乎不能看見的區(qū)塊。如果駕駛者意圖變道或轉(zhuǎn)向操作,則這樣可能變得危險,但如果機(jī)動車輛旁邊的盲點區(qū)塊是自由的,則無法評估確定性。通過該方法,可以在該盲點區(qū)塊中檢測風(fēng)險或另一交通參與者或目標(biāo)車輛,并且可選地,告警可以輸出給駕駛者??梢岳缤ㄟ^聲學(xué)方式和/或視覺方式和/或觸覺方式實現(xiàn)告警。
用于機(jī)動車輛的根據(jù)本發(fā)明的相機(jī)系統(tǒng)至少包括:相機(jī),用于提供機(jī)動車輛的環(huán)境區(qū)域的圖像的序列;以及圖像處理設(shè)備,適用于執(zhí)行根據(jù)本發(fā)明的方法。
根據(jù)本發(fā)明的機(jī)動車輛(具體地說,客車)包括根據(jù)本發(fā)明的相機(jī)系統(tǒng)。
關(guān)于根據(jù)本發(fā)明的方法所提出的優(yōu)選實施例及其優(yōu)點對應(yīng)地應(yīng)用于根據(jù)本發(fā)明的相機(jī)系統(tǒng)以及根據(jù)本發(fā)明的機(jī)動車輛。
本發(fā)明的其它特征從權(quán)利要求、附圖以及附圖的描述是清楚的。說明書中的上述所有特征和特征組合以及以下在附圖的描述中提及和/或在附圖中單獨示出的特征和特征組合不僅可用在分別所指定的組合中,而且也可用在其它組合中或另外單獨使用。
附圖說明
現(xiàn)在,基于優(yōu)選實施例并且參照附圖更詳細(xì)地解釋本發(fā)明。
在此示出:
圖1在示意性平面圖中示出目標(biāo)車輛從后面接近具有相機(jī)系統(tǒng)的機(jī)動車輛;
圖2在示意性說明中示出目標(biāo)車輛的圖像,其中,通過附連到機(jī)動車輛的后部的相機(jī)系統(tǒng)的相機(jī)提供圖像,并且在圖像中檢測目標(biāo)車輛的前部;
圖3在示意性說明中示出具有目標(biāo)車輛的邊沿的梯度圖像;
圖4在示意性說明中示出目標(biāo)車輛的另一圖像,其中,確定興趣區(qū)域并且通過線段指示所泛化的邊沿;
圖5在示意性說明中示出根據(jù)圖4的圖像,其中,檢測目標(biāo)車輛的側(cè)向側(cè)翼的特征(具體地說,輪罩拱和/或輪);
圖6在示意性平面圖中示出類似于圖1的說明,其中,目標(biāo)車輛已經(jīng)接近跟蹤側(cè)向側(cè)翼的特征的點;
圖7在示意性說明中示出又一圖像,其中,在根據(jù)圖6的位置中描述目標(biāo)車輛;
圖8在示意性平面圖中示出類似于圖1的說明,其中,目標(biāo)車輛已經(jīng)接近檢測側(cè)向側(cè)翼的后部特征的點;以及
圖9在示意性說明中示出又一圖像,其中,在根據(jù)圖8的位置中描述目標(biāo)車輛。
具體實施方式
在圖1中,示意性示出根據(jù)本發(fā)明實施例的具有相機(jī)系統(tǒng)2的機(jī)動車輛1的平面圖。相機(jī)系統(tǒng)2包括具有視場4的相機(jī)3和可以例如集成在相機(jī)3中的圖像處理設(shè)備5。然而,該圖像處理設(shè)備5也可以是可以部署在機(jī)動車輛1中的任何位置中的與相機(jī)3分離的組件。在實施例中,相機(jī)3部署在機(jī)動車輛1的后部,并且捕獲機(jī)動車輛1后面的環(huán)境區(qū)域。然而,具有前部相機(jī)的應(yīng)用也是可能的。
視場4在機(jī)動車輛1之后遍及180°(具體地說,相對于機(jī)動車輛1的中心縱軸對稱地)有角度地延伸。機(jī)動車輛1處于雙車道道路6中的左車道7上,而另一車輛(目標(biāo)車輛9)處于右車道8上。目標(biāo)車輛9從后面接近機(jī)動車輛1,并且推測將趕超它。
相機(jī)3具有可以例如處于從120°到200°的值的范圍中的水平捕獲角度α以及例如在機(jī)動車輛1后面直接從道路6的表面延伸上至水平以及之上的垂直捕獲角度(未示出)。在魚眼透鏡的情況下,這些特性例如是被允許的。
相機(jī)3可以是CMOS相機(jī)或另外是CCD相機(jī)或任何圖像捕獲設(shè)備,據(jù)此可以檢測目標(biāo)車輛9。
在實施例中,根據(jù)圖1,相機(jī)3部署在機(jī)動車輛1的后部區(qū)域中,并且捕獲機(jī)動車輛1后面的環(huán)境區(qū)域。然而,本發(fā)明不限于相機(jī)3的這種布置。根據(jù)實施例,相機(jī)3的布置可以是不同的。例如,相機(jī)3也可以部署在機(jī)動車輛1的前部區(qū)域中,并且在機(jī)動車輛1的前部中捕獲環(huán)境區(qū)域。也可以采用若干這些相機(jī)3,其均形成為檢測對象或目標(biāo)車輛9。
如果相機(jī)3的視場4在行駛的方向上導(dǎo)向向前或采用前部相機(jī),則圖1和圖2所示的情況也可以類似地產(chǎn)生。例如,如果機(jī)動車輛1趕超目標(biāo)車輛9,則情況如此。
相機(jī)3是連續(xù)地捕獲圖像的序列的視頻相機(jī)。圖像處理設(shè)備5然后實時處理圖像的序列,并且可以基于該圖像的序列而識別而且跟蹤目標(biāo)車輛9。這意味著,圖像處理設(shè)備5可以確定目標(biāo)車輛9相對于機(jī)動車輛1的分別當(dāng)前位置和移動。
相機(jī)系統(tǒng)2是盲點告警系統(tǒng),其監(jiān)控盲點區(qū)塊13并且能夠通過對應(yīng)告警信號的輸出來對機(jī)動車輛1的駕駛者告警檢測到的與目標(biāo)車輛9的碰撞的風(fēng)險。盲點區(qū)塊是機(jī)動車輛的駕駛者借助側(cè)視鏡和/或后視鏡不能或僅幾乎不能看見的機(jī)動車輛1的環(huán)境區(qū)域。根據(jù)盲點區(qū)塊的定義,其從機(jī)動車輛1的后部延伸達(dá)相鄰車道上向后的多于兩個車輛長度。
圖2示出在根據(jù)圖1的情況下的相機(jī)3所提供的示例性圖像10。通過圖像處理設(shè)備5基于目標(biāo)車輛9的前部11的特征而在圖像10中檢測目標(biāo)車輛9。通過圖2中的矩形框或邊界框12來標(biāo)識這種檢測。通過由圖像處理設(shè)備5執(zhí)行以用于檢測目標(biāo)車輛9的檢測算法輸出該邊界框12。
首先基于目標(biāo)車輛9的前部11的特征而執(zhí)行目標(biāo)車輛9的檢測。然而,在目標(biāo)車輛9接近機(jī)動車輛1的同時,目標(biāo)車輛9的視圖改變。這是對于已經(jīng)通過前視圖中的前部11的特征受訓(xùn)練的用于此的檢測器的挑戰(zhàn)。因此,作為檢測的可靠性的質(zhì)量的測度的置信度值降低?;谑境瞿繕?biāo)車輛9的邊沿16的梯度圖像17,這在圖3中是可識別的。從圖3顯見,視角隨著時間而改變,從而無法再可靠地確保基于前部11的特征而進(jìn)一步檢測目標(biāo)車輛9。
為了能夠進(jìn)一步確??煽康馗櫮繕?biāo)車輛9,在下一步驟中,提取目標(biāo)車輛9的側(cè)向側(cè)翼14的特征。然而,該特征優(yōu)選地并未在整個圖像10中而是僅在興趣區(qū)域15中被搜索,如根據(jù)4的圖像10所示,并且興趣區(qū)域15是取決于前部11的檢測所提供的邊界框12而確定的。因此,邊界框12取決于基于前部11的特征的檢測,并且允許更快地初始化跟蹤側(cè)向側(cè)翼14的特征。
在下一步驟中,從興趣區(qū)域15計算梯度圖像17,如圖3所示。關(guān)于計算梯度圖像17,圖像10的興趣區(qū)域15轉(zhuǎn)換為灰度級圖像,通過高斯濾波被平滑,并且例如通過Canny邊沿檢測器被處理。
基于梯度圖像17的邊沿16實現(xiàn)側(cè)向側(cè)翼14的特征的提取。作為側(cè)向側(cè)翼14的第一特征,選取(在此,前部)輪罩拱19。通過泛化算法(具體地說,通過道格拉斯-普克算法)泛化輪罩拱19的邊沿16。所泛化的邊沿18產(chǎn)生,如圖4所示。因為現(xiàn)在各個模型的輪罩拱19得以覆蓋并且因此可以更好地被比較,所以泛化算法實現(xiàn)減少數(shù)據(jù)量,這樣產(chǎn)生計算速度的增加并且促進(jìn)輪罩拱19的檢測。
在圖5中通過矩形20來標(biāo)識(所泛化的)輪罩拱19的檢測。
如果目標(biāo)車輛9現(xiàn)在已經(jīng)接近機(jī)動車輛1達(dá)如圖6所示的程度,則在另一步驟中——在跟蹤輪罩拱19之后——其切換為跟蹤目標(biāo)車輛9的輪21。通過霍夫變換(具體地說,霍夫圓形變換)進(jìn)行的描述實現(xiàn)輪21的檢測?;舴驁A形變換近似由歸因于輪緣與輪胎或輪胎與背景之間的強(qiáng)度差而出現(xiàn)的邊沿16生成的圓形。圖7所示的圖像10中的示例性圓形22例示霍夫圓形變換的結(jié)果。
在跟蹤側(cè)向側(cè)翼14中,臨時地,兩個特征——輪罩拱19和輪21——被跟蹤,直到目標(biāo)車輛9接近可以切換到獨占地跟蹤輪21(即前輪23和/或后輪24)的任何時間。目標(biāo)車輛9與機(jī)動車輛1之間的距離越短,圖像10中的輪21的圓形形狀就越清楚。關(guān)于霍夫變換的要求是預(yù)定的幾何形狀,目前是圓形。然而,基本上,其它形狀(例如比如橢圓)也是可設(shè)想的。
如果目標(biāo)車輛9位于機(jī)動車輛1旁邊——如圖8所示——并且前輪23不再處于相機(jī)3的視場4中,則自動地實現(xiàn)跟蹤前輪23到跟蹤后輪24的改變。通過圖9中的圓形25示出霍夫圓形變換進(jìn)行的后輪24的描述。
取決于預(yù)測算法(具體地說,卡爾曼濾波)而實現(xiàn)特征的相應(yīng)改變。由此,可以更快地初始化和/或更精確地驗證新的特征的跟蹤。各特征之間的改變首先從前部11的特征到側(cè)向側(cè)翼14的特征(首先具體地說,到輪罩拱19)并且隨后于是從輪罩拱19到輪21(具體地說,首先到前輪23并且然后到后輪24)而產(chǎn)生。在轉(zhuǎn)變區(qū)域中,提供:同時跟蹤各個舊的特征和新的特征,并且取決于相應(yīng)置信度值而改變特征。
在目標(biāo)車輛9行駛通過機(jī)動車輛1比圖8中甚至更多的情況下,提供:繼續(xù)通過附連到機(jī)動車輛1的側(cè)向側(cè)翼的相機(jī)進(jìn)行跟蹤,和/或依賴于上述前部相機(jī)。
也可以按與基于附圖所描述的相反順序?qū)崿F(xiàn)特征的改變。如果機(jī)動車輛1趕超目標(biāo)車輛9,則情況如此。然后,首先被跟蹤的特征是目標(biāo)車輛9的后部。接下來,后輪罩拱19作為側(cè)向側(cè)翼14的特征被合并并且被跟蹤。隨后,其從后輪罩拱19改變?yōu)楹筝?4,并且然后改變?yōu)榍拜?3。
此外,用于機(jī)動車輛1與目標(biāo)車輛9之間的相對距離的預(yù)設(shè)閾值進(jìn)一步表示實現(xiàn)較晚特征檢測,從而如果接近目標(biāo)車輛9的距離落入預(yù)設(shè)閾值之下,則側(cè)向側(cè)翼14的特征的檢測和/或跟蹤開始。
此外,搜索到的特征的形狀取決于目標(biāo)車輛9的位置。歸因于相機(jī)系統(tǒng)2的校準(zhǔn)以及源自其的外部定向,可以取決于圖像10中可見的目標(biāo)車輛9的特征的當(dāng)前位置而預(yù)測它們的形狀。因此,更遠(yuǎn)離的目標(biāo)車輛9在圖像10中具有輪罩拱19和輪21的一定程度上的橢圓形狀,而更靠近的目標(biāo)車輛9具有輪罩拱19和輪21的實質(zhì)上圓形形狀。
此外,相機(jī)系統(tǒng)2的透鏡特性用于補(bǔ)償視場4中的失真。這例如在所使用的魚眼透鏡的情況下特別有幫助。
此外,取決于通過車道識別系統(tǒng)來識別車道7、8而實現(xiàn)目標(biāo)車輛9的檢測。提供關(guān)于道路的航向的信息(具體地說,曲線),其用于計算目標(biāo)車輛9進(jìn)入盲點區(qū)塊13的概率。由此,也可以推斷從目標(biāo)車輛9傳出的風(fēng)險。
車道識別系統(tǒng)還用在多車道道路6的情況下,以確定目標(biāo)車輛9是否處于距機(jī)動車輛1遠(yuǎn)離達(dá)比相鄰車道7、8更大的盲點區(qū)塊13中,以因此防止虛警。否則,假設(shè)機(jī)動車輛1在單個車道改變時與目標(biāo)車輛9碰撞。
車道識別系統(tǒng)和/或道路標(biāo)記識別系統(tǒng)還允許確定圖像10中的靜態(tài)對象(例如交通標(biāo)志和/或另一基礎(chǔ)結(jié)構(gòu))的移動速率。這有助于識別目標(biāo)車輛9的錯誤檢測并且隨后消除它。
作為附加擴(kuò)展,可以提供:目標(biāo)車輛9的軌跡或行駛航向被記錄并且然后通過預(yù)測算法外插。長遠(yuǎn)動機(jī)在于,目標(biāo)車輛9歸因于其構(gòu)造而必須以特定方式移動,因此,例如,在沒有縱向移動的情況下,側(cè)向移動是不可能的。軌跡用于將目標(biāo)車輛9的跟蹤呈現(xiàn)得更魯棒和/或精確,并且在不良可視性條件和/或部分覆蓋的情況下臨時能夠進(jìn)一步估計目標(biāo)車輛9的位置。
也可以提供:來自CAN總線的數(shù)據(jù)(例如機(jī)動車輛1的速度和/或轉(zhuǎn)向角度)用于預(yù)測機(jī)動車輛1的行駛的未來方向并且估計目標(biāo)車輛9何時將進(jìn)入盲點區(qū)塊13。
在另一補(bǔ)充中,基于側(cè)向側(cè)翼14的特征而跟蹤目標(biāo)車輛9可以用于將趕超操作組織得更安全。在此情況下,這對機(jī)動車輛1的駕駛者告知他何時已經(jīng)完全經(jīng)過目標(biāo)車輛9,并且可以改變到目標(biāo)車輛9前面車道。
在其它實施例中,側(cè)向側(cè)翼14的預(yù)定特征附加地或替代地也可以是后視鏡或側(cè)向側(cè)翼14的另一特征。