雾确定装置、雾确定方法和雾确定程序与流程

本发明涉及确定雾的浓度的技术。

背景技术：

在专利文献1中记载有判定是否在车辆的周边产生雾的技术。

在专利文献1中，在通过前照灯照射出照射光的情况下，根据拍摄车辆前方而得到的图像中的未照射照射光的区域的明亮度差异，判定是否产生雾。具体而言，在未产生雾时，未照射照射光的区域的明亮度降低。与此相对，在产生雾时，照射光被雾的粒子反射，因此，明亮度从图像的内侧朝向外侧逐渐提高。在专利文献1中，利用该特性判定是否产生雾。

现有技术文献

专利文献

专利文献1：日本特开2008-033872号公报

技术实现要素：

发明要解决的课题

在专利文献1记载的技术中，以前照灯的照射为前提，如果没有一定的暗度，则无法判定是否产生雾。

在本发明中，其目的在于，能够与有无前照灯的照射无关地确定雾的浓度。

用于解决课题的手段

本发明的雾确定装置具有：点数据取得部，其取得表示由光传感器得到的反射点的点数据，所述光传感器接收放射出的光束由所述反射点反射后的反射光；图像数据取得部，其取得由所述点数据取得部取得的所述点数据所示的所述反射点周边的图像数据；亮度计算部，其计算由所述图像数据取得部取得的所述图像数据的亮度的平滑度；以及雾确定部，其根据由所述点数据确定的从所述光传感器到所述反射点的距离、以及由所述亮度计算部计算出的所述亮度的平滑度，确定雾的浓度。

发明效果

在本发明中，根据由通过光传感器得到的点数据确定的距离以及图像数据的亮度的平滑度确定雾的浓度。因此，能够与有无前照灯的照射无关地确定雾的浓度。

附图说明

图1是实施方式1的雾确定装置10的结构图。

图2是示出实施方式1的雾确定装置10的整体动作的流程图。

图3是实施方式1的图像数据取得处理的说明图。

图4是实施方式1的亮度计算处理的说明图。

图5是实施方式1的基准值存储部31中存储的信息的说明图。

图6是变形例1的基准值存储部31中存储的信息的说明图。

图7是变形例2的雾确定装置10的结构图。

图8是实施方式2的雾确定装置10的结构图。

图9是示出实施方式2的雾确定装置10的整体动作的流程图。

图10是实施方式2的阈值设定处理的说明图。

图11是实施方式3的雾确定装置10的结构图。

图12是示出实施方式3的雾确定装置10的整体动作的流程图。

图13是实施方式3的可信度存储部32中存储的信息的说明图。

图14是变形例5的雾确定装置10的结构图。

图15是示出变形例5的雾确定装置10的整体动作的流程图。

具体实施方式

实施方式1

***结构的说明***

参照图1对实施方式1的雾确定装置10的结构进行说明。

雾确定装置10是搭载于移动体100的ecu(electroniccontrolunit：电子控制单元)这样的计算机。

在实施方式1中，移动体100是车辆。但是，移动体100不限于车辆，也可以是船和飞机这样的其他类别。雾确定装置10可以以与移动体100或图示的其他结构要素一体化的方式或不可分离的方式进行安装，或者，也可以以可拆卸的方式或可分离的方式进行安装。

雾确定装置10具有处理器11、内存12、存储器13、通信接口14这样的硬件。处理器11经由信号线而与其他硬件连接，对这些其他硬件进行控制。

处理器11是进行处理的ic(integratedcircuit：集成电路)。作为具体例，处理器11例如是cpu(centralprocessingunit：中央处理单元)、dsp(digitalsignalprocessor：数字信号处理器)、gpu(graphicsprocessingunit：图形处理单元)。

内存12是暂时存储数据的存储装置。作为具体例，内存12是sram(staticrandomaccessmemory：静态随机存取存储器)、dram(dynamicrandomaccessmemory：动态随机存取存储器)。

存储器13是保管数据的存储装置。作为具体例，存储器13是hdd(harddiskdrive：硬盘驱动器)。此外，存储器13也可以是sd(注册商标、securedigital：安全数字)存储卡、cf(compactflash，注册商标)、nand闪存、软盘、光盘、高密度盘、蓝光(注册商标)盘、dvd(digitalversatiledisk：数字多功能盘)这样的移动记录介质。

通信接口14是用于与外部的装置进行通信的接口。作为具体例，通信接口14是ethernet(注册商标)、usb(universalserialbus：通用串行总线)、hdmi(注册商标、high-definitionmultimediainterface：高清晰度多媒体接口)的端口。

通信接口14与搭载于移动体100的光传感器41和摄像机42连接。

光传感器41是放射光的束即光束且接收放射出的光束由反射点反射后的反射光的装置。作为具体例，光传感器41是lidar(lightdetectionandranging：激光雷达)。在实施方式1中，设光传感器41向移动体100的移动方向前方放射光束。

摄像机42是拍摄移动体100周边而生成图像数据的装置。在实施方式1中，设摄像机42拍摄移动体100的移动方向前方。

作为功能结构要素，雾确定装置10具有点数据取得部21、图像数据取得部22、亮度计算部23和雾确定部24。雾确定装置10的各功能结构要素的功能通过软件实现。

在存储器13中存储有实现雾确定装置10的各功能结构要素的功能的程序。该程序由处理器11读入到内存12，由处理器11执行。由此，实现雾确定装置10的各功能结构要素的功能。

此外，存储器13实现基准值存储部31的功能。

在图1中，仅示出一个处理器11。但是，处理器11也可以是多个，多个处理器11可以协作执行实现各功能的程序。

***动作的说明***

参照图2～图5对实施方式1的雾确定装置10的动作进行说明。

实施方式1的雾确定装置10的动作相当于实施方式1的雾确定方法。此外，实施方式1的雾确定装置10的动作相当于实施方式1的雾确定程序的处理。

参照图2对实施方式1的雾确定装置10的整体动作进行说明。

(步骤s11：点数据取得处理)

点数据取得部21经由通信接口14取得表示由光传感器41得到的反射点的点数据的集合，该光传感器41接收放射出的光束由反射点反射后的反射光。点数据取得部21将取得的点数据的集合写入内存12中。在实施方式1中，点数据表示针对从光传感器41放射出的某个光束的反射光的强度最强的反射点。

(步骤s12：图像数据取得处理)

图像数据取得部22取得在步骤s11中取得的集合中包含的点数据所示的反射点周边的图像数据。

参照图3进行具体说明。图像数据取得部22经由通信接口14取得由摄像机42生成的图像数据51。图像数据取得部22将集合中包含的点数据投影到取得的图像数据51。图像数据取得部22切出被投影的反射点周边的一部分图像数据52。图像数据取得部22以在水平方向和垂直方向至少包含基准数以上的像素的方式切出图像数据52。图像数据取得部22将切出的图像数据52写入内存12中。

(步骤s13：亮度计算处理)

亮度计算部23计算在步骤s13中取得的图像数据的亮度的平滑度

参照图4进行具体说明。亮度计算部23从内存12读出图像数据。亮度计算部23将图像数据的水平方向的各行作为对象，计算针对对象行的像素的亮度进行平滑化后进行亮度的二次微分计算而得到的值的绝对值。然后，亮度计算部23计算针对图像数据的水平方向的各行计算出的绝对值的总和作为图像数据的亮度的平滑度。亮度计算部23将计算出的亮度的平滑度写入内存12中。

另外，绝对值的总和越小，则亮度的平滑度越高。即，图像数据的纹理越少。如图4所示，在产生雾的情况下，与未产生雾的情况相比，存在亮度的平滑度变高的倾向。

(步骤s14：雾确定处理)

雾确定部24根据由在步骤s11中取得的集合中包含的点数据确定的从光传感器41到反射点的距离、以及在步骤s13中计算出的亮度的平滑度，确定雾的浓度。

具体而言，雾确定部24参照基准值存储部31中存储的基准值。如图5所示，在实施方式1中，在基准值存储部31中，按照每个距离存储有基准值。雾确定部24对与从光传感器41到反射点的距离对应的基准值和亮度的平滑度进行比较，判定是否产生一定浓度以上的雾。即，雾确定部24在亮度的平滑度的值低于基准值的情况下，换言之，比基准值所示的平滑度平滑的情况下，判定为产生雾。另一方面，雾确定部24在亮度的平滑度的值为基准值以上的情况下，换言之，是基准值所示的平滑度以下的平滑度的情况下，判定为未产生雾。

关于基准值，距离越近，则存储越大的值。即，从光传感器41到反射点的距离越近，即使在亮度的平滑度较低的情况下，也越容易判定为产生雾。这是因为，距离越远，建筑物和车辆这样的立体物的亮度也越平滑。每个距离的基准值通过实验求出即可。

***实施方式1的效果***

如上所述，实施方式1的雾确定装置10根据与反射点之间的距离以及反射点周围的图像数据的亮度的平滑度，确定雾的浓度。由此，能够与有无前照灯的照射无关地确定雾的浓度。即，在白天那样具有某种程度的明亮度的状态下，也能够确定雾的浓度。

***其他结构***

<变形例1>

在实施方式1中，雾确定部24判定是否产生一定浓度以上的雾。但是，雾确定部24也可以确定移动体100周围的状态是多个阶段的雾的浓度中的哪种浓度。

该情况下，如图6所示，在基准值存储部31中，关于各雾的浓度，按照每个距离存储基准值。在图6中，关于视程为15m的雾、视程为30m的雾、视程为50m的雾，存储每个距离的基准值。而且，雾确定部24对与各雾的浓度有关的与从光传感器41到反射点的距离对应的基准值和亮度的平滑度进行比较，确定雾的浓度。

具体而言，在亮度比与视程为15m的雾有关的基准值平滑的情况下，雾确定部24确定为产生视程为15m的雾。此外，在亮度是与视程为15m的雾有关的基准值以下的平滑度且比视程为30m的基准值平滑的情况下，雾确定部24确定为产生视程为30m的雾。此外，在亮度是与视程为30m的雾有关的基准值以下的平滑度且比视程为50m的基准值平滑的情况下，雾确定部24确定为产生视程为50m的雾。此外，在亮度是与视程为50m的雾有关的基准值以下的平滑度的情况下，雾确定部24确定为未产生雾。

雾越浓，则各距离的基准值越低。即，各距离的基准值成为雾越浓则表示越平滑的值。

<变形例2>

在实施方式1中，各功能结构要素通过软件实现。但是，作为变形例2，各功能结构要素也可以通过硬件实现。关于该变形例2，对与实施方式1不同之处进行说明。

参照图7对变形例2的雾确定装置10的结构进行说明。

在各功能结构要素通过硬件实现的情况下，雾确定装置10代替处理器11、内存12和存储器13而具有电子电路15。电子电路15是实现各功能结构要素、内存12和存储器13的功能的专用电路。

作为电子电路15，假设是单一电路、复合电路、程序化的处理器、并行程序化的处理器、逻辑ic、ga(gatearray：门阵列)、asic(applicationspecificintegratedcircuit：面向特定用途的集成电路)、fpga(field-programmablegatearray：现场可编程门阵列)。

可以通过一个电子电路15实现各功能结构要素，也可以使多个电子电路15分散实现各功能结构要素。

<变形例3>

作为变形例3，也可以是一部分的各功能结构要素通过硬件实现，其他各功能结构要素通过软件实现。

将处理器11、内存12、存储器13和电子电路15称作处理电路。即，各功能结构要素的功能通过处理电路实现。

<变形例4>

在实施方式1中，雾确定装置10通过一个ecu这样的计算机实现。但是，雾确定装置10也可以通过多个ecu这样的计算机实现。

实施方式2

实施方式2与实施方式1～3的不同之处在于，根据已确定的雾的浓度来设定用于识别障碍物的传感器的传感器阈值。在实施方式2中，对该不同之处进行说明，省略相同之处的说明。

***结构的说明***

参照图8对实施方式2的雾确定装置10的结构进行说明。

雾确定装置10与实施方式1～3的不同之处在于，具有识别部25和阈值设定部26。

***动作的说明***

参照图9和图10对实施方式2的雾确定装置10的动作进行说明。

实施方式2的雾确定装置10的动作相当于实施方式2的雾确定方法。此外，实施方式2的雾确定装置10的动作相当于实施方式2的雾确定程序的处理。

参照图9对实施方式2的雾确定装置10的整体动作进行说明。

步骤s21是实施方式1中说明的确定雾的浓度的处理。

(步骤s22：阈值设定处理)

阈值设定部26根据在步骤s21中确定的雾的浓度，设定用于识别障碍物的传感器的传感器阈值。

参照图10对具体例进行说明。

在图10中，示出使用摄像机作为传感器来识别车辆的尾灯的情况。

在使用摄像机识别尾灯的情况下，使用在yuv数据的uv平面中线性地识别尾灯和其他部分的边界线作为传感器阈值。因此，阈值设定部26根据雾的浓度设定该边界线。边界线表示为v＝a·u+b。因此，阈值设定部26根据雾的浓度设定a、b的值。

如图10所示，阈值设定部26在未产生雾的情况下，较高地设定作为传感器阈值的边界线，以防止尾灯以外的红发光物被误识别为尾灯。另一方面，阈值设定部26在产生雾的情况下，较低地设定作为传感器阈值的边界线，容易将红发光物识别为尾灯。

另外，在图10中，示出产生雾的情况和未产生雾的情况这2种情况下的传感器阈值的设定例。但是，阈值设定部26也可以针对多个阶段的雾的浓度分别设定传感器阈值。该情况下，雾越浓，则越低地设定作为传感器阈值的边界线。

(步骤s23：识别处理)

识别部25使用在步骤s22中设定的传感器阈值识别障碍物。

如果是图10的例子，则识别部25使用在步骤s22中设定的边界线，根据由摄像机得到的图像数据检测尾灯。

***实施方式2的效果***

如上所述，实施方式2的雾确定装置10根据雾的浓度设定传感器阈值。由此，能够适当地识别障碍物。

实施方式3

实施方式3与实施方式1、2的不同之处在于，根据雾的浓度决定为了识别障碍物而使用的传感器。在实施方式3中，对该不同之处进行说明，省略相同之处的说明。

另外，这里，说明对实施方式1附加功能的例子。但是，还能够对实施方式2附加功能。

***结构的说明***

参照图11对实施方式3的雾确定装置10的结构进行说明。

雾确定装置10与实施方式1的不同之处在于，具有识别部25和传感器决定部27。此外，与实施方式1的不同之处在于，存储器13实现可信度存储部32的功能。

***动作的说明***

参照图12和图13对实施方式3的雾确定装置10的动作进行说明。

实施方式3的雾确定装置10的动作相当于实施方式3的雾确定方法。此外，实施方式3的雾确定装置10的动作相当于实施方式3的雾确定程序的处理。

参照图12对实施方式3的雾确定装置10的整体动作进行说明。

步骤s31是实施方式1中说明的确定雾的浓度的处理。

(步骤s32：传感器决定处理)

传感器决定部27根据在步骤s31中确定的雾的浓度，决定为了识别障碍物而使用的传感器。

具体而言，可信度存储部32按照雾的每个浓度，针对搭载于移动体100的各传感器存储每个距离的可信度。如图13所示，在移动体100搭载有摄像机、毫米波雷达和lidar作为传感器的情况下，可信度存储部32按照雾的每个浓度，存储摄像机、毫米波雷达和lidar的每个距离的可信度。在图13中，示出产生雾时和未产生雾时的每个距离的可信度。各传感器的可信度通过实验求出。

传感器决定部27参照可信度存储部32，决定在步骤s31中确定的雾的浓度的情况下可信度高的传感器，作为为了识别障碍物而使用的传感器。传感器决定部27也可以按照每个距离决定为了识别障碍物而使用的传感器。

例如，传感器决定部27在未产生雾的情况下，决定使用lidar和摄像机，在产生雾的情况下，决定使用毫米波雷达和摄像机。

(步骤s33：识别处理)

识别部25使用在步骤s32中决定的传感器识别障碍物。

***实施方式3的效果***

如上所述，实施方式3的雾确定装置10根据雾的浓度，决定为了识别障碍物而使用的传感器。由此，能够适当地识别障碍物。

***其他结构***

<变形例5>

在实施方式3中，对实施方式1附加了功能。但是，也可以对实施方式2附加功能。

该情况下，如图14所示，雾确定装置10在图11所示的功能结构要素的基础上具有阈值设定部26。而且，如图15所示，在步骤s82中传感器决定部27决定要使用的传感器后，在步骤s83中，阈值设定部26决定与已决定的传感器有关的传感器阈值。

另外，步骤s41、步骤s42和步骤s44的处理与图12的步骤s31、步骤s32和步骤s33的处理相同。此外，步骤s43的处理与图9的步骤s22的处理相同。

以上说明了本发明的实施方式和变形例。也可以组合实施这些实施方式和变形例中的若干个实施方式和变形例。此外，也可以部分地实施任意一个或若干个实施方式和变形例。另外，本发明不限于以上的实施方式和变形例，能够根据需要进行各种变更。

标号说明

10：雾确定装置；11：处理器；12：内存；13：存储器；14：通信接口；15：电子电路；21：点数据取得部；22：图像数据取得部；23：亮度计算部；24：雾确定部；25：识别部；26：阈值设定部；27：传感器决定部；31：基准值存储部；41：光传感器；42：摄像机；100：移动体。