汽车大灯智能切换远近光系统及切换方法与流程

本发明涉及一种汽车智能控制领域，尤其涉及一种汽车大灯智能切换远近光系统及切换方法。

背景技术：

现代的汽车大多配备了自动大灯功能，但是很多的夜间车祸均是因为对面车辆开着远光灯而造成的,因为对面车辆开着远光灯,司机的眼睛会受到对面灯光的照射而看不到前方的路面情况。在超车，自己的远光灯会使得前面车辆后视镜完全反光，前者驾驶员什么也看不见，被超车时，自己的后视镜会被超车车辆的光线照射而完全反光，同样本车驾驶员啥也看不见，这都是很危险的情况，以前的汽车都需要驾驶员自己手动变换远近光，但是有时驾驶员会忘记远光灯和近光灯的转换,有时驾驶员切换远近光会分散其注意力，造成其他安全问题，所以汽车智能切换远近光的装置越来越重要。

已有的一些自动切换远近光设备，无法解决汽车行驶在昏暗地区超车时，被超车时的远近光如何正确有效的切换问题，无法解决超车和被超车时的远近光切换问题。比如公开号为cn109305096a的专利虽然也采用基于多任务的卷积神经网络算法通过判断外界环境，但是没有测距模块，无法有效解决自身车辆超车与被超车的问题，并且其采用的softmax函数在该例中数据损失较大。如公开号为cn108674302a的专利里提供的远近光切换方法，无法解决汽车行驶在昏暗地区超车时，被超车时的远近光如何正确有效的切换问题。公开号为cn103522937a的专利里提供的远近光切换方法，虽然由根据设定阈值来进行判断，能够提高准确性，但是它主要解决了会车的远近光切换问题，仍然无法解决超车和被超车时的远近光切换问题。公开号为cn109229012a的专利里公开了一种一种基于多路况智能识别的汽车远近光灯自动切换方法，由摄像头摄取路况的原始图像，然后依次进行灰度化处理、滤波处理、图像边缘处理、提取图像特征等预处理，最后得到具体路况判断。虽然可以最准确的获得相关信息，但是仍然无法解决超车和被超车时的远近光切换问题。

因此，亟需开发一种新的汽车大灯智能切换远近光系统及切换方法，以解决上述问题。

技术实现要素：

本发明的目的是提供一种汽车大灯智能切换远近光系统及切换方法。

为了解决上述技术问题，本发明提供了一种汽车大灯智能切换远近光系统，其包括：控制模块、与所述控制模块电性相连的光照强度采集模块和远近光切换模块；其中所述光照强度采集模块适于采集当前环境下光照强度数据，并发送至所述控制模块，即当所述光照强度数据处于近光域值内时，所述控制模块适于控制所述远近光切换模块开启近光灯；以及当所述光照强度数据处于远光域值内时，所述控制模块适于控制所述远近光切换模块开启远光灯。

进一步，所述汽车大灯智能切换远近光系统还包括：与所述控制模块电性相连的图像采集辅助模块；所述图像采集辅助模块通过摄像头采集车外图像，并对车外图像进行图像预处理，即所述图像采集辅助模块利用多任务卷积神经网络框架训练出车外环境模块，并计算出环境检测损失函数、环境其他特征点损失函数和总损失函数；所述多任务卷积神经网络框架包括依次连接的第一conv层、第一relu层、第一pool层、第二conv层、第二relu层、第二pool层、第三conv层、第三relu层、第三pool层、第四conv层、第四relu层、第四pool层、第一全连接层；所述第一全连接层拥有256个神经元，其分出环境检测网络分支、环境其他特征点检测网络分支，所述环境检测网络分支依次包括拥有128个神经元的第二全连接层和拥有2个神经元的第三全连接层，所述环境其他特征点检测网络分支包括拥有256个神经元的第四全连接层、拥有196个神经元的第五全连接层和拥有2个神经元的第六全连接层。

进一步，所述汽车大灯智能切换远近光系统包括：测距模块；所述测距模块适于检测车辆与车辆四周物体之间的距离数据，并发送至控制模块；当所述控制模块根据该距离数据判断为物体靠近时，以控制所述远近光切换模块切换为近光灯。

进一步，所述测距模块包括：分别设置在车辆前、后、左、右侧的超声波距离探测传感器；各超声波距离探测传感器与所述控制模块电性相连；所述控制模块适于通过各超声波距离探测传感器获取车辆四周物体与车辆之间的距离数据。

进一步，所述汽车大灯智能切换远近光系统还包括：与所述控制模块电性相连的仪表ecu单元、油门踏板单元；所述仪表ecu单元适于发送超车信号至控制模块；所述油门踏板单元适于发送加速信号至控制模块；所述控制模块适于根据超车信号、加速信号和距离数据判断车辆为超车状态时，控制模块适于控制所述远近光切换模块切换为近光灯。

另一方面，本发明提供一种汽车大灯智能切换远近光方法，其包括：采集当前环境下光照强度数据后，根据光照强度数据切换相应灯光；检测车辆与车辆四周物体之间的距离数据，并根据该距离数据判断存在物体靠近时，切换为近光灯，并在判断物体远离后，切换为原灯光；以及获取车辆的超车信号和/或加速信号，并配合距离数据判断车辆为超车状态时，切换为近光灯，并在判断物体远离后，切换为原灯光。

进一步，所述采集当前环境下光照强度数据后，根据光照强度数据切换相应灯光的方法包括：若采集到的光照强度数据处于近光域值内时，开启近光灯；若采集到的光照强度数据处于远光域值内时，开启远光灯。

进一步，当采集到的光照强度数据处于近光域值内时，根据距离数据判断存在物体靠近时，保持近光灯；当采集到的光照强度数据处于远光域值内时，根据距离数据判断存在物体靠近时，切换为近光灯，并在判断物体远离后切换为远光灯。

进一步，当采集到的光照强度数据处于近光域值内时，判断车辆为超车状态时，保持近光灯；当采集到的光照强度数据处于远光域值内时，判断车辆为超车状态时，切换为近光灯，并在判断物体远离后切换为远光灯。

进一步，汽车大灯智能切换远近光方法包括如上述的汽车大灯智能切换远近光系统。

本发明的有益效果是，本发明通过采集当前环境下光照强度数据，并根据光照强度数据进行判断切换相应灯光，并在会车、超车、被超车、遇到行人及障碍物时，提前并准确的切换远近光，并在完成会车、超车、被超车、越过行人及障碍物等过程以后将灯光切换回应有的状态(远光或者近光)，解决了在昏暗地区(夜间照明不良的路面)行驶的汽车智能切换远近光问题，提高了行车安全性；并通过图像采集辅助模块，该模块采用基于多任务的卷积神经网络算法，用以识别车外环境。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的汽车大灯智能切换远近光系统的原理框图；

图2是本发明的汽车大灯智能切换远近光方法的流程图；

图3是本发明的多任务卷积神经网络框架图；

图4是本发明的第一全连接层的分支图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

实施例1

图1是本发明的汽车大灯智能切换远近光系统的原理框图。

在本实施例中，如图1所示，本实施例提供了一种汽车大灯智能切换远近光系统，其包括：控制模块、与所述控制模块电性相连的光照强度采集模块和远近光切换模块；其中所述光照强度采集模块适于采集当前环境下光照强度数据，并发送至所述控制模块，即当所述光照强度数据处于近光域值内时，所述控制模块适于控制所述远近光切换模块开启近光灯；以及当所述光照强度数据处于远光域值内时，所述控制模块适于控制所述远近光切换模块开启远光灯。

在本实施例中，控制模块可以采用但不限于是施耐德plctm218lda40dr4phn控制器。

在本实施例中，光照强度采集模块可以采用但不限于是光敏电阻、光照强度传感器。

在本实施例中，作为一种实施方式，远近光切换模块包括：远、近光灯和控制远、近光灯的继电器控制电路；即控制模块通过控制与远光灯相连的第一继电器、与近光灯相连的第二继电器，以完成对远、近光灯的切换。

在本实施例中，本实施例通过采集当前环境下光照强度数据，并根据光照强度数据进行判断切换相应灯光，并在会车、超车、被超车、遇到行人及障碍物时，提前并准确的切换远近光，并在完成会车、超车、被超车、越过行人及障碍物等过程以后将灯光切换回应有的状态(远光或者近光)，解决了在昏暗地区(夜间照明不良的路面)行驶的汽车智能切换远近光问题，提高了行车安全性；并通过图像采集辅助模块，该模块采用基于多任务的卷积神经网络算法，用以识别车外环境。

图3是本发明的多任务卷积神经网络框架图；

为了通过图像采集辅助模块，如图3所示，并基于多任务的卷积神经网络算法对车外环境进行识别，所述汽车大灯智能切换远近光系统还包括：与所述控制模块电性相连的图像采集辅助模块；所述图像采集辅助模块通过摄像头采集车外图像，并对车外图像进行图像预处理，即所述图像采集辅助模块利用多任务卷积神经网络框架训练出车外环境模块，并计算出环境检测损失函数、环境其他特征点损失函数和总损失函数；所述多任务卷积神经网络框架包括依次连接的第一conv层、第一relu层、第一pool层、第二conv层、第二relu层、第二pool层、第三conv层、第三relu层、第三pool层、第四conv层、第四relu层、第四pool层、第一全连接层；所述第一全连接层拥有256个神经元，其分出环境检测网络分支、环境其他特征点检测网络分支，所述环境检测网络分支依次包括拥有128个神经元的第二全连接层和拥有2个神经元的第三全连接层，所述环境其他特征点检测网络分支包括拥有256个神经元的第四全连接层、拥有196个神经元的第五全连接层和拥有2个神经元的第六全连接层。

在本实施例中，所述第一conv层的卷积核大小为3x3，卷积层数为32；所述第一pool层的大小为2x2；所述第二conv层的卷积核大小为3x3，卷积层数为32；所述第二pool层的大小为2x2；第三conv层的卷积核大小为3x3，卷积层数为24；所述第三pool层的大小为2x2；所述第四conv层的卷积核大小为3x3，卷积层数为24；所述第四pool层的大小为2x2。

图4是本发明的第一全连接层的分支图。

请参阅图4，所述环境检测网络分支经过所述第二全连接层和第三全连接层最后送入到支持向量机svm铰链损失函数，结果只包含(1、行人及动物2、车辆3、障碍物4、其他)其环境检测损失函数计算公式如下：

所述环境其他特征点检测网络分支经过所述第四全连接层、第五全连接层和第六全连接层最后送入到修改型svm函数，结果只包含(1、行人及动物2、车辆3、障碍物4、其他)其环境其他特征点损失函数计算公式如下：

总损失函数：结果只包含(1、行人及动物2、车辆3、障碍物4、其他)，计算公式如下：

l＝∑(i＝1，2)αili

αi代表不同任务的权重值，所有任务(行人及动物、车辆、障碍物、其他)识别的权重值之和等于1；任务越重要αi值越大。

在本实施例中，通过对摄像头采集的图像进行处理，可以剔除在遇到非生物时且处于远光域值内开启远光灯。

为了能够在车辆行驶过程判断是否有物体靠近车辆以进行及时切换远近光，所述汽车大灯智能切换远近光系统包括：测距模块；所述测距模块适于检测车辆与车辆四周物体之间的距离数据，并发送至控制模块；当所述控制模块根据该距离数据判断为物体靠近时，以控制所述远近光切换模块切换为近光灯。

具体的，所述测距模块包括：分别设置在车辆前、后、左、右侧的超声波距离探测传感器；各超声波距离探测传感器与所述控制模块电性相连；所述控制模块适于通过各超声波距离探测传感器获取车辆四周物体与车辆之间的距离数据。

为了能够车辆在进行超车时提前进行切换为近光灯以免影响周围车辆正常行驶，所述汽车大灯智能切换远近光系统还包括：与所述控制模块电性相连的仪表ecu单元、油门踏板单元；所述仪表ecu单元适于发送超车信号至控制模块；所述油门踏板单元适于发送加速信号至控制模块；所述控制模块适于根据超车信号、加速信号和距离数据判断车辆为超车状态时，控制模块适于控制所述远近光切换模块切换为近光灯。

在本实施例中，作为一种实施方式，通过车辆前、后、左、右侧的超声波距离探测传感器对车辆四周物体与车辆之间的距离数据进行对车辆行驶状态进行判断；在本实施例中，对于车辆前、后、左、右侧的距离数据均设置有靠近阈值，根据车辆相应侧距离数据低于靠近阈值时，以对车辆行驶状态进行判断；车辆行驶状态包括：会车、超车、被超车、越过行人及障碍物。

在本实施例中，若车辆行驶在光照强度数据为近光域值内时，则车辆保持打开近光灯；若车辆行驶在光照强度数据为远光域值内时，在发生会车、超车、被超车、越过行人及障碍物时，车辆切换为近光灯。

实施例2

图2是本发明的汽车大灯智能切换远近光方法的流程图。

在上述实施例的基础上，如图2所示，本实施例提供一种汽车大灯智能切换远近光方法，其包括：采集当前环境下光照强度数据后，根据光照强度数据切换相应灯光；检测车辆与车辆四周物体之间的距离数据，并根据该距离数据判断存在物体靠近时，切换为近光灯，并在判断物体远离后，切换为原灯光；以及获取车辆的超车信号和/或加速信号，并配合距离数据判断车辆为超车状态时，切换为近光灯，并在判断物体远离后，切换为原灯光。

具体的，所述采集当前环境下光照强度数据后，根据光照强度数据切换相应灯光的方法包括：若采集到的光照强度数据处于近光域值内时，开启近光灯；若采集到的光照强度数据处于远光域值内时，开启远光灯。

具体的，当采集到的光照强度数据处于近光域值内时，根据距离数据判断存在物体靠近时，保持近光灯；当采集到的光照强度数据处于远光域值内时，根据距离数据判断存在物体靠近时，切换为近光灯，并在判断物体远离后切换为远光灯。

具体的，当采集到的光照强度数据处于近光域值内时，判断车辆为超车状态时，保持近光灯；当采集到的光照强度数据处于远光域值内时，判断车辆为超车状态时，切换为近光灯，并在判断物体远离后切换为远光灯。

具体的，汽车大灯智能切换远近光方法包括如实施例1所提供的汽车大灯智能切换远近光系统。

在本实施例中，汽车大灯智能切换远近光系统已在上述实施例中阐述清楚。

综上所述，本发明通过采集当前环境下光照强度数据，并根据光照强度数据进行判断切换相应灯光，并在会车、超车、被超车、遇到行人及障碍物时，提前并准确的切换远近光，并在完成会车、超车、被超车、越过行人及障碍物等过程以后将灯光切换回应有的状态(远光或者近光)，解决了在昏暗地区(夜间照明不良的路面)行驶的汽车智能切换远近光问题，提高了行车安全性；并通过图像采集辅助模块，该模块采用基于多任务的卷积神经网络算法，用以识别车外环境。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。