自动激活车辆的挡风玻璃刮水器的系统和方法与流程

1.本公开涉及挡风玻璃刮水器传感器，并且更具体地涉及自动激活车辆的挡风玻璃刮水器的系统和方法。


背景技术：

2.目前，雨传感器给安装它的车辆增加了不期望的成本。此外，许多具有雨传感器的车辆仅具有用于前挡风玻璃的传感器，并且仅被配置用于雨检测。许多这样的传感器具有低分辨率和低可靠性。此外，许多当前的具有雨传感器的车辆包括具有不一致速度的挡风玻璃刮水器。


技术实现要素：

3.因此，尽管当前的挡风玻璃刮水器系统实现了它们的预期目的，但是需要一种用于自动激活车辆的挡风玻璃刮水器系统的新的且改进的系统和方法。
4.根据本公开的一个方面，提供了一种自动激活车辆的挡风玻璃刮水器系统的方法，所述车辆具有带有前刮水器的前挡风玻璃和带有后刮水器的后挡风玻璃。该方法包括：提供用于状况评估的原始信息；以及基于该原始信息利用状况评估模块来评估道路状况的至少一个挡风玻璃分类。在该方面，该方法还包括：捕获前挡风玻璃的前图像、后挡风玻璃的后图像以及环境的环境图像。该方法然后包括：利用定义第一挡风玻璃类别的条件挡风玻璃感知模块将前图像、后图像和环境图像分类到至少一个挡风玻璃分类。该方法还包括：利用条件挡风玻璃感知模块确定第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义检测源的第一组合。
5.在本公开的这个方面，该方法包括：利用加权投票模块融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一前概率。该方法然后包括：当第一前概率大于前阈值以及第一前概率在至少一个分类的量值上最大这两种情况中的一者发生时，激活前刮水器。
6.在一个示例中，所述原始信息包括车辆内部温度、车辆外部温度、本地天气信息、地理气候、用于状况评估的所述车辆的全球定位系统(gps)信息。在另一示例中，所述至少一个挡风玻璃分类是能够启动所述车辆的前刮水器和后刮水器中的一个的激活的道路状况。
7.在该方面的另一示例中，所述加权投票模块包括第一方程，如下：。
8.p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
9.在又一示例中，该方法还包括：利用条件挡风玻璃感知模块估计第一挡风玻璃类别的第一前强度。此外，该方法包括：确定第一挡风玻璃类别的第一前强度。第一前强度基
于前挡风玻璃的区域内的降落速率。此外，该方法包括：当前刮水器被激活时基于第一前强度调节前刮水器的速度。
10.在又一示例中，确定第一前强度的步骤包括应用线性拟合方程，如下：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是每面积的降落数量，k1和k2是校准系数。
11.在一个示例中，该方法还包括：利用加权投票模块融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一后概率。然后，该方法包括：当所述第一后概率大于后阈值以及所述第一后概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述后刮水器。
12.在另一示例中，加权投票模块包括第二方程，如下：。
13.p(x)_rear_fusion是第一挡风玻璃类别(x)的第一后概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
14.在另一示例中，该方法还包括：利用条件挡风玻璃感知模块估计第一挡风玻璃类别的第一后强度；以及确定第一挡风玻璃类别的第一后强度。第一后强度基于后挡风玻璃的区域内的降落速率。该方法还包括：当激活后刮水器时基于第一后强度调节后刮水器的速度。
15.在一个示例中，确定第一后强度的步骤包括应用线性拟合方程，如下：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是后挡风玻璃的每面积的降落数量，k1和k2是校准系数。
16.根据本公开的另一方面，提供了一种自动激活车辆的挡风玻璃刮水器的系统，所述车辆包括具有前刮水器的前挡风玻璃和具有后刮水器的后挡风玻璃。在该方面，该系统包括远离车辆布置的云服务器。云服务器被布置成提供用于状况评估的原始信息。该系统还包括至少一个传感器，其设置在车辆上并且被布置成捕获前挡风玻璃的前图像、后挡风玻璃的后图像以及环境的环境图像。此外，该系统包括设置在车辆中的电子控制单元(ecu)。ecu与云服务器和至少一个传感器通信。
17.在该方面，ecu包括状况评估模块，其被布置为基于原始信息评估道路状况的至少一个挡风玻璃分类。
18.ecu还包括条件挡风玻璃感知模块，其被布置为将前图像、后图像和环境图像分类为定义第一挡风玻璃类别的至少一个挡风玻璃分类。此外，条件挡风玻璃感知模块被布置成确定定义检测源的第一组合的第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知。
19.在该方面，ecu还包括加权投票模块，其被布置为融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，从而定义第一挡风玻璃类别的第一前概率。
20.此外，ecu包括激活模块，其被布置成当所述第一前概率大于前阈值以及所述第一前概率在所述至少一个挡风玻璃分类的量值上最大这两种情况中的一者发生时激活所述
前刮水器。
21.在一个实施例中，所述原始信息包括车辆内部温度、车辆外部温度、本地天气信息、地理气候、用于状况评估的所述车辆的全球定位系统(gps)信息。
22.在另一个实施例中，加权投票模块包括第一方程，如下：其中，p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
23.在又一实施例中，条件挡风玻璃感知模块被布置成估计第一挡风玻璃类别的第一前强度。此外，ecu被布置为确定第一挡风玻璃类别的第一前强度。第一前强度基于前挡风玻璃的区域内的降落速率。此外，ecu被布置为当前刮水器被激活时基于第一前强度调节前刮水器的速度。
24.在又一实施例中，所述ecu被布置成通过应用如下的线性拟合方程来确定所述第一前强度：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是每面积的降落数量，k1和k2是校准系数。
25.在另一实施例中，加权投票模块被布置为融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一后概率。此外，激活模块被布置为当所述第一后概率大于后阈值以及所述第一后概率在所述至少一个分类的量值上最大这两种情况中的一者发生时激活后刮水器。
26.在又一个实施例中，加权投票模块包括第二方程，如下：其中，p(x)_rear_fusion是第一挡风玻璃类别(x)的第一后概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
27.在又一实施例中，条件挡风玻璃感知模块被布置成估计第一挡风玻璃类别的第一后强度。此外，ecu被布置为确定第一挡风玻璃类别的第一后强度，第一后强度基于后挡风玻璃的区域内的降落速率。另外，ecu被布置为当后刮水器被激活时基于第一后强度调节后刮水器的速度。
28.在另一个实施例中，所述ecu被布置成通过应用如下的线性拟合方程来确定所述第一后强度：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是后挡风玻璃的每面积的降落数量，k1和k2是校准系数。
29.根据本公开的另一方面，提供了一种自动激活车辆的挡风玻璃刮水器系统的方法，所述车辆具有带有前刮水器的前挡风玻璃和带有后刮水器的后挡风玻璃。该方法包括：提供用于状况评估的原始信息；以及基于该原始信息利用状况评估模块来评估道路状况的
至少一个挡风玻璃类别。该方法还包括：捕获前挡风玻璃的前图像、后挡风玻璃的后图像以及环境的环境图像。此外，该方法还包括：利用定义第一挡风玻璃类别的条件挡风玻璃感知模块将前图像、后图像和环境图像分类到至少一个挡风玻璃分类。
30.在该方面，该方法还包括：利用条件挡风玻璃感知模块确定第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义检测源的第一组合。该方法还包括：关于前挡风玻璃感知、后挡风玻璃感知和环境感知，利用加权投票模块融合检测源的第一组合，从而定义第一挡风玻璃类别的第一前概率。
31.在该方面，加权投票模块包括第一方程，如下：其中，p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
32.该方法还包括：利用加权投票模块融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一后概率。所述加权投票模块包括第二方程，如下：其中，p(x)_rear_fusion是第一挡风玻璃类别(x)的第一后概率。
33.另外，该方法还包括：当所述第一前概率大于前阈值以及所述第一前概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述前刮水器。此外，该方法还包括：当所述第一后概率大于后阈值以及所述第一后概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述后刮水器。
34.本发明还可包括下列方案。
35.1. 一种自动激活车辆的挡风玻璃刮水器系统的方法，所述车辆具有带有前刮水器的前挡风玻璃和带有后刮水器的后挡风玻璃，所述方法包括：提供用于状况评估的原始信息；基于所述原始信息利用状况评估模块来评估道路状况的至少一个挡风玻璃分类；捕获所述前挡风玻璃的前图像、所述后挡风玻璃的后图像和所述环境的环境图像；利用定义第一挡风玻璃类别的条件挡风玻璃感知模块将所述前图像、所述后图像和所述环境图像分类到所述至少一个挡风玻璃分类；利用条件挡风玻璃感知模块确定第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义检测源的第一组合；利用加权投票模块融合所述检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义所述第一挡风玻璃类别的第一前概率；以及当所述第一前概率大于前阈值以及所述第一前概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述前刮水器。
36.2. 根据方案1所述的方法，其中，所述原始信息包括车辆内部温度、车辆外部温度、本地天气信息、地理气候、用于状况评估的所述车辆的全球定位系统(gps)信息。
37.3. 根据方案1所述的方法，其中，所述至少一个挡风玻璃分类是能够启动所述车辆的前刮水器和后刮水器中的一个的激活的道路状况。
38.4. 根据方案1所述的方法，其中，所述加权投票模块包括第一方程，如下：其中，p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
39.5. 根据方案1所述的方法，还包括：利用条件挡风玻璃感知模块估计第一挡风玻璃类别的第一前强度；确定所述第一挡风玻璃类别的所述第一前强度，所述第一前强度基于所述前挡风玻璃的区域内的降落速率；以及当前刮水器被激活时基于第一前强度调节前刮水器的速度。
40.6. 根据方案5所述的方法，其中，确定所述第一前强度包括应用线性拟合方程，如下：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是每面积的降落数量，k1和k2是校准系数。
41.7. 根据方案1所述的方法，还包括：利用加权投票模块融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一后概率；以及当所述第一后概率大于后阈值以及所述第一后概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述后刮水器。
42.8. 根据方案7所述的方法，其中，所述加权投票模块包括第二方程，如下：其中，p(x)_rear_fusion是第一挡风玻璃类别(x)的第一后概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
43.9. 根据方案7所述的方法，还包括：利用条件挡风玻璃感知模块估计第一挡风玻璃类别的第一后强度；确定所述第一挡风玻璃类别的所述第一后强度，所述第一后强度基于所述后挡风玻璃的区域内的降落速率；以及当所述后刮水器被激活时基于所述第一后强度调节所述后刮水器的速度。
44.10. 根据方案9所述的方法，其中，确定所述第一后强度包括应用线性拟合方程，如下：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是后挡风玻璃的每面积的降落数量，k1和k2是校准系数。
45.11. 一种自动激活车辆的挡风玻璃刮水器的系统，所述车辆包括具有前刮水器的
前挡风玻璃和具有后刮水器的后挡风玻璃，所述系统包括：远离所述车辆设置的云服务器，所述云服务器被布置成提供用于状况评估的原始信息；至少一个传感器，其设置在所述车辆上并且被布置成捕获所述前挡风玻璃的前图像、所述后挡风玻璃的后图像以及环境的环境图像；以及电子控制单元(ecu)，其被布置在所述车辆中，所述ecu与所述云服务器和所述至少一个传感器通信，所述ecu包括：状况评估模块，其被布置为基于原始信息评估道路状况的至少一个挡风玻璃分类；条件挡风玻璃感知模块，其被布置成将所述前图像、所述后图像和所述环境图像分类到定义第一挡风玻璃类别的所述至少一个挡风玻璃分类，所述条件挡风玻璃感知模块被布置成确定所述第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义检测源的第一组合；加权投票模块，其被布置为融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，从而定义第一挡风玻璃类别的第一前概率；以及激活模块，其被布置成当所述第一前概率大于前阈值以及所述第一前概率在所述至少一个挡风玻璃分类的量值上最大这两种情况中的一者发生时激活所述前刮水器。
46.12. 根据方案11所述的系统，其中，所述原始信息包括车辆内部温度、车辆外部温度、本地天气信息、地理气候、用于状况评估的所述车辆的全球定位系统(gps)信息。
47.13. 根据方案11所述的系统，其中，所述加权投票模块包括第一方程，如下：其中，p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
48.14. 根据方案11所述的系统，其中，所述条件挡风玻璃感知模块被布置成估计所述第一挡风玻璃类别的第一前强度，其中，所述ecu被布置成确定所述第一挡风玻璃类别的所述第一前强度，所述第一前强度基于所述前挡风玻璃的区域内的降落速率，并且其中，所述ecu被布置成当所述前刮水器被激活时基于所述第一前强度来调节所述前刮水器的速度。
49.15. 根据方案14所述的系统，其中，所述ecu被布置成通过应用如下的线性拟合方程来确定所述第一前强度：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是每面积的降落数量，k1和k2是校准系数。
50.16. 根据方案11所述的系统，其中，所述加权投票模块被布置为融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一后概率，并且其中，所述加权投票模块被布置为，当所述第一后概率大于后阈值以及所述第一后概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述后刮水器。
51.17. 根据方案16所述的系统，其中，所述加权投票模块包括第二方程，如下：其中，p(x)_rear_fusion是第一挡风玻璃类别(x)的第一后概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
52.18. 根据方案16所述的系统，其中，所述条件挡风玻璃感知模块被布置成估计所述第一挡风玻璃类别的第一后强度，其中，所述ecu被布置成确定所述第一挡风玻璃类别的所述第一后强度，所述第一后强度基于所述后挡风玻璃的区域内的降落速率，并且其中，所述ecu被布置成当所述后刮水器被激活时基于所述第一后强度来调节所述后刮水器的速度。
53.19. 根据方案18所述的系统，其中，所述ecu被布置成通过应用如下的线性拟合方程来确定所述第一后强度：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是后挡风玻璃的每面积的降落数量，k1和k2是校准系数。
54.20. 一种自动激活车辆的挡风玻璃刮水器系统的方法，所述车辆包括具有前刮水器的前挡风玻璃和具有后刮水器的后挡风玻璃，所述方法包括：提供用于状况评估的原始信息；基于所述原始信息，利用状况评估模块来评估道路状况的至少一个挡风玻璃分类；捕获所述前挡风玻璃的前图像、所述后挡风玻璃的后图像和所述环境的环境图像；利用定义第一挡风玻璃类别的条件挡风玻璃感知模块将所述前图像、所述后图像和所述环境图像分类到所述至少一个挡风玻璃分类；利用条件挡风玻璃感知模块确定第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义检测源的第一组合；利用加权投票模块融合所述检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义所述第一挡风玻璃类的第一前概率，所述加权投票模块包括第一方程，如下：其中，p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重；利用所述加权投票模块融合所述检测源的第一组合的所述前挡风玻璃感知、所述后挡风玻璃感知和所述环境感知，以定义所述第一挡风玻璃类的第一后概率，所述加权投票模块包括第二方程，如下：其中，p(x)_rear_fusion是第一挡风玻璃类别(x)的第一后概率；
当所述第一前概率大于前阈值以及所述第一前概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述前刮水器；以及当所述第一后概率大于后阈值以及所述第一后概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述后刮水器。
55.进一步的应用领域从本文提供的描述将变得显而易见。应当理解，描述和具体示例旨在仅用于说明的目的，而不旨在限制本公开的范围。
附图说明
56.本文描述的附图仅用于说明目的，而不旨在以任何方式限制本公开的范围。
57.图1是根据本公开的一个实施例的用于自动激活车辆的挡风玻璃刮水器的系统的示意图，该车辆包括具有前刮水器的前挡风玻璃和具有后刮水器的后挡风玻璃。
58.图2是自动激活图1中的系统的挡风玻璃刮水器的总体方法的流程图。
59.图3是根据本公开的一个示例的自动激活图1的系统的挡风玻璃刮水器的方法的流程图。
60.图4是根据本公开的另一示例的自动激活图1的系统的挡风玻璃刮水器的方法的流程图。
具体实施方式
61.以下描述本质上仅是示例性的，并且不旨在限制本公开、应用或使用。
62.本公开的实施例和示例提供了用于自动激活车辆的挡风玻璃刮水器的系统和方法。实施例和示例是更有效、更准确和更成本有效的系统和方法。这些实施例和示例的实施通常在大多数现有车辆上不需要新硬件，并且在新车辆上不需要任何附加硬件。
63.图1示出了根据本公开的一个实施例的用于自动激活车辆12的挡风玻璃刮水器的系统10，该车辆包括具有前刮水器16的前挡风玻璃14和具有后刮水器20的后挡风玻璃18。如图所示，系统10包括远离车辆12设置的云服务器22。云服务器22被布置成提供用于状况评估的原始信息24(图2)和经处理的信息25。在一个实施例中，原始信息24包括车辆内部和车辆外部温度26、本地天气信息28、地理气候30、用于状况评估的车辆的全球定位系统(gps)信息32。经处理的信息25包括车辆到车辆(v2v)和/或车辆到基础设施(v2x)信息42和经检测的道路状况信息44，用于系统仲裁和决策制定，如下所述。在不脱离本公开的精神或范围的情况下，可以包括其他可用信息。
64.系统10还包括至少一个传感器，这里是前传感器34和后传感器36，所述传感器设置在车辆12中并且被布置成捕获前挡风玻璃14的前图像、后挡风玻璃18的后图像和环境的环境图像。此外，系统10包括设置在车辆上的用于检测外部和内部温度的温度传感器38。如图1所示，前传感器34优选地设置成与车辆12的前挡风玻璃14相邻，用于前挡风玻璃检测和道路检测。此外，后传感器36优选地与车辆12的后挡风玻璃18相邻，以用于后挡风玻璃检测和道路检测。在不脱离本公开的精神或范围的情况下，前传感器34和后传感器36中的每个可以是具有被布置为捕获静止和/或运动图像的摄像机的任何合适的传感器。
65.此外，系统10包括设置在车辆12中的电子控制单元(ecu)40。如图所示，ecu 40与云服务器22以及前传感器34和后传感器36通信。如下面更详细地讨论的，ecu 40向每个传
感器和云服务器22发送信号和从其接收信号。应当理解，ecu 40包括模块和算法以帮助控制所述系统。
66.在该实施例中，ecu 40包括状况评估模块，其被设置为基于原始信息24评估道路状况的至少一个挡风玻璃分类。如下面将更详细描述的，状况评估模块预先评估挡风玻璃状况并确定要检测何种类型的状况。例如，一些类型的状况可包括湿、干、雨、雪、雨夹雪、冰、冰雹或任何其他合适的状况，而不脱离本公开的精神或范围。此外，基于可用的原始信息24(例如，车辆内部和车辆外部温度26、本地天气信息28、地理气候30、gps信息)，可能状况的列表可能被缩小。因此，基于地理气候30和车辆的本地天气，状况评估模块可以确定用于缩小要评估、检测或分类的可能状况的列表的一组规则(例如，“如果
……
那么
……”
规则)。结果，可以隔离一些挡风玻璃状况，从而节省计算并提高精度。
67.作为示例，如果外部温度大于温度t1，则仅评估雨和非雨状况的可能性，因此将不会检测到雨夹雪、冰和雪状况。如果外部温度在温度t1和t2之间，则仅评估雨夹雪和雨状况的可能性，并且将不会检测到冰/雪状况。如果外部温度低于温度t1，则评估和检测所有可能的状况。应当理解，在不脱离本公开的精神或范围的情况下，可以针对诸如地理气候30的任何其他可用原始信息24设置任何其他规则。通过隔离挡风玻璃状况或缩小可能状况的列表，减少了计算工作量，从而导致增强的系统效率和精度。
68.在该实施例中，ecu 40还包括条件挡风玻璃感知(cwp)模块，其被布置为将前图像、后图像和环境图像分类为定义第一挡风玻璃类别(例如，雨)的至少一个挡风玻璃分类。此外，cwp模块被布置为确定定义检测源的第一组合的第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知。
69.条件挡风玻璃感知(cwp)模块优选地包括两个功能，即，基于摄像机的前挡风玻璃感知功能和基于摄像机的后挡风玻璃感知功能。在该示例中，cwp模块生成三个结果：第一，前挡风玻璃感知；以及第二，后挡风玻璃感知，它们是检测源的第一组合中的两个元素。cwp模块可能产生的第三结果是基于原始信息24的环境感知，如下面描述的。每个功能包括挡风玻璃感知算法，该算法学习被定义的挡风玻璃状况的图案，并实时识别挡风玻璃状况以及置信水平(概率)。挡风玻璃感知算法通常基于机器学习(ml)。因此，cwp模块优选地包括ml模型，以帮助分类和确定定义检测源的第一组合的第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知。
70.优选地，ml模型被布置成首先通过训练大组标记图像(例如，透亮挡风玻璃图像、雨挡风玻璃图像、灰尘挡风玻璃图像、雪覆盖挡风玻璃图像)来学习每个被定义的挡风玻璃状况的图案。一旦完成训练过程，ml模型就学习所述图案，并且当新的挡风玻璃摄像机图像被捕获并被馈送到ml模型中时，ml模型可以被用于识别挡风玻璃状况。ml模型将挡风玻璃状况分类为被定义的分类(例如，晴朗、灰尘、雨、雪)中的一者。
71.在一个示例中，挡风玻璃感知算法包括常规图像分析和ml组合方法。在该示例中，使用常规图像分析技术来提取可以表示挡风玻璃状况的图案的突出图像特征，并且使用ml方法(例如，支持向量机(svm))来对挡风玻璃状况进行分类。
72.在另一个示例中，挡风玻璃感知算法包括基于卷积神经网络(cnn)的方法。cnn用于使机器自动提取突出图像特征并对挡风玻璃状况进行分类。应当理解，在不脱离本公开的精神或范围的情况下，可以使用其他方法来对挡风玻璃状况进行分类。
73.在该实施例中，检测源的第一组合包括第一挡风玻璃类别的环境感知(如上所述)。优选地，环境感知由挡风玻璃感知算法基于原始信息24确定，从而定义cwp模块产生的第三功能/结果。
74.此外，cwp模块被布置成估计第一挡风玻璃类别的第一前强度。此外，cwp模块被布置成估计第一挡风玻璃类别的第一后强度。第一前强度和第一后强度中的每个可以由算法模型基于挡风玻璃的区域内的降落速率确定。
75.此外，ecu 40还包括加权投票模块，其被布置为融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知。前挡风玻璃感知、后挡风玻璃感知和环境感知的融合定义第一挡风玻璃类别的第一前概率。
76.在融合以定义第一前概率的一个示例中，加权投票模块包括第一方程如下：，其中，p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。w1、w2和w3的量值被校准，并可基于由cwp模块产生的环境感知而变化。
77.例如，第一挡风玻璃类别(雨)包括0.92的前挡风玻璃感知、0.9的后挡风玻璃感知和0.91的环境感知，以及如果p(x)_road＞85%，则w1= 1，w2 = 0，w3 =0(由此强调前挡风玻璃感知)；如果，则w1= 0.9，w2 = 0.05，w3 =0.05(从而按比例缩小前挡风玻璃感知的置信度或概率)；以及如果p(x)_road＜60%，则w1= 0.8，w2 = 0，w3 =0.2(从而进一步按比例缩小前挡风玻璃感知的置信度)。
78.然后，当p(x)_road＞85%时，第一前概率可以计算如下：此外，加权投票模块被布置为融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知。前挡风玻璃感知、后挡风玻璃感知和环境感知的融合定义第一挡风玻璃类别的第一后概率。
79.在融合以定义第一后概率的一个示例中，加权投票模块包括第二方程如下：，其中，p(x)_rear_fusion是第一挡风玻璃类别(x)的第一后概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。如上所述，w1、w2和w3的量值被校准，并且可基于由cwp模块产生的或来自经处理的信息25的环境感知而变化。如还示出的，第一后概率可以与第一前概率被示出为要被计算的方式相同的方式来计算。
80.经处理的信息25包括v2v和/或v2x信息42以及道路状况信息44。应当理解，v2v信息包括如本领域已知的在车辆之间接收和发送的环境信息。此外，可以理解，v2x信息包括本领域已知的在基础设施和车辆之间接收和发送的环境信息。此外，应理解，道路状况信息
44包括来自基于网络的源(例如，因特网)的道路状况信息。
81.此外，ecu 40布置成确定第一挡风玻璃类别的第一前强度和第一后强度。第一前强度基于前挡风玻璃14的区域内的降落速率。此外，第一后强度基于后挡风玻璃18的区域内的降落速率。在一个示例中，ecu 40被布置为通过应用如下的线性拟合方程来确定第一前强度和第一后强度中的每个：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是挡风玻璃的每面积的降落数量，k1和k2是校准系数。
82.另外，ecu 40包括激活模块，其被布置成当第一前概率大于前阈值时激活前刮水器16、16。替代地，激活模块被布置成当第一前概率在至少一个挡风玻璃类别的量值上最大时激活前刮水器16、16。此外，激活模块被布置为当第一后概率大于后阈值时激活后刮水器20。替代地，激活模块被布置成当第一后概率在至少一个类别的量值上最大时激活后刮水器20。
83.此外，ecu 40被布置成当前刮水器16、16被激活时基于第一前强度来调节前刮水器16、16的速度。另外，ecu 40被布置为当后刮水器20被激活时基于第一后强度调节后刮水器20的速度。可以基于相应强度通过任何合适的方式(例如基于规则的算法)来调节前刮水器16、16和后刮水器20的速度，而不脱离本公开的范围或精神。
84.图2示出了根据本公开的一个示例的自动激活图1中的系统10的挡风玻璃刮水器的总体方法110的流程图。如图所示，方法110包括：提供现有信息(车辆内部和外部温度26、本地天气信息28、地理气候30、用于状况评估的车辆的全球定位系统(gps)信息32)的步骤112；状况评估的步骤114；条件挡风玻璃感知(cwp)的步骤116；以及仲裁和决策制定的步骤118。如下面将更详细描述的，状况评估步骤114预先评估挡风玻璃状况并确定要检测何种类型的状况。结果，一些状况可以被隔离以减少计算工作量、提高效率和提高精度。
85.此外，条件挡风玻璃感知的步骤116可以基于(上述)状况评估的步骤114的输出而关注车辆12的前挡风玻璃14和后挡风玻璃18的视觉图像。机器学习模型可以用于确定挡风玻璃状况和类别的概率。此外，仲裁和决策制定的步骤118基于cwp步骤的输出和加权投票模块的结果来确定前刮水器16和/或后刮水器20是否可以被激活。还可以基于挡风玻璃状况的概率来确定和调节刮水器的速度。
86.图3示出了根据本公开的一个示例的由图1的系统10实现的自动激活挡风玻璃刮水器的方法210的流程图。在该示例中，方法210自动激活具有带有前刮水器16的前挡风玻璃14和带有后刮水器20的后挡风玻璃18的车辆12的挡风玻璃刮水器。如图所示，方法210包括提供用于状况评估的原始信息24的步骤112。如上所述，云服务器22提供原始信息24，其包括车辆内部和外部温度26、本地天气信息28、地理气候30、用于状况评估的车辆的全球定位系统(gps)信息32。
87.如图所示，方法210还包括步骤214：基于原始信息24，利用ecu 40的状况评估模块来评估道路状况的至少一个挡风玻璃分类。状况评估模块预先评估挡风玻璃状况并确定要检测何种类型的状况。
88.此外，方法210还包括步骤216：捕获前挡风玻璃14的前图像、后挡风玻璃18的后图像以及环境的环境图像。至少一个传感器，这里是前传感器34和后传感器36(图1)，优选地
捕获图像并相应地将图像信号发送到ecu 40以进行处理。
89.参考图2，方法210然后包括步骤218：ecu 40利用ml将前图像、后图像和环境图像分类到至少一个挡风玻璃分类，如上所述。方法210还包括步骤220：利用ecu 40(图1)的cwp模块确定第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知，以利用ml定义检测源的第一组合，如上所述。如上所述，ecu 40(图1)的cwp模块被布置为经由ml确定第一挡风玻璃玻璃类别的前挡风玻璃感知、后挡风玻璃玻璃感知和环境感知，从而定义检测源的第一组合。
90.在一个示例中，方法210可以包括：利用条件挡风玻璃感知模块估计第一挡风玻璃类别的第一前强度。如上所述，cwp模块被布置为估计第一挡风玻璃类别的第一前强度。可以由算法模型基于挡风玻璃的区域内的降落速率来估计第一前强度。
91.在本公开的这个方面，方法210包括步骤222：融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知。如前所述，加权投票模块被布置为融合前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一前概率。
92.如上所述，融合以定义第一前概率的一个示例是通过加权投票模块实现的。如所讨论的，加权投票模块包括第一方程，如下：其中，p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。w1、w2和w3的量值被校准，并可基于由cwp模块产生的环境感知而变化。
93.例如，第一挡风玻璃类别(雨)包括0.92的前挡风玻璃感知、0.9的后挡风玻璃感知和0.91的环境感知，以及如果p(x)_road＞85%，则w1= 1，w2 = 0，w3 =0(由此强调前挡风玻璃感知)；如果，则w1= 0.9，w2 = 0.05，w3 =0.05(从而按比例缩小前挡风玻璃感知的置信度或概率)；以及如果p(x)_road＜60%，则w1= 0.8，w2 = 0，w3 =0.2(从而进一步按比例缩小前挡风玻璃感知的置信度)。
94.因此，当p(x)_road＞85%时，第一前概率可以计算如下：在一个示例中，方法210还包括：利用ecu 40(图1)的加权投票模块来融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一后概率。此外，加权投票模块被布置为融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知。前挡风玻璃感知、后挡风玻璃感知和环境感知的融合定义了第一挡风玻璃类别的第一后概率。
95.在融合以定义第一后概率的一个示例中，加权投票模块包括第二方程，如下：，其中，p(x)_rear_fusion是第一挡风玻璃类别(x)的第一后概率，p(x)_front是前
挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。如上所述，w1、w2和w3的量值被校准，并可基于由cwp模块产生的环境感知而变化。
96.此外，方法210可以包括确定第一挡风玻璃类别的第一前强度和第一后强度。第一前强度和第一后强度基于前挡风玻璃14的区域内的降落速率。此外，ecu 40被布置为确定第一挡风玻璃类别的第一前强度和第一后强度。第一前强度基于前挡风玻璃14的区域内的降落速率。此外，第一后强度基于后挡风玻璃18的区域内的降落速率。在一个示例中，ecu 40被布置为通过应用如下的线性拟合方程来确定第一前强度和第一后强度中的每个：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是每面积的降落数量，k1和k2是校准系数。
97.方法210然后包括步骤224：当第一前概率大于前阈值以及第一前概率在至少一个分类的量值上最大这两种情况中的一者发生时，激活前刮水器16。然后，方法210可包括：当第一后概率大于前阈值以及第一前概率在至少一个分类的量值上最大这两种情况中的一者发生时，激活后刮水器20。如在系统的描述中所提及的，ecu 40包括激活模块，其被布置为当第一前概率大于前阈值时激活前刮水器16。替代地，激活模块被布置成当第一前概率在至少一个挡风玻璃类别的量值上最大时激活前刮水器16。此外，激活模块被布置为当第一后概率大于后阈值时激活后刮水器20。替代地，激活模块被布置成当第一后概率在至少一个类别的量值上最大时激活后刮水器20。
98.此外，方法210还可包括：当前刮水器16被激活时基于第一前强度调节前刮水器16的速度，以及当后刮水器20被激活时基于第一后强度调节后刮水器20的速度。如前所述，ecu 40被布置为当前部刮水器16被激活时基于第一前强度调节前部刮水器16的速度。另外，ecu 40被布置为当后刮水器20被激活时基于第一后强度调节后刮水器20的速度。前刮水器16和后刮水器20的速度可以通过任何合适的方式调节，例如基于规则的算法，而不脱离本发明的范围或精神。
99.根据本公开的另一方面，图4描绘了自动激活具有带有前刮水器16的前挡风玻璃14和带有后刮水器20的后挡风玻璃18的车辆12的挡风玻璃刮水器系统的方法310的流程图。图4的方法310由图1的系统10实现。
100.如图所示，方法310包括提供用于状况评估的原始信息24的步骤312，并且包括基于原始信息24利用状况评估模块评估道路状况的至少一个挡风玻璃类别的步骤314。方法310还包括步骤316：捕获前挡风玻璃14的前图像、后挡风玻璃18的后图像以及环境的环境图像。此外，方法310还包括步骤318：利用定义第一挡风玻璃类别的条件挡风玻璃感知模块将前图像、后图像和环境图像分类到至少一个挡风玻璃分类。
101.在此示例中，方法310还包括步骤320：利用条件挡风玻璃感知模块确定第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义检测源的第一组合。方法310还包括步骤322：关于前挡风玻璃感知、后挡风玻璃感知和环境感知，利用加权投票模块来融合检测源的第一组合，从而定义第一挡风玻璃类别的第一前概率。
102.在该示例中，加权投票模块包括第一方程，如下：
，其中，p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。
103.方法310还包括步骤324：利用加权投票模块融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一后概率。加权投票模块包括第二方程，如下：，其中p(x)_rear_fusion是第一挡风玻璃类(x)的第一后概率。
104.此外，方法310还包括步骤326：当第一前概率大于前阈值以及第一前概率在至少一个分类的量值上最大这两种情况中的一者发生时，激活前刮水器16。此外，方法310还包括步骤328：当第一后概率大于后阈值以及第一后概率在至少一个分类的量值上最大这两种情况中的一者发生时，激活后刮水器20。
105.本公开的描述本质上仅仅是示例性的，并且不脱离本公开的要旨的变化旨在落入本公开的范围内。这些变化不应被认为是偏离了本公开的精神和范围。

技术特征：
1.一种自动激活车辆的挡风玻璃刮水器系统的方法，所述车辆具有带有前刮水器的前挡风玻璃和带有后刮水器的后挡风玻璃，所述方法包括：提供用于状况评估的原始信息；基于所述原始信息利用状况评估模块来评估道路状况的至少一个挡风玻璃分类；捕获所述前挡风玻璃的前图像、所述后挡风玻璃的后图像和所述环境的环境图像；利用定义第一挡风玻璃类别的条件挡风玻璃感知模块将所述前图像、所述后图像和所述环境图像分类到所述至少一个挡风玻璃分类；利用条件挡风玻璃感知模块确定第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义检测源的第一组合；利用加权投票模块融合所述检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义所述第一挡风玻璃类别的第一前概率；以及当所述第一前概率大于前阈值以及所述第一前概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述前刮水器。2.根据权利要求1所述的方法，其中，所述原始信息包括车辆内部温度、车辆外部温度、本地天气信息、地理气候、用于状况评估的所述车辆的全球定位系统(gps)信息。3.根据权利要求1所述的方法，其中，所述至少一个挡风玻璃分类是能够启动所述车辆的前刮水器和后刮水器中的一个的激活的道路状况。4.根据权利要求1所述的方法，其中，所述加权投票模块包括第一方程，如下：其中，p(x)_front_fusion是第一挡风玻璃类别(x)的第一前概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。5.根据权利要求1所述的方法，还包括：利用条件挡风玻璃感知模块估计第一挡风玻璃类别的第一前强度；确定所述第一挡风玻璃类别的所述第一前强度，所述第一前强度基于所述前挡风玻璃的区域内的降落速率；以及当前刮水器被激活时基于第一前强度调节前刮水器的速度。6.根据权利要求5所述的方法，其中，确定所述第一前强度包括应用线性拟合方程，如下：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是每面积的降落数量，k1和k2是校准系数。7.根据权利要求1所述的方法，还包括：利用加权投票模块融合检测源的第一组合的前挡风玻璃感知、后挡风玻璃感知和环境感知，以定义第一挡风玻璃类别的第一后概率；以及当所述第一后概率大于后阈值以及所述第一后概率在所述至少一个分类的量值上最大这两种情况中的一者发生时，激活所述后刮水器。8.根据权利要求7所述的方法，其中，所述加权投票模块包括第二方程，如下：
其中，p(x)_rear_fusion是第一挡风玻璃类别(x)的第一后概率，p(x)_front是前挡风玻璃感知，p(x)_rear是后挡风玻璃感知，p(x)_road是环境感知，并且w1、w2和w3分别是前挡风玻璃感知、后挡风玻璃感知和环境感知的检测源的权重。9.根据权利要求7所述的方法，还包括：利用条件挡风玻璃感知模块估计第一挡风玻璃类别的第一后强度；确定所述第一挡风玻璃类别的所述第一后强度，所述第一后强度基于所述后挡风玻璃的区域内的降落速率；以及当所述后刮水器被激活时基于所述第一后强度调节所述后刮水器的速度。10.根据权利要求9所述的方法，其中，确定所述第一后强度包括应用线性拟合方程，如下：其中，in(drop)是归一化强度，v_drop是降落速率，n_drop是后挡风玻璃的每面积的降落数量，k1和k2是校准系数。

技术总结
提供一种自动激活车辆的挡风玻璃刮水器系统的系统和方法，所述车辆具有带有前刮水器的前挡风玻璃和带有后刮水器的后挡风玻璃。该方法包括：基于原始信息评估道路状况的至少一个挡风玻璃分类；以及捕获前挡风玻璃的前图像、后挡风玻璃的后图像和环境的环境图像。该方法还包括对图像进行分类以定义第一挡风玻璃类别。该方法还包括确定第一挡风玻璃类别的前挡风玻璃感知、后挡风玻璃感知和环境感知以定义检测源的第一组合。该方法还包括融合前挡风玻璃感知、后挡风玻璃感知和环境感知，从而定义第一挡风玻璃类别的第一前概率。该方法还包括当第一前概率大于前阈值时激活前刮水器。包括当第一前概率大于前阈值时激活前刮水器。包括当第一前概率大于前阈值时激活前刮水器。


技术研发人员：张玉彪 赵庆荣 B
受保护的技术使用者：通用汽车环球科技运作有限责任公司
技术研发日：2022.10.14
技术公布日：2023/7/22