[发明专利]用于仿真风挡的光学质量的影响的方法

说明书

用于仿真风挡的光学质量对数字图像记录设备、特别是用于先进或自动驾驶者辅助系统的数字图像记录设备的图像记录质量的影响的方法。该方法基于所适配的随机光线追踪方法和所适配的机器学习方法的组合，以仿真风挡的光学畸变对数字图像记录设备的图像记录质量的影响。从与这些光学畸变有关的风挡的所测量的光学质量函数执行仿真。

技术领域

本公开涉及一种用于仿真风挡的光学质量对数字图像记录设备、特别是用于先进或自动化驾驶者辅助系统的数字图像记录设备的图像记录质量的影响的方法。

背景技术

先进/自动驾驶者辅助系统（ADAS）帮助驾驶者控制他们的载具改进他们的安全性和外部周围环境的安全性。ADAS是机载系统，其能够提供有关道路交通的状态和/或关于载具的机械和/或电气设备和组件状态的实时信息，评估驾驶者的疲劳或分心的状态，检测并且预测来自载具的外部环境的可能威胁，或帮助驾驶者执行特定困难机动。

当前ADAS的突出功能是现在强制履行Euro NCAP 5* 要求的功能（例如，自适应巡航控制、车道保持、紧急制动以及更先进的功能（例如，交通标志检测或防碰撞））。

为了执行这些功能，ADAS集成大量设备和/或传感器以收集关于驾驶者、载具和/或其环境的数据。具体而言，它们嵌入一个或多个数字图像记录设备，以用于实时记录外部环境的图像和/或视频。记录设备一般安装在载具内部、风挡后面，风挡进而充当防护屏障。

ADAS取决于期望的功能处理所记录的图像。例如，对于夜间驾驶者辅助，红外摄像机记录外部环境的视频，其然后实时显示在载具的仪表板上。对于自动驾驶或紧急制动，相机记录图像和/或视频，其可以通过计算机视觉方法（例如，物体检测和分类算法）加以处理，以提取有关数据，有关数据然后馈送到自动控制单元以启动特定任务。

来自ADAS记录设备的高质量图像和/或视频对于ADAS的优化操作是强制的。作为说明性示例，ADAS可以包括物体检测和分类算法，其能够通过所记录的视频/图像的实时处理来实时检测并且分类载具的周围环境的物体。由于这些算法可以计算物体相对于汽车位置的位置、距离和/或速度，因此它们可能对所记录的图像/视频的色彩、光强度和光偏差是敏感的，以估计例如碰撞的风险。图像/视频中的任何伪影可能引起物体的距离、位置或速度的错误检测和/或分类和/或估计，并可能导致ADAS的缺陷操作和安全故障。

ADAS的光路免于可能使所记录的图像或/视频质量降级的光学畸变于是成为强烈要求。在该范围内，已经做出并且仍然正作出很多努力以改进风挡的光学质量，因为它们是ADAS光学系统中的关键组件并且在其整体性能方面具有关键作用。

此外，虽然风挡尽其可能而是高效的，但是自身仍然保持为带有自己的光学性质和限制的光学系统。于是已经开发用于ADAS的校准工具，其尝试评估并管理风挡对ADAS所记录的图像和/或视频的影响。

EP 3 293 701 B1描述一种用于ADAS补偿来自风挡的光学畸变的校准方法。从比较通过和超出参考风挡的平面棋盘图案的所记录的图像计算光学畸变。仅静态参数（即，对于给定产品类别的所有风挡认为是相同的参数）加以校正，并且一旦得以校正，就也对于同一类别的所有未测量的风挡得以校正。静态参数受限于倾斜角、折射率或窗格的厚度。

在该方法中，每个单独风挡的固有非静态光学性质完全被忽略，这在长期使用中可能引起低效校准，特别是如果风挡关于光学畸变与参考风挡偏离太多。实际上，同一种类的风挡一般归因于制造工艺的正常公差而显示其光学性质的相应分布的一些变化，或者因为它们出自不同的生产线，或者在同一生产线内，因为弯曲工艺的正常公差、炉温的异质性、在层压期间的缺陷、涂覆（如果存在）……。

在同一类或种类内，这种光学性质的分布随着风挡而不同，并且因此，这些光学性质按定义是非静态的，这意味着它们并非可以对于该类或种类的所有风挡认为是相同的。于此，每个风挡自身必须认为是不同于其他风挡的光学系统，并且其固有光学性质必须不被忽略。