[发明专利]灯光控制策略的生成方法、灯光控制方法以及相关装置

说明书

本申请实施例公开了一种灯光控制策略的生成方法、灯光控制方法以及相关装置。该生成方法包括：基于载具上的图像采集设备获取目标场景的图像，并提取图像中的环境信息；基于训练好的神经网络模型对环境信息进行处理，生成用于控制载具上的照明设备的第一灯光控制策略，其中，训练好的神经网络模型是使用多个样本图像中的环境信息和各环境信息的实际灯光控制策略对预先构建的神经网络模型进行训练得到。通过本申请，解决了相关技术中通常采用人为设置灯光参数或者按照场景预设灯光参数方式进行灯光调节，无法满足驾驶场景的照明需求的技术问题，达到了更加准确且智能化地生成灯光参数，满足目标场景的照明需求的技术效果。

技术领域

本申请涉及灯光控制技术领域，尤其涉及一种灯光控制策略的生成方法、灯光控制方法以及相关装置。

背景技术

在驾驶场景中，通常采用人为设置灯光参数或者按照场景预设灯光参数方式进行灯光调节，由于驾驶场景的需求是多变的，需要根据不同的路况、天气、时间等因素进行灯光调节，而人为或者预设灯光参数方式无法实时适应这些变化，可能会导致驾驶安全问题，无法满足驾驶场景的照明需求。

针对上述的问题，尚未提出有效地解决方案。

发明内容

本申请实施例提供了一种灯光控制策略的生成方法、灯光控制方法以及相关装置，以至少解决相关技术中通常采用人为设置灯光参数或者按照场景预设灯光参数方式进行灯光调节，无法满足驾驶场景的照明需求的技术问题。

根据本申请实施例的一个方面，提供了一种灯光控制策略的生成方法，包括：基于载具上的图像采集设备获取目标场景的图像，并提取所述图像中的环境信息，其中，所述环境信息用于描述所述载具所处所述目标场景的环境参数；基于训练好的神经网络模型对所述环境信息进行处理，生成用于控制所述载具上的照明设备的第一灯光控制策略，其中，所述训练好的神经网络模型是使用多个样本图像中的环境信息和各所述环境信息的实际灯光控制策略对预先构建的神经网络模型进行训练得到。

可选地，使用多个样本图像中的环境信息和各所述环境信息的实际灯光控制策略对预先构建的神经网络模型进行训练，包括：将各所述样本图像中的环境信息输入所述神经网络模型，由所述神经网络模型输出各所述环境信息的预测灯光控制策略；将各所述环境信息的预测灯光控制策略与各所述环境信息的实际灯光控制策略进行比较，得到各所述环境信息的损失值；利用各所述环境信息的损失值对所述神经网络模型进行参数优化，得到训练好的神经网络模型。

可选地，在将各所述环境信息的预测灯光控制策略与各所述环境信息的实际灯光控制策略进行比较，得到各所述环境信息的损失值之前，所述方法还包括：获取各所述环境信息对应的运动信息，其中，所述运动信息用于描述所述载具处于所述目标场景时的运行参数；将各所述样本图像中的环境信息和各所述环境信息对应的运动信息输入所述神经网络模型，由所述神经网络模型输出各所述环境信息的预测灯光控制策略。

可选地，将各所述环境信息的预测灯光控制策略与各所述环境信息的实际灯光控制策略进行比较，得到各所述环境信息的损失值，包括：将各所述环境信息的预测灯光控制策略与各所述环境信息的实际灯光控制策略输入至损失函数，输出各所述环境信息的损失值，其中，所述损失函数包括以下至少之一：均方误差损失函数和交叉熵损失函数。

可选地，在所述损失函数为所述均方误差损失函数时，所述均方误差损失函数L₁的计算表达式如下：L₁＝1/n*∑(x-y)^2，其中，n表示样本图像的数量，∑表示对所有样本图像求和，x表示各样本图像中的环境信息对应的预测灯光控制策略，y表示各样本图像中的环境信息对应的实际灯光控制策略。