CN110956597B 用于车辆中的自动图像改善的设备和方法 （罗伯特·博世有限公司）

EP3321842A1,2018.05.16DE102015200434A1,201用于车辆的用于图像改善的设备具有摄像这些中的每个设置用于将初始图像分别变换成像并将具有最高质量度量数的中间图像输出作波器中的具有中间图像的最高质量度量数的图图像选择多个图像处理滤波器中的具有中间图2其中，在学习阶段中，学习神经网络(300)针对每个初始图像(1在所述学习阶段之后，所述学习神经网络(300)针对每个初始图像(所述分类模块设置用于对于每个初始图像(1504.根据权利要求3所述的方法，其中，将所述初始图像借助分类模块(400)对于每个初始图像(150)确定一个照明在所述学习阶段之后，所述学习神经网络针对每个初始图像(15038.根据权利要求1或2所述的方法，其中，所述摄像机(120)设置用于检测初始图像图像处理模块(200)，所述图像处理模块11.一种图像处理模块(200)，所述图像处理模块设置用于由初始图像(150)确定结果4元设置用于当其在处理器单元上实施时执行根据权利要求1至9中5[0001]本发明涉及用于车辆(尤其陆地车辆)中的自动图像改善的一种设备和一种方[0002]在许多情况下，基于摄像机的传感装置的车辆应用依赖于高质量的摄像机图[0007]-对于借助图像处理滤波器所变换的中间图像中的每个，确定一个质量度量数[0008]-借助选择模块来选择具有最高质量度量数的中间图像，并且将具有有最高质量像对多个图像处理滤波器中的具有中间图像的最高质量度量数的图像处理滤波器进行学[0009]对其执行该方法的车辆具有摄像机和图像处理模块，该摄像机用于检测初始图[0010]车辆可以是陆地车辆(尤其可以是载客机动车、运输车、载重货车、陆基专用车识别固定对象(如建筑物或地标)的系统，或用于识别运动对象(如其他车辆或行人)的系6[0014]图像处理模块还包括学习神经网络，该学习神经网络设针对每个初始图像对多个图像处理滤波器中的具有中间图像的最高质量度量数的图像处7另一滤波器例如可以是高通滤波器或低通滤波器。失真滤波器例如可以用于补偿异常线和/或针对每个照明分类对多个图像处理滤波器中的具有中间图像的最高质量度量数的图模块可以实现通过神经网络对图像分析的改善和者)或者由其他(例如合作的)车辆来实现天气数据的描述。真实环境的描述可以通过车载8初始图像对多个图像处理滤波器中的具有中间图像的最高质量度量数的图像处理滤波器图像处理模块还具有选择模块，该选择模块设置用于选择具有最高质量度量数的中间图[0029]本发明的另一方面涉及用于车辆中的自动图像改善的如上所述的设备或方法的卡和/或具有神经网络的功能的专用硬件——例如NNP单元(NNP：NeuralNetwork[0034]图1示出一种示例性图像序列，该图像序列已经根据本发明的一方面由摄像机所9[0041]根据图1，例如安装在车辆上的摄像机120根据本发明的一方面检测初始图像150部分在此具有质量问题，使得初始图像150的这部分无法——或无法在不进行进一步处理摄像机120也可以布置在车辆110的其他位置上——例如侧视镜中。所述摄像机120中的每可用的结果图像190，该结果图像例如可以由辅助系统(在此未示出)使用。图像处理模块器中的一些也可以是相同的滤波器类型，但分别使用不同的参数。多个图像处理滤波器例如直接通过神经网络300的输出端302将结果图像190输出给图像处理模块200的输出端[0047]图5示出根据本发明的一方面的图像处理滤波器221的示例；该图像处理滤波器定的情况下对于连接在后面的程序具有更高的质量。可以使用初始图像150的颜色信息与边缘信息的这种分离来更高效地构型学习神经网络的260选择具有最高质量度量数的中间图像，并且将具有最高质量度量数的中间图像输出作像150的最佳的图像处理滤波器，并且例如直接通过神经网络300的输出端302将结果图像