详情

原文传递机动车雨刷自动控制系统及方法

专利名称：	机动车雨刷自动控制系统及方法
摘要：	本发明实施例提供一种机动车雨刷自动控制系统及方法，所述汽车雨刷控制系统包括：摄像装置，用于实时采集对应安装有雨刷的挡风玻璃的图像；图像识别模块，是基于深度学习卷积神经网络模型的图像识别模块，用于对摄像装置传来的挡风玻璃的图像进行识别，根据识别结果确定降落在挡风玻璃上的降水强度并产生和输出对应的降水强度信号；控制器，用于根据降水强度信号发出对应的控制信号给驱动器来驱动雨刷按照与降水强度相适配的频率在挡风玻璃外表面来回刮动。本发明实施例通过图像识别产生和输出降水强度信号，进而控制雨刷在挡风玻璃外表面来回刮动，实现了雨刷自动调节，无需人为干预，减轻了驾驶员压力，有利于提高雨天驾驶的安全性。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	深圳市豪恩汽车电子装备股份有限公司
发明人：	吴土孙
专利状态：	有效
申请日期：	2019-09-27T00:00:00+0800
发布日期：	2019-11-22T00:00:00+0800
申请号：	CN201910923224.2
公开号：	CN110481506A
代理机构：	深圳市翼智博知识产权事务所(普通合伙)
代理人：	黄莉
分类号：	B60S1/08(2006.01);B;B60;B60S;B60S1
申请人地址：	518110 广东省深圳市龙华区大浪街道同胜社区工业园路豪恩科技园厂房A栋第三层,B栋第一层、第二层、第三层、第四层
主权项：	1.一种机动车雨刷自动控制系统，其特征在于，包括：摄像装置，用于实时采集对应安装有雨刷的挡风玻璃的图像；图像识别模块，与所述摄像装置相连，所述图像识别模块是基于深度学习卷积神经网络模型的图像识别模块，用于对所述摄像装置传来的所述挡风玻璃的图像进行识别，根据识别结果确定降落在所述挡风玻璃上的降水强度并产生和输出对应的降水强度信号；控制器，与所述图像识别模块和所述雨刷的驱动器相连，用于根据所述降水强度信号发出对应的控制信号给所述驱动器来驱动所述雨刷按照与所述降水强度相适配的频率在挡风玻璃外表面来回刮动。 2.如权利要求1所述的机动车雨刷自动控制系统，其特征在于，所述图像识别模块包括：第一存储器，用于存储所述摄像装置传来的挡风玻璃的图像；第二存储器，预先存储有所述深度学习卷积神经网络模型；数据处理芯片，用于调用所述深度学习卷积神经网络模型对所述挡风玻璃的图像进行识别，并根据识别结果产生和输出对应的降水强度信号。 3.如权利要求1或2所述的机动车雨刷自动控制系统，其特征在于，所述深度学习卷积神经网络模型是SqueezeDet模型。 4.如权利要求1所述的机动车雨刷自动控制系统，其特征在于，所述摄像装置为安装于机动车上的行车记录仪的摄像头。 5.一种机动车雨刷自动控制方法，其特征在于，包括如下步骤：实时采集对应安装有雨刷的挡风玻璃的图像；基于深度学习卷积神经网络模型对所述挡风玻璃的图像进行识别，根据识别结果确定降落在所述挡风玻璃上的降水强度并产生和输出对应的降水强度信号；根据所述降水强度信号发出对应的控制信号给所述雨刷的驱动器来驱动所述雨刷按照与所述降水强度相适配的频率在挡风玻璃外表面来回刮动。 6.如权利要求5所述的机动车雨刷自动控制方法，其特征在于，所述基于深度学习卷积神经网络模型对所述挡风玻璃的图像进行识别，根据识别结果确定降落在所述挡风玻璃上的降水强度并产生和输出对应的降水强度信号包括：存储所述挡风玻璃的图像；调用预先存储的所述深度学习卷积神经网络模型对所述挡风玻璃的图像进行识别，根据识别结果确定降落在所述挡风玻璃上的降水强度并产生和输出对应的降水强度信号。 7.如权利要求5或6所述的机动车雨刷自动控制方法，其特征在于，所述深度学习卷积神经网络模型是SqueezeDet模型。 8.如权利要求5所述的机动车雨刷自动控制方法，其特征在于，通过安装于机动车上的行车记录仪的摄像头实时采集对应安装有雨刷的挡风玻璃的图像。
所属类别：	发明专利