(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210842882.0 (22)申请日 2022.07.18 (71)申请人 东风汽车集团股份有限公司 地址 430056 湖北省武汉市武汉经济技 术 开发区东 风大道特1号 (72)发明人 宋景良　张贵平　李光　汤鹏飞　 瞿爱敬　 (74)专利代理 机构 武汉开元知识产权代理有限 公司 42104 专利代理师 俞鸿　邱霖 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/24(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/74(2022.01) G06V 10/774(2022.01) (54)发明名称 一种电子外后视镜视野智能调整 方法、 系统 和介质 (57)摘要 本发明公开了一种电子外后视镜视野智能 调整方法、 系统和介质， 包括对电子外后视镜的 摄像头所拍摄的多张图像输入到深度学习训练 的图像分割网络中， 获得每张图像对应的车体掩 模和地面掩模； 根据每张图片的车体和地面掩模 分别得到 车体掩模中X向最大值的点和地面掩模 中Y向最大值的点， 进而拟合出调整 图像基准点 O； 将摄像头图像经过放缩后映射至电子外后视 镜系统的屏幕显示图像中， 当基准点O ’和O点重 合时则完成电子外后视镜视野的调整。 本发明通 过分析摄像头图像自动寻找特征点实现屏幕图 像的自适应调整， 免去了手工操作的繁琐。 同时 一旦设置并保存后， 在各种复杂的工况环境， 都 能恢复至设置状态， 有效提升驾驶员的辅助驾驶 体验。 权利要求书2页 说明书6页 附图2页 CN 115147797 A 2022.10.04 CN 115147797 A 1.一种电子 外后视镜视野智能调整方法， 其特 征在于， 包括如下步骤： S1、 将电子外后视镜的摄像头所拍摄的图像输入到经过深度 学习训练的图像分割模型 中， 获得图像对应的车体掩模和地面掩模， 所述车体掩模为车体轮廓的像素点坐标矩阵， 所 述地面掩模为地面轮廓的像素点 坐标矩阵； S2、 根据图像的车体掩模和地面掩模得到图像 的基准点O的像素点坐标(xmax， ymax)， 其 中xmax为车体掩模中的像素点坐标中X向的极值， 其中ymax为地面掩模中的像素点坐标中Y向 的极值； 所述X向为图像的平面像素的水平方向； 所述Y向为图像的平面像素的垂直方向； S3、 设定屏幕显示图像 基准点O’的像素坐标(x ’， y’)； S4、 将摄像头图像映射至电子外后视镜系统的屏幕显示图像 中， 当基准点O ’和O点重合 时， 则表示完成电子 外后视镜视野的调整。 2.如权利要求1所述的电子外后视镜视野智能调整方法， 其特征在于， 所述步骤S1中， 所述图像分割模型的深度学习训练的方法包括： S101、 对电子外后视镜的摄像头所拍摄的多张图像中的车体、 地面和 天空逐一进行语 义分割标注， 得到用于训练图像分割模型的图像分割基准； S102、 将上述进行了语义分割标注的图像划分为用于训练图像分割模型的训练集、 测 试集和验证集， 通过调整图像 分割模型中的学习率、 迭代次数值对模 型进行训练， 得到训练 后的图像分割模型， 所述图像分割模型用于读取每张图像得到每张图像中对应的车体掩模 和地面掩模。 3.如权利要求2所述的电子外后视镜视野智能调整方法， 其特征在于， 所述步骤S102前 还包括： 对进 行了语义分割标注的图像进 行数据增广操作， 获得由多张图像组成的数据集， 所述数据增广操作用于提高图像分割模型的精确度。 4.如权利要求2所述的电子外后视镜视野智能调整方法， 其特征在于， 所述步骤S101前 还包括： 对电子外后视镜的摄像头所拍摄的每张图像进 行预处理； 所述预 处理包括： 对电子 外后神镜的摄 像头所拍摄图像经 过变形矫 正后形成统一尺寸的图像。 5.如权利要求1所述的电子外后视镜视野智能调整方法， 其特征在于， 所述步骤S1中， 所述图像分割模型的深度学习训练的方法包括： S1.1、 对电子外后视镜的摄像头所拍摄的多张图像中的车体、 地面和 天空逐一进行语 义分割标注， 得到用于训练图像分割模型的图像分割基准； S1.2、 对进行了语义分割标注的图像进行数据增广操作， 获得由多张图像组成的数据 集， 所述数据增广操作用于提高图像分割模型的精确度； S1.3、 将上述进行了数据增广操作后得到的多张图像划分为用于训练图像分割模型的 训练集、 测试集和验证集， 通过调整图像分割模型中的学习率、 迭代次数值对模型进行训 练， 得到训练后的图像分割模型， 所述图像分割模型用于根据输入的图像得到图像中的车 体掩模和地面掩模。 6.如权利要求1～5任一项所述的 电子外后视镜视野智能调整方法， 其特征在于， 所述 图像分割模型为基于U ‑Net网络的模型。 7.一种如权利要求1所述方法的电子外后视镜视野智能调整系统， 其特征在于， 包括掩 模获取模块、 基准 点获取模块和视野调整模块； 所述掩模获取模块用于将电子外后视镜的摄像头所拍摄的图像输入到经过深度学习权　利　要　求　书 1/2 页 2 CN 115147797 A 2训练的图像分割模型中， 获得图像对应的车体掩模和 地面掩模， 所述车体掩模为车体轮廓 的像素点矩阵， 所述 地面掩模为地面轮廓的像素点矩阵； 所述基准点获取模块用于根据图像的车体掩模和地面掩模得到图像的基准点O的像素 点坐标(xmax， ymax)， 其中xmax为车体掩模中的像素点坐标中X向的极值， 其中ymax为地面掩模 中的像素点坐标中Y向的极值； 所述X向为图像的平面像素的水平方向； 所述Y向为图像的平 面像素的垂直方向； 所述视野调整模块用于根据设定的屏幕显示图像基准点O ’的像素坐标值(x ’， y’)， 将 摄像头图像映射至电子 外后视镜系统的屏幕显示图像中， 直至基准 点O’和O点重合。 8.如权利要求7所述的电子外后视镜视野智能调 整系统， 其特征在于， 所述掩模获取模 块中， 还包括语义分割标注模块、 模型训练模块； 所述语义分割标注模块用于对电子外后视镜的摄像头所拍摄的图像中车体、 地面和天 空逐一进行语义分割标注， 得到用于训练图像分割模型的图像分割基准； 所述模型训练模块用于将通过语义分割标注模块进行了语义分割标注的图像划分为 用于训练图像分割模 型的训练集、 测试集和验证集， 通过调整图像分割模型中的学习率、 迭 代次数值对模型进行训练， 得到训练后的图像分割模型， 所述图像分割模型用于根据电子 外后视镜的摄像头所拍摄的图像得到所述图像对应的车体掩 模和地面掩模。 9.如权利要求7所述的电子外后视镜视野智能调 整系统， 其特征在于， 还包括数据增广 模块和预 处理模块， 所述数据增广模块用于对电子外后视镜的摄像头所拍摄的图像 或经过 预处理模块处理的图像进行数据增广操作， 获得由多张图像组成的数据集； 所述预处理模 块用于对电子外后视镜的摄像头所拍摄的每张图像或经过数据增广模块进行数据增广后 得到的图像进行 预处理； 所述预处 理包括： 对图像经 过变形矫 正后形成统一尺寸的图像。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处理器执行时实现如权利要求1至5中任一项所述电子外后视镜视野智能调整方 法的步骤。权　利　要　求　书 2/2 页 3 CN 115147797 A 3