【技术实现步骤摘要】
本申请涉及车辆控制，具体而言，涉及一种汽车灯光管理方法、装置、存储介质及设备。
技术介绍
1、汽车照明系统是汽车安全行驶的必备系统之一，它主要包括外部照明灯具、内部照明灯具、外部信号灯具和内部信号灯具等。这个系统不仅用于夜间行车照明，还承担着提示汽车行驶状态的重要任务。传统的汽车照明控制技术主要由驾驶员手动对车辆的灯光进行打开或关闭，容易分散驾驶员的注意力从而影响安全驾驶。随着各种高新技术的发展，现有的汽车照明控制技术逐渐朝着智能化、个性化等方面发展，智能化控制在未来汽车照明中占据着重要地位。
2、目前，电动汽车采用的灯光管理方案主要是集中在前照光源的管理上，通过视觉检测技术和专家系统来识别驾驶情况，再以此实现远光和近光的智能变换，从而提高驾驶的安全性。然而，这一方案在汽车行驶的过程中无法有效应对路况的变化，如出现下雨或大雾天气时，前照管理功能容易因视觉图像不准确而失效，这将给行车安全带来巨大的安全隐患。
技术实现思路
1、本申请的目的在于提供一种汽车灯光管理方法、装置、存储介质及设备，旨在解决相关技术中电动汽车的灯光管理方案存在的无法有效应对路况的变化，因而无法有效减少行车安全隐患的问题。
2、第一方面，本申请提供的一种汽车灯光管理方法，包括：获取目标车辆的多模态感知数据；所述多模态感知数据包括视觉感知信息、雷达检测信息以及云端感知信息；将所述多模态感知数据输入预先训练好的多模态大模型，根据所述多模态大模型的输出结果得到目标灯光控制指令；所述多模态大模型在
3、在上述实现过程中，获取目标车辆的视觉感知信息、雷达检测信息以及云端感知信息，将这些不同模态的感知数据输入预先训练好的多模态大模型，该生物节律分析模型在训练过程中，学习到根据输入数据对车辆当前的驾驶环境进行分析，并根据分析结果生成灯光控制指令，因此，根据多模态大模型的输出结果，可以得到适合当前驾驶场景的灯光控制指令，之后将目标灯光控制指令下发至灯光系统去执行。这样，通过多种模态的感知数据来对车辆所处环境进行判断，可以有效应对路况的变化，提升行车安全性，并且利用大模型来对感知数据进行深层次的语义分析，从而能够生成更加智能的灯光控制策略。
4、进一步地，在一些例子中，所述视觉感知信息是基于对车载摄像头采集到的车辆前方图像进行图像检测而得到的；所述雷达检测信息是通过车载雷达检测到的周围障碍物信息；所述云端感知信息是从云端数据中心处获取到的汽车当前的位置信息、天气信息以及路况信息。
5、在上述实现过程中，提供一种获取用于准确识别车辆的驾驶环境的多模态感知数据的具体方式。
6、进一步地，在一些例子中，所述视觉感知信息包括对向车辆信息和对向行人信息；所述视觉感知信息是通过训练好的yolo模型和fiery模型对所述车辆前方图像进行目标检测以及距离估计而得到的。
7、在上述实现过程中，使用端到端卷积神经网络框架来实现对向车辆、行人的状态感知，从而为灯光管理的智能化提供有效的支持，减少行车过程中的安全隐患。
8、进一步地，在一些例子中，所述根据所述多模态大模型的输出结果得到目标灯光控制指令之前，包括：根据所述多模态感知数据在专家系统的规则库中进行匹配，得到第一灯光控制指令；所述多模态大模型的输出结果包括第二灯光控制指令；所述根据所述多模态大模型的输出结果得到目标灯光控制指令，包括：根据所述多模态感知数据对所述汽车当前所处的场景进行识别；若识别结果指示所述汽车当前所处的场景为预设场景，将所述第一灯光控制指令确定为目标灯光控制指令；若识别结果指示所述汽车当前所处的场景不为预设场景，将所述第二灯光控制指令确定为目标灯光控制指令。
9、在上述实现过程中，在进行灯光指令决策时，采用专家系统与多模态大模型相结合的方式来处理，当汽车当前所处的场景为预设场景时，采用专家系统匹配得到的第一灯光控制指令完成灯光指令决策，当其不为预设场景时，采用多模态大模型输出的第二灯光控制指令完成灯光指令决策，如此，提升灯光控制的效率以及合理性。
10、进一步地，在一些例子中，所述多模态大模型是通过灯光微调指令集训练得到的；所述灯光微调指令集包括多条多模态样本数据；所述多模态样本数据包括多模态信息、指令和输出；所述指令为自然语言形式，描述所述多模态大模型在所述多模态信息对应的场景下，针对灯光系统需要采取的操作或者达到的目标；所述输出表示遵循所述指令的期望输出。
11、在上述实现过程中，采用指令微调技术来优化多模态大模型的性能，使得训练好的多模态大模型能够更完善和全面地对复杂路况的灯光使用进行处理。
12、进一步地，在一些例子中，所述多模态大模型包括主干网络、编码器组、q-former模块、线性投影层；其中，所述编码器组包括对应多个模态的多个编码器，所述编码器组用于根据原始输入的模态，使用对应的编码器将所述原始输入编码为嵌入向量；所述q-former模块用于将所述嵌入向量和指令对齐，生成查询token；所述线性投影层用于将所述查询token映射到所述主干网络的嵌入空间；所述主干网络包括多个堆叠的transformer块，所述主干网络用于对所述嵌入空间中的查询token进行语义解析，生成相应的输出。
13、在上述实现过程中，基于x-instructblip这一多模态框架来构建多模态大模型，提升最终产生的灯光效果。
14、进一步地，在一些例子中，所述方法还包括：通过对车载摄像头采集到的车辆前方图像进行分析，识别出所述目标车辆当前的灯光状态；若识别出的灯光状态与实际的车辆信息中显示的灯光状态不符合，输出灯光状态异常报警信息。
15、在上述实现过程中，通过为车辆灯光设置自监控功能，有效提高行车安全性和舒适性。
16、第二方面，本申请提供的一种汽车灯光管理装置，包括：获取模块，用于获取目标车辆的多模态感知数据；所述多模态感知数据包括视觉感知信息、雷达检测信息以及云端感知信息；输入模块，用于将所述多模态感知数据输入预先训练好的多模态大模型，根据所述多模态大模型的输出结果得到目标灯光控制指令；所述多模态大模型在训练过程中，学习到根据输入数据对车辆当前的驾驶环境进行分析，并根据分析结果生成灯光控制指令；下发模块，用于将所述目标灯光控制指令下发至所述目标车辆的灯光系统，以使所述灯光系统执行所述目标灯光控制指令。
17、第三方面，本申请提供的一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法的步骤。
18、第四方面，本申请提供的一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行本文档来自技高网...
【技术保护点】
1.一种汽车灯光管理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述视觉感知信息是基于对车载摄像头采集到的车辆前方图像进行图像检测而得到的；
3.根据权利要求2所述的方法，其特征在于，所述视觉感知信息包括对向车辆信息和对向行人信息；所述视觉感知信息是通过训练好的YOLO模型和FIERY模型对所述车辆前方图像进行目标检测以及距离估计而得到的。
4.根据权利要求1所述的方法，其特征在于，所述根据所述多模态大模型的输出结果得到目标灯光控制指令之前，包括：
5.根据权利要求1所述的方法，其特征在于，所述多模态大模型是通过灯光微调指令集训练得到的；所述灯光微调指令集包括多条多模态样本数据；所述多模态样本数据包括多模态信息、指令和输出；所述指令为自然语言形式，描述所述多模态大模型在所述多模态信息对应的场景下，针对灯光系统需要采取的操作或者达到的目标；所述输出表示遵循所述指令的期望输出。
6.根据权利要求5所述的方法，其特征在于，所述多模态大模型包括主干网络、编码器组、Q-Former模块、线性投影层；其中，所
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种汽车灯光管理装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
10.一种电子设备，其特征在于，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种汽车灯光管理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述视觉感知信息是基于对车载摄像头采集到的车辆前方图像进行图像检测而得到的；
3.根据权利要求2所述的方法，其特征在于，所述视觉感知信息包括对向车辆信息和对向行人信息；所述视觉感知信息是通过训练好的yolo模型和fiery模型对所述车辆前方图像进行目标检测以及距离估计而得到的。
4.根据权利要求1所述的方法，其特征在于，所述根据所述多模态大模型的输出结果得到目标灯光控制指令之前，包括：
5.根据权利要求1所述的方法，其特征在于，所述多模态大模型是通过灯光微调指令集训练得到的；所述灯光微调指令集包括多条多模态样本数据；所述多模态样本数据包括多模态信息、指令和输出；所述指令为自然语言形式，描述所述多模态大模型在所述多模态信息对应的场景下，针对灯光系统需要采取的操作或者达到的目标；所述输出表示遵循所述指令的期望输出。
6.根据权利要求5所述的方法，其特征在于，所述多模态大...
【专利技术属性】
技术研发人员：古惠南，
申请(专利权)人：广汽埃安新能源汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。