阅读说明：本技术 雨刮器的控制方法、控制装置和车辆 (control method and control device for windscreen wiper and vehicle ) 是由 李哲 张欣 盛春楠 欧志辉 郭彦东 于 2019-09-19 设计创作，主要内容包括：本申请公开了一种雨刮器的控制方法。控制方法包括：采集多帧车辆上挡风玻璃的图像；根据多帧图像确定雨刮器的控制策略；根据控制策略调节雨刮器的工作档位。本申请实施方式的控制方法中,根据挡风玻璃的图像来判断雨情,从而确定雨刮器的控制策略,无需采用检测雨量的传感器,而采用车辆现有的摄像头来获取挡风玻璃的图像,该摄像头并未专为雨刮器设计使用,同时还能够完成其他车辆的智能功能,集成成本低,可靠性高。本申请还公开了一种控制装置和车辆。(The application discloses a control method of a windscreen wiper. The control method comprises the following steps: collecting a plurality of frames of images of a windshield on a vehicle; determining a control strategy of the windscreen wiper according to the multi-frame image; and adjusting the working gear of the windscreen wiper according to the control strategy. According to the control method, the rain condition is judged according to the image of the windshield, so that the control strategy of the windscreen wiper is determined, a sensor for detecting the rainfall is not needed, the image of the windshield is obtained by the existing camera of the vehicle, the camera is not specially designed and used for the windscreen wiper, meanwhile, the intelligent functions of other vehicles can be completed, the integration cost is low, and the reliability is high. The application also discloses a control device and a vehicle.)

雨刮器的控制方法、控制装置和车辆

技术领域

本申请涉及汽车技术领域，特别涉及一种雨刮器的控制方法、控制装置和车辆。

背景技术

随着电子技术的发展，车辆中一些传统的零部件也逐渐的电子化、智能化，雨刮器作为汽车必不可少的配置，能够帮助驾驶员在行车时获得更好的视野，从而保证行车安全，自动雨刮器的出现相较于传统的手动雨刮器可以根据雨量的大小自动调节雨刮速度，极大地方便了驾驶员，相关技术中，自动雨刮器的雨刮速度根据雨量大小设定，然而采用相关传感器对雨量进行检测，系统集成复杂，可靠性差。

发明内容

有鉴于此，本申请的实施例提供了一种雨刮器的控制方法、控制装置和车辆。

本申请提供了一种雨刮器的控制方法，包括：

采集的多帧车辆上挡风玻璃的图像，所述图像包括有雨图像和无雨图像；

根据所述多帧图像确定所述雨刮器的控制策略；

根据所述控制策略调节所述雨刮器的工作档位。

在某些实施方式中，所述采集多帧车辆上挡风玻璃的图像包括：

获取所述挡风玻璃的视频数据；

根据当前雨刮周期从所述视频数据中等时间间隔获取一个雨刮周期的多帧挡风玻璃的图像。

在某些实施方式中，所述根据所述多帧图像确定所述雨刮器的控制策略包括：

计算当前雨刮周期中的多帧图像中所述有雨图像所占比例；

根据所述有雨图像所占比例确定控制子策略；

将控制子策略置入决策池，所述决策池用于容纳预定数量的控制子策略；

根据所述决策池的状态确定所述控制策略。

在某些实施方式中，所述根据所述决策池的状态确定所述控制策略包括：

若所述决策池已满，将所述决策池中预定数量的控制子策略的平均结果确定为所述控制策略。

在某些实施方式中，所述根据所述决策池的状态确定所述控制策略包括：

若所述决策池未满，返回所述采集多帧车辆上挡风玻璃图像的步骤。

在某些实施方式中，所述计算所述多帧图像中有雨图像所占比例包括：

将获取的所述多帧图像输入至预设的目标雨水检测模型；

采用所述目标雨水检测模型生成雨水概率特征结果；

采用所述雨水概率特征结果，生成对应每帧所述图像的雨水分布数据；

设定二值化阈值以对所述雨水分布数据进行二值化处理；

根据处理结果确定所述多帧图像中的有雨图像和无雨图像以计算所述多帧图像中有雨图像所占比例。

在某些实施方式中，所述根据所述有雨图像所占比例确定控制子策略包括：

根据所述有雨图像所占比例确定所述雨刮器升档或降档操作。

在某些实施方式中，所述根据所述有雨图像所占比例确定控制子策略包括：

根据所述有雨图像所占比例确定所述雨刮器升档或降档的档位数量。

在某些实施方式中，所述升档包括减小雨刮周期和/或增大雨刮速度，所述降档包括增大雨刮周期和/或减小雨刮速度。

在某些实施方式中，所述采集多帧车辆上挡风玻璃的图像包括：

获取所述挡风玻璃在所述雨刮器的一个雨刮周期中的第一预定时间点的第一图像和第二预定时间点的第二图像；

所述根据所述多帧图像确定所述雨刮器的控制策略包括：

分别判断所述第一图像和所述第二图像是否为有雨图像；

根据判断结果确定所述雨刮器的升档或降档操作。

在某些实施方式中，所述根据判断结果确定所述雨刮器的升档或降档操作包括：

若所述第一图像为无雨图像且所述第二图像为有雨图像，确定所述雨刮器保持当前工作档位；

若所述第一图像为有雨图像且所述第二图像为有雨图像，确定所述雨刮器进行升档操作；

若所述第一图像为无雨图像且所述第二图像为无雨图像，确定所述雨刮器进行降档操作；

若所述第一图像为有雨图像且所述第二图像为无雨图像，确定所述雨刮器进行升档操作。

在某些实施方式中，所述采集多帧车辆上挡风玻璃的图像还包括：

采集所述挡风玻璃在所述雨刮器的一个雨刮周期中的至少一个第三预定时间点的第三图像；

所述根据所述多帧图像确定所述雨刮器的控制策略包括：

分别判断所述第一图像、第二图像和至少一个第三图像是否为有雨图像；

根据判断结果确定所述雨刮器的升档或降档的档位数量。

本申请提供了一种雨刮器的控制装置，包括：

图像获取模块，用于采集多帧车辆上挡风玻璃的图像，所述图像包括有雨图像和无雨图像；

确定模块，用于根据所述多帧图像确定所述雨刮器的控制策略；

控制模块，用于根据所述控制策略调节所述雨刮器的工作档位。

本申请提供了一种车辆，包括雨刮器、处理器和摄像装置，所述摄像装置用于采集多帧车辆上挡风玻璃的图像，所述图像包括有雨图像和无雨图像；

所述处理器用于：

根据所述多帧图像确定所述雨刮器的控制策略；

根据所述控制策略调节所述雨刮器的工作档位。

在某些实施方式中，所述处理器采用不同线程确定所述控制策略和根据所述控制策略调节所述雨刮器的工作档位。

本申请提供了一种车辆，包括一个或多个处理器、存储器；和一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被所述一个或多个处理器执行，所述程序包括用于执行如上所述的雨刮器控制方法的指令。

本申请提供了一种包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行所述的雨刮器的控制方法。

本申请实施方式的雨刮器的控制方法、控制装置、车辆及计算机可读存储介质中，根据挡风玻璃的图像来判断雨情，从而确定雨刮器的控制策略，无需采用检测雨量的传感器，而采用车辆现有的摄像头来获取挡风玻璃的图像，该摄像头并未专为雨刮器设计使用，同时还能够完成其他车辆的智能功能，集成成本低，可靠性高。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本申请某些实施方式的雨刮器的控制方法的流程示意图。

图2是本申请某些实施方式的车辆的结构示意图。

图3是本申请某些实施方式的控制装置的模块示意图。

图4是本申请某些实施方式的摄像装置安装位置示意图。

图5-6是本申请某些实施方式的雨刮器的控制方法的流程示意图。

图7是本申请某些实施方式的雨水概率特征图的示意图。

图8是本申请某些实施方式的雨水分布图的示意图。

图9-10是本申请某些实施方式的雨刮器的控制方法的流程示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

雨刮器通常用来刮除附着于车辆挡风玻璃上的雨水，从而为驾驶员提供更好的视野，增加行车安全。传统的雨刮器中，需要驾驶员根据雨情手动调节雨刮器的档位，然而如此，会分散驾驶员在驾驶过程中的注意力，存在一定的安全隐患。随着车载电子技术的发展，相关技术中的智能雨刮器能够结合传感器来探测雨量，并根据探测的雨量输出工作档位，使得雨刮器可以根据雨情自动切换工作档位。然而，采用多个雨量传感器、甚至湿度传感器的融合，导致系统集成复杂，可靠性差，同时系统成本高。

请参阅图1，本申请提供一种雨刮器的控制方法。控制方法包括：

S10：采集多帧车辆上挡风玻璃的图像，图像包括有雨图像和无雨图像；

S20：根据多帧图像确定雨刮器的控制策略；

S30：根据控制策略调节雨刮器的工作档位。

请参阅图2和图3，本申请实施方式提供了一种车辆100。车辆100包括雨刮器10摄像装置11和处理器12。摄像装置11用于拍摄车辆挡风玻璃，处理器12用于从中采集多帧挡风玻璃的图像，根据多帧图像确定雨刮器10的控制策略并根据控制策略调节雨刮器10的工作档位。其中，处理器12可以是用于为调节雨刷器10而独立设置的处理器12，可以是车辆行车系统的处理器12，或者多个子控制器和子处理器的集合，在此不做限制。

本申请实施方式还提供了一种控制装置110，本申请实施方式的雨刮器的控制方法可以由控制装置110实现。

具体地，控制装置110包括图像获取模块111、确定模块112和控制模块113。S10可以由图像获取模块111实现，S20可以由确定模块112实现，S30可以由控制模块113实现。或者说，图像获取模块111用于采集多帧车辆上挡风玻璃的图像。确定模块112用于根据多帧图像确定雨刮器10的控制策略。控制模块113用于根据控制策略调节雨刮器的工作档位。

请参阅图4，可以通过在车辆100内安装摄像装置来拍摄挡风玻璃的影像，也可以通过获取车辆内已安装摄像装置11(如行驶记录仪)来拍摄影像。车辆100的摄像装置11安装在车辆100的后视镜正前方，浅色部分可以指示该摄像装置11所能够覆盖的挡风玻璃的范围。

本申请实施方式的雨刮器的控制方法、控制装置110及车辆100中，根据挡风玻璃的图像来判断雨情，从而确定雨刮器的控制策略，无需采用检测雨量的传感器，而采用车辆现有的摄像头来获取挡风玻璃的图像，该摄像头并非专为雨刮器设计使用，同时还能够完成其他车辆的智能功能，集成成本低，可靠性高。

请参阅图5，在某些实施方式中，S10包括：

S11：获取挡风玻璃的视频数据；

S12：根据当前雨刮周期从视频数据中等时间间隔获取一个雨刮周期的多帧挡风玻璃的图像。

在某些实施方式中，S11和S12可以由图像获取模块111实现。或者说，图像获取模块111用于获取挡风玻璃的视频数据，并根据当前雨刮周期从视频数据中等时间间隔获取一个雨刮周期的多帧挡风玻璃的图像。

在某些实施方式中，处理器12用于获取挡风玻璃的视频数据，并根据当前雨刮周期从视频数据中等时间间隔获取一个雨刮周期的多帧挡风玻璃的图像。

具体地，雨刮周期为雨刮器10两次沿同一方向经过同一位置的时间间隔，例如可以是雨刮器10由一次归位到下一次归位的时间。以一个雨刮周期为预定周期为例。实际操作中，摄像装置11对挡风玻璃进行视频持续录制，处理器12对于获取的视频数据从其中等时间间隔截取一定数量的帧图像，也即是，相邻两帧图像截取时的间隔时间相等。

特别地，对于雨刮器10处于静止状态，可以将雨刮周期定义为最长雨刮周期，或者说，静止状态的雨刮周期可以与雨刮器10以最低速工作档位的雨刮周期相同。

请参阅图6，在某些实施方式中，S20包括：

S21：计算当前雨刮周期中的多帧图像中有雨图像所占比例；

S22：根据有雨图像所占比例确定控制子策略；

S23：将控制子策略置入决策池，决策池用于容纳预定数量的控制子策略；

S24：根据决策池的状态确定所述控制策略。

在本实施方式中，S24包括：

S241：若决策池已满，将决策池中预定数量的控制子策略的平均结果确定为控制策略；

S242：若决策池未满，返回S10。

在某些实施方式中，确定模块112包括计算单元和确定单元，S21可以由计算单元实现，S22-S24可以由确定单元实现。或者说，计算单元用于计算当前雨刮周期中的多帧图像中有雨图像所占比例。确定单元用于根据有雨图像所占比例确定控制子策略，将控制子策略置入决策池并根据决策池的状态确定所述控制策略，若决策池已满，将决策池中预定数量的控制子策略的平均结果确定为控制策略，若决策池未满，重复前述确定控制子策略的过程，至决策池满。

在某些实施方式中，处理器12计算当前雨刮周期中的多帧图像中有雨图像所占比例。确定单元用于根据有雨图像所占比例确定控制子策略，将控制子策略置入决策池并根据决策池的状态确定所述控制策略，若决策池已满，将决策池中预定数量的控制子策略的平均结果确定为控制策略，若决策池未满，重复前述确定控制子策略的过程，至决策池满。

具体地，在降雨过程中，随雨势的变化雨刮器10保持工作档位不变或者雨势保持基本不变但雨刮器10以不同的档位进行工作，用户通过挡风玻璃可以看清道路的时间占比是不同的，在雨天行车过程中，为了确保行驶安全，应当确保在预定雨刮周期内能够看清道路的时间占比大于预定阈值。本实施方式中，通过获取在预定雨刮周期内的图像中的有雨图像和无雨图像的占比来反映用户能够看清道路的占比，可以理解地，当预定周期内，有雨图像比例越高，用户能够看清道路的占比就越低，此时，需要通过调节雨刮器10的档位来降低有雨图像的比例，从而提升无雨图像的比例，使得能够看清道路的时间占比满足预定阈值。在本实施方式中，采用多个雨刮周期的控制子策略来共同制定雨刮器的最终控制策略。

可以理解地，雨刮器10在每个雨刮周期都输出一控制子策略，若根据将该子决策作为最终的控制策略来控制雨刮档位改变，那么一来由于用来制定控制策略的图像样本数量较少，容易受到噪声影响，而使得控制策略不够精准，二来雨刮档位变化过于频繁，更容易影响驾驶员的注意力。因此，在本实施方式中，设定一决策池，该决策池用于容纳预定数量的控制子策略。也即是说，综合多个雨刮周期的子策略来共同确定控制策略。

具体地，决策池的容量，也即是控制子策略的数量或者说雨刮周期的数量可由用户设定。决策池空间较小，则控制策略对雨量变化更灵敏，反之，对雨量变化更平缓，更小地受到噪声影响，更易使驾驶员集中注意力。实际操作中，将预定数量的雨刮周期所确定的控制子策略的平均值作为最终的控制策略。当决策池空间已满时，输出一次控制策略，并在输出控制策略后将决策池清空，而当决策池空间未满时，重复前述确定控制子策略的过程，至决策池满，同时以当前的雨刮档位为最终的控制策略输出。

例如，在一个示例中，决策池可容纳5个控制子策略，也即是说，每个控制策略根据5个雨刮周期的控制子策略来确定。其中，这5个雨刮周期各自确定的控制策略为升2档，升3档，升1档，升2档，升2档，那么根据这5个雨刮周期的控制子策略确定控制策略为升2档，如此，在下一个雨刮周期中，雨刮器10的工作档位相对于当前工作档位升2档。

在本实施方式中，处理器12使用不同线程确定控制策略和执行雨刮器档位变更的控制。

具体地，每个雨刮周期的子策略不会立即输出，而是要等决策池满才输出。并且工作档位策略控制器与雨刮器的控制器(均为处理器12的子单元)之间的通信周期较短，例如为30ms，在这个时间段内一帧图像的处理都无法完成，因此，控制策略的确定及控制策略的输出即控制雨刮器档位调节需要在不同线程进行。例如，一个控制策略需要x个雨刮周期，一个雨刮周期需要处理y帧图像，也即是一共需要处理xy帧图像才更改一次控制策略的输出。因此在两次输出控制策略之间，工作档位策略控制器定周期(30ms)地向雨刮器的控制器输出前一控制策略，这是一个线程。而雨刮器10的工作档位的控制策略的计算或者说确定通过另一个线程进行。

可以理解地，每个雨刮周期中的有雨图像占比可以反映当前雨刮器10的工作档位是否合适。例如，在一个雨刮周期中，若工作档位合适，其中的有雨图像占比为30％左右，在这个比例下可以保证驾驶安全与用户体验，若检测到一个雨刮周期内的有雨图像占比高于这个比例，可以认为当前的工作档位不能满足当前的雨情，需要增加档位，若检测到一个雨刮周期内的有雨图像占比低于这个比例，可以认为当前的工作档位相对于当前的雨情过高，会增加雨刮器10无必要的消耗，缩短雨刮器10的使用寿命。

请参阅图7，在某些实施方式中，S21包括：

S211：将获取的挡风玻璃的图像输入至预设的目标雨水检测模型；

S212：采用目标雨水检测模型生成雨水概率特征结果；

S213：采用雨水概率特征结果，生成对应每帧图像的雨水分布数据；

S214：设定二值化阈值以对雨水分布数据进行二值化处理；

S215：根据处理结果确定多帧图像中的有雨图像和无雨图像以计算多帧图像中有雨图像所占比例。

在某些实施方式中，S211-S215可以由计算单元实现，或者说，计算单元用于将获取的挡风玻璃的图像输入至预设的目标雨水检测模型，采用目标雨水检测模型生成雨水概率特征结果，采用雨水概率特征结果生成对应每帧所述图像的雨水分布数据，设定二值化阈值以对雨水分布数据进行二值化处理，根据处理结果确定多帧图像中的有雨图像和无雨图像以计算多帧图像中有雨图像所占比例。

在某些实施方式中，处理器12用于将采集的多帧车辆上挡风玻璃图像输入至预设的目标雨水检测模型，采用目标雨水检测模型生成雨水概率特征结果，采用雨水概率特征结果生成对应每帧所述图像的雨水分布数据，设定二值化阈值以对雨水分布数据进行二值化处理，根据处理结果确定多帧图像中的有雨图像和无雨图像以计算多帧图像中有雨图像所占比例。

具体地，处理器12中具有图像算法模块，可以通过采集的多帧挡风玻璃的图像数据进行挡风玻璃上的雨水分布的分析。

所述的多帧图像中的每一帧分别对应雨刮器10在雨刮器周期中的挡风玻璃的图像数据，每一帧挡风玻璃的图像数据对应一雨水概率特征结果以用于表征当前状态下挡风玻璃的雨水分布状况。雨水概率特征结果可以概率特征函数、概率特征向量、概率特征图等形式，具体不做限定。

下面以生成单帧雨水概率特征图为例进行说明。预设的目标雨水检测模型可以是预先训练生成的用于检测雨水的卷积神经网络模型，该目标雨水检测模型可以通过深度学习的卷积神经网络检测算法训练生成。

在具体实现中，通过将图像数据输入至预设的目标雨水检测模型，采用预设的目标雨水检测模型检测图像数据中各像素对应的区域存在雨水的概率。

在本实施方式中，目标雨水检测模型可以通过如下方式生成：

获取图像样本；其中，图像样本为按照预设区域大小分割挡风玻璃的图像数据生成，图像样本包括训练样本和验证样本；

采用训练样本对预置的初始雨水检测模型进行训练，生成候选雨水检测模型；

采用验证样本验证候选雨水检测模型，计算验证准确率；

当验证准确率大于预设阈值时，将候选雨水检测模型确定为目标雨水检测模型。

其中，图像样本是可以是用于训练目标雨水检测模型的样本。可以通过部署在车辆上的摄像装置采集大量的挡风玻璃上的视频数据，通过提取视频数据中的关键帧获得图像数据，按照预设区域大小对该图像数据进行分割获得图像样本。

预设区域大小可以是预先设置的分割图像数据的区域，用于指示图像样本的区域大小。例如，预设区域大小可以为边长为m的正方形所对应的区域大小。

进一步地，为了进一步提高目标雨水检测模型的预测概率的精确率，可以将图像样本分为两份，一份为训练样本用于训练目标雨水检测模型，一份为验证样本用于验证目标雨水检测模型。在采用训练样本训练初始雨水检测模型生成候选雨水检测模型后，可以采用验证样本对该候选雨水检测模型进行验证，计算验证准确率。

当验证准确率大于预设阈值时，则该候选雨水检测模型达到预期，将该候选雨水检测模型确定为目标雨水检测模型；当验证准确率小于或等于预设阈值时，则验证结果未达到预期，可以继续训练该候选雨水检测模型，或者，丢弃该候选雨水检测模型，重新执行子步骤：采用训练样本对预置的初始雨水检测模型进行训练，生成候选雨水检测模型。

雨水概率特征图可以是用于指示检测出的图像数据中各像素对应的区域存在雨水的概率的灰度图，像素对应的区域的概率的大小采用灰度值以无符号8比特的方式表示。例如，纯黑色(灰度值为0)表示概率为0％，纯白色(灰度值为255)表示概率为100％。

请参阅图8和图9，在本实施方式中，雨水概率特征图通过以下方式生成：

采用目标雨水检测模型，生成每帧图像数据的概率矩阵，其中，概率矩阵中包括概率值；

将概率矩阵中的概率值转化为灰度值；

获取每帧图像数据的原始高度，原始宽度和原始坐标信息；

采用每帧图像数据的原始高度，原始宽度和原始坐标信息，分别生成对应的目标高度，目标宽度和目标坐标信息；

采用灰度值，目标高度，目标宽度和目标坐标信息，生成雨水概率特征图。

具体地，概率矩阵中的每一概率值可以用于表示一像素所对应的区域存在雨水的概率。

在本实施例中，可以将目标雨水检测模型输出的概率矩阵中的概率值转化为灰度值。

具体的，灰度值和概率值的转化关系可以表示如下：

其中，p表示概率值，而fc(p)表示对应的灰度值。

例如，概率值为0.6，则该概率值对应的灰度值为255*0.6＝153；概率值为0.4，则该概率值对应的灰度值为255*0.4＝102。

进一步地，确定每一像素所对应区域的灰度值后，可以进一步确定雨水概率特征图的目标高度和目标宽度，以及雨水概率特征图中每一像素对应的目标坐标信息。

具体的，假设在训练目标雨水检测模型时，用于指示图像样本的区域大小的预设区域大小是边长为m的正方形，则雨水概率特征图和图像数据的高宽关系可以表示为：

(m∈N，s∈N)。

其中，H为图像数据的原始高度，W为图像数据的原始宽度，H’为雨水概率特征图的目标高度，W’为雨水概率特征图的目标宽度。S是目标雨水检测模型中卷积神经网络的stride步长大小，其数值由卷积神经网络的整体结构决定。

当图像数据的原始高度和原始宽度已知时，可以通过上述雨水概率特征图和图像数据的高宽关系确定雨水概率特征图的目标高度和目标宽度。

原始坐标信息包括原始横坐标和原始纵坐标、目标坐标信息包括目标横坐标和目标纵坐标。

雨水概率特征图与图像数据中对应像素的坐标关系可以表示为：

(m∈N，s∈N)。

其中，x为图像数据中一个像素的原始横坐标，y为图像数据一个像素的原始纵坐标，x’为雨水概率特征图中对应像素的目标横坐标，y’为雨水概率特征图中对应像素的目标纵坐标。S是目标雨水检测模型中卷积神经网络的stride步长大小，其数值由卷积神经网络的整体结构决定。可以通过上述雨水概率特征图与图像数据中对应像素的坐标关系，确定雨水概率特征图中与图像数据中对应像素的目标横坐标和目标纵坐标。

在确定灰度值，目标高度，目标宽度和目标坐标信息后，可以进一步采用该灰度值，目标高度，目标宽度和目标坐标信息，生成雨水概率特征图。

在生成雨水概率特征图后，可以进一步采用该雨水概率特征图生成挡风玻璃的雨水分布数据。

在一些示例中，雨水分布数据可以通过以下方式生成：

对雨水概率特征图进行二值化处理生成雨水分布图；

采用雨水分布图生成挡风玻璃的雨水分布数据。

其中，二值化处理，就是将雨水概率特征图的像素点的灰度值设置为0或255，从而生成雨水分布图，使得雨水分布图的整个图像呈现出明显的只有黑和白的视觉效果。

具体的，可以设定一二值化阈值，该二值化阈值用于指示临界灰度值，把大于该二值化阈值的像素灰度值设为灰度极大值(即灰度值255)，把小于该二值化阈值的像素灰度值设为灰度极小值(即灰度值0)，从而实现二值化。

例如，假设二值化阈值为120，当雨水概率特征图中某一像素的灰度值为130时，则超过二值化阈值，则将该像素的灰度值调整为灰度极大值255即为白。当雨水概率特征图某一像素的灰度值为40时，则未达到二值化阈值，则将该像素的灰度值调整为灰度极小值0即为黑。

在本发明实施例中，可以采用雨水分布图生成挡风玻璃的雨水分布数据。在雨水分布图中，白色覆盖越多则说明雨水覆盖较多，黑色覆盖越多则说明雨水覆盖越少，如此，通过黑色或白色覆盖的面积比可以判断一帧图像是否为有雨图像，例如，当一帧图像中白色占比大于20％，可认为当前一帧图像是有雨图像。

进一步地，可判断预定雨刮周期中的每帧图像为有雨图像或无雨图像，从而计算其中有雨图像的占比。其中，用于判断一帧图像是否为有雨图像的白色或黑色覆盖的面积比值可以由用户设定，如此，对于相同的雨情，雨刮周期中各个图像是否为有雨图像将产生不同的判断结果，进而使得有雨图像的占比也不同，不同用户对于相同的雨情，雨刮器10具有不同的控制策略，雨刮器10的更加个性化、智能化。

在某些实施方式中，S22包括以下步骤：

根据有雨图像所占比例确定雨刮器升档或降档操作。

在某些实施方式中，上述步骤可以由确定单元实现。或者说，确定单元用于根据有雨图像所占比例确定雨刮器升档或降档操作。

在某些实施方式中，处理器12用于根据有雨图像所占比例确定雨刮器升档或降档操作。

在本实施方式中，S22包括：

根据有雨图像所占比例确定雨刮器升档或降档的档位数量。

具体地，在本申请中雨刮器的升档或降档操作并非直接选择某一档位，而是指雨刮器的工作档位相对于当前工作档位升高或降低的档位数量。例如，雨刮器10的工作档位可包括低速间隔、低速连续、高速连续等多个档位。低速间隔档位还包括多个子档位。例如，多个子档位分别为间隔x秒刮一次，y秒刮一次，z秒刮一次，l秒刮一次(x>y>z>l)。低速连续档位即没有间隔，且雨刮器速度与低速间隔档位相同。高速连续档位同样没有间隔，且雨刮速度比低速连续更快。若当前档位为低速间隔且间隔时间为x秒的工作档位，控制策略为升2档，那么接下来雨刮器10将以低速间隔且间隔z秒的工作档位工作。

在一个示例中，若有雨图像所占比例小于第一预定比例，确定雨刮器降低第一数量工作档位。若有雨图像所占比例大于或等于第一预定比例且小于第二预定比例，确定雨刮器降低第二数量工作档位，第二数量小于第一数量。若有雨图像所占比例大于或等于第二预定比例且小于第三预定比例，确定雨刮器保持当前工作档位。若有雨图像所占比例大于或等于第三预定比例且小于第四预定比例，确定雨刮器增加第三数量工作档位。若有雨图像所占比例大于或等于第四预定比例且小于第五预定比例，确定雨刮器增加第四数量工作档位，第四数量大于第三数量。若有雨图像所占比例大于或等于第五预定比例且小于第六预定比例，确定雨刮器增加第五数量工作档位，所述第五数量大于第四数量。若有雨图像所占比例大于或等于第六预定比例，确定雨刮器增加第六数量工作档位，第六数量大于第五数量。

具体地，可根据一个雨刮周期中有雨图像所占比例的不同，来制定相应的雨刮器10的控制子策略，例如，有雨图像占比<10％，确定雨刮器10的工作档位降2档。1/10≤有雨占比<20％，确定雨刮器10的工作档位降1档。20％≤有雨图像占比<30％，确定雨刮器10的工作档位保持不变。30％≤有雨图像占比<40％，确定雨刮器10的工作档位升1档。40％≤有雨图像占比<50％，确定雨刮器10的工作档位升2档。50％≤有雨图像占比<60％，确定雨刮器10的工作档位升3档。60％≤有雨图像占比，确定雨刮器10的工作档位升4档。需要说明地，其中的第一至第六预定比例以及第一至第五数量仅为示意性说明，具体数值可以根据雨刮器中获取的图像的帧数已经用户的感受等因素设定，具体不做限制。

在本申请实施方式中，升档包括减小雨刮周期和/或增大雨刮速度，降档包括增大雨刮周期和/或减小雨刮速度。

具体地，雨刮器10的工作档位包括雨刮周期和雨刮速度等维度，升档是指减小雨刮周期和/或加快雨刮速度，降档是指增大雨刮周期和/或减慢雨刮速度。档位的数量表明增大或减小的程度，数值越大，程度越深。

如此，雨刮器10的控制策略在当前档位的基础上增档和减档的调节，而非根据雨量直接决定雨刮档位，控制方式更准确，也减少了雨刮器10在出厂时对于雨量与雨刮档位的标定流程。

请参阅图10，在某些实施方式中，S10包括：

S13：获取挡风玻璃在雨刮器的一个雨刮周期中的第一预定时间点的第一图像和第二预定时间点的第二图像；

S20包括：

S25：分别判断第一图像和第二图像是否为有雨图像；

S26：根据判断结果确定雨刮器的升档或降档操作。

在某些实施方式中，S13可以由图像获取模块111实现，S25和S26可以由确定模块112实现。或者说，图像获取模块111用于获取挡风玻璃在雨刮器10的一个雨刮周期中的第一预定时间点的第一图像和第二预定时间点的第二图像。确定模块112用于分别判断第一图像和第二图像是否为有雨图像，并根据判断结果确定雨刮器的升档或降档操作。

在某些实施方式中，处理器12用于获取雨刮器10的一个雨刮周期中的第一预定时间点的第一图像和第二预定时间点的第二图像，分别判断第一图像和第二图像是否为有雨图像，并根据判断结果确定雨刮器的升档或降档操作。

本实施方式与前述实施方式的区别在于，前述实施方式制定控制策略是基于多个雨刮周期中的子决策共同制定最终的控制策略。

本实施方式中，只获取一个雨刮周期中特定时间点的两帧图像，硬件方面需要在雨刮器10的电机上加装编码器，以准确获取当前的雨刮周期和相位。在这种情况下，获取每个雨刮周期中特定时间点的图像，并根据这两帧图像是否是有雨图像的判断结果来确定雨刮器的升档或降档策略。

本实施方式中，判断第一图像和第二图像是否是有雨图像的方式与前述实施方式基本相同，在此不再赘述。

在本实施方式中，S26包括步骤：

若第一图像为无雨图像且第二图像为有雨图像，确定雨刮器保持当前工作档位；

若第一图像为有雨图像且第二图像为有雨图像，确定雨刮器进行升档操作；

若第一图像为无雨图像且第二图像为无雨图像，确定雨刮器进行降档操作；

若第一图像为有雨图像且第二图像为无雨图像，确定雨刮器进行升档操作。

在某些实施方式中，上述步骤可以由确定模块112实现，或者说，确定模块112用于在第一图像为无雨图像且第二图像为有雨图像时确定雨刮器10保持当前工作档位，在第一图像为有雨图像且第二图像为有雨图像时确定雨刮器10进行升档操作，在第一图像为无雨图像且第二图像为无雨图像时确定雨刮器10进行降档操作，在第一图像为有雨图像且第二图像为无雨图像时确定雨刮器10进行升档操作。

在某些实施方式中，处理器12用于在第一图像为无雨图像且第二图像为有雨图像时确定雨刮器10保持当前工作档位，在第一图像为有雨图像且第二图像为有雨图像时确定雨刮器10进行升档操作，在第一图像为无雨图像且第二图像为无雨图像时确定雨刮器10进行降档操作，在第一图像为有雨图像且第二图像为无雨图像时确定雨刮器10进行升档操作。

具体地，第一预定时间点的第一图像和第二预定时间点的第二图像可以是一个雨刮周期中倒数第二帧图像和最后一帧图像。与前述实施方式相类似，将一个雨刮周期均匀的分成若干子时间点，每个子时间点间的间隔相同，获取一个雨刮周期中最后两个子时间点作为第一预定时间点和第二预定时间点，各自对应的一帧图像分别为第一图像和第二图像。

操作中，通过判断第一图像和第二图像是否为有雨图像的判断结果来反映在第一预定时间点与第二预定时间点驾驶员是否可看清前方道路。如果第一预定时间点可看清也即是第一图像为无雨图像，第二预定时间点不可看清也即是第二图像为有雨图像，可以认为驾驶员在一个雨刮周期内的绝大部分时间均可看清前方道路，则保持雨刮档位不变。

如果第一预定时间点不可看清也即是第一图像为有雨图像，第二预定时间点不可看清也即是第二图像为有雨图像，可认为当前档位无法保证驾驶员在一个雨刮周期内大部分时间均可看清前方道路，确定需要进行升档操作。

如果第一预定时间点可看清也即是第一图像为无雨图像，第二预定时间点可看清也即是第二图像为无雨图像，则可以认为当前雨刮档位有过高的嫌疑，需要进行降档操作。

如果第一预定时间点不可看清也即是第一图像为有雨图像，第二预定时间点可看清也即是第二图像为无雨图像，则认为当前判断的结果受到噪声影响，为了确保驾驶安全，进行升档操作。

可以理解地，本实施方式获取的图像帧数相对于前述实施方式更少，对于处理器的计算力要求更小。

需要说明的是，本实施方式中的增加或降低工作档位的数量都仅为1，或者说，控制策略仅包括增加一档，保持不变或者降低一档。若希望实现增加或降低多个单位，则可获取更多预定时间点对应的图像来确定控制策略。

在这样的实施方式中，S10还包括：

采集挡风玻璃在雨刮器的一个雨刮周期中的至少一个第三预定时间点的第三图像；

S20还包括：

分别判断第一图像、第二图像和至少一个第三图像是否为有雨图像；

根据判断结果确定雨刮器的升档或降档的档位数量。

在某些实施方式中，采集挡风玻璃在雨刮器的一个雨刮周期中的至少一个第三预定时间点的第三图像的步骤可以由图像获取模块111实现，分别判断第一图像、第二图像和至少一个第三图像是否为有雨图像以及根据判断结果确定雨刮器的升档或降档的档位数量的步骤可以由确定模块112实现。或者说，图像获取模块111用于采集挡风玻璃在雨刮器的一个雨刮周期中的至少一个第三预定时间点的第三图像。确定模块112用于分别判断第一图像、第二图像和至少一个第三图像是否为有雨图像并根据判断结果确定雨刮器的升档或降档的档位数量。

在某些实施方式中，处理器12用于获取在雨刮器10的一个雨刮周期中的至少一个第三预定时间点的第三图像，分别判断第一图像、第二图像和至少一个第三图像是否为有雨图像并根据判断结果确定雨刮器的升档或降档的档位数量。

具体地，在一个示例中，可以将一个雨刮周期均分为8个时间点，第一图像获取的相位可以是7/8周期对应的时间点，第二图像获取的相位可以8/8周期对应的时间点。第三预定时间点包括多个，例如，可以是相位为5/8、6/8等周期对应的时间点。如此，可以获得更多的帧图像，可以理解地，通过获取更多的图像，不仅能判断有雨、无雨的变化，还能判断雨势变化，从而确定增加或减少的档位数量。例如，第三时间点包括2个，也即是通过4帧图像来确定雨刮策略。那么雨刮器的档位的控制策略则需要根据4帧图像有雨或无雨的判断结果来确定。例如，若4帧图像均为有雨图像则确定雨刮器增加4档。

本申请实施方式还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当计算机可执行指令被一个或多个处理器执行时，使得处理器执行上述任一实施方式的雨刮器的控制方法。

本申请实施方式还提供了一种车辆。车辆包括存储器及一个或多个处理器，一个或多个程序被存储在存储器中，并且被配置成由一个或多个处理器执行。程序包括用于执行上述任意一项实施方式所述的雨刮器的控制方法的指令。

处理器可用于提供计算和控制能力，支撑整个车辆的运行。车辆的存储器为存储器其中的计算机可读指令运行提供环境。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，程序可存储于一非易失性计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。