CN113033464B - 信号灯检测方法、装置、设备以及存储介质 - Google Patents
信号灯检测方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113033464B CN113033464B CN202110385452.6A CN202110385452A CN113033464B CN 113033464 B CN113033464 B CN 113033464B CN 202110385452 A CN202110385452 A CN 202110385452A CN 113033464 B CN113033464 B CN 113033464B
- Authority
- CN
- China
- Prior art keywords
- image
- lamp
- signal
- determining
- signal lamp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 claims description 113
- 238000004891 communication Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 25
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 86
- 230000008569 process Effects 0.000 description 60
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000012535 impurity Substances 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 102100035971 Molybdopterin molybdenumtransferase Human genes 0.000 description 2
- 101710119577 Molybdopterin molybdenumtransferase Proteins 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开公开了一种信号灯检测方法、装置、设备以及存储介质，涉及于自动驾驶、智能交通、道路信息预测、行车路径规划等领域，尤其涉及信号灯检测领域。具体实现方案为：获取针对信号灯采集的图像序列；基于所述图像序列，确定目标差分图像；所述目标差分图像是基于信号灯发出的指示信号发生切换时的图像得到的差分图像；基于确定出的目标差分图像，确定信号灯在图像中的基准位置。根据本公开的方案，能够有效地检测出信号灯在各帧图像中的位置。
Description
技术领域
本公开涉及自动驾驶、智能交通、道路信息预测、行车路径规划等领域，尤其涉及一种信号灯检测方法、装置、设备以及存储介质。
背景技术
近年来，智能交通***(Intelligent Traffic System，ITS)作为一种全新的技术，采用先进的科学手段，将涉及道路、交通、人、环境等方面的因素进行综合处理，以实现智能化的交通管理。
基于信号灯实现的智能化交通管理，在智能交通技术领域发挥着较为重要的作用。有效的确定出信号灯在图像采集设备采集到的图片中的位置，一定程度的影响到了智能化交通管理的效率。而图像采集设备与信号灯之间的相对位置难以严格的保持不变，有可能导致信号灯在图像采集设备采集到的图片中的位置出现变化。
发明内容
本公开提供了一种用于信号灯检测的方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种信号灯检测方法，包括：
获取针对所述信号灯采集的图像序列；
基于所述图像序列确定目标差分图像；所述目标差分图像是：基于信号灯发出的指示信号发生切换时的图像得到的差分图像；
基于确定出的目标差分图像，确定信号灯在图像中的基准位置。
根据本公开的另一方面，提供了一种指示信号识别方法，包括：
获取基准位置，所述基准位置是信号灯在图像采集设备采集的图像中的位置，所述基准位置是通过第一方面所示的信号灯检测方法预先得到的；
获取图像采集设备采集的图像；
基于获取的基准位置确定各帧图像对应于所述信号灯的区域；
基于各帧图像对应于所述信号灯的区域，识别所述信号灯发出的指示信号；其中，所述指示信号包括以下至少一种：光、影像、图形、文字。
根据本公开的另一方面，提供了一种道路信息展示方法，包括：
获取信号灯发出的指示信号，所述指示信号是通过前述信号灯检测方法得到的；
基于所述指示信号，以及所述信号灯所处的路段，生成道路信息，并展示。
根据本公开的另一方面，提供了一种车辆路径规划方法，包括：
确定车辆当前所处的位置；
获取与所述车辆当前所处的位置满足预设条件的各信号灯发出的指示信号，所述指示信号是通过前述信号灯检测方法得到的；
基于所述车辆当前所处的位置，以及获取到的所述指示信号，规划所述车辆在未来时刻中行驶时采用的路径。
根据本公开的另一方面，提供了一种车辆路径规划方法，包括：
获取为所述车辆规划的路径，以及所述路径沿途的各信号灯发出的指示信号；所述指示信号是通过前述信号灯检测方法得到的；
基于所述车辆当前所处的位置，以及所述指示信号，在所述车辆沿所述路径行驶的条件下，确定所述车辆在下一时刻的行驶状态，所述行驶状态包括以下至少一种：速度、速度的方向、加速度、加速度的方向。
根据本公开的另一方面，提供了一种障碍物检测方法，包括：
获取障碍物的位置、障碍物当前的运动状态以及该障碍物对应的信号灯发出的指示信号，作为可用信息；所述指示信号是通过前述信号灯检测方法得到的；
基于所述可用信息，预测所述障碍物在下一时刻的位置、运动状态中的至少一种。
根据本公开的另一方面，提供了一种电子装置，所述电子装置用于实现前述任一方面中的方法。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一方面中的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述任一方面中的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现前述任一方面中的方法。
根据本公开的另一方面，提供了一种路侧设备，包括前述的电子设备。
根据本公开的另一方面，提供了一种云控平台，包括前述的电子设备。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例的信号灯检测方法的场景示意图；
图2是根据本公开实施例的信号灯检测方法的另一场景示意图；
图3是根据本公开实施例的信号灯检测方法的流程示意图；
图4是根据本公开实施例的信号灯检测方法，基于图像序列确定信号灯在图像中的位置的过程示意图；
图5是根据本公开实施例的信号灯检测方法，确定基准区域的过程示意图；
图6是根据本公开实施例的信号灯检测方法，基于图像序列确定目标图像的过程示意图；
图7a是根据本公开实施例的信号灯检测方法，基于连通域确定信号在图像中的位置示意图；
图7b是根据本公开实施例的信号灯检测方法，基于连通域确定信号在图像中的位置程示意图；
图8是根据本公开实施例的信号灯检测方法基于质心确定的图的示意图；
图9是根据本公开实施例的第一电子装置的示意图；
图10是根据本公开实施例的指示信号识别方法的流程示意图；
图11是根据本公开实施例的道路信息展示方法的流程示意图；
图12是根据本公开实施例的车辆路径规划方法的流程示意图；
图13是根据本公开实施例的车辆行驶状态规划方法的流程示意图；
图14是根据本公开实施例的障碍物检测方法的流程示意图；
图15是用来实现本公开实施例的信号灯检测方法、指示信号识别、道路信息展示方法、车辆路径规划方法、车辆行驶状态规划方法、障碍物检测方法之任一的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在对本公开中的过程进行说明之前，首先对涉及的部分概念、场景进行介绍。
本公开中的信号灯检测过程可以如图1所示。该过程可以由下文记载的第一种电子装置执行，该第一种电子装置可以如图9所示。该第一电子装置可以是具有某种结构的实体装置，也可以是主要基于程序实现的虚拟装置。
该第一种电子装置可以应用于电子设备，使得该电子设备可用于执行本公开中的信号灯检测过程。
在本公开一个可选的实施例中，电子设备可以包括与图像采集设备通信连接，进而获取到图像采集设备采集到的图像序列。
此外，本公开另一个可选的实施例中，图像采集设备可以是电子设备的组成部分，则电子设备可以基于其自身的图像采集设备直接的获得图像序列，并对图像序列进行后续的处理(例如，该处理可以是对图像、视频、数据等进行的处理)，以实现对信号灯的检测。
本公开对图像采集设备的具体类型不做限制，图像采集设备可以是照相机、摄像机、AI相机等。此外，图像采集设备还可以是佐以其他传感器(例如，红外线传感器等)使用的设备。本公开对图像采集设备采集到的数据类型也不具体限制，该数据类型可以是图片、视频等。
本公开中的电子设备可以应用于路侧设备，进而使得该路侧设备可以用于执行本公开中的信号灯检测过程。
在本公开中，路侧设备除了包括前述的电子设备之外，还可以包括通信部件等。本公开对电子设备和通信部件之间的配合方式不做具体限制。在一个可选的实施例中，电子设备可以与通信部件一体集成；在本公开另一个可选的实施了中，电子设备可以与通信部件分体设置。
本公开进一步公开一种云控平台，该云控平台可以在云端执行数据处理。该云控平台可以包括本公开中的电子设备。可见，该云控平台可以对图像采集设备采集到的数据(例如图像序列)进行处理。
在本公开一个可选的实施例中，云控平台还可以用于感知交通环境中对车辆行驶造成影响的各要素(例如，环境中的静态障碍物、动态障碍物、道路标识、信号灯)的状态。本公开中的云控平台可以是前述的智能交通***的一部分。
需要说明的是，在不同的业务场景中，云控平台的称谓可能有所不同，例如，云控平台还可以被成为车路协同管理平台、边缘计算平台、云计算平台、中心***、云端服务器等。
在本公开中，信号灯可以是针对交通环境发出指示信号的设备。信号灯的状态可以通过信号灯向环境发出的指示信号表征。信号灯的指示信号可以是通过光、影像、图形、文字等方式传达信息的信号。可见，现有的红绿灯、交通指示灯等设备均可以作为本公开中的信号灯。
进一步地，信号灯可以包括至少一个灯头。示例性的，如图2所示，信号灯1包括A、B和C三个灯头。在本公开中，灯头可以是由信号灯上的发射某一指示信号(例如，红光信号或绿光信号)发光单元构成的，可见，灯头用于发射指示信号；此外，在信号灯通过屏幕传达指示信号的场景中，灯头还可以是屏幕上的一个特定的区域，以通过该特定的区域展示指示信号。
需要说明的是，本公开对信号灯包含的灯头的数量不做限制，在某些场景中，信号灯可以仅包括一个灯头；而在另外的一个场景中，信号灯可以包括两个或两个以上的灯头。
本公开中的图像采集设备至少用于采集信号灯发出的指示信号，并根据信号灯发出的指示信号生成图像。示例性的，在如图2所示的场景中，图像采集设备针对信号灯进行图像采集，并输出图像1，图像1能够示出信号灯发出的指示信号。之后，如图1所示，图像采集设备将输出的图像1发送至第一电子装置，使得信号灯检测能够对图像1进行处理，以确定出信号灯在图1中的位置，和/或确定出信号灯在图像采集设备采集到的除图1以外的其他图像中的位置。
本公开对图像采集设备的具体类型不做限制，图像采集设备可以是照相机、摄像机等。此外，图像采集设备还可以是佐以其他传感器(例如，红外线传感器等)使用的设备。
图像采集设备采集到的各图像按照采集时间依次排列，得到包括若干个图像的序列，即本公开中的图像序列。
本公开对图像采集设备和信号灯之间的对应关系不做具体限制。在一个实施例中，图像采集设备可以和信号灯一一对应，即，某一图像采集设备专门用于针对一个信号灯进行图像采集。在另一个实施例中，一个图像采集设备可以对应于多个信号灯，并对多个信号灯进行图像采集。还可能存在一个信号灯对应于多个图像采集设备的情形，即，多个图像采集设备对某一信号灯进行图像采集。
示例性的，在如图1所示的场景中，该路口供设置有四个图像采集设备。其中，图像采集设备1针对该路口中的信号灯1和信号灯2进行图像采集，并将采集得到的图像发送至第一种电子装置。
为便于描述，下文将以针对某图像采集设备对应的某信号灯的检测为例，进行说明。可选地，若一图像采集设备对应的信号灯不唯一，则可以针对该图像采集设备对应的每个信号灯，执行本公开中的过程。
在本公开一个可选的实施场景中，在理想状态下，图像采集设备与信号灯的相对位置保持不变。如图2所示，图像采集设备在处于位置1时采集到了图像1，信号灯位于图像1的右上角附近(即，图2中的区域1)。若图像采集设备能够始终处于位置1，则信号灯在图像采集设备采集到的图像中的位置应该始终不变，即，信号灯始终位于区域1。则无需对信号灯在图像中的位置进行检测，可以直接确定区域1即为信号灯在图像中所处的位置。
但是，若图像采集设备被调整为图2中示出的位置2，图像采集设备发生了位置的变化，和/或姿态的变化，此时，在由图像采集设备采集到的图像2中，信号灯不再处于区域1中。此后，若仍将区域1作为信号灯在图像中所处的位置，将导致针对信号灯的其他检测(例如，通道值的检测等)产生严重的误差。
需要说明的是，本公开对图像采集设备的位置和/或姿态发生变化的原由不做具体限制。在实际的场景中，外界环境(例如，风、雨等天气因素)有可能导致图像采集设备偏离其安装时的位姿；此外，图像采集设备的管理者主动地针对图像采集设备进行的位姿调整，也有可能导致图像采集设备偏离其安装时的位姿。
进一步地，本公开对图像采集设备偏离其安装时的位姿的持久性也不做具体限制。例如，图像采集设备可以是临时性的、间歇性的偏离；也可以是永久性的偏离。
为至少部分的降低由图像采集设备发生的偏离，导致的信号灯检测的误差，本公开提供一种信号灯检测过程，该过程可以包括以下步骤中的一个或多个：
S300：获取图像采集设备针对所述信号灯采集的图像序列。
由前述内容可知，本公开中的图像序列包括若干帧图像。如图4所示的示例中，图像序列包括图像p1至图像pi+2。
在本公开一个可选的实施例中，第一种电子装置可以将图像采集设备采集的所有图像按照图像的采集时间排序，得到图像序列。而在本公开另一可选的实施例中，第一种电子装置可以将图像采集设备采集的各图像中的一部分，按照图像的采集时间排序，得到图像序列。
具体地，根据图像采集设备采集的一部分图像得到图像序列的过程可以是：在所述图像采集设备采集的各帧图像中，将依次选取的采集时间间隔预设时长的各帧图像，根据图像的采集时间进行排列，得到图像序列。
在某些场景中，图像采集设备采集到的图像可能较多，根据采集到的各图像中的一部分图像(而不是全部图像)得到图像序列，有利于减少第一种电子装置处理的数据的量。也能够减少在信号灯发生诸如闪烁等异常现象时采集的图像，对信号灯检测带来的误差。
其中，预设时长可以根据实际的业务需求确定。例如，预设时长可以是一秒。在其他可选的实施例中，预设时长可以与信号灯所处路段的车流量负相关，即单位时间内通过信号灯所处路段的车辆越多，预设时长越短，有利于第一种电子装置及时的识别出指示信号的切换，并针对该切换进行检测。
S302：基于所述图像序列确定目标差分图像。
本公开中的目标差分图像是：基于所述图像采集设备采集的所述信号灯发出的指示信号发生切换时的图像，得到的差分图像。
在本公开一个可选的实施例中，可以根据所述图像序列，得到差分图像序列；所述差分图像序列中的每一帧差分图像，对应于所述图像序列中相邻的两帧图像。示例性的如图4所示，针对图像序列中任意相邻的两帧图像进行差分出的，即得到两帧图像对应的差分图像，例如，图像P1与图像P2进行差分处理，得到差分图像d1，以此类推。
由差分处理的原理可知，若两帧图像中处于同一位置(例如，在图像坐标系下的坐标相同)的像素的通道值相同(或基本相同)，则得到的差分图像在该位置的通道值为零(或趋近与零)，此时，该两帧图像均对应于某次切换之前或之后；若两帧图像中处于同一位置通道值差异较大，则得到的差分图像在该位置的通道值也较大，此时，该两帧图像分别对应于某次切换的前、后。
在图4所示的图像序列中，信号灯在图像p1和图像p2的采集时刻没有发生指示信号的切换，即图像p1中的区域1与图像p2中的区域1差异不明显，则根据图像p1和图像p2得到的差分图像d1在对应于信号灯的位置不会显示出信号灯的变化。而图像p2对应于信号灯的指示信号发生切换的时刻之前，图像p3对应于信号灯的指示信号发生切换的时刻之后，则根据图像p2和图像p3得到的差分图像d2在对应于信号灯的位置会显示出信号灯的变化，差分图像d2是目标差分图像。
本公开对根据一个图像序列确定出的目标差分图像的数量不做限制。在如图4所示的示例中，得到的目标差分图像为两个，分别是差分图像d2在和差分图像d3。
可见，通过本实施例针对图像进行的差分处理，能够直接根据得到的差分图像，识别出信号灯发出的指示信号的变化。
进一步地，在本公开另一个可选的实施例中，在所述图像序列中，确定出对应于指示信号发生切换时的各帧图像(例如，可以根据预先获得的指示信号切换周期，确定发生切换的时刻)。针对每次指示信号发生的切换，对该次切换前后的两帧图像进行差分处理，得到目标差分图像。
可见，本实施例中的技术方案仅需对指示信号发生切换时采集的图像进行差分处理即可，有利于减小差分处理的计算量。
S304：基于确定出的各目标差分图像，确定信号灯在所述图像采集设备采集的图像中的基本位置。
通过前述过程得到的两个目标差分图像均能够不同层度的示出信号灯发生变化的灯头在图像中的位置。示例性的如图4所示，差分图像d2中的灯头A和灯头C发发出的指示信号发生了变化，使得差分图像d2至少能够示出灯头A和灯头C在图像中的位置。同理，差分图像d3至少能够示出灯头A和灯头B在图像中的位置。则在确定出灯头在图像中的位置的基础上，可以根据灯头的位置，确定出信号灯在图像中的位置。该确定出的信号灯在图像中的位置，可以是根据各目标差分图像中示出灯头的区域得到(例如，可以将目标差分图像中示出各灯头的各区域的外接矩形，作为信号灯在图像中的位置)，如图4所示的区域2。
可见，本公开提供的信号灯检测方法，根据信号灯发出的指示信号发生信号切换时采集的图像得到的差分图像，确定信号灯的该图像采集设备采集的各帧图像中的位置。由于，信号灯发生信号切换前、后采集到的两帧图像示出的信号灯的位置的差异较为明显，则确定出的信号灯在图像中的位置也更加准确。并且，本公开中的过程无需确定图像采集设备实际的位姿与历史上图像采集设备的安装位姿之间的差异，直接根据差分图像输出信号灯在图像中的位置，有利于降低信号灯检测过程中消耗的计算资源。进一步地，相较于保持不变的指示信号，切换的指示信号将对交通环境造成较为明显的影响，本公开中的方法着重针对切换指示信号时的信号灯进行检测，有利于提高检测的针对性。
需要说明的是，本公开中的过程示例性的以信号灯包括三个灯头为例，实际上，具有一个灯头或其他数量灯头的信号灯，也适用于本公开提供的信号灯检测过程。
如图2或图4所示，在图像和差分图像中，区域1(对应于信号灯的部分)占据了图像和差分图像一部分，而非全部。本公开为进一步减少对图像和差分图像中除区域1以外的其他区域进行处理时消耗的资源，并减小图像的背景(如图5所示)对后续处理的干扰，在本公开一个可选的实施例中，可以首先将所述图像采集设备处于初始位置时采集的图像，确定为参照图像。该参照图像可以是获取到的图像序列中的任意一帧图像，也可以是在获取到图像序列之前由图像采集设备采集到的某帧图像。
然后，在所述参照图像中，识别出所述信号灯，并根据所述参照图像中对应于所述信号灯的参照位置区域，得到基准区域。具体地，可以将所述参照图像对应于所述信号灯的参照位置区域扩大第一预定尺寸，得到基准区域。
在如图5所示的示例中，可以针对参照图像识别出对应于信号灯的区域(即参照位置区域)，该区域可以以其在参照图像的图像坐标系占据的坐标范围表征。然后，将该区域的边缘向该区域的外侧延伸出第一预定尺寸(例如m个像素)以实现扩大，进而得到扩大后的区域，并将该扩大后的区域作为基准区域。其中，得到的基准区域可以通过坐标范围表征。
在该实施例中，基准区域是对信号灯在参照图像中对应的范围进行扩大得到。而在本公开其他的实施例中，还可以识别出信号灯的每个灯头在参照图像中的区域，根据第一预定尺寸针对每个灯头在参照图像中的区域进行扩大，将扩大后得到的各区域的外接矩形，作为基准区域。此外，针对扩大后的各区域做其他边数的外接图形(例如，外接三角形、外接六边形等)，得到基准区域的技术方案，亦在本公开保护的范围之内。
其中，第一预定尺寸可以是经验值；第一预定尺寸也可以与参照图像对应于信号灯的区域的尺寸正相关。此外，第一预定尺寸还可以与灯头在图像中的尺寸正相关。例如，可以将灯头在图像中的直径尺寸或半径尺寸作为第一预定尺寸。
可见，通过本公开中的过程得到的基准区域能够示出图像采集设备处于初始位置的条件下，信号灯在所述图像采集设备采集的图像中的位置。需要说明的是，本公开中的初始位置可以根据实际的需求确定。例如，可以将图像采集设备的安装位置作为初始位置，则图像采集设备在安装完成时采集到的图像即为参照图像。此外，还可以将图像采集设备生命周期中任一时刻所处的位置作为初始位置，而将除该初始位置以外的其他位置采集的图像，与初始位置采集的参照图像做比较。
在一个可选的实施例中，可以采用人工标注的方式，在参照图像中，确定出对应于信号灯的区域。此外，也可以采用具有识别功能的人工智能模型确定出参照图像对应于信号灯的区域。
在确定出基准区域之后，可以针对所述图像序列中的每帧图像，将该帧图像中对应于基准区域的部分，作为该帧图像的子图像，从而将基于图像序列确定目标差分图像，转化为基于子图像序列确定目标差分图像。如图6所示。由于子图像中已经较大程度的去除了图像中除基准区域以外的部分，即较大程度的去除了背景，此后仅需对各帧图像对应于基准区域的部分进行后续的处理，能够有效的减小在后续步骤中处理的数据的量。并且，通过第一预定尺寸扩展得到的基准区域的面积，较图像中原本对应于信号灯的区域的面积更大，即使图像采集设备已经发生了位姿变化，本说明中各帧图像对应于基准区域的子图像中也能够包含信号灯的绝大部分信息。
需要说明的是，在本公开中的子图像是图像在后续步骤中所采用的一个区域，而条件允许的情况下，可以仅确定出子图像对应于图像的坐标范围即可，而无需专门设置生成子图像的图形结构的步骤。即，某子图像是一帧图像中的一个范围，在后续步骤中可以对该帧图像中除该范围外的其他部分视而不见。也就是说，图6所示的各子图像是示意性的，子图像可以是一个较为抽象的概念，而无需脱离图像、单独的生成对应于子图像的图形结构。
但实际应用中存在的通过分割、抠图等方式生成独立于图像的子图像的情形，仍属于本公开的保护范围。
此后，针对每次所述信号灯发出的指示信号发生的切换，根据对应于该次切换的各子图像得到的差分图像，确定该次切换对应的目标差分图像。在图6所示的示例中，子图像s2和子图像s3对应于切换的前后时刻，则根据子图像s2和子图像s3得到的差分图像是目标差分图像。子图像s1和子图像s2均对应于切换之前，则根据子图像s1和子图像s2得到的差分图像不是目标差分图像。
在本公开一个可选的实施例中，根据目标差分图像得到信号灯在各帧图像中的位置过程可以是：针对每个目标差分图像，基于该目标差分图像中各像素的通道值，确定该目标差分图像中的各个连通域，其中，连通域用于确定信号灯在所述图像采集设备采集的图像中的基准位置。连通域示出信号灯上通道值相同或相近的区域，有利于确定出图像中灯头的位置。
如图7a所示的连通域A至连通域E(为便于说明，图7a中仅示出了目标差分图像2中对应于基准区域的部分)。本申请实施例，可以针对确定出的各连通域降噪、除杂、筛选，然后基于对应的去噪和
/或筛选处理后的对应于所述灯头的连通域，确定信号灯在所述图像采集设备采集的图像中的基准位置。
其中，现有的针对图像进行降噪、除杂的方法在条件允许的情况下，均适用于本公开中的过程。
可选地，该降噪、除杂的过程可以是：针对确定出的各连通域进行开运算以进行去噪处理。和/或，判断对应于所述灯头的连通域的尺寸是否超出第二预定尺寸，以对对应于所述灯头的连通域进行筛选处理。
其中，开运算可以去除目标差分图像中尺寸较小的连通域(杂质点)，如图7a中所示的连通域E。此外，大于灯头的第二预定尺寸的连通域有可能对应于信号灯的连接机构、灯座等部件，如7a中所示的连通域D。在进行降噪和除杂之后剩余的连通域A和连通域C，分别对应于灯头A和灯头C。可见，本步骤可以较为准确的识别出图像对应于灯头的连通域。
其中，第二预定尺寸可以是灯头在所述图像中示出的最大尺寸。例如，在灯头的形状为圆形的情况下，第二预定尺寸即为灯头的径向尺寸(如图7a中所示的直径R)；在灯头的形状为矩形的情况下，第二预定尺寸即为灯头的对角线长度。
其中，第二预定尺寸可以是在前述确定参照图像对应于信号灯的区域的过程中确定的。在如图5所示的示例中，可以确定出参照图像对应于信号灯的区域，并确定出信号灯灯头的数量。将参照图像对应于信号灯的区域尺寸较大的一边的长度除以灯头的数量，将得到的尺寸，视为灯头第二预定尺寸。可见，通过该过程得到的灯头的第二预定尺寸是近似值。
由于实际场景中，图像采集设备很可能相对于信号灯发生了位姿的偏移，导致信号灯的在图像中的尺寸也未必始终保持不变。通过本公开中的过程，能够有效的确定出信号灯在参照图像中的尺寸，避免图像采集设备的位姿偏移，影响检测准确度。
之后，可以根据对应于所述灯头的连通域，确定信号灯在所述图像采集设备采集的图像中的基准位置。具体地，可以对对应于所述灯头的各连通域做外接矩形，将外接矩形在图像中的位置确定为信号灯在图像中的位置。示例性的如图7a所示，连通域A和连通域C的外接矩形可以作为信号灯在图像中的位置。
在实际的场景，可能存在信号灯的灯头数量较多，某一目标差分图像中示出的连通域对应的灯头并非均是位于信号灯的端部的灯头。示例性的如图7b所示，该信号灯实际包括三个灯头，但灯头C(位于信号灯的端部)发出的指示信号并未发生变化，则目标差分图像中没有示出灯头C，也无法确定出对应于灯头C的连通域，此时基于连通域A’和连通域B’之间的间距较小，放大了误差所占的比例，使得得到的信号灯在图像中的位置’可能存在一定的误差。
在本公开一个可选的实施例中，为减小误差，可以在通过前述步骤得到灯头在图像中的位置之后，根据各灯头在图像中的位置，确定任意两个灯头之间的间距。
若两个灯头之间的间距示出该两个灯头之间间隔有其他灯头(两灯头的质心之间的距离大于距离第二阈值，则两个灯头之间间隔有其他灯头。其中，距离第二阈值与灯头的第二预定尺寸正相关。例如，距离第二阈值可以是灯头的直径)，则可以将该两个灯头确定为可用灯头。然后，根据可用灯头在图像中的位置，确定信号灯在所述图像采集设备采集的图像中的基准位置。
针对灯头不唯一，和/或信号灯的长度方向和宽度方向的尺寸存在差异的情况，在本公开一个可选的示例中，可以针对对应于所述灯头的每个连通域，确定该连通域的质心在图像中的位置，如图7a所示的连通域A的质心和连通C的质心。质心在图像中的位置可以以坐标的形式表征。根据各质心在图像中的位置，确定间距小于距离第一阈值的两个质心之间存在连通关系。
如图7a和图7b所示，连通域A的质心在目标差分图像2中的位置与连通域A’的质心在目标差分图像3中的位置的间距小于距离第一阈值，则连通域A的质心和连通域A’的质心之间存在连通关系，表明连通域A和连通域A’均对应于灯头A。
而连通域A的质心在目标差分图像2中的位置，与连通域C的质心在目标差分图像2中的位置、以及连通域B’在目标差分图像3中的位置的间距均大于距离第一阈值，则连通域A的质心和连通域B’的质心之间不存在连通关系，连通域A的质心和连通域C的质心之间不存在连通关系，表明连通域A和连通域B’对应于不同的灯头，且连通域A和连通域C对应于不同的灯头。可见，本公开中的过程，能够较为准确的确定连通域与灯头之间的对应关系。
在本公开中，质心可以是连通域的几何中心。
之后，以各质心作为节点，并在间距小于距离第一阈值节点(即，存在连通关系的质心对应的节点)之间绘制边，得到图，如图8所示。将所述图中通过边依次连接的一组节点对应的各质心，确定为对应于同一灯头的质心。可见，通过本公开中的过程，能够以图的形式快捷精确的确定出各灯头各自对应的质心有哪些。
然后，可以针对每个灯头，将对应于该灯头的各质心在图像中的位置取平均，得到该灯头的质心在图像中的位置。可见，本公开对若干个质心的位置进行综合，能够有效的减小定位灯头的过程造成的误差。
在灯头是规则形状(例如，方形、圆形、六边形等)的情况下，在得到灯头质心在图像中的位置的基础上，可以根据前述步骤中的灯头尺寸，确定出图像中对应于各灯头的区域。可选地，在确定出灯头在图像中的区域之后，可以对各个灯头在图像中的区域做外接矩形，得到信号灯在图像中的位置。
由于本公开中的过程涉及的位置、坐标等概念，均为对应于图像坐标系的概念。在确定出某一要素(例如质心、节点、连通域、信号灯等)在某一类型图片(例如，图像采集设备采集到的图、目标差分图像、差分图像、图等)中的位置之后，可以通过计算确定出该要素在其他类型的图片中的位置。例如，针对一质心，若能够确定出该质心在目标差分图像中的位置，则可以确定出该质心在其对应的图中的位置。可见，本公开中的位置、坐标可以在不同类型的图片中转换，而不发生冲突。
进一步地，在本公开中，诸如质心、节点这种在图像中不具备面积等含义的要素，其位置即为一个坐标点。诸如连通域、信号灯这种在图像中具备面积含义的要素，其位置可以是其质心的坐标点、其轮廓的尺寸形状；或，其位置可以是其在图像中的影像包含各个像素的坐标点集合。
在某些情况下，图像采集设备相对于信号灯发生的位姿变化是随时间变化的。则距当前时刻较远的历史时刻中得到的目标差分图像，可能会对确定信号灯在图像中的位置造成影响。
在本公开一个可选的实施例中，可以在对应于所述灯头的各连通域中，筛选出连通域所属的图像的采集时间距当前时刻最近的指定数量个连通域。根据筛选出的各连通域，确定信号灯在所述图像采集设备采集的图像中的基准位置。如图6所示，在执行数量是四时，目标差分图像2和目标差分图像3各自包括两个对应于灯头的连通域，则目标差分图像2和目标差分图像3中对应于灯头的连通域，可以用于后续步骤。
可选地，指定数量可以与信号灯的灯头的数量正相关。
在本公开另一个可选的实施例中，可以在对应于所述灯头的各连通域中，筛选出目标连通域；所述目标连通域是：所属图像的采集时刻距当前时刻最近的指定数量个连通域；或，所属图像的采集时刻距当前时刻的时长，不超过指定时长的连通域。根据筛选出的各目标连通域，确定信号灯在所述图像采集设备采集的图像中的基准位置。
可选地，指定时长可以与信号灯的灯头的数量正相关。
可见，本公开中的过程能够有效的避免距当前时刻较为久远的图像，对当前时刻执行的信号灯检测带来的误差。并且，不会导致该检测的过程采用的连通域的数量过少。
为进一步提高确定出的信号灯的位置的准确性，在本公开一个可选的实施例中，将针对所述图像序列确定的信号灯在图像中的基准位置作为候选基准位置；基于针对信号灯采集的其他图像序列，确定信号灯在图像的至少一个其他候选基准位置；基于所述候选基准位置与所述至少一个其他候选基准位置确定信号灯图像中的目标基准位置。
至此，确定出了信号灯在图像中的目标基准位置。示例性的如图4所示，通过本说明的过程，最终得到的是信号灯在该图像采集设备采集到的各个图像中的位置，即图4中的区域2。为便于理解，可以将图4中的输出视为一个与图像采集设备采集到的图像形状及尺寸相同的蒙版，该蒙版上设置有如区域2所示的图形。则在图像采集设备采集到某帧图像之后，可以将该蒙版与该帧图像重叠，该帧图像对应于区域2的位置，即为信号灯的位置。
需要说明的是，该“蒙版”仅为便于理解的示例性说明，在实际使用时，可以不存在该“蒙版”的实体框架，而是通过区域2对应的坐标范围确定图像采集设备采集的图像中的信号灯的位置。
以上为本公开的一个或多个实施例提供的信号灯检测过程，基于同样的思路，本公开还提供了相应的第一种电子装置，第一种电子装置可以用于信号灯检测，如图9所示。
图9为本公开提供的第一种电子装置示意图，具体包括：
图像序列获取模块900，配置为：获取图像采集设备针对所述信号灯采集的图像序列；
目标差分图像确定模块902，配置为：基于所述图像序列确定目标差分图像；所述目标差分图像是基于信号灯发出的指示信号发生切换时的图像得到的差分图像；
位置确定模块904，配置为：基于确定出的目标差分图像确定信号灯在图像中的基准位置。
在本公开一个可选的实施例中，目标差分图像确定模块902具体配置为：对所述图像序列中任意相邻的两帧图像进行差分处理，得到各差分图像；基于各差分图像中各像素的通道值，在各差分图像中，选出对应于指示信号发生切换时的差分图像，确定为目标差分图像。
在本公开一个可选的实施例中，目标差分图像确定模块902具体配置为：在所述图像序列中，确定出对应于指示信号发生切换时的各帧图像；针对每次指示信号发生的切换，对该次切换前后的两帧图像进行差分处理，得到目标差分图像。
在本公开一个可选的实施例中，可以将基于所述图像序列确定目标差分图像转化为基于子图像序列确定目标差分图像。其中，在确定出基准区域之后，可以针对所述图像序列中的每帧图像，将该帧图像中对应于基准区域的部分，作为该帧图像的子图像，其中，信号灯在图像中的预设基准区域的确定过程包括：
确定参照图像，所述参照图像为图像采集设备处于初始位置时采集的图像；
从所述参照图像识别出所述信号灯的参照位置区域；
对识别出的所述信号灯的参照位置区域扩大第一预定尺寸，得到所述基准区域。
在本公开一个可选的实施例中，第一种电子装置还包括基准区域确定模块906，配置为：确定参照图像，所述参照图像为图像采集设备处于初始位置时采集的图像；从所述参照图像识别出所述信号灯的参照位置区域；对识别出的所述信号灯的参照位置区域扩大第一预定尺寸，得到所述基准区域。
在本公开一个可选的实施例中，所述信号灯包括至少一个灯头。位置确定模块904具体配置为：针对每个目标差分图像，基于该目标差分图像中各像素的通道值，确定该目标差分图像中的各个连通域；从各目标差分图像的各连通域中确定出对应于所述灯头的连通域；
基于确定出的对应于所述灯头的连通域，确定信号灯在图像中的位置。
在本公开一个可选的实施例中，位置确定模块904具体配置为：针对确定出的对应于所述灯头的各连通域进行开运算以进行去噪处理；和/或，判断对应于所述灯头的连通域的尺寸是否超出第二预定尺寸，以对对应于所述灯头的连通域进行筛选处理；
基于去噪和/或筛选处理后对应于所述灯头的连通域，确定信号灯在所述图像采集设备采集的图像中的基准位置。
在本公开一个可选的实施例中，位置确定模块904具体配置为：在对应于所述灯头的各连通域中，筛选出目标连通域；所述目标连通域是：所属图像的采集时刻距当前时刻最近的指定数量个连通域；或，所属图像的采集时刻距当前时刻的时长，不超过指定时长的连通域；基于筛选出的目标连通域，确定信号灯在所述图像采集设备采集的图像中的基准位置。
在本公开一个可选的实施例中，位置确定模块904具体配置为：针对对应于所述灯头的每个连通域，确定该连通域的质心在图像中的位置；基于各质心在图像中的位置，确定间距小于距离第一阈值的两个质心，对应于同一灯头；基于各灯头各自对应的质心，确定信号灯在所述图像采集设备采集的图像中的基准位置。
在本公开一个可选的实施例中，位置确定模块904具体配置为：以各质心作为节点，并在间距小于距离第一阈值的两个节点之间绘制边，得到图；将所述图中通过边依次连接的一组节点对应的各质心，确定为对应于同一灯头的质心。
在本公开一个可选的实施例中，位置确定模块904具体配置为：针对每个灯头，将对应于该灯头的各质心在图像中的位置取平均，得到该灯头在图像中的位置；基于各灯头在图像中的位置，确定信号灯在所述图像采集设备采集的图像中的基准位置。
在本公开一个可选的实施例中，所述信号灯的灯头至少为三个。位置确定模块904具体配置为：基于各灯头在图像中的位置，确定任意两个灯头之间的间距；若两个灯头之间的间距示出该两个灯头之间间隔有其他灯头，则将该两个灯头确定为可用灯头；基于可用灯头在图像中的位置，确定信号灯在所述图像采集设备采集的图像中的基准位置。
在本公开一个可选的实施例中，将针对所述图像序列确定的信号灯在图像中的基准位置作为候选基准位置；
基于针对信号灯采集的其他图像序列，确定信号灯在图像的至少一个其他候选基准位置；
基于所述候选基准位置与所述至少一个其他候选基准位置确定信号灯图像中的目标基准位置。
本公开还进一步提供了相应的指示信号识别过程，如图10所示。该指示信号识别过程可以包括：
S1000：获取基准位置。
所述基准位置是信号灯在图像采集设备采集的图像中的位置，所述基准位置是通过前述的任意一种信号灯检测过程得到的。所述图像是由图像采集设备采集的。
S1002：获取图像采集设备采集的图像；
S1004：基于获取的基准位置确定各帧图像中，对应于所述信号灯的区域。
S1006：基于各帧图像对应于所述信号灯的区域，识别所述信号灯发出的指示信号。
其中，所述指示信号包括以下至少一种：光、影像、图形、文字。
以上为本公开的一个或多个实施例提供的指示信号识别过程，基于同样的思路，本公开还提供了相应的指示信号识别装置。该指示信号识别装置可以包括：
第一获取模块，配置为：获取信号灯在各帧图像中的位置。
区域确定模块，配置为：确定各帧图像中，对应于所述信号灯的区域。
识别模块，配置为：基于各帧图像对应于所述信号灯的区域，识别所述信号灯发出的指示信号。
本公开还进一步提供了相应的道路信息展示过程，如图11所示。该道路信息展示过程可以由终端执行。终端可以包括车辆(例如无人车等智能车辆)的车机、用户的手持终端(例如，手机、PAD等)、设置于路测的信息展示终端(例如，电子车站牌等)以及其他具有信息展示功能的终端。
该道路信息展示过程可以包括：
S1100：获取信号灯发出的指示信号。
所述指示信号是通过前述的指示信号识别过程得到的。
S1102：基于所述指示信号，以及所述信号灯所处的路段，生成道路信息，并展示。
其中，道路信息可以通过图像、文字、声音等方式表征。
以上为本公开的一个或多个实施例提供的道路信息展示过程，基于同样的思路，本公开还提供了相应的道路信息展示装置。该道路信息展示装置可以包括：
第二获取模块，配置为：获取信号灯发出的指示信号。
展示模块，配置为：基于所述指示信号，以及所述信号灯所处的路段，生成道路信息，并展示。
本公开还进一步提供了相应的车辆路径规划过程，如图12所示。该车辆路径规划过程可以由车辆的车机、与车辆通信连接的服务器中的至少一种执行。该车辆路径规划过程可以包括：
S1200：确定车辆当前所处的位置。
车辆可是无人车等智能车辆。
S1202：获取与所述车辆当前所处的位置满足预设条件的各信号灯发出的指示信号。
所述指示信号是通过前述的指示信号识别过程得到的。
在本公开一个可选的实施例中，可以将距车辆的距离不超过距离第三阈值的信号灯，确定为满足预设条件的信号灯。
在本公开另一个可选的实施例中，可以将位于车辆当前位置和车辆前往的目的地之间的至少部分路段中的信号灯，确定为满足预设条件的信号灯。
S1204：基于所述车辆当前所处的位置，以及获取到的所述指示信号，规划所述车辆在未来时刻中行驶时采用的路径。
以上为本公开的一个或多个实施例提供的车辆路径规划过程，基于同样的思路，本公开还提供了相应的车辆路径规划装置。该车辆路径规划装置可以包括：
车辆位置确定模块，配置为：确定车辆当前所处的位置。
第三获取模块，配置为：获取与所述车辆当前所处的位置满足预设条件的各信号灯发出的指示信号。
第一规划模块，配置为：基于所述车辆当前所处的位置，以及获取到的所述指示信号，规划所述车辆在未来时刻中行驶时采用的路径。
本公开还进一步提供了相应的车辆行驶状态规划过程，如图13所示。该车辆行驶状态规划过程可以由车辆的车机、与车辆通信连接的服务器中的至少一种执行。该车辆行驶状态规划过程可以包括：
S1300：获取为所述车辆规划的路径。
车辆可是无人车等智能车辆。
S1302：获取所述路径沿途的各信号灯发出的指示信号。
所述信号灯发出的指示信号是通过前述的指示信号识别过程得到的。
步骤S1300和步骤S1302的执行次序不分先后。
S1304：基于所述车辆当前所处的位置，以及所述指示信号，在所述车辆沿所述路径行驶的条件下，确定所述车辆在下一时刻的行驶状态。
其中，行驶状态可以包括以下至少一种：速度、速度的方向、加速度、加速度的方向。
以上为本公开的一个或多个实施例提供的车辆行驶状态规划过程，基于同样的思路，本公开还提供了相应的车辆行驶状态规划装置。该车辆行驶状态规划装置可以包括：
第四获取模块，配置为：获取为所述车辆规划的路径。
第五获取模块，配置为：获取所述路径沿途的各信号灯发出的指示信号。
第二规划模块，配置为：基于所述车辆当前所处的位置，以及所述指示信号，在所述车辆沿所述路径行驶的条件下，确定所述车辆在下一时刻的行驶状态。
本公开还进一步提供了相应的障碍物检测过程，如图14所示。该障碍物检测过程可以由车辆的车机、与路侧感知单元通信连接的服务器中的至少一种执行。该障碍物检测过程可以包括：
S1400：获取障碍物的位置、障碍物当前的运动状态以及该障碍物对应的信号灯发出的指示信号，作为可用信息。
其中，所述信号灯发出的指示信号是通过前述的指示信号识别过程得到的。
在本公开一个可选的实施例中，该障碍物对应的信号灯可以是距该障碍物的距离不超过距离第四阈值的信号灯。
在本公开另一个可选的实施例中，该障碍物对应的信号灯可以是位于障碍物运动方向上的信号灯。
在环境中的障碍物为多个的情况下，可以针对每个障碍物分别实施本公开中的过程。
S1402：基于所述可用信息，预测所述障碍物在下一时刻的位置、运动状态中的至少一种。
障碍物的运动状态可以包括以下至少一种：速度、速度的方向、加速度、加速度的方向。
以上为本公开的一个或多个实施例提供的障碍物检测过程，基于同样的思路，本公开还提供了相应的障碍物检测装置。该障碍物检测装置可以包括：
第六获取模块，配置为：获取障碍物的位置、障碍物当前的运动状态以及该障碍物对应的信号灯发出的指示信号，作为可用信息。
预测模块，配置为：基于所述可用信息，预测所述障碍物在下一时刻的位置、运动状态中的至少一种。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图15示出了可以用来实施本公开的实施例的示例电子设备1500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图15所示，设备1500包括计算单元1501，其可以根据存储在只读存储器(ROM)1502中的计算机程序或者从存储单元1508加载到随机访问存储器(RAM)1503中的计算机程序，来执行各种适当的动作和处理。在RAM 1503中，还可存储设备1500操作所需的各种程序和数据。计算单元1501、ROM 1502以及RAM 1503通过总线1504彼此相连。输入/输出(I/O)接口1505也连接至总线1504。
设备1500中的多个部件连接至I/O接口1505，包括：输入单元1506，例如键盘、鼠标等；输出单元1507，例如各种类型的显示器、扬声器等；存储单元1508，例如磁盘、光盘等；以及通信单元1509，例如网卡、调制解调器、无线通信收发机等。通信单元1509允许设备1500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1501执行上文所描述的各个方法和处理，例如前述方法中的任意一种。例如，在一些实施例中，前述方法中的任意一种可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1502和/或通信单元1509而被载入和/或安装到设备1500上。当计算机程序加载到RAM 1503并由计算单元1501执行时，可以执行上文描述的前述方法中的任意一种的一个或多个步骤。备选地，在其他实施例中，计算单元1501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行前述方法中的任意一种。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (22)
1.一种信号灯检测方法，包括：
获取针对信号灯采集的图像序列；
基于所述图像序列确定目标差分图像；所述目标差分图像是基于所述图像序列中信号灯发出的指示信号发生切换前后的两帧图像，进行差分处理得到的差分图像；
基于确定出的目标差分图像，确定信号灯在图像中的基准位置；
所述信号灯包括至少一个灯头；所述基于确定出的目标差分图像，确定信号灯在图像中的基准位置，包括：
针对每个目标差分图像，基于该目标差分图像中各像素的通道值，确定该目标差分图像中的各个连通域；
从各目标差分图像的各连通域中确定出对应于所述灯头的连通域；
基于确定出的对应于所述灯头的连通域，确定信号灯在图像中的所述基准位置。
2.根据权利要求1所述的方法，其中，基于所述图像序列确定目标差分图像，包括：
对所述图像序列中任意相邻的两帧图像进行差分处理，得到各差分图像；
基于各差分图像中各像素的通道值，在各差分图像中，选出对应于指示信号发生切换时的各差分图像，确定为目标差分图像。
3.根据权利要求1所述的方法，其中，基于所述图像序列确定目标差分图像，包括：
在所述图像序列中，确定出对应于指示信号发生切换时的各帧图像；
针对每次指示信号发生的切换，对该次切换前后的两帧图像进行差分处理，得到目标差分图像。
4.根据权利要求1所述的方法，其中，基于所述图像序列确定目标差分图像，包括：
确定图像序列中图像的信号灯在图像中的预设基准区域；
基于确定的图像序列中图像的预设基准区域，确定目标差分图像。
5.根据权利要求4所述的方法，其中，信号灯在图像中的预设基准区域的确定过程包括：
确定参照图像，所述参照图像为图像采集设备处于初始位置时采集的图像；
从所述参照图像识别出所述信号灯的参照位置区域；
对识别出的所述信号灯的参照位置区域扩大第一预定尺寸，得到所述基准区域。
6.根据权利要求1所述的方法，其中，该方法还包括：
将针对所述图像序列确定的信号灯在图像中的所述基准位置作为候选基准位置；
基于针对信号灯采集的其他图像序列，确定信号灯在图像的至少一个其他候选基准位置；
基于所述候选基准位置与所述至少一个其他候选基准位置确定信号灯图像中的目标基准位置。
7.根据权利要求1所述的方法，其中，基于确定出的对应于所述灯头的连通域，确定信号灯在图像中的基准位置，包括：
针对确定出的对应于所述灯头的各连通域进行开运算以进行去噪处理；和/或，判断对应于所述灯头的连通域的尺寸是否超出第二预定尺寸，以对对应于所述灯头的连通域进行筛选处理；
基于对应的去噪和/或筛选处理后的对应于所述灯头的连通域，确定信号灯在图像中的所述基准位置。
8.根据权利要求1所述的方法，其中，基于确定出的对应于所述灯头的连通域，确定信号灯在图像中的基准位置，包括：
在对应于所述灯头的各连通域中，筛选出目标连通域；所述目标连通域是：所属图像的采集时刻距当前时刻最近的指定数量个连通域；或，所属图像的采集时刻距当前时刻的时长，不超过指定时长的连通域；
基于筛选出的目标连通域，确定信号灯在图像中的所述基准位置。
9.根据权利要求1所述的方法，其中，基于确定出的对应于所述灯头的连通域，确定信号灯在图像中的基准位置，包括：
针对对应于所述灯头的每个连通域，确定该连通域的质心在图像中的位置；
基于各质心在图像中的位置，确定间距小于距离第一阈值的两个质心，对应于同一灯头；
基于各灯头各自对应的质心，确定信号灯在图像采集设备采集的图像中的所述基准位置。
10.根据权利要求9所述的方法，其中，确定间距小于距离第一阈值的两个质心，对应于同一灯头，包括：
以各质心作为节点，并在间距小于距离第一阈值的两个节点之间绘制边，得到图；
将所述图中通过边依次连接的一组节点对应的各质心，确定为对应于同一灯头的质心。
11.根据权利要求9所述的方法，其中，基于各灯头各自对应的质心，确定信号灯在图像中的基准位置，包括：
针对每个灯头，将对应于该灯头的各质心在图像中的位置取平均，得到该灯头在图像中的位置；
基于各灯头在图像中的位置，确定信号灯在图像中的基准位置。
12.根据权利要求11所述的方法，其中，所述信号灯的灯头至少为三个；基于各灯头在图像中的位置，确定信号灯在图像中的基准位置，包括：
基于各灯头在图像中的位置，确定任意两个灯头之间的间距；
若两个灯头之间的间距示出该两个灯头之间间隔有其他灯头，则将该两个灯头确定为可用灯头；
基于可用灯头在图像中的位置，确定信号灯在图像中的基准位置。
13.一种指示信号识别方法，包括：
获取基准位置，所述基准位置是信号灯在图像采集设备采集的图像中的位置，所述基准位置是通过权利要求1至12任一所述的方法预先得到的；
获取图像采集设备采集的图像；
基于获取的基准位置确定各帧图像对应于所述信号灯的区域；
基于各帧图像对应于所述信号灯的区域，识别所述信号灯发出的指示信号；其中，所述指示信号包括以下至少一种：光、影像、图形、文字。
14.一种道路信息展示方法，包括：
获取信号灯发出的指示信号，所述指示信号是通过权利要求13所述的方法得到的；
基于所述指示信号，以及所述信号灯所处的路段，生成道路信息，并展示。
15.一种车辆路径规划方法，包括：
确定车辆当前所处的位置；
获取与所述车辆当前所处的位置满足预设条件的各信号灯发出的指示信号，所述指示信号是通过权利要求13所述的方法得到的；
基于所述车辆当前所处的位置，以及获取到的所述指示信号，规划所述车辆在未来时刻中行驶时采用的路径。
16.一种车辆行驶状态规划方法，包括：
获取为所述车辆规划的路径，以及所述路径沿途的各信号灯发出的指示信号；所述指示信号是通过权利要求13所述的方法得到的；
基于所述车辆当前所处的位置，以及所述指示信号，在所述车辆沿所述路径行驶的条件下，确定所述车辆在下一时刻的行驶状态，所述行驶状态包括以下至少一种：速度、速度的方向、加速度、加速度的方向。
17.一种障碍物检测方法，包括：
获取障碍物的位置、障碍物当前的运动状态以及该障碍物对应的信号灯发出的指示信号，作为可用信息；所述指示信号是通过权利要求13所述的方法得到的；
基于所述可用信息，预测所述障碍物在下一时刻的位置、运动状态中的至少一种。
18.一种电子装置，所述电子装置用于实现权利要求1至17任一项所述的方法。
19.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-17中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-17中任一项所述的方法。
21.一种路侧设备，包括如权利要求19所述的电子设备。
22.一种云控平台，包括如权利要求19所述的电子设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110385452.6A CN113033464B (zh) | 2021-04-10 | 2021-04-10 | 信号灯检测方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110385452.6A CN113033464B (zh) | 2021-04-10 | 2021-04-10 | 信号灯检测方法、装置、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113033464A CN113033464A (zh) | 2021-06-25 |
| CN113033464B true CN113033464B (zh) | 2023-11-21 |
Family
ID=76456277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110385452.6A Active CN113033464B (zh) | 2021-04-10 | 2021-04-10 | 信号灯检测方法、装置、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113033464B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106598356A (zh) * | 2016-11-24 | 2017-04-26 | 北方工业大学 | 一种红外发射源输入信号定位点检测方法、装置及*** |
| JP2017187589A (ja) * | 2016-04-05 | 2017-10-12 | キヤノン株式会社 | 焦点調節装置およびその方法、撮像装置、プログラム、記憶媒体 |
| CN108804983A (zh) * | 2017-05-03 | 2018-11-13 | 腾讯科技（深圳）有限公司 | 交通信号灯状态识别方法、装置、车载控制终端及机动车 |
| CN109145678A (zh) * | 2017-06-15 | 2019-01-04 | 杭州海康威视数字技术股份有限公司 | 信号灯检测方法及装置和计算机设备及可读存储介质 |
| CN109389838A (zh) * | 2018-11-26 | 2019-02-26 | 爱驰汽车有限公司 | 无人驾驶路口路径规划方法、***、设备及存储介质 |
| CN110287828A (zh) * | 2019-06-11 | 2019-09-27 | 北京三快在线科技有限公司 | 信号灯的检测方法、装置及电子设备 |
| CN111428663A (zh) * | 2020-03-30 | 2020-07-17 | 北京百度网讯科技有限公司 | 红绿灯状态的识别方法、装置、电子设备和存储介质 |
| CN111950536A (zh) * | 2020-09-23 | 2020-11-17 | 北京百度网讯科技有限公司 | 信号灯图像的处理方法、装置、计算机***和路侧设备 |
| CN112084905A (zh) * | 2020-08-27 | 2020-12-15 | 深圳市森国科科技股份有限公司 | 交通灯状态识别方法、***、设备及存储介质 |
| CN112101272A (zh) * | 2020-09-23 | 2020-12-18 | 北京百度网讯科技有限公司 | 交通灯检测的方法、装置、计算机存储介质和路侧设备 |
| CN112131414A (zh) * | 2020-09-23 | 2020-12-25 | 北京百度网讯科技有限公司 | 信号灯的图像的标注方法、装置、电子设备以及路侧设备 |
| CN112164221A (zh) * | 2020-09-23 | 2021-01-01 | 北京百度网讯科技有限公司 | 图像数据挖掘方法、装置、设备及路侧设备 |
| CN112180285A (zh) * | 2020-09-23 | 2021-01-05 | 北京百度网讯科技有限公司 | 识别交通信号灯故障的方法、装置、导航***和路侧设备 |
| CN112396116A (zh) * | 2020-11-24 | 2021-02-23 | 武汉三江中电科技有限责任公司 | 一种雷电检测方法、装置、计算机设备及可读介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937563B (zh) * | 2009-07-03 | 2012-05-30 | 深圳泰山在线科技有限公司 | 一种目标检测方法和设备及其使用的图像采集装置 |
| US20170206427A1 (en) * | 2015-01-21 | 2017-07-20 | Sportstech LLC | Efficient, High-Resolution System and Method to Detect Traffic Lights |
| CN110660254B (zh) * | 2018-06-29 | 2022-04-08 | 北京市商汤科技开发有限公司 | 交通信号灯检测及智能驾驶方法和装置、车辆、电子设备 |
-
2021
- 2021-04-10 CN CN202110385452.6A patent/CN113033464B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017187589A (ja) * | 2016-04-05 | 2017-10-12 | キヤノン株式会社 | 焦点調節装置およびその方法、撮像装置、プログラム、記憶媒体 |
| CN106598356A (zh) * | 2016-11-24 | 2017-04-26 | 北方工业大学 | 一种红外发射源输入信号定位点检测方法、装置及*** |
| CN108804983A (zh) * | 2017-05-03 | 2018-11-13 | 腾讯科技（深圳）有限公司 | 交通信号灯状态识别方法、装置、车载控制终端及机动车 |
| CN109145678A (zh) * | 2017-06-15 | 2019-01-04 | 杭州海康威视数字技术股份有限公司 | 信号灯检测方法及装置和计算机设备及可读存储介质 |
| CN109389838A (zh) * | 2018-11-26 | 2019-02-26 | 爱驰汽车有限公司 | 无人驾驶路口路径规划方法、***、设备及存储介质 |
| CN110287828A (zh) * | 2019-06-11 | 2019-09-27 | 北京三快在线科技有限公司 | 信号灯的检测方法、装置及电子设备 |
| CN111428663A (zh) * | 2020-03-30 | 2020-07-17 | 北京百度网讯科技有限公司 | 红绿灯状态的识别方法、装置、电子设备和存储介质 |
| CN112084905A (zh) * | 2020-08-27 | 2020-12-15 | 深圳市森国科科技股份有限公司 | 交通灯状态识别方法、***、设备及存储介质 |
| CN111950536A (zh) * | 2020-09-23 | 2020-11-17 | 北京百度网讯科技有限公司 | 信号灯图像的处理方法、装置、计算机***和路侧设备 |
| CN112101272A (zh) * | 2020-09-23 | 2020-12-18 | 北京百度网讯科技有限公司 | 交通灯检测的方法、装置、计算机存储介质和路侧设备 |
| CN112131414A (zh) * | 2020-09-23 | 2020-12-25 | 北京百度网讯科技有限公司 | 信号灯的图像的标注方法、装置、电子设备以及路侧设备 |
| CN112164221A (zh) * | 2020-09-23 | 2021-01-01 | 北京百度网讯科技有限公司 | 图像数据挖掘方法、装置、设备及路侧设备 |
| CN112180285A (zh) * | 2020-09-23 | 2021-01-05 | 北京百度网讯科技有限公司 | 识别交通信号灯故障的方法、装置、导航***和路侧设备 |
| CN112396116A (zh) * | 2020-11-24 | 2021-02-23 | 武汉三江中电科技有限责任公司 | 一种雷电检测方法、装置、计算机设备及可读介质 |
Non-Patent Citations (4)
| Title |
|---|
| Robust real-time traffic light detection and distance estimation using a single camera;Moises Diaz-Cabrera 等;《Expert Systems with Applications》;第42卷(第8期);3911-3923 * |
| Traffic light detection and recognition for autonomous vehicles;Guo Mu 等;《The Journal of China Universities of Posts and Telecommunications》;第22卷(第1期);50-56 * |
| 交通信号灯智能控制算法研究;叶尔江・哈力木;曼苏乐;张秀彬;;微型电脑应用(第06期);46-48 * |
| 基于数字图像处理的智能交通管理控制***;吴则平;;通讯世界(第08期);316-317 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113033464A (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102407664B1 (ko) | 물체 검출을 위한 방법, 장치 및 기기 | |
| EP3859708A1 (en) | Traffic light image processing method and device, and roadside device | |
| US11263769B2 (en) | Image processing device, image processing method, and image processing system | |
| US11810320B2 (en) | Method and apparatus for determining location of signal light, storage medium, program and roadside device | |
| CN113011323B (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
| CN109284801B (zh) | 交通指示灯的状态识别方法、装置、电子设备及存储介质 | |
| CN112200131A (zh) | 一种基于视觉的车辆碰撞检测方法、智能终端及存储介质 | |
| CN111178119A (zh) | 路口状态检测方法、装置、电子设备及车辆 | |
| CN112052778B (zh) | 一种交通标志识别方法以及相关装置 | |
| CN110968718A (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
| CN111601013B (zh) | 用于处理视频帧的方法和装置 | |
| CN112528795A (zh) | 信号灯的灯色识别方法、装置及路侧设备 | |
| US20230049656A1 (en) | Method of processing image, electronic device, and medium | |
| CN112434657A (zh) | 飘散运载物检测方法、设备、程序及计算机可读介质 | |
| CN113742440B (zh) | 道路图像数据处理方法、装置、电子设备及云计算平台 | |
| CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及*** | |
| CN113033464B (zh) | 信号灯检测方法、装置、设备以及存储介质 | |
| CN112507956A (zh) | 信号灯识别方法、装置、电子设备、路侧设备和云控平台 | |
| CN116758503A (zh) | 车道线自动标注方法、装置、设备及存储介质 | |
| CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
| EP4080479A2 (en) | Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system | |
| CN114565906A (zh) | 障碍物检测方法、装置、电子设备及存储介质 | |
| CN112991446A (zh) | 图像稳像方法、装置、路侧设备以及云控平台 | |
| KR102188162B1 (ko) | 안개 상황에서 차량 검출 방법 및 시스템 | |
| CN113378836A (zh) | 图像识别方法、装置、设备、介质及程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |