CN115394103A - 识别信号灯的方法、装置、设备以及存储介质 - Google Patents

识别信号灯的方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN115394103A
CN115394103A CN202210907665.5A CN202210907665A CN115394103A CN 115394103 A CN115394103 A CN 115394103A CN 202210907665 A CN202210907665 A CN 202210907665A CN 115394103 A CN115394103 A CN 115394103A
Authority
CN
China
Prior art keywords
signal lamp
target
target signal
target image
identifying
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.)
Pending
Application number
CN202210907665.5A
Other languages
English (en)
Inventor
石一伸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Apollo Intelligent Connectivity Beijing Technology Co Ltd filed Critical Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority to CN202210907665.5A priority Critical patent/CN115394103A/zh
Publication of CN115394103A publication Critical patent/CN115394103A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开提供了一种识别信号灯的方法、装置、设备以及存储介质，涉及人工智能技术领域，尤其涉及无人驾驶领域的智能交通。具体实现方案为：响应于触发对目标信号灯的识别，获取当前采集的目标图像，所述目标图像中包括所述目标信号灯；获取所述目标信号灯的先验信息，并基于所述先验信息，在所述目标图像中对所述目标信号灯进行识别。

Description

识别信号灯的方法、装置、设备以及存储介质
技术领域
本公开涉及人工智能技术领域，尤其涉及无人驾驶领域的智能交通。
背景技术
自动驾驶技术是影响未来汽车产业发展的重要因素。随着自动驾驶技术的成熟和商业化的加速，汽车将不再是从属于人的驾驶工具，车的核心价值部件由体现动力和操作***的传动***转向体现自动驾驶水平的智能软件***和处理芯片，驾驶员的双手、双脚、双眼将被解放，出行过程中的娱乐、社交、消费场景被彻底打开，开辟万亿级市场。
目前，自动驾驶主要依靠车辆自身的视觉、毫米波雷达、激光雷达等传感器、计算单元、线控***进行环境感知、计算决策和控制执行。
发明内容
本公开提供了一种识别信号灯的方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种识别信号灯的方法，包括：
响应于触发对目标信号灯的识别，获取当前采集的目标图像，所述目标图像中包括所述目标信号灯；获取所述目标信号灯的先验信息，并基于所述先验信息，在所述目标图像中对所述目标信号灯进行识别。
根据本公开的另一方面，提供了一种识别信号灯的装置，包括：
获取模块，响应于触发对目标信号灯的识别，获取当前采集的目标图像，所述目标图像中包括所述目标信号灯；以及用于获取所述目标信号灯的先验信息；处理单元，用于基于所述先验信息，在所述目标图像中对所述目标信号灯进行识别。
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
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述涉及的方法。
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，计算机指令用于使计算机执行上述涉及的方法。
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，计算机程序在被处理器执行时实现上述涉及的方法。
根据本公开的另一方面，提供了一种自动驾驶车辆，包括：
车外采集装置，用于在触发对目标信号灯的识别的情况下，获取当前采集的目标图像，目标图像中包括目标信号灯；控制部件，用于根据上述涉及的方法，获取所述目标信号灯的先验信息，并基于所述先验信息，在所述目标图像中对目标信号灯进行识别。
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是本公开示出的一种识别信号灯的方法流程图；
图2是本公开示出的一种自动驾驶车辆确定目标红绿灯的示意图；
图3是本公开示出的另一种识别信号灯的方法流程图；
图4是本公开示出的先验位置关系的示意图；
图5是本公开示出的又一种识别信号灯的方法流程图；
图6是本公开示出的另一种识别信号灯的方法流程图；
图7是本公开示出的一种目标图像的示意图；
图8是本公开示出的又一种识别信号灯的方法流程图；
图9是本公开示出的另一种识别信号灯的方法流程图；
图10是本公开示出的一种自动驾驶车辆识别信号灯的数据流向示意图；
图11是本公开示出的一种的识别信号灯的装置框图；
图12示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
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。
本公开实施例提供的识别信号灯的方法可以应用于自动驾驶车辆。例如，可以应用于自动驾驶车辆在行驶过程中对信号灯的识别。
自动驾驶技术是影响未来汽车产业发展的重要因素。随着自动驾驶技术的成熟和商业化的加速，汽车将不再是从属于人的驾驶工具，车的核心价值部件由体现动力和操作***的传动***转向体现自动驾驶水平的智能软件***和处理芯片，驾驶员的双手、双脚、双眼将被解放，出行过程中的娱乐、社交、消费场景被彻底打开，开辟万亿级市场。目前，自动驾驶主要依靠车辆自身的视觉、毫米波雷达、激光雷达等传感器、计算单元、线控***进行环境感知、计算决策和控制执行。
相关技术中，自动驾驶车辆在行驶过程中，会对当前道路的图像进行实时采集，并通过所采集的图像分析路况，进而执行相应的自动驾驶决策。例如，自动驾驶车辆根据所采集的图像进行信号灯识别。由于相关技术中，通常使用基于通用数据样本训练得到的网络模型进行信号灯识别，而不同信号灯之间往往存在较大差异。因此，相关技术无法对信号灯进行高效精准的识别。
有鉴于此，本公开提供了一种识别信号灯的方法，该方法为待识别的各个信号灯分别配置了先验信息。在此基础上，自动驾驶车辆可以在触发对信号灯的识别时，基于预先配置的先验信息进行信号灯识别，以使对信号灯的识别效率及识别准确度得到提高。
本公开以下为便于描述，将识别信号灯时采集的图像称为目标图像，将目标图像中可能存在信号灯的图像区域称为目标图像区域。其中，可以理解的是，目标图像中包括有待识别的目标信号灯。
图1是本公开示出的一种识别信号灯的方法流程图，如图1所示，包括以下步骤。
在步骤S101中，响应于触发对目标信号灯的识别，获取当前采集的目标图像。
在步骤S102中，获取目标信号灯的先验信息，并基于先验信息，在目标图像中对目标信号灯进行识别。
本公开提供的方法，在目标图像中确定目标图像区域，可以使自动驾驶车辆在后续仅对目标图像区域进行信号灯识别，而无需遍历整张图像，以使自动驾驶车辆的信号灯识别效率得到提高。
示例的，目标信号灯即为自动驾驶车辆在行进过程中即将经过的信号灯。具体的，自动驾驶车辆可以根据自身定位信息，结合自身执行自动驾驶规划时所获取的地图道路信息，预估即将经过的路口，进而将朝向与自动驾驶车辆行进方向相对且与自动驾驶车辆距离最接近的信号灯，确定为目标信号灯。以图2为例，自动驾驶车辆在即将经过路口且触发信号灯识别的情况下，所要识别的目标信号灯即为图2中箭头所指的信号灯。此外，需要说明的是，如何确定自动驾驶车辆即将经过的信号灯对于本领域而言已经是较为成熟的现有技术，此处仅是为了对目标信号灯的选取方式进行示例性说明，而并不是指自动驾驶车辆只能够通过上述方式确定目标信号灯。
示例的，目标信号灯的先验信息，例如可以包括自动驾驶车辆识别目标信号灯时，目标信号灯所处图像区域与目标信号灯所处图像之间的先验位置关系。在此基础上，自动驾驶车辆可以在后续触发对目标信号灯进行识别的过程中，直接调用目标信号灯的先验位置关系，以对采集图像进行区域预筛选。
图3是本公开示出的另一种识别信号灯的方法流程图，如图3所示，本公开实施例中的步骤S201与图1中的步骤S101的执行方法相似，在此不做赘述。
在步骤S202中，获取目标信号灯的先验位置关系，并按照先验位置关系，在目标图像中确定目标图像区域。
其中，所确定的目标图像区域，与目标图像之间满足先验位置关系。
在步骤S203中，在目标图像区域中对目标信号灯进行识别。
本公开实施例中，可以通过为目标信号灯配置的先验位置关系，对所获取的目标图像进行图像区域筛选，该方法可以缩小对目标信号灯进行识别的识别区域，减小数据处理量的同时，提高了整体的识别效率。
示例的，可以根据自动驾驶车辆触发识别目标信号灯的触发位置(示例的，触发识别目标信号灯的触发位置，也即采集目标图像时自动驾驶车辆所处的位置)，结合目标信号灯所处位置，得到触发位置与目标信号灯所处位置之间的相对位置关系。进一步的，可以根据目标信号灯的尺寸信息、杆体形状信息、灯组数量信息、灯组排列信息以及灯体离地高度信息，结合触发位置与目标信号灯所处位置之间的相对位置关系，推算出自动驾驶车辆处于触发位置时，目标信号灯在自动驾驶车辆采集视野内所占的区域大小。在此基础上，自动驾驶车辆可根据自身的采集视野大小，以及目标信号灯在采集视野内所占区域大小，构建第二图像。以图4为例，图4中整副图像表征自动驾驶车辆的采集视野，图4中虚线框所示的图像区域表征目标信号灯在自动驾驶车辆采集视野内所占的区域大小，二者之间的位置关系即为目标信号灯的先验位置关系。
本公开实施例中，目标信号灯的先验信息还可以包括目标信号灯的先验属性信息(示例的，目标信号灯的先验属性信息例如可以包括尺寸信息、杆体形状信息、灯组数量信息、灯组排列信息以及灯体离地高度信息)。进一步的，在自动驾驶车辆对目标信号灯进行识别的过程中，可以以先验属性信息为参考，在目标图像中对目标信号灯进行识别。
图5是本公开示出的又一种识别信号灯的方法流程图，如图5所示，本公开实施例中步骤S301与图1中的步骤S101的执行方法相似，在此不做赘述。
在步骤S302中，获取目标信号灯的先验属性信息，并以先验属性信息为参考，在目标图像中对目标信号灯进行识别。
本公开实施例提供中，以目标信号灯的先验属性信息为参考，可以实现对目标信号灯的精确识别。进一步的，作为一种优选，本公开可以同时使用先验位置关系和先验属性信息对目标信号灯进行识别。例如，先基于先验位置关系在目标图像中确定目标信号灯所处的目标图像区域，进而以先验属性信息为参考，在目标图像区域中进行信号灯识别。
通常的，信号灯会因为人为或非人为因素发生变化。例如，信号灯在杆体上被挪移。又例如，信号灯发生高度变化。因此，采用固定的先验信息进行识别，容易因信号灯发生变化而导致识别率下降。鉴于此，本公开一实施方式中，可以在识别到目标信号灯的情况下，根据当前识别到的识别信息，更新目标信号灯的先验信息。
图6是本公开示出的另一种识别信号灯的方法流程图，如图6所示，本公开实施例中步骤S401和步骤S402与图1中的步骤S101和步骤S102的执行方法相似，在此不做赘述。
在步骤S403中，响应于在目标图像内识别到目标信号灯，基于识别到的识别信息，更新目标信号灯的先验信息。
图7是本公开示出的一种目标图像的示意图。示例的，如图7所示，图7中虚线框所标识的图像区域为目标图像区域。并且，目标图像区域内包括属于目标信号灯的图像区域，以及不属于目标信号灯的图像区域。在此基础上，若在目标图像区域内识别到目标信号灯，则可以根据目标信号灯在目标图像中实际所处的图像区域，与目标图像之间的位置关系，更新目标红绿灯的先验位置关系，以此实现对先验位置关系的更新。相应的，以灯组数量为例，若先验属性信息中将目标信号灯的灯组数量标识为3，而当前在目标图像区域中仅识别到两组信号灯，则可以将目标信号灯的灯组数量由3更新为2。可以理解的是，先验属性信息中所包含的其他信息的更新方式，与上述灯组数量的更新方式相近或相同，本公开在此不做赘述。
通过本公开实施例提供的方法，自动驾驶车辆可以实现对先验信息的自适应更新，该方法可以保证先验信息的及时性，以此提高对目标信号灯的识别成功率及准确度。
此外，与上述实施例相应的，本公开还存在未识别到目标信号灯的情况。该情况下，自动驾驶车辆可采用如下方式执行对后续动作的判断决策。本公开以下为便于描述，将自动驾驶车辆在先识别目标信号灯的次数称为第一次数，将自动驾驶车辆先识别到目标信号灯的次数称为第二次数。
图8是本公开示出的又一种识别信号灯的方法流程图，如图8所示，本公开实施例中步骤S501和步骤S502与图1中的步骤S101和步骤S102的执行方法相似，在此不做赘述。
在步骤S503中，响应于在目标图像内未识别到目标信号灯，获取在先识别目标信号灯的第一次数，以及在先识别到目标信号灯的第二次数。
在步骤S504中，基于第二次数在第一次数中的占比，对目标信号灯执行识别操作。
本公开实施例中，可以通过第二次数在第一次数中的占比，判断本次识别结果的可信度，进而确定后续需要执行的识别操作。其中，自动驾驶车辆后续执行的识别操作与本次对目标信号灯的识别相关，例如可以包括再次进行对目标信号灯的识别，或终止对目标信号灯的识别。本公开以下对自动驾驶车辆执行识别操作的实现方式进行示例性说明。
图9是本公开示出的另一种识别信号灯的方法流程图，如图9所示，本公开实施例中步骤S601、步骤S602和步骤S603与图8中的步骤S501、步骤S502和步骤S503的执行方法相似，在此不做赘述。
在步骤S604a中，若第二次数在第一次数中的占比大于目标阈值，则再次进行对目标信号灯的识别。
在步骤S604b中，若第二次数在第一次数中的占比小于目标阈值，则终止对目标信号灯的识别。
本公开实施例中，目标阈值用于表征本次信号灯识别结果的可信度，也可理解为目标图像中存在目标信号灯的可能性。例如，若第二次数在第一次数中的占比大于目标阈值，则说明目标图像中大概率存在目标信号灯，此时再次进行对目标信号灯的识别，用以提高对信号灯进行识别的容错率及成功率。若第二次数在第一次数中的占比小于目标阈值，则说明目标图像中小概率存在目标信号灯。
通过本公开实施例提供的方法，可以使自动驾驶车辆根据实际情况，实现对目标信号灯的再次识别，或终止识别，以此满足自动驾驶车辆对目标信号灯进行识别的需求。
图10是本公开示出的一种自动驾驶车辆识别信号灯的数据流向示意图。
示例的，如图10所示，可以预先将自动驾驶车辆执行信号灯识别所需的先验属性信息存储至存储端。其中，存储端可以位于自动驾驶车辆本体，或位于能够与自动驾驶车辆进行数据传输的服务器。在此基础上，以目标信号灯为例，根据目标信号灯的先验属性信息，可以获知目标信号灯沿车辆行驶方向所占用的平面区域，进而按照触发位置与目标信号灯所处位置之间的相对位置关系，将该平面区域投影至与自动驾驶车辆在触发位置处的图像采集范围大小一致的空白图像。其中，目标信号灯缩放后所占区域即为目标图像区域，空白图像与目标信号灯缩放后所占区域之间的位置关系，即为先验位置关系。
在此基础上，自动驾驶车辆在行驶过程中，可以实时获取自身的位置信息，进而根据自身的位置信息判断是否触发信号灯识别。示例的，自动驾驶车辆可以在行驶至识别目标信号等的指定位置时，获取当前采集的包含有目标信号灯的目标图像。进一步的，自动驾驶车辆获取存储端的先验位置关系及先验属性信息，以在目标图像中进行针对目标信号灯的识别。具体的，自动驾驶车辆可以根据先验位置关系，对目标图像进行区域筛选，以在目标图像中确定目标信号灯所处的目标图像区域。进一步的，自动驾驶车辆可以以先验属性信息为参考，在目标图像区域中进行信号灯识别，用以得到针对目标信号灯的识别结果。
一实施方式中，在自动驾驶车辆识别到目标信号灯的情况下，一方面的，可以根据对目标信号灯的识别结果，确定目标信号灯实际所处图像区域与目标图像之间的位置关系，并以此更新先验位置关系。另一方面的，可以根据识别结果得到目标信号灯当前的属性信息，并以此更新目标信号灯的先验属性信息。同时，自动驾驶车辆还会基于本次识别更新识别目标信号灯的第一次数，以及更新识别到目标信号灯的第二次数，用以在后续未识别到目标信号灯时，根据所记录的第一次数及第二次数执行相应的决策。
本公开实施例提供的方法，可以在自动驾驶车辆进行信号灯识别的过程中，根据信号灯的先验位置关系，实现对采集图像的区域筛选，以此提高自动驾驶车辆的信号灯识别效率。并且，可以通过参考信号灯的先验属性信息的方式，完成对信号灯的识别，该方法在提高识别成功率的同时，提高了自动驾驶车辆进行信号灯识别的效率。此外，自动驾驶车辆还可以在每次完成信号灯识别的情况下，根据识别到的数据，对已有数据进行自适应更新，以此保证所存储数据的及时性和可靠性，该方法进一步提高了自动驾驶车辆对信号灯进行识别的准确度。
基于相同的构思，本公开实施例还提供一种识别信号灯的装置。
可以理解的是，本公开实施例提供的识别信号灯的装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的模块及算法步骤，本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本公开实施例的技术方案的范围。
图11是本公开示出的一种的识别信号灯的装置框图。参照图11，该装置700包括获取模块701和处理模块702。
获取模块701，响应于触发对目标信号灯的识别，获取当前采集的目标图像，目标图像中包括目标信号灯。以及用于获取目标信号灯的先验信息。处理模块702，用于基于先验信息，在目标图像中对目标信号灯进行识别。
一种实施方式中，先验信息包括先验位置关系，先验位置关系为信号灯所处图像区域与信号灯所处图像之间的位置关系。处理模块702采用如下方式基于先验信息，在目标图像中对目标信号灯进行识别：按照先验位置关系，在目标图像中确定目标图像区域，目标图像与目标图像区域之间满足先验位置关系。在目标图像区域中对目标信号灯进行识别。
一种实施方式中，先验信息包括先验属性信息。处理模块702采用如下方式基于先验信息，在目标图像中对目标信号灯进行识别：以先验属性信息为参考，在目标图像中对目标信号灯进行识别。
一种实施方式中，处理模块702还用于：响应于在目标图像内识别到目标信号灯，基于识别到的识别信息，更新目标信号灯的先验信息。
一种实施方式中，处理模块702还用于：响应于在目标图像内未识别到目标信号灯，获取在先识别目标信号灯的第一次数，以及在先识别到目标信号灯的第二次数。基于第二次数在第一次数中的占比，对目标信号灯执行识别操作，识别操作包括再次进行对目标信号灯的识别，或终止对目标信号灯的识别。
一种实施方式中，处理模块702采用如下方式基于第二次数在第一次数中的占比，对目标信号灯执行识别操作：若占比大于目标阈值，则再次进行对目标信号灯的识别。若占比小于目标阈值，则终止对目标信号灯的识别。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
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12示出了可以用来实施本公开的实施例的示例电子设备800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12所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如识别信号灯的方法。例如，在一些实施例中，识别信号灯的方法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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的识别信号灯的方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行识别信号灯的方法。
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。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。
基于相同的构思，本公开还提出了一种自动驾驶车辆，包括车外采集装置和控制部件。其中，车外采集装置，用于在触发对目标信号灯的识别的情况下，获取当前采集的目标图像，目标图像中包括目标信号灯。控制部件，用于根据上述涉及的方法，获取目标信号灯的先验信息，并基于先验信息，在目标图像中对目标信号灯进行识别。
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。
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 (16)

1.一种识别信号灯的方法，包括：
响应于触发对目标信号灯的识别，获取当前采集的目标图像，所述目标图像中包括所述目标信号灯；
获取所述目标信号灯的先验信息，并基于所述先验信息，在所述目标图像中对所述目标信号灯进行识别。
2.根据权利要求1所述的方法，其中，所述先验信息包括先验位置关系，所述先验位置关系为信号灯所处图像区域与信号灯所处图像之间的位置关系；
所述基于所述先验信息，在所述目标图像中对所述目标信号灯进行识别，包括：
按照所述先验位置关系，在所述目标图像中确定目标图像区域，所述目标图像与所述目标图像区域之间满足所述先验位置关系；
在所述目标图像区域中对所述目标信号灯进行识别。
3.根据权利要求1或2所述的方法，其中，所述先验信息包括先验属性信息；
所述基于所述先验信息，在所述目标图像中对所述目标信号灯进行识别，包括：
以所述先验属性信息为参考，在所述目标图像中对所述目标信号灯进行识别。
4.根据权利要求1至3中任一项所述的方法，还包括：
响应于在所述目标图像内识别到所述目标信号灯，基于识别到的识别信息，更新所述目标信号灯的先验信息。
5.根据权利要求1至4中任一项所述的方法，还包括：
响应于在所述目标图像内未识别到所述目标信号灯，获取在先识别所述目标信号灯的第一次数，以及在先识别到所述目标信号灯的第二次数；
基于所述第二次数在所述第一次数中的占比，对所述目标信号灯执行识别操作，识别操作包括再次进行对所述目标信号灯的识别，或终止对所述目标信号灯的识别。
6.根据权利要求5所述的方法，其中，所述基于第二次数在第一次数中的占比，对目标信号灯执行识别操作，包括：
若所述占比大于目标阈值，则再次进行对所述目标信号灯的识别；
若所述占比小于所述目标阈值，则终止对所述目标信号灯的识别。
7.一种识别信号灯的装置，包括：
获取模块，响应于触发对目标信号灯的识别，获取当前采集的目标图像，所述目标图像中包括所述目标信号灯；以及用于获取所述目标信号灯的先验信息；
处理单元，用于基于所述先验信息，在所述目标图像中对所述目标信号灯进行识别。
8.根据权利要求7所述的装置，其中，所述先验信息包括先验位置关系，所述先验位置关系为信号灯所处图像区域与信号灯所处图像之间的位置关系；
所述处理单元采用如下方式基于所述先验信息，在所述目标图像中对所述目标信号灯进行识别：
按照所述先验位置关系，在所述目标图像中确定目标图像区域，所述目标图像与所述目标图像区域之间满足所述先验位置关系；
在所述目标图像区域中对所述目标信号灯进行识别。
9.根据权利要求7或8所述的装置，其中，所述先验信息包括先验属性信息；
所述处理单元采用如下方式基于所述先验信息，在所述目标图像中对所述目标信号灯进行识别：
以所述先验属性信息为参考，在所述目标图像中对所述目标信号灯进行识别。
10.根据权利要求7至9中任一项所述的装置，所述处理单元还用于：
响应于在所述目标图像内识别到所述目标信号灯，基于识别到的识别信息，更新所述目标信号灯的先验信息。
11.根据权利要求7至10中任一项所述的装置，所述处理单元还用于：
响应于在所述目标图像内未识别到所述目标信号灯，获取在先识别所述目标信号灯的第一次数，以及在先识别到所述目标信号灯的第二次数；
基于所述第二次数在所述第一次数中的占比，对所述目标信号灯执行识别操作，识别操作包括再次进行对所述目标信号灯的识别，或终止对所述目标信号灯的识别。
12.根据权利要求11所述的装置，其中，所述所述处理单元采用如下方式基于第二次数在第一次数中的占比，对目标信号灯执行识别操作：
若所述占比大于目标阈值，则再次进行对所述目标信号灯的识别；
若所述占比小于所述目标阈值，则终止对所述目标信号灯的识别。
13.一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行权利要求1-6中任一项的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行根据权利要求1-6中任一项的方法。
15.一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据权利要求1-6中任一项的方法。
16.一种自动驾驶车辆，包括：
车外采集装置，用于在触发对目标信号灯的识别的情况下，获取当前采集的目标图像，目标图像中包括目标信号灯；
控制部件，用于根据权利要求1-6中任一项的方法，获取所述目标信号灯的先验信息，并基于所述先验信息，在所述目标图像中对目标信号灯进行识别。
CN202210907665.5A 2022-07-29 2022-07-29 识别信号灯的方法、装置、设备以及存储介质 Pending CN115394103A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210907665.5A CN115394103A (zh) 2022-07-29 2022-07-29 识别信号灯的方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210907665.5A CN115394103A (zh) 2022-07-29 2022-07-29 识别信号灯的方法、装置、设备以及存储介质

Publications (1)

Publication Number Publication Date
CN115394103A true CN115394103A (zh) 2022-11-25

Family

ID=84119373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210907665.5A Pending CN115394103A (zh) 2022-07-29 2022-07-29 识别信号灯的方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN115394103A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021378A (zh) * 2014-06-07 2014-09-03 北京联合大学 基于时空关联与先验知识的交通信号灯实时识别方法
CN104778833A (zh) * 2014-01-10 2015-07-15 北京信路威科技股份有限公司 识别交通信号灯的方法
CN109460715A (zh) * 2018-10-18 2019-03-12 大唐网络有限公司 一种基于机器学习的交通灯自动识别实现方法
CN109949593A (zh) * 2019-03-13 2019-06-28 北京联合大学 一种基于路口先验知识的交通信号灯识别方法及***
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
CN110717438A (zh) * 2019-10-08 2020-01-21 东软睿驰汽车技术（沈阳）有限公司 一种交通信号灯识别方法及装置
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
CN111695546A (zh) * 2020-06-28 2020-09-22 北京京东乾石科技有限公司 用于无人车的交通信号灯识别方法和装置
CN111950535A (zh) * 2020-09-23 2020-11-17 苏州科达科技股份有限公司 交通信号灯灯色、颜色识别方法、电子设备及存储介质
CN112418031A (zh) * 2020-11-11 2021-02-26 腾讯科技（深圳）有限公司 图像识别方法和装置、存储介质及电子设备
CN112733839A (zh) * 2020-12-28 2021-04-30 北京百度网讯科技有限公司 灯头位置确定方法、装置、存储介质、程序、路侧设备
CN113950709A (zh) * 2019-06-11 2022-01-18 北京嘀嘀无限科技发展有限公司 不匹配的驾驶员检测

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778833A (zh) * 2014-01-10 2015-07-15 北京信路威科技股份有限公司 识别交通信号灯的方法
CN104021378A (zh) * 2014-06-07 2014-09-03 北京联合大学 基于时空关联与先验知识的交通信号灯实时识别方法
CN109460715A (zh) * 2018-10-18 2019-03-12 大唐网络有限公司 一种基于机器学习的交通灯自动识别实现方法
CN109949593A (zh) * 2019-03-13 2019-06-28 北京联合大学 一种基于路口先验知识的交通信号灯识别方法及***
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
CN113950709A (zh) * 2019-06-11 2022-01-18 北京嘀嘀无限科技发展有限公司 不匹配的驾驶员检测
CN110717438A (zh) * 2019-10-08 2020-01-21 东软睿驰汽车技术（沈阳）有限公司 一种交通信号灯识别方法及装置
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
CN111695546A (zh) * 2020-06-28 2020-09-22 北京京东乾石科技有限公司 用于无人车的交通信号灯识别方法和装置
CN111950535A (zh) * 2020-09-23 2020-11-17 苏州科达科技股份有限公司 交通信号灯灯色、颜色识别方法、电子设备及存储介质
CN112418031A (zh) * 2020-11-11 2021-02-26 腾讯科技（深圳）有限公司 图像识别方法和装置、存储介质及电子设备
CN112733839A (zh) * 2020-12-28 2021-04-30 北京百度网讯科技有限公司 灯头位置确定方法、装置、存储介质、程序、路侧设备

Similar Documents

Publication Publication Date Title
KR20230026961A (ko) 장애물 이동 궤적의 예측 방법, 장치 및 자율 운전 차량
CN112863187B (zh) 感知模型的检测方法、电子设备、路侧设备和云控平台
CN113467875A (zh) 训练方法、预测方法、装置、电子设备以及自动驾驶车辆
CN114036253A (zh) 高精地图数据处理方法、装置、电子设备和介质
CN114140759A (zh) 高精地图车道线位置确定方法、装置及自动驾驶车辆
US20230072632A1 (en) Obstacle detection method, electronic device and storage medium
CN114506343A (zh) 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆
CN114186007A (zh) 高精地图生成方法、装置、电子设备和存储介质
CN113705515A (zh) 语义分割模型的训练和高精地图车道线的生成方法和设备
CN114111813A (zh) 高精地图元素更新方法、装置、电子设备及存储介质
CN113391627A (zh) 无人车驾驶模式切换方法、设备、车辆及云端服务器
CN113722342A (zh) 高精地图要素变更检测方法、装置、设备及自动驾驶车辆
CN112987707A (zh) 一种车辆的自动驾驶控制方法及装置
CN115861953A (zh) 场景编码模型的训练方法、轨迹规划方法及装置
CN115830268A (zh) 用于优化感知算法的数据的获取方法、装置和存储介质
CN115953414A (zh) 基于语义分割的低矮障碍物检测方法和自动驾驶车辆
CN115797660A (zh) 图像检测方法、装置、电子设备和存储介质
CN115394103A (zh) 识别信号灯的方法、装置、设备以及存储介质
CN114987494A (zh) 驾驶场景处理方法、装置及电子设备
CN114429631A (zh) 三维对象检测方法、装置、设备以及存储介质
CN115019269A (zh) 一种环境识别模型训练方法、驾驶控制方法及相关装置
CN114581869A (zh) 确定目标对象位置的方法、装置、电子设备和存储介质
CN113887414A (zh) 目标检测方法、装置、电子设备和存储介质
CN113947897B (zh) 获取道路交通状况的方法、装置、设备及自动驾驶车辆
CN115107793A (zh) 自动驾驶车辆的行进规划方法、装置、设备以及存储介质

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20221125

WD01 Invention patent application deemed withdrawn after publication