CN110021176A - 交通灯决策方法、装置、计算机设备和存储介质 - Google Patents
交通灯决策方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110021176A CN110021176A CN201811570254.1A CN201811570254A CN110021176A CN 110021176 A CN110021176 A CN 110021176A CN 201811570254 A CN201811570254 A CN 201811570254A CN 110021176 A CN110021176 A CN 110021176A
- Authority
- CN
- China
- Prior art keywords
- traffic lights
- state
- testing result
- decision model
- decision
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G08G1/07—Controlling traffic signals
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种交通灯决策方法、装置、计算机设备和存储介质。该方法包括：获取当前位置交通灯的检测结果，并根据检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，其中，检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像，决策模型用于根据交通灯的指示属性的优先级进行状态跳转。采用本方法能够避免了将所有检测结果同等优先级处理所可能导致的决策失误的情况，以及避免了检测模块在受到干扰的情况下导致检测错误的情况，该方法使得交通灯的决策结果不简单依赖检测的直接结果，在结合其指示属性和检测图像进行决策的情况下，其准确率大大提高。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种交通灯决策方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的发展，人们生活中的许多方面已经越来越多的实现了自动化和人工智能。例如自动驾驶技术的快速发展，设备能够自动检测周围的路况，然后按照规划路径控制汽车自动行驶，其中，对于交通灯的识别和基于交通灯的行驶策略是自动驾驶的重要领域之一。因此，准确的识别交通灯并确定行驶策略是自动驾驶技术安全可靠的重要前提之一。
传统技术中，影像设备通过获取交通灯的影像并识别各个方向的交通灯的颜色，然后基于所识别的交通灯的颜色进行交通灯决策，从而确定行驶策略，以实现自动化驾驶。
然而，传统技术所采用的通过识别交通灯的颜色进行交通灯决策的方法，由于存在影像设备可能同时检测到多个交通灯的情况，容易出现交通灯的决策失误，导致其准确率低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高交通灯决策准确率的交通灯决策方法、装置、计算机设备和存储介质。
第一方面，本申请实施例提供一种交通灯决策方法，所述方法包括：
获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像；
根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
在其中一个实施例中，所述根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，包括：
根据所述检测结果，采用所述决策模型分别确定各行驶方向的至少一个候选状态；
采用所述决策模型从至少一个所述候选状态中确定各行驶方向的交通灯所需跳转的状态。
在其中一个实施例中，所述根据所述检测结果，采用所述决策模型分别确定各行驶方向的至少一个候选状态，包括：
采用所述决策模型中的排序规则，分别将各行驶方向的检测结果按照所述指示属性进行指示优先级排序，得到排序结果；
采用所述决策模型中的筛选规则从所述排序结果中确定至少一个候选状态。
在其中一个实施例中，所述采用所述决策模型从至少一个所述候选状态中确定各行驶方向的交通灯所需跳转的状态，包括：
采用所述决策模型中的评分规则确定每个候选状态的分数，所述评分规则为根据所述检测图像信息进行评分的规则；
根据每个所述候选状态的分数和所述候选状态对应的优先级，将所述候选状态的分数累加到跳转矩阵中，得到更新矩阵，所述跳转矩阵为表征不同指示方向的交通灯的不同指示状态的分数的矩阵；
根据所述更新矩阵确定各行驶方向的交通灯所需跳转的状态。
在其中一个实施例中，所述方法还包括：
将所述交通灯所需跳转的状态进行保存，作为历史跳转数据，所述历史跳转数据用于更新所述决策模型。
在其中一个实施例中，所述根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，包括：
根据所述检测结果，结合利用所述历史跳转数据更新后的决策模型确定各行驶方向的交通灯所需跳转的状态。
在其中一个实施例中，所述根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，包括：
若所述交通灯中第一方向的行车灯被遮挡，则根据所述交通灯中第一方向的行人灯和/或第二方向的交通灯的检测结果确定各行驶方向的交通灯所需跳转的状态，所述第一方向和所述第二方向为互相垂直的方向。
第二方面，本申请实施例提供一种交通灯决策装置，所述装置包括：检测模块和第一处理模块；
所述检测模块，用于获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像；
所述第一处理模块，用于根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像；
根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
第四方面，本申请实施例提供一种计算机可读存储介质，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以下步骤：
获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像；
根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
上述交通灯决策方法、装置、计算机设备和存储介质，通过计算机设备获取当前位置交通灯的检测结果，并根据检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，其中，检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像，决策模型用于根据指示属性和检测图像中交通灯的位置所确定的指示优先级进行状态跳转。采用该方法能够基于所获取到的当前位置所能检测到的各交通灯的指示属性和检测图像的检测结果，确定各交通灯的指示优先级，并根据该指示优先级确定个行驶方向的交通灯所需跳转的状态，其避免了将所有检测结果同等优先级处理所可能导致的决策失误的情况，以及避免了检测模块在受到干扰的情况下导致检测错误的情况，使得交通灯的决策结果不简单依赖检测的直接结果，在结合其指示属性和检测图像进行决策的情况下，其准确率大大提高。
附图说明
图1为一个实施例中计算机设备的内部结构图；
图2为一个实施例提供的交通灯决策方法的流程示意图；
图3为另一个实施例提供的交通灯决策方法的流程示意图；
图4为又一个实施例提供的交通灯决策方法的流程示意图；
图5为又一个实施例提供的交通灯决策方法的流程示意图；
图6为又一个实施例提供的交通灯决策方法的流程示意图；
图7为又一个实施例提供的交通灯决策方法的流程示意图；
图8为一个实施例提供的交通灯决策装置的结构示意图；
图9为一个实施例提供的交通灯决策装置的结构示意图；
图10为另一个实施例提供的交通灯决策装置的结构示意图；
图11为又一个实施例提供的交通灯决策装置的结构示意图；
图12为又一个实施例提供的交通灯决策装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的交通灯决策方法，可以适用于图1所示的计算机设备，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储下述实施例中的检测模型，可选地，还可以存储历史跳转数据，有关上述检测模型和历史跳转数据的描述可以参照下述方法实施例的内容。该计算机设备的网络接口可以用于与外部的其他设备通过网络连接通信。可选的，该计算机设备可以是服务器，可以是PC，可以是个人数字助理，还可以是其他的终端设备，例如PAD、手机等等，还可以是云端或者远程服务器，本申请实施例对计算机设备的具体形式并不做限定。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。当然，输入装置和显示屏也可以不属于计算机设备的一部分，可以是计算机设备的外接设备。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
需要说明的是，下述方法实施例的执行主体可以是交通灯决策装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为上述计算机设备的部分或者全部。下述方法实施例以执行主体为计算机设备为例进行说明。
图2为一个实施例提供的交通灯决策方法的流程示意图。本实施例涉及的是计算机设备采用决策模型确定交通灯的跳转状态的具体过程。如图2所示，该方法包括：
S102、获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像。
具体的，计算机设备可以通过传感器获取当前位置交通灯的包括各交通灯的指示属性和检测图像的检测结果。可选地，该传感器可以为摄像头，计算机设备可以获取摄像头所拍摄的当前位置交通灯的影像，并根据拍摄的影像确定各交通灯的指示属性，例如绿色左转箭头、红色直行灯和绿色行人灯等，计算机设备还可以获取摄像头拍摄的交通灯的检测图像，该检测图像中包括当前位置摄像头所能拍摄到的所有交通灯的影像，例如当前位置所处的路口的前方灯、下一个路口的交通灯、侧面交通灯以及行人灯等。可选地，上述传感器还可以为其他形式的传感器，只要是能够获取当前位置交通灯的检测结果即可，对传感器的具体形式本实施例不做限定。
S104、根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
具体的，计算机设备将上述检测结果，输入至预设的决策模型，该决策模型通过自身的决策策略，分别按照各个行驶方向将所采集到的交通灯进行分类，并将每个行驶方向的交通灯按照指示属性并结合检测图像中交通灯的位置进行指示优先级的排序，并根据优先级排序的结果，自动确定出当前位置各行驶方向的交通灯所需跳转的状态。例如，计算机设备获取到当前位置的交通灯分别为左边绿色的左转箭头，中间红色的圆形灯和右边红色的右转箭头。在左转行驶方向的决策时，左转箭头的优先级高于圆形灯的优先级，因此确定左转方向的交通灯所需跳转的状态为绿灯，即行驶状态；在右转行驶方向的决策时，右转箭头的优先级高于圆形灯和左转灯的优先级，因此确定右转方向的交通灯所需跳转的状态为红色，即禁止右转。再如，计算机设备获取到当前位置的分别有红灯和绿灯，则根据该红灯在上述检测图像中的位置判断其为行人灯，以及根据绿灯在上述检测图像中的位置判断其为行车灯，因此确定绿灯的优先级高于红灯，进而确定为行驶状态。
本实施例中，计算机设备获取当前位置交通灯的检测结果，并根据检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，由于检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像，且决策模型用于根据指示属性和检测图像中交通灯的位置所确定的指示优先级进行状态跳转。采用该方法能够基于所获取到的当前位置所能检测到的各交通灯的指示属性和检测图像的检测结果，确定各交通灯的指示优先级，并根据该指示优先级确定个行驶方向的交通灯所需跳转的状态，其避免了将所有检测结果同等优先级处理所可能导致的决策失误的情况，以及避免了检测模块在受到干扰的情况下导致检测错误的情况，本实施例所采用的方法使得交通灯的决策结果不简单依赖检测的直接结果，在结合其指示属性和检测图像进行决策的情况下，其准确率大大提高。
图3为另一个实施例提供的交通灯决策方法的流程示意图。在上述图2实施例的基础上，本实施例涉及的是计算机设备根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态的具体过程。如图3所示，该方法具体可以包括：
S202、根据所述检测结果，采用所述决策模型分别确定各行驶方向的至少一个候选状态。
具体的，计算机设备根据上述检测结果，采用上述决策模型分别确定出各行驶方向的候选状态，该候选状态可以为一个，也可以为多个。例如，计算机设备可以根据上述决策模型确定出将上述各行驶方向的交通灯的指示优先级高的一个或者多个交通灯，并将这些交通灯的状态作为其行驶方向的候选状态。
可选地，该S202的一种可能的实现方式可以参见图4所示，具体可以包括：
S302、采用所述决策模型中的排序规则，分别将各行驶方向的检测结果按照所述指示属性进行指示优先级排序，得到排序结果。
具体的，上述决策模型中包括排序规则，该排序规则能够用于确定不同指示属性的交通灯的指示优先级并按照指示优先级进行排序。计算机设备可以采用上述排序规则对上述各行驶方向的检测结果中的指示属性进行指示优先级的排序，并得到各行驶方向的指示优先级的排序结果。
S304、采用所述决策模型中的筛选规则从所述排序结果中确定至少一个候选状态。
具体的，上述决策模型中还包括筛选规则，该筛选规则能够从上述排序结果中筛选掉不关心的交通灯的信息，只留下需要关注的交通灯。因此，计算机设备还可以采用上述筛选规则从上述指示优先级的排序结果中确定出所关心的至少一个候选状态。例如将排序结果中优先级低的道路两侧的交通灯的状态筛选掉，留下优先级高的道路中间的交通灯的状态，作为候选状态。
该实现方式中，计算机设备采用决策模型中的排序规则，分别将各行驶方向的检测结果按照指示属性进行指示优先级排序，得到排序结果，并采用决策模型中的筛选规则从排序结果中确定至少一个候选状态。采用本实现方式的方法，计算机设备能够根据上述检测结果确定出指示优先级高的至少一个候选状态，从而滤除其他指示优先级低的不关心的交通灯的状态，以使得交通灯的决策的准确率进一步提高。
S204、采用所述决策模型从至少一个所述候选状态中确定各行驶方向的交通灯所需跳转的状态。
具体的，计算机设备采用上述决策模型从至少一个候选状态中确定出各行驶方向的交通等所需跳转的状态。当上述候选状态为一个时，则将该候选状态确定为其形式方向的交通灯所需跳转的状态；当上述候选状态为多个时，则可以选择一个作为该行驶方向的交通灯所需跳转的状态。
可选地，该S204的一种可能的实现方式可以参见图5所示，具体可以包括：
S402、采用所述决策模型中的评分规则确定每个候选状态的分数，所述评分规则为根据所述检测图像信息进行评分的规则。
具体的，上述决策模型中还包括评分规则，该评分规则能够根据检测图像信息中每个交通灯的属性对每个候选状态进行评分。例如，计算机设备可以对上述多个候选状态中直行方向的一个红灯和一个绿灯进行打分，该红灯在检测图像中的面积比绿灯在检测图像中的面积大一倍，则确定红灯为当前位置的路口的交通灯，则对该红灯打90分，对绿灯打30分。再如，计算机设备还可以对清晰度高的红灯打80分，对清晰度低的绿灯打40分。
S404、根据每个所述候选状态的分数和所述候选状态对应的优先级，将所述候选状态的分数累加到跳转矩阵中，得到更新矩阵，所述跳转矩阵为表征不同指示方向的交通灯的不同指示状态的分数的矩阵。
具体的，计算机设备将不同指示方向的交通灯的不同指示状态转化成跳转矩阵。例如，该跳转矩阵的列分别为红、黄、绿、黑四种灯，行分别为左、中、右三个行驶方向，初始的矩阵为全0矩阵，通过计算机设备结合每个候选状态的优先级，将每个候选状态的分数对应的累加到跳转矩阵中，得到包含每个候选状态的分数的更新矩阵。
S406、根据所述更新矩阵确定各行驶方向的交通灯所需跳转的状态。
具体的，计算机设备根据更新矩阵中的分数分别确定出个行驶方向的交通灯所需跳转的状态，例如将分数最高的候选状态确定为交通灯所需跳转的状态。
本实现方式中，计算机设备采用决策模型中的评分规则确定每个候选状态的分数，并根据每个候选状态的分数和候选状态对应的优先级，将候选状态的分数累加到跳转矩阵中，得到更新矩阵，并根据更新矩阵确定各行驶方向的交通灯所需跳转的状态。其中，上述评分规则为根据检测图像信息进行评分的规则，以及跳转矩阵为表征不同指示方向的交通灯的不同指示状态的分数的矩阵。采用该方法，计算机设备能够将上述各行驶方向的候选状态的有效性通过评分规则进行量化，并将每个候选状态的分数累加到跳转矩阵中，得到包含每个候选状态分数的更新矩阵，从而将确定交通灯所需跳转的状态的方式数字化，其更便于进行计算和转化，提高了交通灯决策的效率和准确率。
上述图3所示的实施例中，计算机设备根据检测结果，采用决策模型分别确定各行驶方向的至少一个候选状态，并进一步采用决策模型从至少一个候选状态中确定各行驶方向的交通灯所需跳转的状态，从而实现首先删除不关心交通灯状态，然后对其余交通灯的结果按照其有效性进行打分，通过逐级筛选和评价确定出最有效的交通灯状态，作为需要跳转的状态，进而使得交通灯决策的效率和准确率进一步提高。
图6为又一个实施例提供的交通灯决策方法的流程示意图。在上述各个实施例的基础上，所述方法还可以包括如下S502的步骤，可选地，图6为以图2实施例为基础进行的示例，其并不对本实施例造成限定。所述方法还可以包括：
S502、将所述交通灯所需跳转的状态进行保存，作为历史跳转数据，所述历史跳转数据用于更新所述决策模型。
具体的，计算机设备将各个行驶方向的交通灯在每次所确定的跳转的状态进行保存，作为历史跳转数据，并根据该历史跳转数据更新上述决策模型。本实施例中，计算机设备通过保存交通灯所需跳转的状态，作为历史跳转数据，由于历史跳转数据能够更新决策模型，因此计算机设备能够采用更新后的结合了历史跳转数据的决策模型，确定各行驶方向的交通灯所需跳转的状态，从而避免了检测失误所可能导致的决策失误，使得交通灯决策的准确率大大提高。
在一个实施例中，在上述图6所示的实施例的基础上，上述S104具体可以包括如下步骤：根据所述检测结果，结合利用所述历史跳转数据更新后的决策模型确定各行驶方向的交通灯所需跳转的状态。
具体的，计算机设备能够根据上述检测结果，结合利用历史跳转数据更新后的决策模型确定各行驶方向的交通灯所需跳转的状态。例如，计算机设备确定当前的交通灯的为黑色灯，但是根据历史跳转数据可以确定上一时刻的交通灯的跳转状态为黄色，则计算机设备可以更新上述决策模型，使得采用该决策模型确定当前所需跳转的状态为黄灯闪烁，即确定跳转状态为黄色慢行。再如，计算机设备确定当前的交通灯的为红灯，根据历史跳转数据得知上一时刻检测到绿色左转，中间并未检测到黄灯，由此判断该跳转状态并不合理，则可以提示检测出错，此时可以更新决策模型，暂不决策，进行观望，并根据下一时刻的检测结果进行交通灯的决策。
本实施例中，计算机设备根据检测结果，结合利用历史跳转数据更新后的决策模型确定各行驶方向的交通灯所需跳转的状态，从而避免了检测失误所可能导致的决策失误，使得交通灯决策的准确率大大提高。
可选地，在上述各个实施例的基础上，上述S104具体可以包括如下步骤：若所述交通灯中第一方向的行车灯被遮挡，则根据所述交通灯中第一方向的行人灯和/或第二方向的交通灯的检测结果确定各行驶方向的交通灯所需跳转的状态，所述第一方向和所述第二方向为互相垂直的方向。
需要说明的是，首先将车辆行驶的正前方作为第一方向，将与第一方向垂直的方向作为第二方向。具体的，当计算机设备检测到车辆正前方，即第一方向的行车灯检测不到，则认为该第一方向的行车灯被遮挡，计算机设备可以根据第一方向的行人灯预测该第一方向的行车灯，例如行人灯为绿灯，则确定同方向的行车灯也为绿灯。再如，计算机设备还可以根据第二方向的行车灯，即车辆的左侧方向或者右侧方向的行车灯对第一方向的行车灯进行预测，例如第二方向的行车灯为绿灯，则确定第一方向的行车灯为红灯，进而根据预测的第一方向的行车灯的预测结果确定各行驶方向的交通灯所需跳转的状态。可选地，计算机设备还可以结合第一方向的行人灯和第二方向的交通灯对第一方向的行车灯进行预测。
本实施例中，计算机设备能够在交通灯中第一方向的行车灯被遮挡时，根据交通灯中第一方向的行人灯和/或第二方向的交通灯的检测结果确定各行驶方向的交通灯所需跳转的状态，进而使得在前方交通灯被遮挡的情况下，通过其他交通灯的状态实现对各行驶方向的交通灯所需跳转的状态的预测，其更为方便和灵活，鲁棒性更强。
图7为有一个实施例提供的交通灯决策方法的流程示意图。所述方法具体可以包括：
S702、获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像。
S704、采用所述决策模型中的排序规则，分别将各行驶方向的检测结果按照所述指示属性进行指示优先级排序，得到排序结果。
S706、采用所述决策模型中的筛选规则从所述排序结果中确定至少一个候选状态。
S708、采用所述决策模型中的评分规则确定每个候选状态的分数，所述评分规则为根据所述检测图像信息进行评分的规则。
S710、根据每个所述候选状态的分数和所述候选状态对应的优先级，将所述候选状态的分数累加到跳转矩阵中，得到更新矩阵，所述跳转矩阵为表征不同指示方向的交通灯的不同指示状态的分数的矩阵。
S712、根据所述更新矩阵确定各行驶方向的交通灯所需跳转的状态。
S714、将所述交通灯所需跳转的状态进行保存，作为历史跳转数据，所述历史跳转数据用于更新所述决策模型。
S716、根据所述检测结果，结合利用所述历史跳转数据更新后的决策模型确定各行驶方向的交通灯所需跳转的状态。
S718、若所述交通灯中第一方向的行车灯被遮挡，则根据所述交通灯中第一方向的行人灯和/或第二方向的交通灯的检测结果确定各行驶方向的交通灯所需跳转的状态，所述第一方向和所述第二方向为互相垂直的方向。
上述S702-S718的步骤的具体描述可以参见前述实施例，此处不再赘述。
应该理解的是，虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图8为一个实施例提供的交通灯决策装置的结构示意图。如图8所示，所述装置包括检测模块802和第一处理模块804。
具体的，检测模块802，用于获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像；
第一处理模块804，用于根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
图9为另一个实施例提供的交通灯决策装置的结构示意图。在上述图8所示的实施例的基础上，可选地，如图9所示，第一处理模块804具体可以包括：第一处理单元8042和第二处理单元8044。
具体的，第一处理单元8042，用于根据所述检测结果，采用所述决策模型分别确定各行驶方向的至少一个候选状态。
第二处理单元8044，用于采用所述决策模型从至少一个所述候选状态中确定各行驶方向的交通灯所需跳转的状态。
图10为又一个实施例提供的交通灯决策装置的结构示意图。在上述图9所示的实施例的基础上，可选地，如图10所示，第一处理单元8042具体可以包括：第一处理子单元8042a和第二处理子单元8042b。
具体的，第一处理子单元8042a，用于采用所述决策模型中的排序规则，分别将各行驶方向的检测结果按照所述指示属性进行指示优先级排序，得到排序结果。
第二处理子单元8042b，用于采用所述决策模型中的筛选规则从所述排序结果中确定至少一个候选状态。
图11为又一个实施例提供的交通灯决策装置的结构示意图。在上述图9或者图10所示的实施例的基础上，可选地，如图11所示，第二处理单元8044具体可以包括：第三处理子单元8044a、第四处理子单元8044b和第五处理子单元8044c。
具体的，第三处理子单元8044a，用于采用所述决策模型中的评分规则确定每个候选状态的分数，所述评分规则为根据所述检测图像信息进行评分的规则。
第四处理子单元8044b，用于根据每个所述候选状态的分数和所述候选状态对应的优先级，将所述候选状态的分数累加到跳转矩阵中，得到更新矩阵，所述跳转矩阵为表征不同指示方向的交通灯的不同指示状态的分数的矩阵。
第五处理子单元8044c，用于根据所述更新矩阵确定各行驶方向的交通灯所需跳转的状态。
图12为又一个实施例提供的交通灯决策装置的结构示意图。在上述图8-图11所示的实施例的基础上，可选地，如图12所示，所述装置还可以包括第二处理模块806。其中，图12为在上述图8实施例的基础上为例示出。
具体的，第二处理模块806，用于将所述交通灯所需跳转的状态进行保存，作为历史跳转数据，所述历史跳转数据用于更新所述决策模型。
在一个实施例中，第一处理模块804，具体可以用于根据所述检测结果，结合利用所述历史跳转数据更新后的决策模型确定各行驶方向的交通灯所需跳转的状态。
在一个实施例中，第一处理模块804，具体可以用于当所述交通灯中第一方向的行车灯被遮挡时，则根据所述交通灯中第一方向的行人灯和/或第二方向的交通灯的检测结果确定各行驶方向的交通灯所需跳转的状态，所述第一方向和所述第二方向为互相垂直的方向。
关于交通灯决策装置的具体限定可以参见上文中对于交通灯决策方法的限定，在此不再赘述。上述交通灯决策装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像；根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述检测结果，采用所述决策模型分别确定各行驶方向的至少一个候选状态；采用所述决策模型从至少一个所述候选状态中确定各行驶方向的交通灯所需跳转的状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采用所述决策模型中的排序规则，分别将各行驶方向的检测结果按照所述指示属性进行指示优先级排序，得到排序结果；采用所述决策模型中的筛选规则从所述排序结果中确定至少一个候选状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采用所述决策模型中的评分规则确定每个候选状态的分数，所述评分规则为根据所述检测图像信息进行评分的规则；根据每个所述候选状态的分数和所述候选状态对应的优先级，将所述候选状态的分数累加到跳转矩阵中，得到更新矩阵，所述跳转矩阵为表征不同指示方向的交通灯的不同指示状态的分数的矩阵；根据所述更新矩阵确定各行驶方向的交通灯所需跳转的状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将所述交通灯所需跳转的状态进行保存，作为历史跳转数据，所述历史跳转数据用于更新所述决策模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述检测结果，结合利用所述历史跳转数据更新后的决策模型确定各行驶方向的交通灯所需跳转的状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述交通灯中第一方向的行车灯被遮挡，则根据所述交通灯中第一方向的行人灯和/或第二方向的交通灯的检测结果确定各行驶方向的交通灯所需跳转的状态，所述第一方向和所述第二方向为互相垂直的方向。
应当清楚的是，本申请实施例中处理器执行计算机程序的过程，与上述方法中各个步骤的执行过程一致，具体可参见上文中的描述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像；根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据所述检测结果，采用所述决策模型分别确定各行驶方向的至少一个候选状态；采用所述决策模型从至少一个所述候选状态中确定各行驶方向的交通灯所需跳转的状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采用所述决策模型中的排序规则，分别将各行驶方向的检测结果按照所述指示属性进行指示优先级排序，得到排序结果；采用所述决策模型中的筛选规则从所述排序结果中确定至少一个候选状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采用所述决策模型中的评分规则确定每个候选状态的分数，所述评分规则为根据所述检测图像信息进行评分的规则；根据每个所述候选状态的分数和所述候选状态对应的优先级，将所述候选状态的分数累加到跳转矩阵中，得到更新矩阵，所述跳转矩阵为表征不同指示方向的交通灯的不同指示状态的分数的矩阵；根据所述更新矩阵确定各行驶方向的交通灯所需跳转的状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将所述交通灯所需跳转的状态进行保存，作为历史跳转数据，所述历史跳转数据用于更新所述决策模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据所述检测结果，结合利用所述历史跳转数据更新后的决策模型确定各行驶方向的交通灯所需跳转的状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述交通灯中第一方向的行车灯被遮挡，则根据所述交通灯中第一方向的行人灯和/或第二方向的交通灯的检测结果确定各行驶方向的交通灯所需跳转的状态，所述第一方向和所述第二方向为互相垂直的方向。
应当清楚的是，本申请实施例中处理器执行计算机程序的过程，与上述方法中各个步骤的执行过程一致，具体可参见上文中的描述。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述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发明专利范围的限制。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。
Claims (10)
1.一种交通灯决策方法，其特征在于，所述方法包括：
获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像；
根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
2.根据权利要求1所述的方法，其特征在于，所述根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，包括：
根据所述检测结果，采用所述决策模型分别确定各行驶方向的至少一个候选状态；
采用所述决策模型从至少一个所述候选状态中确定各行驶方向的交通灯所需跳转的状态。
3.根据权利要求2所述的方法，其特征在于，所述根据所述检测结果，采用所述决策模型分别确定各行驶方向的至少一个候选状态，包括：
采用所述决策模型中的排序规则，分别将各行驶方向的检测结果按照所述指示属性进行指示优先级排序，得到排序结果；
采用所述决策模型中的筛选规则从所述排序结果中确定至少一个候选状态。
4.根据权利要求2所述的方法，其特征在于，所述采用所述决策模型从至少一个所述候选状态中确定各行驶方向的交通灯所需跳转的状态，包括：
采用所述决策模型中的评分规则确定每个候选状态的分数，所述评分规则为根据所述检测图像信息进行评分的规则；
根据每个所述候选状态的分数和所述候选状态对应的优先级，将所述候选状态的分数累加到跳转矩阵中，得到更新矩阵，所述跳转矩阵为表征不同指示方向的交通灯的不同指示状态的分数的矩阵；
根据所述更新矩阵确定各行驶方向的交通灯所需跳转的状态。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述交通灯所需跳转的状态进行保存，作为历史跳转数据，所述历史跳转数据用于更新所述决策模型。
6.根据权利要求5所述的方法，其特征在于，所述根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，包括：
根据所述检测结果，结合利用所述历史跳转数据更新后的决策模型确定各行驶方向的交通灯所需跳转的状态。
7.根据权利要求1所述的方法，其特征在于，所述根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，包括：
若所述交通灯中第一方向的行车灯被遮挡，则根据所述交通灯中第一方向的行人灯和/或第二方向的交通灯的检测结果确定各行驶方向的交通灯所需跳转的状态，所述第一方向和所述第二方向为互相垂直的方向。
8.一种交通灯决策装置，其特征在于，所述装置包括：检测模块和第一处理模块；
所述检测模块，用于获取当前位置交通灯的检测结果，所述检测结果包括当前位置所能检测到的各交通灯的指示属性和检测图像；
所述第一处理模块，用于根据所述检测结果，采用预设的决策模型确定各行驶方向的交通灯所需跳转的状态，所述决策模型用于根据所述指示属性和所述检测图像中交通灯的位置所确定的指示优先级进行状态跳转。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811570254.1A CN110021176B (zh) | 2018-12-21 | 2018-12-21 | 交通灯决策方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811570254.1A CN110021176B (zh) | 2018-12-21 | 2018-12-21 | 交通灯决策方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110021176A true CN110021176A (zh) | 2019-07-16 |
| CN110021176B CN110021176B (zh) | 2021-06-15 |
Family
ID=67188659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811570254.1A Active CN110021176B (zh) | 2018-12-21 | 2018-12-21 | 交通灯决策方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110021176B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037539A (zh) * | 2020-07-31 | 2020-12-04 | 银江股份有限公司 | 一种用于饱和城市交通网络的信控方案推荐方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150179088A1 (en) * | 2010-01-22 | 2015-06-25 | Google Inc. | Traffic light detecting system and method |
| CN106251664A (zh) * | 2016-09-19 | 2016-12-21 | 重庆邮电大学 | 一种基于dsrc的交通灯编码与状态识别系统及方法 |
| US20170017850A1 (en) * | 2014-03-10 | 2017-01-19 | Nissan Motor Co., Ltd. | Traffic Light Detecting Device and Traffic Light Detecting Method |
| CN106803064A (zh) * | 2016-12-26 | 2017-06-06 | 广州大学 | 一种交通灯快速识别方法 |
| CN108459588A (zh) * | 2017-02-22 | 2018-08-28 | 腾讯科技（深圳）有限公司 | 自动驾驶方法及装置、车辆 |
| CN108734979A (zh) * | 2017-04-20 | 2018-11-02 | 通用汽车环球科技运作有限责任公司 | 交通信号灯检测系统及方法 |
| 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 |
-
2018
- 2018-12-21 CN CN201811570254.1A patent/CN110021176B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150179088A1 (en) * | 2010-01-22 | 2015-06-25 | Google Inc. | Traffic light detecting system and method |
| US20170017850A1 (en) * | 2014-03-10 | 2017-01-19 | Nissan Motor Co., Ltd. | Traffic Light Detecting Device and Traffic Light Detecting Method |
| CN106251664A (zh) * | 2016-09-19 | 2016-12-21 | 重庆邮电大学 | 一种基于dsrc的交通灯编码与状态识别系统及方法 |
| CN106803064A (zh) * | 2016-12-26 | 2017-06-06 | 广州大学 | 一种交通灯快速识别方法 |
| CN108459588A (zh) * | 2017-02-22 | 2018-08-28 | 腾讯科技（深圳）有限公司 | 自动驾驶方法及装置、车辆 |
| CN108734979A (zh) * | 2017-04-20 | 2018-11-02 | 通用汽车环球科技运作有限责任公司 | 交通信号灯检测系统及方法 |
| 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 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037539A (zh) * | 2020-07-31 | 2020-12-04 | 银江股份有限公司 | 一种用于饱和城市交通网络的信控方案推荐方法及系统 |
| CN112037539B (zh) * | 2020-07-31 | 2021-11-16 | 银江技术股份有限公司 | 一种用于饱和城市交通网络的信控方案推荐方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110021176B (zh) | 2021-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11741690B2 (en) | Method for generating parking model, electronic device, and storage medium | |
| KR20190090393A (ko) | 차선 결정 방법, 디바이스 및 저장 매체 | |
| CN110032181A (zh) | 语义地图中障碍物定位方法、装置、计算机设备和存储介质 | |
| CN110163248B (zh) | 模型评估的可视化方法、装置、计算机设备和存储介质 | |
| CN110175507B (zh) | 模型评估方法、装置、计算机设备和存储介质 | |
| CN109753623B (zh) | 一种自动驾驶车辆多测试场景分析与数目化简方法 | |
| CN109035831A (zh) | 交通指示灯的识别方法、装置、设备、存储介质及车辆 | |
| CN109116846A (zh) | 一种自动驾驶方法、装置、计算机设备和存储介质 | |
| CN111158384A (zh) | 机器人建图方法、设备及存储介质 | |
| CN108805864A (zh) | 基于图像数据的违章建筑物的获取方法以及装置 | |
| US20220375234A1 (en) | Lane line recognition method, device and storage medium | |
| CN106021101A (zh) | 对移动终端进行测试的方法及装置 | |
| CN109059946B (zh) | 车辆路径获取方法、存储介质及电子设备 | |
| CN115147745A (zh) | 一种基于城市无人机图像的小目标检测方法 | |
| CN110021176A (zh) | 交通灯决策方法、装置、计算机设备和存储介质 | |
| CN111380540B (zh) | 地图匹配方法及装置、介质、终端 | |
| US20200209876A1 (en) | Positioning method and apparatus with the same | |
| CN112862730B (zh) | 点云特征增强方法、装置、计算机设备和存储介质 | |
| US10698396B2 (en) | Information processing apparatus, information processing method, and recording medium | |
| CN106650137B (zh) | 一种加速标准单元增量布局合理化的方法 | |
| CN111652907B (zh) | 一种基于数据关联的多目标跟踪方法、装置及电子设备 | |
| CN106571042A (zh) | 一种可变限速的车辆超速判定方法及系统 | |
| CN115683142A (zh) | 一种感兴趣区域确定方法及装置 | |
| CN115660941A (zh) | 图像搬移方法、装置、电子设备和计算机可读存储介质 | |
| CN114355903A (zh) | 机器人自动充电方法、装置、计算机设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |