CN110660256A - 一种信号灯状态的估计方法及装置 - Google Patents

Abstract

公开了一种信号灯状态的估计方法及装置，包括：判断当前车辆的图像采集装置获取的图像中是否包括信号灯；当所述图像不包括所述信号灯时，从所述图像中获取满足预设条件的至少一个第一目标车辆；利用预设的预测模型确定所述第一目标车辆的轨迹预测结果；根据所述轨迹预测结果确定信号灯状态估计结果；通过行驶状态与当前车辆相同或类似的第一目标车辆进行轨迹预测，以实现估计信号灯的状态，以便于对视线被遮挡的当前车辆进行提示，使当前车辆能够安全的通过路口；且该方法对于信号灯状态的估计无需进行硬件改造，成本低且容易普及。

Description

一种信号灯状态的估计方法及装置

技术领域

本公开涉及图像分析技术领域，尤其涉及一种信号灯状态的估计方法及装置。

背景技术

交通信号灯，即俗称的红绿灯，是驾驶过程中最重要的交通信号之一。车辆在几乎每个路口，都需要按照信号灯的指示选择行进或停止。

在实际驾驶中，则可能由于某些情况，导致驾驶员在路口处无法观察到信号灯的状态，从而影响其判断。例如，当小型汽车位于巴士、卡车等体积庞大的大型汽车之后时，便可能出于大型汽车对视线的遮挡而无法观察到信号灯。

显然上述情况中存在较高的安全隐患，容易发生后车无意间闯红灯，甚至后车追尾前车的事故。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种信号灯状态的估计方法及装置，可在当前车辆被遮挡的情况下，通过对附近其他车辆的行驶状态进行轨迹预测，以估计信号灯状态。

根据本公开的第一个方面，提供了一种信号灯状态的估计方法，包括：

判断当前车辆的图像采集装置获取的图像中是否包括信号灯；

当所述图像不包括所述信号灯时，从所述图像中获取满足预设条件的至少一个第一目标车辆；

利用预设的预测模型确定所述第一目标车辆的轨迹预测结果；

根据所述轨迹预测结果确定信号灯状态估计结果。

根据本公开的第二个方面，提供了一种信号灯状态的估计装置，包括：

信号灯判断模块，用于判断当前车辆的图像采集装置获取的图像中是否包括信号灯；

第一目标车辆获取模块，用于当所述图像不包括所述信号灯时，从所述图像中获取满足预设条件的至少一个第一目标车辆；

轨迹预测模块，用于利用预设的预测模型确定所述第一目标车辆的轨迹预测结果；

信号灯状态估计模块，用于根据所述轨迹预测结果确定信号灯状态估计结果。

根据本公开的第三方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述第一方面中所述的信号灯状态的估计方法。

根据本公开的第四方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现上述第一方面中所述的信号灯状态的估计方法。

与现有技术相比，采用本公开提供的信号灯状态的估计方法及装置，通过行驶状态与当前车辆相同或类似的第一目标车辆进行轨迹预测，以实现估计信号灯的状态，以便于对视线被遮挡的当前车辆进行提示，使当前车辆能够安全的通过路口；且该方法对于信号灯状态的估计无需进行硬件改造，成本低且容易普及。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1为本公开涉及的场景示意图；

图2为本公开一示例性实施例提供的信号灯状态的估计系统的结构示意图；

图3为本公开一示例性实施例提供的信号灯状态的估计方法的流程示意图；

图4为本公开一示例性实施例提供的信号灯状态的估计方法的流程示意图；

图5为本公开一示例性实施例提供的信号灯状态的估计装置的结构示意图；

图6为本公开一示例性实施例提供的信号灯状态的估计装置中第一目标车辆获取模块的结构示意图；

图7为本公开一示例性实施例提供的信号灯状态的估计装置中第二目标车辆确定模块的结构示意图；

图8为本公开一示例性实施例提供的信号灯状态的估计装置中信号灯状态估计模块的结构示意图；

图9为本公开一示例性实施例提供的电子设备的结构图。

具体实施方式

下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

申请概述

交通信号灯，即俗称的红绿灯，是驾驶过程中最重要的交通信号之一。车辆在几乎每个路口，都需要按照信号灯的指示选择行进或停止。否则便会遭遇违反交通规则的惩罚，甚至导致交通事故。

在实际驾驶中，则可能由于某些情况，导致驾驶员在路口处无法观察到信号灯的状态，从而影响其判断。例如，当小型汽车位于巴士、卡车等体积庞大的大型汽车之后时，便可能出于大型汽车对视线的遮挡而无法观察到信号灯。显然上述情况中存在较高的安全隐患，容易发生后车无意间闯红灯，甚至后车追尾前车的事故。

如图1所示，为类似场景下某个信号灯附近区域的路况俯视图。此时当前车辆跟在障碍车辆之后，即将通过有信号灯的路口。障碍车辆为大型货车，遮挡了当前车辆的视线，使得当前车辆无法观察到信号灯的状态。则此时当前车辆盲目跟车，非常容易出现以下两种情况：

第一，障碍车辆通过路口后，信号灯由绿灯变为红灯。当前车辆跟车行进超过了停止线，来不及刹车，无意间闯红灯。第二，障碍车辆通过路口前，信号灯由绿灯变为红灯。障碍车辆停止前进。而当前车辆反应速度慢，来不及刹车，造成与障碍车辆追尾。

可见，由于遮挡无法观察到信号灯状态的情况，将为驾驶带来极大的不便和安全隐患。目前的某些设想性方案提出，可结合物联网技术，将信号灯的状态信息通过网络发送到当前车辆；或者在当前车辆上搭载升降式摄像头，以便在被遮挡时升高以拍摄到信号灯状态。但是，类似的方案都不可避免的涉及到硬件的改造，普及成本较高。

示例性系统

在当前的人工智能领域，已经能够实现对于车辆的轨迹预测。即通过分析车辆在过去一段时间内的行驶状态(包括速度、方向等数据，以及相关的各种路况信息)，来预测该车辆在未来一段时间内的行驶轨迹。该技术在交通场景的智能化解决方案中有极高的应用价值。

本公开中，同样以上述的轨迹预测技术为基础。该系统如图2所示，将在确定当前车辆即将通过有信号灯的路口，并且前方视线被遮挡的情况下，从附近路面上确定出至少一个与当前车辆相同或类似行驶状态的目标车辆，也就是同样将要通过该路口的车辆。然后对该目标车辆未来一段时间的行驶状态进行预测，从而估计信号灯的状态。

如果通过预测得知目标车辆未来将保持车速，则可认为信号灯将保持为绿灯，所以当前车辆同样可以保持车速通过路口。如果目标车辆未来将会减速，则有可能是因为绿灯剩余时间较少，目标车辆将随时准备停车，所以当前车辆亦可选择减速。如果目标车辆未来将在路口的停止线之前停车，则说明信号灯即将改变为红灯，当前车辆可准备停车。

示例性方法

图3是本公开一示例性实施例提供的信号灯状态的估计方法的流程示意图。本实施例可应用在电子设备上，如图3所示，本实施例包括如下步骤：

步骤301、判断当前车辆的图像采集装置获取的图像中是否包括信号灯。

当前车辆可以是路面上任何需要采用本实施例中方法进行信号灯状态估计的车辆。图像采集装置具体可以是车载摄像头或者雷达，车载摄像头能够通过拍摄获得相应的图像，雷达能够拍摄获得相应的点云图像。

判断图像中是否包括信号灯，可以利用现有的图像分析技术。例如利用基于卷积神经网络的图像分析技术实现。本实施例中对于上述图像分析过程不做具体限定，任何能够实现相同或类似效果的相关技术，均可结合在本实施例的整体技术方案中。

步骤302、当图像不包括信号灯时，从图像中获取满足预设条件的至少一个第一目标车辆。

当图像中不包括信号灯时，可认为此时信号灯可能被前方车辆遮挡。当然也可在图像中不包括信号灯的情况下，继续结合其他相关的条件进行判断，以便更准确的确定信号灯被遮挡。在此情况下可以开始对信号灯状态的估计。

图像中可能包括多个其他车辆，并且其他车辆的行驶方向可能各不相同。例如，有些车辆可能是对向驶来的车辆，有些可能选择其他路线而不通过该路口，有些可能通过该路口的方式(左转、右转或直行)与当前车辆不同。显然对这些不同行驶状态的车辆进行轨迹预测，对于当前车辆来说并不具有太多参考价值。

所以本步骤中，将确定出至少一个预设条件的第一目标车辆，其中预设条件包括行驶状态与当前车辆相同或类似。例如，如果当前车辆处于该路口由南向北的直行车道上，则可以将路面上其他由南向北的直行车道上的车辆确定为第一目标车辆。

换言之，第一目标车辆同样是即将通过该路口的车辆，并且通过该路口的方式与当前车辆相同。并且可以认为，第一目标车辆可能视野良好，不存在遮挡，所以能够观察到信号灯的状态。也就是说，第一目标车辆实际将选择的驾驶策略，将符合信号灯的变化规律。

步骤303、利用预设的预测模型确定第一目标车辆的轨迹预测结果。

该预测模型，可以是现有技术中实现轨迹预测功能所应用的运算模型。该模型可基于长短期记忆网络(Long Short-Term Memory，简称LSTM)搭建，并且通过大量的车辆行驶数据进行针对性训练。本实施例中不对模型的具体结构及训练过程进行限定，凡是能够实现相同或类似效果的运算模型均可结合在本实施例整体技术方案中。

本步骤中利用预测模型对第一目标车辆进行轨迹预测，所得到的轨迹预测结果即第一目标车辆在未来一段时间可能的行驶轨迹。

步骤304、根据轨迹预测结果确定信号灯状态估计结果。

可以认为，轨迹预测结果体现了第一目标车辆实际将选择的驾驶策略，进一步的也体现了信号灯的变化规律。因此可通过逻辑推断得出信号灯状态估计结果。例如，如果通过预测得知第一目标车辆未来将保持车速，则可认为信号灯将保持为绿灯。如果第一目标车辆未来将会减速，则有可能是因为绿灯剩余时间较少，第一目标车辆将随时准备停车。如果第一目标车辆未来将在路口的停止线之前停车，则说明信号灯即将改变为红灯。

由此本实施例中方法实现了对于信号灯状态的估计，根据该信号灯状态估计结果可以对当前车辆进行提示，使得当前车辆在通过路口是能够有所准备，选择更安全的驾驶策略。

通过以上技术方案可知，本实施例存在的有益效果是：通过行驶状态与当前车辆相同或类似的第一目标车辆进行轨迹预测，以实现估计信号灯的状态，以便于对视线被遮挡的当前车辆进行提示，使当前车辆能够安全的通过路口；且该方法对于信号灯状态的估计无需进行硬件改造，成本低且容易普及。

如图3所示仅为本公开方法的基础实施例，在其基础上进行一定的优化和拓展，还能够得到方法的其他优选实施例。

如图4所示，是本公开另一示例性实施例提供的信号灯状态的估计方法的流程示意图。本实施例可应用在电子设备上。本实施例将在图3所示实施例的基础上，结合应用场景进行更加具体的描述。本实施例中，该方法具体包括如下步骤：

步骤401、当当前车辆距路口对应的停止线的距离小于第一距离时，判断当前车辆的图像采集装置获取的图像中是否包括信号灯。

由于相关的估计过程需要占用较大的运算资源，所以通常不会选择实时的对路面上的其他车辆进行轨迹预测，而是仅仅在当前车辆满足特定条件的前提下，才会启动后续相关的估计流程。

判断当前车辆是否满足特定条件，即判断当前车辆是否即将通过有信号灯的路口，此时我们可以认为，由于即将通过路口，此时当前车辆离路口较近，理论上图像中应该包括红绿灯，如果没有包括，则当前车辆很可能被前方障碍物遮挡。具体的，可以通过当前车辆的行驶速度、方向以及定位信息来判断其是否即将通过路口。

本实施例中将通过当前车辆的定位信息，确定其到路口对应的停止线的第一距离，以判断当前车辆是否即将通过该路口。其中，路口对应的停止线，可以通过在线或者离线电子地图获取。在当前车辆即将通过该路口时，利用图像采集装置获取图像。可以认为该图像中呈现的画面，与当前车辆的驾驶员通过视觉实际能够观察到的画面是几乎一致的。所以通过该图像能够进一步的判断当前车辆的驾驶员是否能够直接观察到信号灯。

优选的可设置该第一距离为30米。在这一距离上，通常可以为后续运算过程和驾驶员的反应及决策过程预留出足够的时间。此外，第一距离也可以动态调节，比如如果当前车速较快，可以适应性的提高第一距离的数值，如果当前车速较慢，可以适应性的降低第一距离的数值。

步骤402、从图像中获取至少一个第二目标车辆。

如果该图像中包括路口对应的信号灯，则说明当前车辆也可以在通过路口时观察到信号灯状态，则无需启动后续流程。

相反如果该图像中不包括特定路口对应的信号灯，则可以进一步的确定当前车辆与前方障碍物的距离。该障碍物通常是前方的障碍车辆，当然也不排除可能是其他类型的障碍物。如果当前车辆距障碍物大于第二距离，则认为不存在遮挡，该图像中不包括信号灯的原因是该路口本身不存在信号灯，亦无需启动后续流程。

如果当前车辆距遮挡物小于第二距离，则认为该图像中不包括信号灯的原因，是由于障碍物的遮挡。另外，在当前车辆距遮挡物小于第二距离时，还可进一步的确定障碍物的尺寸是否满足预设条件，以便于更准确的判断视野图像中不包括信号灯的原因是否为障碍物的遮挡。例如当障碍物的高度超过2米，则可更加准确的确定此时当前车辆的视线被遮挡。

则此时进一步的获取当前车辆视野内的至少一个第二目标车辆。第二目标车辆，可以是该图像中包括的任意车辆，通常第二目标车辆的数量为多个。优选的，可以将该图像中包括的所有车辆均作为第二目标车辆。优选的，可设置该第二距离为15米。

结合图1所示，可认为图1中的车辆A、车辆B、车辆C、车辆D均为第二目标车辆。各第二目标车辆的行驶方向如图1中箭头所示。

步骤403、将与当前车辆处于同向车道，且处于当前车辆行驶方向的前方的第二目标车辆，确定为第一目标车辆。

可以从在线或离线的地图中获取当前道路中各个车道的方向。图1中，当前车辆位于直行车道，将要直行通过路口，如图1中箭头所示。而车辆A处于对向车道，车辆B处于左转车道。显然与当前车辆的行驶状态不相同。车辆C和车辆D处于直行车道，与当前车辆的行驶状态相同。但是车辆D位置靠后，可能会比当前车辆更晚通过路口，所以很难起到“估计”的作用。车辆C为与当前车辆处于同向车道，且处于当前车辆行驶方向的前方的第一目标车辆。车辆C定义为，在当前车辆行驶方向上，车辆C的尾部在当前车辆尾部的前方，由于车辆C处于当前车辆行驶方向的前方，意味着车辆C更接近停止线，并且很可能会更早的通过该路口，或者更早的进行驾驶策略的选择。所以车辆C的行为对于当前车辆有很大参考价值，能够通过车辆C的行为起到“估计”的作用。则本实施例中可将车辆C作为第一目标车辆。

步骤404、利用预设的网络模型，通过第一目标车辆的行驶状态信息，确定第一目标车辆的轨迹预测结果。

在确定了第一目标车辆作为轨迹预测的对象之后，即可获取第一目标车辆在过去一段时间内的行驶状态信息作为网络模型的输入，以使网络模型输出轨迹预测结果。行驶状态信息可以包括：第一目标车辆过去一段时间内的行驶速度、行驶方向、连续的定位信息和/或连续的图像帧序列等等。

通常，网络模型可以以第一目标车辆过去的5～6帧图像作为输入，输出14～15帧图像作为轨迹预测结果。以通常视频30帧/秒的帧率计算，也就是可以预测第一目标车辆在未来0.5秒之内的行驶轨迹。但是在本实施例的场景下，0.5秒不足满足需求。所以可针对性的对网络模型进行训练和调整，使网络模型能够输出30帧图像作为轨迹预测结果，即预测未来1秒之内的轨迹。

另外优选的，本实施例中可以确定多个第一目标车辆，并分别进行预测，获得相应的轨迹预测结果。并综合进行后续的判断。以避免单一的第一目标车辆不遵守交通规则导致的意外情况发生。

步骤405、当轨迹预测结果包括第一目标车辆静止于预设区域内时，信号灯状态估计结果包括估计信号灯为禁止行驶状态。

预设区域是指路口范围内，距离停止线一定距离(例如10米)的路面区域，而尝尝由于司机刹车不及时，车辆在停止时车身可能已经略微越过停止线，因此，预设区域还可以是停止线前后一定距离(例如停止线后8米，停止线前2米)的路面区域。也就是通过车辆“等红灯”时所处的位置。当预测第一目标车辆静止于预设区域内，则可认为信号灯即将为禁止行驶状态。也就是由绿灯变为红灯。则此时可将该估计结果推送给当前车辆。或者，也可向当前车辆推送停车提示，以避免当前车辆无意间闯红灯。

步骤406、当轨迹预测结果包括第一目标车辆行驶通过预设区域时，信号灯状态估计结果包括估计信号灯为允许行驶状态。

当预测第一目标车辆行驶通过预设区域，则可认为信号灯将保持允许行驶状态。也就是保持为绿灯。则此时可将该估计结果推送给当前车辆，使当前车辆正常通过路口。或者，也可向当前车辆推送保持车距提示，避免发生追尾。

本实施例中，仅在当前车辆满足特定条件的情况下开始轨迹预测，并且只需针对第一目标车辆进行轨迹预测，尽可能的减少了对于运算资源的占用，且降低了运算来带的功耗；通过针对性训练预测模型，并调整预测模型的输出，使预测模型的性能满足相应场景下的需求。

示例性装置

图5是本公开一示例性实施例提供的信号灯状态的估计装置的结构示意图。本实施例装置，即用于执行图3～图4方法的实体装置。其技术方案本质上与上述实施例一致，上述实施例中的相应描述同样适用于本实施例中。本实施例中装置包括：

信号灯判断模块501，用于判断当前车辆的图像采集装置获取的图像中是否包括信号灯；

第一目标车辆获取模块502，用于当图像不包括信号灯时，从图像中获取满足预设条件的至少一个第一目标车辆；

轨迹预测模块503，用于利用预设的预测模型确定第一目标车辆的轨迹预测结果；

信号灯状态估计模块504，用于根据轨迹预测结果确定信号灯状态估计结果。

图6是本公开另一示例性实施例提供的信号灯状态的估计装置中信号灯判断模块501的结构示意图。如图6所示，在示例性实施例中，信号灯判断模块501包括：

图像获取单元611，用于在当前车辆距路口对应的停止线的距离小于第一距离时，利用车辆的图像采集装置获取图像。

信号灯判断单元612，用于判断当前车辆的图像采集装置获取的图像中是否包括信号灯。

图7是本公开另一示例性实施例提供的信号灯状态的估计装置中第一目标车辆获取模块502的结构示意图。如图7所示，在示例性实施例中，第一目标车辆获取模块502包括：

第二目标车辆获取单元711，用于从图像中获取至少一个第二目标车辆。

第一目标车辆确定单元712，用于将与当前车辆处于同向车道，且处于当前车辆行驶方向的前方的第二目标车辆，确定为第一目标车辆。

图8是本公开另一示例性实施例提供的信号灯状态的估计装置中信号灯状态估计模块504的结构示意图。如图7所示，在示例性实施例中，信号灯状态估计模块504包括：

第一状态估计单元811，用于在轨迹预测结果包括第一目标车辆静止于预设区域内时，信号灯状态估计结果包括估计信号灯为禁止行驶状态；

第二状态估计单元812，用于在轨迹预测结果包括第一目标车辆行驶通过预设区域时，信号灯状态估计结果包括估计信号灯为允许行驶状态。

示例性电子设备

下面，参考图9来描述根据本公开实施例的电子设备。该电子设备可以是第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。

图9图示了根据本公开实施例的电子设备的框图。

如图9所示，电子设备10包括一个或多个处理器11和存储器12。

处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。

存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本公开的各个实施例的信号灯状态的估计方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

例如，在该电子设备是第一设备100或第二设备200时，该输入装置13可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置13可以是通信网络连接器，用于从第一设备100和第二设备200接收所采集的输入信号。

此外，该输入设备13还可以包括例如键盘、鼠标等等。

该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图9中仅示出了该电子设备10中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的信号灯状态的估计方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的信号灯状态的估计方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种信号灯状态的估计方法，包括：

判断当前车辆的图像采集装置获取的图像中是否包括信号灯；

当所述图像不包括所述信号灯时，从所述图像中获取满足预设条件的至少一个第一目标车辆；

利用预设的预测模型确定所述第一目标车辆的轨迹预测结果；

根据所述轨迹预测结果确定信号灯状态估计结果。

2.根据权利要求1所述方法，所述判断当前车辆的图像采集装置获取的图像中是否包括信号灯包括：

当当前车辆距路口对应的停止线的距离小于第一距离时，判断当前车辆的图像采集装置获取的图像中是否包括信号灯。

3.根据权利要求1所述方法，其中，所述从所述图像中获取满足预设条件的至少一个第一目标车辆包括：

从所述图像中获取至少一个第二目标车辆；

将与所述当前车辆处于同向车道，且处于所述当前车辆行驶方向的前方的所述第二目标车辆，确定为所述第一目标车辆。

4.根据权利要求3所述方法，其中，所述利用预设的预测模型确定所述第一目标车辆的轨迹预测结果包括：

利用预设的网络模型，通过所述第一目标车辆的行驶状态信息，确定所述第一目标车辆的轨迹预测结果。

5.根据权利要求1～4任意一项所述方法，其中，所述根据所述轨迹预测结果确定信号灯状态估计结果包括：

当所述轨迹预测结果包括所述第一目标车辆静止于预设区域内时，所述信号灯状态估计结果包括估计信号灯为禁止行驶状态；

当所述轨迹预测结果包括所述第一目标车辆行驶通过所述预设区域时，所述信号灯状态估计结果包括估计信号灯为允许行驶状态。

6.根据权利要求5所述方法，当所述信号灯状态估计结果包括估计信号灯为禁止行驶状态时，所述方法还包括：

向所述当前车辆推送停车提示。

7.根据权利要求5所述方法，当所述信号灯状态估计结果包括估计信号灯为允许行驶状态时，所述方法还包括：

向所述当前车辆推送保持车距提示。

8.一种信号灯状态的估计装置，包括：

信号灯判断模块，用于判断当前车辆的图像采集装置获取的图像中是否包括信号灯；

第一目标车辆获取模块，用于当所述图像不包括所述信号灯时，从所述图像中获取满足预设条件的至少一个第一目标车辆；

轨迹预测模块，用于利用预设的预测模型确定所述第一目标车辆的轨迹预测结果；

信号灯状态估计模块，用于根据所述轨迹预测结果确定信号灯状态估计结果。

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的信号灯状态的估计方法。

10.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-7任一所述的信号灯状态的估计方法。

Images