CN111950536A - 信号灯图像的处理方法、装置、计算机系统和路侧设备 - Google Patents
信号灯图像的处理方法、装置、计算机系统和路侧设备 Download PDFInfo
- Publication number
- CN111950536A CN111950536A CN202011012702.3A CN202011012702A CN111950536A CN 111950536 A CN111950536 A CN 111950536A CN 202011012702 A CN202011012702 A CN 202011012702A CN 111950536 A CN111950536 A CN 111950536A
- Authority
- CN
- China
- Prior art keywords
- lamp
- image
- value
- difference
- signal
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims description 30
- 238000005070 sampling Methods 0.000 claims description 18
- 239000003086 colorant Substances 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000002372 labelling Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 230000007257 malfunction Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
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
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/38—Outdoor scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例提供了一种信号灯图像的处理方法、装置、计算机系统、路侧设备和存储介质,涉及智能交通及自动驾驶领域。该处理方法包括:从路侧传感器中获取信号灯的图像数据,其中,信号灯的图像数据包括随时间的图像帧的序列,并且信号灯包括至少两个灯头;对时间上相邻的两帧图像进行差分处理,以获得差分图像,差分图像的每一像素点的像素值等于时间上相邻的两帧图像的相应像素点的差分值;对差分图像进行阈值化处理;以及根据阈值化处理后的差分图像,确定信号灯中被点亮的灯头。
Description
技术领域
本公开涉及智能交通及自动驾驶领域,更具体地,涉及一种信号灯图像的处理方法、信号灯图像的处理装置、计算机系统、路侧设备和计算机可读存储介质。
背景技术
智能车路协同系统中的道路环境感知是影响车辆驾驶的重要因素,其中交通信号灯能够使车辆在十字路口有序、安全通行,大幅度提高路口的通行效率。因此,交通信号灯的识别是智能交通系统重要的组成部分。
已有的交通信号灯的识别方法主要分为车载感知和路侧感知两类。车载感知通常是使用车载摄像头采集车辆前方的视频图像,然后依靠颜色、形状等信息检测感兴趣区域并提取特征进行类别判定,从而得到交通信号灯的状况。路侧感知是将传感器部署到路侧并且对道路上的交通信号灯进行感知的技术。路侧感知相对于车载感知的优势在于,路侧传感器的视角是固定的,因此无需检测交通信号灯的位置。路侧传感器能够把交通信号灯的状态以及时间发给自动驾驶车辆。为了提高其对交通信号灯的识别能力,有必要对路侧传感器进行训练。在训练过程中,需为路侧传感器提供各种灯色满足大概均匀分布的比例的图像数据。为了实现这一目标,需要对大量的信号灯图像进行筛选和标注。
发明内容
根据本公开的第一方面,提供了一种信号灯图像的处理方法,包括:从路侧传感器中获取信号灯的图像数据,其中,信号灯的图像数据包括随时间的图像帧的序列,并且信号灯包括至少两个灯头;对时间上相邻的两帧图像进行差分处理,以获得差分图像,差分图像的每一像素点的像素值等于时间上相邻的两帧图像的相应像素点的差分值;对差分图像进行阈值化处理;以及根据阈值化处理后的差分图像,确定信号灯中被点亮的灯头。
根据本公开的第二方面,提供了一种信号灯图像的处理装置,包括:获取单元,被配置为从路侧传感器中获取信号灯的图像数据,其中,信号灯的图像数据包括随时间的图像帧的序列,并且信号灯包括至少两个灯头;差分单元,被配置为对时间上相邻的两帧图像进行差分处理,以获得差分图像,差分图像的每一像素点的像素值等于时间上相邻的两帧图像的相应像素点的差分值;阈值化单元,被配置为对差分图像进行阈值化处理;以及点亮灯头确定单元,被配置为根据阈值化处理后的差分图像,确定信号灯中被点亮的灯头。
根据本公开的第三方面,提供了一种计算机系统,包括:处理器;以及存储计算机程序的存储器,计算机程序在由处理器执行时使得处理器执行上述信号灯图像的处理方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,其中,计算机程序在被处理器执行时实现上述信号灯图像的处理方法。
根据本公开的第五方面,提供了一种路侧设备,包括:上述的计算机系统。
根据本公开的一个或多个实施例,可以自动、高效地获取灯色尽量均匀分布的信号灯图像数据。在针对路侧传感器的训练过程中,满足大概均匀分布的比例的信号灯图像数据使得训练效果更佳。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于说明实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1是示出根据本公开的实施例的车路协同系统的应用场景示意图;
图2是示出根据本公开的实施例的信号灯图像的处理方法的流程图;
图3是示出根据本公开的实施例的信号灯图像的处理装置的框图;
图4是示出能够用于实现本公开的实施例的示例性计算机系统的结构框图。
具体实施方式
下面结合附图和实施例对本公开进行进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外,还需要说明的是,为了便于描述,附图中仅示出了与相关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的步骤或功能模块的编号仅用于对各个步骤或功能模块进行标识,而不用于限制各个步骤的执行顺序或各个功能模块相互之间的连接关系。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于在相同的实施例中将一个元素与另一元素区分开。
随着智能车路协同技术的不断成熟,汽车智能化与交通智能化是未来发展的必然趋势。智能车路协同系统是路侧设施与智能汽车的有机联合,通过智能路侧设备、车用无线通信、边缘计算等技术,实现人、车、路、后台之间动态实时信息交互,并在此基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同。
图1示出了根据本公开的实施例的车路协同系统的应用场景示意图。如图1所示的车路协同系统通过各种无线通讯的方式,将车和车之间、车和路之间、近端和远端车之间、甚至人都构成一种新的交通结构。车路协同系统中的路侧设备指的是安装在车道控制系统前端的起信息采集作用的设备,通常安装在道路两侧,路侧设备可以与车载终端采用短距离通信方式进行通信,实现对车辆信息的采集。具体地,路侧设备包括路侧感知设备和路侧计算设备,路侧感知设备也可称为路侧传感器(例如路侧相机)连接到路侧计算设备(例如路侧计算单元RSCU),路侧计算设备连接到服务器设备,服务器设备可以通过各种方式与自动驾驶或辅助驾驶车辆通信。在另一种系统架构中,路侧感知设备自身包括计算功能,则路侧感知设备直接连接到所述服务器设备。以上连接可以是有线或是无线;本公开中的服务器设备例如是云控平台、车路协同管理平台、中心子系统、边缘计算平台、云计算平台等。
自动驾驶车辆通过路口时需要识别交通信号灯。路侧传感器能够把交通信号灯的状态以及时间直接发给自动驾驶车辆。因此,有必要对路侧传感器进行训练,以便提高其对交通信号灯灯色的识别能力。为了保证训练的效果,在采集交通信号灯数据的过程中,需保证各种灯色的图像满足大概均匀分布的比例。通过人工筛选的方式虽然能够确保筛选出的图像满足灯色均匀分布的要求,但效率较低,无法快速对大量图像进行筛选。
图2是示出根据本公开的实施例的信号灯图像的处理方法200的流程图。如图2所示,信号灯图像的处理方法200可以包括:步骤S210,从路侧传感器中获取信号灯的图像数据,其中,信号灯的图像数据包括随时间的图像帧的序列,并且信号灯包括至少两个灯头;步骤S220,对时间上相邻的两帧图像进行差分处理,以获得差分图像,差分图像的每一像素点的像素值等于时间上相邻的两帧图像的相应像素点的差分值;步骤S230,对差分图像进行阈值化处理;以及步骤S240,根据阈值化处理后的差分图像,确定信号灯中被点亮的灯头。
这里,需要说明的是,对于要进行计算机视觉感知红绿灯的路口,通常将路侧传感器部署到交通信号灯的灯杆上。路侧感知相对于主车感知的优势在于,路侧传感器的视角是固定的。因此,信号灯的位置可以预先确定并存储在本地。这样,在灯色识别的过程中,就无需对信号灯的位置进行检测。在实际的交通环境中,信号灯通常包括两个以上的灯头,譬如红灯、绿灯和黄灯。可以理解的是,从路侧传感器中获取信号灯的图像数据是一系列在时间上连续的图像帧img_list。可以利用信号灯灯色的时序性对灯色进行筛选。但是,由于路况信息的复杂性,信号灯工作状态差异很大,在通过程序自动识别所获取图像的信号灯灯色时识别率较差。
为此,本公开的信号灯图像的处理方法通过帧间差分来检测目前哪一种灯色处于点亮的状态,能够大大提高灯色识别准确率。具体而言,对于某一个方向的信号灯,取在时间上相邻的两帧图像进行差分处理img_list[1]-img_list[0],从而获得差分图像。差分图像的每一像素点的像素值等于时间上相邻的两帧图像的相应像素点的差分值。随后,对差分图像进行阈值化处理。根据阈值化处理后的差分图像,确定信号灯中被点亮的灯头。以此方式,可以迅速且相对准确地确定信号灯中被点亮的灯头,为后续获取灯色尽量均匀分布的信号灯图像数据做准备。
根据一些实施例,对差分图像进行阈值化处理包括:响应于差分图像的像素点的像素值大于第一阈值,将像素点的值赋值为预设亮度值;响应于差分图像的像素点的像素值不大于第一阈值,将像素点的值设置为0。要指出的是,本文中的“差分”并不是直接进行亮度的绝对值计算,以便找出两帧图像之间的亮度变化;而是将差分图像中小于第一阈值thres_1的像素点直接设置为0,将差分图像中大于第一阈值thres_1的像素点直接赋置为预设亮度值(例如,255)。也就是说,只要求检测出某个灯头从暗(0)到亮(255)的变化即可。简言之,只要检测灯亮的过程,而不需要检测灯灭的过程。这种方式的好处在于逻辑简单,而且具有一定的鲁棒性,能够在保证一定识别准确率的同时大大提高检测效率。在实际上灯色只是强度发生变化而灯色未变的情况下,通过上述方法可识别出灯头仍处于同一灯色。
根据一些实施例,信号灯图像的处理方法200可以包括:步骤S250,确定与被点亮的灯头相关联的采样区间,用于获取待采样的图像帧。在本文中,某一个灯头无论被检测到点亮多少次,都可以被认为是同一次点亮,直到检测到其他位置的灯头被点亮。有鉴于此,通过确定采样区间的范围,可以将与某一个被点亮的灯色相关的图像缓存。在后续筛选和标注图像的步骤中,直接从采样区间选择相应灯色的图像即可,这样能够方便后续的筛选和标注操作,提高效率。
根据一些实施例,确定信号灯中被点亮的灯头包括:计算经阈值化处理的差分图像中每个灯头的像素点的像素值之和,以获得每个灯头的差分和;对每个灯头的差分和进行归一化处理;以及将差分和归一化后的数值最大的灯头作为被点亮的灯头。例如,计算每个灯头经阈值化后的差分图像的差分和,将该差分和除以像素点的个数n_pixel进行归一化,随后找出三个灯头位置中差分和最大的那个(记为max_diff_sum_current)并获取它是哪一个灯色。具体而言,对每个灯头的差分和进行归一化处理包括下述中的任一项:(1)将每个灯头的差分和除以相应灯头的像素点的个数n_pixel;(2)将每个灯头的差分和除以相应灯头的面积;或(3)将每个灯头的差分和除述信号灯的总面积。当然,本领域技术人员可以理解的是,归一化处理的方式也不仅限于上述的三种情况,例如将各个灯头的差分和除以与灯头相关联的其它数值也是可行的。
在上述采用归一化方式的实施例中,确定与被点亮的灯头相关联的采样区间包括:响应于被点亮的灯头的差分和不满足以下各项中至少之一,确定信号灯中被点亮的灯头的灯色已切换:被点亮的灯头的差分和大于相应灯头的第二阈值与预设百分比之积;和被点亮的灯头的差分和大于至少一个未被点亮的灯头的差分和与预设倍数之积;以及将当前图像帧与上一次确定灯色已切换时的图像帧之间的区间确定为采样区间。需要说明的是,第二阈值可以设置的相对小一些,这样可以更方便获取图像中的亮度变化。在本实施例中,除了将被点亮灯头的差分和和自己的历史值、譬如第二阈值相比之外,还与其它灯色的差分和进行比较,从而排除亮度偶然的波动导致的误差问题。例如,如果被点亮的灯头的差分和大于对应灯色的max_diff_sum(第二阈值)的80%,并且大于另外两个灯头的当前差分和的2倍,则认为该灯色为新点亮灯色,否则开始处理下一帧图像。
根据一些实施例,第二阈值通过对信号灯的图像数据进行初始化处理而获得。具体而言,对信号灯的图像数据进行初始化处理包括:在初始化周期内对时间上相邻的两帧进行差分处理,以获得差分图像;对差分图像进行阈值化处理;根据阈值化处理的结果,确定信号灯中被点亮的灯头的最大差分和;以及将相应灯头的第二阈值赋值为被点亮的灯头的最大差分和。例如,计算每个灯头内差分图像的差分和,随后找出三个灯头位置中,差分和最大的那个(记为max_diff_sum_current)并获取它是哪一个灯色。如果它大于对应灯色的max_diff_sum,则将max_diff_sum_current的值赋值给对应灯色的max_diff_sum。
根据一些实施例,信号灯图像的处理方法200可以包括:步骤S260,根据信号灯中被点亮的灯头的灯色,对当前图像标注一种灯色;以及步骤S270,根据标注的结果,筛选出数量大致相等的不同灯色的图像。以此方式,可以最大化地获取灯色尽量均匀分布的数据,减少人工预标注的步骤,加快数据标注流程,并且节约标注资本。
根据一些实施例,确定信号灯中被点亮的灯头包括:统计每个灯头中以预设亮度值赋值的像素点的数量;根据每个灯头的统计值,将包括以预设亮度值赋值的像素点数量最多的灯头作为被点亮的灯头。在此情形下,可以省略前述实施例中求差分和和归一化的相关步骤,进一步节省了计算资源。
在上述采用统计方式的实施例中,确定与被点亮的灯头相关联的采样区间包括:响应于被点亮的灯头的统计值不满足以下各项中至少之一,确定信号灯中被点亮的灯头的灯色已切换:被点亮的灯头的统计值大于相应灯头的第三阈值与预设百分比之积;和被点亮的灯头的统计值大于至少一个未被点亮的灯头的统计值与预设倍数之积;以及将当前图像帧与上一次确定灯色已切换时的图像帧之间的区间确定为采样区间。需要说明的是,第三阈值可以设置的相对小一些,这样可以更方便获取图像中的亮度变化。在本实施例中,除了将被点亮灯头的统计值和自己的历史值、譬如第三阈值相比之外,还与其它灯色的统计值进行比较,从而排除亮度偶然的波动导致的误差问题。
根据一些实施例,在筛选出数量大致相等的不同灯色的图像之前,信号灯图像的处理方法200可以包括:步骤S280,发起检测在预设数量范围内标注的图像的灯色种类的数量是否小于灯头的数量;以及步骤S290,响应于在预设数量范围内标注的图像的灯色种类的数量小于灯头的数量,发出报警信号,用以提示至少一个灯头出现故障。本公开的方法可以在筛选图像的同时识别信号灯的灯头是否由于故障而未点亮。
图3示出了根据本公开的实施例的信号灯图像的处理装置300的示意性框图。参考图3,信号灯图像的处理装置300包括获取单元310、差分单元320、阈值化单元330和点亮灯头确定单元340。获取单元310被配置为从路侧传感器中获取信号灯的图像数据,其中,信号灯的图像数据包括随时间的图像帧的序列,并且信号灯包括至少两个灯头。差分单元320被配置为对时间上相邻的两帧图像进行差分处理,以获得差分图像,差分图像的每一像素点的像素值等于时间上相邻的两帧图像的相应像素点的差分值。阈值化单元330被配置为对差分图像进行阈值化处理。点亮灯头确定单元340被配置为根据阈值化处理后的差分图像,确定信号灯中被点亮的灯头。
根据一些实施例,阈值化单元330被进一步配置用于:响应于差分图像的像素点的像素值大于第一阈值,将像素点的值赋值为预设亮度值;响应于差分图像的像素点的像素值不大于第一阈值,将像素点的值设置为0。
根据一些实施例,信号灯图像的处理装置300还包括采样区间确定单元350。采样区间确定单元350被配置为确定与被点亮的灯头相关联的采样区间,用于获取待采样的图像帧。
根据一些实施例,信号灯图像的处理装置300还包括灯色标注单元360和筛选单元390。灯色标注单元360被配置为根据信号灯中被点亮的灯头的灯色,对当前图像标注一种灯色。筛选单元390被配置为根据标注的结果,筛选出数量大致相等的不同灯色的图像。
根据一些实施例,信号灯图像的处理装置300还包括检测单元370和报警单元380。在筛选单元筛选出数量大致相等的不同灯色的图像之前,检测单元370被配置为发起检测在预设数量范围内标注的图像的灯色种类的数量是否小于灯头的数量。报警单元380被配置为响应于在预设数量范围内标注的图像的灯色种类的数量小于灯头的数量,发出报警信号,用以提示至少一个灯头出现故障。
图4是示出能够用于实现本公开的实施例的示例性计算机系统的结构框图。下面结合图4,描述适于用来实现本公开的实施例的计算机系统400。应该明白的是,图4示出的计算机系统400仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400可以包括处理装置(例如,中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中,还存储有计算机系统400操作所需的各种程序和数据。处理装置401、ROM 402、以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、摄像头、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD,Liquid Crystal Display)、扬声器、振动器等的输出装置407;包括例如闪存(Flash Card)等的存储装置408;以及通信装置409。通信装置409可以允许计算机系统400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的计算机系统400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例提供一种计算机可读存储介质,其存储计算机程序,该计算机程序包含用于执行图2所示的方法200的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,实现本公开的实施例的装置中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述计算机系统400中所包含的;也可以是单独存在,而未装配入该计算机系统400中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该计算设备执行时,使得该计算机系统:提供数据输入接口,数据输入接口用于接收针对在自动驾驶技术的路测过程中出现的接管问题的评估数据,其中,接管问题导致处于自动驾驶状态的受测车辆被接管;以及,基于通过数据输入接口接收到的评估数据,生成对接管问题的风险评价,其中,评估数据包含多个变量。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能、和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括获取单元、差分单元、阈值化单元、点亮灯头确定单元、采样区间确定单元、灯色标注单元、筛选单元、检测单元和报警单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
如之前所描述的那样,路侧感知设备自身可以包括计算功能。例如,本公开的实施例提供了一种路侧设备,包括上述的计算机系统。具体而言,本公开的处理方法执行主体可以是各种路侧设备,例如有计算功能的路侧感知设备、与路侧感知设备相连接的路侧计算设备,也可以是与路侧计算设备连接的服务器设备,或是与路侧感知设备直接相连的服务器设备等。本公开中的服务器设备例如是云控平台、车路协同管理平台、中心子系统、边缘计算平台、云计算平台等。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (21)
1.一种信号灯图像的处理方法,所述处理方法包括:
从路侧传感器中获取信号灯的图像数据,其中,所述信号灯的图像数据包括随时间的图像帧的序列,并且所述信号灯包括至少两个灯头;
对时间上相邻的两帧图像进行差分处理,以获得差分图像,所述差分图像的每一像素点的像素值等于所述时间上相邻的两帧图像的相应像素点的差分值;
对所述差分图像进行阈值化处理;以及
根据阈值化处理后的差分图像,确定所述信号灯中被点亮的灯头。
2.根据权利要求1所述的处理方法,其中,对所述差分图像进行阈值化处理包括:
响应于所述差分图像的像素点的像素值大于第一阈值,将所述像素点的值赋值为预设亮度值;
响应于所述差分图像的像素点的像素值不大于第一阈值,将所述像素点的值设置为0。
3.根据权利要求2所述的处理方法,还包括:确定与所述被点亮的灯头相关联的采样区间,用于获取待采样的图像帧。
4.根据权利要求3所述的处理方法,其中,确定所述信号灯中被点亮的灯头包括:
计算经阈值化处理的差分图像中每个灯头的像素点的像素值之和,以获得每个灯头的差分和;
对每个灯头的差分和进行归一化处理;以及
将差分和归一化后的数值最大的灯头作为被点亮的灯头。
5.根据权利要求4所述的处理方法,其中,对每个灯头的差分和进行归一化处理包括选自以下各项所组成的组中的一项:
将每个灯头的差分和除以相应灯头的像素点的个数;
将每个灯头的差分和除以相应灯头的面积;或
将每个灯头的差分和除以所述信号灯的总面积。
6.根据权利要求5所述的处理方法,其中,确定与所述被点亮的灯头相关联的采样区间包括:
响应于所述被点亮的灯头的差分和不满足以下各项中至少之一,确定所述信号灯中被点亮的灯头的灯色已切换:
所述被点亮的灯头的差分和大于相应灯头的第二阈值与预设百分比之积;和
所述被点亮的灯头的差分和大于至少一个未被点亮的灯头的差分和与预设倍数之积;以及
将当前图像帧与上一次确定灯色已切换时的图像帧之间的区间确定为采样区间。
7.根据权利要求3所述的处理方法,其中,确定信号灯中被点亮的灯头包括:
统计每个灯头中以所述预设亮度值赋值的像素点的数量;
根据每个灯头的统计值,将包括以所述预设亮度值赋值的像素点数量最多的灯头作为被点亮的灯头。
8.根据权利要求7所述的处理方法,其中,确定与所述被点亮的灯头相关联的采样区间包括:
响应于所述被点亮的灯头的统计值不满足以下各项中至少之一,确定所述信号灯中被点亮的灯头的灯色已切换:
所述被点亮的灯头的统计值大于相应灯头的第三阈值与预设百分比之积;和
所述被点亮的灯头的统计值大于至少一个未被点亮的灯头的统计值与预设倍数之积;以及
将当前图像帧与上一次确定灯色已切换时的图像帧之间的区间确定为采样区间。
9.根据权利要求6所述的处理方法,其中,
所述第二阈值通过对信号灯的图像数据进行初始化处理而获得。
10.根据权利要求9所述的处理方法,其中,对信号灯的图像数据进行初始化处理包括:
在初始化周期内对时间上相邻的两帧进行差分处理,以获得差分图像;
对所述差分图像进行阈值化处理;
根据阈值化处理的结果,确定所述信号灯中被点亮的灯头的最大差分和;以及
将相应灯头的第二阈值赋值为所述被点亮的灯头的最大差分和。
11.根据权利要求1-10中任一项所述的处理方法,还包括:
根据所述信号灯中被点亮的灯头的灯色,对当前图像标注一种灯色;以及
根据标注的结果,筛选出数量大致相等的不同灯色的图像。
12.根据权利要求11所述的处理方法,在筛选出数量大致相等的不同灯色的图像之前还包括:
发起检测在预设数量范围内标注的图像的灯色种类的数量是否小于所述灯头的数量;以及
响应于在预设数量范围内标注的图像的灯色种类的数量小于所述灯头的数量,发出报警信号,用以提示至少一个灯头出现故障。
13.根据权利要求1-10中任一项所述的处理方法,其中,所述信号灯包括红色灯头、黄色灯头和绿色灯头。
14.一种信号灯图像的处理装置,所述处理装置包括:
获取单元,所述获取单元被配置为从路侧传感器中获取信号灯的图像数据,其中,所述信号灯的图像数据包括随时间的图像帧的序列,并且所述信号灯包括至少两个灯头;
差分单元,所述差分单元被配置为对时间上相邻的两帧图像进行差分处理,以获得差分图像,所述差分图像的每一像素点的像素值等于所述时间上相邻的两帧图像的相应像素点的差分值;
阈值化单元,所述阈值化单元被配置为对所述差分图像进行阈值化处理;以及
点亮灯头确定单元,所述点亮灯头确定单元被配置为根据阈值化处理后的差分图像,确定所述信号灯中被点亮的灯头。
15.根据权利要求14所述的处理装置,其中,所述阈值化单元被进一步配置用于:
响应于所述差分图像的像素点的像素值大于第一阈值,将所述像素点的值赋值为预设亮度值;
响应于所述差分图像的像素点的像素值不大于第一阈值,将所述像素点的值设置为0。
16.根据权利要求15所述的处理装置,还包括:
采样区间确定单元,所述采样区间确定单元被配置为确定与所述被点亮的灯头相关联的采样区间,用于获取待采样的图像帧。
17.根据权利要求14-16中任一项所述的处理装置,还包括:
灯色标注单元,所述灯色标注单元被配置为根据所述信号灯中被点亮的灯头的灯色,对当前图像标注一种灯色;以及
筛选单元,所述筛选单元被配置为根据标注的结果,筛选出数量大致相等的不同灯色的图像。
18.根据权利要求17所述的处理装置,在所述筛选单元筛选出数量大致相等的不同灯色的图像之前,所述处理装置还包括:
检测单元,所述检测单元被配置为发起检测在预设数量范围内标注的图像的灯色种类的数量是否小于所述灯头的数量;以及
报警单元,所述报警单元被配置为响应于在预设数量范围内标注的图像的灯色种类的数量小于所述灯头的数量,发出报警信号,用以提示至少一个灯头出现故障。
19.一种计算机系统,包括:
处理器;以及
存储计算机程序的存储器,所述计算机程序在由所述处理器执行时使得所述处理器执行根据权利要求1-13中任一项所述的处理方法。
20.一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序在被处理器执行时实现根据权利要求1-13中任一项所述的处理方法。
21.一种路侧设备,包括:
根据权利要求19所述的计算机系统。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011012702.3A CN111950536A (zh) | 2020-09-23 | 2020-09-23 | 信号灯图像的处理方法、装置、计算机系统和路侧设备 |
US17/207,603 US11790772B2 (en) | 2020-09-23 | 2021-03-19 | Traffic light image processing |
EP21164013.1A EP3859708B1 (en) | 2020-09-23 | 2021-03-22 | Traffic light image processing method and device, and roadside device |
JP2021048510A JP7267333B2 (ja) | 2020-09-23 | 2021-03-23 | 信号機画像の処理方法、装置、コンピュータシステム及び路側デバイス |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011012702.3A CN111950536A (zh) | 2020-09-23 | 2020-09-23 | 信号灯图像的处理方法、装置、计算机系统和路侧设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111950536A true CN111950536A (zh) | 2020-11-17 |
Family
ID=73357013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011012702.3A Pending CN111950536A (zh) | 2020-09-23 | 2020-09-23 | 信号灯图像的处理方法、装置、计算机系统和路侧设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11790772B2 (zh) |
EP (1) | EP3859708B1 (zh) |
JP (1) | JP7267333B2 (zh) |
CN (1) | CN111950536A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112396668A (zh) * | 2020-12-03 | 2021-02-23 | 北京百度网讯科技有限公司 | 识别信号灯中异常灯色的方法、装置、路侧设备 |
CN112528795A (zh) * | 2020-12-03 | 2021-03-19 | 北京百度网讯科技有限公司 | 信号灯的灯色识别方法、装置及路侧设备 |
CN112528794A (zh) * | 2020-12-03 | 2021-03-19 | 北京百度网讯科技有限公司 | 信号灯的故障识别方法、装置及路侧设备 |
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 |
CN113033464A (zh) * | 2021-04-10 | 2021-06-25 | 阿波罗智联(北京)科技有限公司 | 信号灯检测方法、装置、设备以及存储介质 |
CN113706912A (zh) * | 2021-08-27 | 2021-11-26 | 北京万集科技股份有限公司 | 一种车辆的辅助驾驶方法、系统、终端设备及存储介质 |
CN114419579A (zh) * | 2021-12-27 | 2022-04-29 | 阿波罗智联(北京)科技有限公司 | 标注交通信号灯的方法、装置、设备、边缘计算设备 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699754B (zh) * | 2020-12-23 | 2023-07-18 | 北京百度网讯科技有限公司 | 信号灯识别方法、装置、设备以及存储介质 |
CN113781778B (zh) * | 2021-09-03 | 2022-09-06 | 新奇点智能科技集团有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
CN115410402A (zh) * | 2022-08-08 | 2022-11-29 | 上海丰蕾信息科技有限公司 | 交通信号时序逻辑验证方法、装置及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004007246A (ja) * | 2002-05-31 | 2004-01-08 | Toshiba Corp | 画像処理システム、画像処理方法、画像処理プログラム |
CN102496282A (zh) * | 2011-12-16 | 2012-06-13 | 湖南工业大学 | 一种rgb颜色变换的交通路口信号灯状态识别方法 |
CN102750710A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种图像中运动目标统计方法和装置 |
JP2013101419A (ja) * | 2011-11-07 | 2013-05-23 | Mitsubishi Electric Corp | 画像信号処理装置 |
CN104574960A (zh) * | 2014-12-25 | 2015-04-29 | 宁波中国科学院信息技术应用研究院 | 一种交通灯识别方法 |
CN105631422A (zh) * | 2015-12-28 | 2016-06-01 | 北京酷云互动科技有限公司 | 一种视频识别方法以及视频识别系统 |
JP2016219024A (ja) * | 2016-07-06 | 2016-12-22 | パイオニア株式会社 | 信号機認識装置、制御方法、プログラム及び記憶媒体 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006072912A (ja) | 2004-09-06 | 2006-03-16 | Sumitomo Electric Ind Ltd | 交通信号制御装置 |
JP4783431B2 (ja) | 2006-09-28 | 2011-09-28 | パイオニア株式会社 | 交通情報検出装置、交通情報検出方法、交通情報検出プログラムおよび記録媒体 |
JP5179750B2 (ja) | 2006-12-26 | 2013-04-10 | 株式会社堀場製作所 | ドライブレコーダ及びその撮影方法 |
JPWO2014115239A1 (ja) | 2013-01-22 | 2017-01-19 | パイオニア株式会社 | 信号機認識装置、制御方法、プログラム及び記憶媒体 |
CN103679733B (zh) | 2013-12-18 | 2018-06-05 | 浙江宇视科技有限公司 | 一种信号灯图像处理方法及其装置 |
HUE038758T2 (hu) * | 2015-09-21 | 2018-11-28 | Urban Software Inst Gmbh | Számítógépi rendszer és eljárás forgalmi rendszer monitorozására |
JP6701677B2 (ja) | 2015-11-12 | 2020-05-27 | カシオ計算機株式会社 | 撮像装置、撮像装置の画像評価方法及び撮像装置の画像評価プログラム |
EP3700791A4 (en) | 2017-10-23 | 2021-06-30 | Bayerische Motoren Werke Aktiengesellschaft | METHOD AND APPARATUS FOR DETERMINING A DRIVING STRATEGY OF A VEHICLE |
EP3841516A1 (en) | 2018-08-22 | 2021-06-30 | Starship Technologies OÜ | Method and system for traffic light signal detection and usage |
CN110874938A (zh) | 2018-08-31 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 交通灯控制系统及交通灯控制方法 |
JP2020052475A (ja) | 2018-09-21 | 2020-04-02 | 株式会社Screenホールディングス | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
CN109409301B (zh) | 2018-10-30 | 2022-03-15 | 奇瑞汽车股份有限公司 | 交通信号灯的信息获取方法、装置及存储介质 |
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系统 |
CN110532903B (zh) | 2019-08-12 | 2022-02-22 | 浙江大华技术股份有限公司 | 一种交通灯图像处理的方法和设备 |
-
2020
- 2020-09-23 CN CN202011012702.3A patent/CN111950536A/zh active Pending
-
2021
- 2021-03-19 US US17/207,603 patent/US11790772B2/en active Active
- 2021-03-22 EP EP21164013.1A patent/EP3859708B1/en active Active
- 2021-03-23 JP JP2021048510A patent/JP7267333B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004007246A (ja) * | 2002-05-31 | 2004-01-08 | Toshiba Corp | 画像処理システム、画像処理方法、画像処理プログラム |
JP2013101419A (ja) * | 2011-11-07 | 2013-05-23 | Mitsubishi Electric Corp | 画像信号処理装置 |
CN102496282A (zh) * | 2011-12-16 | 2012-06-13 | 湖南工业大学 | 一种rgb颜色变换的交通路口信号灯状态识别方法 |
CN102750710A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种图像中运动目标统计方法和装置 |
CN104574960A (zh) * | 2014-12-25 | 2015-04-29 | 宁波中国科学院信息技术应用研究院 | 一种交通灯识别方法 |
CN105631422A (zh) * | 2015-12-28 | 2016-06-01 | 北京酷云互动科技有限公司 | 一种视频识别方法以及视频识别系统 |
JP2016219024A (ja) * | 2016-07-06 | 2016-12-22 | パイオニア株式会社 | 信号機認識装置、制御方法、プログラム及び記憶媒体 |
Non-Patent Citations (1)
Title |
---|
屈晶晶,辛云宏: "连续帧间差分与背景差分相融合的运动目标检测方法", 光子学报, vol. 42, no. 07, pages 219 - 226 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112396668A (zh) * | 2020-12-03 | 2021-02-23 | 北京百度网讯科技有限公司 | 识别信号灯中异常灯色的方法、装置、路侧设备 |
CN112528795A (zh) * | 2020-12-03 | 2021-03-19 | 北京百度网讯科技有限公司 | 信号灯的灯色识别方法、装置及路侧设备 |
CN112528794A (zh) * | 2020-12-03 | 2021-03-19 | 北京百度网讯科技有限公司 | 信号灯的故障识别方法、装置及路侧设备 |
CN112396668B (zh) * | 2020-12-03 | 2024-05-07 | 阿波罗智联(北京)科技有限公司 | 识别信号灯中异常灯色的方法、装置、路侧设备 |
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 |
CN112733839B (zh) * | 2020-12-28 | 2024-05-03 | 阿波罗智联(北京)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 |
CN113033464A (zh) * | 2021-04-10 | 2021-06-25 | 阿波罗智联(北京)科技有限公司 | 信号灯检测方法、装置、设备以及存储介质 |
CN113033464B (zh) * | 2021-04-10 | 2023-11-21 | 阿波罗智联(北京)科技有限公司 | 信号灯检测方法、装置、设备以及存储介质 |
CN113706912A (zh) * | 2021-08-27 | 2021-11-26 | 北京万集科技股份有限公司 | 一种车辆的辅助驾驶方法、系统、终端设备及存储介质 |
CN114419579A (zh) * | 2021-12-27 | 2022-04-29 | 阿波罗智联(北京)科技有限公司 | 标注交通信号灯的方法、装置、设备、边缘计算设备 |
Also Published As
Publication number | Publication date |
---|---|
US11790772B2 (en) | 2023-10-17 |
JP7267333B2 (ja) | 2023-05-01 |
EP3859708B1 (en) | 2023-05-24 |
US20210209378A1 (en) | 2021-07-08 |
JP2021119462A (ja) | 2021-08-12 |
EP3859708A1 (en) | 2021-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950536A (zh) | 信号灯图像的处理方法、装置、计算机系统和路侧设备 | |
CN110077314B (zh) | 一种无人驾驶车辆的信息交互方法、系统及电子设备 | |
WO2018201835A1 (zh) | 信号灯状态识别方法、装置、车载控制终端及机动车 | |
CN109035831B (zh) | 交通指示灯的识别方法、装置、设备、存储介质及车辆 | |
CN110728844B (zh) | 红绿灯自适应控制方法、装置、交通控制设备及存储介质 | |
CN110991224B (zh) | 基于图像识别的行人闯红灯检测方法、装置及相关设备 | |
CN110782681B (zh) | 交通指示灯自适应控制方法、装置、终端及存储介质 | |
CN111931726B (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
CN112101272B (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
CN110428654B (zh) | 一种交通信号灯路口安全通行方法及系统 | |
CN205665896U (zh) | 一种交叉路口信号灯状态识别装置 | |
CN111931715B (zh) | 识别车灯状态的方法、装置、计算机设备和存储介质 | |
CN110263623A (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN112180285A (zh) | 识别交通信号灯故障的方法、装置、导航系统和路侧设备 | |
CN112084905B (zh) | 交通灯状态识别方法、系统、设备及存储介质 | |
CN112164221B (zh) | 图像数据挖掘方法、装置、设备及路侧设备 | |
CN117237907A (zh) | 交通信号灯识别方法、装置、存储介质及电子设备 | |
CN112766026B (zh) | 交通灯的检测方法、计算机存储介质、车载终端和车辆 | |
CN112101230A (zh) | 公路隧道通行车辆前照灯开启检测方法及系统 | |
CN114120629A (zh) | 基于交通控制设备的车辆控制方法、装置、设备及介质 | |
CN113129617A (zh) | 行车提示方法及装置 | |
CN113327219A (zh) | 基于多源数据融合的图像处理方法与系统 | |
CN113034908A (zh) | 基于智慧路灯的交通状况提示方法、电子设备及存储介质 | |
CN115424459B (zh) | 一种干线协调方法及存储介质 | |
KR102538250B1 (ko) | 등기구의 디밍 제어 방법 및 이를 이용한 디밍 제어 시스템 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211019 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right |