CN112507951B - 指示灯识别方法、装置、设备、路侧设备和云控平台 - Google Patents
指示灯识别方法、装置、设备、路侧设备和云控平台 Download PDFInfo
- Publication number
- CN112507951B CN112507951B CN202011515793.2A CN202011515793A CN112507951B CN 112507951 B CN112507951 B CN 112507951B CN 202011515793 A CN202011515793 A CN 202011515793A CN 112507951 B CN112507951 B CN 112507951B
- Authority
- CN
- China
- Prior art keywords
- image
- traffic signal
- preset
- signal indicator
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004590 computer program Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开公开了指示灯识别方法、装置、设备、路侧设备和云控平台,涉及智能交通技术领域。具体实现方案为:获取第一图像,并识别所述第一图像中的多个第一角点的像素坐标;确定预设图像中的多个第二角点与所述多个第一角点中匹配点对的数量,所述匹配点对包括的第一角点和第二角点的像素坐标的差值小于第一预设数值,所述预设图像与所述第一图像匹配;在所述匹配点对的数量大于或者等于第一预设阈值的情况下,根据所述预设图像中交通信号指示灯的第一位置确定所述第一图像中交通信号指示灯的第二位置。本公开可以提高交通信号指示灯的位置的确定速率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及到智能交通技术领域。
背景技术
随着社会经济的不断发展,人们的出行更多的是依靠车辆,但是随着道路上车辆的增多,给人们的交通安全又带来了隐患,因此为了协调车辆和行人的通行,路口一般都设置有交通信号指示灯。而为了更好的识别交通信号指示灯,通常还设置了用于识别交通信号指示灯的位置的电子设备。而现有技术中电子设备通常采用深度学习模型来识别交通信号指示灯的位置。
发明内容
本公开提供了一种指示灯识别方法、装置、设备、路侧设备和云控平台。
根据本公开的一方面,提供了一种指示灯识别方法,包括:
获取第一图像,并识别所述第一图像中的多个第一角点的像素坐标;
确定预设图像中的多个第二角点与所述多个第一角点中匹配点对的数量,所述匹配点对包括的第一角点和第二角点的像素坐标的差值小于第一预设数值,所述预设图像与所述第一图像匹配;
在所述匹配点对的数量大于或者等于第一预设阈值的情况下,根据所述预设图像中交通信号指示灯的第一位置确定所述第一图像中交通信号指示灯的第二位置。
根据本公开的另一方面,提供了一种指示灯识别装置,包括:
获取模块,用于获取第一图像,并识别所述第一图像中的多个第一角点的像素坐标;
第一确定模块,用于确定预设图像中的多个第二角点与所述多个第一角点中匹配点对的数量,所述匹配点对包括的第一角点和第二角点的像素坐标的差值小于第一预设数值,所述预设图像与所述第一图像匹配;
第二确定模块,用于在所述匹配点对的数量大于或者等于第一预设阈值的情况下,根据所述预设图像中交通信号指示灯的第一位置确定所述第一图像中交通信号指示灯的第二位置。
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本公开提供的指示灯识别方法。
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,所述计算机指令用于使所述计算机执行本公开提供的指示灯识别方法。
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本公开提供的指示灯识别方法。
根据本公开的另一方面,提供了一种路侧设备,包括本公开提供的电子设备。
根据本公开的另一方面,提供了一种云控平台,包括本公开提供的电子设备。
根据本公开的技术方案,由于可以通过确定预设图像中的多个第一角点与第一图像中多个第二角点中匹配点对的数量,在匹配点对的数量大于或等于第一预设阈值时,根据预设图像中交通信号指示灯的位置确定第一图像中交通信号指示灯的位置,这样,提高了第一图像中交通信号指示灯的位置的确定速率。
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是本公开提供的一种指示灯识别方法的流程图;
图2是本公开提供的一种图像中角点的示意图;
图3是本公开提供的一种指示灯识别装置的结构图;
图4是本公开提供的另一种指示灯识别装置的结构图;
图5是本公开提供的另一种指示灯识别装置的结构图;
图6是用来实现本公开实施例的指示灯识别方法的电子设备的框图。
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。
其中,本公开提供的方法可以应用在电子设备,而电子设备可以设置在路口的监控杆上,因此,第一图像中包括的内容通常可以包括地面上的车道线、停止线以及专项标志等。而车道线、停止线以及专项标志的两条线的交点即可以被确定为第一角点。这样,当电子设备被风吹动导致位置发生偏移,从而不能准确的识别交通指示灯的位置的情况下,通过本公开提供的方法,可以使得上述电子设备可以对交通信号指示灯的位置完成纠偏,从而准确的识别交通信号指示灯的位置。
另外,本公开提供的方法还可以应用在其他场景下,例如还可以应用于自动驾驶的车辆上,从而使得自动驾驶的车辆可以准确的识别交通指示信号灯的位置。
请参见图1,图1是本公开提供的一种指示灯识别方法,如图1所示,包括以下步骤:
步骤S101、获取第一图像,并识别所述第一图像中的多个第一角点的像素坐标。
其中,本公开中的指示灯也可以被称作为交通信号指示灯,而作为一种可选的实施方式,交通信号指示灯可以为红绿灯。
其中,可以在第一图像中标注上述多个第一角点,然后通过光流跟踪方法识别上述多个第一角点的像素坐标。
步骤S102、确定预设图像中的多个第二角点与所述多个第一角点中匹配点对的数量,所述匹配点对包括的第一角点和第二角点的像素坐标的差值小于第一预设数值,所述预设图像与所述第一图像匹配。
其中,第一角点和第二角点均可以指的是图像中两条线的交点,例如:参见图2,图2中A、B和C所示交点均可以被称作为角点。
其中,匹配点对中可以包括第一角点和第二角点,且第一角点和第二角点的像素坐标的差值小于第一预设数值,这样,可以理解为同一个位置在第一图像和预设图像中的对应点分别为第一角点和第二角点,也就是说第一角点和第二角点对应的同一个位置。
需要说明的是,作为一种可选的实施方式,可以通过随机抽样一致算法(RANdomSAmple Consensus,RANSAC)和单应性计算排除非匹配点对,这样,剩余的点对则可以被确定为匹配点对。
当然,第一预设数值的具体取值在此不做限定。另外,预设图像与第一图像匹配,可以理解为:预设图像和第一图像中包括的内容相匹配;还可以理解为:预设图像和第一图像的拍摄地点等信息相匹配。
需要说明的是,第一角点和第二角点的像素坐标的获取方法在此不做限定,第一角点和第二角点的像素坐标可以通过光流跟踪方法确定上述角点在对应图像上的位置,然后获取到在对应图像上的像素坐标。
例如:作为一种可选的实施方式,可以通过人工选取或者将高精地图数据投影至预先获取到的图像上,从而获取到第二角点的像素坐标。当然,上述预先获取到的图像可以确定为预设图像。
另外,上述获取第二角点的像素坐标的过程可以在离线的情况下获取得到,这样,可以减少计算资源的占用。
步骤S103、在所述匹配点对的数量大于或者等于第一预设阈值的情况下,根据所述预设图像中交通信号指示灯的第一位置确定所述第一图像中交通信号指示灯的第二位置。
其中,第一预设阈值的取值在此不做限定,例如:第一预设阈值可以为4或者4.5等。
另外,当匹配点对的数量大于或等于第一预设阈值时,则可以将预设图像中交通信号指示灯的第一位置通过单应性变换至第一图像上,从而可以确定第一图像中交通信号指示灯的第二位置。
根据本公开的技术方案,由于可以通过确定预设图像中的多个第一角点与第一图像中多个第二角点中匹配点对的数量,在匹配点对的数量大于或等于第一预设阈值时,即可以根据预设图像中交通信号指示灯的位置确定第一图像中交通信号指示灯的位置,这样,提高了第一图像中交通信号指示灯的位置的确定速率,降低了计算资源的占用。另外,本公开提供的技术方案还提高了第一图像中交通信号指示灯的位置的确定结果的准确度。
作为一种可选的实施方式,上述方法还包括:
在所述匹配点对的数量小于所述第一预设阈值,且大于或等于第二预设阈值的情况下,确定目标匹配点对,其中,所述目标匹配点对包括的第二角点的像素坐标与所述预设图像中交通信号指示灯的第一位置对应的像素坐标的差值小于第二预设数值;
根据目标差值和所述预设图像中交通信号指示灯的第一位置,确定所述第一图像中交通信号指示灯的第二位置;
其中,所述目标差值为所述目标匹配点对包括的第一角点和第二角点的像素坐标的差值。
其中,第二预设阈值的具体取值在此不做限定,例如:第二预设阈值可以为0.5或者1等。当然第二预设数值的取值在此也不做具体限定,当第二预设数值的数值较小时,可选地,目标匹配点对可以被认为是预设图像中最靠近交通信号指示灯的点对。
当然,需要说明的是,目标匹配点对可以为上述匹配点对中的一个点对。也就是说:目标匹配点对包括的第一角点和第二角点之间的像素坐标的差值小于第一预设数值,且目标匹配点对包括的第二角点的像素坐标与预设图像中交通信号指示灯的第一位置对应的像素坐标的差值小于第二预设数值。
本实施方式中,由于匹配点对的数量小于第一预设阈值,因此不满足计算单应性矩阵的要求,从而可以根据目标差值和预设图像中交通信号指示灯的第一位置,确定第一图像中交通信号指示灯的第二位置,这样,使得在匹配点对的数量不满足单应性矩阵的计算要求下,同样可以确定第一图像中交通信号指示灯的第二位置,从而使得确定第一图像中交通信号指示灯的第二位置的方式更加多样化和灵活化。
需要说明的是,根据目标差值和预设图像中交通信号指示灯的第一位置确定第一图像中交通信号指示灯的第二位置的具体方式在此不做限定。
作为一种可选的实施方式,所述根据目标差值和所述预设图像中交通信号指示灯的第一位置,确定所述第一图像中交通信号指示灯的第二位置包括:
将第一目标位置确定为所述第一图像中交通信号指示灯的第二位置,其中,所述第一目标位置为所述预设图像中交通信号指示灯的第一位置按照所述目标差值进行偏移的位置。
本实施方式中,也可以理解为将目标差值补偿给预设图像上交通信号指示灯的第一位置,从而确定第一图像中交通信号指示灯的第二位置,这样,从而进一步增强了确定第一图像中交通信号指示灯的第二位置的方式更加多样化和灵活化。
作为另一种可选的实施方式,将第三目标位置确定为所述第一图像中交通信号指示灯的第二位置,其中,所述第三目标位置为所述预设图像中交通信号指示灯的第一位置按照所述目标差值与权重值的乘积进行偏移的位置。
需要说明的是,目标差值较小,则说明此时目标匹配点对包括的第一角点和第二角点的位置较为接近,从而可以控制权重值越接近于1;当目标差值较大,则说明此时目标匹配点对包括的第一角点和第二角点的位置较为疏远,从而可以控制权重值大于1,例如:可以为1.2。
本实施方式中,进一步增强了确定第一图像中交通信号指示灯的第二位置的方式更加多样化和灵活化。
作为一种可选的实施方式,还包括:
在所述匹配点对的数量小于所述第二预设阈值的情况下,获取第二图像,其中,所述第二图像为在所述第一图像之前获取的图像;
根据第二目标位置确定所述第一图像中交通信号指示灯的第二位置,所述第二目标位置为所述第二图像中的交通信号指示灯的位置。
其中,第二图像中的多个第一角点与预设图像中的多个第二角点匹配点对的数量在此不做限定,即上述数量可以大于或等于第一预设阈值,此时,可以将预设图像上的交通信号指示灯的第一位置通过单应性变换换算到第二图像上的方式,确定得到第二图像上的交通信号指示灯的位置。
当第二图像中的多个第一角点与预设图像中的多个第二角点匹配点对的数量小于第一预设阈值,但是大于或等于第二预设阈值,此时,第二图像上的交通信号指示灯的位置可以参见上述目标差值和预设图像中交通信号指示灯的第一位置确定第一图像中交通信号指示灯的第二位置的方式,具体在此不再赘述。即两者之间的区别在于:第二图像和第一图像的不同,其他计算方式可以参见上述相关表述。
其中,在匹配点对的数量小于第二预设阈值的情况下,说明此时匹配点对的数量较少,可以接近于0,或者说确定的匹配点对的数量为0,此时可以将第二图像中交通信号指示灯的位置直接确定为第一图像中交通信号指示灯的第二位置。
本实施方式中,第二图像可以为第一图像之前的一帧确定了交通信号指示灯的位置的图像,也可以理解为第二图像为最接近第一图像的一帧确定了交通信号指示灯的位置的图像。这样,获取第二图像和第一图像时,获取第一图像和第二图像的相机设备的位置变化不大,因此,可以根据第二图像中交通信号指示灯的位置确定第一图像中交通信号指示灯的位置,从而可以保证第一图像中交通信号指示灯的位置的确定结果较为准确。
请参见图3,图3是本公开提供的一种指示灯识别装置,如图3所示,指示灯识别装置300包括:
获取模块301,用于获取第一图像,并识别所述第一图像中的多个第一角点的像素坐标;
第一确定模块302,用于确定预设图像中的多个第二角点与所述多个第一角点中匹配点对的数量,所述匹配点对包括的第一角点和第二角点的像素坐标的差值小于第一预设数值,所述预设图像与所述第一图像匹配;
第二确定模块303,用于在所述匹配点对的数量大于或者等于第一预设阈值的情况下,根据所述预设图像中交通信号指示灯的第一位置确定所述第一图像中交通信号指示灯的第二位置。
可选地,参见图4,指示灯识别装置300还包括:
第三确定模块304,用于在所述匹配点对的数量小于所述第一预设阈值,且大于或等于第二预设阈值的情况下,确定目标匹配点对,其中,所述目标匹配点对包括的第二角点的像素坐标与所述预设图像中交通信号指示灯的第一位置对应的像素坐标的差值小于第二预设数值;
第四确定模块305,用于根据目标差值和所述预设图像中交通信号指示灯的第一位置,确定所述第一图像中交通信号指示灯的第二位置;
其中,所述目标差值为所述目标匹配点对包括的第一角点和第二角点的像素坐标的差值。
可选地,所述第四确定模块305,还用于将第一目标位置确定为所述第一图像中交通信号指示灯的第二位置,其中,所述第一目标位置为所述预设图像中交通信号指示灯的第一位置按照所述目标差值进行偏移的位置。
可选地,参见图5,指示灯识别装置300还包括:
第二获取模块306,用于在所述匹配点对的数量小于所述第二预设阈值的情况下,获取第二图像,其中,所述第二图像为在所述第一图像之前获取的图像;
第五确定模块307,用于根据第二目标位置确定所述第一图像中交通信号指示灯的第二位置,所述第二目标位置为所述第二图像中的交通信号指示灯的位置。
本实施例提供的装置能够实现图1所示的方法实施例中实现的各个过程,且可以达到相同有益效果,为避免重复,这里不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种存储有计算机指令的非瞬时计算机可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600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6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理,例如指示灯识别方法。例如,在一些实施例中,指示灯识别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608。
在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM603并由计算单元601执行时,可以执行上文描述的方法608的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行指示灯识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(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系统上执行和/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,可以从存储系统、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系统、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系统、装置或设备使用或与指令执行系统、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、或半导体系统、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系统和技术,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。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(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系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统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。
本公开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本公开提供的指示灯识别方法。
根据本公开的技术方案,由于可以通过确定预设图像中的多个第一角点与第一图像中多个第二角点中匹配点对的数量,在匹配点对的数量大于或等于第一预设阈值时,即可以根据预设图像中交通信号指示灯的位置确定第一图像中交通信号指示灯的位置,这样,提高了第一图像中交通信号指示灯的位置的确定速率,降低了计算资源的占用。
本公开提供了一种路侧设备,包括本公开提供的电子设备,路侧设备除了包括电子设备,还可以包括通信部件等,电子设备可以和通信部件一体集成,也可以分体设置。电子设备可以获取感知设备(如路侧相机)的数据,例如图片和视频等,从而进行视频处理和数据计算。
本公开提供了一种云控平台,包括本公开提供的电子设备,云控平台在云端执行处理,云控平台包括的电子设备可以获取感知设备(如路侧相机)的数据,例如图片和视频等,从而进行视频处理和数据计算;云控平台也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心系统、云端服务器等。
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 (8)
1.一种指示灯识别方法,包括:
获取第一图像,并识别所述第一图像中的多个第一角点的像素坐标;
确定预设图像中的多个第二角点与所述多个第一角点中匹配点对的数量,所述匹配点对包括的第一角点和第二角点的像素坐标的差值小于第一预设数值,所述预设图像与所述第一图像包括的内容相匹配,或者,所述预设图像与所述第一图像的拍摄地点相匹配;
在所述匹配点对的数量大于或者等于第一预设阈值的情况下,根据所述预设图像中交通信号指示灯的第一位置确定所述第一图像中交通信号指示灯的第二位置;
还包括:
在所述匹配点对的数量小于所述第一预设阈值,且大于或等于第二预设阈值的情况下,确定目标匹配点对,其中,所述目标匹配点对包括的第二角点的像素坐标与所述预设图像中交通信号指示灯的第一位置对应的像素坐标的差值小于第二预设数值;
根据目标差值和所述预设图像中交通信号指示灯的第一位置,确定所述第一图像中交通信号指示灯的第二位置;
其中,所述目标差值为所述目标匹配点对包括的第一角点和第二角点的像素坐标的差值;
还包括:
在所述匹配点对的数量小于所述第二预设阈值的情况下,获取第二图像,其中,所述第二图像为在所述第一图像之前获取的图像;
根据第二目标位置确定所述第一图像中交通信号指示灯的第二位置,所述第二目标位置为所述第二图像中的交通信号指示灯的位置。
2.根据权利要求1所述的方法,其中,所述根据目标差值和所述预设图像中交通信号指示灯的第一位置,确定所述第一图像中交通信号指示灯的第二位置包括:
将第一目标位置确定为所述第一图像中交通信号指示灯的第二位置,其中,所述第一目标位置为所述预设图像中交通信号指示灯的第一位置按照所述目标差值进行偏移的位置。
3.一种指示灯识别装置,包括:
获取模块,用于获取第一图像,并识别所述第一图像中的多个第一角点的像素坐标;
第一确定模块,用于确定预设图像中的多个第二角点与所述多个第一角点中匹配点对的数量,所述匹配点对包括的第一角点和第二角点的像素坐标的差值小于第一预设数值,所述预设图像与所述第一图像包括的内容相匹配,或者,所述预设图像与所述第一图像的拍摄地点相匹配;
第二确定模块,用于在所述匹配点对的数量大于或者等于第一预设阈值的情况下,根据所述预设图像中交通信号指示灯的第一位置确定所述第一图像中交通信号指示灯的第二位置;
还包括:
第三确定模块,用于在所述匹配点对的数量小于所述第一预设阈值,且大于或等于第二预设阈值的情况下,确定目标匹配点对,其中,所述目标匹配点对包括的第二角点的像素坐标与所述预设图像中交通信号指示灯的第一位置对应的像素坐标的差值小于第二预设数值;
第四确定模块,用于根据目标差值和所述预设图像中交通信号指示灯的第一位置,确定所述第一图像中交通信号指示灯的第二位置;
其中,所述目标差值为所述目标匹配点对包括的第一角点和第二角点的像素坐标的差值;
还包括:
第二获取模块,用于在所述匹配点对的数量小于所述第二预设阈值的情况下,获取第二图像,其中,所述第二图像为在所述第一图像之前获取的图像;
第五确定模块,用于根据第二目标位置确定所述第一图像中交通信号指示灯的第二位置,所述第二目标位置为所述第二图像中的交通信号指示灯的位置。
4.根据权利要求3所述的装置,其中,所述第四确定模块,还用于将第一目标位置确定为所述第一图像中交通信号指示灯的第二位置,所述第一目标位置为所述预设图像中交通信号指示灯的第一位置按照所述目标差值进行偏移的位置。
5.一种电子设备,其特征在于,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或2所述的方法。
6.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1或2所述的方法。
7.一种路侧设备,包括如权利要求5所述的电子设备。
8.一种云控平台,包括如权利要求5所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011515793.2A CN112507951B (zh) | 2020-12-21 | 2020-12-21 | 指示灯识别方法、装置、设备、路侧设备和云控平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011515793.2A CN112507951B (zh) | 2020-12-21 | 2020-12-21 | 指示灯识别方法、装置、设备、路侧设备和云控平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112507951A CN112507951A (zh) | 2021-03-16 |
CN112507951B true CN112507951B (zh) | 2023-12-12 |
Family
ID=74921821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011515793.2A Active CN112507951B (zh) | 2020-12-21 | 2020-12-21 | 指示灯识别方法、装置、设备、路侧设备和云控平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112507951B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2048619A1 (en) * | 2007-10-13 | 2009-04-15 | Toyota Motor Europe NV | Methods and systems for processing of video data |
CN103473774A (zh) * | 2013-09-09 | 2013-12-25 | 长安大学 | 一种基于路面图像特征匹配的车辆定位方法 |
CN105701766A (zh) * | 2016-02-24 | 2016-06-22 | 网易(杭州)网络有限公司 | 图形匹配方法和装置 |
WO2017050082A1 (zh) * | 2015-09-21 | 2017-03-30 | 广州视源电子科技股份有限公司 | 一种端子位置的确定方法及终端设备 |
CN109035831A (zh) * | 2018-09-07 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 交通指示灯的识别方法、装置、设备、存储介质及车辆 |
CN109146963A (zh) * | 2017-06-13 | 2019-01-04 | 南京鑫和汇通电子科技有限公司 | 一种基于快速特征匹配的图像位置偏移检测方法 |
WO2020043081A1 (zh) * | 2018-08-28 | 2020-03-05 | 北京三快在线科技有限公司 | 定位技术 |
CN111340114A (zh) * | 2020-02-26 | 2020-06-26 | 上海明略人工智能(集团)有限公司 | 图像的匹配方法及装置、存储介质和电子装置 |
CN111340015A (zh) * | 2020-02-25 | 2020-06-26 | 北京百度网讯科技有限公司 | 定位方法和装置 |
CN111401266A (zh) * | 2020-03-19 | 2020-07-10 | 杭州易现先进科技有限公司 | 绘本角点定位的方法、设备、计算机设备和可读存储介质 |
CN111428707A (zh) * | 2020-06-08 | 2020-07-17 | 北京三快在线科技有限公司 | 图形识别码的识别方法、装置、存储介质及电子设备 |
CN112069906A (zh) * | 2020-08-10 | 2020-12-11 | 浙江工业大学 | 一种基于OpenCV和综合匹配距离的红绿灯识别方法 |
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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518709B (zh) * | 2015-03-26 | 2019-08-09 | 北京旷视科技有限公司 | 用于识别人脸的方法、系统和计算机程序产品 |
US11158088B2 (en) * | 2017-09-11 | 2021-10-26 | Tusimple, Inc. | Vanishing point computation and online alignment system and method for image guided stereo camera optical axes alignment |
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 |
-
2020
- 2020-12-21 CN CN202011515793.2A patent/CN112507951B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2048619A1 (en) * | 2007-10-13 | 2009-04-15 | Toyota Motor Europe NV | Methods and systems for processing of video data |
CN103473774A (zh) * | 2013-09-09 | 2013-12-25 | 长安大学 | 一种基于路面图像特征匹配的车辆定位方法 |
WO2017050082A1 (zh) * | 2015-09-21 | 2017-03-30 | 广州视源电子科技股份有限公司 | 一种端子位置的确定方法及终端设备 |
CN105701766A (zh) * | 2016-02-24 | 2016-06-22 | 网易(杭州)网络有限公司 | 图形匹配方法和装置 |
CN109146963A (zh) * | 2017-06-13 | 2019-01-04 | 南京鑫和汇通电子科技有限公司 | 一种基于快速特征匹配的图像位置偏移检测方法 |
WO2020043081A1 (zh) * | 2018-08-28 | 2020-03-05 | 北京三快在线科技有限公司 | 定位技术 |
CN109035831A (zh) * | 2018-09-07 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 交通指示灯的识别方法、装置、设备、存储介质及车辆 |
CN111340015A (zh) * | 2020-02-25 | 2020-06-26 | 北京百度网讯科技有限公司 | 定位方法和装置 |
CN111340114A (zh) * | 2020-02-26 | 2020-06-26 | 上海明略人工智能(集团)有限公司 | 图像的匹配方法及装置、存储介质和电子装置 |
CN111401266A (zh) * | 2020-03-19 | 2020-07-10 | 杭州易现先进科技有限公司 | 绘本角点定位的方法、设备、计算机设备和可读存储介质 |
CN111428707A (zh) * | 2020-06-08 | 2020-07-17 | 北京三快在线科技有限公司 | 图形识别码的识别方法、装置、存储介质及电子设备 |
CN112069906A (zh) * | 2020-08-10 | 2020-12-11 | 浙江工业大学 | 一种基于OpenCV和综合匹配距离的红绿灯识别方法 |
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 |
Non-Patent Citations (2)
Title |
---|
一种基于Harris-Laplace算法的亚像素角点检测方法;高翔;万成浩;李润生;;测绘科学技术学报(第05期);38-43 * |
基于改进的SIFT算法交通标志牌的检测与识别;张琪;何宁;池悦;曹珊;;北京联合大学学报(第02期);64-70 * |
Also Published As
Publication number | Publication date |
---|---|
CN112507951A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112763995B (zh) | 雷达标定方法、装置、电子设备和路侧设备 | |
CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN113191256A (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
CN114036253B (zh) | 高精地图数据处理方法、装置、电子设备和介质 | |
CN113392794B (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
CN113688935A (zh) | 高精地图的检测方法、装置、设备以及存储介质 | |
CN113792061A (zh) | 地图数据的更新方法、装置及电子设备 | |
CN113705716B (zh) | 图像识别模型训练方法、设备、云控平台及自动驾驶车辆 | |
CN114677653A (zh) | 模型训练方法、车辆关键点检测方法及相应的装置 | |
CN114724113B (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
CN112507951B (zh) | 指示灯识别方法、装置、设备、路侧设备和云控平台 | |
CN114723894B (zh) | 一种三维坐标获取方法、装置及电子设备 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN113535876B (zh) | 处理地图数据的方法、装置、电子设备和介质 | |
CN113984072B (zh) | 车辆定位方法、装置、设备、存储介质及自动驾驶车辆 | |
CN113706705B (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
CN113742440B (zh) | 道路图像数据处理方法、装置、电子设备及云计算平台 | |
EP3930306A2 (en) | Method and apparatus for stabilizing image, roadside device and cloud control platform | |
CN113112551B (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
CN115062240A (zh) | 一种停车场排序方法、装置、电子设备和存储介质 | |
CN114140813A (zh) | 高精地图标注方法、装置、设备及存储介质 | |
CN114049615B (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
CN113361524B (zh) | 图像处理方法及装置 | |
CN116109991B (zh) | 模型的约束参数确定方法、装置及电子设备 |
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: 20211012 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |