CN112507956B - 信号灯识别方法、装置、电子设备、路侧设备和云控平台 - Google Patents
信号灯识别方法、装置、电子设备、路侧设备和云控平台 Download PDFInfo
- Publication number
- CN112507956B CN112507956B CN202011519041.3A CN202011519041A CN112507956B CN 112507956 B CN112507956 B CN 112507956B CN 202011519041 A CN202011519041 A CN 202011519041A CN 112507956 B CN112507956 B CN 112507956B
- Authority
- CN
- China
- Prior art keywords
- lamp
- image
- supporting structure
- current image
- template
- 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 48
- 230000003595 spectral effect Effects 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 description 23
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- IKGXIBQEEMLURG-NVPNHPEKSA-N rutin Chemical compound O[C@@H]1[C@H](O)[C@@H](O)[C@H](C)O[C@H]1OC[C@@H]1[C@@H](O)[C@H](O)[C@@H](O)[C@H](OC=2C(C3=C(O)C=C(O)C=C3OC=2C=2C=C(O)C(O)=CC=2)=O)O1 IKGXIBQEEMLURG-NVPNHPEKSA-N 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance 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)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本申请公开了一种信号灯识别方法、装置、电子设备、路侧设备和云控平台，涉及计算机视觉和智能交通技术领域。具体实现方案为：根据模板图像、图像采集器采集的当前图像和所述模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的纠偏参数；根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置。本申请能够提高信号灯识别的准确度和效率。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及计算机视觉和智能交通技术领域，具体涉及一种信号灯识别方法、装置、电子设备、路侧设备和云控平台。
背景技术
随着汽车保有量的不断增加，道路交通的压力越来越重。交通信号灯作为应用最广泛的交通管理器，能够有效疏导交通流量、提高道路通行能力、减少交通事故。
交通信号灯的准确识别在智能交通系统、无人驾驶技术等方面具有重要意义。
发明内容
本公开提供了一种用于信号灯识别方法、装置、电子设备、路侧设备和云控平台。
根据本公开的一方面，提供了一种信号灯识别方法，包括：
根据模板图像、图像采集器采集的当前图像和所述模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的纠偏参数；
根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置。
根据本公开的一方面，提供了一种信号灯识别装置，包括：
纠偏参数确定模块，用于根据模板图像、图像采集器采集的当前图像和所述模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的纠偏参数；
信号灯位置确定模块，用于根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置。
根据第三方面，提供了一种电子设备，该电子设备包括：
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如本申请实施例中任一项所述的信号灯识别方法。
根据第四方面，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如本申请实施例中任一项所述的信号灯识别方法。
根据第五方面，提供了一种路侧设备，包括本申请实施例提供的任意一种电子设备。
根据第六方面，提供了一种云控平台，包括本申请实施例提供的任意一种电子设备。
根据第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现根据本申请实施例中任一项所述的信号灯识别方法。
根据本申请的技术能够提高信号灯识别的准确度和效率。
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，不构成对本申请的限定。其中：
图1a是根据本申请实施例提供的一种信号灯识别方法的流程示意图；
图1b是根据本申请实施例提供的一种信号灯识别界面的示意图；
图2是根据本申请实施例提供的另一种信号灯识别方法的流程示意图；
图3是根据本申请实施例提供的又一种信号灯识别方法的流程示意图；
图4是据本申请实施例提供的一种信号灯识别装置的结构示意图；
图5是用来实现本申请实施例的信号灯识别方法的电子设备的示意性框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
图1a是根据本申请实施例提供的信号灯识别方法的流程示意图。本实施例可适用于对图像采集器采集的图像进行信号灯识别的情况。本实施例公开的信号灯识别方法可以由电子设备执行，具体可以由信号灯识别装置来执行，该装置可以由软件和/或硬件的方式实现，配置于电子设备中。参见图1a，本实施例提供的信号灯识别方法可以包括：
S110、根据模板图像、图像采集器采集的当前图像和所述模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的纠偏参数。
S120、根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置。
其中，模板图像可以包括灯支撑结构和固定安装在灯支撑结构上的至少一个信号灯，且模板图像可以关联有灯支撑结构的模板图像位置和信号灯的模板图像位置。其中，灯支撑结构可以为灯杆，信号灯可以为红绿灯。
具体的，可以预先对安装有信号灯的灯支撑结构进行图像采集得到模板图像。并且，可以对模板图像中灯支撑结构和信号灯的图像位置进行人工标注，分别得到模板图像中灯支撑结构的模板图像位置和信号灯的模板图像位置。参考图1b，以模板图像中包括一个灯支撑结构，且该灯支撑结构上安装有三个信号灯为例，通过人工标注可以得到灯支撑结构矩形框的图像位置Q和三个信号灯矩形框的图像位置P1、P2和P3。
在信号灯识别过程中，可以通过图像采集器对安装有信号灯的灯支撑结构进行采集得到当前图像，即当前图像也包括灯支撑结构区域和信号灯区域。
具体的，可以根据当前图像中灯支撑结构的当前图像位置和模板图像中灯支撑结构的模板图像位置，确定当前图像中灯支撑结构的纠偏参数；将当前图像中灯支撑结构的纠偏参数作为当前图像中信号灯的纠偏参数，对当前图像中信号灯位置进行纠偏处理。其中纠偏参考可以包括图像位置偏移量、缩放参数和旋转参数中的至少一项。
由于信号灯固定安装在灯支撑结构上，在图像采集器因受风、途径大车等外界环境因素影响发生位置偏移的情况下，图像采集器所采集的当前图像中灯支撑结构和信号灯的偏移一致。本申请实施例，利用灯支撑结构特征相比于信号灯特征更明显的特点，通过确定当前图像中灯支撑结构的纠偏参数，将灯支撑结构的纠偏参数作为信号灯的纠偏参数，确定当前图像中信号灯的图像位置，能够提高信号灯图像位置的准确度。并且，相比于使用深度学习模型进行信号灯识别，还能够减小计算资源占用，提高计算效率。
在一种可选实施方式中，所述图像采集器为路侧感知器。在无人驾驶领域，通过路侧感知器对信号灯进行识别，将识别结果发送给无人车，相比于通过无人车进行信号灯识别，给够进一步节约无人车的资源占用。
在一种可选实施方式中，所述确定所述当前图像中信号灯的当前图像位置之后，还包括：根据所述信号灯的当前图像位置，对所述当前图像进行信号灯的颜色识别。
具体的，可以根据信号灯的当前图像位置，从当前图像中提取信号灯区域，对信号灯区域进行颜色识别。
本申请实施例的技术方案，利用信号灯固定安装在灯支撑结构上，且灯支撑结构特征相比于信号灯特征更明显的特点，通过确定当前图像中灯支撑结构相对于模板图像中灯支撑结构的纠偏参数即位移变化，将灯支撑结构的纠偏参数作为信号灯的纠偏参数，对当前图像中信号灯进行纠偏，能够提高信号灯的当前图像位置的准确度和计算效率。
图2是根据本申请实施例提供的另一种信号灯识别方法的流程示意图。本实施例是在上述实施例的基础上提出的一种可选方案。参考图2，该信号灯识别方法可以包括：
S210、根据模板图像、图像采集器采集的当前图像和模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的位置偏移量。
S220、根据所述当前图像中灯支撑结构的位置偏移量，确定当前图像中灯支撑结构的旋转参数和缩放参数，且将所述位置偏移量、所述旋转参数和所述缩放参数作为所述纠偏参数。
S230、根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置。
其中，位置偏移量可以包括当前图像中灯支撑结构在水平方向的位置偏移量delta_x和/或在垂直方向的位置偏移量delta_y。旋转参数用于对图像采集器角度变化引入的误差进行修正，缩放参数用于对图像采集器与信号灯之间距离变化引入的误差进行修正。通过结合位置偏移量、旋转参数和缩放参数，对当前图像中信号灯的图像位置进行纠偏，能够进一步提高信号灯的当前图像位置的准确度。
在一种可选实施方式中，根据模板图像、图像采集器采集的当前图像和模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的位置偏移量可以包括：根据所述模板图像中灯支撑结构的模板图像位置，分别从所述模板图像和图像采集器采集的当前图像中提取模板灯支撑结构区域和第一灯支撑结构区域；根据所述模板灯支撑结构区域和所述第一灯支撑结构区域，确定所述当前图像中灯支撑结构的位置偏移量。
具体的，可以根据灯支撑结构的模板图像位置，分别从模板图像和当前图像中提取模板灯支撑结构区域和第一灯支撑结构区域；将当前灯支撑结构区域与模板灯支撑结构区域进行匹配，并根据匹配结果得到当前图像中灯支撑结构的位置偏移量。通过当前灯支撑结构区域与模板灯支撑结构区域之间的匹配，能够进一步提高灯支撑结构的位置偏移量的准确度。
在一种可选实施方式中，根据所述模板灯支撑结构区域和所述第一灯支撑结构区域，确定所述当前图像中灯支撑结构的位置偏移量，包括：确定所述模板灯支撑结构区域与所述第一灯支撑结构区域之间的互功率谱密度；根据所述互功率谱密度中最大值所关联的图像位置，和所述模板灯支撑结构区域的中心点图像位置，确定所述当前图像中灯支撑结构的位置偏移量。
具体的，根据像素取值，可以分别得到模板灯支撑结构区域的模板像素矩阵和第一灯支撑结构区域的第一像素矩阵；基于傅立叶变换，可以分别将模板像素矩阵和第一像素矩阵转换到频域；可以将频域转换结果相乘作为模板灯支撑结构区域与第一灯支撑结构区域之间的互功率谱密度关系；基于傅立叶变换，将互功率谱密度关系转换到时域得到互功率谱密度矩阵。其中，模板像素矩阵、第一像素矩阵和互功率谱密度矩阵的尺寸相同，即三者的行数和列数相同。
在当前图像没有位置偏移的情况下，二者互功率谱密度矩阵中最大值所关联的图像位置，与第一灯支撑结构区域与模板灯支撑结构区域的中心点位置均相同。在当前图像发生位置偏移的情况下，可以将互功率谱密度矩阵中最大值所关联的图像位置作为第一灯支撑结构区域的中心点位置；因此可以将互功率谱密度矩阵中最大值所关联的图像位置和模板灯支撑结构区域的中心点图像位置之间的位置偏移量，作为当前图像中灯支撑结构的位置偏移量。
在一种可选实施方式中，所述根据所述当前图像中灯支撑结构的位置偏移量，确定当前图像中灯支撑结构的旋转参数和缩放参数，包括：根据所述模板图像中灯支撑结构的模板图像位置，和所述当前图像中灯支撑结构的位置偏移量，从所述当前图像中提取第二灯支撑结构区域；确定模板灯支撑结构区域与所述第二灯支撑结构区域之间的旋转参数和缩放参数，作为所述当前图像中灯支撑结构的旋转参数和缩放参数。
具体的，根据灯支撑结构的模板图像位置和当前图像中灯支撑结构的位置偏移量，确定灯支撑结构的当前图像位置；根据当前图像位置，从当前图像中提取第二灯支撑结构区域。也就是说，第二灯支撑结构区域相比于第一支撑结构区域去除了位移偏移，更准确。
具体的，可以基于傅立叶梅林变换，确定第二灯支撑结构区域相比于模板灯支撑结构区域的旋转参数和缩放参数。
在一种可选实施方式中，所述根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置，包括：根据所述当前图像中灯支撑结构的纠偏参数，对所述模板图像中信号灯的模板图像位置进行纠偏，得到所述当前图像中信号灯的当前图像位置。
具体的，可以根据当前图像中灯支撑结构的位置偏移量、旋转参数和缩放参数，分别对信号灯的模板图像位置进行位置偏移、选择和缩放处理，得到当前图像中信号灯的当前图像位置，能够进一步提高当前图像位置的准确度。
本申请实施例提供的技术方案，通过确定当前图像中灯支撑结构与模板图像中灯支撑结构的位置偏移量、旋转参数和缩放参数，作为当前图像中信号灯与模板图像中信号灯的纠偏参数，对当前图像中信号灯进行纠偏，能够避免因图像采集器抖动引起的信号灯位置偏移，并且计算资源占用少，计算效率高。
图3是根据本申请实施例提供的又一种信号灯识别方法的流程示意图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3，在本实施例中，该信号灯识别方法可以包括：
S310、通过图像采集器对安装有信号灯的灯支撑结构进行图像采集，得到当前图像。
其中，图像采集器可以为路侧感知器。
S320、根据灯支撑结构的模板图像位置，分别从模板图像和当前图像中提取模板灯支撑结构区域和第一灯支撑结构区域。
其中，灯支撑结构的模板图像位置是指灯支撑结构在模板图像中的图像位置，可以通过人工标注方式确定。
S330、根据模板灯支撑结构区域的像素矩阵和第一灯支撑结构区域的像素矩阵，确定模板灯支撑结构区域与第一灯支撑结构区域之间的互功率谱密度矩阵。
在本申请实施例中，可以基于傅立叶变换，将模板灯支撑结构区域的像素矩阵和第一灯支撑结构区域的像素矩阵分别转换到频域，将两个频域转换结果相乘得到互功率谱密度关系；基于傅立叶变换将互功率谱密度关系转换到时域得到互功率谱密度矩阵。
S340、根据互功率谱密度矩阵中最大值所关联的图像位置，和模板灯支撑结构区域的中心点图像位置，确定当前图像中灯支撑结构的位置偏移量。
具体的，获取互功率谱密度矩阵中的最大值，将最大值所关联的图像位置作为第一灯支撑结构区域的中心点图像位置；将第一灯支撑结构区域的中心点图像位置与模板灯支撑结构区域的中心点图像位置之间的差值，作为当前图像中灯支撑结构的位置偏移量。以互功率谱密度矩阵中元素aij取值最大为例，第一灯支撑结构区域中第i行第j列的图像位置即为最大值所关联的图像位置。
S350、根据灯支撑结构的模板图像位置，以及灯支撑结构的位置偏移量，从当前图像中提取第二灯支撑结构区域。
具体的，将当前图像上剔除位置偏移量的灯支撑结构的图像抠出，得到第二灯支撑结构区域。
S360、确定第二灯支撑结构区域与模板灯支撑结构区域之间的旋转参数和缩放参数。
具体的，可以基于傅立叶梅林变换计算第二灯支撑结构区域与模板灯支撑结构区域之间的旋转参数和缩放参数。
S370、根据灯支撑结构的位置偏移量、旋转参数和缩放参数，对模板图像中信号灯的模板图像位置进行纠偏，得到当前图像中信号灯的当前图像位置。
S380、根据当前图像中信号灯的当前图像位置，对当前图像进行信号灯的颜色识别。
本申请实施例提供的技术方案，从图像角度解决了图像传感器抖动引起的信号灯位置偏移的问题，可以很大程度地保证信号灯识别的准确性；相比使用信号灯检测模型进行识别，还能减少计算资源的占用，减少耗时。
图4是本申请实施例提供的一种信号灯识别装置的结构示意图。参见图4，本申请实施例提供的信号灯识别装置400，可配置于电子设备中，该信号灯识别装置400可以包括：
纠偏参数确定模块401，用于根据模板图像、图像采集器采集的当前图像和所述模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的纠偏参数；
信号灯位置确定模块402，用于根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置。
在一种可选实施方式中，所述纠偏参数确定模块401包括：
位置偏移量单元，用于根据模板图像、图像采集器采集的当前图像和模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的位置偏移量；
旋转缩放单元，用于根据所述当前图像中灯支撑结构的位置偏移量，确定当前图像中灯支撑结构的旋转参数和缩放参数，且将所述位置偏移量、所述旋转参数和所述缩放参数作为所述纠偏参数。
在一种可选实施方式中，所述位置偏移量单元包括：
第一区域提取子单元，用于根据所述模板图像中灯支撑结构的模板图像位置，分别从所述模板图像和图像采集器采集的当前图像中提取模板灯支撑结构区域和第一灯支撑结构区域；
位置偏移量子单元，用于根据所述模板灯支撑结构区域和所述第一灯支撑结构区域，确定所述当前图像中灯支撑结构的位置偏移量。
在一种可选实施方式中，所述位置偏移量子单元具体用于：
确定所述模板灯支撑结构区域与所述第一灯支撑结构区域之间的互功率谱密度；
根据所述互功率谱密度中最大值所关联的图像位置，和所述模板灯支撑结构区域的中心点图像位置，确定所述当前图像中灯支撑结构的位置偏移量。
在一种可选实施方式中，所述旋转缩放单元包括：
第二区域提取子单元，用于根据所述模板图像中灯支撑结构的模板图像位置，和所述当前图像中灯支撑结构的位置偏移量，从所述当前图像中提取第二灯支撑结构区域；
旋转缩放子单元，用于确定模板灯支撑结构区域与所述第二灯支撑结构区域之间的旋转参数和缩放参数，作为所述当前图像中灯支撑结构的旋转参数和缩放参数。
在一种可选实施方式中，所述信号灯位置确定模块402具体用于：
根据所述当前图像中灯支撑结构的纠偏参数，对所述模板图像中信号灯的模板图像位置进行纠偏，得到所述当前图像中信号灯的当前图像位置。
在一种可选实施方式中，所述信号灯识别装置400还包括：
颜色识别模块，用于根据所述信号灯的当前图像位置，对所述当前图像进行信号灯的颜色识别。
在一种可选实施方式中，所述图像采集器为路侧感知器。
本申请实施例的技术方案，从图像角度解决了图像传感器抖动引起的信号灯位置偏移的问题，可以很大程度地保证信号灯识别的准确性；相比使用信号灯检测模型进行识别，还能减少计算资源的占用，减少耗时。
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、一种包括电子设备的路侧设备、一种包括电子设备的云控平台和一种计算机程序产品，该计算机程序被处理器执行时实现根据本申请任意实施例提供的信号灯识别方法。
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。
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。
图5示出了可以用来实施本公开的实施例的示例电子设备500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5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理，例如信号灯识别方法。例如，在一些实施例中，信号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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的信号灯识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行信号灯识别方法。
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)、区块链网络和互联网。
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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
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 (21)
1.一种信号灯识别方法，包括：
根据模板图像、图像采集器采集的当前图像和所述模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的纠偏参数；其中，所述纠偏参数包括位置偏移量、旋转参数以及缩放参数，所述旋转参数用于对图像采集器角度变化引入的误差进行修正，所述缩放参数用于对图像采集器与信号灯之间距离变化引入的误差进行修正；
根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置。
2.根据权利要求1所述的方法，其中，所述根据模板图像、图像采集器采集的当前图像和所述模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的纠偏参数，包括：
根据模板图像、图像采集器采集的当前图像和模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的位置偏移量；
根据所述当前图像中灯支撑结构的位置偏移量，确定当前图像中灯支撑结构的旋转参数和缩放参数。
3.根据权利要求2所述的方法，其中，所述根据模板图像、图像采集器采集的当前图像和模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的位置偏移量，包括：
根据所述模板图像中灯支撑结构的模板图像位置，分别从所述模板图像和图像采集器采集的当前图像中提取模板灯支撑结构区域和第一灯支撑结构区域；
根据所述模板灯支撑结构区域和所述第一灯支撑结构区域，确定所述当前图像中灯支撑结构的位置偏移量。
4.根据权利要求3所述的方法，其中，所述根据所述模板灯支撑结构区域和所述第一灯支撑结构区域，确定所述当前图像中灯支撑结构的位置偏移量，包括：
确定所述模板灯支撑结构区域与所述第一灯支撑结构区域之间的互功率谱密度；
根据所述互功率谱密度中最大值所关联的图像位置，和所述模板灯支撑结构区域的中心点图像位置，确定所述当前图像中灯支撑结构的位置偏移量。
5.根据权利要求2所述的方法，其中，所述根据所述当前图像中灯支撑结构的位置偏移量，确定当前图像中灯支撑结构的旋转参数和缩放参数，包括：
根据所述模板图像中灯支撑结构的模板图像位置，和所述当前图像中灯支撑结构的位置偏移量，从所述当前图像中提取第二灯支撑结构区域；
确定模板灯支撑结构区域与所述第二灯支撑结构区域之间的旋转参数和缩放参数，作为所述当前图像中灯支撑结构的旋转参数和缩放参数。
6.根据权利要求1-5中任一项所述的方法，其中，所述根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置，包括：
根据所述当前图像中灯支撑结构的纠偏参数，对所述模板图像中信号灯的模板图像位置进行纠偏，得到所述当前图像中信号灯的当前图像位置。
7.根据权利要求1-5中任一项所述的方法，所述确定所述当前图像中信号灯的当前图像位置之后，还包括：
根据所述信号灯的当前图像位置，对所述当前图像进行信号灯的颜色识别。
8.根据权利要求1-5中任一项所述的方法，其中，所述图像采集器为路侧感知器。
9.一种信号灯识别装置，包括：
纠偏参数确定模块，用于根据模板图像、图像采集器采集的当前图像和所述模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的纠偏参数；其中，所述纠偏参数包括位置偏移量、旋转参数以及缩放参数，所述旋转参数用于对图像采集器角度变化引入的误差进行修正，所述缩放参数用于对图像采集器与信号灯之间距离变化引入的误差进行修正；
信号灯位置确定模块，用于根据所述模板图像中信号灯的模板图像位置和所述当前图像中灯支撑结构的纠偏参数，确定所述当前图像中信号灯的当前图像位置。
10.根据权利要求9所述的装置，其中，所述纠偏参数确定模块包括：
位置偏移量单元，用于根据模板图像、图像采集器采集的当前图像和模板图像中灯支撑结构的模板图像位置，确定所述当前图像中灯支撑结构的位置偏移量；
旋转缩放单元，用于根据所述当前图像中灯支撑结构的位置偏移量，确定当前图像中灯支撑结构的旋转参数和缩放参数。
11.根据权利要求10所述的装置，其中，所述位置偏移量单元包括：
第一区域提取子单元，用于根据所述模板图像中灯支撑结构的模板图像位置，分别从所述模板图像和图像采集器采集的当前图像中提取模板灯支撑结构区域和第一灯支撑结构区域；
位置偏移量子单元，用于根据所述模板灯支撑结构区域和所述第一灯支撑结构区域，确定所述当前图像中灯支撑结构的位置偏移量。
12.根据权利要求11所述的装置，其中，所述位置偏移量子单元具体用于：
确定所述模板灯支撑结构区域与所述第一灯支撑结构区域之间的互功率谱密度；
根据所述互功率谱密度中最大值所关联的图像位置，和所述模板灯支撑结构区域的中心点图像位置，确定所述当前图像中灯支撑结构的位置偏移量。
13.根据权利要求10所述的装置，其中，所述旋转缩放单元包括：
第二区域提取子单元，用于根据所述模板图像中灯支撑结构的模板图像位置，和所述当前图像中灯支撑结构的位置偏移量，从所述当前图像中提取第二灯支撑结构区域；
旋转缩放子单元，用于确定模板灯支撑结构区域与所述第二灯支撑结构区域之间的旋转参数和缩放参数，作为所述当前图像中灯支撑结构的旋转参数和缩放参数。
14.根据权利要求9-13中任一项所述的装置，其中，所述信号灯位置确定模块具体用于：
根据所述当前图像中灯支撑结构的纠偏参数，对所述模板图像中信号灯的模板图像位置进行纠偏，得到所述当前图像中信号灯的当前图像位置。
15.根据权利要求9-13中任一项所述的装置，所述装置还包括：
颜色识别模块，用于根据所述信号灯的当前图像位置，对所述当前图像进行信号灯的颜色识别。
16.根据权利要求9-13中任一项所述的装置，其中，所述图像采集器为路侧感知器。
17.一种电子设备，其中，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1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
19.一种路侧设备，包括如权利要求17所述的电子设备。
20.一种云控平台，包括如权利要求17所述的电子设备。
21.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011519041.3A CN112507956B (zh) | 2020-12-21 | 2020-12-21 | 信号灯识别方法、装置、电子设备、路侧设备和云控平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011519041.3A CN112507956B (zh) | 2020-12-21 | 2020-12-21 | 信号灯识别方法、装置、电子设备、路侧设备和云控平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112507956A CN112507956A (zh) | 2021-03-16 |
| CN112507956B true CN112507956B (zh) | 2024-06-28 |
Family
ID=74922901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011519041.3A Active CN112507956B (zh) | 2020-12-21 | 2020-12-21 | 信号灯识别方法、装置、电子设备、路侧设备和云控平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112507956B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113221878A (zh) * | 2021-04-26 | 2021-08-06 | 阿波罗智联(北京)科技有限公司 | 应用于信号灯检测的检测框调整方法、装置及路侧设备 |
| CN113408409A (zh) * | 2021-06-17 | 2021-09-17 | 阿波罗智联(北京)科技有限公司 | 交通信号灯识别方法、设备、云控平台和车路协同系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108876826A (zh) * | 2017-05-10 | 2018-11-23 | 深圳先进技术研究院 | 一种图像匹配方法及系统 |
| CN111009003A (zh) * | 2019-10-24 | 2020-04-14 | 合肥讯图信息科技有限公司 | 交通信号灯纠偏的方法、系统及存储介质 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0799351B2 (ja) * | 1986-08-08 | 1995-10-25 | マツダ株式会社 | ヘッドライトの光軸調整方法 |
| JP4717760B2 (ja) * | 2006-08-31 | 2011-07-06 | 三菱電機株式会社 | 物体認識装置および映像物体測位装置 |
| CN101729739A (zh) * | 2009-11-16 | 2010-06-09 | 潘林岭 | 一种图像纠偏处理方法 |
| US9070305B1 (en) * | 2010-01-22 | 2015-06-30 | Google Inc. | Traffic light detecting system and method |
| US8559673B2 (en) * | 2010-01-22 | 2013-10-15 | Google Inc. | Traffic signal mapping and detection |
| JP5386538B2 (ja) * | 2011-05-12 | 2014-01-15 | 富士重工業株式会社 | 環境認識装置 |
| CN103294059B (zh) * | 2013-05-21 | 2015-09-09 | 无锡普智联科高新技术有限公司 | 基于混合导航带的移动机器人定位系统及其方法 |
| CN104598912A (zh) * | 2015-01-23 | 2015-05-06 | 湖南科技大学 | 一种基于cpu与gpu协同计算的交通灯检测识别方法 |
| WO2017175374A1 (ja) * | 2016-04-08 | 2017-10-12 | オリンパス株式会社 | 画像取得装置 |
| CN106339683A (zh) * | 2016-08-27 | 2017-01-18 | 浙江维尔科技股份有限公司 | 一种路考红绿灯识别方法及装置 |
| CN106781521B (zh) * | 2016-12-30 | 2020-12-25 | 东软集团股份有限公司 | 交通信号灯的识别方法和装置 |
| CN109035331B (zh) * | 2017-06-12 | 2020-11-17 | 浙江宇视科技有限公司 | 一种信号灯组的位置矫正方法及设备 |
| CN107274336B (zh) * | 2017-06-14 | 2019-07-12 | 电子科技大学 | 一种针对车载环境的全景图像拼接方法 |
| EP3567598A1 (de) * | 2018-05-09 | 2019-11-13 | Siemens Healthcare GmbH | Prüfung eines interventionellen superpositionsbildes |
| CN109635640B (zh) * | 2018-10-31 | 2020-12-08 | 百度在线网络技术（北京）有限公司 | 基于点云的交通灯识别方法、装置、设备及存储介质 |
| CN111612760B (zh) * | 2020-05-20 | 2023-11-17 | 阿波罗智联(北京)科技有限公司 | 用于检测障碍物的方法和装置 |
| CN111578839B (zh) * | 2020-05-25 | 2022-09-20 | 阿波罗智联(北京)科技有限公司 | 障碍物坐标处理方法、装置、电子设备及可读存储介质 |
| CN111695546B (zh) * | 2020-06-28 | 2023-06-27 | 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 |
| CN113837949B (zh) * | 2021-08-19 | 2024-01-19 | 广州医软智能科技有限公司 | 一种图像处理方法和装置 |
-
2020
- 2020-12-21 CN CN202011519041.3A patent/CN112507956B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108876826A (zh) * | 2017-05-10 | 2018-11-23 | 深圳先进技术研究院 | 一种图像匹配方法及系统 |
| CN111009003A (zh) * | 2019-10-24 | 2020-04-14 | 合肥讯图信息科技有限公司 | 交通信号灯纠偏的方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 车载LiDAR点云路灯提取方法;李永强, 董亚涵, 张西童, 李鹏鹏;测绘学报;第47卷(第2期);第247-259页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112507956A (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112597837B (zh) | 图像检测方法、装置、设备、存储介质和计算机程序产品 | |
| CN112560862B (zh) | 文本识别方法、装置及电子设备 | |
| CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
| CN112507956B (zh) | 信号灯识别方法、装置、电子设备、路侧设备和云控平台 | |
| CN113378969B (zh) | 一种目标检测结果的融合方法、装置、设备及介质 | |
| WO2020125062A1 (zh) | 一种图像融合方法及相关装置 | |
| US20220172376A1 (en) | Target Tracking Method and Device, and Electronic Apparatus | |
| CN113378958A (zh) | 自动标注方法、装置、设备、存储介质及计算机程序产品 | |
| CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
| CN113362420A (zh) | 道路标注生成方法、装置、设备以及存储介质 | |
| CN113610809B (zh) | 骨折检测方法、装置、电子设备以及存储介质 | |
| CN116309963B (zh) | 一种图像的批量标注方法、装置、电子设备及存储介质 | |
| CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
| CN113361371A (zh) | 道路提取方法、装置、设备以及存储介质 | |
| CN114581890A (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
| CN114170282A (zh) | 点云融合方法、装置、电子设备和介质 | |
| CN113435257A (zh) | 表格图像的识别方法、装置、设备和存储介质 | |
| CN114565889B (zh) | 车辆压线状态的确定方法、装置、电子设备和介质 | |
| CN113392795B (zh) | 联合检测模型训练、联合检测方法、装置、设备及介质 | |
| CN112507951B (zh) | 指示灯识别方法、装置、设备、路侧设备和云控平台 | |
| CN113392811B (zh) | 一种表格提取方法、装置、电子设备及存储介质 | |
| CN116229209B (zh) | 目标模型的训练方法、目标检测方法及装置 | |
| CN116542987B (zh) | 一种图像裁剪方法、装置、电子设备及存储介质 | |
| CN117911891A (zh) | 一种设备识别方法、装置、电子设备及存储介质 | |
| CN115188017A (zh) | 一种圆形印章的文本识别方法、装置、设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211018 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 Intelligent Connectivity (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 |