CN112597793B - 用于识别交通灯状态和计时器状态的方法、装置和设备 - Google Patents

用于识别交通灯状态和计时器状态的方法、装置和设备 Download PDF

Info

Publication number
CN112597793B
CN112597793B CN202011089470.1A CN202011089470A CN112597793B CN 112597793 B CN112597793 B CN 112597793B CN 202011089470 A CN202011089470 A CN 202011089470A CN 112597793 B CN112597793 B CN 112597793B
Authority
CN
China
Prior art keywords
value
information
timer
traffic light
image
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
Application number
CN202011089470.1A
Other languages
English (en)
Other versions
CN112597793A (zh
Inventor
兰莎郧
李松泽
戴震
倪凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202011089470.1A priority Critical patent/CN112597793B/zh
Publication of CN112597793A publication Critical patent/CN112597793A/zh
Application granted granted Critical
Publication of CN112597793B publication Critical patent/CN112597793B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开的实施例公开了用于识别交通灯状态和计时器状态的方法、装置和设备。该方法的一具体实施方式包括：获取车载相机拍摄的图像；对该图像进行候选目标识别以生成交通灯图像和计时器图像；基于该交通灯图像和该计时器图像，生成交通灯信息和计时器信息；基于该交通灯信息和该计时器信息，生成红绿灯状态信息；将该红绿灯状态信息发送至车辆的显示终端。该实施方式无需依赖车联网硬件设备，即可获得交通灯和计时器状态，从而，提高了无人驾驶车辆的感知周围环境的能力以及提高了无人驾驶车辆行驶过程中的安全程度。

Description

用于识别交通灯状态和计时器状态的方法、装置和设备
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于识别交通灯状态和计时器状态的方法、装置和设备。
背景技术
在自动驾驶领域，无人驾驶车辆在有交通灯管制的路口进行自动启停与转向是无人驾驶车辆的一项基本功能。其中，对交通灯和计时器状态的识别结果能够辅助无人驾驶车辆判断前方路口是否能够通过。目前，常用的交通灯和计时器状态识别是采用V2X(vehicle to everything，车联网)硬件设备进行通信，以此获取交通灯和计时器的状态。
然而，当采用上述方式识别交通灯状态和计时器状态时，往往会存在如下技术问题：
第一，较为依赖于外部设备，当无人驾驶车辆所处位置没有V2X硬件设备时，则不能获取交通灯和计时器的状态，从而，影响无人驾驶车辆的判断，进而，降低了无人驾驶车辆行驶过程中的安全程度；
第二，由于计时器的颜色和数值是通过不同向量表示的，在通过预先训练的计时器识别模型进行处理时，由于未能对损失函数进行优化，从而，导致生成计时器状态信息需花费较长的时间，进而，增加无人驾驶车辆在行驶过程中的风险程度。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了用于识别交通灯状态和计时器状态的方法、装置和设备，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种用于识别交通灯状态和计时器状态的方法，该方法包括：获取车载相机拍摄的图像。对上述图像进行候选目标识别以生成交通灯图像和计时器图像。基于上述交通灯图像和上述计时器图像，生成交通灯信息和计时器信息，其中，上述交通灯信息包括：四元组，上述计时器信息包括：四元组，第一数值信息，第二数值信息，上述第一数值信息包括：十一元组，上述第二数值信息包括：十一元组。基于上述交通灯信息和上述计时器信息，生成红绿灯状态信息。将上述红绿灯状态信息发送至车辆的显示终端。
第二方面，本公开的一些实施例提供了一种用于识别交通灯状态和计时器状态的装置，装置包括：获取单元，被配置成获取车载相机拍摄的图像。识别单元，被配置成对上述图像进行候选目标识别以生成交通灯图像和计时器图像。第一生成单元，被配置成基于上述交通灯图像和上述计时器图像，生成交通灯信息和计时器信息，其中，上述交通灯信息包括：四元组，上述计时器信息包括：四元组，第一数值信息，第二数值信息，上述第一数值信息包括：十一元组，上述第二数值信息包括：十一元组。第二生成单元，被配置成基于上述交通灯信息和上述计时器信息，生成红绿灯状态信息。发送单元，被配置成将上述红绿灯状态信息发送至车辆的显示终端。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中所描述的方法。
本公开的上述各个实施例具有如下有益效果：首先，获取车载相机拍摄的图像。通过获取车载相机拍摄的图像，为接下来的处理进行数据准备。其次，对上述图像进行候选目标识别以生成交通灯图像和计时器图像。通过生成交通灯图像和计时器图像，减少了上述图像中无关部分对生成的交通灯信息和计时器信息的影响以及减少了计算量。此外，基于上述交通灯图像和上述计时器图像，生成交通灯信息和计时器信息，其中，上述交通灯信息包括：四元组，上述计时器信息包括：四元组，第一数值信息，第二数值信息，上述第一数值信息包括：十一元组，上述第二数值信息包括：十一元组。通过生成交通灯信息和计时器信息为下一步的处理提供数据准备。进而，基于上述交通灯信息和上述计时器信息，生成红绿灯状态信息。通过对上述交通灯信息和计时器信息进行综合处理，使得生成红绿灯信息更加全面。最终，将上述红绿灯状态信息发送至车辆的显示终端。此种方法无需依赖V2X硬件设备，依旧能够获取交通灯和计时器的状态，保证了无人驾驶车辆的判断能力，进而保证了无人驾驶车辆在行驶过程中的安全程度。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的用于识别交通灯状态和计时器状态的方法的一个应用场景示意图；
图2是根据本公开的用于识别交通灯状态和计时器状态的方法的一些实施例的流程图；
图3是根据本公开的用于识别交通灯状态和计时器状态的装置的一些实施例的结构示意图；
图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的一些实施例的用于识别交通灯状态和计时器状态的方法的一个应用场景示意图。
在图1的应用场景中，首先，计算设备101可以获取车载相机拍摄的图像102。其次，计算设备101可以对上述图像102进行候选目标识别以生成交通灯图像103和计时器图像104。然后，计算设备101可以基于上述交通灯图像103和上述计时器图像104，生成交通灯信息105和计时器信息106，其中，上述交通灯信息105包括：四元组，上述计时器信息106包括：四元组，第一数值信息，第二数值信息，上述第一数值信息包括：十一元组，上述第二数值信息包括：十一元组。进而，计算设备101可以基于上述交通灯信息105和上述计时器信息106生成红绿灯状态信息107。最后，计算设备101可以将上述红绿灯状态信息107发送至车辆的显示终端108。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图2，根据本公开的用于识别交通灯状态和计时器状态的方法的一些实施例的流程图200。该用于识别交通灯状态和计时器状态的方法，包括以下步骤：
步骤201，获取车载相机拍摄的图像。
在一些实施例中，用于识别交通灯状态和计时器状态的方法的执行主体(如图1所示的计算设备101)可以通过有线连接或无线连接的方式获取车载相机拍摄的图像。其中，上述车载相机是固定在无人驾驶车辆上的。上述车载相机可以是单目相机也可以是双目相机。
步骤202，对图像进行候选目标识别以生成交通灯图像和计时器图像。
在一些实施例中，上述执行主体可以对图像进行候选目标识别以生成交通灯图像和计时器图像。其中，上述候选目标包括：交通灯，计时器。可以采用CNN(ConvolutionalNeural Networks，卷积神经网络)对上述图像进行候选目标识别。
在一些实施例的一些可选的实现方式中，上述执行主体对图像进行候选目标识别以生成交通灯图像和计时器图像，可以包括以下步骤：
第一步，识别出上述图像中的交通灯以及生成第一检测框。
其中，上述第一检测框用于框定上述交通灯。
第二步，识别出上述图像中的计时器以及生成第二检测框。
其中，上述第二检测框用于框定上述计时器。
第三步，基于上述第一检测框和第二检测框，对上述图像进行截取，得到交通灯图像和计时器图像。
其中，上述截取是在上述图像上进行截取以及保留上述第一检测框内的图像和上述第二检测框内的图像作为交通灯图像和计时器图像。
步骤203，基于交通灯图像和计时器图像，生成交通灯信息和计时器信息。
在一些实施例中，上述执行主体可以基于交通灯图像和计时器图像，通过各种方式生成交通灯信息和计时器信息。其中，上述交通灯信息包括：四元组，上述计时器信息包括：四元组，第一数值信息，第二数值信息，上述第一数值信息包括：十一元组，上述第二数值信息包括：十一元组。
作为示例，上述交通灯信息可以是[‘0’：0.1，‘1’：0.1，‘2’：0.8，‘3’：0]。上述计时器信息可以是[[‘0’：0.1，‘1’：0.1，‘2’：0.8，‘3’：0]，[‘0’：0.1，‘1’：0.1，‘2’：0.8，‘3’：0，‘4’：0，‘5’：0，‘6’：0，‘7’：0，‘8’：0，‘9’：0，‘10’：0，]，[‘0’：0.1，‘1’：0.1，‘2’：0.1，‘3’：0，‘4’：0，‘5’：0.7，‘6’：0，‘7’：0，‘8’：0，‘9’：0，‘10’：0，]]。
在一些实施例的一些可选的实现方式中，上述执行主体基于交通灯图像和计时器图像，生成交通灯信息和计时器信息，可以包括以下步骤：
第一步，将上述交通灯图像输入至预先训练的交通灯识别模型以生成交通灯信息。
其中，上述交通灯识别模型包括卷积层、池化层、全连接层。其中，上述卷积层用于对交通灯图像进行特征提取。上述池化层用于对提取到的特征进行压缩，减少计算量。上述全连接层用于对得到的结果进行分类。
第二步，将上述计时器图像输入至预先训练的计时器识别模型以生成候选计时器信息。
其中，上述计时器识别模型包括：第一特征提取层、第二特征提取层、分类层。上述第一特征提取层主要是对计时器图像特征进行提取。上述第二特征提取层对提取到的特征进行压缩。上述分类层对得到的结果进行分类。
第三步，获取第一预设标签值集合、第二预设标签值集合和第三预设标签值集合。
其中，上述第一预设标签值集合中第一预设标签值的数量等于11。上述第二预设标签值集合中第二预设标签值的数量等于11。上述第三预设标签值集合中的第三预设标签值的数量等于4。
第四步，将上述候选计时器信息输入至以下公式以生成总体损失值：
Figure BDA0002721507380000071
其中，L1表示第一损失值。L2表示第二损失值。L3表示第三损失值。Loss表示上述总体损失值。i表示序号。j表示序号。k表示序号。n表示上述计时器信息包括的第一数值信息或第二数值信息包括的键值对的数量。m表示上述计时器信息包括的四元组包括的键值对的数量。t表示上述第一预设标签值集合中的第一预设标签值。ti表示上述第一预设标签值集合中的第i个第一预设标签值。S表示上述第一数值信息包括的十一元组中的键值对中的值。Si表示上述第一数值信息包括的十一元组中的第i个键值对中的值。r表示上述第二预设标签值集合中的第二预设标签值。rk表示上述第二预设标签值集合中的第k个第二预设标签值。e表示上述第二数值信息包括的十一元组中的键值对中的值。ek表示上述第二数值信息包括的十一元组中的第k个键值对中的值。u表示上述第三预设标签值集合中的第三预设标签值。uj表示上述第三预设标签值集合中的第j个第三预设标签值。b表示上述计时器信息包括的四元组中的键值对中的值。bj表示上述计时器信息包括的四元组中的第j个键值对中的值。λ1表示第一预设权重。λ2表示第二个预设权重。
上述公式作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“由于计时器的颜色和数值是通过不同向量表示的，在通过预先训练的计时器识别模型进行处理时，由于未能对损失函数进行优化，从而，导致生成计时器状态信息需花费较长的时间，进而，增加无人驾驶车辆在行驶过程中的风险程度”。导致生成计时器状态信息花费较长时间的原因往往如下：由于计时器的颜色和数值是通过不同向量表示的，在通过预先训练的计时器识别模型进行处理时，常常采用不同的损失函数对计时器颜色和数值进行损失估计，从而导致未能综合考量计时器颜色和数值之间的关系，此外，由于计时器颜色和数值对应的向量的数量级不同，使得结果生成存在着异步性。如果解决了上述因素，就能够减少生成计时器状态信息的时间，降低无人驾驶车辆在行驶过程中的风险程度。为了达到这一效果，本公开在采用了不同的损失函数对计时器的颜色和数值进行损失估计的基础上，对得到的损失值进行加权求和。通过对得到的损失值进行加权求和从而实现了对计时器颜色和数值之间关系的考虑。此外，通过权重，可以减少不同数量级的数据之间的数值差距，使得数据能够同步生成，从而，提高了数据收敛速度，进而，提高了计时器状态信息生成速度。最终，降低了无人驾驶车辆在行驶过程中的风险程度。
第五步，响应于确定上述总体损失值在预定损失值范围内，将上述候选计时器信息确定为计时器信息。
其中，上述预定损失值范围可以是[0，0.01]。
步骤204，基于交通灯信息和计时器信息，生成红绿灯状态信息。
在一些实施例中，上述执行主体可以基于交通灯信息和计时器信息，通过各种方式生成红绿灯状态信息。
在一些实施例的一些可选的实现方式中，上述执行主体基于交通灯信息和计时器信息，生成红绿灯状态信息，可以包括以下步骤：
第一步，将上述交通灯信息包括的四元组中键值对中的最大值对应的键对应的预设颜色信息确定为交通灯颜色信息。
作为示例，上述交通灯信息可以是[‘0’：0.1，‘1’：0.1，‘2’：0.8，‘3’：0]。上述交通灯信息中键为“0”可以对应红色，键为“1”可以对应黄色，键为“2”可以对应绿色，键为“3”可以对应黑色。上述交通灯信息中键值对中的最大值为0.8，对应的键是“2”，因此，上述交通灯颜色信息可以是绿色。
第二步，将上述计时器信息包括的四元组中键值对中的最大值对应的键对应的预设颜色信息确定为计时器颜色信息。
作为示例，上述计时器信息可以是[‘0’：0.1，‘1’：0.1，‘2’：0.8，‘3’：0]。上述计时器信息中键为“0”可以对应红色，键为“1”可以对应黄色，键为“2”可以对应绿色，键为“3”可以对应黑色。上述计时器信息中键值对中的最大值为0.8，对应的键是“2”，因此，上述计时器颜色信息可以是绿色。
第三步，将上述计时器信息包括的第一数值信息包括的十一元组中键值对中的最大值对应的键确定为第一候选值。
作为示例，上述计时器信息包括的第一数值信息包括的十一元组可以是[‘0’：0.1，‘1’：0.1，‘2’：0.8，‘3’：0，‘4’：0，‘5’：0，‘6’：0，‘7’：0，‘8’：0，‘9’：0，‘10’：0，]。上述第一数值信息包括的十一元组中键值对中的最大值为0.8，对应的键为“2”。因此，将“2”确定为第一候选值。
第四步，将上述计时器信息包括的第二数值信息包括的十一元组中键值对中的最大值对应的键确定为第二候选值。
作为示例，上述计时器信息包括的第二数值信息包括的十一元组可以是[‘0’：0.1，‘1’：0.1，‘2’：0.1，‘3’：0，‘4’：0，‘5’：0.7，‘6’：0，‘7’：0，‘8’：0，‘9’：0，‘10’：0，]。上述第二数值信息包括的十一元组中键值对中的最大值为0.7，对应的键为“5”。因此，将“5”确定为第二候选值。
第五步，基于上述第一候选值和上述第二候选值，通过以下公式，生成计时器数值：
CN＝C1×10+C2，
其中，CN表示上述计时器数值，C1表示上述第一候选值，C2表示上述第二候选值。
作为示例，上述第一候选值可以是“2”。上述第二候选值可以是“5”。通过以上公式得到的计时器数值可以是25(计算过程如下式)。
25＝2×10+5。
第六步，响应于确定上述交通灯颜色信息与上述计时器颜色信息一致，将上述交通灯颜色信息和上述计时器数值进行组合，得到红绿灯状态信息。
作为示例，上述交通灯颜色信息可以是绿色。上述计时器颜色信息可以是绿色。上述计时器数值可以是25。因此，可以将上述交通灯颜色信息和上述计时器数值进行组合。从而得到的红绿灯状态信息可以是“绿灯，25s”。
步骤205，将红绿灯状态信息发送至车辆的显示终端。
在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式将红绿灯状态信息发送至车辆的显示终端。
本公开的上述各个实施例具有如下有益效果：首先，获取车载相机拍摄的图像。通过获取车载相机拍摄的图像，为接下来的处理进行数据准备。其次，对上述图像进行候选目标识别以生成交通灯图像和计时器图像。通过生成交通灯图像和计时器图像，减少了上述图像中无关部分对生成的交通灯信息和计时器信息的影响以及减少了计算量。此外，基于上述交通灯图像和上述计时器图像，生成交通灯信息和计时器信息，其中，上述交通灯信息包括：四元组，上述计时器信息包括：四元组，第一数值信息，第二数值信息，上述第一数值信息包括：十一元组，上述第二数值信息包括：十一元组。通过生成交通灯信息和计时器信息为下一步的处理提供数据准备。进而，基于上述交通灯信息和上述计时器信息，生成红绿灯状态信息。通过对上述交通灯信息和计时器信息进行综合处理，使得生成红绿灯信息更加全面。最终，将上述红绿灯状态信息发送至车辆的显示终端。此种方法无需依赖V2X硬件设备，依旧能够获取交通灯和计时器的状态，保证了无人驾驶车辆能够根据交通灯和计时器的状态及时做判断，进而保证了无人驾驶车辆在行驶过程中的安全。
进一步参考图3，作为对上述各图所示方法的实现，本公开提供了用于识别交通灯状态和计时器状态的装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用与各种电子设备中。如图3所示，一些实施例的用于识别交通灯状态和计时器状态的装置300包括：获取单元301、识别单元302、第一生成单元303、第二生成单元304和发送单元305。其中，获取单元301，被配置成获取车载相机拍摄的图像。识别单元302，被配置成对上述图像进行候选目标识别以生成交通灯图像和计时器图像。第一生成单元303，被配置成基于上述交通灯图像和上述计时器图像，生成交通灯信息和计时器信息，其中，上述交通灯信息包括：四元组，上述计时器信息包括：四元组，第一数值信息，第二数值信息，上述第一数值信息包括：十一元组，上述第二数值信息包括：十一元组。第二生成单元304，被配置成基于上述交通灯信息和上述计时器信息，生成红绿灯状态信息。发送单元305，被配置成将上述红绿灯状态信息发送至车辆的显示终端。
可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)400的结构示意图。图4示出的服务器仅仅是一个示例，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，电子设备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RAM 403中，还存储有电子设备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404也连接至总线404。
通常，以下装置可以连接至I/O接口404：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备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电子设备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，根据本公开的一些实施例，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，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，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，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：获取车载相机拍摄的图像。对上述图像进行候选目标识别以生成交通灯图像和计时器图像。基于上述交通灯图像和上述计时器图像，生成交通灯信息和计时器信息，其中，上述交通灯信息包括：四元组，上述计时器信息包括：四元组，第一数值信息，第二数值信息，上述第一数值信息包括：十一元组，上述第二数值信息包括：十一元组。基于上述交通灯信息和上述计时器信息，生成红绿灯状态信息。将上述红绿灯状态信息发送至车辆的显示终端。
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一些实施例的操作的计算机程序代码，上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。
描述于本公开的一些实施例中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、识别单元、第一生成单元、第二生成单元、发送单元。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，例如，获取单元还可以被描述为“获取车载相机拍摄的图像的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些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 (7)

1.一种用于识别交通灯状态和计时器状态的方法，包括：
获取车载相机拍摄的图像；
对所述图像进行候选目标识别以生成交通灯图像和计时器图像；
基于所述交通灯图像和所述计时器图像，生成交通灯信息和计时器信息，其中，所述交通灯信息包括：四元组，所述计时器信息包括：四元组，第一数值信息，第二数值信息，所述第一数值信息包括：十一元组，所述第二数值信息包括：十一元组；
基于所述交通灯信息和所述计时器信息，生成红绿灯状态信息；
将所述红绿灯状态信息发送至车辆的显示终端，其中，所述基于所述交通灯图像和所述计时器图像，生成交通灯信息和计时器信息，包括：
将所述交通灯图像输入至预先训练的交通灯识别模型以生成交通灯信息；
将所述计时器图像输入至预先训练的计时器识别模型以生成候选计时器信息；
获取第一预设标签值集合、第二预设标签值集合和第三预设标签值集合；
将所述候选计时器信息输入至以下公式以生成总体损失值：
Figure FDA0003202816930000011
其中，L1表示第一损失值，L2表示第二损失值，L3表示第三损失值，Loss表示所述总体损失值，i表示序号，j表示序号，k表示序号，n表示所述计时器信息包括的第一数值信息或第二数值信息包括的键值对的数量，m表示所述计时器信息包括的四元组包括的键值对的数量，t表示所述第一预设标签值集合中的第一预设标签值，ti表示所述第一预设标签值集合中的第i个第一预设标签值，S表示所述第一数值信息包括的十一元组中的键值对中的值，Si表示所述第一数值信息包括的十一元组中的第i个键值对中的值，r表示所述第二预设标签值集合中的第二预设标签值，rk表示所述第二预设标签值集合中的第k个第二预设标签值，e表示所述第二数值信息包括的十一元组中的键值对中的值，ek表示所述第二数值信息包括的十一元组中的第k个键值对中的值，u表示所述第三预设标签值集合中的第三预设标签值，uj表示所述第三预设标签值集合中的第j个第三预设标签值，b表示所述计时器信息包括的四元组中的键值对中的值，bj表示所述计时器信息包括的四元组中的第j个键值对中的值，λ1表示第一预设权重，λ2表示第二个预设权重；
响应于确定所述总体损失值在预定损失值范围内，将所述候选计时器信息确定为计时器信息。
2.根据权利要求1所述的方法，其中，所述对所述图像进行候选目标识别以生成交通灯图像和计时器图像，包括：
识别出所述图像中的交通灯以及生成第一检测框，其中，所述第一检测框用于框定所述交通灯；
识别出所述图像中的计时器以及生成第二检测框，其中，所述第二检测框用于框定所述计时器；
基于所述第一检测框和第二检测框，对所述图像进行截取，得到交通灯图像和计时器图像。
3.根据权利要求2所述的方法，其中，所述基于所述交通灯信息和所述计时器信息，生成红绿灯状态信息，包括：
将所述交通灯信息包括的四元组中键值对中的最大值对应的键对应的预设颜色信息确定为交通灯颜色信息；
将所述计时器信息包括的四元组中键值对中的最大值对应的键对应的预设颜色信息确定为计时器颜色信息；
将所述计时器信息包括的第一数值信息包括的十一元组中键值对中的最大值对应的键确定为第一候选值；
将所述计时器信息包括的第二数值信息包括的十一元组中键值对中的最大值对应的键确定为第二候选值；
基于所述第一候选值和所述第二候选值，通过以下公式，生成计时器数值：
CN＝C1×10+C2，
其中，CN表示所述计时器数值，C1表示所述第一候选值，C2表示所述第二候选值。
4.根据权利要求3所述的方法，其中，所述方法还包括：
响应于确定所述交通灯颜色信息与所述计时器颜色信息一致，将所述交通灯颜色信息和所述计时器数值进行组合，得到红绿灯状态信息。
5.一种用于识别交通灯状态和计时器状态的装置，包括：
获取单元，被配置成获取车载相机拍摄的图像；
识别单元，被配置成对所述图像进行候选目标识别以生成交通灯图像和计时器图像；
第一生成单元，被配置成基于所述交通灯图像和所述计时器图像，生成交通灯信息和计时器信息，其中，所述交通灯信息包括：四元组，所述计时器信息包括：四元组，第一数值信息，第二数值信息，所述第一数值信息包括：十一元组，所述第二数值信息包括：十一元组；
第二生成单元，被配置成基于所述交通灯信息和所述计时器信息，生成红绿灯状态信息；
发送单元，被配置成将所述红绿灯状态信息发送至车辆的显示终端，其中，所述基于所述交通灯图像和所述计时器图像，生成交通灯信息和计时器信息，包括：
将所述交通灯图像输入至预先训练的交通灯识别模型以生成交通灯信息；
将所述计时器图像输入至预先训练的计时器识别模型以生成候选计时器信息；
获取第一预设标签值集合、第二预设标签值集合和第三预设标签值集合；
将所述候选计时器信息输入至以下公式以生成总体损失值：
Figure FDA0003202816930000041
其中，L1表示第一损失值，L2表示第二损失值，L3表示第三损失值，Loss表示所述总体损失值，i表示序号，j表示序号，k表示序号，n表示所述计时器信息包括的第一数值信息或第二数值信息包括的键值对的数量，m表示所述计时器信息包括的四元组包括的键值对的数量，t表示所述第一预设标签值集合中的第一预设标签值，ti表示所述第一预设标签值集合中的第i个第一预设标签值，S表示所述第一数值信息包括的十一元组中的键值对中的值，Si表示所述第一数值信息包括的十一元组中的第i个键值对中的值，r表示所述第二预设标签值集合中的第二预设标签值，rk表示所述第二预设标签值集合中的第k个第二预设标签值，e表示所述第二数值信息包括的十一元组中的键值对中的值，ek表示所述第二数值信息包括的十一元组中的第k个键值对中的值，u表示所述第三预设标签值集合中的第三预设标签值，uj表示所述第三预设标签值集合中的第j个第三预设标签值，b表示所述计时器信息包括的四元组中的键值对中的值，bj表示所述计时器信息包括的四元组中的第j个键值对中的值，λ1表示第一预设权重，λ2表示第二个预设权重；
响应于确定所述总体损失值在预定损失值范围内，将所述候选计时器信息确定为计时器信息。
6.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
7.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN202011089470.1A 2020-10-13 2020-10-13 用于识别交通灯状态和计时器状态的方法、装置和设备 Active CN112597793B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011089470.1A CN112597793B (zh) 2020-10-13 2020-10-13 用于识别交通灯状态和计时器状态的方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011089470.1A CN112597793B (zh) 2020-10-13 2020-10-13 用于识别交通灯状态和计时器状态的方法、装置和设备

Publications (2)

Publication Number Publication Date
CN112597793A CN112597793A (zh) 2021-04-02
CN112597793B true CN112597793B (zh) 2021-09-21

Family

ID=75180370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011089470.1A Active CN112597793B (zh) 2020-10-13 2020-10-13 用于识别交通灯状态和计时器状态的方法、装置和设备

Country Status (1)

Country Link
CN (1) CN112597793B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111923915B (zh) * 2019-05-13 2021-11-09 上海汽车集团股份有限公司 一种交通灯智能提醒方法、装置及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303860A (zh) * 2015-10-22 2016-02-03 四川膨旭科技有限公司 车辆行驶过程中对红绿灯进行识别的系统
CN109767637A (zh) * 2019-02-28 2019-05-17 杭州飞步科技有限公司 倒计时信号灯识别及处理的方法和装置
CN111582030A (zh) * 2020-04-02 2020-08-25 北京百度网讯科技有限公司 红绿灯的识别方法、装置、电子设备和计算机存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104276082A (zh) * 2013-07-05 2015-01-14 鸿富锦精密工业（深圳）有限公司 车载辅助装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303860A (zh) * 2015-10-22 2016-02-03 四川膨旭科技有限公司 车辆行驶过程中对红绿灯进行识别的系统
CN109767637A (zh) * 2019-02-28 2019-05-17 杭州飞步科技有限公司 倒计时信号灯识别及处理的方法和装置
CN111582030A (zh) * 2020-04-02 2020-08-25 北京百度网讯科技有限公司 红绿灯的识别方法、装置、电子设备和计算机存储介质

Also Published As

Publication number Publication date
CN112597793A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN113255619B (zh) 车道线识别及定位方法、电子设备和计算机可读介质
CN115546293B (zh) 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN115326099A (zh) 局部路径规划方法、装置、电子设备和计算机可读介质
CN115272182B (zh) 车道线检测方法、装置、电子设备和计算机可读介质
CN114399589A (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN112597793B (zh) 用于识别交通灯状态和计时器状态的方法、装置和设备
CN112464921B (zh) 障碍物检测信息生成方法、装置、设备和计算机可读介质
CN111965383B (zh) 车速信息生成方法、装置、电子设备和计算可读介质
CN115610415B (zh) 车辆距离控制方法、装置、电子设备和计算机可读介质
CN113780247B (zh) 红绿灯检测方法、装置、电子设备和计算机可读介质
CN112528970A (zh) 路牌检测方法、装置、设备和计算机可读介质
CN110334763B (zh) 模型数据文件生成、图像识别方法、装置、设备及介质
CN113705386A (zh) 视频分类方法、装置、可读介质和电子设备
CN113222050A (zh) 图像分类方法、装置、可读介质及电子设备
CN112418233A (zh) 图像处理方法、装置、可读介质及电子设备
CN113204661B (zh) 实时路况更新方法、电子设备和计算机可读介质
CN115616560B (zh) 车辆避障方法、装置、电子设备和计算机可读介质
CN110991312A (zh) 生成检测信息的方法、装置、电子设备和介质
CN113220384B (zh) 基于门禁设备的信息发布系统、方法、电子设备和介质
CN113469159B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN115297046B (zh) 网关信息发送方法、装置、电子设备、介质和产品
CN112781581B (zh) 应用于扫地机的移动至儿童推车路径生成方法、装置
CN116010289B (zh) 自动驾驶仿真场景测试方法、装置、电子设备和可读介质
CN117082364A (zh) 视频图像适配方法、装置、电子设备和计算机可读介质
CN116798018A (zh) 模型训练方法、疲劳驾驶检测方法、装置、设备及介质

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
CP03 Change of name, title or address

Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806

Patentee after: Heduo Technology (Guangzhou) Co.,Ltd.

Address before: 100095 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing

Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

CP03 Change of name, title or address