CN112700410A - 信号灯位置确定方法、装置、存储介质、程序、路侧设备 - Google Patents

信号灯位置确定方法、装置、存储介质、程序、路侧设备 Download PDF

Info

Publication number
CN112700410A
CN112700410A CN202011588838.9A CN202011588838A CN112700410A CN 112700410 A CN112700410 A CN 112700410A CN 202011588838 A CN202011588838 A CN 202011588838A CN 112700410 A CN112700410 A CN 112700410A
Authority
CN
China
Prior art keywords
signal lamp
determining
image
frame
rectangular
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
Application number
CN202011588838.9A
Other languages
English (en)
Inventor
刘博�
黄乐平
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.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011588838.9A priority Critical patent/CN112700410A/zh
Publication of CN112700410A publication Critical patent/CN112700410A/zh
Priority to US17/366,604 priority patent/US11810320B2/en
Priority to EP21183669.7A priority patent/EP3872701A3/en
Priority to KR1020210090202A priority patent/KR20210102123A/ko
Priority to JP2021210160A priority patent/JP7295213B2/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本申请提供的信号灯位置确定方法、装置、存储介质、程序、路侧设备，涉及智能交通技术、自动驾驶技术，包括：针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边；根据得到的各水平边和各垂直边进行组合，得到多个矩形框；根据所述多个矩形框和预设的信号灯边框的大小信息，在所述图像中确定信号灯位置。这种实施方式中，可以通过在图像中识别边缘的方式，确定信号灯的位置，从而避免图像采集装置或信号灯位置发生变化，导致无法基于预设标注信息获取完整的信号灯，且本申请提供的方案只需要在图像中识别边缘就可以实现，这种方式耗时少，所需算力少。

Description

信号灯位置确定方法、装置、存储介质、程序、路侧设备
技术领域
本申请涉及图像处理技术中的智能交通技术、自动驾驶技术，尤其涉及一种信号灯位置确定方法、装置、存储介质、程序、路侧设备。
背景技术
信号灯在生活中随处可见，在信号灯中包括多个灯头。比如红绿灯中包括三个灯头。
在一些应用场景中需要采集信号灯的状态信息，比如采集信号灯的灯色。一种实施方式中，可以采集包括信号灯的图像，再根据采集的图像确定信号灯的状态。
当基于图像确定信号灯的状态时，需要预先确定信号灯在图像中的位置，再进行识别。但是实际过程中，无论是架设设备发生的热胀冷缩，还是安装元件老化松动都会导致图像采集设备发生微小移动，进而根据预先确定的位置无法获取完整的信号灯，也就无法得到准确的信号灯状态。
发明内容
本申请提供了一种信号灯位置确定方法、装置、存储介质、程序、路侧设备，用于根据拍摄的包括信号灯的图像确定信号灯位置。
根据本申请的第一方面，提供了一种信号灯的位置确定方法，包括：
针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边；
根据得到的各水平边和各垂直边进行组合，得到多个矩形框；
根据所述多个矩形框和预设的信号灯边框的大小信息，在所述图像中确定信号灯位置。
根据本申请的第二方面，提供了一种信号灯的位置确定装置，包括：
边缘检测单元，用于针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边；
组合单元，用于根据得到的各水平边和各垂直边进行组合，得到多个矩形框；
位置确定单元，用于根据所述多个矩形框和预设的信号灯边框的大小信息，在所述图像中确定信号灯位置
根据本申请的第三方面，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如第一方面所述的信号灯的位置确定方法。
根据本申请的第四方面，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第一方面所述的信号灯的位置确定方法。
根据本申请的第五方面，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如第一方面所述的信号灯的位置确定方法。
根据本申请的第六方面，提供了一种路侧设备，包括：如第三方面所示出的电子设备。
本申请提供的信号灯的位置确定方法、装置、存储介质、程序、路侧设备，包括：针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边；根据得到的各水平边和各垂直边进行组合，得到多个矩形框；根据所述多个矩形框和预设的信号灯边框的大小信息，在所述图像中确定信号灯位置。这种实施方式中，可以通过在图像中识别边缘的方式，确定信号灯的位置，从而避免图像采集装置或信号灯位置发生变化，导致无法基于预设标注信息获取完整的信号灯，且本申请提供的方案只需要在图像中识别边缘就可以实现，这种方式耗时少，所需算力少。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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为本申请另一示例性实施例示出的应用场景图；
图1B为本申请一示例性实施例示出的通过图像采集装置采集的图像示意图；
图2为本申请一示例性实施例示出的信号灯的位置确定方法的流程示意图；
图3A为本申请一示例性实施例示出的边缘检测结果示意图；
图3B为本申请一示例性实施例示出的边缘检测结果示意图；
图4为本申请另一示例性实施例示出的信号灯的位置确定方法的流程示意图；
图5A为本申请一示例性实施例示出的确定预设指定区域的示意图；
图5B为本申请一示例性实施例示出的对中心点进行过滤的示意图；
图6为本申请一示例性实施例示出的信号灯的位置确定装置的结构示意图；
图7为本申请另一示例性实施例示出的信号灯的位置确定装置的结构示意图；
图8是用来实现本申请实施例的信号灯的位置确定方法的电子设备的框图。
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。
在很多应用场景中都设置有信号灯，通过信号灯能够起到引导的作用。在一些实施例中，需要采集信号灯的状态信息，比如，需要识别识别信号灯的灯色，从而更便于实现引导功能。比如，在智能交通领域，通过识别信号灯灯色，可以进行闯红灯检测等业务，还可以向远处的车辆广播当前信号灯的状态，以便这些车辆提前进行路径规划。
但是，基于图像确定信号灯的状态时，需要预先确定信号灯在图像中的位置，再进行识别。在这一识别过程中，若架设设备发生热胀冷缩，或安装元件老化松动，都会导致图像采集设备发生移动，进而导致无法基于预先标定的位置，在采集图像中获取完整的信号灯，进而无法得到准确的信号灯状态。
一种实施方式中，可以在信号灯附近设置图像采集装置，从而使用图像采集装置拍摄信号灯的图像，图像采集装置可以是摄像机，可以通过摄像机采集连续的包括信号灯的图像。
进一步的，图像采集装置可以将拍摄的图像发送给用于采集信号灯状态的服务器，基于需求，电子设备可以根据接收的图像进行处理。
图1A为本申请另一示例性实施例示出的应用场景图。
如图1A所示，可以在道路旁设置路侧设备11，路侧设备11与图像采集装置12连接，图像采集装置12可以拍摄到信号灯13的图像。
图1B为本申请一示例性实施例示出的通过图像采集装置采集的图像示意图。
图像采集装置12可以采集如图1B中14所示的图像，并将图像14发送给路侧设备11，或者服务器。
可以预先标注信号灯所在区域，路侧设备11或者服务器可以根据预先标注的信号灯位置对接收的图像14进行裁剪处理，得到如15所示出的仅包括信号灯的图像，并基于需求对该剪裁后的图像进行处理。
但是，若图像采集装置与信号灯的相对位置发生偏移，则使用预设标注的信号灯位置，将无法从图像中裁剪出完整的信号灯图像。
本申请提供一种信号灯的位置确定方法、装置、存储介质、程序、路侧设备，应用于图像处理技术中的智能交通技术、自动驾驶技术，用于根据拍摄的包括信号灯的图像确定信号灯位置。
图2为本申请一示例性实施例示出的信号灯的位置确定方法的流程示意图。
如图2所示，本申请一示例性实施例示出的信号灯的位置的确定方法，包括：
步骤201，针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边。
本申请提供的方法可以由具备计算能力的电子设备来执行，该电子设备能够接收到图像采集装置采集的包括信号灯的图像。
其中，该电子设备还可以基于需求对接收的图像进行处理，比如，可以执行识别信号灯状态，或者提取信号灯灯色的方案。
具体的，电子设备在对接收的图像进行处理时，可以基于预先标定的位置信息，提取图像中包括的信号灯，进而对信号灯进行识别。若图像采集装置的位置存在偏移，或者设置信号灯的设备存在偏移，都会导致基于预先标定的位置信息无法提取到完整的信号灯。
进一步的，电子设备在基于采集的图像进行处理时，还可以根据这些图像确定图像中的信号灯位置。
实际应用时，电子设备可以对采集的多帧包括信号灯的图像进行处理，比如，可以设定图像数量n，可以对采集的连续n帧图像进行处理。
其中，电子设备每接收到一帧图像，就可以确定该图像中的各水平边和垂直边。电子设备还可以将确定的水平边、垂直边存储到预设列表里，比如，可以预先设置一个边列表，该边列表中可以存储与每帧图像对应的水平边和垂直边。
具体的，可以通过坐标的方式记录水平边和垂直边，比如，在列表中记录有图像标识P1，还可以记录P1对应的水平边[(x1,y)、(x2,y)]、[(x,y1)、(x,y2)]。其中的x1、x2、y、x、y1、y2可以是图像中的像素坐标值。
图3A为本申请一示例性实施例示出的边缘检测结果示意图。
如图3A所示，在一帧图像31中，可以识别得到三个水平边32，两个垂直边33。在其他帧图像中，也可以识别到水平边和垂直边。
进一步的，电子设备可以利用索贝尔算子，在图像中确定水平边和垂直边。确定的水平边是指与图像中信号灯水平方向的边框平行的边，垂直边是指与图像中信号灯垂直方向的边框平行的边。
实际应用时，索贝尔算子是计算机视觉领域的一种重要处理方法。主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。索贝尔算子是把图像中每个像素的上下左右四领域的灰度值加权差，在边缘处达到极值从而检测边缘。
由于信号灯的边框为矩形，因此，利用索贝尔算子识别边缘的方式，能够在一帧图像中确定出符合信号灯样式的边框位置。
实际应用时，若处理的图像帧数达到预设帧数，则可以执行步骤202，否则，继续对接收的图像帧执行步骤201。比如，预设帧数为n，当得到n帧图像的圆心后，可以执行步骤202。
步骤202，根据得到的各水平边和各垂直边进行组合，得到多个矩形框。
其中，电子设备可以对得到的各水平边和垂直边进行组合，从而得到多个矩形。
一种实施方式中，电子设备可以对多帧图像中识别出的水平边和垂直边进行组合，得到多个矩形。例如，可以在边列表中，提取两个水平边、两个垂直边，对提取的边进行组合得到一个矩形。
另一种实施方式中，还可以对属于一帧图像的水平边和垂直边进行组合，得到多个矩形。
图3B为本申请一示例性实施例示出的边缘检测结果示意图。
如图3B所示，假设对3A中确定的水平边和垂直边进行组合，可以得到如34、35、36所示出的矩形框。
实际应用时，信号灯的边框是矩形框，该矩形框的四个角可以是直角，还可以是圆弧形。因此，通过在采集的图像中识别边缘，并对边缘进行组合得到的矩形中，包括信号灯的边框。因此，可以根据在组合得到的矩形框，确定出信号灯位置。
步骤203，根据多个矩形框和预设的信号灯边框的大小信息，在图像中确定信号灯位置。
其中，组合得到的多个矩形框中，可能存在信号灯边框以外的矩形框，因此，可以先对矩形框进行筛选，得到符合信号灯边框的矩形框。
具体的，可以预先设置信号灯边框的大小信息，电子设备可以获取预设的信号灯边框的大小信息，并根据信号灯边框的大小筛选矩形框。例如，可以将尺寸与信号灯尺寸相近的矩形框作为目标矩形框。
具体的，电子设备在识别不同图像中同一矩形框的边缘时，识别的位置也可能存在差别，而目标矩形框是在不同图像中确定出的信号灯边框位置，因此，可以根据这些目标矩形框确定图像中的信号灯位置。
进一步的，可以根据筛选后的目标矩形框确定图像中的信号灯位置。例如，可以计算目标矩形框的平均位置，将其作为图像中的信号灯位置。
本申请提供一种信号灯的位置确定方法，包括：针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边；根据得到的各水平边和各垂直边进行组合，得到多个矩形框；根据所述多个矩形框和预设的信号灯边框的大小信息，在所述图像中确定信号灯位置。这种实施方式中，可以通过在图像中识别边缘的方式，确定信号灯的位置，从而避免图像采集装置或信号灯位置发生变化，导致无法基于预设标注信息获取完整的信号灯，且本申请提供的方案只需要在图像中识别边缘就可以实现，这种方式耗时少，所需算力少。
图4为本申请另一示例性实施例示出的信号灯的位置确定方法的流程示意图。
如图4所示，本申请一示例性实施例示出的信号灯的位置确定方法，包括：
步骤401，根据信号灯灯框位置确定预设指定区域。
本申请提供的方法可以由具备计算能力的电子设备来执行，该电子设备能够接收到图像采集装置采集的包括信号灯的图像。
其中，该电子设备还可以基于需求对接收的图像进行处理，比如，可以执行识别信号灯状态，或者提取信号灯灯色的方案。
具体的，本申请提供的方法中，预先在历史图像中标注有信号灯灯框位置。例如，可以通过图像采集装置采集一幅包括信号灯的历史图像，用户可以在该历史图像中标注信号灯灯框。若图像采集装置与信号灯的位置不变，那么基于该信号灯灯框位置能够在图像采集装置采集的其他图像中，裁剪出信号灯。
进一步的，若由于热胀冷缩或螺栓发生松动等原因，造成图像采集装置与红绿灯的相对位置发生改变，则电子设备无法根据预先标注的信号灯灯框位置从采集的图像中，裁剪出完整的信号灯。
因此，本申请提供的方法中，电子设备可以根据信号灯灯框位置，在采集到的多帧包括信号灯的图像中确定预设指定区域。具体可以在信号灯灯框位置的基础上，在上下左右各个方向进行扩张，得到预设指定区域。
图5A为本申请一示例性实施例示出的确定预设指定区域的示意图。
如图5A所示，可以在图像51中确定预先标注的信号灯灯框位置52，电子设备可以对灯框位置52进行扩张，得到预设指定区域53。
步骤402，针对采集到的多帧包括信号灯的图像，在每一图像的预设指定区域内确定水平边和垂直边。
电子设备对采集的图像进行处理时，具体可以在每一图像的预设指定区域内确定各水平边和垂直边。
这种实施方式中，可以缩小电子设备需要处理的图像的尺寸，从而减小电子设备的数据处理量。而且，这种实施方式，还可以避免图像中除信号灯的区域存在的边缘影响识别结果。
实际应用时，具体在预设指定区域中确定边缘的方式，与步骤201相似，不再赘述。
其中，可以基于索贝尔算子对每一图像进行边缘检测，得到每一图像中的水平边和垂直边。
索贝尔算子是计算机视觉领域的一种重要处理方法。主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。索贝尔算子是把图像中每个像素的上下左右四领域的灰度值加权差，在边缘处达到极值从而检测边缘。
由于信号灯的边框为矩形，因此，利用索贝尔算子识别边缘的方式，能够在一帧图像中确定出符合信号灯样式的边框位置
步骤403，对属于同一图像的水平边和垂直边进行组合，得到矩形框。
其中，电子设备可以对从同一图像中识别的水平边和垂直边进行组合，从而在同一图像中，确定出图像中可能存在的信号灯边框。
具体的，对同一图像的水平边和垂直边进行组合，能够降低组合得到的矩形框的数量，从而降低数据处理量。而且信号灯边框的四个边会出现在同一图像中，因此，可以在一帧图像中的矩形框中筛选出与信号灯边框一致的矩形框。
步骤404，获取预设的信号灯边框的大小信息。
进一步的，还可以预先设置信号灯边框的大小信息，例如，可以将信号灯的尺寸预先写入电子设备中，进而使电子设备在确定有效矩形框时，能够获取到信号灯边框的大小信息。
该预设的信号灯边框的大小信息可以是信号灯的实际尺寸信息。
一种可选的实施方式中，可以预先在历史图像中标注信号灯灯框位置，电子设备可以根据信号灯灯框位置确定信号灯边框的大小信息。
这种实施方式中，电子设备无需存储信号灯边框的大小信息，只需要在获取信号灯边框的大小信息时，利用预先标注的信号灯灯框位置确定该大小信息，从而可以节约存储空间。
步骤405，根据预设的信号灯边框的大小信息在多个矩形框中确定有效矩形框。
实际应用时，电子设备可以根据预设的信号灯边框的大小信息对组合得到的多个矩形框进行筛选，得到有效矩形框。
其中，可以在多个矩形框中，将尺寸与预设信号的边框大小信息相符的矩形框作为有效矩形框。比如，将长度、宽度与预设信号的边框大小信息相近的矩形框，确定为有效矩形框。
这种实施方式中，电子设备可以根据信号灯实际的尺寸，筛选出符合信号灯尺寸的有效矩形框，从而可以根据有效矩形框确定出准确的信号灯位置。
一种实施方式中，预设的信号灯边框的大小信息包括以下任意两个参数：高度值、宽度值、高宽比。电子设备可以根据这些参数筛选出有效矩形框。
具体可以在多个矩形框中，筛选出尺寸符合预设的信号灯边框的大小信息中高度值、宽度值、高宽比中任意两个参数的有效矩形框。比如，存在一个矩形框的高度与参数中的高度值相符，且该矩形框的高宽比也与参数中的高宽比相符，则可以认为该矩形框为有效矩形框。
进一步的，通过多个参数对矩形框进行筛选得到有效矩形框，能够筛选出与实际信号灯尺寸一致的有效矩形框。
步骤406，根据各有效矩形框，在图像中确定信号灯位置。
具体的，可以根据筛选出的各个有效矩形框，确定信号灯位置。比如，可以确定各个有效矩形框的平均位置，将其作为信号灯位置。例如，存在三个有效矩形框，其左上角的位置分别为p1、p2、p3，可以计算这三个角点位置的平均值，将其作为信号灯的左上角位置。
进一步的，电子设备根据有效矩形框确定信号灯位置时，还可以进一步的对有效矩形框进行筛选，得到目标矩形框。
实际应用时，电子设备可以确定各个有效矩形框的中心点，根据各中心点在多个有效矩形框中确定目标矩形框。若各个有效矩形框的位置都与信号的位置相符，那么各个有效矩形框的中心点位置应该也相近。因此，可以根据各有效矩形框的中心点对有效矩形框进一步的进行筛选。
其中，电子设备可以根据各目标矩形框，在图像中确定信号灯位置。由于目标矩形框是根据信号灯的尺寸初步筛选后，又根据各个有效矩形框的位置再次筛选得到的，因此，根据各目标矩形框确定的信号的位置较为准确。
具体的，电子设备在对有效矩形框进行筛选时，可以基于随机抽样一致算法(RANdom SAmple Consensus，RANSAC)对各有效矩形框的中心点进行处理，确定目标中心点。
具体的，RANSAC可以从一组包含“局外点”的观测数据中，通过迭代方式估计数学模型的参数。局外点是指不适应该模型的点。
由于有效矩形框若与信号灯位置相符，那么这些有效矩形框的中心点的位置也应该相近，符合数学模型。因此，可以基于RANSAC，对确定的各个中心点进行过滤处理，找到位置相近的目标中心点。
进一步的，RANSAC可以在确定的中心点中选取一组子集，并假设该子集为局内点。可以利用当前的局内点估计模型，再用该模型测试局内点以外的其他中心点，如果一个中心点适用于该模型，则认为该中心点也是局内点。如果有足够多的中心点被归类为假设的局内点，那么可以认为估计的模型是准确的，这些被归类为局内点的中心点可以被确定为目标中心点。
实际应用时，可以将与目标中心点对应的有效矩形框确定为目标矩形框。这些目标中心点的位置相近，因此，可以认为目标矩形框是电子设备在图像中识别出的信号灯边框的位置。
图5B为本申请一示例性实施例示出的对中心点进行过滤的示意图。
如图5B所示，根据确定的各个有效矩形框可以确定出多个中心点，可以基于RANSAC算法对各个中心点进行过滤，例如，其中的中心点54不适用于估计的模型，因此，可以将中心点54过滤掉，剩余的中心点即为目标中心点。
这种实施方式中，可以通过RANSAC过滤出位置聚集的目标中心点，从而避免与目标矩形框位置不符的其他有效矩形框，影响信号灯位置的确定结果。
其中，电子设备可以根据各个目标矩形框的位置确定出平均位置，进而得到图像中的信号灯位置。这种实施方式中确定出的目标矩形框，是不同帧图像中识别出的与信号灯位置相符的矩形框，因此，确定出的目标矩形框的平均位置即为信号灯在图像中的准确位置。
图6为本申请一示例性实施例示出的信号灯的位置确定装置的结构示意图。
如图6所示，本申请提供的信号灯的位置确定装置600，包括：
边缘检测单元610，用于针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边；
组合单元620，用于根据得到的各水平边和各垂直边进行组合，得到多个矩形框；
位置确定单元630，用于根据所述多个矩形框和预设的信号灯边框的大小信息，在所述图像中确定信号灯位置。
本申请提供的信号灯的位置确定装置，包括边缘检测单元，用于针对采集到的多帧包括信号灯的图像，在每一图像中确定水平边和垂直边；组合单元，用于根据得到的各水平边和各垂直边进行组合，得到多个矩形框；位置确定单元，用于根据多个矩形框和预设的信号灯边框的大小信息，在图像中确定信号灯位置。本申请提供的装置可以通过在图像中识别边缘的方式，确定信号灯的位置，从而避免图像采集装置或信号灯位置发生变化，导致无法基于预设标注信息获取完整的信号灯，且本申请提供的方案只需要在图像中识别边缘就可以实现，这种方式耗时少，所需算力少。
图7为本申请另一示例性实施例示出的信号灯的位置确定装置的结构示意图。
如图7所示，在上述实施例基础上，本申请提供的信号灯的位置确定装置700，
其中，还包括：预标注单元640，用于预先在历史图像中标注有信号灯灯框位置；
所述边缘检测单元610在针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边之前，还用于：
根据所述信号灯灯框位置，在采集到的多帧包括信号灯的图像中确定预设指定区域；
所述边缘检测单元610具体用于：
在每一所述图像的预设指定区域内确定所述水平边和垂直边。
其中，所述组合单元620具体用于：
对属于同一图像的所述水平边和垂直边进行组合，得到所述矩形框。
其中，位置确定单元630，包括：
获取模块631，用于获取预设的信号灯边框的大小信息；
筛选模块632，用于根据所述预设的信号灯边框的大小信息在所述多个矩形框中确定有效矩形框；
位置确定模块633，用于根据各所述有效矩形框，在所述图像中确定信号灯位置。
其中，所述预设的信号灯边框的大小信息包括以下任意两个参数：高度值、宽度值、高宽比；
筛选模块632具体用于：
在所述多个矩形框中，筛选出尺寸符合所述预设的信号灯边框的大小信息中高度值、宽度值、高宽比中任意两个参数的有效矩形框。
其中，位置确定模块633包括：
目标确定子模块6331，用于确定各个有效矩形框的中心点，根据各所述中心点在多个所述有效矩形框中确定目标矩形框；
位置确定子模块6332，用于根据各所述目标矩形框，在所述图像中确定信号灯位置。
其中，目标确定子模块6331具体用于：
基于随机抽样一致算法对各所述中心点进行处理，确定目标中心点；
将与各所述目标中心点对应的所述有效矩形框，确定为所述目标矩形框。
其中，位置确定子模块6332具体用于：
确定各个所述目标矩形框的平均位置，得到所述图像中的所述信号灯位置。
其中，边缘检测单元610具体用于：
基于索贝尔算子对每一所述图像进行边缘检测，得到每一所述图像中的所述水平边和垂直边。
其中，预标注单元640预先在历史图像中标注有信号灯灯框位置；
获取模块631具体用于：
根据所述信号灯框位置确定所述信号灯边框的大小信息。
一种可选的实施方式中，本申请还提供一种计算机程序产品，包括计算机程序，计算机程序储存在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
本申请还提供一种路侧设备，包括：如下所示出的电子设备。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
图8示出了可以用来实施本申请的实施例的示例电子设备800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8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如信号灯的位置确定方法。例如，在一些实施例中，信号灯的位置确定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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的信号灯的位置确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元801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的位置确定方法。
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。
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("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本发申请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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (24)

1.一种信号灯的位置确定方法，包括：
针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边；
根据得到的各水平边和各垂直边进行组合，得到多个矩形框；
根据所述多个矩形框和预设的信号灯边框的大小信息，在所述图像中确定信号灯位置。
2.根据权利要求1所述的方法，其中，预先在历史图像中标注有信号灯灯框位置；
所述针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边之前，还包括：
根据所述信号灯灯框位置，在采集到的多帧包括信号灯的图像中确定预设指定区域；
所述在每一所述图像中确定水平边和垂直边，包括：
在每一所述图像的预设指定区域内确定所述水平边和垂直边。
3.根据权利要求1所述的方法，其中，根据得到的各水平边和各垂直边进行组合，得到多个矩形框，包括：
对属于同一图像的所述水平边和垂直边进行组合，得到所述矩形框。
4.根据权利要求1-3任一项所述的方法，其中，根据所述多个矩形框和预设的信号灯边框的大小信息，在所述图像中确定信号灯位置，包括：
获取预设的信号灯边框的大小信息；
根据所述预设的信号灯边框的大小信息在所述多个矩形框中确定有效矩形框；
根据各所述有效矩形框，在所述图像中确定信号灯位置。
5.根据权利要求4所述的方法，其中，所述预设的信号灯边框的大小信息包括以下任意两个参数：高度值、宽度值、高宽比；
根据所述预设的信号灯边框的大小信息在所述多个矩形框中确定有效矩形框，包括：
在所述多个矩形框中，筛选出尺寸符合所述预设的信号灯边框的大小信息中高度值、宽度值、高宽比中任意两个参数的有效矩形框。
6.根据权利要求4所述的方法，其中，根据各所述有效矩形框，在所述图像中确定信号灯位置，包括：
确定各个有效矩形框的中心点，根据各所述中心点在多个所述有效矩形框中确定目标矩形框；
根据各所述目标矩形框，在所述图像中确定信号灯位置。
7.根据权利要求6所述的方法，其中，根据各所述中心点在多个所述有效矩形框中确定目标矩形框，包括：
基于随机抽样一致算法对各所述中心点进行处理，确定目标中心点；
将与各所述目标中心点对应的所述有效矩形框，确定为所述目标矩形框。
8.根据权利要求6所述的方法，其中，根据各所述目标矩形框，在所述图像中确定信号灯位置，包括：
确定各个所述目标矩形框的平均位置，得到所述图像中的所述信号灯位置。
9.根据权利要求1-3任一项所述的方法，其中，在每一所述图像中确定水平边和垂直边，包括：
基于索贝尔算子对每一所述图像进行边缘检测，得到每一所述图像中的所述水平边和垂直边。
10.根据权利要求4所述的方法，其中，预先在历史图像中标注有信号灯灯框位置；
获取预设的信号灯边框的大小信息，包括：
根据所述信号灯框位置确定所述信号灯边框的大小信息。
11.一种信号灯的位置确定装置，包括：
边缘检测单元，用于针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边；
组合单元，用于根据得到的各水平边和各垂直边进行组合，得到多个矩形框；
位置确定单元，用于根据所述多个矩形框和预设的信号灯边框的大小信息，在所述图像中确定信号灯位置。
12.根据权利要求11所述的装置，其中，
还包括：预标注单元，用于预先在历史图像中标注有信号灯灯框位置；
所述边缘检测单元在针对采集到的多帧包括信号灯的图像，在每一所述图像中确定水平边和垂直边之前，还用于：
根据所述信号灯灯框位置，在采集到的多帧包括信号灯的图像中确定预设指定区域；
所述边缘检测单元具体用于：
在每一所述图像的预设指定区域内确定所述水平边和垂直边。
13.根据权利要求11所述的装置，其中，所述组合单元具体用于：
对属于同一图像的所述水平边和垂直边进行组合，得到所述矩形框。
14.根据权利要求11-13任一项所述的装置，其中，位置确定单元，包括：
获取模块，用于获取预设的信号灯边框的大小信息；
筛选模块，用于根据所述预设的信号灯边框的大小信息在所述多个矩形框中确定有效矩形框；
位置确定模块，用于根据各所述有效矩形框，在所述图像中确定信号灯位置。
15.根据权利要求14所述的装置，其中，所述预设的信号灯边框的大小信息包括以下任意两个参数：高度值、宽度值、高宽比；
筛选模块具体用于：
在所述多个矩形框中，筛选出尺寸符合所述预设的信号灯边框的大小信息中高度值、宽度值、高宽比中任意两个参数的有效矩形框。
16.根据权利要求14所述的装置，其中，位置确定模块包括：
目标确定子模块，用于确定各个有效矩形框的中心点，根据各所述中心点在多个所述有效矩形框中确定目标矩形框；
位置确定子模块，用于根据各所述目标矩形框，在所述图像中确定信号灯位置。
17.根据权利要求16所述的装置，其中，目标确定子模块具体用于：
基于随机抽样一致算法对各所述中心点进行处理，确定目标中心点；
将与各所述目标中心点对应的所述有效矩形框，确定为所述目标矩形框。
18.根据权利要求16所述的装置，其中，位置确定子模块具体用于：
确定各个所述目标矩形框的平均位置，得到所述图像中的所述信号灯位置。
19.根据权利要求11-13任一项所述的装置，其中，边缘检测单元具体用于：
基于索贝尔算子对每一所述图像进行边缘检测，得到每一所述图像中的所述水平边和垂直边。
20.根据权利要求14所述的装置，其中，预标注单元预先在历史图像中标注有信号灯灯框位置；
获取模块具体用于：
根据所述信号灯框位置确定所述信号灯边框的大小信息。
21.一种电子设备，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权利要求1-10中任一项所述的方法。
22.一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权利要求1-10中任一项所述的方法。
23.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-10中任一项所述的方法。
24.一种路侧设备，包括：如权利要求21所示出的电子设备。
CN202011588838.9A 2020-12-28 2020-12-28 信号灯位置确定方法、装置、存储介质、程序、路侧设备 Pending CN112700410A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202011588838.9A CN112700410A (zh) 2020-12-28 2020-12-28 信号灯位置确定方法、装置、存储介质、程序、路侧设备
US17/366,604 US11810320B2 (en) 2020-12-28 2021-07-02 Method and apparatus for determining location of signal light, storage medium, program and roadside device
EP21183669.7A EP3872701A3 (en) 2020-12-28 2021-07-05 Method and appratus for determining location of signal light, storage medium, program and roadside device
KR1020210090202A KR20210102123A (ko) 2020-12-28 2021-07-09 신호등 위치 확정 방법, 장치, 저장매체, 프로그램, 도로변 기기
JP2021210160A JP7295213B2 (ja) 2020-12-28 2021-12-24 信号灯の位置判定方法、装置、記憶媒体、プログラム、路側機器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011588838.9A CN112700410A (zh) 2020-12-28 2020-12-28 信号灯位置确定方法、装置、存储介质、程序、路侧设备

Publications (1)

Publication Number Publication Date
CN112700410A true CN112700410A (zh) 2021-04-23

Family

ID=75513056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011588838.9A Pending CN112700410A (zh) 2020-12-28 2020-12-28 信号灯位置确定方法、装置、存储介质、程序、路侧设备

Country Status (5)

Country Link
US (1) US11810320B2 (zh)
EP (1) EP3872701A3 (zh)
JP (1) JP7295213B2 (zh)
KR (1) KR20210102123A (zh)
CN (1) CN112700410A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
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
CN114581873A (zh) * 2022-03-11 2022-06-03 阿波罗智联(北京)科技有限公司 筛选路侧设备的方法、装置、设备、介质及产品
CN116468868A (zh) * 2023-04-27 2023-07-21 广州小鹏自动驾驶科技有限公司 交通信号灯的建图方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679733A (zh) * 2013-12-18 2014-03-26 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
US20180197026A1 (en) * 2015-07-08 2018-07-12 Nissan Motor Co., Ltd. Lamp Detection Device and Lamp Detection Method
US20190087961A1 (en) * 2017-09-15 2019-03-21 Kabushiki Kaisha Toshiba Signal identifying device, signal identifying method, and driving support system
US20200202157A1 (en) * 2018-12-21 2020-06-25 Canon Kabushiki Kaisha Image processing apparatus, control method performed by image processing apparatus, and storage medium
CN112101223A (zh) * 2020-09-16 2020-12-18 北京百度网讯科技有限公司 检测方法、装置、设备和计算机存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010115020A2 (en) * 2009-04-01 2010-10-07 Robert Daniel Mcathur Color and pattern detection system
KR101877809B1 (ko) * 2017-02-21 2018-07-12 연세대학교 산학협력단 Gpu를 이용한 신호등 인식 장치 및 방법
CN107730481B (zh) * 2017-09-19 2020-09-29 浙江大华技术股份有限公司 一种交通信号灯图像处理方法及交通信号灯图像处理装置
CN109035198A (zh) * 2018-06-07 2018-12-18 华南理工大学 基于边缘检测的室外可见光通信的led检测方法
CN111639656A (zh) * 2020-05-28 2020-09-08 东软睿驰汽车技术（沈阳）有限公司 交通信号灯识别方法及装置
CN111931726B (zh) * 2020-09-23 2024-06-11 阿波罗智联(北京)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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679733A (zh) * 2013-12-18 2014-03-26 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
US20180197026A1 (en) * 2015-07-08 2018-07-12 Nissan Motor Co., Ltd. Lamp Detection Device and Lamp Detection Method
US20190087961A1 (en) * 2017-09-15 2019-03-21 Kabushiki Kaisha Toshiba Signal identifying device, signal identifying method, and driving support system
US20200202157A1 (en) * 2018-12-21 2020-06-25 Canon Kabushiki Kaisha Image processing apparatus, control method performed by image processing apparatus, and storage medium
CN112101223A (zh) * 2020-09-16 2020-12-18 北京百度网讯科技有限公司 检测方法、装置、设备和计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MARGRIT BETKE ET AL.: "Multiple Vehicle Detection and Tracking in Hard Real-Time", 《PROCEEDINGS OF CONFERENCE ON INTELLIGENT VEHICLES》, pages 4 *

Cited By (5)

* Cited by examiner, † Cited by third party
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
CN114581873A (zh) * 2022-03-11 2022-06-03 阿波罗智联(北京)科技有限公司 筛选路侧设备的方法、装置、设备、介质及产品
CN114581873B (zh) * 2022-03-11 2023-08-18 阿波罗智联(北京)科技有限公司 筛选路侧设备的方法、装置、设备、介质及产品
CN116468868A (zh) * 2023-04-27 2023-07-21 广州小鹏自动驾驶科技有限公司 交通信号灯的建图方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20210334980A1 (en) 2021-10-28
JP2022043214A (ja) 2022-03-15
EP3872701A2 (en) 2021-09-01
KR20210102123A (ko) 2021-08-19
JP7295213B2 (ja) 2023-06-20
US11810320B2 (en) 2023-11-07
EP3872701A3 (en) 2022-01-12

Similar Documents

Publication Publication Date Title
CN112700410A (zh) 信号灯位置确定方法、装置、存储介质、程序、路侧设备
CN112634343A (zh) 图像深度估计模型的训练方法、图像深度信息的处理方法
CN112733839A (zh) 灯头位置确定方法、装置、存储介质、程序、路侧设备
WO2019084803A1 (zh) 一种光伏板识别方法、地面站、控制设备及无人机
CN112863187B (zh) 感知模型的检测方法、电子设备、路侧设备和云控平台
CN113887418A (zh) 车辆违规行驶的检测方法、装置、电子设备及存储介质
CN113221878A (zh) 应用于信号灯检测的检测框调整方法、装置及路侧设备
CN113989777A (zh) 高精地图限速标牌与车道位置的识别方法、装置和设备
EP4080479A2 (en) Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system
CN112597895A (zh) 基于偏移量检测的置信度确定方法、路侧设备及云控平台
CN113129375B (zh) 数据处理方法、装置、设备及存储介质
CN112507956B (zh) 信号灯识别方法、装置、电子设备、路侧设备和云控平台
CN114005098A (zh) 高精地图车道线信息的检测方法、装置和电子设备
CN112669387B (zh) 灯头位置确定方法、装置、存储介质、程序、路侧设备
JP7258101B2 (ja) 画像の手ぶれ補正方法、装置、電子機器、記憶媒体、コンピュータプログラム製品、路側機およびクラウド制御プラットフォーム
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN113362227B (zh) 图像处理方法、装置、电子设备及存储介质
CN115222939A (zh) 一种图像识别方法、装置、设备以及存储介质
CN113920486A (zh) 交通灯的标注方法、装置、电子设备及路侧计算设备
CN113112551A (zh) 相机参数的确定方法、装置、路侧设备和云控平台
CN114333345B (zh) 停车位被遮挡时的预警方法、设备、存储介质及程序产品
CN118061205B (zh) 一种移动机器人控制方法、装置、设备及存储介质
CN113033464A (zh) 信号灯检测方法、装置、设备以及存储介质
CN113947762A (zh) 交通灯的灯色识别方法、装置、设备以及路侧计算设备
CN114842465A (zh) 车牌检测方法、装置、电子设备、介质及智能交通设备

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
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.

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210423