CN113408409A - 交通信号灯识别方法、设备、云控平台和车路协同系统 - Google Patents

交通信号灯识别方法、设备、云控平台和车路协同系统 Download PDF

Info

Publication number
CN113408409A
CN113408409A CN202110675157.4A CN202110675157A CN113408409A CN 113408409 A CN113408409 A CN 113408409A CN 202110675157 A CN202110675157 A CN 202110675157A CN 113408409 A CN113408409 A CN 113408409A
Authority
CN
China
Prior art keywords
position information
traffic signal
average
signal lamp
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.)
Pending
Application number
CN202110675157.4A
Other languages
English (en)
Inventor
刘博�
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 Zhilian Beijing Technology Co Ltd
Original Assignee
Apollo Zhilian Beijing 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 Apollo Zhilian Beijing Technology Co Ltd filed Critical Apollo Zhilian Beijing Technology Co Ltd
Priority to CN202110675157.4A priority Critical patent/CN113408409A/zh
Publication of CN113408409A publication Critical patent/CN113408409A/zh
Priority to KR1020220045668A priority patent/KR20220054258A/ko
Priority to JP2022094835A priority patent/JP2022120116A/ja
Priority to US17/840,747 priority patent/US20220309763A1/en
Priority to EP22179595.8A priority patent/EP4080479A3/en
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • 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
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/095—Traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/096—Arrangements for giving variable traffic instructions provided with indicators in which a mark progresses showing the time elapsed, e.g. of green phase
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element

Abstract

本公开公开了一种交通信号灯识别方法、装置、设备、介质和产品，涉及智能交通领域，尤其涉及自动驾驶、图像处理等领域。交通信号灯识别方法包括：对待识别图像进行识别，得到交通信号灯的第一位置信息；响应于第一位置信息指示了交通信号灯中的一部分的位置，基于第一位置信息和至少一个第二位置信息彼此之间的相对位置关系，从至少一个第二位置信息中确定目标位置信息，其中，第二位置信息指示了交通信号灯的位置；针对待识别图像中与目标位置信息对应的第一图像区域，对第一图像区域进行识别，得到交通信号灯的颜色。

Description

交通信号灯识别方法、设备、云控平台和车路协同系统
技术领域
本公开涉及智能交通领域，尤其涉及自动驾驶、图像处理等领域，更具体地，涉及一种交通信号灯识别方法、设备、云控平台和车路协同系统。
背景技术
在交通领域，通常需要识别交通信号灯的颜色，以便车辆能够根据交通信号灯的颜色行驶或停止。特别是在自动驾驶和智能交通领域，通常需要自动识别交通信号灯的颜色，便于自动驾驶车辆根据识别的颜色进行相关操作。但是，相关技术在识别交通信号灯的颜色时，由于环境干扰、识别算法本身的精度问题，导致识别效果较差，从而使得车辆驾驶过程中存在安全隐患。
发明内容
本公开提供了一种交通信号灯识别方法、装置、电子设备、存储介质、程序产品、路侧设备、云控平台以及车路协同系统。
根据本公开的一方面，提供了一种交通信号灯识别方法，包括：对待识别图像进行识别，得到所述交通信号灯的第一位置信息；响应于所述第一位置信息指示了所述交通信号灯中的一部分的位置，基于所述第一位置信息和至少一个第二位置信息彼此之间的相对位置关系，从所述至少一个第二位置信息中确定目标位置信息，其中，所述第二位置信息指示了所述交通信号灯的位置；针对所述待识别图像中与所述目标位置信息对应的第一图像区域，对所述第一图像区域进行识别，得到所述交通信号灯的颜色。
根据本公开的另一方面，提供了一种交通信号灯识别装置，包括：第一识别模块、第一确定模块以及第二识别模块。第一识别模块，用于对待识别图像进行识别，得到所述交通信号灯的第一位置信息；第一确定模块，用于响应于所述第一位置信息指示了所述交通信号灯中的一部分的位置，基于所述第一位置信息和至少一个第二位置信息彼此之间的相对位置关系，从所述至少一个第二位置信息中确定目标位置信息，其中，所述第二位置信息指示了所述交通信号灯的位置；第二识别模块，用于针对所述待识别图像中与所述目标位置信息对应的第一图像区域，对所述第一图像区域进行识别，得到所述交通信号灯的颜色。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和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上述的交通信号灯识别方法。
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上述的交通信号灯识别方法。
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上述的交通信号灯识别方法。
根据本公开的另一方面，提供了一种路侧设备，包括上述的电子设备。
根据本公开的另一方面，提供了一种云控平台，包括上述的电子设备。
根据本公开的另一方面，提供了一种车路协同系统，包括上述的路侧设备和自动驾驶车辆，其中，所述路侧设备，用于将所述交通信号灯的颜色发送给所述自动驾驶车辆；所述自动驾驶车辆，用于根据所述交通信号灯的颜色进行自动驾驶。
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示意性示出了根据本公开一实施例的交通信号灯识别方法和装置的应用场景；
图2示意性示出了根据本公开一实施例的交通信号灯识别方法的流程图；
图3示意性示出了根据本公开一实施例的交通信号灯识别方法的示意图；
图4示意性示出了根据本公开另一实施例的交通信号灯识别方法的示意图；
图5示意性示出了根据本公开一实施例的交通信号灯识别装置的框图；以及
图6是用来实现本公开实施例的用于执行交通信号灯识别的电子设备的框图。
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。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种交通信号灯识别方法。交通信号灯识别方法包括：对待识别图像进行识别，得到交通信号灯的第一位置信息。然后，响应于第一位置信息指示了交通信号灯中的一部分的位置，基于第一位置信息和至少一个第二位置信息彼此之间的相对位置关系，从至少一个第二位置信息中确定目标位置信息，第二位置信息指示了交通信号灯的位置。接下来，针对待识别图像中与目标位置信息对应的第一图像区域，对第一图像区域进行识别，得到交通信号灯的颜色。
图1示意性示出了根据本公开一实施例的交通信号灯识别方法和装置的应用场景。需要注意的是，图1所示仅为可以应用本公开实施例的应用场景的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的应用场景100可以包括图像采集装置101、服务器102和车辆103。
图像采集装置101可以包括摄像头。图像采集装置101可以固定于某一位置，这个位置例如是路口的监控灯杆、路灯杆上，图像采集装置101用于采集交通信号灯的图像。在采集到交通信号灯的图像之后，可以将图像发送给服务器102进行处理。自动驾驶车辆行驶过程中，可能被大车遮挡无法识别到前方信号灯。通过路侧设备例如路侧相机、路侧摄像头具备更好的视野，来识别灯色来发送给自动驾驶车辆，辅助自动驾驶车辆安全通过路口，实现车路协同。
服务器102可以是提供各种服务的服务器。服务器102在接收到图像之后，可以对图像进行识别，以得到交通信号灯的颜色。交通信号灯的颜色例如包括红色、黄色、绿色等。
服务器102识别到交通信号灯的颜色之后，可以将识别结果发送给车辆103。车辆103可以是自动驾驶车辆。车辆103接收到识别结果之后，可以根据识别结果行驶或停止。例如，当识别结果指示交通信号灯为绿色时，车辆103可以继续行驶。如果识别结果指示交通信号灯为红色或黄色，车辆103可以停止等待。
需要说明的是，本公开实施例所提供的交通信号灯识别方法可以由服务器102执行。相应地，本公开实施例所提供的交通信号灯识别装置可以设置于服务器102中。
在另一示例中，当图像采集装置101具有图像处理功能时，本公开实施例的交通信号灯识别方法也可以由图像采集装置101执行，识别得到交通信号灯的颜色，并将识别结果发送给车辆103。
在另一示例中，当车辆103具有图像处理功能时，本公开实施例的交通信号灯识别方法也可以由车辆103执行，识别得到交通信号灯的颜色。例如，当车辆103接收到来自图像采集装置101的图像之后，可以对图像进行处理得到交通信号灯的颜色。
示例性地，服务器102可以包括具有处理器和存储器的电子设备，处理器和存储器通信连接。存储器存储有可被处理器执行的指令，指令被处理器执行时可以实现本公开实施例的交通信号灯识别方法。
示例性地，本公开的实施例还提供了路侧设备和云控平台，路侧设备可以包括电子设备，云控平台也可以包括电子设备。
可选地，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，从而进行图像视频处理和数据计算。可选的，电子设备自身也可以具备感知数据获取功能和通信功能，例如是AI相机，电子设备可以直接基于获取的感知数据进行图像视频处理和数据计算。
可选地，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，从而进行图像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。
示例性地，本公开的实施例还提供了车路协同系统，车路协同系统例如包括路侧设备和自动驾驶车辆，自动驾驶车辆可以是上述的车辆103。路侧设备用于将交通信号灯的颜色发送给自动驾驶车辆，自动驾驶车辆用于根据交通信号灯的颜色进行自动驾驶。
本公开实施例提供了一种交通信号灯识别方法，下面结合图1的应用场景，参考图2～图4来描述根据本公开示例性实施方式的交通信号灯识别方法。
图2示意性示出了根据本公开一实施例的交通信号灯识别方法的流程图。
如图2所示，本公开实施例的交通信号灯识别方法200例如可以包括操作S210～操作S230。
在操作S210，对待识别图像进行识别，得到交通信号灯的第一位置信息。
在操作S220，响应于第一位置信息指示了交通信号灯中的一部分的位置，基于第一位置信息和至少一个第二位置信息彼此之间的相对位置关系，从至少一个第二位置信息中确定目标位置信息。
在操作S230，针对待识别图像中与目标位置信息对应的第一图像区域，对第一图像区域进行识别，得到交通信号灯的颜色。
示例性地，第二位置信息例如指示了交通信号灯的位置。
示例性地，交通信号灯例如为灯组，灯组包括多个灯头。可以通过目标检测模型对待识别图像进行识别，得到交通信号灯在待识别图像中的第一位置信息。
第一位置信息通常例如指示了交通信号灯中的一部分的位置，或者也可以指示交通信号灯整体的位置。交通信号灯中的一部分例如可以是多个灯头的部分灯头，交通信号灯整体例如包括所有灯头。以交通信号灯包括三个灯头为例，三个灯头分别为红灯灯头、黄灯灯头、绿灯灯头。交通信号灯中的一部分例如包括一个或两个灯头。交通信号灯整体例如包括三个灯头。
至少一个第二位置信息例如是通过对其他图像进行识别得到的，其他图像是针对交通信号灯的图像。第二位置信息指示了交通信号灯整体的位置。当第一位置信息指示交通信号灯中的一部分灯头的位置时，可以基于第一位置信息和每个第二位置信息的相对位置关系，从至少一个第二位置信息中确定出与第一位置信息距离近的目标位置信息，目标位置信息例如指示了交通信号灯整体的位置。
接下来，从待识别图像中确定出与目标位置信息对应的第一图像区域，该第一图像区域例如是针对交通信号灯的区域。然后对该第一图像区域进行识别，得到交通信号灯的颜色。
在本公开的实施例中，当识别到的第一位置信息仅指示交通信号灯的一部分的位置时，如果从待识别图像中确定与第一位置信息对应的图像区域，并对图像区域进行颜色识别，将导致识别效果不佳。因此，本公开的实施例通过确定与第一位置信息匹配的目标位置信息，并从待识别图像中确定与目标位置信息对应的第一图像区域，对第一图像区域进行颜色识别得到交通信号灯的颜色。由于目标位置信息指示了交通信号灯整体的位置，基于整体的位置进行颜色识别提高了颜色识别效果。
图3示意性示出了根据本公开一实施例的交通信号灯识别方法的示意图。
如图3所示，在一种情况下，针对某个路口的至少一个交通信号灯，至少一个交通信号灯以两个为例。利用固定位置的图像采集装置对至少一个交通信号灯进行图像采集得到多个图像，以一个图像310为例。对图像310进行识别得到至少一个交通信号灯整体在图像中的至少一个第二位置信息，至少一个第二位置信息例如包括第二位置信息311和第二位置信息312。至少一个第二位置信息例如与至少一个交通信号灯整体一一对应。每个第二位置信息例如包括交通信号灯的整体灯框信息。
在另一种情况下，针对该路口的至少一个交通信号灯，可以利用相同的图像采集装置对至少一个交通信号灯进行图像采集，得到待识别图像320。由于待识别图像320中存在图像质量较差的可能性，对待识别图像320进行识别时，得到的第一位置信息321例如仅针对交通信号灯的一部分。例如在夜间进行图像采集时，图像的质量较差，通常由于某一灯头点亮而形成强烈的光晕，导致无法识别到交通信号灯的整体灯框。例如，当识别到待识别图像320中具有灯晕时，第一位置信息321包括灯晕所在的位置，使得识别结果无法包含交通信号灯的整体灯框信息。
如果基于第一位置信息321确定待识别图像中的图像区域，并对图像区域进行识别得到交通信号灯的颜色，由于识别结果受到灯晕强度的影响，将导致识别效果不佳。
因此，通过将第一位置信息321和每个第二位置信息进行匹配，将与第一位置信息321相近的第二位置信息311作为目标位置信息。然后，从待识别图像320中确定与目标位置信息匹配的第一图像区域322。然后，对第一图像区域322进行图像识别，得到针对待识别图像320中交通信号灯的颜色。
示例性地，对第一图像区域322进行识别，得到交通信号灯的颜色包括以下几种方式。
第一种方式，可以基于第一图像区域322中部分像素的像素值，确定交通信号灯的颜色。部分像素包括第一图像区域322中的下方区域的像素，该下方区域包括灯晕所在的区域，灯晕表示此处具有点亮的灯头。可以基于灯晕所在的区域的像素值确定颜色。
另一种方式，基于第一图像区域322中像素的分布，确定交通信号灯的颜色。例如，第一图像区域322中像素的分布情况包括灯晕对应的像素分布在第一图像区域322的下方区域。针对交通信号灯，交通信号灯从上至下的灯头依次表示为红灯灯头、黄灯灯头、绿灯灯头。如果第一图像区域322的下方区域是灯晕，通常表示交通信号灯的下方区域存在点亮的灯头，基于第一图像区域322中像素的分布可知交通信号灯当前为绿灯亮起。
另一种方式，可以结合第一图像区域322中部分像素的像素值和第一图像区域322中像素的分布同时确定交通信号灯的颜色，从而提高识别准确性。
在本公开的实施例中，当识别到的第一位置信息仅指示交通信号灯的一部分的位置时，通过确定与第一位置信息匹配的目标位置信息，然后从待识别图像中确定与目标位置信息对应的第一图像区域，并对第一图像区域进行颜色识别得到识别结果。由于本公开的实施例在进行颜色识别时，考虑了灯晕在第一图像区域中的相对位置关系，提高了颜色识别的效果。
以下将结合图4来说明如何确定至少一个第二位置信息。
图4示意性示出了根据本公开另一实施例的交通信号灯识别方法的示意图。
如图4所示，获取针对交通信号灯的多个初始图像410、420、430，并分别处理多个初始图像。例如，对每个初始图像进行图像识别，得到针对交通信号灯的多个初始位置信息411、412、421、422、431、432。每个初始位置信息指示了交通信号灯的位置，即初始位置信息是针对交通信号灯的整体灯框的。如果多个初始位置信息的数量小于预设数量，可以继续获取初始图像进行识别，当得到初始位置信息的数量大于或等于预设数量时，再执行以下的分组操作。
基于多个初始位置信息411、412、421、422、431、432彼此之间的相对位置关系，对多个初始位置信息411、412、421、422、431、432进行划分，得到至少一个分组。
例如，将多个初始位置信息中相近的初始位置信息划分至同一个分组，从而得到两个分组。第一个分组440例如包括初始位置信息411、421、431，第二个分组450例如包括初始位置信息412、422、432。
针对至少一个分组中的每个分组，基于分组中的初始位置信息，得到平均位置信息。然后，将至少一个平均位置信息，作为至少一个第二位置信息。
例如，每个初始位置信息包括检测框的位置信息，将每个检测框的中心点作为数据结构中数据图的顶点，中心点与中心点之间的距离作为数据图的边，当边的值小于阈值则认为由这个边连接的两个顶点之间是连通的，将该两个顶点对应的初始位置信息划分至一个分组。
针对每个分组，基于该分组中每个检测框的中心点的位置信息，计算得到参考中心点的位置信息。例如，将该分组中所有检测框的中心点的位置进行平均得到平均值，将平均值作为参考中心点的位置。或者，从该分组中的所有检测框的中心点中选择处于中位数的中心点作为参考中心点，处于中位数的中心点的位置信息即为参考中心点的位置信息。
然后，基于参考中心点的位置信息和基准检测框的位置信息，确定平均检测框的位置信息。基准检测框是提前基于基准图像所确定的针对交通信号灯的检测框。
以基准检测框包括第一基准检测框和第二基准检测框为例。针对第一分组440确定的平均检测框461的中心点的位置信息为与第一分组440对应的参考中心点的位置信息，平均检测框461的长宽为第一基准检测框的长宽。针对第二分组450确定的平均检测框462的中心点的位置信息为与第二分组450对应的参考中心点的位置信息，平均检测框462的长宽为第二基准检测框的长宽。第一基准检测框的长宽和第二基准检测框的长宽例如相同，也可以不同。
接下来，可以基于平均检测框的位置信息，确定平均位置信息。例如，针对与多个分组一一对应的多个平均检测框461、462的位置信息，将多个平均检测框461、462的位置信息分别与基准检测框的位置信息进行匹配，得到匹配结果。
示例性地，针对多个平均检测框461、462中的任意一个，如果该平均检测框的位置信息与任意一个基准检测框的位置信息匹配，例如该平均检测框的中心和基准检测框的中心之间的距离较小，则表示匹配。此时，可以将多个平均检测框461、462的位置信息作平均位置信息，并将平均位置信息作为第二位置信息。
示例性地，针对多个平均检测框461、462中的任意一个，如果平均检测框的位置信息与所有的基准检测框的位置信息不匹配，例如平均检测框的中心和所有的基准检测框的中心之间的距离较大，则表示不匹配。不匹配可能是因为在对初始图像进行识别时，存在误识别的情况。此时，可以对多个平均检测框进行删除操作，例如删除不匹配的平均检测框，将剩余的平均检测框的位置信息作为平均位置信息，并将平均位置信息作为第二位置信息。第一位置信息和第二位置信息也可以是检测框的位置信息。
在本公开的实施例中，对多个初始图像进行识别得到平均检测框，并基于平均检测框得到第二位置信息，便于基于第二位置信息来执行交通信号灯的颜色识别，提高了识别效果。
在本公开的另一实施例中，当对待识别图像进行识别得到第一位置信息之后，如果第一位置信息指示了交通信号灯的整体位置，可以确定第一位置信息是针对整体灯框的，此时可以确定第一位置信息与至少一个第二位置信息彼此之间的相对位置关系。
例如，针对至少一个第二位置信息中的任意一个，如果任意一个第二位置信息表征的位置与第一位置信息表征的位置之间的距离小于预设距离，表示第一位置信息和该第二位置信息匹配，则可以直接从待识别图像中确定与第一位置信息对应的第二图像区域。然后，直接对第二图像区域进行识别，得到交通信号灯的颜色。对第二图像区域进行识别的过程与上文中对第一图像区域进行识别的过程类似，在此不再赘述。
如果所有的第二位置信息表征的位置与第一位置信息表征的位置之间的距离大于或等于预设距离，表示第一位置信息和所有的第二位置信息不匹配，表示第一位置信息所指示的整体灯框可能是后来新增的灯框，此时不进行颜色识别。继续获取多个新增图像，并对多个新增图像进行识别得到与第一位置信息对应的多个新增的位置信息，对第一位置信息和新增的位置信息进行处理，得到新增的平均位置信息。对第一位置信息和新增的位置信息进行处理的过程与上文中对每个分组中多个初始位置信息的处理过程类似，在此不再赘述。然后，将新增的平均位置信息添加至少一个第二位置信息中，便于后续基于更新的第二位置信息来进行颜色识别。
在本公开的实施例中，可以实时更新第二位置信息，便于基于更新的第二位置信息来进行颜色识别，提高识别的准确性。
图5示意性示出了根据本公开一实施例的交通信号灯识别装置的框图。
如图5所示，本公开实施例的交通信号灯识别装置500例如包括第一识别模块510、第一确定模块520以及第二识别模块530。
第一识别模块510可以用于对待识别图像进行识别，得到交通信号灯的第一位置信息。根据本公开实施例，第一识别模块510例如可以执行上文参考图2描述的操作S210，在此不再赘述。
第一确定模块520可以用于响应于第一位置信息指示了交通信号灯中的一部分的位置，基于第一位置信息和至少一个第二位置信息彼此之间的相对位置关系，从至少一个第二位置信息中确定目标位置信息，其中，第二位置信息指示了交通信号灯的位置。根据本公开实施例，第一确定模块520例如可以执行上文参考图2描述的操作S220，在此不再赘述。
第二识别模块530可以用于针对待识别图像中与目标位置信息对应的第一图像区域，对第一图像区域进行识别，得到交通信号灯的颜色。根据本公开实施例，第二识别模块530例如可以执行上文参考图2描述的操作S230，在此不再赘述。
根据本公开的实施例，装置500还可以包括：获取模块、处理模块和第二确定模块。获取模块，用于获取针对交通信号灯的多个初始图像；处理模块，用于处理多个初始图像，得到针对交通信号灯的至少一个平均位置信息；第二确定模块，用于将至少一个平均位置信息，作为至少一个第二位置信息。
根据本公开的实施例，处理模块包括：识别子模块、划分子模块和第一确定子模块。识别子模块，用于对多个初始图像进行图像识别，得到针对交通信号灯的多个初始位置信息，其中，初始位置信息指示了交通信号灯的位置；划分子模块，用于基于多个初始位置信息彼此之间的相对位置关系，对多个初始位置信息进行划分，得到至少一个分组；第一确定子模块，用于针对至少一个分组中的每个分组，基于分组中的初始位置信息，得到平均位置信息。
根据本公开的实施例，初始位置信息包括检测框的位置信息；第一确定子模块包括：计算单元、第一确定单元和第二确定单元。计算单元，用于基于分组中每个检测框的中心点的位置信息，计算得到参考中心点的位置信息；第一确定单元，用于基于参考中心点的位置信息和基准检测框的位置信息，确定平均检测框的位置信息，其中，基准检测框是基于基准图像所确定的针对交通信号灯的检测框；第二确定单元，用于基于平均检测框的位置信息，确定平均位置信息。
根据本公开的实施例，第二确定单元包括：匹配子单元和删除子单元。匹配子单元，用于针对与多个分组一一对应的多个平均检测框的位置信息，将多个平均检测框的位置信息分别与基准检测框的位置信息进行匹配，得到匹配结果；删除子单元，用于基于匹配结果，对多个平均检测框进行删除操作，将剩余的平均检测框的位置信息作为平均位置信息。
根据本公开的实施例，装置500还可以包括：第三确定模块、第四确定模块和第三识别模块。第三确定模块，用于响应于第一位置信息指示了交通信号灯的位置，确定第一位置信息与至少一个第二位置信息彼此之间的相对位置关系；第四确定模块，用于针对至少一个第二位置信息中的任意一个，响应于任意一个第二位置信息表征的位置与第一位置信息表征的位置之间的距离小于预设距离，从待识别图像中确定与第一位置信息对应的第二图像区域；第三识别模块，用于对第二图像区域进行识别，得到交通信号灯的颜色。
根据本公开的实施例，装置500还可以包括：第四识别模块、第五确定模块和添加模块。第四识别模块，用于响应于任意一个第二位置信息表征的位置与第一位置信息表征的位置之间的距离大于或等于预设距离，对新增图像进行识别，得到新增的位置信息；第五确定模块，用于基于第一位置信息和新增的位置信息，得到新增的平均位置信息；添加模块，用于将新增的平均位置信息添加至少一个第二位置信息中。
根据本公开的实施例，第二识别模块530包括第二确定子模块和第三确定子模块中的至少一项。第二确定子模块，用于基于第一图像区域中部分像素的像素值，确定交通信号灯的颜色；第三确定子模块，用于基于第一图像区域中像素的分布，确定交通信号灯的颜色。
本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6是用来实现本公开实施例的用于执行交通信号灯识别的电子设备的框图。
图6示出了可以用来实施本公开实施例的示例电子设备600的示意性框图。电子设备600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RAM 603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，例如交通信号灯识别方法。例如，在一些实施例中，交通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RAM 603并由计算单元601执行时，可以执行上文描述的交通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)而被配置为执行交通信号灯识别方法。
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、现场可编程门阵列(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，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 (22)

1.一种交通信号灯识别方法，包括：
对待识别图像进行识别，得到所述交通信号灯的第一位置信息；
响应于所述第一位置信息指示了所述交通信号灯中的一部分的位置，基于所述第一位置信息和至少一个第二位置信息彼此之间的相对位置关系，从所述至少一个第二位置信息中确定目标位置信息，其中，所述第二位置信息指示了所述交通信号灯的位置；以及
针对所述待识别图像中与所述目标位置信息对应的第一图像区域，对所述第一图像区域进行识别，得到所述交通信号灯的颜色。
2.根据权利要求1所述的方法，还包括：
获取针对所述交通信号灯的多个初始图像；
处理所述多个初始图像，得到针对所述交通信号灯的至少一个平均位置信息；以及
将所述至少一个平均位置信息，作为所述至少一个第二位置信息。
3.根据权利要求2所述的方法，其中，所述处理所述多个初始图像，得到针对所述交通信号灯的至少一个平均位置信息包括：
对所述多个初始图像进行图像识别，得到针对所述交通信号灯的多个初始位置信息，其中，所述初始位置信息指示了所述交通信号灯的位置；
基于所述多个初始位置信息彼此之间的相对位置关系，对所述多个初始位置信息进行划分，得到至少一个分组；以及
针对所述至少一个分组中的每个分组，基于所述分组中的初始位置信息，得到所述平均位置信息。
4.根据权利要求3所述的方法，其中，所述初始位置信息包括检测框的位置信息；所述基于所述分组中的初始位置信息，得到所述平均位置信息包括：
基于所述分组中每个检测框的中心点的位置信息，计算得到参考中心点的位置信息；
基于参考中心点的位置信息和基准检测框的位置信息，确定平均检测框的位置信息，其中，所述基准检测框是基于基准图像所确定的针对所述交通信号灯的检测框；以及
基于所述平均检测框的位置信息，确定所述平均位置信息。
5.根据权利要求4所述的方法，其中，所述基于所述平均检测框的位置信息，确定所述平均位置信息包括：
针对与所述多个分组一一对应的多个平均检测框的位置信息，将所述多个平均检测框的位置信息分别与所述基准检测框的位置信息进行匹配，得到匹配结果；以及
基于所述匹配结果，对所述多个平均检测框进行删除操作，将剩余的平均检测框的位置信息作为所述平均位置信息。
6.根据权利要求1-5中任意一项所述的方法，还包括：
响应于所述第一位置信息指示了所述交通信号灯的位置，确定所述第一位置信息与所述至少一个第二位置信息彼此之间的相对位置关系；
针对所述至少一个第二位置信息中的任意一个，响应于任意一个第二位置信息表征的位置与所述第一位置信息表征的位置之间的距离小于预设距离，从所述待识别图像中确定与所述第一位置信息对应的第二图像区域；以及
对所述第二图像区域进行识别，得到所述交通信号灯的颜色。
7.根据权利要求6所述的方法，还包括：
响应于任意一个第二位置信息表征的位置与所述第一位置信息表征的位置之间的距离大于或等于预设距离，对新增图像进行识别，得到新增的位置信息；
基于所述第一位置信息和所述新增的位置信息，得到新增的平均位置信息；以及
将新增的平均位置信息添加至所述至少一个第二位置信息中。
8.根据权利要求1-7中任意一项所述的方法，其中，所述对所述第一图像区域进行识别，得到所述交通信号灯的颜色包括以下至少一项：
基于所述第一图像区域中部分像素的像素值，确定所述交通信号灯的颜色；以及
基于所述第一图像区域中像素的分布，确定所述交通信号灯的颜色。
9.一种交通信号灯识别装置，包括：
第一识别模块，用于对待识别图像进行识别，得到所述交通信号灯的第一位置信息；
第一确定模块，用于响应于所述第一位置信息指示了所述交通信号灯中的一部分的位置，基于所述第一位置信息和至少一个第二位置信息彼此之间的相对位置关系，从所述至少一个第二位置信息中确定目标位置信息，其中，所述第二位置信息指示了所述交通信号灯的位置；以及
第二识别模块，用于针对所述待识别图像中与所述目标位置信息对应的第一图像区域，对所述第一图像区域进行识别，得到所述交通信号灯的颜色。
10.根据权利要求9所述的装置，还包括：
获取模块，用于获取针对所述交通信号灯的多个初始图像；
处理模块，用于处理所述多个初始图像，得到针对所述交通信号灯的至少一个平均位置信息；以及
第二确定模块，用于将所述至少一个平均位置信息，作为所述至少一个第二位置信息。
11.根据权利要求10所述的装置，其中，所述处理模块包括：
识别子模块，用于对所述多个初始图像进行图像识别，得到针对所述交通信号灯的多个初始位置信息，其中，所述初始位置信息指示了所述交通信号灯的位置；
划分子模块，用于基于所述多个初始位置信息彼此之间的相对位置关系，对所述多个初始位置信息进行划分，得到至少一个分组；以及
第一确定子模块，用于针对所述至少一个分组中的每个分组，基于所述分组中的初始位置信息，得到所述平均位置信息。
12.根据权利要求11所述的装置，其中，所述初始位置信息包括检测框的位置信息；所述第一确定子模块包括：
计算单元，用于基于所述分组中每个检测框的中心点的位置信息，计算得到参考中心点的位置信息；
第一确定单元，用于基于参考中心点的位置信息和基准检测框的位置信息，确定平均检测框的位置信息，其中，所述基准检测框是基于基准图像所确定的针对所述交通信号灯的检测框；以及
第二确定单元，用于基于所述平均检测框的位置信息，确定所述平均位置信息。
13.根据权利要求12所述的装置，其中，所述第二确定单元包括：
匹配子单元，用于针对与所述多个分组一一对应的多个平均检测框的位置信息，将所述多个平均检测框的位置信息分别与所述基准检测框的位置信息进行匹配，得到匹配结果；以及
删除子单元，用于基于所述匹配结果，对所述多个平均检测框进行删除操作，将剩余的平均检测框的位置信息作为所述平均位置信息。
14.根据权利要求9-13中任意一项所述的装置，还包括：
第三确定模块，用于响应于所述第一位置信息指示了所述交通信号灯的位置，确定所述第一位置信息与所述至少一个第二位置信息彼此之间的相对位置关系；
第四确定模块，用于针对所述至少一个第二位置信息中的任意一个，响应于任意一个第二位置信息表征的位置与所述第一位置信息表征的位置之间的距离小于预设距离，从所述待识别图像中确定与所述第一位置信息对应的第二图像区域；以及
第三识别模块，用于对所述第二图像区域进行识别，得到所述交通信号灯的颜色。
15.根据权利要求14所述的装置，还包括：
第四识别模块，用于响应于任意一个第二位置信息表征的位置与所述第一位置信息表征的位置之间的距离大于或等于预设距离，对新增图像进行识别，得到新增的位置信息；
第五确定模块，用于基于所述第一位置信息和所述新增的位置信息，得到新增的平均位置信息；以及
添加模块，用于将新增的平均位置信息添加至所述至少一个第二位置信息中。
16.根据权利要求9-15中任意一项所述的装置，其中，所述第二识别模块包括以下至少一项：
第二确定子模块，用于基于所述第一图像区域中部分像素的像素值，确定所述交通信号灯的颜色；以及
第三确定子模块，用于基于所述第一图像区域中像素的分布，确定所述交通信号灯的颜色。
17.一种电子设备，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1-8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根据权利要求1-8中任一项所述的方法。
20.一种路侧设备，包括如权利要求17所述的电子设备。
21.一种云控平台，包括如权利要求17所述的电子设备。
22.一种车路协同系统，包括如权利要求20所述的路侧设备和自动驾驶车辆，其中，
所述路侧设备，用于将所述交通信号灯的颜色发送给所述自动驾驶车辆；
所述自动驾驶车辆，用于根据所述交通信号灯的颜色进行自动驾驶。
CN202110675157.4A 2021-06-17 2021-06-17 交通信号灯识别方法、设备、云控平台和车路协同系统 Pending CN113408409A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110675157.4A CN113408409A (zh) 2021-06-17 2021-06-17 交通信号灯识别方法、设备、云控平台和车路协同系统
KR1020220045668A KR20220054258A (ko) 2021-06-17 2022-04-13 교통 신호등의 인식 방법과 인식 장치, 전자 기기, 노변 장치, 클라우드 제어 플랫폼, 차량 인프라 협력 시스템, 저장 매체 및 컴퓨터 프로그램
JP2022094835A JP2022120116A (ja) 2021-06-17 2022-06-13 交通信号灯の識別方法、装置、電子機器、記憶媒体、コンピュータプログラム、路側機器、クラウド制御プラットフォーム及び車両道路協同システム
US17/840,747 US20220309763A1 (en) 2021-06-17 2022-06-15 Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system
EP22179595.8A EP4080479A3 (en) 2021-06-17 2022-06-17 Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110675157.4A CN113408409A (zh) 2021-06-17 2021-06-17 交通信号灯识别方法、设备、云控平台和车路协同系统

Publications (1)

Publication Number Publication Date
CN113408409A true CN113408409A (zh) 2021-09-17

Family

ID=77685008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110675157.4A Pending CN113408409A (zh) 2021-06-17 2021-06-17 交通信号灯识别方法、设备、云控平台和车路协同系统

Country Status (5)

Country Link
US (1) US20220309763A1 (zh)
EP (1) EP4080479A3 (zh)
JP (1) JP2022120116A (zh)
KR (1) KR20220054258A (zh)
CN (1) CN113408409A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399917A (zh) * 2022-01-25 2022-04-26 北京理工大学 一种交通信号灯识别方法及车路协同路端设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119725A (zh) * 2019-05-20 2019-08-13 百度在线网络技术（北京）有限公司 用于检测信号灯的方法及装置
CN110543814A (zh) * 2019-07-22 2019-12-06 华为技术有限公司 一种交通灯的识别方法及装置
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
CN111428647A (zh) * 2020-03-25 2020-07-17 浙江浙大中控信息技术有限公司 一种交通信号灯故障检测方法
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
CN112507956A (zh) * 2020-12-21 2021-03-16 北京百度网讯科技有限公司 信号灯识别方法、装置、电子设备、路侧设备和云控平台
CN112700410A (zh) * 2020-12-28 2021-04-23 北京百度网讯科技有限公司 信号灯位置确定方法、装置、存储介质、程序、路侧设备
CN112733839A (zh) * 2020-12-28 2021-04-30 北京百度网讯科技有限公司 灯头位置确定方法、装置、存储介质、程序、路侧设备
US20210192239A1 (en) * 2019-06-27 2021-06-24 Sensetime Group Limited Method for recognizing indication information of an indicator light, electronic apparatus and storage medium

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019053619A (ja) * 2017-09-15 2019-04-04 株式会社東芝 信号識別装置、信号識別方法、及び運転支援システム
JP6614229B2 (ja) * 2017-12-06 2019-12-04 株式会社Ｊｖｃケンウッド 車線認識装置、車線認識方法
CN112528795A (zh) * 2020-12-03 2021-03-19 北京百度网讯科技有限公司 信号灯的灯色识别方法、装置及路侧设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119725A (zh) * 2019-05-20 2019-08-13 百度在线网络技术（北京）有限公司 用于检测信号灯的方法及装置
US20210192239A1 (en) * 2019-06-27 2021-06-24 Sensetime Group Limited Method for recognizing indication information of an indicator light, electronic apparatus and storage medium
CN110543814A (zh) * 2019-07-22 2019-12-06 华为技术有限公司 一种交通灯的识别方法及装置
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
CN111428647A (zh) * 2020-03-25 2020-07-17 浙江浙大中控信息技术有限公司 一种交通信号灯故障检测方法
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
CN112507956A (zh) * 2020-12-21 2021-03-16 北京百度网讯科技有限公司 信号灯识别方法、装置、电子设备、路侧设备和云控平台
CN112700410A (zh) * 2020-12-28 2021-04-23 北京百度网讯科技有限公司 信号灯位置确定方法、装置、存储介质、程序、路侧设备
CN112733839A (zh) * 2020-12-28 2021-04-30 北京百度网讯科技有限公司 灯头位置确定方法、装置、存储介质、程序、路侧设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399917A (zh) * 2022-01-25 2022-04-26 北京理工大学 一种交通信号灯识别方法及车路协同路端设备

Also Published As

Publication number Publication date
JP2022120116A (ja) 2022-08-17
KR20220054258A (ko) 2022-05-02
US20220309763A1 (en) 2022-09-29
EP4080479A3 (en) 2022-12-14
EP4080479A2 (en) 2022-10-26

Similar Documents

Publication Publication Date Title
EP3944213A2 (en) Method and apparatus of controlling traffic, roadside device and cloud control platform
EP3859708B1 (en) Traffic light image processing method and device, and roadside device
CN112560684B (zh) 车道线检测方法、装置、电子设备、存储介质以及车辆
US20170206427A1 (en) Efficient, High-Resolution System and Method to Detect Traffic Lights
WO2023273344A1 (zh) 车辆跨线识别方法、装置、电子设备和存储介质
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
US20230049656A1 (en) Method of processing image, electronic device, and medium
CN113361458A (zh) 基于视频的目标对象识别方法、装置、车辆及路侧设备
CN112528795A (zh) 信号灯的灯色识别方法、装置及路侧设备
CN112863187A (zh) 感知模型的检测方法、电子设备、路侧设备和云控平台
CN114581794B (zh) 地理数字孪生信息获取方法、装置、电子设备及存储介质
CN113409608A (zh) 针对交通信号灯的提示方法、装置、车辆和电子设备
CN113408409A (zh) 交通信号灯识别方法、设备、云控平台和车路协同系统
CN113901911A (zh) 图像识别、模型训练方法、装置、电子设备及存储介质
CN112699754A (zh) 信号灯识别方法、装置、设备以及存储介质
US20230048649A1 (en) Method of processing image, electronic device, and medium
CN114333409B (zh) 目标跟踪方法、装置、电子设备及存储介质
CN114005095B (zh) 车辆属性识别方法、装置、电子设备和介质
CN115222939A (zh) 一种图像识别方法、装置、设备以及存储介质
CN114708498A (zh) 图像处理方法、装置、电子设备以及存储介质
CN113806361B (zh) 电子监控设备与道路的关联方法、装置及存储介质
CN110796610A (zh) 图像的去雾方法、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
CN113963322B (zh) 一种检测模型训练方法、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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210917