CN114442619A - 一种无人驾驶设备的控制方法及装置 - Google Patents

Abstract

本说明书公开了一种无人驾驶设备的控制方法及装置，并具体公开了，在根据信号灯检测结果控制无人驾驶设备时，预测信号灯的图像在当前帧图像中的成像区域，作为补偿区域，同时获取从上一帧图像中识别出的信号灯在上一帧图像中的实际检测区域，作为基础区域，而后，通过该补偿区域，对基础区域进行调整，得到当前帧图像中的实际检测区域，并根据针对该实际检测区域的信号灯检测的检测结果，对无人驾驶设备进行控制。这样，上述实际检测区域的区域范围，同时参考了信号灯在当前帧图像中的成像区域和在上一帧图像的实际检测区域，因而该区域范围更为准确，信号灯检测的检测结果也更为精确，并降低了无人驾驶设备行驶时的安全风险。

Description

一种无人驾驶设备的控制方法及装置

技术领域

本说明书涉及无人驾驶技术领域，尤其涉及一种无人驾驶设备的控制方法及装置。

背景技术

无人驾驶设备实现自动驾驶时，需要利用信号灯感知模块，识别出位于无人驾驶设备的行进路径上的各信号灯，并根据识别出的结果行驶。

其中，在对无人驾驶设备行进路径上信号灯进行感知时，无人驾驶设备需要在采集包含信号灯的图像的同时，基于预设的高精度地图，根据无人驾驶设备的定位数据，预测无人驾驶设备上安装的摄像头以采集到的该图像时的位姿拍摄信号灯时，信号灯在图像中的位置，而后，根据该位置，从采集到的图像中划出需要进行红绿灯感知检测的图像区域。最后，无人驾驶设备对该图像区域进行信号灯颜色识别，确定出采集到的信号灯的颜色，并根据确定出的信号灯的颜色，控制无人驾驶设备行驶。

在基于上述方式识别信号灯时，若无人驾驶设备上安装的射摄像头发生抖动，或是无人驾驶设备无法获取到自身的准确的定位数据时，无人驾驶设备将无法准确地预测出信号灯在图像中的位置，进而导致无人驾驶设备无法根据预测出的位置，从采集到的图像中划出需要进行红绿灯感知检测的区域，从而出现信号灯识别错误的情况。

发明内容

本说明书提供一种无人驾驶设备的控制方法及装置，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种无人驾驶设备的控制方法，包括：

在当前时刻采集包含有信号灯的当前帧图像；

基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域，作为补偿区域，以及获取从上一帧图像中识别出的所述信号灯在所述上一帧图像中的实际检测区域，作为基础区域，所述上一帧图像是在上一时刻采集的；

通过所述补偿区域，对所述基础区域进行调整，得到所述信号灯的图像在所述当前帧图像中的实际检测区域；

对所述实际检测区域中包含的图像进行信号灯检测，并基于得到的检测结果，对所述无人驾驶设备进行控制。

可选地，基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域，具体包括：

根据所述无人驾驶设备在采集所述当前帧图像时的位姿以及预设的高精度地图中记录的所述信号的空间位置，确定所述无人驾驶设备在采集所述当前帧图像时，与所述信号灯之间的相对位姿，作为第一相对位姿；

根据所述第一相对位姿、以及所述无人驾驶设备与所述无人驾驶设备上安装的摄像头之间的相对位姿，确定采集到所述当前帧图像时所述摄像头与所述信号灯之间的相对位姿，作为第二相对位姿；

根据所述第二相对位姿以及所述信号灯的空间位置，预测所述信号灯的图像在所述当前帧图像中的成像区域。

可选地，基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预信号灯的图像在所述当前帧图像中的成像区域，作为补偿区域，具体包括：

根据预测出的各信号灯的图像在所述当前帧图像中的成像区域，对所述各信号灯进行分组，得到若干信号灯组；

针对每个信号灯组，根据该信号灯组内包含的各信号灯的图像在所述当前帧图像中的成像区域，确定该信号灯组在所述当前帧图像中对应的补偿区域。

可选地，获取从上一帧图像中识别出的所述信号灯在所述上一帧图像中的实际检测区域，作为基础区域，具体包括：

针对每个信号灯组，从所述高精度地图中，获取包含在该信号灯组内的各信号灯的标识；

根据所述标识，从上一帧图像中识别出该信号灯组在所述上一帧图像中的实际检测区域，作为该信号灯组对应的基础区域。

可选地，基于得到的检测结果，对所述无人驾驶设备进行控制，具体包括：

针对每个信号灯组，根据所述检测结果，确定该信号灯组中每个信号灯的信号灯状态；

根据该信号灯组中每个信号灯的信号灯状态，所述无人驾驶设备当前所处的车道，以及该信号灯组中每个信号灯所对应的车道，对所述无人驾驶设备进行控制。

可选地，通过所述补偿区域，对所述基础区域进行调整，得到所述各信号灯的图像在所述当前帧图像中的实际检测区域，具体包括：

确定所述补偿区域与所述基础区域之间的图像区域位置偏差；

根据所述图像区域位置偏差，对所述基础区域进行调整，得到所述各信号灯的图像在所述当前帧图像中的实际检测区域。

可选地，确定所述补偿区域与所述基础区域之间的图像区域位置偏差，具体包括：

确定所述补偿区域的中心在所述当前帧图像的位置坐标，作为第一位置坐标，以及确定所述基础区域的中心在所述上一帧图像的位置坐标，作为第二位置坐标；

将所述第一位置坐标与所述第二位置坐标之间的位置偏差，作为所述图像区域位置偏差。

可选地，根据所述图像区域位置偏差，对所述基础区域进行调整，得到所述各信号灯的图像在所述当前帧图像中的实际检测区域，具体包括：

若确定所述图像区域位置偏差不大于设定位置偏差，确定出以所述补偿区域与所述基础区域之间的中心位置为区域中心的区域，作为所述实际检测区域。

可选地，确定出以所述补偿区域与所述基础区域之间的中心位置为区域中心的区域，作为所述实际检测区域，具体包括：

确定出所述补偿区域按照设定放大比例进行放大后的区域大小；

以所述补偿区域与所述基础区域之间的中心位置为区域中心，构建出所述区域大小的区域，作为所述实际检测区域。

可选地，根据所述图像区域位置偏差，对所述基础区域进行调整，得到所述各信号灯的图像在所述当前帧图像中的实际检测区域，具体包括：

若确定所述图像区域位置偏差大于设定位置偏差，将所述补偿区域，作为所述实际检测区域。

本说明书提供了一种无人驾驶设备的控制装置，包括：

采集模块，用于在当前时刻采集包含有信号灯的当前帧图像；

区域确定模块，用于基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域，作为补偿区域，以及获取从上一帧图像中识别出的所述信号灯在所述上一帧图像中的图实际检测像区域，作为基础区域，所述上一帧图像是在上一时刻采集的；

区域调整模块，用于通过所述补偿区域，对所述基础区域进行调整，得到所述信号灯的图像在所述当前帧图像中的实际检测区域；

控制模块，用于对所述实际检测区域中包含的图像进行信号灯检测，并基于得到的检测结果，对所述无人驾驶设备进行控制。

本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述无人驾驶设备的控制方法。

本说明书提供了一种无人驾驶设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述无人驾驶设备的控制方法。

本说明书采用的上述至少一个技术方案能够达到以下有益效果：

在本说明书提供的无人驾驶设备的控制方法中，在当前时刻采集包含有信号灯的当前帧图像，而后，基于预设的高精度地图，根据无人驾驶设备采集到当前帧图像时的位姿，预测信号灯的图像在当前帧图像中的成像区域，作为补偿区域，以及获取从上一帧图像中识别出的信号灯在上一帧图像中的实际检测区域，作为基础区域，该上一帧图像是在上一时刻采集的，再通过补偿区域，对基础区域进行调整，得到信号灯的图像在当前帧图像中的实际检测区域，最后，对实际检测区域中包含的图像进行信号灯检测，并基于得到的检测结果，对所述无人驾驶设备进行控制。

从上述方法中可以看出，本方法在确定信号灯的图像在当前帧图像中的实际检测区域时，同时参考了信号灯在当前帧图像中的成像区域，以及信号灯在的上一帧图像中的实际检测区域，如此，在出现如摄像头抖动等会导致预测出的信号灯在当前帧图像中的成像区域不准确的情况时，可以将信号灯在的上一帧图像中的实际检测区域作为基础，根据预测出的信号灯在当前帧图像中的成像区域所在的位置，对信号灯在的上一帧图像中的实际检测区域进行补偿，使得确定出的信号灯在当前帧图像中的实际检测区域的区域范围更为准确，信号灯的检测结果也更为准确，进而降低了无人驾驶设备行驶时的安全风险。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书中一种无人驾驶设备的控制方法的流程示意图；

图2A-2B为本说明书中的基础区域、补偿区域以及确定根据基础区域和补偿区域确定出的实际检测区域的方位示意图；

图3为本说明书中的无人驾驶设备的控制方法执行时的详细流程示意图；

图4为本说明书提供的一种无人驾驶设备的控制装置的示意图；

图5为本说明书提供的对应于图1的电子设备示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

下面将结合实施例详细阐述本说明书中提供的无人驾驶设备的控制方案。

图1为本说明书中一种无人驾驶设备的控制方法的流程示意图，具体包括以下步骤：

步骤S100，在当前时刻采集包含有信号灯的当前帧图像。

本说明书中提供的无人驾驶设备的控制方法，用于在无人驾驶设备行驶过程中，从当前采集的包含信号灯的图像中确定出信号灯在该图像中位置，并针对确定出的信号灯，感知信号灯的信号灯状态，再基于信号灯的信号灯状态所表征交通路口的通行信号，以及无人驾驶设备所在的车道，对无人驾驶设备进行控制。

在无人驾驶设备行驶过程中，若出现摄像头发生抖动,或者获取的定位数据不准确的情况，则会导致无人驾驶设备无法准确地预测出信号灯在当前采集的图像中的位置，进而导致无人驾驶设备无法确定出需要进行信号灯感知检测的信号灯在当前时刻采集到的图像中的成像区域，这给无人驾驶设备的自动行驶带来安全风险。为解决这一问题，本说明书中提出了一种无人驾驶设备的控制方案，该方案中，无人驾驶设备在感知信号灯时，将基于信号灯在当前帧图像中的成像区域，以及在上一帧图像中的实际检测区域，来确定在当前帧图像中需要进行信号灯检测的实际检测区域，进而，根据针对实际检测区域的检测结果，对无人驾驶设备进行控制。

具体实施中，无人驾驶设备在行驶过程中，可以根据高精度地图中的信号灯的位置，实时监测位于规划路径上的信号灯和无人驾驶设备之间的距离。而后，在监测到该距离小于设定距离时，开始针对采集到的图像进行信号灯检测识别。本说明书中，以对当前时刻采集的当前帧图像进行信号灯检测为例进行详细阐述。

其中，本说明书中提供的无人驾驶设备的控制方法的执行主体既可以是上文中提及的无人驾驶设备，也可以是为无人驾驶设备提供业务支持的服务器。本说明书中将仅以无人驾驶设备作为执行主体，对本说明书中提供的无人驾驶设备的控制方法进行详细阐述。

需要说明的是，无人驾驶设备可以是指无人车、机器人、自动配送设备等能够实现自动驾驶的设备。基于此，本说明书涉及的无人驾驶设备可以用于执行配送领域的配送任务，如，使用无人驾驶设备进行快递、物流、外卖等配送的业务场景。

步骤S102，基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域，作为补偿区域，以及获取从上一帧图像中识别出的所述信号灯在所述上一帧图像中的实际检测区域，作为基础区域，所述上一帧图像是在上一时刻采集的。

具体实施中，无人驾驶设备确定补偿区域时，可以从预设的高精度地图中获取已记录的各信号灯的空间位置，而后，针对每个信号灯，根据无人驾驶设备在采集当前帧图像时的位姿，和该信号灯的空间位置，确定出无人驾驶设备在采集当前帧图像时，与该信号灯之间的相对位姿，作为第一相对位姿，而后，根据该第一相对位姿、以及无人驾驶设备与无人驾驶设备上安装的摄像头之间的相对位姿，确定采集到当前帧图像时摄像头与该信号灯之间的相对位姿，作为第二相对位姿，最后，根据该第二相对位姿以及该信号灯的空间位置，预测该信号灯的图像在当前帧图像中的成像区域。如此，无人驾驶设备即可预估出当前帧图像中包含的每个信号灯的图像在当前帧图像中的成像区域。

步骤S104，通过所述补偿区域，对所述基础区域进行调整，得到所述信号灯的图像在所述当前帧图像中的实际检测区域。

具体实施中，无人驾驶设备确定补偿区域与基础区域之间的图像区域位置偏差，而后，根据图像区域位置偏差，对基础区域进行调整，得到各信号灯的图像在所述当前帧图像中的实际检测区域。

其中，无人驾驶设备确定图像区域位置偏差时，可以确定该补偿区域的中心在当前帧图像的位置坐标，作为第一位置坐标，同时，确定该基础区域的中心在上一帧图像的位置坐标，作为第二位置坐标，再将第一位置坐标与第二位置坐标之间的位置偏差，作为图像区域位置偏差。其中，该位置坐标指的是中心点在图像坐标系下的位置坐标。

当然，除了以补偿区域的中心，和基础区域的中心之间的位置偏差作为图像区域位置偏差外，还可以根据图像区域中的其他特定位置点的位置坐标之间的位置偏差，作为图像区域位置偏差。如，补偿区域的左上角在当前帧图像的位置坐标与基础区域的左上角在上一帧图像的位置坐标之间的位置偏差，再例如，补偿区域的右下角在当前帧图像的位置坐标与基础区域的右下角在上一帧图像的位置坐标之间的位置偏差。

而后，无人驾驶设备确定实际检测区域时，若确定图像区域位置偏差不大于设定位置偏差，确定出以补偿区域与基础区域之间的中心位置为区域中心的区域，作为实际检测区域。

如图2A所示，具体实施中，无人驾驶设备在图像区域位置偏差不大于设定位置偏差时，确定出补偿区域按照设定放大比例进行放大后的区域大小，而后，以该补偿区域与基础区域之间的中心位置为区域中心，构建出区域大小的区域，作为实际检测区域。其中，放大比例与图像区域位置偏差成正相关，图像区域位置偏越大，放大比例越大。

进一步地，当无人驾驶设备上摄像头的抖动剧烈时，补偿区域与图像区域位置偏差过大时，可以继续扩大补偿区域，使得需要进行信号灯检测的实际检测区域包含有信号灯。此时，由于放大比例过大，使得需要进行信号灯检测的实际检测区域随之迅速扩大，这样可能出现将比较大的不存在信号灯的图像区域划分在内的情况，进而出现信号灯检测效率低的问题。

基于此，无人驾驶设备在确定图像区域位置偏差大于设定位置偏差时，可以将补偿区域和基础区域所包含的图像区域，作为实际检测区域。

实际业务中，不同道路交叉口处设置的信号灯不完全相同，当对应于一个来车方向设置多个信号灯，来分别指示车辆向不同方向分流时，无人驾驶设备在感知信号灯的信号灯状态时，可以在预测出各个信号灯的图像在当前帧图像中的成像区域后，对图像中的信号灯进行分组，这样，可以将用于指示同一个来车方向的信号灯都识别出来，进而，根据信号灯组整体上所表征的通行信号，对无人驾驶设备进行控制。

具体的，无人驾驶设备预测出各信号灯的图像在当前帧图像中的成像区域后，根据各信号灯的图像在当前帧图像中的成像区域，对各信号灯进行分组，得到若干信号灯组，而后，针对每个信号灯组，根据该信号灯组内包含的各信号灯的图像在当前帧图像中的成像区域，确定该信号灯组在当前帧图像中对应的补偿区域。

其中，无人驾驶设备对各信号灯进行分组时，可以确定各信号灯的图像在当前帧图像中的成像区域的中心点，作为各信号灯在当前帧图像中的图像位置，而后，针对每个信号灯，确定该信号灯与当前帧图像中每个其他信号灯之间的距离，并将确定出的距离的最小值，作为该信号灯对应的最小间距，再基于各信号灯在当前帧图像中的图像位置，以及各信号灯对应的最小间距，对各信号灯进行分组，得到若干信号灯组，使得各信号灯组内包含的各信号灯为用于指示同一个来车方向的信号灯。

无人驾驶设备在确定出每个信号灯组对应的补偿区域后，相对应地，无人驾驶设备还将针对每个信号灯组，确定该信号灯组，对应基础区域。具体的，无人驾驶设备可以针对每个信号灯组，从高精度地图中，获取包含在该信号灯组内的各信号灯的标识，而后，根据该标识，从上一帧图像中识别出该信号灯组在上一帧图像中的图像实际检测区域，作为该信号灯组对应的基础区域。

而后，无人驾驶设备即可针对每个信号灯组，根据该信号灯组对应的基础区域以及该信号灯组在当前帧图像中对应的补偿区域，确定该信号灯组在当前帧图像中的实际检测区域。

具体实施中，高精度地图中记录由每个信号灯对应的唯一编码(Identitydocument，ID)，同时，无人驾驶设备在确定出每个信号灯组在上一帧图像中的实际检测区域后，将记录该信号灯组内包含的各信号灯的ID，同时记录该信号灯组对应的实际检测区域。其中，该实际检测区域，指的是无人驾驶设备在感知上一帧图像中所采集到的各信号灯的信号灯状态时，上一帧图像中实际进行了信号灯检测的图像区域。

需要说明的是，无人驾驶设备针对该信号灯组，通过该信号灯组在当前帧图像中对应的补偿区域，对该信号灯组对应的基础区域进行调整，以得到该信号灯组的图像在当前帧图像中的实际检测区域时，所采用的方式，与上述针对一个信号灯的方式相同，故不在详细阐述。其中，信号灯组在当前帧图像中对应的补偿区域、该信号灯组对应的基础区域以及信号灯组的图像在当前帧图像中的实际检测区域的相互关系，具体可以参见图2B。

步骤S106，对所述实际检测区域中包含的图像进行信号灯检测，并基于得到的检测结果，对所述无人驾驶设备进行控制。

具体实施中，无人驾驶设备针对每个信号灯组，对该信号灯组对应的实际检测区域中包含的图像进行信号灯识别，而后，针对识别出的每个信号灯，确定该信号灯的显示颜色，以确定该信号灯组中每个信号灯的信号灯状态。而后，无人驾驶设备根据该信号灯组中每个信号灯的信号灯状态，无人驾驶设备当前所处的车道，以及该信号灯组中每个信号灯所对应的车道，对所述无人驾驶设备进行控制。

例如，无人驾驶设备所检测出的信号灯如图2B所示，无人驾驶设备确定当前所在车道为左转车道，同时，识别出信号灯组中的左转车道对应的信号灯为红灯，则控制无人驾驶设备跟随在左转车道上的前方障碍物后方停车等待，当监测到左转车道对应的信号灯转变为绿灯后，控制无人驾驶设备启动行驶，并在改道路交叉口中进行左转。

下面将给出本说明书中提供的一种无人驾驶设备的控制方法执行时的详细流程图，具体参见图3。

步骤S300，无人驾驶设备在当前时刻采集包含有信号灯的当前帧图像。

步骤S302，无人驾驶设备基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域。

步骤S304，无人驾驶设备根据预测出的各信号灯的图像在当前帧图像中的成像区域，对各信号灯进行分组，得到若干信号灯组。

步骤S306，无人驾驶设备针对每个信号灯组，根据该信号灯组内包含的各信号灯的图像在当前帧图像中的成像区域，确定该信号灯组在当前帧图像中对应的补偿区域。

步骤S308，无人驾驶设备针对每个信号灯组，从高精度地图中，获取包含在该信号灯组内的各信号灯的标识，并根据该标识，从上一帧图像中识别出该信号灯组在上一帧图像中的实际检测区域，作为该信号灯组对应的基础区域。

步骤S310，无人驾驶设备确定补偿区域与基础区域之间的图像区域位置偏差。

步骤S312，无人驾驶设备判断图像区域位置偏差是否不大于设定位置偏差，若不大于，执行步骤S314，否则，执行步骤S316。

步骤S314，无人驾驶设备确定出补偿区域按照设定放大比例进行放大后的区域大小，并以补偿区域与基础区域之间的中心位置为区域中心，构建出该信号灯组对应的在当前帧图像中的实际检测区域。

步骤S316，无人驾驶设备对补偿区域进行扩展，使得扩展后的补偿区域包含有基础区域，并将扩展后的补偿区域，作为该信号灯组对应的在当前帧图像中的实际检测区域。

步骤S318，无人驾驶设备针对每个信号灯组，对该信号灯组对应的在当前帧图像中的实际检测区域中包含的图像进行信号灯检测，得到检测结果，以根据该检测结果，确定该信号灯组中每个信号灯的信号灯状态。

步骤S320，无人驾驶设备根据该信号灯组中每个信号灯的信号灯状态，无人驾驶设备当前所处的车道，以及该信号灯组中每个信号灯所对应的车道，对无人驾驶设备进行控制。

以上为本说明书的一个或多个实施例提供的无人驾驶设备的控制方法，基于同样的思路，本说明书还提供了相应的无人驾驶设备的控制装置，如图4所示。

图4为本说明书提供的一种无人驾驶设备的控制装置示意图，具体包括：

采集模块400，用于在当前时刻采集包含有信号灯的当前帧图像；

区域确定模块401，用于基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域，作为补偿区域，以及获取从上一帧图像中识别出的所述信号灯在所述上一帧图像中的实际检测区域，作为基础区域，所述上一帧图像是在上一时刻采集的；

区域调整模块402，用于通过所述补偿区域，对所述基础区域进行调整，得到所述信号灯的图像在所述当前帧图像中的实际检测区域；

控制模块403，用于对所述实际检测区域中包含的图像进行信号灯检测，并基于得到的检测结果，对所述无人驾驶设备进行控制。

可选地，所述区域确定模块401，具体用于根据所述无人驾驶设备在采集所述当前帧图像时的位姿以及预设的高精度地图中记录的所述信号的空间位置，确定所述无人驾驶设备在采集所述当前帧图像时，与所述信号灯之间的相对位姿，作为第一相对位姿；根据所述第一相对位姿、以及所述无人驾驶设备与所述无人驾驶设备上安装的摄像头之间的相对位姿，确定采集到所述当前帧图像时所述摄像头与所述信号灯之间的相对位姿，作为第二相对位姿；根据所述第二相对位姿以及所述信号灯的空间位置，预测所述信号灯的图像在所述当前帧图像中的成像区域。

可选地，所述区域确定模块401，具体用于根据预测出的各信号灯的图像在所述当前帧图像中的成像区域，对所述各信号灯进行分组，得到若干信号灯组；针对每个信号灯组，根据该信号灯组内包含的各信号灯的图像在所述当前帧图像中的成像区域，确定该信号灯组在所述当前帧图像中对应的补偿区域。

可选地，所述区域确定模块401，具体用于针对每个信号灯组，从所述高精度地图中，获取包含在该信号灯组内的各信号灯的标识；根据所述标识，从上一帧图像中识别出该信号灯组在所述上一帧图像中的实际检测区域，作为该信号灯组对应的基础区域。

可选地，所述控制模块403，具体用于针对每个信号灯组，根据所述检测结果，确定该信号灯组中每个信号灯的信号灯状态；根据该信号灯组中每个信号灯的信号灯状态，所述无人驾驶设备当前所处的车道，以及该信号灯组中每个信号灯所对应的车道，对所述无人驾驶设备进行控制。

可选地，所述区域调整模块402，具体用于确定所述补偿区域与所述基础区域之间的图像区域位置偏差；根据所述图像区域位置偏差，对所述基础区域进行调整，得到所述各信号灯的图像在所述当前帧图像中的实际检测区域。

可选地，所述区域调整模块402，具体用于确定所述补偿区域的中心在所述当前帧图像的位置坐标，作为第一位置坐标，以及确定所述基础区域的中心在所述上一帧图像的位置坐标，作为第二位置坐标；将所述第一位置坐标与所述第二位置坐标之间的位置偏差，作为所述图像区域位置偏差。

可选地，所述区域调整模块402，具体用于若确定所述图像区域位置偏差不大于设定位置偏差，确定出以所述补偿区域与所述基础区域之间的中心位置为区域中心的区域，作为所述实际检测区域。

可选地，所述区域调整模块402，具体用于确定出所述补偿区域按照设定放大比例进行放大后的区域大小；以所述补偿区域与所述基础区域之间的中心位置为区域中心，构建出所述区域大小的区域，作为所述实际检测区域。

可选地，所述区域调整模块402，具体用于若确定所述图像区域位置偏差大于设定位置偏差，将所述补偿区域，作为所述实际检测区域。

本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的无人驾驶设备的控制方法。

本说明书还提供了图5所示的无人驾驶设备的示意结构图。如图5所述，在硬件层面，该无人驾驶设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的无人驾驶设备的控制方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (13)

1.一种无人驾驶设备的控制方法，其特征在于，包括：

在当前时刻采集包含有信号灯的当前帧图像；

基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域，作为补偿区域，以及获取从上一帧图像中识别出的所述信号灯在所述上一帧图像中的实际检测区域，作为基础区域，所述上一帧图像是在上一时刻采集的；

通过所述补偿区域，对所述基础区域进行调整，得到所述信号灯的图像在所述当前帧图像中的实际检测区域；

对所述实际检测区域中包含的图像进行信号灯检测，并基于得到的检测结果，对所述无人驾驶设备进行控制。

2.如权利要求1所述的方法，其特征在于，基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域，具体包括：

根据所述无人驾驶设备在采集所述当前帧图像时的位姿以及预设的高精度地图中记录的所述信号灯的空间位置，确定所述无人驾驶设备在采集所述当前帧图像时，与所述信号灯之间的相对位姿，作为第一相对位姿；

根据所述第一相对位姿、以及所述无人驾驶设备与所述无人驾驶设备上安装的摄像头之间的相对位姿，确定采集到所述当前帧图像时所述摄像头与所述信号灯之间的相对位姿，作为第二相对位姿；

根据所述第二相对位姿以及所述信号灯的空间位置，预测所述信号灯的图像在所述当前帧图像中的成像区域。

3.如权利要求1所述的方法，其特征在于，基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域，作为补偿区域，具体包括：

根据预测出的各信号灯的图像在所述当前帧图像中的成像区域，对所述各信号灯进行分组，得到若干信号灯组；

针对每个信号灯组，根据该信号灯组内包含的各信号灯的图像在所述当前帧图像中的成像区域，确定该信号灯组在所述当前帧图像中对应的补偿区域。

4.如权利要求3所述的方法，其特征在于，获取从上一帧图像中识别出的所述信号灯在所述上一帧图像中的实际检测区域，作为基础区域，具体包括：

针对每个信号灯组，从所述高精度地图中，获取包含在该信号灯组内的各信号灯的标识；

根据所述标识，从上一帧图像中识别出该信号灯组在所述上一帧图像中的实际检测区域，作为该信号灯组对应的基础区域。

5.如权利要求4所述的方法，其特征在于，基于得到的检测结果，对所述无人驾驶设备进行控制，具体包括：

针对每个信号灯组，根据所述检测结果，确定该信号灯组中每个信号灯的信号灯状态；

根据该信号灯组中每个信号灯的信号灯状态，所述无人驾驶设备当前所处的车道，以及该信号灯组中每个信号灯所对应的车道，对所述无人驾驶设备进行控制。

6.如权利要求1所述的方法，其特征在于，通过所述补偿区域，对所述基础区域进行调整，得到所述各信号灯的图像在所述当前帧图像中的实际检测区域，具体包括：

确定所述补偿区域与所述基础区域之间的图像区域位置偏差；

根据所述图像区域位置偏差，对所述基础区域进行调整，得到所述各信号灯的图像在所述当前帧图像中的实际检测区域。

7.如权利要求6所述的方法，其特征在于，确定所述补偿区域与所述基础区域之间的图像区域位置偏差，具体包括：

确定所述补偿区域的中心在所述当前帧图像的位置坐标，作为第一位置坐标，以及确定所述基础区域的中心在所述上一帧图像的位置坐标，作为第二位置坐标；

将所述第一位置坐标与所述第二位置坐标之间的位置偏差，作为所述图像区域位置偏差。

8.如权利要求6所述的方法，其特征在于，根据所述图像区域位置偏差，对所述基础区域进行调整，得到所述各信号灯的图像在所述当前帧图像中的实际检测区域，具体包括：

若确定所述图像区域位置偏差不大于设定位置偏差，确定出以所述补偿区域与所述基础区域之间的中心位置为区域中心的区域，作为所述实际检测区域。

9.如权利要求8所述的方法，其特征在于，确定出以所述补偿区域与所述基础区域之间的中心位置为区域中心的区域，作为所述实际检测区域，具体包括：

确定出所述补偿区域按照设定放大比例进行放大后的区域大小；

以所述补偿区域与所述基础区域之间的中心位置为区域中心，构建出所述区域大小的区域，作为所述实际检测区域。

10.如权利要求6所述的方法，其特征在于，根据所述图像区域位置偏差，对所述基础区域进行调整，得到所述各信号灯的图像在所述当前帧图像中的实际检测区域，具体包括：

若确定所述图像区域位置偏差大于设定位置偏差，将所述补偿区域，作为所述实际检测区域。

11.一种无人驾驶设备的控制装置，其特征在于，包括：

采集模块，用于在当前时刻采集包含有信号灯的当前帧图像；

区域确定模块，用于基于预设的高精度地图，根据无人驾驶设备采集到所述当前帧图像时的位姿，预测信号灯的图像在所述当前帧图像中的成像区域，作为补偿区域，以及获取从上一帧图像中识别出的所述信号灯在所述上一帧图像中的实际检测区域，作为基础区域，所述上一帧图像是在上一时刻采集的；

区域调整模块，用于通过所述补偿区域，对所述基础区域进行调整，得到所述信号灯的图像在所述当前帧图像中的实际检测区域；

控制模块，用于对所述实际检测区域中包含的图像进行信号灯检测，并基于得到的检测结果，对所述无人驾驶设备进行控制。

12.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～10任一项所述的方法。

13.一种无人驾驶设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～10任一项所述的方法。

Images