CN115082871B - 交通信号灯定位纠偏方法及系统 - Google Patents
交通信号灯定位纠偏方法及系统 Download PDFInfo
- Publication number
- CN115082871B CN115082871B CN202210860306.9A CN202210860306A CN115082871B CN 115082871 B CN115082871 B CN 115082871B CN 202210860306 A CN202210860306 A CN 202210860306A CN 115082871 B CN115082871 B CN 115082871B
- Authority
- CN
- China
- Prior art keywords
- lighting
- signal lamp
- traffic signal
- preset
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- 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
- G08G1/095—Traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种交通信号灯定位纠偏方法及系统,属于图像识别技术领域。所述方法包括:采集交通信号灯图像信息;基于预设定位算法对所述交通信号灯图像信息进行处理,获得多个亮灯位置候选点;获得所有亮灯位置候选点的亮灯序号,并获得所有亮灯位置候选点之间的相对位置关系;基于所述相对位置关系进行实际亮灯序号确定,并基于实际亮灯序号的当前位置和序号对应的信号灯预设位置对所述交通信号灯进行位置纠偏。本发明方案将交通信号灯进行准确的位置纠偏,保证了交通信号灯识别准确性。
Description
技术领域
本发明涉及图像识别技术领域,具体地涉及一种交通信号灯定位纠偏方法及一种交通信号灯定位纠偏系统。
背景技术
交通信号灯识别在在实际应用场景中有很大的发展价值,例如常规的违章抓拍,在繁忙的路口每天过流车量是很大的,能够准确进行交通信号灯识别会极大解放人工审核成本,一般而言,在实际的道路场景中采集的交通信号灯图像具有复杂的背景,且感兴趣的信号灯区域只占很少的一部分,这就使得特征提取的难度变大。现有进行交通信号灯识别的时,就是因为信号灯区域只占采集图像的很小一部分,使得全局定位很难找到信号灯的具体位置。因此需要人工去定位信号灯位置,然后对信号灯进行截取,即抠出只包含信号灯的部分,然后在送给算法检测,这一部分在正常情况下是可以正常检测信号灯的亮灭情况。也就是说,在保持电子警察采集视角不变的前提下,只要在采集的图像上框选出交通信号灯的位置区域,后续对应场景下,理论上信号灯均会在图像上出现在相同的区域。但是,常理可知,当天气变化,例如刮风天时,或者大车经过时,交通信号灯晃动的情况十分常见,若在交通信号灯晃动过程中进行图像采集,采集后的交通信号灯就极有可能偏移出原先划定的区域,若直接基于这样的图像进行交通信号灯识别,就会出现无法获得识别结果或直接输出错误的识别结果。针对现有交通信号灯图像识别方法在交通信号灯晃动场景下识别准确性低的问题,需要创造一种交通信号灯定位纠偏方法。
发明内容
本发明实施方式的目的是提供一种交通信号灯定位纠偏方法及系统,以至少解决现有交通信号灯图像识别方法在交通信号灯晃动场景下识别准确性低的问题。
为了实现上述目的,本发明第一方面提供一种交通信号灯定位纠偏方法,所述方法包括:采集交通信号灯图像信息;基于预设定位算法对所述交通信号灯图像信息进行处理,获得多个亮灯位置候选点;获得所有亮灯位置候选点的亮灯序号,并获得所有亮灯位置候选点之间的相对位置关系;基于所述相对位置关系进行实际亮灯序号确定,并基于实际亮灯序号的当前位置和序号对应的信号灯预设位置对所述交通信号灯进行位置纠偏。
可选的,所述预设定位算法包括:对所述交通信号灯图像信息进行通道分解;在预设颜色体系下,基于对应的颜色区分算法对分解后的通道进行通道组合,判断颜色区分结果;其中,所述颜色区分算法包括:红色区分算法、黄色区分算法和绿色区分算法中的任意一种;基于颜色区分结果获得多个亮灯位置候选点。
可选的,所述预设颜色体系包括:rgb、argb、cielab、cielchab、cielchuv、cieluv、ciexyz、ciexyz2、ciexyz3、ciexyz4、hls、his、hsv、i1i2i3、hsi、lms、yiq、yuv中的任意一种;所述方法还包括:获取对应的颜色区分算法,包括:获取当前交通信号灯的历史图像信息,并对所述历史图像信息进行通道拆解;遍历已有的所有通道组合方式,进行拆解后的各通道组合处理,输出所有通道组合结果;推送所有通道组合结果,并回收用户的标注结果;将用户的标注结果对应的通道组合方式作为适用当前交通信号灯的颜色区分算法;其中,所述用户标注结果为分别对红色、绿色和黄色敏感通道的组合方式;所述对红色、绿色和黄色敏感通道的组合方式为:完成通道组合后,图像信息中仅显现出对应颜色区域的通道组合方式。
可选的,区分结果中,区分出的颜色与其他背景色之间的灰度值不同;所述基于颜色区分结果获得多个亮灯位置候选点,包括:将所有区分于背景灰度值的其他灰度值区域作为亮灯位置候选点。
可选的,所述所有亮灯位置候选点之间的相对位置关系包括:所有亮灯位置候选点之间的实际相对位置和预设相对位置。
可选的,所述相对位置关系包括:距离关系和角度关系;其中,所述距离关系为任意两个亮灯位置候选点之间连线的长度关系;所述角度关系为任意两个亮灯位置候选点之间连线与水平线之间的夹角关系。
可选的,所述基于所述相对位置关系进行实际亮灯序号确定,包括:对比所有亮灯位置候选点之间的实际相对位置和预设相对位置;若二者的差值绝对值小于预设容差阈值,则判定当前亮灯位置候选点符合预期,则根据所有亮灯位置候选点之间的预设相对位置确定对应所有亮灯位置候选点的亮灯序号;反之,则判定当前亮灯位置候选点不符合预期,重新采集交通信号灯图像信息并按照上述步骤重新确定亮灯位置候选点,直到确定的亮灯位置候选点符合预期。
可选的,所述基于实际亮灯序号的当前位置和预设位置对所述交通信号灯进行位置纠偏,包括:根据亮灯序号获得当前亮灯的预设位置;根据当前亮灯的实际位置和对应的预设位置获得当前亮灯的坐标偏移量;基于所述坐标偏移量和所述预设位置对应的坐标求和,对交通信号灯进行位置纠偏。
本发明第二方面提供一种交通信号灯定位纠偏系统,所述系统包括:采集单元,用于采集交通信号灯图像信息;处理单元,用于:基于预设定位算法对所述交通信号灯图像信息进行处理,获得多个亮灯位置候选点;获得所有亮灯位置候选点的亮灯序号,并获得所有亮灯位置候选点之间的相对位置关系;纠偏单元,用于基于所述相对位置关系进行实际亮灯序号确定,并基于实际亮灯序号的当前位置和序号对应的信号灯预设位置对所述交通信号灯进行位置纠偏。
另一方面,本发明提供一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行上述的交通信号灯定位纠偏方法。
通过上述技术方案,本发明方案基于交通部信号灯各灯盘之间的相对位置固定的前提下,进行交通信号灯实时亮灯区域识别,然后基于对应的相对位置确定当前识别结果是否满足需求,在满足需求的前提下基于实时位置和对应灯盘的预设位置进行纠偏,保证交通信号灯的准确识别。本发明方案将交通信号灯进行准确的位置纠偏,保证了交通信号灯识别准确性。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是本发明一种实施方式提供的交通信号灯定位纠偏方法的步骤流程图;
图2是本发明一种实施方式提供的交通信号灯定位纠偏系统的系统结构图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
交通信号灯识别在在实际应用场景中有很大的发展价值,例如常规的违章抓拍,在繁忙的路口每天过流车量是很大的,能够准确进行交通信号灯识别会极大解放人工审核成本,一般而言,在实际的道路场景中采集的交通信号灯图像具有复杂的背景,且感兴趣的信号灯区域只占很少的一部分,这就使得特征提取的难度变大。
现有进行交通信号灯识别的时,就是因为信号灯区域只占采集图像的很小一部分,使得全局定位很难找到信号灯的具体位置。因此需要人工去定位信号灯位置,然后对信号灯进行截取,即抠出只包含信号灯的部分,然后在送给算法检测,这一部分在正常情况下是可以正常检测信号灯的亮灭情况。也就是说,在保持电子警察采集视角不变的前提下,只要在采集的图像上框选出交通信号灯的位置区域,后续对应场景下,理论上信号灯均会在图像上出现在相同的区域。但是,常理可知,当天气变化,例如刮风天时,或者大车经过时,交通信号灯晃动的情况十分常见,若在交通信号灯晃动过程中进行图像采集,采集后的交通信号灯就极有可能偏移出原先划定的区域,若直接基于这样的图像进行交通信号灯识别,就会出现无法获得识别结果或直接输出错误的识别结果。
本发明方案主要解决信号灯识别时因为电警晃动导致的信号灯偏离原先的ROI区域,因此需要通过算法对其进行纠正ROI区域,或者说是跟随信号灯的在图片位置的变动即对其进行纠偏。现有的纠偏算法大多数是基于边缘检测,根据信号灯的白色边缘进行检测,但是现实情况是并不是所有信号灯都是有边框的,很大一部分是没有边缘的,因此针对这种情况,现阶段存在的纠偏算法无解决该问题,本专利提供的方案,可以针对有边框和无边框都可以有个很好的纠偏效果,同时比目前纠偏算法拥有更高准确率的纠偏效果。
本发明方案基于交通部信号灯各灯盘之间的相对位置固定的前提下,进行交通信号灯实时亮灯区域识别,然后基于对应的相对位置确定当前识别结果是否满足需求,在满足需求的前提下基于实时位置和对应灯盘的预设位置进行纠偏,保证交通信号灯的准确识别。当检测到信号灯以后,通过距离和角度进行计算,以此来进行匹配具体的灯,然后计算相对于原先的位置的偏移距离(以像素为单位计算)。首先信号灯的特点是一个信号灯组有三个信号灯盘,对应的信号灯颜色分别为红色、黄色和绿色,在现实情况中分为只有一个灯组的,只有两个灯组的,只有三个灯组的以及三个以上灯组的和计时灯,其中单灯组和双灯组以及三灯组的情况居多。本申请方案变基于双灯组进行方案介绍,即使出现三灯组以上交通信号灯情况,因为其可以拆结为多个单灯组或双灯组情况,所以也应当可以由本发明方案解决。其中,正常情况下双灯组亮两个灯(每个灯组都有三个灯分别为红、黄、绿),这样无论亮哪两个灯,他们在图片中的距离和角度是固定,因此可以通过距离和角度的计算,以此来确定是哪两个灯亮。
图2是本发明一种实施方式提供的交通信号灯定位纠偏系统的系统结构图。如图2所示,本发明实施方式提供一种交通信号灯定位纠偏系统,所述系统包括:采集单元,用于采集交通信号灯图像信息;处理单元,用于:基于预设定位算法对所述交通信号灯图像信息进行处理,获得多个亮灯位置候选点;获得所有亮灯位置候选点的亮灯序号,并获得所有亮灯位置候选点之间的相对位置关系;纠偏单元,用于基于所述相对位置关系进行实际亮灯序号确定,并基于实际亮灯序号的当前位置和序号对应的信号灯预设位置对所述交通信号灯进行位置纠偏。
图1是本发明一种实施方式提供的交通信号灯定位纠偏方法的方法流程图。如图1所示,本发明实施方式提供一种交通信号灯定位纠偏方法,所述方法包括:
步骤S10:采集交通信号灯图像信息。
具体的,本发明方案是基于交通信号灯场景图像中,各灯盘的相对位置不变进行交通信号灯亮灯位置确定以及后续偏移位置确定的,所以首先需要获取交通信号灯的场景图像,通过电子警察进行交通信号灯场景图像采集,然后将采集到图像信息发送到处理单元。
步骤S20:基于预设定位算法对所述交通信号灯图像进行处理,获得多个亮灯位置候选点。
具体的,处理单元获取的当前交通信号灯图像信息后,若直接进行当前图像交通信号灯信号灯颜色识别,势必会因为场景图像内干扰背景过多导致处理效率降低和准确性降低的问题。无论是电子警察还是常用的图像采集设备,其采集的场景图像的范围都是很大的,交通信号灯可能仅在图像信息中的一片小位置,若直接对原始图像信息进行处理,其中包括的其他灯光信息或与交通信号灯颜色相近的其他干扰信息会出现将其他灯光错误识别为交通信号灯的情况。即使不存在其他颜色相近的干扰背景,需要处理如此大面积的图像信息,也势必会影响处理单元的处理效率。所以,无论是从准确性出发,还是从处理效率出发,进行图像裁剪都是必须的。
进行图像裁剪的唯一标准为必须保证剩余图像包括交通信号灯,但是,不同的图像采集设备和图像采集角度信息均会使得交通信号灯在图像中的位置坐标发生改变,所以预设一个固定的裁剪坐标,肯定是无法满足需求的。基于此,需要针对不同的场景,进行差异化的图像裁剪,以保证裁剪后的图像信息必定包括交通信号灯。
在一种可能的实施方式中,提出了一种交通信号灯识别模型,该交通信号灯识别模型可以对场景图像中的交通信号灯进行特征提取和识别,识别到交通信号灯的位置,然后基于该位置向四周扩展一定的距离进行裁剪,可以极大程度上的仅保留交通信号灯的图像信息。进行交通信号灯识别模型构建时,采集当前技术背景下的大量交通信号灯图像信息,囊括不同的交通信号灯类型、不同的天气情况、不同的时间点的交通信号灯图像信息作为训练样本,然后基于标注的交通信号灯进行对应的模型训练,并基于其他的交通信号灯图像进行模型检验,保证该模型能够在任意天气、任意时间和任意图像采集设备的图像中识别到交通信号灯。只要能够准确的识别到交通信号灯,基于该识别结果进行图像裁剪将变得简单。
在另一种可能的实施方式中,当背景变得极为复杂时,交通信号灯识别模型可能无法定位交通信号灯的具体位置,导致无法输出对应的识别结果,处理单元也就无法基于识别结果进行图像裁剪。在这种情况下,本发明方案提供了补救方案,即尽量裁剪掉无用的背景区域。虽然交通信号灯在图像中的具体坐标无法固定,但是其出现的区域是可以预见的。无论是电子警察还是图像探头,在路口进行交通信号灯图像采集时,交通信号灯的位置必定位于图像的上部分,若交通信号灯图像位于图像下部分,会造成无法定位其他车辆的情况,这与实际应用场景是不符的。进一步的,对于交通信号灯识别的最大障碍便是汽车尾灯,因为汽车尾灯的颜色与交通信号灯的亮灯颜色相近,所以只要能够去除掉这部分最大的干扰,对于后续的交通信号灯准确识别也会具有显著的意义。基于此,当交通信号灯识别模型无法进行交通信号灯无语识别时,输出识别错误信号,响应于该识别错误信号,执行补救裁剪方案,将场景图像中的汽车图像区域进行裁剪,仅保留图像上部分1/3区域左右的图像信息,尽量减少复杂背景对后续识别的影响。
具体的,完成图像裁剪后,获得交通信号灯的区域图像,上述已知,本发明方案是基于通道的不同组合规则进行除亮灯区域的背景剔除的。所以,进行通道组合前,首先需要根据预设的颜色体系将对应的交通信号灯区域图像进行通道分解,例如RGB体系下,分解为R、G、B三个独立通道。不同的颜色体系,对应的通道分解方法不同,本发明方案同样适应于其他颜色体系,例如argb、cielab、cielchab、cielchuv、cieluv、ciexyz、ciexyz2、ciexyz3、ciexyz4、hls、his、hsv、i1i2i3、hsi、lms、yiq、yuv。然后基于分解后的通道进行通道组合,不同的通道组合会凸显不同的颜色信息,例如,某种通道组合结果只会显示黄色结果,其他颜色均被统一为一种颜色,那就可以称为当前组合方式对黄色敏感。本发明方案便是需要找到对应场景下,对交通信号灯亮灯颜色红、黄、绿各自敏感的通道组合关系,后续便可以根据该通道组合关系直接进行图像处理,直接组合后的图像能够凸显出对应的区域,便可以直接对该区域进行颜色确定,且不必受其他干扰色影响。
所以,进一步的,本发明方案还包括,找到当前场景适用的通道组合关系。优选的,进行拆解后通道组合,遍历已有的所有通道组合方式,输出所有通道组合结果,推送所有通道组合结果,并回收用户的标注结果。推送的组合结果中,就包括了各种各样的颜色凸显关系,用户根据交通信号灯的具体显色情况选择出凸显颜色正确的组合关系,将该选择的正确组合关系作为标注结果。回收用户标注结果后,将用户的标注结果对应的通道组合方式,作为适用当前交通信号灯的通道组合预设规则。其中,所述用户标注结果为分别对红色、绿色和黄色敏感通道组合方式;所述对红色、绿色和黄色敏感通道组合方式为:完成通道组合后,图像信息中仅显现出对应颜色区域的通道组合方式。
具体的,以rgb颜色体系距离,利用颜色区分算法trans-from-rgb将RGB转换到另一个颜色空间,将不同的颜色区分出来。基于输入图像红色通道、输入图像绿色通道和输入图像蓝色通道输出对应的图像通道一、通道二和通道三。例如,一种通道组合关系为:
Img = a*R+b*G+c*B
其中,a,b,c为组合值,其取值为-1~1之间,通过该组合关系,将图像信息进行通道组合,具体的转换关系为:
该矩阵和三通道相乘组合后可以把想要的颜色保留下来,同时把复杂的背景删除,然后通过差分思想便可以将复杂的背景删除。不同的颜色体系对应不同的a,b,c取值,但基本取值范围限定在-20~20之间,不同的取值对应的消除背景的能力不同,需要根据使用场景进行适应性调整确定。其他颜色体系同样可以基于该原理进行通道组合,只需要使用不同的颜色区分算法便可,此处就不再赘述。
上述已知,区分结果中,区分出的颜色与其他背景色之间的灰度值不同;将所有区分于背景灰度值的其他灰度值区域作为亮灯位置候选点。
步骤S30:获得所有亮灯候选点的亮灯序号,并获得所有亮灯候选点之间的相对位置关系。
具体的,所述所有亮灯候选点之间的相对位置关系包括:所有亮灯候选点之间的实际相对位置和预设相对位置。所述相对位置关系包括:距离关系和角度关系;其中,所述距离关系为任意两个亮灯候选点之间连线的长度关系;所述角度关系为任意两个亮灯候选点之间连线与水平线之间的夹角关系。无论交通信号灯如何抖动偏移,交通信号灯上的各亮灯灯盘都应该是一起运动的,使得即使交通信号灯的位置发了偏移,但其内部的各灯盘之间的相对位置并未发生改变,也就使得亮灯区域之间的间距和角度关系均未发生改变。
所以获得亮灯候选点后,便可以进行候选点之间的连线,上述已知,对不同颜色的敏感的组合方式会区分出不同的颜色,所以找到亮灯候选点的同时,是可以进行信号灯颜色判定的,也就自然可以获得当前亮灯的灯盘序号,基于该序号可以获得当前灯盘的预设相对位置关系,在允许一定的识别误差的前提下,对比所有亮灯候选点之间的实际相对位置和预设相对位置,若二者的差值绝对值小于预设容差阈值,则判定当前亮灯候选点符合预期,则根据所述所有亮灯候选点之间预设相对位置确定对应几个亮灯候选点的亮灯序号;反之,则判定当前亮灯候选点不符合预期,重新采集图像信息并重新确定亮灯候选点,直到确定的亮灯候选点符合预期。
步骤S40:基于所述相对位置关系进行实际亮灯序号确定,并基于实际亮灯序号的当前位置和序号对应的信号灯预设位置对所述交通信号灯进行位置纠偏。
具体的,确定为获取的亮灯候选点符合预期后,便可以判定为当前获得的亮灯候选区域为真实的亮灯区域,优选的,为了进一步保证识别结果准确,基于该确定的亮灯区域进行进一步的颜色判定,基于图像识别算法判定当前确定的区域的亮灯颜色,然后基于亮灯颜色和预设的位置关系进行二次判定,直到二次判定也符合预期,则表示无论是信号灯颜色识别结果,还是位置识别结果,均符合预期,可以进行对应的位置纠偏。
从候选亮灯位置确定哪个颜色的信号灯后,计算对应信号灯的距离偏移,然后取均值后得到最终的相对于原始信号灯坐标的偏移量。把偏移量和原始的信号灯位置进行相加即可得到就偏后的坐标,该偏移后的坐标便是当前场景下,交通信号灯的纠偏坐标。
在本发明是事例中,本发明方案包含了信号灯定位算法和纠偏算法,所以仅利用本发明中的部分方案进行定位识别,也理应当落入本发明方案的保护范围中。
本发明实施方式还提供一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行上述的交通信号灯定位纠偏方法。
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上结合附图详细描述了本发明的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,其同样应当视为本发明实施方式所公开的内容。
Claims (6)
1.一种交通信号灯定位纠偏方法,其特征在于,所述方法包括:
采集交通信号灯图像信息;
基于预设定位算法对所述交通信号灯图像信息进行处理,获得多个亮灯位置候选点;
获得所有亮灯位置候选点的亮灯序号,并获得所有亮灯位置候选点之间的相对位置关系;其中,
所述所有亮灯位置候选点之间的相对位置关系包括:
所有亮灯位置候选点之间的实际相对位置和预设相对位置;
所述相对位置关系包括:
距离关系和角度关系;其中,
所述距离关系为任意两个亮灯位置候选点之间连线的长度关系;
所述角度关系为任意两个亮灯位置候选点之间连线与水平线之间的夹角关系;
基于所述相对位置关系进行实际亮灯序号确定,并基于实际亮灯序号的当前位置和序号对应的信号灯预设位置对所述交通信号灯进行位置纠偏;其中,
所述基于所述相对位置关系进行实际亮灯序号确定,包括:
对比所有亮灯位置候选点之间的实际相对位置和预设相对位置;
若二者的差值绝对值小于预设容差阈值,则判定当前亮灯位置候选点符合预期,则根据所有亮灯位置候选点之间的预设相对位置确定对应所有亮灯位置候选点的亮灯序号;
反之,则判定当前亮灯位置候选点不符合预期,重新采集交通信号灯图像信息并按照上述步骤重新确定亮灯位置候选点,直到确定的亮灯位置候选点符合预期;
所述基于实际亮灯序号的当前位置和预设位置对所述交通信号灯进行位置纠偏,包括:
根据亮灯序号获得当前亮灯的预设位置;
根据当前亮灯的实际位置和对应的预设位置获得当前亮灯的坐标偏移量;
基于所述坐标偏移量和所述预设位置对应的坐标求和,对交通信号灯进行位置纠偏。
2.根据权利要求1所述的方法,其特征在于,所述预设定位算法包括:
对所述交通信号灯图像信息进行通道分解;
在预设颜色体系下,基于对应的颜色区分算法对分解后的通道进行通道组合,判断颜色区分结果;其中,所述颜色区分算法包括:红色区分算法、黄色区分算法和绿色区分算法中的任意一种;
基于颜色区分结果获得多个亮灯位置候选点。
3.根据权利要求2所述的方法,其特征在于,所述预设颜色体系包括:
rgb、argb、cielab、cielchab、cielchuv、cieluv、ciexyz、ciexyz2、ciexyz3、ciexyz4、hls、his、hsv、i1i2i3、hsi、lms、yiq、yuv中的任意一种;
所述方法还包括:
获取对应的颜色区分算法,包括:
获取当前交通信号灯的历史图像信息,并对所述历史图像信息进行通道拆解;
遍历已有的所有通道组合方式,进行拆解后的各通道组合处理,输出所有通道组合结果;
推送所有通道组合结果,并回收用户的标注结果;
将用户的标注结果对应的通道组合方式作为适用当前交通信号灯的颜色区分算法;其中,所述用户标注结果为分别对红色、绿色和黄色敏感通道的组合方式;
所述对红色、绿色和黄色敏感通道的组合方式为:
完成通道组合后,图像信息中仅显现出对应颜色区域的通道组合方式。
4.根据权利要求2所述的方法,其特征在于,区分结果中,区分出的颜色与其他背景色之间的灰度值不同;
所述基于颜色区分结果获得多个亮灯位置候选点,包括:
将所有区分于背景灰度值的其他灰度值区域作为亮灯位置候选点。
5.一种交通信号灯定位纠偏系统,其特征在于,所述系统包括:
采集单元,用于采集交通信号灯图像信息;
处理单元,用于:
基于预设定位算法对所述交通信号灯图像信息进行处理,获得多个亮灯位置候选点;
获得所有亮灯位置候选点的亮灯序号,并获得所有亮灯位置候选点之间的相对位置关系;其中,
所述所有亮灯位置候选点之间的相对位置关系包括:
所有亮灯位置候选点之间的实际相对位置和预设相对位置;
所述相对位置关系包括:
距离关系和角度关系;其中,
所述距离关系为任意两个亮灯位置候选点之间连线的长度关系;
所述角度关系为任意两个亮灯位置候选点之间连线与水平线之间的夹角关系;
纠偏单元,用于基于所述相对位置关系进行实际亮灯序号确定,并基于实际亮灯序号的当前位置和序号对应的信号灯预设位置对所述交通信号灯进行位置纠偏;其中,
所述基于所述相对位置关系进行实际亮灯序号确定,包括:
对比所有亮灯位置候选点之间的实际相对位置和预设相对位置;
若二者的差值绝对值小于预设容差阈值,则判定当前亮灯位置候选点符合预期,则根据所有亮灯位置候选点之间的预设相对位置确定对应所有亮灯位置候选点的亮灯序号;
反之,则判定当前亮灯位置候选点不符合预期,重新采集交通信号灯图像信息并按照上述步骤重新确定亮灯位置候选点,直到确定的亮灯位置候选点符合预期;
所述基于实际亮灯序号的当前位置和预设位置对所述交通信号灯进行位置纠偏,包括:
根据亮灯序号获得当前亮灯的预设位置;
根据当前亮灯的实际位置和对应的预设位置获得当前亮灯的坐标偏移量;
基于所述坐标偏移量和所述预设位置对应的坐标求和,对交通信号灯进行位置纠偏。
6.一种计算机可读储存介质,该计算机可读存储介质上储存有指令,其在计算机上运行时使得计算机执行权利要求1-4中任一项权利要求所述的交通信号灯定位纠偏方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210860306.9A CN115082871B (zh) | 2022-07-22 | 2022-07-22 | 交通信号灯定位纠偏方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210860306.9A CN115082871B (zh) | 2022-07-22 | 2022-07-22 | 交通信号灯定位纠偏方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115082871A CN115082871A (zh) | 2022-09-20 |
CN115082871B true CN115082871B (zh) | 2022-12-20 |
Family
ID=83241858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210860306.9A Active CN115082871B (zh) | 2022-07-22 | 2022-07-22 | 交通信号灯定位纠偏方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082871B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111009003A (zh) * | 2019-10-24 | 2020-04-14 | 合肥讯图信息科技有限公司 | 交通信号灯纠偏的方法、系统及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT10237U1 (de) * | 2007-10-12 | 2008-11-15 | Austria Tech & System Tech | Verfahren und vorrichtung zum positionieren und ausrichten eines gegenstand relativ zu bzw. mit einem untergrund sowie verwendung hiefür |
CN108229250B (zh) * | 2016-12-14 | 2020-07-10 | 杭州海康威视数字技术股份有限公司 | 交通信号灯重定位方法及装置 |
CN112991791B (zh) * | 2019-12-13 | 2022-07-26 | 上海商汤临港智能科技有限公司 | 交通信息识别和智能行驶方法、装置、设备及存储介质 |
CN112581534B (zh) * | 2020-12-24 | 2023-01-13 | 济南博观智能科技有限公司 | 一种信号灯重定位方法、装置、电子设备及存储介质 |
CN112991446A (zh) * | 2021-03-10 | 2021-06-18 | 北京百度网讯科技有限公司 | 图像稳像方法、装置、路侧设备以及云控平台 |
-
2022
- 2022-07-22 CN CN202210860306.9A patent/CN115082871B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111009003A (zh) * | 2019-10-24 | 2020-04-14 | 合肥讯图信息科技有限公司 | 交通信号灯纠偏的方法、系统及存储介质 |
Non-Patent Citations (1)
Title |
---|
Vehicle-Based Trajectory Specification in Presence of Traffic Lights with Stochastic Switching Times;P. Typaldos等;《IFAC-PapersOnLine》;20210716;第298-305页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115082871A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364010B (zh) | 一种车牌识别方法、装置、设备及计算机可读存储介质 | |
CN110705405B (zh) | 目标标注的方法及装置 | |
CN109002795B (zh) | 车道线检测方法、装置及电子设备 | |
CN107273838A (zh) | 交通信号灯抓拍图片的处理方法及装置 | |
CN111027475A (zh) | 一种基于视觉的实时交通信号灯识别方法 | |
CN112232368B (zh) | 目标识别模型训练方法、目标识别方法及其相关装置 | |
CN111401290A (zh) | 一种人脸检测方法及系统、计算机可读存储介质 | |
CN104866838B (zh) | 一种基于视觉的前方车辆自动检测方法 | |
CN111723805B (zh) | 一种信号灯的前景区域识别方法及相关装置 | |
CN112784675B (zh) | 目标检测方法及装置、存储介质、终端 | |
CN115690441A (zh) | 交通信号灯区域检测方法、装置及设备 | |
CN115082871B (zh) | 交通信号灯定位纠偏方法及系统 | |
CN109800693B (zh) | 一种基于颜色通道混合特征的夜间车辆检测方法 | |
JP5327241B2 (ja) | 物体識別装置 | |
JP2017174380A (ja) | 認識装置、物体の認識方法、プログラム、及び、記憶媒体 | |
CN113505860B (zh) | 盲区检测训练集的筛选方法、装置、服务器及存储介质 | |
CN113326749B (zh) | 目标检测方法、装置以及存储介质、电子设备 | |
CN112598674B (zh) | 用于车辆的图像处理方法、装置及车辆 | |
EP1939810B1 (en) | Color extraction method and device | |
CN114841874A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN114494054A (zh) | 一种夜间车辆检测方法及存储介质 | |
CN107092912A (zh) | 一种车牌的识别方法和装置 | |
Bachtiar et al. | Parking management by means of computer vision | |
JP2018072884A (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP2005250786A (ja) | 画像認識方法 |
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 |