CN115346373A - 一种红绿灯识别方法和装置 - Google Patents
一种红绿灯识别方法和装置 Download PDFInfo
- Publication number
- CN115346373A CN115346373A CN202210982954.1A CN202210982954A CN115346373A CN 115346373 A CN115346373 A CN 115346373A CN 202210982954 A CN202210982954 A CN 202210982954A CN 115346373 A CN115346373 A CN 115346373A
- Authority
- CN
- China
- Prior art keywords
- light
- traffic light
- color
- traffic
- unmanned vehicle
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000008859 change Effects 0.000 claims abstract description 32
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000009434 installation Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000012827 research and development Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G06V20/52—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
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种红绿灯识别方法和装置，本发明包括获取摄像头拍摄的多张红绿灯图像，并将所有红绿灯图像转换为数字图像，将所有数字图像映射到预设的HSV颜色空间，得到目标图像，通过目标图像的像素色调识别红绿灯图像内红绿灯的当前灯色，按照预设变灯规律计算当前灯色对应的预测变灯时间，当接收到无人车发送的红绿灯识别请求时，将无人车所处车道对应的当前灯色和预测变灯时间发送至无人车。解决了现有的V2X设备需与市政合作，且在红绿灯基础设施上加装，导致实际部署成本较高、周期较长的技术问题。本发明跳过目标检测步骤，降低了图像识别算法复杂度，对硬件要求低，从而降低研发和生产成本。
Description
技术领域
本发明涉及红绿灯识别技术领域，尤其涉及一种红绿灯识别方法和装置。
背景技术
随着人工智能的发展，智能汽车逐渐走进了大众的视野。智能汽车也称无人车，其通过车载传感器来感知车辆周围环境，车辆的中央控制系统根据传感器感知的道路和障碍物等信息综合控制车辆的转向和速度从而使车辆安全、可靠的在道路上行驶。而V2X，即Vehicle to Everything/Vehicle to X，车用无线通信技术，是意向以车辆为中心，与周边车辆、设备、基站通信，从而获取实时路况、道路信息、行人信息等一系列交通信息，以提高驾驶安全性、减少拥堵、提高交通效率、提供车载娱乐信息等，是未来智能交通运输系统的关键技术。
在现有的技术中，无人车红绿灯识别通常是通过无人车利用自带摄像头、计算设备识别红绿灯信息，但上述方法取决于车辆本身安装的摄像头，摄像头经常受车辆运动、摄像头安装角度限制、以及雨雾沙等天气状况影响，容易错误识别红绿灯而造成交通违法行为。
为此，现有的无人车通过与市政交通部署的V2X设备进行通信，直接得到红绿灯信息，但上述方式由于V2X设备需与市政合作，且在红绿灯基础设施上加装，或在路政规划时提前设计、实施。导致实际部署成本较高、周期较长。
发明内容
本发明提供了一种红绿灯识别方法和装置，解决了现有的无人车通过与市政交通部署的V2X设备进行通信，直接得到红绿灯信息，但上述方式由于V2X设备需与市政合作，且在红绿灯基础设施上加装，或在路政规划时提前设计、实施。导致实际部署成本较高、周期较长的技术问题。
本发明第一方面提供的一种红绿灯识别方法，应用于红绿灯识别装置内的计算识别组件，所述红绿灯识别装置还包括摄像头，所述方法包括：
获取所述摄像头拍摄的至少一张红绿灯图像，并转换为数字图像；
将所述数字图像映射到预设的HSV颜色空间，得到目标图像；
根据所述目标图像的像素色调识别所述红绿灯图像内红绿灯的当前灯色；
按照预设变灯规律计算所述当前灯色对应的预测变灯时间；
当接收到无人车发送的红绿灯识别请求时，将所述无人车所处车道对应的当前灯色和预测变灯时间发送至所述无人车。
可选地，所述将所述数字图像映射到预设的HSV颜色空间，得到目标图像的步骤，包括：
选取所述数字图像上对应红绿灯的所有灯色像素；
将全部所述灯色像素映射到预设的HSV颜色空间，生成多个中间像素；
将全部所述中间像素进行拼接，得到目标图像。
可选地，所述根据所述目标图像的像素色调识别所述红绿灯图像内红绿灯的当前灯色的步骤，包括：
判断所述目标图像的像素色调所处的像素色调范围区间；
将所述像素色调范围区间对应的颜色确定为所述红绿灯图像内红绿灯的当前灯色。
可选地，所述变灯规律包括全程亮灯时长；所述按照预设变灯规律计算所述当前灯色对应的预测变灯时间的步骤，包括：
获取所述当前灯色的起始变灯时间戳和当前时间戳；
计算所述当前时间戳和所述起始变灯时间戳的差值，得到所述当前灯色的已亮灯时长；
计算所述全程亮灯时长和所述已亮灯时长的差值，得到所述当前灯色对应的预测变灯时间。
可选地，所述方法还包括：
获取所述红绿灯的红灯对应的起始亮灯时间和结束亮灯时间；
计算所述红灯对应的起始亮灯时间和结束亮灯时间之间的差值，得到所述红灯的全程亮灯时长；
获取所述红绿灯的绿灯对应的起始亮灯时间和结束亮灯时间；
计算所述绿灯对应的起始亮灯时间和结束亮灯时间之间的差值，得到所述绿灯的全程亮灯时长；
采用所述红灯的全程亮灯时长和所述绿灯的全程亮灯时长，生成新的变灯规律。
可选地，在所述按照预设变灯规律计算所述当前灯色对应的预测变灯时间的步骤之后，还包括：
当所述当前灯色未按照对应的预测变灯时间进行变灯时，跳转执行所述获取所述红绿灯的红灯对应的起始亮灯时间和结束亮灯时间的步骤，直至生成新的变灯规律。
可选地，所述当接收到无人车发送的红绿灯识别请求时，将所述无人车所处车道对应的当前灯色和预测变灯时间发送至所述无人车的步骤，包括：
当接收到无人车发送的红绿灯识别请求时，获取所述红绿灯识别请求携带的无人车位置信息；
根据所述无人车位置信息确定所述无人车所处车道；
选取所述无人车所处车道对应的当前灯色和预测变灯时间；
将所述当前灯色和所述预测变灯时间发送至所述无人车。
可选地，在所述获取所述摄像头拍摄的至少一张红绿灯图像，并转换为数字图像的步骤之前，还包括：
当红绿灯所处路口中央存在第一基础设施且接收到第一安装请求时，移动至少一个所述红绿灯识别装置至所述第一基础设施并安装；
当红绿灯所处路口关联的车道存在第二基础设施且接收到第二安装请求时，移动至少一个所述红绿灯识别装置至所述第二基础设施并安装。
本发明第二方面提供的是一种红绿灯识别装置，包括摄像头、计算识别组件、发射组件和倒L型固定叉，所述装置包括：
所述摄像头设置于所述红绿灯识别装置顶部，与所述计算识别组件电性连接，用于拍摄红绿灯图像，并转换为数字图像；
所述计算识别组件与所述发射组件电性连接，用于将所述数字图像映射到预设的HSV颜色空间，得到目标图像；根据所述目标图像的像素色调识别所述红绿灯图像内红绿灯的当前灯色；按照预设变灯规律计算所述当前灯色对应的预测变灯时间；
所述发射组件，用于当接收到无人车发送的红绿灯识别请求时，将所述无人车所处车道对应的当前灯色和预测变灯时间发送至所述无人车；
所述倒L型固定叉设置于所述红绿灯识别装置底部，用于固定所述红绿灯识别装置。
可选地，还包括电源组件；
所述电源组件包括蓄电池和太阳能电池板；
所述蓄电池设置于所述红绿灯识别装置内部；
所述太阳能电池板设置于所述红绿灯识别装置顶部。
从以上技术方案可以看出，本发明具有以下优点：
本发明通过获取摄像头拍摄的多张红绿灯图像，并将所有红绿灯图像转换为数字图像，将所有数字图像映射到预设的HSV颜色空间，以便得到目标图像，通过目标图像的像素色调识别红绿灯图像内红绿灯的当前灯色，按照预设变灯规律计算当前灯色对应的预测变灯时间，当接收到无人车发送的红绿灯识别请求时，将无人车所处车道对应的当前灯色和预测变灯时间发送至无人车。解决了现有的无人车通过与市政交通部署的V2X设备进行通信，直接得到红绿灯信息，但上述方式由于V2X设备需与市政合作，且在红绿灯基础设施上加装，或在路政规划时提前设计、实施。导致实际部署成本较高、周期较长的技术问题。本发明通过将红绿灯识别装置长时间固定在十字路口，因此可通过累计历史规律，做到准确地预测变灯时间，所预测变灯时间比自动驾驶车载红绿灯识别、预测更为精确，并将变灯时间信息发送给无人车，以辅助无人车提前做出决策。
此外，本发明跳过目标检测步骤，降低了图像识别算法复杂度，对硬件要求低，从而降低研发和生产成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的一种红绿灯识别方法的步骤流程图；
图2为本发明实施例二提供的一种红绿灯识别方法的步骤流程图；
图3为本发明实施例二提供的红绿灯识别装置的部署示意图；
图4为本发明实施例三提供的一种红绿灯识别装置的结构示意图；
图5为本发明实施例三提供的一种倒L型固定叉的结构示意图。
其中，附图标记含义如下：
1、摄像头；2、计算识别组件；3、发射组件；4、太阳能电池板；5、电源组件；6、蓄电池；7、红绿灯；8、物理线路；9、传统V2X设备；10、红绿灯信号接收模块；11、无人车；12、倒L型固定叉。
具体实施方式
本发明实施例提供了一种红绿灯识别方法和装置，用于解决现有的无人车通过与市政交通部署的V2X设备进行通信，直接得到红绿灯信息，但上述方式由于V2X设备需与市政合作，且在红绿灯基础设施上加装，或在路政规划时提前设计、实施。导致实际部署成本较高、周期较长的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例一提供的一种红绿灯识别方法的步骤流程图。
本发明提供的一种红绿灯识别方法，应用于红绿灯识别装置内的计算识别组件2，红绿灯识别装置还包括摄像头1，此方法包括以下步骤：
步骤101、获取摄像头1拍摄的至少一张红绿灯图像，并转换为数字图像。
需要说明的是，红绿灯识别装置指的是识别红绿灯7中当前灯色以及预测下个灯色变灯时间的装置，计算识别组件2指的是可用于转换目标图像、识别当前灯色、生成变灯规律和预测变灯时间等的控制组件；红绿灯图像指的是红绿灯7显示灯色区域的图像。摄像头1可采用的是鱼眼摄像头，可保证拍摄或监控视野。
在本发明实施例中，摄像头1实时拍摄所识别红绿灯7的红绿灯图像，由摄像头1内的感光组件及控制组件对红绿灯图像进行处理并转换成计算机所能识别的数字图像。
步骤102、将数字图像映射到预设的HSV颜色空间，得到目标图像。
需要说明的是，HSV颜色空间指的是根据颜色的直观特性创建的一种颜色空间，也称为六角锥形模型，这个模型中颜色的参数分别是色调(H)、饱和度(S)和明度(V)。目标图像指的是包括色调(H)、饱和度(S)和明度(V)三个像素值编码组成的图像。
在本发明实施例中，将数字图像从RGB颜色空间映射到HSV颜色空间中，将数字图像(R，G，B)转换得到目标图像(H，S，V)，也就是将数字图像的RGB三通道数据转换成HSV三通道数据。
步骤103、根据目标图像的像素色调识别红绿灯图像内红绿灯7的当前灯色。
需要说明的是，每个像素色调(H)的数值范围对应一个像素色调区间，每个像素色调区间对应一种颜色。
在具体实施例中，先判断像素色调(H)数值处于哪个像素色调区间，再将像素色调范围区间对应的颜色确定为红绿灯图像内红绿灯7的当前灯色。
步骤104、按照预设变灯规律计算当前灯色对应的预测变灯时间。
需要说明的是，预设变灯规律指的是按照预定顺序从红灯变为黄灯，由黄灯变为绿灯、再从绿灯变成红灯，结合每个灯色对应的全程亮灯时长，从而计算变灯的规律。
在本发明实施例中，当一开始变灯时，本红绿灯识别装置可实时拍摄到红绿灯图像，记录拍摄到的变灯时间，持续拍摄到当前所处时间，计算出当前灯色的已亮灯时长，按照当前灯色对应的全程亮灯时长减去已亮灯时长，就可以得知当前灯色还有多久变为下一个灯色。
步骤105、当接收到无人车11发送的红绿灯识别请求时，将无人车11所处车道对应的当前灯色和预测变灯时间发送至无人车11。
需要说明的是，红绿灯识别请求指的是识别红绿灯当前灯色的请求。
在本发明实施例中，当红绿灯识别装置接收到无人车11发来的识别红绿灯当前灯色的请求时，从红绿灯识别请求中识别无人车11所处车道，将无人车11所处车道对应的当前灯色和预测变灯时间发送至无人车11。
本发明通过获取摄像头1拍摄的多张红绿灯图像，并将所有红绿灯图像转换为数字图像，将所有数字图像映射到预设的HSV颜色空间，以便得到目标图像，通过目标图像的像素色调识别红绿灯图像内红绿灯7的当前灯色，按照预设变灯规律计算当前灯色对应的预测变灯时间，当接收到无人车11发送的红绿灯识别请求时，将无人车11所处车道对应的当前灯色和预测变灯时间发送至无人车11。解决了现有的无人车11通过与市政交通部署的V2X设备进行通信，直接得到红绿灯信息，但上述方式由于V2X设备需与市政合作，且在红绿灯基础设施上加装，或在路政规划时提前设计、实施。导致实际部署成本较高、周期较长的技术问题。本发明通过将红绿灯识别装置长时间固定在十字路口，因此可通过累计历史规律，做到准确地预测变灯时间，所预测变灯时间比自动驾驶车载红绿灯识别、预测更为精确，并将变灯时间信息发送给无人车11，以辅助无人车11提前做出决策。
此外，本发明跳过目标检测步骤，降低了图像识别算法复杂度，对硬件要求低，从而降低研发和生产成本。
请参阅图2，图2为本发明实施例二提供的一种红绿灯识别方法的步骤流程图。
本发明提供的一种红绿灯识别方法，应用于红绿灯识别装置内的计算识别组件2，红绿灯识别装置还包括摄像头1，此方法包括以下步骤：
步骤201、当红绿灯7所处路口中央存在第一基础设施且接收到第一安装请求时，移动至少一个红绿灯识别装置至第一基础设施并安装。
需要说明的是，第一基础设施指的是除红绿灯7以外的电线杆、路灯杆、花坛或者其它的公共基础设施；第一安装请求指的是安装红绿灯识别装置的请求。
在本发明实施例中，若红绿灯7所处路口中央存在第一基础设施，具备部署红绿灯识别装置条件的，在接收到按照红绿灯识别装置的请求时，可以按照路口地形和第一基础设施的情况移动至少一个红绿灯识别装置到第一基础设施上，并根据红绿灯所朝向安装红绿灯识别装置。请参阅图3，如安装C14和C23两个红绿灯识别装置，则C14识别的是T1、T4两个红绿灯7，而C23识别的是T1和T4两个红绿灯7。
步骤202、当红绿灯7所处路口关联的车道存在第二基础设施且接收到第二安装请求时，移动至少一个红绿灯识别装置至第二基础设施并安装。
需要说明的是，第二基础设施指的是除红绿灯7以外的电线杆、路灯杆、花坛、栏杆或者其它的公共基础设施；第二安装请求指的是安装红绿灯识别装置的请求。
在本发明实施例中，若红绿灯7所处路口中央不存在第一基础设施，也不具备在路口中央部署红绿灯识别装置的条件，在接收到安装红绿灯识别装置的请求时，可以按照路口关联的车道和第二基础设施的情况移动至少一个红绿灯识别装置到第二基础设施上，并根据红绿灯7所朝向安装红绿灯识别装置。请参阅图3，如安装B1、B2、B3和B4四个红绿灯识别装置，则B1、B2、B3和B4四个红绿灯识别装置分别识别T1、T2、T3和T4四个红绿灯7，具体地，红绿灯识别装置的个数视具体实际情况而定，在此不作限定。
步骤203、获取摄像头1拍摄的至少一张红绿灯图像，并转换为数字图像。
在本发明实施例中，步骤203的具体实施过程与步骤101类似，在此不再赘述。
步骤204、将数字图像映射到预设的HSV颜色空间，得到目标图像。
可选地，步骤204可以包括以下步骤S11-S13：
S11、选取数字图像上对应红绿灯7的所有灯色像素；
S12、将全部灯色像素映射到预设的HSV颜色空间，生成多个中间像素；
S13、将全部中间像素进行拼接，得到目标图像。
需要说明的是，HSV颜色空间指的是根据颜色的直观特性创建的一种颜色空间，也称为六角锥形模型，这个模型中颜色的参数分别是色调(H)、饱和度(S)和明度(V)。三个参数分别代表三通道的数据，三通道数据对应坐标位置的三个像素值编码组成，比如8位的RGB图像，其每个像素值取值范围为0～255，如果某一坐标点A处红、绿和蓝三通道的像素值依次为255，255，255，那么该点表示的颜色为白色。
在具体实施例中，假设红绿灯图像为1920x1080像素，红绿灯图像左下角为坐标原点(0,0)，横向坐标为x轴，纵向坐标为y轴。如果红绿灯中的红灯恰巧在整张红绿灯图像的中间，那么该灯的目标区坐标为以(860,540)为中心、80像素(举例值)为半径的圆内。在安装红绿灯识别装置时，应提前人工将该圆形像素区域圈出，并标记为“红灯”，同样的，按照上述方式标记“绿灯”、“黄灯”，按照像素坐标区域进行识别是否红灯、绿灯和黄灯的亮、灭或者异常。
具体地，选取出三个灯色像素后映射到HSV颜色空间中，将每个灯色的像素坐标转换成0～1之间，并分别计算H、S、V的值，生成H、S、V三个通道数据，将三个通道数据进行拼接，即可最终得到目标图像。
步骤205、根据目标图像的像素色调识别红绿灯图像内红绿灯7的当前灯色。
可选地，步骤205可以包括以下步骤S21-S22：
S21、判断目标图像的像素色调所处的像素色调范围区间；
S22、将像素色调范围区间对应的颜色确定为红绿灯图像内红绿灯7的当前灯色。
在本发明实施例中，主要是将RGB颜色模型转换成HSV颜色模型，先判断出像素色调(H)数值处于哪个像素色调区间，例如，像素色调数值范围为0～255时，监测到的数值在22-38像素色调范围区间，22-38像素色调范围区间对应的颜色为黄色，38-75像素色调范围区间对应的颜色为绿色，160-179像素色调范围区间对应的颜色为红色。
步骤206、按照预设变灯规律计算当前灯色对应的预测变灯时间。
可选地，步骤206还可以包括以下步骤S31-S33：
S31、获取当前灯色的起始变灯时间戳和当前时间戳；
S32、计算当前时间戳和起始变灯时间戳的差值，得到当前灯色的已亮灯时长；
S33、计算全程亮灯时长和已亮灯时长的差值，得到当前灯色对应的预测变灯时间。
需要说明的是，起始变灯时间戳指的是一开始变灯的产生时间，也就是刚变灯的时刻；当前时间戳指的是当前所处时间或当前时刻；已亮灯时长指的是从一开始亮灯直至当前亮灯的用时时长；预测变灯时间指的是预测变为下个灯色的时间；全程亮灯时长指的是红绿灯7的红灯或绿灯从开始亮灯时间到转变为绿灯或红灯的用时时长。
在本发明实施例中，红绿灯识别装置是周期性频率发送结果(例如1s甚至是几百ms)，当一开始变灯时，本红绿灯识别装置可实时拍摄到红绿灯图像，该图像信息携带着起始变灯的产生时间，持续拍摄到当前所处时间，可以将实时拍摄到的当前所处时间减去起始变灯的产生时间，就可以得知当前灯色的已亮灯时长。按照当前灯色对应的全程亮灯时长减去已亮灯时长，就可以得知当前灯色还有多久变为下一个灯色。
可选地，此方法还包括以下步骤S41-S45：
S41、获取红绿灯7的红灯对应的起始亮灯时间和结束亮灯时间；
S42、计算红灯对应的起始亮灯时间和结束亮灯时间之间的差值，得到红灯的全程亮灯时长；
S43、获取红绿灯7的绿灯对应的起始亮灯时间和结束亮灯时间；
S44、计算绿灯对应的起始亮灯时间和结束亮灯时间之间的差值，得到绿灯的全程亮灯时长；
S45、采用红灯的全程亮灯时长和绿灯的全程亮灯时长，生成新的变灯规律。
在具体实施例中，实时拍摄红绿灯图像，便于第一时间获取红绿灯7的红灯的起始亮灯时间和结束亮灯时间，将红灯的结束亮灯时间减去起始亮灯时间，即可得知红灯的全程亮灯时长。同样的，实时拍摄红绿灯图像，便于第一时间获取绿灯的起始亮灯时间和结束亮灯时间，将绿灯的结束亮灯时间减去起始亮灯时间，即可得知绿灯的全程亮灯时长。
一般情况下，会将黄灯的全程亮灯时长归为红灯的全程亮灯时长，如需要区分开黄灯的全程亮灯时长，即可按照上述步骤获得黄灯的全程亮灯时长。
无特殊情况下，当重复按照红灯、绿灯和黄灯的全程亮灯时长执行变灯操作时，即可生成新的变灯规律，后续可按照新的变灯规律中对应灯色的全程亮灯时长预测下个灯色的变灯时间，因红绿灯识别装置是长时间固定在路口，可通过新的变灯规律，做到准确地预测变灯时间。将预测下个灯色的变灯时间发送至无人车11，以辅助无人车11提前做好决策。
可选地，在步骤206之后，还包括以下步骤S51：
S51、当当前灯色未按照对应的预测变灯时间进行变灯时，跳转执行获取红绿灯7的红灯对应的起始亮灯时间和结束亮灯时间的步骤，直至生成新的变灯规律。
在具体实施例中，在灯色时长变更的情况下，原先的变灯规律是绿灯持续60s后变为红灯(黄灯简化为红灯)，但原先的变灯规律突然改成持续90s后变成红灯。当超过60s后，例如第61s，本红绿灯识别装置检测到红绿灯7的当前灯色不是红灯，此时可以生成“当前绿灯”、“变灯预测异常”两个信息并发送给无人车11。于是重复执行实时拍摄红绿灯图像，便于第一时间获取红绿灯7的红灯的起始亮灯时间和结束亮灯时间，将红灯的结束亮灯时间减去起始亮灯时间，即可得知红灯的全程亮灯时长这些步骤，直到生成新的变灯规律。
步骤207、当接收到无人车11发送的红绿灯识别请求时，将无人车11所处车道对应的当前灯色和预测变灯时间发送至无人车11。
可选地，步骤207可以包括以下步骤S61-S64：
S61、当接收到无人车11发送的红绿灯识别请求时，获取红绿灯识别请求携带的无人车位置信息；
S62、根据无人车位置信息确定无人车11所处车道；
S63、选取无人车11所处车道对应的当前灯色和预测变灯时间；
S64、将当前灯色和预测变灯时间发送至无人车11。
本发明实施例中，当红绿灯识别装置接收到无人车11发来的识别红绿灯当前灯色的请求时，提取识别红绿灯当前灯色的请求携带的无人车位置信息，按照无人车位置信息识别无人车11所处车道，并按照无人车11所处车道选取出对应的红绿灯7的当前灯色和预测变灯时间，将当前灯色和预测变灯时间发送给无人车11，以辅助无人车11提前作出决策。
当无人车11变更车道，并重新发送红绿灯识别请求时，则红绿灯识别装置接收到红绿灯识别请求重新确认无人车11所处车道，再次发送无人车11所处车道对应的红绿灯7的当前灯色和预测变灯时间给无人车11。
本发明通过获取摄像头1拍摄的多张红绿灯图像，并将所有红绿灯图像转换为数字图像，将所有数字图像映射到预设的HSV颜色空间，以便得到目标图像，通过目标图像的像素色调识别红绿灯图像内红绿灯7的当前灯色，按照预设变灯规律计算当前灯色对应的预测变灯时间，当接收到无人车11发送的红绿灯识别请求时，将无人车11所处车道对应的当前灯色和预测变灯时间发送至无人车11。解决了现有的无人车11通过与市政交通部署的V2X设备进行通信，直接得到红绿灯信息，但上述方式由于V2X设备需与市政合作，且在红绿灯基础设施上加装，或在路政规划时提前设计、实施。导致实际部署成本较高、周期较长的技术问题。本发明通过将红绿灯识别装置长时间固定在十字路口，因此可通过累计历史规律，做到准确地预测变灯时间，所预测变灯时间比自动驾驶车载红绿灯识别、预测更为精确，并将变灯时间信息发送给无人车11，以辅助无人车11提前做出决策。
此外，本发明跳过目标检测步骤，降低了图像识别算法复杂度，对硬件要求低，从而降低研发和生产成本。
请参阅图4和图5，图4为本发明实施例三提供的一种红绿灯识别装置的结构示意图。
本发明提供的一种红绿灯识别装置，包括摄像头1、计算识别组件2和倒L型固定叉12，此装置包括：
摄像头1设置于红绿灯识别装置顶部，与计算识别组件2电性连接，用于拍摄红绿灯图像，并转换为数字图像；计算识别组件2与发射组件3电性连接，用于将数字图像映射到预设的HSV颜色空间，得到目标图像；根据目标图像的像素色调识别红绿灯图像内红绿灯7的当前灯色；按照预设变灯规律计算当前灯色对应的预测变灯时间；发射组件3，用于当接收到无人车11发送的红绿灯识别请求时，将无人车11所处车道对应的当前灯色和预测变灯时间发送至无人车11；倒L型固定叉12设置于红绿灯识别装置底部，用于固定红绿灯识别装置。还包括电源组件5；电源组件5包括蓄电池6和太阳能电池板4；蓄电池6设置于红绿灯识别装置内部；太阳能电池板4设置于红绿灯识别装置顶部。
需要说明的是，参阅图4，传统的识别装置包括物理线路8、传统V2X设备9和红绿灯信号接收模块10和无人车11。而本申请中摄像头1设置于红绿灯识别装置顶部，便于拍摄红绿灯图像，摄像头1可以采用鱼眼摄像头，视野广阔，摄像头1可内设置有感光组件和控制组件，可将拍摄的红绿灯图像转换为数字图像，摄像头1与计算识别组件2电性连接，当转换成数字图像后，可以传输至计算识别组件2。
计算识别组件2可将接收到的数字图像映射到预设的HSV颜色空间，将数字图像从RGB颜色空间转换为HSV颜色空间，生成目标图像，再按照目标图像的(H)像素色调数值范围判断该(H)像素色调数值范围所处的像素色调范围区间，从而识别像素色调范围区间对应的颜色，将像素色调范围区间对应的颜色确定为红绿灯图像内红绿灯7的当前灯色，按照当前灯色对应的起始亮灯时间和当前亮灯时间，计算出当前灯色对应的预测变灯时间。
计算识别组件2与发射组件3连接，当发射组件3接到到无人车11发送的红绿灯识别请求时，将该红绿灯识别请求发送至计算识别组件2，当计算识别组件2获取无人车11所处车道时，即可发送无人车11所处车道对应的当前灯色和预测变灯时间，以辅助无人车11提前作出决策。
倒L型固定叉12指的是一种固定设备，设置在红绿灯识别装置底部，当确定红绿灯识别装置安装位置时，将倒L型固定叉12固定在基础设施上，便于固定红绿灯识别装置。例如，对于有绿化隔离带的红绿灯路口，可以采用倒L型固定叉12长头插入泥土，倒L型固定叉12短头卡在绿化带栏杆上，使其旋转、晃动都能保持在特定范围内。
电源组件5包括蓄电池6和太阳能电池板4；蓄电池6设置于红绿灯识别装置内部，蓄电池6为可换电设计，以便于在电量耗尽时及时更换；太阳能电池板4设置于红绿灯识别装置顶部方便接收光照，并将光源转换成电源，电源组件5可以保证红绿灯识别装置在无需外接电源的情况下，可长时间不断电工作，且快速换电实现长时间续航。
本发明通过获取摄像头1拍摄的多张红绿灯图像，并将所有红绿灯图像转换为数字图像，将所有数字图像映射到预设的HSV颜色空间，以便得到目标图像，通过目标图像的像素色调识别红绿灯图像内红绿灯7的当前灯色，按照预设变灯规律计算当前灯色对应的预测变灯时间，当接收到无人车11发送的红绿灯识别请求时，将无人车11所处车道对应的当前灯色和预测变灯时间发送至无人车11。解决了现有的无人车11通过与市政交通部署的V2X设备进行通信，直接得到红绿灯信息，但上述方式由于V2X设备需与市政合作，且在红绿灯基础设施上加装，或在路政规划时提前设计、实施。导致实际部署成本较高、周期较长的技术问题。本发明通过将红绿灯识别装置长时间固定在十字路口，因此可通过累计历史规律，做到准确地预测变灯时间，所预测变灯时间比自动驾驶车载红绿灯识别、预测更为精确，并将变灯时间信息发送给无人车11，以辅助无人车11提前做出决策。
此外，本发明跳过目标检测步骤，降低了图像识别算法复杂度，对硬件要求低，从而降低研发和生产成本。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例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-OnlyMemory)、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。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种红绿灯识别方法，其特征在于，应用于红绿灯识别装置内的计算识别组件，所述红绿灯识别装置还包括摄像头，所述方法包括：
获取所述摄像头拍摄的至少一张红绿灯图像，并转换为数字图像；
将所述数字图像映射到预设的HSV颜色空间，得到目标图像；
根据所述目标图像的像素色调识别所述红绿灯图像内红绿灯的当前灯色；
按照预设变灯规律计算所述当前灯色对应的预测变灯时间；
当接收到无人车发送的红绿灯识别请求时，将所述无人车所处车道对应的当前灯色和预测变灯时间发送至所述无人车。
2.根据权利要求1所述的红绿灯识别方法，其特征在于，所述将所述数字图像映射到预设的HSV颜色空间，得到目标图像的步骤，包括：
选取所述数字图像上对应红绿灯的所有灯色像素；
将全部所述灯色像素映射到预设的HSV颜色空间，生成多个中间像素；
将全部所述中间像素进行拼接，得到目标图像。
3.根据权利要求1所述的红绿灯识别方法，其特征在于，所述根据所述目标图像的像素色调识别所述红绿灯图像内红绿灯的当前灯色的步骤，包括：
判断所述目标图像的像素色调所处的像素色调范围区间；
将所述像素色调范围区间对应的颜色确定为所述红绿灯图像内红绿灯的当前灯色。
4.根据权利要求1所述的红绿灯识别方法，其特征在于，所述变灯规律包括全程亮灯时长；所述按照预设变灯规律计算所述当前灯色对应的预测变灯时间的步骤，包括：
获取所述当前灯色的起始变灯时间戳和当前时间戳；
计算所述当前时间戳和所述起始变灯时间戳的差值，得到所述当前灯色的已亮灯时长；
计算所述全程亮灯时长和所述已亮灯时长的差值，得到所述当前灯色对应的预测变灯时间。
5.根据权利要求1所述的红绿灯识别方法，其特征在于，所述方法还包括：
获取所述红绿灯的红灯对应的起始亮灯时间和结束亮灯时间；
计算所述红灯对应的起始亮灯时间和结束亮灯时间之间的差值，得到所述红灯的全程亮灯时长；
获取所述红绿灯的绿灯对应的起始亮灯时间和结束亮灯时间；
计算所述绿灯对应的起始亮灯时间和结束亮灯时间之间的差值，得到所述绿灯的全程亮灯时长；
采用所述红灯的全程亮灯时长和所述绿灯的全程亮灯时长，生成新的变灯规律。
6.根据权利要求5所述的红绿灯识别方法，其特征在于，在所述按照预设变灯规律计算所述当前灯色对应的预测变灯时间的步骤之后，还包括：
当所述当前灯色未按照对应的预测变灯时间进行变灯时，跳转执行所述获取所述红绿灯的红灯对应的起始亮灯时间和结束亮灯时间的步骤，直至生成新的变灯规律。
7.根据权利要求1所述的红绿灯识别方法，其特征在于，所述当接收到无人车发送的红绿灯识别请求时，将所述无人车所处车道对应的当前灯色和预测变灯时间发送至所述无人车的步骤，包括：
当接收到无人车发送的红绿灯识别请求时，获取所述红绿灯识别请求携带的无人车位置信息；
根据所述无人车位置信息确定所述无人车所处车道；
选取所述无人车所处车道对应的当前灯色和预测变灯时间；
将所述当前灯色和所述预测变灯时间发送至所述无人车。
8.根据权利要求1-7任一项所述的红绿灯识别方法，其特征在于，在所述获取所述摄像头拍摄的至少一张红绿灯图像，并转换为数字图像的步骤之前，还包括：
当红绿灯所处路口中央存在第一基础设施且接收到第一安装请求时，移动至少一个所述红绿灯识别装置至所述第一基础设施并安装；
当红绿灯所处路口关联的车道存在第二基础设施且接收到第二安装请求时，移动至少一个所述红绿灯识别装置至所述第二基础设施并安装。
9.一种红绿灯识别装置，其特征在于，包括摄像头、计算识别组件、发射组件和倒L型固定叉，所述装置包括：
所述摄像头设置于所述红绿灯识别装置顶部，与所述计算识别组件电性连接，用于拍摄红绿灯图像，并转换为数字图像；
所述计算识别组件与所述发射组件电性连接，用于将所述数字图像映射到预设的HSV颜色空间，得到目标图像；根据所述目标图像的像素色调识别所述红绿灯图像内红绿灯的当前灯色；按照预设变灯规律计算所述当前灯色对应的预测变灯时间；
所述发射组件，用于当接收到无人车发送的红绿灯识别请求时，将所述无人车所处车道对应的当前灯色和预测变灯时间发送至所述无人车；
所述倒L型固定叉设置于所述红绿灯识别装置底部，用于固定所述红绿灯识别装置。
10.根据权利要求9所述的红绿灯识别装置，其特征在于，还包括电源组件；
所述电源组件包括蓄电池和太阳能电池板；
所述蓄电池设置于所述红绿灯识别装置内部；
所述太阳能电池板设置于所述红绿灯识别装置顶部。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210982954.1A CN115346373A (zh) | 2022-08-16 | 2022-08-16 | 一种红绿灯识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210982954.1A CN115346373A (zh) | 2022-08-16 | 2022-08-16 | 一种红绿灯识别方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115346373A true CN115346373A (zh) | 2022-11-15 |
Family
ID=83952681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210982954.1A Pending CN115346373A (zh) | 2022-08-16 | 2022-08-16 | 一种红绿灯识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115346373A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111009139A (zh) * | 2019-11-11 | 2020-04-14 | 京东数字科技控股有限公司 | 一种信号灯配时信息处理方法、装置及车路协同系统 |
| 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 |
| CN112101283A (zh) * | 2020-09-25 | 2020-12-18 | 深圳技术大学 | 一种交通标志智能识别方法及系统 |
| CN113469109A (zh) * | 2021-07-16 | 2021-10-01 | 阿波罗智联(北京)科技有限公司 | 交通灯识别结果处理方法、装置、路侧设备及云控平台 |
| US20210334559A1 (en) * | 2020-12-03 | 2021-10-28 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Light color identifying method and apparatus of signal light, and roadside device |
| US20220139217A1 (en) * | 2019-08-08 | 2022-05-05 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for traffic violation detection |
-
2022
- 2022-08-16 CN CN202210982954.1A patent/CN115346373A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220139217A1 (en) * | 2019-08-08 | 2022-05-05 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for traffic violation detection |
| CN111009139A (zh) * | 2019-11-11 | 2020-04-14 | 京东数字科技控股有限公司 | 一种信号灯配时信息处理方法、装置及车路协同系统 |
| 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 |
| CN112101283A (zh) * | 2020-09-25 | 2020-12-18 | 深圳技术大学 | 一种交通标志智能识别方法及系统 |
| US20210334559A1 (en) * | 2020-12-03 | 2021-10-28 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Light color identifying method and apparatus of signal light, and roadside device |
| CN113469109A (zh) * | 2021-07-16 | 2021-10-01 | 阿波罗智联(北京)科技有限公司 | 交通灯识别结果处理方法、装置、路侧设备及云控平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9679482B2 (en) | Road and path lighting system | |
| KR101950850B1 (ko) | LED 신호등의 칼라광정보를 통한 신호등객체주변기기로의 IoT 연계형 스마트 가시광 통신장치 및 방법 | |
| CN112101272B (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
| CN111950536A (zh) | 信号灯图像的处理方法、装置、计算机系统和路侧设备 | |
| CN112750170B (zh) | 一种雾特征识别方法、装置及相关设备 | |
| CN110428654B (zh) | 一种交通信号灯路口安全通行方法及系统 | |
| CN111931726B (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
| US20190008019A1 (en) | Method of controlling a light intensity of a light source in a light network | |
| JP6056540B2 (ja) | 周辺車両識別システム、特徴量送信装置、及び周辺車両識別装置 | |
| CN106218492A (zh) | 一种黑夜行车灯光自动切换装置及切换方法 | |
| CN110728850A (zh) | 一种道路交通信号自适应优化系统 | |
| CN115103475A (zh) | 一种路灯照明控制方法、装置、设备及存储介质 | |
| CN110211073B (zh) | 进入隧道的引导装置和方法 | |
| CN110708830B (zh) | 智能灯具巡查系统 | |
| CN115346373A (zh) | 一种红绿灯识别方法和装置 | |
| CN112509353A (zh) | 一种机器人的过路方法、装置、机器人和存储介质 | |
| CN113470393B (zh) | 融合视觉感知与图文投影的高速公路警示服务方法及系统 | |
| CN113053154B (zh) | 停车场的车辆监控方法、装置、系统及服务器 | |
| KR20190100539A (ko) | 사물인터넷, 인공지능 및 빅데이터로 운영되는 교통신호 시스템 | |
| CN115100625A (zh) | 一种信号灯状态的识别方法及系统 | |
| EP3073807B1 (en) | Apparatus and method for controlling a lighting system | |
| CN113056054A (zh) | 一种智慧路灯的控制方法、系统、终端以及存储介质 | |
| WO2021007755A1 (zh) | 控制方法、装置、系统和计算机可读介质 | |
| KR101444233B1 (ko) | Ｃｃｔｖ 기반의 도로 통신을 위한 ｌｃｓ 시스템, 그리고 이를 이용한 도로 교통 사고 처리 방법 | |
| US20200097019A1 (en) | Vision system for an automotive vehicle |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221115 |