CN117274943A - 一种交通灯识别的方法及装置 - Google Patents
一种交通灯识别的方法及装置 Download PDFInfo
- Publication number
- CN117274943A CN117274943A CN202210674416.6A CN202210674416A CN117274943A CN 117274943 A CN117274943 A CN 117274943A CN 202210674416 A CN202210674416 A CN 202210674416A CN 117274943 A CN117274943 A CN 117274943A
- Authority
- CN
- China
- Prior art keywords
- traffic light
- determining
- intersection
- crosswalk
- belongs
- 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 62
- 238000002310 reflectometry Methods 0.000 claims abstract description 73
- 238000003860 storage Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V20/56—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
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书公开了一种交通灯识别的方法及装置。首先,获取激光反射率底图。其次,确定激光反射率底图中涉及的各交通灯所属的路口。最后,针对每个交通灯,根据该交通灯在激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。本方法可以提高确定出的交通灯的朝向的准确性。
Description
技术领域
本说明书涉及互联网技术领域,尤其涉及一种交通灯识别的方法及装置。
背景技术
高精地图是自动驾驶技术实现的基础。交通灯作为高精地图中的核心元素,为自动驾驶的决策规划提供重要依据。目前,主要是通过车顶的激光雷达来确定交通灯的点云数据,由于交通灯相对于整个场景来说,尺寸十分小,因此落到交通灯上的点云十分稀疏,不具有完整的形状,无法分辨交通灯的朝向。
发明内容
本说明书提供一种交通灯识别的方法、装置、计算机可读存储介质及电子设备,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交通灯识别的方法,所述方法应用于自动驾驶领域,包括:
获取激光反射率底图;
确定所述激光反射率底图中涉及的各交通灯所属的路口;
针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向;
根据各交通灯的朝向以及所述激光反射率底图,构建高精地图。
可选地,确定所述激光反射率底图中涉及的各交通灯所属的路口,具体包括:
根据各交通灯在所述激光反射率底图中的位置信息,对所述各交通灯进行聚类,并根据得到的聚类结果,确定所述各交通灯所属的路口。
可选地,所述方法还包括:
针对所述聚类结果中的每个聚类簇,根据该聚类簇的中心与每个路面标线元素之间的距离,确定归属于该聚类簇对应路口的路面标线元素。
可选地,所述路面标线元素包括:人行横道线;
针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向,具体包括:
针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各人行横道线的位置信息,确定该交通灯与各人行横道线之间的距离;
根据该交通灯与各人行横道线之间的距离,确定该交通灯相匹配的人行横道线;
以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的人行横道线的短边平行为条件,确定该交通灯的朝向。
可选地,针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向,具体包括:
针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各组人行横道线的位置信息,确定该交通灯与各组人行横道线之间的距离;
若该交通灯与任意两组人行横道线之间的距离均小于设定距离阈值,且两组人行横道线的短边相互垂直,确定该交通灯所处的位置相匹配的两组人行横道线;
以将该交通灯对应的交通灯形状的长边与该交通灯所处的位置相匹配的两组人行横道线中的任意一组人行横道线的短边平行为条件,确定该交通灯的朝向,并在该交通灯所处的位置生成一个交通灯,将生成的交通灯对应的交通灯形状的长边与该交通灯对应的交通灯形状的长边相互垂直。
可选地,针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向,具体包括:
若确定该交通灯所属的路口为岔路路口,根据所述激光反射率底图中的该交通灯所属的路口对应的各组人行横道线的面积,确定该交通灯所属的路口中的岔路对应的人行横道线,作为岔路人行横道线;
针对每组岔路人行横道线,根据该交通灯所属的路口对应的各交通灯的位置信息以及该组岔路人行横道线对应的位置信息,确定该组岔路人行横道线与各交通灯之间的距离;
根据该组岔路人行横道线与各交通灯之间的距离,确定该组岔路人行横道线相匹配的交通灯;
以将该组岔路人行横道线的短边与该组岔路人行横道线相匹配的交通灯的交通灯形状的长边平行为条件,确定该组岔路人行横道线相匹配的交通灯的朝向。
可选地,确定该交通灯所属的路口为岔路路口,具体包括:
根据所述激光反射率底图中的该交通灯所属的路口对应的各组人行横道线的组数,判断该交通灯所属的路口是否为岔路路口;
若所述组数不小于设定组数阈值,确定该交通灯所属的路口为岔路路口。
可选地,所述路面标线元素包括:停止线;
针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向,具体包括:
针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各停止线的位置信息,确定该交通灯与各停止线之间的距离;
根据该交通灯与各停止线之间的距离,确定该交通灯相匹配的停止线;
以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的停止线平行为条件,确定该交通灯的朝向。
可选地,所述路面标线元素包括:车道线,所述方法还包括:
若该交通灯与该交通灯对应的停止线之间的距离大于设定距离阈值,根据该交通灯的位置信息以及该交通灯所属的路口对应的各车道线对应的位置信息,确定该交通灯与各车道线之间的距离;
根据该交通灯与各车道线之间的距离,确定该交通灯相匹配的车道线;
以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的车道线相垂直为条件,确定该交通灯的朝向。
本说明书提供了一种交通灯识别的装置,所述装置应用于自动驾驶领域,包括:
获取模块,用于获取激光反射率底图;
确定模块,用于确定所述激光反射率底图中涉及的各交通灯所属的路口;
朝向模块,用于针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。
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交通灯识别的方法。
本说明书提供了一种电子设备,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交通灯识别的方法。
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:
在本说明书提供的交通灯识别的方法中,首先,获取激光反射率底图。其次,确定激光反射率底图中涉及的各交通灯所属的路口。最后,针对每个交通灯,根据该交通灯在激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。
从上述方法中可以看出,本方法可以根据该交通灯在激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。本方法可以提高确定出的交通灯的朝向的准确性。
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为本说明书中一种交通灯识别的方法的流程示意图;
图2为本说明书提供的一种原始的激光反射率底图的示意图;
图3为本说明书提供的一种应用交通灯识别的构建的激光反射率底图的示意图;
图4为本说明书提供的一种交通灯识别的装置的示意图;
图5为本说明书提供的对应于图1的电子设备的示意图。
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。
图1为本说明书中一种交通灯识别的方法的流程示意图,具体包括以下步骤:
S100:获取激光反射率底图。
本说明书中涉及的交通灯识别的方法的执行主体可以是服务器,也可以是诸如台式电脑、笔记本电脑等电子设备,为了便于描述,下面仅以服务器为执行主体,对本说明书提供的交通灯识别的方法进行说明。
在实际应用中,不同材质的物体具备不同的激光反射率,例如,对于道路上的标线来说,为了醒目常采用高反射率的反光涂料,这就导致激光打在这些反光涂料上时,反射率也会相对增加。基于此,服务器可以通过预先构建的激光反射率底图,体现诸如车道线、马路边缘、交通灯等因激光反射率明显不同而较为突出的信息。
在本说明书实施例中,服务器可以获取激光反射率底图。激光反射率底图可以是通过无人设备上设置的激光雷达,获取到的点云数据中的激光反射率数据得到的。
需要说明的是,服务器获取到的激光反射率底图中的交通灯的朝向并不准确。由于路口类型有多种,例如十字形路口,T字形路口等,不同的路口类型对应的交通灯的朝向规则也不相同,因此,服务器可以先确定出路口类型,根据不同的路口类型,确定不同的交通灯的朝向规则。接下来,本方法以十字形路口为例,对本方法进行说明。具体如图2所示。
图2为本说明书提供的一种原始的激光反射率底图的示意图。
在图2中,由于交通灯相对于整个场景来说,尺寸十分小,因此落到交通灯上的点云十分稀疏,不具有完整的形状。因此,服务器可以在交通灯所在的位置生成预设尺寸的黑色长方形,通过黑色长方形表示交通灯。从图2中可以看出,原始的激光反射率底图中的交通灯的朝向并不符合实际应用过程中的交通灯的朝向要求。
在本说明书提到的无人设备可以是指无人机、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,应用本说明书提供的交通灯识别的方法的无人设备可以用于执行配送领域的配送任务,如,使用无人设备进行快递、物流、外卖等配送的业务场景。
S102:确定所述激光反射率底图中涉及的各交通灯所属的路口。
在实际应用中,在一个激光反射率底图中包含有大量的交通灯,服务器需要对这些交通灯进行分类,确定出每个交通灯对应的交叉路口,以在后续的方法中,更好的确定出各交通灯的朝向。
在本说明书实施例中,服务器可以确定所述激光反射率底图中涉及的各交通灯所属的路口。
具体的,服务器可以根据各交通灯在激光反射率底图中的位置信息,对各交通灯进行聚类,并根据得到的聚类结果,确定各交通灯所属的路口。例如,服务器可以通过聚类算法,对各交通灯进行聚类,确定每个路口对应的各交通灯,作为聚类结果中的每个聚类簇。
进一步的,服务器可以针对聚类结果中的每个聚类簇,根据该聚类簇的中心与每个路面标线元素之间的距离,确定归属于该聚类簇对应路口的路面标线元素。
具体的,服务器可以根据该路口对应的各交通灯的位置信息,确定该聚类簇的中心,并根据该聚类簇的中心与每个路面标线元素之间的距离,将距离小于设定距离阈值的路面标线元素,作为该路口的路面标线元素。
S104:针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。
在实际应用中,由于交通灯相对于整个场景来说,尺寸十分小,因此落到交通灯上的点云十分稀疏,不具有完整的形状,服务器无法通过点云数据,分辨交通灯的朝向。基于此,服务器可以通过激光反射率底图中的路面标线元素,确定交通灯的朝向。
在本说明书实施例中,服务器可以针对每个交通灯,根据该交通灯在激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。这里提到的路面标线元素包括:人行横道线、车道线、停止线等路面标线。其中,车道线可以是指用来分隔同向行驶的交通流的交通标线。停止线可以是指车流让行、等候放行等情况下的停车位置。
在本说明书实施例中,服务器可以根据符合大众认知的交通规则,确定交通灯的朝向。例如,道路内的交通灯对应的交通灯形状的长边与车道线呈垂直关系。再例如,人行横道线处的交通灯对应的交通灯形状的长边与人行横道的短边呈平行关系。再例如,两个人行横道线路口的交叉处,一般有两个交通灯,这两个交通灯相互垂直,且交通灯对应的交通灯形状的长边与人行横道的短边呈平行关系。
在实际应用中,由于不同的交通灯的作用不同,所适用的交通规则也不相同。因此,不同的交通灯与不同的路面标线元素的关系也不相同。基于此,服务器可以根据该交通灯在激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。
在本说明书实施例中,服务器可以针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各人行横道线的位置信息,确定该交通灯与各人行横道线之间的距离。
其次,服务器可以根据该交通灯与各人行横道线之间的距离,确定该交通灯相匹配的人行横道线。例如,服务器可以根据该交通灯与各人行横道线之间的距离,选取出距离最短的人行横道线,确定该交通灯相匹配的人行横道线。
最后,服务器可以以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的人行横道线的短边平行为条件,确定该交通灯的朝向。
在实际应用中,两个人行横道线路口的交叉处,一般有两个交通灯,这两个交通灯相互垂直,且距离较近。但是,由于交通灯相对于整个场景来说,尺寸十分小,因此落到交通灯上的点云十分稀疏,无法分辨距离较近的两个交通灯,可能会出现将两个交通灯识别为一个交通灯的情况。因此,服务器可以确定出其中一个交通灯的朝向,并在该交通灯所处的位置生成一个交通灯,将生成的交通灯对应的交通灯形状的长边与该交通灯对应的交通灯形状的长边相互垂直,以得到两个交通灯的朝向。
在本说明书实施例中,服务器可以针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各组人行横道线的位置信息,确定该交通灯与各组人行横道线之间的距离。
其中,一组人行横道线可以是指由若干条的白色线组成的主要是供行人穿越马路之用的路面标线。
其次,若该交通灯与任意两组人行横道线之间的距离均小于设定距离阈值,且两组人行横道线的短边相互垂直,确定该交通灯所处的位置相匹配的两组人行横道线。
最后,服务器可以以将该交通灯对应的交通灯形状的长边与该交通灯所处的位置相匹配的两组人行横道线中的任意一组人行横道线的短边平行为条件,确定该交通灯的朝向,并在该交通灯所处的位置生成一个交通灯,将生成的交通灯对应的交通灯形状的长边与该交通灯对应的交通灯形状的长边相互垂直。
在实际应用中,一个正常的路口包括至少四组人行横道线,而一个岔路路口包括至少八组人行横道线。其中,岔路路口中除了包括有正常的路口的四组人行横道线,还包括有岔路人行横道线,并且,岔路人行横道线具有专用的交通灯。基于此,服务器可以根据该交通灯所属的路口对应的各交通灯的位置信息以及岔路人行横道线对应的位置信息,确定岔路人行横道线相匹配的交通灯的朝向。
在本说明书实施例中,若确定该交通灯所属的路口为岔路路口,服务器可以根据激光反射率底图中的该交通灯所属的路口对应的各组人行横道线的面积,确定该交通灯所属的路口中的岔路对应的人行横道线,作为岔路人行横道线。
具体的,服务器可以将该岔路路口对应的各组人行横道线的面积从小到大进行排序,将排序靠前的四组人行横道线作为岔路人行横道线。
其中,服务器可以根据激光反射率底图中的该交通灯所属的路口对应的各组人行横道线的组数,判断该交通灯所属的路口是否为岔路路口。
若组数大于设定组数阈值,确定该交通灯所属的路口为岔路路口。例如,若组数不小于八组,确定该交通灯所属的路口为岔路路口。
其次,针对每组岔路人行横道线,服务器可以根据该交通灯所属的路口对应的各交通灯的位置信息以及该组岔路人行横道线对应的位置信息,确定该组岔路人行横道线与各交通灯之间的距离。
而后,服务器可以根据该组岔路人行横道线与各交通灯之间的距离,确定该组岔路人行横道线相匹配的交通灯。
具体的,服务器可以根据该组岔路人行横道线与各交通灯之间的距离,选取出距离最短的交通灯,确定该组岔路人行横道线相匹配的交通灯。
最后,服务器可以以将该组岔路人行横道线的短边与该组岔路人行横道线相匹配的交通灯的交通灯形状的长边平行为条件,确定该组岔路人行横道线相匹配的交通灯的朝向。
在实际应用中,除了用于指示行人进行行走的交通灯外,还有用于指示车辆进行行驶的交通灯,这两种交通灯的交通灯朝向规则并不相同。
在本说明书实施例中,服务器可以针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各停止线的位置信息,确定该交通灯与各停止线之间的距离。
具体的,服务器可以根据该交通灯的位置信息以及该交通灯所属的路口对应的各停止线的位置信息,选取出距离最短的停止线,确定该交通灯与各停止线之间的距离。
其次,服务器可以根据该交通灯与各停止线之间的距离,确定该交通灯相匹配的停止线。
最后,服务器可以以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的停止线平行为条件,确定该交通灯的朝向。
在实际应用中,若距离交通灯最近的停止线,该距离较远,可能会出现确定出的交通灯的朝向不准确的情况发生。因此,服务器可以通过车道线,确定交通灯的朝向。
在本说明书实施例中,若该交通灯与该交通灯对应的停止线之间的距离大于设定距离阈值,服务器可以根据该交通灯的位置信息以及该交通灯所属的路口对应的各车道线对应的位置信息,确定该交通灯与各车道线之间的距离。
其次,服务器可以根据该交通灯与各车道线之间的距离,确定该交通灯相匹配的车道线。
具体的,服务器可以根据该交通灯与各车道线之间的距离,选取出距离最短的车道线,确定该交通灯相匹配的车道线。
最后,服务器可以以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的车道线相垂直为条件,确定该交通灯的朝向。
在本说明书实施例中,服务器可以根据各交通灯的朝向以及激光反射率底图,构建高精地图。
具体的,服务器可以根据各交通灯的朝向以及激光反射率底图,得到准确的激光反射率底图。具体如图3所示。
图3为本说明书提供的一种应用交通灯识别的构建的激光反射率底图的示意图。
在图3中,道路内的交通灯对应的交通灯形状的长边与车道线呈垂直关系。人行横道线处的交通灯对应的交通灯形状的长边与人行横道的短边呈平行关系。任意两个人行横道线路口的交叉处,具有两个交通灯,这两个交通灯相互垂直,且交通灯对应的交通灯形状的长边与人行横道的短边呈平行关系。可以看出,交通灯的朝向符合实际应用过程中的交通灯的朝向要求。
在本说明书实施例中,服务器可以在得到准确的激光反射率底图之后,根据准确的激光反射率底图、点云数据以及图像,构建高精地图。
从上述方法可以看出,本方法可以根据该交通灯在激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向,以提高确定出的交通灯的朝向的准确性。
并且,本方法可以根据各交通灯的朝向以及激光反射率底图,构建高精地图,以降低交通灯的绘制难度,提高高精地图的准确性。
以上为本说明书的一个或多个实施例提供的交通灯识别的方法,基于同样的思路,本说明书还提供了相应的交通灯识别的装置,如图4所示。
图4为本说明书提供的一种交通灯识别的装置的示意图,具体包括:
获取模块400,用于获取激光反射率底图;
确定模块402,用于确定所述激光反射率底图中涉及的各交通灯所属的路口;
朝向模块404,用于针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。
可选地,所述确定模块402,具体用于根据各交通灯在所述激光反射率底图中的位置信息,对所述各交通灯进行聚类,并根据得到的聚类结果,确定所述各交通灯所属的路口。
可选地,所述确定模块402,具体用于针对所述聚类结果中的每个聚类簇,根据该聚类簇的中心与每个路面标线元素之间的距离,确定归属于该聚类簇对应路口的路面标线元素。
可选地,所述路面标线元素包括:人行横道线;
所述朝向模块404,具体用于针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各人行横道线的位置信息,确定该交通灯与各人行横道线之间的距离,根据该交通灯与各人行横道线之间的距离,确定该交通灯相匹配的人行横道线,以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的人行横道线的短边平行为条件,确定该交通灯的朝向。
可选地,所述朝向模块404,具体用于针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各组人行横道线的位置信息,确定该交通灯与各组人行横道线之间的距离,若该交通灯与任意两组人行横道线之间的距离均小于设定距离阈值,且两组人行横道线的短边相互垂直,确定该交通灯所处的位置相匹配的两组人行横道线,以将该交通灯对应的交通灯形状的长边与该交通灯所处的位置相匹配的两组人行横道线中的任意一组人行横道线的短边平行为条件,确定该交通灯的朝向,并在该交通灯所处的位置生成一个交通灯,将生成的交通灯对应的交通灯形状的长边与该交通灯对应的交通灯形状的长边相互垂直。
可选地,所述朝向模块404,具体用于若确定该交通灯所属的路口为岔路路口,根据所述激光反射率底图中的该交通灯所属的路口对应的各组人行横道线的面积,确定该交通灯所属的路口中的岔路对应的人行横道线,作为岔路人行横道线,针对每组岔路人行横道线,根据该交通灯所属的路口对应的各交通灯的位置信息以及该组岔路人行横道线对应的位置信息,确定该组岔路人行横道线与各交通灯之间的距离,根据该组岔路人行横道线与各交通灯之间的距离,确定该组岔路人行横道线相匹配的交通灯,以将该组岔路人行横道线的短边与该组岔路人行横道线相匹配的交通灯的交通灯形状的长边平行为条件,确定该组岔路人行横道线相匹配的交通灯的朝向。
可选地,所述朝向模块404,具体用于根据所述激光反射率底图中的该交通灯所属的路口对应的各组人行横道线的组数,判断该交通灯所属的路口是否为岔路路口,若所述组数不小于设定组数阈值,确定该交通灯所属的路口为岔路路口。
可选地,所述路面标线元素包括:停止线;
所述朝向模块404,具体用于针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各停止线的位置信息,确定该交通灯与各停止线之间的距离,根据该交通灯与各停止线之间的距离,确定该交通灯相匹配的停止线,以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的停止线平行为条件,确定该交通灯的朝向。
可选地,所述路面标线元素包括:车道线;
所述朝向模块404,具体用于若该交通灯与该交通灯对应的停止线之间的距离大于设定距离阈值,根据该交通灯的位置信息以及该交通灯所属的路口对应的各车道线对应的位置信息,确定该交通灯与各车道线之间的距离,根据该交通灯与各车道线之间的距离,确定该交通灯相匹配的车道线,以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的车道线相垂直为条件,确定该交通灯的朝向。
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提供的交通灯识别的方法。
本说明书还提供了图5所示的电子设备的示意结构图。如图5所述,在硬件层面,该电子设备包括处理器、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所述的交通灯识别的方法。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 (12)
1.一种交通灯识别的方法,其特征在于,所述方法应用于自动驾驶领域,包括:
获取激光反射率底图;
确定所述激光反射率底图中涉及的各交通灯所属的路口;
针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。
2.如权利要求1所述的方法,其特征在于,确定所述激光反射率底图中涉及的各交通灯所属的路口,具体包括:
根据各交通灯在所述激光反射率底图中的位置信息,对所述各交通灯进行聚类,并根据得到的聚类结果,确定所述各交通灯所属的路口。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
针对所述聚类结果中的每个聚类簇,根据该聚类簇的中心与每个路面标线元素之间的距离,确定归属于该聚类簇对应路口的路面标线元素。
4.如权利要求1~3任一项所述的方法,其特征在于,所述路面标线元素包括:人行横道线;
针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向,具体包括:
针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各人行横道线的位置信息,确定该交通灯与各人行横道线之间的距离;
根据该交通灯与各人行横道线之间的距离,确定该交通灯相匹配的人行横道线;
以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的人行横道线的短边平行为条件,确定该交通灯的朝向。
5.如权利要求1~3任一项所述的方法,其特征在于,针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向,具体包括:
针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各组人行横道线的位置信息,确定该交通灯与各组人行横道线之间的距离;
若该交通灯与任意两组人行横道线之间的距离均小于设定距离阈值,且两组人行横道线的短边相互垂直,确定该交通灯所处的位置相匹配的两组人行横道线;
以将该交通灯对应的交通灯形状的长边与该交通灯所处的位置相匹配的两组人行横道线中的任意一组人行横道线的短边平行为条件,确定该交通灯的朝向,并在该交通灯所处的位置生成一个交通灯,将生成的交通灯对应的交通灯形状的长边与该交通灯对应的交通灯形状的长边相互垂直。
6.如权利要求1~3任一项所述的方法,其特征在于,针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向,具体包括:
若确定该交通灯所属的路口为岔路路口,根据所述激光反射率底图中的该交通灯所属的路口对应的各组人行横道线的面积,确定该交通灯所属的路口中的岔路对应的人行横道线,作为岔路人行横道线;
针对每组岔路人行横道线,根据该交通灯所属的路口对应的各交通灯的位置信息以及该组岔路人行横道线对应的位置信息,确定该组岔路人行横道线与各交通灯之间的距离;
根据该组岔路人行横道线与各交通灯之间的距离,确定该组岔路人行横道线相匹配的交通灯;
以将该组岔路人行横道线的短边与该组岔路人行横道线相匹配的交通灯的交通灯形状的长边平行为条件,确定该组岔路人行横道线相匹配的交通灯的朝向。
7.如权利要求6所述的方法,其特征在于,确定该交通灯所属的路口为岔路路口,具体包括:
根据所述激光反射率底图中的该交通灯所属的路口对应的各组人行横道线的组数,判断该交通灯所属的路口是否为岔路路口;
若所述组数不小于设定组数阈值,确定该交通灯所属的路口为岔路路口。
8.如权利要求1~3任一项所述的方法,其特征在于,所述路面标线元素包括:停止线;
针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向,具体包括:
针对每个交通灯,根据该交通灯的位置信息以及该交通灯所属的路口对应的各停止线的位置信息,确定该交通灯与各停止线之间的距离;
根据该交通灯与各停止线之间的距离,确定该交通灯相匹配的停止线;
以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的停止线平行为条件,确定该交通灯的朝向。
9.如权利要求8所述的方法,其特征在于,所述路面标线元素包括:车道线,所述方法还包括:
若该交通灯与该交通灯对应的停止线之间的距离大于设定距离阈值,根据该交通灯的位置信息以及该交通灯所属的路口对应的各车道线对应的位置信息,确定该交通灯与各车道线之间的距离;
根据该交通灯与各车道线之间的距离,确定该交通灯相匹配的车道线;
以将该交通灯对应的交通灯形状的长边与该交通灯相匹配的车道线相垂直为条件,确定该交通灯的朝向。
10.一种交通灯识别的装置,其特征在于,所述装置应用于自动驾驶领域,包括:
获取模块,用于获取激光反射率底图;
确定模块,用于确定所述激光反射率底图中涉及的各交通灯所属的路口;
朝向模块,用于针对每个交通灯,根据该交通灯在所述激光反射率底图中的位置信息以及该交通灯所属的路口对应的路面标线元素,确定该交通灯的朝向。
11.一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1~9任一项所述的方法。
12.一种电子设备,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1~9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210674416.6A CN117274943A (zh) | 2022-06-14 | 2022-06-14 | 一种交通灯识别的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210674416.6A CN117274943A (zh) | 2022-06-14 | 2022-06-14 | 一种交通灯识别的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117274943A true CN117274943A (zh) | 2023-12-22 |
Family
ID=89209261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210674416.6A Pending CN117274943A (zh) | 2022-06-14 | 2022-06-14 | 一种交通灯识别的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274943A (zh) |
-
2022
- 2022-06-14 CN CN202210674416.6A patent/CN117274943A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674723B (zh) | 一种确定无人驾驶车辆行驶轨迹的方法及装置 | |
CN111311709B (zh) | 一种生成高精地图的方法及装置 | |
CN111508258B (zh) | 一种定位方法及装置 | |
CN112309233B (zh) | 一种道路边界的确定、道路切分方法及装置 | |
CN111076739B (zh) | 一种路径规划的方法及装置 | |
CN112614365B (zh) | 一种电子地图处理方法及装置 | |
CN112033421B (zh) | 一种检测电子地图中车道的方法及装置 | |
CN112327864A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN114295119B (zh) | 一种构建地图的方法及装置 | |
CN112036462A (zh) | 一种模型训练以及目标检测的方法及装置 | |
CN112629550B (zh) | 一种预测障碍物轨迹以及模型训练的方法及装置 | |
CN113968243B (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
CN112013853A (zh) | 一种对无人驾驶设备的轨迹点验证的方法及装置 | |
CN114440903A (zh) | 一种高精地图构建方法、装置、存储介质及电子设备 | |
CN114332808A (zh) | 一种预测转向意图的方法及装置 | |
CN113033527A (zh) | 一种场景识别方法、装置、存储介质及无人设备 | |
CN113074748A (zh) | 一种无人驾驶设备的路径规划方法及装置 | |
CN111797722A (zh) | 车道线绘制的方法及装置 | |
CN117274943A (zh) | 一种交通灯识别的方法及装置 | |
CN114283148A (zh) | 一种道路元素提取方法、装置、存储介质及电子设备 | |
CN114877912A (zh) | 一种车辆导航信息生成方法、装置及设备 | |
CN111681435A (zh) | 基于边缘计算的交通控制方法、装置、电子设备及存储介质 | |
CN113706552A (zh) | 一种激光反射率底图语义分割标注数据的生成方法及装置 | |
CN117315968A (zh) | 一种交通信号灯朝向的确定方法及装置 | |
CN112329547A (zh) | 一种数据处理方法及装置 |
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 |