CN118072280A - 交通灯的变更检测方法、装置、电子设备及自动驾驶车辆 - Google Patents

交通灯的变更检测方法、装置、电子设备及自动驾驶车辆 Download PDF

Info

Publication number
CN118072280A
CN118072280A CN202311753212.2A CN202311753212A CN118072280A CN 118072280 A CN118072280 A CN 118072280A CN 202311753212 A CN202311753212 A CN 202311753212A CN 118072280 A CN118072280 A CN 118072280A
Authority
CN
China
Prior art keywords
traffic light
vehicle
tracked
traffic
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
CN202311753212.2A
Other languages
English (en)
Inventor
邱浩轩
周珣
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202311753212.2A priority Critical patent/CN118072280A/zh
Publication of CN118072280A publication Critical patent/CN118072280A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本公开提供了一种交通灯的变更检测方法、装置、电子设备及存储介质，涉及智能交通、自动驾驶以及电子地图等技术领域。具体实现方案为：获取车辆的当前位置下、指定车载相机采集的当前帧的指定图像；获取指定图像对应的已追踪的交通灯的信息；已追踪的交通灯为对当前帧的指定图像以及当前帧之前的连续多帧图像进行交通灯追踪确定的；连续多帧图像也是所述指定车载相机采集的；基于车辆的当前位置、车辆的行驶方向、已追踪的交通灯的信息以及高精地图，进行交通灯的变更检测。本公开的技术，能够准确、高效地进行交通灯的变更检测，进而可以确定现实道路中真实的交通灯信息，为车辆的自动驾驶提供有效地支持，且能够有效地提高车辆的行驶安全性。

Description

交通灯的变更检测方法、装置、电子设备及自动驾驶车辆
技术领域
本公开涉及计算机技术领域，具体涉及智能交通、自动驾驶以及电子地图等技术领域，尤其涉及一种交通灯的变更检测方法、装置、电子设备及存储介质。
背景技术
交通灯的感知在自动驾驶任务中是保证路口通过成功率的重要模块，目前大多数的交通灯感知方案都高度依赖高精地图。
高精地图作为重要先验，标注了关键的位置和语义信息。例如，高精地图中精确地标注了交通灯的地图信息，为自动驾驶的车辆对交通灯的感知提供了重要支持。但是实际应用场景中，交通灯的变更是频繁的，而高精地图的更新，需要专业的地图采集车辆采集信息，导致高精地图更新的时间和经济成本较高，进而导致高精地图的更新周期较长。
发明内容
本公开提供了一种交通灯的变更检测方法、装置、电子设备及存储介质。
根据本公开的一方面，提供了一种交通灯的变更检测方法，包括：
获取车辆的当前位置下、指定车载相机采集的当前帧的指定图像；
获取所述指定图像对应的已追踪的交通灯的信息；所述已追踪的交通灯为对当前帧的指定图像以及当前帧之前的连续多帧图像进行交通灯追踪确定的；所述连续多帧图像也是所述指定车载相机采集的；
基于车辆的当前位置、车辆的行驶方向、已追踪的交通灯的信息以及高精地图，进行交通灯的变更检测。
根据本公开的另一方面，提供了一种交通灯的变更检测装置，包括：
图像获取模块，用于获取车辆的当前位置下、指定车载相机采集的当前帧的指定图像；
信息获取模块，用于获取所述指定图像对应的已追踪的交通灯的信息；所述已追踪的交通灯为对当前帧的指定图像以及当前帧之前的连续多帧图像进行交通灯追踪确定的；所述连续多帧图像也是所述指定车载相机采集的；
变更检测模块，用于基于车辆的当前位置、车辆的行驶方向、已追踪的交通灯的信息以及高精地图，进行交通灯的变更检测。
根据本公开的再一方面，提供了一种电子设备，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如上所述的方面和任一可能的实现方式的方法。
根据本公开的又一方面，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如上所述的方面和任一可能的实现方式的方法。
根据本公开的再另一方面，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如上所述的方面和任一可能的实现方式的方法。
根据本公开的再又一方面，提供了一种自动驾驶车辆，包括如上所述的方面和任一可能的实现方式的电子设备。
根据本公开的技术，能够准确、高效地进行交通灯的变更检测，进而可以确定现实道路中真实的交通灯信息，为车辆的自动驾驶提供有效地支持，且能够有效地提高车辆的行驶安全性。
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是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是根据本公开第三实施例的示意图；
图4是根据本公开第四实施例的示意图；
图5是用来实现本公开实施例的方法的电子设备的框图。
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。
显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备、平板电脑(TabletComputer)等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
由于实际应用场景中，交通灯的变更是频繁的，而高精地图的更新周期较长，若自动驾驶车辆未及时识别到道路中的交通灯的变更，必然严重影响道路中车辆行驶的安全性。为了提高车辆行驶的安全性，本公开亟需提供一种能够基于高精地图，高效、准确地检测交通灯的变更方案。
图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供一种交通灯的变更检测方法，具体可以包括如下步骤：
S101、获取车辆的当前位置下、指定车载相机采集的当前帧的指定图像；
本实施例的交通灯的变更检测方法的执行主体可以为交通灯的变更检测装置，该装置可以设置在车辆端，以用于在车辆端实现对现实道路中的交通灯的变更进行检测。本实施例的车辆，可以指的是自动驾驶车辆。
实际应用场景中，车辆中的车载相机数量为多个，本实施例的指定车载相机可以为朝向车辆的车头方向、且视场角(Field Of View；FOV)较大的相机，视场角大，对应在成像场景中，相机可以接收影像的角度范围即视野范围大，能够尽最大可能地召回可能的现实变更的红绿灯。
本实施例的当前位置可以为车辆在行驶过程中的任一位置，当前帧即指的是车辆的指定车载相机在车辆的当前位置采集指定图像的帧。或者也可以理解为当前帧为任一帧，当前位置对应指的是车辆的指定车载相机在任一帧中采集指定图像时，车辆对应的位置。
本实施例中，车辆的当前位置可以为车辆的三维(3dimensions)空间位置，简称车辆的3d位置，也可以指的是车辆在世界坐标系中的位置。
S102、获取指定图像对应的已追踪的交通灯的信息；已追踪的交通灯为对当前帧的指定图像以及当前帧之前的连续多帧图像进行交通灯追踪确定的；连续多帧图像也是指定车载相机采集的；
具体地，在步骤S102之前，对于指定车载相机采集的当前帧的指定图像以及当前帧之前的连续多帧图像中的每一帧图像，都进行交通灯的追踪，若追踪成功，确定已追踪的交通灯的信息。并基于每一帧，建立对应的图像与已追踪的交通灯的信息的绑定关系，以便于能够获取到每一帧的图像对应的已追踪的交通灯的信息。
本实施例中，指定车载相机能够采集到已追踪的交通灯，则可以说明已追踪的交通灯为现实道路中存在的交通灯。本实施例的交通灯也可以称为红绿灯。
S103、基于车辆的当前位置、车辆的行驶方向、已追踪的交通灯的信息以及高精地图，进行交通灯的变更检测。
具体地，上述已追踪的交通灯可以表征现实道路中车辆的当前位置、车辆的行驶方向上存在的交通灯。然后基于车辆的当前位置、车辆的行驶方向以及高精地图，能够定定位到高精地图上当前位置、车辆的行驶方向上存在的交通灯。进一步，可以基于现实道路中车辆的当前位置、车辆的行驶方向上存在的交通灯的信息、以及高精地图上当前位置、车辆的行驶方向上存在的交通灯的信息，进行交通灯的变更检测。
本实施例的交通灯的变更检测方法，通过采用上述技术方案，能够基于高精地图以及当前帧的指定图像对应的已追踪的交通灯的信息，准确、高效地进行交通灯的变更检测，进而可以确定现实道路中真实的交通灯信息，为车辆的自动驾驶提供有效地支持，且能够有效地提高车辆的行驶安全性。
进一步可选地，在本公开的一个实施例中，上述图1所示实施例的步骤S103，具体实现时，可以包括如下步骤：
(A)基于车辆的当前位置、车辆的行驶方向以及高精地图，获取高精地图中的标注交通灯、在指定图像中的投影位置；在车辆的当前位置、车辆的行驶方向上，标注交通灯在指定车载相机的视野范围内；
在高精地图中，标注有道路中的很多元素以及元素的位置等信息。例如，可以标注有道路中的每一个交通灯的三维空间位置以及属性，其中交通灯的三维空间位置可以简称为交通灯的3d位置。例如，属性可以包括交通灯的灯型。其中交通灯的灯型可以包括圆饼型或者箭头型等。
该步骤中，在车辆的当前位置、车辆的行驶方向上，标注交通灯在指定车载相机的视野范围内。
具体地，由于车辆的当前位置以及行驶方向确定时，指定车载相机相对于车辆的位置也是确定的，进而可以确定指定车载相机的视野范围。对于高精地图而言，标注有每一个标注交通灯的位置，本实施例，可以结合车辆的当前位置以及行驶方向，从高精地图中获取在指定车载相机的视野范围内的标注交通灯，进而获取该标注交通灯、在指定车载相机采集的当前帧的指定图像中的投影位置。
(B)基于标注交通灯在指定图像中的投影位置和已追踪的交通灯的信息，进行交通灯的变更检测。
也就是说，本实施例中，可以参考高精地图中的标注交通灯在当前帧的指定图像中的投影位置、以及已追踪的交通灯的信息，进行交通灯的变更检测，进而确定交通灯的变更检测结果。
本实施例的步骤(A)和(B)为上述图1所示实施例的步骤S103的一种实现方式，在该实现方式中，以高精地图中的标注交通灯，作为基于车辆的当前位置、车辆的行驶方向以及高精地图，定位到的高精地图上当前位置、车辆的行驶方向上存在的交通灯。
在该实现方式中，变更检测时，要将标注交通灯与指定图像结合应用起来，例如，先获取高精地图中的标注交通灯、在指定图像中的投影位置。然后，基于标注交通灯在指定图像中的投影位置和已追踪的交通灯的信息，进行交通灯的变更检测。
图2是根据本公开第二实施例的示意图；本实施例的交通灯的变更检测方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地描述本公开的技术方案。如图2所示，本实施例的交通灯的变更检测方法，具体可以包括如下步骤：
S201、获取车辆的当前位置下、指定车载相机采集的当前帧的指定图像；
S202、基于车辆的当前位置以及车辆的行驶方向，从高精地图中获取车辆前方第一预设区域范围内的标注交通灯的三维空间位置；
S203、基于标注交通灯的三维空间位置，获取标注交通灯投影至指定图像中的投影位置；
其中第一预设区域范围可以参考指定车载相机的视角范围来确定，以保证标注交通灯在指定车载相机的视野范围内，即使得标注交通灯可以投影在指定图像中。标注交通灯的三维空间位置即指的是标注交通灯在世界坐标系下的位置，简称3d位置。同理，标注交通灯的3d位置也可以采用中心点坐标以及长和宽等来标识、
该实现方式中，可以先根据车辆的当前位置以及车辆的行驶方向，确定车辆前方第一预设区域范围，然后从高精地图中获取车辆前方第一预设区域范围内标注交通灯的三维空间位置。
接下来，基于该标注交通灯的三维空间位置，并参考车辆的当前位置、指定车载相机的内参和外参等，通过数学计算的方式，计算标注交通灯在指定车载相机当前帧采集的指定图像中的投影位置，该投影位置为指定图像中的一个2d位置。
步骤S202和步骤S203为上述图1所示实施例的步骤S102的一种实现方式。实际应用中，也可以先获取高精地图中的所有标注交通灯的三维空间位置，然后基于车辆的当前位置以及车辆的行驶方向，从中筛选出、能够落入车辆上的指定车载相机的视野范围内的标注交通灯，进而基于标注交通灯的三维空间位置，获取标注交通灯投影至指定图像中的投影位置。或者也可以采用其他方式，基于车辆的当前位置、车辆的行驶方向以及高精地图，获取高精地图中的标注交通灯在指定图像中的投影位置，在此不再一一举例赘述。
通过采用该方式，能够准确、高效地获取标注交通灯投影至指定图像中的投影位置。
S204、获取指定图像对应的已追踪的交通灯的三维空间位置和属性；已追踪的交通灯为对当前帧的指定图像以及当前帧之前的连续多帧图像进行交通灯追踪确定的；连续多帧图像也是指定车载相机采集的；
例如，在该步骤S204之前，可以包括如下步骤：
(1)对于当前帧的指定图像以及当前帧之前的连续多帧图像中的各帧图像，采用预先训练的交通灯检测模型检测当前帧图像中的交通灯，并获取检测到的交通灯在当前帧图像中的2d位置以及属性；
其中，当前帧的指定图像以及连续多帧图像中的各帧图像也指的是车辆上的指定车载相机采集的。且本实施例中的当前帧为非首帧，在每一个当前帧之前包括连续多帧，以确保在当前帧之前，能够完成交通灯的追踪。
例如，具体实现时，向交通灯检测模型输入当前帧图像，该交通灯检测模型可以直接在当前帧图像中标注检测到的交通灯的2d框，并输出。例如，该交通灯在当前帧图像中的2d位置可以包括中心点坐标以及长和宽。另外，还可以进一步对检测到的交通灯的属性进行识别，本实施例的属性指的是交通灯的灯型，可以包括圆饼型或者箭头型等。
(2)基于车辆在采集当前帧图像时车辆的当前位置、交通灯在当前帧图像中的2d位置以及指定车载相机的内参和外参，获取交通灯的三维空间位置；
基于此，还可以基于车辆的当前位置和交通灯的当前3d位置，获取交通灯相对于车辆的朝向、以及距离等信息。
(3)按照各帧图像采集时刻由前至后的顺序，基于各帧图像中检测到的交通灯的三维空间位置以及属性，依次对基于各帧图像检测到的交通灯进行追踪，确定各帧图像对应的已追踪的交通灯的三维空间位置和属性；
本实施例的追踪过程中，可以按照多帧图像被采集时的先后顺序，两帧两帧进行。例如，在车辆行驶过程中，首次采集到交通灯的图像，可以称为第1帧图像，按照上述步骤(1)和(2)，可以获取到第1帧图像中该交通灯的3d位置和属性；然后对于第2帧图像，按照相同的方式，也可以获取到第2帧图像中该交通灯的3d位置和属性。然后对基于第1帧图像和第2帧图像，进行交通灯的追踪。具体地，比对第1帧图像和第2帧图像中的交通灯的3d位置的距离差是否在预设距离阈值范围内；并比对第1帧图像和第2帧图像中的交通灯的属性是否一致；若第1帧图像和第2帧图像中的交通灯的3d位置的距离差在预设距离阈值范围内，且属性一致，则可以确定两帧图像中的交通灯为现实道路中的同一个交通灯，此时追踪成功。
对于追踪成功的交通灯，不同帧图像中的交通灯的属性如灯型必然相同。而由于不同帧图像采集的交通灯的3d位置不同，为了得到更加精准的交通灯的3d位置，可以将两帧中的交通灯的3d位置进行加权取平均，作为后一帧中更新的交通灯的3d位置。具体地权重可以根据需求来配置，例如，由于越靠近交通灯，预测的交通灯的3d位置越准确，所以可以配置后一帧对应的权重大于前一帧对应的权重。此时，可以将交通灯的属性以及后一帧图像中更新的交通灯的3d位置，作为已追踪的交通灯的信息，与后一帧图像进行绑定。依次类推，可以获取到每一帧图像对应的已追踪的交通灯的信息。同时，也可以基于各帧图像采集的已追踪交通灯的信息，生成已追踪的交通灯的轨迹。例如，在轨迹中可以包括各帧采集的时间戳、各帧对应的已追踪交通灯的位置，还可以包括各帧图像中已追踪交通的2d位置等等。
通过采用上述方式，能够准确、高效、合理地在多帧图像中对交通灯进行追踪，进而可以高效、准确地确定各帧图像对应的已追踪的交通灯的三维空间位置和属性。
S205、在指定图像中投影位置附近第二预设区域范围内，进行交通灯检测，得到检测结果；
本实施例的第二预设区域范围可以是以投影位置为中心，半径为预设距离阈值的区域，该预设距离阈值可以根据实际需求来设置。本实施例中，通过设置第二预设区域范围，能够尽最大可能在指定图像中召回高精地图中的标注交通灯。
具体地，检测时，也可以采用预先训练的交通灯检测模型进行检测。例如，将指定图像输入至交通灯检测模型中，该交通灯检测模型若能够检测到目标交通灯，可以预测并输出目标交通灯的2d位置。然后检测目标交通灯的2d位置是否在指定图像中投影位置附近第二预设区域范围内，若在，则确定检测结果为在指定图像中投影位置附近第二预设区域范围内，检测到目标交通灯，并还可以进一步识别目标交通灯的属性。
而且，参考上述实施例的记载，还可以进一步结合车辆的当前位置下、指定车载相机的内参和外参灯，可以进一步确定检测到的目标交通灯的3d位置。
若在指定图像中投影位置附近第二预设区域范围内未检测到目标交通灯时，此时检测结果直接为未检测到目标交通灯。
基于以上所述，可以得知，本实施例的步骤S205，可以包括如下两种情形的结果：
第一种情形、检测结果中包括检测到目标交通灯；
该情形即对应在指定图像中标注交通灯的投影位置附近第二预设区域范围内，召回了一个目标交通灯。此时可以认为该目标交通灯即对应为高精地图中的标注交通灯。
第二种情形、检测结果中未检测到目标交通灯；
该情形即对应在指定图像中标注交通灯的投影位置附近第二预设区域范围内，未召回到目标交通灯。此时可以认为高精地图中的标注交通灯已删除。
S206、基于检测结果和已追踪的交通灯的信息，获取交通灯的变更检测结果。
对应地，基于步骤S205的上述两种不同情形，步骤S206具体实现时，可以包括如下步骤：
(a1)判断检测结果中是否检测到目标交通灯；若检测到，执行步骤(b1)；若未检测到，执行步骤(j2)；
(b1)从检测结果中获取目标交通灯的三维空间位置和属性；执行步骤(c1)；
(c1)基于目标交通灯的三维空间位置和属性、以及已追踪的交通灯的位置和属性，获取交通灯的变更检测结果。
例如，该步骤(c1)具体实现时，可以包括如下步骤：
(a2)基于目标交通灯的三维空间位置和已追踪的交通灯的三维空间位置，检测两个三维空间位置的距离差是否小于或者等于预设距离阈值；
(b2)基于目标交通灯的属性和已追踪的交通灯的属性，检测两者的属性是否一致；
步骤(a2)和步骤(b2)可以同时执行；在步骤(a2)和步骤(b2)之后，执行如下步骤：
(c2)响应于距离差小于或者等于预设距离阈值，且属性一致，确定目标交通灯与已追踪交通灯匹配，交通灯未发生变更。
即此时可以目标交通灯与已追踪交通灯完全匹配，此时的目标交通灯也可以认为就是高精地图中的标注交通灯。
(d2)响应于距离差大于预设距离阈值，或者属性不一致，确定目标交通灯与已追踪交通灯不匹配，交通灯发生了变更。
步骤(c2)和步骤(d2)为并列的两种情况。
对于步骤(d2)而言，此时已经确定交通灯发生了变更，实际应用中，在得到步骤(d2)的变更检测结果之后，可以将该变更检测结果上报给高精地图的服务器，以供高精地图的服务器及时对高精地图进行更新。
进一步地，在该步骤(d2)之后，还可以包括如下步骤：
(e2)确定目标交通灯为高精地图中已标注，但是在现实道路中已删除的交通灯；执行步骤(f2)；
(f2)在车辆本地的交通灯数据库中更新目标交通灯为现实道路中已删除的交通灯。
对应地，删除交通灯数据库中标交通灯的地图信息，标记目标交通灯为现实道路中已删除的交通灯。
(g2)确定已追踪交通灯为相对于高精地图，为现实道路中新出现的交通灯；
(h2)配置已追踪交通灯的地图信息；
具体地，可以基于已追踪的交通灯在三维空间中的位置与高精地图中该位置的道路、路口等信息，配置已追踪的交通绑定的道路中的路口标识、以及绑定的行驶方向等。
(i2)将已追踪交通灯的地图信息，增加至车辆本地的交通灯数据库中。
本实施例中，步骤(e2)-(f2)、以及步骤(g2)-(i2)可以同时执行，或者可以互换顺序。
本实施例的交通灯数据库中可以存储高精地图中已删除的交通灯信息，以便于在车辆行驶过程中，告知车辆决策模块，该已删除的交通灯的信息可以忽略。
本实施例的交通灯数据库中还可以存储相对于高精地图中，现实道路中新出现的交通灯信息，以便于在车辆行驶过程中，能够基于新出现的交通灯信息为车辆决策模块提供有效地支持。
本实施例的交通灯数据库存储在车辆本地，用于存储和维护有效地交通灯的地图信息，以便于在车辆行驶过程中，为车辆的决策提供有效地数据支持，有效地提高车辆的行驶安全性。
也就是说，对于车辆而言，在行驶中，可以同时参考高精地图以及交通灯数据库中的数据，以便于在高精地图发生变更、未更新前，能够根据交通灯数据库中存储的交通灯的地图信息，进行驾驶，有效地提高了驾驶的安全性。
(j2)基于检测结果和已追踪的交通灯的信息，确定交通灯发生了变更。
具体地，由于此时检测结果中未检测到交通灯，此时首先可以确定现实道路中，高精地图中的标注交通灯已删除，对应地，可以在车辆本地的交通灯数据库中更新标注交通灯为现实道路中已删除的交通灯。其次，也可以确定已追踪的交通灯为现实道路中新出现的交通灯，此时可以执行步骤(g2)-(i2)。
步骤S205和步骤S206为上述实施例步骤(B)的一种实现方式，通过该实现方式，能够准确、高效地进行交通灯的变更检测，并得到相应的变更检测结果。
可选地，在本公开的一个实施例中，也可以基于已追踪的交通灯的信息，将已追踪的交通灯再投影到指定图像中，此时得到的已追踪的交通灯在指定图像中的投影位置为已更新的更加准确地位置，然后基于标注交通灯在所述指定图像中的投影位置和已追踪的交通灯在指定图像中的投影位置，可以在距离维度上确定两者是否匹配。进一步也可以根据标注交通灯和已追踪的交通灯属性，在属性维度上确定两者是否匹配，进一步根据距离维度和属性维度，确定最终的检测结果，具体实现方式的实现原理可以上述实施例的相关记载，在此不再赘述。当然，实际应用中，也可以参考其他方式，实现基于标注交通灯在指定图像中的投影位置和已追踪的交通灯的信息，进行交通灯的变更检测，在此不再一一举例赘述。
本实施例的交通灯的变更检测方法，通过采用上述技术方案，可以基于高精地图和已追踪的交通灯的信息，对现实道路中的交通灯变更进行高效、准确地检测。进一步地，可以基于检测得到的交通灯的变更检测结果，更新车辆本地的交通灯数据库，以供自动驾驶车辆，在高精地图发生变更后，也能够依照交通灯数据库中的交通灯信息，进行安全驾驶，有效地提高了车辆驾驶的安全性。
采用本实施例的交通灯的变更检测方法，可以在高精地图出现错误的情况下进行交通灯的感知，并且得到交通灯的变更检测结果，供自动驾驶车辆参考，实现安全驾驶。而现有的其他基于高精地图的方法，需要等待高精地图修复错误后方可正确自动驾驶。本实施例的方案，可以有效地降低自动驾驶车辆对高精地图的依赖，也不需要高频的采集、更新高精地图的交通灯信息，能够有效地降低自动驾驶的运营成本，并提升线上准确度。
图3是根据本公开第三实施例的示意图；如图3所示，本实施例提供一种交通灯的变更检测装置300，包括：
图像获取模块301，用于获取车辆的当前位置下、指定车载相机采集的当前帧的指定图像；
信息获取模块302，用于获取所述指定图像对应的已追踪的交通灯的信息；所述已追踪的交通灯为对当前帧的指定图像以及当前帧之前的连续多帧图像进行交通灯追踪确定的；所述连续多帧图像也是所述指定车载相机采集的；
变更检测模块303，用于基于车辆的当前位置、车辆的行驶方向、已追踪的交通灯的信息以及高精地图，进行交通灯的变更检测。
本实施例的交通灯的变更检测装置300，通过采用上述模块实现交通灯的变更检测的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
图4是根据本公开第四实施例的示意图；如图4所示，本实施例提供一种交通灯的变更检测装置400，包括上述图3所示的同名同功能模块：图像获取模块401、信息获取模块402以及变更检测模块403。
具体地，如图4所示，在本实施例的交通灯的变更检测装置400中，变更检测模块403，包括：
投影处理单元4031，用于基于车辆的当前位置、车辆的行驶方向以及高精地图，获取所述高精地图中的标注交通灯在所述指定图像中的投影位置；在所述车辆的当前位置、所述车辆的行驶方向上，所述标注交通灯在所述指定车载相机的视野范围内；
变更检测单元4032，用于基于所述标注交通灯在所述指定图像中的投影位置和所述已追踪的交通灯的信息，进行交通灯的变更检测。
进一步可选地，在本公开的一个实施例中，投影处理单元4031，用于：
基于车辆的当前位置以及车辆的行驶方向，从高精地图中获取车辆前方第一预设区域范围内的标注交通灯的三维空间位置；
基于所述标注交通灯的三维空间位置，获取所述标注交通灯投影至所述指定图像中的投影位置。
进一步可选地，在本公开的一个实施例中，变更检测单元4032，用于：
在所述指定图像中所述投影位置附近第二预设区域范围内，进行交通灯检测，得到检测结果；
基于所述检测结果和所述已追踪的交通灯的信息，获取交通灯的变更检测结果。
进一步可选地，在本公开的一个实施例中，已追踪的交通灯的信息包括所述已追踪的交通灯的三维空间位置和属性；
对应地，变更检测单元4032，用于：
若所述检测结果包括检测到目标交通灯，从检测结果中获取所述目标交通灯的三维空间位置和属性；
基于所述目标交通灯的三维空间位置和属性、以及所述已追踪的交通灯的三维空间位置和属性，获取交通灯的变更检测结果。
进一步可选地，在本公开的一个实施例中，变更检测单元4032，用于：
基于所述目标交通灯的三维空间位置和所述已追踪的交通灯的三维空间位置，检测两个三维空间位置的距离差是否小于或者等于预设距离阈值；
基于所述目标交通灯的属性和所述已追踪的交通灯的属性，检测两者的属性是否一致；
响应于距离差小于或者等于预设距离阈值，且属性一致，确定所述目标交通灯与已追踪交通灯匹配，交通灯未发生变更。
进一步可选地，在本公开的一个实施例中，变更检测单元4032，还用于：
响应于距离差大于预设距离阈值，或者属性不一致，确定所述目标交通灯与已追踪交通灯不匹配，交通灯发生了变更。
进一步可选地，如图4所示，在本公开的一个实施例中，交通灯的变更检测装置400中，还包括：
确定模块404，用于确定所述目标交通灯为所述高精地图中已标注，但是在现实道路中已删除的交通灯；
更新模块405，用于在车辆本地的交通灯数据库中更新所述目标交通灯为现实道路中已删除的交通灯。
进一步可选地，如图4所示，在本公开的一个实施例中，还包括配置模块406；
确定模块404，还用于确定所述已追踪交通灯为相对于所述高精地图，为现实道路中新出现的交通灯；
配置模块406，用于配置所述已追踪交通灯的地图信息；
更新模块405，还用于将所述已追踪交通灯的地图信息，增加至车辆本地的交通灯数据库中。
进一步可选地，如图4所示，在本公开的一个实施例中，交通灯的变更检测装置400中，还包括：
交通灯检测模块407，用于对于当前帧的指定图像以及当前帧之前的连续多帧图像中的各帧图像，采用预先训练的交通灯检测模型检测当前帧图像中的交通灯；
信息获取模块402，还用于获取检测到的所述交通灯在当前帧图像中的位置以及属性；
位置计算模块408，用于基于车辆在采集当前帧图像时车辆的当前位置、所述交通灯在当前帧图像中的位置以及所述指定车载相机的内参和外参，获取所述交通灯的三维空间位置；
追踪模块409，用于按照各帧图像采集时刻由前至后的顺序，基于各帧图像中检测到的交通灯的三维空间位置以及属性，依次对基于各帧图像检测到的交通灯进行追踪，确定各帧图像对应的已追踪的交通灯的三维空间位置和属性。
进一步可选地，在本公开的一个实施例中，变更检测单元4032，还用于：
若所述检测结果中未检测到交通灯，基于所述检测结果和所述已追踪的交通灯的信息，确定交通灯发生了变更。
本实施例的交通灯的变更检测装置300，通过采用上述模块实现交通灯的变更检测的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。
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、以及包括上述电子设备的自动驾驶车辆。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备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5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理，例如本公开的上述方法。例如，在一些实施例中，本公开的上述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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的本公开的上述方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开的上述方法。
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、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)、复杂可编程逻辑设备(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，本发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 (26)

1.一种交通灯的变更检测方法，包括：
获取车辆的当前位置下、指定车载相机采集的当前帧的指定图像；
获取所述指定图像对应的已追踪的交通灯的信息；所述已追踪的交通灯为对当前帧的指定图像以及当前帧之前的连续多帧图像进行交通灯追踪确定的；所述连续多帧图像也是所述指定车载相机采集的；
基于车辆的当前位置、车辆的行驶方向、已追踪的交通灯的信息以及高精地图，进行交通灯的变更检测。
2.根据权利要求1所述的方法，其中，基于车辆的当前位置、车辆的行驶方向、已追踪的交通灯的信息以及高精地图，进行交通灯的变更检测，包括：
基于车辆的当前位置、车辆的行驶方向以及高精地图，获取所述高精地图中的标注交通灯在所述指定图像中的投影位置；在所述车辆的当前位置、所述车辆的行驶方向上，所述标注交通灯在所述指定车载相机的视野范围内；
基于所述标注交通灯在所述指定图像中的投影位置和所述已追踪的交通灯的信息，进行交通灯的变更检测。
3.根据权利要求2所述的方法，其中，基于车辆的当前位置、车辆的行驶方向以及高精地图，获取所述高精地图中的标注交通灯在所述指定图像中的投影位置，包括：
基于车辆的当前位置以及车辆的行驶方向，从高精地图中获取车辆前方第一预设区域范围内的标注交通灯的三维空间位置；
基于所述标注交通灯的三维空间位置，获取所述标注交通灯投影至所述指定图像中的投影位置。
4.根据权利要求2所述的方法，其中，基于所述标注交通灯在所述指定图像中的投影位置和所述已追踪的交通灯的信息，进行交通灯的变更检测，包括：
在所述指定图像中所述投影位置附近第二预设区域范围内，进行交通灯检测，得到检测结果；
基于所述检测结果和所述已追踪的交通灯的信息，获取交通灯的变更检测结果。
5.根据权利要求4所述的方法，其中，所述已追踪的交通灯的信息包括所述已追踪的交通灯的三维空间位置和属性；
基于所述检测结果和所述已追踪的交通灯的信息，获取交通灯的变更检测结果，包括：
若所述检测结果包括检测到目标交通灯，从检测结果中获取所述目标交通灯的三维空间位置和属性；
基于所述目标交通灯的三维空间位置和属性、以及所述已追踪的交通灯的三维空间位置和属性，获取交通灯的变更检测结果。
6.根据权利要求5所述的方法，其中，基于所述目标交通灯的三维空间位置和属性、以及所述已追踪的交通灯的三维空间位置和属性，获取交通灯的变更检测结果，包括：
基于所述目标交通灯的三维空间位置和所述已追踪的交通灯的三维空间位置，检测两个三维空间位置的距离差是否小于或者等于预设距离阈值；
基于所述目标交通灯的属性和所述已追踪的交通灯的属性，检测两者的属性是否一致；
响应于距离差小于或者等于预设距离阈值，且属性一致，确定所述目标交通灯与已追踪交通灯匹配，交通灯未发生变更。
7.根据权利要求5所述的方法，其中，基于所述目标交通灯的三维空间位置和属性、以及所述已追踪的交通灯的三维空间位置和属性，获取交通灯的变更检测结果，还包括：
响应于距离差大于预设距离阈值，或者属性不一致，确定所述目标交通灯与已追踪交通灯不匹配，交通灯发生了变更。
8.根据权利要求7所述的方法，其中，响应于距离差大于预设距离阈值，或者属性不一致，确定所述目标交通灯与已追踪交通灯不匹配，交通灯发生了变更之后，所述方法还包括：
确定所述目标交通灯为所述高精地图中已标注，但是在现实道路中已删除的交通灯；
在车辆本地的交通灯数据库中更新所述目标交通灯为现实道路中已删除的交通灯。
9.根据权利要求7所述的方法，其中，响应于距离差大于预设距离阈值，或者属性不一致，确定所述目标交通灯与已追踪交通灯不匹配，交通灯发生了变更之后，所述方法还包括：
确定所述已追踪交通灯为相对于所述高精地图，为现实道路中新出现的交通灯；
配置所述已追踪交通灯的地图信息；
将所述已追踪交通灯的地图信息，增加至车辆本地的交通灯数据库中。
10.根据权利要求5-9任一所述的方法，其中，获取所述指定图像对应的已追踪的交通灯的信息之前，还包括：
对于当前帧的指定图像以及当前帧之前的连续多帧图像中的各帧图像，采用预先训练的交通灯检测模型检测当前帧图像中的交通灯；
获取检测到的所述交通灯在当前帧图像中的位置以及属性；
基于车辆在采集当前帧图像时车辆的当前位置、所述交通灯在当前帧图像中的位置以及所述指定车载相机的内参和外参，获取所述交通灯的三维空间位置；
按照各帧图像采集时刻由前至后的顺序，基于各帧图像中检测到的交通灯的三维空间位置以及属性，依次对基于各帧图像检测到的交通灯进行追踪，确定各帧图像对应的已追踪的交通灯的三维空间位置和属性。
11.根据权利要求4所述的方法，其中，基于所述检测结果和所述已追踪的交通灯的信息，获取交通灯的变更检测结果，包括：
若所述检测结果中未检测到交通灯，基于所述检测结果和所述已追踪的交通灯的信息，确定交通灯发生了变更。
12.一种交通灯的变更检测装置，包括：
图像获取模块，用于获取车辆的当前位置下、指定车载相机采集的当前帧的指定图像；
信息获取模块，用于获取所述指定图像对应的已追踪的交通灯的信息；所述已追踪的交通灯为对当前帧的指定图像以及当前帧之前的连续多帧图像进行交通灯追踪确定的；所述连续多帧图像也是所述指定车载相机采集的；
变更检测模块，用于基于车辆的当前位置、车辆的行驶方向、已追踪的交通灯的信息以及高精地图，进行交通灯的变更检测。
13.根据权利要求12所述的装置，其中，所述变更检测模块，包括：
投影处理单元，用于基于车辆的当前位置、车辆的行驶方向以及高精地图，获取所述高精地图中的标注交通灯在所述指定图像中的投影位置；在所述车辆的当前位置、所述车辆的行驶方向上，所述标注交通灯在所述指定车载相机的视野范围内；
变更检测单元，用于基于所述标注交通灯在所述指定图像中的投影位置和所述已追踪的交通灯的信息，进行交通灯的变更检测。
14.根据权利要求13所述的装置，其中，所述投影处理单元，用于：
基于车辆的当前位置以及车辆的行驶方向，从高精地图中获取车辆前方第一预设区域范围内的标注交通灯的三维空间位置；
基于所述标注交通灯的三维空间位置，获取所述标注交通灯投影至所述指定图像中的投影位置。
15.根据权利要求13所述的装置，其中，所述变更检测单元，用于：
在所述指定图像中所述投影位置附近第二预设区域范围内，进行交通灯检测，得到检测结果；
基于所述检测结果和所述已追踪的交通灯的信息，获取交通灯的变更检测结果。
16.根据权利要求15所述的装置，其中，所述已追踪的交通灯的信息包括所述已追踪的交通灯的三维空间位置和属性；
所述变更检测单元，用于：
若所述检测结果包括检测到目标交通灯，从检测结果中获取所述目标交通灯的三维空间位置和属性；
基于所述目标交通灯的三维空间位置和属性、以及所述已追踪的交通灯的三维空间位置和属性，获取交通灯的变更检测结果。
17.根据权利要求16所述的装置，其中，所述变更检测单元，用于：
基于所述目标交通灯的三维空间位置和所述已追踪的交通灯的三维空间位置，检测两个三维空间位置的距离差是否小于或者等于预设距离阈值；
基于所述目标交通灯的属性和所述已追踪的交通灯的属性，检测两者的属性是否一致；
响应于距离差小于或者等于预设距离阈值，且属性一致，确定所述目标交通灯与已追踪交通灯匹配，交通灯未发生变更。
18.根据权利要求16所述的装置，其中，所述变更检测单元，还用于：
响应于距离差大于预设距离阈值，或者属性不一致，确定所述目标交通灯与已追踪交通灯不匹配，交通灯发生了变更。
19.根据权利要求18所述的装置，其中，所述装置还包括：
确定模块，用于确定所述目标交通灯为所述高精地图中已标注，但是在现实道路中已删除的交通灯；
更新模块，用于在车辆本地的交通灯数据库中更新所述目标交通灯为现实道路中已删除的交通灯。
20.根据权利要求19所述的装置，其中，所述装置还包括配置模块；
所述确定模块，还用于确定所述已追踪交通灯为相对于所述高精地图，为现实道路中新出现的交通灯；
所述配置模块，用于配置所述已追踪交通灯的地图信息；
所述更新模块，还用于将所述已追踪交通灯的地图信息，增加至车辆本地的交通灯数据库中。
21.根据权利要求16-20任一所述的装置，其中，所述装置还包括：
交通灯检测模块，用于对于当前帧的指定图像以及当前帧之前的连续多帧图像中的各帧图像，采用预先训练的交通灯检测模型检测当前帧图像中的交通灯；
所述信息获取模块，还用于获取检测到的所述交通灯在当前帧图像中的位置以及属性；
位置计算模块，用于基于车辆在采集当前帧图像时车辆的当前位置、所述交通灯在当前帧图像中的位置以及所述指定车载相机的内参和外参，获取所述交通灯的三维空间位置；
追踪模块，用于按照各帧图像采集时刻由前至后的顺序，基于各帧图像中检测到的交通灯的三维空间位置以及属性，依次对基于各帧图像检测到的交通灯进行追踪，确定各帧图像对应的已追踪的交通灯的三维空间位置和属性。
22.根据权利要求15所述的装置，其中，所述变更检测单元，用于：
若所述检测结果中未检测到交通灯，基于所述检测结果和所述已追踪的交通灯的信息，确定交通灯发生了变更。
23.一种电子设备，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1-11中任一项所述的方法。
24.一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根据权利要求1-11中任一项所述的方法。
25.一种计算机程序产品，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1-11中任一项所述的方法。
26.一种自动驾驶车辆，包括如权利要求23所述的电子设备。
CN202311753212.2A 2023-12-19 2023-12-19 交通灯的变更检测方法、装置、电子设备及自动驾驶车辆 Pending CN118072280A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311753212.2A CN118072280A (zh) 2023-12-19 2023-12-19 交通灯的变更检测方法、装置、电子设备及自动驾驶车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311753212.2A CN118072280A (zh) 2023-12-19 2023-12-19 交通灯的变更检测方法、装置、电子设备及自动驾驶车辆

Publications (1)

Publication Number Publication Date
CN118072280A true CN118072280A (zh) 2024-05-24

Family

ID=91094537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311753212.2A Pending CN118072280A (zh) 2023-12-19 2023-12-19 交通灯的变更检测方法、装置、电子设备及自动驾驶车辆

Country Status (1)

Country Link
CN (1) CN118072280A (zh)

Similar Documents

Publication Publication Date Title
CN111209978B (zh) 三维视觉重定位方法、装置及计算设备、存储介质
CN112560680A (zh) 车道线处理方法、装置、电子设备及存储介质
CN112541437A (zh) 车辆定位方法、装置、电子设备及存储介质
CN113859264B (zh) 车辆控制方法、装置、电子设备及存储介质
CN113392794B (zh) 车辆跨线识别方法、装置、电子设备和存储介质
CN113706704B (zh) 基于高精地图规划路线的方法、设备以及自动驾驶车辆
CN114036253B (zh) 高精地图数据处理方法、装置、电子设备和介质
CN113378693B (zh) 生成目标检测系统和检测目标的方法及装置
CN113688935A (zh) 高精地图的检测方法、装置、设备以及存储介质
CN111079079A (zh) 数据修正方法、装置、电子设备及计算机可读存储介质
CN114140759A (zh) 高精地图车道线位置确定方法、装置及自动驾驶车辆
CN113688730A (zh) 障碍物测距方法、装置、电子设备、存储介质及程序产品
CN113762397B (zh) 检测模型训练、高精度地图更新方法、设备、介质及产品
CN113126120B (zh) 数据标注方法、装置、设备、存储介质以及计算机程序产品
CN111612851B (zh) 用于标定相机的方法、装置、设备以及存储介质
CN114429631B (zh) 三维对象检测方法、装置、设备以及存储介质
CN114333409B (zh) 目标跟踪方法、装置、电子设备及存储介质
CN114757824B (zh) 图像拼接的方法、装置、设备以及存储介质
CN112987707A (zh) 一种车辆的自动驾驶控制方法及装置
CN113984072B (zh) 车辆定位方法、装置、设备、存储介质及自动驾驶车辆
CN115249407B (zh) 指示灯状态识别方法、装置、电子设备、存储介质及产品
CN118072280A (zh) 交通灯的变更检测方法、装置、电子设备及自动驾驶车辆
CN114612544A (zh) 图像处理方法、装置、设备和存储介质
CN113191279A (zh) 数据标注方法、装置、设备、存储介质以及计算机程序产品
CN111968071A (zh) 车辆的空间位置生成方法、装置、设备及存储介质

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