[發明專利]交通信號燈狀態識別方法、裝置、車載控制終端及機動車

有效

• 申請號: 201710304207.1
• 申請日: 2017-05-03
• 公開（公告）號: CN108804983B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 王玨;王斌;李宇明;邢騰飛;李成軍;蘇奎峰;陳仁;向南
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/774;G06K9/62
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種交通信號燈狀態識別方法，其特征在于，運用于自動駕駛的場景中，包括：

采用載波相位差分技術，定位機動車的當前位置；

根據所述機動車的當前位置向地圖服務器發送查詢請求，所述查詢請求用于請求查詢當前位置距前方最近停止線的距離；

接收所述地圖服務器反饋的所查詢到的距離；

根據所述距離，從預置的多個圖像采集裝置中選擇目標圖像采集裝置，獲取所述目標圖像采集裝置采集的待識別圖像；其中，所述多個圖像采集裝置分別對應不同的焦距等級，一個焦距等級對應一個焦距范圍，焦距等級越高，焦距范圍對應的焦距數值越大，對應的清晰可視距離范圍越高；所述目標圖像待采集的待識別圖像為包含前方車輛和/或交通信號燈的圖像；

根據預訓練的交通信號燈識別模型，識別所述待識別圖像中的交通信號燈圖像區域；

提取所述交通信號燈圖像區域的卷積神經網絡CNN特征；

根據預訓練的交通信號燈狀態分類模型，確定所述CNN特征相應的交通信號燈狀態，得到所述交通信號燈圖像區域表示的第一交通信號燈狀態；其中，交通信號燈狀態分類模型由Softmax分類器與各交通信號燈狀態的交通信號燈圖像的CNN特征級聯后，訓練得到的；

根據所述第一交通信號燈狀態，確定交通信號燈狀態識別結果，包括：

將所述第一交通信號燈狀態加入預置的滑動時間窗，所述滑動時間窗對應時間長短為預設時間；判斷所述預設時間內所確定的新的交通信號燈狀態，是否與第一交通信號燈狀態相應；如果所述預設時間內所確定的新的交通信號燈狀態，與所述第一交通信號燈狀態相應，確定第一交通信號燈狀態為，所確定的交通信號燈狀態識別結果。

2.根據權利要求1所述的交通信號燈狀態識別方法，其特征在于，所述交通信號燈識別模型根據機器學習方法訓練正樣本和負樣本得到，其中，正樣本為從多個街景圖像中標注的具有交通信號燈的圖像，負樣本為從多個街景圖像中標注的街景背景圖像。

3.根據權利要求1所述的交通信號燈狀態識別方法，其特征在于，所述從預置的多個圖像采集裝置中選擇目標圖像采集裝置包括：

確定當前位置距前方最近停止線的距離；

根據預置的各圖像采集裝置對應的距離范圍，確定當前位置距前方最近停止線的距離所處距離范圍對應的圖像采集裝置，選擇出目標圖像采集裝置。

4.根據權利要求3所述的交通信號燈狀態識別方法，其特征在于，所述各圖像采集裝置對應的距離范圍的預置過程包括：

根據各圖像采集裝置的焦距，各圖像采集裝置的清晰可視距離，以及距停止線的各距離下，交通信號燈在各圖像采集裝置所采集的圖像內的像素數，確定各圖像采集裝置對應的距離范圍。

5.根據權利要求1-4任一項所述的交通信號燈狀態識別方法，其特征在于，所述方法還包括：

在當前位置距前方最近停止線的距離，小于預定距離限值時，觸發執行獲取目標圖像采集裝置采集的待識別圖像的步驟。

6.根據權利要求1所述的交通信號燈狀態識別方法，其特征在于，對所述第一交通信號燈狀態進行驗證包括：

獲取前方路口的交通信號燈的燈狀態變換邏輯；

獲取連續確定的交通信號燈狀態，所述連續確定的交通信號燈狀態包括所述第一交通信號燈狀態；

判斷所述連續確定的交通信號燈狀態的燈狀態變換邏輯，是否與前方路口的交通信號燈的燈狀態變換邏輯相匹配；

所述如果驗證結果為通過，則將所述第一交通信號燈狀態作為交通信號燈狀態識別結果包括：

如果所述連續確定的交通信號燈狀態的燈狀態變換邏輯，與前方路口的交通信號燈的燈狀態變換邏輯相匹配，確定第一交通信號燈狀態為，所確定的交通信號燈狀態識別結果。