[發明專利]交通信號燈識別方法和裝置

有效

• 申請號: 201710831216.6
• 申請日: 2017-09-15
• 公開（公告）號: CN109508580B
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 李明;夏添;高涵;翟玉強;陳世佳
• 申請（專利權）人: 阿波羅智能技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了交通信號燈識別方法和裝置。該方法的一具體實施方式包括：將圖像采集裝置所采集的待處理圖像按照至少一個預設比例進行縮放，得到至少一個縮放圖像；將該至少一個縮放圖像輸入至預先訓練的卷積神經網絡，得與該至少一個縮放圖像中的每一個縮放圖像相對應的交通信號燈的位置信息和類別信息，其中，該卷積神經網絡用于提取圖像中所顯示的交通信號燈的位置信息和類別信息；對所得到的位置信息和類別信息進行解析，生成至少一個候選交通信號燈識別結果，并對所生成的候選交通信號燈識別結果進行融合，生成與該待處理圖像相對應的交通信號燈識別結果。該實施方式提高了交通信號燈識別的準確性。

技術領域

本申請涉及計算機技術領域，具體涉及無人駕駛領域，尤其涉及交通信號燈識別方法和裝置。

背景技術

無人駕駛車輛是一種新型的智能汽車，也稱之為“輪式移動機器人”，主要通過ECU(Electronic Control Unit，電子控制單元)，即車載大腦控制系統對車輛中各個部分進行精準的控制與計算分析實現車輛的全自動運行，達到車輛無人駕駛的目的。

為了保障無人車行駛過程中能夠安全地通過路口，需要對交通信號燈燈進行檢測和識別，從而進行相應決策。現有的方式通常基于顏色空間轉換等方式進行交通燈顏色和形狀的識別，然而，這種方式無法考慮到光照變化、天氣情況等，導致誤檢、漏檢的情況較多，存在著交通信號燈識別的準確性較低的問題。

發明內容

本申請實施例的目的在于提出一種改進的交通信號燈識別方法和裝置，來解決以上背景技術部分提到的技術問題。

第一方面，本申請實施例提供了一種無人駕駛車輛的交通信號燈識別方法，無人駕駛車輛安裝有圖像采集裝置，該方法包括：將圖像采集裝置所采集的待處理圖像按照至少一個預設比例進行縮放，得到至少一個縮放圖像；將至少一個縮放圖像輸入至預先訓練的卷積神經網絡，得與至少一個縮放圖像中的每一個縮放圖像相對應的交通信號燈的位置信息和類別信息，其中，卷積神經網絡用于提取圖像中所顯示的交通信號燈的位置信息和類別信息；對所得到的位置信息和類別信息進行解析，生成至少一個候選交通信號燈識別結果，并對所生成的候選交通信號燈識別結果進行融合，生成與待處理圖像相對應的交通信號燈識別結果。

在一些實施例中，卷積神經網絡通過如下步驟訓練得到：利用機器學習方法，并基于預置圖像集合、預設的回歸損失函數、預設的分類損失函數和后向傳導算法訓練得到卷積神經網絡，其中，回歸損失函數用于表征卷積神經網絡輸出的位置信息與所輸入的圖像中的交通信號燈所在區域的位置的差異程度，分類損失函數用于表征所卷積神經網絡輸出的類別信息與所輸入的圖像中的交通信號燈的類別的差異程度。

在一些實施例中，預置圖像集合中的每一個預置圖像顯示有交通信號燈，且預置圖像集合中的每一個預置圖像帶有用于指示所顯示的交通信號燈所在區域的位置的位置標注和用于指示所顯示的交通信號燈的類別的類別標注。

在一些實施例中，利用機器學習方法，并基于預置圖像集合、預設的回歸損失函數、預設的分類損失函數和后向傳導算法訓練得到卷積神經網絡，包括：利用高斯分布對預先建立的初始卷積神經網絡中的參數進行隨機初始化；執行如下訓練步驟：基于預置圖像集合生成帶有標注的訓練樣本，標注中包含交通信號燈的位置信息和類別信息；將訓練樣本輸入到初始卷積神經網絡進行逐層前向傳播，以得到初始卷積神經網絡所輸出的位置信息和類別信息；基于所得到的位置信息和類別信息、標注中所包含的位置信息和類別信息，確定預設的回歸損失函數的值和預設的分類損失函數的值；利用鏈式求導法則和反向傳播算法，并基于回歸損失函數的值與分類損失函數的值之和，逐層計算初始卷積神經網絡各層參數的梯度；基于所計算的梯度對初始卷積神經網絡進行參數更新；確定訓練步驟的執行次數，響應于確定執行次數小于第一預設次數，繼續對進行參數更新后的初始卷積神經網絡執行訓練步驟；響應于確定執行次數等于第一預設次數，對最后執行的第二預設次數的訓練步驟中所得到的參數進行統計，確定目標參數，并將初始卷積神經網絡中的參數替換為目標參數，得到訓練后的卷積神經網絡，其中，第二預設次數小于第一預設次數。