[發明專利]一種交通信號燈的檢測方法、裝置及自動駕駛汽車

在審

• 申請號: 202011018454.3
• 申請日: 2020-09-24
• 公開（公告）號: CN112289021A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 王文婷;黎明慧
• 申請（專利權）人: 深圳一清創新科技有限公司;深圳逸靈智行科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/0968
• 代理公司: 深圳市六加知識產權代理有限公司 44372
• 代理人: 許銓芬

1.一種交通信號燈的檢測方法，其特征在于，包括：

獲取攝像頭所采集的圖像；

基于深度學習算法，獲取所述圖像中交通信號燈的邊界框、標簽和置信度；

根據所述邊界框，確定所述交通信號燈的位置；

根據所述標簽和置信度，確定所述交通信號燈的狀態。

2.根據權利要求1所述的檢測方法，其特征在于，

所述根據所述標簽和置信度，確定所述交通信號燈的狀態的步驟，進一步包括：

根據所述圖像的標簽和置信度，確定每一幀圖像中所述交通信號燈的顯示狀態；

將所述每一幀圖像中所述交通信號燈的顯示狀態進行量化處理，以得到所述每一幀圖像的量化數據；

將預設時間段內的各幀圖像的量化數據求和；

根據求和的結果，確定在所述預設時間段內所述交通信號燈的狀態。

3.根據權利要求2所述的檢測方法，其特征在于，所述方法還包括：

判斷所述求和的結果是否在預設區間內；

若是，則確定所述交通信號燈為綠燈閃爍的狀態。

4.根據權利要求1所述的檢測方法，其特征在于，

所述邊界框為矩形邊界框，所述根據所述邊界框，確定所述交通信號燈的位置的步驟，進一步包括：

獲取所述矩形邊界框在圖像坐標系下的坐標值，以確定所述交通信號燈的位置。

5.根據權利要求1所述的檢測方法，其特征在于，

所述基于深度學習算法，獲取所述圖像中交通信號燈的邊界框、標簽和置信度的步驟，進一步包括：

掃描所述圖像，獲取包含所述交通信號燈的候選區域；

根據所述候選區域，確定所述圖像中交通信號燈的邊界框、標簽和置信度。

6.根據權利要求5所述的檢測方法，其特征在于，

所述掃描所述圖像，獲取包含所述交通信號燈的候選區域的步驟，進一步包括：

將所述圖像輸入主干網絡中，對所述圖像進行特征提取；

通過特征金字塔網絡，提取包含不同尺度特征的所述圖像的特征圖；

通過候選框提取網絡，對所述特征圖進行處理，以得到包含所述交通信號燈的候選區域。

7.根據權利要求5所述的檢測方法，其特征在于，

所述根據所述候選區域，確定所述圖像中交通信號燈的邊界框、標簽和置信度的步驟，進一步包括：

遍歷所述圖像中的每一候選區域，將所述候選區域分為k*k個單元，其中，k為大于等于1的整數；

通過雙線性插值法計算每一所述單元中固定的四個坐標位置的像素值，并進行最大池化處理；

將經過最大池化處理后的所述候選區域進行分類和回歸，以得到所述圖像中交通信號燈的標簽，以及各所述標簽的置信度，并生成所述交通信號燈的邊界框。

8.根據權利要求1所述的檢測方法，其特征在于，

所述獲取攝像頭所采集的圖像的步驟，進一包括：

啟動所述攝像頭采集圖像，或者，運行記錄有所述攝像頭所采集的圖像的數據包；

對所述采集的圖像進預處理。

9.一種交通信號燈的檢測裝置，其特征在于，包括：

第一獲取模塊，用于獲取攝像頭所采集的圖像；

第二獲取模塊，用于基于深度學習算法，獲取所述圖像中交通信號燈的邊界框、標簽和置信度；

第一確定模塊，用于根據所述邊界框，確定所述交通信號燈的位置；

第二確定模塊，用于根據所述標簽和置信度，確定所述交通信號燈的狀態。

10.一種自動駕駛汽車，其特征在于，包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1-8任一項所述的方法。