[發明專利]無人駕駛交通燈檢測分類方法和裝置

在審

• 申請號: 202011056163.3
• 申請日: 2020-09-30
• 公開（公告）號: CN112183382A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 陳海波;武玉琪
• 申請（專利權）人: 深蘭人工智能（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/44;G06K9/62;G06N3/04;G06F16/29
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙) 32231
• 代理人: 陳紅橋

本發明提供一種無人駕駛交通燈檢測分類方法和裝置，所述方法包括：獲取交通燈圖像，并對交通燈圖像進行數據增強處理；使用數據增強處理后的交通燈圖像對分類網絡進行訓練，以得到預測的交通燈的狀態；獲取在高精度地圖中的真實的交通燈的地圖坐標系坐標，并對地圖坐標系坐標進行轉換，得到交通燈的像素坐標系坐標；計算真實的交通燈與預測的交通燈的面積交并比；當面積交并比大于預設閾值時，確定預測的交通燈的狀態為正確的交通燈；根據正確的交通燈進行分類網絡預測。由此，在使用卷積神經網絡對交通燈進行目標檢測分類的基礎上引入高精地圖，有效提高了交通燈的檢測分類精度，避免自動駕駛中因交通燈目標檢測分類錯誤導致的路徑規劃錯誤。

技術領域

本發明涉及目標檢測技術領域，具體涉及一種無人駕駛交通燈檢測分類方法、一種無人駕駛交通燈檢測分類裝置、一種計算機設備、一種非臨時性計算機可讀存儲介質和一種計算機程序產品。

背景技術

目前的交通燈檢測僅僅使用了卷積神經網絡進行目標檢測，存在交通燈識別錯誤的情況，例如，在目標檢測中有可能出現虛警，導致自動駕駛出現錯誤的規劃。

發明內容

本發明為解決上述技術問題，提供了一種無人駕駛交通燈檢測分類方法，在使用卷積神經網絡對交通燈進行目標檢測分類的基礎上引入高精地圖，有效提高了交通燈的檢測分類精度，避免自動駕駛中因交通燈目標檢測分類錯誤導致的路徑規劃錯誤。

本發明采用的技術方案如下：

一種無人駕駛交通燈檢測分類方法，其特征在于，包括以下步驟：獲取交通燈圖像，并對所述交通燈圖像進行數據增強處理；使用數據增強處理后的所述交通燈圖像對分類網絡進行訓練，以得到預測的所述交通燈的狀態；獲取在高精度地圖中的真實的交通燈的地圖坐標系坐標，并對所述地圖坐標系坐標進行轉換，得到所述交通燈的像素坐標系坐標；計算所述真實的交通燈與所述預測的交通燈的面積交并比；當所述面積交并比大于預設閾值時，確定所述預測的交通燈的狀態為正確的交通燈；根據所述正確的交通燈進行分類網絡預測。

根據本發明的一個實施例，對所述地圖坐標系坐標進行轉換，得到所述交通燈的像素坐標系坐標，包括：將所述高精地圖中真實的交通燈的地圖坐標系下的坐標乘以地圖坐標系轉車體坐標系變換矩陣，得到所述真實的交通燈在車體坐標系下的坐標；將所述真實的交通燈的車體坐標系下的坐標乘以車體坐標系轉相機坐標系變換矩陣，得到所述真實的交通燈在相機坐標系下的坐標；將所述真實的交通燈的相機坐標系下的坐標乘以相機的內參矩陣，得到所述真實的交通燈在像素坐標系下的坐標。

根據本發明的一個實施例，獲取交通燈圖像包括：采集包含交通燈的圖像，并分別進行目標檢測標注和分類標注，形成訓練數據集；將所述包含交通燈的圖像輸入目標檢測網絡，并進行數據增強處理；使用數據增強處理后的訓練數據對所述目標檢測網絡進行訓練，預測出所述交通燈的坐標；根據所述交通燈的坐標，獲取所述交通燈圖像。

根據本發明的一個實施例，對所述交通燈圖像進行數據增強處理，包括：采用中值濾波、圖像銳化、旋轉、鏡像、亮度調整中的一種或多種對所述交通燈圖像進行數據增強處理。

根據本發明的一個實施例，上述的無人駕駛交通燈檢測分類方法，還包括：當所述面積交并比小于或者等于預設閾值時，確定所述預測的交通燈的狀態為虛警。

根據本發明的一個實施例，所述目標檢測網絡為CenterNet，所述分類網絡為ResNet18。