一種交通信號燈檢測方法及裝置，其中方法包括如下步驟，根據分布信息搜尋交通信號燈，得到交通信號燈的粗估計位置；以所述交通信號燈的粗估計位置為中心生成一個全局坐標系下的坐標網格，將坐標網格投影到攝像機圖像平面，根據攝像機采集的實時圖像信息通過坐標系定位轉換后在坐標網格中計算交通信號燈的位置概率分布，根據所述位置概率分布劃分精估計位置；對精估計位置中的每個坐標網格畫面進行濾波，生成交通信號燈的顏色概率分布。本發明專利技術實現了對交通信號燈的智能檢測與識別。
【技術實現步驟摘要】
本專利技術涉及無人汽車涉及領域，尤其涉及一種交通信號燈的自動識別方法及裝置。
技術介紹
對于現實生活中的無人駕駛來說，能準確地判斷出交通路口信號燈的狀態(即當前交通信號燈為黃燈、綠燈、紅燈中的哪一種)是極為重要的。即使在車輛有駕駛員時，車輛本身能做出對交通信號燈的判斷也是十分有益的，譬如，它能提醒漫不經心的司機信號燈的變化或是為色盲駕駛員提供安全行駛的依據。一個很直觀的想法是車輛直接通過交通管制部門發送的交通信號燈控制信息的獲取，來做出交通駕駛判斷，這樣的判斷準確率和時效性均較好。實證中，通過主動式交通信號燈系統可以實現主動向過往車輛傳送當前信號燈狀態的準確信息。但可惜的是，這樣的系統需要在交通信號燈和車輛上安裝昂貴的硬件，因而尚未在市場上廣泛推廣開來。因而，在無人車駕駛領域來說，要依靠主動式交通信號燈系統來實現關于交通信號數據的獲取尚無法得以實現。退而求其次的想法是利用算法模擬人類對交通信號燈的視覺判斷，即通過交通信號燈所特有的顏色和形狀等基本要素做特征提取和識別。傳統上，無人車駕駛是通過基于攝像機的方法來實現對交通信號燈的檢測，但這樣的算法要面對兩方面的挑戰：一個是交通信號燈在成像畫面上的占比太小，導致定位不易，特別是從一定距離處開始的檢測更加重了這一問題；第二是該算法主要數據來源為視頻信息，對于極端氣候如雨雪、霧霾則嚴重影響畫面質量導致判斷精度不高。但近年來，隨著傳感器的數據傳輸速率和精確度不斷提升，已經能達到被動式交通信號燈狀態檢測的要求，同時，輔助傳感器如GPS系統也提升到了使得這樣的被動式交通信號燈狀態檢測系統已經可以可靠地運用到現實中了。該系統能否安全有效運行的關鍵在于其對通常失效情況的處理能力，譬如，假陽性信號、短暫的遮擋等問題，這些使得單純基于攝像機的方法在實際運用中存在局限性。為了解決單純基于視頻的檢測方法所帶來的局限性，我們盡管如何解決交通信號燈的定位問題已經有了一些解決途徑，但是定位的這一假設的前提條件，包括如何處理誤差來源，均無人涉及。在本文中，我們通過原理分析和對我們進行交通信號燈檢測的每個環節可能出現的誤差來源進行建模分析，以及對攝像機和事先定位建立起了一個比對框架，從而一定程度上解決了這些問題。
技術實現思路
為此，需要提供一種可以充分利用一些時序信息，通過直方圖過濾來追蹤和更新對交通信號燈的位置和狀態的估計方法。為了在某種程度上約束我們對交通信號燈的搜索范圍，我們事先做好對交通信號燈的定位，運用從GPS系統中能夠得到的位姿數據，從而使得在檢測中我們能夠預知交通信號燈的相對方位的方法。為實現上述目的，專利技術人提供了一種交通信號燈檢測方法，包括如下步驟，根據分布信息搜尋交通信號燈，得到交通信號燈的粗估計位置；以所述交通信號燈的粗估計位置為中心生成一個全局坐標系下的坐標網格，將坐標網格投影到攝像機圖像平面，根據攝像機采集的實時圖像信息通過坐標系定位轉換后在坐標網格中計算交通信號燈的位置概率分布，根據所述位置概率分布劃分精估計位置；對精估計位置中的每個坐標網格畫面進行濾波，生成交通信號燈的顏色概率分布。具體地，所述分布信息還包括交通信號燈顏色飽和度信息，還包括步驟，根據不同交通信號燈顏色飽和度信息設計對應的過濾模板，所述步驟“對精估計位置中的每個坐標網格畫面進行濾波”包括步驟，對精估計位置中的每個坐標網格畫面使用過濾模板進行濾波。具體地，所述步驟“根據攝像機采集的實時畫面信息通過坐標系定位轉換后在坐標網格中計算交通信號燈的位置概率分布”包括步驟，根據分布信息與實時畫面信息計算感知誤差，將所述感知誤差代入貝斯葉算法計算所述交通信號燈的位置概率分布。優選地，還包括步驟，預采集交通信號燈地圖：在預設線路預采集交通信號燈的分布信息。一種交通信號燈檢測裝置，包括粗位置估計模塊、精位置估計模塊、顏色濾波模塊，所述粗位置估計模塊用于根據分布信息搜尋交通信號燈，得到交通信號燈的粗估計位置；所述精位置估計模塊用于以所述交通信號燈的粗估計位置為中心生成一個全局坐標系下的坐標網格，將坐標網格投影到攝像機圖像平面，根據攝像機采集的實時圖像信息通過坐標系定位轉換后在坐標網格中計算交通信號燈的位置概率分布，根據所述位置概率分布劃分精估計位置；所述顏色濾波模塊用于對精估計位置中的每個坐標網格畫面進行濾波，生成交通信號燈的顏色概率分布。具體地，所述分布信息還包括交通信號燈顏色飽和度信息，所述顏色濾波模塊還用于根據不同交通信號燈顏色飽和度信息設計對應的過濾模板，對精估計位置中的每個坐標網格畫面使用所述過濾模板進行濾波。具體地，所述精位置估計模塊還用于根據分布信息與實時畫面信息計算感知誤差，將所述感知誤差代入貝斯葉算法計算所述交通信號燈的位置概率分布。優選地，還包括預采集模塊，所述預采集模塊用于預采集交通信號燈地圖：在預設線路預采集交通信號燈的分布信息。區別于現有技術，上述技術方案通過預采集地圖，結合預采集信息進行概率計算的方法，能夠有效排除外部環境的干擾，提高交通信號燈檢測的正確率和識別率。附圖說明圖1為本專利技術具體實施方式所述的交通信號燈偵測網格示意圖；圖2為本專利技術具體實施方式所述的多交通信號燈偵測示意圖；圖3為本專利技術具體實施方式所述的交通信號燈檢測方法流程圖；圖4為本專利技術具體實施方式所述的昏暗光線下信號燈狀態圖；圖5為本專利技術具體實施方式所述的光耀下信號燈狀態圖；圖6為本專利技術具體實施方式所述的復雜條件下信號燈狀態圖；圖7為本專利技術具體實施方式所述的各坐標系關系示意圖；圖8為本專利技術具體實施方式所述的預采集色彩分布直方圖；圖9為本專利技術具體實施方式所述的交通信號燈三通道過濾結果；圖10為本專利技術具體實施方式所述的中午時分的單個信號燈檢測和路口駕駛判斷的正確率對比圖；圖11為本專利技術具體實施方式所述的黃昏時分的單個信號燈檢測和路口駕駛判斷的正確率對比圖；圖12為本專利技術具體實施方式所述的夜晚時分的單個信號燈檢測和路口駕駛判斷的正確率對比圖；圖13為本專利技術具體實施方式所述的三個時段綜合的單個信號燈檢測和路口駕駛判斷的正確率對比圖；圖14為本專利技術具體實施方式所述的復雜路況檢測示例圖；圖15為本專利技術具體實施方式所述的檢測精度與置信度關系示意圖；圖16為本專利技術具體實施方式所述的單個交通信號燈的檢測精度結果表。圖17為本專利技術具體實施方式所述的多盞交通信號燈檢測的交通路口駕駛判斷結果精度表。圖18為本專利技術具體實施方式所述的交通信號燈檢測裝置模塊圖。附圖標記說明：1800、粗位置估計模塊；1802、精位置估計模塊；1804、顏色濾波模塊；1806、預采集模塊。具體實施方式為詳細說明技術方案的
技術實現思路
、構造特征、所實現目的及效果，以下結合具體實施例并配合附圖詳予說明。一、總體思路圖1展示了帶有偵測網格的連續兩幀本文檔來自技高網...
【技術保護點】
一種交通信號燈檢測方法，其特征在于，包括如下步驟，根據分布信息搜尋交通信號燈，得到交通信號燈的粗估計位置；以所述交通信號燈的粗估計位置為中心生成一個全局坐標系下的坐標網格，將坐標網格投影到攝像機圖像平面，根據攝像機采集的實時圖像信息通過坐標系定位轉換后在坐標網格中計算交通信號燈的位置概率分布，根據所述位置概率分布劃分精估計位置；對精估計位置中的每個坐標網格畫面進行濾波，生成交通信號燈的顏色概率分布。
【技術特征摘要】
1.一種交通信號燈檢測方法，其特征在于，包括如下步驟，
根據分布信息搜尋交通信號燈，得到交通信號燈的粗估計位置；
以所述交通信號燈的粗估計位置為中心生成一個全局坐標系下的坐標網
格，將坐標網格投影到攝像機圖像平面，根據攝像機采集的實時圖像信息通
過坐標系定位轉換后在坐標網格中計算交通信號燈的位置概率分布，根據所
述位置概率分布劃分精估計位置；
對精估計位置中的每個坐標網格畫面進行濾波，生成交通信號燈的顏色
概率分布。
2.根據權利要求1所述的交通信號燈檢測方法，其特征在于，所述分布
信息還包括交通信號燈顏色飽和度信息，還包括步驟，
根據不同交通信號燈顏色飽和度信息設計對應的過濾模板，所述步驟“對
精估計位置中的每個坐標網格畫面進行濾波”包括步驟，對精估計位置中的
每個坐標網格畫面使用過濾模板進行濾波。
3.根據權利要求1所述的交通信號燈檢測方法，其特征在于，所述步驟
“根據攝像機采集的實時畫面信息通過坐標系定位轉換后在坐標網格中計算
交通信號燈的位置概率分布”包括步驟，根據分布信息與實時畫面信息計算
感知誤差，將所述感知誤差代入貝斯葉算法計算所述交通信號燈的位置概率
分布。
4.根據權利要求1所述的交通信號燈檢測方法，其特征在于，還包括步
驟，預采集交通信號燈地圖：在預設線路預采集交通信號燈的分布信息。
5....
【專利技術屬性】
技術研發人員：潘晨勁，趙江宜，
申請(專利權)人：福州華鷹重工機械有限公司，
類型：發明
國別省市：福建;35
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。