一种交通信号灯检测方法及装置，其中方法包括如下步骤，根据分布信息搜寻交通信号灯，得到交通信号灯的粗估计位置；以所述交通信号灯的粗估计位置为中心生成一个全局坐标系下的坐标网格，将坐标网格投影到摄像机图像平面，根据摄像机采集的实时图像信息通过坐标系定位转换后在坐标网格中计算交通信号灯的位置概率分布，根据所述位置概率分布划分精估计位置；对精估计位置中的每个坐标网格画面进行滤波，生成交通信号灯的颜色概率分布。本发明专利技术实现了对交通信号灯的智能检测与识别。
【技术实现步骤摘要】
本专利技术涉及无人汽车涉及领域，尤其涉及一种交通信号灯的自动识别方法及装置。
技术介绍
对于现实生活中的无人驾驶来说，能准确地判断出交通路口信号灯的状态(即当前交通信号灯为黄灯、绿灯、红灯中的哪一种)是极为重要的。即使在车辆有驾驶员时，车辆本身能做出对交通信号灯的判断也是十分有益的，譬如，它能提醒漫不经心的司机信号灯的变化或是为色盲驾驶员提供安全行驶的依据。一个很直观的想法是车辆直接通过交通管制部门发送的交通信号灯控制信息的获取，来做出交通驾驶判断，这样的判断准确率和时效性均较好。实证中，通过主动式交通信号灯系统可以实现主动向过往车辆传送当前信号灯状态的准确信息。但可惜的是，这样的系统需要在交通信号灯和车辆上安装昂贵的硬件，因而尚未在市场上广泛推广开来。因而，在无人车驾驶领域来说，要依靠主动式交通信号灯系统来实现关于交通信号数据的获取尚无法得以实现。退而求其次的想法是利用算法模拟人类对交通信号灯的视觉判断，即通过交通信号灯所特有的颜色和形状等基本要素做特征提取和识别。传统上，无人车驾驶是通过基于摄像机的方法来实现对交通信号灯的检测，但这样的算法要面对两方面的挑战：一个是交通信号灯在成像画面上的占比太小，导致定位不易，特别是从一定距离处开始的检测更加重了这一问题；第二是该算法主要数据来源为视频信息，对于极端气候如雨雪、雾霾则严重影响画面质量导致判断精度不高。但近年来，随着传感器的数据传输速率和精确度不断提升，已经能达到被动式交通信号灯状态检测的要求，同时，辅助传感器如GPS系统也提升到了使得这样的被动式交通信号灯状态检测系统已经可以可靠地运用到现实中了。该系统能否安全有效运行的关键在于其对通常失效情况的处理能力，譬如，假阳性信号、短暂的遮挡等问题，这些使得单纯基于摄像机的方法在实际运用中存在局限性。为了解决单纯基于视频的检测方法所带来的局限性，我们尽管如何解决交通信号灯的定位问题已经有了一些解决途径，但是定位的这一假设的前提条件，包括如何处理误差来源，均无人涉及。在本文中，我们通过原理分析和对我们进行交通信号灯检测的每个环节可能出现的误差来源进行建模分析，以及对摄像机和事先定位建立起了一个比对框架，从而一定程度上解决了这些问题。
技术实现思路
为此，需要提供一种可以充分利用一些时序信息，通过直方图过滤来追踪和更新对交通信号灯的位置和状态的估计方法。为了在某种程度上约束我们对交通信号灯的搜索范围，我们事先做好对交通信号灯的定位，运用从GPS系统中能够得到的位姿数据，从而使得在检测中我们能够预知交通信号灯的相对方位的方法。为实现上述目的，专利技术人提供了一种交通信号灯检测方法，包括如下步骤，根据分布信息搜寻交通信号灯，得到交通信号灯的粗估计位置；以所述交通信号灯的粗估计位置为中心生成一个全局坐标系下的坐标网格，将坐标网格投影到摄像机图像平面，根据摄像机采集的实时图像信息通过坐标系定位转换后在坐标网格中计算交通信号灯的位置概率分布，根据所述位置概率分布划分精估计位置；对精估计位置中的每个坐标网格画面进行滤波，生成交通信号灯的颜色概率分布。具体地，所述分布信息还包括交通信号灯颜色饱和度信息，还包括步骤，根据不同交通信号灯颜色饱和度信息设计对应的过滤模板，所述步骤“对精估计位置中的每个坐标网格画面进行滤波”包括步骤，对精估计位置中的每个坐标网格画面使用过滤模板进行滤波。具体地，所述步骤“根据摄像机采集的实时画面信息通过坐标系定位转换后在坐标网格中计算交通信号灯的位置概率分布”包括步骤，根据分布信息与实时画面信息计算感知误差，将所述感知误差代入贝斯叶算法计算所述交通信号灯的位置概率分布。优选地，还包括步骤，预采集交通信号灯地图：在预设线路预采集交通信号灯的分布信息。一种交通信号灯检测装置，包括粗位置估计模块、精位置估计模块、颜色滤波模块，所述粗位置估计模块用于根据分布信息搜寻交通信号灯，得到交通信号灯的粗估计位置；所述精位置估计模块用于以所述交通信号灯的粗估计位置为中心生成一个全局坐标系下的坐标网格，将坐标网格投影到摄像机图像平面，根据摄像机采集的实时图像信息通过坐标系定位转换后在坐标网格中计算交通信号灯的位置概率分布，根据所述位置概率分布划分精估计位置；所述颜色滤波模块用于对精估计位置中的每个坐标网格画面进行滤波，生成交通信号灯的颜色概率分布。具体地，所述分布信息还包括交通信号灯颜色饱和度信息，所述颜色滤波模块还用于根据不同交通信号灯颜色饱和度信息设计对应的过滤模板，对精估计位置中的每个坐标网格画面使用所述过滤模板进行滤波。具体地，所述精位置估计模块还用于根据分布信息与实时画面信息计算感知误差，将所述感知误差代入贝斯叶算法计算所述交通信号灯的位置概率分布。优选地，还包括预采集模块，所述预采集模块用于预采集交通信号灯地图：在预设线路预采集交通信号灯的分布信息。区别于现有技术，上述技术方案通过预采集地图，结合预采集信息进行概率计算的方法，能够有效排除外部环境的干扰，提高交通信号灯检测的正确率和识别率。附图说明图1为本专利技术具体实施方式所述的交通信号灯侦测网格示意图；图2为本专利技术具体实施方式所述的多交通信号灯侦测示意图；图3为本专利技术具体实施方式所述的交通信号灯检测方法流程图；图4为本专利技术具体实施方式所述的昏暗光线下信号灯状态图；图5为本专利技术具体实施方式所述的光耀下信号灯状态图；图6为本专利技术具体实施方式所述的复杂条件下信号灯状态图；图7为本专利技术具体实施方式所述的各坐标系关系示意图；图8为本专利技术具体实施方式所述的预采集色彩分布直方图；图9为本专利技术具体实施方式所述的交通信号灯三通道过滤结果；图10为本专利技术具体实施方式所述的中午时分的单个信号灯检测和路口驾驶判断的正确率对比图；图11为本专利技术具体实施方式所述的黄昏时分的单个信号灯检测和路口驾驶判断的正确率对比图；图12为本专利技术具体实施方式所述的夜晚时分的单个信号灯检测和路口驾驶判断的正确率对比图；图13为本专利技术具体实施方式所述的三个时段综合的单个信号灯检测和路口驾驶判断的正确率对比图；图14为本专利技术具体实施方式所述的复杂路况检测示例图；图15为本专利技术具体实施方式所述的检测精度与置信度关系示意图；图16为本专利技术具体实施方式所述的单个交通信号灯的检测精度结果表。图17为本专利技术具体实施方式所述的多盏交通信号灯检测的交通路口驾驶判断结果精度表。图18为本专利技术具体实施方式所述的交通信号灯检测装置模块图。附图标记说明：1800、粗位置估计模块；1802、精位置估计模块；1804、颜色滤波模块；1806、预采集模块。具体实施方式为详细说明技术方案的
技术实现思路
、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。一、总体思路图1展示了带有侦测网格的连续两帧本文档来自技高网...
【技术保护点】
一种交通信号灯检测方法，其特征在于，包括如下步骤，根据分布信息搜寻交通信号灯，得到交通信号灯的粗估计位置；以所述交通信号灯的粗估计位置为中心生成一个全局坐标系下的坐标网格，将坐标网格投影到摄像机图像平面，根据摄像机采集的实时图像信息通过坐标系定位转换后在坐标网格中计算交通信号灯的位置概率分布，根据所述位置概率分布划分精估计位置；对精估计位置中的每个坐标网格画面进行滤波，生成交通信号灯的颜色概率分布。
【技术特征摘要】
1.一种交通信号灯检测方法，其特征在于，包括如下步骤，
根据分布信息搜寻交通信号灯，得到交通信号灯的粗估计位置；
以所述交通信号灯的粗估计位置为中心生成一个全局坐标系下的坐标网
格，将坐标网格投影到摄像机图像平面，根据摄像机采集的实时图像信息通
过坐标系定位转换后在坐标网格中计算交通信号灯的位置概率分布，根据所
述位置概率分布划分精估计位置；
对精估计位置中的每个坐标网格画面进行滤波，生成交通信号灯的颜色
概率分布。
2.根据权利要求1所述的交通信号灯检测方法，其特征在于，所述分布
信息还包括交通信号灯颜色饱和度信息，还包括步骤，
根据不同交通信号灯颜色饱和度信息设计对应的过滤模板，所述步骤“对
精估计位置中的每个坐标网格画面进行滤波”包括步骤，对精估计位置中的
每个坐标网格画面使用过滤模板进行滤波。
3.根据权利要求1所述的交通信号灯检测方法，其特征在于，所述步骤
“根据摄像机采集的实时画面信息通过坐标系定位转换后在坐标网格中计算
交通信号灯的位置概率分布”包括步骤，根据分布信息与实时画面信息计算
感知误差，将所述感知误差代入贝斯叶算法计算所述交通信号灯的位置概率
分布。
4.根据权利要求1所述的交通信号灯检测方法，其特征在于，还包括步
骤，预采集交通信号灯地图：在预设线路预采集交通信号灯的分布信息。
5....
【专利技术属性】
技术研发人员：潘晨劲，赵江宜，
申请(专利权)人：福州华鹰重工机械有限公司，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。