信号灯的检测方法技术

本申请涉及自动驾驶技术领域，提供了一种信号灯的检测方法

【技术实现步骤摘要】
信号灯的检测方法、装置、汽车和介质


[0001]本申请涉及自动驾驶
，尤其涉及一种信号灯的检测方法
、
装置
、
汽车和介质
。

技术介绍

[0002]在自动驾驶过程中，需要准确检测到信号灯，信号灯可以是
tfl(Traffic light
，交通信号灯
)。
[0003]相关技术中，自动驾驶的可移动设备能够采集信号灯的图像，将采集的
RGB
图像作为神经网络的输入，从而得到信号灯检测结果，例如信号灯的颜色
、
方向
、
倒计时等信号灯属性信息
。
[0004]但是，在特殊场景，例如夜间行驶的场景，由于采集的图像为
RGB
格式的采集图像，成像质量低，无法得到准确的信号灯检测结果
。

技术实现思路

[0005]为解决或部分解决相关技术中存在的问题，本专利技术提供一种信号灯的检测方法
、
装置
、
汽车和介质，能够提高在特殊场景下检测信号灯的检测精度
。
[0006]本专利技术第一方面提供一种信号灯的检测方法，包括：
[0007]获取包括信号灯的原始格式的信号灯图像；
[0008]将所述原始格式的信号灯图像解析为具有
N
个通道的待处理图像；其中，所述
N
为大于3的正整数；
[0009]检测所述
N
个通道的待处理图像中的信号灯，得到所述信号灯的信号灯检测结果
。
[0010]本专利技术第二方面提供一种信号灯的检测装置，包括：
[0011]获取模块，用于获取包括信号灯的原始格式的信号灯图像；
[0012]解析模块，用于将所述原始格式的信号灯图像解析为具有
N
个通道的待处理图像；其中，所述
N
为大于3的正整数；
[0013]检测模块，用于检测所述
N
个通道的待处理图像中的信号灯，得到所述信号灯的信号灯检测结果
。
[0014]本申请第三方面提供一种汽车，包括：
[0015]处理器；以及
[0016]存储器，其上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如上的方法
。
[0017]本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如上的方法
。
[0018]本申请提供了一种信号灯的检测方法
、
装置
、
设备和介质，该方法首先获取包括信号灯的的原始格式的信号灯图像；然后将所述原始格式的信号灯图像解析为具有
N
个通道的待处理图像；其中，所述
N
为大于3的正整数；最后检测所述
N
个通道的待处理图像中的信
号灯，得到所述信号灯的信号灯检测结果
。
由于原始格式的信号灯图像在未转换成
RGB
格式之前具有更高的动态范围和更多未处理的原始数据，因此，可以捕获到更广泛的亮度范围，能够准确检测出夜间场景下的信号灯，提高在特殊场景下信号灯的检测精度
。
[0019]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请
。
附图说明
[0020]通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的
、
特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件
。
[0021]图1是本申请实施例公开的一种信号灯的检测方法的流程示意图
。
[0022]图2是本申请实施例公开的一种信号灯的检测方法的另一种流程示意图
。
[0023]图3是本申请实施例示出的一种信号灯的检测装置的结构示意图
。
[0024]图4是本申请实施例示出的汽车的结构示意图
。
具体实施方式
[0025]下面将参照附图更详细地描述本申请的实施方式
。
虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制
。
相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员
。
[0026]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请
。
在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义
。
还应当理解，本文中使用的术语“和
/
或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合
。
[0027]应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语
。
这些术语仅用来将同一类型的信息彼此区分开
。
例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息
。
由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征
。
在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定
。
[0028]自动驾驶的可移动设备在自动驾驶的过程中，可以对所获得的信号灯图像进行检测，通常情况下，信号灯图像均为
RGB
格式，信号灯例如交通信号灯具有特定的物理特征，特定的物理特征例如圆形或箭头形状的红黄绿三色彩灯
。
在特殊场景下，例如夜间场景下，图像采集设备采集到的信号灯图像中的彩灯会产生光圈，导致
RGB
格式的信号灯图像成像质量下降，现有的检测方法无法准确检测到信号灯的检测结果
。
[0029]本说明书实施例中，通过检测图像采集设备采集到的未转换成
RGB
格式的原始格式的信号灯图像来检测信号灯的信号灯检测结果，能够基于原始格式的丰富信息得到信号灯的信号灯检测结果，提高了在特殊场景下信号灯检测结果的准确性
。
[0030]下面对本申请实施例进行详细介绍
。
[0031]请参见图1，图1是本申请实施例公开的一种信号灯的检测方法的流程示意图
。
[0032]本实施例公开了一种信号灯的检测方法，包括如下步骤
。
[0033]S101、
获取原始格式的信号灯图像；原始格式的信号灯图像用于转换为
RGB
格式的采集图像
。
[0034]本实施例的方法可以应用到可移动装置中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种信号灯的检测方法，其特征在于，包括：获取原始格式的信号灯图像；将所述原始格式的信号灯图像解析为具有
N
个通道的待处理图像；其中，所述
N
为大于3的正整数；检测所述
N
个通道的待处理图像中的信号灯，得到信号灯检测结果
。2.
根据权利要求1所述的方法，其特征在于，所述检测所述
N
个通道的待处理图像中的信号灯，得到信号灯检测结果，包括：将所述待处理图像输入到深度神经网络模型中，得到所述深度神经网络输出的信号灯检测结果；其中，所述深度神经网络模型基于具有
N
个通道的信号灯图像进行模型训练后得到的
。3.
根据权利要求1所述的方法，其特征在于，所述检测所述
N
个通道的待处理图像中的信号灯，得到信号灯检测结果，包括：确定所述待处理图像中的颜色区域；基于边缘检测算法检测各个所述颜色区域中的信号灯边界；识别各个所述信号灯边界中的信号灯，得到信号灯检测结果
。4.
根据权利要求2所述的方法，其特征在于，在所述深度神经网络模型的训练过程中，若用于模型训练的图像为
RGB
格式的待训练图像，则将所述
RGB
格式的待训练图像转换为伪原始格式的待训练图像；其中，所述伪原始格式的待训练图像具有所述
N
个通道
。5.
根据权利要求4所述的方法，其特征在于，所述
...

【专利技术属性】
技术研发人员：冯谢星，蒋毅，杨轶林，秦雨青，周俊豪，张广滔，刘汉鹏，吉皓瑞，郭睿，汪琦，梁康正，
申请(专利权)人：广州小鹏自动驾驶科技有限公司，
类型：发明
国别省市：