System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及数据处理领域,尤其涉及计算机视觉和深度学习等人工智能领域,适用于自动驾驶领域。
技术介绍
1、随着技术的发展,在车辆自动驾驶的过程中,交通灯信号检测识别的准确性对于车辆的安全驾驶是十分重要的。
2、相关技术中,车辆可以采集其行驶方向上的道路图像,并通过提取道路图像中的红绿灯的二维信息实现对交通灯的信号检测,在该场景下,无法提取到交通灯的三维的位姿信息,交通灯检测精度欠佳。
3、可选地,车辆还可以依赖于高精地图上的交通灯标注信息,实现其行驶方向上的交通灯信号的检测识别,地图依赖程度高,在高精地图的标注信息异常的情况下,可能出现交通灯信号识别异常,存在安全隐患。
技术实现思路
1、本公开提出了一种交通灯检测模型的训练方法、交通灯检测方法和装置。
2、根据本公开的第一方面,提出了一种交通灯检测模型的训练方法,方法包括:获取样本交通灯图像和待训练的候选交通灯检测模型,其中,所述候选交通灯检测模型至少包括候选二维检测分支和候选三维检测分支;根据所述样本交通灯图像,获取所述候选二维检测分支输出的第一检测结果,和所述候选三维检测分支输出的第二检测结果;根据所述第一检测结果和所述第二检测结果,得到所述候选交通灯检测模型的训练损失;根据所述训练损失对所述候选交通灯检测模型进行迭代优化,直至训练结束,得到训练好的目标交通灯检测模型。
3、根据本公开的第二方面,提出了一种交通灯检测方法,方法包括:获取训练好的目标交通灯检测模型,其中,所述目标交通
4、根据本公开的第三方面,提出了一种交通灯检测模型的训练装置,装置包括:第一获取模块,用于获取样本交通灯图像和待训练的候选交通灯检测模型,其中,所述候选交通灯检测模型至少包括候选二维检测分支和候选三维检测分支;第二获取模块,用于根据所述样本交通灯图像,获取所述候选二维检测分支输出的第一检测结果,和所述候选三维检测分支输出的第二检测结果;第三获取模块,用于根据所述第一检测结果和所述第二检测结果,得到所述候选交通灯检测模型的训练损失;训练模块,用于根据所述训练损失对所述候选交通灯检测模型进行迭代优化,直至训练结束,得到训练好的目标交通灯检测模型。
5、根据本公开的第四方面,提出了一种交通灯检测装置,装置包括:
6、第四获取模块,用于获取训练好的目标交通灯检测模型,其中,所述目标交通灯检测模型基于上述权利第三方面提出的交通灯检测模型的训练装置得得到;采集模块,用于采集待检测交通灯的交通灯图像;提取模块,用于通过所述目标交通灯检测模型,提取所述交通灯图像的融合特征图,并基于所述融合特征图得到所述待检测交通灯基于所述交通灯图像的采集车辆的目标检测立体角;确定模块,用于响应于识别到所述目标检测立体角小于或者等于预设的立体角阈值,确定所述待检测交通灯为指示所述采集车辆行驶的目标交通灯。
7、根据本公开的第五方面,提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面提出的交通灯检测模型的训练方法和/或第二方面提出的交通灯检测方法。
8、根据本公开的第六方面,提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述第一方面提出的交通灯检测模型的训练方法和/或第二方面提出的交通灯检测方法。
9、根据本公开的第七方面,提出了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述第一方面提出的交通灯检测模型的训练方法和/或第二方面提出的交通灯检测方法。
10、应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种交通灯检测模型的训练方法,其中,所述方法包括:
2.根据权利要求1所述的方法,其中,所述根据所述样本交通灯图像,获取所述候选二维检测分支输出的第一检测结果,和所述候选三维检测分支输出的第二检测结果,包括:
3.根据权利要求2所述的方法,其中,所述将所述样本融合特征图输入所述候选三维检测分支,得到所述候选三维检测分支输出的所述第二检测结果,包括:
4.根据权利要求3所述的方法,其中,所述通过所述候选角度检测分支,基于所述样本融合特征图获取样本交通灯的预测角度区间,包括:
5.根据权利要求4所述的方法,其中,所述通过所述候选角度检测分支,获取所述样本交通灯在所述预测角度区间内的预测角度偏移值,包括:
6.根据权利要求2所述的方法,其中,所述将所述样本融合特征图输入所述候选三维检测分支,得到所述候选三维检测分支输出的所述第二检测结果,包括:
7.根据权利要求6所述的方法,其中,所述通过所述候选深度检测分支获取所述样本交通灯在所述预测深度区间内的预测深度偏移值,包括:
8.根据权利要求2所述的方法
9.根据权利要求1所述的方法,其中,所述获取样本交通灯图像,包括:
10.根据权利要求9所述的方法,其中,所述获取样本交通灯的初始交通灯图像,并对所述初始交通灯图像进行数据增强,得到增强后的所述候选交通灯图像,包括:
11.根据权利要求1所述的方法,其中,所述根据所述第一检测结果和所述第二检测结果,得到所述候选交通灯检测模型的训练损失,包括:
12.根据权利要求11所述的方法,其中,所述根据所述第一检测结果、所述第二检测结果和所述第三检测结果,得到所述候选交通灯检测模型的所述训练损失,包括:
13.根据权利要求12所述的方法,其中,所述根据所述第二检测结果获取所述候选三维检测分支中的候选角度检测分支的第二损失值,包括:
14.根据权利要求12所述的方法,其中,所述根据所述第二检测结果获取所述候选三维检测分支中的候选深度检测分支的第三损失值,包括:
15.根据权利要求12所述的方法,其中,所述根据所述第三检测结果获取所述候选交通灯类别检测分支中的候选行人灯检测分支的第四损失值,包括:
16.根据权利要求12所述的方法,其中,所述根据所述第三检测结果获取所述候选交通灯类别检测分支中的候选遮挡检测分支的第五损失值,包括:
17.根据权利要求12所述的方法,其中,所述根据所述第一损失值、所述第二损失值、所述第三损失值、所述第四损失值和所述第五损失值,得到所述候选交通灯检测模型的训练损失,包括:
18.根据权利要求1所述的方法,其中,所述根据所述训练损失对所述候选交通灯检测模型进行迭代优化,直至训练结束,得到训练好的目标交通灯检测模型,包括:
19.一种交通灯检测方法,其中,所述方法包括:
20.根据权利要求19所述的方法,其中,所述方法还包括:
21.一种交通灯检测模型的训练装置,其中,所述装置包括:
22.根据权利要求21所述的装置,其中,所述第二获取模块,还用于:
23.根据权利要求22所述的装置,其中,所述第二获取模块,还用于:
24.根据权利要求23所述的装置,其中,所述第二获取模块,还用于:
25.根据权利要求24所述的装置,其中,所述第二获取模块,还用于:
26.根据权利要求22所述的装置,其中,所述第二获取模块,还用于:
27.根据权利要求26所述的装置,其中,所述第二获取模块,还用于:
28.根据权利要求22所述的装置,其中,所述第二获取模块,还用于:
29.根据权利要求21所述的装置,其中,所述第一获取模块,还用于:
30.根据权利要求29所述的装置,其中,所述第一获取模块,还用于:
31.根据权利要求21所述的装置,其中,所述第三获取模块,还用于:
32.根据权利要求31所述的装置,其中,所述第三获取模块,还用于:
33.根据权利要求32所述的装置,其中,所述第三获取模块,还用于:
34.根据权利要求32所述的装置,其中,所述第三获取模块,还用于:
35.根据权利要求32所述的装置,其中,所述第三获取模块,还用于:
36.根据权利要求32所述的装置,其...
【技术特征摘要】
1.一种交通灯检测模型的训练方法,其中,所述方法包括:
2.根据权利要求1所述的方法,其中,所述根据所述样本交通灯图像,获取所述候选二维检测分支输出的第一检测结果,和所述候选三维检测分支输出的第二检测结果,包括:
3.根据权利要求2所述的方法,其中,所述将所述样本融合特征图输入所述候选三维检测分支,得到所述候选三维检测分支输出的所述第二检测结果,包括:
4.根据权利要求3所述的方法,其中,所述通过所述候选角度检测分支,基于所述样本融合特征图获取样本交通灯的预测角度区间,包括:
5.根据权利要求4所述的方法,其中,所述通过所述候选角度检测分支,获取所述样本交通灯在所述预测角度区间内的预测角度偏移值,包括:
6.根据权利要求2所述的方法,其中,所述将所述样本融合特征图输入所述候选三维检测分支,得到所述候选三维检测分支输出的所述第二检测结果,包括:
7.根据权利要求6所述的方法,其中,所述通过所述候选深度检测分支获取所述样本交通灯在所述预测深度区间内的预测深度偏移值,包括:
8.根据权利要求2所述的方法,其中,所述提取所述样本交通灯图像的样本二维特征图和样本三维特征图,并对所述样本二维特征图和所述样本三维特征图进行融合,得到所述样本融合特征图之前,包括:
9.根据权利要求1所述的方法,其中,所述获取样本交通灯图像,包括:
10.根据权利要求9所述的方法,其中,所述获取样本交通灯的初始交通灯图像,并对所述初始交通灯图像进行数据增强,得到增强后的所述候选交通灯图像,包括:
11.根据权利要求1所述的方法,其中,所述根据所述第一检测结果和所述第二检测结果,得到所述候选交通灯检测模型的训练损失,包括:
12.根据权利要求11所述的方法,其中,所述根据所述第一检测结果、所述第二检测结果和所述第三检测结果,得到所述候选交通灯检测模型的所述训练损失,包括:
13.根据权利要求12所述的方法,其中,所述根据所述第二检测结果获取所述候选三维检测分支中的候选角度检测分支的第二损失值,包括:
14.根据权利要求12所述的方法,其中,所述根据所述第二检测结果获取所述候选三维检测分支中的候选深度检测分支的第三损失值,包括:
15.根据权利要求12所述的方法,其中,所述根据所述第三检测结果获取所述候选交通灯类别检测分支中的候选行人灯检测分支的第四损失值,包括:
16.根据权利要求12所述的方法,其中,所述根据所述第三检测结果获取所述候选交通灯类别检测分支中的候选遮挡检测分支的第五损失值,包括:
17.根据权利要求12所述的方法,其中,所述根据所述...
【专利技术属性】
技术研发人员:王粲,周珣,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
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。