[发明专利]实时的交通灯识别方法

权利要求书

1.一种实时的交通灯识别方法，其特征在于，所述方法包括：

获取交通灯信息；所述交通灯信息包括交通灯的标识id和交通灯的灯板框的绝对位置信息；

将所述交通灯信息和原始地图进行融合处理，生成标注地图；所述标注地图包括多条道路；每条所述道路包括多个路段信息；每个所述路段信息包括路段的Road id和多个车道信息；每个所述车道信息包括车道的Lane id；

将停止线前对应的路段Road id和所述交通灯信息进行关联，生成第一关联信息表，和/或，将所述停止线前对应的车道的Lane id和所述交通灯信息进行关联，生成第二关联信息表；

在行驶中，获取车辆的当前位置和第一图像；所述第一图像包括利用第一图像采集装置采集的交通灯的图像；

根据所述车辆的当前位置和所述标注地图，确定所述当前位置对应的路段的Road id和/或车道的Lane id；

当所述当前位置与停止线的距离在预设的检测范围内时，根据所述当前位置对应的路段的Road id和所述第一关联信息表，和/或，根据所述当前位置对应的路段的车道的Laneid和所述第二关联信息表，判断停止线前的路段是否存在交通灯信息；其中，当车辆处于十字路口时，根据车辆的当前位置对应的路段的Road id，查询当前路段的上一个路段的Roadid是否在第一关联信息表中，或者，根据车辆的当前位置对应的路段的上一个路段的Laneid是否在第二关联表中；

当存在交通灯信息时，获取所述灯板框在所述标注地图中的绝对位置信息；

将所述绝对位置信息转换为所述灯板框在所述第一图像中的像素位置信息；

当所述像素位置信息在所述第一图像的范围内时，根据所述像素位置信息和所述第一图像采集装置采集的交通灯的图像，确定第一ROI区域；所述第一图像的范围根据第一图像分辨率，或者第一图像分辨率和边界确定；

根据深度学习算法，对所述第一ROI区域进行检测和分类处理，得到所述交通灯的id对应的所述交通灯的状态；

其中，所述方法还包括：

在获取车辆的当前位置和第一图像时，获取第二图像；所述第二图像包括利用第二图像采集装置采集的交通灯的图像；

当所述灯板框在所述第一图像中的像素位置信息越界时；

将所述灯板框的绝对位置信息转换为所述灯板框在所述第二图像中的像素位置信息；

根据所述灯板框在所述第二图像中的像素位置信息和所述第二图像采集装置采集的交通灯的图像，确定第二ROI区域；

根据深度学习算法，对所述第二ROI区域进行检测和分类处理，得到所述交通灯的id对应的所述交通灯的状态。

2.根据权利要求1所述的方法，其特征在于，所述交通灯的灯板框的位置信息包括交通灯的灯板框四个角点的经度和纬度以及各角点距离地面的高度。

3.根据权利要求1所述的方法，其特征在于，所述第一图像采集装置为长焦摄像头。

4.根据权利要求1所述的方法，其特征在于，所述第二图像采集装置为短焦摄像头。

5.根据权利要求1所述的方法，其特征在于，所述方法之后还包括：

获取车辆当前的速度信息和加速度信息；

根据车辆的当前位置和所述标注地图，计算车辆当前与停止线的距离；

根据所述速度信息、所述加速度信息、所述距离和所述交通灯的状态，计算车辆在路口的状态。

6.一种包含指令的计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行权利要求1-5任一所述的方法。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法。