[发明专利]一种智驾系统中的红绿灯融合识别方法

说明书

本发明涉及一种智驾系统中的红绿灯融合识别方法，该方法包括：智驾系统中的规划模块下发需要查询的红绿灯ID；调取下发的红绿灯ID在高精度地图中的位置信息，并根据位置信息计算红绿灯与车辆的距离；将红绿灯所在位置投影至图像中，然后框选图像的IOU区域，得到颜色检测结果；获取深度学习输出的红绿灯结果；将深度学习输出的红绿灯结果与颜色检测结果进行融合、筛选，得到红绿灯融合结果。本发明是将传统的图像识别与深度学习检测相结合，不受日照、天气等因素影响，提高了检测的鲁棒性，同时避免了传统深度学习训练所带来的漏检和误检问题，有很强的稳定性和准确性。

技术领域

本发明属于智能驾驶技术领域，具体涉及一种智驾系统中红绿灯融合识别方法。

背景技术

交通路口设置了红绿灯缓解交通压力，疏导交通安全、有序通行。驾驶人员往往因疲劳或注意力不集中闯红灯产生违章或导致交通事故，造成生命财产的损失，因此红绿灯识别是智能汽车进行交通环境感知的一项重要支撑技术，也是智驾系统中最为基础的功能。目前传统的红绿灯识别方法是基于视觉图像识别，即通过对2d图像进行检测分类识别来获取交通灯的各项状态信息，但是单纯使用传统的图像识别方法检测红绿灯容易受到日照、天气等的影响，检测鲁棒性不强。公开号为CN109094580A的中国专利就公开了一种基于图像识别的列车辅助驾驶方法。

随着深度学习的发展，红绿灯识别方法也逐渐偏向模型训练得出结果，该方法容易受到训练集、训练模型和实际场景的影响，深度学习训练的红绿灯结果有大量的漏检、误检，无法保证很好的稳定性和准确性，会对L3以上自动驾驶车辆运行带来影响。公开号为CN113808425A的中国专利申请就公开了 一种用于智能驾驶的红绿灯通行预警装置及方法，该方法采用相机识别行人、自行车、电动自行车、汽车等各类车辆并跟踪，采用深度学习目标检测算法yolov5检测行人、自行车、电动自行车、汽车等各类车辆和红绿灯，采用跟踪算法Deepsort跟踪目标，采用图像处理器（采用树莓派）处理数据，在云端或者本地训练检测模型，将要检测的行人、自行车、电动自行车、汽车等各类车辆和红绿灯拍摄照片作为训练样本通过车机发送给服务器，服务器收到图片以后进行深度学习训练，或本地将该样本作为模型输入进行深度学习训练。

发明内容

本发明的目的在于，针对现有技术所存在的问题，提出一种智驾系统中的红绿灯融合识别方法，该方法基于高精度地图和图像IOU颜色检测并结合深度学习获得红绿灯结果，检测鲁棒性好，稳定性和准确性更高。

为了达到以上目的，本发明提供一种智驾系统中的红绿灯融合识别方法，包括基于高精度地图的图像IOU（Intersection-over-Union，交并比）颜色检测和信号灯融合筛选；

其中，基于高精度地图的图像IOU颜色检测包括以下步骤：

S101、智驾系统中的规划模块下发需要查询的红绿灯ID（Identity document，红绿灯编号）；

S102、调取下发的红绿灯ID在高精度地图中的位置信息，并根据位置信息计算红绿灯与车辆的距离；

S103、将红绿灯所在位置投影至图像中，然后框选图像的IOU区域，得到颜色检测结果；

信号灯融合筛选包括以下步骤：

S201、获取深度学习输出的红绿灯结果；

S202、将深度学习输出的红绿灯结果与颜色检测结果进行融合、筛选，得到红绿灯融合结果。

本发明的方法包括基于高精度地图的图像IOU颜色检测和信号灯融合筛选两部分，在深度学习训练得到的红绿灯漏检、误检和传统图像识别受到日照、天气等影响，检测鲁棒性不强的情况下，也能准确、稳定输出当前红绿灯结果。

本发明进一步的采用如下技术方案：