[发明专利]利用模拟图像训练自动交通灯检测模型

说明书

定义了包括车辆模型和典型驾驶环境以及具有状态(红色、绿色、琥珀色)的交通灯的场景。将主车辆的模型添加到场景中，并且在主车辆上定义摄像机位置。模拟摄像机对场景的感知以获得图像。图像利用交通灯的位置和状态注释。可以针对不同的场景产生各种注释图像，包括没有交通灯或者具有不支配主车辆的交通灯的场景。然后使用注释图像训练机器学习模型，以识别支配主车辆的交通灯的位置和状态。

技术领域

本发明涉及实现用于自主车辆的控制逻辑。

背景技术

自主车辆日益变得重要和普及。在自主车辆中，控制器依靠传感器来检测周围的障碍物和路面。控制器实现控制转向、制动和加速到达目的地并避免碰撞的逻辑。为了正确地自主操作，控制器需要识别交通灯并确定其状态，以避免与十字路口交通的碰撞。

本文公开的系统和方法提供了用于在自主车辆中执行交通灯检测的改进方法。

发明内容

根据本发明，提供一种方法，包括通过计算机系统执行以下操作：

模拟具有交通灯模型作为光源的3D模型的感知以获得图像；

利用所述交通灯模型的位置和状态来注释所述图像以获得注释图像；以及

根据所述注释图像训练模型。

根据本发明的一个实施例，其中所述3D模型包括多个其它光源。

根据本发明的一个实施例，其中所述交通灯模型的状态是红色、琥珀色和绿色中的一种。

根据本发明的一个实施例，其中模拟所述3D模型的感知包括模拟具有运动的所述3D模型的一个或多个部件的所述3D模型的感知，以获得包括所述图像的多个图像；

其中利用所述交通灯模型的所述位置和状态注释所述图像以获得所述注释图像包括利用所述交通灯模型的所述状态注释所述多个图像以获得多个注释图像；以及

其中根据所述注释图像来训练所述模型包括根据所述多个注释图像来训练所述模型。

根据本发明的一个实施例，其中根据所述注释图像训练所述模型包括根据所述注释图像来训练机器学习算法。

根据本发明的一个实施例，其中根据所述注释图像训练所述模型包括训练所述模型以识别实际交通灯在摄像机输出中的状态及位置。

根据本发明的一个实施例，其中根据所述注释图像训练所述模型包括训练所述模型以输出所述交通灯是否适用于根据所述模型处理摄像机输出的车辆。

根据本发明的一个实施例，其中所述3D模型是第一3D模型，所述图像是第一图像，并且所述注释图像是第一注释图像，所述方法还包括：

读取定义一个或多个部件的位置的配置文件；

根据所述配置文件生成第二3D模型；

模拟所述第二3D模型的感知以获得第二图像；

利用所述第二3D模型中所述交通灯的位置和状态注释所述第二图像以获得第二注释图像；以及

根据所述第一注释图像和所述第二注释图像两者来训练所述模型。

根据本发明的一个实施例，其中所述3D模型是第一3D模型，并且所述图像是第一图像，并且所述注释图像是第一注释图像，所述方法还包括：

定义具有不支配主车辆模型的交通灯模型的第二3D模型；

从所述主车辆模型的摄像机的视角模拟所述第二3D模型的感知以获得第二图像；

将所述第二3D模型不包括支配所述主车辆模型的交通灯模型注释到所述第二图像；以及