[发明专利]基于深度学习的红绿灯检测方法、装置、设备及存储介质

说明书

本发明涉及自动驾驶技术领域，公开了一种基于深度学习的红绿灯检测方法、装置、设备及存储介质，所述方法包括：采集在预设路段上的红绿灯图像信息和道路场景信息，根据红绿灯图像信息和道路场景信息生成对应的样本数据集；根据所述预设深度学习算法对样本数据集和当前红绿灯数据集进行训练；根据预设转换策略对训练得到的目标权重模型进行转换，得到OM模型；根据预设深度学习推理模型库对OM模型进行推理，得到对应的推理结果，通过预设深度学习推理模型库对转换得到的OM模型进行推理，基于推理结果实现对红绿灯信号的检测，相较于现有技术通过安装路侧单元设备和车载单元设备对红绿灯信号的检测，能够有效提高检测的准确性及降低检测成本。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及基于深度学习的红绿灯检测方法、装置、设备及存储介质。

背景技术

随着科技的飞速发展，自动驾驶技术的稳步发展已经成为了趋势，同时，由于硬件平台和算法的快速发展，自动驾驶级别也越来越高，逐步向L3、L4阶段跨进，目前，阻碍自动驾驶汽车发展的一大挑战为自动驾驶车辆在行车时如何准确对于红绿信号灯的检测和识别，现有技术中常用的检测技术方案是基于车对外界的信息交换(Vehicle ToEverything，V2X)的信号接收和视觉检测，其中信号接收需要在预设路段上安装路侧单元设备(Road Side Unit，RSU)，通过路侧单元设备将红绿灯的信号实时发送出去，并且需要在车辆端安装车载单元设备(On Board Unit，OBU)，通过车载单元设备接收路侧的红绿灯信号，根据车辆航向状态检测当前路段的红绿灯信号，但是，通过该技术方案会需要大量的路侧基建以及车载设备，使得成本急速增大，其次对路侧的工况要求较高，而符合驾驶要求的路段较少，导致对红绿灯检测的正确率较低。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于深度学习的红绿灯检测方法、装置、设备及存储介质，旨在解决现有技术无法有效提高对红绿灯检测的准确性的技术问题。

为实现上述目的，本发明提供了一种基于深度学习的红绿灯检测方法，所述基于深度学习的红绿灯检测方法包括以下步骤:

采集在预设路段上的红绿灯图像信息和道路场景信息，根据所述红绿灯图像信息和所述道路场景信息生成对应的样本数据集；

获取当前红绿灯数据集，根据预设深度学习算法对所述样本数据集和所述当前红绿灯数据集进行训练，以得到目标权重模型；

获取预设转换策略，根据所述预设转换策略对所述目标权重模型进行转换，得到OM模型；

获取预设深度学习推理模型库，根据所述预设深度学习推理模型库对所述OM模型进行推理，得到对应的推理结果，基于所述推理结果实现对红绿灯信号的检测。

可选地，所述采集在预设路段上的红绿灯图像信息和道路场景信息，根据所述红绿灯图像信息和所述道路场景信息生成对应的样本数据集，包括：

获取预设周期，分别采集在所述预设周期内预设路段上的红绿灯图像信息和道路场景信息；

提取所述道路场景信息中的特征信息；

根据所述红绿灯图像信息和所述特征信息生成对应的样本数据集。

可选地，所述获取当前红绿灯数据集，根据预设深度学习算法对所述样本数据集和所述当前红绿灯数据集进行训练，以得到目标权重模型，包括：

获取当前红绿灯数据集，将所述当前红绿灯数据集与所述样本数据集进行融合，得到目标红绿灯数据集；

获取预设深度学习算法，根据所述预设深度学习算法对所述目标红绿灯数据集进行训练，得到目标权重模型。