[发明专利]交通信号灯的状态估计方法、装置及电子设备

说明书

本发明提供了一种交通信号灯的状态估计方法、装置及电子设备，响应于目标交通信号灯的检测失效事件，首先获取当前车辆的环境信息及目标交通信号灯的历史检测信息；然后通过预先训练的状态估计模型对将环境信息及历史检测信息进行处理，得到目标交通信号灯的初步估计状态；进而基于目标交通信号灯的历史检测信息及初步估计状态，确定目标交通信号灯的最终估计状态。该方式在交通信号灯检测失效的情况下，通过状态估计模型对环境信息及历史检测信息处理得到交通信号灯的初步估计状态，并进一步基于历史监测信息对初步估计状态进行校验，提高了交通信号灯的状态估计的准确性。

技术领域

本发明涉及自动驾驶技术领域，具体而言，涉及一种交通信号灯的状态估计方法、装置及电子设备。

背景技术

在光照条件较差、图片质量较差等不利于图像检测等场景下，通过对相机拍摄的车载图片进行检测，得到的交通信号灯的检测结果通常是不准确的，采用该检测结果指导车辆的行驶，容易造成交通事故。

相关技术中，可以收集交通信号灯检测失效场景，并分析周边环境信息，形成规则，用于确定通行状态信息，从而指导本车的行驶。然而该方式获得的规则通常较为复杂且一致性较差，得到的通信状态信息可能不够准确。还可以将正确的交通灯检测结果作为标签，以周围环境信息及语义地图作为输入，训练神经网络模型，以用于预测交通灯的状态，从而确定通行状态信息。然而，该方式需要大量高质量的训练数据，否则容易误导神经网络模型，从而使得预测结果不可靠。

发明内容

有鉴于此，本发明的目的在于提供一种交通信号灯的状态估计方法、装置及电子设备，以提高交通信号灯的状态估计结果的准确性。

第一方面，本发明实施例提供了一种交通信号灯的状态估计方法，该方法包括：响应于目标交通信号灯的检测失效事件，获取当前车辆的环境信息及目标交通信号灯的历史检测信息；其中，环境信息包括当前车辆的行车信息、位于当前车辆的交通场景中的至少一个运动物体的属性信息及运动信息；历史检测信息包括在目标交通信号灯的检测失效事件发生前，目标交通信号灯指示的通行状态；通过预先训练的状态估计模型对将环境信息及历史检测信息进行处理，得到目标交通信号灯的初步估计状态；基于目标交通信号灯的历史检测信息及初步估计状态，确定目标交通信号灯的最终估计状态。

可选的，在本发明第一方面的第一种实现方式中，上述获取当前车辆的环境信息的步骤，包括：获取当前车辆的行车信息；行车信息包括位置信息、速度信息、方向信息；基于当前车辆的位置信息，从预先设置的语义地图中获取当前车辆的交通场景中的运动物体的属性信息及运动信息；其中，属性信息包括运动物体的类别信息；运动信息包括运动物体的位置信息、与当前车辆的相对位置信息、速度信息、方向信息及与交通场景中的路口的相对位置信息中的一种或多种。

可选的，在本发明第一方面的第二种实现方式中，上述状态估计模型包括第一神经网络及第二神经网络；第一神经网络基于自注意力机制建立；运动物体包括行人及车辆；属性信息包括车辆的尺寸；车辆的运动信息包括车辆与当前车辆的距离，车辆所在的车道及车辆与停止线的位置关系；通过预先训练的状态估计模型对将环境信息及历史检测信息进行处理，得到目标交通信号灯的初步估计状态的步骤包括：通过第一神经网络基于运动物体中的车辆的尺寸、车辆的运动信息，确定车辆的参考权重；通过第二神经网络对行人的运动信息、车辆的运动信息、车辆的参考权重及目标交通信号灯的历史检测信息进行分类处理，得到目标交通信号灯的初步估计状态。

可选的，在本发明第一方面的第三种实现方式中，上述状态估计模型通过下述方式训练得到：从预设的样本集合中确定训练数据；训练数据包括包含测试车辆的环境信息、与环境信息对应的交通信号灯的历史检测信息及交通信号灯指示的当前通行状态；将测试车辆的环境信息及交通信号灯的历史检测信息输入至初始模型中，得到初始模型输出的处理结果；基于处理结果以及与交通信号灯指示的当前通行状态，确定初始模型的损失值；基于损失值更新初始模型的模型参数；继续执行从预设的样本数据中确定训练数据的步骤，直至损失值收敛，将损失值收敛后的初始模型确定为状态估计模型。