[发明专利]交通信号灯的检测方法、系统、设备、介质及车辆

说明书

本发明涉及智能驾驶技术领域，尤其涉及一种交通信号灯的检测方法，检测方法包括：采集第一图像信息，得到每个第一图像信息的先验框，将所有的先验框构建为样本信息集；构建目标检测网络模型，将所有的样本信息集输入至目标检测网络模型中训练，得到样本模型；构建分类网络模型，将样本信息集输入至分类网络模型中训练，得到分类结果；获取真实道路上包含有交通信号灯的第二图像信息，并输入至训练好的目标检测网络模型，得到第一检测框，提取第一检测框的尺寸信息，并基于第一检测框的尺寸信息获取感兴趣区域；将感兴趣区域传输至训练好的分类网络模型进行分类，获取交通信号灯的状态，实现对交通信号灯的检测，提高了检测的准确率，适用范围广。

技术领域

本发明涉及智能驾驶技术领域，尤其涉及一种交通信号灯的检测方法、系统、设备、介质及车辆。

背景技术

智能驾驶指的是机器帮助人进行智能驾驶，以及在特殊情况下完全取代人实现无人驾驶的技术。交通信号灯是一种在道路中普遍使用的指示设备，是指挥交通运行的信号灯，一般包括机动车信号灯和方向指示信号灯，机动车信号灯一般由红灯、绿灯和黄灯组成，红灯表示禁止通行，绿灯表示准许通行，黄灯表示警示；方向指示信号灯是由红色、黄色、绿色三个内有箭头图案组成的一组灯，用于指导机动车按指示方向通行，箭头方向向左、向上、向右分别表示左转、直行、右转。实现智能驾驶需要对道路上的交通信号灯准确且快速的检测与识别，根据检测与识别所得的结果控制车辆的行驶状态，对于如何提高交通信号灯检测的准确性始终是智能驾驶领域的一个具有挑战性的问题。

目前，通过在交通信号灯上安装网关，当车辆驶进交通信号灯对应的网络覆盖区域时会自动将交通信号灯当前的状态信号传输至该网络覆盖区域的车辆，该方法不仅需要对交通信号灯改造，还需要在车辆上安装信号接收装置，获取交通信号灯的检测信息，改造成本大，且通过网关进行信号传输，易受外界信号干扰，影响检测的准确性。

为了提高准确性，还通过获取当前车辆的位置信息，根据当前位置信息获取视觉检测信息集和交互信息组集合，将视觉检测信息集和交互信息集互相匹配，生成交通信号灯的检测信息，该方法结合定位信息及地图信息，对交通信号灯检测，准确率高，但是提高了维护成本，另外该方法需要结合定位信息，若是车辆在隧道行走时，若无法对车辆进行准确的GPS定位，进而无法对交通信号灯进行检测，用户体验感差，且适用范围不广。

发明内容

本发明要解决的技术问题是：为了解决现有技术中对车辆智能驾驶的交通信号灯检测准确率且适用范围不广的技术问题，本发明提供一种交通信号灯的检测方法，对交通信号灯检测时，提高了检测的准确率，且适用范围广。

本发明解决其技术问题所采用的技术方案是：一种交通信号灯的检测方法，具体包括以下步骤：

S1，采集并处理各类交通信号灯的第一图像信息，得到每个所述第一图像信息的先验框，将所有的所述先验框构建为样本信息集；

S2，构建适用于交通信号灯检测的目标检测网络模型，将所有的所述样本信息集输入至所述目标检测网络模型中训练，得到样本模型并予以保存；

S3，构建适用于交通信号灯检测的分类网络模型，将所述样本信息集输入至所述分类网络模型中训练，得到交通信号灯的分类结果并予以保存；

S4，获取真实道路上包含有交通信号灯的第二图像信息，并输入至训练好的所述目标检测网络模型，得到第一检测框，提取所述第一检测框的尺寸信息，并基于所述第一检测框的尺寸信息获取感兴趣区域；

S5，将所述感兴趣区域传输至训练好的所述分类网络模型进行分类，获取所述交通信号灯的状态，实现对所述交通信号灯的检测。

进一步，具体地，在步骤S1中，各类交通信号灯为单圆饼交通信号灯或三联体交通信号灯，将所述第一图像信息通过k_means聚类算法聚类处理得到所述先验框，所述先验框的宽高之比取决于所述交通信号灯的种类；