交通标志检测方法、装置、设备、介质和自动驾驶车辆与流程

1.本公开涉及计算机技术领域，具体涉及无人驾驶、智能交通、计算机视觉、深度学习等人工智能技术领域，尤其涉及一种交通标志检测方法、装置、设备、介质和自动驾驶车辆。


背景技术：

2.自动驾驶车辆(autonomous vehicles；self-driving automobile)又称无人驾驶车辆、电脑驾驶车辆或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能车辆。
3.自动驾驶车辆行进过程中，需要及时准确地识别出交通标志，基于交通标志执行相应操作。


技术实现要素：

4.本公开提供了一种交通标志检测方法、装置、设备和存储介质。
5.根据本公开的一方面，提供了一种交通标志检测方法，包括：对自动驾驶车辆采集的环境图像进行检测处理，以获得所述环境图像中的交通标志对应的多个候选检测框以及所述多个候选检测框的信息，所述信息包括初始置信度；基于所述多个候选检测框之间的重叠度，对所述多个候选检测框的所述初始置信度进行更新处理，以获得所述多个候选检测框的更新置信度；基于所述多个候选检测框的更新置信度，确定所述交通标志对应的最终检测框。
6.根据本公开的另一方面，提供了一种交通标志检测装置，包括：检测模块，用于对自动驾驶车辆采集的环境图像进行检测处理，以获得所述环境图像中的交通标志对应的多个候选检测框以及所述多个候选检测框的信息，所述信息包括初始置信度；更新模块，用于基于所述多个候选检测框之间的重叠度，对所述多个候选检测框的所述初始置信度进行更新处理，以获得所述多个候选检测框的更新置信度；确定模块，用于基于所述多个候选检测框的更新置信度，确定所述交通标志对应的最终检测框。
7.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。
8.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
9.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
10.根据本公开的另一方面，提供了一种自动驾驶车辆，包括：如上述任一方面的任一项所述的电子设备。
11.根据本公开的技术方案，可以在自动驾驶时及时准确地识别出交通标志。
12.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
13.附图用于更好地理解本方案，不构成对本公开的限定。其中：
14.图1是根据本公开第一实施例的示意图；
15.图2是根据本公开第二实施例的示意图；
16.图3是根据本公开第三实施例的示意图；
17.图4是根据本公开第四实施例的示意图；
18.图5是根据本公开第五实施例的示意图；
19.图6是根据本公开第六实施例的示意图；
20.图7是用来实现本公开实施例的交通标志检测方法中任一方法的电子设备的示意图。
具体实施方式
21.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
22.图1是根据本公开第一实施例的示意图，本实施例提供一种交通标志检测方法，所述方法包括：
23.101、对自动驾驶车辆采集的环境图像进行检测处理，以获得所述环境图像中的交通标志对应的候选检测框以及所述候选检测框的初始信息。
24.102、基于所述多个候选检测框之间的重叠度，对所述多个候选检测框的初始信息进行更新处理，以获得所述多个候选检测框的更新信息。
25.103、基于所述多个候选检测框的更新信息，确定所述交通标志对应的最终检测框。
26.在自动驾驶场景下，及时准确地检测出道路上的交通标志，对自动驾驶的安全、顺利进行起着重要作用。
27.交通标志，可以分为警告标志、禁令标志、指示标志等。如图2所示，给出了几种交通标志的示例。
28.自动驾驶场景下，可以采用自动驾驶车辆上的摄像头采集车辆周围环境的环境图像，环境图像中可以包括交通标志。
29.自动驾驶车辆采集到环境图像后，如图3所示，自动驾驶车辆可以将采集的环境图像通过网络发送给云端，由云端对环境图像进行处理，以检测出环境图像中的交通标志。之后，云端可以基于检测出的交通标志生成对应的控制指令，并发送给自动驾驶车辆，比如，交通标志为左转标志，则可以生成用于控制自动驾驶车辆左转的控制指令。
30.上述云端对环境图像进行处理和控制为例，可以理解的是，如果自动驾驶车辆本
身具有较高性能的处理器，也可以由自动驾驶车辆上的处理器完成上述的处理和控制。
31.以云端对环境图像进行处理为例，云端接收到自动驾驶车辆采集的环境图像后，可以采用已有的目标检测模型，比如，yolo模型，对环境图像进行处理，以获得环境图像中的交通标志对应的多个检测框，并且通过yolo模型，还可以获得检测框的信息。
32.检测框的信息可以包括：检测框的位置信息，检测框的置信度等。位置信息可以用(x,yw,h)表示，其中，(x,y)为检测框的中心点的位置坐标，w,h分别为检测框的宽度和高度。检测框的置信度为0-1之间的值。
33.为了区分，此时的检测框可以称为候选检测框，置信度可以称为初始置信度。
34.一些实施例中，所述重叠度为交并比，所述基于所述多个候选检测框之间的重叠度，对所述多个候选检测框的所述初始置信度进行更新处理，包括：将所述多个候选检测框中的各个候选检测框，分别作为当前检测框；在所述多个候选检测框中，选择初始置信度大于所述当前检测框的初始置信度的候选检测框，以获得选择检测框；基于所述选择检测框与所述当前检测框之间的交并比，确定所述交并比最大的选择检测框作为对比检测框；基于所述对比检测框与所述当前检测框之间的交并比，确定所述当前检测框的抑制系数；基于所述抑制系数，更新所述当前检测框的初始置信度。
35.进一步地，所述信息还包括：位置信息，所述获得选择检测框之后，所述方法还包括：基于所述选择检测框的位置信息和所述当前检测框的位置信息，确定所述选择检测框与所述当前检测框之间的交并比。
36.其中，假设有n个候选检测框，第j个候选检测框表示为bj，其初始置信度为sj，位置信息表示为lj，第i个候选检测框表示为bi，其初始置信度为si，位置信息表示为li，第k个候选检测框表示为bk，其初始置信度为sk，i、j、k均位于[1,n]之间。
[0037]
上述的检测框bj可以作为当前检测框，若sk》sj，则bk可以作为选择检测框。
[0038]
之后，可以计算bj和bk之间的交并比。
[0039]
假设初始置信度大于bj且交并比最大的检测框为bi，则检测框bi可以作为对比检测框。
[0040]
下面以bi与bj之间的交并比计算为例进行说明，bj与bk的计算过程类似。
[0041]
其中，可以基于li和lj，计算bi与bj的交并比(intersection over union，iou)，交并比是指bi与bj的交集部分与并集部分的比值。
[0042]
如图4所示，假设bi和bj的重叠部分用y表示，bi中除了y之外的部分用x表示，bj中除了y之外的部分用z表示，则bi与bj的交并比的计算公式可以表示为：y/(x y z)。
[0043]
上述的x、y、z可以基于bi与bj的位置信息，即li和lj计算得到。
[0044]
通过位置信息，可以交并比，获得交并比后，可以基于交并比计算当前检测框的抑制系数。
[0045]
抑制系数的计算公式可以表示为：
[0046][0047][0048]
其中，iou
i,j
表示检测框bi与检测框bj之间的交并比，k相关的参数类似，decayj表
示检测框bj对应的抑制系数。
[0049]
f(iou
i,j
)可以采用线性或高斯计算方式得到，以线性计算为例，计算公式可以为：f(iou
i,j
)＝1-iou
i,j
。
[0050]
获得抑制系数后，可以用抑制系数乘以初始置信度，得到更新后的置信度。
[0051]
对应检测框bj，其更新后的置信度可以表示为：decayj*sj。
[0052]
通过抑制系数与初始置信度进行相乘，以获得更新后的置信度，可以简便快速的进行置信度的更新。
[0053]
在道路场景下，交通标志可以存在重叠的情况，比如，如图5所示，图5所示的环境图像中包括三个交通标志，分别用交通标志-1、交通标志-2和交通标志-3表示，在图5所示的场景下，交通标志-2和交通标志-3存在重叠。
[0054]
如果采用一般的非极大值抑制((non-maximum suppression，nms)算法，会直接过滤掉非极大值(non-maximum suppression，nms)对应的检测框，即，交通标志-3对应的检测框会被过滤掉，从而造成对交通标志-3的漏检。
[0055]
而实施例中，是通过对检测框的初始置信度进行抑制处理，而不是直接过滤掉，可以避免漏检，提高交通标志检测的准确度。
[0056]
一些实施例中，所述选择检测框为多个，所述基于所述选择检测框的位置信息和所述当前检测框的位置信息，确定所述选择检测框与所述当前检测框之间的交并比，包括：基于所述多个选择检测框中的各个选择检测框的位置信息和所述当前检测框的位置信息，对所述多个选择检测框进行并行运算，以分别确定所述多个选择检测框中各个选择检测框与所述当前检测框的交并比。
[0057]
通过并行运算，可以提高运算速度，从而提高交通标志检测的效率。
[0058]
一些实施例中，所述交通标志为多个，所述多个交通标志中的各个交通标志对应多个候选检测框，所述基于所述多个候选检测框的更新置信度，确定所述交通标志对应的最终检测框，包括：对应所述多个交通标志中的各个交通标志，将所述各个交通标志对应的多个候选检测框中的所述更新置信度最大的候选检测框，作为所述各个交通标志对应的最终检测框。
[0059]
其中，已有的目标检测模型，比如yolo模型可以对多个目标，比如上述的多个交通标志进行区分，本实施例中，对yolo模型区分的各个交通标志可以进行上述的初始置信度更新等处理，以获得各个交通标志对应的最终检测框。
[0060]
比如，图5所示的环境图像中包括多个交通标志，分别为交通标志-1、交通标志-2和交通标志-3，经过上述处理，可以对应每个交通标志确定出对应的最终检测框，图5中用粗线框表示各个交通标志对应的最终检测框。
[0061]
通过对应多个交通标志中的各个交通标志进行处理，可以获得各个交通标志对应的最终检测框，避免漏检，提高交通标志的检测准确度。
[0062]
本公开实施例中，通过获取自动驾驶车辆采集的环境图像，基于环境图像中的交通标志对应的多个候选检测框之间的重叠度，对多个候选检测框的所述初始置信度进行更新，以获得所述多个候选检测框的更新置信度，基于所述多个候选检测框的更新置信度，确定所述交通标志对应的最终检测框，可以在自动驾驶时及时准确地识别出交通标志。
[0063]
图6是根据本公开第六实施例的示意图，本实施例提供一种交通标志检测装置。如
图6所示，该装置600包括：检测模块601、更新模块602和确定模块603。
[0064]
检测模块601用于对自动驾驶车辆采集的环境图像进行检测处理，以获得所述环境图像中的交通标志对应的多个候选检测框以及所述多个候选检测框的信息，所述信息包括初始置信度；更新模块602用于基于所述多个候选检测框之间的重叠度，对所述多个候选检测框的所述初始置信度进行更新处理，以获得所述多个候选检测框的更新置信度；确定模块603用于基于所述多个候选检测框的更新置信度，确定所述交通标志对应的最终检测框。
[0065]
一些实施例中，所述重叠度为交并比，所述更新模块602具体用于：将所述多个候选检测框中的各个候选检测框，分别作为当前检测框；在所述多个候选检测框中，选择初始置信度大于所述当前检测框的初始置信度的候选检测框，以获得选择检测框；基于所述选择检测框与所述当前检测框之间的交并比，确定所述交并比最大的选择检测框作为对比检测框；基于所述对比检测框与所述当前检测框之间的交并比，确定所述当前检测框的抑制系数；基于所述抑制系数，更新所述当前检测框的初始置信度。
[0066]
一些实施例中，所述信息还包括：位置信息，所述更新模块602还用于：基于所述选择检测框的位置信息和所述当前检测框的位置信息，确定所述选择检测框与所述当前检测框之间的交并比。
[0067]
一些实施例中，所述选择检测框为多个，所述更新模块602具体用于：基于所述多个选择检测框中的各个选择检测框的位置信息和所述当前检测框的位置信息，对所述多个选择检测框进行并行运算，以分别确定所述多个选择检测框中各个选择检测框与所述当前检测框的交并比。
[0068]
一些实施例中，所述更新模块602具体用于：将所述抑制系数与所述当前检测框的初始置信度的乘积，作为所述当前检测框的更新置信度。
[0069]
一些实施例中，所述交通标志为多个，所述多个交通标志中的各个交通标志对应多个候选检测框，所述确定模块603具体用于：对应所述多个交通标志中的各个交通标志，将所述各个交通标志对应的多个候选检测框中的所述更新置信度最大的候选检测框，作为所述各个交通标志对应的最终检测框。
[0070]
本公开实施例中，通过获取自动驾驶车辆采集的环境图像，基于环境图像中的交通标志对应的多个候选检测框之间的重叠度，对多个候选检测框的所述初始置信度进行更新，以获得所述多个候选检测框的更新置信度，基于所述多个候选检测框的更新置信度，确定所述交通标志对应的最终检测框，可以在自动驾驶时及时准确地识别出交通标志。
[0071]
可以理解的是，本公开实施例中，不同实施例中的相同或相似内容可以相互参考。
[0072]
可以理解的是，本公开实施例中的“第一”、“第二”等只是用于区分，不表示重要程度高低、时序先后等。
[0073]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0074]
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所
示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0075]
如图7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元707加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram 703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
[0076]
电子设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0077]
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如交通标志检测方法。例如，在一些实施例中，交通标志检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的交通标志检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行交通标志检测方法。
[0078]
根据本公开的实施例，本公开还提供了一种自动驾驶车辆，该自动驾驶车辆可以包括如图7所示的电子设备。
[0079]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0080]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0081]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电
子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0082]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0083]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0084]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0085]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0086]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。