150m远距离交通信号灯识别的研究介绍

信号灯识别，作为实现城市自动驾驶的技术难点之一，近年一直是国内外从业人员的研究对象。日本金泽大学近日发表了一个新算法，旨在即便是远距离也能准确识别信号灯。

信号灯识别，作为实现城市自动驾驶的技术难点之一，近年一直是国内外从业人员的研究对象。日本金泽大学近日发表了一个新算法，旨在即便是远距离也能准确识别信号灯。 你可能会有疑问信号灯的识别有那么难吗？一共就三种颜色，对于人眼（摄像头）来说难道不是小菜一碟么？下面，笔者列出我认为的信号灯识别的几个难点：

1在实际的城市自动驾驶场景中采集的交通信号灯图像具有复杂的背景，如四面八方的信号灯以及其他各类发光源。2 容易发生遮挡，例如前面行驶的大货车或是交通指示牌等。3 距离要求较高，由于后段还需根据识别结果进行减速或停车等驾驶决策，一般认为至少需要在100m以上距离时做出准确识别。4对于不同天气环境、光照变化下容易对检测效果产生影响。5信号灯不统一，包括圆形和箭头形等。不同国家的信号灯也不一样，针对不同国家地区要研发不同的模型。 信号灯识别主流有三种解决方案：车联网V2X方案、借助高清地图的方案和不使用高清地图的方案，难度也依次增大。本文介绍的2020年日本金泽大学的最新研究，属于最常用的借助高清地图的解决方案，用于远距离识别圆形和箭头形交通信号灯。

自动驾驶车的信号灯识别（来自金泽大学） 如果想要实现100m以上的识别需求，其实使用高分辨率的相机就很容易实现。但增加图像的分辨率则会增加处理时间，而对于后段的决策规划，实时性是非常重要的。因此该研究并未采用深度学习的方案，而基于用CPU即可进行实时处理的传统图像识别方案。 为何使用高清地图？结合自车定位，可以确定信号灯大致位置，减少检测难度。因此，该方案使用高清地图，利用提取ROI（Region of  Interest，感兴趣区域）来降低计算负荷和误检测率。即使是150m远距离，识别准确率可达91．8％（箭头形信号灯为56．7％）。其中，可以检测像素小于10pixel的箭头形信号灯。 下面简单介绍该信号灯识别算法的主要步骤：

信号灯识别流程图（来自金泽大学）