[发明专利]用于检测交通工具的尾灯信号的系统和方法

说明书

一种使用卷积神经网络检测交通工具尾灯信号的系统和方法。方法包括：从一个或多个图像生成设备接收图像；对于每个图像生成帧；生成地面实况，其中该地面实况包括标记图像，该标记图像具有用于该交通工具的右尾灯信号或左尾灯信号的以下尾灯状态条件中的一种尾灯状态条件：(1)不可见的右尾灯信号或左尾灯信号，(2)可见但未被照亮的右尾灯信号或左尾灯信号，以及(3)可见且被照亮的右尾灯信号或左尾灯信号，创建第一数据集，该第一数据集包括与该多个图像相对应的标记图像，该标记图像包括右尾灯信号或左尾灯信号的尾灯状态条件中的一个或多个尾灯状态条件；以及创建第二数据集，该第二数据集包括至少一对图像的部分，其中至少一对该图像的部分在时间上连续。

相关申请的交叉引用

本申请要求于2017年9月20日提交的美国专利申请第15/709,832号的优先权。

版权声明

本专利文件的公开内容的一部分包含受版权保护的材料。版权所有人不反对任何人对专利文件或专利公开内容的传真复制，就像在美国专利商标局的专利文件或记录中所显示的那样，但是任何情况下都保留了所有版权。以下声明适用于此处的公开内容和形成本文件一部分的附图：版权206-201，TUSimple，保留所有权利。

技术领域

本专利文件总体上涉及用于图像处理、交通工具控制系统和自主驾驶系统的工具(系统、装置、方法、计算机程序产品等)，以及更具体地(但不限于)涉及用于检测交通工具尾灯信号的系统和方法。

背景技术

对于所有在公共道路上运行的机动交通工具，尾灯信号是法律要求的项目。尾灯信号的状态能够帮助驾驶员理解前方交通工具(前方的邻近交通工具)中的另一驾驶员的意图。即使对于人类驾驶员，与夜间驾驶相比，在白天更难辨别交通工具的尾灯信号的状态。对于自主交通工具控制系统，标识交通工具的尾灯信号的状态并由此确定其他前方交通工具的驾驶员的意图是关键的。另外，在自主交通工具中的传统摄像机系统中存在限制，这使得传统的自主交通工具控制系统难以识别前方交通工具的尾灯的状态，特别是在白天的条件下。而且，对于自主交通工具控制系统来说，与区分指示制动条件的尾灯信号相比，区分指示转向意图的尾灯信号更加复杂。交通工具类型的多样性也提出了许多挑战，特别是考虑到重型交通工具。传统的自主交通工具控制系统不能实现模仿人类驾驶员在各种驾驶条件下快速和准确识别尾灯信号的能力。结果，由于传统系统不能实现尾灯识别以确定前方的邻近交通工具驾驶员的意图，所以牺牲了自主交通工具控制的安全性和效率。

发明内容

公开了一种用于检测交通工具的尾灯信号的系统和方法。尾灯识别是检测交通工具尾灯信号的任务，包括制动、转向和紧急停止信号。在本文公开的各种示例实施例中，提供了一种尾灯信号识别系统。示例实施例能够在所有驾驶条件下实时自动检测针对所有类型交通工具的尾灯信号。示例实施例能够使用安装在对象交通工具上的面向前方的摄像机作为输入传感器。示例实施例提供了一种用于自动检测邻近前方交通工具的尾灯信号的方法，该方法包括在计算设备处从对象交通工具的一个或多个摄像机接收图像序列，对于图像序列中的每个图像生成帧，以及用邻近前方交通工具的尾灯信号的三种状态中的一种尾灯信号状态来标记图像。该方法还包括创建对应于图像的第一数据集和第二数据集，以及训练卷积神经网络以组合第一数据集和第二数据集。该方法还包括标识对应于尾灯信号的时间模式的统计的置信度，将该置信度加载到计算模型，以及细化计算模型的参数。

附图说明

在附图的各图中通过示例而非通过限制的方式示出了各种实施例，其中：

图1图示出示例生态系统的框图，在该示例生态系统中能够实现示例实施例的车载尾灯信号识别系统；

图2图示出示例实施例的尾灯信号识别系统的部件；