本發(fā)明涉及自動駕駛領域，特別是涉及一種信號燈的識別方法、裝置和系統(tǒng)。

背景技術：

adas(advanceddriverassistantsystem，先進駕駛輔助系統(tǒng))一般是由多個獨立的子系統(tǒng)相互配合，每個子系統(tǒng)通過各自的傳感器實現(xiàn)各自的目的和功能。正因如此，adas中包含的傳感器，如雷達、相機、超聲波和高精電子地圖等，相互獨立的設計使得這些傳感器只能發(fā)揮各自特定的功能，而無法互補結合，發(fā)揮更大的作用，這也導致了相關的adas產(chǎn)品的成本通常較為昂貴

技術實現(xiàn)要素：

基于此，有必要提供一種信號燈的識別方法、裝置和系統(tǒng)，整合傳感器的功能，降低相關adas產(chǎn)品的成本。

一種信號燈的識別方法，所述方法包括：

獲取行駛過程中距離所述車輛最近的預先存儲的信號燈的位置信息；

獲取預先計算的所述車輛與所述信號燈之間的距離；

根據(jù)所述距離檢測所述位置信息處是否存在所述信號燈；

若存在，則識別所述信號燈的顏色。

進一步的，所述獲取行駛過程中距離所述車輛最近的預先存儲的信號燈的位置信息，包括：

從預置的數(shù)據(jù)庫中讀取預先設置的所述車輛的行駛路線所包含的信號燈的位置信息；

根據(jù)所述車輛的位置信息獲取距離所述車輛最近的所述信號燈的位置信息。

進一步的，所述獲取預先計算的所述車輛與所述信號燈之間的距離，包括：

獲取當前所述車輛的位置信息；

根據(jù)所述車輛的位置信息和所述信號燈的位置信息計算所述車輛與所述信號燈之間的距離。

進一步的，所述根據(jù)所述距離檢測所述位置信息處是否存在所述信號燈，包括：

檢測所述距離是否在預設的范圍內(nèi)；

若是，則檢測相機所拍攝的圖像中是否存在有所述信號燈。

進一步的，所述識別所述信號燈的顏色，包括：

獲取所述信號燈在所述相機所拍攝的圖像中的位置區(qū)域；

識別出所述信號燈在所述圖像的位置區(qū)域中的顏色。

一種信號燈的識別裝置，所述裝置包括：

獲取模塊，用于獲取行駛過程中距離所述車輛最近的預先存儲的信號燈的位置信息；

計算模塊，用于獲取預先計算的所述車輛與所述信號燈之間的距離；

檢測模塊，用于根據(jù)所述距離檢測所述位置信息處是否存在所述信號燈；

判斷模塊，用于在所述檢測模塊根據(jù)所述距離檢測到所述位置信息處存在所述信號燈時，則識別所述信號燈的顏色。

進一步的，所述獲取模塊包括：

讀取模塊，用于從預置的數(shù)據(jù)庫中讀取預先設置的所述車輛的行駛路線所包含的信號燈的位置信息；

位置獲取模塊，用于根據(jù)所述車輛的位置信息獲取距離所述車輛最近的所述信號燈的位置信息。

一種信號燈的識別系統(tǒng)，包括電子地圖、相機和車載處理器，還包括預置的數(shù)據(jù)庫，所述數(shù)據(jù)庫存儲有信號燈的位置信息；

所述車載處理器用于獲取行駛過程中距離所述車輛最近的數(shù)據(jù)庫存儲的信號燈的位置信息，并計算車輛與所述信號燈的距離；

所述車載處理器還用于根據(jù)所述距離檢測所述相機拍攝的圖像中是否存在信號燈，并在所述圖像中存在信號燈時，識別所述信號燈的顏色。

進一步的，所述車載處理器根據(jù)所述距離檢測所述相機拍攝的圖像中是否存在信號燈，具體為：

檢測所述距離是否在預設的范圍內(nèi)；

若是，則接收所拍攝的圖像，并檢測相機所拍攝的圖像中是否存在有所述信號燈。

進一步的，所述車載處理器識別所述信號燈的顏色，具體為：

獲取所述信號燈在所述相機所拍攝的圖像中的位置區(qū)域；

識別出所述信號燈在所述圖像的位置區(qū)域中的顏色。

以上所述信號燈的識別方法、裝置和系統(tǒng)中，通過雷達傳感器預先生成并存儲信號燈的位置信息，從而在車輛行駛過程中可以預先計算車輛與存儲的最近的信號燈的距離，并根據(jù)該距離檢測該位置信息處是否存在該信號燈，若存在，則識別所述信號燈的顏色；整個過程預先融合了雷達傳感器和電子地圖生成的數(shù)據(jù)，數(shù)據(jù)處理速度更快，提高了結果的可靠性；通過相機只需要檢測是否存在信號燈和信號燈的顏色，避免設置更為復雜昂貴的相機，以降低相機的成本。

附圖說明

圖1為一實施例的信號燈的識別方法的流程圖；

圖2為一實施例的信號燈的識別裝置的結構圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本實施例可應用于自動駕駛車輛中，如圖1所示，一實施例的信號燈的識別方法包括步驟s120至步驟s180。

步驟s120，獲取行駛過程中距離車輛最近的預先存儲的信號燈的位置信息。

其中，步驟s120包括步驟s121和步驟s122。

步驟s121，從預置的數(shù)據(jù)庫中讀取預先設置的車輛的行駛路線所包含的信號燈的位置信息。

本實施例中，預置的數(shù)據(jù)庫為預先生成的數(shù)據(jù)庫。首先，通過安裝有高精電子地圖、相機和雷達的車輛在道路上采集信號燈的位置信息。其中，雷達可以采集車輛與信號燈之間的距離；通常相機設置于車輛的前方，因此，相機可以拍攝信號燈的圖像，且相機拍攝的圖像必然是在車輛由遠及近靠近信號燈的過程中拍攝的，需要指出的是，相機拍攝的圖像數(shù)量取決于設置的拍攝頻率，在車輛靠近信號燈的過程中，相機會連續(xù)拍攝多張圖像，并按照時間順序形成圖像序列。車輛向信號燈靠近時，不同的車輛狀態(tài)下，車輛狀態(tài)包括車輛與信號燈的距離、車輛的姿態(tài)等，相機拍攝的信號燈在圖像區(qū)域中的位置會有不同。因此，本實施例實時采集到的信號燈的位置信息關聯(lián)了對應采集時刻的相機拍攝的圖像序列。使用離線算法處理采集到的圖像序列，從各幀圖像中檢測信號燈，關聯(lián)每一幀中的同一個信號燈。換言之，以上數(shù)據(jù)是通過采集車預先采集原始數(shù)據(jù)，再經(jīng)由離線算法進行處理獲取的。這些數(shù)據(jù)會被存儲至數(shù)據(jù)庫中，包括信號燈的位置信息以及圖像序列等。

在車輛行駛過程，數(shù)據(jù)庫存儲的數(shù)據(jù)可以直接使用，在自動駕駛過程中，根據(jù)車輛的行駛路線，可以讀取行駛路線中數(shù)據(jù)庫已經(jīng)存儲的所有信號燈的位置信息。

步驟s122，根據(jù)車輛的位置信息獲取距離車輛最近的信號燈的位置信息。

數(shù)據(jù)庫中記載的信號燈可能具有多個，隨著車輛的行駛，可以依次獲取距離車輛最近的信號燈的位置信息。

步驟s140，獲取預先計算的車輛與信號燈之間的距離。

其中，步驟s140包括步驟s141和步驟s142。

步驟s141，獲取當前車輛的位置信息；

步驟s142，根據(jù)車輛的位置信息和信號燈的位置信息計算車輛與信號燈之間的距離。

本實施例中，計算的是車輛與數(shù)據(jù)庫中存儲的信號燈之間的距離。

步驟s160，根據(jù)距離檢測位置信息處是否存在信號燈。

其中，步驟s160包括步驟s161和步驟s162。

步驟s161，檢測距離是否在預設的范圍內(nèi)。

步驟s162，若是，則檢測相機所拍攝的圖像中是否存在有信號燈。

通常相機的拍攝距離是限的，因此，只有信號燈進入相機的拍攝距離內(nèi)時相機才可以拍攝到信號燈。因此，本實施例中預設的范圍可以是相機拍攝信號燈的有效距離。如果在有效距離內(nèi)，則可以檢測相機拍攝的圖像中是否有信號燈。

步驟s180，若存在，則識別信號燈的顏色。

步驟s180包括步驟s181和步驟s182。

步驟s181，獲取信號燈在相機所拍攝的圖像中的位置區(qū)域。

因為數(shù)據(jù)庫中存儲有圖像序列，圖像序列關聯(lián)有信號燈的位置信息，因此，獲取信號燈在相機所拍攝的圖像中的位置區(qū)域時，可以根據(jù)車輛與信號燈之間的距離從圖像序列中篩選出對應的圖像，并將圖像與相機拍攝的圖像進行對比，從而判斷出信號燈在相機所拍攝的圖像中的位置區(qū)域。

步驟s182，識別出信號燈在圖像的位置區(qū)域中的顏色。

人們生活中接收的大量信息中，有幾乎70％來自于視覺，而以相機作為機器視覺輔助手段可獲得交通環(huán)境變量中的大部分信息。通過視覺技術采集的外部信息，分為單目采集和雙目視覺或多目視覺采集這兩種。單目視覺方法是采用一幀的圖片，根據(jù)相機內(nèi)部參數(shù)和焦距來估計一幅圖像中更深度信息。另一種單目系統(tǒng)的案列有從視頻圖像序列中采用特整個向量匹配和光流技術估算還原雙目中三維參數(shù)。其原理為：采用人的雙目距離，采用位置固定的兩臺攝像機同時對同一副畫面進行拍攝，通過三角測量原理計算每個像素間的位置偏差，恢復三維世界中的更深度信息，還原后較單目技術更為可靠，但其技術還不夠成熟且計算量過大，不適用于實時系統(tǒng)。

hsv顏色模型是以人眼識別為基礎，綜合視覺特點，用色彩、色飽和度和明度三個分量來區(qū)分顏色。hsv色彩空間可以呈現(xiàn)在一個立體圓錐體空間中。用立體的圓錐模型來描述hsv色彩空間比較繁瑣，但可以清晰的表達出其三個分量的變化過程。通常所說的色度是色彩和色飽和度兩個分量的通稱，用來表示區(qū)分顏色的種類與色調(diào)的參數(shù)值大小。由于人類的視覺對于光線強度的感知相較為敏感，為了方便對于色彩和識別的處理，在計算機中與人類的視覺系統(tǒng)想呼應的通常選取hsv色彩空間模型，它較之rgb色彩空間模型更加符合人類對色彩的認知和研究，hsv空間將亮度看成獨立的分量，這樣使得其在車輛跟蹤中不盲目的跟從光照強度的突變。在數(shù)字圖像處理的應用中和機器視覺中幾乎所有算法都能在hsv的錐形空間中找到，并與之相匹配使用，它們可以單獨分開處理因為它們也是相互獨立的。在rgb空間里，利用計算機仿真從正方體的絕對零點出發(fā)沿對角線向最大值方向延伸灰度級逐漸變化，能夠形成一個圓錐體的外部特征面。其中，橢圓形的邊界、水平方向、垂直方向分別代表：色彩、色飽和度和亮度。在hsv顏色空間模型中，h為圍繞v軸旋轉，其旋轉角取值范圍為0～360°，h＝0表示紅色，h＝120°表示綠色，h＝240°表示藍色。s是一個比值，表示當前值與該顏色最大值之間的比率關系，其值域為0～1。s＝0，在計算機中通道數(shù)為1，s＝1表達椎體頂部面積。v為明亮的變換，值域為0～1。本實施例通過hsv顏色空間模型對信號燈的顏色進行識別。

以上所述信號燈的識別方法，通過雷達傳感器預先生成并存儲信號燈的位置信息，從而在車輛行駛過程中可以預先計算車輛與存儲的最近的信號燈的距離，并根據(jù)該距離檢測該位置信息處是否存在該信號燈，若存在，則識別所述信號燈的顏色；整個過程預先融合了雷達傳感器和電子地圖生成的數(shù)據(jù)，數(shù)據(jù)處理速度更快，提高了結果的可靠性；通過相機只需要檢測是否存在信號燈和信號燈的顏色，避免設置更為復雜昂貴的相機，以降低相機的成本。

如圖2所示，一實施例的信號燈的識別裝置包括獲取模塊120、計算模塊140、檢測模塊160和判斷模塊180。

獲取模塊120用于獲取行駛過程中距離車輛最近的預先存儲的信號燈的位置信息。

其中，獲取模塊120包括讀取模塊和位置獲取模塊。

讀取模塊用于從預置的數(shù)據(jù)庫中讀取預先設置的車輛的行駛路線所包含的信號燈的位置信息。

本實施例中，預置的數(shù)據(jù)庫為預先生成的數(shù)據(jù)庫。首先，通過安裝有高精電子地圖、相機和雷達的車輛在道路上采集信號燈的位置信息。其中，雷達可以采集車輛與信號燈之間的距離；通常相機設置于車輛的前方，因此，相機可以拍攝信號燈的圖像，且相機拍攝的圖像必然是在車輛由遠及近靠近信號燈的過程中拍攝的，需要指出的是，相機拍攝的圖像數(shù)量取決于設置的拍攝頻率，在車輛靠近信號燈的過程中，相機會連續(xù)拍攝多張圖像，并按照時間順序形成圖像序列。車輛向信號燈靠近時，不同的車輛狀態(tài)下，車輛狀態(tài)包括車輛與信號燈的距離、車輛的姿態(tài)等，相機拍攝的信號燈在圖像區(qū)域中的位置會有不同。因此，本實施例實時采集到的信號燈的位置信息關聯(lián)了對應采集時刻的相機拍攝的圖像序列。使用離線算法處理采集到的圖像序列，從各幀圖像中檢測信號燈，關聯(lián)每一幀中的同一個信號燈。換言之，以上數(shù)據(jù)是通過采集車預先采集原始數(shù)據(jù)，再經(jīng)由離線算法進行處理獲取的。這些數(shù)據(jù)會被存儲至數(shù)據(jù)庫中，包括信號燈的位置信息以及圖像序列等。

在車輛行駛過程，數(shù)據(jù)庫存儲的數(shù)據(jù)可以直接使用，在自動駕駛過程中，根據(jù)車輛的行駛路線，可以讀取行駛路線中數(shù)據(jù)庫已經(jīng)存儲的所有信號燈的位置信息。

位置獲取模塊用于根據(jù)車輛的位置信息獲取距離車輛最近的信號燈的位置信息。

數(shù)據(jù)庫中記載的信號燈可能具有多個，隨著車輛的行駛，可以依次獲取距離車輛最近的信號燈的位置信息。

計算模塊140用于獲取預先計算的車輛與信號燈之間的距離。

通過雷達和定位裝置可以獲取當前車輛的位置信息，根據(jù)車輛的位置信息和信號燈的位置信息計算車輛與信號燈之間的距離。本實施例中，計算的是車輛與數(shù)據(jù)庫中存儲的信號燈之間的距離。

檢測模塊160用于根據(jù)距離檢測位置信息處是否存在信號燈。

通常相機的拍攝距離是限的，一般可以達到幾百米的距離，因此，只有信號燈進入相機的拍攝距離內(nèi)時相機才可以拍攝到信號燈。因此，本實施例中預設的范圍可以是相機拍攝信號燈的有效距離。如果在有效距離內(nèi)，則可以檢測相機拍攝的圖像中是否有信號燈，如果有信號燈，則檢測相機所拍攝的圖像中是否存在有信號燈。

判斷模塊180用于在檢測模塊根據(jù)距離檢測到位置信息處存在信號燈時，則識別信號燈的顏色。

因為數(shù)據(jù)庫中存儲有圖像序列，圖像序列關聯(lián)有信號燈的位置信息，因此，獲取信號燈在相機所拍攝的圖像中的位置區(qū)域時，可以根據(jù)車輛與信號燈之間的距離從圖像序列中篩選出對應的圖像，并將圖像與相機拍攝的圖像進行對比，從而判斷出信號燈在相機所拍攝的圖像中的位置區(qū)域。

人們生活中接收的大量信息中，有幾乎70％來自于視覺，而以相機作為機器視覺輔助手段可獲得交通環(huán)境變量中的大部分信息。通過視覺技術采集的外部信息，分為單目采集和雙目視覺或多目視覺采集這兩種。單目視覺方法是采用一幀的圖片，根據(jù)相機內(nèi)部參數(shù)和焦距來估計一幅圖像中更深度信息。另一種單目系統(tǒng)的案列有從視頻圖像序列中采用特整個向量匹配和光流技術估算還原雙目中三維參數(shù)。其原理為：采用人的雙目距離，采用位置固定的兩臺攝像機同時對同一副畫面進行拍攝，通過三角測量原理計算每個像素間的位置偏差，恢復三維世界中的更深度信息，還原后較單目技術更為可靠，但其技術還不夠成熟且計算量過大，不適用于實時系統(tǒng)。

hsv顏色模型是以人眼識別為基礎，綜合視覺特點，用色彩、色飽和度和明度三個分量來區(qū)分顏色。hsv色彩空間可以呈現(xiàn)在一個立體圓錐體空間中。用立體的圓錐模型來描述hsv色彩空間比較繁瑣，但可以清晰的表達出其三個分量的變化過程。通常所說的色度是色彩和色飽和度兩個分量的通稱，用來表示區(qū)分顏色的種類與色調(diào)的參數(shù)值大小。由于人類的視覺對于光線強度的感知相較為敏感，為了方便對于色彩和識別的處理，在計算機中與人類的視覺系統(tǒng)想呼應的通常選取hsv色彩空間模型，它較之rgb色彩空間模型更加符合人類對色彩的認知和研究，hsv空間將亮度看成獨立的分量，這樣使得其在車輛跟蹤中不盲目的跟從光照強度的突變。在數(shù)字圖像處理的應用中和機器視覺中幾乎所有算法都能在hsv的錐形空間中找到，并與之相匹配使用，它們可以單獨分開處理因為它們也是相互獨立的。在rgb空間里，利用計算機仿真從正方體的絕對零點出發(fā)沿對角線向最大值方向延伸灰度級逐漸變化，能夠形成一個圓錐體的外部特征面。其中，橢圓形的邊界、水平方向、垂直方向分別代表：色彩、色飽和度和亮度。在hsv顏色空間模型中，h為圍繞v軸旋轉，其旋轉角取值范圍為0～360°，h＝0表示紅色，h＝120°表示綠色，h＝240°表示藍色。s是一個比值，表示當前值與該顏色最大值之間的比率關系，其值域為0～1。s＝0，在計算機中通道數(shù)為1，s＝1表達椎體頂部面積。v為明亮的變換，值域為0～1。本實施例通過hsv顏色空間模型對信號燈的顏色進行識別。

以上所述信號燈的識別裝置，通過雷達傳感器預先生成并存儲信號燈的位置信息，從而在車輛行駛過程中可以預先計算車輛與存儲的最近的信號燈的距離，并根據(jù)該距離檢測該位置信息處是否存在該信號燈，若存在，則識別所述信號燈的顏色；整個過程預先融合了雷達傳感器和電子地圖生成的數(shù)據(jù)，數(shù)據(jù)處理速度更快，提高了結果的可靠性；通過相機只需要檢測是否存在信號燈和信號燈的顏色，避免設置更為復雜昂貴的相機，以降低相機的成本。

本實施例還提供了一種信號燈的識別系統(tǒng)，包括電子地圖、相機和車載處理器，還包括預置的數(shù)據(jù)庫，數(shù)據(jù)庫存儲有信號燈的位置信息；

車載處理器用于獲取行駛過程中距離車輛最近的數(shù)據(jù)庫存儲的信號燈的位置信息，并計算車輛與信號燈的距離；

車載處理器還用于根據(jù)距離檢測相機拍攝的圖像中是否存在信號燈，并在圖像中存在信號燈時，識別信號燈的顏色。

以上所述信號燈的識別系統(tǒng)，通過雷達傳感器預先生成并存儲信號燈的位置信息，從而在車輛行駛過程中可以預先計算車輛與存儲的最近的信號燈的距離，并根據(jù)該距離檢測該位置信息處是否存在該信號燈，若存在，則識別所述信號燈的顏色；整個過程預先融合了雷達傳感器和電子地圖生成的數(shù)據(jù)，數(shù)據(jù)處理速度更快，提高了結果的可靠性；通過相機只需要檢測是否存在信號燈和信號燈的顏色，避免設置更為復雜昂貴的相機，以降低相機的成本。

本實施例中，電子地圖為高精度地圖，可以提供具體的信號燈圖片和詳細的位置信息。相機可以安裝在車輛的前方，相機的數(shù)量不局限于一個。車載處理器是車輛的控制中心，用于控制車輛的行駛，尤其是對信號燈的處理，如紅燈時停止或綠燈時啟動等過程。電子地圖可以安裝于相機內(nèi)，與相機作為一體，以快速處理數(shù)據(jù)。

本實施例的數(shù)據(jù)庫為預先生成的數(shù)據(jù)庫，數(shù)據(jù)庫存儲有預先生成的信號燈的位置信息、以及與信號燈關聯(lián)的圖像序列等。具體的，數(shù)據(jù)庫可以由以下方法生成：

首先，通過采集車采集信號燈的位置信息。采集車上安裝有電子地圖、雷達、相機和圖像采集模塊，雷達與車載處理器通過usb-can通訊接口模塊連接，相機通過圖像采集模塊連接車載處理器。采集車在行駛過程中，雷達可以探測信號燈的位置信息并發(fā)送至車載處理器，同時，相機會拍攝信號燈的圖像，圖像采集地將相機拍攝的圖像傳遞至車載處理器，車載處理器對圖像進行處理。其中，相機的拍攝頻率可以相應的進行設置，以符合本實施例所述場景的應用。隨著采集車向前行駛靠近信號燈，相機會由遠及近拍攝多張信號燈的圖像，此時，車載處理器會自動將雷達探測的信號燈的位置信息與相機拍攝的圖像進行關聯(lián)。其中，信號燈的位置信息為采集車與信號燈之間的距離關系。通過以上方法采集的信號燈的位置信息關聯(lián)了對應采集時刻的相機拍攝的圖像。

其次，相機使用離線算法處理采集到的圖像序列，從各幀圖像中檢測信號燈，關聯(lián)每一幀中的同一個信號燈。具體而言，相機拍攝的多張圖像會組成連續(xù)的圖像序列，從各幀圖像中檢測信號燈，可以檢測出每一幀圖像中信號燈在該圖像中成像的位置區(qū)域，車載處理器會將圖像序列與該信號燈建立關聯(lián)關系，該關聯(lián)關系包括信號路所關聯(lián)的圖像序列中的圖像，以及信號燈在圖像序列中依次成像的位置區(qū)域。

車載處理器會將信號燈的位置信息、建立的圖像序列與對應信號燈關聯(lián)關系等保存至數(shù)據(jù)庫，從而形成本實施例應用的數(shù)據(jù)庫。

根據(jù)該存儲了路口各信號燈位置的數(shù)據(jù)庫后，車輛中的交通信號燈識別系統(tǒng)在線運行時，利用這些信息，根據(jù)車輛平臺此時所在的位置、姿態(tài)，即可推算出交通信號燈在相機成像圖像中的位置區(qū)域，進行檢測與識別，其中，本實施例省略對形狀的識別，只進行色彩的識別，從而識別信號燈的顏色，如紅燈、綠燈或黃燈等。

本實施例中，車載處理器根據(jù)距離檢測相機拍攝的圖像中是否存在信號燈，具體為：

檢測距離是否在預設的范圍內(nèi)；

若是，則接收所拍攝的圖像，并檢測相機所拍攝的圖像中是否存在有信號燈。

通常相機的拍攝距離是限的，因此，只有信號燈進入相機的拍攝距離內(nèi)時相機才可以拍攝到信號燈。因此，本實施例中預設的范圍可以是相機拍攝信號燈的有效距離。如果在有效距離內(nèi)，則可以檢測相機拍攝的圖像中是否有信號燈。

本實施例中，車載處理器識別信號燈的顏色，具體為：

獲取信號燈在相機所拍攝的圖像中的位置區(qū)域；

識別出信號燈在圖像的位置區(qū)域中的顏色。

因為數(shù)據(jù)庫中存儲有圖像序列，圖像序列關聯(lián)有信號燈的位置信息，因此，獲取信號燈在相機所拍攝的圖像中的位置區(qū)域時，可以根據(jù)車輛與信號燈之間的距離從圖像序列中篩選出對應的圖像，并將圖像與相機拍攝的圖像進行對比，從而判斷出信號燈在相機所拍攝的圖像中的位置區(qū)域。在識別信號燈的顏色時，優(yōu)選的，車載處理器可以通過hsv顏色空間模型對信號燈的顏色進行識別。

以上所述實施例的各技術特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術特征所有可能的組合都進行描述，然而，只要這些技術特征的組合不存在矛盾，都應當認為是本說明書記載的范圍。

以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發(fā)明專利范圍的限制。應當指出的是，對于本領域的普通技術人員來說，在不脫離本發(fā)明構思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應以所附權利要求為準。