基于深度学习的智轨信号灯检测和识别方法

• Published in: 机车电传动 no. 6; pp. 140 - 148
• Main Authors: 熊群芳, 林军, 袁希文, 徐阳翰, 岳伟, 李源征宇
• Format: Journal Article
• Language: Chinese
• Published: 中车株洲电力机车研究所有限公司,湖南 株洲 412001 2024
• Subjects: 智轨交通信号灯; deep learning; high-precision map; image diagnosis; MobileNetV2; 高精度地图; YOLOV5s; 深度学习; 图像诊断; ART traffic light
• ISSN: 1000-128X
• DOI: 10.13890/j.issn.1000-128X.2024.01.244

U239.5%TP391; 智轨电车作为中车株洲电力机车研究所有限公司自主研发的智能轨道快运系统(简称"智轨"),其交通信号灯的检测与识别是提升智轨自动驾驶系统安全性的关键技术.智轨交通信号灯除了少部分通用信号灯,绝大多数为定制信号灯,而目前已有的信号灯检测与识别方法无法满足智轨自动驾驶环境下的检测要求.因此,文章利用深度学习算法对智轨信号灯检测与识别开展了相关研究工作,首先,通过高精度地图信息确定信号灯的RoI(Region of Interest)区域,缩小对智轨信号灯检测的范围,提升检测速度;其次,采用改进的YOLOV5s网络对RoI区域进行特征提取,检测出智轨交通信号灯;最后,对提取的交通信号灯图片采用MobileNetV2轻量级网络进行识别分类,确定信号灯的具体类别.为进一步增强模型的泛化性能,在信号灯检测之前增加了图像诊断算法,针对曝光、逆光等复杂环境及时提示预警,同时保存这些非正常数据,用于信号灯的检测与分类模型训练,进一步优化模型.试验结果表明,文章提出的方法对于智轨信号灯的检测与识别取得较好效果,白天在指定道路上平均精度均值达到84.76%,且实时性能良好.