信号灯识别方法、装置、车辆及存储介质与流程

1.本技术涉及智能驾驶预期功能安全技术领域，特别涉及一种信号灯识别方法、装置、车辆及存储介质。


背景技术：

2.预期功能安全(sotif.safety of the intended functionality)定义为不存在因功能不足引起的危害行为而导致不合理的风险，从目前智能驾驶测试效果与能力水平看，阻碍智能驾驶的最大障碍是预期功能安全问题，而在智能驾驶所涉及的感知决策控制中，感知层是存在预期功能安全风险最多的层级，对目标的准确识别，对目标属性的准确认知以及对目标态势的准确预测一直都是行业内的难点。
3.对于应用于路口辅助的交通灯识别，由于该功能是面向l4级甚至以上的高级别智能驾驶，相关技术中针对该功能的研究集中于功能实现层面，预期功能安全方面的研究还很缺乏，而路口又是发生交通事故概率较高的区域，针对该功能的预期功能安全研究能够有效避免车辆在路口行驶时发生非期望运动行为，有效保障驾驶员和行人安全，具有重要意义，有待改进。


技术实现要素：

4.本技术提供一种信号灯识别方法、装置、车辆及存储介质，以解决相关技术中，针对路口信号灯的识别处于功能实现层面，缺乏预期功能安全层面的研究，难以有效保障驾驶员和行人安全的技术问题。
5.本技术第一方面实施例提供一种信号灯识别方法，包括以下步骤：识别当前路口的当前信号灯状态的同时，获取至少一个其他车道的车辆的行驶信息；根据所述至少一个其他车道的车辆的行驶信息计算所述当前路口的理论信号灯状态，并判断所述当前信号灯状态和所述理论信号灯状态是否一致；如果所述当前信号灯状态和所述理论信号灯状态不一致，则判定所述当前信号灯状态出现识别错误，根据所述理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，并按照所述目标行驶状态控制当前车辆通过所述当前路口。
6.根据上述技术手段，本技术实施例可以基于其他车道的车辆的行驶信息，判断当前路口的理论信号灯状态，并将识别的当前信号灯状态与理论信号灯状态对比，确认识别是否准确，进而生成目标行驶状态，以控制车辆通过当前路口，以预期功能安全层面的保证生成的目标行驶状态的准确性，从而有效保障驾驶员和行人安全。
7.可选地，在本技术的一个实施例中，在判定所述当前信号灯状态出现识别错误之后，还包括：生成所述当前信号灯状态的错误提醒的同时，获取所述当前信号灯状态的错误类型；根据所述错误类型匹配最佳错误提醒方式，并按照所述最佳错误提醒方式发送所述错误提醒至车辆终端或者预设终端。
8.根据上述技术手段，本技术实施例可以基于不同的信号灯状态错误类型，进行不
同方式的提醒。
9.可选地，在本技术的一个实施例中，在获取所述当前信号灯状态的错误类型之后，还包括：在所述错误类型为识别错误类型时，计算所述当前车辆的实际风险评级；在所述实际风险评级大于预设评级时，以预设安全策略控制所述当前车辆移动。
10.根据上述技术手段，本技术实施例可以根据风险评级，控制当前车辆执行不同的安全策略。
11.可选地，在本技术的一个实施例中，所述计算所述当前车辆的实际风险评级，包括：获取所述识别错误类型的严重度和可控度；根据所述严重度和所述可控度得到所述实际风险评级。
12.根据上述技术手段，本技术实施例可以错误类型的严重度和可控度得到实际风险评级。
13.本技术第二方面实施例提供一种信号灯识别装置，包括：识别模块，用于识别当前路口的当前信号灯状态的同时，获取至少一个其他车道的车辆的行驶信息；计算模块，用于根据所述至少一个其他车道的车辆的行驶信息计算所述当前路口的理论信号灯状态，并判断所述当前信号灯状态和所述理论信号灯状态是否一致；第一控制模块，用于如果所述当前信号灯状态和所述理论信号灯状态不一致，则判定所述当前信号灯状态出现识别错误，根据所述理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，并按照所述目标行驶状态控制当前车辆通过所述当前路口。
14.可选地，在本技术的一个实施例中，还包括：生成模块，用于生成所述当前信号灯状态的错误提醒的同时，获取所述当前信号灯状态的错误类型；提醒模块，用于根据所述错误类型匹配最佳错误提醒方式，并按照所述最佳错误提醒方式发送所述错误提醒至车辆终端或者预设终端。
15.可选地，在本技术的一个实施例中，还包括：评级模块，用于在所述错误类型为识别错误类型时，计算所述当前车辆的实际风险评级；第二控制模块，用于在所述实际风险评级大于预设评级时，以预设安全策略控制所述当前车辆移动。
16.可选地，在本技术的一个实施例中，所述评级模块包括：获取单元，用于获取所述识别错误类型的严重度和可控度；评级单元，用于根据所述严重度和所述可控度得到所述实际风险评级。
17.本技术第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的信号灯识别方法。
18.本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的信号灯识别方法。
19.本技术实施例的有益效果：
20.(1)本技术实施例可以基于其他车道的车辆的行驶信息，判断当前路口的理论信号灯状态，并将识别的当前信号灯状态与理论信号灯状态对比，确认识别是否准确，进而生成目标行驶状态，以控制车辆通过当前路口，以预期功能安全层面的保证生成的目标行驶状态的准确性，从而有效保障驾驶员和行人安全；
21.(2)本技术实施例可以对信号灯的识别错误进行分类，并针对不同的类型进行相
应提醒，便于后续技术人员进行维护；
22.(3)本技术实施例可以进行风险评级，并基于风险评级控制车辆执行相应的安全策略，以保证车辆的路口通行安全。
23.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
24.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
25.图1为根据本技术实施例提供的一种信号灯识别方法的流程图；
26.图2为根据本技术一个实施例的信号灯识别方法的左转信号灯正确识别示意图；
27.图3为根据本技术一个实施例的信号灯识别方法的左转信号灯错误识别示意图；
28.图4为根据本技术一个实施例的信号灯识别方法的直行信号灯正确识别示意图；
29.图5为根据本技术一个实施例的信号灯识别方法的直行信号灯错误识别示意图；
30.图6为根据本技术一个实施例的信号灯识别方法的右转信号灯正确识别示意图；
31.图7为根据本技术一个实施例的信号灯识别方法的右转信号灯错误识别示意图；
32.图8为根据本技术实施例提供的一种信号灯识别装置的结构示意图；
33.图9为根据本技术实施例提供的车辆的结构示意图。
34.其中，10-信号灯识别装置；100-识别模块、200-计算模块、300-第一控制模块。
具体实施方式
35.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
36.下面参考附图描述本技术实施例的信号灯识别方法、装置、车辆及存储介质。针对上述背景技术中心提到的相关技术中，针对路口信号灯的识别处于功能实现层面，缺乏预期功能安全层面的研究，难以有效保障驾驶员和行人安全的技术问题，本技术提供了一种信号灯识别方法，在该方法中，可以根据至少一个其他车道的车辆的行驶信息计算当前路口的理论信号灯状态，并判断当前信号灯状态和理论信号灯状态是否一致，并在不一致时，判定当前信号灯状态出现识别错误，根据理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，以控制当前车辆通过当前路口，以预期功能安全层面的保证车辆通过路口的安全性，有效保障驾驶员和行人的路口通行安全。由此，解决了相关技术中，针对路口信号灯的识别处于功能实现层面，缺乏预期功能安全层面的研究，难以有效保障驾驶员和行人安全的技术问题。
37.具体而言，图1为本技术实施例所提供的一种信号灯识别方法的流程示意图。
38.如图1所示，该信号灯识别方法包括以下步骤：
39.在步骤s101中，识别当前路口的当前信号灯状态的同时，获取至少一个其他车道的车辆的行驶信息。
40.在实际执行过程中，本技术实施例可以基于如前视摄像头、前毫米波雷达、周视摄
像头、角雷达和超声波雷达等传感器，通过传感融合实现对外界环境的正确认知，其中前视主要负责对信号灯信息的识别，包括信号灯的颜色、形状、状态、倒计时等信息的识别。
41.在识别当前路口的当前信号灯状态的同时，本技术实施例还可以通过传感器获得至少一个其他车道的车辆的行驶信息，如通行、停车、转向等。
42.在步骤s102中，根据至少一个其他车道的车辆的行驶信息计算当前路口的理论信号灯状态，并判断当前信号灯状态和理论信号灯状态是否一致。
43.作为一种可能实现的方式，本技术实施例可以根据至少一个其他车道的车辆的行驶信息，计算当前路口的理论信号灯状态，即基于不同车道的车辆的行驶状态，确定该车道对应的信号灯状态，以得到理论信号灯状态，从而判断识别的当前信号灯状态是否识别错误。
44.在步骤s103中，如果当前信号灯状态和理论信号灯状态不一致，则判定当前信号灯状态出现识别错误，根据理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，并按照目标行驶状态控制当前车辆通过当前路口。
45.在一些实施例中，如果当前信号灯状态和理论信号灯状态不一致，本技术实施例可以判断识别的当前信号灯状态存在错误，因此当前信号灯状态无法作为当前车辆通过当前路口的行驶状态的参考，本技术实施例可以根据理论信号灯状态，和对向同车道车辆的行驶信息，生成目标行驶状态，如理论信号灯状态为直行绿灯，且对向直行车道的车辆的行驶状态为通过路口，则本技术实施例可以生成目标行驶状态，即通过当前路口，并按照目标行驶状态控制当前车辆。
46.可选地，在本技术的一个实施例中，在判定当前信号灯状态出现识别错误之后，还包括：生成当前信号灯状态的错误提醒的同时，获取当前信号灯状态的错误类型；根据错误类型匹配最佳错误提醒方式，并按照最佳错误提醒方式发送错误提醒至车辆终端或者预设终端。
47.可以理解的是，在外界复杂环境的干扰下，前视探测的信号灯信号会发生异常变化，具体的错误类型可以包括：信号灯颜色信号误识别、信号灯形状信息误识别、信号灯倒计时信息误识别和无法识别信号灯信息，可以概括为识别错误和无法识别信号灯信息。
48.进一步地，上述识别错误可能导致不可接受的整车级危害，按照sotif流程，需识别导致上述功能不足的诱因，即危害触发条件。
49.其中，信号灯识别属于感知功能，感知的触发条件主要来源于输入和模型，输入端的问题往往是因为外部环境和传感器自身，例如恶劣环境造成数据噪声增大、传感器自身原理限制或者传感器视野受限被遮挡等等；模型的问题则是来自于算法本身。
50.相关技术中，自动驾驶感知算法大多基于深度学习技术，深度学习模型的训练依靠大量的标注数据，当感知算法面对未知的物体或特殊姿态和形态时，往往会出现错检、漏检和虚检，触发感知算法的局限性。
51.因此，识别错误的触发条件可以包括：
52.光影干扰类：主要包括阳光对前视的直射，阳光对信号灯的直射导致前视很难识别等。
53.污物遮挡类：包括雨雪对摄像头的遮挡或积雪对信号灯的遮挡。
54.视野遮挡类：包括他车对摄像头视野的遮挡。
55.识别算法类：对信号灯识别的训练集不完备，没有信号灯状态没能实现全覆盖。
56.因此，本技术实施例可以根据错误类型匹配最佳错误提醒方式，并按照最佳错误提醒方式发送错误提醒至车辆终端或者预设终端，例如，识别信号的错误类型为识别错误，引起该错误类型的触发条件为污物遮挡类时，本技术实施例可以将错误提醒发送至交通管理部门，便于相关人员及时清理信号灯表面；识别信号的错误类型为识别错误或无法识别信号灯信息，引起该错误类型的触发条件为识别算法类时，本技术实施例可以将错误提醒发送至车企终端，便于技术人员更新算法模型；识别信号的错误类型为无法识别信号灯信息，引起该错误类型的触发条件为视野遮挡类时，本技术实施例可以将错误提醒发送至车辆终端，便于驾驶员接手车辆控制。
57.可选地，在本技术的一个实施例中，在获取当前信号灯状态的错误类型之后，还包括：5在错误类型为识别错误类型时，计算当前车辆的实际风险评级；在实际风险评级大于预设
58.评级时，以预设安全策略控制当前车辆移动。
59.在实际执行过程中，当错误类型为识别错误类型时，本技术实施例计算当前车辆的实际风险评级，并在实际风险评级大于预设评级时，以预设安全策略控制当前车辆移动，例
60.如，当实际风险评级小于预设评级时，本技术实施例可以控制当前车辆减速，进而根据理0论信号灯状态通过路口，也可以发送提醒至驾驶员，便于驾驶员接手车辆控制；当实际风
61.险评级大于预设评级时，本技术实施例可以控制车辆减速，并停靠在路边等待维修，还可以通过紧急制动，中止车辆的行驶状态。
62.需要注意的是，预设评级可以由本领域技术人员根据实际情况进行相应设置，在此不做具体限制。
63.5可选地，在本技术的一个实施例中，计算当前车辆的实际风险评级，包括：获取识别
64.错误类型的严重度和可控度；根据严重度和可控度得到实际风险评级。
65.作为一种可能实现的方式，本技术实施例可以根据识别可能造成的整车级危害，并评估危害事件的风险，确定该风险是否能接受，按照sotif的要求，风险评估可以基于严重度s和可控度c来度量，当s》0或c》0时，风险就不可接受。
66.0其中，整车层面的危害可以包括：车辆非预期起动、车辆非预期制动、车辆非预期的
67.直行、车辆非预期的左转和车辆非预期的右转。
68.举例而言：当车辆在路口等灯期间，感知层将红灯误识别为绿灯，车辆会发生非预期的启动；当车辆将绿灯误识别为红灯时，车辆会发生非预期的制动；过路口期间，车辆将
69.红灯识别为绿灯，则会非预期直行；当车辆将左转灯、右转灯的红灯误识别为绿灯，则会5发生非预期的左转和右转行为。
70.上述在路口发生的非预期起动，非预期的左转/右转都会导致与他车碰撞的危害事件发生，其s》0或c》0，均是不可接受的风险。
71.结合图2至图7所示，以一个实施例对本技术实施例的信号灯识别方法的工作原理
进行详细阐述。
72.0本技术实施例可以包括以下步骤：
73.s1：识别当前路口的当前信号灯状态。在实际执行过程中，本技术实施例可以基于如前视摄像头、前毫米波雷达、周视摄像头、角雷达和超声波雷达等传感器，通过传感融合实现对外界环境的正确认知，其中前视主要负责对信号灯信息的识别，包括信号灯的颜色、形状、状态、倒计时等信息的识别。
74.s2：性能局限识别。在外界复杂环境的干扰下，前视探测的信号灯信号会发生异常变化，具体的错误类型可以包括：信号灯颜色信号误识别、信号灯形状信息误识别、信号灯倒计时信息误识别和无法识别信号灯信息，可以概括为识别错误和无法识别信号灯信息。
75.s3：触发条件识别。上述识别错误可能导致不可接受的整车级危害，按照sotif流程，需识别导致上述功能不足的诱因，即危害触发条件。
76.其中，信号灯识别属于感知功能，感知的触发条件主要来源于输入和模型，输入端的问题往往是因为外部环境和传感器自身，例如恶劣环境造成数据噪声增大、传感器自身原理限制或者传感器视野受限被遮挡等等；模型的问题则是来自于算法本身。
77.相关技术中，自动驾驶感知算法大多基于深度学习技术，深度学习模型的训练依靠大量的标注数据，当感知算法面对未知的物体或特殊姿态和形态时，往往会出现错检、漏检和虚检，触发感知算法的局限性。
78.因此，识别错误的触发条件可以包括：
79.光影干扰类：主要包括阳光对前视的直射，阳光对信号灯的直射导致前视很难识别等。
80.污物遮挡类：包括雨雪对摄像头的遮挡或积雪对信号灯的遮挡。
81.视野遮挡类：包括他车对摄像头视野的遮挡。
82.识别算法类：对信号灯识别的训练集不完备，没有信号灯状态没能实现全覆盖。
83.s4：危害分析与风险评估。本技术实施例可以根据识别可能造成的整车级危害，并评估危害事件的风险，确定该风险是否能接受，按照sotif的要求，风险评估可以基于严重度s和可控度c来度量，当s》0或c》0时，风险就不可接受。
84.其中，整车层面的危害可以包括：车辆非预期起动、车辆非预期制动、车辆非预期的直行、车辆非预期的左转和车辆非预期的右转。
85.举例而言：当车辆在路口等灯期间，感知层将红灯误识别为绿灯，车辆会发生非预期的启动；当车辆将绿灯误识别为红灯时，车辆会发生非预期的制动；过路口期间，车辆将红灯识别为绿灯，则会非预期直行；当车辆将左转灯、右转灯的红灯误识别为绿灯，则会发生非预期的左转和右转行为。
86.上述在路口发生的非预期起动，非预期的左转/右转都会导致与他车碰撞的危害事件发生，其s》0或c》0，均是不可接受的风险。
87.s5：功能改进。针对上述识别出来的危害事件和触发条件，本技术实施例可以针对性地制定功能改进方案，以确保在遇到类似地触发条件下，不会再发生因车辆非预期行为导致的危害事件。
88.本技术实施例可以针对所述的车辆非预期起动，非预期直行，非预期左转和非预期右转设计功能改进，不针对非预期制动设计。
89.因为在路口车辆的速度都会降至30km/h以内，并且无论信号灯是红灯还是绿灯，进入路口路段所有的车辆都会进入减速状态，所述的非预期制动更像是发生了过大的制动，在低速行驶且前车发生非预期制动的情况下，绝大多数驾驶员都能够及时反应，并不会造成无法接受的风险。
90.非预期直行/左转/右转由信号灯信息误识别(将红灯识别为绿灯)或信号灯倒计时误识别(识别的倒计时》真实的倒计时)引起，由于两种识别的不足导致的结果时相同的，可以进行合并，因此，本技术实施例可以只针对信号灯信息误识别(将红灯识别为绿灯)进行改进。
91.本技术实施例可以将对向同类车道车辆的行驶信息和垂向同类车道车辆的行驶信息纳入当前车辆的行驶决策，具体决策逻辑如下：
92.直行或左转时，除了识别的信号灯信号以外，当前车辆也会识别对向直行/左转车道车辆的行驶信息以及垂向直行/左转车道车辆的行驶信息，综合这些信息决策车辆的行驶状态。
93.以左转为例，如图2和图3所示，a车将左转红灯识别为绿灯，同时a车会采集对向车道c车和垂向车道b车和d车的行驶信息。若c车在左转车道停止且b车和d车(两辆以上)都实行了左转操作，则判定此时a车应该进入左转等待状态，a车停车等待。
94.直行逻辑与左转类似，如图4和图5所示。
95.右转时只将对向同类车道车辆的行驶情况纳入当前车辆的行驶决策，如图6和图7所示。当当前车辆将右转红灯识别为绿灯，且对向车道有c，e两辆及以上的车辆都在右转车道等待时，当前车辆将会停车等待，待c，e车辆开始右转时，当前车辆才会启动右转，并且提醒驾驶员功能异常。
96.根据本技术实施例提出的信号灯识别方法，可以根据至少一个其他车道的车辆的行驶信息计算当前路口的理论信号灯状态，并判断当前信号灯状态和理论信号灯状态是否一致，并在不一致时，判定当前信号灯状态出现识别错误，根据理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，以控制当前车辆通过当前路口，以预期功能安全层面的保证车辆通过路口的安全性，有效保障驾驶员和行人的路口通行安全。由此，解决了相关技术中，针对路口信号灯的识别处于功能实现层面，缺乏预期功能安全层面的研究，难以有效保障驾驶员和行人安全的技术问题。
97.其次参照附图描述根据本技术实施例提出的信号灯识别装置。
98.图8是本技术实施例的信号灯识别装置的方框示意图。
99.如图8所示，该信号灯识别装置10包括：识别模块100、计算模块200和第一控制模块300。
100.具体地，识别模块100，用于识别当前路口的当前信号灯状态的同时，获取至少一个其他车道的车辆的行驶信息。
101.计算模块200，用于根据至少一个其他车道的车辆的行驶信息计算当前路口的理论信号灯状态，并判断当前信号灯状态和理论信号灯状态是否一致。
102.第一控制模块300，用于如果当前信号灯状态和理论信号灯状态不一致，则判定当前信号灯状态出现识别错误，根据理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，并按照目标行驶状态控制当前车辆通过当前路口。
103.可选地，在本技术的一个实施例中，信号灯识别装置10还包括：生成模块和提醒模块。
104.其中，生成模块，用于生成当前信号灯状态的错误提醒的同时，获取当前信号灯状态的错误类型。
105.提醒模块，用于根据错误类型匹配最佳错误提醒方式，并按照最佳错误提醒方式发送错误提醒至车辆终端或者预设终端。
106.可选地，在本技术的一个实施例中，信号灯识别装置10还包括：评级模块和第二控制模块。
107.其中，评级模块，用于在错误类型为识别错误类型时，计算当前车辆的实际风险评级。
108.第二控制模块，用于在实际风险评级大于预设评级时，以预设安全策略控制当前车辆移动。
109.可选地，在本技术的一个实施例中，评级模块包括：获取单元和评级单元。
110.其中，获取单元，用于获取识别错误类型的严重度和可控度。
111.评级单元，用于根据严重度和可控度得到实际风险评级。
112.需要说明的是，前述对信号灯识别方法实施例的解释说明也适用于该实施例的信号灯识别装置，此处不再赘述。
113.根据本技术实施例提出的信号灯识别装置，可以根据至少一个其他车道的车辆的行驶信息计算当前路口的理论信号灯状态，并判断当前信号灯状态和理论信号灯状态是否一致，并在不一致时，判定当前信号灯状态出现识别错误，根据理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，以控制当前车辆通过当前路口，以预期功能安全层面的保证车辆通过路口的安全性，有效保障驾驶员和行人的路口通行安全。由此，解决了相关技术中，针对路口信号灯的识别处于功能实现层面，缺乏预期功能安全层面的研究，难以有效保障驾驶员和行人安全的技术问题。
114.图9为本技术实施例提供的车辆的结构示意图。该车辆可以包括：
115.存储器901、处理器902及存储在存储器901上并可在处理器902上运行的计算机程序。
116.处理器902执行程序时实现上述实施例中提供的信号灯识别方法。
117.进一步地，车辆还包括：
118.通信接口903，用于存储器901和处理器902之间的通信。
119.存储器901，用于存放可在处理器902上运行的计算机程序。
120.存储器901可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
121.如果存储器901、处理器902和通信接口903独立实现，则通信接口903、存储器901和处理器902可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
122.可选地，在具体实现上，如果存储器901、处理器902及通信接口903，集成在一块芯片上实现，则存储器901、处理器902及通信接口903可以通过内部接口完成相互间的通信。
123.处理器902可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
124.本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的信号灯识别方法。
125.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
126.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
127.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
128.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
129.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离
散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
130.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
131.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
132.上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种信号灯识别方法，其特征在于，包括以下步骤：识别当前路口的当前信号灯状态的同时，获取至少一个其他车道的车辆的行驶信息；根据所述至少一个其他车道的车辆的行驶信息计算所述当前路口的理论信号灯状态，并判断所述当前信号灯状态和所述理论信号灯状态是否一致；如果所述当前信号灯状态和所述理论信号灯状态不一致，则判定所述当前信号灯状态出现识别错误，根据所述理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，并按照所述目标行驶状态控制当前车辆通过所述当前路口。2.根据权利要求1所述的方法，其特征在于，在判定所述当前信号灯状态出现识别错误之后，还包括：生成所述当前信号灯状态的错误提醒的同时，获取所述当前信号灯状态的错误类型；根据所述错误类型匹配最佳错误提醒方式，并按照所述最佳错误提醒方式发送所述错误提醒至车辆终端或者预设终端。3.根据权利要求2所述的方法，其特征在于，在获取所述当前信号灯状态的错误类型之后，还包括：在所述错误类型为识别错误类型时，计算所述当前车辆的实际风险评级；在所述实际风险评级大于预设评级时，以预设安全策略控制所述当前车辆移动。4.根据权利要求3所述的方法，其特征在于，所述计算所述当前车辆的实际风险评级，包括：获取所述识别错误类型的严重度和可控度；根据所述严重度和所述可控度得到所述实际风险评级。5.一种信号灯识别装置，其特征在于，包括：识别模块，用于识别当前路口的当前信号灯状态的同时，获取至少一个其他车道的车辆的行驶信息；计算模块，用于根据所述至少一个其他车道的车辆的行驶信息计算所述当前路口的理论信号灯状态，并判断所述当前信号灯状态和所述理论信号灯状态是否一致；第一控制模块，用于如果所述当前信号灯状态和所述理论信号灯状态不一致，则判定所述当前信号灯状态出现识别错误，根据所述理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，并按照所述目标行驶状态控制当前车辆通过所述当前路口。6.根据权利要求5所述的装置，其特征在于，还包括：生成模块，用于生成所述当前信号灯状态的错误提醒的同时，获取所述当前信号灯状态的错误类型；提醒模块，用于根据所述错误类型匹配最佳错误提醒方式，并按照所述最佳错误提醒方式发送所述错误提醒至车辆终端或者预设终端。7.根据权利要求6所述的装置，其特征在于，还包括：评级模块，用于在所述错误类型为识别错误类型时，计算所述当前车辆的实际风险评级；第二控制模块，用于在所述实际风险评级大于预设评级时，以预设安全策略控制所述当前车辆移动。8.根据权利要求7所述的装置，其特征在于，所述评级模块包括：
获取单元，用于获取所述识别错误类型的严重度和可控度；评级单元，用于根据所述严重度和所述可控度得到所述实际风险评级。9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-4任一项所述的信号灯识别方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-4任一项所述的信号灯识别方法。

技术总结
本申请涉及一种信号灯识别方法、装置、车辆及存储介质，其中，方法包括：识别当前路口的当前信号灯状态的同时，获取至少一个其他车道的车辆的行驶信息；根据至少一个其他车道的车辆的行驶信息计算当前路口的理论信号灯状态，并判断当前信号灯状态和理论信号灯状态是否一致；如果当前信号灯状态和理论信号灯状态不一致，则判定当前信号灯状态出现识别错误，根据理论信号灯状态和对向同车道车辆的行驶信息生成目标行驶状态，并按照目标行驶状态控制当前车辆通过当前路口。本申请实施例可以将识别的当前信号灯状态与理论信号灯状态对比，确认信号灯的识别是否准确，进而控制车辆通过当前路口，以预期功能安全层面的保证车辆通过路口的安全性。口的安全性。口的安全性。


技术研发人员：尹长林 周宏伟 马旭 查小东
受保护的技术使用者：重庆长安汽车股份有限公司
技术研发日：2023.01.03
技术公布日：2023/8/9