基於兩階段網路架構之交通號誌燈偵測技術

摘要

近年來，自駕車的開發為相當熱門的研究領域，目的在於使車輛能夠判斷各種可能的道路狀況，並做出正確的反應。其中，交通號誌燈的狀態與位置偵測是非常重要的課題之一，必須滿足正確性以及即時性。本文將針對交通燈偵測技術所遭遇到的困難，以及實物上解決的方法進行說明。

In recent years, the development of autonomous carshas become a popular research topic. The vehicles must be able to understand a wide range of road conditions and make correct responses. One of the important techniques is to detect the location and state of the traffic light,and provide the real-time and correct recognition results. In this article, the difficulties of the traffic light detection technique are discussed and the practical solutions are described.

關鍵字 先進駕駛輔助系統、自動駕駛汽車、交通燈偵測

Advanced driver assistance systems, Self-driving car, Traffic light detection

前言

除了降低交通事故，自動駕駛技術影響的範圍非常廣泛，且可能會顛覆許多行業，例如：運輸物流、保險業、汽車修理業等。從自駕車雛形 NavLab 1、DARPA 無人車挑戰賽[1-2]，到Mobileye公司將先進駕駛輔助系統(Advanced Driver Assistance Systems, ADAS) 商用化，再到 Google 與 Tesla 的投入，對於單純場景，例如高速公路、封閉園區等，已大幅減少駕駛人的控制。能依據目的地進行路徑規劃並控制車輛前往，同時迴避周遭的障礙物。若要進一步提升自動駕駛的技術，則必須解決更加複雜的場景。

由於交通信號燈位於戶外環境，許多原因造成準確率不理想，例如：因陽光或氣候條件影響，造成光線干擾問題，如圖1(a)；因其他物體或視線角度，導致遮擋或部分遮擋問題，如圖1(b)；因反射、車尾燈、廣告招牌等等，造成誤判問題，如圖1(c)。這些都是偵測交通燈號必須面臨的挑戰。

傳統對於交通信號燈的偵測方式，大多基於電腦視覺技術。藉由將輸入影像轉換至不同的色彩空間，例如：HSV、YCrCb，再以顏色、形狀、灰階值等特徵為依據進行判斷[3]。隨著深度學習的技術在電腦視覺領域趨於成熟，2016年開始將深度學習應用到交通信號燈的偵測。大多使用主流的物件偵測方式，例如：YOLOv3 [4]、Faster R-CNN[5]，以應付戶外環境中，不同場景、不同光線的情況。

除此之外，大多數燈號辨識的方式主要著重在圓形燈的部分上，對於指向燈則大多忽略不予考慮。然而在台灣的街道中，這種燈號非常普遍，許多路口僅仰賴指向燈做為交通狀況的判斷依據，是不可忽略的類別。

交通信號燈偵測

        為了解決上述所提到的問題，本研究提出適合台灣場景的交通訊號燈偵測及辨識系統，細節如下：

1.HD地圖輔助

        由於交通燈影像在整張影像所佔的比例較小，在深度學習的過程中，會因為卷積層與池化層的操作，造成特徵消失而不利於偵測。因此，一般多會採用不同方法來解決這個問題，像是將輸入影像的上半部裁切成三等份，分別送入 YOLO偵測[6]。或是如[7]，選擇ResNet­50做為特徵提取網路，並且搭配擴張卷積將網路的步伐從 16 改為 8；使用K­means演算法，定義先驗框的大小與長寬比。種種修改都是企圖保留交通燈的特徵，使交通燈能順利偵測。

        本研究則是採用事先依照行駛路線所建立的HD地圖 (High Definition map, HD map)的輔助[8]，縮小偵測的範圍，減少因為背景造成誤判的情形，如圖2。由於光達感測器的特性，無法準確得知交通燈位置與燈號，所以這部分視為初步的位置偵測，接著由影像資訊找出確切位置，並且判斷交通燈燈號。

2.兩階段網路架構

        為了提高偵測準確率，採取兩階段方式進行偵測：第一階段偵測燈箱位置，採用YOLOv3；第二階段辨識燈號，使用Tiny-YOLOv3偵測，將交通燈的燈號視為待偵測的物件。其中，為了能夠應付不常見的指向燈情況，特別將其區分出，額外接上LeNet以辨識指向燈方向。若是遇到歪斜的指向燈，如圖3，僅需要重新訓練LeNet之權重，而不需要將整個架構的網路都重新訓練，更具彈性。