一种对信号灯类型进行预测的处理方法和装置与流程

1.本发明涉及数据处理技术领域，特别涉及一种对信号灯类型进行预测的处理方法和装置。

背景技术：

2.自动驾驶系统在许多应用场景中都需要对前方道路或路口的信号状态进行识别，常规的识别方式就是通过图像识别模型对当前时刻的信号灯图像进行信号灯类型识别并对应的输出最大概率的信号灯类型，诸如红灯类型、绿灯类型和黄灯类型等。这种处理方式存在一个问题：在当前时刻获得的信号灯图像清晰度较差并造成图像识别模型输出的识别结果发生错误时，无法对错误结果进行修正。

技术实现要素：

3.本发明的目的，就是针对现有技术的缺陷，提供一种对信号灯类型进行预测的处理方法、装置、电子设备及计算机可读存储介质；为每个时刻的信号灯定制一对观测量和状态量，并由当前时刻获得的信号灯类型及其对应的类型概率构成当前时刻的观测量，并基于前一时刻的观测量、状态量以及当前时刻的观测量对当前时刻的状态量进行预测，并根据预测出的当前时刻状态量的各信号灯类型的类型概率来确认当前时刻的红绿灯类型。通过本发明，可以达到基于历史数据对图像识别模型输出的识别结果进行修正的目的。
4.为实现上述目的，本发明实施例第一方面提供了一种对信号灯类型进行预测的处理方法，所述方法包括：
5.在时刻t获取当前时刻的信号灯观测量p
t
，并获取上一时刻t-1的信号灯观测量p
t-1
和信号灯状态量s
t-1
；
6.根据所述信号灯观测量p
t-1
、p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第一转换系数序列集合；
7.根据所述信号灯状态量s
t-1
和所述信号灯观测量p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第二转换系数序列集合；
8.根据所述第一、第二转换系数序列集合对当前时刻的信号灯状态量进行预测生成对应的信号灯状态量s
t
；
9.根据所述信号灯状态量s
t
对当前时刻的信号灯类型进行预测生成对应的预测信号灯类型。
10.优选的，所述信号灯观测量p
t-1
包括多个第一观测分量p
i,t-1
，所述第一观测分量p
i,t-1
包括第一信号灯类型a
i,t-1
和对应的第一类型概率r
i,t-1
；m≥i≥1，m为预设的信号灯类型总数；
11.所述信号灯观测量p
t
包括多个第一观测分量p
i,t
，所述第一观测分量p
i,t
包括第一信号灯类型a
i,t
和对应的第一类型概率r
i,t
；
12.所述信号灯状态量s
t-1
包括多个第一状态分量s
i,t-1
，所述第一状态分量s
i,t-1
包括
第二信号灯类型a’i,t-1
和对应的第二类型概率r’i,t-1
；
13.所述信号灯状态量s
t
包括多个第一状态分量s
i,t
，所述第一状态分量s
i,t
包括第二信号灯类型a’i,t
和对应的第二类型概率r’i,t
；
14.所述第一转换系数序列集合包括所述信号灯类型总数m的第一转换系数序列xi，所述第一转换系数序列xi包括所述信号灯类型总数m的第一转换系数a
i,j
；，m≥j≥1；
15.所述第二转换系数序列集合包括所述信号灯类型总数m的第二转换系数序列x’i
，所述第二转换系数序列x’i
包括所述信号灯类型总数m的第二转换系数b
i,j
。
16.优选的，所述第一信号灯类型a
i,t-1
、a
i,t
，所述第二信号灯类型a’i,t-1
、a’i,t
和所述预测信号灯类型都包括红灯类型、绿灯类型和黄灯类型。
17.优选的，所述根据所述信号灯观测量p
t-1
、p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第一转换系数序列集合，具体包括：
18.将所述信号灯观测量p
t-1
的各个所述第一类型概率r
i,t-1
记为对应的当前类型概率r
i,t-1
；并将所述当前类型概率r
i,t-1
对应的所述第一信号灯类型a
i,t-1
记为对应的当前信号灯类型a
i,t-1
；并将所述信号灯观测量p
t
中的所述信号灯类型总数m的所述第一类型概率r
i,t
记为对应的第一类型概率r
j,t
；
19.并对预设的类型转换率列表进行查询，将第一前类型字段与所述当前信号灯类型a
i,t-1
匹配的所述信号灯类型总数m的第一记录提取出来组成对应的第一记录集合；并根据所述第一记录集合中各个所述第一记录的第一后类型字段和第一类型转换率字段得到对应的第一类型转换率c
i-》j
；所述类型转换率列表包括多个所述第一记录；所述第一记录包括所述第一前类型字段、所述第一后类型字段和所述第一类型转换率字段；所述第一前类型字段用于存储前一时刻的信号灯类型，所述第一后类型字段用于存储后一时刻的信号灯类型，所述第一类型转换率字段用于存储前后时刻信号灯类型从所述第一前类型字段转换到所述第一后类型字段的可能概率；所述类型转换率列表中所述第一前类型字段相同的所述第一记录的总数应为所述信号灯类型总数m；
20.并根据所述当前类型概率r
i,t-1
以及对应的所述信号灯类型总数m的所述第一类型转换率c
i-》j
和所述信号灯类型总数m的所述第一类型概率r
j,t
计算生成对应的所述第一转换系数a
i,j
，a
i,j
＝r
i,t-1
*ci→j+r
j,t
；并由得到的所述信号灯类型总数m的所述第一转换系数a
i,j
组成对应的所述第一转换系数序列xi；
21.并在得到所述信号灯类型总数m的所述第一转换系数序列xi时，由所有所述第一转换系数序列xi组成对应的所述第一转换系数序列集合。
22.优选的，所述根据所述信号灯状态量s
t-1
和所述信号灯观测量p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第二转换系数序列集合，具体包括：
23.将所述信号灯状态量s
t-1
的各个所述第二类型概率r’i,t-1
记为对应的当前类型概率r’i,t-1
；并将所述当前类型概率r’i,t-1
对应的所述第二信号灯类型a’i,t-1
记为对应的当前信号灯类型a’i,t-1
；并将所述信号灯观测量p
t
中的所述信号灯类型总数m的所述第一类型概率r
i,t
记为对应的第二类型概率r
j,t
；
24.并对所述类型转换率列表进行查询，将所述第一前类型字段与所述当前信号灯类型a’i,t-1
匹配的所述信号灯类型总数m的所述第一记录提取出来组成对应的第二记录集合；并根据所述第二记录集合中各个所述第一记录的所述第一后类型字段和所述第一类型转
换率字段得到对应的第二类型转换率c’i-》j
；
25.并根据所述当前类型概率r’i,t-1
以及对应的所述信号灯类型总数m的所述第二类型转换率c’i-》j
和所述信号灯类型总数m的所述第二类型概率r
j,t
计算生成对应的所述第二转换系数b
i,j
，b
i,j
＝r'
i,t-1
*c'i→j+r
j,t
；并由得到的所述信号灯类型总数m的所述第二转换系数b
i,j
组成对应的所述第二转换系数序列x’i
；
26.并在得到所述信号灯类型总数m的所述第二转换系数序列x’i
时，由所有所述第二转换系数序列x’i
组成对应的所述第二转换系数序列集合。
27.优选的，所述根据所述第一、第二转换系数序列集合对当前时刻的信号灯状态量进行预测生成对应的信号灯状态量s
t
，具体包括：
28.将所述第一转换系数序列集合转换为形状为m
×
m的二维矩阵记为第一矩阵；所述第一矩阵包括m
×
m个第一矩阵单元，所述第一矩阵单元与所述第一转换系数a
i,j
一一对应；
29.将所述第二转换系数序列集合转换为形状为m
×
m的二维矩阵记为第二矩阵；所述第二矩阵包括m
×
m个第二矩阵单元，所述第二矩阵单元与所述第二转换系数b
i,j
一一对应；
30.根据所述信号灯状态量s
t-1
的各个所述第二类型概率r’i,t-1
和所述信号灯观测量p
t
的各个所述第一类型概率r
i,t
，对所述第一、第二矩阵进行融合对应的形状为m
×
m的第三矩阵；所述第三矩阵包括m
×
m个第三矩阵单元，各个所述第三矩阵单元对应一个第一概率d
i,j
，
31.从所述第三矩阵的每行所述信号灯类型总数m的所述第一概率d
i,j
中提取最大值作为对应的所述第二类型概率r’i,t
；
32.复制各个所述第二信号灯类型a’i,t-1
生成对应的所述第二信号灯类型a’i,t
；并由各个所述第二信号灯类型a’i,t
和对应的所述第二类型概率r’i,t
组成对应的所述第一状态分量s
i,t
；并由得到的所述信号灯类型总数m的所述第一状态分量s
i,t
组成对应的所述信号灯状态量s
t
。
33.优选的，所述根据所述信号灯状态量s
t
对当前时刻的信号灯类型进行预测生成对应的预测信号灯类型，具体包括：
34.将所述信号灯状态量s
t
中概率值最大的所述第二类型概率r’i,t
对应的所述第二信号灯类型a’i,t
作为所述预测信号灯类型。
35.本发明实施例第二方面提供了一种用于实现上述第一方面所述的对信号灯类型进行预测的处理方法的装置，所述装置包括：获取模块、预处理模块和预测模块；
36.所述获取模块用于在时刻t获取当前时刻的信号灯观测量p
t
，并获取上一时刻t-1的信号灯观测量p
t-1
和信号灯状态量s
t-1
；
37.所述预处理模块用于根据所述信号灯观测量p
t-1
、p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第一转换系数序列集合；并根据所述信号灯状态量s
t-1
和所述信号灯观测量p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第二转换系数序列集合；
38.所述预测模块用于根据所述第一、第二转换系数序列集合对当前时刻的信号灯状态量进行预测生成对应的信号灯状态量s
t
；并根据所述信号灯状态量s
t
对当前时刻的信号灯类型进行预测生成对应的预测信号灯类型。
39.本发明实施例第三方面提供了一种电子设备，包括：存储器、处理器和收发器；
40.所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现上述第一方面所述的方法步骤；
41.所述收发器与所述处理器耦合，由所述处理器控制所述收发器进行消息收发。
42.本发明实施例第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被计算机执行时，使得所述计算机执行上述第一方面所述的方法的指令。
43.本发明实施例提供了一种对信号灯类型进行预测的处理方法、装置、电子设备及计算机可读存储介质；为每个时刻的信号灯定制一对观测量和状态量，并由当前时刻获得的信号灯类型及其对应的类型概率构成当前时刻的观测量，并基于前一时刻的观测量、状态量以及当前时刻的观测量对当前时刻的状态量进行预测，并根据预测出的当前时刻状态量的各信号灯类型的类型概率来确认当前时刻的红绿灯类型。通过本发明，可以达到基于历史数据对图像识别模型输出的识别结果进行修正的目的。
附图说明
44.图1为本发明实施例一提供的一种对信号灯类型进行预测的处理方法示意图；
45.图2为本发明实施例二提供的一种对信号灯类型进行预测的处理装置的模块结构图；
46.图3为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
47.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
48.本发明实施例一提供一种对信号灯类型进行预测的处理方法，如图1为本发明实施例一提供的一种对信号灯类型进行预测的处理方法示意图所示，本方法主要包括如下步骤：
49.步骤1，在时刻t获取当前时刻的信号灯观测量p
t
，并获取上一时刻t-1的信号灯观测量p
t-1
和信号灯状态量s
t-1
；
50.其中，信号灯观测量p
t-1
包括多个第一观测分量p
i,t-1
，第一观测分量p
i,t-1
包括第一信号灯类型a
i,t-1
和对应的第一类型概率r
i,t-1
；m≥i≥1，m为预设的信号灯类型总数；
51.信号灯观测量p
t
包括多个第一观测分量p
i,t
，第一观测分量p
i,t
包括第一信号灯类型a
i,t
和对应的第一类型概率r
i,t
；
52.信号灯状态量s
t-1
包括多个第一状态分量s
i,t-1
，第一状态分量s
i,t-1
包括第二信号灯类型a’i,t-1
和对应的第二类型概率r’i,t-1
；
53.第一信号灯类型a
i,t-1
、a
i,t
和第二信号灯类型a’i,t-1
都包括红灯类型、绿灯类型和黄灯类型。
54.这里，自动驾驶系统在前方出现信号灯时会通过图像识别模型对各个时刻的信号
灯图像进行信号灯类型识别为各个信号灯类型输出对应的识别概率；自动驾驶系统每获得一组信号灯类型和对应的识别概率就会产生对应时刻的信号灯观测量。本发明实施例的信号灯观测量的每个第一观测分量对应一个第一信号灯类型(红灯类型、绿灯类型和黄灯类型)以及该信号灯类型的识别概率即第一类型概率。对应的，本发明实施例为每个时刻还分配了一个信号灯状态量，信号灯状态量的数据结构与信号灯观测量雷同，由多个第一状态分量构成，每个第一状态分量对应一组第二信号灯类型和第二类型概率，只不过每个时刻的信号灯状态量是结合历史数据(上一时刻t-1的信号灯观测量p
t-1
和信号灯状态量s
t-1
)和当前时刻的信号灯观测量预测而来的。
55.例如，信号灯类型总数m为3，信号灯状态量s
t-1
包括3个第一状态分量分别为s
1,t-1
、s
2,t-1
、s
3,t-1
，信号灯观测量p
t-1
包括3个第一观测分量分别为p
1,t-1
、p
2,t-1
、p
3,t-1
，信号灯观测量p
t
包括3个第一观测分量分别为p
1,t
、p
2,t
、p
3,t
；其中，
56.s
1,t-1
对应的第二信号灯类型a’1,t-1
为红灯类型、第二类型概率r’1,t-1
为0.1，s
2,t-1
对应的第二信号灯类型a’2,t-1
为绿灯类型、第二类型概率r’2,t-1
为0.8，s
3,t-1
对应的第二信号灯类型a’3,t-1
为黄灯类型、第二类型概率r’3,t-1
为0.1；
57.p
1,t-1
对应的第一信号灯类型a
1,t-1
为红灯类型、第一类型概率r
1,t-1
为0.1，p
2,t-1
对应的第一信号灯类型a
2,t-1
为绿灯类型、第一类型概率r
2,t-1
为0.8，p
3,t-1
对应的第一信号灯类型a
3,t-1
为黄灯类型、第一类型概率r
3,t-1
为0.1；
58.p
1,t
对应的第一信号灯类型a
1,t
为红灯类型、第一类型概率r
1,t
为0.2，p
2,t
对应的第一信号灯类型a
2,t
为绿灯类型、第一类型概率r
2,t
为0.4，p
3,t
对应的第一信号灯类型a
3,t
为黄灯类型、第一类型概率r
3,t
为0.4。
59.步骤2，根据信号灯观测量p
t-1
、p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第一转换系数序列集合；
60.其中，第一转换系数序列集合包括信号灯类型总数m的第一转换系数序列xi，第一转换系数序列xi包括信号灯类型总数m的第一转换系数a
i,j
；，m≥j≥1；
61.具体包括：步骤21，将信号灯观测量p
t-1
的各个第一类型概率r
i,t-1
记为对应的当前类型概率r
i,t-1
；并将当前类型概率r
i,t-1
对应的第一信号灯类型a
i,t-1
记为对应的当前信号灯类型a
i,t-1
；并将信号灯观测量p
t
中的信号灯类型总数m的第一类型概率r
i,t
记为对应的第一类型概率r
j,t
；
62.例如，当前类型概率r
i,t-1
为第一类型概率r
1,t-1
(0.1)时当前信号灯类型a
i,t-1
即为红灯类型，当前类型概率r
i,t-1
为第一类型概率r
2,t-1
(0.8)时当前信号灯类型a
i,t-1
即为绿灯类型，当前类型概率r
i,t-1
为第一类型概率r
3,t-1
(0.1)时当前信号灯类型a
i,t-1
即为黄灯类型；信号灯观测量p
t
中的3个第一类型概率r
i,t
会被记为对应的第一类型概率r
j＝1,t
(0.2)、r
j＝2,t
(0.4)、r
j＝3,t
(0.4)；
63.步骤22，并对预设的类型转换率列表进行查询，将第一前类型字段与当前信号灯类型a
i,t-1
匹配的信号灯类型总数m的第一记录提取出来组成对应的第一记录集合；并根据第一记录集合中各个第一记录的第一后类型字段和第一类型转换率字段得到对应的第一类型转换率c
i-》j
；
64.其中，类型转换率列表包括多个第一记录；第一记录包括第一前类型字段、第一后类型字段和第一类型转换率字段；第一前类型字段用于存储前一时刻的信号灯类型，第一
后类型字段用于存储后一时刻的信号灯类型，第一类型转换率字段用于存储前后时刻信号灯类型从第一前类型字段转换到第一后类型字段的可能概率；类型转换率列表中第一前类型字段相同的第一记录的总数应为信号灯类型总数m；
65.这里，在实际应用场景中各个信号的信号转换是有一个既定规则的，例如红灯之后是绿灯、绿灯之后是黄灯、黄灯之后是红灯，所以前后时刻的信号灯类型变化概率是可以预先固定的，固定的转换概率通过类型转换率列表保存；
66.例如，类型转换率列表如下表一所示；
67.索引第一前类型字段第一后类型字段第一类型转换率字段1红灯类型红灯类型0.82红灯类型绿灯类型0.23红灯类型黄灯类型04绿灯类型红灯类型05绿灯类型绿灯类型0.86绿灯类型黄灯类型0.27黄灯类型红灯类型0.28黄灯类型绿灯类型09黄灯类型黄灯类型0.8
68.表一
69.当前信号灯类型a
i,t-1
为红灯类型时通过查询类型转换率列表可以得到3个第一类型转换率分别为c
1-》1
(0.8)、c
1-》2
(0.2)、c
1-》3
(0)；当前信号灯类型a
i,t-1
为绿灯类型时通过查询类型转换率列表可以得到3个第一类型转换率分别为c
2-》1
(0)、c
2-》2
(0.8)、c
2-》3
(0.2)；当前信号灯类型a
i,t-1
为黄灯类型时通过查询类型转换率列表可以得到3个第一类型转换率分别为c
3-》1
(0.2)、c
3-》2
(0)、c
3-》3
(0.8)；
70.步骤23，并根据当前类型概率r
i,t-1
以及对应的信号灯类型总数m的第一类型转换率c
i-》j
和信号灯类型总数m的第一类型概率r
j,t
计算生成对应的第一转换系数a
i,j
，a
i,j
＝r
i,t-1
*ci→j+r
j,t
；并由得到的信号灯类型总数m的第一转换系数a
i,j
组成对应的第一转换系数序列xi；
71.例如，当前类型概率r
i,t-1
为第一类型概率r
1,t-1
(0.1)时当前信号灯类型a
i,t-1
为红灯类型，3个第一类型转换率分别为c
1-》1
(0.8)、c
1-》2
(0.2)、c
1-》3
(0)，3个第一类型概率r
i,t
分别为r
j＝1,t
(0.2)、r
j＝2,t
(0.4)、r
j＝3,t
(0.4)；计算得到的3个第一转换系数分别为：a
1,1
＝0.1*0.8+0.2＝0.28，a
1,2
＝0.1*0.2+0.4＝0.42，a
1,3
＝0.1*0+0.4＝0.4；
72.当前类型概率r
i,t-1
为第一类型概率r
2,t-1
(0.8)时当前信号灯类型a
i,t-1
为绿灯类型，3个第一类型转换率分别为c
2-》1
(0)、c
2-》2
(0.8)、c
2-》3
(0.2)，3个第一类型概率r
i,t
分别为r
j＝1,t
(0.2)、r
j＝2,t
(0.4)、r
j＝3,t
(0.4)；计算得到的3个第一转换系数分别为：a
2,1
＝0.8*0+0.2＝0.2，a
2,2
＝0.8*0.8+0.4＝1.04，a
2,3
＝0.8*0.2+0.4＝0.56；
73.当前类型概率r
i,t-1
为第一类型概率r
3,t-1
(0.1)时当前信号灯类型a
i,t-1
为黄灯类型，3个第一类型转换率分别为c
3-》1
(0.2)、c
3-》2
(0)、c
3-》3
(0.8)，3个第一类型概率r
i,t
分别为r
j＝1,t
(0.2)、r
j＝2,t
(0.4)、r
j＝3,t
(0.4)；计算得到的3个第一转换系数分别为：a
3,1
＝0.1*0.2+0.2＝0.22，a
3,2
＝0.1*0+0.4＝0.4，a
2,3
＝0.1*0.8+0.4＝0.48；
74.从而得到的3个第一转换系数序列分别为：
75.x1{a
1,1
(0.28),a
1,2
(0.42),a
1,3
(0.4)},
76.x2{a
2,1
(0.2),a
2,2
(1.04),a
2,3
(0.56)},
77.x3{a
3,1
(0.22),a
3,2
(0.4),a
3,3
(0.48)}；
78.步骤24，并在得到信号灯类型总数m的第一转换系数序列xi时，由所有第一转换系数序列xi组成对应的第一转换系数序列集合。
79.步骤3，根据信号灯状态量s
t-1
和信号灯观测量p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第二转换系数序列集合；
80.其中，第二转换系数序列集合包括信号灯类型总数m的第二转换系数序列x’i
，第二转换系数序列x’i
包括信号灯类型总数m的第二转换系数b
i,j
；
81.具体包括：步骤31，将信号灯状态量s
t-1
的各个第二类型概率r’i,t-1
记为对应的当前类型概率r’i,t-1
；并将当前类型概率r’i,t-1
对应的第二信号灯类型a’i,t-1
记为对应的当前信号灯类型a’i,t-1
；并将信号灯观测量p
t
中的信号灯类型总数m的第一类型概率r
i,t
记为对应的第二类型概率r
j,t
；
82.例如，当前类型概率r’i,t-1
为第二类型概率r’1,t-1
(0.1)时当前信号灯类型a’i,t-1
即为红灯类型，当前类型概率r’i,t-1
为第二类型概率r’1,t-1
(0.8)时当前信号灯类型a’i,t-1
即为绿灯类型，当前类型概率r’i,t-1
为第二类型概率r’1,t-1
(0.1)时当前信号灯类型a’i,t-1
即为黄灯类型；信号灯观测量p
t
中的3个第一类型概率r
i,t
会被记为对应的第一类型概率r
j＝1,t
(0.2)、r
j＝2,t
(0.4)、r
j＝3,t
(0.4)；
83.步骤32，并对类型转换率列表进行查询，将第一前类型字段与当前信号灯类型a’i,t-1
匹配的信号灯类型总数m的第一记录提取出来组成对应的第二记录集合；并根据第二记录集合中各个第一记录的第一后类型字段和第一类型转换率字段得到对应的第二类型转换率c’i-》j
；
84.例如，类型转换率列表如前文表一所示；当前信号灯类型a’i,t-1
为红灯类型时通过查询类型转换率列表可以得到3个第二类型转换率分别为c’1-》1
(0.8)、c’2-》2
(0.2)、c’2-》3
(0)；当前信号灯类型a’i,t-1
为绿灯类型时通过查询类型转换率列表可以得到3个第二类型转换率分别为c’2-》1
(0)、c’2-》2
(0.8)、c’2-》3
(0.2)；当前信号灯类型a’i,t-1
为黄灯类型时通过查询类型转换率列表可以得到3个第二类型转换率分别为c’3-》1
(0.2)、c’3-》2
(0)、c’3-》3
(0.8)；
85.步骤33，并根据当前类型概率r’i,t-1
以及对应的信号灯类型总数m的第二类型转换率c’i-》j
和信号灯类型总数m的第二类型概率r
j,t
计算生成对应的第二转换系数b
i,j
，bi
,j
＝r'
i,t-1
*c'i→j+r
j,t
；并由得到的信号灯类型总数m的第二转换系数b
i,j
组成对应的第二转换系数序列x’i
；
86.例如，当前类型概率r’i,t-1
为第二类型概率r’1,t-1
(0.1)时当前信号灯类型a’i,t-1
为红灯类型，3个第二类型转换率分别为c’1-》1
(0.8)、c’2-》2
(0.2)、c’2-》3
(0)，3个第一类型概率r
i,t
分别为r
j＝1,t
(0.2)、r
j＝2,t
(0.4)、r
j＝3,t
(0.4)；计算得到的3个第二转换系数分别为：b
1,1
＝0.1*0.8+0.2＝0.28，b
1,2
＝0.1*0.2+0.4＝0.42，b
1,3
＝0.1*0+0.4＝0.4；
87.当前类型概率r’i,t-1
为第二类型概率r’1,t-1
(0.8)时当前信号灯类型a’i,t-1
为绿灯类型，3个第二类型转换率分别为c’2-》1
(0)、c’2-》2
(0.8)、c’2-》3
(0.2)，3个第一类型概率r
i,t
分别为r
j＝1,t
(0.2)、r
j＝2,t
(0.4)、r
j＝3,t
(0.4)；计算得到的3个第二转换系数分别为：b
2,1
＝0.8*0+0.2＝0.2，b
2,2
＝0.8*0.8+0.4＝1.04，b
2,3
＝0.8*0.2+0.4＝0.56；
88.当前类型概率r’i,t-1
为第二类型概率r’1,t-1
(0.1)时当前信号灯类型a’i,t-1
为黄灯类型，3个第二类型转换率分别为c’2-》1
(0)、c’2-》2
(0.8)、c’2-》3
(0.2)，3个第一类型概率r
i,t
分别为c’3-》1
(0.2)、c’3-》2
(0)、c’3-》3
(0.8)；计算得到的3个第二转换系数分别为：b
3,1
＝0.1*0.2+0.2＝0.22，b
3,2
＝0.1*0+0.4＝0.4，b
2,3
＝0.1*0.8+0.4＝0.48；
89.从而得到的3个第二转换系数序列分别为：
90.x
’1{b
1,1
(0.28),b
1,2
(0.42),b
1,3
(0.4)},
91.x
’2{b
2,1
(0.2),b
2,2
(1.04),b
2,3
(0.56)},
92.x
’3{b
3,1
(0.22),b
3,2
(0.4),b
3,3
(0.48)}；
93.步骤34，并在得到信号灯类型总数m的第二转换系数序列x’i
时，由所有第二转换系数序列x’i
组成对应的第二转换系数序列集合。
94.步骤4，根据第一、第二转换系数序列集合对当前时刻的信号灯状态量进行预测生成对应的信号灯状态量s
t
；
95.具体包括：步骤41，将第一转换系数序列集合转换为形状为m
×
m的二维矩阵记为第一矩阵；
96.其中，第一矩阵包括m
×
m个第一矩阵单元，第一矩阵单元与第一转换系数a
i,j
一一对应；
97.例如，第一转换系数序列集合为：
98.x1{a
1,1
(0.28),a
1,2
(0.42),a
1,3
(0.4)},
99.x2{a
2,1
(0.2),a
2,2
(1.04),a
2,3
(0.56)},
100.x3{a
3,1
(0.22),a
3,2
(0.4),a
3,3
(0.48)}，
101.那么，第一矩阵为
[0102][0103]
步骤42，将第二转换系数序列集合转换为形状为m
×
m的二维矩阵记为第二矩阵；
[0104]
其中，第二矩阵包括m
×
m个第二矩阵单元，第二矩阵单元与第二转换系数b
i,j
一一对应；
[0105]
例如，第二转换系数序列集合为：
[0106]
x
’1{b
1,1
(0.28),b
1,2
(0.42),b
1,3
(0.4)},
[0107]
x
’2{b
2,1
(0.2),b
2,2
(1.04),b
2,3
(0.56)},
[0108]
x
’3{b
3,1
(0.22),b
3,2
(0.4),b
3,3
(0.48)},
[0109]
那么，第二矩阵为
[0110][0111]
步骤43，根据信号灯状态量s
t-1
的各个第二类型概率r’i,t-1
和信号灯观测量p
t
的各个第一类型概率r
i,t
，对第一、第二矩阵进行融合对应的形状为m
×
m的第三矩阵；
[0112]
其中，第三矩阵包括m
×
m个第三矩阵单元，各个第三矩阵单元对应一个第一概率d
i,j
，
[0113]
例如，已知信号灯状态量s
t-1
的3个第二类型概率分别为r’1,t-1
(0.1)、r’2,t-1
(0.8)、r’3,t-1
(0.1)；信号灯观测量p
t
的3个第一类型概率分别为r
1,t
(0.2)、r
2,t
(0.4)、r
2,t
(0.4)；
[0114]
由此可以算出9个第一概率d
i,j
：
[0115][0116][0117][0118][0119][0120][0121][0122][0123][0124]
步骤44，从第三矩阵的每行所述信号灯类型总数m的第一概率d
i,j
中提取最大值作为对应的所述第二类型概率r’i,t
；
[0125]
这里，得到的3个第二类型概率分别为r’1,t
(0.15)、r’2,t
(0.6)、r’3,t
(0.25)；
[0126]
步骤45，复制各个第二信号灯类型a’i,t-1
生成对应的第二信号灯类型a’i,t
；并由各个第二信号灯类型a’i,t
和对应的第二类型概率r’i,t
组成对应的第一状态分量s
i,t
；并由得到的信号灯类型总数m的第一状态分量s
i,t
组成对应的信号灯状态量s
t
；
[0127]
其中，信号灯状态量s
t
包括多个第一状态分量s
i,t
，第一状态分量s
i,t
包括第二信号灯类型a’i,t
和对应的第二类型概率r’i,t
；第二信号灯类型a’i,t
包括红灯类型、绿灯类型和黄灯类型。
[0128]
例如，得到的信号灯状态量s
t
由3个第一状态分量组成分别为s
1,t
、s
2,t
、s
3,t
；第一状态分量s
1,t
中的第二信号灯类型a’1,t
为红灯类型，第二类型概率r’1,t
＝0.15；第一状态分量s
2,t
中的第二信号灯类型a’2,t
为绿灯类型，第二类型概率r’2,t
＝0.6；第一状态分量s
3,t
中的第二信号灯类型a’2,t
为黄灯类型，第二类型概率r’3,t
＝0.25。
[0129]
步骤5，根据信号灯状态量s
t
对当前时刻的信号灯类型进行预测生成对应的预测信号灯类型；
[0130]
其中，预测信号灯类型都包括红灯类型、绿灯类型和黄灯类型；
[0131]
具体包括：将信号灯状态量s
t
中概率值最大的第二类型概率r’i,t
对应的第二信号灯类型a’i,t
作为预测信号灯类型。
[0132]
例如，已知信号灯状态量s
t
由3个第一状态分量组成分别为s
1,t
、s
2,t
、s
3,t
；第一状态分量s
1,t
中的第二信号灯类型a’1,t
为红灯类型，第二类型概率r’1,t
＝0.15；第一状态分量s
2,t
中的第二信号灯类型a’2,t
为绿灯类型，第二类型概率r’2,t
＝0.6；第一状态分量s
3,t
中的第二信号灯类型a’2,t
为黄灯类型，第二类型概率r’3,t
＝0.25；
[0133]
那么，信号灯状态量s
t
中概率值最大的第二类型概率r’i,t
对应的第二信号灯类型a’i,t
就应为具体为0.6的第二类型概率r’2,t
对应的第二信号灯类型a’2,t
；因为第二信号灯类型a’2,t
为绿灯类型，所以预测信号灯类型为绿灯类型。
[0134]
图2为本发明实施例二提供的一种对信号灯类型进行预测的处理装置的模块结构图，该装置为实现前述方法实施例的终端设备或者服务器，也可以为能够使得前述终端设备或者服务器实现前述方法实施例的装置，例如该装置可以是前述终端设备或者服务器的装置或芯片系统。如图2所示，该装置包括：获取模块201、预处理模块202和预测模块203。
[0135]
获取模块201用于在时刻t获取当前时刻的信号灯观测量p
t
，并获取上一时刻t-1的信号灯观测量p
t-1
和信号灯状态量s
t-1
。
[0136]
预处理模块202用于根据信号灯观测量p
t-1
、p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第一转换系数序列集合；并根据信号灯状态量s
t-1
和信号灯观测量p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第二转换系数序列集合。
[0137]
预测模块203用于根据第一、第二转换系数序列集合对当前时刻的信号灯状态量进行预测生成对应的信号灯状态量s
t
；并根据信号灯状态量s
t
对当前时刻的信号灯类型进行预测生成对应的预测信号灯类型。
[0138]
本发明实施例提供的一种对信号灯类型进行预测的处理装置，可以执行上述方法实施例中的方法步骤，其实现原理和技术效果类似，在此不再赘述。
[0139]
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，获取模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
[0140]
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，asic)，或，一个或多个数字信号处理器(digital signal processor，dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array，fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一
起，以片上系统(system-on-a-chip，soc)的形式实现。
[0141]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照前述方法实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路((digital subscriber line，dsl))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
[0142]
图3为本发明实施例三提供的一种电子设备的结构示意图。该电子设备可以为前述的终端设备或者服务器，也可以为与前述终端设备或者服务器连接的实现本发明实施例方法的终端设备或服务器。如图3所示，该电子设备可以包括：处理器301(例如cpu)、存储器302、收发器303；收发器303耦合至处理器301，处理器301控制收发器303的收发动作。存储器302中可以存储各种指令，以用于完成各种处理功能以及实现前述方法实施例描述的处理步骤。优选的，本发明实施例涉及的电子设备还包括：电源304、系统总线305以及通信端口306。系统总线305用于实现元件之间的通信连接。上述通信端口306用于电子设备与其他外设之间进行连接通信。
[0143]
在图3中提到的系统总线305可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该系统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。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(random access memory，ram)，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。
[0144]
上述的处理器可以是通用处理器，包括中央处理器cpu、网络处理器(network processor，np)、图形处理器(graphics processing unit，gpu)等；还可以是数字信号处理器dsp、专用集成电路asic、现场可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0145]
需要说明的是，本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中提供的方法和处理过程。
[0146]
本发明实施例还提供一种运行指令的芯片，该芯片用于执行前述方法实施例描述的处理步骤。
[0147]
本发明实施例提供了一种对信号灯类型进行预测的处理方法、装置、电子设备及计算机可读存储介质；为每个时刻的信号灯定制一对观测量和状态量，并由当前时刻获得
的信号灯类型及其对应的类型概率构成当前时刻的观测量，并基于前一时刻的观测量、状态量以及当前时刻的观测量对当前时刻的状态量进行预测，并根据预测出的当前时刻状态量的各信号灯类型的类型概率来确认当前时刻的红绿灯类型。通过本发明，可以达到基于历史数据对图像识别模型输出的识别结果进行修正的目的。
[0148]
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0149]
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0150]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种对信号灯类型进行预测的处理方法，其特征在于，所述方法包括：在时刻t获取当前时刻的信号灯观测量p
t
，并获取上一时刻t-1的信号灯观测量p
t-1
和信号灯状态量s
t-1
；根据所述信号灯观测量p
t-1
、p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第一转换系数序列集合；根据所述信号灯状态量s
t-1
和所述信号灯观测量p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第二转换系数序列集合；根据所述第一、第二转换系数序列集合对当前时刻的信号灯状态量进行预测生成对应的信号灯状态量s
t
；根据所述信号灯状态量s
t
对当前时刻的信号灯类型进行预测生成对应的预测信号灯类型。2.根据权利要求1所述的对信号灯类型进行预测的处理方法，其特征在于，所述信号灯观测量p
t-1
包括多个第一观测分量p
i,t-1
，所述第一观测分量p
i,t-1
包括第一信号灯类型a
i,t-1
和对应的第一类型概率r
i,t-1
；m≥i≥1，m为预设的信号灯类型总数；所述信号灯观测量p
t
包括多个第一观测分量p
i,t
，所述第一观测分量p
i,t
包括第一信号灯类型a
i,t
和对应的第一类型概率r
i,t
；所述信号灯状态量s
t-1
包括多个第一状态分量s
i,t-1
，所述第一状态分量s
i,t-1
包括第二信号灯类型a’i,t-1
和对应的第二类型概率r’i,t-1
；所述信号灯状态量s
t
包括多个第一状态分量s
i,t
，所述第一状态分量s
i,t
包括第二信号灯类型a’i,t
和对应的第二类型概率r’i,t
；所述第一转换系数序列集合包括所述信号灯类型总数m的第一转换系数序列x
i
，所述第一转换系数序列x
i
包括所述信号灯类型总数m的第一转换系数a
i,j
；，m≥j≥1；所述第二转换系数序列集合包括所述信号灯类型总数m的第二转换系数序列x’i
，所述第二转换系数序列x’i
包括所述信号灯类型总数m的第二转换系数b
i,j
。3.根据权利要求2所述的对信号灯类型进行预测的处理方法，其特征在于，所述第一信号灯类型a
i,t-1
、a
i,t
，所述第二信号灯类型a’i,t-1
、a’i,t
和所述预测信号灯类型都包括红灯类型、绿灯类型和黄灯类型。4.根据权利要求2所述的对信号灯类型进行预测的处理方法，其特征在于，所述根据所述信号灯观测量p
t-1
、p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第一转换系数序列集合，具体包括：将所述信号灯观测量p
t-1
的各个所述第一类型概率r
i,t-1
记为对应的当前类型概率r
i,t-1
；并将所述当前类型概率r
i,t-1
对应的所述第一信号灯类型a
i,t-1
记为对应的当前信号灯类型a
i,t-1
；并将所述信号灯观测量p
t
中的所述信号灯类型总数m的所述第一类型概率r
i,t
记为对应的第一类型概率r
j,t
；并对预设的类型转换率列表进行查询，将第一前类型字段与所述当前信号灯类型a
i,t-1
匹配的所述信号灯类型总数m的第一记录提取出来组成对应的第一记录集合；并根据所述第一记录集合中各个所述第一记录的第一后类型字段和第一类型转换率字段得到对应的第一类型转换率c
i->j
；所述类型转换率列表包括多个所述第一记录；所述第一记录包括所述第一前类型字段、所述第一后类型字段和所述第一类型转换率字段；所述第一前类型字
段用于存储前一时刻的信号灯类型，所述第一后类型字段用于存储后一时刻的信号灯类型，所述第一类型转换率字段用于存储前后时刻信号灯类型从所述第一前类型字段转换到所述第一后类型字段的可能概率；所述类型转换率列表中所述第一前类型字段相同的所述第一记录的总数应为所述信号灯类型总数m；并根据所述当前类型概率r
i,t-1
以及对应的所述信号灯类型总数m的所述第一类型转换率c
i->j
和所述信号灯类型总数m的所述第一类型概率r
j,t
计算生成对应的所述第一转换系数a
i,j
，a
i,j
＝r
i,t-1
*c
i
→
j
+r
j,t
；并由得到的所述信号灯类型总数m的所述第一转换系数a
i,j
组成对应的所述第一转换系数序列x
i
；并在得到所述信号灯类型总数m的所述第一转换系数序列x
i
时，由所有所述第一转换系数序列x
i
组成对应的所述第一转换系数序列集合。5.根据权利要求4所述的对信号灯类型进行预测的处理方法，其特征在于，所述根据所述信号灯状态量s
t-1
和所述信号灯观测量p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第二转换系数序列集合，具体包括：将所述信号灯状态量s
t-1
的各个所述第二类型概率r’i,t-1
记为对应的当前类型概率r’i,t-1
；并将所述当前类型概率r’i,t-1
对应的所述第二信号灯类型a’i,t-1
记为对应的当前信号灯类型a’i,t-1
；并将所述信号灯观测量p
t
中的所述信号灯类型总数m的所述第一类型概率r
i,t
记为对应的第二类型概率r
j,t
；并对所述类型转换率列表进行查询，将所述第一前类型字段与所述当前信号灯类型a’i,t-1
匹配的所述信号灯类型总数m的所述第一记录提取出来组成对应的第二记录集合；并根据所述第二记录集合中各个所述第一记录的所述第一后类型字段和所述第一类型转换率字段得到对应的第二类型转换率c’i->j
；并根据所述当前类型概率r’i,t-1
以及对应的所述信号灯类型总数m的所述第二类型转换率c’i->j
和所述信号灯类型总数m的所述第二类型概率r
j,t
计算生成对应的所述第二转换系数b
i,j
，b
i,j
＝r’i,t-1
*c’i
→
j
+r
j,t
；并由得到的所述信号灯类型总数m的所述第二转换系数b
i,j
组成对应的所述第二转换系数序列x’i
；并在得到所述信号灯类型总数m的所述第二转换系数序列x’i
时，由所有所述第二转换系数序列x’i
组成对应的所述第二转换系数序列集合。6.根据权利要求5所述的对信号灯类型进行预测的处理方法，其特征在于，所述根据所述第一、第二转换系数序列集合对当前时刻的信号灯状态量进行预测生成对应的信号灯状态量s
t
，具体包括：将所述第一转换系数序列集合转换为形状为m
×
m的二维矩阵记为第一矩阵；所述第一矩阵包括m
×
m个第一矩阵单元，所述第一矩阵单元与所述第一转换系数a
i,j
一一对应；将所述第二转换系数序列集合转换为形状为m
×
m的二维矩阵记为第二矩阵；所述第二矩阵包括m
×
m个第二矩阵单元，所述第二矩阵单元与所述第二转换系数b
i,j
一一对应；根据所述信号灯状态量s
t-1
的各个所述第二类型概率r’i,t-1
和所述信号灯观测量p
t
的各个所述第一类型概率r
i,t
，对所述第一、第二矩阵进行融合对应的形状为m
×
m的第三矩阵；所述第三矩阵包括m
×
m个第三矩阵单元，各个所述第三矩阵单元对应一个第一概率d
i,j
，
从所述第三矩阵的每行所述信号灯类型总数m的所述第一概率d
i,j
中提取最大值作为对应的所述第二类型概率r’i,t
；复制各个所述第二信号灯类型a’i,t-1
生成对应的所述第二信号灯类型a’i,t
；并由各个所述第二信号灯类型a’i,t
和对应的所述第二类型概率r’i,t
组成对应的所述第一状态分量s
i,t
；并由得到的所述信号灯类型总数m的所述第一状态分量s
i,t
组成对应的所述信号灯状态量s
t
。7.根据权利要求2所述的对信号灯类型进行预测的处理方法，其特征在于，所述根据所述信号灯状态量s
t
对当前时刻的信号灯类型进行预测生成对应的预测信号灯类型，具体包括：将所述信号灯状态量s
t
中概率值最大的所述第二类型概率r’i,t
对应的所述第二信号灯类型a’i,t
作为所述预测信号灯类型。8.一种用于执行权利要求1-7任一项所述的对信号灯类型进行预测的处理方法的装置，其特征在于，所述装置包括：获取模块、预处理模块和预测模块；所述获取模块用于在时刻t获取当前时刻的信号灯观测量p
t
，并获取上一时刻t-1的信号灯观测量p
t-1
和信号灯状态量s
t-1
；所述预处理模块用于根据所述信号灯观测量p
t-1
、p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第一转换系数序列集合；并根据所述信号灯状态量s
t-1
和所述信号灯观测量p
t
对当前时刻的信号灯类型转换系数进行估计生对应的第二转换系数序列集合；所述预测模块用于根据所述第一、第二转换系数序列集合对当前时刻的信号灯状态量进行预测生成对应的信号灯状态量s
t
；并根据所述信号灯状态量s
t
对当前时刻的信号灯类型进行预测生成对应的预测信号灯类型。9.一种电子设备，其特征在于，包括：存储器、处理器和收发器；所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现权利要求1-7任一项所述的方法步骤；所述收发器与所述处理器耦合，由所述处理器控制所述收发器进行消息收发。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被计算机执行时，使得所述计算机执行权利要求1-7任一项所述的方法的指令。

技术总结

本发明实施例涉及一种对信号灯类型进行预测的处理方法和装置，所述方法包括：获取信号灯观测量P

技术研发人员：

翟唯钧

受保护的技术使用者：

苏州轻棹科技有限公司

技术研发日：

2022.10.21

技术公布日：

2022/12/23