路灯是为道路提供照明功能的灯具,它可改善交通条件,减轻驾驶员疲劳,有利于提高道路通行能力和保证交通安全,还可美化市容,在城镇道路以及高速公路上得到广泛使用。随着使用年限的增加,工业尾气、自然污染物会附着在路灯表面,造成路灯的透光性降低,影响交通安全。由于路灯悬空高度高,人工清洗方式费时费力、且存在人员安全问题。因此,迫切需要开发机械化的路灯清洗装置,同时对路灯进行识别和定位,获取路灯的位置信息,进而实现路灯自动化清洗,对延长路灯使用寿命和节约养护费用具有重要意义。分析了路灯清洗的工况要求,提出了直臂式的路灯清洗车清洗方案,并针对路灯的准确识别和定位的关键问题,确定了路灯检测的参数指标,提出了基于camera和Lidar的路灯识别和定位的检测方法。为实现路灯的识别问题,构建了路灯识别系统。采用人工收集数据集的方式建立了不同光照和环境条件下的路灯数据集。针对路灯的特征,提出了基于摄像头和深度学习的检测方法,分别以样本集的80%和20%作为训练集和测试集,采用YOLOV2和Faster R-CNN两种模型进行迁移学习,对比结果表明YOLOV2模型精度最高,模型识别精度指标F1、Precision和Recall分别达到了89%、96.2%和91%,可实现相机范围内的路灯检测,符合清洗车检测要求。为了验证所提模型的有效性,在PRESCAN平台构建了不同背景、天气和光照条件下的仿真环境,并在MATLAB/Simulink里构建了路灯的识别程序,仿真实验表明在不同的实验条件下,所提出的深度学习模型能够在阴天、不同背景下实现路灯的有效识别。为实现路灯相对于清洗车的角度和方位的准确识别,采用Lidar传感器进行路灯位置检测。在PRESCAN软件利用Lidar传感器进行路灯相对于车体的距离与方位的仿真实验,并通过仿真模型进行验证,结果表明,采用Lidar传感器能有效获得路灯的角度和距离信息。