1.一种用于无人驾驶车辆的交通信号灯检测方法，其特征在于，所述车辆中安装有包含主摄像头和从摄像头的相机，所述主摄像头的焦距小于所述从摄像头的焦距，所述主摄像头的像素小于所述从摄像头的像素；所述方法包括：调用所述主摄像头采集主图像，确定所述主图像中包括的第一信号灯区域的第一位置信息，并确定待比较尺度是否小于预设阈值；所述第一位置信息包括所述第一信号灯区域的中心点坐标、所述第一信号灯区域的宽度值、以及所述第一信号灯区域的高度值，所述待比较尺度为所述宽度值和所述高度值中的较小值；

当所述待比较尺度不小于所述预设阈值时，将所述主图像作为目标图像；

当所述待比较尺寸小于所述预设阈值时，调用所述从摄像头采集从图像，根据所述主图像中第一信号灯区域的第一位置信息，确定所述从图像中第二信号灯区域的第二位置信息，并在所述从图像中所述第二信号灯区域检测到信号灯时，将所述从图像作为目标图像；

所述第二位置信息包括所述第二信号灯区域的中心点坐标、所述第二信号灯区域的宽度值、以及所述第二信号灯区域的高度值；

将所述目标图像输入预先训练得到的天气类别识别网络中，得到所述目标图像对应的天气类别；所述天气类别识别网络是根据各第一样本图像，以及所述各第一样本图像对应的天气类别训练得到的；

当所述目标图像对应的天气类别为正常天气时，对所述目标图像进行信号灯检测；

当所述目标图像对应的天气类别为非正常天气时，将所述目标图像输入预先训练得到的深度卷积神经网络中，得到对所述目标图像进行增强复原后的增强图像，并对所述增强图像进行信号灯检测；所述深度卷积神经网络是根据各第二样本图像对训练得到的，每个所述第二样本图像对均包括正常天气时采集的正样本图像以及非正常天气时采集的负样本图像。

2.根据权利要求1所述的用于无人驾驶车辆的交通信号灯检测方法，其特征在于，所述天气类别识别网络的训练过程包括：构建初始卷积神经网络；

获取各第一样本图像，并标注所述各第一样本图像对应的天气类别；所述各第一样本图像对应的天气类别包括正常天气和非正常天气；

将所述各第一样本图像和对应的天气类别输入所述初始卷积神经网络，当所述初始卷积神经网络识别出各第一样本图像的天气类别，与对应各第一样本标注的天气类别相匹配的数量大于预设数量阈值时，将当前的初始卷积神经网络作为所述天气类别识别网络。

3.根据权利要求1所述的用于无人驾驶车辆的交通信号灯检测方法，其特征在于，所述深度卷积神经网络的训练过程包括：构建初始深度卷积神经网络；所述初始深度卷积神经网络包括卷积层、反卷积层和池化层；

获取各第二样本图像对，每个所述第二样本图像对均包括正常天气时采集的正样本图像以及非正常天气时采集的负样本图像；

将所述各第二样本图像对输入所述初始深度卷积神经网络，所述初始深度卷积神经网络对所述各负样本图像进行增强复原得到增强样本图像，当各所述增强样本图像和对应的正样本图像之间的欧式距离最小时，将当前的初始深度卷积神经网络作为所述深度卷积神经网络。

4.根据权利要求3所述的用于无人驾驶车辆的交通信号灯检测方法，其特征在于，所述欧式距离为：其中，为所述增强样本图像的像素值，为所述正样本图像的像素值，N为像素总数。

5.根据权利要求3所述的用于无人驾驶车辆的交通信号灯检测方法，其特征在于，所述将所述各第二样本图像对输入所述初始深度卷积神经网络之前，所述方法还包括：针对每个正样本图像和负样本图像，将该样本图像中每个点的像素值作以下变换，得到变换后正样本图像和变换后负样本图像：x=x1/255

x1为所述正样本图像和负样本图像中每个点的像素值，x为变换后正样本图像和变换后负样本图像中每个点的像素值。

6.根据权利要求1所述的用于无人驾驶车辆的交通信号灯检测方法，其特征在于，所述根据所述主图像中第一信号灯区域的第一位置信息，确定所述从图像中第二信号灯区域的第二位置信息的步骤包括：当所述第一信号灯区域的中心点坐标为（x，y），所述第一信号灯区域的宽度值为w，所述第一信号灯区域的高度值为h时，确定所述第二信号灯区域的中心点坐标为（x-10*w, y-

10*h），所述第二信号灯区域的宽度值为20*w, 所述第二信号灯区域的高度值为20*h。

7.一种用于无人驾驶车辆的交通信号灯检测系统，其特征在于，所述车辆中安装有包含主摄像头和从摄像头的相机，所述主摄像头的焦距小于所述从摄像头的焦距，所述主摄像头的像素小于所述从摄像头的像素；所述系统包括：主图像采集模块，用于调用所述主摄像头采集主图像，确定所述主图像中包括的第一信号灯区域的第一位置信息，并确定待比较尺度是否小于预设阈值；所述第一位置信息包括所述第一信号灯区域的中心点坐标、所述第一信号灯区域的宽度值、以及所述第一信号灯区域的高度值，所述待比较尺度为所述宽度值和所述高度值中的较小值；

第一目标图像确定模块，用于当所述待比较尺度不小于所述预设阈值时，将所述主图像作为目标图像；

第二目标图像确定模块，用于当所述待比较尺寸小于所述预设阈值时，调用所述从摄像头采集从图像，根据所述主图像中第一信号灯区域的第一位置信息，确定所述从图像中第二信号灯区域的第二位置信息，并在所述从图像中所述第二信号灯区域检测到信号灯时，将所述从图像作为目标图像；所述第二位置信息包括所述第二信号灯区域的中心点坐标、所述第二信号灯区域的宽度值、以及所述第二信号灯区域的高度值；

天气类别确定模块，用于将所述目标图像输入预先训练得到的天气类别识别网络中，得到所述目标图像对应的天气类别；所述天气类别识别网络是根据各第一样本图像，以及所述各第一样本图像对应的天气类别训练得到的；

信号灯检测模块，用于当所述目标图像对应的天气类别为正常天气时，对所述目标图像进行信号灯检测；

图像增强模块，用于当所述目标图像对应的天气类别为非正常天气时，将所述目标图像输入预先训练得到的深度卷积神经网络中，得到对所述目标图像进行增强复原后的增强图像，并对所述增强图像进行信号灯检测；所述深度卷积神经网络是根据各第二样本图像对训练得到的，每个所述第二样本图像对均包括正常天气时采集的正样本图像以及非正常天气时采集的负样本图像。

8.根据权利要求7所述的用于无人驾驶车辆的交通信号灯检测系统，其特征在于，所述系统还包括：网络构建模块，用于构建初始卷积神经网络；

第一样本图像获取模块，用于获取各第一样本图像，并标注所述各第一样本图像对应的天气类别；所述各第一样本图像对应的天气类别包括正常天气和非正常天气；

天气类别识别网络训练模块，用于将所述各第一样本图像和对应的天气类别输入所述初始卷积神经网络，当所述初始卷积神经网络识别出各第一样本图像的天气类别，与对应各第一样本标注的天气类别相匹配的数量大于预设数量阈值时，将当前的初始卷积神经网络作为所述天气类别识别网络。

9.根据权利要求7所述的用于无人驾驶车辆的交通信号灯检测系统，其特征在于，所述系统还包括：深度网络构建模块，用于构建初始深度卷积神经网络；所述初始深度卷积神经网络包括卷积层、反卷积层和池化层；

第二样本图像对获取模块，用于获取各第二样本图像对，每个所述第二样本图像对均包括正常天气时采集的正样本图像以及非正常天气时采集的负样本图像；

深度卷积神经网络训练模块，用于将所述各第二样本图像对输入所述初始深度卷积神经网络，所述初始深度卷积神经网络对所述各负样本图像进行增强复原得到增强样本图像，当各所述增强样本图像和对应的正样本图像之间的欧式距离最小时，将当前的初始深度卷积神经网络作为所述深度卷积神经网络。

10.根据权利要求9所述的用于无人驾驶车辆的交通信号灯检测系统，其特征在于，所述欧式距离为：其中，为所述增强样本图像的像素值，为所述正样本图像的像素值，N为像素总数。