在自动驾驶技术中，红绿灯的识别堪称一大挑战。与行人、限速牌等其他物体相比，红绿灯的识别不仅涉及视觉识别，更涉及后续的决策制定。
首先，由于雷达无法捕捉颜色信息，并且红绿灯通常悬挂于较高位置，可能超出雷达的探测范围，因此，红绿灯的识别主要依赖于彩色成像传感器。
其次，红绿灯的体积相对较小，自动驾驶车辆需要在较远距离就能准确识别并预判其状态，以便及时做出行进或停车的决策，这对识别系统的召回率和精度要求极高。
再者，红绿灯的光强通常高于周围环境，特别是在夜间，容易形成光斑或过曝现象，对图像质量的要求极为严格。因此，需要对夜间成像进行专门的优化，以确保红绿灯的稳定识别。
此外，识别红绿灯后如何做出决策也是一个难题。在我国，红绿灯与路口的对应关系并无统一标准。在大多数情况下，一个路口对应一个红绿灯的识别相对简单。
然而，当遇到如图所示的一个路口对应多个红绿灯的情况时，人类通常依靠经验判断哪个红绿灯适用于本车道，这种判断缺乏明确的规则。因此，自动驾驶算法在根据红绿灯检测和识别结果做出准确的启停判断时面临巨大挑战。
目前，利用传感器识别红绿灯的颜色和形状主要依赖神经网络，这也是效果最佳的方法之一。整个过程大致可分为三个步骤：收集大量红绿灯样本并训练神经网络识别其位置；通过梯度下降法将位置信息编码为神经网络参数；最后，利用这些参数检测新的红绿灯目标。
然而，这种检测方法对算法的要求极高，计算量和复杂度都相当大。通常，红绿灯的检测会与其他交通标志的识别一并进行。
另一种检测红绿灯的方法是依靠V2X技术。理论上，V2X能够解决所有问题，但它高度依赖于社会基础设施的发展程度。由于基础设施建设受社会发展水平制约，因此在当前阶段，V2X技术虽然理论上可行，但实施成本极高。
在L3级别及以上的自动驾驶中，红绿灯检测是一项不可或缺的功能，主要用于交通路口的自动启停和十字路口的刹车等。要让算法的决策能力达到人类水平，仍需付出大量努力。
MINIEYE的更多观点：
机器视觉算法如何精确识别障碍物？各国强制新车安装自动刹车系统的举措，您如何看待？自动驾驶技术为何需要采用多种传感器？自动驾驶汽车如何有效识别红绿灯？
全部评论 （0）