[首發(fā)于智駕最前沿微信公眾號]只要汽車在道路上行駛，無疑會遇到一個場景，那就是在路口遇到紅綠燈時，根據(jù)紅綠燈的情況及時停車或繼續(xù)行駛。這一看似簡單的駕駛動作，對于人類駕駛員來說，是非常自然的一件事，很多老司機(jī)憑借視覺和經(jīng)驗，可以快速判斷紅綠燈的情況。

這一簡單的場景對于自動駕駛汽車來說，卻有很多值得討論的地方。雖然只是根據(jù)燈的顏色決定行駛步驟，但紅綠燈識別無疑是自動駕駛系統(tǒng)最基礎(chǔ)、最重要的任務(wù)之一。如果自動駕駛汽車不能準(zhǔn)確判斷信號燈狀態(tài)，就無法安全地在城市道路上通行，這將直接關(guān)系到車輛的安全性和通過能力。

圖片源自：網(wǎng)絡(luò)

自動駕駛的核心任務(wù)就是在沒有人為干預(yù)的情況下，自己完成感知、決策和控制等動作。紅綠燈屬于“規(guī)則性行為”的典型場景，它是道路上明確、可預(yù)測的交通控制規(guī)則。那自動駕駛汽車是如何識別紅綠燈的？

紅綠燈是怎么被看到的？

自動駕駛汽車識別紅綠燈，最基礎(chǔ)的工具就是攝像頭。自動駕駛汽車上安裝的車載攝像頭，就像是人的眼睛，可以從不同角度不停獲取周圍環(huán)境的畫面。在這些視頻流里面，系統(tǒng)只有做到知道紅綠燈是什么、在哪里、當(dāng)前狀態(tài)是怎么變的等信息，才可以準(zhǔn)確地識別紅綠燈。

圖片源自：網(wǎng)絡(luò)

自動駕駛汽車最早識別紅綠燈的方法來自計算機(jī)視覺的經(jīng)典思路，即基于顏色和形狀的檢測。具體做法是先分析圖像中的顏色分布和幾何特征，把可能包含燈組的候選區(qū)域找出來，然后判斷這些區(qū)域是紅、黃還是綠。傳統(tǒng)算法一般用顏色分割和邊緣檢測來篩選候選區(qū)域，再通過模板匹配或手工提取的特征來確認(rèn)它是否是信號燈，最后確定燈的當(dāng)前狀態(tài)。

隨著自動駕駛技術(shù)的不斷發(fā)展，深度學(xué)習(xí)進(jìn)一步提升了紅綠燈識別的準(zhǔn)確性與魯棒性。深度學(xué)習(xí)模型可以從大量標(biāo)注數(shù)據(jù)中學(xué)習(xí)什么樣的圖像是紅綠燈、它在不同環(huán)境光照、不同距離或部分遮擋下是什么樣子，然后自動輸出檢測結(jié)果。這類神經(jīng)網(wǎng)絡(luò)模型相比傳統(tǒng)方法對復(fù)雜場景更具適應(yīng)性，因此在自動駕駛感知里被大量使用。

實際上，已經(jīng)有專門針對交通信號燈檢測優(yōu)化的網(wǎng)絡(luò)模型，用于實時識別和分類紅綠燈的燈狀態(tài)。這些模型會結(jié)合多個時間幀進(jìn)行處理，而不是僅分析單幀圖像，這樣可以利用時間連續(xù)性提高紅綠燈識別的穩(wěn)定性和準(zhǔn)確率。

不只是相機(jī)，多種感知協(xié)同更穩(wěn)妥

雖然攝像頭是識別信號燈的主要傳感器之一，但自動駕駛汽車的“眼睛”其實不止一個。為了提升準(zhǔn)確性和可靠性，系統(tǒng)會把攝像頭識別結(jié)果與其他傳感器的信息融合一起判斷。

圖片源自：網(wǎng)絡(luò)

一個典型的組合就是攝像頭+高精度地圖（HDMap）。高精度地圖會提前記錄路口的位置、信號燈的位置甚至一些配時信息。在自動駕駛系統(tǒng)里，當(dāng)車靠近某個地點時，它就已經(jīng)知道這個路口有紅綠燈，這樣可以幫助感知系統(tǒng)減少盲區(qū)和誤檢。對于攝像頭來說，它不再是“無目的地找信號燈”，而是可以提前知道紅綠燈的大致位置和可能的狀態(tài)。這樣配合起來，車輛的識別準(zhǔn)確率會得到明顯提升。

還有一些自動駕駛方案會用到激光雷達(dá)（Lidar）數(shù)據(jù)。雖然雷達(dá)無法直接識別顏色，但它可以幫助確認(rèn)信號燈的位置和空間關(guān)系，比如可以判斷信號燈是否被其他物體局部遮擋，或者測量燈距離車輛的精確距離。這些信息交給融合算法一起判斷，就能進(jìn)一步提高自動駕駛系統(tǒng)整體感知的穩(wěn)定性。

識別之后怎么讓車輛準(zhǔn)確執(zhí)行

對于自動駕駛汽車來說，識別出信號燈才是第一步，下一步是讓車輛做出正確的決策。自動駕駛系統(tǒng)的決策模塊需要根據(jù)識別結(jié)果和當(dāng)前車速、路況、地圖信息綜合判斷下一步動作。

大家在開車時應(yīng)該可以發(fā)現(xiàn)，很多路口的紅綠燈并不統(tǒng)一，有些路口有單獨的右轉(zhuǎn)向指示燈，有些路口有單獨的左轉(zhuǎn)向指示燈。自動駕駛系統(tǒng)不僅要準(zhǔn)確識別出這些燈的位置及狀態(tài)，更要正確理解指示燈的含義，從而為決策模塊提供準(zhǔn)確的數(shù)據(jù)。譬如在遇到有單獨的右轉(zhuǎn)指示燈的路口，一定要先辨別右轉(zhuǎn)指示燈的狀態(tài)，再決定是否要右轉(zhuǎn)，而不能盲目地直接執(zhí)行右轉(zhuǎn)操作。

圖片源自：網(wǎng)絡(luò)

當(dāng)然，在真實的交通環(huán)境中，并不是所有的路口都是非常理想的狀態(tài)，會出現(xiàn)一系列的干擾。在日出、日落時，紅綠燈可能會被強(qiáng)光“淹沒”，識別變得模糊。晚上雨天波光反射也會干擾傳感器判斷。為了應(yīng)對這種情況，自動駕駛系統(tǒng)需提前學(xué)會各種路況下的紅綠燈狀態(tài)，從而提前適應(yīng)復(fù)雜場景。

很多車主在開車時一定遇到過大型卡車停在前面擋住信號燈，或是背景中出現(xiàn)類似紅綠燈光源干擾的情況，對于自動駕駛汽車而言，這類場景一定會遇到。對于這些場景，自動駕駛系統(tǒng)可通過利用時間連續(xù)性（如結(jié)合前幾幀與當(dāng)前幀的信號狀態(tài)一致性）、車輛自身的精確定位信息，以及高精度地圖數(shù)據(jù)等多維度信息進(jìn)行判斷，從而全面提升信號燈識別的魯棒性與可靠性。

不僅是實時感知還有預(yù)測

對于自動駕駛系統(tǒng)來說，紅綠燈識別不僅僅是拍到信號燈之后判斷顏色，其中還會涉及預(yù)測信號燈變化趨勢。在接近路口時，只有做好紅綠燈的變化趨勢，才可以讓行駛的過程更加平順，從而不會出現(xiàn)急剎或急起的情況，影響乘客的乘坐體驗。

正如前文所說，自動駕駛系統(tǒng)除了純粹的視覺識別，還會融合來自高精地圖或城市交通信號系統(tǒng)的數(shù)據(jù)。如果車輛能提前知道下一階段燈的狀態(tài)和剩余時間，它的行為會更加平順和安全。很多我們常使用的導(dǎo)航系統(tǒng)實現(xiàn)的紅綠燈倒計時，就是使用的這種思路，只不過在自動駕駛里需要更高的精度和更低的延遲。

圖片源自：網(wǎng)絡(luò)

現(xiàn)在，還有一些先進(jìn)的自動駕駛方案正進(jìn)一步引入基于機(jī)器學(xué)習(xí)的預(yù)測能力。通過分析歷史車輛通行數(shù)據(jù)與實時交通流信息，系統(tǒng)可以訓(xùn)練模型來預(yù)測信號燈在下一個周期的可能變化。這種前瞻性的預(yù)測策略，能顯著提升自動駕駛車輛的車速控制平順性、通行效率，并為更安全、合理的軌跡規(guī)劃提供關(guān)鍵決策依據(jù)。

最后的話

紅綠燈識別這個看似細(xì)小的能力，其實能看出自動駕駛技術(shù)走到哪一步。它不只是“看清一個燈是什么顏色”，而是考驗系統(tǒng)能否在不確定、復(fù)雜、甚至互相矛盾的信息中，始終做出最保守、最安全的判斷。也正因為如此，紅綠燈識別始終是自動駕駛安全能力的試金石，它逼著技術(shù)從“能用”走向“可信”，從單點智能走向系統(tǒng)級可靠。