过马路是参与交通路权的重要交通场景之一。车辆驾驶员和行人之前通常使用非语言交流来相互判断协商人行横道是否可以通行，而没有驾驶员的自动驾驶汽车很难将车辆的驾驶意图传达给十字路口的行人，这可能会使行人和其他道路使用者的安全性降低。
解决自动驾驶汽车准确识别红绿灯的问题对于所有车辆安全都至关重要，与人类驾驶的汽车不同，自动驾驶汽车仅依靠其计算机视觉系统及导航数据来识别红绿灯。
目前，最好的自动驾驶辅助系统每隔数万小时就会出现对环境感知的偏差，如果对红绿灯感知错误，乘客与行人都将处于危险中。下面从三个角度来看自动驾驶汽车的红绿灯问题。
1. 红绿灯告诉道路使用者什么时候停下来，但只有在每个人都遵守规则的情况下才会起作用。
红绿灯通过计时模式指挥交通，自动驾驶车辆可通过学习知晓交通规则，但在真实道路场景中，往往会出现很多突发事件，如道路上行人及非机动车辆闯红灯、其他机动车辆在绿灯时没有正常行进等问题，正因没有物理障碍迫使道路使用者遵守交通信号，使得道路行驶不确定性因素提高，加大自动驾驶落地的难度。
因此，现阶段自动驾驶汽车应具备的基础能力便是学会准确识别信号灯变化，遵守交通规则出行，而确保自动驾驶汽车学习正确的规则需要一系列驾驶场景的高质量训练数据来支撑。
2.红绿灯对开发视觉系统及算法团队的挑战。
识别红绿灯并不能依靠距离检测完成，因此，自动驾驶汽车不能使用雷达来导航交通信号，必须完全依靠计算机视觉系统来了解何时停止和离开。
这无疑给研发视觉系统及算法的团队增大了难度，因为交通信号灯的能见度可能会根据天气条件(如明亮的阳光、雨、雪或雾)而变化。诸如点头或手势之类的沟通可帮助人类驾驶员处理低能见度或没有交通信号灯的情况，但自动驾驶汽车无法记录这些来补充视觉信息，且并非所有的十字路口都有红绿灯，因此，如果自动驾驶汽车没有检测到红绿灯，原因很可能来自多方面，机器学习和计算机视觉工程师必须就此类场景对自动驾驶进行持续训练。
3. 库存数据集不足以帮助自动驾驶汽车安全地通过红绿灯。
数据是汽车不断增强识别能力和判断能力的基础，也是发展自动驾驶技术的关键。自动驾驶技术需要大规模的数据训练其自动驾驶能力，教会汽车认知驾驶环境，正确驾驶，其对数据质量要求高且种类繁多，而库存数据集无法涵盖所有用例。
据悉，每个 ADAS 功能大约需10,000至100,000张图像。由于自动驾驶汽车数据采集通常来自特定摄像头或传感器，通用库存数据不足以帮助自动驾驶汽车安全地通过交通信号灯。因此，需要使用持续的优质训练数据来不断更新模型。
曼孚科技作为数据服务头部企业，深刻理解智能驾驶场景数据需求，在数据标注方面，曼孚科技始终致力于为AI企业提供高质量、场景化训练数据集，凭借从战略到技术落地的一站式通用AI解决方案，全面覆盖数据层至算法层，辅助自动驾驶技术在复杂多样的环境下更好地感知实际道路、车辆位置和障碍物信息等，实时感知驾驶风险，赋能行业数字化与智能化。
,
