这道题非常有意思。之前一直很好奇，终于有人提出来了。于是，搜了点资料看看，不成专业，姑且给我们这样的智驾小白增添点课外知识。
以下内容来自于Gitee网站的公开分享，其中有一篇特意讲了Apollo识别红绿灯的策略，做个翻译，分享给大家。
题目问，自动驾驶汽车如何「看到」红绿灯？翻译过来就是，自动驾驶如何准确检测且识别红绿灯。
先说红绿灯，我们知道有3种状态：红、黄、绿。
但是，对于机器来说，这样的总结还不够。因为在交通信号灯不工作的情况下，它可能显示黑色，或者闪烁的红灯/黄灯。
那么，机器对交通信号灯的分类至少有5种：红、黄、绿、黑、未知。
再看机器检测到交通信号灯的途径。Apollo搭载有高精地图，高精地图包含有交通信号灯的信息，那么机器至少有了一个预判，知道在某个路口的某个位置，理论上可以检测到交通信号灯。
具体的传感器是什么？摄像头！
但是，仅使用一个固定视野的摄像头是不够的，因为交通信号灯的高度以及十字路口的宽度变化很大，有可能没有进入摄像头的视野。
所以，Apollo使用了两个摄像头来扩大感知的视野：
第1个是焦距为25mm的长焦镜头，拍摄到的信号灯比较大，容易被识别到，但视野太窄。如果车道不够直，或者车辆离信号灯太近，那么，信号灯都有可能出现在视野之外。
第2个是焦距为6mm的广角镜头，主要对视野进行补充。
PS：这两个摄像头互为冗余，但具体到某一时刻只能以两者之一为主。策略模块会自适应地做出最优选择，至少，在应该检测出信号灯的路口，不因视野问题而检测不出。
检测问题解决之后，机器将会进入算法流程，主要描述为两个阶段：1、预处理阶段；2、处理阶段。
预处理阶段包括有：红绿灯投影、相机选择、图片信息及缓存同步；
处理阶段包括有：纠正（确定准确的信号灯边界框）、识别（分辨信号灯的颜色）、修改（根据历史时间顺序修正颜色）。
PS：涉及到算法环节，班门弄斧了，尽可能结合我的理解，通俗地解释一下。
首先明确一个前提：机器没有必要检测每一帧图像，因为信号灯的变化频率比较低，在计算资源有限的情况下，抓住关键图像即可，那么对图像的选择和匹配就很重要了。
1-1 红绿灯投影
在高精地图中，根据车辆定位信息，其实可以找到信号灯的三维坐标。但这些是3D数据，而摄像头拍到的是2D数据，彼此之间需要有一个换算关系。
怎么换算的？不做深入剖析了，主要借助了相机模型和一些标定。
机器有点傻的，它不像我们人一样，从2D图像中，可以直接找出信号灯在哪里。而要曲折地借助3D转2D的换算关系，用一个矩形边界框，在2D图像中把信号灯的位置圈出来。
这就是」红绿灯投影「阶段的输出结果，但这个位置一般圈得比较大，有时候也会圈错，也就是 蓝色矩形框。
1-2 相机选择
我们在开始就提到了，有长焦和广角两个镜头做配合，一般优先选择长焦镜头的输出，因为信号灯显示得更大。
如果长焦镜头没有检测到信号灯，那就需要广角镜头出马了，但是图像里的信号灯显示小一些。
1-3 图片信息及缓存同步
经过这一步，再往下一步走，就到了处理阶段。
主要讲究」删繁就简「，因为识别信号灯与识别障碍物的要求不同。因为信号灯既没有很高的变化频率，也因为对信号灯的识别，主要在颜色变化。
所以，有些不重要的图像可以舍弃掉了。
2-1 纠正（确定准确的信号灯边界框）
预处理之后，机器会得到一张2D图像，被圈出了信号灯的位置，但上文也说了，这个圈可能不准。
为了校准，机器画了一个更大范围的圈（绝不是盲目画，有一些计算在里面）。这个圈被叫做ROI（region of interest，兴趣区域），也就是 黄色矩形圈 。
再之后，画了兴趣区域的2D图像，被放入卷积神经网络中做检测，将会输出一个结果。
2-2 识别（分辨信号灯的颜色）
上文画圈，只是为了确定信号灯的位置。
到了识别这一阶段，就要真正辨别信号灯的颜色了，仍然用到了卷积神经网络。
2-3 修改（根据历史时间顺序修正颜色）
这一阶段，主要对辨别颜色的结果，再做一次修正。
a、如果判断出了红和绿，结果很清楚，那就是红灯、绿灯；
b、如果判断出了黑，那就不一定了。因为有可能不凑巧，就在信号灯闪烁的时候，恰好拍到了黑色的状态，其实这个信号灯并没坏。
那该怎么办？按照历史缓存，看看之前的图像结果是怎样的，要是」连续黑「，那信号灯铁定是坏了；
c、如果判断出了黄，也值得细品。黄灯只出现在」绿灯变红灯「的空隙中，但为了安全期间，直接以红灯作为输出结果；
Apollo识别红绿灯的策略，大体上即是如此。
总结：单车智能识别红绿灯，本质上就是在」猜「，靠不靠谱，就看猜的有多准。
车路协同，是把答案直接告诉所有车，此时亮的什么灯，多久要变灯，一清二楚，该加速还是该减速，车辆会做出准确判断。
车路协同有什么问题吗？太贵了，太仰仗国家投钱砸基建了。那个」三有原则「，有钱、有技术、有决心，缺一不可。
参考文章： https:// gitee.com/ApolloAuto/ap ollo/blob/master/docs/specs/traffic_light.md
