解决自动驾驶汽车准确识别交通信号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交通信号灯。
交通信号灯识别是实现城区自动驾驶能力最为关键的一环，现实世界的交通信号灯的位置、朝向并无规律可言，想在图像中找到随机悬挂在路口的交通信号灯却并不是一件容易的事情。那么交通信号灯识别究竟有哪些难点，我们又有哪些技术方案能够实现交通信号灯检测呢？
交通信号灯识别的技术难点
1、小物体检测
交通信号灯检测属于小物体检测问题，在一副图像上所占的像素比极小，并且不同于车辆，行人的检测，交通信号灯所能提取的特征有限，基本上是颜色特征，这个对设计神经网络的特征提取提出极大的挑战。还需从其它角度考虑，如交通信号灯的位置始终在高处，交通信号灯的时序信息等去判断。
另外对于相机的选型也有要求，选择FOV（field Of View，视野）小的，聚焦功能好，所检测的距离远，但视野范围小；选择FOV大的，视野范围大，但检测距离近，所以可能会配合两个甚至多个不同FOV大小的相机来检测交通信号灯，这又会涉及到多个相机融合的难点问题。
2、交通信号灯实时变化
虽然跟交通标志牌类似，都属于静态物体检测，但交通信号灯的状态是实时发生变化的，这提升了检测的难度。此外，在不同光照条件下，红灯和黄灯的相似度很接近，甚至人眼都难以区分，只能根据灯的位置信息来区分。
另外，不同地区的交通信号灯设计方式，展现形式不一样，如天津地区的条形展现形式，这就对交通信号灯的数据采集提出更多的挑战，要覆盖更多场景，增加了采集成本，同时对检测网络提出了更高的要求，具备更强的泛化性。
3、交通信号灯倒计时
交通信号灯还会有倒计时的问题，在检测到交通信号灯状态的同时，对数字的倒计时同样需要进行检测。此外同一个交叉路口，存在多个不同状态下的交通信号灯，对这么多类型的交通信号灯检测，就算是人可能也没办法区分清楚，需要配合一定的经验。而对于机器来说，它需要的是短时间能做出判断，难度极大。
4、交通信号灯漏检与误检
仅凭感知层面的交通信号灯检测是远远不够的，容易误检、漏检，这对决策规划层有极大的影响，红灯识别成绿灯，继续往前行驶，想想都是很危险的。通过单车智能的方式去感知交通信号灯难度太大，而且不能保证100%的识别成功率，交通信号灯的误识别后果影响很严重，所以智能交通基础设施建设需要及时跟上，包括交通信号灯的智能化、动态道路分配、智能路网设计等；这就需要得到城市政府部门的支持，能够获得城市路网的检测数据，同时对获得到数据的分析能力，高频次的流动车的数据，位置信息，需要极佳的信号灯控制算法及产品才能把优势发挥出来。
