在無人車前面掛個紅燈籠，它會不會一直停在那？請注意，這不是一個為了搞笑的問題，事實上，這樣的事情已經發生過——前不久，北京市交通委主任周正宇在“治堵大家談”的電視節目中提到，“在過年期間，正在路面路測的自動駕駛車輛曾經將街頭的紅燈籠誤認為是紅燈”。
據說因為這個事情，國內某無人車團隊還特意增加對“類紅燈物體”進行了測試。據稱在自動駕駛專案開展初期，現實生活中會對自動駕駛車輛造成混淆的因素很多，如道路前方的落日，飄在半空的紅色塑膠袋、甚至擋風玻璃上粘著的紅色葉子等等。但是隨著其他一些技術的融合，如毫米波雷達、圖形識別，還有無人車本身基於這種影象的深度學習技術等等，這些幫助無人車對紅綠燈的識別準確度提升到了百分之八九十。
但這些並沒有真正解決這個問題，不然不會發生將紅燈籠誤認為是紅燈的事情。問題在哪裡？問題在於今天無人車的感測系統主要是靠鐳射雷達+毫米波雷達+攝像頭組成，這三個工具各有分工，簡單來說鐳射雷達一般用於探測物品與車輛的距離，毫米波雷達可以探測物品的大小和形狀，而攝像頭則是對物品顏色、亮度等因素進行識別，這三者的結果疊加在一起提供給無人車“大腦”進行決策。
如紅綠燈的場景，鐳射雷達探測到前方半空中有離地四五米的物體，毫米波雷達探測到這個物體是圓形的，直徑在300-400毫米左右，攝像頭觀測到這個物體呈紅色，無人車“大腦”對這些資訊一整合，再結合過去識別過的紅綠燈的場景一對比，然後作出決策。
一般情況下，這樣經過幾重驗證的結果都相對準確，但是現實生活中的路面情況是非常複雜的，如紅燈籠這樣的情況就造成了誤判，還有很多情況無人車還是無能為力的，如車輛在行駛過程中，前面突然有人丟擲一張磚頭大小的硬紙卡，無人車往往會採取急剎車或者繞開避讓，這證明當前無人車的識別是機械性的識別，人類透過肉眼瞄一眼就能準確判斷的事情，對無人車來說卻是非常困擾的事情，從這個角度看，無人車離真正的“智慧”還有很遠的距離。
當然，如果真的到了無人車主導地面交通的那一天，紅綠燈這種設計給人的肉眼看的交通標誌肯定會取消，因為讓一臺機器去識別那些原本設計給人類大腦識別的東西無疑大大增加了其複雜性，到時候紅綠燈可以透過無線的方式來獲取命令，後臺一個城市“大腦”透過綜合分析，直接發指令給城市道路中行駛的無人車。
在無人車前面掛個紅燈籠，它會不會一直停在那？請注意，這不是一個為了搞笑的問題，事實上，這樣的事情已經發生過——前不久，北京市交通委主任周正宇在“治堵大家談”的電視節目中提到，“在過年期間，正在路面路測的自動駕駛車輛曾經將街頭的紅燈籠誤認為是紅燈”。
據說因為這個事情，國內某無人車團隊還特意增加對“類紅燈物體”進行了測試。據稱在自動駕駛專案開展初期，現實生活中會對自動駕駛車輛造成混淆的因素很多，如道路前方的落日，飄在半空的紅色塑膠袋、甚至擋風玻璃上粘著的紅色葉子等等。但是隨著其他一些技術的融合，如毫米波雷達、圖形識別，還有無人車本身基於這種影象的深度學習技術等等，這些幫助無人車對紅綠燈的識別準確度提升到了百分之八九十。
但這些並沒有真正解決這個問題，不然不會發生將紅燈籠誤認為是紅燈的事情。問題在哪裡？問題在於今天無人車的感測系統主要是靠鐳射雷達+毫米波雷達+攝像頭組成，這三個工具各有分工，簡單來說鐳射雷達一般用於探測物品與車輛的距離，毫米波雷達可以探測物品的大小和形狀，而攝像頭則是對物品顏色、亮度等因素進行識別，這三者的結果疊加在一起提供給無人車“大腦”進行決策。
如紅綠燈的場景，鐳射雷達探測到前方半空中有離地四五米的物體，毫米波雷達探測到這個物體是圓形的，直徑在300-400毫米左右，攝像頭觀測到這個物體呈紅色，無人車“大腦”對這些資訊一整合，再結合過去識別過的紅綠燈的場景一對比，然後作出決策。
一般情況下，這樣經過幾重驗證的結果都相對準確，但是現實生活中的路面情況是非常複雜的，如紅燈籠這樣的情況就造成了誤判，還有很多情況無人車還是無能為力的，如車輛在行駛過程中，前面突然有人丟擲一張磚頭大小的硬紙卡，無人車往往會採取急剎車或者繞開避讓，這證明當前無人車的識別是機械性的識別，人類透過肉眼瞄一眼就能準確判斷的事情，對無人車來說卻是非常困擾的事情，從這個角度看，無人車離真正的“智慧”還有很遠的距離。
當然，如果真的到了無人車主導地面交通的那一天，紅綠燈這種設計給人的肉眼看的交通標誌肯定會取消，因為讓一臺機器去識別那些原本設計給人類大腦識別的東西無疑大大增加了其複雜性，到時候紅綠燈可以透過無線的方式來獲取命令，後臺一個城市“大腦”透過綜合分析，直接發指令給城市道路中行駛的無人車。