过马路是参加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应用非语言交换来互相判断协商人行横道是否能够通行，而没有驾驶员的主动驾驶汽车很难将车辆的驾驶用意传播给十字路口的行人，这可能会使行人和其余路线使用者的安全性升高。
解决主动驾驶汽车精确辨认红绿灯的问题对于所有车辆平安都至关重要，与人类驾驶的汽车不同，主动驾驶汽车仅依附其计算机视觉零碎及导航数据来辨认红绿灯。
目前，最好的主动驾驶辅助零碎每隔数万小时就会呈现对环境感知的偏差，如果对红绿灯感知谬误，乘客与行人都将处于危险中。上面从三个角度来看主动驾驶汽车的红绿灯问题。
红绿灯通知路线使用者什么时候停下来，但只有在每个人都遵守规则的状况下才会起作用。
红绿灯通过计时模式指挥交通，主动驾驶车辆可通过学习通晓交通规则，但在实在路线场景中，往往会呈现很多突发事件，如道路上行人及非机动车辆闯红灯、其余机动车辆在绿灯时没有失常前进等问题，正因没有物理阻碍迫使路线使用者恪守交通信号，使得路线行驶不确定性因素进步，加大主动驾驶落地的难度。
因而，现阶段主动驾驶汽车应具备的根底能力便是学会精确辨认信号灯变动，恪守交通规则出行，而确保主动驾驶汽车学习正确的规定须要一系列驾驶场景的高质量训练数据来撑持。
红绿灯对开发视觉零碎及算法团队的挑战。
辨认红绿灯并不能依附间隔检测实现，因而，主动驾驶汽车不能应用雷达来导航交通信号，必须齐全依附计算机视觉零碎来理解何时进行和来到。
这无疑给研发视觉零碎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依据天气条件 (如亮堂的阳光、雨、雪或雾) 而变动。诸如拍板或手势之类的沟通可帮忙人类驾驶员解决低能见度或没有交通信号灯的状况，但主动驾驶汽车无奈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，因而，如果主动驾驶汽车没有检测到红绿灯，起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主动驾驶进行继续训练。
库存数据集不足以帮忙主动驾驶汽车平安地通过红绿灯。
数据是汽车一直加强辨认能力和判断能力的根底，也是倒退主动驾驶技术的要害。主动驾驶技术须要大规模的数据训练其主动驾驶能力，教会汽车认知驾驶环境，正确驾驶，其对数据品质要求高且品种繁多，而库存数据集无奈涵盖所有用例。
据悉，每个 ADAS 性能大概需 10,000 至 100,000 张图像。因为主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忙主动驾驶汽车平安地通过交通信号灯。因而，须要应用继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要，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，凭借从策略到技术落地的一站式通用 AI 解决方案，全面笼罩数据层至算法层，辅助主动驾驶技术在简单多样的环境下更好地感知理论路线、车辆地位和障碍物信息等，实时感知驾驶危险，赋能行业数字化与智能化。