800万像素摄像头，评估可以看到多远的红绿灯【1】?
章目录
B条件项
B.1 硬件条件
B.2 预期功能条件
B.3 暂不考虑条件项
T 目标项
T.1 预期目标
T.1 预期结果
A 求解
A.1 实现方案综述
测距距离：
H 维度的分辨率计算
结论
C 参考
B条件项
B.1 硬件条件
800w 有效像素的相机，检测红绿的的最远距离。
对于相机而言，800万像素就是指在相机的感光元件上有800万个像素点
对于图片而言，800万像素的分辨率是3264×2448(4:3)或者3464×2309(3:2)
sensor ：3840×2160
Field of view视场角（视角和焦距近似成反比例关系）：H≥60°，V≥45°
B.2 预期功能条件
识别类型：圆形，箭头
箭头灯类型：直行，左转，右转，掉头，直行右转，直行左转，左转掉头
圆形灯类型：红色，绿色，黄色
状态：闪烁，常亮，关闭
检测高度：1米-8米
B.3 暂不考虑条件项
特殊工况
帧率
算力
T 目标项
T.1 预期目标
在理想的情况下，计算红绿的的检测范围指标。
理想条件：
在正常光照
在正常天气
在正常交通场景
在红绿灯工作状态良好
在昼夜分开的场景下分别使用训练良好的模型
所有图像通过某种旋转的策略，使检测的图像旋转到水平，信号灯均横平竖直
在样本无库冗余问题（通过某种自动挑选交通信号模板库的算法,该算法将原始样本库中相似度差别较小的样本剔除,最终获得目标样本库）T.1 预期结果
十字路口较少超过100米
地平线 J3的800前视觉单目检测红绿灯约100米
参考文献[7]中：对圆形和箭头形交通信号灯,识别率分别为96.4%和95.1%
预计，800w可检测红绿灯的范围为100米。
求解过程见section A
A 求解
A.1 实现方案综述
测距距离：
预期，通过并行检测+特征/深度学习级联式检测。
选用sensor ：3840*2160
Field of view视场角（视角和焦距近似成反比例关系）：H≥60°，V≥45°
发光面具有一定的直径，分为200mm与300mm两种,外表亮度应尽可能平均。
外观设计：信号灯杆所装灯具为400×400mm红黄绿三色高亮度像素管发光灯具
（参考：http://m.tz1288.com/qynews/zbghjt/1050475927.html）
图像的分辨率就是单位面积内像素点的数量。分辨率有两个HV维度。可以单独计算每个维度。简单起见，通常只计算一个H维度。
H 维度的分辨率计算
计算最低传感器分辨率：视野的大小（米） ÷ 最小特征的大小（米）：
距离100米时，FOV H=60°
视野为水平115米
视野 = 100 米 ∗ t a n ( 30 ) ∗ 2 = 115 米
视野=100米*tan(30)*2=115米 视野=100米∗tan(30)∗2=115米
信号灯尺寸为0.4m
若最低要求能成像28个像素才能识别红绿的，则得到最小特征尺寸0.014米
为了准确识别箭头内容
参考：MNIST手写数字数据集是28*28像素
最小检测像素大小：28×28 pixel最小特征：0.4÷28=0.014
根据公式，所需的最低传感器分辨率为 8242，但是sensor分辨率为3840。不满足
分辨率： 115 / 0.014 = 8214
若最低要求能成像12个像素才能识别红绿的，则得到最小特征尺寸0.030米
最小特征： 0.4 米 ÷ 12 = 0.03 米
根据公式，所需的最低传感器分辨率为 3840，同时sensor分辨率为3840。满足
分辨率： 115 / 0.03 = 3840
直观感受
结论
当识别信号灯（尺寸0.4米），设定最小特征尺寸0.030米时，
在FOV60度+分辨率3840的sensor上，生成的像素为12。
只需要算法模型能够识别最小的像素尺寸为12pixels，就可以实现100米的信号灯检测。
参考
[0]《一种基于深度学习的远光灯识别方法 》 CN202011292620.9
[1]路正凤, 王思明, 吕国强,等. 基于PCA和随机Hough变换的调车信号灯检测[J]. 铁道标准设计, 2014, 58(3):6.
[2]吴泽峰, 张重阳, 许明文. 基于投影特征值的交通信号灯检测与识别方法[J]. 现代电子技术, 2016, 39(9):4.
[3]陈宁, 赵书, 张春发,等. 一种融合HOG-LBP函数的交通信号灯检测方法:, CN112270328A[P]. 2021.
[4]葛俊辉. 交通信号灯检测与识别算法研究[D]. 中南大学, 2015.
[5]金涛, 王春香, 王冰,等. 基于级联滤波的交通信号灯识别方法[J]. 上海交通大学学报, 2012, 46(9):6.
[6]赵子葳. 基于改进DPM算法的交通信号灯识别[D]. 吉林大学.
[7]黄振威. 交通信号灯检测与识别算法的研究[D]. 中南大学.