随着自动驾驶技术的不断发展，相应的测试手段也必须同步升级。当前的测试多聚焦于车道检测、物体追踪和场景理解等方面，但道路交通信号灯识别作为视觉感知系统中的关键环节，却仍处于测试不足的状态。

在研鼎，我们致力于改变这一现状。我们自主开发了一套交通信号灯仿真与测试平台，专门用于在真实信号条件和故障模式下评估摄像头的感知能力。

该产品采用10×4色LED阵列结构，LED阵列集成了红、黄、绿、白四种发光单元。每一颗LED灯珠的亮度均可独立调节，从而模拟从传统低亮度白炽灯到现代高强度定向LED信号灯的各种类型的交通信号灯。

这种高精度控制尤为关键。尽管现代HDR图像传感器宣称可支持100+dB的动态范围，并使用16位甚至24位量化，但这些数据在送入神经网络之前最终仍会被压缩为8位。这种色调映射会引入压缩效应与量化噪声，尤其对交通信号灯这类小而亮的关键目标，极易造成信息丢失。

饱和、色偏、闪烁与信号失效模拟

在实际交通环境中，最常见的问题之一是色通道饱和：红灯或黄灯的信号可能会覆盖其他颜色，导致图像中的颜色识别错误。该问题在图像经过ISP处理后更易放大。

为了进一步挑战感知系统，我们的测试平台还支持精确控制信号闪烁参数，包括频率与占空比，可模拟从美国地区低频闪烁的白炽灯，到亚洲和欧洲常见的高频PWM调光LED信号灯。通过模拟不同的闪烁模式，我们可以测试摄像头传感器和算法对时间不稳定信号的响应能力，而这往往是造成信号丢失或误判现象的主要原因。

我们的系统可监控以下性能：

• 各通道在不同光强下的饱和顺序
• 红与黄信号在不同亮度下的色调与饱和度变化
• 色调/饱和差值阈值，超出时自动触发警告，报告色彩信号难以分辨或无法满足分类的要求。
• 对于多重曝光或滚动快门架构的相机，由闪烁引发的图像掉帧或丢失

我们将色通道饱和与闪烁导致的信号丢失视为功能性失效，并加以标记。这不仅有助于开发者评估其传感器及ISP系统，也能显著增强其在真实场景中的适应性。

图像分析与信号验证功能
该平台支持自动与手动结合的图像分析流程，从拍摄图像中提取关键视觉指标：

1.自动检测

系统可自动识别灯光位置，并与信号灯的几何结构对齐。

2.手动辅助定位

当自动检测失败时，用户可以手动标注网格角点，系统会插值生成信号位置。

3.RGB堆叠图

4.两款摄像头的对比测试

肉眼观察结果
左图：在较宽的动态范围内保持了颜色的准确，大多数的色块都能够保留准确的色调和分离度。饱和现象仅出现在最下方一行，在极端光环境下，白光如预期那样发生了限幅。

右图与左图形成鲜明对照：色块过早饱和，颜色分离能力弱。第五列起红黄绿开始混合，颜色识别失败，仅顶部3–4行曝光正常。

我们还观察到：顶部红灯偏橙黄，底部白灯出现绿色偏移。这种失真可能来源于ISP中的局部色调映射或直方图均衡算法（如CLAHE），其对不同区域的处理不一致，破坏了白平衡与局部反差。

这些结果说明了在已知亮度和闪烁条件下进行受控信号测试的重要性。不同传感器之间的可视化差异，并凸显出传感器特性和ISP色调映射在还原对安全至关重要的色彩信息方面的决定性。

量化分析：RGB通道对信号强度的响应

除上述视觉对比外，我们还分析了两个摄像头在不同亮度等级（第1至第10列）下红色和黄色信号的RGB值。这些数值通过对每个色块中心区域的像素亮度进行平均计算而得出。

左侧摄像头– 表现更佳

对红光信号，RGB通道逐渐上升，到第7列才开始饱和（对应照片中最下方的白色溢出），显示出良好的动态响应。

黄光信号下，绿通道首先饱和，其次是蓝、再是红。这种交错式的饱和现象是一个重要的发现：当观察该相机拍摄的红色和黄色的裁剪区域时尤为明显。

可以观察到红色信号在完全饱和前会暂时呈现出黄色或橙色的色调。这种色彩偏移可能会误导算法将红色识别为黄色，从而导致严重的安全性误判。

右侧摄像头（表现不佳） 这组数据展示了一个更令人担忧的现象。对于红色信号，所有RGB通道在第3行前已全部饱和，之后无法再提供任何色彩梯度或有效的颜色识别。

黄色信号问题更严重：绿色通道从第一行开始就已饱和，蓝色在第3列达到最大值，红色在第5列左右饱和。

这种响应表明，该摄像头根本无法采集真实的色彩，ISP的白平衡与色调映射模块会使图像出现颜色失真或使颜色间的差异消失。事实上，所有信号的颜色表现都不正确——这使得该摄像头（即便是具备自动曝光功能的车规级摄像头）极其不适用于交通信号灯检测。

这些图表结合我们的结构化模拟平台和可视化工具，凸显了对视觉感知系统中的摄像头进行严格认证的紧迫性。即使是那些号称“HDR-ready”的传感器，在其ISP设计、色调映射和曝光控制策略上，仍可能导致对与安全相关的关键信号的灾难性误读。