从立体图像序列估计雾参数
计算机视觉与模式识别
2025-11-27 v1
摘要
我们提出了一种方法，给定一个立体雾天图像序列，能够估计雾模型的参数并动态更新它们。与之前顺序估计参数因而容易导致误差传播的方法相比，我们的算法通过求解一个新颖的优化问题同时估计所有参数。通过假设雾仅在局部均匀，我们的方法有效处理了通常全局不均匀的真实世界雾。所提出的算法可以轻松地作为附加模块用于现有的视觉同步定位与建图（SLAM）或里程计系统中，以应对雾天情况。为了评估我们的方法，我们还创建了一个新的数据集，即真实雾中立体驾驶（SDIRF）数据集，该数据集包含在各种能见度条件下真实雾天道路场景的高质量、连续立体帧，总计超过40分钟和34k帧。作为同类首个数据集，SDIRF包含了在实验室环境中标定的相机光度参数，这是将大气散射模型正确应用于雾天图像的前提。该数据集还包括在阴天记录的相同路线的对应清晰数据，这对于图像去雾和深度重建等相关工作很有用。我们使用合成雾天数据和来自SDIRF的真实雾序列进行了大量实验，以证明所提算法相对于先前方法的优越性。我们的方法不仅在合成数据上产生了最准确的估计，而且能更好地适应真实雾。我们将代码和SDIRF数据集公开\footnote{https://github.com/SenseRoboticsLab/estimating-fog-parameters}，以促进雾中视觉感知的研究。
引用
@article{arxiv.2511.20865,
title = {Estimating Fog Parameters from a Sequence of Stereo Images},
author = {Yining Ding and João F. C. Mota and Andrew M. Wallace and Sen Wang},
journal= {arXiv preprint arXiv:2511.20865},
year = {2025}
}