面向自动驾驶的高动态范围模版成像以实现稳健目标检测
计算机视觉与模式识别
2025-04-17 v1 图像与视频处理
摘要
目标检测精度对于确保自动驾驶系统的安全和效能至关重要。获取图像的质量直接影响自动驾驶系统正确识别和响应其他车辆、行人及障碍物的实时能力。然而，真实环境中光照条件存在极端变化，导致饱和问题，造成关键检测细节丢失。传统方法倾向于使用高动态范围（HDR）图像，其能捕获广谱光强，但构建HDR图像需要多次拍摄，在自动驾驶车辆中效率不足。为此，本工作引入了模版传感器用于稳健目标检测。模版传感器允许像素在到达饱和水平时“重置/环绕”，通过获取辐照度编码图像，然后利用解环算法进行恢复。所应用的重建技术使我们能够在极端光照条件下实现HDR恢复，确保更好的视觉质量，代价是额外的时间。以YOLOv10模型为例的实验表明，使用模版图像处理后的图像在目标检测精度上相当于HDR图像，并显著优于饱和图像。此外，提出的模版成像步骤结合HDR图像重建所需时间短于传统HDR图像获取时间。
引用
@article{arxiv.2504.11472,
title = {High Dynamic Range Modulo Imaging for Robust Object Detection in Autonomous Driving},
author = {Kebin Contreras and Brayan Monroy and Jorge Bacca},
journal= {arXiv preprint arXiv:2504.11472},
year = {2025}
}