面向自动驾驶车辆的相机物理状态监测与自适应
计算机视觉与模式识别
2023-11-14 v3 图像与视频处理
摘要
自动驾驶车辆与机器人需要越来越高的鲁棒性与可靠性以满足现代任务需求。这些要求尤其适用于此类车辆上的相机，因为它们是获取环境信息并支撑动作的主要传感器。相机必须保持正常功能并在必要时采取自动对策。现有方案通常针对特定问题定制，或与机器的下游计算机视觉任务脱节，然而后者决定了所生成相机图像的质量要求。我们提出一种基于数据驱动与物理基础模型的通用且面向任务的相机自健康维护框架。为此，我们通过广泛实验评估传统与定制的基于机器学习的方法，确定了针对状态不佳相机典型图像效应（模糊、噪声现象及最常见组合）的两个可靠、实时可行的估计器。此外，我们将该框架部署于真实地面车辆，并演示相机如何基于实验性的（非线性且非单调）输入输出性能曲线调整参数以抵消已识别的不良状态，从而实现最优应用能力。目标应用选为物体检测，图像效应以运动模糊与传感器噪声作为状态条件示例。我们的框架不仅提供监测与维护相机健康的实用即用方案，也可作为扩展基础，以经验方式结合额外数据源（如传感器或环境参数）来解决更复杂问题，从而实现完全可靠且鲁棒的机器。代码：https://github.com/MaikWischow/Camera-Condition-Monitoring
引用
@article{arxiv.2112.05456,
title = {Monitoring and Adapting the Physical State of a Camera for Autonomous Vehicles},
author = {Maik Wischow and Guillermo Gallego and Ines Ernst and Anko Börner},
journal= {arXiv preprint arXiv:2112.05456},
year = {2023}
}
备注
17 pages, 20 figures, https://github.com/MaikWischow/Camera-Condition-Monitoring