论文:Auto-adjusting Camera Exposure for Outdoor Robotics using Gradient Information
疑惑:
先决条件:最佳曝光下采集的图像,其梯度信息是最为复杂;该论文采取统计图像梯度信息,选出梯度复杂度最高的,其对应条件为最佳曝光;
论文框架:
该论文整体是一种反馈机制来自动控制曝光的算法。主要分为两步:其一:7组gamma校正,选出梯度最复杂对应gamma值;其二:该gamma计算曝光值;
创新:
该算法创新在于采用梯度信息指导曝光;相较于一般算法采用统计前帧图像平均亮度,用于调整下一帧曝光,梯度信息不受环境亮度变化影响,可以用于处理一些特殊(逆光)场景;
流程:
首先,其采用多组gamma校正并根据梯度复杂度最高,选出最佳gamma;接着,将gamma值代入曝光公式(3),得到曝光值;
1、相机采集每一帧图像,分别经过7组gamma变换,模拟不同曝光条件。
2、统计各组图片的梯度信息。
3、选出梯度信息最丰富图,作为最佳gamma;
4、对应gamma值,可以计算出其对应曝光值,反馈到相机。
不足:
由于该论文算法采用梯度信息指导曝光,若相同场景下,环境亮度即便存在差异,其指导曝光也是一致,与测光系统相违背,因此,该算法不适用于一般场景;
细节:
1、图像梯度信息不受环境亮度影响;
2、gamma范围为[0.1, 1.9];
Gamma>1;越大亮度越暗;Gamma<1; 越小亮度越亮;
3、曝光值:gain与shutter;
Gain值增大,放大噪声;shutter反应了帧率,采用最小gain,优先shutter,直到shutter达到最大帧率后,再选择调整gain;