Auto-adjusting论文整理

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；