目前,行业内绝大数企业能够做到再正常天气状态下的自动驾驶,但是对于恶劣天气环境,很多企业其实还有很多难题。合理轨迹不同感知传感器的瓶颈,冗余设计都是解决方案。
对于夜间的图像识别应该怎么处理呢?先通过一个分类器,判别属于白天还是黑夜,然后如果判别为黑夜,或许能先经过图像增强,然后才进行下一步检测识别等流程。
在计算机视觉应用(例如,物体检测和跟踪)和消费电子(例如,手持设备)中都需要高质量的图像和视频。 然而,在弱照明条件下捕获的图像和视频经常遭受可见度,亮度和对比度的显着降低。 低级光增强是图像处理领域的共同目标。 在低光下或由于低曝光而拍摄的图像遭受低对比度和亮度,这既降低了图像的视觉质量又可能妨碍进一步的图像处理算法(例如物体检测,图像分类等后续的任务)
低光下的图像部分能用传统的方法解决,例如直方图均衡得到很好的效果。虽然这些方法产生了有希望的输出,但每个过程的运行时间可能很长。 通过深度学习,网络经过培训(需要很长时间)并生成一个过滤器,不仅能产生更好的效果,也能够将训练好的网络用来智能手机上。
DEEP LEARNING FOR IMAGE ENHANCEMENT AND VISIBILITY IMPROVEMENT (这是一篇调研报告,所以没索引)
另外一种解决方案是使用新型的红外摄像头传感器,这种红外摄像头传感器在夜间上能够看的清楚,即使是在光照变化比较大的地方,具体可以看下以下视频
https://spectrum.ieee.org/cars-that-think/transportation/