Input:
(1)圖像視訊分辨率(整型int)
(2)圖像視訊格式(RGB,YUV,MP4等)
(3)攝像頭标定參數(中心位置(x,y)和5個畸變
系數(2徑向,2切向,1棱向),浮點型float)
(4)攝像頭初始化參數(攝像頭初始位置和三個坐标方向
的旋轉角度,車輛寬度高度車速等等,浮點型float)
Output:
(1)圖像視訊分辨率(浮點型float)
(2)圖像視訊格式 (RGB,YUV,MP4等)
(3)調整政策:曝光時間,GAMMA曲線 (時間,拟合系數,浮點型float)
(4)中間算法:統計直方圖,判斷過曝或欠曝 (整型int)
1. 功能定義1)利用圖像直方圖統計的方法,判斷圖像視訊是過曝,欠曝,還是正常。
2)調整曝光時間或GAMMA曲線,就可以調整圖像視訊的亮度。
2. 技術路線方案ISP圖像處理,主要作用是對前端圖像傳感器輸出的信号做後期處理,主要功能有線性糾正、噪聲去除、壞點去除、内插、白平衡、自動曝光控制等,依賴于ISP才能在不同的光學條件下都能較好的還原現場細節,ISP技術在很大程度上決定了錄影機的成像品質。
由于華域視覺注重夜間算法,在暗光下的成像易受到低信噪比和低亮度的影響。短曝光的照片會出現很多噪點,而長曝光會讓照片變得模糊、不真實。目前已經有很多去噪、去模糊、圖像增強的技術,但是在極端條件下,它們的作用就很有限了。為了發展基于學習的低光度圖像處理,我們嘗試使用全卷積網絡,用于處理低亮度圖像。網絡直接使用原始傳感器資料,替代大量傳統圖像處理的流程。
通過訓練深度神經網絡學習處理低亮度原始圖像資料的過程,包括色彩轉化、去馬賽克、減少噪點、圖像品質提高等等。我們把黑夜中的圖像呈現出來,可以大大提升成像的可視性,便于算法能夠更有效的進行識别、計算。
目前項目正在開展中。
ISP項目初步任務劃分:
第一,用IIC控制camera ISP,編寫開放參數APP,便于參數輸入。
第二,統計圖像直方圖亮度資訊,如果直方圖偏左,表示欠曝(偏暗或夜視);
如果直方圖偏右,表示過曝(過亮);如果直方圖正常,表示正常光照。
第三,連接配接driver和算法,調整曝光時間或者gamma曲線參數。
3. 關鍵技術參數和性能名額在華域視覺資料集上達到(詳細名額在開發過程中逐漸修正)
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicmbw5SNwIWNjJGNkZ2N4Q2MmZTY1kzNlVTO2gzMzAzMyETO58CX0JXZ252bj91Ztl2Lc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
表1. ISP性能名額