Shadow Erosion and Nighttime Adaptability for Camera-Based Automated Driving Applications

要約

RGBカメラからの画像の強化は、医療イメージング、衛星イメージング、自動運転など、幅広い増加するアプリケーションのために特に興味深いものです。自律運転では、さまざまな技術が挑戦的な照明条件下で画質を高めるために使用されます。
これらには、夜間の劣悪な状態での視界を改善するための人工的な増強、照明の変動の影響を減らすための照明不変のイメージング、および明るい日光での一貫した画像の明確性を確保するための影の緩和が含まれます。
このペーパーでは、色とテクスチャの詳細を維持しながら、自動化された運転用途向けの画像の影の侵食と夜間の適応性のパイプラインを提案します。
影の侵食と夜間の適応性パイプラインは、広く使用されているClahe技術と比較され、照明の均一性と視覚的知覚品質メトリックに基づいて評価されます。
また、この結果は、Claheよりも大幅な改善を示しており、ヨーロベースの運転可能な領域セグメンテーションアルゴリズムを強化しています。

要約(オリジナル)

Enhancement of images from RGB cameras is of particular interest due to its wide range of ever-increasing applications such as medical imaging, satellite imaging, automated driving, etc. In autonomous driving, various techniques are used to enhance image quality under challenging lighting conditions. These include artificial augmentation to improve visibility in poor nighttime conditions, illumination-invariant imaging to reduce the impact of lighting variations, and shadow mitigation to ensure consistent image clarity in bright daylight. This paper proposes a pipeline for Shadow Erosion and Nighttime Adaptability in images for automated driving applications while preserving color and texture details. The Shadow Erosion and Nighttime Adaptability pipeline is compared to the widely used CLAHE technique and evaluated based on illumination uniformity and visual perception quality metrics. The results also demonstrate a significant improvement over CLAHE, enhancing a YOLO-based drivable area segmentation algorithm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google