[发明专利]基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法

说明书

本发明公开了一种基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法，包括：由相机获取一帧图像；对所述图像进行梯度和图像熵加权得到所述图像的曝光质量的度量值；利用γ变换确定最优的γ值；利用所述度量值和γ值得到所述相机拍摄下一帧图像的曝光时间预测值。其有效的增大了相机获取图像的动态范围，使得在复杂的灯光下也能保证较好的曝光控制性能，进而提高了自动驾驶车辆获取图像的质量。

技术领域

本发明涉及自动驾驶相机控制技术领域，尤其涉及一种基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法。

背景技术

自动驾驶车辆在行驶过程中需要通过安装在车辆上的相机获取图像来实时的分析车辆周围的障碍物情形，以利于自动驾驶车辆的行车安全，因而相机获取的图像质量直接关系车辆控制系统对于障碍物判断的准确程度，进而对车辆的行驶安全具有重要的影响，而判断相机获取的图像质量的主要指标为相机获取图像的曝光质量，现有的提高相机曝光质量的方法主要为利用图像的梯度计算相机的曝光时间，这一方法使得相机获取图片的动态范围非常有限，且不够鲁棒，因而为了保证更加准确的控制相机获取图像时的曝光时间，需要开发一种新的方法。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法，有效的增大了相机获取图像的动态范围，使得在复杂的灯光下也能保证较好的曝光控制性能，进而提高了自动驾驶车辆获取图像的质量。

为实现上述目的和一些其他的目的，本发明采用如下技术方案：

一种基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法，包括：

由相机获取一帧图像；

对所述图像进行梯度和图像熵加权得到所述图像的曝光质量的度量值；所述梯度和图像熵的加权方法如公式1所示：

其中，I为度量值；α为梯度与图像熵的融合比例参数；为图像中第i个像素点的梯度值；H为图像熵值；

利用γ变换确定最优的γ值；以及

利用所述度量值和γ值得到所述相机拍摄下一帧图像的曝光时间预测值。

优选的是，所述的基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法中，所述相机的数量不少于1台，并通过以下方法保证多台所述相机的曝光一致性：

获取包含各个所述相机拍摄图像的公共区域图像；

利用公式2对所述公共区域图像进行计算，得到各个相机的最优曝光时间；

其中，N为相机总数；i为第i个相机；j为第j个相机；β_ij为ROI_ij的权重；为相机i中与相机j的公共区域；为相机j中与相机i的公共区域。

优选的是，所述的基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法中，获取包含各个所述相机拍摄图像的公共区域图像包括：求取相邻相机拍摄的图像中的特征点，对所述图像进行匹配关联得到相同的特征点集合，利用所述特征点集合确定包含所述特征点集合中全部特征点的方形的最小像素区域，所述最小像素区域即所述公共区域图像。

优选的是，所述的基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法中，公式1中的值通过公式3确定：

其中，N为log(λ(1-δ)+1)；λ为梯度增益系数；δ为梯度阈值；m_i为第i个像素的归一化的梯度值。