Many robotics applications include camera systems for performing various tasks such as
autonomous navigation or target object detection. Under dynamic illumination conditions, the
immediacy of adjusting image brightness is very important issue, because robots can extract useful information from images that have appropriate brightness. In this paper, we present an auto exposure method that operates with minimum shots for unknown scene. By showing that average intensity of an image can be determined according to gain and exposure time, we estimate proper values of them to capture a correctly exposed image. The relationship of luminance with gain and exposure time can be represented by noise-aware linear model, which can be pre-calibrated using several images. We propose additional methods for dealing with over exposed conditions based on estimating histograms of next frame and estimating the ratio of exposure time with respect to the ratio of saturated pixels and image luminance. We show that auto exposure images with minimum shots can be taken by considering noise-aware offset for various environments including outdoor back light conditions. By applying to face detection, we shows that the images taken using the proposed method improves the accuracy of face detection compared to the results by other auto exposure methods.
많은 로봇 어플리케이션들은 자동적인 네비게이션 시스템이나 목표 물체 검출과 같은 다양한 업무를 수행하는 목적의 카마레 시스템을 포함한다.
이러한 로봇들은 적절한 조명에서 찍은 영상에서 의미 있는 정보를 얻어야 하므로, 급변하는 조명 환경에서 영상의 밝기를 적절하고 빠르게 대처하는 것은 매우 중요한 이슈이다.
이 논문에서는 임의의 조명을 포함한 불특정한 장면에 대해서 최소한의 촬영만을 통해서 자동 노출을 구현하는 방법을 제안한다.
영상의 평균 밝기는 카메라의 게인과 노출시간에 의해서 정의될 수 있음을 보임으로써, 원하는 밝기의 영상을 얻기 위한 적절한 게인과 노출시간을 결정할 수 있다.
이러한 노출시간과 게인 그리고 영상의 밝기 사이의 관계식은 잡음을 고려한 선형모델을 통해서 표현될 수 있고, 이러한 모델은 각각의 카메라에 대해서 몇 장의 영상을 미리 찍어봄으로써 수식화 할 수 있다.
우리는 또한 역광 상황을 고려한 추가적인 방법을 제안한다. 역광상황에서는 적절한 밝기의 영상을 얻기 위해 일반적인 조명환경보다 더 많은 수의 영상을 촬영해야한다.
하지만 제안한 방법에서 다음 프레임 영상의 히스토그램을 예측하고, 영상에서 포화된 픽셀의 수와 영상의 밝기의 비율을 이용해 적절한 노출 시간을 구할 수 있다.
이러한 방법을 통해서 야외 역광 상황과 같은 다양한 환경에서 최소한의 촬영을 통해서 찍힌 자동 노출된 영상은 잡음을 고려한 상쇄 값을 통해서 얻어질 수 있다.
이 방법은 얼굴 검출을 위한 카메라에 적용될 수 도 있다. 제안된 방법을 통해서 얻은 영상에 대해서 얼굴 검출 알고리즘을 적용할 때, 일반적인 카메라로 찍은 영상에 얼굴 검출 알고리즘을 적용했을 때보다, 검출률이 월등히 올라감을 보인다. 또한 블랙박스에도 적용이 될 수 있음으로써, 터널을 들어가거나 혹은 나오는 것과 같이 조명이 급변하는 환경에서 카메라가 자동적으로 밝기를 빠르게 조절함으로써 녹화된 영상의 품질을 올릴 수 있음을 보인다.
