In this thesis, we propose a noise-aware exposure control algorithm for robust robot vision. Our method aims to capture the best-exposed image which can boost the performance of various computer vision and robotics tasks. For this purpose, we carefully design an image quality metric which captures complementary quality attributes and ensures light-weight computation. Specifically, our metric consists of a combination of image gradient, entropy, and noise metrics to capture the appreciate property of an image. The synergy of these measures allows preserving sharp edge and rich texture in the image while maintaining a low noise level. Using this novel metric, we propose a real-time and fully automatic exposure and gain control technique based on the Nelder-Mead(NM) Simplex method. Also, we proposed a Modifed NM method that can react fastly and robustly to the luminance change of dynamic environment. To illustrate the effectiveness of our technique, a large set of experimental results, including feature matching, pose estimation, object detection, disparity estimation, and real-world experiments, demonstrates higher qualitative and quantitative performances when compared with conventional approaches.
본 논문에서는 견고한 로봇 비전을위한 노이즈 인식기반의 카메라 노출 제어 알고리즘을 제시한다. 제안한 방법은 다양한 컴퓨터 비전 및 로봇 비전 태스크의 성능을 향상시킬 수 있도록 최상의 노출 정도를 갖는 이미지를 캡처하는 것을 목표로 하며, 이를 위해 영상의 질을 정량적으로 평가할 수 있는 영상 품질 평가 지표과 제안된 영상 품질 평가 지표를 기반으로 빠르고 효율적으로 노출 제어 파라미터를 제어하는 알고리즘을 제시한다. 특히, 제안한 영상 품질 평가 지표는 영상의 그라디언트, 엔트로피 및 노이즈 평가 값의 조합으로 구성되어 해당 값들의 시너지 효과로 선명하고 뚜렷한 질감과 물체의 외곽을 유지하면서 낮은 이미지 노이지를 유지하는 이미지를 취득하도록 한다. 또한, 제안한 영상 품질 평가 지표를 최대화 하도록 Nelder-Mead (NM) Simplex 방법을 기반으로 실시간 노출 시간 및 이득 제어 기법을 제안한다. 제안된 제어 방법은 동적 환경의 휘도 변화에 빠르고 강건하게 반응 할 수 있도록 한다. 제안된 방법의 효율성 및 성능을 검증하기 위해, 특징 매칭, 자세 추정, 물체 검출, Disparity map 추정 및 실제 환경에서의 실험을 포함한 일련의 실험 결과가 기존 제안된 접근 방식과 비교하여 높은 질적 및 양적 성능을 보여줌을 검증하였다.
