基于单眼深度估计的交通图像合成雾气天气模拟算法
相关实验视频
Updated: Jun 29, 2025

14:25
Determining 3D Flow Fields via Multi-camera Light Field Imaging
Published on: March 6, 2013
16.6K
Minan Tang1, Zixin Zhao2, Jiandong Qiu2
1College of Automation and Electrical Engineering, Lanzhou Jiaotong University, Lanzhou 730050, China.
Sensors (Basel, Switzerland)
|March 28, 2024
概括
研究人员使用单眼深度估计开发了一种新的雾天气模拟算法. 这种方法从清晰的模糊图像中生成真实的模糊图像,解决了对物体检测研究模糊数据集的稀缺问题.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 在雾条件下对象检测对于基于学习的方法来说是一个挑战.
- 现有的雾交通图像数据集很少,阻碍了研究和开发.
研究的目的:
- 提出一个新的雾气天气模拟算法.
- 为了解决缺乏多样化的模糊图像数据集,用于训练和评估物体检测模型.
主要方法:
- 利用自我监督的单眼深度估计来生成相对和绝对深度地图.
- 使用密集的几何约束来进行尺度回收.
- 定义可见度以生成传导率图.
- 使用暗通道地图估计的大气光值.
- 应用大气散射模型用于雾模拟.
主要成果:
- 生成的雾模拟图像紧密地模仿了自然雾的特征 (AuthESI <2对>90%的图像).
- 该方法成功地将清晰的图像转换为现实的雾场景.
- 验证了拟议的雾模拟算法的有效性.
结论:
- 开发的算法为增强模糊图像数据集提供了可行的解决方案.
- 允许在恶劣天气中对物体检测系统进行更强大的训练和评估.
- 促进自动驾驶和智能交通系统的发展.

