介紹

汽車中的攝像頭可幫助駕駛員完成各種檢測任務,包括夜間駕駛、倒車、泊車的環境識別,這些攝像頭是ADAS(Advanced Driver Assistance System汽車輔助駕駛系統,下稱ADAS)傳感器中的一部分。

對於ADAS傳感器使用的汽車攝像頭,其性能相對其他行業會有非常不同的圖像質量要求。ADAS攝像頭若具備較好的的圖像質量,對行車安全性和機器視覺識別有效性也會非常重要。

因此,我們需要創建一種方法或標準來評估ADAS的圖像可以包含多少有用信息,也就是測量ADAS攝像頭的圖像質量。

空間頻率響應(SFR)

ADAS必須能夠檢測到拍攝距離內的物體,空間頻率響應(SFR)測量將提供有關相機光學性能的信息。SFR可以用來提供解析力的客觀參數去看多少空間頻率下這個物體重現的效果。

在最新的ISO標準ISO12233:2014描述了測量SFR的常用方法。即使此標準是針對數碼攝影的,它仍然在其他行業影像(如ADAS)中被廣泛採用。

通過SFR,我們可以得出一些數值,例如固定空間頻率的極限分辨率(MTF10),MTF50或SFR值。許多工程師在聽到「 ISO12233」(請參見下圖)時會想到一個常用的圖卡,該圖卡基於觀察者的主觀評估。但它僅提供視覺上的線對分辨率,而不提供整個SFR。

這個ISO12233圖卡已經過時。新的ISO12233:2014已經不再使用這個測試圖卡,因為它有諸多技術上的缺陷:

(1)白色的背景對於自動曝光會影響測量結果

(2)高對比度的斜邊容易被ISP銳化影響

(3)圖卡缺少了灰色的OECF色塊進行線性化

一種非常常見的方法是基於傾斜斜邊(刃邊)的e-SFR方法。但銳化算法很容易影響e-SFR的測量數據。銳化是一種通過算法提高圖像視覺清晰度的方法,也是一種流行的圖像增強算法,但對人類觀察者有益的是視覺效果並不適用於ADAS中

因此,對於ADAS建議是使用標準中描述的s-SFR方法測量,該方法基於正弦西門子星,該測量方法也廣泛使用於手機、安防行業。

ISO12233:2014中推薦使用的正弦西門子星。標準中描述的s-SFR方法,該測量方法對於消除銳化效果干擾非常有效,是極限分辨率的可靠測量方式。

HDR和噪聲

車載攝像頭的常見場景往往具有很高的動態範圍,一個典型的例子是一輛汽車接近隧道的入口或出口時。

而ADAS需要能夠檢測隧道內外的物體(例如線路或其他汽車),這在亮度上存在巨大差異。為了能夠提供有關圖像所有部分的信息,ADAS中的攝影機通常會將多幀過曝光和欠曝光的圖像融合為高動態範圍(HDR)圖像。

使用在最新系統傳感器級別執行的這項測量方法,相機可以潛在地再現120dB或更高的對比度。

TE269C高動態範圍圖卡可以為HDR測試創建高對比度測量環境。

所示示例的對比度為134dB,適用於當今汽車環境中的相機

但對於ADAS,直接使用傳統行業的HDR測量方式並不容易,因為ADAD中HDR算法進行融合時可能還會引入一些這類攝像機常見的偽像:SNR(信噪比)Drop

SNR值越高,噪聲的干擾影響越小。在繪制SNR與場景光強度的關係時,通常我們會隨強度增加SNR。因此,我們可以假設在低照度下具有低SNR,在高於此強度的所有強度下均具有良好的SNR。

當攝像機將多個圖像合併為一個HDR圖像時,在高亮度下則可能出較差的SNR(SNR Drop)。此時低SNR會導致信息丟失,並導致ADAS中的圖像質量出現嚴重問題,造成識別干擾。

SNR是非常常見的型號度量標準,但是,SNR值對於ADAS應用程序的應用是有限的。

因此,評估與圖像可用性直接相關的相機系統的新方法是對比度檢測概率(CDP)。除SNR外,CDP還可以直接提供有關係統是否可以檢測到被測物體對比度的信息。

CDP 還可以回答以下問題:鏡頭觀察到的「 SNR Drop」實際上有多嚴重。BOSCH的工程師介紹了CDP測量,目前正在IEEE-P2020計劃中討論它,以成為正式的行業標準。

用於高動態範圍相機的動態測試台(DTS),以測試其對比度檢測概率(CDP)

Color

攝影中的相機旨在模仿人類對色彩的視覺感知,而ADAS相機則沒有相同的要求。用於對象檢測的所有相機,都不會過多地關注色彩再現。但是,這些相機至少需要對道路上白線和黃線之間的差異有基本的識別,知道交通信號燈是紅色還是綠色是有必要的。

不同的ADAS鏡頭為人類觀察者提供圖像(例如鳥瞰停車輔助圖像),該圖像從多個攝像頭的不同信號融合拼接而成。雖然色彩的完美程度並不是很重要,但是至少所有相機在色彩還原方面幾乎是相同的。如果製造商未能正確校准各個攝像頭,則在不同圖像之間拼接的地方會發生明顯的色偏。

Flicker

與傳統光源相比,基於LED技術的光源具有多種優勢,並在多個行業里應用。

交通中不斷變化的燈光,閃爍的信號燈和移動的汽車前燈

但是,LED光源使用脈衝寬度調制(PWM)將以定義的頻率和週期(「佔空比」)打開和關閉LED。當LED光源頻率高於人眼識別時,人類駕駛員不會察覺到光源的任何強度變換,而是看到恆定的光源強度,但這時機器視覺鏡頭則可能會檢測到閃爍並出現識別錯誤。

相機系統僅在曝光時間內積分光能,如果曝光時間短,相機系統可能會顯示出flicker現象。例如,接近的汽車前大燈或前方汽車的剎車燈,以及行進中的正常車輛和雙閃緊急車輛。

人眼無法察覺的 LED 燈 Flicker 將會影響機器視覺檢測

由於Adas系統可能會因閃爍而丟失信息或獲取錯誤信息,因此車載行業內的駕駛輔助系統需要採用抑制Flicker效果的策略(硬件或軟件)。

為了有效地測試相機系統deflicker的性能,必須在實驗室可以還原多種PWM頻率、不同Flicker、不同佔空比環境,並允許其相位在相機捕獲頻率和PWM頻率之間移動的環境中對該設備進行測試。

IEEE-P2020標準有一個單獨的工作小組,該工作組正在以標準化的方式來測量和基準化ADAS中使用的相機系統的Flicker行為。

IEEE-P2020

IEEE P2020標準是在車載行業來自圖像質量各領域的專家共同努力下而推動建立的。該標準描述了如何對車載攝像機系統進行基準測試和評估,以確保這些設備能夠為ADAS系統提供所需的性能,從而做出最佳決策。

工作組的成員與汽車行業典型供應鏈的所有部門(OEM,一級,二級,…),測試機構(例如Image Engineering))和學術界有聯繫。該工作組的第一個任務將是發佈一份正式白皮書,其中包含汽車攝像頭測試系統要求的概述以及對現有標準的差距分析。