摘要
在自动驾驶技术中,广角鱼眼摄像头是执行停车与低速行驶导航任务的常见车载设备.然而,这一摄像头在直面复杂多变的外界条件时,易受尘土、泥浆、水分及霜冻等污染物影响,从而降低摄像头镜头的清晰度,进而影响依赖视觉信息的导航算法效能.考虑到由于这类污染情况发生的随机性较高,且难以系统性地搜集到充分且多样的样本数据集以供分析.文章提出了一种新的基于GAN的算法,用来生成新的污物图像.该算法独特之处在于能自动生成匹配的污渍掩模,有效绕过了人工标注的耗时与成本.通过将这些新生成的污渍图像融入训练过程作为数据增强手段,从而实现污渍检测精度的显著跃升,提升幅度达到26.65%,且该模型所具备的良好泛化能力,充分证明了此方法的实用性.
NETL
NSTL
万方数据