车辆图像传感器清洁的制作方法
本发明涉及车辆图像传感器的领域，并且更具体地涉及车辆图像传感器清洁。
背景技术：
相机在汽车中起到各种作用。它们可以用于自主车辆操作、识别乘客、帮助驾驶员执行各种操纵(例如，倒车进入停车位)等。由相机捕获的图像可以实时地(例如，实时视频流)显示在车辆的乘客舱内部或者保存用于幕后处理。
技术实现要素：
车辆的外表面上的任何东西都一定会变脏。这包括外部车辆传感器。在诸如相机等图像传感器的情况下，覆盖传感器的透镜暴露于自然环境。随着时间推移，透镜将积聚灰尘、盐、雪、污垢、霜、雨水、鸟粪、昆虫，以及其他遮挡图像传感器的视野的碎屑(debris)。照此，透镜上的碎屑将降低由图像传感器捕获的图像的质量。
人类驾驶员可以通过简单地看看图像传感器捕获的图像来确定图像传感器是否被遮挡。如果碎屑太大，那么人类驾驶员可以离开车辆并且在继续操作车辆之前将图像传感器清洁干净。遮挡图像传感器的碎屑对自主车辆来说更成问题，尤其是在没有任何人类乘客的情况下操作的自主车辆。因此，自主车辆可以得益于一种检测遮挡图像传感器的视野的碎屑的系统。
这样的系统可以经由具有存储器和处理器的车辆计算机来实施，所述处理器被编程为执行存储在所述存储器中的指令。所述指令包括：将预定物体的捕获图像与所述预定物体的目标图像进行比较，以量化所述捕获图像的第一噪声特性；将所述第一噪声特性与第一预定阈值进行比较；以及依据将所述第一噪声特性与所述第一预定阈值进行比较的结果而检测出输出所述捕获图像的图像传感器上的碎屑。
所述第一噪声特性可以是信噪比和峰值信噪比中的至少一个。在此情况下，检测出所述图像传感器上的碎屑可以包括依据确定所述第一噪声特性低于所述第一预定阈值的结果而检测出所述图像传感器上的碎屑。所述指令还可以包括将所述捕获图像与所述目标图像进行比较，以量化所述捕获图像的第二噪声特性。在此情况下，所述第二噪声特性可以包括均方根误差和平均绝对误差中的至少一个。此外，检测出所述图像传感器上的碎屑可以包括依据确定所述第二噪声特性超过第二预定阈值的结果而检测出所述图像传感器上的碎屑。
在一个示例实施方式中，检测出所述图像传感器上的碎屑可以包括依据确定所述第一噪声特性低于所述第一预定阈值并且所述第二噪声特性超过所述第二预定阈值的结果而检测出所述图像传感器上的碎屑。
所述指令可以包括依据检测出所述图像传感器上的碎屑的结果而开始所述图像传感器的清洁。开始所述图像传感器的清洁可以包括向传感器清洁系统输出控制信号。
所述指令可以包括在由所述图像传感器捕获的原始图像中识别所述预定物体。
所述指令可以包括通过操纵由所述图像传感器捕获的所述原始图像来生成所述捕获图像。操纵所述原始图像可以包括剪裁所述原始图像和将所述原始图像归一化中的至少一个。将所述原始图像归一化可以包括调整所述原始图像中的所述预定物体的曝光、亮度以及取向中的至少一个。剪裁所述原始图像可以包括去除所述原始图像的并不表示所述预定物体的部分。
一种示例方法可以包括：将预定物体的捕获图像与所述预定物体的目标图像进行比较，以量化所述捕获图像的第一噪声特性；将所述第一噪声特性与第一预定阈值进行比较；以及依据将所述第一噪声特性与所述第一预定阈值进行比较的结果而检测出输出所述捕获图像的图像传感器上的碎屑。
所述第一噪声特性可以是信噪比和峰值信噪比中的至少一个。在此情况下，检测出所述图像传感器上的碎屑可以包括依据确定所述第一噪声特性低于所述第一预定阈值的结果而检测出所述图像传感器上的碎屑。所述方法还可以包括将所述捕获图像与所述目标图像进行比较，以量化所述捕获图像的第二噪声特性。所述第二噪声特性可以包括均方根误差和平均绝对误差中的至少一个。检测出所述图像传感器上的碎屑可以包括依据确定所述第二噪声特性超过第二预定阈值的结果而检测出所述图像传感器上的碎屑。
在一个可能的方法中，检测出所述图像传感器上的碎屑可以包括依据确定所述第一噪声特性低于所述第一预定阈值并且所述第二噪声特性超过所述第二预定阈值的结果而检测出所述图像传感器上的碎屑。
所述方法还可以包括依据检测出所述图像传感器上的碎屑的结果而开始所述图像传感器的清洁。
所述方法还可以包括在由所述图像传感器捕获的原始图像中识别所述预定物体。
所述方法还可以包括通过操纵由所述图像传感器捕获的所述原始图像来生成所述捕获图像。操纵所述原始图像可以包括剪裁所述原始图像和将所述原始图像归一化中的至少一个。将所述原始图像归一化可以包括调整所述原始图像中的所述预定物体的曝光、亮度以及取向中的至少一个。剪裁所述原始图像可以包括去除所述原始图像的并不表示所述预定物体的部分。
所示的元件可以采取许多不同的形式，并且包括多个和/或替代的部件和设施。所示的示例部件并不意图限制。实际上，可以使用附加或替代的部件和/或实施方式。此外，除非明确地陈述如此，否则所示的元件不一定按照比例绘制。
附图说明
图1示出具有图像传感器和碎屑检测系统的示例主车辆。
图2是示出主车辆的示例部件的框图，包括碎屑检测系统的部件。
图3a示出由图像传感器捕获的示例图像。
图3b示出由碎屑检测系统使用的示例目标图像。
图4是可以由碎屑检测系统执行的示例过程的流程图。
具体实施方式
如图1所示，主车辆100包括图像传感器105和碎屑检测系统110。尽管示为轿车，但主车辆100可以包括任何乘用或商用汽车，诸如，小汽车、卡车、运动型多功能车、跨界车、厢式货车、小型货车、出租车、公共汽车等。如下文更详细地论述的，主车辆100是可以在自主(例如，无人驾驶)模式、部分自主模式和/或非自主模式下操作的自主车辆。
图像传感器105经由电路、芯片或者其他捕获主车辆100外部的物体的图像的电子部件来实施。因此，图像传感器105可以位于主车辆100的外部上。为了捕获主车辆100外部的图像，图像传感器105可以包括将光朝例如ccd传感器、cmos传感器等投射的透镜115。图像传感器105处理光并且生成图像。图像可以输出到碎屑检测系统110，如下文更详细地论述。由图像传感器105捕获的图像可以用于确定透镜115是否脏(例如，是否具有降低由图像传感器105捕获的图像的质量的碎屑)。由图像传感器105捕获的用于确定透镜115是否脏的图像在下文可以被称为“捕获图像”。在一些情况下，保护性盖或护罩可以覆盖透镜115。保护性护罩或盖可以是透明的。下文对透镜115上的碎屑的论述可以指的是保护性盖或护罩上的碎屑。
碎屑检测系统110分析由图像传感器105捕获的图像，并且通过将捕获图像与目标图像进行比较来确定图像传感器105是否脏(例如，图像传感器105的透镜115上是否存在碎屑)。目标图像可以指的是预定物体的“清晰”图像。也就是，目标图像可以表示预定物体在由未被遮挡的图像传感器105捕获时会是什么样。因此，目标图像可以表示几乎没有噪声的预定物体的图像。如下文更详细地说明，如果捕获图像中的噪声量超过阈值，那么碎屑检测系统110可以确定图像传感器105需要清洁。可以通过将捕获图像与目标图像进行比较来确定捕获图像中的噪声量。由于目标图像和捕获图像可以属于相同的预定物体(诸如，沿着道路的标志)，因此图像的差异可以被理解为噪声。由于碎屑可以导致图像不同，因此透镜115上的碎屑量越大，就可以导致越大的噪声。如果碎屑检测系统110确定噪声量在可接受的界限之外，那么碎屑检测系统110可以确定图像传感器105应被清洁。清洁图像传感器105可以包括启动可以清洁透镜的外表面的喷射器、吹风机、擦拭器或者它们的组合。可替代地或另外地，清洁图像传感器105可以包括计划维护、使透镜115振动、旋转透镜115、移动盖等。
现在参考图2，碎屑检测系统110的部件可以与主车辆100的部件通信，诸如，图像传感器105、通信收发器120、传感器清洁系统125等。碎屑检测系统110可以包括系统存储器130和系统处理器135。在一些可能的方法中，经由车辆计算机来实施碎屑检测系统110。碎屑检测系统110和主车辆100的部件可以根据诸如控制器局域网(can)总线协议、以太网、局域互连网(lin)协议、
通信收发器120经由天线、电路、芯片或者其他促进主车辆100的部件与例如远程服务器145之间的无线通信的电子部件来实施。通信收发器120可以被编程为根据任何数量的有线或无线通信协议进行通信。例如，通信收发器120可以被编程为根据卫星通信协议、基于蜂窝的通信协议(lte、3g等)、
传感器清洁系统125可以包括例如清洗液喷射器和擦拭器。响应于控制信号，所述控制信号可以包括下文论述的由系统处理器135输出的控制信号，清洗液喷射器可以将清洗液喷射到图像传感器105的透镜115上。可以启动擦拭器以从图像传感器105的透镜115清除清洗液和碎屑。
系统存储器130经由电路、芯片或其他电子部件来实施，并且可以包括以下中的一个或多个：只读存储器(rom)、随机存取存储器(ram)、快闪存储器、电可编程存储器(eprom)、电可编程且可擦除存储器(eeprom)、嵌入式多媒体卡(emmc)、硬盘驱动器，或者任何易失性或非易失性介质等。系统存储器130可以存储可由系统处理器135执行的指令以及数据，诸如，一个或多个捕获图像、目标图像或这两者。存储在存储器中的指令和数据可以由系统处理器135访问，并且可能由碎屑检测系统110、主车辆100或这两者的其他部件访问。
系统处理器135经由电路、芯片或其他电子部件来实施，并且可以包括一个或多个微控制器、一个或多个现场可编程门阵列(fpga)、一个或多个专用集成电路(asic)、一个或多个数字信号处理器(dsp)、一个或多个客户集成电路等。系统处理器135可以被编程为接收由图像传感器105生成的捕获图像。系统处理器135可以被编程为直接从图像传感器105接收捕获图像。系统处理器135可以被编程为访问存储在系统存储器130中的捕获图像。系统处理器135可以被编程为处理捕获图像以确定图像传感器105是否需要清洁。如果需要的话，系统处理器135可以被编程为向传感器清洁系统125输出控制信号。如上文说明，作为接收由系统处理器135输出的控制信号的结果，传感器清洁系统125可以喷射清洗液并且启动擦拭器以从图像传感器105除去清洗液和碎屑。
系统处理器135可以被编程为定期检查图像传感器105是否脏。也就是，系统处理器135可以被编程为定期监测预定物体的捕获图像。预定物体可以是与存储在系统存储器130中的一个或多个目标图像相关联的物体。预定物体的示例可以包括相对一致的物体。例如，道路标志是高度标准化的。因此，预定物体的示例可以是停车标志。可替代地或另外地，预定物体可以是专门针对检查图像传感器105的清洁度的目的而设计的物体。例如，预定物体可以是例如沿着道路、在服务站、在主车辆100的停车位置处等定位的具有特定图案的标志。系统处理器135可以被编程为在经过预定量的时间之后、在主车辆100驾驶了预定距离之后(基于例如自从系统处理器135上次检查图像传感器105脏了之后的英里)、在主车辆100处于某一位置(例如，停车场或服务设施)时、在主车辆100经历了预定数量的关键周期之后等寻找预定物体。因此，系统处理器135不需要分析由图像传感器105捕获的每个图像。
检查图像传感器105是否需要清洁可以包括系统传感器135被编程为在由图像传感器105捕获的图像中寻找预定物体、选择具有预定物体的图像、操纵具有预定物体的图像、以及分析所操纵的图像。寻找具有预定物体的图像可以包括系统处理器135执行图像处理技术。执行图像处理技术的结果可以包括系统处理器135识别图像中的预定物体。操纵图像可以包括系统处理器135剪裁掉(即，数字去除)图像的并不表示预定物体的部分。操纵图像还可以包括将图像归一化。将图像归一化可以包括系统处理器135调整图像或图像中的预定物体的曝光、亮度级、取向等。在操纵图像之后剩余的可以是上文提及的“捕获图像”。
为了确定图像传感器105是否需要清洁，系统处理器135可以将捕获图像与目标图像进行比较。也就是，系统处理器135可以被编程为执行相对于目标图像的噪声量来检测捕获图像中的噪声量的图像处理技术。系统处理器135可以被编程为基于捕获图像与目标图像之间的差异来量化噪声量。可以使用任何数量的特性(包括特性的组合)来量化噪声。例如，噪声特性可以是信噪比(snr)、峰值信噪比(psnr)、均方根误差(rmse)、平均绝对误差(mae)等。这些特性中的每一个可以与不同阈值相关联。例如，snr和psnr可以随着图像噪声增加而降低。另一方面，rmse和mae可以随着图像噪声增加而增加。如果系统处理器135基于这些特性确定捕获图像相对于目标图像的噪声单独地或其任何组合在可接受的界限之外，那么系统处理器135可以开始图像传感器105的清洁。开始系统传感器105的清洁可以包括系统处理器135生成控制信号来启动传感器清洁系统125、计划例如在服务站处对图像传感器105进行清洁等。计划在服务站处对图像传感器105进行清洁可以包括系统处理器135生成命令以便通信收发器120将消息传输到远程服务器145。所述消息可以指示图像传感器105需要清洁、请求主车辆100可以得到服务的时间等。系统处理器135可以被编程为处理来自远程服务器145的响应并且对从远程服务器145接收的消息作出响应。
图3a示出示例捕获图像150。捕获图像150由图像传感器105在主车辆100的操作期间捕获。如上文说明，系统处理器135定期监测预定物体的捕获图像150。预定物体可以是与存储在系统存储器130中的一个或多个目标图像155相关联的物体。在图3a的示例中，预定物体是停车标志。系统处理器135可以被编程为在由图像传感器105捕获的原始图像中识别停车标志，并且执行一个或多个图像处理技术来隔离出停车标志的图像。也就是，系统处理器135可以剪裁图像、使图像明亮、调整曝光、调整图像的取向等。此类处理的结果可以是图3a所示的捕获图像150。此外，图3a所示的捕获图像150的模糊指示图像传感器105的透镜115被碎屑遮挡并且需要清洁。
图3b示出由碎屑检测系统110使用的示例目标图像155。继续上文关于图3a论述的示例，目标图像155可以是停车标志的清晰图像。因此，目标图像155可以表示停车标志的图像如果在图像传感器105的透镜115上没有碎屑时被捕获将看起来如何。
如上文说明，系统处理器135可以被编程为将捕获图像150与目标图像155进行比较以量化捕获图像150中的噪声量。如果噪声量在可接受的界限之外，那么系统处理器135可以被编程为开始图像传感器105的透镜115的清洁。开始清洁可以包括启动传感器清洁系统125(例如，喷射清洗液并启动擦拭器以将清洗液和碎屑擦掉)或者计划在服务站处的维护。
图4是可以由碎屑检测系统110实施的示例过程400的流程图。过程400可以在主车辆100操作的任何时候执行，并且可以继续执行直到例如主车辆100关闭。在一些情况下，即使主车辆100不在使用中也可以执行过程400。例如，可以在主车辆100停车并且熄火时执行过程400。这样，过程400可以用于在主车辆100需要依赖图像传感器105进行例如自主车辆操作之前检测图像传感器105上的碎屑。
在判定框405处，碎屑检测系统110确定是否到了检查图像传感器105的透镜115上的碎屑的时间。例如，系统处理器135可以被编程为确定自从上一次执行过程400之后是否经过了预定量的时间、自从上一次执行过程400之后主车辆100是否驾驶了预定距离(基于例如英里、公里等)、主车辆100是否处于某一位置(例如，停车场或服务设施)、自从上一次执行过程400之后主车辆100是否经历了预定数量的关键周期等。如果系统处理器135确定到了检查图像传感器105上的碎屑的时间，那么过程400可以行进到框410。否则，过程400继续执行框405，直到系统处理器135确定到了行进的时间。系统处理器135可以被编程为在再次执行框405之前等待一定量的时间或者发生特定事件。
在框410处，碎屑检测系统110在由图像传感器105捕获的图像中寻找预定物体。系统处理器135可以执行图像处理技术来确定由图像传感器105捕获的原始图像是否包括预定物体。如上文关于图3a和图3b论述，预定物体可以包括例如停车标志。然而，预定物体不必是停车标志。也就是，预定物体可以是具有相对标准化外观的任何物体，如上文说明。
在判定框415处，碎屑检测系统110确定在由图像传感器105捕获的原始图像中是否出现预定物体。如果系统处理器135确定预定图像在由图像传感器105捕获的原始图像中，那么过程400可以行进到框420。否则，过程400可以返回到框410，因此可以针对预定物体分析额外的图像。
在框420处，碎屑检测系统110操纵具有预定物体的图像。系统处理器135可以操纵图像来生成“捕获图像”。操纵图像可以包括系统处理器135剪裁掉图像的并不包括预定物体的部分。操纵图像还可以包括将图像归一化。将图像归一化可以包括系统处理器135调整图像中的预定物体的曝光、亮度级、取向等。在操纵图像之后剩余的可以是上文提及的“捕获图像”。
在框425处，碎屑检测系统110将捕获图像与目标图像进行比较。系统处理器135将捕获图像与目标图像进行比较以量化捕获图像中的噪声量(例如，噪声特性)。也就是，捕获图像相对于目标图像的差异可以被理解为由图像传感器105的透镜115上的碎屑引起的噪声。可以使用任何数量的特性(包括特性的组合)来量化噪声。例如，噪声特性可以是信噪比(snr)、峰值信噪比(psnr)、均方根误差(rmse)、平均绝对误差(mae)等。
在判定框430处，碎屑检测系统110将量化的噪声特性与一个或多个阈值进行比较。也就是，系统处理器135可以将量化的噪声与一个或多个可接受的界限进行比较。snr和psnr可以随着图像噪声增加而降低。另一方面，rmse和mae可以随着图像噪声增加而增加。因此，如果snr、psnr或这两者下降到低于它们相应的阈值，和/或如果rmse和mae超过它们相应的阈值，那么系统处理器135可以确定量化的噪声在可接受的界限之外。如果系统处理器135基于这些特性确定捕获图像相对于目标图像的噪声单独地或其任何组合在可接受的界限之外，那么过程400可以行进到框435。否则，过程400可以返回到框405。系统处理器135可以被编程为在再次执行框405之前等待一定量的时间或者发生特定事件。
在框435处，碎屑检测系统110开始图像传感器105的清洁。系统处理器135可以通过例如向传感器清洁系统125输出控制信号来开始图像传感器105的清洁。图像清洁系统125可以响应于接收到来自系统处理器135的信号而利用清洗液来喷射图像传感器105的透镜115并且启动擦拭器以从透镜115上擦掉清洗液和碎屑。可替代地或另外地，系统处理器135可以计划在服务站处对图像传感器105进行清洁。计划在服务站处对图像传感器105进行清洁可以包括系统处理器135生成命令以便通信收发器120将消息传输到远程服务器145。所述消息可以指示图像传感器105需要清洁、请求主车辆100可以得到服务的时间等。系统处理器135可以被编程为处理来自远程服务器145的响应并且对从远程服务器145接收的消息作出响应。
过程400可以在框435之后返回到框405。系统处理器135可以被编程为在再次执行框405之前等待一定量的时间或者发生特定事件。
通常，所描述的计算系统和/或装置可以采用许多计算机操作系统中的任一个，包括但绝不限于，以下项的版本和/或种类：ford
计算装置通常包括计算机可执行指令，其中所述指令可以由诸如以上列出的那些的一个或多个计算装置执行。计算机可执行指令可以从使用各种编程语言和/或技术创建的计算机程序中编译或解译，所述编程语言和/或技术包括，但不限于，单独或组合的javatm、c、c++、visualbasic、javascript、perl等。这些应用中的一些可以在虚拟机上编译和执行，诸如java虚拟机、dalvik虚拟机等。通常，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收指令，并且执行这些指令，由此执行一个或多个过程，包括本文所述的过程中的一个或多个过程。可以使用各种计算机可读介质来存储和传输此类指令和其他数据。
计算机可读介质(也被称为处理器可读介质)包括参与提供可以由计算机(例如，计算机的处理器)读取的数据(例如，指令)的任何非暂时性(例如，有形)介质。此类介质可以采取许多形式，包括但不限于，非易失性介质和易失性介质。非易失性介质可以包括例如光盘或磁盘以及其他持久性存储器。易失性介质可以包括例如通常构成主存储器的动态随机存取存储器(dram)。此类指令可以由一个或多个传输介质传输，所述传输介质包括同轴电缆、铜线和光纤，包括包含联接到计算机的处理器的系统总线的线。计算机可读介质的常见形式包括例如软盘、软磁盘、硬盘、磁带、任何其他磁性介质、cd-rom、dvd、任何其他光学介质、穿孔卡、纸带、任何其他具有孔图案的物理介质、ram、prom、eprom、flash-eeprom、任何其他存储芯片或盒式磁带，或者计算机可以从中读取的任何其他介质。
本文中描述的数据库、数据存储库或其他数据存储可以包括用于存储、存取和检索各种数据的各种机制，包括分层数据库、文件系统中的一组文件、专用格式的应用程序数据库、关系数据库管理系统(rdbms)等。每个此类数据存储通常被包括在采用诸如上文提及的那些操作系统中的一种的计算机操作系统的计算装置内，并且经由网络以各种方式中的任何一种或多种进行存取。文件系统可以从计算机操作系统访问，并且可以包括以各种格式存储的文件。除了用于创建、存储、编辑以及执行存储的程序的语言外，rdbms通常还采用结构化查询语言(sql)，诸如，上文提及的pl/sql语言。
在一些示例中，系统元件可以被实施为一个或多个计算装置(例如，服务器、个人计算机等)上的计算机可读指令(例如，软件)，所述计算机可读指令存储在与其相关联的计算机可读介质上(例如，磁盘、存储器等)。计算机程序产品可以包括存储在计算机可读介质上的用于执行本文所述的功能的此类指令。
关于本文所述的过程、系统、方法、启发法等，应当理解，虽然此类过程的步骤等已被描述为按照特定的顺序发生，但是可以在按照除本文所述顺序外的顺序执行所述步骤的情况下实践此类过程。还应当理解，可以同时执行某些步骤，可以添加其他步骤，或可以省略本文所述的某些步骤。换句话说，本文对过程的描述是出于说明某些实施例的目的而提供的，并且绝不应当被解释为限制权利要求。
因此，应当理解，以上描述意图是说明性的而非限制性的。在阅读以上描述后，将明白除了所提供的示例外的很多实施例和应用。范围不应参考以上描述来确定，而是应参考所附权利要求以及享有此类权利要求的权利的等效物的整个范围来确定。本文所论述的技术中预期并且意图将出现未来的发展，并且所公开的系统和方法将合并到此类未来的实施例中。总而言之，应理解，本申请能够进行更改和变化。
除非本文中作出相反的明确指示，否则权利要求中使用的所有术语意图给出如本技术领域中的技术人员所理解的它们普通的含义。具体地，除非权利要求叙述相反的明确限制，否则使用诸如“一个”、“该”、“所述”等单数冠词应被解读为叙述所指示的元件中的一个或多个。
提供摘要以允许读者快速地确定本技术公开的性质。应理解，所提交的摘要将不会被用于解释或限制权利要求的范围或含义。此外，在以上具体实施方式中可以看出，出于使本公开行文流畅的目的，各种特征在各种实施例中组合在一起。本公开的这种方法不应被解释为反映以下意图：所要求保护的实施例要求比每项权利要求中明确叙述的特征更多的特征。相反，如随附权利要求所反映，发明主题在于比单个公开的实施例的所有特征更少的特征。因此，随附权利要求由此合并到具体实施方式中，其中每项权利要求自身作为单独要求保护的主题。
根据本发明，提供一种车辆计算机，所述车辆计算机具有：存储器；以及处理器，所述处理器被编程为执行存储在所述存储器中的指令，所述指令包括：将预定物体的捕获图像与所述预定物体的目标图像进行比较，以量化所述捕获图像的第一噪声特性；将所述第一噪声特性与第一预定阈值进行比较；以及依据将所述第一噪声特性与所述第一预定阈值进行比较的结果而检测出输出所述捕获图像的图像传感器上的碎屑。
根据一个实施例，所述第一噪声特性是信噪比和峰值信噪比中的至少一个，并且其中检测出所述图像传感器上的碎屑包括依据确定所述第一噪声特性低于所述第一预定阈值的结果而检测出所述图像传感器上的碎屑。
根据一个实施例，所述指令包括将所述捕获图像与所述目标图像进行比较，以量化所述捕获图像的第二噪声特性，其中所述第二噪声特性包括均方根误差和平均绝对误差中的至少一个，并且其中检测出所述图像传感器上的碎屑包括依据确定所述第二噪声特性超过第二预定阈值的结果而检测出所述图像传感器上的碎屑。
根据一个实施例，检测出所述图像传感器上的碎屑包括依据确定所述第一噪声特性低于所述第一预定阈值并且所述第二噪声特性超过所述第二预定阈值的结果而检测出所述图像传感器上的碎屑。
根据一个实施例，所述指令包括依据检测出所述图像传感器上的碎屑的结果而开始所述图像传感器的清洁。
根据一个实施例，开始所述图像传感器的清洁包括向传感器清洁系统输出控制信号。
根据一个实施例，所述指令包括在由所述图像传感器捕获的原始图像中识别所述预定物体。
根据一个实施例，所述指令包括通过操纵由所述图像传感器捕获的所述原始图像来生成所述捕获图像。
根据一个实施例，操纵所述原始图像包括剪裁所述原始图像和将所述原始图像归一化中的至少一个。
根据一个实施例，将所述原始图像归一化包括调整所述原始图像中的所述预定物体的曝光、亮度以及取向中的至少一个。
根据一个实施例，剪裁所述原始图像包括去除所述原始图像的并不表示所述预定物体的部分。
根据本发明，提供一种方法，所述方法包括：将预定物体的捕获图像与所述预定物体的目标图像进行比较，以量化所述捕获图像的第一噪声特性；将所述第一噪声特性与第一预定阈值进行比较；以及依据将所述第一噪声特性与所述第一预定阈值进行比较的结果而检测出输出所述捕获图像的图像传感器上的碎屑。
根据一个实施例，所述第一噪声特性是信噪比和峰值信噪比中的至少一个，并且其中检测出所述图像传感器上的碎屑包括依据确定所述第一噪声特性低于所述第一预定阈值的结果而检测出所述图像传感器上的碎屑。
根据一个实施例，上述发明的特征还在于，将所述捕获图像与所述目标图像进行比较，以量化所述捕获图像的第二噪声特性，其中所述第二噪声特性包括均方根误差和平均绝对误差中的至少一个，并且其中检测出所述图像传感器上的碎屑包括依据确定所述第二噪声特性超过第二预定阈值的结果而检测出所述图像传感器上的碎屑。
根据一个实施例，检测出所述图像传感器上的碎屑包括依据确定所述第一噪声特性低于所述第一预定阈值并且所述第二噪声特性超过所述第二预定阈值的结果而检测出所述图像传感器上的碎屑。
根据一个实施例，上述发明的特征还在于，依据检测出所述图像传感器上的碎屑的结果而开始所述图像传感器的清洁。
根据一个实施例，上述发明的特征还在于，在由所述图像传感器捕获的原始图像中识别所述预定物体。
根据一个实施例，上述发明的特征还在于，通过操纵由所述图像传感器捕获的所述原始图像来生成所述捕获图像，其中操纵所述原始图像包括剪裁所述原始图像和将所述原始图像归一化中的至少一个。
根据一个实施例，将所述原始图像归一化包括调整所述原始图像中的所述预定物体的曝光、亮度以及取向中的至少一个。
根据一个实施例，剪裁所述原始图像包括去除所述原始图像的并不表示所述预定物体的部分。
- 还没有人留言评论。精彩留言会获得点赞！