结论
汽车系统的一个关键趋势是朝着全自动驾驶车辆发展，计算机视觉也不例外。所有主要的汽车制造商都在研究并推广某种形式的车辆自动驾驶，而且都在计算机视觉领域进行投资，近期尤其侧重于神经网络方面。这一趋势始于市场上已有的较低自动化水平的应用，并且在未来几十年随着全自动驾驶车辆的出现必然会全面开花结果。因此，摄像头过去是、将来也仍会是此类系统中的关键要素。
图像信号处理器（ISP）在计算机视觉中起着至关重要的作用，因为它从根本上控制着传递给计算机视觉算法的信号质量。然而，正如我们所讨论的那样，计算机视觉中的 “质量” 未必是一个定义明确的概念，特别是考虑到计算机视觉中能够设计出各种各样的算法和应用。正如我们所阐述的，很明确的一点是，在自动驾驶车辆的背景下，使计算机视觉性能最大化至关重要，而且对图像信号处理器（ISP）进行调整会对计算机视觉算法的性能产生重大影响。鉴于该主题的重要性和复杂性，我们围绕以计算机视觉性能作为成本度量来自动调整图像信号处理器（ISP）流水线参数的几种可能性进行了讨论，例如贝叶斯超参数搜索，从而避开了为传递给算法的图像数据定义计算机视觉质量度量的必要。
在本文中，我们主要阐述了对图像信号处理进行自动调优以最大化计算机视觉算法性能的重要性这一论点，展示了一些结果来强化我们的论点，但并未呈现自动调优本身的相关结果。这显然是朝着这个方向开展工作的下一步内容。与本研究中呈现的结果相关，后续研究将会拓展至其他图像信号处理器（ISP）处理过程，如高动态范围（HDR）、色调映射、低光敏感度、调制传递函数（MTF）以及位深等方面，并研究对其他计算机视觉（更具体地说是深度学习，DL）算法关键性能指标（KPI）的影响，以便按照所述方式通过自动化对图像信号处理器（ISP）进行最优调优。
来源：智驾社
