目录
横向偏差（切线‑法线选择性惩罚）原理的通用应用场景
先提炼 libcamera Bayes‑AWB 的通用内核： 给定一条参考曲线（流形 / 轨迹），在曲线上每一点建立局部坐标系：
- 切线方向：沿着参考曲线本身变化；允许样本点在切线方向大幅偏移，不施加惩罚
- 法线（横向）方向：垂直于参考曲线；样本一旦偏离曲线，法线偏移量（横向偏差
）作为惩罚项，距离越大置信度越低。
该范式本质 = Frenet‑Serret（弗雷内）局部坐标系偏差分解，并不是白平衡独有的算法；下面分成五大领域，每个场景给出原理类比、实例、和 AWB 的对照关系。
一、自动驾驶 / 机器人轨迹跟踪（最经典同源应用）
参考曲线：车辆规划好的行驶路径（车道中心线）
- 切线方向：路径前进方向（纵向 s，沿道路向前 / 向后）
- 法线方向：垂直车道方向（横向 d，左右偏离车道）
- 横向偏差
算法策略（和 Bayes‑AWB 完全一致）
- 切线（纵向）误差宽容：车子开快一点慢一点、沿路径前后偏移，不属于 “偏离车道”，不需要大幅度打方向盘修正；不惩罚纵向偏移
- 法线（横向）误差严厉惩罚：车子向左 / 右偏离车道，横向偏差越大，转向控制量越强，快速拉回车道中心线。
对照 AWB： 车道中心线 ↔ 黑体轨迹；车体位置 ↔ 色块色度点；车道横向偏移 ↔ 色块横向偏差
。
工程落地：LQR、MPC 路径跟踪控制器，代价函数里面只惩罚横向偏差，纵向误差权重很低。
二、ISP 图像处理，除 AWB 以外的相机算法场景
1）日光轨迹 Daylight‑Locus 白平衡扩展
普朗克黑体轨迹之外还有日光轨迹线，U'V' 色度平面一条曲线。
- 切线方向：日光色温升高 / 降低方向
- 法线方向：偏离日光轨迹，物体色彩偏移
策略：采样点沿着日光轨迹切线偏移（色温波动）可以放行；垂直偏离日光轨迹（蓝天 / 绿色）降权重。
2）肤色保护 / 肤色轨迹约束
肤色在 Cb‑Cr 色度平面上存在一条肤色曲线（人脸色度轨迹）
- 切线方向：人脸亮度、人种带来的肤色沿曲线偏移（允许，不扣分）
- 法线方向：垂直肤色曲线偏移 → 颜色失真，需要强制拉回肤色轨迹，对法线偏差施加惩罚。
ISP 调色、3D‑LUT 肤色保色、AE/AWB 人脸加权，大量采用该思路。
3）色域边界跟踪、色域映射 Gamut Mapping
色域边界是一条闭合曲线。
- 切线方向：沿着色域边缘移动色相
- 法线方向：向外溢出色域（超色域），法线偏移量作为溢出程度，用来压缩饱和度。
三、点云、三维重建、几何优化
1）ICP 点‑面距离（迭代最近点配准）
参考曲面可以看作无数微小局部曲线；每个点取切面法线。 误差 = 目标点向量在曲面法线方向投影，即横向偏差； 切平面方向的偏移不做惩罚，只最小化法线方向距离，也就是经典点‑平面 ICP 损失。
逻辑等价：切线（切平面内）偏移允许；法线偏移惩罚。
2）曲线 / 边缘拟合、亚像素卡尺检测
工业视觉卡尺算法：沿着基准线段法线方向搜索边缘
- 切线方向：沿着直线边缘走向；
- 法线方向：垂直边缘，就是寻找边缘过渡的搜索方向； 只在法线方向上检测灰度跳变，切线方向不计算误差。
四、机器学习、流形学习、降维
高维样本分布往往落在低维流形（曲线 / 曲面）上。 流形上每个点，分解：
- 切空间方向：样本沿着流形本身自然变化（属于正常样本变异，不惩罚）
- 法向方向：离开流形，大概率是异常值、噪声、离群点；法线方向偏差越大置信度越低。
典型应用：
- 流形正则化损失；
- 特征嵌入、领域自适应扰动约束：扰动只允许在切平面内，禁止大幅度法线方向跳出流形；
- 异常检测：计算样本点距离流形的法线偏移量作为异常得分。
和 AWB 类比：流形 = 黑体轨迹；离群样本 = 蓝天色块；法线偏移 = 横向偏差。
五、运动控制、数控加工、工业机器人曲线运动
1）CNC 轮廓铣削，曲线轨迹加工
刀具沿工件轮廓曲线运动
- 切线方向：沿着轮廓前进，进给方向；进给速度波动、沿轨迹前后偏移宽容
- 法线方向：垂直轮廓，刀具切深方向；法线方向偏移就是轮廓误差，是主要加工误差，需要闭环严格修正。 代价函数只惩罚轮廓法线偏差，切线进给误差宽容放行。
2）无人机曲线飞行跟踪
参考飞行航线为曲线：
- 切线方向：航线前进方向（飞行路程）
- 法线方向：偏离航线左右距离，即横向偏差；控制器优先消除法线偏移。
所有场景统一范式对照表
| 参考曲线 | 样本点 | 切线方向（宽容，不惩罚） | 法线‑横向偏差（惩罚） |
|---|---|---|---|
| 黑体色温轨迹 | 色块色度 \(S_i\) | 色温方向漂移 | 色块垂直轨迹偏移（彩色物体） |
| 车道中心线 | 车辆位置 | 沿车道前后纵向误差 | 车辆左右偏离车道 |
| 肤色轨迹 | 人脸色度 | 人种、亮度引起肤色沿曲线变化 | 人脸肤色失真偏移 |
| 加工轮廓曲线 | 铣刀坐标 | 刀具沿轮廓进给方向误差 | 刀具切深轮廓误差 |
| 数据流形曲线 | 高维特征向量 | 样本正常变异，沿流形滑动 | 离群噪声跳出流形 |
容易混淆：普通欧氏距离 vs 切线‑法线选择性惩罚
- 欧氏距离惩罚：样本点与曲线上参考点 2‑D 距离全部惩罚，切线法线一视同仁；
- 横向偏差范式：方向敏感，只惩罚法线分量，切线分量忽略。
libcamera Bayes‑AWB 本质就是这套方向选择性损失，放到色度‑色温轨迹上的一个具体工程实例。
扫一扫
1291
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
