3. 拍照流性能优化
任务说明
本案例针对Android相机HAL层拍照流程，解决连拍场景下帧间间隔过大、连拍速度不足的问题。目标是通过优化HAL层拍照管线中的关键耗时环节，减少相邻两帧捕获之间的时间间隔，提升单位时间内的连拍帧数。完成本案例后，你将获得一个可独立运行的HAL层拍照性能优化补丁，并掌握通过系统trace验证优化效果的方法。
性能瓶颈定位
在HAL层拍照流程中，帧间间隔主要由以下三部分耗时构成：
- 传感器输出延迟：从请求下发到传感器完成曝光并输出RAW数据的时间；
- ISP处理时间：RAW数据经过ISP管线（去噪、色彩校正、缩放等）得到YUV/JPEG的时间；
- 帧间同步开销：HAL内部buffer管理、request队列调度、以及等待上一帧处理完成后再下发下一帧的串行等待时间。
其中第3部分往往包含大量可优化的同步等待。本案例聚焦于减少帧间同步开销，核心手段是将“单帧全流程串行处理”改为“流水线并行处理”，使ISP处理第N帧的同时，传感器已经开始第N+1帧的曝光。
自洽实现
以下代码实现了一个简化的HAL拍照调度器，展示如何通过双buffer机制和异步下发消除帧间串行等待。代码模拟了传感器曝光（expose()）和ISP处理（process()）两个耗时阶段，对比了优化前后的帧间间隔。
```cpp
#include
#include
#include
#include
// 模拟传感器曝光耗时（微秒）
constexpr int kExposureTimeUs = 30000; // 30ms
// 模拟ISP处理耗时（微秒）
constexpr int kISPProcessTimeUs = 20000; // 20ms
// 模拟一帧图像数据
struct Frame {
int id = 0;
bool ready = false;
};
// 模拟传感器曝光
void expose(Frame* frame) {
std::this_thread::sleep_for(std::chrono::microseconds(kExposureTimeUs));
frame->ready = true;
}
// 模拟ISP处理
void process(Frame* frame) {
std::this_thread::sleep_for(std::chrono::microseconds(kISPProcessTimeUs));
frame->ready = false; // 处理完成，buffer释放
}
// ---------- 优化前：串行处理，每帧等待上一帧ISP完成后再曝光下一帧 ----------
double run_serial(int num_frames) {
auto start = std::chrono::steady_clock::now();
Frame buffer;
for (int i = 0; i < num_frames; ++i) {
buffer.id = i;
expose(&buffer); // 曝光
process(&buffer); // ISP处理（串行等待）
}
auto end = std::chrono::steady_clock::now();
double total_ms = std::chrono::duration(end - start).count();
return total_ms / num_frames; // 平均帧间间隔(ms)
}
// ---------- 优化后：双buffer流水线，曝光第N+1帧时ISP处理第N帧 ----------
double run_pipeline(int num_frames) {
auto start = std::chrono::steady_clock::now();
Frame buffers[2]; // 双buffer交替使用
int buf_index = 0;
// 预曝光第0帧
buffers[buf_index].id = 0;
std::thread expose_thread(expose, &buffers[buf_index]);
expose_thread.join(); // 第一帧仍需等待曝光完成
for (int i = 1; i < num_frames; ++i) {
int current = buf_index;
int next = 1 - buf_index; // 另一块buffer
// 启动ISP处理当前帧（异步）
std::thread isp_thread(process, &buffers[current]);
// 同时开始下一帧曝光（使用另一块buffer）
buffers[next].id = i;
expose(&buffers[next]); // 曝光与ISP并行
isp_thread.join(); // 等待ISP完成
buf_index = next; // 切换到新帧
}
// 处理最后一帧
std::thread last_isp(process, &buffers[buf_index]);
last_isp.join();
auto end = std::chrono::steady_clock::now();
double total_ms = std::chrono::duration(end - start).count();
return total_ms / num_frames;
}
int main() {
constexpr int kFrames = 10;
double serial_avg = run_serial(kFrames);
double pipeline_avg = run_pipeline(kFrames);
std::printf("串行模式平均帧间间隔: %.2f ms\n", serial_avg);
std::printf("流水线模式平均帧间间隔: %.2f ms\n", pipeline_avg);
std::printf("理论最优帧间间隔: %.2f ms (max(曝光, ISP))\n",
std::max(kExposureTimeUs, kISPProcessTimeUs) / 1000.0);
return 0;
}
```
落地方式
将上述代码保存为 burst_optimize.cpp，使用以下命令编译并运行：
g++ -std=c++11 -O2 -pthread burst_optimize.cpp -o burst_optimize
./burst_optimize
该程序不依赖Android系统环境，可在任意Linux主机上验证调度逻辑的正确性。在实际HAL集成时，将expose()替换为传感器驱动接口（如imxxxx_stream_on），将process()替换为ISP处理接口（如isp_process_frame），并将双buffer机制应用到HAL的request队列管理中。
验证方法与判定标准
功能验证：运行程序后，观察输出的平均帧间间隔。在给定参数（曝光30ms，ISP 20ms）下：
- 串行模式的理论帧间间隔为曝光+ISP=50ms；
- 流水线模式的理论帧间间隔为max(曝光, ISP)=30ms。
程序输出的流水线模式平均帧间间隔应显著小于串行模式，且接近30ms的理论值（由于线程调度开销，实际值可能略高，但应明显低于50ms）。
判定标准：若流水线模式平均帧间间隔 ≤ 串行模式的70%，则说明双buffer流水线调度逻辑有效，优化目标达成。若差异不明显，请检查是否存在buffer竞争或线程创建开销过大的问题。
HAL层实测建议：在目标设备上集成后，使用systrace抓取连拍期间的HAL层trace，观察processCaptureRequest调用间隔。优化后相邻两个processCaptureRequest的时间戳差应接近传感器最小帧间隔（如30ms），而非串行时的曝光+ISP总时间。