3. 摄像头光学与图像质量基础

ADAS 摄像头的感知性能，最终取决于它能否在真实道路环境中稳定输出“可被算法信任”的图像。曝光、增益、白平衡、动态范围、调制传递函数（MTF）、眩光与杂散光，这七项参数并非彼此独立，而是共同决定图像的信噪比、色彩一致性、细节保留能力和目标可检测性。理解它们之间的耦合关系，是后续标定、感知调优和故障排查的基础。

曝光与增益：先决定“有多少光”，再决定“放大多少”

曝光由光圈、快门时间和模拟/数字增益共同决定。车载摄像头通常采用固定光圈，因此曝光控制主要落在曝光时间与增益上。曝光时间决定传感器积分光量的时长，增益则是对已采集信号的电平放大。两者最核心的区别在于：延长曝光时间可以增加真实光子数量，提升信噪比；提高增益只是放大已有信号，同时也会放大噪声。

在 ADAS 场景中，曝光时间还受运动模糊约束。若车辆以 90 km/h 行驶，即 25 m/s，曝光时间为 10 ms，则目标在像面上的位移约为 0.25 m；若曝光时间延长到 20 ms，位移翻倍，远处小目标的边缘会被明显拖尾，直接影响 MTF 和检测稳定性。因此，工程上通常优先用曝光时间争取亮度，在达到运动模糊上限后，才用增益补足。一个合理的示例策略是：白天优先低增益、短曝光；黄昏逐步延长曝光；夜间在曝光时间达到约 1/30 s 后，再提升模拟增益，并同步评估噪声对感知的影响。

白平衡：让颜色在不同光源下保持一致

白平衡的目标是让白色物体在不同色温光源下仍被还原为白色。道路场景中常见光源包括日光（约 5000–6500 K）、钠灯（约 2000–2200 K）、LED 路灯（色温差异大）以及隧道内的混合光源。若白平衡失准，图像会整体偏黄或偏蓝，影响基于颜色的目标分类，例如交通标志、尾灯和车道线颜色判断。

自动白平衡通常基于灰世界假设或白点检测，通过调整 R、G、B 三通道增益实现。但在大面积单色场景中，例如进入黄色隧道或经过大片绿色植被时，灰世界假设容易失效，导致颜色漂移。工程上需要限制白平衡增益范围，并在感知链路中评估颜色通道偏移对红绿灯识别的影响。对于 ADAS，白平衡的稳定性往往比绝对准确性更重要，因为算法更怕颜色在帧间跳变。

动态范围：同时看清隧道口与阴影区

动态范围描述传感器在同一帧内同时保留亮部和暗部细节的能力。典型场景是车辆驶出隧道：隧道外阳光直射区域亮度可达 100000 cd/m² 以上，而隧道内阴影区域可能只有几十 cd/m²，场景动态范围超过 100 dB。若传感器动态范围不足，亮部会饱和成白色，暗部会淹没在噪声中，导致前方车辆、行人或车道线丢失。

高动态范围（HDR）通过多曝光合成或分段曝光实现。例如，同一帧内采用短曝光捕捉天空和反光车牌，中曝光捕捉路面，长曝光捕捉阴影中的行人。合成后需要检查两个关键点：一是运动物体在不同曝光间是否产生鬼影；二是合成后的色调映射是否压缩了局部对比度，导致暗部目标边缘变软。对 ADAS 而言，HDR 的价值不只是“好看”，而是保证亮暗过渡区域的目标仍然可检测。

调制传递函数：衡量“细节还能保留多少”

MTF 描述光学系统对不同空间频率对比度的传递能力。简单说，它回答的是：一个黑白相间的条纹目标，经过镜头和传感器后，黑白对比还剩多少。MTF 通常以空间频率（lp/mm 或 cycles/pixel）为横轴，以对比度传递比为纵轴。理想镜头在低频接近 1，随着频率升高逐渐下降，直到截止频率。

ADAS 关注的是目标细节对应的空间频率。例如，100 m 外一辆车的车牌或行人轮廓，在图像中只占很少像素，对应较高空间频率。若镜头 MTF 在 Nyquist 频率附近已经降到 0.2 以下，细节对比度不足，感知算法就很难稳定提取特征。影响 MTF 的因素包括镜头像差、对焦偏差、传感器像素尺寸、去马赛克算法以及压缩。工程上常用斜边法或西门子星图测试 MTF，并关注中心与边缘视场的差异。边缘 MTF 下降过快，会直接影响广角摄像头对侧向目标的检测能力。

眩光与杂散光：高光附近的“隐形杀手”

眩光与杂散光来自镜头表面反射、镜筒内壁反射、传感器表面反射以及灰尘、指纹等污染。典型表现包括：太阳直射时画面出现光斑、雾化或对比度整体下降；夜间对向车灯产生光晕或鬼影。对 ADAS 而言，最危险的不是明显的亮斑，而是高光附近区域对比度下降，导致行人、自行车或车道线在强光附近“消失”。

抑制杂散光需要从光学设计、镀膜、遮光结构和装配清洁度入手。工程验证时，可在暗室中用高亮度点光源从不同角度入射，拍摄并分析杂散光斑的位置和强度；也可在真实道路中记录逆光、隧道出口和夜间会车场景，观察感知算法是否出现漏检。若发现特定角度下目标检测率下降，应结合杂散光测试判断是否由光学污染或结构反射引起。

参数耦合与感知影响

这些参数在实际系统中相互制约。提高增益会放大噪声，降低有效动态范围；延长曝光会改善信噪比，但增加运动模糊，恶化 MTF；HDR 合成能扩展动态范围，却可能引入鬼影和局部对比度压缩；白平衡偏移会改变颜色通道信噪比，影响红绿灯识别；杂散光则会直接降低局部 MTF 和对比度。因此，ADAS 图像质量调优不是单独追求某一项指标最优，而是在真实场景中寻找感知性能的平衡点。

工程调优的观察与判断

在实际项目中，图像质量调优需要建立“参数—图像—感知”的闭环。建议在固定场景下采集数据，例如隧道出口、夜间会车、黄昏逆光、高速跟车，然后分别记录曝光时间、增益、白平衡增益、HDR 模式、MTF 测试结果和杂散光斑位置。观察指标包括：目标检测框是否稳定、置信度是否波动、车道线拟合是否跳变、红绿灯颜色分类是否正确。若发现某场景下漏检率上升，应优先检查该场景对应的图像质量参数是否进入非线性区，例如增益过高导致噪声淹没暗部，或 HDR 合成导致局部对比度压缩。

总结来看，ADAS 摄像头图像质量不是单一指标的竞赛，而是曝光、增益、白平衡、动态范围、MTF、眩光与杂散光在真实场景中的协同结果。只有把这些参数放回具体道路场景和感知任务中观察，才能判断调优是否真正提升了系统的安全性与可靠性。