1. 课程导入与汽车视觉感知概览

汽车图像传感器已经从“倒车影像的摄像头”演变为智能驾驶系统的核心感知器件。在一辆具备L2+辅助驾驶能力的乘用车上，通常同时存在前视、侧视、后视、环视、驾驶员监控与电子后视镜等多路成像通道，每一路对分辨率、动态范围、低照度性能、色彩保真度与功能安全等级的要求都不相同。onsemi（安森美）在这一领域拥有覆盖1MP到8MP以上、从RGB到RGB-IR、从普通车规到ASIL-B/C的完整产品线，理解这些产品如何与场景匹配，是本课程要解决的第一件事。

三类典型场景，三种成像诉求

ADAS前视是要求最苛刻的场景。它需要在隧道出口的强逆光下同时看清前方车辆与阴影中的行人，这直接指向高动态范围（HDR）指标——onsemi的AR0820AT等器件可提供120dB以上的多曝光合成HDR。同时，前视相机往往承担车道线检测、交通标志识别与AEB触发，因此对LED闪烁抑制（LFM）有硬性要求，否则交通信号灯与车灯在图像中会出现明暗跳变，导致算法误判。

座舱监控（DMS/OMS）的诉求完全不同。它工作在近红外波段，需要RGB-IR像素结构在同一颗传感器上同时输出可见光图像与红外图像，以便在夜间用IR补光监测驾驶员闭眼、打哈欠、分神等状态。这里更关注的是量子效率、IR灵敏度与全局快门带来的运动伪影抑制，而不是极限动态范围。

电子后视镜（CMS）则介于两者之间。它替代传统光学后视镜，必须在雨夜、眩光、隧道等条件下提供稳定可读的画面，对低照度信噪比、宽动态与显示延迟都有明确要求。由于涉及行车安全，功能安全等级通常需要达到ASIL-B。

选型不是查表，而是需求到参数的映射

很多初学者拿到onsemi的产品手册后，第一反应是找“参数最高的那颗”。但工程选型的本质是：先把场景拆解成可量化的成像需求，再反向匹配器件参数。例如，前视AEB要求在100km/h下识别150m外的行人，假设行人肩宽0.5m，需要至少多少像素？按水平视场角60°、150m处视场宽度约173m计算，若要求行人占8个像素，则水平分辨率需达到173/0.5×8≈2768像素，对应约3MP以上。再叠加HDR与LFM要求，AR0233AT（2.3MP）可能不够，AR0820AT（8MP）则有余量。这个推导过程比直接背型号更有价值。

调试阶段同样如此。拿到一颗AR0820AT，工程师需要配置曝光策略（多帧合成中长、中、短曝光的比例）、HDR合成曲线、LFM频率与占空比、输出接口（MIPI CSI-2的lane数与速率）、以及ISP端的去马赛克与色调映射。这些配置不是孤立的，曝光比例会影响运动伪影，LFM参数会影响有效曝光时间，最终都会反映在图像质量与算法检出率上。

工程目标：让图像“可被算法信任”

图像传感器调试的最终目标不是“画面好看”，而是“算法能稳定检出”。一颗传感器在实验室里输出漂亮的测试图，不等于它在隧道出口、暴雨夜、逆光眩光下仍能提供可靠的输入。因此，本课程始终围绕三个工程判据展开：第一，在目标场景的极限条件下，关键目标是否仍可被检出；第二，图像质量指标是否满足下游算法的输入要求；第三，功能安全机制是否能在传感器异常时及时上报，避免系统失效。

接下来的章节将逐一展开这些维度。你会看到，选型与调试不是两个割裂的阶段，而是一个反复迭代的过程：选型时预留的调试余量，决定了后期能调多深；调试中发现的场景适配问题，又会反过来修正选型判断。理解这一点，就抓住了本课程的主线。