1. 课程导入与车载视觉挑战
当你把一辆现代智能汽车开进地下车库出口，或者夜间行驶在隧道口时，前视摄像头面对的往往不是"一张照片"，而是一段亮度跨度极大的连续画面：隧道内暗部可能只有几勒克斯，出口处阳光直射区域却可达数万甚至十万勒克斯。与此同时，道路两侧的LED交通灯、LED车灯、LED广告屏又在以几十到几千赫兹的频率快速开关。这两件事叠加在一起，就构成了车载视觉系统最典型的两大挑战——高动态范围（HDR）与LED闪烁抑制（LFM, LED Flicker Mitigation）。
本课程围绕 onsemi（安森美）车载图像传感器方案展开，共 30 节，从成像原理、传感器架构、HDR 合成方式、LFM 工作机制，一直讲到寄存器配置、参数调优、实测验证与常见问题排查。第 1 节的任务不是讲具体寄存器，而是先把"问题是什么、为什么难、onsemi 方案站在什么位置、后面怎么学"这四件事讲清楚，为后续所有章节建立统一的坐标系。
一、车载摄像头到底难在哪里
先看 HDR。人眼在同一场景中能同时看清暗部细节和亮部细节，靠的是瞳孔调节与视网膜的局部适应，等效动态范围可超过 100 dB。而一颗普通 CMOS 图像传感器的单次曝光动态范围通常只有 60～70 dB 左右。这意味着：如果按暗部曝光，亮部（如天空、对向车灯、隧道出口）会大面积过曝成白色；如果按亮部曝光，暗部（如隧道内行人、阴影中的车辆）又会黑成一片。对自动驾驶和 ADAS 而言，这两种情况都可能直接导致漏检。
再看 LED 闪烁。LED 光源普遍采用 PWM 调光，人眼因为视觉暂留感觉它是"常亮"的，但摄像头的曝光是离散的。当曝光时间与 LED 的 PWM 周期不匹配时，同一盏 LED 灯在不同帧里可能时亮时暗，甚至完全熄灭。对于交通信号灯识别、前车尾灯检测、路牌识别这类任务，闪烁会造成误判或漏判。更麻烦的是，LED 闪烁与 HDR 往往同时出现——夜间 LED 车灯是强光源，白天 LED 信号灯又处在高亮背景中。
二、onsemi 方案的整体定位
onsemi 在车载图像传感器领域的产品线（如 AR 系列、AR0233、AR0820 等）并不是单纯"提高像素"或"提高帧率"，而是围绕同时解决 HDR 与 LFM来设计。其典型技术路线包括：
- 多曝光合成 HDR：在同一帧内用不同曝光时间采集多次，再在传感器内部或 ISP 中合成，扩展有效动态范围，典型可达 120 dB 以上，部分模式可到 140 dB。
- 分离像素/双转换增益：通过像素级或列级电路，在同一曝光中同时获取高增益与低增益信号，减少运动伪影，提升暗部信噪比。
- LFM 专用曝光策略：采用长曝光与短曝光交替、或多次短曝光叠加的方式，使曝光窗口覆盖 LED 的 PWM 周期，从而在输出图像中"补齐"LED 的亮态。
- 片上处理与输出接口：支持 MIPI CSI-2 等车载常用接口，配合 ISP 完成色调映射、去伪影、去闪烁后处理。
换句话说，onsemi 的定位是：在传感器层面就把 HDR 和 LFM 作为一等公民来设计，而不是留给后端算法"补救"。这也是本课程后续反复强调"先理解传感器时序，再谈调参"的原因。
三、本节核心关系图
下面这张图把本节的关键逻辑串起来：从真实场景中的两类光挑战出发，经过传感器采集与处理，最终落到 ADAS/自动驾驶的感知结果。图中同时标出了 HDR 与 LFM 在信号链上的作用位置，便于后续章节对照。
四、学习路径与实战目标
本课程 30 节按"原理—配置—验证—排障"四段推进，但并不是简单的线性流程，而是每进入一个新阶段都会回扣前面的原理。具体来说：
- 原理与架构阶段：理解 HDR 为什么需要多曝光、LFM 为什么需要特定曝光窗口、onsemi 传感器内部如何组织这些曝光。这一阶段不要求你会写寄存器，但要求你能画出时序图。
- 配置与调参阶段：进入实际寄存器与参数层面，例如曝光时间、增益、合成权重、LFM 模式选择。这里会给出示例配置和计算过程，但所有数值都标注为"示例/合理假设"，实际项目需以数据手册和实测为准。
- 验证与实测阶段：学会用灰阶卡、LED 光源、示波器/逻辑分析仪观察输出，判断动态范围是否达标、LED 是否还有闪烁。重点是"看什么、怎么判断"，而不是"跑一遍工具"。
- 排障与优化阶段：针对运动伪影、色偏、闪烁残留、高温噪声等典型问题，建立从现象到原因的排查路径。
最后需要明确本课程的实战目标：不是让你背下所有寄存器，而是让你具备独立判断和调优的能力。具体包括：能根据场景需求选择合适的 HDR 模式与 LFM 策略；能读懂并修改关键曝光时序参数；能通过图像和波形判断当前配置是否满足要求；能在出现伪影或闪烁时，快速定位是传感器配置、ISP 处理还是光源特性导致的问题。后续每一节都会围绕这个目标，给出可操作、可验证的具体内容。