3. 摄像头模组光学与传感器匹配
在ADAS摄像头模组中，镜头与图像传感器的匹配质量，往往比单独选一颗“好镜头”或“好传感器”更决定最终成像效果。一个典型的车载前视模组，通常由镜头、红外截止滤光片（IR-Cut Filter）、传感器、PCB与结构件组成。光学设计的目标不是追求单点最优，而是让镜头的像场、主光线角、畸变特性、光谱透过与传感器的像面尺寸、像素尺寸、CRA曲线、量子效率曲线相互吻合。若匹配不当，常见后果包括四角偏暗、边缘解析力下降、色彩偏红、红外污染、畸变校正后有效分辨率不足等。
镜头选型：先定像面，再定焦距与光圈
镜头选型的第一步不是看焦距，而是确认传感器有效像面尺寸。以1/2.7英寸传感器为例，其有效成像区域约为5.27 mm × 3.96 mm，对角线约6.6 mm。镜头必须支持至少该像面，否则会出现暗角或边缘画质崩塌。第二步根据视场角需求反推焦距。对于水平视场角HFOV，近似关系为：
HFOV ≈ 2 × arctan( W / (2 × f) )
其中 W 为传感器有效成像宽度，f 为镜头焦距。例如，若传感器有效宽度为5.27 mm，要求HFOV约100°，则 f ≈ 5.27 / (2 × tan(50°)) ≈ 2.21 mm。实际选型时还需考虑畸变，因为上述公式基于理想针孔模型，广角镜头边缘畸变会使真实视场角略大于计算值。光圈方面，F数越小，进光量越大，但边缘CRA和像差控制越难。ADAS前视常用F1.6～F2.0，环视常用F2.0～F2.4，需在低照度性能与边缘画质之间折中。
视场角与分辨率的权衡
视场角与分辨率是一对矛盾。传感器像素总数固定时，视场角越大，单像素对应的空间角度越大，即角分辨率越低。角分辨率可用每度像素数PPD衡量：
PPD ≈ 水平有效像素数 / HFOV假设某前视传感器为1920×1080，HFOV为100°，则水平PPD≈19.2 px/°。若将HFOV扩大到140°，PPD降至约13.7 px/°。对于100 m处目标，19.2 px/°意味着约0.052°/px，对应横向分辨约9.1 cm/px；而13.7 px/°对应约12.7 cm/px。若目标检测算法需要至少20 px识别行人，则前者可在约180 m处满足，后者仅约130 m。因此，ADAS前视通常优先保证中远距角分辨率，环视则优先覆盖近距大视场。实际项目中，应把“检测距离、目标尺寸、算法最小像素数”三者代入计算，而不是只看HFOV标称值。
主点、畸变与校正
主点是镜头光轴与像面的交点，理论上应位于图像中心。但装配公差会使主点偏移，导致畸变校正和测距模型出现系统误差。畸变分为桶形畸变和枕形畸变，广角镜头多为桶形畸变。常用多项式模型描述：
r_u = r_d × (1 + k1 × r_d² + k2 × r_d⁴ + k3 × r_d⁶)
其中 r_d 为畸变图像半径，r_u 为理想图像半径，k1、k2、k3 为畸变系数。标定时通常用棋盘格或圆点靶标，采集多姿态图像，通过最小化重投影误差求解内参和畸变系数。判断标定质量可看重投影误差，车载模组一般要求小于0.3 px。若主点偏移超过数像素，或k1绝对值过大，校正后边缘会被拉伸，有效分辨率下降。因此，选型时应关注镜头畸变曲线，而不是仅看“低畸变”宣传。
CRA匹配：最容易被忽视的关键项
CRA即主光线角，指光线进入传感器时与像面法线的夹角。传感器微透镜和像素结构对CRA有最佳接收范围，通常以CRA曲线给出。镜头CRA曲线必须与传感器CRA曲线在像高方向逐点匹配。若镜头CRA大于传感器可接受范围，边缘光线会被微透镜遮挡，导致边缘亮度下降和色彩串扰。典型判断方法是：在0、0.5、0.8、1.0像高处，比较镜头CRA与传感器CRA，偏差一般应控制在±2°以内，边缘不超过±3°。若偏差过大，可通过调整镜头后焦、更换镜头架构或选择CRA更匹配的传感器解决。
红外截止滤光片对成像的影响
硅基图像传感器对近红外（约700～1100 nm）仍有较高响应，而人眼不可见。若不截止红外，画面会整体偏红、偏紫，绿色植物反射大量红外会显得异常明亮，影响白平衡和颜色识别。IR-Cut滤光片通过多层镀膜反射或吸收红外，使可见光透过、红外截止。但滤光片存在两个实际问题：一是透过率随入射角变化，边缘大角度光线中心波长蓝移，导致边缘偏色；二是镀膜均匀性和厚度公差会影响局部色彩。对于ADAS，若涉及红绿灯识别、车道线颜色判断，IR-Cut的截止波长和边缘一致性尤为关键。通常要求700～1050 nm平均透过率低于1%～3%，可见光平均透过率高于90%。
综合来看，镜头与传感器的匹配是一项多参数联合优化工作。焦距决定视场角，像面决定可用画幅，CRA决定边缘光效率，畸变决定校正后有效分辨率，IR-Cut决定色彩真实性。实际项目中，建议制作一张匹配检查表，逐项记录镜头与传感器的关键参数，并在模组点亮后重点观察四角亮度、边缘解析力、白平衡和红外污染，用图像质量结果反向验证选型是否合理。