2. 基础知识
无人车环境感知的第一环，是摄像头将物理世界的光信号转换为可供算法处理的数字图像。在光照变化剧烈、地面存在反光、摄像头安装角度动态变化的实际道路场景中，图像质量直接决定后续目标检测、车道线识别、交通标志解析的可靠性。若对成像链路缺乏系统理解，现场调试往往陷入“调参靠猜、问题靠试”的被动局面。本节从摄像头成像的物理链路出发，逐一拆解曝光、白平衡、增益等核心参数的作用机制、调节逻辑与现场判断方法，为后续光照与反光处理打下理论基础。
2.1 摄像头成像链路与核心原理
摄像头成像本质上是“光信号→电信号→数字信号”的转换过程。场景中的光线首先通过镜头模组汇聚，经过光学滤波（红外截止滤光片、偏振片等）后投射到图像传感器表面。传感器上的每个像素点（Photosite）通过光电效应将入射光子转换为电子，积累的电荷量与该像素接收到的光强成正比。随后，传感器读出电路将电荷转换为电压，经模数转换器（ADC）量化为数字值，最终由 ISP（Image Signal Processor）完成一系列处理，输出标准的 YUV 或 RGB 图像流。
在无人车场景中，传感器通常选用 CMOS 类型，因其具备高帧率、低功耗、高集成度优势。CMOS 传感器的每个像素都包含独立的放大器和读出电路，支持局部曝光控制，这对处理道路场景中常见的强逆光、局部高亮区域（如地面反光）具有工程意义。传感器的两个关键物理指标是量子效率（QE）和满阱容量（Full Well Capacity）。量子效率决定传感器将光子转换为电子的效率，直接影响低照度下的灵敏度；满阱容量决定像素能积累的最大电荷量，超过该值即发生高光溢出（Blooming），表现为图像中的高光区域出现白色拖尾或亮斑。
2.2 曝光：控制进光量的核心参数
曝光决定了图像传感器接收光能量的总量，由曝光时间（Shutter Speed）、光圈（Aperture）和增益（Gain）三者共同决定。在无人车摄像头中，光圈通常固定（定焦镜头），因此现场可调参数主要是曝光时间和增益。
曝光时间控制传感器积累电荷的时间窗口。曝光时间过长，运动物体会产生运动模糊（Motion Blur），在车辆高速行驶时尤为明显；曝光时间过短，进光量不足，图像整体偏暗，信噪比下降。对于 60km/h 行驶的无人车，若曝光时间超过 10ms，画面中 3 米外的行人边缘将出现明显拖影，严重影响检测精度。
增益是在信号读出过程中对电压进行放大的倍数。增益提升能增强弱光下的图像亮度，但同时也放大了传感器本身的读出噪声（Read Noise）和暗电流噪声（Dark Current Noise），导致图像出现颗粒感。增益每提升一倍（6dB），信噪比约下降 3dB。现场调试时，应优先调整曝光时间，增益作为辅助手段，且尽量控制在 16dB 以内。
| 参数 | 作用 | 过小的影响 | 过大的影响 | 无人车场景建议 |
|---|---|---|---|---|
| 曝光时间 | 控制进光时长 | 图像偏暗、噪声明显 | 运动模糊、高光溢出 | 1-8ms（根据车速动态调整） |
| 增益 | 放大信号幅度 | 低照度下亮度不足 | 噪声增大、动态范围压缩 | ≤16dB，优先配合曝光时间 |
| 光圈 | 控制进光孔径 | 进光量不足 | 景深过浅、边缘画质下降 | 固定光圈，选型时确定 |
2.3 白平衡：还原真实色彩的校正机制
白平衡（White Balance, WB）用于校正不同光源色温下图像色彩的偏移。人眼能自动适应不同色温环境，但图像传感器不具备该能力。在 3000K 的白炽灯下，白色物体偏黄；在 7000K 的阴天阴影下，白色物体偏蓝。白平衡算法通过调整 R/G/B 三个通道的增益，使中性色（灰、白）在图像中呈现为无色偏状态。
无人车在户外行驶时，光源色温变化范围极大：清晨阳光约 4000K，正午直射约 5500K，阴天约 6500K，隧道内钠灯约 2800K。若白平衡参数固定不变，图像会出现整体偏蓝或偏黄，直接影响交通信号灯颜色识别（红色灯可能被误判为橙色）和车道线颜色判断（黄色线可能被识别为白色）。
现场调试中，白平衡模式通常设置为自动白平衡（AWB），但需注意 AWB 在单一颜色占主导的场景（如大面积绿色植被、蓝色天空）中可能产生错误校正。此时应使用手动白平衡，通过拍摄标准灰卡或白色参照物，手动设定 R/G/B 增益值。对于无人车而言，更推荐使用基于色温传感器的动态白平衡，通过额外的色温传感器实时感知环境光源，为 ISP 提供准确的色温参考。
2.4 参数间的耦合关系与现场调节策略
曝光、增益、白平衡并非独立工作，它们之间存在强耦合关系。曝光时间增加会提升亮度，但也增加运动模糊风险；增益提升能弥补曝光时间不足，但引入噪声；白平衡的 R/G/B 增益调整会影响整体亮度感知，进而触发自动曝光算法的重新收敛。现场调试必须理解这种耦合，避免“按下葫芦浮起瓢”。
典型的调节流程如下：
- 固定基础参数：将光圈设为固定值，关闭自动曝光和自动白平衡，手动设定一组初始参数（如曝光 5ms、增益 0dB、色温 5500K）。
- 调节曝光时间：在目标场景下（如正常日照路面），调整曝光时间使图像平均亮度达到 120-140（8bit 灰度值），同时检查运动物体是否出现拖影。
- 微调增益：若曝光时间已接近上限（如 8ms）仍亮度不足，逐步增加增益，每次增加 3dB，观察噪声水平，直到亮度达标或噪声不可接受。
- 校正白平衡：在场景中放置标准灰卡，调整 R/G/B 增益使灰卡区域 R=G=B，记录当前色温值。
- 验证动态响应：切换场景（如从阴影到直射阳光），观察自动曝光/自动白平衡的收敛速度和稳定性，必要时调整 ISP 的收敛步长和死区阈值。
2.5 案例拆解：隧道出口的“白屏”现象排查
背景与现象：某无人车项目在城区道路测试时，车辆驶出隧道出口的瞬间，前视摄像头图像出现约 1.5 秒的“白屏”（全画面过曝），随后恢复正常。该现象导致出隧道后的第一帧目标检测全部丢失，存在安全隐患。
初步分析：隧道内光照约 100 lux，隧道外阳光直射约 100,000 lux，亮度差达 1000 倍。摄像头自动曝光算法在隧道内将曝光时间调至 8ms、增益调至 18dB 以维持亮度。驶出隧道瞬间，传感器接收到强光，但自动曝光算法需要若干帧才能将曝光时间降至 1ms、增益降至 0dB。在这 1.5 秒内，传感器处于过曝状态，图像全白。
关键数据：通过日志分析发现，自动曝光收敛时间约为 25 帧（30fps 下约 0.83 秒），但 ISP 的“抗闪烁”功能额外增加了约 0.7 秒的延迟。同时，白平衡算法也在同步调整，从 2800K 向 5500K 过渡，进一步加剧了图像异常。
解决步骤：
- 将 ISP 的自动曝光收敛步长从默认的 5% 提升至 15%，使曝光时间能更快响应剧烈光照变化。
- 关闭“抗闪烁”功能在隧道场景的强制启用，改为根据光源频率检测自动切换。
- 在 ISP 中启用“高光抑制”功能，当检测到画面平均亮度超过阈值时，优先降低增益而非曝光时间，避免全白画面。
- 增加基于车辆位置的场景预判：通过 GPS 和地图数据，在车辆接近隧道出口前 100 米，提前将曝光参数向户外预设值过渡。
结果对比：优化后，隧道出口的白屏时间从 1.5 秒缩短至 0.3 秒以内，且过渡期间图像保持可用状态，目标检测未出现中断。该案例表明，曝光参数调节不能仅依赖自动算法，需要结合场景先验和工程约束进行综合调优。
2.6 常见误区与总结复盘
误区一：增益越大越好。部分调试人员为了提升夜间图像亮度，将增益调至 24dB 以上，结果图像噪声急剧增加，目标检测算法的误检率上升 30% 以上。正确做法是优先保证曝光时间在安全范围内，增益作为最后手段。
误区二：白平衡只影响颜色，不影响检测。实际上，白平衡错误会导致颜色特征偏移，直接影响基于颜色的交通标志识别和信号灯检测。在黄昏和黎明时段，色温变化极快，固定白平衡参数会导致系统在一天中大部分时间处于偏色状态。
误区三：自动曝光可以应对所有场景。自动曝光算法基于全局统计信息，无法处理局部高动态范围场景（如地面反光区域与阴影区域同时存在）。此时需要结合 ISP 的局部处理能力或使用 HDR 传感器。
误区四：参数调节一次到位。光照环境随季节、天气、时段持续变化，参数需要定期标定和验证。建议建立“参数基线库”，针对晴天、阴天、雨天、夜间、隧道等典型场景保存参数组，现场调试时快速切换。