车载摄像头HDR与运动模糊优化实战 - 第1节

1.1 从倒车影像到多目感知：车载摄像头这二十年

我入行那会儿，车载摄像头还是个稀罕物。2000年初，能有个倒车影像就已经算高端配置了。那时候的传感器，说白了就是安防摄像头改一改，动态范围也就60dB出头，晚上倒车基本靠猜。

真正让我感受到行业在狂奔，是2015年左右。Mobileye的EyeQ系列开始大规模铺开，前视摄像头成了L2级辅助驾驶的标配。嗯，从那时候起，摄像头就不再是「给驾驶员看的」，而是「给算法看的」。

到了今天，一台L3级自动驾驶车，少说也得装8-12个摄像头。环视、前视、侧视、后视、舱内监控……每个位置的光照条件都不一样。你想想看，前视摄像头要同时看清隧道出口的强光和隧道内的暗区，这活儿有多难。

1.2 ADAS与自动驾驶到底要什么样的图像？

这个问题，我每次面试新人都会问。很多人第一反应是「清晰就行」。其实没那么简单。

1.2.1 动态范围：看得见暗处，也压得住亮处

ADAS系统最怕什么？怕「看不见」。隧道出入口、夜间对向车灯、黄昏时的树荫……这些场景的亮度差轻轻松松超过100dB。普通摄像头拍出来，要么暗部死黑，要么亮部过曝。

我个人习惯把动态范围需求分成三档：

我在项目中遇到过最头疼的场景——傍晚时分，车辆刚从隧道出来，迎面又开来一辆开着远光灯的车。这时候如果HDR没调好，整个画面就是一团糟。行人检测直接罢工。

1.2.2 帧率与运动模糊：别让世界「拖影」

高速公路上，车速120km/h，每秒移动33米。如果帧率只有15fps，两帧之间物体已经跑了2米多。目标检测的框根本对不准。

但帧率高了，曝光时间就得短。曝光时间一短，信噪比就下降。这是个跷跷板。更麻烦的是，如果曝光时间和物体运动速度不匹配，就会出现运动模糊——说白了就是图像「拖影」了。

1.3 HDR与运动模糊：一对天生的冤家

为什么要把HDR和运动模糊放在一起讲？因为这俩在物理层面就是矛盾的。

1.3.1 HDR怎么做？多帧合成是主流

目前车载HDR的主流方案是多帧曝光合成。简单说就是：短曝光抓亮部细节，长曝光抓暗部细节，然后合成一张高动态范围的图。

但问题来了——多帧合成需要时间。如果在这段时间里物体在运动，合成出来的图像就会出现鬼影、边缘模糊。你想想看，一辆车在高速移动，长曝光帧和短曝光帧拍到的位置不一样，硬拼在一起，那画面能看吗？

// 伪代码：多帧HDR合成示意
frame_short = capture( exposure_time=1ms )  // 抓亮部
frame_long  = capture( exposure_time=16ms ) // 抓暗部

// 问题：两帧之间物体移动了，直接合成会鬼影
if (motion_detected(frame_short, frame_long)) {
    apply_motion_compensation();  // 运动补偿
    merge_hdr(frame_short, frame_long);
} else {
    merge_hdr(frame_short, frame_long);  // 无运动，直接合成
}

1.3.2 运动模糊的根源：曝光时间与像素尺寸

运动模糊的物理公式其实很简单：

模糊像素数 = 物体在像面上的移动速度 × 曝光时间

举个例子，一个行人以5km/h的速度横穿马路，在图像传感器上每秒移动约200像素。如果曝光时间是10ms，那就会产生2个像素的模糊。对于目标检测来说，2个像素的模糊可能还能忍。但如果车速更快、曝光时间更长，模糊就严重了。

1.4 本章知识体系：一张图看懂核心挑战

下面这张图，是我梳理的车载摄像头HDR与运动模糊的核心知识结构。你可以把它当作整个课程的「导航地图」。

1.5 写在第一章末尾的话

车载摄像头的HDR和运动模糊处理，说白了就是在「看得全」和「看得清」之间找平衡。没有银弹，没有万能算法。每个场景、每颗传感器、每套ISP流水线，都需要针对性地调优。

在接下来的29章里，我会带着你从传感器选型、ISP流水线设计、多帧合成算法、运动补偿、到实车标定和调试，一步步把这条路走通。有些坑我替你踩过了，有些经验我直接给你，剩下的，咱们一起动手做。

准备好了吗？那就开始吧。