相机自动对焦精度标定与全场景调优实战 - 第1节

一、对焦系统概述：自动对焦（AF）与手动对焦（MF）的区别

对焦这件事，说白了就是让镜头里的镜片组前后移动，把被摄物体的像精准地投射到传感器上。我做了十几年模组调试，见过太多因为对焦不准导致的废片——明明光学设计没问题，就是差那么几微米。

自动对焦（AF）和手动对焦（MF）的区别，不只是「机器转还是人拧」这么简单。它们的底层逻辑完全不同。

对比维度	自动对焦（AF）	手动对焦（MF）
驱动方式	马达（VCM/步进/超声波）	人手旋转对焦环
反馈机制	传感器信号闭环	人眼视觉判断
精度上限	受限于算法和马达步长	理论上无级，但依赖人眼
适用场景	运动、抓拍、量产	微距、弱光、特殊效果
调优难度	需要标定和算法配合	机械手感调校

我个人习惯把AF理解成「传感器+算法+马达」的三角配合。任何一个环节掉链子，对焦就崩。而MF更像一门手艺活，我在产线上见过老师傅凭手感就能调到比自动对焦还准——但那是经验，不是工程。

二、对比度检测对焦（CDAF）原理

CDAF是最早普及的自动对焦方式。它的原理很直观：图像越清晰，相邻像素的亮度差异越大。

算法会计算当前画面的对比度值——通常用拉普拉斯算子或Sobel算子做边缘检测。然后驱动马达从近到远扫一遍，找到对比度最高的那个位置。

CDAF的优缺点很明显：

• 优点：结构简单，不需要额外传感器，成本低
• 缺点：需要反复搜索，速度慢；对低对比度场景（纯色墙壁、天空）无能为力

你想想看，如果画面里是一面白墙，CDAF就彻底懵了——因为不管怎么移动镜片，对比度值都差不多。这就是为什么早期手机拍白墙会一直对不上焦。

三、相位检测对焦（PDAF）原理

PDAF的出现，解决了CDAF「慢」的问题。它的灵感来自人眼——左右眼看到的图像有视差，大脑通过视差判断距离。

在传感器上，PDAF会放置一对「相位检测像素」。这两个像素分别从左右两侧接收光线。如果镜头准确对焦，两个像素的信号完全一致；如果前焦或后焦，信号就会出现相位差。

我在项目中遇到过一个问题：PDAF像素会牺牲一部分成像质量。因为相位检测像素被遮挡了一半，导致该位置的感光能力下降。后来行业普遍采用「2x2 On-Chip Lens」方案，才把这个问题压下去。

PDAF的优缺点：

• 优点：一次计算就能知道方向和距离，速度极快
• 缺点：弱光下相位检测像素信噪比下降；需要硬件支持，成本高

嗯，这里要注意：PDAF不是万能的。如果光线太暗，相位检测像素的信号被噪声淹没，算法算出来的相位差就不准了。这时候很多模组会切回CDAF做二次确认。

四、激光/ToF辅助对焦原理

激光和ToF（Time of Flight）属于「主动测距」方案。它们不依赖图像内容，直接发射光信号测量距离。

激光对焦用的是三角测距法：发射一束激光，接收反射光，根据光斑在接收器上的位置计算距离。ToF则是直接测量光脉冲往返的时间。

技术	测距方式	精度	有效距离	典型应用
激光对焦	三角测距	±1cm	0.1~5m	手机、扫地机器人
ToF	飞行时间	±0.5cm	0.1~10m	AR、人脸识别、相机

我记得有一次调试激光对焦模组，发现近距离（<10cm）测距总是跳变。查了半天，原来是激光发射器和接收器的光轴没对准，反射光打到了接收器的边缘。后来在产线上加了主动校准工序，问题才解决。

实际产品中，很少只用一种对焦方式。我经手的项目基本都是「PDAF为主 + CDAF兜底 + ToF辅助」的混合方案。PDAF负责快速粗调，CDAF做精细确认，ToF在弱光或纯色场景下提供距离参考。

五、四种对焦方式的核心逻辑对比

下面这张图是我自己总结的，把四种对焦方式的核心逻辑画在了一起。你可以看到，它们本质上是在「速度」和「精度」之间做取舍。

从这张图你能看出来，没有一种方案是完美的。CDAF精度高但慢，PDAF快但受光线影响，激光和ToF不怕暗但怕强光和反射面。所以，真正好的对焦系统，一定是「看场景选方案」的智能调度。