4、搜索策略概述：爬山法、全局搜索、混合搜索、无穷远/微距触发策略
自动对焦的搜索策略，说白了就是镜头该怎么动才能找到最清晰的那个点。高通平台给了我们好几种选择，每种都有自己的脾气。我这些年调过的项目里，几乎每个案子都要在这几种策略里做组合，很少有只用一种策略就能搞定的情况。
先看一张总览图，把这几种策略的关系理清楚：
4.1 爬山法：最经典的局部搜索
爬山法的思路很直观——往清晰度值变大的方向走，直到找到峰值。高通平台里，爬山法是最基础的搜索方式，也是我最早接触的AF算法。
它的工作流程大致是这样：
- 确定起始位置：通常是当前镜头位置，或者预设的起始点。
- 迈出第一步：朝一个方向移动固定步长，计算清晰度值。
- 比较判断：如果清晰度变大了，继续朝同方向走；如果变小了，掉头。
- 步长切换：找到大致方向后，步长减半做细搜。
- 收敛判定：连续几次清晰度不再提升，或者出现下降，就认为找到了峰值。
核心要点：爬山法只保证找到局部最优，不保证全局最优。如果镜头初始位置选得不好，很容易爬到一个小山坡上就停了。
我在项目中遇到过一个问题：某个场景下，爬山法总是停在离真正焦点差十几步的位置。后来发现是步长设置太大，细搜阶段没有充分探索。嗯，这里要注意——步长的衰减策略很关键，衰减太快容易错过峰值，衰减太慢又浪费时间。
4.2 全局搜索：地毯式排查
全局搜索就简单粗暴了——从镜头的一端走到另一端，每个位置都算一遍清晰度，最后挑出最大值对应的位置。说白了，这就是穷举法。
高通平台里，全局搜索通常用在初始化阶段，或者场景发生剧烈变化时。它的优点是不会漏掉全局最优，缺点嘛，你想想看——如果镜头行程有1000步，每一步都要算清晰度，那耗时可就大了。
| 对比项 | 爬山法 | 全局搜索 |
|---|---|---|
| 搜索范围 | 局部区域 | 全行程 |
| 耗时 | 短（几十步） | 长（几百到上千步） |
| 最优性 | 局部最优 | 全局最优 |
| 适用场景 | 连续对焦、追踪 | 初始化、场景切换 |
避坑提醒：我曾经在一个项目中，全局搜索的步长设成了1步，结果每次对焦都要花2秒多。后来改成先粗搜（步长8步）再细搜（步长1步），时间降到了400毫秒以内。全局搜索不是不能用，但要控制采样密度。
4.3 混合搜索：取长补短
混合搜索是目前高通平台上的主流方案。它的思路很简单——先用全局搜索做粗定位，再用爬山法做精确定位。这样既保证了全局最优性，又控制了整体耗时。
我个人的习惯是这么配置混合搜索的参数：
- 粗搜阶段：步长设为镜头全行程的5%-10%，采样点控制在20-30个。
- 细搜阶段：步长设为粗搜步长的1/4到1/8，收敛阈值设得严一些。
- 边界处理：如果粗搜找到的峰值在边界附近，要扩展搜索范围。
实战技巧：混合搜索的粗搜步长不是固定的。我习惯根据场景动态调整——光线好的时候步长大一些，光线差的时候步长小一些。因为暗光下清晰度曲线比较平缓，步长太大容易错过峰值。
4.4 无穷远/微距触发策略
这个策略解决的是「什么时候该触发对焦」的问题。高通平台里，无穷远和微距是两个特殊的触发条件。
无穷远触发：当场景中的主体距离镜头超过某个阈值（比如5米以上），系统直接跳到无穷远位置，不做搜索。为什么？因为这时候不管怎么搜，结果都差不多是无穷远，何必浪费时间去算清晰度呢？
微距触发：当检测到场景中有物体靠近镜头（比如小于10厘米），系统直接跳到微距位置。这个判断通常靠激光传感器或者双摄视差来完成。
我记得有一次调试，用户反馈手机拍近处物体时对焦很慢。查了半天发现是微距触发阈值设得太保守了——15厘米才触发，但很多用户拍文档的距离是20厘米左右。后来把阈值放宽到25厘米，问题就解决了。
| 触发类型 | 判断依据 | 动作 | 典型阈值 |
|---|---|---|---|
| 无穷远触发 | 场景深度 > 阈值 | 直接跳到无穷远 | 5m - 10m |
| 微距触发 | 场景深度 < 阈值 | 直接跳到微距位置 | 10cm - 25cm |
| 普通触发 | 场景深度在中间范围 | 执行搜索策略 | 无 |
注意：无穷远和微距触发不能滥用。我曾经见过一个项目，把无穷远触发阈值设成了3米，结果室内场景经常被误判为无穷远，拍出来的照片都是模糊的。阈值要根据镜头模组的实际景深来标定，不能拍脑袋定。
好了，这几种策略各有各的脾气。爬山法快但不一定准，全局搜准确但慢，混合搜索是折中方案，无穷远/微距触发则是偷懒的技巧。实际项目中，我一般会根据场景动态切换——预览阶段用混合搜索，拍照阶段用爬山法加边界校验，特殊场景用触发策略直接跳转。没有银弹，只有最适合当前场景的方案。