2. Camera HAL架构与功耗关键路径

2.1 HAL3架构回顾：Pipeline与关键组件

Android Camera HAL3（即Camera3 HAL）的核心设计围绕Pipeline（管线）展开。与HAL1的固定流式处理不同，HAL3允许Framework灵活配置输出流（YUV、JPEG、RAW等），并引入Request/Result模型。每一次拍照或预览都对应一个Capture Request，经过ISP、Sensor、CPU/GPU处理后返回Capture Result。

从功耗角度看，HAL3架构中以下组件是功耗优化的关键节点：

下面这张SVG图展示了HAL3 Pipeline的核心数据流与功耗关键节点：

2.2 PowerHint机制：Framework与HAL的功耗协商

Android从HAL3开始引入PowerHint机制，允许Framework向HAL传递功耗提示（Hint），例如：

• CAMERA_STREAMING：持续预览/录像，要求低延迟、稳定帧率。
• CAMERA_SNAPSHOT：单帧拍照，允许短暂高功耗。
• CAMERA_VIDEO：视频录制，需要持续编码负载。
• CAMERA_ZSL：零快门延迟，需要保持Sensor持续输出。

HAL收到Hint后，需要动态调整以下参数：

下面这张SVG图展示了PowerHint从Framework下发到HAL，再到各硬件模块的协商流程：

2.3 Sensor/ISP/CPU/总线功耗模型

要精准优化功耗，必须理解每个模块的功耗模型。以下是各模块的功耗公式与关键因子：

2.3.1 Sensor功耗模型

Sensor功耗主要由像素阵列读出和模拟前端（AFE）决定：

P_sensor = P_static + P_readout
P_readout = f(frame_rate) × (resolution) × (bit_depth) × (gain_factor)

关键优化手段：

• 降低帧率（如从30fps降到15fps，功耗可降低40%~50%）。
• 使用binning/subsampling降低有效分辨率。
• 关闭不使用的Sensor通道（如深度Sensor、IR Sensor）。

2.3.2 ISP功耗模型

ISP功耗与管线深度和输出格式强相关：

P_isp = P_base + Σ(P_module_i × enable_i)
其中 P_module_i 包括：Bayer处理、降噪、3A统计、HDR融合、缩放、格式转换

关键优化手段：

• 根据场景动态关闭ISP模块（如预览时关闭HDR融合）。
• 降低输出分辨率（如从4K降到1080p）。
• 使用硬件加速模块替代CPU处理。

2.3.3 CPU/GPU功耗模型

CPU/GPU功耗遵循DVFS（动态电压频率调整）模型：

P_cpu = C × V² × f × N
其中 C 为电容负载，V 为电压，f 为频率，N 为活跃核数

关键优化手段：

• 将算法卸载到ISP或DSP，减少CPU负载。
• 使用大小核调度策略，将轻负载任务放在小核。
• 避免频率抖动，减少DVFS切换次数。

2.3.4 总线功耗模型

总线（如DDR、AXI）功耗与带宽利用率和访问模式相关：

P_bus = P_idle + (bandwidth_utilization) × (P_active - P_idle)
bandwidth_utilization = (data_rate) / (max_bandwidth)

关键优化手段：

• 减少不必要的数据拷贝（如使用ION buffer直接传递）。
• 合并小数据包为大块传输，提高总线效率。
• 降低DDR频率（如从2133MHz降到1600MHz）。

下面这张SVG图总结了四个模块的功耗模型与优化方向：

2.4 功耗关键路径总结

综合以上分析，Camera HAL3的功耗关键路径可以归纳为以下流程：

1. App发起Request → 决定帧率、分辨率、格式。
2. HAL解析Request → 根据PowerHint和当前状态，决定Sensor配置。
3. Sensor输出RAW/YUV → 功耗由帧率、分辨率、位深决定。
4. ISP处理 → 根据输出格式和场景，动态启用/关闭模块。
5. CPU/GPU后处理 → 算法卸载、线程调度、频率调整。
6. 总线传输 → 数据拷贝、带宽分配、DDR频率。