4. 爬山法步长设计：固定步长与自适应步长的优缺点分析

在 ISP 自动对焦（AF）的爬山法搜索中，步长决定了每次调整镜头位置时马达移动的物理距离或驱动脉冲数。步长设计直接关系到搜索的收敛速度、精度以及抗噪声能力。本章深入剖析固定步长与自适应步长两种策略的原理、优缺点及适用场景。

4.1 固定步长策略

固定步长指在整个搜索过程中，每次移动的步长值保持不变。该策略实现简单，是早期 AF 算法的基础方案。

4.1.1 固定步长的工作流程

1. 初始化： 设定步长 S（例如 10 个马达步进脉冲）。
2. 方向试探： 从当前位置向一个方向移动 S，计算清晰度评价值（如 Tenengrad 梯度）。
3. 比较与移动： 若新评价值大于当前值，继续同方向移动 S；否则反向移动 S。
4. 峰值检测： 当连续两次反向移动后评价值均下降，判定为峰值点。

4.1.2 固定步长的优缺点

4.2 自适应步长策略

自适应步长根据搜索过程中的实时反馈动态调整步长值，旨在平衡速度与精度。常见的自适应策略包括：梯度幅值比例法、历史趋势法和分段阈值法。

4.2.1 自适应步长的典型算法

以下是一种基于梯度幅值的自适应步长计算公式：

// 自适应步长计算（伪代码）
float current_gradient = abs(focus_value_current - focus_value_previous);
float step_size = base_step * (1 + alpha * (1 - current_gradient / max_gradient));

// 参数说明：
// base_step      : 基础步长（通常为固定步长的 1/2）
// alpha          : 自适应强度系数（0.3 ~ 0.8）
// max_gradient   : 历史最大梯度值，用于归一化
// current_gradient: 当前相邻两帧的评价值变化绝对值

4.2.2 自适应步长的优缺点

4.3 固定步长 vs 自适应步长：对比总览

4.4 步长策略选择决策树

在实际 ISP 工程中，选择固定步长还是自适应步长通常遵循以下决策逻辑：

• 硬件资源受限（如低端 MCU、无浮点运算单元）→ 优先选择固定步长。
• 对焦精度要求高（如 4K/8K 摄像头、医疗内窥镜）→ 必须采用自适应步长。
• 场景光照稳定（如室内监控）→ 固定步长可满足需求。
• 场景频繁切换（如手机拍照、无人机航拍）→ 自适应步长更鲁棒。
• 功耗敏感（如电池供电设备）→ 固定步长 + 低帧率组合更省电。

4.5 步长策略的 SVG 架构图

下图展示了固定步长与自适应步长在爬山法搜索过程中的路径对比，以及自适应步长的内部反馈机制。

4.6 混合步长策略：工程实践推荐

在实际 ISP 产品中，纯固定或纯自适应步长均非最优解。业界普遍采用混合步长策略，结合两者优势：

• 粗搜索阶段： 使用固定大步长（如全行程的 1/30），快速定位峰值大致区域。
• 精搜索阶段： 切换为自适应小步长，在峰值附近精细定位。
• 阶段切换条件： 当连续两次评价值变化率小于阈值（如 5%）时，触发切换。

4.7 步长设计的参数标定清单

无论采用何种步长策略，以下参数均需在镜头模组产线上进行标定：