“車載攝像頭”本身是指代并不算明確的詞，因為如今的汽車搭載越來越多的攝像頭，而不同作用的攝像頭，其規(guī)格和標準又是不盡相同的。

Yole Developpement曾將車載攝像頭大致分成了ADAS攝像頭、視覺攝像頭（如環(huán)視、前視、盲點監(jiān)測等）、車艙內攝像頭（如駕駛員監(jiān)測、手勢UI、存在檢測等）、CMS（Camera Mirror System）、AV自動駕駛（前視、環(huán)視攝像頭等）。

這個分類似乎是有些交疊的，但大方向上車內與車外的攝像頭有差別，而讓人看的攝像頭與純粹用于數據分析的攝像頭又有差別。打個比方，手機攝像頭拍的照片要求拍得好看，是要發(fā)朋友圈的；而車載攝像頭要以“拍得到”為最高準則。

汽車上的攝像頭按照是否給人看，也可以分成兩大類。文首提到視覺攝像頭即視覺應用是需要給人看的，像是電子后視鏡、某些環(huán)視系統(tǒng)。還有一類是計算機視覺（機器視覺），應用于自動駕駛、自動泊車，這種攝像頭所攝畫面價值更不在于給人看，而是做數據分析。

本文要探討的是后一類車載攝像頭（以及與智慧交通相關話題的攝像頭）。ADAS與自動駕駛方向的許多攝像頭都屬于這一類，在這種情況下以人的視覺友好性為目的的圖像處理，就沒有價值了——計算機視覺（CV）就是指，以圖像或視頻為輸入，輸出的則是距離、色彩、形狀、對象分類、語義分割等屬性信息。計算機視覺所期望達成的是理解看到的世界（雖然當前的計算攝影實則也有一部分這種屬性）。

自2012年機器學習成為新的熱門，AI如今的發(fā)展變得如火如荼。機器學習是計算機視覺可應用的一種解決問題的方法。越來越多的神經網絡把一些傳統(tǒng)的計算機視覺方法按在地上摩擦。在計算機視覺領域，AI成為一個不得不談的話題：計算機視覺因此能夠實現更快速和準確的圖像分類、目標檢測、目標跟蹤、語義分割等。

所以本文嘗試談一談當車載攝像頭（主要是ADAS與AV相關的攝像頭）應用于計算機視覺時，圖像傳感器有了哪些新的發(fā)展方向和技術要求。而既然計算機視覺如今與AI又有著這么大的關聯(lián)，那么亦可理解為車載攝像頭采用AI技術時，圖像傳感器有了哪些新的發(fā)展。

車規(guī)級圖像質量規(guī)范

越來越多的圖像傳感器制造商，都愈發(fā)注重在AI時代下的發(fā)展。比較具有代表性的是安森美、思特威、意法半導體等圖像傳感器廠商普遍在宣傳自家的全局曝光CMOS圖像傳感器，并且將其作為機器視覺的必要技術。因為在拍攝高速運動的對象時，唯有全局快門（Global Shutter）才能確保將對象拍清楚，才能實現準確的計算機視覺分析。

雖然這些并非全部面向車載攝像頭，但也能管中窺豹地發(fā)現ADAS/AV攝像頭對于圖像傳感器而言意味著什么。今年的中國IC領袖峰會上，思特威副總經理歐陽堅發(fā)表題為“以CMOS圖像傳感器創(chuàng)機器智視芯格局”的主題演講，其中就提到了包括全局快門在內的多項新技術。

不過廠商從個體技術發(fā)展角度來談車載攝像頭的圖像傳感器技術要求，恐怕不夠全面。從更全面的角度來理解這個問題，應當看一看標準和規(guī)范。市面上已有的標準似乎還是很多的，不過當前比較知名的汽車相關的圖像質量規(guī)范，應該是IEEE P2020與ISO16505。從中應該可以部分發(fā)現，如今的車載圖像傳感器，到底有哪些技術要求。

ISO16505針對的主要是人眼視覺相關系統(tǒng)質量的規(guī)范，比如說電子后視鏡、環(huán)視系統(tǒng)等；不對人眼可見的機器視覺部分是非強制的。很早之前，Imatest創(chuàng)始人曾公開嘲笑過ISO16505，認為這是不熟悉圖像質量測試的人開發(fā)的（雖然這可能與Imatest實際參與IEEE P2020有關）。那么我們就來看看P2020。

IEEE P2020對于人眼視覺和機器視覺應用都有對應的規(guī)范，但這類規(guī)范推進的速度似乎還是比較緩慢。2018年9月發(fā)布的IEEE P2020 Automotive Imaging White Paper白皮書提到汽車攝像頭圖像質量尚未被完全定義好，諸多關鍵指標不明確；我們在IEEE官網看到，P2020目前似乎仍停留在這一步。不過這份白皮書列舉了現有的一些圖像質量規(guī)范，與車用攝像頭實際需求之間存在的差異。這其中的一部分對于圖像傳感器（以及整個攝像頭系統(tǒng)）而言就提出了新的思考，相比ISO16505也多出高動態(tài)范圍、veiling glare等的測試。

其中包括Tonal Response（動態(tài)范圍、SNR、低光照表現、Chroma shading）、Spatial Response（解析力、銳度、景深、紋理、運動模糊）、Temporal Response（Flicker/頻閃）、Spectral Response（光譜量子效率、演色性、交通相關色彩區(qū)分性）、光學偽像（鏡頭眩光、鬼影、veiling glare/雜光、鏡頭色差、雜散光）、噪聲、不均勻性（PRNU等）、熱性能（高溫下的SNR、分辨率等的變化）、功能表現（自動曝光、自動白平衡控制）、系統(tǒng)（多攝像頭系統(tǒng)）、其他（鏡頭畸變、HDR多重曝光等）。

與此同時，P2020明確包含7個工作組，還是多少能夠看到未來的趨勢。與本文探討的話題比較相關的有幾個。其一是工作組1研究LED flicker standards，也就是LED頻閃。歐陽堅在此前的演講中也提過，“交通領域會遇到LED燈，紅綠燈時高頻閃爍的LED燈，如果不對高頻閃爍的頻率做處理，抓拍的信息就是殘缺不全的?！比搜蹖τ陬l率高于90Hz的閃爍不會有所察覺，但對圖像傳感器而言，曝光時長與LED光源調制信號產生一些錯位時，就產生了頻閃信息捕捉不全的問題。

這一點實則也是思特威、OmniVision這類圖像傳感器廠商研究的重要課題之一，雖然可能并非單純面向車載領域。而P2020工作組1針對這種頻閃，所做的工作包括闡明flicker產生的原因和細節(jié)；列舉flicker出現的情況和潛在影響；定義flicker的測試方法和關鍵測試指標；定義flicker對人類視覺/機器視覺影響的客觀測試指標。

其二，P2020明確的工作組3研究針對計算機視覺的圖像質量（Image quality for computer vision）。其方向主要更偏系統(tǒng)級測試。相比EMVA1288這種更偏單個組件的測試，系統(tǒng)級測試對于實際應用是更有價值的。前面提到許多圖像質量規(guī)范，比如其中的一些光學偽像、多攝像頭系統(tǒng)就不只是攝像頭乃至后端計算，其中一個組件的問題。

車載圖像傳感器有哪些技術需求？

要將所有標準規(guī)范中提及的測試項悉數列出還是不現實的，所以我們根據圖像傳感器企業(yè)目前著力的宣傳點、新標準中針對車載攝像頭新出現的部分來嘗試總結ADAS/AV機器視覺對于圖像傳感器而言，提出了哪些要求，又有哪些新的發(fā)展方向。這里只討論圖像質量，不探討車規(guī)級本身對于電子元器件在溫度、天氣等方面的嚴苛要求。

2018年，Smithers曾撰寫過一份題為Autonomous Vehicle Image Sensors to 2023 – a State of the Art Report（到2023年自動駕駛汽車圖像傳感器 – 前沿報告）的報告。除了未來全自動駕駛將變得更依托于機器視覺，面向人類視覺的圖像增強要求越來越低之外，還提到了幾個趨勢：

（1）達到140dB的動態(tài)范圍，800萬像素單目分辨率、200萬像素立體視覺相機，超過60fps的幀率，高靈敏度；

（2）在0.001lux照度下，曝光時間不大于1/30秒的情況下，信噪比大于1；

（3）HDR高動態(tài)范圍的同時，要求運動偽像更少；

（4）LED flickering問題消除。

這幾點實則都不出意外，也是當代圖像傳感器廠商普遍在努力的方向，包括圖像傳感器自身的高動態(tài)范圍、更高的分辨率、幀率，以及低照度下的靈敏度和低噪聲。雖然報告中列舉的部分參數還有些超前，現在的圖像傳感器制造商在這些目標的實現上，卻都有自己的殺手锏。比如針對低光照環(huán)境，不少廠商在變革像素結構，同時開始采用雙增益轉換來兼顧白天和夜間場景。

這里比較值得一提的是趨勢中提到的后兩點。首先是HDR高動態(tài)范圍，以及要求更低的運動偽像。其中HDR是車載攝像頭所需實現的基本特性。畢竟當場景光比很大時，如果攝像頭拍攝的畫面有部分區(qū)域過曝或欠曝，計算機視覺分析工作就無法拿到對應的數據。從圖像傳感器的角度，實現HDR有多重曝光、雙增益、大小像素分離，以及提高像素阱容等方法。

時域多重曝光的HDR方案在成像領域很常見，但在ADAS/AV方向上的適用度正逐步降低——因為車載攝像頭要求畫面不能有運動偽像，且必須抑制LED頻閃。所以像思特威這樣的廠商，開始傾向于采用單幀空間域多曝光的方案，典型的方法像是隔行多曝光：圖像傳感器上每兩行為長曝光，兩行為短曝光。ISSCC曾收錄過思特威有關單幀HDR技術的論文。圖1，來源：思特威

另外抑制運動偽像一個重點就是全局曝光（或全局快門）。全局曝光也是現在幾乎所有圖像傳感器制造商都在爭奪的技術高地。傳統(tǒng)卷簾快門（rolling shutter）因為采用逐行曝光的方式，拍攝高速運動物體時會有果凍效應。全局快門是讓所有像素同時開始和結束曝光，也就規(guī)避了這種形式的影像失真。

索尼的Pregius全局快門傳感器比較知名——ISSCC曾收錄過索尼一篇每個像素都應用獨立ADC的論文（像素級互聯(lián)），這是快速讀出實現全局快門的技術之一；OmniVision也有類似的技術介紹。索尼今年發(fā)布的第四代全局快門圖像傳感器終于也用上了BSI背照式技術，減小了像素尺寸。此前思特威在宣傳中也提到，思特威是“全球為數不多率先將全局曝光和BSI技術融合的公司之一”。圖2，來源：IEEE P2020 Automotive Imaging White Paper

至于前文就提到的LED頻閃消除（圖2），這兩年思特威、OmniVision都在不遺余力地宣傳自家的圖像傳感器LED閃爍抑制技術。畢竟在自動駕駛、智慧交通領域，LED頻閃導致攝像頭捕捉到的交通標志、紅綠燈讀秒信息不全，會導致后端AI系統(tǒng)的誤判。

一般來說，LED頻閃抑制可以通過保持LED頻閃與圖像傳感器快門同步的方式，問題是不同LED規(guī)格不一致，所以這種理論上的方案是不可行的。另外也可以通過HDR，在捕捉LED燈的畫面時，確保能夠用更長的曝光時間來捕捉更全面的信息。圖像傳感器廠商應用的都是這個大思路，雖然在具體實施上存在差別，例如OmniVision應用的是大小分離像素。

機器視覺感知的未來

從更偏系統(tǒng)的角度來看，大概還有一些技術趨勢是值得一談的。比如在傳感器角度，車載領域各種傳感器的融合會是個趨勢，不僅是多攝系統(tǒng)，還可能是不同類別視覺傳感器的融合，比如LiDAR與攝像頭融合的傳感器；還有RGB-IR傳感器，為圖像傳感器融入紅外感知能力（如果把傳感器探討范圍擴展到IR傳感器，可能還涉及到近紅外響應增強等技術趨勢，SWIR紅外攝像頭等）。

從整個成像/視覺系統(tǒng)的角度看，圖像傳感器將融合部分邊緣算力，可能也會成為一個趨勢。比如索尼就將AI邊緣計算與圖像傳感器做了結合（IMX500）；SK hynix去年也在新聞稿中提到，基于先進半導體制造工藝，堆棧式傳感器中，將一個簡單的AI硬件引擎加入到傳感器下層的ISP中，已經是可行的了……雖然這些暫時還不是面向汽車市場的。

思特威前兩年推出AISENS傳感器芯片平臺，就是“感知與計算一體的通用AI傳感器芯片平臺”，此前思特威也提及以3D堆疊的方式將數據處理die與傳感器die封裝到一起。這個平臺如今似乎正趨于進一步的商用化。

去年Yole Developpement發(fā)布了一份題為《2019圖像信號處理器與視覺處理器市場與技術趨勢》的報告。該報告明確提到：“AI徹底改變了視覺系統(tǒng)中的硬件，對整個行業(yè)都造成了影響?！薄皥D像分析增加了很多價值。圖像傳感器供應商們開始對將軟件層集成到系統(tǒng)中感興趣。如今圖像傳感器必須跳出單純的捕獲圖像這一能力之外，再對圖像做分析?！?/p>

2019年，EE Times曾發(fā)表過一篇題為ADAS： Key Trends on ‘Perception’的文章。這篇文章從更偏系統(tǒng)的角度談了ADAS車載感知系統(tǒng)的發(fā)展趨勢，建議閱讀。

最后想簡單談談以Prophesee為代表的基于事件的視覺傳感器技術。下期《電子工程專輯》的精英訪談即是采訪Prophesee CEO Luca Verre，其中相對詳細地介紹了這類神經形態(tài)視覺技術。這種傳感器的特色在于不受幀率限制（可實現等效10000fps的幀率），以及僅在場景中的對象發(fā)生動態(tài)變化時，才記錄信息。

其優(yōu)勢在于產生數據量少、反應速度快、可實現高動態(tài)范圍。而且這種技術天然地適用于機器視覺，Luca Verre在接受采訪時說：“在機器視覺領域，我們認為基于事件的視覺傳感器是可以替代傳統(tǒng)基于幀的圖像傳感器技術的。而在成像領域，傳統(tǒng)圖像傳感技術本身是沒有問題的?！睓C器視覺領域的變革，大概還會有一波全新的浪潮。

編輯：jq