“无人驾驶”、“自动化驾驶”近年来已成为各大汽车制造厂商研发和关注的点。随着人工智能和大数据等新一代信息科技的蓬勃发展，基于智能化、网联化的驾驶辅助系统（ADAS）也已成为行业未来发展的重要趋势。

更清晰的视觉导向为驾驶提供更多安全性和舒适性，是车载行业迈向“0事故愿景”的关键。视觉导向的核心要素之一是车载摄像头，车载摄像头是ADAS系统的主要视觉传感器，也是实现ADAS功能的技术基础，其性能决定了启动驾驶汽车环境的感知能力，因此它也被誉为“自动驾驶之眼”。

ADAS是实现自动驾驶的关键

随着国家和地方持续出台相关政策促进汽车智能化和电动化发展，同时在国家强制政策推动ADAS快速渗透的背景下，我国的ADAS摄像头需求也在持续受益。据数据统计，预计到2028年全球车载摄像头总体出货量达到4.02亿颗，94%的汽车将配备ADAS。

为了实现更高的分辨率，更低的像素尺寸和更广的视野范围，车载摄像头生产工艺也在不断演变和进化。目前，车载摄像头技术已经达到了行业的巅峰。然而，生产出卓越性能且具有经济效益的车载摄像头也绝非易事，这要求厂商采用全面的商业方法，实时把控每一道工艺和流程，即使是最微小的细节。

下面，我们就以一款具有8.3百万像素的和120°水平视场角的真实相机为例，来了解车载摄像头生产所面临的复杂性挑战，共同探索可以应对这些挑战的解决方案。

确保图像的清晰度

图片

实现自动驾驶的首要任务是确保摄像头在可用寿命内能够准确区分行人、车辆和外部设备等，而图像的清晰度直接影响着车辆是否能准确识别周边物体。

模糊（左）和清晰图像（右）的观测结果

要确保图像在任何气温下保持高清，这就需要摄像头进行MAX佳镜头定位，从而保证相机在整个温度范围内获得MAX大的可用焦深度，具体步骤如下：

✔︎评估镜头和传感器组合随温度变化对光学性能的限制。

a)不同视场角处的MTF界限，外部区域

b)摄像头组件在低温（-40℃）、高温（+85℃）以及组装环境温度（通常为22℃）下的实际性能比较

✔︎摄像头组装，分析性能将超出规格的地方。

a)中心兴趣区域(ROI)，MTF＞0.6

b)外围兴趣区域(ROI)，MTF＞0.4

c)运行优化对齐并评估边界。设置装配点从而允许镜头到传感器距离的微调。

✔︎最后，验证由热膨胀系数(CTE)和温度范围引起的组件膨胀/收缩范围是否与剩余余量兼容。在本例中，余量应在±5微米。

对准中心镜头-传感器位置，以在不同温度下获得MAX佳性能

经济及技术适应性考量

在汽车制造中，生产成本对技术的可采纳性至关重要，尤其是在这个注重成本的行业，必须在可实现的目标和经济可行之间取得平衡。想要MAX大化产量和经济效益，生产商就要考虑如何优化摄像头的校准时间。

要应对这个挑战，改进相机对准的方法。通过消除光学阶段与图像捕捉的运动协调，从而提供单次对准能力，能够有效减少对准时间。这需要时间和位置协调，从而保证每个捕获的帧都能在距离传感器特定距离处识别。这在全局快门相机上MAX容易实现。

滚动快门相机也可以进行协调，但需要更多关注对每个帧的物理位置的了解。相对于传统的停止运动主动对准方法，这种优化的方式能缩短50%甚至更多的校准时间。

保证MAX佳成品率和出厂认证

装配后，快速相机对焦评估可以有效地进行流程控制、预测趋势分析，以提前预测生产线故障和相机装配本身随时间和温度变化的稳定性。主动对准过程可获得镜头-传感器组合的位置，以便进行初始装配。为了优化装配，找到装配中传感器和镜头的关系至关重要。

通常，后期生产测试是在固定距离上进行的，主要用于判断相机性能是否合格，但这种单一维度的分析并不能提供完整的工艺变异分析。而投射图像的电动目标/准直仪是一种强大的分析工具，可以检验以下几个方面的实际性能：

1.镜头到传感器的位置距离

2.镜头图像与传感器平面的共面性变化

3.每个兴趣区域ROI的光学性能变化

4.扫描目标分析，为主动对准过程提供定量反馈，避免对指出退化根本原因的猜测

解决图像失真问题

为了确保车载摄像头获得最准确的空间信息，我们还需要解决图像失真这个重大挑战。

原始图像（上）及失真图像（下）的示意图。

图片来源：Udacity

在MAX短时间内进行内在参数校准（Intrinsic Parameter Calibration(IPC)），可以解决图像失真的问题。图像线性化是摄像机性能的关键部分，用于识别和避开物体，以及合并图像以呈现更全的画面。通过参考相机映射方法，可缩短获得可验证内在参数集的时间，这种方法消除了在校准相机时需要的移动目标，并用与待校准相机同类型的标定作为参考。通过评估两台相机的失真场差异来计算这些参数。这种方法让IPC校准速度比主动对准过程提高了一倍以上。

文章转载于微信公众号【奥芯明】