车载摄像头技术 — 图像处理（三）

图像信号处理器（ISP）

原始图像信号必须经过一系列的后处理，才能将其转换为数字图像。ISP是专用组件，用于处理摄像头的原始数据流，以改善最终图像质量，以便图像识别平台和车辆驾驶员可以使用它。

ISP将图像转换为数字形式需执行的一些操作包括去马赛克、降噪、自动曝光、自动聚焦、自动白平衡和图像锐化。ISP将不同曝光值的图像合并生成图像，进一步为HDR图像提供局部色调缩放，用长曝光像素填充暗区，用短曝光像素填充类似的亮区。这使得视频流具有扩展的动态范围，非常适合驾驶员和图像识别平台使用。其他ISP像素处理功能包括噪声过滤、伽马校正和几何失真校正。

随着数据速率的提高，汽车半导体公司正在将ISP模块与图像传感器分离，以限制功耗和热量的产生，从而改善图像质量。然后，ISP既可以用作独立设备，也可以集成到视觉SoC中，从而实现更高程度的系统集成。具有专用ISP的新一代高性能视觉SoC具有先进的HDR和LFM功能，可以同时处理多个输入数据流。

图像信号处理器的主要供应商包括OmniVision、安森美和ST。

图像处理平台（计算机视觉）

汽车视觉系统的最后一个模块是分析和解释视频数据流的图像处理平台。这些平台基于计算机视觉技术，可以分析、检测和解释图像的一个或多个元素以做出合理的决策。图像处理平台基于特定的预定义概念从图像帧中提取信息，它可以执行包括识别行人、自行车和其他VRU，可进行图像分类，阅读交通和道路标志。

这些平台提供的图像识别和分类数据由ADAS计算平台用来做出与车辆功能相关的决策。这些动作从向驾驶员发出简单的视听警告到更复杂的决策应用程序（例如AEB、ACC、LKA和其他自动驾驶功能等）。

图像处理平台的主要供应商包括德州仪器、赛灵思、瑞萨、恩智浦、高通、东芝、英伟达和Mobileye。

汽车图像处理器的性能要求

为了自动驾驶汽车的安全，图像处理平台必须满足一系列先决条件：

高速处理：这些平台需要具备实时数据处理能力。他们应该能够快速检测并识别前方道路上的任何物体和障碍物，并确定是否存在潜在危险，做出适当的决策。

并行计算能力：图像处理平台必须具有同时支持多个应用程序的能力。强大的计算能力可以在毫秒内以极低的延迟并行处理多个摄像头的数据。

功耗：汽车图像处理计算平台应支持低功耗运行。常规的图像识别系统基于耗电量巨大的处理单元GPU。OEM已经在承受燃油经济性严格法规的压力，因此这些平台的设计必须尽可能降低功耗，这一点至关重要。

热管理：图像处理平台与图像传感器会一起产生大量的热，这可能会导致热管理问题。另外，这些组件的位置也增加了发热问题，因为它们最有可能位于车辆仪表板下方。暴露在阳光和发动机热量下也会增加这些组件的热负荷。为避免图像处理平台周围产生过多的热量通常会采用夜冷技术。

下一代图像处理

汽车供应商正在应用高度的硬件集成，并使用专门设计的固件来简化常用算法的执行。在处理越来越多的应用程序时，该技术已显着提高了性能。汽车半导体公司正在使用针对汽车处理进行了高度优化的处理器，下一代处理平台具有强大的多核处理能力以及硬件加速算法。

这使他们能够并行运行多个ADAS应用程序，从而使系统更容易以低延迟和更高的准确性来识别VRU、道路标志和交通信号。

数据传输率

车载摄像头模块可以每秒生成12GB的数据。需要高速专用数据传输接口才能将生成的数据传递到处理单元。在不久的将来，自动驾驶汽车每辆车会安装5–12个摄像头模块。传统上，汽车供应商依靠专有的解决方案将数据从摄像头模块传输到图像处理平台。到目前为止，这项技术虽然起作用，但需要一种标准化的数据传输解决方案，以提高互操作性并实现规模经济。该解决方案应支持组件到应用处理器之间的高速和低延迟数据传输。

---

from A to B