自动驾驶车辆HDR摄像头技术：征服前方和隧道场景中的极端光照挑战

La rápida evolución de la conducción autónoma exige sistemas de visión avanzados capaces de manejar condiciones de iluminación extremas. Alto Rango Dinámico (HDR) 相机技术已成为安全导航的关键推动力，特别是在阳光眩光和隧道与日光之间的突然过渡等场景中。本文探讨了HDR创新如何改变汽车感知系统，解决技术挑战，并塑造自动驾驶车辆的未来。

传统相机在超过100dB动态范围（DR）的场景中难以平衡亮度和黑暗。对于自主系统而言，这一限制可能导致关键故障：

• 隧道过渡：从黑暗到强光的突然变化可能会使摄像头在毫秒内失明，导致物体检测延迟。

• LED闪烁：带有PWM调光的交通信号和车辆前灯产生闪烁效果，误导AI算法。

• 夜间可见性：低光条件要求增强灵敏度，以便在不过度曝光高光的情况下检测行人或障碍物。

Autonomous HDR cameras must achieve >140dB DR to capture details across extreme contrasts while maintaining real-time performance .

1. 分割像素与双重转换增益 (DCG)

索尼的子像素HDR架构将像素分为大（低灵敏度）和小（高灵敏度）子像素，同时捕捉4个曝光级别。这种方法消除了多帧拼接中的运动模糊，但面临着串扰和25%的光损失等挑战。

Improvements:

• LOFIC (Lateral Overflow Integration Capacitor): 通过集成电容器存储溢出电荷，LOFIC传感器在单次曝光中实现15EV动态范围。结合DCG，它们实现自适应增益切换，减少运动伪影。

• 案例研究：小鹏的XNGP系统使用支持LOFIC的摄像头将隧道识别距离延长30米。

2.区域多曝光传感器

Canon的工业级传感器将画面划分为736个具有独立曝光的区域，以60fps的速度捕捉视频，同时平衡阴影和高光。虽然最初用于安全监控，但这种“像素级HDR”可以增强汽车边缘检测。

3. 基于人工智能的图像信号处理 (ISP)

深度学习算法现在通过以下方式优化HDR输出：

• 运动补偿：对多重曝光捕获的帧进行对齐。

• LED闪烁抑制（LFM）：将传感器读数与LED PWM周期同步。

• 噪声减少：优先考虑关键区域（例如，路面标记），同时抑制无关噪声。

示例：ON Semiconductor 的 LFM 启用传感器在隧道入口场景中将闪烁伪影减少了 90%。

HDR技术不仅仅是一个渐进的改进，而是自动驾驶安全的基础支柱。像LOFIC和AI增强ISP这样的创新正在推动相机在极端光照条件下的能力极限。随着行业向4/5级自动驾驶迈进，HDR系统将继续在克服阳光、隧道和城市眩光带来的“隐形障碍”方面发挥核心作用。