【導(dǎo)讀】如果說圖像傳感器是智能駕駛汽車的“眼睛”，那圖像傳感器動態(tài)范圍作為汽車成像中的一個關(guān)鍵指標(biāo)，就代表了這只“眼睛”能看到的細(xì)節(jié)、層次與特征多少，對行駛過程中的環(huán)境路況判斷有很大影響。
什么是動態(tài)范圍？維基百科定義，動態(tài)范圍（Dynamic Range）是可變化信號（例如聲音或光）最大值和最小值的比值。
實際上，動態(tài)范圍是一個通用的概念，不同的信號或者變量S都可以定義自己的動態(tài)范圍，不僅圖像傳感器有動態(tài)范圍，顯示器，投影機(jī)，打印機(jī)等等都有自己的動態(tài)范圍，甚至我們可以定義一個人的動態(tài)范圍，如果這個人條件艱苦時能吃苦，條件優(yōu)渥時會享受，既能將就也會講究，這就是個高動態(tài)范圍的狠人。
針對一幀圖像而言，S的最小值為1，最大值受限于數(shù)據(jù)帶寬，即數(shù)據(jù)能夠存儲的最大值。一張8位的灰度圖，最大值255，此時理論上的動態(tài)范圍就是48dB，10位圖像動態(tài)范圍可到60dB，20位圖像動態(tài)范圍120dB。
場景的動態(tài)范圍和圖像的動態(tài)范圍，大多數(shù)情況是不一致的。場景的信號S不是圖像的灰度值，它是場景發(fā)射光線的亮度。可以理解為S最大值是場景中最亮部分的亮度，S的最小值是場景中最黑部分的亮度。它與圖像動態(tài)范圍相關(guān)但不相等。同時圖像的后處理通常會把線性數(shù)據(jù)壓縮為非線性輸出，這也會放大圖像數(shù)值和場景動態(tài)范圍的差異。
圖1：寬動態(tài)典型場景
如果把場景的亮度作為橫坐標(biāo)，圖像傳感器輸出的數(shù)據(jù)作為縱坐標(biāo)，我們就得到圖2所示的傳感器輸出和場景的動態(tài)范圍映射關(guān)系。圖像傳感器把一定亮度范圍的場景采集并映射為自己的輸出，如圖中紅框所示。
圖2：場景到傳感器的動態(tài)范圍映射
圖像傳感器實際動態(tài)范圍通常比場景的動態(tài)范圍低，傳感器的能力只能采集紅框?qū)?yīng)橫坐標(biāo)內(nèi)場景的亮度范圍。紅框的位置需要動態(tài)調(diào)整移動，以適應(yīng)場景亮度的變化，這是成像算法中自動曝光(auto exposure)模塊的任務(wù)。
對汽車高動態(tài)范圍的場景，會有同一場景中極亮和極暗部分同時出現(xiàn)的情況，例如夜間街道，既有車大燈也有街道的暗角，此時移動紅框已經(jīng)無法同時看清楚兩個部分，必須把紅框做大，這就是汽車上用到的高動態(tài)范圍圖像傳感器。
從原理上講，紅框尺寸受限于傳感器的像素勢阱容量，受限于尺寸，很難簡單做大，車用圖像傳感器的高動態(tài)范圍技術(shù)是行業(yè)面臨的共同挑戰(zhàn)。過去二十年來，車載圖像傳感器的高動態(tài)范圍大致有如下四大技術(shù)流派。
01 動態(tài)改變像素的靈敏度擴(kuò)充動態(tài)范圍
第一個是動態(tài)改變像素的靈敏度擴(kuò)充動態(tài)范圍。如圖3所示，圖像傳感器對場景亮度的映射變成非線性，隨著環(huán)境亮度增加，像素靈敏度逐漸下降，靈敏度從亮度的線性函數(shù)變成分段函數(shù)。如下圖所示，電荷積累分成三段，亮度低時靈敏度高，對應(yīng)黑色電荷，然后亮度中等靈敏度也中等，對應(yīng)藍(lán)色電荷，最后亮度最高靈敏度最低。從坐標(biāo)圖中可以看到，此時像素的勢阱容量即縱坐標(biāo)不增加，但映射的場景亮度范圍即橫坐標(biāo)可以明顯加大，實現(xiàn)了增大動態(tài)范圍的目標(biāo)。
安森美(onsemi)的車用圖像傳感器產(chǎn)品線早期推出過30萬像素的可變靈敏度傳感器，就是基于此類技術(shù)，這個技術(shù)的最大挑戰(zhàn)在于它改變了像素的靈敏度特性，讓線性特性的靈敏度變成非線性，而這個折線的形狀對電壓、溫度和曝光時長敏感，一致性差，動態(tài)范圍擴(kuò)展能力有限，只能勉強(qiáng)用于大尺寸像素黑白圖像的傳感器。目前這類技術(shù)已經(jīng)逐漸被市場淘汰。
圖3：非線性化擴(kuò)充動態(tài)范圍
02 時分多次曝光
第二個高動態(tài)范圍技術(shù)是時分多次曝光，這個是目前主流車用圖像傳感器所采用的技術(shù)。做法就是圖像傳感器改變曝光時間連續(xù)多次曝光得到多幀圖像，然后從中選擇合適像素合并成一幀圖像。如圖4示意，傳感器改變曝光時間，相當(dāng)于自帶自動曝光功能，對場景不同亮度分別采樣，得到多個紅框，然后把動態(tài)范圍拼接起來。這個技術(shù)的優(yōu)點(diǎn)在于：像素勢阱容量不用額外做大，只需把數(shù)據(jù)帶寬做大；每個曝光的時長控制可以很精確，最終擬合的圖像亮度線性特性好；動態(tài)范圍擴(kuò)展容易，僅用時分技術(shù)就能做到140dB的動態(tài)范圍。
時分多次曝光技術(shù)有一個難以克服的問題，由于傳感器的連續(xù)曝光時間上是依次滯后的，當(dāng)場景中有快速移動物體或光照劇烈變化例如LED頻閃情況下，多幀圖像擬合后會出現(xiàn)運(yùn)動物體偽影和色彩噪聲。ADAS算法需要針對性地訓(xùn)練這類噪聲。
圖4：多幀合并擴(kuò)充動態(tài)范圍
03 空分多次曝光
空分多次曝光，業(yè)內(nèi)也有稱之為大小像素技術(shù)。本質(zhì)來說與時分多次曝光類似，由多幀融合，區(qū)別在于圖4中的多個紅框來源于空間尺寸上不同的兩種像素，兩種像素的圖像擬合成為一張圖像。由于兩種像素在曝光時間上是對齊的，可以避免了運(yùn)動重影的問題，同時改善LED燈頻閃現(xiàn)象。
不過有得就有失：空分曝光，意味著像素數(shù)量翻倍， 例如1百萬像素傳感器實際上是1百萬大像素加1百萬小像素，增加了功耗和設(shè)計復(fù)雜度；小像素擠占了大像素的面積，降低了大像素的低照性能；大小像素的靈敏度差異大，線性特性差，小像素在光學(xué)上無法和大像素兼容，需要大量的光學(xué)標(biāo)定工作以補(bǔ)償小像素的問題。這些都是用戶在產(chǎn)品應(yīng)用開發(fā)中需要解決的工程挑戰(zhàn)，此外，大小像素圖像傳感器受小像素尺寸限制，隨著技術(shù)演進(jìn)會逐漸變成瓶頸，所以安森美在2009年就發(fā)明并申請了大小像素技術(shù)的專利，但并沒有推出相應(yīng)的傳感器產(chǎn)品。
04 直接擴(kuò)展像素的勢阱容量
第四個高動態(tài)范圍技術(shù)就是直接擴(kuò)展像素的勢阱容量。傳統(tǒng)圖像傳感器像素的感光二極管在感光的同時兼具電荷存儲的功能，因此像素的電荷勢阱容量受限于感光二極管尺寸。隨著像素尺寸越來越小，像素的容量也逐漸變小。安森美的超級曝光像素技術(shù)突破了這一限制，并在業(yè)內(nèi)率先量產(chǎn)了基于這一技術(shù)的產(chǎn)品。技術(shù)路徑就是為感光二極管外掛了存儲電容，當(dāng)容量飽和時，多余的電荷會被轉(zhuǎn)移到電容中存儲起來。這里的電容不參與光學(xué)感光，但擴(kuò)充了像素的勢阱容量。如圖5示意，上面的小桶相當(dāng)于感光二極管，下面的大桶相當(dāng)于存儲電容。大桶不直接接水，只存儲小桶溢出的水。
圖5：感知和存儲分離
超級曝光像素把電荷存儲功能從感光二極管剝離出來，跳出了固有限制，實現(xiàn)了像素動態(tài)范圍和感光二極管的解耦。這一技術(shù)具有良好的線性特性，保留了單一像素架構(gòu)，無需復(fù)雜的光學(xué)標(biāo)定，并解決了時分導(dǎo)致的偽影和LED頻閃的問題。與感光二極管的解耦，看似簡單的一步，卻打開了未來更小像素，更大動態(tài)范圍產(chǎn)品的設(shè)計想象空間。
為了支持足夠高的動態(tài)范圍，業(yè)內(nèi)產(chǎn)品通常會復(fù)用上述三種技術(shù)。一張高動態(tài)范圍的圖像，可能是時分多次曝光幀、大小像素幀和超級曝光幀的復(fù)合擬合結(jié)果。這有點(diǎn)像汽車動力中的插混方案，動力可能來自自排發(fā)動機(jī)，渦輪增壓，以及電機(jī)直驅(qū)的并聯(lián)。這里多幀擬合的線性特性很像汽車駕駛動力變化的線性特性，保證輸出的平順與線性是高動態(tài)范圍圖像的巨大挑戰(zhàn)。一般來說，技術(shù)種類越少，線性特性越好。
小結(jié)一下，CMOS圖像傳感器的動態(tài)范圍是汽車應(yīng)用中重要的參數(shù)指標(biāo)，它是目前業(yè)內(nèi)共同面臨的技術(shù)挑戰(zhàn)，本文介紹了幾種傳統(tǒng)動態(tài)范圍擴(kuò)展技術(shù)的特點(diǎn)，以及新出現(xiàn)的超級曝光像素技術(shù)，它的出現(xiàn)打破了既有技術(shù)的窠臼，我們預(yù)期會在市面上看到更多相關(guān)的優(yōu)秀產(chǎn)品涌現(xiàn)。
本文作者：安森美中國區(qū)
汽車現(xiàn)場應(yīng)用工程經(jīng)理 William Chen
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請聯(lián)系小編進(jìn)行處理。
推薦閱讀：
