隨著自動駕駛的發展，汽車廠商對攝像頭的選擇根據車輛的自動化程度有所不同。在高階自動駕駛中，汽車廠商會選擇高階自動駕駛攝像頭，其攝像頭部分和ECU部分分置在車輛的不同位置；而其他非高階自動駕駛中，汽車廠商出于成本考量，會選擇攝像頭部分和ECU一體化集成的智能攝像頭。

圖1：高階自動駕駛攝像頭架構（上）與智能攝像頭架構（下）

智能攝像頭測試

相對于高階自動駕駛攝像頭，智能攝像頭有其特殊的測試需求。NI基于PXI平臺為智能攝像頭推出專門測試方案，高效實現智能攝像頭的數據回灌和硬件在環（HIL）測試。目前，NI已能支持包括但不限于基于Mobile eyeQ系列、地平線J系列、TI TDA4VM系列等SoC的智能攝像頭測試。除此之外，NI還開發了逆ISP方案，可用于所有Raw類型攝像頭的HIL測試。

圖2：支持基于Mobile eyeQ系列、地平線J系列、TI TDA4VM系列等SoC的智能攝像頭測試

絕大多數智能攝像頭由于其一體化的架構，視頻數據無需遠距離傳輸，視頻數據直接通過MIPI CSI-2接口輸入至ECU。因此，在數據回灌或HIL測試時，GMSL或FPD-link鏈路的視頻數據需要被轉換為MIPI CSI-2格式，這個轉換常常由一塊轉接板來實現。

圖3：智能攝像頭測試架構

NI在定制轉接板已有豐富經驗，可實現視頻數據無損轉換，根據客戶需求定制，從設計到制造僅需四周工期。目前，NI已有GMSL 2.0轉MIPI CSI-2成熟產品，且已應用至實際項目中。

圖4：GMSL 2.0-MIPI CSI-2轉接盒

逆ISP功能

根據輸出圖像類型的不同，車載攝像頭可被分為Raw類型和RGB類型。在針對攝像頭的HIL測試中，使用Raw類型攝像頭常常會遇到冗余ISP（圖像信號處理）的問題。ISP是通過調整拜耳圖案、白平衡、色差和光學參數，將Raw類型圖像轉換為RGB類型圖像的過程。

當客戶使用RGB類型攝像頭時，面對真實行車場景，攝像頭輸出RGB圖像至不含ISP芯片的ECU中，作為ADAS/AD算法的輸入；面對HIL測試場景，場景仿真軟件輸出RGB圖像至不含ISP芯片的ECU中，作為ADAS/AD算法的輸入。兩種場景下，ECU都能接收正常的RGB圖像。

圖5：RGB類型攝像頭ISP過程

但若客戶使用Raw類型攝像頭時，面對真實行車場景，攝像頭輸出Raw類型圖像至含ISP芯片的ECU中轉換為RGB圖像，作為ADAS/AD算法的輸入；面對HIL測試場景，場景仿真軟件生成的RGB圖像會直接輸入至含ISP芯片的ECU中，本就為RGB類型的圖像會在ECU中再次進行一遍冗余ISP，輸出過曝的圖像作為算法輸入。

圖6：Raw類型攝像頭的冗余ISP

為了應對冗余ISP的情況，NI訓練了AI模型，來為場景仿真軟件輸出的RGB圖像做逆ISP處理。這樣，處理后生成的Raw圖像便可正常輸入至含ISP的ECU中。

圖7：Raw類型攝像頭的正常ISP

這個AI模型是由高質量圖像訓練所得。部署此模型后，ECU接收的圖像和原始圖像之間的PSNR可達80dB以上。下圖展示了未部署和部署了此模型的效果。

圖8：逆ISP實際效果

通過此圖可看到，原始圖像（左上）和啟用逆ISP后ADAS/AD算法接收的圖像（右下）已非常接近。

總結

NI推出的針對智能攝像頭測試方案和適用所有HIL測試的逆ISP功能都已有多個成功的項目經驗，客戶都給予了高度評價。