摄像头物理模型建模

这是一篇关于摄像头物理模型建模的思维导图，主要内容包括：摄像头物理模型建模方法，摄像头物理模型预期功能安全要求，prescan传感器模型，仿真测试对摄像头物理模型的要求，摄像头物理模型建模层次，摄像头产品背景及现状。

摄像头物理模型建模

• 摄像头产品背景及现状
  • 摄像头类型
    • 长焦
    • 中焦
    • 短焦
    • 鱼眼
  • 摄像头工作模式
  • 摄像头结构及参数
• 摄像头物理模型建模层次
  • 功能信息级建模
  • 现象信息级/统计信息级建模
  • 全物理级建模
• 摄像头物理模型建模方法
  • 光路建模方法
  • 杂光分析方法，包含折射、反射、全反射、散射、多级衍射、振幅分割、光能损耗、材料吸收等
  • 图像传感元件建模方法
  • ISP算法，包含缺陷像素校正，阴影校正，噪声过滤，锐化，全局和/局部色调映射，调整大小，压缩等
  • 物理模型指标体系，包含噪声、杂光、动态范围和失真等
  • Ansys Lumerical、Ansys Zemax OpticStudio和Ansys Speos光路建模软件工具链
  • 摄像头高精度模型难点
    • 图像渲染效率低
    • 摄像头模型精度、效率和通用性不能兼顾
    • 目标参数不明确
    • 摄像头噪声量化难度大
    • 硬件资源要求高
    • 摄像头内部图像算法不明确
    • 元器件（如CMOS芯片）的底层参数不清楚
• 仿真测试对摄像头物理模型的要求
  • 传感器物理性能仿真
  • 感知算法级仿真
• prescan传感器模型
  • Idealized sensor理想传感器：包括了理论研究需要的传感器，适用于自动驾驶算法开发前期逻辑的验证。
  • Detailed sensor详细传感器：真实存在的传感器，对应的是有相应的传感器模型，考虑了在实际使用过程中的传感器信息的损失等（例如：雷达就考虑了路径发散衰减、大气衰减和目标反射衰减，相机则考虑相机畸变等），适用于自动驾驶算法的鲁棒性验证
    • • Position & Orientation 位置和方位
      • Mono Vision /Stereo Vision 单目/双目
      • Field of View 视野范围
      • Resolution 分辨率
      • Frame-rate 帧频率
      • Color/monochrome 彩色/黑白
      • Misalignment （position / orientation）
      • Drift （偏移）
  • Ground truth sensor真值传感器：提供的是真值（主要是视觉传感器），适用于算法的早期开发阶段
• 摄像头物理模型预期功能安全要求