图1 摄像头在自动驾驶当中的应用
作者：Aili-Light
近年来，自动驾驶受到越来越多的关注，当前各大厂商的技术基本上集中在L2-L4级别。为了实现这些功能，感知系统一般会融合多种传感器的冗余数据，综合计算出周围的环境信息，提供给给控制系统。常见的车载传感器包括：毫米波雷达、视觉摄像头、激光雷达、GPS、IMU等。
视觉摄像头作为其中一个很重要的传感器，应用在几乎所有的自动驾驶功能当中。例如特斯拉的自动驾驶系统FSD就搭配了8颗8百万像素（8MP）的摄像头，蔚来和小鹏等厂商，也配置了10颗以上的8百万像素摄像头。通常根据摄像头的安装位置，把车载摄像头分为前视、后视、环视、侧视以及舱内。如表1所示，不同的安装位置，所起的作用和功能不同，这些功能分为：
表1: 车载摄像头的分类和功能
自动驾驶对功能的定义并没有统一的标准，各家厂商定义了不同的功能和覆盖的场景，例如奥迪A8所定义的自动驾驶场景是： 在高速或有隔离带的多车道道路，堵车场景下（60km/h以下）开启的拥堵辅助（TJP，Traffic Jam Pilot）功能。又如广汽新能源埃安LX的自动驾驶场景是： 高精地图全路段的全速域自动驾驶，即在高精地图覆盖的中国高速及城市快速路，实现0-120km/h全速域脱手、脱脚自动驾驶。
因此，为了实现不同的功能，视觉摄像头需要满足不同的要求。例如在高速公路行驶的场景下，车速可达到120km/h，自动驾驶系统需要摄像头能看清200m之外的物体，才能让系统有足够的反应时间。理论上，越高的车速，需要的检测距离就会越远，检测的角度越小。然而在城市低速场景下，又需要摄像头能够覆盖驾驶员的盲区，有较大的视野范围。那么我们如何根据功能需求，选择合适的视觉摄像头配置呢？
表2：常见的车规感光芯片的像素和靶面尺寸（单位为英寸）
图2：感光芯片的靶面尺寸示意图，越大的靶面尺寸表示进光量越多，一般车载CMOS的靶面尺寸1/3.5’’到1/1.7’’
镜头的视场角决定了每个像素能感知到的物体大小，例如2百万像素、靶面尺寸为1/2.6’’、FOV60°的摄像头，在110m远处，每个像素对应的大小约是6.5cm 。如果一辆小汽车的尺寸是1.6m×1.6m，它在图像中就会占据24×24个像素。一般情况下，假设镜头符合小孔成像模型，可以近似地认为像素数量M和物体尺寸h的关系为：
M=(h/d)*(f/p)
其中d是物体的距离，f是焦距，p是单个像素的大小，其几何关系如图3所示。
大部分的自动驾驶算法采用了卷积神经网络来识别物体，如果物体占据的像素点过少，则会被算法过滤掉，当做噪声处理。为了达到识别的效果，通常认为至少需要24个以上的像素来做判断，因此我们可以定义物体最小可分辨像素数为24，由此得出不同大小的物体，摄像头能观测到的最远距离。
