随着人们对自动驾驶车辆的兴趣不断增加，通往自动驾驶的道路显然是用路标铺就的，例如增加先进驾驶辅助系统(ADAS)的部署。图像传感器是这些基于摄像机的系统的基础，好比车辆的眼睛。随着后视摄像头和360度环视系统的出现，它们令司机能看到车后和车辆周围，使驾驶更安全，此外，用前视摄像头系统感知什么在车辆前面，提供帮助防止碰撞的自动功能。政府机构出台的法规和新车评估计划(NCAP)等安全评级推动汽车摄像头的迅速采用，促使汽车制造商在他们的汽车平台上引入这些系统，从豪华车型到大众市场车型。因此，根据日本市场研究公司Techno Systems Research的数据，全球每年生产的汽车摄像头数量从2013年(4700万台)到2017年(1.1亿台)翻了一番多，将在2024年超过2亿台。
此外，360度环视系统基于在车辆两侧安装四个摄像头，为驾驶员提供低速停车和操纵优势，摄像头还可用以提供车道偏离警告和盲点检测等功能，在需要换车道之前提醒驾驶员。摄像头甚至被用来取代车镜，以摄像头监控系统(CMS)的形式，这种系统令驾驶员在车内的显示器上看到传统的侧视镜视野，而无盲点，同时无需外部车镜(因为辖区可以放宽车镜要求法规)-这对燃油经济性和工业设计都有很大的优势。同时，前视摄像头系统不仅用于向驾驶员显示视频，还检测在车辆前面发生了什么，以提供额外的安全和方便特性。这些系统可通过自动紧急制动来避免碰撞，当检测到车辆路径上突然的障碍物时，可以使汽车停下来，并通过自适应巡航控制为驾驶员提供帮助，这在公路行车条件下，特别是在交通拥挤的情况下是非常有用的。
传感器考量
虽然所有这些应用都用图像传感器作为摄像机的核心器件，但它们通常对一些参数有不同的要求，如图像质量、分辨率和传感器大小，不一而足。例如，用于向驾驶员显示图像的摄像机(例如后视摄像机)所需的图像质量可能不同于用于感知的前视摄像机所需的图像质量，后者结合算法以提供自动紧急制动ADAS功能。同样，实现特定显示格式的图像传感器所需的分辨率将与计算机视觉应用所需的分辨率不同，后者需要对于一个对象的精确的最小像素数用于算法，才能正确检测和识别它，直接转换为对传感器分辨率的要求。
在前视摄像头系统中，计算机视觉算法利用图像传感器输出来检测行人、车辆和物体并作出决策，需要对通过数千小时的测试驾驶获得的一系列图像进行训练，这是一个成本非常高的做法。需要使用与在生产中推出的系统相同的系统来收集这些图像，并且需要在收集此数据集之前设置图像质量。这种图像质量的调整和开发需要工程人员结合传感器工作，并通过适当的自动曝光和自动白平衡技术来控制它，以便随着场景条件的变化自动输出最优图像。然后使用这些捕获的图像进行训练的计算机视觉算法不能随后在由具有不同特性或调谐的图像传感器组成的摄像机上运行，因为它们已适应于识别给定数据集的配置文件。可扩展的图像传感器平台提供相同的性能和相似的特性，具有不同的分辨率，大大减少了制造商在多个平台上工作所需的工作量和成本，因为它们实际上可以重用工程开发工作和图像的训练数据集。
成像挑战
在考虑任何汽车成像系统时，图像传感器的性能和捕捉大范围场景内容或动态范围的能力是一个关键参数。动态范围衡量传感器能捕获到的场景对比度，或者简单地说，它能很好地处理相同的场景中非常明亮的区域和黑暗区域或阴影。这是汽车摄像头一个常见的问题，当您考虑在傍晚太阳落至地平线下时，汽车将在地下通道下行驶。如果传感器的动态范围太低，可能会忽略场景中的关键细节，从而导致驾驶员或计算机视觉算法没有注意到场景中的对象，从而导致不安全的状况。
