当前位置：首页 > java >正文

⻋载摄像头图像传感器分析

java 2025/6/18 8:13:45

在智能汽车时代，车载摄像头作为车辆感知外界的关键“眼睛”，其图像传感器技术的发展至关重要。从基本原理到不同类型摄像头的应用，再到图像传感器的构造与市场格局，本文将系统地剖析车载摄像头图像传感器的核心技术与行业现状，帮助读者深入了解这一领域的技术细节和发展趋势。

车载摄像头基本原理

与制造流程

CONTENT

基本原理

⻋载摄像头的⼯作原理是将摄像头镜头采集到的光学图像信号传输到CMOS图像采集系统，转换成电信号，再由电信号传输模块对信号进⾏处理后发送到显示设备。在镜头采集过程中，镜头的CMOS图像采集系统的控制部分会根据外界光照条件和标定对象的距离进⾏⾃动调整，从⽽将摄像头采集到的图像效果调整到最佳。

制造流程

⻋载摄像头的核⼼构造由镜头组、图像传感器（CIS）和图像信号处理（ISP）三⼤部件组成。其中，图像传感器作为成像核⼼，成本占⽐最⾼，可达45%，是⻋载摄像头的关键技术所在。镜头组由光学镜⽚、滤光⽚、保护膜等上游材料构成，其成本占⽐约20%；⽽模组封装负责将镜头组、胶合材料、图像传感器整合为镜头模组，占总成本的10% 。

在⻋载摄像头的产业链运⾏逻辑中，上游供应光学镜⽚、滤光⽚、保护膜、晶圆等基础材料，其中晶圆⽤于CMOS和ISP制造。中游完成图像传感器⽣产、模组封装、镜头组制作及图像信号处理器开发。镜头模组⽣成的光电信号，会传输⾄ISP进⾏处理，将模拟信号转化为数字信号，最终集成封装形成下游终端系统，实现⻋载摄像头的感知功能。

⻋载摄像头组件成本⽐例

摄像头类型

CONTENT

⻋载摄像头的镜头类型及参数（传感器尺⼨、焦距、视场⻆）并⾮随意搭配，⽽是以功能⽬标为导向，结合镜头类型进⾏反向设计与场景适配。

不同功能需求对应特定镜头类型，再基于此定制参数组合：

若要实现「环视全景覆盖」，会选⽤超⼴⻆镜头，配合⼩传感器与超短焦，以换取⼤视场⻆，让单个镜头覆盖⻋身⼀侧宽幅区域；

若需「前视中远距离识别」，像⻓焦镜头搭配⼤传感器与⻓焦，提升远距离⽬标细节捕捉能⼒，多焦段前视⽅案还能组合覆盖全距离场景；

对于「⻋内监测DMS 」的精准聚焦，窄视⻆镜头搭配⼩传感器与中⻓焦，可聚焦驾驶员等⽬标区域，避免⽆关画⾯⼲扰。

通过这样的镜头类型选择与参数平衡，让摄像头⾼效完成环境感知与安全辅助任务，精准适配各类⻋载场景需求。

图像传感器CIS原理

CONTENT

CIS⼯作流程

1、光线捕获

⻋载环境中的光线进⼊摄像头后，经过镜头系统进⾏聚焦与矫正，以确保清晰成像。进⼊传感器后，微透镜进⼀步集中光⼦，提⾼像素单元的感光效率，使摄像头能够适应不同光照环境。随后，光线穿过彩⾊滤光阵列（CFA），被分解为红、绿、蓝三种基础⾊，再由像素阵列中的感光⼆极管捕捉，并通过光电效应转化为电⼦信号，完成由光信号向电信号的转换。

2、电信号处理

像素单元⽣成的电信号⾮常微弱，需要进⼀步优化。在双采样模块（CDS）中，系统采集复位电平和信号电平，并计算⼆者的差值，以消除固定模式噪声，提⾼图像纯净度，使摄像头在⾏驶过程中依旧保持稳定的成像质量。随后，信号进⼊模拟信号链（Analog Signal Chain），通过放⼤器增强信号强度，为下⼀步的数字转换做准备。

3、模数转换与传感器控制

放⼤后的模拟信号进⼊模数转换器（ADC），转换为数字信号-0和1序列，使数据可由电⼦系统处理。同时，传感器控制模块（Sensor Control Block）发挥调节作⽤，管理摄像头的曝光时间、采样频率，确保适应不同驾驶场景。例如，⾼速⾏驶时快速抓拍，⽽在停⻋时降低帧率以减少功耗。

4、图像信号输出

转换后的数字信号进⼊图像信号处理器（ISP），进⾏降噪、⾊彩校正、⽩平衡调整，使图像更贴近⼈眼视觉感受，适⽤于驾驶辅助显示。同时，为满⾜ADA的需求，ISP进⼀步优化图像数据：边缘检测，精准识别⻋道线；HDR处理，适应隧道出⼝或逆光环境；⾼精度⽬标识别，提⾼⾃动驾驶系统的可靠性。

CIS结构类型

前照式结构（FSI）

结构：前照式结构采⽤五层设计，分别是透镜层（Lens Layer）、滤光⽚层（Color Filter Array, CFA）、线路层（Metal Wiring Layer）、光接收⾯（Light Receiving Surface）和光电⼆极管（Photodiode）。光线从正⾯⼊射后，依次穿过这些层，最终到达光电⼆极管进⾏光电转换。

原理：当外界光线进⼊透镜层时，镜头对光线进⾏聚焦和矫正，确保光线能够精准投射到传感器表⾯。随后，光线经过滤光⽚层（CFA），被分解为红、绿、蓝三种基础⾊，以保证⾊彩还原度。然后光线穿越线路层（Metal Wiring Layer），进⼊光接收⾯（Light Receiving Surface），最终到达光电⼆极管（Photodiode），触发光电效应，将光⼦转换为电⼦信号，完成图像采集的第⼀步。

优势：相⽐背照式（BSI）技术，FSI采⽤的结构更简单，降低了⽣产成本；制造难度较低，可规模化应⽤于⻋载摄像头。

局限：光线需穿过线路层才能抵达光接收⾯，部分光⼦可能被电路吸收或散射，降低感光效率；相⽐BSI传感器，在低光或夜间环境中的成像质量较差。

背照式结构（BSI）

结构：BSI通过重新排列传感器层次，将光电⼆极管（Photodiode）放置于线路层（Metal Wiring Layer）之上，让光线可以直接进⼊感光层，⽽⽆需穿过复杂的电路结构。

优势：光线不会被线路层阻挡，提⾼低光环境的图像质量；相⽐FSI，光线能够更直接地进⼊感光层，提⾼成像效果；在弱光场景下表现优越，如夜视系统、HDR⾃动曝光调节等。

图⽚展示CIS前照式（FSI）和背照式（BSI）结构对⽐

堆叠式结构（Stacked）

结构：堆叠式CMOS传感器采⽤背照式结构像素部分（Back-illuminated structure pixel section）和电路部分（Circuit section）分层设计。光电转换层与信号处理电路被分为两个独⽴的芯⽚层，并进⾏垂直堆叠，使传感器更加紧凑且⾼效。

原理：光线进⼊背照式结构像素部分（Back-illuminated structure pixel section），直接照射像素单元进⾏光电转换，不受电路层⼲扰，提⾼感光效率。转换后的电信号被传输到电路部分（Circuit section）进⾏信号处理，包括模数转换（ADC）、降噪优化和数据传输。这种架构优化了光电转换流程，同时降低了电路噪声，提⾼了图像质量。

优势：感光单元的有效⾯积占⽐可从60%提升⾄90%，增强成像效果；独⽴的电路部分（Circuit section）处理信号，降低噪声，提⾼图像纯净度；通过芯⽚堆叠减少整体尺⼨，使摄像头模块更紧凑。

图⽚展示CIS背照式（BSI）与堆栈式（Stacked）结构对⽐

三层堆叠式结构（Triple Stacking）

结构：三层堆栈式CMOS传感器（Three-layer Stacked CMOS Sensor）在背照式结构像素部分（Back-illuminated structure pixel section）和电路部分（Circuit section）之间增加了⼀层DRAM（动态随机存储器），⽤于提升数据处理速度和减少功耗。

图⽚展示CIS的双层堆叠与三层堆叠结构对⽐

原理：光线进⼊像素部分后，产⽣的电⼦信号先存⼊DRAM，然后批量传输⾄电路部分进⾏处理。这种中间存储机制减少了数据传输时的延迟，同时让摄像头能够实现⾼速连拍、⾼帧率视频录制，适⽤于⾃动驾驶场景中的实时监测和快速决策。

优势：DRAM作为缓存层，让像素信号能快速处理并稳定输出，适⽤于⾼速驾驶和复杂环境感知；减少实时计算负担，让摄像头模块更加节能；短时间内获取多张曝光图像，结合DRAM计算更精准的HDR画⾯，适⽤于隧道进出、强光环境。

图⽚展示DRAM层的优势

CIS前照式结构（FSI）与背照式结构（BSI）实例对⽐

图⽚展示CIS前照式（左）和背照式（右）结构对⽐

图⽚展示CIS前照式（左）和背照式（右）成像对⽐

图⽚展示CIS前照式（左）和背照式（右）实拍对⽐

市场

CONTENT

安森美曾经是汽⻋CIS的领头⽺，2020年份额超60% ，但是受国产替代冲击，2022年市占率42% ，2023年降⾄33% ，但凭借⾼动态范围、功能安全认证等技术，仍在⾼端⻋规市场有影响⼒。中国豪威OmniVision凭借本⼟化、性价⽐+技术追赶，在2023年出货超1.3亿颗，市场份超40%，成为汽⻋⾏业CIS份额第⼀。

品牌特⾊CIS产品

索尼：2023年9⽉，索尼半导体解决⽅案公司推出了⼀款有效像素为17.42兆像素的新型CMOS图像传感器，专为汽⻋摄像头设计。这款新型传感器配备了增强型HDR和基于⼈⼯智能的图像处理等先进功能，使其成为⾃动驾驶应⽤的理想选择。

安森美半导体：2023年5⽉，安森美半导体推出了Hyperlux系列汽⻋图像传感器。Hyperlux传感器的像素尺⼨为2.1μm，超⾼动态范围为150dB，⾮常适合ADAS应⽤和⾃动驾驶系统。该传感器还具有LED闪烁抑制（LFM）功能，可在具有挑战性的照明条件下实现准确的图像捕获。

OmniVision：OmniVision Technologies宣布开发⽤于汽⻋应⽤的近红外（NIR）图像传感器。这些传感器增强了低光成像能⼒，使其成为夜视系统和驾驶员监控应⽤的理想选择。NIR传感器还与基于⼈⼯智能的处理兼容，可实现实时数据分析并增强⻋辆安全性。

意法半导体：2023年3⽉，意法半导体推出了ToF相机技术，该技术使⽤CMOS传感器进⾏3D成像和环境测绘。ToF技术正在集成到ADAS和⾃动驾驶系统中，以提供精确的距离测量和物体检测功能。