隨著人們對自動駕駛車輛的興趣不斷增加，通往自動駕駛的道路顯然是用路標鋪就的，例如增加先進駕駛輔助系統(ADAS)的部署。圖像傳感器是這些基于攝像機的系統的基礎，好比車輛的眼睛。隨著后視攝像頭和360度環視系統的出現，它們令司機能看到車后和車輛周圍，使駕駛更安全，此外，用前視攝像頭系統感知什么在車輛前面，提供幫助防止碰撞的自動功能。政府機構出臺的法規和新車評估計劃(NCAP)等安全評級推動汽車攝像頭的迅速采用，促使汽車制造商在他們的汽車平臺上引入這些系統，從豪華車型到大眾市場車型。因此，根據日本市場研究公司Techno Systems Research的數據，全球每年生產的汽車攝像頭數量從2013年(4700萬臺)到2017年(1.1億臺)翻了一番多，將在2024年超過2億臺。
此外，360度環視系統基于在車輛兩側安裝四個攝像頭，為駕駛員提供低速停車和操縱優勢，攝像頭還可用以提供車道偏離警告和盲點檢測等功能，在需要換車道之前提醒駕駛員。攝像頭甚至被用來取代車鏡，以攝像頭監控系統(CMS)的形式，這種系統令駕駛員在車內的顯示器上看到傳統的側視鏡視野，而無盲點，同時無需外部車鏡(因為轄區可以放寬車鏡要求法規)-這對燃油經濟性和工業設計都有很大的優勢。同時，前視攝像頭系統不僅用于向駕駛員顯示視頻，還檢測在車輛前面發生了什么，以提供額外的安全和方便特性。這些系統可通過自動緊急制動來避免碰撞，當檢測到車輛路徑上突然的障礙物時，可以使汽車停下來，并通過自適應巡航控制為駕駛員提供幫助，這在公路行車條件下，特別是在交通擁擠的情況下是非常有用的。
傳感器考量
雖然所有這些應用都用圖像傳感器作為攝像機的核心器件，但它們通常對一些參數有不同的要求，如圖像質量、分辨率和傳感器大小，不一而足。例如，用于向駕駛員顯示圖像的攝像機(例如后視攝像機)所需的圖像質量可能不同于用于感知的前視攝像機所需的圖像質量，后者結合算法以提供自動緊急制動ADAS功能。同樣，實現特定顯示格式的圖像傳感器所需的分辨率將與計算機視覺應用所需的分辨率不同，后者需要對于一個對象的精確的最小像素數用于算法，才能正確檢測和識別它，直接轉換為對傳感器分辨率的要求。
在前視攝像頭系統中，計算機視覺算法利用圖像傳感器輸出來檢測行人、車輛和物體并作出決策，需要對通過數千小時的測試駕駛獲得的一系列圖像進行訓練，這是一個成本非常高的做法。需要使用與在生產中推出的系統相同的系統來收集這些圖像，并且需要在收集此數據集之前設置圖像質量。這種圖像質量的調整和開發需要工程人員結合傳感器工作，并通過適當的自動曝光和自動白平衡技術來控制它，以便隨著場景條件的變化自動輸出最優圖像。然后使用這些捕獲的圖像進行訓練的計算機視覺算法不能隨后在由具有不同特性或調諧的圖像傳感器組成的攝像機上運行，因為它們已適應于識別給定數據集的配置文件。可擴展的圖像傳感器平臺提供相同的性能和相似的特性，具有不同的分辨率，大大減少了制造商在多個平臺上工作所需的工作量和成本，因為它們實際上可以重用工程開發工作和圖像的訓練數據集。
成像挑戰
在考慮任何汽車成像系統時，圖像傳感器的性能和捕捉大范圍場景內容或動態范圍的能力是一個關鍵參數。動態范圍衡量傳感器能捕獲到的場景對比度，或者簡單地說，它能很好地處理相同的場景中非常明亮的區域和黑暗區域或陰影。這是汽車攝像頭一個常見的問題，當您考慮在傍晚太陽落至地平線下時，汽車將在地下通道下行駛。如果傳感器的動態范圍太低，可能會忽略場景中的關鍵細節，從而導致駕駛員或計算機視覺算法沒有注意到場景中的對象，從而導致不安全的狀況。
