智能驾驶如今渐渐成为汽车的一个常见功能，它增强了汽车和驾驶员的感知能力，降低了驾驶员的工作强度，同时可以有效提高行车的安全性。这其中，基于CMOS 图像传感器的摄像头是智能驾驶系统感知外界环境的主要工具之一。

CMOS图像传感器是成像sensor，它本质上是一个存储器和模数转换（ADC）的组合。基于硅的光电效应，入射光线会在传感器像素的感光二极管中激发电荷，电荷被收集存储，经过ADC转换为数字输出。

从架构上看，CMOS图像传感器类似于一个存储器memory，它有大量存储单元，支持行和列的寻址操作，区别在于存储器是电路写入内容，而sensor中的内容是可见光或近红外光线写入的。传感器收集到的电荷包括两部分：一部分是我们期望的电荷，来源于环境光线所激发的有效信号；另一部分是用户不希望的干扰产生的电荷，干扰来源有很多种，一般统称为噪声。

(资料图片仅供参考)

我们希望图像中的有效信息越多越好，干扰噪声越少越好。一个常见的衡量图像噪声效果的指标是信噪比SNR，即信号与噪声的比值。信噪比越大，图像噪声相对含量越少，图像质量越好。SNR的单位可以是比值，也可以转成对数单位dB。

CMOS sensor的数据手册一般都会提供信噪比参数SNR，如下所示。

有一个常见的问题：46dB信噪比的sensor是不是比43dB的sensor低照效果更好？答案是未必，脱离条件的结论往往会掉到坑里。

图2 信噪比SNR曲线

依据最大SNR点来评判sensor有以偏概全的问题。根据需要，用户可以选取特定曝光条件Exposure对应的SNR大小来评判低照噪声，SNR越大越好；也可以限定SNR为某个固定值，例如SNR=5时，用此时需要的曝光条件Exposure值大小来评判低照噪声，Exposure值越小意味着达到同等SNR时需要的光照资源越少，sensor的低照性能越好。

图2显示的是普通sensor的SNR，是单调递增的曲线。汽车上使用的CMOS sensor，为了匹配全天候应用场景，需要很高的动态范围HDR，HDR常用方法是改变sensor的灵敏度，对环境的不同亮度分别采样，再把多次采样的图像帧映射到标准化的线性数据空间，最后从不同灵敏度帧中选取合适像素，拼成一张完整的图像帧，参见《车用图像传感器参数小议——动态范围》。

sensor的灵敏度变化，对应于坐标系中的SNR线移动到不同的位置，最终HDR图像的SNR曲线演变成多条SNR曲线的拟合结果，例如图3的蓝线，它不再是一条单调递增曲线，除了低照SNR会很小以外，高亮区间还会出现多个局部极小值，当工作点落在SNR跌落区间时，即便此时环境很亮，噪声也会恶化。

车用sensor的SNR是一条非单调的曲线，汽车应用环境会让问题变得更复杂。sensor是一个模拟器件，在ADC之前，信号和噪声数据是以电荷的形式存储的，sensor的暗电流也会累积电荷，其产生速度大致上与曝光时长成正比，与温度呈指数关系。所以我们还必须考虑温度，曝光时长以及模拟增益对暗态噪声的影响。SNR同时是温度，曝光时间和模拟增益的函数，它的曲线已经变成多维的曲线簇了。

按照车用摄像头有效使用生命周期的温度分布，超过88%的生命周期内，sensor内部的节温超过40℃，超过80%时间内节温超过60℃，超过65%时间内节温超过80℃。

目前业内对车用图像传感器SNR的评估，常采用欧洲机器视觉协会的EMVA1288标准来测试。EMVA1288标准中的信噪比SNR，是基于传统单调的线性sensor模型来定义的，对于车用宽动态图像传感器 SNR特性的描述并不完善。电气与电子工程师协会IEEE正在为汽车影像定义新的质量测试标准P2020，作为工作组成员之一，安森美公司承担了IEEE P2020标准中图像噪声标准的起草工作，其中就包括了SNR参数。

最后总结一下，车用CMOS图像传感器的信噪比SNR是一个关键的图像质量指标，它具有非单调特性，受到汽车应用环境的多因素影响，对SNR的评估是一个多维的综合评判工作，客观全面的SNR评价才能真实描述sensor的性能，正确指导车用成像产品的开发工作。