随着自动驾驶的发展，汽车厂商对摄像头的选择根据车辆的自动化程度有所不同。在高阶自动驾驶中，汽车厂商会选择高阶自动驾驶摄像头，其摄像头部分和ECU部分分置在车辆的不同位置；而其他非高阶自动驾驶中，汽车厂商出于成本考量，会选择摄像头部分和ECU一体化集成的智能摄像头。
图1：高阶自动驾驶摄像头架构（上）与智能摄像头架构（下）
智能摄像头测试
相对于高阶自动驾驶摄像头，智能摄像头有其特殊的测试需求。NI基于PXI平台为智能摄像头推出专门测试方案，高效实现智能摄像头的数据回灌和硬件在环（HIL）测试。目前，NI已能支持包括但不限于基于Mobile eyeQ系列、地平线J系列、TI TDA4VM系列等SoC的智能摄像头测试。除此之外，NI还开发了逆ISP方案，可用于所有Raw类型摄像头的HIL测试。
图2：支持基于Mobile eyeQ系列、地平线J系列、TI TDA4VM系列等SoC的智能摄像头测试
绝大多数智能摄像头由于其一体化的架构，视频数据无需远距离传输，视频数据直接通过MIPI CSI-2接口输入至ECU。因此，在数据回灌或HIL测试时，GMSL或FPD-link链路的视频数据需要被转换为MIPI CSI-2格式，这个转换常常由一块转接板来实现。
图3：智能摄像头测试架构
NI在定制转接板已有丰富经验，可实现视频数据无损转换，根据客户需求定制，从设计到制造仅需四周工期。目前，NI已有GMSL 2.0转MIPI CSI-2成熟产品，且已应用至实际项目中。
图4：GMSL 2.0-MIPI CSI-2转接盒
逆ISP功能
根据输出图像类型的不同，车载摄像头可被分为Raw类型和RGB类型。在针对摄像头的HIL测试中，使用Raw类型摄像头常常会遇到冗余ISP（图像信号处理）的问题。ISP是通过调整拜耳图案、白平衡、色差和光学参数，将Raw类型图像转换为RGB类型图像的过程。
当客户使用RGB类型摄像头时，面对真实行车场景，摄像头输出RGB图像至不含ISP芯片的ECU中，作为ADAS/AD算法的输入；面对HIL测试场景，场景仿真软件输出RGB图像至不含ISP芯片的ECU中，作为ADAS/AD算法的输入。两种场景下，ECU都能接收正常的RGB图像。
图5：RGB类型摄像头ISP过程
但若客户使用Raw类型摄像头时，面对真实行车场景，摄像头输出Raw类型图像至含ISP芯片的ECU中转换为RGB图像，作为ADAS/AD算法的输入；面对HIL测试场景，场景仿真软件生成的RGB图像会直接输入至含ISP芯片的ECU中，本就为RGB类型的图像会在ECU中再次进行一遍冗余ISP，输出过曝的图像作为算法输入。
图6：Raw类型摄像头的冗余ISP
为了应对冗余ISP的情况，NI训练了AI模型，来为场景仿真软件输出的RGB图像做逆ISP处理。这样，处理后生成的Raw图像便可正常输入至含ISP的ECU中。
图7：Raw类型摄像头的正常ISP
这个AI模型是由高质量图像训练所得。部署此模型后，ECU接收的图像和原始图像之间的PSNR可达80dB以上。下图展示了未部署和部署了此模型的效果。
图8：逆ISP实际效果
