企业官网建设流程全解析

目录

一、添加约束条件的优势

1.1 二维高斯似然原始公式

1.2 施加约束

1.3 尺度变换：离线合并缩放因子（最关键步骤）

1.4 σ 参数的工程含义：似然‑先验平衡旋钮

1.5 如果为什么不能合并缩放？

二、粗搜索完整数据流（修正版 SOP）

👉离线 PC 调参脚本阶段

👉嵌入式实时粗搜索运行阶段

三、Transverse 求精代价函数补充

一、约束条件的优势

1.1 二维高斯似然原始公式

假设校正后色块残差服从零均值二维独立高斯分布，R、B 残差互不相关。

单个色块 i：

N 个色块相互独立，联合概率：

负对数‑似然代价：

展开：

• 求和项：变量项，随候选光源改变
• ：全局偏移常数项；对全部候选光源取值一模一样，直接丢弃，不需要任何处理。

1.2 施加约束

代入：

丢弃常数偏移项，保留：

完整总代价（粗搜索阶段）

1.3 尺度变换：离线合并缩放因子（最关键步骤）

代价最小化问题，给全部候选光源代价统一乘以一个正系数，最优光源解保持不变。

两边乘以：

定义离线预缩放后的新先验代价

👉运行时实时代码（嵌入式）最终最简公式

运行阶段，不再出现；浮点乘法全部放到离线 tuning 脚本一次性完成。 这就是文档原话「减少计算量」的真正含义。

⚠️再次强调：

1. 丢弃的：（偏移常数，和 prior 无关）
2. 合并进先验的：缩放系数（乘号，不是加号） 二者完全不是同一个东西。

1.4 σ 参数的工程含义：似然‑先验平衡旋钮

原始贝叶斯空间，二者单位天然统一；缩放后，σ 决定似然项与先验项之间的权重配比：

1. 变小 →缩小 →数值缩小 似然项占主导，AWB 更加相信图像色块证据，跟踪光源快，更容易受彩色物体干扰飘色
2. 变大 →放大 →数值变大 先验代价约束力变强，白平衡更稳定，但是光源切换响应变慢

⚠️一个高频工程事故点： 如果直接把的数值原样填入配置文件的 prior_cost 字段，忘记乘以。 先验权重会严重偏弱，先验约束几乎失效，AWB 退化成无先验搜索。

1.5 如果为什么不能合并缩放？

此时 R 残差、B 残差拥有各自独立权重，无法提取一个全局公因子同时作用在整个似然求和项； 就不能用单一系数统一缩放全部似然，进而不能一次性缩放整张先验代价表。 运行阶段就必须实时计算除法权重，增加运算开销。

二、粗搜索完整数据流（修正版 SOP）

👉离线 PC 调参脚本阶段

1. 选定全局高斯标准差参数
2. 根据色温统计频次，算出原始理论先验代价
3. 执行缩放：
4. 将色温控制点写入 ISP 参数文件

👉嵌入式实时粗搜索运行阶段

输入：本帧筛选出 N 个中性色块遍历 CT‑Curve 上每一个候选光源点

1. 白平衡增益：
2. 校正色块色度、计算残差：
3. 似然代价：
4. 查表读出已经缩放完成的
5. 总代价 = 似然代价 +
6. 记录代价最小的粗搜索光源点
7. 进入 Transverse 横向求精阶段

三、Transverse 求精代价函数补充

横向求精不再被约束在 CT‑Curve 折线上。 d = 当前待求光源白点，到 CT‑Curve 曲线的垂直距离。 完整求精代价：

K：横向偏移惩罚系数，人工 tuning 参数，用来控制允许白点偏离普朗克轨迹的程度。