企业官网建设流程全解析

从Sensor到算法：手把手带你拆解手机PDAF相位对焦的完整校准流程（含Gainmap与DCC详解）

先交代一下背景。我之前在一颗RV1126B方案的IPC模组上调试PDAF对焦，sensor是一颗支持2x2 OC的1/2.7英寸CMOS，项目都快量产了，客户反馈近景对焦慢、远景拉风箱。按老经验去查几家主流平台，得到的回答基本都是“相位对焦不准，你重新标一下Gainmap和DCC”，但真正能把这套标定流程讲清楚的人很少。当时我手上只有一份sensor的datasheet、一个半残的调试工具，还有一个快要到期的交付节点。

这篇文章就是那段时间的总结。我会从PDAF的基本原理讲起，重点拆解Gainmap和DCC这两个参数在整条链路里的作用，然后给出一套可以复现的完整校准流程。内容不挑具体平台，无论是手机、行车记录仪、智能摄像头还是机器人视觉模块，只要你的sensor支持PDAF，这套思路都可以直接套用。

1. 内容整体设计与思路拆解：为什么PDAF不是“拿到sensor就能用”

很多人第一次接触PDAF，以为这是一个sensor出厂就固化的功能，接上模组就能自动对焦，事实远不是这样。PDAF能够工作，依赖的是sensor上特殊的像素结构和后端算法的配合，而连接两者的桥梁就是Gainmap和DCC。这两个参数通常不是sensor出厂默认值就能直接用的，它们和模组的镜头、VCM马达、IR滤光片、甚至排线布局都有关系，必须针对具体模组做一次标定。

1.1 相位对焦的核心工作原理

先帮大家把PDAF成像底层补明白，否则后面讲标定全是空的。

普通CMOS的每个像素上都覆盖着微透镜（microlens），用来把入射光汇聚到光电二极管上，尽量提高量子效率。PDAF sensor的做法是在部分像素上做文章：将这些像素的微透镜遮挡一半，或者做半圆形微透镜偏移，使得它们只接收来自特定方向的光线。通俗地说，这些“特殊像素”被分成了左眼看左半边光、右眼看右半边光的成对结构。当镜头处于合焦位置时，这对像素接收到的光强度应该对称一致；当镜头离焦时，两个像素接收到的光强会产生差异，相位差就出来了。

对比度对焦（CDAF）是在像平面上逐渐移动镜头来找“最锐”的位置，本质上是一个搜索过程，搜索就需要来回扫，所以慢。PDAF直接给出一幅图里各区域的相位差偏移量，再通过映射关系换算成当前的离焦方向和大小，镜头一步就能跳到目标位置附近。速度快的原因就在这里——它把“搜索”变成了“测量”。

但问题来了。这个相位差（通常叫PD value）是个无量纲量，它对应的是两个半像素之间的光强偏移，并不是实际的物理离焦量。要把PD value转换成VCM马达需要走的步数（也就是defocus值），就需要DCC。而左右像素哪怕设计上是对称的，实际制造中也很难做到完全一致，尤其是微透镜偏移量和光电二极管有效面积的差异，会导致同一光照下左右像素输出本身就有一个固定的增益差，这个差值由Gainmap来补偿。

1.2 为什么“默认系数”不可信

我见过不少工程师在第一次调试时，直接拿sensor vendor提供的demo settings烧进模组就指望PDAF跑通，结果往往是近处对不上、远处疯狂来回抽动。原因在于sensor vendor提供的参数是在他们自己的reference模组上标定的，镜头型号、VCM行程、马达灵敏度都和你手上的模组不一样。

举一个具体例子：DCC曲线里最关键的一个参数是“PD value到defocus的斜率转换”，它直接取决于镜头的光学设计——同样的物理离焦量，在不同镜头上产生的PD value偏移是不同的。哪怕你换了同一家镜头厂的不同批次，焦距差了0.1mm，DCC的斜率就必须重新拟合。更隐蔽的是温度影响，VCM马达的弹簧弹性和磁力都会随温度变化，导致同一个DCC值在25度和50度下的实际对焦位置不同。这些都是在实际量产中必须考虑的因素，如果只知道拿默认参数，就谈不上真正掌握PDAF。

1.3 整体校准流程的设计框架

一个完整的PDAF标定流程，我建议这样拆分：第一步是环境准备，确定标定环境的光源、物距、标板类型；第二步是PD值采集，在多个已知距离下记录PD值、VCM位置、镜头温度等数据；第三步是Gainmap计算，用均匀光照下的左右像素输出拟合增益补偿系数；第四步是DCC拟合，建立PD值与defocus之间的映射关系；第五步是写入和验证，把参数写入驱动并做实拍测试。

这套流程看起来不复杂，但每一步都有很多坑。比如采集PD值时环境光不均匀，直接导致左右像素灵敏度差异拟合错误；又比如拍摄的标板本身纹理方向单一，导致某个方向的PD值异常。后面我会把每个环节的细节都摊开来讲。

2. 核心细节解析：Gainmap和DCC到底是什么

如果只看各家平台的文档，Gainmap和DCC的概念很容易被绕晕。有的SDK里叫PD calibration、有的叫DCC table、有的把Gainmap混在AWB统计里。这里我把两者的物理意义、作用机制、计算方法掰开揉碎讲清楚。

2.1 Gainmap：校正左右像素的先天“视力差”

前面说过，PDAF像素是由一对分别接收左右光线的子像素构成的。理想情况下，当一个均匀照亮的目标成像在所有像素上时，左右子像素的输出应该完全一致。但实际制造中，两个子像素的光电二极管面积不可能完全相等，微透镜的偏移量也有容差，所以即使在完全均匀的光照下，左右子像素的输出也会有一个固定的比例差，这个差异就是Gainmap要补偿的东西。

Gainmap的计算逻辑其实不复杂。选择一块均匀照明的白色板子，在自动白平衡稳定后，连续抓取若干帧，取左右子像素输出各自的平均值，然后算出它们的比值。这个比值通常是一个接近1.0的数，但会随sensor温度、曝光时间略有漂移。所以在量产标定中，通常会在至少两个不同光照强度下分别采集，然后用线性插值生成一张二维查表，横轴是亮度、纵轴是增益比。

实际应用中，Gainmap是逐像素计算的。因为PDAF像素在sensor上不是成片排列，而是稀疏分布在几个特定行，每一对像素的工艺偏差都不一样，所以标准的做法是存储一张与PDAF像素位置一一对应的增益表，而不是一个全局标量。有些平台把这张表简化为按行存储，这会在边缘区域引入少量误差，但通常可以接受。

2.2 DCC：把“相位差”翻译成“镜头步数”

DCC，全称是Defocus Conversion Coefficient，翻译过来是“离焦转换系数”。这是PDAF里最核心、最容易被误解的参数。它做的事情可以用一句话概括：把从图像中计算出的PD值，映射成VCM马达需要运动的步数（也就是驱动电流），从而让镜头移动到合焦位置。

为什么需要这个转换？因为PD值反映的是光线到达sensor时在水平方向上的偏移量，这个偏移量的大小和离焦量之间的关系，取决于镜头的焦距、光圈、光学畸变、sensor的像素尺寸等多个因素。不同的镜头模块，同样的离焦量产生的PD值可能完全不同。甚至同一个镜头模块，在画面中心区域和边缘区域，因为入射角不同，PD值和defocus的对应关系也不同。所以DCC通常不是一个简单的常数，而是一组分区、分距离的拟合曲线。

在一次完整的标定中，你需要在特定物距（比如10cm、30cm、1m、无穷远）下，手动精确控制VCM位置，记录下每个位置对应的PD值，然后用最小二乘法或者分段线性拟合，得到一条PD-defocus映射曲线。这条曲线就是整个PDAF算法的“灵魂”。

这里需要特别说明一个初学者常踩的坑：DCC和“对焦目标距离”是两回事。有人拿PDAF当测距仪用，问为什么PD值不能直接换算成实际物距。实际上，PD值只能告诉你镜头当前离开合焦位置多远、往哪个方向走，它无法直接告诉你目标物体离你多少米。特别是在大光圈镜头上，PD值随距离的变化是非线性的，越远越不敏感，无限远附近甚至会饱和。把DCC理解成“对焦收敛用的反馈增益”才是正确的打开方式。

2.3 Gainmap和DCC在算法链路中的协作关系

两者在PDAF算法中的协作可以用一个例子说清楚。假设你在暗光环境下拍一个纹理细致的物体，sensor左右子像素的原始输出一个是100 ADU，一个是110 ADU。如果Gainmap是1.05，那么加权后的PD值就是100×1.05-110=-5 ADU，表示镜头需要往后移动。如果Gainmap错误地设成了0.9，那么PD值就变成100×0.9-110=-20 ADU，算法就会认为离焦量大得离谱，给VCM一个很大的步进电压，结果镜头冲过头，再反向修正，来回震荡几次才勉强收敛。这就是很多模组“对焦慢”的真正原因，很多时候并不是算法参数没调好，而是Gainmap本身就是错的。

DCC则负责第二步。当PD值被Gainmap修正后，DCC把它折算成VCM的目标步数。如果DCC斜率过陡，算法会认为很小的PD偏移也需要移动很长距离，导致过冲；如果斜率过缓，算法会反应迟钝，需要多次迭代才能收敛。一个理想的DCC曲线，应该是接近线性的、过零点的、并且在小PD值和中等PD值区域都保持较高的斜率精度。后面我给的标定方法，就是围绕这一目标展开的。

3. 实操过程与核心环节实现：一套可复现的PDAF标定流程

现在进入本文最硬核的部分。下面这套流程是我在RV1126B方案上反复验证过的，也适配其他主流平台。每一步我都会注明操作目的、需要记录的数据、以及我踩过的坑。

3.1 环境准备与设备搭建

做PDAF标定，实验室环境远比想象中重要。我第一次是在普通办公室灯光下做的，结果拟合出的Gainmap在户外场景下偏差很大。原因很简单：不同色温的光谱分布会影响左右子像素的响应差异，黄光下拟合出的增益比和自然光（日光）下完全不同。

建议的标定环境是三要素：第一，使用标准D65光源，或者至少是色温可控的LED面光源，确保整个标板平面的照度均匀性在±5%以内；第二，标板要与镜头完全垂直，如果有俯仰角，画面边缘的PD值会引入系统性偏差；第三，整个系统放在防振台上，或者至少在曝光期间无振动。

这里还要提一个很多人忽视的环节：IR滤光片。PDAF像素的响应通常比普通像素更广的光谱范围，如果模组里的IR滤光片质量不好，红外光会严重干扰左右像素的平衡。所以标定环境的灯光尽量少含红外成分，或者干脆用监控级模组的标准环境光源。否则你拟合出的Gainmap会带一个伪红外偏置，白天户外还行，一到室内红外人造光源多的场景就翻车。

在硬件层面，VCM马达的状态也要确认。用驱动工具让VCM从0跑到满行程，多跑两个来回，确保机械结构没有钝涩、磁缸没有卡滞。记录VCM的阻尼时间，也就是从设定位置到稳定位置的时间常数。这个数据在后续DCC拟合中会用到，因为如果你在VCM还没稳定时就采集图像，PD值里会混入动态误差。

3.2 PD值采集：多距离、多分区、多光照采样

PD值采集是整个标定的基础，数据质量决定参数质量。我在第一次标定时用了一个40cm×30cm的灰阶板，发现数据噪声特别大，后来换成高频纹理的ISO 12233标板才行。原因很简单：PDAF算法是基于局部边缘的相位计算，标板必须提供足够的空间频率信息，纯灰阶板在均匀区域根本算不出PD值。

采集流程建议按以下步骤操作：

第一步，把标板固定在滑轨上，从最远距离开始。对每个距离点，需要使用分辨率足够高的对位标记，保证标板中心在画面中心的±5%误差范围内。

第二步，在每个距离点，让VCM从最近焦到最远焦步进，步长建议设在满行程的1%到2%。每走一步，等待马达稳定，抓拍一帧并记录：当前的VCM code、该帧的PD值（左右子像素的原始差）、sensor温度、环境亮度（曝光时间+增益的换算值)。

第三步，至少采集3个距离点：近距离（如镜头最小物距）、中距离（如30-50cm）、无限远（或者镜头对焦到无限远的VCM位置）。如果镜头行程比较长，建议在5-7个距离点采集，覆盖从最近到无限远的整个对焦范围。

第四步，在暗光和亮光两种条件下各做一遍。因为PD值在低亮度下噪声会显著上升，亮光条件下则容易饱和，两套数据可以验证Gainmap和DCC的动态范围。

在采集过程中，有一个细节特别提一下。PD值和VCM位置并不是一对一的映射关系，它受当前帧的曝光参数影响。如果自动曝光和自动白平衡开着，你采集到的一组PD值里可能夹杂着曝光变化带来的增益变化。所以标定时的可靠做法是：固定曝光时间、固定模拟增益、关掉自动白平衡，只改变光源强度来适应环境亮度变化。手动模式下采集的数据，拟合出来的DCC才稳定可用。

3.3 Gainmap计算与补偿验证

得到采集数据后，第一步先算Gainmap。我在上一节提过基本逻辑，这里给一个更具体的计算过程。

假设sensor上有N对PDAF像素，每对像素在第k帧均匀光照下的输出分别是L(i,k)和R(i,k)。Gainmap的作用是找到一个系数G(i)，使得所有帧的R(i,k)×G(i)约等于L(i,k)。最简单的方式是每个PDAF像素位置独立做线性回归，计算均值比：

G(i) = sum_k L(i,k) / sum_k R(i,k)

但这样的结果容易受个别噪声帧影响。更稳的做法是取中位数，或者去掉最大最小各5%的数据再做均值。我在实践中发现，取中位数对应对焦失败场景的鲁棒性更好，因为那些VCM失步的帧会造成统计离群值。

Gainmap计算完后，不能急着写死。要做一次验证：重新在均匀光照下采集一批新数据，把补偿后的左右像素残差计算出来。如果残差的均值超过原始信号的1%，说明Gainmap拟合有问题，需要检查光源均匀性或者sensor散热干扰。

验证中发现一个很典型的坑：很多工程师在算完Gainmap之后，直接把系数写进driver就结束，不做“暗电流补偿”。在长曝光、高增益的暗光场景下，sensor自身的暗电流会在左右像素上产生不同的固定偏置，这个偏置会叠加在光信号上，导致Gainmap在暗光下严重高估。如果在标定中发现暗场景下PDAF容易误判方向，要特别留意是不是这个原因。

暗电流的补偿方式是在完全遮光、相同曝光参数下采集一帧纯噪声数据，记为D(i)。修改Gainmap的计算公式为：

G(i) = sum_k (L(i,k) - D_L(i)) / sum_k (R(i,k) - D_R(i))

这样得到的增益系数才是真正意义上的“光响应增益差”，暗光下的补偿效果会好很多。

3.4 DCC曲线拟合与分区建模

DCC拟合是本流程中最需要细心的一步。我们前面说过，PD值到defocus的映射不一定是线性的，所以在获取足够多的采样点后，通常的做法是用分段线性插值来拟合整条曲线。

具体操作是把VCM的整个行程等分成若干段（比如16段或32段），在每个段的端点位置精确采集PD值。采集方法要先对焦上目标，然后手动让VCM越过合焦位置正负10%的区间，记录对应的PD值。连续的PD-defocus曲线会呈现一个典型的S形：中心区域斜率最大，两端趋于饱和。在中心区域设置更密的采样点，有助于提高对焦收敛精度。

拟合结束后，还需要做“线性化检查”。把拟合出的DCC曲线反向映射，看PD值到defocus的变换是否依然保持单调性。如果不单调，说明某个采样点采集时VCM没稳定，或者标板表面有局部反光。这种时候千万不能图省事直接平滑数据，因为单调性是PDAF算法能正确判断方向的数学前提。我的经验是：遇到多个采样点违背单调性，直接重测更可靠。

还有一个值得说明的点：DCC曲线的中心区域斜率，决定了算法在对焦临界区域的灵敏度。斜率太小，算法会感觉“对焦已经完成了”而提前停止；斜率太大，算法在临界点附近容易过冲抖动。最好的情况是让中心区域斜率保持在0.8到1.2之间，这是实际落地时比较安全的区间。

3.5 参数写入与端到端验证

参数计算完毕以后，就可以写进sensor的驱动或ISP的寄存器配置了。Gainmap通常放在sensor驱动的PD校准区域或者ISP的统计模块；DCC曲线一般放在AF算法的配置文件中，有些平台支持分场景多组DCC，比如normal模式、macro模式、infinity模式各存一组。

写入参数后，要做四件事来验证效果。第一，在近、中、远三个距离分别做对焦测试，记录从触发对焦到锁定焦点的时间，必须小于产品规格要求。第二，反复对焦同一目标10次，看对焦位置是否稳定在一个小范围内，如果不稳定说明DCC曲线在某个区域斜率过陡、增益太大。第三，在暗光和亮光下分别测试，确保Gainmap动态范围覆盖到位。第四，用手遮挡镜头一半后放开，模拟目标切换场景，观察算法是否能够快速收敛到新目标的距离上。

这四轮验证里最容易暴露问题的就是第二项：对焦稳定性。如果你发现同一个目标的最终位置出现了明显的来回抖动，先不要急着去调DCC，回头检查一下Gainmap的逐像素一致性。很多时候抖动不是DCC斜率的问题，而是某几个PDAF像素的Gainmap错误，导致统计结果被带偏。

4. 常见问题与排查技巧实录：我踩过的那些坑

标定PDAF和写普通代码不一样，它的问题是“层叠式”的——你可能费了很大力气调好了Gainmap，结果发现DCC还是要重新拟合；等你重新拟合了DCC，又发现边缘PDAF区域的精度不够，必须回去改标定环境。下面是把我在实际项目中遇到的典型问题整理成表，供大家快速对照。

4.1 对焦来回抽动：干扰来自身边

抽动问题很经典，尤其在VCM驱动电流比较大的模组上。我遇到过一次很“邪门”的现象：标定台上所有指标都正常，一装到整机里就开始来回抽动。排查到最后，发现是模组的FPC排线布局靠近VCM驱动走线，驱动电流瞬间变化时产生了电磁干扰，影响了PD值采集的模拟信号。重新走线后问题消失。

建议大家在遇到“实验室正常、装机异常”的时候，先检查一下模组线缆的屏蔽和走向，再去动算法参数。这类干扰问题靠参数是调不好的，只会越调越乱。

4.2 暗光下的方向误判

暗光下的误判，很多情况是真冤枉了算法，问题出现在sensor的噪声模型上。PDAF左右像素的输出差值本身就包含了几种噪声：光子散粒噪声、读出噪声、暗电流散粒噪声。在暗光低曝光条件下，读出噪声占主导，它不服从零均值高斯分布，特别是列并行ADC方案中，每一列的偏置电压略有不同，会直接导致特定列区域内的左右像素输出差出现系统性偏移。

解决方法是在标定流程中增加一个“噪声底部”的数据采集——在完全遮光的条件下，用和实际场景相同的曝光时间和增益采集一段数据，把各像素的平均噪声底部作为偏置减去。很多SDK里把这个功能叫做PD dark calibration或者black level calibration，不同平台叫法不同，但作用都是一样的：给PD值做一次“零位校正”。

4.3 多片模组一致性问题

量产阶段最常见的抱怨是“这批模组里随机抽几片，PDAF效果各不相同”。这个问题的本质在于：VCM马达的灵敏度个体差异、镜头组装的倾斜公差、sensor封装应力的释放程度，都会让Gainmap和DCC产生差异。如果在产线上只标定一片“黄金模组”，再把参数复制到所有模组，效果必然打折扣。

我的建议是量产标定至少要做到两件事：一是在产线上增加一个简单的Gainmap标定工位，用标准光源和灰板自动计算每片模组的Gainmap，写入设备端非易失存储；二是对DCC做抽检，每批次至少抽5片做全流程标定，统计DCC曲线斜率的方差，如果方差超过±10%，就要反馈给镜头或马达供应商，要求他们改善一致性。

4.4 RV1126B上的一个具体排查案例

最后分享一个发生在RV1126B平台上的具体案例，这个对参考价值帮助最大。现象是PDAF在10cm近景时对焦速度明显变慢，偶尔会拉到整个VCM行程走一遍才回来。我一开始怀疑是DCC近距离段拟合不准，但重新标定后问题依旧。

后来我直接在ISP的raw域dump了PD区域的像素数据，发现一个细节：近景对焦时，镜头在某个VCM位置附近，PD值的变化率明显下降，几乎进入了一个“平台期”。追查原因，是镜头在近物距时，光线透过镜头的入射角度发生了明显变化，导致左右子像素的遮蔽结构产生的PD值不再随离焦量线性变化。

解决方法是把近物距区间单独做一组DCC拟合，并和正常物距的DCC做平滑过渡，而不是用一条曲线硬套整个行程。改完之后，近景对焦速度从原来的2000ms+降到了400ms以内。这个案例给我们的提醒是：任何一条DCC曲线都有自己的适用范围，不要指望一条曲线覆盖从微距到无穷远的全部场景。如果你的产品经常在近景和远景之间切换，至少要有两到三组DCC做分场景切换。

结尾

做PDAF标定这件事，表面上是改参数、跑曲线、写寄存器，实际上做的是“光学、半导体、机械、算法的交叉拧螺丝”。那块PD像素阵列，可能是整个sensor里最敏感的区域，标定环境的一点温度漂移、VCM的一丝机械滞回，到最后都会转变成实拍画面里的一次对焦失败。

我个人实际操作中最大的体会是：不要迷信vendor的默认参数，也不要跳过任何一步看起来“可以凑合”的校准环节。Gainmap不准确，后面优化再多DCC都是白搭；DCC不拟合当前模组，对焦速度再快的算法也会被糟蹋成“拉风箱”。标定的每一步，本质都是在为算法提供可靠的数据源，把这个源头守住了，后面的事才会顺。

最后再分享一个小技巧。如果你在产线上做PDAF标定，一定把每一次标定的原始数据（PD值、VCM位置、温度、曝光参数）全部留存下来，最好能做到按模组SN号归档。一旦某批模组在用户端出现对焦故障，你回查数据要比重新架起标定台快得多。这个习惯救过我很多次，也建议你从现在开始养成。