企业官网建设流程全解析

Camera PDAF线性度报告，核心在于通过系统化的测试采集对焦位置与PD（Phase Difference，相位差）数据，并分析其线性关系。报告的生成依赖于平台提供的调试工具、日志系统以及数据分析方法。以下是基于主流平台（以高通和MTK为例）的详细操作流程。

一、 核心概念与测试准备

线性度（Linearity）：衡量PDAF系统输出的PD值（或换算出的焦点误差）与镜头实际物理位置（或对焦马达步数）之间是否呈良好线性关系。理想的PDAF系统，其PD值应与镜头位置一一对应，这是快速、准确对焦的基础。

测试前提：

1. 硬件环境：确保Camera模组、镜头、PDAF传感器（通常是嵌入式相位检测像素）工作正常，已完成基础的SPC（Single Point Calibration）和DCC（Defocus Correction Coefficient）校准。
2. 软件配置：PDAF功能已在驱动和Tuning参数中正确开启并配置（如Type 2或Type 3的VC/Virtual Channel配置）。
3. 测试图卡：推荐使用ISO12233图卡或高对比度的斜边图卡，置于固定物距下，确保测试环境光照充足且稳定。

二、 数据采集方法

生成报告首先需要采集“镜头位置-PD值”配对数据。主要有两种方法：

方法一：使用平台专用测试工具（推荐）

高通和MTK平台通常提供底层测试模式，可直接控制镜头并获取PD数据。

1. 高通平台 (CamX架构)
开启PD Lib测试模式，强制镜头进行全程扫描（Full Sweep），并记录每个对焦位置的PD数据。

• 开启测试模式：通过修改camxoverridesettings.txt文件或使用adb shell setprop命令，设置persist.vendor.camera.pdaf.force_test_mode等属性。
• 执行扫描与数据收集：在logcat中过滤af_pdaf相关日志。关键日志标识如af_pdaf_proc_pd_single会输出phase_diff（相位差）、focus_error（焦点误差）、confidence（置信度）等字段。
• 示例：触发扫描并获取Log

  # 设置PD测试模式 adb shell setprop persist.vendor.camera.af.pdaf.test_mode 1 # 清除日志并开始测试（例如，在相机App中触发AF） adb logcat -c && adb logcat -v time | grep -E "(af_pdaf|phase_diff|focus_error)"

2. MTK/展锐平台
流程类似，需要通过修改驱动或Tuning参数文件，开启PDAF调试日志，并在AF扫描过程中抓取PD信息。

• 关键Log信息：关注PD_Data、PD_Calc等关键字，其中会包含从Sensor读出的原始PD值或计算后的对焦信息。

方法二：通过AF扫描结合Metadata解析

如果无专用测试模式，可通过相机APP连续触发AF（或手动控制镜头移动），并从每帧图像的Metadata中提取PD相关数据。

• 高通平台：Metadata TagANDROID_LENS_FOCUS_DISTANCE和com.qti.chi.statsdata.PDAFData可能包含所需信息。
• 通用方法：使用adb shell dumpsys media.camera命令或通过Hal层接口，在AF扫描的每个步进点捕获一帧图像并导出其Metadata进行分析。

数据采集表示例：

三、 数据分析与报告生成

采集到数据后，使用Python（或Matlab、Excel）进行数据处理和绘图，生成线性度报告。

1. 数据清洗

• 剔除置信度（confidence）过低（例如低于阈值80）的数据点，这些点可能不可靠。
• 检查PD值是否在合理范围内，排除异常跳变点。

2. 线性度分析与绘图
计算PD值与对焦步进之间的线性相关系数，并绘制散点图与拟合直线。

import pandas as pd import numpy as np import matplotlib.pyplot as plt from scipy import stats # 1. 加载采集的数据 data = pd.read_csv('pdaf_data.csv') # 假设数据已保存为CSV steps = data['Step'].values pd_values = data['PhaseDiff'].values confidence = data['Confidence'].values # 2. 根据置信度过滤数据 threshold = 80 filtered_mask = confidence >= threshold steps_filtered = steps[filtered_mask] pd_filtered = pd_values[filtered_mask] # 3. 计算线性相关系数和拟合直线 slope, intercept, r_value, p_value, std_err = stats.linregress(steps_filtered, pd_filtered) line = slope * steps_filtered + intercept r_squared = r_value**2 # 4. 绘制线性度分析图 plt.figure(figsize=(10, 6)) plt.scatter(steps, pd_values, alpha=0.5, label='All Data (Raw)') plt.scatter(steps_filtered, pd_filtered, color='red', label=f'Valid Data (Confidence>={threshold})') plt.plot(steps_filtered, line, color='black', linestyle='--', label=f'Linear Fit: y={slope:.2f}x+{intercept:.2f} R²={r_squared:.4f}') plt.xlabel('Lens Focus Step') plt.ylabel('PD Value / Phase Difference') plt.title('PDAF Linearity Test Report') plt.legend() plt.grid(True, linestyle='--', alpha=0.7) plt.text(0.05, 0.95, f'Correlation Coefficient R = {r_value:.4f} Valid Points = {len(steps_filtered)}/{len(steps)}', transform=plt.gca().transAxes, verticalalignment='top', bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.5)) plt.savefig('pdaf_linearity_report.png', dpi=300) plt.show() # 5. 输出关键指标 print("=== PDAF Linearity Report ===") print(f"Linear Correlation Coefficient (R): {r_value:.4f}") print(f"R-squared (Goodness of Fit): {r_squared:.4f}") print(f"Linear Equation: PD = {slope:.2f} * Step + {intercept:.2f}") print(f"Data Validity Rate: {len(steps_filtered)/len(steps)*100:.1f}%") if r_squared > 0.98: print("Conclusion: Linearity is EXCELLENT.") elif r_squared > 0.95: print("Conclusion: Linearity is GOOD.") elif r_squared > 0.90: print("Conclusion: Linearity is ACCEPTABLE.") else: print("Conclusion: Linearity is POOR. Check PD calibration and sensor configuration.")

3. 报告内容整合
将以下内容整合成一份完整的报告（Word/PDF格式）：

• 测试概述：平台、Sensor型号、镜头型号、测试环境。
• 测试配置：使用的工具、命令、参数设置（如force_test_mode=1）。
• 原始数据：以表格形式附上采集的原始数据（或作为附件）。
• 分析图表：插入上述生成的线性度分析图。
• 关键指标：
  • 线性相关系数（R）和决定系数（R²）。
  • 有效数据点占比。
  • 线性拟合方程。
• 结论与问题排查：
  • 线性度良好（R² > 0.95）：PDAF基础性能达标。
  • 线性度差（R² < 0.90）：需按以下顺序排查：
    1. PD数据质量：检查原始PD值的信噪比，确认Sensor相位像素曝光、增益设置是否合理。
    2. 校准数据：验证SPC/DCC校准数据是否已正确烧录（OTP）并在驱动中加载。
    3. 坐标配置：检查PDAF像素点（PD Pixel）的坐标表（PD_PIXEL_COORDS）在Tuning参数中是否正确配置，确保与Sensor实际布局匹配。
    4. VC/Type配置：确认MIPI VC（Virtual Channel）或PDAF Type（1/2/3）的配置与Sensor输出格式一致，确保PD数据通路正确。
    5. 镜头一致性：检查镜头模组是否存在倾斜（Tilt）或装配问题，导致PD信号不对称。

参考来源

• Android：展锐T760平台camera PDAF调试
• MTK平台camera的部分log及pdaf导通
• 高通Camera PDAF调试实战：从配置到验证的完整指南
• Camera调试实战：从I2C到PDAF的完整问题排查指南
• 高通Camera PDAF调试实战：从配置到log分析的完整指南
• Camera知识问答