Linux camera驱动开发(通过AI调试isp)
【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】
作为camera出图后的第一个处理环节isp,本身其实是非常吃经验的。要做好isp,除了需要了解具体的soc平台工具之外,自身还需要对sensor比较了解。其次就是图像这部分,需要一点积累。先调什么,再调什么,这里面都有一点说道。并且,不同的参数之间,有的时候还会互相影响,这在无形之中增加了调试的难度。然后现在有了ai的加持,特别是gpt工具的存在,其实我们已经可以通过ai本身,来实现isp的调试了。

1、先适配好camera sensor驱动
调试图像之前,camera驱动的适配是非常有必要的。这个时候,如果自己有点功底,比如i2c、mipi,再加上linux driver的基础,就会非常容易。
2、熟悉平台的工具
不同的soc平台都有自己的isp tuning工具。这部分不是通用的。一般来说,我们习惯于用哪一家的soc,就会用对应的工具去标定。所以,对应的上位机工具也要去熟悉一下。比如说,至少知道怎么配置、怎么设置ip、怎么调整参数、怎么输出配置文件等等。这部分不同工具稍有差异,做到心里有个大概了解,就可以了。
3、约定好配置流程
配置的时候,一般先配置客观属性,再配置主观属性。所谓客观属性,就是照着流程去做的属性。这部分的操作包括blc、lsc、demosaic、ccm、gamma等等。而主观属性,就是比较依赖主观判断的属性,这个时候怎么调试参数、调整哪一个算法,就非常吃经验。所以说,在配置主观属性之前,我们先做好客观属性的配置。
4、主观属性的配置
主观属性的配置,一般就是客观属性剩下来的算法配置。配置的时候,我们可以这么来配置,
1)拍摄当前配置下的raw image,也就是基于所有客观属性的image;
2)将raw image提交给gpt,告知当前的需求和正在配置的算法,寻求参数设置的方向;
3)接着将获得的参数,和上位机上面的算法做匹配,进行对应的操作;
4)重复1~3的过程,直到获得满意的结果为止。
5、gpt需要注意的地方
很多的ai工具是不支持图像上传的,比如deepseek。还有一些ai工具,对于上传的图片数量有限制,比如chatgpt。这种情况下,要么购买商业服务,要么寻找其他的ai工具,特别是那些效果又好、又比较经济的ai工具,那是最好不过了。
6、客户现场isp问题的调试
如果是传统image的调试,一般是开发的时候标定好的。但是,很多客户现场又需要做针对性的调整,这种情况下就可以通过远程获取raw image,加上本地ai调试的方式解决。这种方式既解决了成本问题(不用出差),又可以增加客户的满意度,保留了自己的开发秘密,还是非常划算的。当然,对于一些重点客户,出差还是有必要的,因为这时候就不仅仅是技能的问题,还有服务态度的问题了。
更多推荐




所有评论(0)