089、AE自动曝光：测光策略与场景自适应曝光控制从一次车载夜视翻车说起去年夏天，某Tier1客户的车载环视项目在夜间测试时出了大问题。车辆驶入地下车库入口的瞬间，四路摄像头画面同时过曝，白茫茫一片，等画面恢复正常时，车辆已经完成了入库动作。客户PM当场拍了桌子：“这要是量产，倒车影像失效三秒钟，责任谁担？”我接手这个案子时，第一反应是AE收敛速度太慢。但深入分析后发现，问题远不止于此——测光策略本身就有缺陷。默认的全局平均测光在低照度场景下，会把大量权重分配给暗区，导致亮区（比如车库入口的灯光）被过度补偿。更致命的是，场景切换检测算法没有对“从亮到暗”的突变做特殊处理，AE还在用上一帧的统计值做决策。这个案例让我意识到，很多工程师对AE的理解停留在“调一下目标亮度、改一下PID参数”的层面，但真正的AE架构设计，是从测光策略开始的。测光策略：不是简单的加权平均测光策略决定了“相机认为画面中哪些区域更重要”。手机影像里常见的矩阵测光、中央重点测光、点测光，在车载和安防场景下需要重新定义。全局平均测光是最基础的方案，把整帧图像的亮度值做算术平均。优点是实现简单、计算量小，缺点是对场景变化不敏感。在安防监控中，如果画面大部分是暗色墙壁，只有一小块区域有目标，全局平均会导致目标区域过曝。我见过一个仓库监控项目，为了看清货架上的标签，不得不把测光区域缩小到画面中央30%的区域。加权测光引入了空间权重。典型