117、洞察驱动的实战标题——激光/ToF辅助对焦的“多传感器融合“——什么时候信ToF什么时候信PDAF？从置信度评估到动态权重分配

117、洞察驱动的实战标题——激光/ToF辅助对焦的"多传感器融合"——什么时候信ToF什么时候信PDAF？从置信度评估到动态权重分配上周在产线上盯一个项目，客户反馈暗光下对焦拉风箱，视频里画面反复“呼吸”。我们第一反应是PDAF（相位对焦）在低照度下信噪比崩了，于是把激光模组打开，结果更糟——画面在近景和远景之间来回跳，比之前还神经质。拆开log一看，激光测距值稳定在1.2米，PDAF的深度估计却在0.8到1.5米之间漂移，融合算法直接取了个平均，两边都不讨好。这个案例特别典型，它暴露了一个核心问题：多传感器融合不是“谁强听谁的”，而是“什么时候信谁、信多少”的动态决策问题。先别急着写代码，我们得把两个传感器的物理特性掰开揉碎了看。PDAF的本质是相位差到离焦量的映射，它依赖镜头光瞳分光，在暗光下光子数不足，相位差信号被噪声淹没，输出的是“带噪声的离焦估计”。ToF/激光测距则是主动发射调制光，测量飞行时间或相位延迟，它不依赖环境光，但它的输出是“绝对距离”，不是“离焦量”。这里有个关键陷阱：ToF测的是物体到传感器的直线距离，而PDAF算的是当前镜头位置到合焦位置的偏移量，两者之间隔着镜头焦距、物距、像距的换算关系。很多工程师直接把ToF距离当成对焦目标，结果微距场景下误差巨大——因为微距时镜头移动量和物距变化不是线性关系。所以第一步，必须建立置信度评估框架。对PDAF，置信度可以从三个维度算：一是相位差信号的对比度，也就是左右像素的灰度差，这个值太低说明场景纹理不足，PDAF基本是瞎猜；二是环境光传感器读数，照度低于某个阈值（比如50 lux）时，PDAF的噪声方差会指数上升；三是历史帧的稳定性，如果连续几帧的离焦量输出跳变超过某个范围，说明当前场景