1. 常用的AF算法框架

• module

由module分别输出两个通道给到AP， 分别传输PDBuffer与RawBuffer；然后由算法针对拿到的Buffer进行计算，输出对应的CAF与PD结果； TOF同样如此，由TOFsensor输出depthBuffer给到平台来解析distance和confidence数据

• AP

AP和AF相关的主要是两个部分，一个是ISP， 另外一个是外置ISP，常用来做PD计算。现如今的平台慢慢不局限与ISP来做PD计算，追求独立的PD计算模块，来提升性能。

• HybridAF

AF算法逻辑， 通过AF算法逻辑部分分别来选择ContrastAF, PhaseDetectionAF, TOF等

• DriveIC

最后从算法逻辑中选择马达需要移动位置，给到driveIC，然后写入寄存器中控制马达移动

1. PDAF算法

相位对焦算法， 基本原理是利用同一个miscoLens下的左右两个Pixel所接受的光线相位差的不同，得到相位值， 然后使用相位值来映射镜头位置的过程

如上图，焦点在画面前后时，左右PDpixel所呈现的曲线存在相位差的； 只有在2中，准焦点上相位差才会为0

常用的相位计算逻辑，如上图，将整个PDPixel中的LR像素抽离出来，然后形成LR两张buffer数据； 再将LR的buffer分别按列取值，得到LR的灰度曲线(类似于双目测距)。从曲线即可得到对应的相位差。PD对焦在对焦速度上相比于其他算法比较有优势，同时也能检测出一张图片不同景深位置，具备测距功能

1. ContrastAF

反差式对焦，通过不断的统计马达在每个位置的对比度数据，得到对比度最大的位置，然后将这个位置最为最终的清晰点。

如上图，在每个位置都能计算出算法对应的对比度数据，然后使用最常见的爬山算法来选择清晰点。相对与其他算法，这是最笨，也是最准确的方式。缺点就是速度慢，在夜景噪点多的情况稳定性相对更差。不具备反映景深特点

1. TOF

激光测距分为两种 DTOF(直接 TOF) 和 ITOF(间接TOF)； DTOF计算从发射脉冲光到传感器接收到的时间； ITOF测量发射的正弦波/脉冲信号与接收的正弦波/脉冲信号之间的相位差的方法计算出时间

DTOF: 直接测量法，运用单光子雪崩二极管对单个光子探测有非常好的灵敏度特性，只要有光子击中二极管就会输出一个脉冲，输出这个脉冲后，可以很快复位，准备接收下一个光子

ITOF: 按发射光波的调制方式分成连续波调制和脉冲调制;

脉冲调制，一般都是使用方波作为调制信号;

连续波调制使用正弦波作为调制信号

然后在接收端进行信号读取，确认接收到的信号和发射信号的相位偏移

• DTOF

利用飞行时间来计算测距结果

光子发射经过目标物之后反射到接收端，通过计算发射与接收的时间来测距。如今用的比较多的距离统计方法是通过连续发射多束光线，然后统计每束光线的测距结果。统计其中出现距离最多的作为最终的distance。

上面是单点TOF，随着这两年成本的降低，多点TOF慢慢使用上来了。 通过使用多个SPAD作为接收端，形成SPAD阵列，最常见的就是8*8和4*4, 使得DTOF具备了显示景深的特性，具备分区域测距的效果。 在对焦过程也慢慢从只能用于景物的TOF，扩展到了手动对焦和人脸对焦，甚至是追焦

• ITOF

四个方波分别为发射信号，接收信号，一个传感器A以和发射信号同样频率的波形进行工作，和发射光光波同步进行光信号读取积分。一个传感器B以和发射信号同样频率的波形进行工作，但是在时域上有π的相位偏差，进行光信号读取积分。可以看到传感器A和传感器B在交替开关对接收信号进行积分，他们分别接收到了返回信号的一部分。输出的强度信号B/(A+B) * π既是发射信号和接收信号的相位差ϕ

1. 算法对比

CAF算法， 优势在于准确性，当然在获得准确性的同时丢失的对焦速度，对焦时间花费至少是其他算法的两倍以上

PDAF算法， 优势在于对焦速度快，对比度高的场景能做到CAF的准确性。缺点也明显，在暗环境和低对比情况下效果就很差了。需要算法调试过程中自主选择了

TOF算法， 优势在于对焦速度快与暗环境对焦准确性好。 相对而言TOF的准确性比不上CAF和PDAF， 毕竟TOF得到的距离，距离转换到电流时实际对焦会存在一定误差，很多时候都是以TOF+CAF来混合对焦。直接转换的话就要考虑如何将这个误差缩小到可接收范围内

现如今使用的最多的还是PDAF+TOF+CAF三者混合，在三者之间CAF一般是作为底线，在无法使用PDAF和TOF情况下才会考虑到。 PDAF和TOF优先级每家手机都会有自己的策略，PDAF优先和TOF优先都存在，这个要看自己选择了。

以上是个人理解，如有问题，欢迎讨论