158、洞察驱动的实战标题——新兴AI ISP平台的坑与路——亿智/星宸的ISP调优经验与踩坑记录

158、洞察驱动的实战标题——新兴AI ISP平台的坑与路——亿智/星宸的ISP调优经验与踩坑记录

去年秋天接了个活儿，给一台带AI检测功能的IPC做图像质量优化，主控用的是某国产新兴AI ISP芯片，具体型号不点了，圈内人都知道，亿智和星宸这两家的方案在低端安防和门锁市场铺得飞快，但它们的ISP pipeline和海思、安霸那套成熟体系比起来，简直像两个物种。我一开始还拿老经验去套，结果被现实狠狠抽了几个嘴巴子。

第一个坑，也是最要命的，是AE的收敛速度。客户反馈说，晚上红外灯切换的瞬间，画面会像呼吸灯一样忽明忽暗，持续两三秒才稳定。我第一反应是AE的PID参数没调好，增益步进太大。按老套路，直接去调AE的target和tolerance，结果发现寄存器写进去，画面纹丝不动。后来翻datasheet才发现，这家的AE收敛不是靠传统统计直方图，而是走了一个所谓的“AI辅助亮度预测”模块，它默认开启，会基于前一帧的物体检测框去加权计算目标亮度。你手动改的target，会被这个模块的置信度权重给覆盖掉。当时我差点把开发板砸了。

解决办法？不是关掉那个AI模块，而是得学会“骗”它。我把AE的权重区域从全画面改成了中心偏下，同时把AI模块的置信度阈值调高，让它只在检测到人脸时才介入，其他场景老老实实走传统统计。这招儿管用，但代价是调试时间翻倍，因为你得同时理解两套逻辑的交互。这里踩过坑的兄弟应该懂，那种你改了参数但系统不鸟你的感觉，比看门狗复位还让人崩溃。

第二个坑，是降噪和锐化的耦合关系。这家的ISP把NR和Sharpen做在了同一个硬件块里，美其名曰“智能细节增强”，实际上就是一套基于边缘方向的自适应滤波。问题在于，当场景里出现密集纹理，比如树叶、草地