相机是自动驾驶、移动机器人感知系统中唯一具备语义识别能力的核心被动传感器。如果说激光雷达负责“看清距离、结构、轮廓”，相机则负责“看懂颜色、纹理、标识、语义”。二者互补构成智能设备的完整感知闭环。在高阶智驾与具身机器人快速迭代的当下，视觉相机的硬件规格、算法架构、融合方案正在发生颠覆性升级。
一、行业整体发展现状
1. 车载自动驾驶领域现状
当前行业形成纯视觉、视觉+多传感器融合两条主流量产路线，相机从辅助感知升级为核心感知载体，单车搭载量、硬件性能、算法深度均大幅迭代。
第一，搭载规模全面普及。早期L2辅助驾驶仅配备3-5颗基础摄像头；现阶段城市NOA、高阶L2++智驾车型普遍搭载8-12颗高清相机，纯视觉方案车型最高可达15颗，覆盖前向主视、侧方补盲、全景泊车、舱内监测全场景，实现360°无死角视觉感知。
第二，硬件参数持续升级迭代。行业完成200万像素向800万像素的主流切换，高端车型逐步规模化导入1200万像素高清CIS图像传感器。同时核心成像指标大幅优化，140dB超高动态范围、LED频闪抑制、近红外夜视增强成为标配，彻底改善逆光、隧道明暗交替、夜间强光、雨雾低可见度等极端场景的成像缺陷。
第三，技术路线双轨并行固化。以特斯拉为代表的纯视觉路线，依托多目相机+BEV大模型，通过算法弥补深度短板，具备低成本、数据闭环高效的优势；国内车企主流采用视觉为主、激光雷达+毫米波雷达为辅的融合路线，用相机保证语义准确性，用主动雷达弥补被动视觉测距弱、抗干扰差的天生缺陷，场景鲁棒性更强，适配高阶自动驾驶落地要求。
第四，国产产业链全面替代。镜头、成像模组、车载CIS、ISP图像处理芯片、视觉算法的本土供应链快速成熟，打破海外厂商长期垄断，实现高性价比规模化量产。
2. 移动机器人领域现状
在室内自主导航、仓储AGV、人形机器人等场景中，视觉相机是SLAM建图、环境理解、避障交互的核心设备，形成2D视觉导航、3D深度感知两套成熟应用体系。
低速导航机器人（搭载NAV2框架）普遍采用单目、双目RGB相机配合激光雷达融合方案：激光雷达负责精准定位与栅格建图，相机负责障碍物分类、语义区分，解决激光雷达无法识别透明物体、标识、纹理场景的痛点，适配A*全局规划、DWA/TEB局部轨迹规划的落地需求。
高端人形、抓取机器人全面普及RGB-D深度相机，依靠硬件直接输出像素级深度信息，无需算法估算深度，大幅提升近距离交互、精准抓取、避障的稳定性。同时机器人视觉更侧重轻量化、低功耗、高帧率，优先适配室内稳定光照场景，对超高像素需求较低。
3. 行业现存核心痛点（相机天生短板）
相机属于被动感知传感器，存在无法规避的底层缺陷，也是行业持续迭代的核心动因：
无主动测距能力，单目相机依靠AI模型估算深度，远距离误差大、稳定性弱；
极度依赖环境光线，无光、逆光、眩光、雨雾天气成像质量大幅衰减；
传统2D分相机独立检测存在视野割裂、特征不互通、重复计算的问题；
多相机标定、时空同步难度高，容易出现感知延迟、特征错位。
二、智驾与机器人相机完整品类体系及优劣对比
（一）车载自动驾驶相机（按功能场景分类）
1. 前视主感知相机（核心主力）
分为单目、双目、三目组合方案，是整车高阶智驾的核心视觉入口，探测距离可达150-200米，负责车道线、车辆、行人、非机动车、红绿灯、交通路牌等核心语义识别。
单目相机：成本低、量产成熟，依赖AI深度估计，是目前主流方案；缺点是深度精度弱，极端场景易误判；
双目相机：依靠视差原理原生输出深度信息，测距精度更高；缺点是算力开销大、标定严苛、无纹理场景容易失效；
长焦+广角三目组合：兼顾远距离监测与近距大视野，适配高速、城市复杂路况。
2. 侧方补盲相机
大广角短焦设计，部署于车身两侧，用于变道预警、路口横穿障碍物检测，弥补雷达盲区，作为安全冗余感知设备。
3. 环视鱼眼相机
四颗180°超广角鱼眼镜头，通过IPM逆透视变换算法拼接生成全景俯视画面，主要服务自动泊车、低速近距离避障，是低速场景的标配视觉硬件。
4. 舱内监测相机
采用RGB-IR红外双模成像，支持全黑环境成像，用于驾驶员疲劳监测、乘客姿态识别，满足车载安全法规要求。
（二）机器人视觉相机（按成像维度分类）
1. 2D单目/双目RGB相机
单目结构简单、成本极低，用于基础视觉SLAM与环境可视化；双目通过双帧视差计算平面深度，测距稳定性优于单目，是室内NAV2导航小车的主流选型。
2. RGB-D深度相机（ToF/结构光）
机器人场景核心3D视觉设备，两种技术路线特征明确：
结构光：室内近距离精度天花板，成像细腻、深度精准；缺点是完全无法抗强光，不能户外使用；
ToF相机：帧率高、算力消耗低、响应快；缺点是分辨率偏低、近距离精度一般，适合快速避障场景。
3. 事件相机（前沿特种相机）
区别于传统帧式相机，仅捕捉光线变化事件，具备微秒级超低延迟、无运动模糊的优势，适配高速动态避障场景；目前算法生态尚未成熟，仍处于小规模研发落地阶段。
三、行业未来核心技术发展趋势
1. 硬件：高动态、夜视增强、一体化集成成标配
未来车载相机将全面普及144dB超高动态范围、全域LED频闪抑制、近红外夜视技术，实现全天候稳定成像。同时硬件架构向“轻量化、无本地化计算”升级，相机仅输出原始数据，所有感知、融合、计算统一由中央域控制器处理，简化整车架构、降低布线成本。多光谱、热成像相机逐步下沉，补齐雨雾、黑夜极端场景感知短板。
2. 算法：从2D割裂识别全面转向BEV全局空间建模
这是近几年视觉感知最大的革命性升级。
传统方案：每颗相机独立2D检测、各自输出结果，视野割裂、没有全局空间概念；
新一代方案：所有相机图像通过LSS、BEVFormer架构，统一投影至BEV鸟瞰俯视空间，实现多相机特征共享、时空统一建模，彻底解决遮挡、视野盲区、深度不准的问题，成为智驾与机器人视觉的统一标准范式。
3. 模型：模块化感知升级为端到端大模型闭环
行业逐步抛弃“图像检测→识别→预测→规划”的分段式架构，向原始图像直接输出控制指令的端到端方案演进。视觉大模型具备通用常识理解能力，可识别异形障碍物、非标路况，摆脱高精地图依赖，大幅降低系统维护成本。
4. 融合：视觉语义+雷达结构深度绑定，互补去短板
形成行业固定最优解：激光雷达负责空间几何定位，相机负责环境语义理解。通过高精度时空同步融合，弥补相机无精准深度、雷达无语义信息的双重短板，是高阶智驾、室内高精度机器人导航的核心架构。
5. 机器人视觉：轻量化3D视觉+具身智能深度落地
RGB-D深度相机成本持续下探，成为人形机器人、智能小车标配。视觉SLAM与NAV2导航、路径规划算法深度耦合，端侧轻量化NPU可实现本地实时建图、感知、规划全流程自主运行，无需依赖云端算力。
6. 全产业链自主可控+特种相机规模化
国内CIS芯片、光学镜头、ISP算法持续突破，实现视觉硬件全链路国产化替代。同时事件相机、热成像相机等特种视觉设备逐步从实验室走向量产，针对性弥补传统帧式相机的原生缺陷，构建全场景、全天候的视觉感知体系。
