平視顯示器（HUD）技術是汽車市場上最大的增長領域之一，主要專注于通過改進車輛駕駛方式和提高駕駛者意識來提升乘客安全度。調查顯示，HUD技術目前已取得21.67%的復合年增長率（CAGR），預計到2021年將實現13.3億美元的市場規模。這一增長很大程度上源于顯示器技術的進步，該技術成功做到了將光線投射到遠景上。同時，這也與增強現實（AR）技術應用領域的進步有關，該技術能夠將虛擬圖像疊加到現實環境中，用于實時顯示的駕駛情況信息。

    圖1 

跟AR顯示器一樣，HUD投影必須在精確位置上清晰可見，確保能夠投射到遠景上。通過確保HUD圖像位置、色彩、亮度和清晰度的正確性，可以強化駕駛者對周圍環境的感知，盡可能減少可能引起駕駛者分心的失誤。

跟任何其他顯示器一樣，視覺性能對HUD系統的功能至關重要。精確的系統設計和最終的質量控制檢測可以確保投影位置，對焦，駕駛者觀察能夠看清，并且光線和色彩足夠生動，駕駛者能夠在任何照明條件下將其與周圍環境區別開來。低質量的投影不僅會損害制造商的品牌聲譽，而且駕駛者在投影質量不佳的情況下無法觀察顯示器時，會使乘客處于危險之中，這可能會導致駕駛員對信息的誤判、重要環境數據（如導航、物距以及其他提醒）丟失以及駕駛員分心。

由于質量不佳的系統可能給消費者造成巨大的安全隱患，各種車載HUD性能標準已相繼出臺，旨在確保制造商根據質量和安全基準閾值對其生產的HUD進行評估。SAE J1757-1（“車載顯示器標準測量方法”）和 ISO 15008（“道路車輛—運輸信息和控制系統的人體工程學方面—車載視覺呈現的規范和測試程序”）是美國采用的兩種標準方法，概述了汽車HUD的質量測試準則。

作為有效的質量控制解決方案，顯示器測試和亮度測量系統發揮了很大的作用，可確保制造商符合這些標準的測試方法，但測量系統性能和光學結構的不同可能會導致不同的制造商之間存在質量差異。出于此原因，美國將于2017年夏季發布新的標準，進一步控制用于評估HUD質量的測量系統。本白皮書將為大家概述最新版 SAE J1757-2標準4的要求，并介紹一些獲得業界認可的HUD測量方法，希望能夠幫助制造商符合最新的SAE和ISO質量標準。本白皮書還將重點介紹自動化測量系統的功能和優勢，幫助制造商在測量應用中實現最佳時間和成本效益。

SAE J1757-2汽車HUD光學測量標準

    HUD顯示對安全駕駛的重大影響已經促使汽車測試和測量設備制造商與美國汽車工程師學會（SAE）展開合作，根據SAE J1757-1標準和 ISO 15008 標準制定測量方法，用于評估HUD的顯示質量。新的標準（SAE J1757-2“汽車HUD光學測量”）將于2017年夏末出臺，為車輛HUD的測量提供光學測量結構和方法，并明確相關要求，包括AR-HUD（增強現實平視顯示器）性能。標準化測量方法將確保虛擬圖像相對于駕駛者雙眼的準確投射（包括景深(DOF)、視場(FOV)、屈光度、焦距、圖像位置和圖像距離）、HUD虛擬圖像在典型環境光線條件下的可識別性（需要進行亮度、色度、均勻性和對比度測試）以及通過與目標虛擬圖像的點偏差來測量HUD的圖像失真、像差和重影程度。這些測量需要根據NIST美國國家標準與技術研究院的規定對光學測量設備或儀器進行標定，并且要求將這些設備或儀器置于駕駛員眼橢圓視野區域內的多個測量點來進行測量（確保考慮到潛在可視角范圍）。

    所有需要符合 SAE J1757-1 標準和 ISO 15008 標準的HUD制造商和汽車品牌，都必須根據新的 SAE J1757-2 HUD測量方法來設計自己的測量系統。雖然標準并沒有指定使用什么類型的測量系統，但市場上目前供應的符合SAE標準的系統在功能上存在一些區別，因此在改進設置和應用方面的能力也會存在差異。先進的成像系統提供自動化測量功能，有助于縮短測量時間，降低測量難度，優化設計和質量控制流程，從而讓制造商能夠減少投資，加快產品上市速度。在HUD測量應用中，為確保完全符合SAE標準，制造商需要對HUD的每個特征進行多次測量，因此自動化系統將會有很大的發揮。

符合SAE標準的HUD測量系統

常見的方法

點式亮度計

   點式亮度計的設計原理是測量在一個顯示區域內的一個小點反射或發射的光線。點式亮度計提供高精度的亮度和色度測量，但由于取點測量區域非常小，因此它們無法通過一次測量對整個顯示器的均勻性、對比度、亮度和色度進行評估。為了解決這個問題，采用點式亮度計對顯示器進行自動化測量時，制造商必須額外使用其他設備，如傳動裝置或機械臂，確保能夠將點式亮度計架設在三軸測試平臺內測量顯示屏每個點。然后，點式亮度計在每個點采集亮度和色度數據，然后對這些數據進行比較，以評估整個顯示器的均勻性、對比度以及其他測量參數。對于HUD測量應用而言，這是一種可接受的解決方案，但要實現自動化測量（在生產線上），考慮到成本和復雜性，因此搭配點式亮度計的解決方案并不理想。

除了亮度值和均勻性測量之外，SAE J1757-2 標準還要求對HUD遠景平面內所投影物體的位置、距離和圖像完整性進行評估。點式亮度計無法采集二維圖像，因此無法基于構成圖像的整個像素區域來分析所投影物體的范圍、尺寸和形狀。出于此原因，點式亮度計無法精確地反映所投影物體的特征，也無法量化整體均勻性、對比度以及與目標圖像存在的傾斜度、失真度和重影度偏差。制造商必須額外使用一些設備來對點式亮度計進行補充，以完成該標準要求的所有測試。

機器視覺相機

   機器視覺相機是一種二維成像解決方案，用來定位和測量顯示器中的圖像，分析圖像中相鄰像素點和對比區域的亮度與色度。機器視覺相機對點式亮度計是很好的技術補充，即提供點式亮度計無法獨立實現的測量功能，比如基于像素計算或局部區域位置（如文本的光學字符識別(OCV)）來評估物體的狀、尺寸、失真度、重影度或其他特征。但機器視覺相機無法單獨執行所有HUD測量任務。如果將點式亮度計與機器視覺相機結合在一起創建一套解決方案，通過利用點式亮度計的測量精度與機器視覺相機的快速成像能力、測距與定位能力，可以實現對HUD的全面評估。

人工檢測員

   人工檢測一直在HUD測量流程中發揮作用的原因有多種，主要原因在于測量驗證的需要。人工檢測能夠極其快速地對顯示器質量作出判斷，只需看一眼就能對整個顯示器進行評估，同時還能運用背景（而非具體亮度值）來確定可接受性。相比之下，點式亮度計必須在顯示器圖像中采集多達九個測量點的數據，來對亮度、色彩和所測量光線的其他特征進行比較，使得這種解決方案在設置、執行和分析方面十分耗時。人工檢測速度極快，這有助于執行多項HUD測量，包括對HUD中所投影圖像的對比度進行評估。該評估是通過比較HUD系統所投影的黑白圖像的黑暗區域與發光區域來執行的。人工檢測員通過對圖像進行主觀評估，或者比較一系列基準數字化測量，就能夠確定圖像對比度是否可接受，無需執行任何計算。

圖2 

   使用亮度測量軟件對HUD系統投影的棋盤格測試圖案進行分析，然后將發光區域的平均亮度值除以黑暗區域的平均亮度值，來計算對比度。但人工檢測員可能無需進行任何計算就能作出量化判斷。

跟任何其他人工檢測一樣，這種方法的缺點在于缺乏可量化的測量數據。這種數據的缺乏會影響所執行測量的精度和可重復性，阻礙HUD分析的自動化執行，從而無法實現生產線連續評估。此外，對于 SAE 標準規定的大部分HUD測量，人工檢測都無法充分執行，因為這些測量需要可量化的數據來評估測量準確性。在不要求進行可量化測量的情況下，人工檢測可能能夠評估HUD質量的某些方面，但機械系統則提供更完整的解決方案，確保能夠滿足SAE標準規定的所有其他測量要求。這些自動化技術使汽車制造商和供應商只需投入少量時間和精力，就能針對HUD的質量高效實施SAE標準測量，同時維持測量數據的精確性。

自動化替代方案

成像色度計和亮度計

    成像色度計和亮度計是 SAE J1757-2 標準中提及的有關HUD測試的主要解決方案，使用根據NIST（美國國家標準與技術研究院）標準標定的組件來提供自動化視覺檢測。這些系統兼具點式亮度計的亮度測量功能與機器視覺相機的圖像采集和檢測功能，能夠提供亮度、色度和對比度以及物體存在性、位置、尺寸、形狀和距離方面的絕對測量保證。相比其他系統，亮度成像解決方案在HUD測量應用中具備多種優勢。

這些自動化技術使汽車制造商和供應商只需投入少量時間和精力，就能針對HUD的質量高效實施SAE標準測量，同時維持測量數據的精確性。

不同HUD測量裝置在生產環境下的比較

    要充分了解自動化HUD測量系統的效率，一種有用的方法是以可視化方式的SAE J1757-2標準HUD測量系統。下面的兩張圖片描繪了兩種生產級測量系統之間的區別。在這兩張圖片中，相機放置在相對于車輛駕駛員位置的眼眶區域內。相機與HUD系統指向相同的方向，HUD系統向暗場通道（用于遮擋環境光線）的背面（稱為“無限平面”）投影數字圖像。兩個插圖中均沒有顯示所連接的計算機系統。在計算機系統中，通過運行軟件來控制HUD系統投影來進行測試，同時還采集、存儲和處理測量數據。

在第一張圖片中（圖3），制造商使用了一臺點式亮度計和一套機器視覺系統，分別用于測量亮度和評估所投影圖像的物理特征。如上所述，這樣的解決方案需要另外安裝傳動裝置或機械臂，用于使點式亮度計采集多個測量點的過程實現自動化。在該插圖中，制造商將點式亮度計和機器視覺相機安裝到了機械臂的末端。制造商還可以利用人工檢測進一步提升該解決方案，驗證對比度評估，并加快比較點式亮度計在多個點所采集數據的過程。

在第二張插圖中（圖4），制造商使用了一臺成像亮度計，用于在生產線上執行HUD評估。由于成像亮度計可以同時提供亮度測量和視覺檢測功能，并且能夠采集HUD投影的二維圖像，因此其能夠通過一個圖像執行SAE HUD評估標準所要求的所有測量。如果需要重新定位測量系統，成像亮度計的電子鏡頭（本白皮書后文將談到）可以解決圖像距離和光學焦距方面的差異問題。

圖3 -

    HUD測量設備在生產應用中的示例；機械臂上安裝的點式亮度計用于測量亮度，機器視覺相機用于進行2D圖像分析。

圖4 - 

    HUD測量設備在生產應用中的示例；固定式成像亮度計用于同時執行亮度測量和2D圖像分析。

通過比較這兩張插圖，我們很容易就會因為所需的設備數量、解決方案的成本以及設備組合的復雜性，而對點式亮度計/機器視覺組合解決方案持懷疑態度，更不用提及為確保系統穩定性而必須維護的大量變量因素。同時，我們還應當考慮對每套HUD系統執行完整的評估所需的時間。相比點式亮度計/機器視覺組合解決方案必須在多個點采集測量數據，成像亮度計解決方案只需花費極少的時間，就能評估整個HUD系統，這使得成像亮度計更適合在量產環境下高效執行檢測。

通過自動化系統簡化SAE標準測量

計算物體距離和位置

    SAE J1757-2標準規定，用于執行HUD評估的光學測量系統必須測量標定眼橢圓中心（與駕駛員距離最近的視覺焦點）與在投射虛擬圖像的感知距離下定位的不透明單色無限平面（表面）之間的“真正距離”。在標準測量系統中，利用相機的焦距可以完成由近到遠的距離測量，用于評估沿著水平面上的各個點，其中，相機能夠采集到位于焦距內物體的圖像。這些測量必須按實際距離單位進行計算，以了解兩個點之間的物理距離。

要將焦距換算為實際距離單位，可以手動進行計算，但有些測量系統可以自動執行這種換算。這類系統利用內置軟件算法提供焦距與實際距離之間的換算，讓操作員能夠在系統軟件結果中以實際距離單位顯示測量數據。這類系統在實際應用中的顯著優勢就是節省時間，其能夠立即按所要求的測量單位提供數據，不僅縮短了計算時間，同時還減少了計算和換算不同組的數據點時容易出現的誤差幅度。

執行多次測量

    為了解決車輛駕駛員觀看HUD投影時存在多個潛在視角的問題，以及計算誤差幅度的平均值，SAE J1757-2標準要求在水平面上的不同位置至少進行三次測量，以確定虛擬圖像的相對距離。如果采用配備固定鏡頭的標準測量系統，對多個點進行測量將是一個費時且耗力的過程，這是因為操作員將必須在每個位置對相機進行手動調節，以確保圖像位于焦距內，這樣才能夠在不同的測量點獲得等效測量數據。相反，如果采用配備電子控制鏡頭的系統，將可以極大地提高多個角度、位置和距離的測量速度和精度。如右側的示例所示，這些鏡頭可以遠程調節，確保焦距和光圈設置合適，讓圖像始終位于水平面或者無限平面上。當對成像色度計重新定位，以執行連續測量時，我們可以在系統軟件中進行一些簡單的調節，快速確保成像儀的電子鏡頭適應需求，能夠在任何距離或位置聚焦物體。

圖5 -

   無論是在圖像與車輛駕駛員眼睛之間的距離存在變化的情況下，還是需要將相機定位在更靠近HUD投影區域內數字圖像的位置，配備電子控制鏡頭的成像系統都能夠針對所投射的圖像遠程調節光圈和焦距設置。

測量彩色物體的亮度

   根據 SAE J1757-2 標準，制造商必須達到最低亮度閾值，以確保在任何環境光線條件下（白天或夜晚）疊加到現實環境中的HUD虛擬圖像的清晰度。然而，要測量HUD投影中每個虛擬圖像的亮度，意味著必須考慮各種物體形狀、尺寸、色彩和位置。如果使用基于靜態關注點（POI）來定位物體的測量系統，這一過程將需要多個步驟才能完成。對于投射到HUD中的每個物體，靜態POI系統將通過查看軟件繪制的靜態POI窗口來定位目標物體。成像系統將利用該POI來確定將圖像中的哪組像素用于亮度測量。如果所投射的物體落在該POI范圍以外，可能會導致亮度測量不準確。此外，隨著投射變化，或者顯示器上出現了新的虛擬圖像，在執行亮度測量之前，還必須繪制新的POI，確保將每個新的物體包含在其中。

圖6 -

    跟AR一樣，HUD也會將數字圖像疊加到現實環境中。因此，所投射的圖像在各種背景下的清晰度將會涉及重要的安全問題。圖像必須足夠清晰，確保在白天、夜晚以及各種天氣條件下都清晰可辨。

有些先進的亮度測量系統提供強大的軟件功能，能夠將POI設置過程完全自動化，充分適應投射中存在多個物體甚至無法預測物體的需要。舉例來說，有一種軟件功能稱為Auto-POI（自動關注點），其能夠創建動態POI窗口，自動適應所定義顏色公差范圍內物體像素的需要。制造商可能希望一次性評估投影圖像中出現的所有紅色物體的亮度。要完成該測量，制造商可以在軟件中設置最小和最大CIE色坐標（Cx, Cy），確保將目標物體組中代表的紅色值范圍包含在內。然后，通過利用自動POI功能，該軟件將“對齊”到與所定義的條件相匹配的任何一組紅色連續像素，從而創建精確的測量區域，不受物體形狀、尺寸或位置的影響。即使出現新的投影，也能夠一次性或根據要求采集自動POI范圍內與所定義的顏色公差相匹配的物體圖像，并測量亮度值。

圖7 -

    軟件中手動繪制的靜態POI與基于顏色公差和物體變化自動創建的動態POI（自動關注點）之比較。

Auto-POI功能允許一次性對多個顏色組進行編程，從而使制造商能夠在一個圖像中同時測量所有物體，不受顏色的影響。此外，在指定顏色值公差時，制造商可以選擇輸入CIE坐標作為數據，也可以在CIE色表上繪制色區（使用光標創建一個橢圓、矩形或多邊形）來指定POI公差范圍。這些功能可以使測量過程完全自動化，為制造商提供一種“全自動”方法，在定義所有物體顏色后，即可自動執行亮度測量。將Auto-POI功能與電子控制鏡頭結合在一起，可在物體定位和評估方面帶來極大的靈活性，使制造商在每個定義的測量點能夠幾乎即時完成數據采集。

圖8 -

    通過選擇自動POI軟件工具中的“色區”，用戶能夠在CIE色表中繪制不同形狀，用于定義應當包含在測量POI組中彩色物體的Cx, Cy公差范圍。

測量重影問題

    HUD投影中的物體通過HUD系統所發射光線的反射組合來顯現。作為主要顯示面的汽車擋風玻璃，由玻璃內表面和外表面組成，兩面都會接收HUD發射的光線，并從獨特的角度將光線反射回駕駛員的眼睛。這些光線反射將創建HUD投影的目標虛擬圖像，如果光線發射角度不正確，還會形成“重影圖像”。在無法完全對齊的情況下，這種雙重圖像會導致模糊，可能極大地影響重要HUD投影的可視化。

為了檢測和評估HUD投影中的重影范圍，測量系統必須能夠定位重影圖像與目標圖像之間關聯點的位置。然后，對這些位置進行比較，以確定偏差程度，并提供必要的信息來對HUD進行糾正。如果測量系統的配套軟件能夠提供圖像處理功能，比如圖像自動匹配（RADA），則可以使該比較過程實現自動化，通過一次評估自動完成失真圖像與目標圖像之間關聯點位置的比較。RADA功能通常用于處理歪斜、扭曲和錯位的圖像，并以正確的形狀和高寬比呈現它們。由于RADA功能必須獲取實際與理想虛擬圖像的物體定位數據才能執行該過程，具備RADA功能的檢測系統需要預先裝備，以采集并比較表明物體位置的坐標數據，從而使圖像重影的檢測和測量過程實現自動化。

測量圖像失真

   SAE J1757-2  標準將失真定義為虛擬圖像中的每個測量點與目標坐標相比的幾何偏差。失真可能包括像差、圖像彎曲、扭曲等，所有這些都可以利用原始或測得虛擬圖像的邊緣像素與二次或目標虛擬圖像的邊緣像素之間的距離來計算。在HUD中，如果投影圖像錯位或不均勻，雖然人類的雙目視覺會設法將其調和為單一的圖像，但這種缺陷可能會導致物體焦距或景深感知錯誤。如果HUD無法增加與現實物體相對位置相關的數據，還可能會發生投影圖像定位錯誤。這不僅可能會影響安全，而且圖像失真還會對顯示器的感知質量產生重大影響，進而損害采用該顯示器的車輛制造商的聲譽。

   調制傳遞函數（MTF）是自動化精確檢測圖像失真不可或缺的一個參數。MTF用于測量光學系統的成像性能，特別是用于定義相機生成物體圖像的功能，檢測相機能否以足夠高的分辨率采集到對比度（清晰度）足夠高的物體圖像，確保精確地反映在現實世界中所看到的該物體。相機無法生成與現實難以區分的圖像的原因有多種，首先是相機所接收光的特性，相機鏡頭、傳感器分辨率和動態范圍的局限性也會進一步對圖像產生影響。這些因素會影響圖像質量，而當我們基于圖像進行軟件測試時，圖像質量將決定測量精度。MTF參數可用于測量光學系統彌補技術局限性并盡可能正確處理光線的能力。

由于要實現精確測量，必須了解圖像失真的起因，因此MTF參數在測量圖像失真方面具有重要作用。就跟HUD系統中的異常情況可能會導致投影中出現像差一樣，像差也可能是由相機引起的，因為相機需要從HUD投影中采集光的信息來創建CCD圖像。如果相機無法提供足夠高的光學性能來生成清晰的圖像，測量系統可能出現漏報缺陷的情況，未能清晰顯示HUD圖像失真。這可能會導致后續測試出現問題，無法精確地測量數字物體的尺寸、位置甚至總體亮度，因為相機無法清晰地呈現圖像特征和邊緣。

先進的測量系統能夠在配套軟件中提供MTF測試，使用戶能夠測試相機的光學性能，確保HUD圖像失真的精確評估。有些系統采用ISO 12233方法來測量MTF，利用斜邊模式來確定成像系統的性能，對相機的性能進行非常嚴苛的評估。采用這種方法時，將待成像的物體呈一定的傾斜角度置于相機前面，確保物體中的黑白界線與相機CCD像素的垂直軸不相匹配。由于每個像素接收到的亮度值并不一致，相機必須能夠確定亮度值的亞像素差異，以確保在其穿過傳感器像素時，能夠投射亮區域與暗區域之間的邊緣位置。

    通過評估成像系統對“邊緣”的反應，該過程反映了相機傳感器的有效分辨率，以及相機生成清晰、精確圖像的能力。該反應稱為“邊緣擴散函數（ESF）”。如果測量系統能夠基于這些方法評估它們相機的性能，則能夠非常可靠地確定HUD圖像失真的原因，從而極大地減少圖像分析中的誤差幅度。

圖9 - 

   在用于計算相機ESF參數的斜邊測量中，將目標圖像旋轉偏離CCD像素軸5度。紅色線條顯示的是每條像素線感興趣區域的亮度截面。

多項測量的測試序列

   由于HUD投影的獨特性質以及車輛駕駛員對可見性的要求，包括物體亮度和上文所述的定位條件，HUD測試和測量過程通常會涉及多個步驟，才能執行完整的質量評估。根據 SAE J1757-2 標準，測量系統必須在交錯模式的棋盤格圖像上執行亮度測量，以確定環境光線下白色和黑色投影的虛擬圖像對比度。測量系統還必須確定虛擬圖像的亮度均勻性和非均勻性，以及與目標虛擬圖像相比的色度。此外，如上所述，還必須進行其他測量來確定圖像失真和像差，以確保與目標虛擬圖像相比，實際虛擬圖像具有精確的圖像形狀和位置。

圖10 - 

   上面的測試序列軟件通過10個步驟來編程，從均勻性到MTF線對分析，全面涵蓋，一次性對HUD投影執行多項測量。

要對HUD進行完整的評估，所需執行的所有測量的復雜性不僅取決于測量硬件的靈活性，還取決于測量軟件的局限性。如果所選的測量系統采用的軟件每次只能執行一項測量，或者測量系統采用專為特定測量應用開發的多個軟件包，那么完整的測量過程可能會非常耗時。舉例來說，制造商在應用中采用亮度系統進行亮度測量，然后另外配備一套視覺檢測系統來測量物體位置，這樣將會非常耗時。事實上，制造商可以采用自動化測試序列軟件，通過單一的系統就能快速、連續執行多項測量。測試序列軟件程序允許在統一的軟件環境中，將不同的測量準則、POI和檢測公差編程到一系列單獨的步驟中，然后按順序對HUD完成多個部分的評估。這將使測量系統能夠自動執行亮度、色度、位置和距離測量，從而完成對HUD多個方面的評估，無需因為全新的準則或系統更換而重新對測量軟件進行編程。

結論

   隨著SAE J1757-2標準的最終確定和出臺，以及HUD市場的快速增長，汽車制造商和供應商對高效測量系統的需求將會日益增加，以確保產品能夠符合該標準，同時維持自己在汽車行業的各種合作關系和市場競爭力。由于SAE標準符合性成為了HUD選擇的基準條件，制造商的競爭優勢將體現在能否快速、高效地生產出優質產品，確保實現自身技術的最佳價值。由成像亮度計或色度計及先進的測試定序軟件組成的HUD自動化測量系統將可以極大地縮短HUD評估時間，從而實現生產級高效測量，確保符合該標準的同時，還能降低生產成本，并加快產品上市時間。