1.画面清晰，在黑白交界的时候，图像有一个很好的对比度或者动态范围。不管是逆光还是白天大照度，夜晚低照度，还是说在路灯情况下，我们都要求前方景物有一个非常好的对比度，这是算法对于成像系统的要求。这个时候，我们就要对它的上千个参数进行试验和调校。
2.一个摄像头是由6个光学的镜片和一些传感器组成，而玻璃镜片的生产制造是打磨出来的，并不是压制而成的。这就从根本上产生了镜片生产存在差异性的问题。双目的方案，两个镜头理论上要一模一样，因为一旦存在差异，会使得测量的准确性大打折扣，业内也会称之为立体摄像头。摄像机镜头一般都有些参数，比如畸变度，对焦度，随着准确度的上升，误差范围的收窄，成本也是扶摇直上的，业内一般使用的镜头误差在5%的范围内。如果要将两个摄像头的误差缩减到1%左右，达到使用的要求，那么摄像头的成本就会高不可攀。
3.中科凌志通过独特的成像算法，从根源上保证图像质量，同时具备高效自动校正性能，而深度图测距算法基于“面”，每个点的深度都会计算，因此得到的深度图是稠密的，这样的算法有助于解决逆光成像问题，也能降低傍晚或夜间由于光线变暗的误报率。逆光成像问题？
4.曝光绝对同步。双目相机最基本的要求就是两个传感器要同时曝光，曝光的时间差要控制到微秒级，否则采集的图像没办法进行匹配。
5.为了适应车辆全天候全天时的需要，一般要满足在明暗反差过大的场合（进出隧道），很好平衡图像中过亮或太暗部分（宽动态）；对光线比较灵敏（高感光），避免给芯片带来太大压力（并不是一昧追逐高像素）。
6.要求高动态。选用具有高动态范围的黑白相机，可以有效抑制光晕现象，并增强暗处的细节，从而提高成像质量。另外，彩色图像在镜头表面进行了镀膜，虽然提升了人眼的感知体验，但实际上降低了信噪比或者说信息量。这对后续的图像处理不利。
其次是双目的算法：基于“面”和基于“边”。在图像处理领域，有一种技术叫做模版匹配，分为三种类型：面匹配、边匹配、几何匹配。边匹配是亮暗区别比较明显的界限，比如说外轮廓。边匹配的时候会把这种高频的轮廓进行左右眼的匹配，因为匹配上以后才能决定视差。用这种轮廓继续进行匹配，我们管它叫边缘匹配。里面每一个点都能匹配，我们就叫做面匹配。虽然面匹配的计算量远远大于边匹配，但前者的可靠性也大于后者。因为边匹配只是部分轮廓的匹配，不能确定非轮廓区域有没有障碍物。也就是说，非轮廓区域是没有被感知到的，一旦有障碍物就会发生碰撞。所以我们觉得 ADAS 系统尚且可以使用。如果使用双目系统，尚且可以使用边缘匹配进行计算，从而降低它的计算量，提高计算效率。但是对于一套自动驾驶系统，为了提高它的可靠性，一定是用面匹配方式进行对前方距离的感知与探测，这样才能达到更可靠的效果。
异形镜头
3M胶
中科凌志采用热膨胀系数低的特殊金属一体化铸造。
以色列Mobileye、德国博世、日本理光
https://blog.csdn.net/p23onzq/article/details/79754769剖析自动驾驶双目视觉解决方案
https://blog.csdn.net/p23onzq/article/details/78740562 ADAS最全整理
https://blog.csdn.net/p23onzq/article/details/78740553无人驾驶工程师技术总结
http://www.360doc.com/content/17/0319/21/35472060_638271657.shtml详解：双目ADAS的技术优势及产品落地之路 | 硬创公开课
第一，曝光绝对同步。双目相机最基本的要求就是两个传感器要同时曝光，曝光的时间差要控制到微秒级，否则采集的图像没办法进行匹配。
第二，传感器的位置要固定。两个相机中间的相对位置，要绝对固定，并达到微米级。
第三，双目相机的散热问题。所有的视觉感知一定要贴在前挡风玻璃上，那是风吹日晒的地方。本身双目的功率大，而且也不能用风扇进行主动散热。这对于壳体、热方面的设计和计算，需要我们非常关注。
二是要求高动态。选用具有高动态范围的黑白相机，可以有效抑制光晕现象，并增强暗处的细节，从而提高成像质量。另外，彩色图像在镜头表面进行了镀膜，虽然提升了人眼的感知体验，但实际上降低了信噪比或者说信息量。这对后续的图像处理不利。
汽车使用的环境复杂多变，只是温度要求，都是在-40—85度。
目前市场上，还未出现可以满足双目图像处理、符合车规要求、大规模商业化量产的芯片，已经量产的一些车型中类似于斯巴鲁使用的，仍然配合使用了FPGA的方案，来达到双目算法处理所需的算力要求。