本文来自于我的前同事-小卢，一个很有个性，能力又不错的年轻小伙子！
(文章已经得他本人同意分享)
AF搜索与控制机制
Auto Focus，即以一定的搜索策略找出能使场景最清晰的音圈马达位置的算法，常见的搜索策略有反差对焦(CAF)，相位对焦(PDAF)，激光对焦（LDAF)等等，其中反差对焦是最通用且准确度也是最高的。本文介绍 MSM8909 关于 CAF 的算法机制，并配以log辅助说明。
CAF
CAF通过在一定范围内推动马达，同时平台软硬件统计出每个马达位置的对焦值(FV)，并找出最大 FV 对应马达 position 的过程
因此有需要特别注意的几个因素：搜索范围，合焦策略，场景触发机制
1、搜索范围
根据电流磁效应，通过给音圈马达(VCM)供电，可以让它在磁场内带动镜头进行小范围的移动，基于这种原理，当供给不同的电流时，其产生的位移不同。
当 AF 算法得到一个 AF position，会在 driver 将其转换成 driver 的 pos code，再根据数模转换器 (DAC) 将其转换为电流，进而驱动马达，因此，这里有两次转换关系：
高通：AF position -> pos code -> current
这点与 MTK 的 AF 算法就不同，MTK算法直接使用 pos code 作为 AF position
MTK：pos code -> current
AF position 范围从 0~1023，但由于多了一层转换关系，pos code 不一定如 tuning 所想的也有这么大范围；pos code 的范围由 initial_code 和 step_bound 决定，且经实验发现， AF position = far_end + initial_code - pos code
AF OTP 通过修改 initial_code 和 step_bound 来保证模组的对焦一致性
2、场景触发机制
MSM8909 的 AF 有三种控制机制，FV(对焦值)、SAD(亮度绝对误差和)、GYRO(陀螺仪运动值)，当场景变化时，会触发 refocus
is_scene_change = gyro | sad | fv
当 is_scene_change 被置 1 时，trig_refocus 会被置 1，然后会触发新一次的 CAF
- FV变化
MSM8909 会计算 FV 的变化率 fRatio，根据 fRatio 与 AF 参数设定的变化阈值fv_change_trigger 进行对比，如果 fRatio > trigger，则认为 scene_change；
这里 trigger 有两种设定，分别表示连续两帧的 FV 变化，以及平均 FV 变化；Caculated value 表示 Algo 计算出来的 FV 变化率（计算公式未知），fvavg 表示平均 FV 触发阈值，change th 代表连续两帧 FV 变化阈值，当 is_fv_var && is_fv_avg_var 时，is_scene_change = 1
- SAD
SAD 为当前图像帧的亮度与上一帧的亮度差，通过亮度变化来检测场景变化。除此之外， SADR 表示当前图像与上一对焦完成的图像亮度差。
1、首先 AF ALGO 会得到 AE ALGO 传下来的曝光增益 gain，并根据 gain 去计算当前场景的 SAD threshold 和 SADR threshold；马达参数中会定义 gain_min，gain_max，threshold_min，threshold_max
2、Algo 计算出当前场景的 SAD 以及 SADR（计算公式未知），再根据 gain 以及参数的线性关系得出当前 gain 下的 SAD_thd 和 SADR_thd，最终决定 sad_change；
当 sad > sad_thd || sadr > sadr_thr， sad = 1
- GYRO
使用该机制需要有陀螺仪设备，当前不支持，暂时略过。
3、合焦策略
在判断合焦条件前，需要先确认搜索开始标志与结束标志；根据之前的介绍
- 开始标志可以通过 trig_refocus 判断；
- CAF结束时有两种状态，第一是通过算法找到了 peak 点，此时会返回 af_success；当失败时会将马达推向 default position，此时状态为 af_failed
MSM8909 的 AF log 会不间断的输出，如果不确定起始与结束，根本无法判断 FV 的计算趋势
- AF_SUCCESS
从 log 中可以发现，当 trig_refocus 时，会隔几帧再去进行 CAF，其中应该与跳帧，3A同步等有关，具体原因不详从 log 中可以发现，当 trig_refocus 时，会隔几帧再去进行 CAF，其中应该与跳帧，3A同步等有关，具体原因不详
AF ALGO 通过统计出每一个 pos 对应的 FV 变化率，先大致判断当前情况处于哪种场景：flat(平坦景)、macro(近景)等，再选用不同的 FV thres，当某一个 position 的
fRatio > FV thres 时，就认为 find a peak
因为 ALGO 代码不开放，再加上没有相关 log 的介绍，高通平台从 log 判断 AF 行为是比较麻烦的，暂时只能大致判断 thres 的大小、FV 变化趋势等等，但是对于 fRatio 的详细计算等仍然未知。
- AF_FAILED
此种情况下，虽然找到了一个极值点 396，但通过 FV 分析可以知道，一次 CAF search 中出现了两个极值，使得算法无法确定 peak 点
一般而言，出现这种情况的可能只有两个：
- 场景突变，使得 FV 计算出错（例如光源影响）；
- 模组本身有问题。
此时只需要在相同条件下进行一次 fullsweep，通过其 FV 表现可知是否是物料问题
- Stay hungry，Stay foolish！