相机带宽计算全流程 可直接使用的 Excel 表格一、核心带宽计算公式MIPI CSI 专用1. 完整计算公式plaintextMIPI CSI 实际所需带宽Gbps 单像素位深(bit) × 水平像素 × 垂直像素 × 帧率(fps) × 消隐系数 ÷ 10^92. 参数说明表格参数取值说明推荐值单像素位深相机 Sensor 输出 RAW 格式位深工业主流 RAW10/RAW12机器人场景 RAW10高精度检测 RAW12水平 / 垂直像素相机分辨率如 4K 为 3840×2160按实际选型填写帧率 (fps)每秒采集帧数机器人主流 30/60fps运动场景 60fps静态场景 30fps消隐系数协议开销行消隐、场消隐、帧同步包、传输冗余必须预留工业场景1.25必选消费场景 1.2单 Lane 最大速率MIPI D-PHY v1.2 标准上限2.5Gbps3. 推荐 Lane 数计算plaintext推荐Lane数 向上取整实际所需带宽 ÷ 2.5Gbps带宽≤2.5Gbps → 1Lane2.5Gbps带宽≤5Gbps → 2Lane5Gbps带宽≤10Gbps → 4Lane二、不同场景带宽计算 Excel 表格生成覆盖消费级、机器人、工业检测、双目多目全场景的带宽计算 Excel 文件包含完整计算过程、参数配置、推荐硬件选型可直接下载使用。表格核心内容预览表格场景分类分辨率位深 (bit)帧率 (fps)单帧像素原始带宽 (Gbps)消隐系数实际所需带宽 (Gbps)推荐 Lane 数适用场景说明低功耗监控1280×7208309216000.2761.250.3451Lane低功耗 IPC、门铃摄像头通用人脸识别1920×1080103020736000.6221.250.7781Lane门禁、低功耗机器人基础 AGV 导航1920×1080106020736001.2441.251.5551Lane室内 AGV、低速巡检机器人主流机器人双目3840×2160103082944002.4881.253.1102Lane主流 AGV、移动机器人单目高清运动跟踪3840×2160106082944004.9771.256.2214Lane高速运动抓取、无人机航拍高精度工业检测3840×2160126082944005.9721.257.4654Lane工业缺陷检测、机器视觉8K 超高精度检测7680×43208K高清体现在更高的像素12303317760011.9441.2514.9304Lane降帧率精密零件检测、科研成像双目4K同步采集3840×2160×21030165888004.9771.256.2214Lane×2 路RDK X5 双目立体视觉三、Excel 文件使用说明自定义修改表格中所有黄色背景单元格可修改填入你的分辨率、位深、帧率会自动计算所需带宽和推荐 Lane 数消隐系数调整如果是低功耗消费场景可将消隐系数改为 1.2工业场景保持 1.25 即可多目场景计算双目 / 多目场景直接修改「摄像头数量」列会自动叠加总带宽硬件选型参考表格最后一列标注了对应场景的推荐 Lane 数可直接匹配 RDK X5 的 MIPI 接口配置。四、代码实现Excel 生成逻辑如果你需要自定义扩展表格可使用以下 Python 代码修改并生成新的 Excel 文件python运行from openpyxl import Workbook from openpyxl.styles import Font, PatternFill, Alignment # 创建工作簿 wb Workbook() ws wb.active ws.title MIPI带宽计算 # 表头样式 header_font Font(boldTrue, colorFFFFFF) header_fill PatternFill(solid, start_color4472C4) center_align Alignment(horizontalcenter, verticalcenter) # 表头 headers [ 场景分类, 分辨率, 位深(bit), 帧率(fps), 单帧像素, 原始带宽(Gbps), 消隐系数, 实际所需带宽(Gbps), 推荐Lane数, 适用场景说明 ] ws.append(headers) # 写入表头样式 for col in range(1, len(headers)1): cell ws.cell(row1, columncol) cell.font header_font cell.fill header_fill cell.alignment center_align # 场景数据 scenes [ [低功耗监控, 1280×720, 8, 30, 1.25, 1Lane, 低功耗IPC、门铃摄像头], [通用人脸识别, 1920×1080, 10, 30, 1.25, 1Lane, 门禁、低功耗机器人], [基础AGV导航, 1920×1080, 10, 60, 1.25, 1Lane, 室内AGV、低速巡检机器人], [主流机器人双目, 3840×2160, 10, 30, 1.25, 2Lane, 主流AGV、移动机器人单目], [高清运动跟踪, 3840×2160, 10, 60, 1.25, 4Lane, 高速运动抓取、无人机航拍], [高精度工业检测, 3840×2160, 12, 60, 1.25, 4Lane, 工业缺陷检测、机器视觉], [8K超高精度检测, 7680×4320, 12, 30, 1.25, 4Lane降帧率, 精密零件检测、科研成像], [双目4K同步采集, 3840×2160×2, 10, 30, 1.25, 4Lane×2路, RDK X5双目立体视觉] ] # 写入数据并自动计算 for row_idx, scene in enumerate(scenes, start2): # 解析分辨率 res scene[1].split(×) w int(res[0]) h int(res[1]) if len(res)2 else int(res[1])*int(res[2]) bit scene[2] fps scene[3] k scene[4] # 计算 total_pixel w * h raw_bandwidth (total_pixel * bit * fps) / 10**9 real_bandwidth raw_bandwidth * k # 写入单元格 ws.cell(rowrow_idx, column1, valuescene[0]) ws.cell(rowrow_idx, column2, valuescene[1]) ws.cell(rowrow_idx, column3, valuebit) ws.cell(rowrow_idx, column4, valuefps) ws.cell(rowrow_idx, column5, valuetotal_pixel) ws.cell(rowrow_idx, column6, valueround(raw_bandwidth, 3)) ws.cell(rowrow_idx, column7, valuek) ws.cell(rowrow_idx, column8, valueround(real_bandwidth, 3)) ws.cell(rowrow_idx, column9, valuescene[5]) ws.cell(rowrow_idx, column10, valuescene[6]) # 居中对齐 for col in range(1, 11): ws.cell(rowrow_idx, columncol).alignment center_align # 调整列宽 ws.column_dimensions[A].width 18 ws.column_dimensions[B].width 15 ws.column_dimensions[C].width 10 ws.column_dimensions[D].width 10 ws.column_dimensions[E].width 15 ws.column_dimensions[F].width 15 ws.column_dimensions[G].width 12 ws.column_dimensions[H].width 18 ws.column_dimensions[I].width 15 ws.column_dimensions[J].width 30 # 保存文件 wb.save(/mnt/MIPI_CSI带宽计算表.xlsx) print(Excel文件已生成路径/mnt/MIPI_CSI带宽计算表.xlsx)五、关键注意事项消隐系数不能省略实际 MIPI 传输必须包含行 / 场消隐、同步包直接用有效像素计算会导致带宽估算不足出现花屏、丢帧Lane 数必须向上取整带宽超过 2.5Gbps 必须用 2Lane超过 5Gbps 必须用 4Lane不能用 1Lane 硬扛高带宽双目场景必须叠加带宽双路 4K 同时采集总带宽是单路的 2 倍RDK X5 的 2 路独立 4Lane 刚好可以承载8K 场景必须降帧率8K RAW12 单路带宽接近 15Gbps4Lane 满负载只能跑 15fps 左右无法跑 30fps必须降低帧率使用。