電動車由於品牌不同，型號不同，設計針對的市場和客戶群不同，會存在不同的外觀、顏色和設計樣式，而且在使用者在實際使用時又會根據使用習慣，用途不同對電動車進行一定的改裝，這就造成了從攝像頭的視角看，電動車是“千姿多彩，千變萬化”的。
好的檢測識別是從影象獲取開始的，對於精確的電動車識別來說，清晰的輪廓，精確的細節紋理，準確而又豔麗的色彩，不拖泥帶水的成像曝光，鏡頭良好的光學素質和畸變控制能力都很重要的。
普通客梯轎廂面積一般不會超過8平米，在如此狹窄逼仄的空間內，常規焦距的相機視野是很難完全覆蓋轎廂面積的；實際場景中，每臺電梯採用的照明條件不同，光線存在很大差異，電梯光線還會隨著電梯開關門不斷變化，容易導致成像偏差……這些因素都會影響相機的識別效果。
CMOS（Complementary Metal Oxide Semiconductor）感光元件是成像單元的核心，我們綜合測試了數十款感光晶片，最後選擇了高效能的sony晶片，該晶片不但在解析度和色彩上表現出眾，而且具備星光級夜間成像能力和無與倫比的高動態畫質。
好馬要配好鞍，如果把成像核心CMOS比作馬的話，那馬鞍就非鏡頭莫屬了，
大家都知道，常用的安防鏡頭中，普通廣角鏡頭焦距一般為6~2.8mm，FOV為50~110°；而超廣角鏡頭的焦距低於2.6mm，FOV一般大於130°。
梯智眼T2相機選用的超廣角鏡頭，有著寬廣的視野，能確保完整覆蓋電梯內整個空間。配合多組鏡片，能降低影象畸變，提高電動車在不同位置出現時的識別率，同時，鍍膜鏡頭則有效抑制了燈光鬼影的影響。
但是這樣的原始影象還不能滿足演算法識別的要求，需要進一步最佳化使相機能呈現出高畫質全綵畫面。
現實中，當我們用肉眼看物體時，在不同的光線下，對相同顏色的感覺基本是一樣的。比如清晨看白色的轎車，感覺它是白的，而黃昏時分看到這輛車，仍然感覺它是白色的。這是由於人的大腦已經對不同光線下的物體的彩色還原有了適應性。
那麼相機如何才能排除光線和各類環境因素的干擾呢？
我們可以對原始影象進行ISP演算法調優（Image Signal Processor）來排除光線及其他因素干擾，以保留真實畫面的細節，從而呈現出更好的畫面效果，並獲得高質量的圖片供演算法識別。
ISP包含多個影象演算法處理模組，流程一般有圖片格式處理、黑電平（BLC）、影象降噪、白平衡（AWB）、伽馬矯正（Gamma Correction）、色空間轉換（RGB-YUV）、邊緣增強、對比度增強、影象壓縮等步驟。
一些小的引數調整，就可能會輸出不同的效果。為了精益求精，梯智眼對T2相機的ISP調節方案也進行了不斷地打磨，以追求更好更高的影象質量。
