Zemax 车载前视ADAS镜头（6P1G+双非球面）实操清单
设计目标：焦距f'=6mm、F#=2.0、视场角50°、适配1/2.7"CMOS（像高4.73mm），覆盖可见光+近红外（430-940nm，含850/940nm补盲雷达协同波段）；全视场120lp/mm MTF≥0.6，畸变≤0.5%，满足车规-40℃~125℃热稳定性与量产公差要求。
前置要求：掌握序列模式非球面/胶合组设计、热分析、公差分析，熟悉车规光学材料与加工约束。
一、系统基准与架构搭建（ADAS前视反远距架构：前负+后正+双非球面）
- 新建序列文件，进入System Explorer
◦ 波长：430/550/656/850/940nm，550nm为参考；勾选"温度/波长联动"
◦ 孔径：入瞳直径3mm（F#=2.0），入瞳位置在第3面后
◦ 视场：50°物方半视场，按0°/0.3H/0.7H/1.0H加权分布；像高4.73mm，像方F数2.0
◦ 后截距：≥12mm（预留IR-Cut与保护窗）
- 初始结构（7面+像面，含2个非球面）
面号 类型 曲率(mm⁻¹) 厚度(mm) 材料 备注
0 物面 ∞ ∞ 空气 轴上无穷远物
1 偶次非球面 0.082 1.2 OKP4HT 前组负非球面，校正畸变
2 标准面 -0.045 0.1 空气 间隔
3 标准面 0.068 3.0 H-K9L 正透镜
4 胶合面 -0.072 1.8 H-ZF2 消色差胶合
5 标准面 0.035 5.0 空气 光阑在该面
6 偶次非球面 -0.052 2.5 S-FSL5 后组非球面，校正场曲
7 标准面 0.028 12.0 空气 后截距
8 像面 ∞ 0 空气 CMOS靶面
- 非球面参数：面1/6启用偶次非球面，设置圆锥系数K与A4/A6/A8系数为变量；面4胶合面曲率锁定，玻璃组合H-K9L/H-ZF2消色差
二、车规级评价函数构建（核心操作数）
- 基础像质约束
◦ EFFL：目标6mm，权重10；IMH：目标4.73mm，权重8
◦ DISG：畸变≤0.5%，权重5；AXCL：F/C色差≤5μm，权重6；LACL：垂轴色差≤3μm，权重4
◦ MTF：120lp/mm，全视场MTF≥0.6，权重7；RMS光斑≤10μm，权重3
- 车规专项约束
◦ CRA：主光线角度≤15°（匹配CMOS，用RAID操作数），权重5
◦ 温度：-40℃/25℃/125℃，用TEMX/TEMD控制，焦点漂移≤0.05mm，权重6
◦ 工艺：MXIN折射率≤1.85，MXTH中心厚≥1.0mm，边缘厚≥0.8mm，权重4
- 非球面正则化：非球面系数A4/A6/A8绝对值≤1e-6，避免面型过陡，权重2
三、多阶段优化与像差校正
- 变量设置
◦ 面1/3/5/6曲率、各空气间隔、非球面K/A4/A6/A8为变量；面4胶合面曲率固定
◦ 玻璃材料启用折射率微调（Δn≤±0.005），非球面面型参数联动优化
- 分步优化
◦ 阶段1：仅优化曲率/厚度，收敛后MTF≥0.4，畸变≤1.0%
◦ 阶段2：开启非球面变量，校正场曲/畸变，MTF≥0.55，畸变≤0.6%
◦ 阶段3：加入温度/热分析，调整材料与间隔，确保全温区焦点稳定
◦ 阶段4：手动微调胶合组玻璃（如换H-ZF3），平衡色差与热漂移
- 关键分析
◦ MTF：FFT MTF，120lp/mm全视场≥0.6；轴外视场MTF下降≤0.15
◦ 畸变：Field Curvature/Distortion，TV畸变≤0.5%
◦ 热分析：Temperature Analysis，-40℃~125℃焦点漂移≤0.05mm
◦ 点列图：全视场RMS≤艾里斑（≈12μm），能量集中度≥80%在10μm内
四、车规工艺与公差闭环
- 工艺约束校验
◦ 曲率半径≥10mm（避免小曲率加工风险）；非球面面型误差PV≤0.5μm
◦ 玻璃选用CDGM/D-ZK系列（车规常用），避免高成本特种玻璃
- 公差分析（Monte Carlo 1000次）
◦ 曲率：±0.005mm⁻¹；厚度：±0.02mm；偏心/倾斜：±0.01mm/±0.05°
◦ 非球面系数：±5%；折射率：±0.001；温度系数：±0.0001/℃
◦ 良率目标：MTF≥0.5的概率≥90%；若不达标，增加敏感面公差权重或调整面型
- 杂散光控制
◦ 光阑位置优化，加遮光罩；Analysis→Stray Light→Ghost Analysis，鬼像强度≤1e-6
◦ 镀膜设置：各面增透膜，透过率≥98%，抑制反射杂光
五、量产化输出与验证
- 输出文件
◦ 镜头数据报表（含曲率、厚度、非球面参数、材料）；非球面面型文件（.asp）
◦ 热分析/公差分析报告；MTF/畸变/光斑图
- 物理验证
◦ 与机械CAD协同，确认镜筒装配空间；实物打样后测试MTF与热稳定性，迭代优化
