本届AutoSens Europe是我近年来逛得最仔细的一届。原因倒不是场馆有多大，而是会场里那股风向变了：大家不再围着激光雷达的方案争谁点云更密，而是纷纷回到一个老问题——摄像头到底能不能让车在夜里、在雨雾里、在强逆光下，依然“看”得见。这个问题绕不开，正好也是睿创汽车电子的主场。展台不大，但围过来问参数的人一直没断过。

车载感知技术这几年发展很快，但有一个长期被忽略的事实：可见光摄像头再卷像素，也是靠反射光吃饭，光照一变差，性能就断崖式下跌。睿创汽车电子这次在AutoSens Europe 2026现场摆出来的东西，核心就一句话——把红外热成像真正做成车载感知的一环，不是实验室里的“夜视概念”，而是能拿出来谈前装、谈量产、谈标定的硬件方案。这篇想顺着展台上看到的实物，聊一聊我对车载热成像技术、融合方案和量产落地的一些真实看法。适合正在做ADAS感知选型、域控制器硬件规划，或者对红外上车这件事感兴趣的朋友读一读。

1. AutoSens Europe 2026现场印象：睿创展台在聊什么

1.1 这是个什么样的展会

AutoSens Europe在欧洲汽车电子圈里算是老牌技术聚会了。它和那种铺满整车、音响、轮毂的消费车展完全不同，到场的多是传感器厂商、算法团队、域控Tier 1、整车厂感知部门工程师，聊的话题也是颗粒度很细的那种：摄像头模组的杂散光怎么测、CIS动态范围怎么定、毫米波和视觉的目标关联怎么做。简单说，这是一个“搞技术的人能对得上话”的地方。

所以睿创汽车电子把重要展示放在这里，本身就是一个很明确的信号：他们想对接的不是改装市场，不是后装夜视仪生意，而是真正要进车型项目的前装供应链。现场展品也印证了这一点——车规级红外热像模组、配合可见光的融合演示、面向ADAS域控的接口方案，基本全是奔着量产交付去的东西，而不是摆一台概念机让人拍照。

1.2 展台第一眼看着的几样东西

我在睿创展台停留的时间比较久，几样东西印象很深。一个是前视红外热像模组，外观非常紧凑，正面看和主流ADAS摄像头差不多尺寸，重量也控制得不错，明显不是早期那种傻大黑粗的科研样机。工作人员现场演示了夜间场景，画面里行人、二轮车和路面散落物都有清晰的轮廓和检测框，隔着屏幕能感受到像素在暗光环境里的可用度。

另一块是座舱内的红外摄像头方案。这几年DMS和OMS越来越普及，但晚上开车时座舱内几乎没有光，普通RGB摄像头需要红外补光，效果也容易受墨镜影响。热成像方案不怎么挑光线，能在全黑环境里清楚看到驾驶员头部姿态和手部动作，这对疲劳监测和注意力检测来说是真正的刚需。展台视频里还专门做了驾驶员佩戴墨镜的测试，热像画面里人脸轮廓依旧完整，这个场景对北方用户尤其有说服力。

还有一块是融合Demo，一段雨天夜里城市道路的录像，画面里可见光和热像信号都被送进同一个检测Pipeline，行人从树荫下走出来、几米外有车开着远光灯，两种传感器各有各的优势，检测框一致性和稳定性明显好过单用一路可见光。这段Demo算是把“为什么需要红外”这件事讲到了点子上。

1.3 和激光雷达、4D毫米波同场，红外凭什么站得住

同场馆里激光雷达和4D毫米波厂商也不少，新方案一个比一个参数高。这时候站在睿创展台往里想，反而更清楚红外热成像的位置：激光雷达能给出高精度三维点云，但不能直接提供“温度”这个物理维度的信息；毫米波对金属目标敏感，对行人这种低反射率目标却容易漏检。热成像是靠物体自身热辐射成像的，不依赖光照，不依赖目标的雷达散射截面，也不依赖目标表面有没有明显反光。

所以说白了，红外不是去替代谁，而是把可见光、毫米波、激光雷达都覆盖不好的那个角落补上。AutoSens Europe的一大价值就是让这些传感器方案同台出现，逼着工程团队算清楚一套感知融合系统里到底该放哪几种模态。睿创展台那几句话术我也很认同——“红外解决的是‘能不能看见’的问题，不是‘看得有多精细’的问题。”这句话做融合架构的人应该深有体会。

2. 车载感知技术：红外热成像在最下游补了一块拼图

2.1 热成像到底“看”的是什么

车载感知技术里，最常用的传感器都是“主动或被动接收光/电波”的路子。可见光摄像头接收的是物体反射的光线，毫米波雷达接收的是自己发射后反射回来的电磁波，激光雷达也是同理。热成像走的完全是另一条物理路径——它接收的是物体自身发出的热辐射，波长通常在8到14微米的长波红外波段。

这意味着一个关键差异：可见光要求“有光并且光照够”，毫米波和激光雷达要求“有反射信号”，而热成像是“只要物体有温度就能看到”。人体大约37度，车辆排气管和发动机区域几十度，路面在白天吸热后也会慢慢放热，这些都会形成红外能量。哪怕周围一片漆黑，哪怕目标恰好逆光，只要存在温差，热像仪就能把它从背景里剥离出来。

我在展台上和工程师聊到一个词叫“NETD”，中文叫噪声等效温差，简单理解就是热像仪能分辨出的最小温差。NETD做得越低，画面对微小温差的灵敏度越高，轮廓过渡越细腻。车载环境下，行人和柏油路面的温差通常在十几度以上，所以探测器做出来并不会太难，真正难的是在运动、振动、高低温环境下保持稳定的灵敏度和一致性。

2.2 夜里和逆光下，热成像是怎么干活的

夜间行车是热成像最有说服力的场景。普通摄像头靠路灯和车灯照明，光线不足时动态范围急剧下降，画面黑乎乎一片，AI检测框再准也认不出目标轮廓。红外热像不存在这个问题，它不看光，只看温差，在全黑高速上照样能输出清晰的画面轮廓。

逆光场景同样典型。傍晚太阳低垂，车头对着西边开，可见光摄像头很容易被强光打爆——高光过曝，暗部死黑，行人和骑行者刚好在阳光和阴影交界处“隐身”。热成像对强光完全不敏感，太阳光照不会让红外探测器“过曝”，因为系统接收的是热辐射，不是可见光反射，所以它能稳定提供一条“永远不被光照骗”的图像通道。

这里我特别想说一下：AEB和紧急避障系统目前的瓶颈很大程度不是算法不行，而是输入本身就丢了信息。夜间横穿马路的行人、逆光下的自行车、雨夜穿着深色衣服的施工人员，这些场景I-NCAP和Euro NCAP测试标准正在不断收紧，单靠可见光很难稳定覆盖，红外热像是性价比极高的一条解决路径。

2.3 热成像的边界：分辨率、无色彩、挡风玻璃

热成像当然不是万能药，做选型前得先认清它的短板。第一是分辨率。车规级热像模组目前主流还是640×512、384×288、256×192这一档，和动辄800万像素的可见光摄像头完全不在一个量级，所以它更适合做“目标检测”，不太适合做车道线识别、交通标志牌读取这种需要细节纹理的任务。

第二是没有色彩。热像图本质是温度分布的灰度映射，红色、蓝色那些都是伪彩渲染。没有色彩信息，意味着无法区分红灯绿灯、无法读取车牌，也无法靠颜色直观看清目标身份。它只能告诉你“那里有个东西”，至于东西具体是什么，要靠算法结合尺寸、轮廓、运动规律去判断。

第三是挡风玻璃。普通前挡风玻璃对长波红外的透过率并不理想，这是物理性质决定的，不是靠镀膜随便能解决的事。所以车载热像如果要装在座舱内挡风玻璃后面，需要和玻璃厂商合作开发带有特殊波段的夹层区域，或者干脆把模组放到车头格栅、保险杠这类敞口位置。这个细节会在后面单独展开聊，因为它是量产开发时最容易被忽略的坑。

3. 一台车规热像仪怎么挑：从芯片参数到接口与可靠性

3.1 先看探测器，再看整机

做车载感知技术选型，我一般建议先看探测器。探测器是热像仪的心脏，主流有氧化钒和非晶硅两种工艺路线，性能差异在成熟产品上已经不太大，更重要的是供应链稳定性和车规经历。分辨率直接决定探测距离，同样一颗35mm镜头，640×512能看到比384×288更远的人形目标；NETD决定了灵敏度，尽量选标称值更低的器件，预留环境老化带来的余量。

但光看器件参数没用，整机才是上车的东西。车规模组要关注的是镜头光学设计、无热化处理、机壳散热、密封等级和电磁兼容。热像仪最怕的问题是“自身发热干扰”：镜头周围电路板的热量如果传导到焦平面上，会产生固定图案噪声，影像非常难看。好的模组设计会刻意做热隔离和热均衡，让长时间工作后画面依旧干净。这一点看规格表看不出来，一定要看整机在连续通电一小时后的视频截图。

3.2 关系性命的那几项：延迟、帧率、同步与接口

从ADAS域控角度来说，热像仪只要当成一路特殊摄像头来看，接入问题就不大。核心指标一个是延迟——红外图像从曝光到输出给域控的端到端延迟，直接影响融合算法和AEB的响应速度；另一个是帧同步——和可见光摄像头、毫米波雷达做时间对齐时，需要PPS或者硬件触发同步，否则目标轨迹会抖动甚至错位。

接口方面，车机视觉链路目前主流是GMSL2或FPD-Link串行传输，配合CAN来传递控制指令和故障诊断。做域控集成时还要看驱动是否成熟、SDK是否开放、ISP处理是否在模组内完成。展台上睿创的人提到他们的模组支持多路视频输出和自定义ROI，这个对需要同时跑DMS和驾驶辅助的车型来说非常实用。

3.3 车规认证和试验不是加分项而是准入门槛

很多做硬件出身的团队容易犯一个错：把车载红外当成普通工业摄像机来卖。其实车规的门槛比很多人想象得高得多。温度范围要求零下40度到零上85度甚至更高，振动条件要考虑发动机和路面激励叠加，还要过EMC、ESD、电源瞬态干扰这些测试，每一个都能把“原型机”打成“报废机”。

而且红外模组里如果有运动部件，比如电动调焦电机、光机快门，它的机械寿命和低温启动选材也会变成问题。所以我选供应商时有一个习惯：不只看他们纸面上的AEC-Q证书，还要看他们有没有短期内大批量供货的车企量产项目记录。AutoSens Europe这种展会上，大家都很喜欢说“车规级”，但真正能把DVP、PVCS这些复杂质量流程走完、能按GANTT计划一路挺到SOP的公司，掰着手指头数得过来。睿创在这方面的优势，是从探测器、封装、模组到摄像头这个链条都是自己做的，出了问题不用在供应商之间扯皮。

4. 红外和可见光怎么融合：标定、对齐与决策

4.1 空间对齐和时间对齐是两个老大难

装车之后把红外图和可见光图送到同一个算法框架里，首先要解决的是空间对齐。两路传感器的安装位置不同，视角不同，成像分辨率也不同，必须做联合标定，把热像图投影到可见光坐标系里，才能逐像素融合或者做ROI映射。这套标定和双目标定类似，但难在一个细节：红外图纹理少、对比度低，普通棋盘格在红外底下经常“隐身”。

业内常用办法是设计特制标靶，比如用加热的网格板或者有温差的图案，通过肉眼和算法同时识别，再计算两路相机的内外参和相对位姿。装车后的外参标定更麻烦：车辆下线后摄像头支架会有公差，路面颠簸还会让模组轻微移位，所以量产车型一般会做一个“整车门板标定”或者靠在线自标定算法去持续修正。这个模块如果你做融合方案，一定不要忽略。

时间对齐同样是细节黑洞。可见光摄像头和热像仪的曝光时刻不可能完全一致，车辆在移动时，几十毫秒的时间差会造成明显的目标错位，尤其对高速对向车辆来说，可能直接差出一个车身位。工程上要求用同一时钟源做硬件同步，把不同传感器的帧率固定对齐，再在算法层用运动补偿去插值。展台那位算法工程师说的一句话我很认同：“传感器融合的失败，一半发生在图像处理之前，发生在时间戳和坐标系里。”

4.2 特征级融合vs决策级融合

红外和可见光的融合有几个层级。最粗暴的是图像级融合，把两幅图叠加或者用权重混合，优点是直观，缺点是输入维度高、算力消耗大，而且对像素级对齐精度要求极高。更常用的是特征级融合：两路图像各自提特征，然后在特征层做拼接或者注意力融合，能兼顾算力和精度。

还有一种是决策级融合，也叫结果融合，两个传感器分别跑出目标检测框，再用关联算法合并。这个方案实现最简单，也比较适合算力紧张的域控，但缺点是没法利用两路图像的互补细节，比如红外看到一个模糊的人形轮廓，可见光看到衣服颜色但目标被遮挡了一半，决策级融合就很难融合成“穿着红色衣服的人”。我在实际项目里更偏向特征级融合为主、决策级兜底，这样既保证性能，也留了安全冗余。

4.3 融合以后的安全边界

加了红外一路并不意味着融合系统就“一定安全”了。热像图同样会产生误检：夏天暴晒后的引擎盖、路边高温烟囱、地面反光都可能被误认为目标。算法层真正要解决的是“虚警和漏报的平衡”。单独的红外检测可能存在虚警，但和可见光、雷达关联后，虚警会被显著抑制；反过来，雷达漏掉的行人如果红外准确定位了，能挽回极其关键的一帧刹车时机。

所以做融合架构时，别把红外当“独立裁判”，而要把它当成“最后一道兜底网”。一切判断都建立在这个思路上，整车的可靠性才是可持续的。这次展会上睿创反复提到“多传感融合”和“安全冗余”，背后其实就是这个工程逻辑。

5. 量产装车避坑：前挡风、热尾迹与误报排查

5.1 前挡风玻璃是红外最大的硬伤

红外热像仪装在挡风玻璃后面最方便，玻璃对长波红外的透过率却非常有限，尤其现在是夹层玻璃，中间还有一层PVB胶，对红外波段的衰减相当严重。真要把热像仪藏在挡风玻璃后，就得在车型开发周期很早期就让玻璃供应商提供“热像透波区”，这对传统玻璃制造工艺是个不大不小的挑战。

我在几个项目上见过不少返工案例：前期没考虑红外，后期想加夜视功能，只能把模组挪到进气格栅或保险杠位置，但那个位置又容易被泥水遮挡，IP防护和自清洁就成了新问题。想减少返工的话，两个方向可以同时考虑：一个是在前脸预留安装位和清洗喷嘴，另一个是选“玻璃开窗”方案并和玻璃厂同步做IR透过率测试。这里没有标准答案，但一定不能想当然。

5.2 白天误报：热尾迹、沥青反光和栅栏

很多人以为热成像只在晚上好用，白天怕会乱闪，这个理解有一定道理。白天太阳晒过的沥青路面温度高，会产生强烈的热辐射背景；暴晒后的路边栏杆、树叶、汽车引擎盖也都在发热，这些都会成为误报来源。最大类误报是“热尾迹”：一辆车在太阳底下停了几小时，开走后地面还残留一块高温区域，红外画面里看起来就像前面有东西。

解决误报不能靠调低灵敏度，那样会把真实行人一起滤掉。比较好的办法是融合可见光通道，先判断目标在可见光里是否真的存在；再结合毫米波雷达做静态目标过滤；最后在跟踪器里加入目标生命周期管理，虚警通常只闪几帧，真实目标会连续出现，用轨迹置信度可以压掉大多数噪声。这些调参经验没法靠仿真完全覆盖，必须去真实路面上跑几轮，专门打路试标定。

5.3 雨雪雾天气下的真实表现

雨雪雾是另一个容易被夸大又容易被误解的场景。长波红外对雾的穿透能力比可见光好得多，因为雾滴对红外的散射比可见光弱，所以在大雾天红外图像的可用度往往能远超肉眼和普通摄像头。但雨雪打在镜头上会形成水膜和水滴，直接遮挡成像路线，这是物理层面的干扰。有些模组会配镜头加热环，利用热量蒸发水汽，配合疏水镀膜能明显提升恶劣天气下的可用性。

我自己路试过程中的体感是：别指望红外在瓢泼大雨里“一锤定音”，但它在“雨不大、天色暗、对向灯光刺眼”这种最磨人的模糊场景里，恰恰是最稳的。它能给你一个稳定的视觉锚点，让其他传感器不至于完全“裸奔”。

5.4 调试与排查的经验清单

最后整理一份实际调试中经常踩的坑，都是拿来就能用的经验：

• 如果画面出现横向条纹或雪花噪声，先查探测器供电纹波和USB/串行地环路，多半是电源问题。
• 镜头边缘发虚或者有暗角，优先检查模组和外壳之间的应力，锁紧螺丝别拧太死，给热膨胀留余量。
• 画面“越用越亮”或固定图案越来越明显，注意机箱内部热堆积，给热像仪一个独立散热风道。
• 车辆在颠簸路面上检测框闪烁，除了算法置信度阈值，还要检查模组固定支架模态，加橡胶减震垫往往立竿见影。
• 红外图与可见光图框位置偏得厉害，不要急着调算法，先确认两路传感器标定时的环境温度和车辆姿态是否一致，热膨胀会改变外参。
• 冬季启动后前2分钟画面质量差，这说明没有做TEC无加热策略，或者探测器温度控制档位太少，这问题要反馈模组端。

6. 从AutoSens Europe看红外上车的下一步

6.1 三种上车姿态：单独、集成、冗余

逛完这次展会，我能明显感受到红外上车正在分化成三条路线。第一条是“独立夜视”，像后装豪华车那样单独做一套红外夜视系统，屏幕单独显示红外画面，用户可以主动开启，更多是卖点性质；第二条是“感知集成”，把红外作为ADAS感知的一个固定模态，和摄像头、雷达一起进域控，融合后输出给AEB、ACC这类控制功能；第三条是“座舱集成”，把红外用于DMS/OMS，专注舱内场景。

从技术含量和工程复杂度来看，第二条是最难的，但也是价值最大的。红外热成像在车端真正能大规模铺开，必须等传感器成本跌到量产车企愿意为一个“安全冗余件”买单的程度，同时也必须等融合算法成熟到能让整车厂白纸黑字写出安全性指标。AutoSens Europe现场我看到不少头部Tier 1开始在整车架构里预留红外接口，这比任何单点芯片突破都更能说明问题。

6.2 成本和产业链，量产门槛正在下降

以前车载红外给人“奢侈品”的印象，主要是探测器成本高、产量少。近几年国产红外芯片崛起，非制冷探测器的晶圆级封装、晶圆级光学都有了很大进展，模组体积、功耗和BOM成本都在快速下降。我判断未来两到三年内，红外热像模组的成本可能会落到和大几百块钱的激光雷达模组同一个量级，届时把它作为AEB“夜视补充”放进中端车型，就不再是天方夜谭。

但成本不是唯一门槛，产业链配套才是。睿创这种从探测器做到模组的公司，优势在于把“热像仪车规化”这件事变成了一个完整的供应链闭环：芯片指标自己定，封装测控自己管，车载摄像头工艺自己磨合，响应速度比外采模组再贴牌的做法快得多。展台上那句“全链路自研”听起来像宣传，但对量产项目来说，背后意味着变更管理半径很小、问题追溯路径很短。

6.3 如果要做，从什么车、什么位置开始

如果让我给正在规划下一款车型的朋友一个实操建议：优先考虑在L2+智驾车型上做“前视红外+前视可见光”融合，装配位置放在智能前视摄像头支架旁边，共用清洗系统，尽量不做大改型。第一个红外量产项目，后台边界定得窄反而容易成功，先把夜间行人AEB这一个功能做扎实比铺开一百个功能更安全。

这个建议不是保守，而是因为我见过太多“功能规划写满整页”的车型项目，最后卡在标定、算法融合和可靠性验证上。红外上车的核心价值，说到底是用低算力成本换高安全性，因此项目验证就要围绕“AEB在夜里能不能多救一次刹车”来做。AutoSens Europe 2026给我的整体感受是：车载感知技术正在从“比谁摸得远”转向“比谁在恶劣条件下还靠得住”。红外热成像早就不再是展台上的概念，它已经拿着一沓测试报告和量产计划，站在前装门口了。

我个人在实际选型中还有个习惯，供大家参考：拿到模组样件后，先别急着看实验室数据，先装车跑三个晚上，一段高速、一段国道、一段无路灯城区。能连续三天不因为误报烦到你，再说性能指标的事。这一步落到实处，比看任何参数表都更能说明问题。