企业官网建设流程全解析

AutoSens Europe 2026的现场比往年更热闹。布鲁塞尔会展中心里，ADAS传感器、域控制器、测试工具链的展台一路排开，我第一天逛下来最直观的感受是：红外热成像在车载感知这个议题上，已经不再是"要不要装"的讨论，而是"怎么装、装几颗、和谁融合"的工程问题了。睿创汽车电子的展台正好在Hall 4入口右侧，他们这次把基于自研非制冷红外探测器的车载感知产品线整个铺开了——单目前视、双目立体、周视环视，加上一套实时运行的红外融合AEB演示系统，始终围着一圈人。

提示：这篇内容不是展会通稿，更多是我作为感知系统从业者，从AutoSens Europe 2026现场回来后的一点观察和思考。想了解车载红外技术细节、落地经验的朋友，可以重点看第三、四、五部分。

1. AutoSens Europe：为什么这个展会值得所有传感器厂商盯紧

1.1 欧洲NCAP规则变化带来的直接压力

AutoSens Europe在行业里的地位，相当于车载感知圈一年一度的技术风向标。每年欧洲头部主机厂、Tier 1、芯片与传感器供应商、第三方测试机构都会到场，不是为了单纯刷存在感，而是真的有技术对话在发生。对国内做感知的团队来说，跑一趟AutoSens很划算，因为能在三天里把欧美主机厂对传感器的新需求一次性摸清楚。

2026年这届尤其特殊。欧洲NCAP的新路线图把弱势交通参与者保护权重拉高了，夜间AEB测试场景明显变得更严格。这意味着什么？传统摄像头在无照明道路上的表现，会直接决定车型安全评级的下限。而单靠摄像头加毫米波雷达的组合，在"全黑乡村道路+行人横穿"这类边缘场景里远远不够。整个会场都在讨论同一个话题：可见光之外的感知维度，下一阶段要靠什么补上。红外热成像就是被提到最多的答案之一。

我自己的感受是，前几届会场上红外产品多少有点"展示品"的意思，观众问参数的多、聊量产落地的少。今年明显不一样了，来睿创展台沟通的主机厂工程师，开口就是"你们方案能不能过Euro NCAP的VRU场景""AEB触发策略怎么做"，这说明红外感知已经进入产品定义阶段了，不是停留在PPT上了。

1.2 会场里三个被反复讨论的核心热词

我逛了三天，把各家展台的情况大致梳理了一遍，发现话题高度集中在三个问题上。

第一，多传感器深度融合是绝对主线。没有人再单独讲某一种传感器的性能指标，都在讲"传感器组合如何覆盖更多边缘场景"。这和主机厂降本增效的压力直接相关——摄像头、毫米波雷达基本成了标配，再往上加激光雷达还是红外热像仪，成了新的决策点。

第二，大家对于红外的兴趣集中在三个具体指标上：夜间行人识别的有效距离是多少，红外图像怎么和可见光图像做像素级融合，成本是否已经降到L2+车型可以选装的程度。这些问题在睿创展台几乎都会被问到，我旁听了几场技术交流，他们的工程师回答得很具体，不是含糊带过，后面我会展开讲。

第三，Euro NCAP 2026的规则变化被反复提及。新增的夜间行人、骑行人员场景，让所有做AEB的供应商都紧张起来了。有个做测试设备的欧洲厂商工作人员跟我说，今年咨询夜间场景测试方案的车企数量比去年翻了几倍。这个信号非常明确——法规监管在把行业往"多传感器安全冗余"的方向推，谁先补齐短板，谁就能在评级上占便宜。

2. 睿创汽车电子展台看点：一套完整的车载热成像感知产品线

2.1 垂直整合能力：从探测器到车规零部件的全链路

睿创汽车电子是睿创微纳旗下做车载感知的业务板块。睿创微纳这个母公司，做红外的人不陌生，国内少数具备非制冷红外探测器自研自产能力的公司，从读出电路ASIC、MEMS传感器到晶圆级封装都在自己体系内完成。汽车电子板块要做的，就是把这种底层能力按车规要求落到车载场景，而不是简单地把工业热像仪改个外壳。

这次展台上最显眼的，是完整的车规级红外热像仪产品线，IR-Pilot系列。从名字也能看出定位：给智能驾驶做红外"眼睛"。具体来看，产品覆盖了单目前视、双目立体、周视环视几种形态。单目产品适合装配在风挡玻璃后方做前向感知，双目立体可以做中距离深度估计，周视环视则负责车辆周围360度的热目标监测。一条产品线同时覆盖前向、侧向、后向，这意味着供应商可以给主机厂提供统一的热成像感知方案，而不是让客户自己东拼西凑。

垂直整合的价值，不光是成本可控。更关键的是，探测器、镜头、图像处理算法、系统软件都在同一家手里，出现问题时责任边界清晰，迭代速度快。我在和做系统集成的同行聊的时候，大家都觉得这点在车规项目里太重要了。你不想遇到"图像噪声说是探测器问题、探测器厂商说是镜头问题、镜头厂商又说是算法问题"这种互相推诿的局面，垂直整合直接把这个隐患消除了。

2.2 分辨率、NETD、帧率：车载红外参数到底怎么读

很多人第一次接触车载红外，容易被参数表搞晕。我用自己的理解梳理几个核心指标，每个指标背后都对应着真实的使用场景。

第一是分辨率。车载红外主流是384x288和640x512两档。640x512意味着画面里有大约32万个有效像素，对于热成像来说已经是相当细腻的画面，足以在30米外分辨行人轮廓。分辨率再往上走，比如做到1280x1024，成本会快速上升，所以在当前量产阶段，640x512是性能和成本的甜点区，大部分车企选装方案落在这一档。

第二是NETD，噪声等效温差。通俗讲就是传感器能分辨的最小温度差异，数值越小越灵敏。睿创IR-Pilot系列的车规产品能做到30mK以内，这是什么概念？人体和路面的温差通常在10摄氏度以上，也就是一万毫开尔文，配合30mK的灵敏度，行人目标在红外画面里会有非常充足的信噪比。行业内常说的"夜晚看人像白天一样清楚"，靠的就是这个数据支撑起来的。

第三是帧率。前视AEB系统对实时性要求很高，主流要求50Hz以上，也就是每秒输出50帧热像。低于这个数值，车辆高速接近行人时，目标位置的更新会显得"卡顿"，AEB决策就不可靠。IR-Pilot产品线在640x512的分辨率下支持50Hz输出，满足了AEB对时延的控制需求。

还有像工作波段、防护等级、工作温度范围这些参数，车规产品通常要覆盖-40℃到85℃的宽温域，整机防护做到IP67以上。这些属于"隐形参数"，量产车做环境适应性验证时都会碰到，虽然不显眼，但少一项不过关，整个项目都得卡住。

2.3 现场那套红外融合AEB演示的实际效果

展台最热闹的位置是一套实时演示系统。简单说，就是一台红外热像仪和一台可见光摄像头同步采集画面，经过融合算法处理后，输出带有目标框和危险等级标注的预览画面，同时联动一个模拟AEB触发状态的面板。

演示场景里专门布置了低照度环境，模拟夜间无路灯的乡道，一个假人从路侧走出来。我在现场观察到的效果是：可见光画面里假人几乎是隐形的，而红外画面中假人轮廓清晰，融合后的画面能稳定锁定目标并提前输出预警。旁边还有一个场景模拟对向远光灯眩光，可见光摄像头画面白茫茫一片，红外画面完全不受影响。这套演示非常直观地回答了"红外到底解决什么问题"这个问题。

让我觉得更实在的是，他们的工程师现场展示了红外图像输入到AI检测网络后的目标分类效果，行人、骑行者、自行车、车辆分别以不同颜色的框标注。也就是说，红外热像仪不只是输出"一块热图"，而是已经做完了目标检测和分类，可以直接把结构化目标信息交给下游的融合模块。这一点对系统集成商太重要了，省去了自己训练热成像目标检测模型的成本和时间。

3. 红外热成像在智能驾驶中为什么补位能力这么强

3.1 摄像头会失效的黑暗场景，红外反而最稳

先讲清楚一个物理事实：红外热成像不依赖任何外部光源，它接收的是物体自身发射的热辐射。地球上的物体温度在-40℃到85℃之间时，热辐射峰值基本都落在8到14微米的长波红外波段，这个波段正好是热像仪的工作范围。

所以，夜间、隧道、无照明乡村道路这些环境，对可见光摄像头来说是"降维打击"的场景，对红外来说反而没有区别。因为不管有没有路灯，人体都在持续发射热辐射。对向车灯眩光也是一样的道理，可见光摄像头被强光直接过曝的时候，红外完全不受影响，因为车灯发出的可见光能量在长波红外波段几乎不出现。

雾天也值得一提。长波红外在薄雾中的穿透能力比可见光好得多，虽然红外也有衰减，但仍能保持一定有效的探测距离，这在雨雾天气的AEB场景里价值非常高。我自己的实测体会是，红外在夜间对行人的检出距离和白天可见光摄像头相当，甚至更稳定。特别是穿黑色衣服的行人，可见光摄像头在夜间基本无能为力，而红外看的是体温，跟衣服颜色毫无关系。

3.2 红外与毫米波雷达、激光雷达的互补关系

讲融合之前，先给几个传感器"画像"。

毫米波雷达的优点是全天候工作、直接测量距离和速度，成本和体积也可控。但缺点同样明显：角分辨率低，对静止物体的识别能力弱，对行人这种非金属目标的反射信号弱、点迹稀疏，很难判断"目标到底是什么"。激光雷达能输出高质量的三维点云，对目标形状感知能力强，但价格高，在雨雾天气性能衰减明显，目前主流量产方案中还是偏高配。红外热像仪恰好补在两颗雷达中间：它能提供高空间分辨率的目标"形状"信息，对行人目标尤其敏感，而且属于被动探测，不受主动信号干扰。

所以一套典型的L2+感知方案里，红外和毫米波雷达的融合是性价比最高的补强方案之一。雷达负责拿到准确的距离和速度，红外负责确定目标类别和外形，两者叠加，AEB误触发率明显下降，漏报率也会明显下降。这是我实际参与项目时验证过的结论，不是拍脑袋想的。

3.3 人体为什么在红外画面里自带高亮

这里需要一点基础物理，我尽量说得通俗些。

任何温度高于绝对零度的物体都在向外辐射红外光。人体皮肤温度大约33到35摄氏度，发射率在长波红外波段接近0.98，几乎是完美的红外辐射体。而路面、树木、车辆外壳这些背景，要么温度低一些，要么发射率低，和人体之间形成明显的温差与辐射差异。一台NETD在30mK左右的热像仪，可以把这种差异转换成非常清晰的灰度对比——在红外画面里，人就像一个自带高亮的信号源。

车辆也是一样的道理。行驶中的车辆，轮胎、刹车盘、发动机舱都会发热，所以在红外画面里车辆也是清晰目标，而且和行人很好区分。这种"物理层面的差异"决定了红外感知有很强的鲁棒性。它不像视觉算法那样依赖学习过的外观特征，而是直接从热辐射层面区分目标——穿什么颜色的衣服、背不背包、是不是暗光环境，都不影响最终检出。

我自己训练过热成像目标检测模型，有一个直观感受：红外图像做目标检测，比可见光图像简单不少。因为目标与背景的对比度天然高，网络不需要花太多精力去学"什么是边缘、什么是纹理"，专注学"热轮廓的形状结构"就够了。一个轻量化的检测模型在640x512的红外图像上就能跑出很不错的检测效果，这对车载级的算力约束来说非常友好。

4. 我实际做车载红外项目踩过的坑与排查经验

4.1 安装位置与联合标定的关键细节

前年我们在一台L2+试验车上装了车载红外前视方案，当时踩了不少坑，这些经验在展会上跟睿创工程师交流时也聊到了。

首先是安装位置。红外热像仪对安装高度的宽容度比可见光摄像头高，但要特别注意两点：一是镜头前绝对不能有任何遮挡，包括雨刮覆盖盲区，所以装在风挡玻璃雨刮区之外是基本要求；二是如果放在风挡玻璃后面，玻璃本身对红外透过率有影响，需要确认前风挡的玻璃材质和镀膜对8到14微米波段的透过率。普通隔热玻璃的金属镀膜对红外衰减非常大，这一点一定要提前跟玻璃供应商确认，否则装上去才发现信号衰减严重，整个项目就得返工。

其次是联合标定。红外相机和可见光相机要做像素级融合，就需要联合标定。这里有个细节很多人第一次会踩坑：常温下的普通棋盘格标定板，在红外画面里完全没有对比度，因为标定板温度均匀，热成像根本看不出格子。我们当时是自制了加热标定板，在铝板背面贴上加热膜，让金属和镂空区域形成温度差，才能在红外画面里看到清晰的棋盘格。后来才知道专业标定板供应商有成熟的红外标定板产品，建议直接采购，别自己折腾，省时间也省心。

还有一个容易忽略的点：红外相机的内参标定要在开机预热稳定之后才做。一般开机后5到10分钟，图像噪声和漂移才会稳定，我们第一次标定的时候没等预热，标定结果反复横跳，后来才排查到是这个原因。

4.2 常见误报场景和我的排查思路

红外感知并非完美，误报问题在量产中必须正视，我整理几个高频场景。

第一个是车辆排气尾管的热气流。冬天尤其明显，尾气在红外画面里就是一股高亮的气流，如果刚好有行人站在车后，气流和行人重叠时可能干扰目标检测。我们当时的处理策略是，对检测区域的运动特征做滤波——尾气虽然温度高，但它基本是静止且缓慢扩散的，和行人的运动速度差异明显，用多帧轨迹一致性判断可以过滤掉大部分。

第二个是夏季沥青路面的热残余。白天暴晒过的路面，在夜间仍会释放热量，形成一片高温区域，如果检测算法对温度异常太敏感，可能把热斑误判为障碍物。这个问题的解决思路是用纹理特征辅助判断——热斑是平滑的、没有边缘结构，动态目标有人形轮廓，两者在图像特征上有本质区别。

第三个是动物。鹿、野猪这类动物夜间的热信号和行人接近，尤其在欧洲的乡村道路上很常见。我们的经验是，结合目标的速度范围和外形比例做分类，同时和融合模块里毫米波雷达的反馈做交叉验证：雷达点迹稀疏且速度分布不同于行人，可以辅助判断目标不是人。如果Euro NCAP将来把动物场景纳入测试，这一块还需要更精细的行为模型。

误报问题的排查，我建议按"先图后数"的顺序来：先在原始红外图像上确定目标属性是否异常，再结合其他传感器的数据做交叉确认。千万别一上来就调检测阈值——阈值拉太高，漏报率上来了，AEB的可靠性反而更差。

5. 从展台到量产：国产红外感知还要迈过哪几道坎

5.1 成本拐点：晶圆级封装到底改变了什么

红外传感器过去是军用、工业专用的高价产品，车载市场要打开，成本必须先打下来。行业里都清楚，核心变量是晶圆级封装的大规模应用。

早期的非制冷红外探测器用金属管壳封装，一颗封装一颗，成本高、体积大、一致性也有限。晶圆级封装是在晶圆制造阶段直接完成封装工序，一片晶圆同时做出成百上千颗探测器，封装成本大幅摊薄。睿创微纳是国内最早批量采用晶圆级封装路线的厂商之一，汽车电子板块把这套工艺用到车规产品上，直接结果就是，车载红外热像仪的成本已经进入主机厂可以评估选装甚至标配的区间。

当然，车载红外整体价格和摄像头、毫米波雷达相比还是偏高，但考虑到它覆盖的是安全冗余场景，主机厂在做"提升一档安全评级"和"加装一颗激光雷达"之间对比时，红外方案的性价比已经凸显出来了。在展台上跟几家国内主机厂的工程师交换过意见，大家的判断基本一致：未来两年，红外会先从中高端车型的选装件起步，然后逐步下探到标配。

5.2 车规级量产绝不只是认证口号

量产上车的门槛，远不止"探测器质量好"这么简单。我接触过不少供应商，芯片性能宣传做得炫，但一聊到车规工程就问住了：高低温循环下光轴漂移怎么控制？前风挡安装后的光学窗口设计谁负责？振动耐久下MEMS结构的可靠性怎么验证？

车载红外热像仪要成为标准零部件，必须把整机当做一个完整的车规部件来设计。这就意味着要做ISO 26262的功能安全分析、通过AEC-Q系列的车规器件认证、经历严格的DV/PV验证。睿创这次展台上反复强调的一个词就是"Auto-grade"——把探测器、镜头、图像处理电路、外壳封装做成一个整体部件，主机厂像采购摄像头模组一样直接集成。这个定位思路，我觉得是真正理解了车载供应链的语言。

在现场和主机厂工程师聊天时，有个人说得挺到位：红外热像仪在车上不是"一件电子产品"，而是"一个安全组件"。这个定位想明白了，车规级的重量级才能真正落地，不然就只是挂在嘴边的营销词。

从布鲁塞尔回来的飞机上，我一直在想一个问题：红外感知在车载领域其实已经讲了很多年，为什么这两年才开始真正规模化落地？答案绕不开三个词——成本、算力、法规。成本降到了主机厂愿意认真评估的区间，AI算力让红外图像的实时语义分割成为可能，而Euro NCAP的变化则给了整个行业一个明确的"为什么必须装"的理由。睿创汽车电子这次把产品线铺得这么完整，说明他们不是想做概念展示，而是冲着量产交付去的。

最后再分享一个小观察：不少国内供应商今年都开始把车载红外和可见光、毫米波雷达的融合方案打包给主机厂，这其实是个好信号。对我们做算法和系统集成的人来说，多一类可靠传感器，手里的牌就多一张。红外这条技术路线，值得在下一个项目里认真试一试。