CPD为什么正在从单点功能变成雷达摄像头融合架构
CPD 为什么正在从单点功能，变成“雷达 + 摄像头”融合架构？
关键词：CPD、Child Presence Detection、mmWave radar、camera fusion、Euro NCAP 2026、occupant classification、occlusion robustness
一、别再把 CPD 当成一个孤立小功能
很多团队一提到 CPD（Child Presence Detection），直觉还是：
- 识别车里有没有孩子
- 有的话报警
- 没有就结束
但到了 Euro NCAP 2026 周期，这种理解已经明显不够了。
原因很简单：CPD 不再只是一个“加分小项”，而正在演化成整套舱内感知架构的试金石。
为什么这么说？
因为 CPD 的真实挑战并不是“看见儿童”这么简单，而是要在最糟糕的条件下，稳定确认：
- 是否有生命体
- 是否被遮挡
- 是否在脚坑/毯子下/儿童座椅里
- 是否需要持续告警
- 是否需要和 occupant classification、seat occupancy、OMS 共用感知基础设施
这会自然把架构推向一个方向：
camera 负责语义理解，radar 负责遮挡下生命体与微动检测，多模态融合负责最终状态判断。
所以今天真正值得研究的，不是“CPD 要不要做”，而是：
CPD 会不会成为雷达 + 摄像头融合进入量产舱内架构的第一落点。
我认为答案越来越接近“会”。
二、为什么 2026 之后单一传感器路线越来越吃力
1）因为 CPD 天生就有“不可见目标”问题
CPD 最难的场景，恰恰不是视野开阔、光照正常、孩子坐得端端正正的情况。
真正危险也最难检测的是：
- 婴儿在后向儿童座椅里
- 被毛毯盖住
- 躺在脚坑附近
- 夜间、逆光、强反射环境
- 乘员离开后车内只剩儿童或宠物
这类场景对 camera-only 方案天然不友好。
视觉能做很多，但它对：
- 遮挡
- 黑暗
- 被布料覆盖
- 微弱动作
始终存在先天短板。
2）因为 Euro NCAP 对“可靠性”关注越来越强
Anyverse 对 Euro NCAP 2026 的总结里已经很明确：
- CPD 在 2026 成为重点能力
- 多模态传感器融合被视为提升复杂场景鲁棒性的推荐路径
- 验证重点不只是“能不能工作”，而是跨场景、跨人群、跨极端条件的可靠性
这意味着 OEM 不能只追求实验室 demo，而要追求边界条件下的稳定性。
3）因为 CPD 正在和 OMS/occupant classification 靠拢
Anyverse 在 CES 2026 的总结里提到一个非常重要的行业共识：
雷达 + 视觉融合，正在成为同时解决 CPD 与 occupant classification 的主流方案。
这是一个很关键的变化。
如果 CPD 只是一个孤立功能，OEM 可能还会愿意给它上一个独立小模组。
但如果 CPD 能和：
- seat occupancy
- occupant classification
- OOP
- adaptive restraint
共享感知基础设施，那么整车价值就完全不一样了。
三、为什么雷达在 CPD 上的价值非常难被替代
1）雷达能做 camera 最难做的事：穿遮挡看“微动”
Novelic 的 ACAM 方案给出的价值点非常直接：
- 60 GHz mmWave radar
- full interior coverage
- 不需要 line of sight
- 可检测 blanket 下、footwell 区域的儿童
- 对 baggage / fabrics 不敏感
- 重视匿名性与隐私
这正好命中 CPD 的关键痛点。
视觉传感器再强，只要目标被实物挡住，信息就可能直接丢失。
而雷达的优势在于，它关心的不是纹理和外观，而是：
- 微小呼吸起伏
- 身体微动
- 活体存在信号
- 空间回波变化
所以在“孩子看不见”的时候，雷达反而经常是更可靠的那一个。
2）雷达天然更友好于隐私与低可见场景
车内摄像头在很多市场和用户语境里，始终会面临隐私敏感问题。
而 radar-based CPD 的一个现实优势是：
- 不拍脸
- 不依赖可见图像
- 夜间能力强
- 对车内设计干扰小
这对后排儿童/宠物监测尤其友好。
3）雷达还能顺带做更多 occupancy 相关事情
Novelic 公开材料里除了 CPD，还强调了：
- seat occupancy detection
- 区分活体与非活体物体
- 事故后 occupancy 信息输出
- 周边入侵/接近感知
这说明 radar 如果做成座舱基础设施，并不是只为一个 CPD 功能服务，而是能不断外溢更多功能价值。
四、为什么 camera 仍然不可替代
说雷达重要，不等于 camera 不重要。
实际上，CPD 真正走向量产融合架构的前提，恰恰是两者能力边界很清晰。
camera 更擅长：
- 儿童座椅类型识别
- 语义级 occupant classification
- 姿态与动作解释
- 座位区域与场景上下文理解
- 与 DMS/OMS 的统一视觉栈复用
radar 更擅长：
- 遮挡下活体存在确认
- blanket / footwell / darkness 条件鲁棒检测
- 微动与呼吸相关生命体信号
- 低隐私侵入、全天候工作
所以从系统角度看，最自然的融合逻辑不是“谁替代谁”，而是：
- radar 负责 existence / vitality / occlusion robustness
- camera 负责 semantics / classification / context
- fusion layer 负责最后的 occupant state inference
这也是为什么我更倾向认为 CPD 会成为多模态舱内感知量产化的第一落脚点。
五、对 IMS / OMS 开发最直接的启示
启示 1：不要把 CPD 做成孤立 pipeline
更合理的产品结构应该让 CPD 与以下能力共享状态空间：
- occupant presence
- occupant classification
- seat occupancy
- child seat detection
- rear-row monitoring
- adaptive restraint preconditions
否则会出现多个互相矛盾的子系统：
- CPD 说有孩子
- Occupancy 说没人
- OMS 说看不清
这种架构到量产阶段会很难收敛。
启示 2：融合层应先做“活体/占座/语义”三层分解
建议把问题拆成三层：
第一层：是否有生命体
- radar 优先
- 对遮挡鲁棒
第二层：是否有乘员/占座
- radar + seat + camera 联合
- 过滤行李、杂物
第三层：是谁、在哪里、姿态如何
- camera 主导
- 输出 child / adult / seat position / posture / child seat context
这样系统结构会比直接做一个 end-to-end “CPD yes/no” 更稳。
启示 3：验证集必须重点覆盖“看不见”的极端场景
如果 CPD 测试集里大部分都是“清晰可见儿童”，那等于没测到核心难点。
更有价值的验证集应该重点覆盖：
- blanket occlusion
- footwell placement
- rear-facing child seat
- partial body visibility
- low light / night
- hot cabin / parked vehicle context
- baggage / doll / non-living object confusion
启示 4：功耗与待机模式设计是 CPD 成败关键
CPD 不像很多行驶中功能，它经常需要在停车后仍持续工作。
这意味着产品落地时必须认真处理：
- standby 功耗
- 唤醒机制
- parked-car 模式下的持续监测策略
- 告警链路与远程通知
Novelic 公布的低功耗指标之所以值得关注，就是因为这正是 CPD 量产里最真实的约束之一。
启示 5：synthetic data 会成为融合验证的重要工具
Anyverse 强调 synthetic data 对 Euro NCAP 2026 readiness 的价值，本质上就是因为很多危险 CPD 场景不方便大量实采。
尤其是：
- 多遮挡组合
- 各年龄段儿童体型
- 多种车内布局
- 光照极端变化
- 传感器安装位变化
这类场景非常适合 synthetic + real 的混合验证路线。
六、优先级建议：CPD 融合架构怎么推进更合理
P0：先明确系统边界
- 定义 CPD 在整套 OMS 状态机中的位置
- 区分 presence / occupancy / classification 三类输出
- 明确 radar 与 camera 的主次职责
- 建立极端遮挡场景验证清单
P1：近期重点推进
- 建立 radar + camera 融合原型
- 覆盖 blanket / footwell / rear-facing seat 场景
- 加入 seat occupancy / object rejection 机制
- 设计停车后持续监测与告警逻辑
P2：中期产品化
- 与 rear-row OMS / occupant classification 融合
- 与 eCall / vehicle notification / HVAC 联动
- 统一到整车 occupant state model
- 面向 Euro NCAP 2026+ 建立可复验 KPI 体系
七、路线判断：CPD 很可能会成为舱内多模态融合的“破冰场景”
在所有舱内感知子方向里，CPD 有一个很特别的属性：
- 需求明确
- 危险后果严重
- 单视觉边界明显
- 雷达补位价值突出
- 多模态收益容易解释给 OEM
所以它非常适合成为舱内多模态融合率先落地的场景。
我更倾向的判断是：
短期
- camera-only 方案仍会存在
- 但高分/高鲁棒 OEM 会越来越倾向 radar + camera
中期
- CPD、seat occupancy、occupant classification 会逐步共栈
- radar 从“单点外挂功能”演化成 cabin sensing 的基础传感器之一
长期
- 舱内将形成更完整的 occupant state model：
- 有没有人
- 是否活体
- 是儿童还是成人
- 在哪个位置
- 姿态是否危险
- 是否需要告警或约束调整
而 CPD，就是这条路线最先成熟的入口之一。
八、结论
如果还把 CPD 理解成“车里忘了孩子就报个警”，那就低估了它。
从 2026 开始，CPD 更像是在倒逼整套舱内架构回答一个更难的问题：
在遮挡、黑暗、复杂姿态和隐私约束下，车辆如何可靠理解“车内是否还有活体儿童存在”？
这个问题靠单一传感器越来越难优雅解决。
而 radar + camera 融合之所以越来越有吸引力，不是因为它更复杂，而是因为它刚好符合 CPD 的真实物理难题：
- 雷达补“看不见”
- 摄像头补“看不懂”
- 融合层补“怎么决策”
所以我会把 CPD 看成未来舱内多模态融合最值得优先押注的量产入口之一。
参考资料
- Anyverse, In-Cabin Monitoring at CES 2026: From Driver Monitoring to Agentic Cabin Intelligence, 2026-01
- Anyverse, Euro NCAP 2026 In-Cabin Monitoring: OEM Guidelines to Readiness, 2025
- Novelic, ACAM – In-Cabin Monitoring Radar, 2025/2026