Seeing Machines + Airy3D：DepthIQ 3D相机技术

Seeing Machines + Airy3D：DepthIQ 3D相机技术，单传感器实现5MP RGB+IR+深度

技术突破：衍射光学元件（DOE）薄层技术，单传感器+单镜头同时输出5MP RGB、红外、深度三种数据，成本降低50%。

一、产品信息

项目 内容
产品 3D Camera Technology for In-Cabin Monitoring
厂商 Seeing Machines + Airy3D 联合开发
发布时间 2025年4月1日
核心技术 DepthIQ™ 衍射光学元件（DOE）
输出 5MP RGB + 红外 + 深度
链接 https://seeingmachines.com/launch-of-3d-camera-technology-for-in-cabin-monitoring/

二、技术原理

2.1 DepthIQ技术

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
class DepthIQTechnology:
    """DepthIQ技术原理"""
    
    def __init__(self):
        # 衍射光学元件（DOE）
        self.doe_layer = {
            'type': 'diffractive_optical_element',
            'thickness': '<1mm',  # 薄塑料涂层
            'position': 'image_sensor_surface',
            'cost': '极低（批量生产）'
        }
        
        # 传感器
        self.sensor = {
            'type': 'CMOS',
            'resolution': '5MP (2592x1944)',
            'pixel_size': '2.0μm',
            'spectral_range': 'visible + NIR'
        }
        
    def capture_3d(self, scene):
        """
        捕获3D数据
        
        原理：
        1. DOE在传感器表面产生衍射图案
        2. 不同深度的物体产生不同衍射图案
        3. 通过算法从单次曝光中提取深度
        
        优势：
        - 单传感器、单镜头
        - 无需结构光或ToF发射器
        - 与现有2D相机兼容
        """
        # 单次曝光捕获
        raw_image = self.sensor.capture(scene)
        
        # DOE衍射图案分析
        depth_map = self._extract_depth_from_diffraction(raw_image)
        
        # 同时输出RGB和IR
        rgb_image = self._extract_rgb(raw_image)
        ir_image = self._extract_ir(raw_image)
        
        return {
            'rgb': rgb_image,
            'ir': ir_image,
            'depth': depth_map
        }
    
    def _extract_depth_from_diffraction(self, image):
        """从衍射图案提取深度"""
        # DOE产生的衍射图案随深度变化
        # 算法从单张图像中重建深度
        
        import numpy as np
        
        # 简化实现
        depth = np.zeros((image.shape[0], image.shape[1]))
        
        return depth

2.2 与传统3D方案对比

方案 传感器 发射器 成本 尺寸
DepthIQ 1个CMOS 无需 低 最小
结构光 1个CMOS 红外投射器 中 中
ToF 1个CMOS 激光发射器 高 中
双目立体 2个CMOS 无 中 大
LiDAR 专用传感器 激光扫描 很高 大

三、系统架构

3.1 硬件架构

graph LR
    subgraph Lens["镜头"]
        Optics[光学镜头<br/>单镜头设计]
    end
    
    subgraph DOE["衍射层"]
        Diffraction[DOE薄层<br/><1mm]
    end
    
    subgraph Sensor["传感器"]
        CMOS[5MP CMOS<br/>RGB+NIR]
    end
    
    subgraph Output["输出"]
        RGB[5MP RGB图像]
        IR[红外图像]
        Depth[深度图]
    end
    
    Optics --> Diffraction
    Diffraction --> CMOS
    CMOS --> RGB
    CMOS --> IR
    CMOS --> Depth
    
    style Lens fill:#e3f2fd
    style DOE fill:#fff3e0
    style Sensor fill:#f3e5f5
    style Output fill:#e8f5e9

3.2 软件栈

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
class DepthIQSoftwareStack:
    """DepthIQ软件栈"""
    
    def __init__(self):
        self.pipeline = [
            'raw_capture',
            'depth_estimation',
            'rgb_ir_separation',
            'eye_tracking',
            'gaze_estimation',
            'behavior_analysis'
        ]
        
    def run_pipeline(self, raw_frame):
        """运行处理流水线"""
        # 1. 深度估计
        depth = self.depth_estimator.estimate(raw_frame)
        
        # 2. RGB/IR分离
        rgb, ir = self.spectral_separator.separate(raw_frame)
        
        # 3. 人眼追踪（Seeing Machines核心）
        eyes = self.eye_tracker.detect(rgb, ir, depth)
        
        # 4. 视线估计
        gaze = self.gaze_estimator.estimate(eyes, depth)
        
        # 5. 行为分析
        behavior = self.behavior_analyzer.analyze(gaze, depth)
        
        return {
            'depth': depth,
            'rgb': rgb,
            'ir': ir,
            'gaze': gaze,
            'behavior': behavior
        }

四、应用场景

4.1 座舱监测应用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
class InCabinMonitoring:
    """座舱监测应用"""
    
    def __init__(self):
        self.dms = DriverMonitoringSystem()
        self.oms = OccupantMonitoringSystem()
        
    def monitor_driver(self, rgb, ir, depth):
        """
        驾驶员监测（DMS）
        
        深度信息增强：
        - 眼睛3D位置精确追踪
        - 头部姿态估计
        - 视线落点3D重建
        """
        # 眼睛检测（深度辅助）
        eyes_3d = self.dms.detect_eyes_3d(rgb, depth)
        
        # 视线估计（深度增强）
        gaze_3d = self.dms.estimate_gaze_3d(eyes_3d, depth)
        
        # 头部姿态（深度精确）
        head_pose = self.dms.estimate_head_pose(depth)
        
        # 疲劳/分心检测
        fatigue = self.dms.detect_fatigue(eyes_3d, gaze_3d)
        distraction = self.dms.detect_distraction(head_pose, gaze_3d)
        
        return {
            'eyes_3d': eyes_3d,
            'gaze_3d': gaze_3d,
            'head_pose': head_pose,
            'fatigue': fatigue,
            'distraction': distraction
        }
    
    def monitor_occupants(self, depth):
        """
        乘员监测（OMS）
        
        深度信息增强：
        - 乘员3D位置
        - 儿童检测
        - 安全带位置
        - 异常姿态
        """
        # 乘员检测（深度分割）
        occupants = self.oms.detect_occupants_3d(depth)
        
        # 儿童检测（深度尺寸分析）
        children = self.oms.detect_children(occupants, depth)
        
        # 安全带位置（深度追踪）
        belt_status = self.oms.check_belt_position(occupants, depth)
        
        # 异常姿态（深度判断）
        oop = self.oms.detect_oop(occupants, depth)
        
        return {
            'occupants': occupants,
            'children': children,
            'belt_status': belt_status,
            'oop': oop
        }

4.2 Euro NCAP 2026合规

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# DepthIQ满足Euro NCAP 2026要求
ncap_compliance = {
    "dms_requirements": {
        "eye_tracking": "3D精度提升30%",
        "gaze_estimation": "支持3D落点",
        "head_pose": "精确3D姿态"
    },
    "oms_requirements": {
        "child_presence_detection": "深度辅助检测",
        "seat_belt_reminder": "3D位置判断",
        "occupant_classification": "深度尺寸分析"
    },
    "cost_advantage": {
        "sensor_count": "单传感器 vs 多传感器",
        "system_cost": "降低30-50%",
        "integration": "与现有2D软件兼容"
    }
}

五、技术优势

5.1 成本对比

项目 传统方案 DepthIQ方案
传感器 RGB + IR + ToF（3个） RGB+IR+深度（1个）
发射器 红外LED + 激光 无需
镜头 多个 单个
系统集成 复杂 简单
总成本 $80-120 $40-60

5.2 性能指标

指标 数值
分辨率 5MP (2592x1944)
深度精度 1-2cm @ 1m
深度范围 0.5-5m
帧率 30fps
功耗 <2W
工作温度 -40°C~+85°C

六、IMS集成方案

6.1 部署架构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
class DepthIQIntegration:
    """DepthIQ与IMS集成"""
    
    def integrate_to_ims(self):
        """
        集成方案
        
        优势：
        1. 单传感器替代多传感器
        2. 与现有2D软件兼容
        3. 成本降低30-50%
        """
        # 硬件层
        hardware = {
            'sensor': 'DepthIQ 5MP',
            'position': '仪表台顶部',
            'fov': '覆盖驾驶员+前排乘客'
        }
        
        # 软件层
        software = {
            'dms': 'Seeing Machines Guardian',
            'oms': 'Seeing Machines Occupant',
            'depth_processing': 'DepthIQ SDK'
        }
        
        # 数据流
        dataflow = {
            'input': '单次曝光RGB+IR+深度',
            'processing': '边缘AI推理',
            'output': 'DMS + OMS 结果'
        }
        
        return {
            'hardware': hardware,
            'software': software,
            'dataflow': dataflow
        }

七、总结

DepthIQ的三大突破：

维度 突破
成本 单传感器替代多传感器，成本降低50%
集成 DOE薄层技术，与现有相机兼容
功能 RGB+IR+深度，一次捕获三种数据

对IMS开发的建议：

  1. 采用DepthIQ 作为下一代座舱监测传感器
  2. 利用深度信息 提升DMS/OMS精度
  3. 降低系统复杂度 单传感器方案

参考文献

  1. Seeing Machines. Launch of 3D Camera Technology for In-Cabin Monitoring. April 2025.
  2. Airy3D. DepthIQ Technology White Paper.
  3. Seeing Machines. 3D Sensing for In-Cabin Monitoring White Paper. March 2025.

发布时间：2026-08-01
关键词：Seeing Machines、Airy3D、DepthIQ、3D相机、衍射光学元件、DMS、OMS
技术：DOE衍射光学元件，单传感器RGB+IR+深度

3D相机 > 座舱监测
#Seeing Machines #Airy3D #DepthIQ #3D相机 #DOE
Seeing Machines + Airy3D：DepthIQ 3D相机技术
https://dapalm.com/2026/08/01/2026-08-01-seeing-machines-airy3d-depthiq-3d-camera-in-cabin-monitoring/
作者
Mars
发布于
2026年8月1日
许可协议