后视镜集成 DMS/OMS 新范式:Magna、Smart Eye、Seeing Machines 三路并进——IMS 架构启示

时间节点: 2026年8月,三家公司先后发布后视镜集成座舱感知方案
核心趋势: DMS/OMS 传感器从方向盘柱/仪表板向后视镜迁移,实现无遮挡全局视角


1. 三家公司动态

1.1 Magna:集成 RGB-IR DOMS 后视镜

要素 内容
产品 集成 RGB-红外驾驶员和乘员监控系统(DOMS)
安装位置 内后视镜玻璃后方
传感器 高分辨率光学传感器 + 红外发射器 + 处理电子元件
功能 驾驶员注意力监控、眼睑闭合追踪、头部姿态分析、认知疲劳检测
扩展功能 全舱乘员分类、CPD 儿童存在检测、安全带状态追踪
量产状态 已开始量产,与欧洲和德国 OEM 签署供应协议

核心优势:

  • 无遮挡视野:后视镜位置不受方向盘、仪表板遮挡
  • 即插即用:适配手动、自动防眩目、全显示视频后视镜,无需仪表板结构改动
  • 统一传感器:同一光学系统覆盖 DMS + OMS + CPD + 安全带

1.2 Smart Eye:SEK 1亿后视镜集成项目

要素 内容
客户 “大型欧洲 OEM,全球布局”(未具名)
覆盖车型 3 款新车
功能 DMS + OMS 软件集成到后视镜
量产时间 2029 年开始
预估收入 SEK 1 亿(约 $950 万)
特点 Smart Eye 第二个后视镜集成项目

1.3 Seeing Machines:Physical AI Platform + 800万车部署

要素 内容
已部署量 全球 800 万+ 辆车搭载 DMS/OMS
新发布 Physical AI Platform(2026年8月17日)
战略转型 从汽车 DMS 向机器人/工业自动化扩展
技术核心 3D 感知映射 → 上下文理解 → 风险预判 → 安全决策

2. 后视镜架构对比分析

2.1 后视镜 vs 传统安装位置

2.2 视野覆盖对比

监控目标 方向盘柱 仪表板 A柱 后视镜
驾驶员面部 ✅ ✅ ⚠️ 侧角 ✅
驾驶员上身 ❌ ⚠️ 部分 ❌ ✅
驾驶员手部 ⚠️ ❌ ❌ ✅
前排乘客 ❌ ❌ ❌ ✅
后排乘客 ❌ ❌ ❌ ✅
CPD 检测 ❌ ❌ ❌ ✅
安全带状态 ❌ ⚠️ 驾驶员 ❌ ✅ 全舱

2.3 技术参数对比

参数 Magna DOMS Smart Eye 后视镜 典型方向盘柱 DMS
传感器类型 RGB + IR IR + 彩色 IR
分辨率 高分辨率 高分辨率 中等
IR 波长 940nm(推测) 940nm 850/940nm
视场角 FOV 全舱覆盖 全舱覆盖 ~50°(仅面部)
处理 镜内集成 外部处理器 域控制器
多功能 DMS+OMS+CPD+安全带 DMS+OMS 仅 DMS

3. 对 IMS 架构的影响

3.1 单摄像头覆盖全舱的可行性

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
class MirrorIntegratedDOMS:
"""后视镜集成 DOMS 架构分析"""

def __init__(self):
self.camera_position = 'interior_rearview_mirror'
self.fov_horizontal = 140 # 度(覆盖全舱宽度)
self.fov_vertical = 80 # 度(覆盖仪表台到车顶)
self.resolution = '2MP+'
self.ir_wavelength = 940 # nm
self.ir_type = 'VCSEL' # 或 LED

def compute_coverage(self, cabin_dimensions):
"""
计算后视镜位置的视野覆盖

Args:
cabin_dimensions: dict, 座舱尺寸
"""
mirror_height = 1.3 # m, 后视镜离地高度
results = {}

# 驾驶员(距离 ~1.2m)
driver_dist = 1.2
results['driver'] = {
'distance': driver_dist,
'face_pixels': self._calc_face_pixels(driver_dist),
'upper_body': True,
'hands': True
}

# 后排乘客(距离 ~1.5m)
rear_dist = 1.5
results['rear_passenger'] = {
'distance': rear_dist,
'face_pixels': self._calc_face_pixels(rear_dist),
'body': True,
'cpd_capable': True
}

# 安全带(距离 0.5-2.0m)
results['seatbelt'] = {
'distance_range': (0.5, 2.0),
'resolution': 'belt_width ~10px at 2m',
'detection_capable': True
}

return results

def _calc_face_pixels(self, distance):
"""计算给定距离下的面部像素数"""
# 假设 2MP, FOV 140°, 面部宽度 15cm
focal_px = 1920 / (2 * np.tan(np.radians(140/2)))
face_width_px = (0.15 / distance) * focal_px
return int(face_width_px)

3.2 后视镜 DMS 的挑战

挑战 描述 解决方案
距离更远 后视镜到驾驶员 ~1.2m,方向盘柱 ~0.6m 高分辨率传感器 + 高功率 IR
太阳光干扰 后视镜面向前挡风玻璃 940nm 滤光片 + HDR
热管理 后视镜体积小 低功耗芯片 + 散热设计
防眩目 与自动防眩目功能冲突 分光设计或独立光学通道
后视镜功能 不能影响后视镜本身功能 透明 OLED 或半透半反

3.3 推荐架构


4. 三家公司战略分析

4.1 竞争格局

4.2 Seeing Machines 战略转型分析

Seeing Machines 从 DMS 向 Physical AI Platform 转型的关键信息:

维度 分析
动机 DMS 市场价格战激烈,利润下降
技术迁移 DMS 的人体感知 AI → 机器人场景理解
核心能力 “教机器理解人” 的 25 年积累
新市场 制造、物流、医疗、养老、矿业
风险 机器人市场尚不成熟,可能分散精力
IMS 启示 DMS 技术栈可复用于座舱机器人交互

4.3 对中国 OEM 的影响

OEM 策略 建议
选择 Magna 即插即用,但锁定 Tier-1 全栈
选择 Smart Eye 灵活,可与自研硬件结合
选择 Seeing Machines 已验证技术,但需关注其机器人方向
自研 DMS 后视镜位置是趋势,应考虑此架构

5. IMS 开发优先级建议

5.1 架构建议

优先级 模块 建议 理由
🔴 P0 摄像头位置 后视镜集成 无遮挡全舱覆盖
🔴 P0 传感器 RGB+IR 双模 白天 RGB + 夜间 IR
🟡 P1 域控制器 集中处理 DMS+OMS+CPD+安全带统一推理
🟡 P1 IR 波长 940nm 防可见光干扰
🟢 P2 防眩目 分光方案 不影响后视镜功能

5.2 BOM 成本估算

组件 型号/规格 估算成本
摄像头传感器 2MP RGB-IR (OV2311) $3-5
IR 发射器 940nm VCSEL 阵列 $2-4
处理芯片 集成 ISP $2-3
镜头 广角镜头 $1-2
结构件 后视镜外壳改造 $2-3
总计 $10-17

对比传统方案: 方向盘柱 DMS 摄像头约 $8-12,但仅覆盖驾驶员。后视镜方案 $10-17 覆盖全舱,性价比更高。


6. 参考来源