ADAS 摄像头 8M 像素新标准 + SLAM 语义分割:车外感知升级对 IMS 的启示

传感器前沿 + IMS 架构启示 | 2026-08-25

技术背景

2026年8月,EDN Japan 三篇系列文章揭示了 ADAS 传感器技术新格局,对 IMS 架构选型有直接启示。

关键趋势

趋势 来源 对 IMS 的影响
摄像头 8M 像素成新标准 EDN Japan Part 3 DMS/OMS 摄像头升级
SLAM + 语义分割厘米级定位 EngineerMD 座舱空间感知
Hesai Picasso 6D SPAD-SoC EDN Japan Part 2 传感器融合新维度

摄像头 8M 像素新标准

分辨率演进

时代 分辨率 检测距离 应用
2020 2M (1920×1080) ~150m 前视 ADAS
2023 5M (2592×1944) ~250m 高端 ADAS
2026 8M (3840×2160) 300m+ 新标准

8M 对 IMS 的影响

IMS 功能 当前 8M 后 改善
DMS 人脸检测 2M 足够 不需要
OMS 乘员检测 2M 足够 不需要
CPD 儿童检测 2M 足够 不需要
OOP 姿态估计 2M 有限 更精确 远距离关键点
安全带检测 2M 边缘模糊 更清晰 误用判断

IMS 摄像头选型建议

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
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
from dataclasses import dataclass
from typing import List

"""
IMS 摄像头选型矩阵
参考: EDN Japan ADAS 传感器 8M 新标准 (2026-08)
"""

@dataclass
class CameraConfig:
"""摄像头配置"""
name: str
resolution: str
pixels: int # 百万像素
sensor: str
fov: int # 度
fps: int
interface: str
price_tier: str # '$', '$$', '$$$'
ims_role: str

IMS_CAMERAS = [
# DMS 摄像头
CameraConfig("DMS-IR-2MP", "1600×1200", 2, "OV2311", 60, 60,
"MIPI CSI-2", "$", "疲劳+分心+眼动"),
CameraConfig("DMS-IR-5MP", "2592×1944", 5, "AR0521", 60, 30,
"MIPI CSI-2", "$$", "疲劳+分心+OOP"),
CameraConfig("DMS-RGB-8MP", "3840×2160", 8, "OS08A10", 60, 30,
"MIPI CSI-2", "$$$", "全功能+远距离"),

# OMS 摄像头
CameraConfig("OMS-Wide-2MP", "1920×1080", 2, "OV2311", 120, 30,
"MIPI CSI-2", "$", "乘员+CPD"),
CameraConfig("OMS-Wide-5MP", "2592×1944", 5, "AR0521", 120, 30,
"MIPI CSI-2", "$$", "乘员+CPD+OOP"),
CameraConfig("OMS-Wide-8MP", "3840×2160", 8, "IMX390", 150, 30,
"GMSL2", "$$$", "全景座舱"),

# 360° 环视
CameraConfig("Surround-2MP", "1920×1080", 2, "OV2311", 180, 30,
"GMSL2", "$", "基础环视"),
CameraConfig("Surround-8MP", "3840×2160", 8, "IMX390", 190, 30,
"GMSL2", "$$$", "高清全景"),
]

def recommend_camera(ims_function: str, budget: str = '$$') -> CameraConfig:
"""推荐摄像头"""
candidates = [c for c in IMS_CAMERAS if ims_function.lower() in c.ims_role.lower()]
if budget == '$':
candidates = [c for c in candidates if c.price_tier == '$']
elif budget == '$$':
candidates = [c for c in candidates if c.price_tier in ('$', '$$')]

if not candidates:
return IMS_CAMERAS[0]

return max(candidates, key=lambda c: c.pixels)


if __name__ == "__main__":
print("=" * 75)
print("IMS 摄像头选型矩阵")
print("=" * 75)

print(f"\n{'型号':<18} {'分辨率':>12} {'传感器':>10} {'FOV':>5} {'FPS':>4} "
f"{'接口':>12} {'价位':>5} {'IMS功能':>20}")
print("-" * 90)

for c in IMS_CAMERAS:
print(f"{c.name:<18} {c.resolution:>12} {c.sensor:>10} "
f"{c.fov:>4}° {c.fps:>3}fps {c.interface:>12} "
f"{c.price_tier:>5} {c.ims_role:>20}")

print(f"\n{'='*75}")
print("推荐选型:")
print(f"{'='*75}")

funcs = ['疲劳', '分心', 'CPD', 'OOP', '乘员']
for func in funcs:
for budget in ['$', '$$', '$$$']:
cam = recommend_camera(func, budget)
print(f" {func:<8} 预算{budget:>3}: {cam.name} ({cam.resolution})")
print()

SLAM + 语义分割对座舱的启示

厘米级定位能力

flowchart TD
    A[SLAM + 语义分割] --> B[车外: 厘米级定位]
    A --> C[车内: 空间感知]
    
    B --> D[GPS-denied 隧道]
    B --> E[地下车库导航]
    
    C --> F[乘员位置追踪]
    C --> G[座舱空间建图]
    C --> H[物体位置识别]

座舱 SLAM 应用

应用 车外 SLAM 座舱 SLAM 共性
定位 车在地图中的位置 乘员在座舱中的位置 坐标系建立
建图 道路环境 座舱布局 特征提取
跟踪 动态物体 乘员行为 时序关联
分割 可行驶区域 座椅/仪表台/乘员 语义理解

开发启示

1. IMS 摄像头升级路线

阶段 当前 近期(2027) 远期(2028+)
DMS 2M IR 5M IR 8M RGB-IR
OMS 2M 广角 5M 广角 8M 全景
接口 MIPI CSI-2 MIPI CSI-2 GMSL2
帧率 30fps 60fps 60fps

2. 8M 像素带来的挑战

挑战 2M 8M 影响
带宽 1.2 Gbps 4.8 Gbps 接口升级
算力 1x 4x NPU 需求增加
存储 1x 4x 缓冲/DDR
功耗 200mW 500mW 散热
成本 $5 $15 BOM

3. SLAM 座舱应用场景

场景 技术 价值 难度
乘员位置追踪 室内 SLAM CPD/OOP 增强
座舱建图 3D 重建 空间理解
物体识别 语义分割 行李/物品检测
行为分析 时序 SLAM 行为模式

参考资源


https://dapalm.com/2026/08/25/2026-08-25-adas-8mp-camera-slam-semantic-segmentation-ims-upgrade/
作者
Mars
发布于
2026年8月25日
许可协议