Dapalm | IMS技术前沿

AutoSens 2026 技术全景：法规驱动下的座舱感知架构演进1. 背景：法规驱动架构变革1.1 核心变化EE Times 在 AutoSens Europe 2026（巴塞罗那）的报道揭示了汽车感知架构的核心变化： “Automakers used to want all processing in one central computer, but, at AutoSens USA 2026, experts from NXP, Stellantis, and Bosch, pointed out that this causes heat problems and needs too much wiring.” 从集中式回归分布式——这是对 2020-2025 年集中式架构共识的修正。 1.2 驱动因素 驱动因素 描述 影响 Euro NCAP 2026 DSM/OMS/CPD 强制要求 传感器数量增加 热管理 集中计算导致热量集中 需要分布式散热 线束成本 集中式需要大量高速线缆 分布式减少线束 延迟 传感器到中央计算延迟...

XAI 十年回顾：可解释 AI 在碰撞严重度预测中的系统综述论文信息 项目 内容 标题 A systematic mapping review of explainable machine and deep learning approaches for road traffic crash severity prediction: A decade-long review (2014-2024) 期刊 Heliyon 年份 2026 DOI 10.1016/j.heliyon.2026.e45513 团队 Karim Asif Sattar 等，Universiti Putra Malaysia 综述范围 237 篇原始研究（2014-2024） 初始检索 3616 条记录，去重后 2768 条，PRISMA 筛选至 237 篇 1. 核心发现1.1 精度 vs 可解释性的根本矛盾 模型类型 精度 可解释性 在碰撞预测中的使用 逻辑回归/决策树 ⚠️ 中等 ✅ 透明 2014前主流 随机森林/XG...

Smart Eye 多模态座舱 AI Agent：从感知到行动的座舱智能体跃迁1. 发布概述1.1 基本信息 项目 内容 发布方 Smart Eye AB（瑞典哥德堡） 发布时间 2026年9月23日 展示场所 InCabin Europe 2026，巴塞罗那，9月22-24日，展位 #305 定位 全球首个多模态座舱 AI Agent 核心能力 融合人类+车辆+环境上下文，减少 AI Agent 计算开销 1.2 核心声明 “Automotive agents become economically viable when the value they create outweighs the cost and complexity of running them. Our agnostic platform is the first to combine human, cabin, vehicle and environmental context for automotive agentic AI. We believe this multim...

OmniVision OX05C1S：全局快门HDR传感器解决座舱暗光成像 来源： AutoSens / InCabin Europe 2026，巴塞罗那产品： OmniVision OX05C1S GS HDR Sensor技术： Nyxel 近红外技术 + 全局快门参考： EE Times | OmniVision 核心问题DMS/OMS 摄像头在车内面临极端光照挑战： 场景 光照条件 传统传感器问题 白天隧道入口 100,000 lux → 10 lux 过曝+欠曝同时存在 夜间红外补光 0.1 lux + 940nm IR 帧间运动模糊 阳光直射 200,000 lux 局部过曝 阴影/遮挡 50-500 lux 欠曝+噪声 一句话总结： OmniVision OX05C1S 通过全局快门+Nyxel近红外技术，在近黑暗条件下实现高分辨率成像，封装体积缩小30%，可隐蔽集成到后视镜/立柱中。 OX05C1S 技术解析1. 核心规格 参数 OX05C1S 单位 分辨率 5 (总) / ...

从集中到区域：STM32N6 与汽车边缘AI计算架构演进 来源： AutoSens / InCabin Europe 2026，巴塞罗那关键产品： STMicroelectronics STM32N6 微控制器行业趋势： 从集中式计算转向区域计算（Zonal Computing） 核心趋势AutoSens 2026 最重要的架构讨论：汽车计算从集中式转向区域式。 graph TD subgraph "集中式架构（当前主流）" A1[所有传感器] --> B1[中央计算机<br/>高功耗/高带宽] end subgraph "区域式架构（演进方向）" A2[前区传感器] --> B2[区域控制器<br/>STM32N6] A3[座舱传感器] --> B3[区域控制器<br/>STM32N6] A4[后区传感器] --> B4[区域控制器<br/>STM32N6]...

老化驾驶员的认知控制衰退：从EEG神经标记到座舱干预策略论文信息 项目 内容 标题 Aging on the road: neural and behavioral correlates of cognitive control during distracted driving 期刊 Frontiers in Aging Neuroscience 年份 2026 DOI 10.3389/fnagi.2026.1864407 链接 https://www.frontiersin.org/journals/aging-neuroscience/articles/10.3389/fnagi.2026.1864407/full 被试 44名驾驶员（23名年轻人，21名老年人） 方法 驾驶模拟器 + EEG + 眨眼分析 + MVPA 1. 核心创新首次系统揭示了老化如何影响驾驶中双任务条件下的认知控制神经机制： 行为层面：老年人在”信号+刹车”双任务条件下刹车更慢、更不准 神经层面：老年人 frontal theta（额叶θ波）减弱、p...

Minieye DFR 模型：从疲劳监控到酒驾损伤检测的视觉方案跃迁1. 背景：Euro NCAP 2026 酒驾检测新要求1.1 Euro NCAP 对酒驾检测的要求Euro NCAP 2026 protocol 中，驾驶员功能准备度（Driver Functional Readiness, DFR）成为新的评估项： 要求 描述 时限 酒精损伤检测 检测驾驶员是否受酒精影响 2026 新增 疲劳检测 PERCLOS 等指标 已有 分心检测 视线偏离道路 已有 驾驶员功能准备度综合评估 将以上指标综合为”是否适合驾驶” 2026 新增 1.2 酒驾检测的技术挑战纯视觉酒驾检测是公认的难题： 挑战 描述 现有方案局限 无明显面部特征 酒精中毒不像疲劳有明确的 PERCLOS 指标 眼动/闭眼指标不适用 个体差异大 不同人酒精耐受度不同，血液酒精浓度(BAC)相同但表现不同 难以统一阈值 多模态需求 酒驾行为涉及面部、头部、肢体、驾驶行为 单摄像头视野有限 法规要求 需要高可靠性的误报/漏报率 视觉方法精度不足 ...

indie 120GHz FMCW 雷达：突破短距感知极限的下一代座舱传感器1. 背景：为什么需要 120GHz1.1 汽车雷达频率演进 频率 主要应用 距离分辨率 模块尺寸 穿透性 24GHz 盲区检测/停车辅助 15-30cm 大 ✅ 好 77-81GHz 长距ADAS/AEB/ACC 1.88cm 中 ⚠️ 中 60GHz CPD/座舱感知 3.75cm 小 ✅ 好 120GHz 短距高精度/座舱 ~1.25cm ✅ 最小 ❌ 差 1.2 120GHz 的定位indie Semiconductor（收购 Silicon Radar GmbH）推出 120GHz FMCW 雷达，定位为77GHz 的补充而非替代： “Rather than replacing existing radar capabilities, 120 GHz should be deployed to complement them, enabling use cases that require precise short-...

NOVELIC × Smart Eye：60GHz雷达+视觉融合的座舱感知方案1. 合作概述1.1 基本信息 项目 内容 合作双方 NOVELIC（塞尔维亚贝尔格莱德）× Smart Eye（瑞典） 宣布时间 2026年9月21日 展示场所 InCabin Europe 2026，巴塞罗那，9月22-24日，Smart Eye 展位 #305 技术路线 60GHz mmWave 雷达 + AI视觉融合，边缘处理 量产状态 NOVELIC ACAM 第一代已量产 母公司 NOVELIC 隶属 Sona Comstar Group（SONB.NS，印度） 1.2 合作目标 “The partnership aims to provide an all-around solution for the most important driver impairment and occupant monitoring features, relying on edge processing to provide a privacy-friendly, cos...

ZF LIFETEC 红外安全带：从传感器到约束系统的主动安全闭环1. 背景：安全带检测为什么需要”红外签名”1.1 当前安全带检测的局限传统安全带检测依赖 buckle sensor（锁扣传感器），仅能判断安全带是否被扣上——无法判断是否正确佩戴。以下是 Euro NCAP 关注的典型误用场景： 误用类型 描述 危险性 背后佩戴 (belt behind back) 安全带从背后绕过，肩带不跨越锁骨 碰撞时无上身约束，正面碰撞致死率极高 腋下佩戴 (belt under arm) 肩带从腋下穿过而非锁骨上方 碰撞时安全带可能勒入内脏，同时头部无约束 未扣但坐姿正常 乘员坐姿正常但安全带未扣 碰撞时完全无约束 儿童座椅兼容 儿童座椅遮挡安全带路径 摄像头难以区分安全带与座椅带 衣物遮挡 厚外套/毛毯遮挡安全带 RGB 摄像头在暗光或遮挡下失败 1.2 RGB 摄像头的困境传统 RGB 摄像头检测安全带路径面临三个核心难题： 颜色混淆：黑色安全带与黑色衣物/座椅几乎不可区分 光照鲁棒性：座舱暗光环境下（夜间、隧道）图像质量下降 ...