Dapalm | IMS技术前沿

ANCAP 2026-2028：澳洲NCAP新增CPD与安全带误用检测要求解读法规动态 项目 内容 来源 ANCAP（Australian New Car Assessment Program）2026-2028协议 发布时间 2026年10月 新增要求 CPD儿童存在检测、安全带误用检测、异常姿态检测 生效时间 2026-2028年逐步实施 性质 行业评级（非强制），但市场影响力大 新增检测要求与Euro NCAP的对比 检测项 Euro NCAP 2026 ANCAP 2026-2028 差异 疲劳检测 ✅ DSM ✅ 一致 分心检测 ✅ DSM ✅ 一致 CPD儿童检测 ✅ 2026新增 ✅ 2026-2028 ANCAP更详细 安全带误用 ✅ OMS ✅ 明确要求 ANCAP更明确 异常姿态(OOP) ⚠️ 隐含 ✅ 明确要求 ANCAP更明确 触摸屏限制 ❌ ✅ 罚分 ANCAP独有 电池安全 ❌ ✅ 穿刺测试 ANCAP独有 ANCAP新增的3大检测场景1. 儿童存在检测（CPD） 场景 要求 检...

长时间窄范围注视估计：差分估计方法解决长时驾驶注视漂移论文信息 项目 内容 标题 Adapting Appearance-Based Gaze Estimation to Narrow-Range, Long-Duration Screen Viewing 作者 Jordan Prescott et al. arXiv 2610.11036 发表时间 2026年10月8日 关键词 注视估计、差分估计、长时间驾驶、屏幕观看、窄范围 核心创新解决长时间窄范围注视（如长时间驾驶/屏幕观看）中注视估计漂移的问题。 问题定义 场景 注视范围 持续时间 传统方法问题 驾驶 窄（前方±30°） 1-8小时 漂移累积 屏幕观看 窄（屏幕内±15°） 数小时 精度下降 实验室校准 全范围（±60°） 分钟级 可用但不可持续 差分估计方法123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555...

驾驶员监测系统集成全景：多模态传感器融合的工程实践指南综合概述基于本周研究成果，本文整合DMS/OMS/CPD的完整系统集成方案，覆盖传感器选型、算法管路、边缘部署、法规合规和量产路线。 1. 传感器选型矩阵1.1 DMS摄像头 方案 传感器 分辨率 快门 价格 优势 劣势 方案A OV2311 2MP Global $5-6 IR优化+全局快门 成本较高 方案B SmartSens SC233AT 2MP Rolling $3-4 国产低成本 Rolling有果冻效应 方案C SmartSens SC233AT + Flyingchip M2 2MP Rolling $8(含SoC) 一站式方案 SoC算力有限 推荐：方案A用于高端车型，方案B用于中端，方案C用于入门级。 1.2 OMS摄像头 方案 传感器 分辨率 快门 价格 优势 方案A SmartSens SC533AT 5MP Global $6-8 高分辨率+全局快门 方案B onsemi AR0521 5MP Rolling $9-12 成熟方案 方案C O...

AutoSens Europe 2026全景分析：座舱传感架构的范式转移概览AutoSens and InCabin Europe 2026在巴塞罗那举行，1,000+工程师、高管和半导体专家参会。核心主题：Euro NCAP 2026法规驱动座舱传感架构从”单一摄像头”向”多传感器融合+区域计算”转移。 五大趋势趋势1: UWB替代60GHz雷达CPD 供应商 方案 量产状态 核心优势 Calterah CAL1106AQ UWB FiRa 4.0认证 软件升级，零额外BOM NXP NCJ29D6 UWB BMW定点 数字钥匙+CPD双用 Infineon XENSIV 60GHz 评估阶段 全座舱监控 TI IWR6843AOP 60GHz 已量产 高精度，成熟方案 趋势2: 摄像头传感器迭代 供应商 型号 参数 应用 OmniVision OX05C1S 5MP, Nyxel NIR, 缩小30% DMS/OMS低照度 OmniVision TheiaCel 3MP 140dB单曝光HDR 前向感知 SmartSens...

aiMotive aiWare5 × Cadence NeuroEdge：逐层异构NPU工作负载分配——IMS边缘部署新范式概览2026年9月23日，aiMotive与Cadence联合展示了逐层神经网络工作负载在独立AI引擎间的显式分配技术，在预硅仿真阶段验证了aiMotive aiWare5汽车NPU IP与Cadence Tensilica NeuroEdge 130 AI协处理器之间的跨工具链协作。 核心意义：SoC架构师可以精确控制每一层神经网络在哪个引擎上执行，无需手动切分计算图或编写自定义调度器。 技术背景当前痛点 问题 现状 影响 手动图切分 需手动切分神经网络计算图 架构变更复杂、耗时 自定义调度器 需编写协调NPU+DSP+CPU的调度代码 维护成本高 工具链边界 各引擎独立开发工具链，跨链协作困难 供应商锁定 架构探索受限 改变分配策略需大量重写代码 无法快速迭代 aiWare5 核心特性 特性 说明 类型 汽车NPU IP（Intellectual Property） 安全认证 ISO 26262 ASIL B 认证...

差分视线估计在长时间窄范围场景的验证——USC 2026论文解读论文信息 项目 内容 标题 Adapting Appearance-Based Gaze Estimation to Narrow-Range, Long-Duration Screen Viewing 作者 Jordan Prescott 机构 Signal Analysis and Interpretation Lab, University of Southern California arXiv 2610.11036 领域 Image and Video Processing (eess.IV) 数据集 PRECOG项目，140段长时面部视频+同步眼动追踪 核心发现在长时间、窄范围视线场景（如长时间驾驶、屏幕阅读）中，差分视线估计（differential gaze estimation）是唯一显著优于常数预测器的方法。 方法 vs 常数预测器 视线重建质量 6个已发表模型 ❌ 不显著 低 差分gaze模型 ✅ 显著提升 高 差分+时序上下文 ✅✅ 最佳 ...

FocusGate：可靠性门控的视线预测先验融合——ICASSP 2027投稿解读论文信息 项目 内容 标题 Knowing When to Trust a Prior: Reliability-Gated Cue Fusion for Video Gaze Prediction 作者 Yueqian Lin, Yiheng Wang, Hai “Helen” Li, Yiran Chen 机构 Duke University, Durham, NC, USA 投稿 ICASSP 2027 arXiv 2610.08663 代码 待发布 核心创新FocusGate解决了一个反直觉的问题：gaze-free先验（如散焦图、人脸检测、深度图）仍然携带gaze-trained模型没有学到的信号，但前提是你知道什么时候该信任它们。 一句话总结：通过逐帧可靠性门控，选择性融合散焦先验到gaze预测模型中，在所有16个模型-域单元上显著提升sAUC。 问题背景视频视线预测的先验融合困境 融合策略 效果 原因 无条件融合散焦先验 ❌ 有害 深焦场景中...

倾斜座椅下的乘员骨盆骨折风险：OOP检测的生物力学依据论文信息 项目 内容 标题 Pelvic Injuries and Mechanisms of Small Females in Different Postures in Frontal Impacts 作者 Yoganandan, N., Shah, A., Pintar, F. A., & Rooks, T. F. 年份 2026 来源 Bioengineer.org报道 研究类型 Pelvic injury biomechanics in small female occupants 核心发现倾斜座椅（reclined seat）显著增加小身材女性在正面碰撞中的骨盆骨折风险。 这一发现直接支持了Euro NCAP 2026对OOP（Out-of-Position）异常姿态检测的要求。 研究背景OOP与碰撞安全 姿态 风险 检测必要性 正常坐姿 安全带正确约束 基线 座椅过度倾斜 安全带滑移→骨盆骨折 🔴 高风险 脚踩仪表台 腿部骨折/髋关节脱位 🔴 ...

GazeDiT：面向视线追踪的扩散模型合成数据生成——用AI生成训练数据论文信息 项目 内容 标题 GazeDiT: Gaze-Accurate Diffusion Image Generation for Eye Tracking via Spatial Conditioning arXiv 2609.17814 提交时间 2026-09-15 作者 Dongze Wu 领域 Computer Vision and Pattern Recognition (cs.CV) 核心 扩散模型生成精确标注4D视线的人眼图像 核心创新GazeDiT解决了合成训练数据生成中的关键问题：如何确保扩散模型生成的图像与其数值标签（4D binocular gaze）之间有精确的对应关系。 一句话总结：通过物理眼渲染器+空间条件化，让扩散模型生成”看着正确方向”的人眼图像，可直接用于训练视线估计器。 问题背景合成数据的标签精度困境 方法 标签精度 多样性 问题 3D渲染 ✅ 精确 ❌ 逼真度差 域差距大 文本条件扩散 ❌ 粗略 ✅ 高 “看着左上方”...

Fraunhofer SensAI：多模态认知分心检测系统——德国国家级DMS项目解析项目信息 项目 内容 名称 SensAI - Driver-Monitoring System Detecting Cognitive Distraction Using AI 主导 Fraunhofer IOSB（协调方） 合作伙伴 Fraunhofer IDMT, 其他Fraunhofer研究所 状态 开发阶段（传感器集成+数据处理准备中） 目标 实时、数据保护合规的认知分心检测 核心 多模态融合（摄像头+音频+生命体征+车辆数据） 解决的核心问题认知分心：DMS的终极挑战 分心类型 检测难度 现有DMS SensAI目标 视觉分心 🟢 低 视线偏离道路 → 已量产 已覆盖 操作分心 🟢 低 手离开方向盘 → 已量产 已覆盖 认知分心 🔴 极高 驾驶员看着路但”心不在焉” 核心目标 认知分心的危险性在于：驾驶员眼睛看着路，但大脑不在处理路况信息。传统DMS无法检测这种状态，因为它表现为”正常驾驶”。 认知分心的生理表现 信号 ...