【導讀】汽車安全的演進正從車外走向車內，開辟了一個新的前沿領域：車內感知（in cabin sensing）。它的出現標志著從被動的車身外殼向能夠檢測并保護乘員的主動系統的轉變。然而，實現基于雷達的車內感知面臨著多方面的工程挑戰，包括隱私考量、實時數據處理和功能安全，所有這些都必須在嚴格的法規框架下完成。
雷達已成為車內應用的首選技術，它天然具備隱私保護性，不受內飾材料影響，且不受光照條件限制。更重要的是，它能夠檢測到呼吸和心跳等微小運動。
為什么車內感知正變得必不可少
車內感知包括監測駕駛員行為、追蹤乘員存在、檢測生命體征以及識別車內手勢等系統。隨著全球對更高安全標準的需求推動車內感知的發展，它正從“錦上添花”轉變為“必備功能”。
兒童被遺忘在高溫車內以及疲勞駕駛導致的悲劇事件，促使監管機構和安全組織采取行動，使得車內感知成為獲得頂級安全評級的關鍵。
監管機構正將重點從外部碰撞預防轉向內部安全措施。諸如2025年生效的Euro NCAP兒童存在檢測（CPD）以及美國《熱車法案》等項目，都凸顯了車內監控在防止兒童死亡和評估駕駛員警覺性方面的重要性。傳統的攝像頭系統面臨隱私和光照挑戰，而雷達技術，尤其是60 GHz調頻連續波（FMCW）雷達，為下一代智能座艙提供了更優越且保護隱私的解決方案。
為什么雷達正成為首選技術
雷達技術擁有一系列獨特的能力，使其成為復雜車輛座艙環境下的最優選擇。與可能因光線不足而受阻或引發隱私擔憂的攝像頭不同，雷達提供了穩健、非侵入式的感知，并具有諸多優勢。
天生隱私保護
在數據隱私至關重要的時代，雷達具有明顯優勢。它不會捕獲面部或身體的詳細視覺圖像。相反，它通過點云來檢測存在和運動。這使得系統能夠在不記錄敏感個人視覺數據的情況下有效監控乘員，因而更容易被注重隱私的消費者接受。
看見不可見（非視距能力）
雷達最顯著的優勢之一是其穿透材料的能力。攝像頭無法看到被毯子蓋住的兒童，或者躺在被駕駛員座椅遮擋的后向安全座椅中的孩子。然而，雷達可以透過衣物、毯子甚至座椅材料（鋼材除外）檢測到呼吸或心跳的微小運動。這種非視距（NLOS）能力對于可靠的CPD至關重要。
環境魯棒性
雷達不受光照條件影響。它在漆黑環境中和在刺眼陽光下一樣有效，確保晝夜不間斷保護。此外，在溫度變化、濕度或振動（汽車環境中的常見因素）下，其性能依然穩健。
為什么選擇60 GHz FMCW雷達？
當整車廠和一級供應商評估其平臺選擇時，FMCW與超寬帶（UWB）之間的爭論經常出現。盡管UWB在消費電子和某些汽車進入系統中已取得成功，但FMCW雷達更自然地符合大規模汽車車內感知部署的要求。
FMCW具有更低的成本結構、更簡單的集成路徑以及卓越的功能可擴展性。它支持多用途感知——從乘員監控、CPD到生命體征檢測和手勢識別——所有這些都在一個統一的信號處理流程中完成。
FMCW還避免了有時與UWB應用相關的安全挑戰，例如中繼或中間人攻擊漏洞。綜合這些因素，使得60 GHz FMCW成為目標在2026至2030年間進行多車型部署的整車廠的“最佳選擇”。
智能座艙的工程挑戰
實現基于雷達的車內感知并非沒有挑戰。它代表著一個多方面的工程難題，需要精密傳感器、高速信號處理和功能安全合規性的融合。
處理挑戰
在行駛車輛的噪聲中檢測熟睡嬰兒胸部的微弱起伏，需要極高的計算精度。雷達處理流程涉及多個復雜階段，包括距離FFT（快速傅里葉變換）、多普勒FFT以及復雜的雜波去除算法。
統計數據顯示，使用雷達實現CPD的準確率可達99.9%。為達到如此高的精度，工程師必須采用先進的數字信號處理（DSP）技術。像Tensilica Vision 110 DSP這樣的解決方案正是為這些高性能、低功耗需求而專門設計的。
圖：用于兒童存在檢測用例的雷達處理流程。來源：Cadence Design Systems
通過將復雜的數學運算（如8位和16位MAC）卸載到專用DSP上，汽車設計人員可以在遵守嚴格功耗和熱約束的同時，實現所需的幀率（約50 FPS）。
集成AI與機器學習
車內感知的未來在于傳統信號處理與機器學習（ML）的融合。傳統算法擅長確定距離和速度，而ML對于分類至關重要：該物體是一袋雜貨還是一個孩子？駕駛員眨眼是因為疲勞還是正常動作？通過在雷達數據集上運行AI模型來執行目標分割。
先進的雷達架構現在支持AI驅動的分類，使系統能夠學習和適應。這一能力支持手勢識別等功能，用于非接觸式控制信息娛樂系統，在安全之外增添了一層舒適性和便利性。
安全之外的應用：舒適與自動駕駛
雖然安全法規是主要驅動力，但基于雷達的車內感知的潛力遠遠超出用戶體驗和自動駕駛操作。
健康與福祉
60 GHz雷達的靈敏度使其能夠監測生命體征。系統可以連續跟蹤心率和呼吸頻率，無需物理接觸。
圖：用于生命體征監測（心率/呼吸率）的雷達處理流程。來源：Cadence Design Systems
在發生醫療緊急情況時，車輛可以檢測到駕駛員的窘迫狀態，并自動靠邊停車或呼叫緊急服務。
增強自動駕駛
隨著我們向L3和L4級自動駕駛邁進，車輛不僅需要知道“自己在哪里”，還需要知道“乘員狀態如何”。在需要駕駛員接管控制的交接場景中，車內感知系統必須驗證駕駛員是否清醒、在位并準備好接管。雷達可靠地提供了這種驗證，作為核心智能層，在機器驅動的環境中建立信任。
運營效率
對于Robotaxi等新興出行模式，雷達提供了實用的好處。它可以檢測乘客數量以用于計費，確保沒有物品遺留，甚至可以自動管理后備箱操作。
芯片的必要條件：高效的DSP與邊緣AI
車內雷達的工作負載需要高吞吐量DSP運算和緊湊型神經網絡推理能力的獨特結合。傳統MCU缺乏處理FFT密集型流水線所需的并行性，而專用NPU往往超出座艙模塊的成本和功耗預算。一類新型的雷達優化DSP已經出現，實現了恰當的平衡——可編程、高效，并同時支持經典信號處理和經過雷達訓練的神經網絡。
這些處理器必須在嚴格的熱約束內提供高MAC吞吐量、強大的SIMD能力和高效的內存架構。它們的靈活性支持快速算法迭代，這對于雷達數據集持續擴展（涵蓋不同體型、座椅布局和車輛架構）的領域至關重要。
未來之路
隨著車輛向自動駕駛邁進，車內感知將成為核心智能層：預測乘員需求、保障其健康福祉，并在機器驅動的環境中建立信任。雷達在車輛座艙中的集成正在重新定義“道路安全”的含義。
對于汽車整車廠和一級供應商而言，掌握可擴展的、基于雷達的感知架構已不再是可選項，而是決定未來領導地位的關鍵因素。通過利用強大的DSP平臺并擁抱FMCW雷達的獨特能力，工程師們不僅在滿足法規要求，更是在設計一種更安全、更直觀的駕駛體驗。
守護者不再僅僅位于保險杠上——他們就在車內，確保每一次旅程都能像出發時一樣安全地結束。
