远红外成像技术将在未来几年进入成长期

有数据显示，夜间交通事故率比白天大1.5倍，60%以上的重大交通死亡事故发生在夜间。据公安部统计，夜间30-40%车祸源于滥用远光灯，这会造成人眼和普通摄像头的短时间“失明”。

关于红外夜视传感器，却极少被提及。但在Uber的自动驾驶车辆在亚利桑那州发生备受关注的夜晚致命事故之后，似乎业界开始重新审视这个问题。

我们知道，自动驾驶车辆（或者具备ADAS功能）最基本的需求是能够在所有条件下“尽早看到”所有物体和周围环境，同时为决策提供足够的反应时间。

为了解决这个问题，一种目前主流方案是可见光摄像头、毫米波雷达、激光雷达融合方案，但三种主流传感器仍然各自存在不小的局限。

传统意义上的夜视主要有三种技术路线，微光夜视、红外夜视（又分为近红外、远红外）。微光夜视体积小，价格低，但易受周边环境影响。

而远红外传感器在军事和航空领域已经应用多年，因此它是一种成熟的技术，适合于大规模市场。相比于近红外，远红外摄像头则可以做到车辆在白天或晚上任何条件下可靠地检测、分割和分析行人、动物、物体和道路状况，而不管天气状况如何。

当然，远红外与可见光摄像头视觉还是有很大的融合和冗余优势。在比较下面两幅图像时，可以通过远红外监测所有的温暖点来很容易地找到四个行人。

通过直接与CMOS图像进行比较，可以确认具有模糊图形的暖轮廓为行人，并且通过将它们与IR图像中的暖点匹配，可以确认CMOS图像中看作行人的任何形状。

同时，采用基于深度学习计算机视觉算法的远红外也可以同样提供准确的目标检测，分类，和场景分析。最大的好处之一是在杂乱的夜晚环境中（比如车流人流混杂的交叉十字路口）看到人的能力。

由于增加了热量的参数，这使得机器学习系统更容易检测和分类某些对象，如车辆、人和动物。由于热传感器具有高的点云密度和在所有照明条件下都能够以高对比度可视化活体目标。（上图左侧的可见光摄像头几乎看不到向左跑动的人。而右侧的远红外摄像头则可以很清楚的框出所有人。）

通过添加远红外热成像传感器，可以使用来自可见光和远红外摄像头的密集点云信息在所有天气和照明条件下进行分类，并且依靠雷达和激光雷达进行测距。

同时，在ADAS级别，监管评估和安全评级中的测试条件还非常有限，大多都是针对白天场景，汽车制造商几乎没有什么“动力”去考虑红外夜视，毕竟目前看还是一笔不小的成本。

至关重要的是，它们在微光和恶劣天气的情况下表现依旧良好（尽管毫米波雷达具备全天候检测能力，但误报率和漏检率的提升还需要其他传感器的配合）。

但近几年红外夜视正在打破过去豪华车的配置局限。今年上市的PSA旗下高端豪华汽车品牌DS的DS7成为了红外夜视系统首次下探到30万元级别车型。

而目前全球提供量产级别远红外夜视方案的公司主要是奥托立夫、FLIR Systems、AdaSky以及中国的轩辕智驾（上市公司高德红外旗下）。其中，奥托立夫、FLIR因为较早进入市场占据目前主要份额。

这款采用红外热成像技术的红外避障系统，能够捕捉前方28°*21°视角、400米外热源，夜视距离超过了目前市面上大多车载夜视系统探测距离在200m左右的性能瓶颈。同时，系统会自动匹配不同车速进行功能调整。

可以预见的是，随着中国供应商的加入、相关ADAS法规及测试场景完善，以及夜视安全性逐步得到消费者的认可，远红外成像技术将在未来几年进入新一轮成长期。