深度解剖广汽埃安“全球首创”的红外智驾技术

前不久，广汽埃安宣布，将在其智能汽车上使用红外线智驾传感技术，带来更好的智驾感知方案。

按照官方说法，“埃安全球首创将红外线智驾传感技术应用于智能驾驶，相当于给车辆添加了一双‘响尾蛇’眼睛，为行业提升智驾安全开辟了一条新路径。”

名头听起来挺唬人，但国内消费者对“全球首创、国际领先”之类的形容词早已司空见惯。毕竟这在国内车企的宣传资料中并不少见。

抛开这些花里胡哨的形容词，本文重点讨论几个问题：广汽埃安宣称的红外技术到底是什么？它的技术原理是什么？它有什么优势？能给汽车行业带来什么？又面临哪些挑战？

在此之前，我们先来了解一下目前的传感器都是如何获取信息的？

可见光成像原理

目前的辅助驾驶汽车使用的传感器，不管雷达还是摄像头，都是基于可见光来获取信息的。可见光成像技术主要依赖可见光传感器接收物体反射的光线（摄像头）或其自身发出的光线（激光雷达，毫米波雷达），然后把接收到的光信号转化成电信号，再将电信号通过图像处理技术转化为图像，供决策层使用。

可见光图像主要有以下几个方面特征：

1、对比度较高：可见光图像可以反映图像色彩的差异，立体感强，色彩分明。

2、对光照条件的依赖性较强：可见光非常依赖光照，当环境的能见度低或目标被遮挡时，可见光成像系统将无法有效地从背景中发现目标物体。

因此，在雾霾、雨雪等恶劣天气条件下，可见光图像往往出现亮度低、细节信息不清晰以及颜色偏移等质量下降的问题。因为，大气中存在许多的细小“颗粒”，这些“颗粒”对于光线的能量有着较强的吸收，影响可见光成像。

3、提供的信息丰富：可见光成像原理与人眼类似，都是被动接收可见光波长的光反射，因此图像中包括所有可见光可反映的信息。

可见光图像是在可见光条件下完成的信息采集。那也就意味着，在不可见光情况下，它的工作效率会非常差，比如黑夜，或者隧道等场景。此外，可见光波长较短，穿透能力较弱，容易受到天气条件的影响。

自动驾驶需要全场景，全视野的环境感知。正因如此，人们开始引入能够弥补可见光不足的技术：红外技术。

红外技术成像原理

红外成像技术依靠成像系统获取物体自身热辐射强度，以及物体反射的热辐射强度来进行成像。物体内部的分子和原子始终处于运动状态，其运动的强度决定了物体向外发出红外辐射的强度。

红外成像系统通过红外传感器获取物体的红外辐射能量，并将其转化为电压差，接着通过模数转换电路，将电压差转化为计算机可识别的数字信号，然后通过数字图像处理技术将数字信号转化为图像，最终将可被人眼识别的图像显示在显示器上，过程如下：

图形采用人眼能够分辨的灰度图呈现，灰度值与热辐射强度成正相关，即热辐射强度越大，灰度值越大，图像越清晰。

相较可见光成像，红外技术成像有4个非常明显的优势：

1、对生命体具有更好的识别能力。

因为红外利用热辐射成像，任何高于绝对零度（-273℃）的生命体都会散发热量，所以能够呈现更清晰的图像。它弥补了“雷达+摄像头”依赖形状识别的不足，更好地保护行人和小动物。如下图：

2、夜间成像能力强。

上文提到，因为红外技术是通过物体发出的热辐射来成像，并不依赖光成像，所以不管白天黑夜，它都能工作，可以弥补可见光成像夜间探测能力差的弊端。如下图：

3、雨雾等恶劣天气下，抗干扰能力强。

因为红外辐射波的波长较长，所以其穿透力更好，因此即便是在沙尘、雾霾等恶劣的天气条件下，红外图像的成像效果依旧比较好，即红外图像的抗干扰能力较强。如下图：

4、无惧眩光。

红外只接收中长波信息，不接收可见光波段信息，夜晚会车等强弱光交替场景仍能清晰成像，感知功能不会受到影响。这也是夜间使用比较常见的一个场景，如下图：

这里需要强调的是，红外技术并不是指的某个特定的实物，而是一种技术手段，通过它制成的物体有很多，比如红外探测仪，红外摄像头，红外激光雷达等。好像小麦是一种农作物统称，但它可以制成面包，方便面、汉堡等各种食物。

红外技术应用广泛

正是基于这样的技术特性，让红外技术有了非常广泛的应用。比如在航天、军工领域，詹姆斯韦伯太空望远镜就通过红外波段，研究宇宙中超大质量黑洞和各种星系的特征。

军工领域的“响尾蛇”红外制导导弹，就是通过红外线技术实施制导，精准打击目标。

在国家地理科考领域，也能看到红外技术的身影。红外相机是研究野生动物的一项先进的技术手段，动物学家通过它能在不打扰野生动物的情况下，捕捉到珍惜野生动物的影像。另外，红外望远镜也是科考人员最常用到的，不论是白天还是黑夜，都能清晰发现隐藏在茂密山林中的各种动物。

具体到汽车行业，红外技术也有非常广泛的应用。比如在整车层面，红外技术可以帮助车辆实现360°实时监测车外环境；在ADAS层面，帮助车辆进行车外感知融合；在辅助驾驶层面，与车辆的AEB功能融合，带来更好的主动制动效果；在车辆内部，驾驶员疲劳检测，身份识别等。

在时间上，红外技术早已经是汽车技术发展领域的“老兵”，并非近几年才“上车”。

早在2000年，凯迪拉克DeVille（帝威）车型的夜视系统就用到了红外技术。之后的2005年，2008年，宝马7系及改进成型也先后将红外技术带上车。

就近几年，红外技术在汽车AEB上得到了非常普遍的使用，因为夜间识别能力更好，且可以对不同肤色的人无差别识别。红外技术能够让车辆的AEB功能更加完善。

在智能座舱领域，红外技术也有非常广泛的应用。比如2020年12月，Zoox发布首款纯电动无人驾驶汽车，搭载了红外摄像头和红外探测仪，能够同时满足摄像和测距的功能。

2021年，滴滴Robotaxi在上海车展上发布了与沃尔沃共同打造的“滴滴双子星”，其搭载了一个红外相机，探测距离超过100米。

所以，埃安宣传的“全球首创”，它姑妄言之，我们姑妄听之就好，不必较真。如果非要纠结这个“全球第一”，那就加两个前提条件：第一是主机厂，第二是智能驾驶。

红外技术也有弊端

当然，如同人总有优缺点一样，任何一项技术也并非全是优点，红外技术也并非全是优点，否则早就大规模普及了。

目前看来，红外成像技术存在4点不足：

1、由于红外技术是热成像原理，所以红外图像只有亮度信息，没有色彩信息，其图像边缘模糊，细节不清晰。可见光图像就不存在这样的情况，其纹理细节信息丰富，图像边缘清晰。

这会造成什么结果？

如果一个与猴子等高的人和猴子同时站在马路中间（猴子保持站立），红外成像可能无法分辨谁是猴子谁是人。对结果造成误判。

2、受到红外图像的成像原理限制，温差不大的物体之间热辐射值也类似，反映到图像中即是背景信息灰度值区别不大，造成红外图像对比度较低。

这会造成什么后果呢？

比如两个人并排站在一起，二者的身体轮廓非常模糊，几乎很难分辨。

3、由于红外探测器阵列数少，探测单元的的体积受限，因此红外图像分辨率比较低。

4、由于红外技术在工作过程中，存在各种噪声（可见光成像也存在这个问题）

。所以红外成像的信躁比特别低。（信噪比为信号与噪音的比值，数值越高，说明信号受噪音的影响越小。）

这会造成什么问题？

图像模糊，呈现的噪点特别多。

业内常用的办法是对其进行图像预处理，给图像去躁（类似摄像头ISP的功能）。用到的算法是中值滤波算法。

红外技术上车也存在技术挑战

由于红外和可见光成像各有优劣，而且可见光已经可以完成大部分信息感知工作。所以红外技术更多的是可见光场景外的一种感知补充。

根据埃安介绍，其提供的是“雷达+摄像头+红外技术”的全感知方案，所以就需要牵扯到信息融合的问题。

它们的图像融合主要包含3个层面，分别是像素级融合，特征级融合，决策级融合。三者是层层递进的关系，三层次的融合方式对比如下图：

1、像素级图像融合是直接对不同传感器获取的两幅或多幅图像中对应坐标的像素点的值进行融合，使得真实图像的信息丢失少，保留程度好，有利于接下来的目标检测，识别过程。

这里有两点需要强调：首先，由于融合过程中需要处理较大的信息量，该融合对硬件设备要求相对于另外两种融合级别更高；其次，像素级融合的容错能力相对较差，在进行融合前，需要对图像进行预处理。

2、特征级融合是中间层次的图像融合技术，其核心思想是分析各个图像中目标

物体特征的似然率（相似度），并将其进行综合处理。如纹理、形状、角、点等特征，使之形成一幅质量更好的图像。

3、决策级图像融合是图像融合中最高层次的融合，首先要对原图像进行抽象，然后通过模拟人的分析、推理、决策过程对图像进行融合。决策级融合保留了较少的源图像内容，但可推广性较好、应极端情况的能力较强，即使一个或多个传感器同时损坏，或是各个图像间数据表现形式差异较大，都不影响其做出正确的判断。

三层融合都牵扯到复杂的算法模型，大量的数据积累、模型标注等等。非常考验厂商的技术积累。

总的来说，红外技术是个好东西，但是要用好才是本事。就好像大家都喜欢吃海鲜，鲍鱼，但并不是每个厨子都能把它做出鲜美的味道，也可能搞砸了，满是腥味。智能驾驶感知上，埃安的表现到底如何，等实车出来之后再看吧。