【导读】汽车安全的演进正从车外走向车内，开辟了一个新的前沿领域：车内感知（in cabin sensing）。它的出现标志着从被动的车身外壳向能够检测并保护乘员的主动系统的转变。然而，实现基于雷达的车内感知面临着多方面的工程挑战，包括隐私考量、实时数据处理和功能安全，所有这些都必须在严格的法规框架下完成。
雷达已成为车内应用的首选技术，它天然具备隐私保护性，不受内饰材料影响，且不受光照条件限制。更重要的是，它能够检测到呼吸和心跳等微小运动。
为什么车内感知正变得必不可少
车内感知包括监测驾驶员行为、追踪乘员存在、检测生命体征以及识别车内手势等系统。随着全球对更高安全标准的需求推动车内感知的发展，它正从“锦上添花”转变为“必备功能”。
儿童被遗忘在高温车内以及疲劳驾驶导致的悲剧事件，促使监管机构和安全组织采取行动，使得车内感知成为获得顶级安全评级的关键。
监管机构正将重点从外部碰撞预防转向内部安全措施。诸如2025年生效的Euro NCAP儿童存在检测（CPD）以及美国《热车法案》等项目，都凸显了车内监控在防止儿童死亡和评估驾驶员警觉性方面的重要性。传统的摄像头系统面临隐私和光照挑战，而雷达技术，尤其是60 GHz调频连续波（FMCW）雷达，为下一代智能座舱提供了更优越且保护隐私的解决方案。
为什么雷达正成为首选技术
雷达技术拥有一系列独特的能力，使其成为复杂车辆座舱环境下的最优选择。与可能因光线不足而受阻或引发隐私担忧的摄像头不同，雷达提供了稳健、非侵入式的感知，并具有诸多优势。
天生隐私保护
在数据隐私至关重要的时代，雷达具有明显优势。它不会捕获面部或身体的详细视觉图像。相反，它通过点云来检测存在和运动。这使得系统能够在不记录敏感个人视觉数据的情况下有效监控乘员，因而更容易被注重隐私的消费者接受。
看见不可见（非视距能力）
雷达最显著的优势之一是其穿透材料的能力。摄像头无法看到被毯子盖住的儿童，或者躺在被驾驶员座椅遮挡的后向安全座椅中的孩子。然而，雷达可以透过衣物、毯子甚至座椅材料（钢材除外）检测到呼吸或心跳的微小运动。这种非视距（NLOS）能力对于可靠的CPD至关重要。
环境鲁棒性
雷达不受光照条件影响。它在漆黑环境中和在刺眼阳光下一样有效，确保昼夜不间断保护。此外，在温度变化、湿度或振动（汽车环境中的常见因素）下，其性能依然稳健。
为什么选择60 GHz FMCW雷达？
当整车厂和一级供应商评估其平台选择时，FMCW与超宽带（UWB）之间的争论经常出现。尽管UWB在消费电子和某些汽车进入系统中已取得成功，但FMCW雷达更自然地符合大规模汽车车内感知部署的要求。
FMCW具有更低的成本结构、更简单的集成路径以及卓越的功能可扩展性。它支持多用途感知——从乘员监控、CPD到生命体征检测和手势识别——所有这些都在一个统一的信号处理流程中完成。
FMCW还避免了有时与UWB应用相关的安全挑战，例如中继或中间人攻击漏洞。综合这些因素，使得60 GHz FMCW成为目标在2026至2030年间进行多车型部署的整车厂的“最佳选择”。
智能座舱的工程挑战
实现基于雷达的车内感知并非没有挑战。它代表着一个多方面的工程难题，需要精密传感器、高速信号处理和功能安全合规性的融合。
处理挑战
在行驶车辆的噪声中检测熟睡婴儿胸部的微弱起伏，需要极高的计算精度。雷达处理流程涉及多个复杂阶段，包括距离FFT（快速傅里叶变换）、多普勒FFT以及复杂的杂波去除算法。
统计数据显示，使用雷达实现CPD的准确率可达99.9%。为达到如此高的精度，工程师必须采用先进的数字信号处理（DSP）技术。像Tensilica Vision 110 DSP这样的解决方案正是为这些高性能、低功耗需求而专门设计的。
图：用于儿童存在检测用例的雷达处理流程。来源：Cadence Design Systems
通过将复杂的数学运算（如8位和16位MAC）卸载到专用DSP上，汽车设计人员可以在遵守严格功耗和热约束的同时，实现所需的帧率（约50 FPS）。
集成AI与机器学习
车内感知的未来在于传统信号处理与机器学习（ML）的融合。传统算法擅长确定距离和速度，而ML对于分类至关重要：该物体是一袋杂货还是一个孩子？驾驶员眨眼是因为疲劳还是正常动作？通过在雷达数据集上运行AI模型来执行目标分割。
先进的雷达架构现在支持AI驱动的分类，使系统能够学习和适应。这一能力支持手势识别等功能，用于非接触式控制信息娱乐系统，在安全之外增添了一层舒适性和便利性。
安全之外的应用：舒适与自动驾驶
虽然安全法规是主要驱动力，但基于雷达的车内感知的潜力远远超出用户体验和自动驾驶操作。
健康与福祉
60 GHz雷达的灵敏度使其能够监测生命体征。系统可以连续跟踪心率和呼吸频率，无需物理接触。
图：用于生命体征监测（心率/呼吸率）的雷达处理流程。来源：Cadence Design Systems
在发生医疗紧急情况时，车辆可以检测到驾驶员的窘迫状态，并自动靠边停车或呼叫紧急服务。
增强自动驾驶
随着我们向L3和L4级自动驾驶迈进，车辆不仅需要知道“自己在哪里”，还需要知道“乘员状态如何”。在需要驾驶员接管控制的交接场景中，车内感知系统必须验证驾驶员是否清醒、在位并准备好接管。雷达可靠地提供了这种验证，作为核心智能层，在机器驱动的环境中建立信任。
运营效率
对于Robotaxi等新兴出行模式，雷达提供了实用的好处。它可以检测乘客数量以用于计费，确保没有物品遗留，甚至可以自动管理后备箱操作。
芯片的必要条件：高效的DSP与边缘AI
车内雷达的工作负载需要高吞吐量DSP运算和紧凑型神经网络推理能力的独特结合。传统MCU缺乏处理FFT密集型流水线所需的并行性，而专用NPU往往超出座舱模块的成本和功耗预算。一类新型的雷达优化DSP已经出现，实现了恰当的平衡——可编程、高效，并同时支持经典信号处理和经过雷达训练的神经网络。
这些处理器必须在严格的热约束内提供高MAC吞吐量、强大的SIMD能力和高效的内存架构。它们的灵活性支持快速算法迭代，这对于雷达数据集持续扩展（涵盖不同体型、座椅布局和车辆架构）的领域至关重要。
未来之路
随着车辆向自动驾驶迈进，车内感知将成为核心智能层：预测乘员需求、保障其健康福祉，并在机器驱动的环境中建立信任。雷达在车辆座舱中的集成正在重新定义“道路安全”的含义。
对于汽车整车厂和一级供应商而言，掌握可扩展的、基于雷达的感知架构已不再是可选项，而是决定未来领导地位的关键因素。通过利用强大的DSP平台并拥抱FMCW雷达的独特能力，工程师们不仅在满足法规要求，更是在设计一种更安全、更直观的驾驶体验。
守护者不再仅仅位于保险杠上——他们就在车内，确保每一次旅程都能像出发时一样安全地结束。
