一、技术突破
Seeing Machines在CES 2026正式发布了下一代3D Cabin Perception Mapping平台，这是舱内感知技术的重大突破。
核心能力
| 特性 |
描述 |
| 实时重建 |
整车舱内数字重建 |
| 多摄像头 |
单一感知层支持多摄像头配置 |
| 多乘员 |
同时监控所有乘员状态 |
| 高可信度 |
单一高信任感知层 |
二、架构创新
传统方案 vs 3D Cabin Perception
1
2
3
4
5
6
7
8
9
10
11
12
| 传统方案（Feature-by-Feature）：
├── 疲劳检测模块 → 独立摄像头
├── 分心检测模块 → 独立摄像头
├── 乘员检测模块 → 独立摄像头
└── 问题：重复开发、一致性差、成本高
3D Cabin Perception Mapping：
├── 统一感知层
│ ├── 多摄像头输入
│ ├── 整车舱内3D重建
│ └── 单一高信任感知
└── 优势：一致性强、开发简化、成本降低
|
架构优势
| 维度 |
传统方案 |
3D Cabin Perception |
| 一致性 |
各模块独立，结果可能矛盾 |
统一感知，结果一致 |
| 开发效率 |
每个功能单独开发 |
功能解耦，并行开发 |
| 摄像头配置 |
功能与摄像头强绑定 |
功能与摄像头解耦 |
| 可扩展性 |
新功能需要新配置 |
灵活扩展新功能 |
三、技术亮点
3.1 统一感知层
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
| ┌─────────────────────────────────────────────────────────┐
│ 3D Cabin Perception Layer │
├─────────────────────────────────────────────────────────┤
│ │
│ 输入层 │
│ ├── Camera 1 (驾驶员) │
│ ├── Camera 2 (前排乘客) │
│ ├── Camera 3 (后排左侧) │
│ └── Camera N (后排右侧...) │
│ │
│ 感知层 │
│ ├── 实时3D重建 │
│ ├── 乘员检测与跟踪 │
│ ├── 状态估计 │
│ └── 置信度评估 │
│ │
│ 输出层 │
│ ├── 疲劳状态 → Euro NCAP合规 │
│ ├── 分心检测 → Euro NCAP合规 │
│ ├── 乘员状态 → OMS监控 │
│ └── 安全带检测 → 新要求 │
│ │
└─────────────────────────────────────────────────────────┘
|
3.2 间歇数据处理
核心能力：即使传感器数据间歇或噪声大，也能保持准确估计
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
class PerceptionLayer:
def process(self, camera_streams):
aligned = self.temporal_align(camera_streams)
if self.has_missing(aligned):
estimated = self.estimate_from_history(aligned)
aligned = self.merge(aligned, estimated)
filtered = self.denoise(aligned)
reconstruction = self.reconstruct_3d(filtered)
state = self.estimate_state(reconstruction)
return state
|
3.3 功能与配置解耦
1
2
3
4
5
6
7
8
9
10
| 传统方案：
功能A → Camera A → 模型A
功能B → Camera B → 模型B
（功能与摄像头强绑定）
3D Cabin Perception：
Camera 1 ─┐
Camera 2 ─┼→ 统一感知层 → 功能A / 功能B / 功能N
Camera 3 ─┘
（功能与摄像头解耦）
|
四、应用场景
4.1 Euro NCAP 2026合规
| Euro NCAP要求 |
3D Cabin Perception支持 |
| 疲劳检测 |
✅ 眼动追踪、头部姿态 |
| 分心检测 |
✅ 视线估计、注意力分析 |
| 损伤检测 |
✅ 多特征融合 |
| CPD儿童检测 |
✅ 后排乘员监控 |
| 安全带检测 |
✅ 姿态估计 |
4.2 扩展应用
- 机器人：人机交互安全监控
- 工业设备：操作员状态监控
- 航空：飞行员状态监控
五、IMS开发启示
5.1 架构建议
1
2
3
4
5
6
7
8
9
| 当前IMS架构：
├── 各Calculator独立
├── 功能与摄像头绑定
└── 扩展性受限
建议升级：
├── 引入统一感知层
├── 功能与配置解耦
└── 支持多摄像头扩展
|
5.2 技术路线
| 阶段 |
时间 |
目标 |
| Phase 1 |
Q2 2026 |
单摄像头感知层重构 |
| Phase 2 |
Q3 2026 |
多摄像头融合 |
| Phase 3 |
Q4 2026 |
3D重建与状态估计 |
5.3 关键技术点
- 统一感知接口：设计标准化的感知层输出
- 时间戳对齐：处理多摄像头异步问题
- 缺失数据估计：提高鲁棒性
- 置信度评估：输出可靠性指标
六、技术规格（推测）
| 参数 |
数值 |
| 支持摄像头数 |
4-8个 |
| 帧率 |
30 FPS |
| 延迟 |
<100ms |
| 功耗 |
<5W（感知层） |
| 工作温度 |
-40°C ~ 85°C |
七、竞品对比
| 厂商 |
方案 |
特点 |
| Seeing Machines |
3D Cabin Perception |
统一感知层，功能解耦 |
| Smart Eye |
DUS双摄方案 |
驾驶员专注，双摄融合 |
| Jungo |
多功能模块 |
功能独立，集成灵活 |
| Valeo |
舱内感知 |
供应链整合 |
八、总结
Seeing Machines 3D Cabin Perception Mapping的核心价值：
- 统一感知层：一次重建，多功能使用
- 功能解耦：开发效率大幅提升
- 配置灵活：摄像头与功能独立
- 鲁棒性强：间歇数据也能准确估计
对IMS团队的建议：
- 学习统一感知层架构思想
- 重新设计Calculator之间的数据流
- 考虑多摄像头扩展性
- 为Euro NCAP 2026做好技术储备
参考资料
- Seeing Machines CES 2026 Press Release
- PR Newswire: Seeing Machines breaks new ground at CES 2026
- Euro NCAP 2026 Assessment Protocol
发布日期： 2026-03-16
技术标签： Seeing Machines, 3D感知, CES 2026, Euro NCAP 2026