有數據顯示，夜間交通事故率比白天大1.5倍，60%以上的重大交通死亡事故發生在夜間。據公安部統計，夜間30-40%車禍源于濫用遠光燈，這會造成人眼和普通攝像頭的短時間“失明”。

關于紅外夜視傳感器，卻極少被提及。但在Uber的自動駕駛車輛在亞利桑那州發生備受關注的夜晚致命事故之后，似乎業界開始重新審視這個問題。

我們知道，自動駕駛車輛（或者具備ADAS功能）最基本的需求是能夠在所有條件下“盡早看到”所有物體和周圍環境，同時為決策提供足夠的反應時間。

為了解決這個問題，一種目前主流方案是可見光攝像頭、毫米波雷達、激光雷達融合方案，但三種主流傳感器仍然各自存在不小的局限。

傳統意義上的夜視主要有三種技術路線，微光夜視、紅外夜視（又分為近紅外、遠紅外）。微光夜視體積小，價格低，但易受周邊環境影響。

而遠紅外傳感器在軍事和航空領域已經應用多年，因此它是一種成熟的技術，適合于大規模市場。相比于近紅外，遠紅外攝像頭則可以做到車輛在白天或晚上任何條件下可靠地檢測、分割和分析行人、動物、物體和道路狀況，而不管天氣狀況如何。

當然，遠紅外與可見光攝像頭視覺還是有很大的融合和冗余優勢。在比較下面兩幅圖像時，可以通過遠紅外監測所有的溫暖點來很容易地找到四個行人。

通過直接與CMOS圖像進行比較，可以確認具有模糊圖形的暖輪廓為行人，并且通過將它們與IR圖像中的暖點匹配，可以確認CMOS圖像中看作行人的任何形狀。

同時，采用基于深度學習計算機視覺算法的遠紅外也可以同樣提供準確的目標檢測，分類，和場景分析。最大的好處之一是在雜亂的夜晚環境中（比如車流人流混雜的交叉十字路口）看到人的能力。

由于增加了熱量的參數，這使得機器學習系統更容易檢測和分類某些對象，如車輛、人和動物。由于熱傳感器具有高的點云密度和在所有照明條件下都能夠以高對比度可視化活體目標。（上圖左側的可見光攝像頭幾乎看不到向左跑動的人。而右側的遠紅外攝像頭則可以很清楚的框出所有人。）

通過添加遠紅外熱成像傳感器，可以使用來自可見光和遠紅外攝像頭的密集點云信息在所有天氣和照明條件下進行分類，并且依靠雷達和激光雷達進行測距。

同時，在ADAS級別，監管評估和安全評級中的測試條件還非常有限，大多都是針對白天場景，汽車制造商幾乎沒有什么“動力”去考慮紅外夜視，畢竟目前看還是一筆不小的成本。

至關重要的是，它們在微光和惡劣天氣的情況下表現依舊良好（盡管毫米波雷達具備全天候檢測能力，但誤報率和漏檢率的提升還需要其他傳感器的配合）。

但近幾年紅外夜視正在打破過去豪華車的配置局限。今年上市的PSA旗下高端豪華汽車品牌DS的DS7成為了紅外夜視系統首次下探到30萬元級別車型。

而目前全球提供量產級別遠紅外夜視方案的公司主要是奧托立夫、FLIR Systems、AdaSky以及中國的軒轅智駕（上市公司高德紅外旗下）。其中，奧托立夫、FLIR因為較早進入市場占據目前主要份額。

這款采用紅外熱成像技術的紅外避障系統，能夠捕捉前方28°*21°視角、400米外熱源，夜視距離超過了目前市面上大多車載夜視系統探測距離在200m左右的性能瓶頸。同時，系統會自動匹配不同車速進行功能調整。

可以預見的是，隨著中國供應商的加入、相關ADAS法規及測試場景完善，以及夜視安全性逐步得到消費者的認可，遠紅外成像技術將在未來幾年進入新一輪成長期。