标签: 传感器

中国汽车市场以年均 超 3000 万辆 的销量规模（占全球 1/3以上），正推动安全标准从 被动防护向主动预防 转型。2024 年 7 月实施的 C-NCAP （ China New Car Assessment Program）修订版首次将 驾驶员监控系统（DMS） 、 道路特征识别（RFR） 纳入评分体系，其中 DMS 占主动安全分值 40% （总分 2 分），检测准确率需 ≥90% 。 这一变革不仅响应 工信部 GB/T 41796-2022 等三项国家标准要求，更标志着中国从汽车安全规则 跟随者向制定者 的角色转变。 一、标准解读：C-NCAP 2024 1、什么是 C-NCAP？ C-NCAP（中国新车评价规程） 于 2006 年启动，以 Euro NCAP为蓝本，是中国官方的车辆安全评级系统。该项目由中国汽车技术研究中心（CATARC）管理，目前同时 评估被动安全和主动安全性能 。 关键里程碑： （1）2006 年：C-NCAP 成立，专注于乘员碰撞耐撞性评估。 （2）2018-2021 年：引入被动安全增强测试（侧柱碰撞和鞭打测试）。 （3）2024 年修订版：重大更新包括纳入主动安全，新增自动紧急制动（AEB）、驾驶员监控系统（DMS）、道路特征识别（RFR）和弱势道路使用者（VRU）保护等测试。 2、中国汽车安全框架要求 驾驶员状态监控（DFM）： 测量驾驶员的身体 - 认知状态（如眼睑开合度、头部姿势），并在达到特定阈值后发出疲劳警告。 驾驶员注意力监控（DAM）： 检测视线方向和分心行为，若眼睛离开道路超过 3-5 秒，将逐级发出警报。 数据隐私与安全： 收集的驾驶员数据必须符合中国《个人信息保护法》（PIPL），对生物识别信息进行匿名化处理，并确保传输安全。 3、C-NCAP亮点： 2024 年 C-NCAP 协议将主动安全提升至核心地位，为车内监控和 ADAS 功能分配了总分中最高 2 分的分值。这是 DMS 首次直接对整体安全评级产生影响。 （1）评分构成： DMS 占 2 分，分值仅次于 AEB 的 3 分。 （2）测试场景： DFM 测试：闭眼、打哈欠、头部低垂； DAM 测试：视线偏离道路、使用手机。 （3）评分标准： 需达到≥90% 的检测准确率才能获得满分。 （4）传感器融合：评估车内与车外传感器的集成能力（如 DMS + AEB + VRU）。 （5）道路特征识别（RFR）： 评估在不同天气和光照条件下对交通标志和车道的检测能力。 除此之外， 行人和骑行者保护 一直未受到足够重视。2024 版 C-NCAP 改变了这一现状，整合了 VRU-AEB 测试和被动碰撞评估： （1）主动 VRU-AEB： 场景包括遮挡行人与骑行者，分昼夜进行测试。 （2）被动安全测试： 对行人假人进行头部和腿部碰撞评估。 （3）全球最佳实践接轨： 通过结合规避（AEB-VRU）和伤害减轻测试，C-NCAP 与 Euro NCAP 针对 VRU 安全的双重方法形成呼应。 这种双重办法反映了全球最佳做法，既处理避免损害问题，也处理减轻损害问题。这些措施推动 OEM 集成 先进的传感器融合 和 坚固的车辆结构 ，使所有用户的街道更安全。 二、行业落地的技术瓶颈与合规挑战 1、落地情况 自 2024 版 C-NCAP 实施以来， 中国主要 OEM （如上汽、吉利、比亚迪）已 在所有新车型 中集成符合 C-NCAP 标准的 DMS。 比如 博世 和 法雷奥 等行业龙头已推出集成 DMS 平台，采用 多模态传感器组合 （红外、RGB、雷达）。 目前存在以下 验证趋势 ： - 虚拟仿真：将基于物理的传感器建模与 AI 结合，加速验证进程。 - 合成数据：减少对真实道路测试的依赖，加快合规工作流程。 2、合规难点 当前，汽车行业在迈向 更高安全合规标准 的过程中仍面临 多重挑战： - 成本压力： 高性能ADAS（高级驾驶辅助系统）硬件的研发与生产成本高昂，如何在保证性能的同时控制成本，成为车企面临的一大挑战。 - 恶劣环境可靠性： 雨、雪、雾和低光等恶劣环境对DMS和RFR系统的可靠性提出了更高要求，如何确保在这些条件下系统的准确性和稳定性，是车企必须解决的问题。 - 复杂协议测试： AEB（自动紧急制动）、DMS和RFR等系统的广泛测试要求，给车企的研发团队带来了巨大压力，如何在保证测试质量的同时缩短产品上市时间，成为亟待解决的难题。 - 误导性广告风险： 部分车企在宣传ADAS功能时存在误导性陈述，导致消费者对系统能力产生过高期望，增加了事故风险。 - 国际法规差异： 随着中国车企积极进军国际市场，如何满足不同国家和地区的法规要求，成为车企必须面对的挑战。 三、Anyverse助力车企应对安全挑战 我们不难发现， 传统的开发测试模式 已 难以满足 新规下 快速迭代与严格合规 的双重需求。 Anyverse平台优势 显得尤为重要，它以其 独特的虚拟仿真 与 合成数据技术 ，正在彻底改变 OEM 测试 和 验证驾驶员监控系统 的方式： - 模拟 数千种 车内场景（人口特征、行为、光照）。 - 实现摄像头、红外和雷达模态的 完美校准 。 - 针对 GB/T 和 C-NCAP 基准进行预验证，将物理原型需求 减少高达 80%。 通过使用 合成数据 ，即使在面对中国监管机构的严格审查时，制造商能够大胆地扩展开发、加速验证并保持安全合规性。 Anyverse 已通过提供 符合 Euro NCAP 的测试场景目录 ，帮助 OEM 和一级供应商实现 Euro NCAP 合规。这使得目标为进入欧洲市场的中国 OEM 能够 提前验证其系统 ， 利用合成数据满足最新的欧盟法规 。 Anyverse| InCabin 是一个符合 NCAP 要求的 一站式平台， 能够生成所有需要的数据，根据 C-NCAP 和 Euro NCAP 的精确测试场景验证系统。使汽车企业能够 “一次构建，全球合规” ，在加快上市时间的同时，降低验证的成本和复杂性。 四、结论 在汽车安全标准日益严苛的今天，C-NCAP新规的出台无疑为汽车行业指明了新的发展方向—— 从被动安全向主动安全全面转型。 通过与 GB/T 标准保持一致 并利用 基于物理的仿真， OEM 和供应商才可以实现遵守、超越，并提供强大、可靠的舱内 AI，进而满足中国及其他地区最严格的安全和监管基准。 因此面对技术实现难点与法规合规的双重挑战，车企亟需 创新解决方案 以提升产品安全性能并加速市场布局。

在自动驾驶时代奔涌向前的路上， 仿真测试 早已不再是可选项，而是验证智能驾驶系统安全性、鲁棒性和泛化能力的 刚需 ，如何提升仿真测试的 保真度 已成为无法避免的重要话题。 这正是“ 数字孪生 ”出现的时代背景。本文为大家详细介绍 如何用传统与前沿结合的数字孪生构建流程 ，再配合 3DGS 的神经网络重建技术 ，为自动驾驶仿真测试注入真正的“现实之眼”。 一、从点云到高精地图的重建 依托独家的 aiData工具链 与 aiSim仿真平台 ，本文建立了一套 高精度数字孪生地图构建流程 ，已经广泛应用于布达佩斯 Kolosy广场、ZalaZone测试场等真实道路还原项目。整个流程包括： （左）带有标注的HD地图、（中）装饰HD地图、（右）aiSim中渲染 1、数据采集 采用搭载激光雷达（LiDAR）、高精度GNSS/INS系统的测绘车（如康谋DATALynx ATX4）执行移动激光扫描（MLS），通过aiData Recorder进行录制，主要路线至少绘制两次，确保 厘米级空间精度。 数采车示意图 2、点云聚合 使用 aiData Annotator 将多帧点云拼接为统一的全局坐标系，结合反射率、时间戳等多通道信息形成 高密度、低误差 的空间点集。 Tips： 详细数据采集精度和点云数据格式可联系康谋技术团队获取，可接受第三方数据，但建议在采集前与我们技术团队沟通优化策略。 3、高精地图建模 基于 聚合点云 手工标注道路元素：车道线、交通标志、人行道、护栏、红绿灯等。输出为GeoPackage格式的HD Map，用于自动驾驶系统参考。 ZalaZone试验场 LiDAR点云建模 ZalaZone试验场卫星参考图像 4、三维建模与装饰 借助 Atlas程序化建模引擎 ，生成道路、地形等基础结构，再通过aiSim Unreal插件手工装饰建筑、植被、街景设施，最大程度复现现实细节。为了获取最大精度，康谋将会采用 DCC工具 ，例如Maya、Blender、Substance等工具利用可用数据构建新模型； 二、颠覆性革新：NeRF 与 3DGS 重建 传统方式 固然精准，但 高成本、高周期、强人工依赖 ，难以支撑大规模、快速迭代的测试需求。 本文分享的 神经网络重建方案 ，则以 NeRF+ 3DGS 为核心技术，实现了从真实环境到仿真世界的跃迁： 1、仅需数日，完成街景重建 相比传统数月的手动建模，神经网络重建 只需几天时间 ，就能将采集到的图像和点云数据自动生成高保真的三维静态场景。 在aiSim中重建Waymo场景 2、进一步消除 Domain gap，场景逼真如实地拍摄 通过 DEVIANT算法 验证3D目标检测精度、Mask2Former测量像素一致性等方式，验证了神经重建场景在多摄像头视角下的 高可用性 与 仿真一致性 。 请查看最新发表的论文“Hybrid Rendering for Multimodal Autonomous Driving: Merging Neural and Physics-Based Simulation” 3、降本增效，拒绝重复建模 方案致力于告别繁复的建模软件与人工建模流程，实现 端到端自动化构建 ，大幅降低人力与制作成本。 4、场景增强与标准兼容 在生成的三维场景中，可 灵活添加动态对象 （车辆、行人、信号灯等），并 全面兼容OpenSCENARIO 标准，适配多种自动驾驶测试平台。 三、重建工作流：从采集到仿真部署 神经网络重建方案遵循高度自动化流程： 流程图 （1）数据采集： 使用DATALynx ATX4记录图像、LiDAR点云和自车位姿；推荐配置包括Hesai Pandar64、环视非鱼眼摄像头和NovAtel高精度组合导航系统。 （2）数据转换： 将原始数据转化为康谋格式，统一处理点云、图像和标定信息。 （3）自动标注： 利用aiData工具链去除动态目标、生成GT数据，实现非因果式追踪。 环视系统自动标注 （4）神经网络训练： 使用NeRF/3DGS算法生成高精度三维场景。 （5）仿真部署与增强： 在aiSim仿真平台中集成重建场景，配置不同环境（暴雨、夜晚、雪天）、多模态传感器（摄像头、LiDAR、毫米波雷达等）与虚拟交通流。 雨天场景 四、仿真世界，无需困于“假” 在自动驾驶技术快速发展的今天，数字孪生已从 简单的场景复制 ，进化为具备 真实物理特性的虚拟世界 。我们和众多同行们正在见证一场仿真技术的革命： （1）通过激光雷达的精准测绘确保厘米级精度 （2）借助3DGS/NeRF实现场景的智能重建 （3）融合传统与创新的技术优势 康谋致力于将 传统构建流程 与 前沿神经网络重建技术 相融合，用速度、真实与自动化重塑自动驾驶仿真测试的范式。

在自动驾驶快速从L2向L3、L4级别发展， 微秒级 甚至 纳秒级精度 的时间同步已成为系统性能的核心指标之一。 多传感器融合场景 下，激光雷达、摄像头、毫米波雷达等设备的时空对齐依赖 统一的时间基准 ；而在复杂工业环境中， 电磁干扰 、 时钟源故障 等风险对时间同步的可靠性提出了更高要求。 本文分享 PSB （Platform Sync Board）与 QX550 组合方案，基于 硬件级时间同步架构 与 冗余设计 ，为上述挑战提供了系统性解决方案。本文将具体介绍方案架构和应用实例。 一、PSB+QX550方案架构 PSB+QX550 方案中， QX550 作为 PCIe 3.0 x8 网络卡，搭载 双 Intel X550-AT2 控制器，提供 4 个 10Gbase-T 接口，支持 IEEE 1588v2（PTP）和 802.1AS-2020（gPTP）协议。配套的 PSB 模块 则通过 Intel i210IT 芯片、u-blox GPS 模块及PPS（脉冲每秒）接口，实现 硬件级时间戳同步 与 多源时间校准 。 两者通过 OCuLink 线缆实现数据与时钟信号的低延迟传输，结合 XTSS （eXtended Time Synchronization Service）软件套件，构建了 “ 高精度同步 + 多源冗余 + 失效容错 ” 的完整技术链路。 图1：PSB+QX550 二、核心技术特性 1、多传感器融合时间对齐：硬同步与全域协同 PSB+QX550 方案通过XTSS 服务实现 跨设备的亚微秒级时间同步 ，其核心由 CTSS（Cluster Time Synchronization Service）和 PTSS（Platform Time Synchronization Service）组成： （1）PTSS 平台同步： 利用硬件时间戳技术，同步同一设备内的多个以太网接口（如 QX550 的 4 个 10G 接口），确保多传感器数据采集时戳与系统时钟的一致性。例如，在自动驾驶测试中，可实现激光雷达点云数据与摄像头视频流的时间对齐，消除传感器间的时序偏差。 图2：PTSS平台同步 （2）CTSS 集群同步： 通过 (g)PTP 协议实现跨设备集群同步，支持主从模式下的时间分发。QX550 Master 通过 PPS 同步线缆连接最多 3 个 Slave 设备（如其他 QX550 或第三方 XTSS 兼容设备），形成 星型同步网络 ，满足分布式传感器阵列的全局时间统一需求。 图3：CTSS集群同步 2、复杂环境下时间源可靠性：多源冗余抗干扰 PSB 模块 通过 多元化时间源配置 ，提升复杂环境下的同步可靠性： （1）GPS 与外部时钟冗余： 内置 u-blox GPS 模块支持 NMEA 协议，通过 GPS antenna (端口4) 接口接收卫星信号，提供 UTC 时间基准；同时SER/PPS（端口2）支持外部 PPS 信号输入（如惯导或其他 grandmaster 时钟），通过 隔离设计 ，抵抗工业环境中的电磁干扰。 图4：PSB多源时间同步配置 （2）时钟源无中断切换机制： 当 GPS 信号失效时，系统作为从时钟仍同步至网络主时钟；若设备因此成为主时钟，则自动切换至内部振荡器（基于 QX550 硬件计数器），并通过‘ Local Oscillator Hot Standby ’维持最后已知的有效时间基准，避免主从切换导致的同步中断。 3、时间同步的失效容错：静态配置与动态监测 方案通过 多重容错机制 保障系统鲁棒性： （1）静态端口状态配置： 通过 XTSS Configurator 设置接口的固定端口状态（Master/Slave/Disabled）， 强制指定主时钟节点 ，避免因 BMCA（最佳主时钟算法）协商失败导致的同步失效。例如，在关键工业场景（如自动驾驶数据采集）中，可锁定某一 QX550 为永久 Master，防止因网络波动导致的主从切换。 （2）时间偏差阈值监测（偏差矫正）： XTSS 实时监测本地时钟与主时钟的偏差，当超过预设阈值（如 1000ns）时， 标记状态并自动重新同步 。结合 “Force AS capable” 功能，即使路径延迟测量失效，仍强制发送同步消息，确保紧急情况下的最小同步精度。 图5：GPS时间源下偏差矫正示意图 （3）多域隔离机制： 支持最多 10 个 PTP 域并行运行，不同域的时间同步 相互独立 。例如，可将安全关键型传感器与非关键设备划分至不同域，避免单一域的故障影响全局系统。 三、应用案例 在自动驾驶数据采集过程中，常采用 惯导（RTK） 作为授时源并输出自车姿态数据。此外，惯导数据应与各传感器（相机、激光雷达等）数据时间戳对齐。这时就需要在数据采集平台上有这么一个模块，完成 各个传感器时域统一 。 以 华测惯导CGI430 为例，它支持 PPS+GPRMC 方式完成授时，与PSB+QX550模块链接，进而完成整个系统的时间同步。 图6：惯导授时 四、总结 随着大家普遍认同硬件时间戳的不可替代性以及多源冗余架构的必要性，目前自动驾驶时间同步技术发展趋势已经从“ 是否需要同步 ” 转向 “ 如何在复杂场景下实现稳定同步 ”，更聚焦于时间同步是否满足“ 高精度、高可靠、易集成 ”。 对于工程师而言，方案的可实施性和故障容错能力是关键。比如PSB+QX550采用 即插即用 的设计，可以有效的应用到不同测试方案中实现系统时间同步。基于偏差矫正的能力，可以 避免时钟源偏差 。 未来，随着 5G-A 和车路协同的普及，时间同步将从 “ 车载刚需 ” 延伸至 “ 全域协同 ”，推动行业向纳秒级精度迈进。

PT100温度传感器凭借其高精度（±0.1℃级）和宽温域（-200℃~850℃）特性，广泛应用于以下核心场景： ‌一、工业过程控制‌ 1、‌化工与石油‌ l监测反应釜温度（-200℃~850℃），通过PID算法调控加热/冷却系统，提升化学反应效率与**性。 l原油输送管道中采用浸入式铠装设计（316L不锈钢套管），实现-50℃~300℃范围的黏度与温度联动控制。 2、‌电力设备‌ l监测变压器绕组表面温度（≤180℃），结合光纤绝缘层预防热老化故障。 l发电机冷却系统入口/出口温差监测（ΔT≤5℃），优化散热效率。 3、‌冶金与制造‌ l高温炉窑（如1200℃热处理炉）内温度闭环控制，保障金属材料性能一致性。 ‌二、医疗与生命科学 ‌ 1、‌医疗设备‌ l血液透析机中精准控制透析液温度（35℃~42℃），维持红细胞存活率90%。 lPCR扩增仪实现0.1℃级变温控制，缩短核酸检测周期至30分钟以内。 2、‌生物样本管理‌ 超低温冰箱（-80℃）及液氮罐（-200℃）内温度监测，保障疫苗、细胞等活性。 ‌三、冷链物流与食品加工‌ 1、‌冷链运输‌ l实时监测疫苗/药品运输环境温度，确保符合2℃~8℃冷链标准。 l冷库内多点分布式测温（-25℃~15℃），防止食品变质。 2、‌食品生产‌ l巴氏**线控温（72℃~75℃），微生物灭活率99.9%。 l发酵工艺中温度波动控制（±0.5℃），提升产品一致性。 ‌四、环境与能源管理‌ 1、‌建筑节能‌ lHVAC系统中监测供水管网温度（50℃~120℃），结合分时电价优化热泵能耗，节能达15%。 l数据中心机柜进/出风口温度动态调节（20℃~40℃），实现PUE值≤1.218。 2、‌可再生能源‌ l光伏逆变器IGBT模块结温监测（100℃~150℃），结合液冷系统提升功率密度30%。 l地热井深部测温（150℃~300℃），通过铠装电缆（耐压10MPa）优化钻井参数。 ‌五、科研与特殊场景‌ 1、‌实验室应用‌ l超导材料实验中-200℃低温监测，保障实验数据准确性。 l材料热处理过程温度曲线记录（±0.1℃），优化工艺参数。 2、‌航空航天‌ l航空发动机涡轮叶片温度监测（≤1000℃），指导冷却气流分配策略。 l火箭推进剂储罐低温监测（-253℃液氢环境）。 ‌六、其他领域‌ l‌文物保存‌：博物馆档案室恒温控制（18℃~22℃），防止纸张脆化。 l‌新能源汽车‌：电池管理系统（BMS）中电芯温度监测，预防热失控。 l‌建材干燥‌：混凝土固化过程温度梯度监测（0℃~60℃），优化施工周期。 通过三线制接线（长距离抗干扰）或微型探头设计（Φ3mm），PT100适配不同场景需求。选型时需结合防护等级（如IP68）、响应时间（3秒）及信号传输协议（4-20mA/RS485）综合评估。

PT100温度传感器是一种基于铂（Pt）电阻特性的温度测量器件，广泛应用于工业、医疗和科研领域。以下是其核心特性与应用解析： ‌1.定义与原理‌ ‌基本特性‌： PT100在0℃时基准阻值为100Ω，其阻值随温度升高近似线性增长（100℃时约138.5Ω），遵循公式‌R=Ro(1+αT)‌（Ro为0℃阻值，α为温度系数）。 ‌工作原理‌： 通过铂电阻的阻值变化反映温度，测温范围覆盖‌-200℃至+850℃‌，精度可达A级（±0.15℃）或B级（±0.30℃）。 2 .结构与接线 ‌ ‌构造设计‌： 传感器由铂电阻元件、保护套管（耐高温陶瓷或金属）及信号转换器组成，支持嵌入狭窄空间（如电机定子槽）。 ‌接线方式‌： ‌三线制‌：通过补偿导线消除电阻误差，适合长距离传输（如500米以上场景）； ‌两线制‌：适用于短距离简易测温，但需承受导线电阻误差。 3 .应用场景‌ ‌工业控制‌： 监测电机绕组、齿轮箱轴承温度（-40℃~300℃），精度优于热电偶的低温段表现。 ‌电力设备‌： 用于断路器触头温升监测，搭配数字化控制器实现过载保护。 ‌医疗与科研‌： 高精度实验室设备、低温实验（如-200℃超低温测量）。 4 .对比优势‌ ‌精度‌：±0.1℃级温升检测能力，远超热敏电阻（±1℃~2℃）； ‌环境适应性‌：耐高压、抗振动，适合恶劣工业环境； ‌接口兼容性‌：支持4-20mA、RS485、I²C协议，直接对接PLC/DCS系统。 5 .注意事项‌ ‌信号处理‌：需配合电桥电路或专用模块（如带ADC的单片机）进行阻值-温度转换； ‌校准维护‌：定期检测阻值漂移（如开路/短路报警功能）提升系统可靠性。 PT100凭借高精度与稳定性，在温度敏感场景中占据核心地位，选型时需根据测量范围、环境干扰和接口需求综合评估。