北理工巴哈夺冠，睿创微纳车载红外热成像补上感知关键拼图

2026年8月30日，中国汽车工程学会巴哈大赛·桐乡站精彩收官，86所院校122支车队同场竞技，智能巴哈首次正式参赛——所谓智能巴哈，就是非结构化道路下的无人驾驶赛车，依托多传感器融合在复杂越野场景中自主完成感知、决策与控制。最终，北京理工大学夺得智能组冠军。

很少有人注意到，北京理工大学和哈尔滨工业大学的智能无人越野车上，除了激光雷达和摄像头，都搭载着一套容易被忽略的传感器——睿创汽车电子的车载红外热成像系统。

（搭载睿创微纳车载红外热成像系统）

为什么可见光和激光雷达已经普及，无人越野车还需要红外？答案藏在越野场景严苛的感知挑战里。

当赛车驶入扬尘和泥泞，“看得见”才能“跑得快”。

01.无人越野的感知盲区，远比想象中大

城市道路的感知对象是红绿灯、车辆、行人，而无人越野场景的感知难度是另一个量级。

扬尘糊住可见光——车轮卷起的扬尘数秒内遮蔽视线，可见光被散射吸收，激光雷达也会因悬浮颗粒产生虚假点云。

污泥覆盖是常态——泥地赛道后传感器几乎必然被污泥覆盖，可见光镜头直接失明，激光雷达窗口污染导致点云质量骤降，而比赛中不可能每圈清洁。

地形复杂目标多变——土坡、深坑、石块、积水坑在可见光中与背景对比度低，算法很难区分可通过的土坡和会托底的巨石。

三个挑战叠加，仅靠可见光和激光雷达，在越野场景存在明显的感知缺口。

02.车载红外热成像：感知的不是光，而是热

可见光摄像头捕捉物体反射的环境光，红外热成像捕捉物体自身发出的热辐射——一切温度高于绝对零度（-273.15 ℃）的物体都在辐射红外线，辐射强度与温度直接相关。

这个原理差异带来三个关键优势：

被动成像，不依赖光照。正午强光或深夜无光都能稳定成像，感知能力不因光线影响打折。

“穿透”扬尘和大雾。红外波长更长，遇悬浮颗粒物散射更弱，当可见光已经失明时，红外仍能保持画面清晰。

基于温差识别，不受颜色纹理影响。被晒过的岩石比土壤热、积水坑比地面冷，红外通过温差把目标从背景中提取出来，与可见光形成天然互补。

同样的场景，左：可见光在扬尘中识别受限；右：红外热成像仍能清晰区分目标与背景。

03污泥难挡热辐射，红外热成像的越野优势

污泥覆盖是越野场景关键的感知挑战，而恰恰在这一点上，红外展现出独特优势。

可见光镜头被污泥覆盖后，光线被遮挡，画面大面积模糊甚至黑屏；激光雷达的发射窗和接收窗被污染后，点云密度和测距精度急剧下降。

红外热成像则不同，它受污泥影响相对较小。今年6月，我们在苏州对Horus 640-D车规级红外热成像系统做过一组镜头污泥覆盖测试，模拟巴哈赛场的实际工况：

测试结果表明：镜头被局部覆盖时，红外热成像系统仍能输出有效热图像，保持目标辨识能力；完全覆盖时，成像效果明显下降。这与可见光摄像头形成差异——后者一旦被污泥覆盖，画面基本归零。

原因在于成像原理。摄像头依赖可见光，镜头被遮挡就等于"看不见"；红外热成像靠的是目标自身的热辐射，镜头前只要还有未被遮挡的区域，热源就会在画面中保持可辨识。

巴哈赛场上的实际情况，多数时候镜头是被"部分覆盖"——飞尘、泥点溅到镜头表面，而非整块糊死。这正是红外仍能保持输出的工况区间。

04.从赛场到量产，红外正成为无人越野的标配

巴哈智能组本质上是技术验证场，极端环境下的测试结果最终会反哺量产车技术路线。

对智能越野车来说，红外的意义不仅是泥泞中看得清，更是在全天气、全地形、全工况下提供一条与可见光、激光雷达物理原理不同的独立感知通道。这种多物理域感知冗余，正是高阶自动驾驶安全性的核心保障。

无人区穿越、救灾现场、边境巡逻——扬尘、污泥、浓雾、夜晚同时出现，环境可能比巴哈赛道更恶劣。此时仅有可见光和激光雷达存在系统性风险，红外提供的额外感知维度可能就是任务能否完成的关键。

睿创汽车电子依托在红外探测器芯片领域的核心积累，正将高性能车载红外热成像从工业领域带入车载量产市场。北理工车队在巴哈大赛中的应用，既是产品性能的实战验证，也是红外技术在智能越野领域落地的缩影。

而这份落地，已经跑出了加速度。

目前，睿创汽车电子的车载红外热成像系统已广泛应用于比亚迪、吉利、长城汽车、博雷顿、卡尔动力等超过25家车企，赋能30余款车型及船型。从赛场上的极限验证，到量产车上的规模化搭载，红外热成像正在从“越野特装”走向“智能标配”。

从赛场验证到量产落地，红外热成像正在成为智能越野感知体系的重要一环。

标签：