激光雷達行業(yè)深度研究-市場空間、技術路線及產(chǎn)業(yè)鏈拆解1感知層傳感器助力智能駕駛，激光雷達迎量產(chǎn)元年政策呵護汽車智能駕駛穩(wěn)健發(fā)展，指引智能網(wǎng)聯(lián)汽車持續(xù)滲透政策端，國家政策支持并呵護汽車智能駕駛穩(wěn)健發(fā)展，指引2025年L2、L3級智能網(wǎng)聯(lián)汽車滲透率超50%。梳理我國智能駕駛重要政策，2020年3月，《汽車駕駛自動化分級》發(fā)布，規(guī)定汽車駕駛自動化功能的分級標準，將駕駛自動化分成0-5級。2020年11月，《智能網(wǎng)聯(lián)汽車技術路選圖2.0》發(fā)布，提出智能網(wǎng)聯(lián)汽車滲透率持續(xù)增加，2025年PA（L2）、CA（L3）級滲透率超50%、HA（L4）級開始進入市場；2030年PA（L2）、CA（L3）級滲透率超70%、HA（L4）級占比達20%，乘用車典型應用場景包括城郊道路、高速公路以及覆蓋全國主要城市的城市道路；2035年，F(xiàn)A（L5）級自動駕駛乘用車開始應用。2021年8月，《關于加強智能網(wǎng)聯(lián)汽車生產(chǎn)企業(yè)及產(chǎn)品準入管理的意見》發(fā)布，提出加強智能網(wǎng)聯(lián)汽車數(shù)據(jù)安全、網(wǎng)絡安全、軟件升級、功能安全和預期功能安全管理，保證產(chǎn)品質量和生產(chǎn)一致性，推動智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)高質量發(fā)展，從政策層面客戶汽車智能化有序健康發(fā)展。從L2到L3，智能駕駛躍升，需要感知層傳感器提供關鍵支撐車輛自動駕駛級別主要參照0-5級分類。目前全球公認的汽車自動駕駛技術分級標準主要有兩個，分別是由美國高速公路安全管理局（NHTSA）和國際自動機工程師學會（SAE）提出。中國于2020年參考SAE的0-5級的分級框架發(fā)布了中國版《汽車駕駛自動化分級》，并結合中國當前實際情況進行了部分調(diào)整，大體上也將自動駕駛分為0-5級。L3級別是汽車自動化道路的一次躍升。從法規(guī)和技術兩個維度來看，L3級別自動駕駛都是汽車自動化道路上將的一大躍升。從法規(guī)來看，SAE和中國

《汽車自動化分級》規(guī)定L0-L2級別均是人類主導駕駛，車輛只做輔助，L0、L1和L2之間的差異主要在于搭載的ADAS功能的多少，而L3開始，人類在駕駛操作中的作用快速下降，車輛自動駕駛系統(tǒng)在條件許可下可以完成所有駕駛操作（作用不亞于駕駛員），駕駛員在系統(tǒng)失效或者超過設計運行條件時對故障汽車進行接管；從技術來看，L0-L2主要運用的傳感器有攝像頭、超聲波雷達和毫米波雷達，L3及之后原有傳感器配套數(shù)量上升，同時高成本的激光雷達方案將難以避開。我們拆解未來的智能駕駛產(chǎn)業(yè)鏈，將從云-管-端三大層面帶來全產(chǎn)業(yè)鏈機遇。智能駕駛將汽車的駕駛能力逐步由人轉移到汽車，包括感知、決策和執(zhí)行三大核心環(huán)節(jié)。其中，感知環(huán)節(jié)相當于人的眼睛和耳朵，通過車載攝像頭、激光雷達、毫米波達等傳感器完成對環(huán)境及車輛的感知、搜集周圍環(huán)境數(shù)據(jù)并將其傳輸?shù)經(jīng)Q策層；決策環(huán)節(jié)相當于人的大腦，通過操作系統(tǒng)、芯片與計算平臺等對接收到的數(shù)據(jù)進行實時處理并輸出相應的操作與指令任務；執(zhí)行端相當于人的四肢，將接收到的操作指令執(zhí)行到動力供給、方向控制、車燈控制等車輛終端部分。感知層為智能駕駛的先決條件，其獲取的數(shù)據(jù)將直接影響決策層的判斷與執(zhí)行層的操作，其探測精度、廣度與速度直接影響自動駕駛的行駛安全，在自動駕駛中的地位至關重要。本篇激光雷達深度報告從“端”的層面對感知層的細分核心決策部件進行分析。車企加碼布局智能駕駛，激光雷達市場空間廣闊車企端，我們對搭載激光雷達的電動智能車型進行梳理。可以發(fā)現(xiàn)以下特征：

1）分品牌看，新勢力為智能駕駛排頭兵，自主品牌對智能駕駛的布局節(jié)奏快于合資、外資品牌，價格更低。新勢力和自主品牌搭載激光雷達的電動智能車型的價格帶位于15-40萬元之間，相比之下外資品牌豐田Mirai、奔馳S級等車型的起售價均在50萬元以上。2）從重磅車型的傳感器配置數(shù)量看，激光雷達數(shù)量變多。新勢力中，

ET7搭載1個Innovusion超遠距離高精度激光雷達，小鵬P5和G9均配置2個激光雷達，威馬M7配有3個速騰聚創(chuàng)第二代MEMS激光雷達。自主品牌中，長城沙龍機甲龍配置4個華為96線混合固態(tài)激光雷達，吉利路特斯Type132配置4個激光雷達，北汽極狐阿爾法S華為HI版配置3個華為微轉鏡式半固態(tài)激光雷達。展望未來，隨著激光雷達在乘用車市場的持續(xù)滲透，預計2025年全球及國內(nèi)乘用車市場激光雷達市場規(guī)模分別為541、241億元，CAGR分別為126%、109%。激光雷達價格伴隨著技術方案朝半固態(tài)及純固態(tài)的推進將有望持續(xù)下降，由2021年的1500美元/顆降至2025年的400美元/顆，激光雷達市場空間的打開將由市場需求量的激增持續(xù)推動。從需求量及滲透率角度看，預計全球乘用車市場激光雷達需求量將由2021年的22萬顆快速提升至2025年的2134萬顆，對應全球乘用車市場激光雷達滲透率由2021年的0.2%增至2025年的14.4%；國內(nèi)乘用車市場激光雷達需求量預計由2021年的13萬顆增至2025年的948萬顆，對應國內(nèi)乘用車市場激光雷達滲透率由2021年的0.2%增至2025年的14.7%。從市場規(guī)模角度看，預計全球乘用車激光雷達市場規(guī)模將由2021年的21億元增至2025年的541億元，CAGR為126%；預計國內(nèi)乘用車激光雷達市場規(guī)模將由2021年的13億元增至2025年的241億元，CAGR為109%。2激光雷達是實現(xiàn)高級別智能駕駛的核心傳感器激光雷達對于實現(xiàn)高級別智能駕駛的必要性智能傳感器是智能駕駛車輛的“眼睛”，目前應用于環(huán)境感知的主流傳感器產(chǎn)品主要包括攝像頭、毫米波雷達、超聲波雷達和激光雷達四類?？傮w來看，攝像頭在逆光或光影復雜的情況下視覺效果較差，毫米波雷達對靜態(tài)物體識別效果差，超聲波雷達測量距離有限且易受惡劣天氣的影響，因此單獨依靠攝像頭或毫米波雷達的方案去實現(xiàn)智能駕駛是存在缺陷的，而激光雷達可探測多數(shù)物體（含靜態(tài)物體）、探測距離相對更長（0-300米）、精度高（5cm），且可構建環(huán)境3D模型、實時性好，因而成為推進智能駕駛到L3級及以上的核心傳感器，成本500-2000美元（約人民幣2000-13000元之間），高昂的成本也成為制約其大規(guī)模應用的原因之一。攝像頭：ADAS系統(tǒng)的主要視覺傳感器，最為成熟的車載傳感器之一攝像頭工作原理是目標物體通過是鏡頭把光線聚攏，然后通過IR濾光片把不需要的紅外光濾掉，此時模擬信號進入到傳感器COMS芯片，通過AD數(shù)字輸出，有的攝像頭會放置ISP圖像處理芯片，把處理后的信號傳輸給到主機。其主要硬件組件包含鏡頭組（LENS）、圖像COMS傳感芯片、線路板基板。按照安裝部位的不同，攝像頭主要分為前視、后視、側視以及內(nèi)置攝像頭，以此來實現(xiàn)LDW、FCW、LKA、PA、AVM等功能。實現(xiàn)自動駕駛時全套ADAS功能將安裝6個以上攝像頭，前視攝像頭因需要復雜的算法和芯片，單價在1500元左右，后視、側視以及內(nèi)置攝像頭單價在200元左右，ADAS的普及應用為車載攝像頭傳感器帶來巨大的發(fā)展空間。優(yōu)缺點來看，攝像頭分辨率高、可以探測到物體的質地與顏色，采集信息豐富，包含最接近人類視覺的語義信息。其缺點主要是攝像頭受光照、環(huán)境影響十分大，在黑夜、雨雪、大霧等能見度較低的情況下，識別率大幅降低，且由于缺乏深度信息、因而三維立體空間感不強，因此攝像頭獲取的圖像信息將主要負責交通標志識別等領域，作為激光雷達和毫米波雷達的補充.毫米波雷達：ADAS系統(tǒng)核心傳感器毫米波雷達是工作在毫米波波段探測的雷達，毫米波頻率通常在30-300GHz、波長為1-10nm。車載毫米波雷達通過天線向外發(fā)射毫米波，接收目標反射信號，經(jīng)后方處理后快速準確地獲取汽車車身周圍的物理環(huán)境信息，然后根據(jù)所探知的物體信息進行目標追蹤和識別分類，進而結合車身動態(tài)信息進行數(shù)據(jù)融合，最終通過（ECU）進行智能處理。分類來看，車載毫米波雷達工作的頻段為24GHz和77GHz，其中24GHz雷達通常用于感知車輛周圍的障礙物，安裝在車輛的后保險杠內(nèi)，能實現(xiàn)的ADAS功能為BSD盲點監(jiān)測、LDW車道偏離預警、LKA車道保持輔助、PA泊車輔助、LCA變道輔助等；77GHz雷達波長更短、尺寸更小，最大探測距離可達到160米以上，常安裝于前保險杠上，用于實現(xiàn)AEB自動緊急制動、FCW前向碰撞預警、ACC自適應巡航、高速公路跟車等ADAS功能。目前77GHz的毫米波雷達系統(tǒng)單價在1000元左右，24GHz毫米波雷達單價在500元左右。完全實現(xiàn)ADAS各項功能一般需要5個毫米波雷達（“1長+4中短”），以奧迪A8為例，其搭載了5個毫米波雷達，其中4個為中距離雷達，位于車輛的四角，1個為長距離雷達，位于前方。優(yōu)缺點來看，毫米波雷達的優(yōu)勢在于體積小、質量輕和空間分辨率高，可以同時探測目標物體的距離和速度，相比攝像頭不受惡劣天氣影響，被廣泛應用在ADAS系統(tǒng)之中，但是存在對橫向目標敏感度低、對小物體檢測效果不佳等缺點。超聲波雷達：常應用于倒車輔助超聲波雷達是通過發(fā)射并接收40kHz的超聲波，根據(jù)時間差算出障礙物距離，其測距精度大約為1-3cm。常見的超聲波雷達可以分為UPA（超聲波駐車輔助傳感器）和APA（自動泊車輔助傳感器）。其中UPA一般安裝在汽車的保險杠，用于測量汽車前后障礙物，探測距離一般在15-250cm；APA安裝于汽車側面，用于測量側方障礙物的距離，探測距離一般在30-500cm，相比UPA成本更高、功率更大。通常一套倒車雷達系統(tǒng)需要4個UPA，自動泊車雷達系統(tǒng)需要在倒車雷達的基礎上再加4個UPA和4個APA?？傮w來看，超聲波雷達測距原理簡單，成本低，制作方便，短距離測量中具有優(yōu)勢，探測范圍在0-3米之間，但其傳輸速度受天氣影響較大，不能精確測距，主要用于泊車系統(tǒng)、輔助剎車等。激光雷達：實現(xiàn)L3級自動駕駛的關鍵激光雷達，是以發(fā)射激光束探測目標的位置、速度等特征量的雷達系統(tǒng)。其工作原理是通過發(fā)射和接收激光束的時間差，進行探測和測距。激光雷達在自動駕駛中的核心特征可以概括為三維環(huán)境感知、高分辨率、抗干擾能力。三維環(huán)境感知方面，激光雷達在短時間內(nèi)向周圍環(huán)境發(fā)射大量的激光束，不僅可以通過測量激光信號的時間差來確定物體距離，還可以通過水平旋轉掃描或者向空掃描角度，以及獲取不同俯仰角度的信號，來獲得被測物體的精確三維信息。高分辨率方面，激光雷達的角分辨率不低于0.1mard，也就是說可以分辨3000米距離上相距0.3米的兩個目標；可以同時追蹤多個目標，距離分辨率可以達到0.1mard，速度分辨率達到10m/s以內(nèi)，由于激光頻率高，波長短，所以可以獲得極高的角度、距離和速度分辨率，如此高的速度和距離分辨率意味著激光雷達可以利用距離多普勒成像技術獲得非常清晰的圖像?？垢蓴_能力方面，與微波毫米波雷達雷達易受自然界廣泛存在的電磁波影響的情況不同，自然界中能對激光雷達起干擾作用的信號源不多，因此激光雷達抗有源干擾的能力很強，可全天候工作.優(yōu)缺點來看，由于激光雷達中激光束的發(fā)射頻率一般每秒幾萬個脈沖以上，相比傳統(tǒng)微波雷達高了很多，因而存在分辨率高、精度高（厘米級）、探測距離長的優(yōu)勢，此外抗干擾能力相比電磁波更強，由于生成目標的多維頭像，因而獲取的信息量更豐富，且不受目標物體運動狀態(tài)的影響。但受雨雪、霧霾天氣影響穿透性變差、測量精度會下降，且難以分辨交通標識和紅綠燈，高昂的成本也成為制約激光雷達大規(guī)模量產(chǎn)的關鍵因素。智能化時代，多傳感器融合是未來趨勢。不同傳感器的原理和功能各不相同，在不同的場景里發(fā)揮各自的優(yōu)勢，難以相互替代。單種傳感器特性突出，均不能形成完全信息覆蓋，多傳感器融合是未來發(fā)展必然趨勢。未來的可以視為“移動的傳感器平臺”，將裝備有大量的傳感器。并且隨著智能駕駛從L2到L3級及以上不斷推進，激光雷達憑借其精度高、探測距離長、可3D環(huán)境建模的特性，重要性越發(fā)凸顯。如何看智能駕駛之純視覺方案與激光雷達方案之爭？自動駕駛感知領域技術路線，目前主要形成兩大陣營：以為代表的“以攝像頭為主的視覺感知”解決方案和以Waymo為代表的“3D激光雷達感知”

解決方案.“以攝像頭為主的視覺感知”解決方案主要包含信息采集、特征提取、訓練學習、評估、反饋改進五大步驟，通過數(shù)據(jù)+算法+反饋不斷垂直整合，完善自動駕駛能力。1）信息采集：特斯拉中主要通過大量的傳感器（如前置攝像頭、后置攝像頭、超聲波雷達、毫米波雷達）進行信息收集；2）特征提?。和ㄟ^汽車內(nèi)外置的大量傳感器收集大量信息之后，特斯拉使用神經(jīng)網(wǎng)絡的深度學習算法來進行特征提取。特斯拉需要同時判斷車輛、人行道、交通燈、障礙物、行人、駕駛員、溫度、濕度等多個環(huán)境變量的相互關系，因此算力系統(tǒng)必須超強，同時運行多個神經(jīng)網(wǎng)絡（約50個）才能工作。因此采用一種特殊的共享主干神經(jīng)網(wǎng)絡結構HydraNets進行處理，首先把所有的運算任務都分配給到一個大型的共享骨干網(wǎng)絡，在骨干網(wǎng)絡中又細分多個子網(wǎng)絡，把運算任務分配給子網(wǎng)絡進行處理，每個子網(wǎng)絡只需要學習訓練一小部分圖像信息、提取特征，處理完了之后匯總給到主干網(wǎng)絡再計算處理；3）訓練學習：

特斯拉使用PyTorch進行分布式訓練，除了使用大量的數(shù)據(jù)進行訓練分析之外，還進行預測處理。特斯拉使用PyTorch進行分布式訓練，不斷訓練系統(tǒng)對于行人、路徑、周邊環(huán)境的判斷能力，提供多種路徑規(guī)劃算法供工程師進行選擇；

4）評估與反饋：通過駕駛系統(tǒng)提供