EMS:汽車自動駕駛產業鏈之激光雷達行業深度報告_OPAEMS幣

激光雷達：三維點云建模構建傳感基石

路徑之爭：激光雷達為什么是L4自動駕駛不可或缺傳感器？

自動駕駛的環境監測傳感器主要包括攝像頭和雷達兩類：1）攝像頭通過圖像識別技術實現距離測量、目標識別等功能；2）雷達利用發射波和反射波之間的時間差、相位差獲得目標物體的位置和速度等數據，按所使用的不同類型的波，雷達可以分為毫米波雷達、激光雷達、超聲波雷達三類。

攝像頭方面，按視野覆蓋位置可分為前視、環視及內視攝像頭，其中前視攝像頭最為關鍵，可以實現車道偏離警示系統、前向碰撞預警系統、行人識別警示等功能。前視攝像頭又有單目攝像頭、雙目攝像頭，乃至多目攝像頭等不同的解決方案。雖然雙目或多目攝像頭具有更高的測距精度和更廣的視角，但由于其成本較高以及對精度和計算芯片的高要求，使得其仍未能大規模量產，目前以Mobileye的單目攝像頭解決方案是市場的主流。

在雷達方面，主要分為三類：1）毫米波雷達：介于微波和紅外線之間，頻率范圍10GHz—200GHz，波長為毫米級；2）激光雷達：介于紅外線和可見光之間，頻率大致為100000GHz，波長為納米級；3）超聲波雷達：頻率高于20000Hz。根據公式：光速=波長*頻率，頻率越高，波長越短。波長越短，意味著分辨率越高；而分辨率越高，意味著在距離、速度、角度上的測量精度更高。

攝像頭、毫米波雷達、激光雷達和超聲波雷達的探測距離、分辨率、角分辨率等探測參數各異，對應于物體探測能力、識別分類能力、三維建模、抗惡劣天氣等特性優劣勢分明。

對于自動駕駛傳感器的選擇，目前市場上存在著兩種不同路徑：一種是由攝像頭主導、配合毫米波雷達等低成本元件組成，構成純視覺計算，典型代表為特斯拉、Mobileye和國內唯一自動駕駛純視覺城市道路閉環解決方案--百度ApolloLite；另一種是由激光雷達主導，配合攝像頭、毫米波雷達等元件組成，典型代表為谷歌Waymo、國內的百度Apollo、Pony.ai、文遠知行等主流自動駕駛廠商。

對于以特斯拉為代表的純視覺方案擁護者而言，商業成本是一個重要的考量因素，安裝昂貴的激光雷達會明顯提高單臺汽車的售價。特斯拉車輛標配總共有8個攝像頭，其中包含后方的一個倒車攝像頭，前方的一個三目總成件，兩側的兩個環繞攝像頭，此外還包含一個毫米波雷達，但此方案容易受光照、雨霧、遮擋等因素限制，從而使視野范圍受限。對于以主流自動駕駛廠商為代表的激光雷達擁護者，系統的安全可靠性排在首位，實現這一方向的方式就是融合各個性能的傳感器，以彌補不同類型的技術漏洞，采用激光雷達的自動駕駛廠商一般選擇在車頂配置64線激光雷達，用于障礙物和移動車輛檢測，同時在車四周環繞成本相對較低的低線束激光雷達或毫米波雷達進行視野補充

土耳其電動汽車制造商Togg與Metaco達成合作:金色財經報道，土耳其電動汽車制造商Togg宣布與數字資產托管服務提供商Metaco達成合作，旨在為土耳其和歐洲的用戶提供智能合約驅動的用例，包括代幣化車輛服務、二氧化碳足跡評估和NFT。Metaco的平臺托管在IBM Cloud上，為Togg提供加密數據、工作負載和加密密鑰控制服務。Togg此前還與Avalanche團隊Ava Labs達成戰略合作伙伴關系在Avalanche區塊鏈存儲車輛維護和零件信息，并計劃推出基于Avalanche區塊鏈的二手車市場。（Cointelegraph）[2023/1/10 11:04:49]

攝像頭擁有輕巧低成本和符合車規的特點，高分辨率高幀率意味著其能提供更豐富的環境信息，同時視頻數據也最接近人眼所感知的環境。但攝像頭的二維圖像相比三維信息更難挖掘，需要設計更強大的算法、大量數據的積累和更長期的研發投入。在L4級自動駕駛傳感器選型上，純視覺解決方案會存在精度、穩定性和視野等方面的局限性，無法滿足高級自動駕駛對于傳感器的性能要求。

與以攝像頭為主傳感器的自動駕駛方案“輕感知、重計算”相比，以激光雷達為主傳感器的自動駕駛方案最明顯的特征是“重感知、輕計算”，“堆疊激光雷達”的方案會適當降低感知數據處理環節對運算能力的要求，從而加快L4級自動駕駛汽車商業化部署進程。所以盡管目前安裝激光雷達會大幅提高傳感器方案成本，但對于安全可靠性要求極高的L4來說，激光雷達不可或缺，以成本換安全將會是一個更優的選擇。

工作原理：“發射-反饋”系統如何形成三維點云信息？

與雷達工作原理類似，激光雷達通過測量激光信號的時間差和相位差來確定距離，但其最大優勢在于能夠利用多譜勒成像技術，創建出目標清晰的3D圖像。激光雷達通過發射和接收激光束，分析激光遇到目標對象后的折返時間，計算出到目標對象的相對距離，并利用此過程中收集到的目標對象表面大量密集的點的三維坐標、反射率和紋理等信息，快速得到出被測目標的三維模型以及線、面、體等各種相關數據，建立三維點云圖，繪制出環境地圖，以達到環境感知的目的。由于光速非常快，飛行時間可能非常短，因此要求測量設備具備非常高的精度。從效果上來講，激光雷達維度越多，測量精度越高，安全性就越高。

相比于可見光、紅外線等傳統被動成像技術，激光雷達技術具有如下顯著特點：一方面，它顛覆傳統的二維投影成像模式，可采集目標表面深度信息，得到目標相對完整的空間信息，經數據處理重構目標三維表面，獲得更能反映目標幾何外形的三維圖形，同時還能獲取目標表面反射特性、運動速度等豐富的特征信息，為目標探測、識別、跟蹤等數據處理提供充分的信息支持、降低算法難度；另一方面，主動激光技術的應用，使得其具有測量分辨率高，抗干擾能力強、抗隱身能力強、穿透能力強和全天候工作的特點。

劉權：區塊鏈技術在智能網聯汽車數據安全防護中的應用:在10月21日舉辦的“智能汽車產業鏈安全與技術創新”專題論壇上，賽迪區塊鏈研究院院長、中國電子認證服務產業聯盟秘書長劉權表示，區塊鏈在我們智能網聯當中有幾件事可以做。第一，防護的場景，它現在能做生物識別，能實現這個人是他本人，防護場景一定可以用到區塊鏈。第二，授權的訪問，這個恰恰是區塊鏈的本質功能，我放一個數據的時候，這個數據自身的屬性是什么，有哪些單位和哪些個人有權限去訪問這些數據，同時它的隱私保護。（蓋世汽車資訊）[2020/10/22]

激光雷達主要包括激光發射、掃描系統、激光接收和信息處理四大系統，這四個系統相輔相成，形成傳感閉環。首先激光發射系統中激勵源周期性地驅動激光器，發射激光脈沖，激光調制器通過光束控制器控制發射激光的方向和線數，最后通過發射光學系統，將激光發射至目標物體；掃描系統負責以穩定的轉速旋轉起來，實現對所在平面的掃描，并產生實時的平面圖信息；激光接收系統中光電探測器接受目標物體反射回來的激光，產生接收信號；信息處理系統中接收信號經過放大處理和數模轉換，經由信息處理模塊計算，獲取目標表面形態、物理屬性等特性，最終建立物體模型。

激光雷達的各個環節幾乎都有不同的執行方式，單從測距這一個環節來看，就存在基于時間的飛行時間法和不基于時間的相位式等方法，不同環節的組合構成了激光雷達的近二十種分類方法。

在評價激光雷達的性能時，可以用到多個技術指標。線束、方位角、掃描幀頻、角分辨率、測量精度、探測距離、數據率是七個常用的激光雷達性能評價指標。下面以禾賽Pandar128為例進行解析。

產品體系：機械式vs固態式，未來趨勢如何？

根據結構，激光雷達分為機械式激光雷達、混合固態激光雷達和固態激光雷達。機械式激光雷達以一定的速度旋轉，在水平方向采用機械360°旋轉掃描，在垂直方向采用定向分布式搜集動態信息；混合固態激光雷達MEMS微鏡把所有的機械部件集成到單個芯片上，利用半導體工藝生產，不需要機械式旋轉電機，而是以電的方式來控制光束；固態激光雷達分為OPA固態激光雷達和Flash固態激光雷達，其中OPA技術原理與相控陣雷達類似，它由元件陣列組成，通過控制每個元件發射光的相位和振幅來控制光束，無需任何機械部件；Flash面陣式激光雷達不同于以上三種逐點掃描的模式，它利用激光器同時照亮整個場景，對場景進行光覆蓋，一次性實現全局成像。

動態 | 汽車供應商Continental推出應用程序，使用區塊鏈技術將汽車用戶信息貨幣化:汽車供應商Continental推出應用程序Earn As You Drive，該程序使用區塊鏈技術將汽車用戶信息貨幣化。[2019/8/31]

目前以Robotaxi等高級自動駕駛玩家為主的主流選手更傾向于選擇傳統的機械式產品。在自動駕駛“跨越式”的演變歷程中，機械式雷達率先發展起來，經過不斷迭代，目前機械式激光雷達的技術已經趨于成熟，同時高線束的機械式激光雷達能夠獲得更高的分辨率與測距距離，所以其目前會獲得高級自動駕駛商的青睞。

但使用傳統的機械式激光雷達，也要面臨高昂的裝車成本問題，和產品低穩定性帶來的安全風險和維護成本。目前僅有法雷奧的一款4線機械式激光雷達實現了車規級的量產搭載。對于RoboTaxi車隊來說，高昂的雷達成本在一定程度上阻礙了車隊的規模擴張；而對于L3乘用車來說，過高的激光雷達成本和潛在風險也不在主機廠可接受范圍之內。

未來固態激光雷達會代替現有的機械式激光雷達，因為固態激光雷達可以很好的解決機械式激光雷達面臨的物料成本高+量產成本高的問題。固態激光雷達的優勢在于，能夠最大程度地減少了例如電機、軸承等可動機械結構帶來磨損，同時也消除了光電器件因為機械旋轉可能造成故障，其與生俱來的特性使得雷達內部的結構布局更加合理，使整體散熱及穩定性相比于機械式激光雷達有質的飛躍。

在固態激光雷達技術路線層面，基于MEMS方式的固態激光雷達是最有希望速落地的成熟方案，OPA與Flash則是明日之星。基于OPA的固態激光雷達盡管有著掃描速度快、精度高、可控性好的優點，但其生產難度較高；而Flash雷達雖然穩定性和成本不錯，但其探測距離較近；相比之下，通過微振鏡的方式改變單個發射器的發射角度進行掃描，由此形成面陣掃描視野的MEMS激光雷達，不僅技術上更容易實現，價格也更加可控，因此被主機廠一致看好。

產業現狀：海外廠商存在先發優勢，國產勢力正逐步崛起

從產業鏈的角度來看，激光雷達所處環節積聚了大量價值，具有很強的產業附加值。激光雷達是下游導航、繪測等應用的核心部件，目前產能稀缺導致供不應求，呈現賣方市場，對下游有很強的定價權，因此該產業鏈主要附加值在于激光雷達部分，行業整體盈利空間較大。

激光雷達產業鏈中，海外廠商在上游和中游都存在著領跑的優勢，在技術和客戶群等方面都領先于國內廠商，但國內廠商近年來奮起直追，取得了許多突破性的進展，中國勢力正在逐步崛起。

近年來國家出臺了一系列政策來推動自動駕駛的發展，這也進一步推動了我國激光雷達產業的發展。截至2019年底，全國共有25個城市出臺自動駕駛測試政策；2020年2月，中國國家發展改革委牽頭發布《智能汽車創新發展戰略》，這是繼《中國制造2025》之后又一個重磅的戰略發布；2020年，國家發改委首次官方明確“新基建”七大板塊，激光雷達作為終端傳感器設備，在自動駕駛、車路協同等智能交通、智慧城市領域的作用不斷凸顯。中國政府對自動駕駛的支持，也將對全球激光雷達產業發展起到積極的推動作用。

動態 | 蘇寧金融宣布上線區塊鏈+物聯網汽車庫融平臺:據北國網消息，近日，蘇寧金融宣布正式推出區塊鏈+物聯網汽車庫融平臺。[2019/4/8]

上游情況：核心元器件海外壟斷明顯，國產自研勢力涌現

上游主要包含激光發射、激光接收、掃描系統和信息處理四大部分，這四大部分中大量的光學和電子元器件，構成了激光雷達的基礎。其中，激光發射部分包含了激光器和發射光學系統，激光接收部分包含了接收光學系統和光電探測器，激光掃描部分除了傳統旋轉電機和掃描鏡，核心是MEMS微鏡，信息處理部分主要包含放大器、數模轉換器以及軟件算法。上游的核心元器件廠商，無論是光學元器件和電子元器件，涉及精密儀器、芯片的加工和制造，目前基本被國外大的廠家所壟斷。

2017年及以前，國內廠商在上游核心元器件的技術尚未發展起來，與之相關的專利技術申請數量極少。截至2017年，全球一共申請了3萬多項與汽車激光雷達有關的專利，其中與激光雷達產品本身直接相關的專利近7000項，這些專利由2000多名申請實體提交。這些專利主要集中在邊緣發射激光器、發光二極管LED、垂直腔面發射激光器、雪崩光電二極管和單光子雪崩二極管、Flash面陣式激光雷達和固態激光雷達五大領域；幾乎所有的國際零部件廠商、主機廠、初創企業都在大量囤積激光雷達的相關專利，鞏固自身優勢，但根據一家德國咨詢機構統計，中國初創企業相關專利數量非常少。

但近年來國內廠商也通過自研在上游核心元器件領域取得了突破性進展，如掃描系統、激光器和光源接收器等領域涌現出一批中國創業型企業。此外，中國市場上的激光雷達芯片，特別是信號處理所需的元器件主要依賴進口，這在一定程度上抬高了激光雷達的生產成本，因此多家國內的芯片企業都在爭取通過各自的優勢技術填補上國內市場在此領域的空白。

中游格局：Velodyne成功上市一馬當先，國內市場百花齊放

激光雷達競爭日益激烈，Velodyne、Quanergy、Ibeo等是國外代表激光雷達公司，技術成熟；在國內，以速騰聚創、禾賽科技、北科天繪、鐳神智能等國產企業也先后崛起。

作為未來自動駕駛核心傳感器的代表，激光雷達核心技術主要掌握在Velodyne、Quanergy、Ibeo三家國外企業中。美國Velodyne成立于1983年，其機械式激光雷達起步較早，技術領先，同時與谷歌、通用汽車、福特、Uber、百度等全球自動駕駛領軍企業建立了合作關系，占據了車載激光雷達大部分的市場份額。Quanergy成立于2012年，2014年推出其第一款產品M8-1，并在奔馳、現代等公司的實驗車型上得到應用，M8之后Quanergy相繼發布的產品都開始走固態路線，采用了OPA光學相控陣技術，規模量產后將大幅降低傳感器價格。Ibeo成立于1998年，是全球第一個擁有車規級激光雷達的企業，其于2017年推出了全固態激光雷達A-Sample樣機。

Velodyne是自動駕駛激光雷達行業的領頭羊，其日前與納斯達克掛牌的特殊目的并購公司GrafIndustrialCorp.合并從而實現借殼上市，Velodyney的成功上市為全球激光雷達廠商樹立了良好的典范。受此消息影響，Graf股價大漲48.23%，市值達到6.26億美元。Velodyne表示，合并后的公司市值約為18億美元，同時能從新的機構投資者及GrafIndustrial現有股東那里籌集1.5億美元融資。通過此次交易，Velodyne的資產負債表上將有約1.92億美元現金，此次交易后，Velodyne創DavidHall及支持者福特、百度，現代摩比斯和尼康公司持有合并后公司80%的股份。

中國光大銀行行長張金良： 區塊鏈等金融科技賦能汽車上下游產業鏈:中國光大銀行行長張金良日前表示，目前，光大銀行已成立專門的汽車金融事業中心，致力于實現汽車行業全鏈條、全流程、全線上的金融服務。未來還將通過互聯網、大數據、云計算、人工智能等先進的金融科技技術，提高汽車金融服務質量。[2018/6/6]

從產品布局上來看，機械激光雷達市場是Velodyne的絕對優勢，其在此領域擁有廣泛的產品布局，此外Velodyne也在前裝固態激光雷達市場蓄勢待發。機械激光雷達方面，Velodyne主要有64線、32線、16線3類產品在售，官方定價分別為8萬美金、4萬美金和8千美金。而從2017年開始，Velodyne就在Vela-系列產品上開始加大投入：Velodyne希望通過Vella軟件+低成本固態激光雷達組合打進ADAS市場。作為全球激光雷達第一股，Velodyne在上市后將手握數億美金現金，這些現金將繼續支持其投入更大規模的新產品新技術研發及大規模量產。

高研發投入意味著激光雷達是一門技術壁壘較高的生意，早期技術布局和后期大量資本的融入能進一步助力Velodyne在此領域的優勢。站在新的十年的開端，大量的資本儲備和固態激光雷達將為Velodyne開辟全新的戰場奠定基礎。Velodyne的盈利情況和現金流情況有望從2022年開始扭虧為盈，三費支出比率也料將隨著出貨量不斷增加而攤薄。

近年來興起自動駕駛浪潮后，國內也同步出現了一批激光雷達公司，速騰聚創、禾賽科技、北科天繪、鐳神智能等國產企業先后崛起，國內市場競爭激烈，呈現出百花齊放的市場格局。

國內玩家早期分為兩個流派，一類研發機械式激光雷達與Velodyne等老牌玩家搶市場，另一類則直接鎖定固態激光雷達產品，目標是在2020年之后登上前裝市場。

禾賽科技和速騰聚創是選擇與Velodyne相同發展路徑的代表廠商，產品以機械旋轉雷達為主，但都在逐步向前裝固態領域覆蓋，這兩家公司在滿足車規級要求同時主打性價比，核心策略是以價格優勢搶占Velodyne市場份額。機械式激光雷達產品的價格目前仍然較高，但相比之下同樣線束的國產機械式激光雷達能夠比Velodyne便宜1/3-1/2，價格優勢非常明顯。在最頂級的64線和128線產品線上，Velodyne此前的64線激光雷售價為五十至六十萬元，而禾賽的64線產品僅為二十多萬；在16線雷達市場，Velodyne的產品需要數萬元，而速騰聚創的同類產品只需2-3萬。

比較禾賽科技和速騰聚創這兩家公司，其產品定位也存在較大差別。在高速自動駕駛領域，禾賽市場占有率較高，百度、文遠知行、AutoX、元戎啟行等公司都在使用。而在低速自動駕駛領域，速騰聚創則是主要玩家，新石器、京東、菜鳥物流、高仙機器人等公司都主要使用速騰的16線激光雷達產品，同時其16線、32線產品也被圖森未來、嬴徹科技、AutoX等部分高速自動駕駛公司采用。

而另一方面，隨著2020年起將逐步量產L3級自動駕駛乘用車，市場對車規級固態激光雷達的需求將迎來一個小的高潮，大疆、華為等消費電子硬件巨頭相繼拿出了自己的激光雷達新品，直接加入了前裝量產裝車的戰局。

2020年8月大疆宣布公司首個實現了車用自動駕駛激光雷達價格降到千元級別，而且能量產供應，大疆旗下孵化品牌覽沃科技日前在美國CES發布兩款高性能激光雷達傳感器：Horizon和Tele-15，適用于L3/L4級別自動駕駛方案。Horizon可以實現遠至260米、反射率為80%的物體探測，其水平視場為81.7°，可以輕松覆蓋10米外的4條車道，在城市路況下，Horizon可以幫助自動駕駛汽車看得更寬。LivoxTele-15在905納米波段下，能夠做到人眼安全且同時達到500米探測距離，可以讓自動駕駛汽車看得更遠。Horizon和Tele-15的產品組合構成一套完整的激光雷達解決方案。

可以預見，新的技術變革趨勢，以及巨頭的入場，將讓激光雷達市場在未來3~5年的競爭日趨激烈，行業也將出現第一次大幅洗牌。

產業前景：市場增長潛力巨大，固態化、智能化成剛需

市場空間：單車價值量下降，2030年市場規模有望超百億美元

CES展出激光雷達產品梳理顯示，大部分激光雷達供應商新推出的激光雷達價格都降至1000美元以下，平均每車裝載5個激光雷達，單車預計5000美元以下，而機械雷達和固態雷達將采取不同的方式降低自身產品成本。在機械雷達方面，飲冰科技通過采取通道芯片集成技術來降低成本：公司事先在芯片層面把多個通道進行了集成，不再需要進行單獨調試和校準，縮小了多線激光雷達的體積、降低了光調成本，這使得飲冰的32線激光雷達大概與同行的16線雷達同價。而在固態激光雷達層面，行業著重在芯片側發力以此來減小成本，相關芯片廠商正在固態激光雷達的三條技術路線上各施所長，以此來解決相關技術難題。

未來隨著自動駕駛技術的進一步普及，激光雷達市場規模將會進一步擴大，而單車價值量下降將會進一步有利于激光雷達的量產使用，預計2030年全球激光雷達市場規模將超百億。咨詢機構Yole預計，激光雷達應用是目前汽車行業增長最快的行業之一。從出貨量來看：Yole預計2020年全球激光雷達出貨量約34萬個，2025年全球激光雷達出貨量約470萬個，2030年全球激光雷達出貨量約2390萬個。從銷售額來看：預計2020年全球激光雷達銷售額約12.95億美元，2025年全球激光雷達銷售額約61.9億美元，2030年全球激光雷達銷售額約139.32億美元。

盡管激光雷達市場增長前景廣闊，但整個市場對其持有的態度逐漸回歸客觀冷靜，投融資熱度相較于前幾年有所減弱。從全球融資情況來看，2017年成為投融資事件發生最為頻繁的一年，中國的投融資高峰相比全球晚一年。2017年之后，激光雷達通過車規的難度被更清醒地認識，投融資熱度逐漸“退燒”，該產業回歸理性。

發展前景：固態雷達成新戰場，智能化成新挑戰

車載激光雷達的應用根據需求被分成兩個派系。一是以Robo-Taxi為代表的“革命性”路線需求：直接應用于L4~L5完全自動駕駛開發，追求高性能的機械式激光雷達；二是以自動駕駛乘用車(私家車)為代表的“漸進式”路線需求：逐漸應用于乘用車L2+/L3(ADAS高級輔助駕駛/AD自動駕駛)的車規激光雷達，對尺寸、價格、生產制造性、穩定性有嚴格要求，性能方面“夠用就好”。根據咨詢機構Yole的預測，不同領域市場對于機械式雷達和固態雷達需求不一樣。

其中在ADAS領域，固態占主導：Yole預計固態激光雷達和Flash激光雷達出貨量從2021年起逐漸增多，2025年，固態/Flash約為50萬個，機械式約290萬個，比例為1：5.8；從2029年開始，固態/Flash出貨量超過機械式激光雷達，到2030年，固態/Flash出貨量約為1200萬個，機械式約730萬個，比例為1.64：1；從銷售額的角度，2025年固態/Flash約為2230萬美元，機械式達到13.12億美元；而到了2030年，固態/Flash銷售額約為45.83億美元，機械式增加到28.09億美元。在RoboticCars領域，機械式占主導，前期以機械式激光雷達為主，Yole預計固態激光雷達和Flash激光雷達出貨量在2023年起逐漸增多：2025年，固態/Flash約為5萬個，機械式約120萬個，比例為1：24；到2030年，固態/Flash出貨量約為54萬個，機械式約400萬個，比例為1：7.4；從銷售額的角度，2025年固態/Flash約為7300萬美元，機械式約45.82億美元；到2030年，固態/Flash銷售額約為6.46億美元，機械式約58.94億美元。總的來看，根據Yole預測，固態激光雷達的銷售額占比將會從2025年的4.78%增加到2030年的37.25%，銷量占比將會從2025年的11.83%增加到2030年的52.6%。

傳統機械旋轉式激光雷達系統雖然性能高，但由于物理極限和成本高等因素限制，難以滿足自動駕駛大規模車規量產需求。自動駕駛行業發展到現在，“革命性”路線準備業化量產，“漸進式”路線追求更高級的自動駕駛，兩派的需求將走向統一。在車規量產和高性能需求下，固態激光雷達技術快速發展。目前，激光雷達正從機械旋轉式，到混合固態，再到純固態方向演進。

除了關注價格和車規外，激光雷達真正要進入量產車，智能化和軟件感知算法將是更大的挑戰。對于自動駕駛環境感知，傳感器硬件通常只完成了數據收集的工作，要真正獲取交通參與者方位、類別、速度、姿態等信息，必須經過感知算法的實時計算分析。感知算法的優劣直接決定對交通參與者的檢出率、感知準確度和感知距離。如果感知算法性能不足，即使雷達硬件線數再高，也無法獲得優質的感知結果，所以說感知算法是激光雷達感知系統的“第二個核心”。感知系統的剛需揭示了一個被掩蓋在激光雷達硬件光環下的核心需求,相比信息“收集器”，自動駕駛需要更聰明的信息“收集+理解者”。一個典型的行業案例是速騰聚創在智能版的MEMS固態激光雷達RS-LiDAR-M1Smart中嵌入AI感知算法與專用計算芯片組，可以同時輸出三維點云數據與障礙物檢測、識別、跟蹤，路面交通標示等路況信息，充分保證決策層在冗余的信息基礎上完成正確的駕駛決策，幫助車輛實現Level3~Level5高級自動駕駛與ASIL-D高級安全性。

總的來說，自動駕駛激光雷達市場規模有望超百億美元，預計行業整體將會向“低成本化”、“量產化”、“固態化”、“智能化”發展，同時國產勢力近年來逐步崛起，未來市場發展值得期待。

……

如需完整報告請登錄。

Tags：EMSMEMOPAEMS幣EMS價格MEM幣MEM價格OPA幣OPA價格

BTC