车载激光雷达：助力ADAS

智能驾驶方兴未艾，车载光学长坡厚雪

     2020年全球车载摄像头出货量达1.65亿颗，单车搭载摄像头数量达2.1颗。预计2025年单车摄像头数量达8颗，全球车载摄像头出货量达8亿颗，市场规模达336亿元，CAGR达37%。预计2025年车载摄像头模组市场规模超1600亿元，目前车载摄像头模组主要由海外Tier1、Tier2主导，伴随造车新势力崛起、模组规格升级，未来车载镜头厂有望获取部分模组份额。

1. 激光雷达助力自动驾驶，半固态式有望快速放量

◾  对于未来的自动驾驶视觉方案，目前市场中有两个立场鲜明的派系——纯视觉派和激光雷达派。

     ◾  纯视觉方案：纯视觉方案仅仅依靠摄像头拍摄的画面，传输到系统进行分析，从而计算出周围的车辆、道路等信息。纯视觉方案优势在于摄像头能够完整识别物体外观，高分辨率高帧率的成像技术能够使感知环境信息更加丰富，并且摄像头价格较激光雷达更便宜、有利于整车获得价格优势；但是由于图像传感器是一种被动式传感器、其本身并不发光，成像质量受环境亮度影响大、易受恶劣环境影响。同时纯视觉方案需要强大的算法和算力去处理庞大的数据量。目前纯视觉方案的拥护者主要是特斯拉，特斯拉通过海量的车主驾驶数据进行神经网络训练，从而覆盖更多工况与场景，不断完善算法，目前方案较为成熟。

     ◾  激光雷达方案：激光雷达方案是以激光雷达为主导，配合毫米波雷达、超声波传感器、摄像头来完成自动驾驶，其中激光雷达会通过发射激光束来测量视场中物体轮廓边沿与设备间的相对距离，从而准确捕捉这些轮廓信息组成点云，并绘制出3D环境地图再传输到系统进行分析并下达车辆行驶指令。激光雷达的优势在于监测距离更长、精度更高、响应速度更灵敏，并且不受环境光影响。但是激光雷达在面对雨雪等极端天气时发出的光束会受到影响，从而影响三维地图的构造，因此这就必须依赖其他传感器的共同协助。并且，激光雷达设置于车辆外部，一旦损坏、维修费用高昂，同时激光雷达目前本身价格较高、普遍高于3000元。目前，包括蔚来、小鹏、北汽等车厂均开始采用激光雷达方案。

     自动驾驶汽车传感器系统一般包括4种雷达：激光雷达(Lidar)、毫米波雷达(mmWave Radar)、超声波雷达(Ultrasonic Radar)和红外雷达(Infrared Radar)。目前激光雷达和毫米波雷达是基本和必要的车载传感器设备，而超声波雷达和红外雷达则可以根据情况选择，但未来可能会发生改变。

激光雷达的技术原理

      激光雷达技术最早出现于1960 年代，最初被宇航员用来绘制月球表面或被考古学家用来绘制地图，最近，激光雷达的应用持续增加。从21世纪初开始，激光雷达一直应用于自动驾驶领域，并成为ADAS的核心技术之一，适用于自适应巡航控制（ACC）、前方碰撞警告（FCW）和自动紧急制动（AEB）。

    激光雷达（光探测和测距）是一种通过发射激光束来检测目标的位置、速度和其他特性的雷达系统，是集成了激光、全球定位系统（GPS）和惯性导航系统（INS）技术的系统，用于获取数据并生成精确的地面数字高程模型（DEM）。

     激光雷达的基本工作原理是：将检测信号（激光束）传输到目标，然后将目标反射的接收信号（目标回波）与发射信号进行比较，经过适当处理后，可以获得目标的相关信息，如目标的距离、方位角、高度、速度、姿态、均匀形状等参数，可用于探测、跟踪和识别包括飞机和导弹在内的目标。传感器每秒发射数万或数十万个激光脉冲，当发出光脉冲时，计时器启动，当光脉冲（从第一个人/物体反射）返回时，计时器停止，通过测量光脉冲的飞行时间（TOF），计算传感器与人/物体之间的距离。

      激光雷达由激光发射器、光接收机、转盘和信息处理系统组成。激光将电脉冲转换为光脉冲，光接收器将从目标反射的光脉冲转换为电脉冲，发送到显视器。

      激光雷达常用的性能指标主要有：最大辐射功率、水平视野、垂直视场、光源波长、要测量的最大距离、测量时间/帧速率、深度分辨率、角分辨率;、距离测量精度。

激光雷达的功能

车载激光雷达的主要功能是定位，通过激光雷达SLAM的环路检测或与全球地图匹配，可以实现厘米级定位(高精度定位），目前行业内如百度、谷歌和主流厂商都采用这种方法，通用汽车在其超级巡航中绘制了美国所有高速公路的激光地图。

◾  我们认为，纯视觉方案需要车厂掌握海量用户数据、并自己建立软件开发部门，算法开发难度极高，未来仅少数厂商可掌握纯视觉方案。而大部分车厂将采用激光雷达方案，此方案能够实现较快落地，并可通过多传感器配置实现安全冗余。尤其在短期内，纯视觉方案基于深度学习的算法尚未达到全路况覆盖情况下、安全性仍存疑，激光雷达方案安全性更高。伴随2021年小鹏P5、蔚来ET7、极狐阿尔法S、本田Legend等多款搭载激光雷达的新车发布，激光雷达需求快速增长。

◾  激光雷达按照光束操纵方式可分为机械式、半固态及固态式。总体来讲，机械式目前最为成熟、产量最高，主要应用于无人驾驶，但使用寿命限制难过车规要求；微振镜、转镜、棱镜等半固态式激光雷达陆续通过车规，并已少量前装量产，近年内或形成放量；长期来看FLASH、OPA均可能成为主导路线。

◾  机械式方案：成熟度最高，因使用寿命限制难以进入前装量产，广泛应用于无人驾驶领域。机械式指竖直排列的激光发生器进行360°旋转，对四周环境进行全面扫描。其优点在于可实现高精度的360°扫描，但是为实现高频准确旋转、其机械结构复杂，平均失效时间仅1000-3000小时，与车规要求的最低13000小时差距明显，难以实现前装量产。并且，机械式需要布置在车身最高点、容易损坏。由于结构复杂，因此成本较高，普遍高于3000美元，因此机械式激光雷达目前主要应用于对价格较不敏感的无人驾驶领域，客户包括Cruise、小马智行、文远知行等无人驾驶出行商。

◾  半固态式方案：已成功上车，放量在即。

1）MEMS技术将微型反射镜、MEMS驱动器及传感器集成为微振镜，后者振荡反射激光、高速扫描形成点云图。此方案除了微振镜扫动外其他部件固定，可靠性大大提升，并且显著减少激光器及探测器数量、大大降低成本，可控制到1000美金以内。但是由于收光孔径、摆动幅度较小导致探测距离和视场角度有限。速腾聚创采用多个MEMS拼接的方式扩大视场角，拼接过程中的电镀调节工艺难度极高。

2）转镜方案通过电流扫描振镜带动多边形棱镜转动反射激光达到扫描效果，此方案可通过提高转速来提高扫描精度，成熟的多边形激光扫描技术成本较低。

3）棱镜方案通过两个楔形棱镜后发生两次偏转，控制两面棱镜的相对转速便可以控制激光束的扫描形态。此方案为非重复式扫描，扫描范围可覆盖整个区域，点云密度较高。但是其机械结构更为复杂，而非重复扫描方式也使得下游厂商进行算法匹配难度较大。

 ◾  固态式：目前成熟度低，长期来看将成重点发展方向。

1）针对车规级设备需要在连续振动、高低温、高湿高盐等环境下连续工作的特点，固态激光雷达成为了较为可行的发展方向，其取消了复杂高频转动的机械结构，耐久性得到巨大提升，体积也大幅缩小。

2）OPA（光学相控阵）：通过控制相控阵雷达平面阵列各个阵元的电流相位，利用相位差让不同的位置的波源产生干涉，从而指向特定的方向，往复控制相位差便可以实现扫描效果。OPA兼具扫描快、精度高、体积小及强可控、强抗震等优势，技术突破后成本较低、量产标准化程度高，但由于产业链不成熟，零部件自研难度大，目前仍处于实验室前期产品。

3）FLASH闪光激光雷达在短时间内直接向前方发射大覆盖面阵激光，再以高度灵敏探测器完成图像绘制的技术，可达最高等级的车规要求，但功率密度及回波光子数量太低导致的测距及分辨率不足是最大的问题。

◾  按测距原理分类：ToF为主流，FMCW方案创新，两者或长期共存。

1）ToF法通过测量激光从发射、达到探测物体再返回到探测器的飞行时间，来反推被测物距离。由于光的飞行速度极快，因此该方案需要一个非常精细的时钟电路（通常是ps级，1ps=10-3 ns）和脉宽极窄的激光发射电路（通常是ns级），该方案具有响应速度快、探测精度高的优点，由于技术原理简单、且产业链较为完善，目前机械式、半固态、固态式激光雷达均采用ToF进行测距。

2）FMCW法通过测量线性调制激光在投射到物体后返回探测器的过程中形成的相位差，间接获取光的飞行时间，从而反推飞行距离。此方案抗环境光和其他激光雷达干扰能力强、可大幅改善信噪比。由于FMCW采用连续光波调制，所以在远距离探测时需要较大的光功率，存在人眼安全隐患。目前FMCW产业链仍处于培育阶段，伴随产业链成熟，其抗干扰优势或引领其成为优选方案之一。

2. 预计2025年车载激光雷达市场规模超500亿元、CAGR超80%

◾  伴随无人驾驶车队规模扩张，激光雷达在该领域应用将加速落地。

激光雷达在车载领域主要应用于无人驾驶车以及高级辅助驾驶。无人驾驶出租车及无人物流服务能够实现取消传统出行服务中占运营成本高达60%的人工成本，因此具有广泛商业价值和盈利空间。

◾  激光雷达是L3及以上自动驾驶汽车的关键传感器，伴随L3汽车逐步量产，激光雷达将迎来市场放量。

L3、L4车辆分别平均搭载激光雷达数为1个、2-3个、4-6个，伴随成本逐渐下降、预计未来激光雷达将渗透至L2车辆。

3. 激光雷达行业尚处于导入期，行业格局未定

◾   全球范围内激光雷达玩家包括Velodyne、Luminar、Aeva、Ibeo、Ouster、Innoviz，以及国内的禾赛科技、速腾聚创等。2020年以来，Velodyne、Luminar、Ouster、Aeva、Innoviz等多家激光雷达相继上市。

◾   全球及国内龙头Velodyne、禾赛科技均依靠高线数机械式激光雷达而受到自动驾驶出行商青睐，但是机械式产品由于寿命受限难以进入前装市场。自动驾驶升级催生激光雷达前装市场，半固态/固态激光雷达成为激光雷达厂商布局重点。其中，Luminar、速腾聚创、Innoviz等重点布局MEMS，Quanergy、力策科技等重点布局OPA，Ouster、Ibeo、Aeye等重点布局Flash，Aeva等重点布局FMCW，华为、Innovusion等重点布局转镜，Livox重点开发棱镜方案。而以机械式产品见长的禾赛科技也积极拓展MEMS产品线，力争前装市场。

4. 光学系统在激光雷达中扮演重要角色

◾   光学系统是激光雷达重要组成部分。

根据激光雷达不同扫描类型，对于光学系统设计要求也不尽相同。以MEMS为例，发射光学系统的主要任务是减小发射光束的发散角，使其光束质量更好，主要设计难点是MEMS扫描振镜的镜面面积较小，限制光束的直径，直接影响准直光束的发散角。接收光学系统主要任务是在保证口径的前提下接收更大视场范围内的回波光束，主要设计难点是光电探测器面积有限，会限制接收光学系统相对孔径和视场。总体而言，激光雷达镜头是车载镜头中最难的部分，需要具备大通光孔径、高亮度、宽视场角、高对比度、低信噪比等特点，同时在机械方面具有体积小巧、防尘防水、抗震等特点，对光学设计、加工工艺提出相当高要求。

◾   国内激光雷达零部件供应商包括舜宇光学、永新光学。

1）舜宇光学具备激光雷达光学部件及整机制造能力，机械式、转镜、MEMS、FLASH、OPA方案均有涉及，与麦格纳、华为、大疆等激光雷达方案商均有合作，预计明年将有项目进入大批量生产。

2）永新光学于2018年与Quanergy Systems达成25000个激光测距镜头订单，目前与禾赛和Innovation的合作有多款激光雷达镜头产品导入，目前正处于验证导入阶段、尚未形成量产。

作者QQ及微信：49922779