【研報】計算機行業“智能網聯”系列專題之八：激光雷達—自動駕駛汽車的“火眼金睛”-20201020（31頁）.pdf

《【研報】計算機行業“智能網聯”系列專題之八：激光雷達—自動駕駛汽車的“火眼金睛”-20201020（31頁）.pdf》由會員分享，可在線閱讀，更多相關《【研報】計算機行業“智能網聯”系列專題之八：激光雷達—自動駕駛汽車的“火眼金睛”-20201020（31頁）.pdf（31頁珍藏版）》請在三個皮匠報告上搜索。

1、 證券研究報告 請務必閱讀正文之后的免責條款 激光雷達激光雷達自動駕駛汽車的“火眼金睛”自動駕駛汽車的“火眼金睛” 計算機行業“智能網聯”系列專題之八2020.10.20 中信證券研究部中信證券研究部 投資要點投資要點 楊澤原楊澤原 首席計算機分析師 S1010517080002 丁奇丁奇 計算機分析師 S1010519120003 張帥張帥 計算機分析師 S1010520090004 激光雷達是自動駕駛汽車的核心傳感器，能夠彌補攝像頭在精度、穩定性和視野激光雷達是自動駕駛汽車的核心傳感器，能夠彌補攝像頭在精度、穩定性和視野 方面的局限性，是方面的局限性，是 L4 自動駕駛不可或缺的元件。行業

2、整體將會向“低成本化”、自動駕駛不可或缺的元件。行業整體將會向“低成本化”、 “量產化”、“固態化”、“智能化”發展，預計“量產化”、“固態化”、“智能化”發展，預計 2030 年行業規模超百億美元，年行業規模超百億美元， 同時國產勢力近年來逐步崛起，未來市場發展值得期待。納斯達克上市公司同時國產勢力近年來逐步崛起，未來市場發展值得期待。納斯達克上市公司 Velodyne 以及國內禾賽科技、速騰聚創等創業公司值得關注。以及國內禾賽科技、速騰聚創等創業公司值得關注。 激光激光雷達雷達的的必要性及趨勢。必要性及趨勢。1.為什么激光雷達是為什么激光雷達是 L4 自動駕駛不可或缺的傳感自動駕駛不可或缺

3、的傳感 器？器？目前存在由攝像頭主導的純視覺解決方案和激光雷達主導的傳感方案的路 線之爭，激光雷達由于能夠彌補攝像頭在精度、穩定性和視野方面的局限性， 保證 L4 級自動駕駛的安全性，是 L4 級別自動駕駛不可或缺的元件；2.“發射“發射- 反饋”系統如何形成三維點云信息？反饋”系統如何形成三維點云信息？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，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；3. 機械式機械式 vs 固態式，未來趨勢如何？固態式，未來趨勢如何？目前高級自動駕駛玩家傾向 于選擇傳統的機械式產品，但固態激光雷達因為可以解決機械式面臨的物料成 本高

4、+量產成本高的問題而成為大勢所趨。 行業現狀如何？行業現狀如何？1. 上游上游核心元器件海外壟斷明顯：核心元器件海外壟斷明顯： 無論是光學還是電子元器件， 涉及精密儀器、芯片的加工和制造，目前基本被國外大廠商壟斷，但自主研發 發展迅速，掃描系統、激光器和光源接收器等領域涌現出如禾賽科技、速騰聚 創、一徑科技、力策科技等中國創業型企業；2. Velodyne 一馬當先，國內市場一馬當先，國內市場 百花齊放百花齊放：行業領頭羊 Velodyne 已在納斯達克實現借殼上市，目前估值 18 億 美元，公司預計將會從 2022 年開始扭虧為盈；國內禾賽科技、速騰聚創等復刻 Velodyne 之路，從機械

5、式切入逐步向固態雷達覆蓋，這類公司主打性價比，核 心策略是以價格優勢搶占 Velodyne 市場份額；另一類如大疆、華為等直接鎖定 固態激光雷達產品，擬實現彎道超車，國內市場整體競爭激烈，呈現出百花齊 放的局面。 行業前景如何？行業前景如何？1.行業規模行業規模 2030 年或超百億美元年或超百億美元：預計未來大部分激光雷達產 品價格都將降至 1000 美元以下，單車價值量下降，但量產趨勢和滲透率的增長 將推動行業整體規模爆發，預計 2030 年市場空間超百億美元。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； 2.固態化和智能化為

6、大勢所趨：固態化和智能化為大勢所趨： 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，激光雷達真正要進入量產，智能化和 軟件感知算法將是更大的挑戰。 風險因素：風險因素：技術突破進度不及預期；智能網聯政策推廣力度不及預期；輔助駕 駛、智能駕駛等新功能推廣速度低于預期；倫理道德層面規范帶來的不確定性。 投資策略：投資策略：激光雷達行業發展可期，其快速發展料將推動自動駕駛行業的迅速 發展。納斯達克上市龍頭公司 Velodyne 以及國內禾賽科技、速騰聚創等創業公 司值得關注。 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條

7、款 目錄目錄 激光雷達：三維點云建模構建傳感基石激光雷達：三維點云建模構建傳感基石 .1 路徑之爭：激光雷達為什么是 L4 自動駕駛不可或缺的傳感器？ .1 工作原理：“發射-反饋”系統如何形成三維點云信息？ .5 產品體系：機械式 vs 固態式，未來趨勢如何？ .9 產業現狀：海外廠商存在先發優勢，國產勢力正逐步崛起產業現狀：海外廠商存在先發優勢，國產勢力正逐步崛起 . 11 上游情況：核心元器件海外壟斷明顯，國產自研勢力涌現 . 13 中游格局：Velodyne 成功上市一馬當先，國內市場百花齊放 . 14 產業前景：市場增長潛力巨大，固態化、智能化成剛需產業前景：市場增長潛力巨大，固態化

8、、智能化成剛需 . 21 市場空間：單車價值量下降，2030 年市場規模有望超百億美元 . 21 發展前景：固態雷達成新戰場，智能化成新挑戰 . 23 風險因素風險因素 . 26 投資策略投資策略 . 26 mNtOmNqQtOpOtMoMnQmMtM7NdN7NpNoOsQmMeRmNrRfQpNoP9PnNyRvPoMnRxNmOoO 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 插圖目錄插圖目錄 圖 1：電磁波圖譜 .2 圖 2：各傳感器性能比較 .3 圖 3：無人駕駛車傳感器融合方案 .4 圖 4：自動駕駛對傳感器的

9、需求 .5 圖 5：激光雷達掃描示意圖 .6 圖 6：激光測距工作原理 .6 圖 7：Velodyne HDL-64 激光雷達系統掃描點云圖.6 圖 8：激光雷達四大工作系統 .7 圖 9：激光雷達分類 .7 圖 10：禾賽 Pandar128 橫截面圖 .8 圖 11：禾賽 Pandar128 技術參數 .8 圖 12：禾賽 Pandar128 垂直方位角及分辨率示意圖 .9 圖 13：激光雷達探測距離示意圖 .9 圖 14：機械式激光雷達結構示意圖 . 10 圖 15：MEMS 激光雷達結構示意圖 . 10 圖 16：OPA 激光雷達結構示意圖 . 10 圖 17：Flash 面陣式激光雷

10、達結構示意圖. 10 圖 18：四種激光雷達性能比較. 11 圖 19：激光雷達產業鏈 . 12 圖 20：激光雷達產業鏈代表廠商 . 13 圖 21：激光雷達上游主要廠商. 14 圖 22：激光雷達公司一覽 . 15 圖 23：Velodyne 發展歷史 . 16 圖 24：Velodyne 產品布局 . 17 圖 25：Velodyne 盈利及現金流情況（單位：百萬美元） . 17 圖 26：Velodyne 研發費用預測（單位：百萬美元） . 18 圖 27：Velodyne 銷售費用預測（單位：百萬美元） . 18 圖 28：Velodyne 管理費用預測（單位：百萬美元） . 18

11、圖 29：禾賽科技產品布局 . 19 圖 30：速騰聚創產品布局 . 20 圖 31：全球激光雷達銷售數量預測（單位：百萬個） . 22 圖 32：全球激光雷達銷售額預測（單位：百萬美元） . 22 圖 33：國外激光雷達廠商融資概況 . 23 圖 34：ADAS 激光雷達銷售額細分預測（百萬美元） . 23 圖 35：Robotic Cars 激光雷達銷售額細分預測（百萬美元） . 23 圖 36：2025 年固態/機械銷售額比例 . 24 圖 37：2030 年固態/機械銷售額比例 . 24 圖 38：2025 年固態/機械銷量比例 . 24 圖 39：2030 年固態/機械銷量比例 .

12、24 圖 40：激光雷達演進趨勢 . 25 圖 41：速騰聚創 MEMS 固態激光雷達 RS-LiDAR-M1 智能版(M1 Smart)實測點云 . 25 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 表格目錄表格目錄 表 1：攝像頭分類 .1 表 2：各類傳感器性能比較 .2 表 3：激光雷達與視覺方案價格對比 .3 表 4：視覺方案存在的問題 .4 表 5：激光雷達技術指標解析 .8 表 6：激光雷達結構分類 .9 表 7：固態激光雷達解決機械激光雷達的問題 . 11 表 8：國內企業激光雷達上游研發進展 . 14 表

13、 9：國內激光雷達公司概況 . 18 表 10：華為固態激光雷達領域布局 . 20 表 11：大疆激光雷達方案參數表 . 21 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 1 激光雷達：三維點云建模構建傳感基石激光雷達：三維點云建模構建傳感基石 路徑之爭：激光雷達為什么是路徑之爭：激光雷達為什么是 L4 自動駕駛不可或缺的傳感器？自動駕駛不可或缺的傳感器？ 自動駕駛的環境監測傳感器主要包括攝像頭和雷達兩類：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）攝像頭通過圖像識別技 術實現距離測量、目標

14、識別等功能；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）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、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。激光雷達、超聲波雷達三類。 在攝像頭方面，按視野覆蓋位置可分為前視、環視（側視+后視）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 （LDW） 、 前向碰撞預警系統 （FCW） 、 行人識別警示（PCW）等功能。前視攝像頭又有單目攝像頭、雙目攝像

15、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 領銜的單目攝像頭解決方案是市場的主流。 表 1：攝像頭分類 分類分類 測距原理測距原理 優點優點 缺點缺點 主要應用廠商主要應用廠商 單目攝像頭 先通過圖像識別障礙物類 型，再根據相對大小估算 距離 成本和量產難 度相對較低 圖像識別算法壁壘、數據庫建立成本較高； 定焦鏡頭難以同時觀察不同距離的圖像 Mobileye 雙目攝像頭 不需要識別目標、在級化 分割、 立體匹配等計算后， 獲得精確的深度數據 測距精準

16、 使用多個攝像頭、成本較高； 計算量巨大、對計算芯片要求高，目前大多 使用 FPGA； 對攝像頭之間的誤差精度要求 高，量產、安裝較困難 博世、大陸、LG、電裝、 日立 多目攝像頭 全覆蓋視角 蔚來、Mobileye 資料來源：電子工程世界，中信證券研究部 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，

17、意味著在 距離、速度、角度上的測量精度更高。 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 2 圖 1：電磁波圖譜 資料來源：汽車人參考 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。明。 表 2：各類傳感器性能比較 類型類型 傳感器傳感器 最遠距離（米）最遠距離

18、（米） 探測人體探測人體 探測物體探測物體 物體識別物體識別 功能功能 優勢優勢 劣勢劣勢 視覺解 決方案 攝像頭 50 （ 不 穩 定） （依賴樣 本） （依賴樣 本） 利用計算機視覺判別 周圍環境與物體、判 斷前車距離 目前唯一能識別 物體的傳感器 依賴于光； 依 賴于樣本； 識 別行人穩定 性欠佳 雷達解 決方案 毫米波 雷達 200 - - 感知大范圍內車輛的 運行情況，多用于自 適應巡航系統 在車載測距領域 性價比較高 無法探測行 人 激光雷 達 200 - 障礙檢測、動態障礙 檢測識別與跟蹤、路 面檢測、 定位和導航、 環境建模 精度較高的距離 信息，可測量絕 大部分物體 在大雨大

19、雪 等惡劣天氣 使用效果會 受到影響 超聲波 雷達 10 - 倒車雷達 受環境影響小、 近距離探測精度 高、成本低 探測距離短 資料來源：半導體行業觀察，中信證券研究部 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 3 圖 2：各傳感器性能比較 資料來源：CSDN，中信證券研究部 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、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、配合毫米波雷達等低成

20、本元件組成，構成純視覺計算，典型代表為特斯拉、Mobileye 和和 國內唯一自動駕駛純視覺城市道路閉環解決方案國內唯一自動駕駛純視覺城市道路閉環解決方案-百度百度 Apollo Lite； 另一種是由激光雷達； 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、 國內的百度 Apollo （除（除 Apollo Lite）、）、 Pony.ai、文遠知行等主流自動駕駛廠商。、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，

21、安 裝昂貴的激光雷達會明顯提高單臺汽車的售價（如表 3）。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。 表 3：激光雷達與視覺方案價

22、格對比 Velodyne 激光雷達價 格 型號 線束 價格（發行時） 由 Mobileye提供的自動駕駛視 覺方案幾百美元 VLP-16(PUCK) 16 8000美元 （2018年降價50% 至 3999 美元） HDL-32E 32 40000 美元 HDL-64E 64 80000 美元 資料來源：中國機械社，搜狐網，中信證券研究部 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。在在 L4 級自動級自動 駕駛傳感器

23、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 （如表駕駛傳感器選型上， 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 （如表 4） ，） ， 無法滿足高級自動駕駛對于傳感器的性能要求。無法滿足高級自動駕駛對于傳感器的性能要求。 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 4 表 4：視覺方案存在的問題 視覺方案存在問題視覺方案存在問題 介紹介紹 精度問題 測距精度低且依賴項較多，算法固定的情況下只能通過增大焦距或者雙目鏡頭間的 基線距來提高精度，但焦距增加導致視場角變小，基線距增加導致能看到的

24、最近距 離變遠 穩定性問題 雙目測距精度與標定有關且強相關，但是裝在車上機械結構穩定性差，面臨著隔段 時間就得標定的問題 難度問題 雙目視覺不是單獨的技術，需要很好的算法（目前的算法不夠優化，導致計算成本 高而容錯能力差，雨天基本無用），甚至還要專門的芯片來提高并行處理能力 視野問題 雙目系統最多能覆蓋目標方向 60 度的視野，而激光雷達基本上都是 360 度 資料來源：中信證券研究部 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

25、 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。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。 圖 3：無人駕駛車傳感器融合方案 資料來源：CK365 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 5 圖 4：自動駕駛對傳感器的需求 資料來源：麥姆斯咨詢 工作原理：“發射工作原理：“發射-反饋”系統如何形成三維

26、點云信息？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。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 （圖 6），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

27、圖，以達到環境感知的目的。由于光速非?？?，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（線束）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，使得其具有使得其具有 測量分辨率高，抗干擾能力

28、強、抗隱身能力強、穿透能力強和全天候工作的特點。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。 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 6 圖 5：激光雷達掃描示意圖 資料來源：自動駕駛之家 圖 6：激光測距工作原理 資料來源：自動駕駛之家 圖 7：Velodyne HDL-64 激光雷達系統掃描點云圖 資料來源：Velodyne 官網 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

29、，形成傳感閉環。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。 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 7 圖 8：激

30、光雷達四大工作系統 資料來源：汽車人參考 激光雷達的各個環節幾乎都有不同的執行方式（如圖 9），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。 圖 9：激光雷達分類 資料來源：汽車人參考 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。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。

31、 計算機行業計算機行業“智能網聯智能網聯”系列專題之八系列專題之八2020.10.20 請務必閱讀正文之后的免責條款 8 圖 10：禾賽 Pandar128 橫截面圖 圖 11：禾賽 Pandar128 技術參數 資料來源：禾賽官方產品手冊 資料來源：禾賽官方產品手冊 表 5：激光雷達技術指標解析 技術指標技術指標 介紹（以禾賽介紹（以禾賽 Pandar128 技術指標為例）技術指標為例） 線束 線表示激光雷達系統包含獨立的發射機/接收機的數目。為獲得盡量詳細的點云圖，激光雷達必須要快速采集周圍 環境的數據。一種方式是提高發射機/接收機的采集速度，每個發射機在每秒內可以發送十萬以上組脈沖，也就

32、是 說在 1 秒內，有 100,000 組脈沖完成一次發射/返回的循環，另一種方式是使用多線激光雷達，例中所示的禾賽 Pandar128 就有高達 128 組發射機/接收機，多線的配置使得激光雷達在每秒內可構建高達百萬的數據點。 方位角 水平方位角 激光雷達的主體部分在工作時不斷旋轉，可對周圍 360 進行掃描，也就是說該激光雷達的水平方位角為 360 垂直方位角 激光雷達的垂直視場角是 40 ，這里要注意 2 點，一是視場角的偏置，二是激光雷達光束的分布。（如圖 13） 1）視場角的偏置：視場角的偏置為 5 ，也就是說激光雷達在水平方向向上的掃描角度為 15 ，而在水平方向往下 掃描的角度為 25 ，因為主要需要掃描路面上的障礙物，而不是把激光打向天空，為了良好的利用激光，因此激光 光束會盡量向下偏置一定的角度。2）光束的分布：激光雷達的光束不是垂直均勻分布的，而是中間密，兩邊稀疏， 這是為了達到既檢測到障礙物，又把激光束集中到中間感興趣的部分來更好的檢測車輛的目的。 掃描幀頻 激光雷達點云數據更新的頻率，也就是旋轉鏡每秒鐘旋轉的圈數，單位 Hz 。例如，10 Hz 即旋轉鏡每秒轉 10 圈， 同一方位的數據點更新 10 次 角分辨 率 水平角分辨 率 水平角分辨率是指水平方向上掃描線間的最小間隔度數。