2022年激光雷達應用領域市場規?？臻g分析及行業格局分散現狀研究報告（35頁）.pdf

1、2022 年深度行業分析研究報告 3 / 38 內容目錄內容目錄 1. 自動駕駛推高激光雷達關注度，量產元年迎拐點 . 6 1.1. 多傳感器融合為 L3 級及以上自動駕駛感知層方案的未來發展趨勢 . 6 1.2. 激光雷達應用領域不斷迭代拓寬，自動駕駛市場關注度走高 . 8 1.3. 眾多車企已實現 L3 級自動駕駛車輛的量產，全球自動駕駛加速滲透 . 9 2. 激光雷達市場規?？臻g廣闊，格局分散下海外廠商暫占先發優勢 . 10 3. 主流傳感器產品眾多，激光雷達綜合性能優越 . 13 3.1. 激光雷達作為 L3 級自動駕駛的核心配件綜合性能優越 . 13 3.2. 激光雷達技術路徑眾多，

2、廠商競爭百花齊放 . 14 3.2.1. 掃描方式：半固態占主流地位，長期看好固態的商用落地 . 14 3.2.2. 測距方法：ToF 大規模商用，關注 FMCW 高潛測距技術 . 18 3.2.3. 激光發射：看好 EEL 向 VCSEL 發展，建議關注 PCSEL 發展態勢 . 21 3.2.4. 激光探測：從 PD/ APD 向 SPAD /SiPM 進發 . 23 3.2.5. 信息處理方式：主流方案為 FPGA，看好 SoC 的長期發展 . 25 4. 單價下探利好需求釋放，上游國產品牌迎接發展機遇 . 26 4.1. 技術革新+行業需求增多，激光雷達單價不斷下探有望迎來行業拐點 .

3、 26 4.2. 海外龍頭壟斷上游芯片市場，收發及光學元件領域國產品牌崛起 . 28 5. 產業鏈上中游百家爭鳴，小荷才露尖尖角 . 31 5.1. 炬光科技：領航國內高功率半導體激光器，激光雷達打開下游成長空間 . 31 5.2. 禾賽科技：主營機械式激光雷達，向車規級半固態激光雷達邁進 . 32 5.3. 速騰聚創: 智能激光雷達系統科技龍頭，量產車規級 MEMS 激光雷達迎接業績釋放 . 33 5.4. 長光華芯：半導體激光芯片龍頭，縱橫發展加速版圖擴張 . 34 4 / 38 圖表目錄圖表目錄 圖 1：SAE 自動駕駛分級 . 6 圖 2：智能駕駛的感知-決策-執行層架構 . 7 圖

4、3：特斯拉 Model 3 部署的汽車傳感器位置圖 . 8 圖 4：特斯拉 Model 3 自動駕駛傳感器配置 . 8 圖 6：激光雷達發展歷程 . 8 圖 7：國內自主車企 L3/L4 自動駕駛量產時間表 . 9 圖 8：分等級自動駕駛汽車滲透率情況 . 9 圖 9：全球激光雷達市場規模（億美元） . 10 圖 10：2025 年激光雷達不同下游應用領域市場占比 . 10 圖 11：中國激光雷達市場規模（億美元） . 11 圖 12：激光雷達市場規模測算 . 11 圖 13：全球激光雷達市場競爭格局（按專利數量） . 12 圖 14：2020 年中國激光雷達市場份額 . 12 圖 15：各車

5、企搭載激光雷達的車型及詳情 . 14 圖 16：機械式激光雷達結構圖 . 15 圖 17：機械式激光雷達搭載效果圖. 15 圖 18：MEMS 半固態激光雷達工作原理 . 16 圖 19：Innoluce 采用 MEMS 微振鏡式激光雷達設計方案 . 16 圖 20：轉鏡式激光雷達 . 16 圖 21：二維轉鏡激光雷達示意圖 . 16 圖 22：OPA 固態激光雷達 . 17 圖 23：光學相控陣原理 . 17 圖 24：Flash 固態激光雷達 . 17 圖 25：Flash 固態激光雷達工作原理 . 17 圖 26：三角測距法原理 . 19 圖 27：三角測距激光雷達 . 19 圖 28：

6、TOF 測距法直觀圖 . 19 圖 29：同距離不同物體回波信號不同 . 19 圖 30：FMCW 激光雷達結構及實物圖 . 20 圖 31：FMCW 激光雷達原理圖 . 20 圖 32：主要激光雷達廠商技術路徑. 21 圖 33：激光器對比圖 . 22 5 / 38 圖 34：汽車激光雷達光電探測器發展趨勢 . 24 圖 35：SiPM/MPPC 結構原理圖 . 24 圖 36：自動駕駛算法、芯片的發展路徑 . 25 圖 37：激光雷達技術趨勢：從模擬、機械式到數字、固態化 . 26 圖 38：激光雷達技術趨勢：從硬件到軟硬件融合 . 26 圖 39：Velodyne VLP-16 激光雷達

7、成本構成 . 28 圖 40：法雷奧 SCALA 1 轉鏡式激光雷達成本構成 . 28 圖 41：激光雷達產業鏈圖譜 . 28 圖 42：炬光科技營收、凈利潤情況. 31 圖 43：炬光科技毛利率、凈利率情況 . 31 圖 44：公司產品與業務 . 31 圖 45：公司業務處于上游“卡脖子”位置，并逐步向中游拓展 . 31 圖 46：禾賽科技營收、凈利潤情況. 32 圖 47：禾賽科技毛利率、凈利率情況 . 32 圖 48：長光華芯營收、凈利潤情況. 35 圖 49：長光華芯毛利率、凈利率情況 . 35 表 1：主流傳感器基本參數及優劣勢對比 . 13 表 2：各路徑激光雷達特點總結 . 18

8、 表 3：TOF 與 FMCW 測距法對比 . 20 表 4：主要測距方法的特點 . 21 表 5：半導體激光器優缺點對比 . 22 表 6：905nm 和 1550nm 激光器主要性能比較 . 23 表 7：針對 905nm 和 1550nm 探測器主要性能比較 . 23 表 8： SiPM/MPPC、SPAD、APD 、PIN-PD 探測器參數對比. 24 表 9：激光雷達市場主要廠商核心產品情況 . 27 表 10：禾賽科技產品信息 . 33 表 11：速騰聚創產品信息 . 33 6 / 38 1. 自動駕駛推高激光雷達關注度，量產元年迎拐點自動駕駛推高激光雷達關注度，量產元年迎拐點 1

9、.1. 多傳感器融合為多傳感器融合為 L3 級及以上級及以上自動駕駛自動駕駛感知層方案的感知層方案的未來發展趨勢未來發展趨勢 1）自動駕駛）自動駕駛主要主要分分為為 L0-L5 五個級別五個級別，L3 級以上提升對系統感知級以上提升對系統感知的要求的要求。國際自動機械工程師學會（SAE）將自動駕駛分為 L0-L5 五個級別，其中系統在L1-L3 級階段主要起輔助作用。從 L2 級升至 L3 級，車輛的操作控制對象發生了主要變化， L2 級及以下仍舊由駕駛員負責環境的感知； L3 級及以上則由系統負責環境的感知和系統全部動態駕駛任務，駕駛員不需要一直對方向盤進行掌控，僅需在特殊情況發生時對系統提

10、出的干預請求進行回應。當自動駕駛級別上升至 L4級車輛駕駛便全由系統負責， L5 與 L4 的區別在于是在特定場景還是全場景的應用。 L0：完全人類駕駛。L1：輔助駕駛，增加了預警提示類的 ADAS 功能，包括車道偏離預警（LDW） ，前撞預警（FCW） ，盲點檢測（BSD）等。L2：部分自動駕駛，具備了干預輔助類的 ADAS 功能，包括自適應巡航（ACC） ，緊急自動剎車（AEB） ，車道保持輔助（LKA）等。L3：有條件自動駕駛，具備了綜合干預輔助類功能，包括自動加速、自動剎車、自動轉向等。L4：高度自動駕駛，沒有任何人類駕駛員，可以無方向盤、油門、剎車踏板，但限定區域（如園區、景區內）

11、，或限定環境條件（如雨雪天、夜晚不能開） 。L5：完全自動駕駛，是真正的無人駕駛階段，司機位置無人，也沒有人的車內或車外的認知判別干預；無方向盤和油門、剎車踏板；全區域、全功能。 圖圖 1：SAE 自動駕駛分級自動駕駛分級 資料來源：SAE 協會，艾瑞咨詢，德邦研究所 2）智能駕駛的上游主要分為感知）智能駕駛的上游主要分為感知-決策決策-執行層三個層級執行層三個層級 自動駕駛可以分為感知層、 決策層、 執行層， 其中感知器主要包括車輛運動、自動駕駛可以分為感知層、 決策層、 執行層， 其中感知器主要包括車輛運動、環境感知兩大類。環境感知兩大類。車輛運動傳感器為車輛運行過程中相關速度、角度提供全

12、姿態的信息參數和高精度的定位信息， 環境感知傳感器主要由激光雷達、 毫米波雷達、超聲波雷達、攝像頭等組成，將感知的數據融合提供給決策處理層，決策層通過中央處理系統、芯片、算法等將接收到的數據進行處理，最終輸出相應的操作與指令任務給執行層，執行層則負責對此完成相應的動力供給、方向控制、車燈控制等動作。 名稱名稱定義定義駕駛操控駕駛操控主體主體感知接管感知接管監控干預（行監控干預（行為責任主體）為責任主體）道路、環境條件道路、環境條件（氣候、時間）（氣候、時間）L0非自動化需要駕駛者全權操作駕駛員駕駛員駕駛員任何L1輔助駕駛針對方向盤和加減速其中一項提供駕駛支持，其他由駕駛者操作駕駛員和系統駕駛員

13、駕駛員限定場景L2部分自動化針對方向盤和加減速中多項提供駕駛支持，其他由駕駛者操作系統駕駛員駕駛員限定場景L3有條件自動化由系統完成所有駕駛操作，根據系統請求，駕駛者提供適當操作系統系統駕駛員限定場景L4高度自動化在限定道路和環境中由系統完成所有駕駛操作系統系統系統限定場景L5完全自動化在所有道路和環境中由系統完成所有駕駛操作系統系統系統任何主要由駕駛員監測行車環境主要由自動駕駛系統檢測行車環境SAE分級SAE分級 7 / 38 圖圖 2：智能駕駛的感知智能駕駛的感知-決策決策-執行層架構執行層架構 資料來源：艾瑞咨詢，億歐汽車，德邦研究所 3） 自動駕駛的傳感器配置， 業內主要有純視覺路線和

14、多傳感器融合兩大陣營） 自動駕駛的傳感器配置， 業內主要有純視覺路線和多傳感器融合兩大陣營 目前自動駕駛主要分為兩派，一派走的是以特斯拉為代表的純視覺路線，另一派走的是以特斯拉為代表的純視覺路線，另一派走的是以激光雷達等多傳感器融合為代表的路線。一派走的是以激光雷達等多傳感器融合為代表的路線。 純視覺路線以攝像頭為主導，由于攝像頭精確度較低，所以一般對于算法和純視覺路線以攝像頭為主導，由于攝像頭精確度較低，所以一般對于算法和計算能力的要求更高。計算能力的要求更高。特斯拉通過“D1 人工智能芯片+Dojo 超級計算機群+無監督學習算法”打造純視覺路線的底層支撐，D1 芯片作為 Dojo 超級計算

15、機系統的一部分，可以將攝像頭內收集到的視頻數據進行無監督學習算法的模型訓練，減少人工標注的工作量。攝像頭成本較低，但劣勢在于攝像頭在黑暗環境中精度有所下降，因此對數據樣本庫的容量和模型的精度要求較高。超聲波雷達、毫米波雷達、激光雷達等雷達類測距傳感器融合方案精確度更高，但是由于技術尚未完全成熟，量產的成本高昂。 激光雷達性能表現優越，在目標輪廓測量、角度測量、光照穩定性和通用障激光雷達性能表現優越，在目標輪廓測量、角度測量、光照穩定性和通用障礙物檢出等方面突出礙物檢出等方面突出。激光雷達由激光發射機、光學接收機、轉臺和信息處理系統等組成，激光雷達是以激光為工作光束，并工作在紅外和可見光波段的雷

16、達。激光雷達通過激光器將電脈沖變成光脈沖發射出去，在探測目標的表面引起散射并由接收器將反射回來的光脈沖還原成電脈沖并送到顯示器。根據激光測距原理（包括脈沖激光和相位激光）便可以瞬間測算出從激光雷達到目標點的距離，利用三維激光掃描技術不斷掃描目標物獲得空間點云數據，根據目標物體表面反射的能量大小、波譜幅度、頻率和相位等信息可以最終建立結構精確復雜的三維立體圖像。 我們認為以激光雷達等多傳感器融合為代表的方案將隨著技術的進步、成本我們認為以激光雷達等多傳感器融合為代表的方案將隨著技術的進步、成本 8 / 38 的不斷下探的不斷下探，未來預計成為未來預計成為 L3/4 級及以上智能駕駛的核心配置。級

17、及以上智能駕駛的核心配置。目前 L2 級及以下級別的自動駕駛使用的方案以視覺派為主， 未來隨著自動駕駛向 L3 級及以上邁進，自動駕駛系統將負責環境感知、系統決策等功能，若沿用純視覺方案， 攝像頭攝取的圖形數據量將過大，基于視覺的神經網絡算法將對運算能力提出極高的要求。特斯拉 Model 3 采用的傳感器為 8 個攝像頭（3 個攝像頭組成的前視攝像模組+1 個后視攝像頭+2 個側前視攝像頭+2 個側后視攝像頭）+1 個毫米波雷達+12個超聲波傳感器，汽車大腦 FSD 計算機滿足運算需求；采用多傳感器融合的主流車企在激光雷達的配載上基本采用短程+中程+遠程三種激光雷達，以及攝像頭+毫米波+互補傳

18、感器來形成互補。 圖圖 3：特斯拉特斯拉 Model 3 部署的汽車傳感器部署的汽車傳感器位置圖位置圖 圖圖 4：特斯拉特斯拉 Model 3 自動駕駛傳感器配置自動駕駛傳感器配置 資料來源：Systemplus，德邦研究所 資料來源：Yole，Systemplus，德邦研究所 1.2. 激光雷達激光雷達應用領域應用領域不斷迭代不斷迭代拓寬拓寬，自動駕駛自動駕駛市場關注市場關注度度走高走高 激光雷達發展歷史久遠，激光雷達發展歷史久遠，從測繪領域不斷拓展從測繪領域不斷拓展，下游應用下游應用場景場景豐富豐富。1960 年代-1990 年代初期， 激光器問世， 早期廣泛應用于探測領域的激光雷達價格高

19、昂。2000 年代初期-2010 年代早期，海外激光雷達廠商崛起，高線數激光雷達應用于無人駕駛領域。2016 年-2018 年，海內外初創公司入局研究高線數激光雷達并取得突破者眾多， 此外激光雷達技術也從機械式逐漸創新擴展至半固態式或固態式，如半固態 MEMS 激光雷達、固態 OPA 激光雷達等，下游應用領域不斷拓展至高級輔助駕駛和服務機器人領域，且已在下游應用中進行小范圍商業試點。2019 年至今，激光雷達發展迅速，激光雷達技術朝向芯片化、陣列化發展，Ouster 推出基于 VCSEL 和 SPAD 陣列芯片技術的數字化激光雷達； 調頻連續波 （FMCW）激光雷達技術方案開始受到市場關注，2

20、020 年海外激光雷達市場迎來上市潮。 圖圖 5：激光雷達發展歷程激光雷達發展歷程 9 / 38 資料來源：禾賽招股書，德邦研究所 1.3. 眾多車企已實現眾多車企已實現 L3 級自動駕駛車輛的量產，全球級自動駕駛車輛的量產，全球自動駕駛自動駕駛加速加速滲透滲透 目目前車企要實現前車企要實現 L4 級自動駕駛技術的量產主級自動駕駛技術的量產主仍存在一些仍存在一些難點難點，L3 級自動駕級自動駕駛量產駛量產成為近三年成為近三年大部分大部分國內自主車企的選擇國內自主車企的選擇。目前要實現 L4 級自動駕駛技術的量產，主要有 1） 安全） 安全：傳統車企經過漫長的時間發展已經在客戶心中建立了較為成熟

21、的品牌效應，歷史基因決定其將安全放在首位，任何的安全事故都會對長久以來車企塑造的可靠品牌產生不可磨滅的影響。2）成本）成本： L4 級自動駕駛的產業鏈尚不成熟，且零部件成本高昂，短期內難以達到車企的量產條件。3）技術）技術：L4 級自動駕駛對于傳感器要求更高，短期大多數車企無法一下子從 L2 級跨度到L4 級。4）路權）路權：政府路權對于自動駕駛的發展的進程影響較大， L4 級自動駕駛短期較難投入使用。 由于 L4 級自動駕駛技術對于科技互聯網公司和自動駕駛全棧解決方案提供商而言， 實現起來都有一定的難度， 從從國內自主車企國內自主車企 L3/L4 自動駕自動駕駛量產時間表駛量產時間表規劃來看

22、， 近三年是大多數國內自主車企的 “規劃來看， 近三年是大多數國內自主車企的 “L3 級自動駕駛量產年” 。級自動駕駛量產年” 。 全球自動駕駛滲透率將快速提升全球自動駕駛滲透率將快速提升。 根據前瞻產業研究院的預測， 2020 年， L1、L2 級自動駕駛滲透率將達 40%；2025 年，20%以上量產汽車有望實現不同級別的智能駕駛；至 2040 年，所有新車都將配備自動駕駛功能，其中 L4、L5 級自動駕駛滲透率將達 50%。 圖圖 6：國內自主車企國內自主車企 L3/L4 自動駕駛量產時間表自動駕駛量產時間表 圖圖 7：分等級自動駕駛汽車滲透率情況分等級自動駕駛汽車滲透率情況 10 /

23、38 資料來源：億歐，德邦研究所 注：L3 級自動駕駛為深藍色，L4 級自動駕駛為淺藍色 資料來源：前瞻產業研究院，德邦研究所 2. 激光雷達市場規?？臻g廣闊，格局分散下海外廠商暫占激光雷達市場規?？臻g廣闊，格局分散下海外廠商暫占先發優勢先發優勢 激光雷達高速發展，全球市場規模預計激光雷達高速發展，全球市場規模預計 2025 年達到年達到 135 億美元億美元，其中智能，其中智能駕駛市場規模約駕駛市場規模約 46 億美元億美元。根據 Allied Market Research 預計，2026 年全球無人駕駛技術市場規模將達到5567億美元， 2019-2026年期間CAGR達到39.47%。

24、據 Frost&Sullivan 預計，自動駕駛車輛增長、激光雷達在高級輔助駕駛中滲透率增加、服務型機器人及智能交通建設等領域需求增長，激光雷達市場預計將高速發展， 預計 2025 年全球市場規模將達到 135.4 億美元， 2019-2025 年期間 CAGR達到 64.5%。 高級輔助駕駛、無人駕駛高級輔助駕駛、無人駕駛將成為激光雷達主要應用領域。將成為激光雷達主要應用領域。按激光雷達下游應用市場分，主要有無人駕駛、高級輔助駕駛市場（ADAS） 、服務型機器人市場、智慧城市和測繪市場。據 Frost & Sullivan 預計，2019 年智慧城市及測繪作為激光雷達的主要應用市場占比約 6

25、0%，預計高級輔助駕駛、無人駕駛將高速發展，2025 年分別占激光雷達市場總規模的 34.64%、26.30%。 圖圖 8：全球全球激光雷達市場規模激光雷達市場規模（億美元）（億美元） 圖圖 9：2025 年激光雷達不同下游應用領域市場占比年激光雷達不同下游應用領域市場占比 資料來源：Frost & Sullivan，德邦研究所 資料來源：Frost & Sullivan，德邦研究所 0%20%40%60%80%100%20152020E2025E2030E2035E2040EL1/2L3L4/50204060801001201401602017 2018 2019 2020E2021E202

26、2E2023E2024E2025E移動機器人智慧城市和測繪Robotaxi/RobotruckADAS移動機器人, 5.26%智慧城市和測繪, 33.81%Robotaxi/Robotruck, 26.30%ADAS, 34.64% 11 / 38 2025 年中國激光雷達市場規模將達到年中國激光雷達市場規模將達到 43.1 億億美元美元，其中智能駕駛市場規模其中智能駕駛市場規模約約 12 億美元，億美元，下游下游應用領域多點開花。應用領域多點開花。據 Frost & Sullivan 預計，中國激光雷達市場規模將于 2025 年達到 43.1 億美元，2019-2025 年期間 CAGR 達

27、到 63.1%，無人駕駛及高級輔助駕駛為主要組成部分。國內百度、滴滴、小馬智行、 文遠知行等企業的無人駕駛出租車業務已經開始試運營，商業化推進后將進一步拉動激光雷達需求增長，據麥肯錫預計，2030 年中國自動駕駛乘用車數量將達到 800 萬輛。中國作為全球最大的新車銷售市場，根據 2020 年 11 月發布的智能網聯汽車技術路線圖（2.0 版） 中規劃，2030 年中國 L2、L3 級滲透率要超過 70%?！靶禄ā?受到國家政策大力支持， 計劃總投資額高達 34 萬億元， 其中多地出臺重點項目投資“5G+車聯網”的協同發展，且截至 2020 年，中國以約 800 個規劃或流程中的智慧城市試點

28、項目占全球智慧城市總數將近一半，這部分應用也將對激光雷達市場的增長產生較為穩定貢獻。 圖圖 10：中國激光雷達市場規模中國激光雷達市場規模（億美元）（億美元） 資料來源：Frost & Sullivan，德邦研究所 隨著隨著 L3 級自動駕駛的不斷落地，激光雷達也將在乘用車市場持續滲透。級自動駕駛的不斷落地，激光雷達也將在乘用車市場持續滲透。從從單價趨勢看，單價趨勢看，激光雷達技術不斷迭代進步、未來商用大規模量產可期，我們預計激光雷達價格將由 2021 年的 1500 美元/顆下探至 2025 年的 400 美元/顆。從從乘乘用車市場激光雷達的需求看用車市場激光雷達的需求看，我們預計全球的需求

29、量將由 2021 年的 19 萬顆提升至 2025 年的 2704 萬顆； 國內的需求量預計由 2021 年的 10 萬顆提升至 2025 年的 1399 萬顆。根據我們測算，根據我們測算，2025 年全球及中國年全球及中國車載車載市場激光雷達市場規模分市場激光雷達市場規模分別為別為 127 億美元、億美元、 65.8 億億美美元左右，元左右， 2021-2025 年年 CAGR 分別為分別為 147%、 149%。 圖圖 11：激光雷達市場規模測算激光雷達市場規模測算 051015202530354045502017201820192020E2021E2022E2023E2024E2025E

30、移動機器人智慧城市和測繪Robotaxi/RobotruckADAS 12 / 38 資料來源：中汽協，乘聯會，EVTank，智研咨詢，汽車之家，Roland Berger，前瞻產業研究院，德邦研究所測算 全球激光雷達競爭格局分散，海外廠商具有明顯領先優勢。全球激光雷達競爭格局分散，海外廠商具有明顯領先優勢。法國 Tier 1 公司Valeo（法雷奧）作為全球首個發布車規級激光雷達 Valeo SCALA 并實現量產的廠商，目前全球 ADAS 領域激光雷達的銷售主要仍由 SCALA 貢獻。根據 Yole的數據，Valeo 以 8 項專利數量取得市占率 28%居于全球首位，此外，中國速騰聚創、大

31、疆、圖達通、華為、禾賽等國內頭部玩家也均有所突破。從目前中國激光從目前中國激光雷達行業市場競爭情況看，禾賽科技占有雷達行業市場競爭情況看，禾賽科技占有 14%的市場份額，萬集科技與道通科技的市場份額，萬集科技與道通科技各各 4%。 圖圖 12：全球激光雷達市場競爭格局（按專利數量）全球激光雷達市場競爭格局（按專利數量） 圖圖 13：2020 年中國激光雷達市場份額年中國激光雷達市場份額 13 / 38 資料來源：Yole，德邦研究所 資料來源：Frost&Sullivan，德邦研究所 3. 主流傳感器主流傳感器產品產品眾多眾多，激光雷達，激光雷達綜合綜合性能優越性能優越 3.1. 激光雷達激光

32、雷達作為作為 L3 級自動駕駛的核心配件級自動駕駛的核心配件綜合性能優越綜合性能優越 各個傳感器均有其優劣勢，適用于不同的應用場景，激光雷達作為各個傳感器均有其優劣勢，適用于不同的應用場景，激光雷達作為 L3 級自級自動駕駛的核心配件綜合性能優越。動駕駛的核心配件綜合性能優越。主流的自動駕駛環境監測傳感器主要包括攝像頭、毫米波雷達、超聲波雷達與激光雷達。激光雷達的通過建立三維點云圖，可以實時進行環境感知，探測精度也更優越。同屬于光學傳感器的攝像頭和激光雷達在大雨雪霧等極端天氣受影響大，但在清晰的環境下，激光雷達在白天和黑夜中等距離（150 米左右）的探測精度要超過毫米波雷達。 表表 1：主流傳

33、感器基本參數及優劣勢主流傳感器基本參數及優劣勢對比對比 參數參數 攝像頭攝像頭 超聲波雷達超聲波雷達 毫米波雷達毫米波雷達 激光雷達激光雷達 原理原理 1)圖像處理，將圖片轉換為二維數據； 2)模式識別，通過圖像匹配進行識別，如車輛、行人、車道線、交通標志等； 3)利用物體的運動模式，或雙目定位，估算目標物體與本車的相對距離和相對速度 釋放超聲波，當遇到障礙物時，超聲波反射，從而獲取障礙物的具體距離 把無線電波（雷達波）發出去，然后接收回波，利用障礙物反射波的時間差確定障礙物距離，利用反射波的頻率偏移確定相對速度 通過發射信號和反射信號的對比，構建出點云圖，從而實現諸如目標距離、方位、速度、姿

34、態、形狀等信息的探測和識別 波長波長 可見光：390-770nm 紅外光：1mm-760nm 40KHz：8.5mm 58KHz：5.9mm 頻率范圍 10GHz200GHz（24GHz（125mm）、77GHz（39mm）為民用主流）， 波長 1-10mm； 905nm、1550nm 探測距離探測距離 跟像素有關，0-150m 跟功率/頻率有關，0-3m 跟頻率有關系，0-250m 跟波長/功率有關，0-300m 探測精度探測精度 是唯一能夠清楚分辨和識別道路目標的傳感器，在復雜的運動路況環境下都都能保證采集到穩定的數據 在 0.1-3 米之間時精度較高 79GHz-81GHz 頻段毫米波雷

35、達的精度可以達到 5cm 精度高，能做車道線檢測。激光直線傳播、方向性好、光束非常窄，彌散性非常低，因此激光雷達的精度很高 數據類型數據類型 圖像 位置、速度 位置、速度 位置、速度、形狀 成本成本（美元（美元/件）件） 高清攝像頭 60-150 10-20 24GHz：50-100 77GHz：120-150 1000-20000 應用場景應用場景 車道偏離預警、前向碰撞預警、交通標志識別、車道保持輔助、行人碰撞預警、全景泊車、駕駛員疲勞預警 自動泊車或者倒車輔助 盲點監測，車道偏離預警，車道保持，自適應巡航，自動緊急剎車，前向碰撞預警 自動駕駛L3 優勢優勢 (1) 性能強大，能準確識別各

36、類目標信息 (2) 配合高性能信號處理硬件，能實現對目標的實時監測 (1) 雷達結構簡單模塊小巧且易于實現 (2) 超聲波雷達數據處理算法清晰易于系統開發 (1) 抗干擾能力強，毫米波穿透霧、煙、灰塵的能力強，受雨，雪天氣影響小 (2) 毫米波雷達不僅可以測距，還能測速、測角，甚至能根據目標信(1)波長短，測量精度高 (2)多線束的探測， 可以實現對場景的三維成像 Valeo, 28%Robosense, 10%Luminar, 7%Livox, 7%Denso, 7%Continental, 7%其他, 7%Cepton, 7%Innoviz, 4%Ibeo, 4%Innovusion, 3

37、%華為, 3%禾賽, 3%Velodyne, 3%禾賽科技, 14%萬集科技, 4%道通科技, 4%其他, 78% 14 / 38 息估計目標大小尺寸等 (3) 毫米波雷達模塊小巧，易于安裝，可以安裝多個毫米波雷達傳感器元件以便于道路覆蓋探測 劣勢劣勢 (1) 受視角影響較大，無法做到全方位檢測 (2) 受天氣影響較大，極端環境條件下無法工作 (3) 對硬件性能要求過高，由于要實時處理泭量圖片信息，因此需要配合高性能計算硬件，整體車載系統成本上升 (1) 超聲波雷達的作用距離近，其作用范圍幾厘米到幾米之間 (2) 超聲波雷達測量精度低，無法探測細小目標 (1) 精確度是硬傷，多重波段并存的行車

38、環境中探測能力大大減弱，且無法感知行人、道路指示等 (2) 信號處理算法也較為復雜 (1)抗干擾能力低，易受自然光或熱輻射影響，在雨雪霧等天氣的作用下，激光雷達使用受限 (2)激光發射、被測目標表面粗糙等因素都對測量精度有影響 (3)結構復雜，成本高昂。除激光器本身，還必須添加精密伺服機構，實現對探測空域機械掃描 資料來源：電子工程，與非網，車云、高工智能汽車，OFweek，德邦研究所 從從目前目前多融合傳感器多融合傳感器派系派系廠商廠商的的車企技術規劃來看， 激光雷達、 毫米波雷達、車企技術規劃來看， 激光雷達、 毫米波雷達、超聲波雷達等多傳感器、多路線超聲波雷達等多傳感器、多路線融合使用的

39、方案融合使用的方案占據主流。占據主流。衡量自動駕駛傳感器性能的十個特征：近地探測、探測距離、分辨率、夜間工作能力、日間工作能力，雪/霧/雨工作能力、色彩對比度、探測速度、傳感器大小、傳感器成本。特斯拉的傳感器采用視覺為主，超聲波雷達為輔的解決方案：一輛 Model 3 上，共有 8 個攝像頭，1 個毫米波雷達，12 個超聲波雷達，多種傳感器組合特征值變現較高。從近兩年主流新勢力車企、自主品牌、外資/合資車企規劃交付車型的傳感器搭載方案看，激光雷達作為實現 L3 級及以上自動駕駛的核心配置必不可少，多傳感器、多路線融合的方案可以助力自動駕駛實現性能的多維提升。 圖圖 14：各車企搭載激光雷達的車

40、型及詳情：各車企搭載激光雷達的車型及詳情 資料來源：蓋世汽車，汽車之家，太平洋汽車，前瞻產業研究院，傳感器專家網，高工智能汽車，集微咨詢，各車企官網，德邦研究所 3.2. 激光雷達激光雷達技術路徑技術路徑眾多，廠商眾多，廠商競爭競爭百花齊放百花齊放 3.2.1. 掃描方式：掃描方式：半固態半固態占主流地位占主流地位，長期看好固態，長期看好固態的的商用落地商用落地 按掃描方式分按掃描方式分，主要有主要有機械式、半固態式（包括機械式、半固態式（包括 MEMS、棱鏡、轉鏡等） 、固、棱鏡、轉鏡等） 、固激光雷達激光雷達攝像頭攝像頭超聲波雷達超聲波雷達毫米波雷達毫米波雷達Innovusion蔚來ET7

41、Falcon半固態-振鏡+轉鏡111125Innovusion蔚來ET5Falcon半固態-振鏡+轉鏡111125Innoviz寶馬 寶馬iXInnovizOne半固態-MEMS110125大疆Livox小鵬P5（550P、600P車型)浩界HAP半固態-棱鏡213125速騰聚創小鵬G9RS-LiDAR-M1半固態-MEMS2/速騰聚創威馬M7RS-LiDAR-M1半固態-MEMS37/速騰聚創廣汽埃安Aion LX PlusRS-LiDAR-M1半固態-MEMS312126速騰聚創上汽智己L7RS-LiDAR-M1半固態-MEMS1312512速騰聚創LucidAirRS-LiDAR-M1半

42、固態-MEMS114125禾賽科技理想理想L9AT128半固態-轉鏡112125禾賽科技高合HiPHi ZAT128半固態-轉鏡17/5禾賽科技集度/AT128半固態-轉鏡/華為哪吒哪吒S96線半固態-轉鏡318125華為長城機甲龍96線半固態-轉鏡411125華為長安阿維塔E1196線半固態-轉鏡313126華為北汽極狐阿爾法S 全新HI版96線半固態-轉鏡313126IBEO長城WEY摩卡ibeoNEXT固態-Flash37125IBEO長城WEY摩卡ibeoNEXT固態-Flash37125Luminar上汽飛凡R7Iris半固態-振鏡+轉鏡1/2（4D）法雷奧奔馳（進口）新款S級Sca

43、la 2半固態-轉鏡1/法雷奧本田Legend Hybrid EXScala 2半固態-轉鏡52125大陸豐田雷克薩斯新款LS HFL110固態-Flash3/大陸豐田新款Mirai HFL110固態-Flash3/大陸豐田“賽那 SIENNA” Autono-MaaS/固態411/5Velodyne福特OtosanVelarray H800 共振鏡/Aeva大眾奧迪e-tronAeriesFMCW測距16/5Aeva大眾大眾ID BUZZAeriesFMCW測距614/激光雷達產品激光雷達產品激光雷達光束操縱方式激光雷達光束操縱方式傳感器配置數量（個）傳感器配置數量（個）激光雷達供應商激光雷

44、達供應商車企車企車型車型 15 / 38 態式（主要是態式（主要是 OPA、Flash 兩種方案）兩種方案）三種路徑三種路徑。 機械式激光雷達體積大、成本高，主要用于機械式激光雷達體積大、成本高，主要用于 Robotaxi 等等領域領域。機械式激光雷達在豎直方向上布局了多組的激光線束，發射和接收模塊需要 360 度旋轉進行激光線的發射和掃描，因此體積更大，價格也更加昂貴。機械式激光雷達價格普遍較高。 目前 Velodyne 的 64 線式產品價格約 8 萬美元， 16 線式產品價格為 4000美元； 禾賽科技的機械式激光雷達均價約 10 萬元人民幣。由于機械式激光雷達排列了多組激光發射模組，可

45、以做到 128 線/64 線/32 線/16 線/8 線 4 線多種線別的激光雷達，線別越高通常性能高、價格更高；但機械式激光雷達的主要缺點是多組激光發射模組導致的體積龐大難以滿足車規級的嚴苛要求，且通過增加收發模塊的數量實現高線束，相應的元器件成本也更高，此外分立的收發組件設計導致生產過程中需要進行人工光路對準，裝配復雜、可量產性差。目前機械式激光雷達主要應用于無人駕駛車輛上。目前機械式激光雷達海外市場的主要玩家有Velydone、Ouster，國內玩家主要有禾賽科技、速騰聚創。 圖圖 15：機械式激光雷達機械式激光雷達結構圖結構圖 圖圖 16：機械式激光雷達搭載效果圖機械式激光雷達搭載效果

46、圖 資料來源：汽車之家，德邦研究所 資料來源：Cruise 官網，德邦研究所 半固態半固態激光雷達激光雷達相比機械式相比機械式激光雷達激光雷達成本成本更低，且易過更低，且易過車規。車規。半固態激光雷達的激光器、探測器保持靜止，不再進行機械旋轉，并采用“微動”器件來替代機械式的掃描器， 旋轉幅度只能做到 120的水平掃描視野。 從 2022 年即將量產的配載激光雷達的車中，絕大多數搭載的激光雷達均為半固態式，單顆價格大部分分也下探到 1000 美元以內。 目前， 半固態式激光雷達主要技術路線分為轉鏡式和MEMS 微振鏡式兩種，其中轉鏡式半固態方案更加成熟。 MEMS 式式激光雷達激光雷達作為機械

47、式激光雷達的革新形態出現，引領激光雷達作為機械式激光雷達的革新形態出現，引領激光雷達體積體積縮小縮小、成本、成本減減少少。MEMS 激光雷達通過 MEMS 微振鏡來操縱激光束的偏轉，可以替代原來宏觀的機械式旋轉的部分，具有一定的半導體集成性，通過激光發射、接收器的大幅度減少可以降低 MEMS 激光雷達的成本。并且，通過微振鏡反射激光形成較廣的掃描角度和較大的掃描范圍，可以形成更多點云，能夠克服機械式激光雷達在壽命和良品率的不足。根據麥姆斯咨詢估算，機械式激光雷達的每組芯片成本約 200 美元，僅 16 組的芯片成本就高達 3200 美元。采用 MEMS 微振鏡設計方案的激光雷達將各種分立芯片集

48、成設計到激光雷達控制芯片組，從而大幅降低激光雷達的成本，如 Innoluce 曾發布一款 MEMS 激光雷達設計方案可以將激光雷達的成本控制在 200 美元以內。 MEMS 方案目前方案目前在在激光雷達市場激光雷達市場應用較應用較為廣泛為廣泛。全球范圍內，MEMS 路徑代表公司為 Luminar、Innoviz、速騰聚創。其 16 / 38 中 Luminar 主要有 Iria 和 Hydra 兩款產品，Ira 預計 2022 年量產；Innoviz 已經與寶馬達成合作；速騰聚創作為全球銷量最大的機械式激光雷達企業之一，在MEMS 激光雷達上也是最早布局研發并且領先的企業之一。 圖圖 17：M

49、EMS 半固態半固態激光雷達激光雷達工作原理工作原理 圖圖 18：Innoluce 采用采用 MEMS 微振鏡微振鏡式式激光雷達設計激光雷達設計方案方案 資料來源：EDN China，德邦研究所 資料來源：Innoluce 官網，EDN China，德邦研究所 轉鏡式轉鏡式激光雷達激光雷達最早通過車規，目前應用廣泛。最早通過車規，目前應用廣泛。轉鏡式激光雷達保持收發模塊靜止，通過電機帶動轉鏡運動將光束反射至一定范圍并實現掃描探測，技術層面與機械式激光雷達類似。且與 MEMS 微振鏡平動和扭轉方式不同，轉鏡通過反射鏡面圍繞圓心不斷旋轉，因此在功耗、散熱等方面優勢更為明顯。法雷奧推出的全球首款車規

50、級激光雷達就采用了轉鏡形式。雖然轉鏡式激光雷達的可靠性比機械式激光雷達高，但由于機械部件仍較多、體積上相對較大，在實際應用中由于旋轉產生的機械摩擦在長期之下還是會影響使用的精度，因此轉鏡式激光雷達也將主要作為一種過渡方案。2017 年投產的轉鏡式的 Valeo SCALA 最早通過車規級驗證并實現大規模量產。 圖圖 19：轉鏡式激光雷達轉鏡式激光雷達 圖圖 20：二維轉鏡激光雷達二維轉鏡激光雷達示意圖示意圖 資料來源：汽車之心，德邦研究所 資料來源：電動生活，德邦研究所 固態激光雷達通過半導體工藝把激光雷達一些核心部件集成在芯片上，固態激光雷達通過半導體工藝把激光雷達一些核心部件集成在芯片上，