森地領航多少錢（智能汽車感知相關產業深度研究）

（報告出品方/作者：國信證券，熊莉）1感知篇：環境感知+車身感知+網聯感知組成車載感知系統整個車載感知系統主要包括環境感知、車身感知與網聯感知三大部分。其中，（1）環境感知：主要負責車輛從外界獲取信息，如附近車輛、車道線、行人、建筑物、障礙

（報告出品方/作者：國信證券，熊莉）

1 感知篇：環境感知+車身感知+網聯感知組成車載感知系統

整個車載感知系統主要包括環境感知、車身感知與網聯感知三大部分。其中， （1）環境感知：主要負責車輛從外界獲取信息，如附近車輛、車道線、行人、 建筑物、障礙物、交通標志、信號燈等，主要包括四大類別的硬件傳感器車載 攝像頭、毫米波雷達、激光雷達、超聲波雷達；（2）車身感知：主要負責車身感知定位系統主要由慣性導航、衛星導航系統和高精度地圖組成。主要是 以高精地圖為依托，通過慣性導航系統和全球定位系統（Global Navigation Satellite System，GNSS）。GNSS 通過導航衛星可以提供全局的定位信息， 慣導系統可以提供不依賴于環境的定位信息，高精地圖為車輛環境感知提供輔 助，提供超視距路況信息。三者取長補短、互相配合，共同構成自動駕駛定位 導航系統。車輛 對自身狀態的感知，如車輛位置、行駛速度、姿態方位等，主要包括慣性導航、 衛星導航和高精度地圖；（3）網聯感知：主要負責實現車輛與外界的網聯通信 以此來獲得道路信息、行人信息等，主要包括各類路側設備、車載終端以及 V2X 云平臺等。

四大硬件傳感器是自動駕駛汽車的眼睛，是環境感知的關鍵。車載傳感器主要 包括車載攝像頭、毫米波雷達、激光雷達、超聲波雷達四大類。自動駕駛汽車 首先是對環境信息與車內信息的采集、處理與分析，這是實現車輛自主駕駛的 基礎和前提。環境感知是自動駕駛車輛與外界環境信息交互的關鍵，車輛通過 硬件傳感器獲取周圍的環境信息，環境感知是一個復雜的系統，需要多種傳感 器實時獲取信息，各類硬件傳感器是自動駕駛汽車的眼睛。

單車傳感器數量倍增，為高階自動駕駛落地夯實基礎

當前自動駕駛正處在 L2 向 L3 級別跨越發展的關鍵階段。其中，L2 級的 ADAS 是實現高等級自動駕駛的基礎，從全球各車企自動駕駛量產時間表來看，L3 級 別自動駕駛即將迎來大規模地商業化落地。

隨著自動駕駛級別的提升，單車傳感器的數量呈倍級增加。預計自動駕駛 Level 1-2 級需要 10-20 個傳感器，Level 3 級需要 20-30 個傳感器，Level 4-5 級需要 40-50 個傳感器。

Level 1-2 級別：通常具有 1 個前置遠程雷達和 1 個攝像頭，用于自適應巡航 控制，緊急制動輔助和車道偏離警告/輔助。2 個向后的中程雷達可實現盲點 檢測，外加 4 個攝像頭和 12 個超聲波雷達則可實現 360 度視角的泊車輔助功 能。預計 Level 1-2 的總傳感器數量約為 10-20 個左右。

Level 3 級別：在 Level 1-2 配置的基礎上，外加 1 個遠程激光雷達，由于主 動距離測量，激光雷達還具有高分辨率，廣角和高精度的特點，這對于檢測 和分類對象或跟蹤地標以進行定位將是必需的。對于高速公路領航系統 （Highway pilot）應用，通常會額外增加 1 顆后向的遠程激光雷達。預計會 使用 6-8 個攝像頭，8-12 個超聲波雷達和 4-8 個毫米波雷達，以及 1 個激光 雷達，因此，預計 Level 3 的傳感器總數量會在 20-30 個左右。

Level 4-5 級別：通常需要多種傳感器進行 360°視角的交叉驗證，以消除每 種傳感器的弱點。預計會使用 8-15 個攝像頭，8-12 個超聲波雷達和 6-12 個 毫米波雷達，以及 1-3 個激光雷達，因此，預計用于 Level 4 至 5 的傳感器總 數量會在 30-40 個左右。

從本次廣州車展來看，各家新車型均搭配多個激光雷達，以此來提前布局高階 自動駕駛，哪吒 S 配置了 3-6 顆混合固態激光雷達，售價在 30 萬以上的新車 型普遍搭配了支持 L3-L4 級自動駕駛所需要的各類傳感器（2+顆激光雷達、12 顆超聲波雷達、7-10 顆高清攝像頭、5+顆毫米波雷達）。以蔚來 ET7 為例， 共搭載了多達 33 個高精度傳感器，包括 1 個超遠距高精度激光雷達、11 個 800 萬像素高清攝像頭、5 個毫米波雷達、12 個超聲波傳感器、2 個高精定位單位、 1 個 V2X 車路協同感知系統和 1 個 ADMS 增強主駕感知，較蔚來 ES8 的 25 個傳感器還多了 8 個。

政策指引，助力高階輔助駕駛 ADAS 快速落地

各國政策不斷刺激，助力高階輔助駕駛 ADAS 快速落地。美國在 2011 年開始 就強制所有輕型商用車和乘用車搭載 ESP 系統，歐盟從 2013 年開始強制安裝 重型商用車搭載 LDW、AEB 等功能，日本從 2014 年強制要求商用車搭載 AEB 系統，2019 年歐盟與日本等 40 國達成草案，將于 2020 年起全部輕型商用車 和乘用車強制安裝 AEB 系統。中國自 2016 年開始出臺各項政策，逐步強制商 用車搭載 LDW、FCW、LKA、AEB 等 ADAS 功能。

各國新車測試標準不斷增加對主動安全 ADAS 功能的權重。NCAP（New Car Assessment Program，新車測試項目）是測試機構對新車型的車輛安全水平進行全面評估，并直接面向公眾公布試驗結果。NCAP 是民間組織，不受政府機 構組織控制。碰撞測試成績則由星級表示，共有五個星級，星級越高表示該車 的碰撞安全性能越好。

多傳感器融合，定義自動駕駛汽車的“慧眼”

為了使汽車感知系統形成有效互補，多傳感器融合已成為眾多主機廠來提高自 身智能駕駛能力的核心技術之一。 為了應對不同的場景和保證車輛的安全保 證，多傳感器融合成為行業趨勢。多傳感器融合技術是對信息的多級別、多維 度組合導出有用的信息，包含圖像信息、點云信息等，不僅可利用不同傳感器 的優勢，還能提高整個系統的智能化。

多傳感器信息融合技術的基本原理與人腦綜合處理信息的過程相似，在此過程 中，智能駕駛汽車要充分地利用多源數據進行合理支配與使用，而信息融合的 最終目標則是基于各傳感器獲得的分離觀測信息，通過對信息多級別、多方面 組合導出更多有用信息。這不僅是利用了多個傳感器相互協同操作的優勢，而 且也綜合處理了其它信息源的數據來提高整個傳感器系統的智能化。

多傳感器融合技術的主要優勢有提升感知系統的準確度，提升感知維度，進而 提升系統決策的可靠性和置信度，以及增強環境適應能力。總之，多傳感器技 術能夠利用空間或時間上的冗余或者互補信息，基于優化算法對被觀測對象進 行更全全面的分析：

提高感知的準確度：多種工作原理的傳感器聯合互補，可以避免單一傳感器 的局限性，最大程度上發揮各種傳感器的優勢，能夠同時獲取被檢測物體多 種不同的特征信息，漸少環境、噪聲等外界干擾；

提升感知維度，提升系統決策的可靠性：多傳感器融合可帶來一定的信息冗 余度，即使某一個傳感器出現故障，系統仍然可以正常工作，具有較高的容 錯度，增加系統決策的可靠性和置信度；

增強環境適應能力：應用傳感器融合技術采集的信息具有明顯的特征互補性， 對空間和時間的覆蓋范圍更廣，彌補了單一傳感器對分辨率和環境的不確定 性。

多傳感器對于車載系統也提出了新的要求，需要有統一的同步時鐘，以此保證 傳感器信息的時間一致性和正確性；此外，準確的多傳感器標定，保證相同時 間下不同傳感器信息的空間一致性。從多傳感體系的融合結構上，主要可以分 為分布式、集中式和混合式三種。

2 環境感知之一：激光雷達

激光雷達是 L3 級以上自動駕駛的必備傳感器

激光雷達，即（LiDAR, Light Detection and Ranging），是一種通過發射激 光束來測量周圍環境物體的距離和方位的方法。激光雷達主要由發射模塊、處 理模塊和接收模塊組成，其工作原理是向目標發射探測信號（激光束），然后 將接收到的從目標反射回來的信號（目標回波）與發射信號進行比較，做適當 處理后，就可獲得目標的有關信息，如目標距離、方位、高度、速度、姿態及 形狀等參數，從而對障礙物、移動物體等目標進行探測、追蹤和識別。

激光雷達是當下已知的車載雷達中探測距離遠，角度測量精度極高的一種。激 光雷達可以準確的感知周邊環境的三維信息，探測精度在厘米級以內。激光雷 達能夠準確的識別出障礙物具體輪廓、距離成 3D 點云，且不會漏判、誤判前 方出現的障礙物，激光雷達普遍的有效探測距離也更遠。與毫米波雷達和攝像 頭相比，激光雷達具備高分辨率、遠距離和視角廣闊等特性。

激光雷達誕生于 1960 年，起初用于科研及測繪項目，全球首個車規級激光雷 達在 2017 年實現量產。1960 年美國休斯實驗室的西奧多·梅曼發明了人類歷 史上第一臺激光器，隨著激光器的發展，激光雷達逐漸發展起來。早期激光雷 達主要用于科研及測繪項目，進行氣象探測以及針對海洋、森林、地表的地形 測繪。2010 年，Neato 公司把激光雷達安在了掃地機器人上面，推出了 Neato XV-11，Neato 公司將單個激光雷達的成本控制在 30 美元以內，解決了激光雷 達的量產難題，打開了激光雷達在民用市場的空間。

而車載雷達的發展歷史可以追溯到 21 世紀初，在 2007 年，美國國防部組織的 DARPA 無人車挑戰賽上，參賽的 7 只隊伍，就有 6 只安裝了 Velodyne 的激光 雷達。2010 年 Ibeo 公司同法雷奧合作進行車規化激光雷達 SCALA 的開發， SCALA 為基于轉鏡架構的 4 線激光雷達，在 2017 年成為了全球第一款車規級 激光雷達，SCALA 并在當年搭載在全新的奧迪 A8 上。

在測繪之外，智能駕駛、工業及服務機器人都是激光雷達的重要應用場景。在應用場景上，除了傳統的測繪測風之外，無人駕駛、高級輔助駕駛等智能駕駛 場景正在快速成長。此外，工業及服務機器人如 AGV，其應用包括無人配送、 無人清掃、無人倉儲、無人巡等，都是激光雷達未來重要的應用場景。

智能駕駛將是未來五年激光雷達市場的主要增長動力。根據 Yole 的預測，2019 年全球激光雷達市場規模約為 16 億美金，預計到 2025 年全球激光雷達市場規 模將達到 38 億美金，年復合增長率約為 20%。按照各細分應用板塊來看，智 能駕駛場景未來五年的復合增長率將超過 60%，將會為整個激光雷達市場提供 18 億美金的增量，預計到 2025 年，智能駕駛場景將占到整個激光雷達市場規 模的 50%，成為激光雷達市場的主要增長動力。此外，各種工業及服務機器人 對激光雷達的需求也在快速增長，也將帶動整個激光雷達市場規模持續擴大。

目前主流的自動駕駛技術路徑主要分兩種：（1）以特斯拉為代表的視覺算法為 主導的流派。以攝像頭主導，搭配毫米波雷達來捕捉周邊環境信息，使用先進 的計算機視覺算法實現全自動駕駛。這一類方案所需的硬件成熟度較高，成本 低，但毫米波雷達探測角度較小，遠距離探測能力也不足，需要優異的算法來 彌補缺點。典型代表有特斯拉，該技術路徑相對小眾；（2）以 Waymo、部分 車企為代表的激光雷達主導的流派。以激光雷達為主， 同時搭載毫米波雷達、 超聲波傳感器和攝像頭，可以進行遠距離、全方位的探測，分辨率較強，但硬 件成本較高，典型代表為谷歌 Waymo、百度 Apollo、文遠知行等主流無人駕駛企業。

激光雷達是車載攝像頭與毫米波雷達的有效補充，將是 L3 級及以上自動駕駛 的必備傳感器。從工作原理來看，激光雷達發射的光波的頻率比微波高出 2-3 個數量級，因此激光雷達具有極高的距離分辨率、角分辨率和速度分辨率，因 此測量精度更高，獲得信息更為立體，同時，由于激光波長短，可發射發散角 非常小的激光束，可探測低空/超低空目標，抗干擾能力強。即便是純視覺的方 案從效果上能夠一定程度代替激光雷達的自動駕駛方案，但是對于高階自動駕 駛而言，安全駕駛是其重要的一步，在感知環節的傳感器冗余能夠有限提升車 輛的安全冗余，激光雷達將是 L3 及以上自動駕駛的必備傳感器。

混合固態短期會是主流，固態芯片化是終極形態

激光雷達主要由光束掃描器和探測系統兩個維度組成，一個負責成像，一個負 責測距。按光束掃描器結構大致可劃分為三類：機械式、混合固態和固態激光 雷達；按照掃描方式分為機械旋轉式、MEMS（微振鏡）、微距移動、Flash、OPA（光學相控陣）等。

ToF 激光雷達是當前的主流，未來 ToF 與 FMCW 會共存。按照探測方式來分， 分成了非相干測量（脈沖飛行時間測量法 ToF 為代表）和相干測量（典型為 FMCW 調頻連續波）。ToF 與 FMCW 能夠實現室外陽光下較遠的測程 （100~250m），是車載激光雷達的優選方案。ToF 是目前市場車載中長距激光 雷達的主流方案，未來隨著 FMCW 激光雷達整機和上游產業鏈的成熟，ToF 和 FMCW 激光雷達將在市場上并存。

混合固態方案作為當前市場的過渡期預計將存在 5 年以上，終極形態的激光雷 達會是低成本、高度芯片化的產品。

固態激光雷達是終極形態，混合固態 MEMS 等方案短期內會是主流。機械式 激光雷達技術本身成熟，但具有成本較高、裝配調制困難、生產周期長，且 需要持續旋轉，機械部件的壽命較短，一般在 1-2 年，很難應用在規模量產車 型上。MEMS 混合固態激光雷達一方面具有尺寸小、可靠性高、批量生產后 成本低、分辨率較高等優勢，另一方面也存在信噪比低、有效距離短、視場 角窄、工作壽命較短等缺點。MEMS 方案是當下車用激光雷達量產的最優解， 但是 MEMS 微振鏡掃描角度小、振動問題與工作溫度范圍，過車規也存在挑 戰。固態方案不用受制于機械旋轉的速度和精度，可大大壓縮雷達的結構和 尺寸，提高使用壽命，并降低成本。

芯片化將會是激光雷達的架構趨勢。當前大部分 ToF 激光雷達產品采用分立 器件，即發射端使用邊發射激光器 EEL 配合多通道驅動器、接收端使用線性 雪崩二極管探測器（APD）配合多通道跨阻放大器（TIA）的方案。但分立器 件仍存在零部件多、生產成本高、可靠性低等問題，芯片化架構的激光雷達 可將數百個分立器件集成于一顆芯片，在降低物料成本的同時，省去了對每 一個激光器進行獨立光學裝調的人力生產成本。此外，器件數量的減少，可 以顯著降低因單一器件失效而導致系統失效的概率，提升了可靠性。芯片化 架構的激光雷達是未來的發展方向。（報告來源：未來智庫）

激光雷達成本拐點來臨，大規模商業化落地在即

激光雷達的成本構成。激光雷達本質是一個由多種部件構成的光機電系統，光 電系統包括發射模組、接收模組、測時模組（TDC/ADC）和控制模組四部分構 成，其中，光電系統成本約占激光雷達整機成本的 70%。

激光雷達上游產業鏈主要包括激光器和探測器、FPGA 芯片、模擬芯片供應商， 以及光學部件生產和加工商。激光器和探測器是激光雷達的重要部件，激光器 和探測器的性能、成本、可靠性與激光雷達產品的性能、成本、可靠性密切相 關。激光器主流供應商有歐司朗、艾邁斯半導體、魯門特姆，探測器主流供應 商有濱松、安森美、索尼等。FPGA 通常被用作激光雷達的主控芯片，主流供 應商有賽靈思、英特爾等，除了 FPGA 之外，也可以選用 MCU、DSP 等代替。 MCU 的主流供應商有瑞薩、英飛凌等，DSP 的主流供應商有德州儀器、亞德 諾半導體等。而在相關光學部件上，國內供應鏈已經完全實現替代海外，實現 自主供應。

從各家的 Velodyne 的 64 線機械式激光雷達的售價在 7.5 萬美元，32 線的機械 式激光雷達售價在 4 萬美元左右，16 線的機械式激光雷達售價在 3999 美元。 而國內廠商，如禾賽科技在 2020 年發布的機械式激光雷達售價為 4999 美元左 右，速騰聚創在 2020 年發布的機械式激光雷達售價為 1898 美元。

隨著相關技術和產業鏈日益成熟，激光雷達的成本拐點即將來臨。Velodyne 宣 布計劃到 2024 年將平均單價將下降到 600 美元，華為也宣布未來計劃將激光 雷達的價格控制在 200 美金以內。隨著相關技術逐漸成熟和供應鏈體系的逐步 完善，當前混合固態的激光雷達平均價格約在 1000 美元左右，預計到 2023 年 左右成本有望下探到 500 美元。隨著激光雷達的成本拐點逐步到來，也為大規 模商用打造了充分的基礎。

2022 年有望成為激光雷達大規模商業的元年。在 2021 年，如蔚來 ET7、智已 L7、極狐阿爾法 S、哪吒 S、R 汽車等都已宣布搭載激光雷達的車型正在量產路上，在前不久的廣州車展上，威馬 M7、廣汽埃安 AION LX Plus 等均宣布了 搭載 2~3 顆激光雷達，長城最新發布的沙龍機甲龍更是配備 4 顆激光雷達。這 些車型大多在 2022 年量產，2022 年有望成為激光雷達大規模商業的元年。

空間測算：預計到 2025 年全球市場規模 739 億元，CAGR 107%

各家 OEM 車廠在 2022 年搭載激光雷達的車型紛紛量產，帶動車規級激光雷達 市場持續放量。當前由于激光雷達相對較高，只有 L2.5 和 L3 以上的車型才會 搭載，預計單車平均搭載數量將從 1 顆逐漸提升到 2030 年有望達到 3 顆。預 計到 2025 年全球車規級激光雷達搭載量將超過 3100 萬顆，保持高速增長；隨 著激光雷達的大規模量產，價格有望持續下降，預計將從目前的 6000 元，下 降至 2025 年 3000 元左右；而在市場空間方面，預計到 2025 年全球市場規模 有望超過 739 億元，復合增長率 107%。中國市場方面，預計到 2025 年中國激 光雷達市場規模有望達到 287 億元，激光雷達搭載量有望超過 1200 萬顆。隨 著高階自動駕駛對激光雷達的需求不斷提升，帶動激光雷達市場快速爆發，車 規激光雷達將是未來五年智能傳感器市場中彈性最大的子板塊。

3 環境感知之二：車載攝像頭

單車攝像頭數量持續增加，天花板不斷打開

車載攝像頭是環境感知中最常見的傳感器之一。攝像頭的工作原理即目標物體 通過鏡頭生成光學圖像投射到圖像傳感器上，光信號轉變為電信號，再經過 A/D （模數轉換）后變為數字圖像信號，最后送到 DSP（數字信號處理芯片）中進 行加工處理，由 DSP 將信號處理成特定格式的圖像傳輸到顯示屏上進行顯示。 視覺是人類駕駛汽車獲取環境信息最主要的途徑，攝像頭獲取的信息更為直觀， 更接近人類的視覺，對于自動駕駛汽車而言，攝像頭取代了人類視覺，成為了 汽車獲取外界信息的重要來源。

車載攝像頭的優點十分明顯，成本低且技術成熟，采集信息的豐富度較高，最 接近人類視覺，但其缺點也十分顯著，攝像頭受光照、環境影響十分大，難以 全天候工作，尤其是在黑夜、雨雪天、大霧等能見度不足的場景下，其識別效 率大大降低，此外，車載攝像頭缺乏深度信息，三維空間感不足。

圖像傳感器成本占比超過五成，CMOS 為當下主流選擇。車載攝像頭的硬件結 構包括光學鏡頭（光學鏡片、濾光片、保護膜）、圖像傳感器、圖像信號處理 器（ISP）、串行器、連接器等器件。成本結構成上，圖像傳感器成本占比最高， 成本占比達到 50%，CMOS 圖像傳感器具有讀取信息方式簡單、輸出信息速率 快、耗電少、集成度高、價格低等特點，成為目前目前主流的車載圖像傳感器。

車載鏡頭舜宇排名第一，聯創電子正在快速崛起。根據 ICVTank 在 2019 年的 數據顯示，舜宇光學全球車載攝像頭出貨量第一，市占率超過 30%，韓國世高 光、日本關東辰美、日本富士占絕行業前四名，前四名市占率超過 80%。國產 方面，除舜宇之外，聯創電子是國內唯二具備較強競爭力的廠商，目前已經進 入特斯拉、蔚來等產業鏈，正在快速崛起。

車載 CIS 呈現寡頭格局，韋爾收購豪威科技一躍成為行業第二。車載 CIS （CMOS Image Sensor）是當下主流的車載攝像頭圖像傳感器方案，其中安森 美是絕對的車載 CIS 龍頭，市占率超過六成，豪威科技位列第二，市占率約為 20%，索尼和三星作為手機 CIS 的龍頭，進入車載市場較晚，正在快速切入。 國產廠商方面，韋爾股份收購豪威科技后，一躍成為車載 CIS 龍頭，正在迅速 崛起。

中游模組主要由海外公司主導，國產比例仍然較低。由于車規級攝像頭模組的 安全性和穩定性要求更高，模組封裝工藝更為復雜，在競爭格局方面，主要由 海外公司占據主要市場份額，松下、法雷奧、富士通、大陸、麥格納等占據市場主要地位，國產方面，舜宇光學、聯創電子等為代表的攝像頭模組企業正在 快速布局車載領域。

根據安裝位置劃分，車載攝像頭可以分為五大類：內視攝像頭、后視攝像頭、 前置攝像頭、側視攝像頭、環視攝像頭等；根據結構劃分，車載攝像頭可以分 為單目攝像頭、雙目攝像頭、廣角攝像頭等。單目攝像頭和雙目攝像頭主要用 于自動駕駛汽車的前視，視角一般為 45 度左右，負責實現 FCW、LDW、PCW、 TSR、ACC 等功能，而廣角攝像頭則要用于自動駕駛汽車的后視（后視泊車輔 助）、內置（閉眼提醒、DMS）、側視（盲點檢測）、以及環視（全景泊車、 LDW）等多個方位多種功能。

各家整車廠新車型的攝像頭搭載數量持續上升。從各家最新發布的車型搭載方 案來看，造車新勢力的單車搭載攝像頭數量平均已超過 10 顆。2021 年最新發 布的蔚來 ET7 共搭載了 11 顆攝像頭，小鵬計劃于 2022 年量產的 G9 車型預計 將搭載 12 顆攝像頭，極氪 001 更是搭載了 15 顆攝像頭，各家車企不斷增加前 視、環視、后視和內視等各方位的攝像頭，為了高階輔助駕駛的落地創造了堅 實的基礎。

特斯拉 Model 3 的感知系統包括了 8 個攝像頭+12 個超聲波雷達+1 個毫米波 雷達。該感知系統可以實現在 250 米半徑內提供 360 度的視野，可以在一定距 離內探測軟硬物體，而且精度幾乎是以前系統的兩倍。包括 1 個前視窄視野長 焦攝像頭（FOV 25 度、最大測距 250 米），1 個前視主視野中焦攝像頭（FOV 50 度、最大測距 150 米），1 個前視寬視野廣角攝像頭（FOV 150 度、最大測 距 60 米），2 個側方前視攝像頭（最大測距 80 米）、2 個側方后視攝像頭（最 大測距 100 米）和 1 個后視攝像頭（最大測距 50 米）。

Mobileye 的純攝像頭 ADAS 解決方案包括了 12 顆攝像頭的子系統。在 CES 2020 上，Mobileye 也發布 12 個攝像頭組成的純攝像頭解決方案，包括 2 顆前視攝像 頭（FOV 120 度），一顆前視窄視野長焦攝像頭（FOV 28 度），1 顆后視攝 像頭（FOV 60 度），4 顆側視攝像頭（FOV 100 度），4 顆停車輔助攝像頭， 1 顆 DMS 內視攝像頭。

單車搭載攝像頭數量持續增加，預計到 23 年有望超過平均每臺車 3 顆。根據 佐思汽研數據，2021Q1 中國乘用車市場車載攝像頭的總安裝量為 922.3 萬顆， 同比增長 95.3%，2021Q1 單車的攝像頭安裝量從 2020Q1 的 1.559 顆提升至 1.779 顆，市場對車載攝像頭的需求量持續增加。根據 Yole 預測，2018 年全球 汽車平均每臺搭載攝像頭的數量為 1.7 顆，預計到 2023 年有望增加單車 3 顆左 右，CAGR 達 12%。而對于高端車的搭載情況，根據 Yole 數據顯示，高端車 型的單車攝像頭搭載數量從 2014 年的 5 顆提升到 2020 年的 8 顆，預計到 2024 年將超過 11 顆。

此外，根據不同等級自動駕駛的要求，為了實現更準確的識別效果，每一類攝 像頭會搭載不同焦段 2-3 只。L1 或 2 級的車輛主要以安裝倒車或環視攝像頭為 主，單車攝像頭數量約在 3-5 顆左右；L3 級車輛還會安裝前視攝像頭，單車攝 像頭數量約在 8 顆左右；L4/5 級車輛基本會囊括各種類型的攝像頭，單車攝像 頭數量約在 10-20 顆左右。

各類型車載攝像頭快速上車，滲透率不斷提升。19-20 年我國后視攝像頭滲透 率占比最高為 50%，前視攝像頭滲透率 30%、側視攝像頭滲透率 22%，內置 攝像頭滲透率 7%，仍然有很大的滲透空間。隨著 IACC、HWA、HWP 等各類 高級 ADAS 功能落地，各種攝像頭的需求量也在不斷上升，駕駛員注意力監測 需求上升，DMS 攝像頭也在快速上車。根據佐思汽研的數據，2021Q1 中國乘 用車市場 DMS 安裝量同比增長 554.5%，是各類車載攝像頭中增速最快的，此 外環視攝像頭同比增速 120.8%，前視攝像頭同比增速 103.0%，行車記錄儀同 比增速 102.2%，后視攝像頭同比增速 60.6%，各類車載攝像頭安裝量快速提 升。

EEA 架構集中化，有望帶動攝像頭成本下行

特斯拉剝離計算功能，攝像頭 BOM 成本下降六成。以寶馬 X5 采用的采孚三目 前視攝像頭和特斯拉在 Model 3 中所使用的三目前視攝像頭進行成本比較。寶 馬 X5 中的采孚 S-Cam4 三目前視攝像頭是由豪威（OmniVision）的 CMOS 圖 像傳感器實現圖像采集，Mobileye 的 EyeQ4 實現視覺處理。而特斯拉在 Model 3 中 所 使 用 的 三 目 前 視 攝 像 頭 ， 其 攝 像 頭 模 塊 是 基 于 安 森 美 （ On Semiconductor）120 萬像素的 CMOS 圖像處理器，并沒有安裝計算功能模塊， 圖像處理功能則由 Autopilot 來實現。

根據 SystemPlus 測算，特斯拉 Model 3 的三目前視攝像頭的 BOM 成本 65 美 金左右，而采孚 ZF S-Cam4 三目前視攝像頭的 BOM 成本在 165 美金左右，特 斯拉在剝離了計算功能后，攝像頭 BOM 成本下降了約六成。

EEA 架構的集中化會促使算力集中化，進而加速傳感器的硬件簡化。以特斯拉 為例，Model 3 的電子電氣架構已經進入準中央架構階段，由中央計算模塊 （CCM）、左車身控制模塊（BCMLH）、右車身控制模塊（BCMRH）三個部 分組成，特斯拉的準中央 E/E 架構已帶來了線束革命，Model S/Model X 整車 線束的長度是 3 公里，Model 3 整車線束的長度縮短到了 1.5 公里，Model Y 進 一步縮短到 1 公里左右，特斯拉最終的計劃是將線束長度縮短至 100 米。整個 架構的不斷集中化，也帶動了整個控制和算力的集中化，也避免了過往各 ECU之間的算力冗余，進一步簡化邊緣端傳感器，從而帶動邊緣段硬件成本的進一 步下探。

車內感知需求不斷增加，DMS 有望成為標配

駕駛員監測系統（DMS，Driver Monitor System）是指駕駛員行駛過程中， 全天候監測駕駛員的疲勞狀態、危險駕駛行為的信息技術系統。在發現駕駛員 出現疲勞、打哈欠、瞇眼睛及其他錯誤駕駛狀態后，DMS 系統將會對此類行為 進行及時的分析，并進行語音燈光提示，起到警示駕駛員，糾正錯誤駕駛行為 的作用。DMS 一般分為主動式 DMS 和被動式 DMS。被動式 DMS 基于方向盤 轉向和行駛軌跡特征來判斷駕駛員狀態。主動式 DMS 一般基于攝像頭和近紅 外技術，從眼瞼閉合、眨眼、凝視方向、打哈欠和頭部運動等，檢測駕駛員狀 態。

主動 DMS 系統從 18 年開始逐漸放量，21 年 1-9 月 DMS 銷量同比增長 244%。 自 2006 年起，雷克薩斯 LS 460 首次配備主動 DMS，隨著近年來一系列的安 全事故大大提高了 DMS 在自動輔助駕駛系統尤其是 L2/L3 功能上的的重要性。 從 2018 年開始，隨著 L2 和 L3 系統逐漸量產，主動式 DMS 系統開始放量。根 據佐思汽研數據， 2019 年在中國主動 DMS 系統的乘用車新車安裝量為 1.02 萬套，同比增長 174%。2021 年 1-9 月中國乘用車新車的 DMS 系統銷量 25.15 萬套，同比增長 244%，其中合資占比 6%，本土占比 94%，排名靠前的品牌 有長安、小鵬、哈弗、寶馬、蔚來等。2021 年中國 DMS 爆發增長主要原因是 本土品牌增加了裝配車型力度。2021 年新上市車型 DMS 裝配量 9.67 萬輛，占 整體裝配量比例 38%。

大部分 Tier1 已推出 DMS 完整解決方案，包括法雷奧、博世、大陸、電裝、現 代摩比斯、偉世通、維寧爾等。在中國企業中，百度、商湯科技、中科創達、 經緯恒潤等公司的 DMS 產品也已落地在各個品牌車型上。

DMS 的核心功能是監測駕駛員的疲勞和注意力分散程度。但是基于更多的傳感 器，視覺+紅外攝像頭，甚至毫米波雷達，可以實現更多的功能，譬如人臉識別、 年齡性別估計、情緒估計、安全帶檢測、姿勢位置、遺忘檢測、座艙異常情況 檢測、幼兒檢測等。通過人臉、性別和表情的識別, 實現身份認證，以及更豐 富的人車交互。目前 DMS 的應用僅停留在預警階段，而一旦與 ADAS/AD 系統 結合，還可以實現個性化車身控制等功能。

空間測算：預計到 2025 年全球市場規模近

1200 億元，CAGR 22% 隨著高階輔助駕駛功能滲透率的不斷提升，平均單車攝像頭的數量也在不斷提 升。對于 L2.5 和 L3 級的單車而言，平均車載攝像頭有望從 6-7 顆提升到 2030 年的 10 顆。隨著 ADAS 攝像頭和高清攝像頭的滲透率逐漸提升，將會帶動單 車攝像頭價值量的不斷提升。根據我們測算，預計到 2025 年全球車載攝像頭 市場規模將達 1178 億元，復合增長率 21.9%，全球車載攝像頭的搭載量有望 突破 2.45 億顆，復合增長率 19.2%。在中國市場方面，預計到 2025 年，中國 車載攝像頭市場規模將達到 457 億元，車載攝像頭搭載量有望突破 9600 萬顆。

4 環境感知之三：毫米波雷達

77GHz 正在取代 24GHz 成為主流

毫米波雷達是一種使用天線發射波長 1-10mm、頻率 24-300GHz 的毫米波 （Millimeter Wave，MMW）作為放射波的雷達傳感器。毫米波雷達根據接收 和發射毫米波的時間差，結合毫米波傳播速度、載體速度及監測目標速度，可 以獲得汽車與其他物體相對距離、相對速度、角度及運動方向等物理環境信息。 毫米波的波長介于厘米波和光波之間，因此毫米波兼有微波制導和光電制導的 優點。與激光雷達（LiDAR）相比，目前毫米波雷達技術更加成熟、應用更加 廣泛、成本更加低廉；與可見光攝像頭相比，毫米波雷達的準確性和穩定性更 好，價格差距也在不斷縮小。尤其是全天候工作無可替代的優勢，已成為汽車 電子廠商公認的主流選擇，擁有巨大的市場需求。

車載毫米波雷達根據毫米波頻率可以分為 24GHz、77GHz 和 79GHz 毫米波雷 達三大種類。目前各個國家對車載毫米波雷達的頻段各有不同，除了少數國家 （如日本）采用 60GHz 頻段外，主要集中在 24GHz 和 77GHz 兩個頻段。世 界無線電通信大會已將 77.5~78.0GHz 頻段劃分給無線電定位業務，以促進短 距高分辨車用雷達的發展。由于 77GHz 相對于 24GHz 的諸多優勢，未來全球 車載毫米波雷達的頻段會趨同于 77GHz 頻段（76-81GHz）。

根據探測距離的不同，毫米波雷達可分為短程毫米波雷達（SRR）、中程毫米 波雷達（MRR）、遠程毫米波雷達（LRR）三種。24GHz 主要是以 SRR 和 MRR 雷達為主，77GHz 主要以 LRR 雷達為主。一般情況下，SRR 的探測距 離小于 60 米，MRR 的探測距離在 100 米左右，LRR 的探測距離大于 200 米。

車載毫米波雷達因具備受天氣氣候影響程度低、不受前方目標物形狀與顏色等 干擾等特性，廣泛應用于主動安全系統。不同探測距離決定了不同類型毫米波 雷達的應用場景不同，因此，不同高級輔助駕駛功能也需要不同的雷達選型。 角雷達通常是 SRR 短程雷達負責盲點檢測（BSD）、變道輔助（LCA）和前后 交叉交通警報（F/RCTA）的要求，而前雷達通常是負責自動緊急制動（AEB） 和自適應巡航控制（ACC）的 MRR 和 LRR 中遠程雷達。毫米波雷達是高級輔 助駕駛系統（ADAS）的必備傳感器。

77 GHz 車載激光雷達優勢顯著，正在逐漸替代 24GHz 成為主流。（1）77GHz 雷達的分辨率和精度更高：由于速度分辨率和精度與射頻成反比，更高的射頻頻 率導致更好的速度分辨率和精度。77GHz 的毫米波雷達比 24GHz 的速度分辨率和 精度提高了 3 倍；（2）77GHz 雷達的體積更小：77GHz 天線列陣的間距僅為 24GHz 的三分之一，因此整個毫米雷達的體積也可以實現其三分之一。

海外廠商正主導市場，國內正起步追趕

國外毫米波雷達發展歷史悠久，國產正在逐步追趕。1973 年德國首次出現汽車 防撞雷達，歐美大型毫米波雷達制造商已累積近 40 年的技術經驗。早期的毫米 波雷達采用高電子遷移晶體管制作集成電路，集成度低且成本高昂，直到 2012 年，英飛凌及飛思卡爾成功推出芯片級別的毫米波射頻芯片，降低了毫米波波 雷達的技術門檻，同時降低其制造成本，推動毫米波雷達在各領域的應用。2013 年，24GHz 毫米波雷達產品開始進入中國，2018 年，實現 24GHz 毫米波雷達 國產，但是在 77GHz 毫米波雷達產品仍未實現大規模國產化，只有少數國內廠 商具備 77GHz 產品的量產能力，國產毫米波雷達仍在持續追趕中。

毫米波雷達的硬件占比約 50%，主要由射頻前端（MMIC）、數字信號處理器、 天線及控制電路等部分構成，軟件算法占比約 50%。

射頻前端（MMIC）：是核心射頻部分，占總成本的 25%左右。由發射器、 接收器、功率放大器、低噪聲放大器、混頻器、濾波器及壓控振蕩器組成， 起到調制、發射、接收及解調毫米波信號的作用。在技術趨勢上，集成度 更高、體積更小的高集成趨勢下，CMOS 工藝有望成為主流。在供應商方 面，加特蘭微電子、意行半導體、矽杰微電子、矽典微等本土廠商已有能 力自行研發生產低頻 24GHz 芯片，且價格較海外有 30%以上的優勢。但 在高頻段 77GHz 芯片方面，主要由恩智浦、英飛凌、德州儀器、意法半 導體等供應。

數字信號處理器：通過嵌入不同的信號處理算法，分析前端收集的信號獲 取目標信息，是保證毫米波雷達穩定性及可靠性的核心部件，主要通過DSP 芯片或 FPGA 芯片實現，占總成本的 10%左右。在技術趨勢上，DSP 芯片在復雜算法處理上具備優勢，FPGA 在大數據底層算法上具備優勢， “DSP+FPGA”融合在實時信號處理系統中的應用逐漸廣泛。在供應商方 面，高端 DSP 芯片和 FPGA 芯片主要被國外企業壟斷，DSP 芯片供應商 有飛思卡爾、英飛凌、亞德諾半導體、意法半導體等，FPGA 芯片供應商 有賽靈思、阿爾特拉、美高森美、萊迪思等公司。

高頻 PCB：天線是毫米波雷達發射和接收信號的重要組件，毫米波雷達可 通過微帶列陣方式將多根天線集成到 PCB 板上。由于毫米波頻率高，對電 路尺寸精度要求高，所需印制電路板為高頻板材 PCB，占總成本的 10%。 主要供應商為羅杰斯、Isola、施瓦茨為主，國內主要是滬電股份等公司。

博世、大陸、電裝、海拉等國外廠商占據全球毫米波雷達的七成市場份額。全 球毫米波雷達主要供應商有博世、大陸、電裝、海拉、天合、安波福、奧托立 夫等。博世、大陸、電裝、海拉等國外巨頭占據行業 73%的市場空間，行業集 中度較高。

維寧爾、大陸、海拉占據 SRR 市場，博世、大陸、電裝等占據 LRR 市場。根 據佐斯汽研的數據顯示，維寧爾、大陸、海拉、安波福和法雷奧五家企業占據 中國短程毫米波雷達（SRR）96.4%的市場空間，其中維寧爾排名第一，市占 率 32%；博世、大陸、電裝和安波福占據長距毫米波雷達（LRR）95.7%的市 場空間，博世排名第一，市占率高達 40%。

24GHz 國產化率較高，77GHz 僅少部分國產玩家實現量產。國產廠商已實現 24GHz 毫米波雷達產品市場化供貨，而僅少數玩家具備 77GHz 毫米波雷達產 品的量產能力，其中森思泰克是目前國內乘用車前裝 77GHz 毫米波雷達市場份 額排名首位的國產供應商，正在逐漸縮小與海外廠商的差距，其毫米波雷達的定點車型接近 100 個，而德賽西威、華域汽車等公司也已達到 77GHz 雷達的 量產條件。

空間測算：預計到 2025 年全球市場規模 380 億元，CAGR 26%

毫米波雷達作為最常用的車載傳感器之一，目前 L1 或 L2 級一般需要搭載 0-3 個左右，L3 級一般需要搭載 3-6 個左右，而 L4 或 L5 級一般需要 6-10 個左右， 隨著高階輔助駕駛功能的滲透率逐漸提升，也將帶動平均單車搭載個數的提升。 目前毫米波雷達正在逐漸從 24GHz 朝著 77GHz 遷移，24GHz 毫米波雷達平均 單價 300 元左右，77GHz 的在 400 元左右，有望帶動平均毫米波雷達的價格提 升。根據我們的測算，預計到 2025 年全球毫米波雷達市場規模將達到 384 億 元，復合增長率為 25.5%，全球毫米波雷達搭載量將達到 1.1 億顆，復合增長 率為 23.7%。在中國市場方面，預計到 2025 年，中國毫米波雷達市場規模將 達到 149 億元，中國毫米波雷達搭載量將達到 4250 萬顆。（報告來源：未來智庫）

5 環境感知之四：超聲波雷達

成本優勢顯著，國產化率高，是成熟的車載傳感器

超聲波雷達是最成熟的車載傳感器。超聲波雷達，俗稱倒車雷達，是一種最常 見的傳感器，其工作原理是通過超聲波發射裝置向外發出超聲波（機械波而非 電磁波），到通過接收器接收到發送過來超聲波時的時間差來測算距離。常用 的工作頻率有 40kHz、48kHz 和 58kHz 三種。頻率越高，靈敏度越高，但水平 與垂直方向的探測角度就越小，故一般采用 40kHz 的探頭。按構造分類，超聲 波雷達可以分為等方性與異方性，二者的區別在于水平探測角度與垂直探測角 度是否相同；按技術方案分類，超聲波雷達可以分為模擬式、四線式數位、二 線式數位、三線式主動數位，它們的信號抗干擾能力依次提升，技術難度與價 格總體遞進。

超聲波的能量消耗較緩慢，在介質中傳播的距離比較遠，穿透性強，測距的方 法簡單，成本低。但是超聲波散射角大，方向性較差，在測量較遠距離的目標 時，其回波信號會比較弱，影響測量精度。但在短距離測量中，超聲波測距傳 感器具有非常大的優勢。超聲波雷達防水、防塵，即使有少量的泥沙遮擋也不 影響，探測范圍在 0.1-3 米之間，而且精度較高，其主要作用是通過蜂鳴器來 輔助駕駛員泊車、自動泊車的輔助與微調車輛在行車道的位置，保持與相鄰車 道車輛的安全距離。

超聲波雷達主要用于停車輔助和自動泊車，可以分為 UPA 和 APA 超聲波雷達 兩種類型。（1）UPA 超聲波雷達：超聲波駐車輔助傳感器（UPA，Ultrasonic Parking Assistant），探測距離一般在 15~250cm 之間，感測距離較短，但是 頻率較高，為 58kHz，精度高；（2）APA 超聲波雷達：自動泊車輔助傳感器 （APA，Automatic Parking Assistant），探測距離一般在 30~500cm 之間，感 測距離較長，但是頻率較低，為 40kHz，精度一般。

倒車系統需要 4 個 UPA，而自動泊車系統需要 8 個 UPA+4 個 APA。一套普通 的倒車雷達系統需要配備 4 個 UPA 超聲波雷達，而自動泊車系統需要在倒車雷 達系統基礎上，增加 4 個 UPA 和 4 個 APA 超聲波雷達組成 12 個超聲波雷達系 統，其中，8 個 UPA 超聲波雷達安裝于汽車前后保險杠上，用于測量汽車前后 障礙物，4 個 APA 超聲波雷達安裝于汽車兩側，用于測量側方障礙物距離。

在全球市場競爭格局上，目前超聲波雷達主要市場空間由 Tier1 廠商占據，據 統計，2018 年全球超聲波雷達市場份額中法雷奧和博世占據市場 50%以上份 額。截至 2021 年 5 月，汽車之家在售車型有 8998 款，配置了倒車雷達的車型 有 7074 款，滲透率達到 79%；其中配置前向雷達車型有 2531 款，滲透率達到 28%。目前超聲波雷達較為成熟，市場滲透率較高，價格下探到較低水平，已 有像奧迪威等國產廠商切入到該市場。 超聲波雷達價格低廉，技術相對成熟。

超聲波雷達測距方式簡單，產業鏈成熟， 單體價格相對低廉，平均售價 100 元左右。超聲波雷達上游主要為芯片和傳感 器供應商，芯片主要依賴進口，如飛思卡爾（恩智浦 NXP 收購）等廠商，傳感 器已經實現國產化。超聲波雷達中游為超聲波雷達生產商，主要參與者可以分 為國際 Tier1、國內 Tier1 以及初創公司。由于超聲波雷達技術較為成熟，故國 內外玩家之間的差距主要在于傳感器實現上的穩定性和可靠性，但整體差異較 小。其中國際 Tier1 主要是博世、法雷奧、大陸，國內 Tier1 主要是奧迪威、輝 創電子、航盛電子、同致電子，初創企業有晟泰克、輔易航（中科創達收購） 等。

自動泊車（APA）滲透率快速提升，帶來新的增長動能

自動泊車輔助系統（Auto Parking Assist，APA），市值車輛在低速行駛時， 可通過車輛周身搭載的傳感器測量車身與周圍環境之間的距離和角度，收集傳 感器數據計算出操作流程，同時自動調整方向盤、剎車和油門實現停車入位。

自動泊車系統按技術等級，又可分為半自動泊車（只有自動轉向）、全自動泊 車（含自動轉向和自動前進后退）、自主代客泊車（AVP）等。

通常可將智能泊車技術劃分為三大發展階段：半自動泊車→全自動泊車→自主 代客泊車。從全自動泊車發展到自主泊車技術，其最早普及的第一代 APA 自動 泊車，隨后出現將泊車與手機結合的第二代 RPA（Remote Parking Asist）遠 程遙控泊車，再是發展到第三代 AI 自主學習泊車，最理想的泊車輔助場景是第 四代泊車解決方案 AVP（Automated Valet Parking）自主代客泊車。

中國乘用車 APA 裝配量快速增長，但裝配率僅 12.3%，增長空間巨大。根據 高工汽車數據顯示，2021 年 1-7 月國內新車搭載 APA 功能上險量為 142.55 萬 輛，同比上年同期增長 36.4%。其中，融合泊車（基于全景環視+超聲波）占比 32.83%，同比上年同期呈現數倍增長的勢頭。據佐思汽研統計，2020 年中國 乘用車 APA 裝配量為 230.8 萬輛，同比增長 46.4%，APA 裝配率為 12.3%， 較 2019 年全年上升 4.28 個百分點。APA 在奔馳、寶馬等中高端車型以及理想、 小鵬等造車新勢力中裝配率較高，但在大多數車型中普及率仍較低，APA 未來 仍有巨大滲透空間。

當前主機廠推出的自動泊車 APA 方案基本采用 12 顆超聲波雷達。其中寶馬、 別克等以純超聲波雷達方案為主，部分主機廠則開始采用超聲波雷達+環視攝像 頭融合方案提高車輛自動泊車系統的泊入/泊出成功率，主要集中在自主品牌如 蔚來、小鵬、長安、吉利等。

12 顆超聲波雷達方案的滲透率將從 2019 年的 9.6%提升到 2025 年的 26.1%。 根據佐思汽研數據顯示，從單車超聲波雷達配置方案來看，2019-2020 年，4 顆超聲波雷達方案占據大部分市場，主要實現倒車輔助功能。2019 年 12 顆超 聲波雷達方案的占比僅為 9.6%左右，預計到 2025 年 12 顆超聲波雷達方案的 滲透率將達到 26.1%。隨著自動泊車商業化推廣，12 顆超聲波雷達方案占比正 在快速攀升，有望成為未來智能汽車的主流。

空間測算：預計到 2025 年全球市場規模約 390 億元，CAGR 7.4%

超聲波雷達作為倒車雷達擁有比較高的普及率，倒車系統需要 4 個 UPA 超聲波 雷達，隨著自動泊車功能的滲透率不斷提升，自動泊車系統需要 8 個 UPA+4 個 APA 超聲波雷達，單車超聲波雷達的搭載個數有望從 4 個提升到 12 個。價 格上，超聲波雷達產品相對成熟，價格相對便宜，平均單價在 100 左右。根據 我們的測算，預計到 2025 年全球超聲波雷達市場規模將達到 390 億元，復合 增長率 7.35%，全球車載攝像頭的搭載量有望突破 4.1 億顆，復合增長率 7.35%。 而中國市場方面，預計到 2025 年，中國車載攝像頭市場規模將達到 151 億元， 車載攝像頭的搭載量有望突破 1.59 億顆。

6 車身感知：慣性導航、衛星導航、高精度地圖

本章主要針對車身感知定位系統進行介紹，車身感知主要是感知車輛位置、行 駛速度、姿態方位等信息，下文分別介了紹慣性導航、衛星導航系統和高精度 地圖三種主要的定位技術的發展情況，最后對多融合的車身感知定位系統及發 展趨勢進行介紹。根據技術原理，自動駕駛的定位技術主要可以分為基于信號定位、 航位推算和地圖匹配三大類：

(1) 基于信號的定位：采用飛行時間測距法（Time of Flight，ToF）獲得汽車與衛 星的距離，然后使用三球定位原理得到汽車的絕對位置，主要就是通過全球 衛星 GNSS 的衛星信號進行定位，還包括使用 WiFi、UWB、FM 微波等其他 信號獲取信息等技術；

(2) 航跡遞推（Dead Reckoning）：依靠慣性傳感器獲得加速度和角速度信息， 根據上一時刻其策劃的位置和航向遞推出當前的位置和航向；

(3) 地圖匹配（Map Matching，MM）：基于視覺攝像頭（Camera）或激光雷 達（LiDAR）采集到的數據特征與高精度地圖數據中的特征進行匹配，得到車 輛的位置和姿態。

慣性導航：車身感知定位系統的信息融合中心

慣性導航系統（Inertial Navigation System, INS）是一種不依賴外部信息、 也不向外部輻射能量的自助式導航系統。慣性導航系統（INS）是利用慣性傳 感器（IMU）測量載體的比力及角速度信息，結合給定的初始條件，與 GNSS等系統的信息融合，從而進行實時推算速度、位置、姿態等參數的自主式導航 系統。慣性導航系統屬于一種推算導航方式，即從一已知點的位置根據連續測 得的運載體航向角和速度推算出其下一點的位置，因而可連續測出運動體的當 前位置。

一個慣性測量單元包括 3 個相互正交的單軸加速度計（Accelerometer）測量 轉動運動和 3 個互相正交的單軸陀螺儀（Gyroscopes）測量平移運動的加速 度。自動駕駛所需要的慣性傳感器（IMU）主要是加速度計和陀螺儀。（1）加 速度計：基于牛頓第二定律，采用電容式、壓阻式或熱對流原理，通過在加速 過程中對質量塊對應慣性力的測量來獲得加速度值。用來測量運動體坐標系上 各軸的加速度；（2）陀螺儀：用于測量載體繞自身三個坐標軸的轉動角速度， 同時也敏感地球自轉的角速度。

按照力學編排實現形式可分為：捷聯式慣性導航系統（Strap-down Inertial Navigation, SINS）和平臺式慣性導航系統（Gimbaled Inertial System, GINS）。 平臺式慣導的傳感器安裝在多軸伺服平臺上作為反饋元件，控制伺服平臺的姿 態達到設定，多用于沿地球表面作等速運動的飛行器（如飛機、巡航導彈等）， 捷聯式慣導的傳感器和載體一同運動，省去了平臺，結構簡單、體積小、維護 方便，自動駕駛領域主要采用捷聯式慣性導航系統。

航跡遞推（Dead Reckoning，DR）算法是慣性導航系統的主要實現手段。DR 算法是指已知上一時刻導航狀態（狀態、速度和位置），根據傳感器觀測值推 算到下一時刻的導航狀態。DR 算法包括姿態編排和位置編排兩個部分。姿態編 排使用的是 AHRS（Attitude and heading reference system）融合算法，處理 后輸出車機姿態信息。DR 算法可以在無衛星導航信號或弱衛星導航信號的場 景，僅靠 DR 算法也能得到較為可靠的導航信息。

慣性導航系統是車身感知定位系統的信息融合中心，具有不可替代的作用。慣 性導航的數據實時存在，永不消失，性能穩定，可以連續 100Hz 高頻工作，慣 導是三種定位方法中最為可靠的，具有輸出信息不間斷、不受外界干擾等獨特 優勢，可保證在任何時刻以高頻次輸出車輛運動參數，同時將視覺傳感器、雷 達、激光雷達、車身系統信息進行更深層次的融合，為決策層提供精確可靠的 連續的車輛位置，姿態的信息，車身感知定位系統的信息融合中心。

衛星導航：RTK 助力 GNSS 實現厘米級的定位

全球導航衛星系統（Global Navigation Satellite System，GNSS）是以人造 地球衛星為導航臺，為全球海陸空的各類軍民載體提供位置、速度和時間信息 的空基無線電導航定位系統。導航衛星的工作原理主要是通過三球定位原理實 現的，由于衛星的位置精確可知，通過衛星到接收機的距離，利用三維坐標中 的距離公式，利用 3 顆衛星，就可以組成 3 個方程式，解出觀測點的位置。考 慮到衛星的時鐘與接收機時鐘之間的誤差，實際上有 4 個未知數，位置的 X、Y、 Z 和鐘差，因而需要引入第 4 顆衛星，形成 4 個方程式進行求解，從而得到觀 測點的經緯度和高程。為提高定位精度，普遍采用差分 GPS 技術，建立基準站 （差分臺）進行觀測，利用已知的基準站精確坐標，與觀測值進行比較，從而 得出修正數，并對外發布。接收機收到該修正數后，與自身的觀測值進行比較， 消去大部分誤差，得到一個比較準確的位置。

衛星導航系統主要包括全球四大導航衛星系統，以及區域系統和增強系統。全 球 4 大衛星導航系統供應商，包括美國的全球定位系統 GPS、俄羅斯的格洛納 斯衛星導航系統（GLONASS）、歐盟的伽利略衛星導航系統（GALILEO）和 中國的北斗衛星導航系統（BDS）。除此之外，還有日本、印度等國家的區域 衛星導航系統。

使用 RTK 技術可以幫助 GNSS 實現厘米級的定位精度。RTK（Real-time kinematic）載波相位差分技術，衛其原理是衛星軌道誤差、衛星鐘差、電離層 延遲、對流層延遲等誤差對相距不遠的 GNSS 站影響接近，特定的地理坐標點、 衛星接收站等，以該點位為中心的 20-40km 半徑范圍內，可以通過站間觀測值 差分消除，進而實現相位模糊度的快速固定與瞬時厘米級定位。

高精度地圖：實現 L3 及以上自動駕駛的必備基礎

高精度地圖，即 HD Map（High Definition Map）或 HAD Map（Highly Automated Driving Map），是指絕對精度和相對精度均在 1 米以內的高精度、 高新鮮度、高豐富度的電子地圖。其信息包括道路類型、曲率、車道線位置等 道路信息，路邊基礎設施、障礙物、交通標志等環境對象信息，以及交通流量、 紅綠燈狀態信息等實時動態信息。根據地圖信息的不同，高精度地圖由底層到 上層可以分為四個層級：為靜態地圖、準靜態地圖、準動態地圖和動態地圖。

高精度地圖比傳統地圖優勢顯著。與傳統地圖相比，基于自動駕駛系統的需求， 高精度地圖在保留地圖檢索、道路規劃、渲染、誘導等功能基礎上，側重地圖 信息豐富性、精度高、提升計算機器或汽車智能化三大方向，以及高頻更新、 標識橫縱向定位、坡度曲率節能應用與舒適性提升等。

行業擁有較高準入門檻，百度、四維圖新和高德三足鼎立

高精度地圖行業擁有較高的準入門檻，需要有甲級測繪資質。測繪資質方面， 我國對企業獲得地圖測繪與制作資質有嚴格的要求，并不對國外廠商開放。 2016 年出臺的《關于加強自動駕駛地圖生產測試與應用管理的通知》規定，自動駕駛地圖的繪制需由具有導航電子地圖制作測繪資質的單位承擔，在道路測 試過程中要嚴格限制地圖接觸的人員范圍，對于初創公司來說有一定的門檻要 求。截至 2021 年 12 月，僅有 28 家公司進入國內高精地圖甲級測繪資質名單。

國內圖商占主要份額，百度、四維圖新和高德呈現“三足鼎立”的局面。由于 高精度地圖涉及國家地理機密，國內高精度地圖主要玩家大多是本土公司，根 據 IDC 統計，2020 年國內高精度地圖行業市場份額前五名公司為百度、四維圖 新、高德、易圖通以及 Here，其中 CR3 超過 65%，呈現“三足鼎立”的局面。

集中采集和眾包采集高度整合是未來地圖數據采集的主要趨勢

高精度地圖的制作大致分為數據采集、繪圖、更新和驗證四部分。其中數據采 集提供地理數據的來源，繪圖環節通過數據融合及相關算法完成語義識別，將 地理數據轉換為道路模型，更新環節結合傳感器等硬件實現高精度地圖的實時 更新，驗證環節則結合人工與 AI 算法完成最后的確認。

高精度地圖的數據采集成本較高。數據采集消耗成本巨大，僅一輛高精地圖采 集車需要配置的設備就包括：激光雷達、攝像頭、陀螺儀、GPS 接收機、數據 存儲和計算設備等。同時，高精地圖精細程度高，傳統地圖生產方式難以滿足 其量產應用的需要。采用傳統測繪車方式，在成本約束下，測繪效率很難大幅 度提高。

數據采集方式有集中采集和眾包采集：（1）集中采集：精度高，但更新頻率低、 采集成本高，高德、百度、Tomtom 等公司更多采用專業測繪車集中制圖；（2） 眾包采集：數據鮮度高、成本低，但采集精度低、可靠性和一致性較差，豐田、 特斯拉、Here 等廠商則選擇采用眾包采集的模式。未來，以集中采集為建圖基 礎，在海量眾包數據中快速提煉符合規范的靜態圖層變更信息和動態圖層實況 信息，兩者深度結合的技術模式成為主流的方向。

多源數據融合成為需要，自動化繪制起成為發展趨勢。高精度地圖提供的地圖 數據不僅包括傳統路網信息，還包括高精度車道級及環境信息數據，以及動態 感知層和駕駛決策層部分信息，數據繪制的自動化和智能化成為重要的發展趨 勢。目前常用的繪圖方法是將采集環節得到的數據經過清洗、加總建模后借助 語義識別模型進行繪圖。而借助 AI 技術完成不同傳感器數據自動融合識別，即 把 GNSS/INS、點云、圖像等數據疊加在一起，進行道路標線、路沿、路牌、交通標志等道路元素的識別，從而簡化高精地圖數據處理流程并不斷提高制圖 效率，對于復雜環境尤為重要。

更新技術面臨挑戰，5G 賦能或成解決方案。高精度地圖的更新，考慮到當前的 技術水平和成本，季度更新策略最佳。在更新的時候，可以采用小版本部分更 新或者是增量更新的方式，大版本采用全部更新的策略。對于高精地圖里的動 態或準動態部分，一般通過車聯網以實時或準實時（秒到小時級別）的頻率更 新。

未來高精度地圖會更多的借助大數據和地圖云服務平臺進行更新和分發。這其 中，5G 賦能讓高精度地圖和云計算結合得更加緊密，更加實時。5G 網絡帶來 數據傳輸速率的大幅提升，讓高精度地圖的采集與更新變得更加實時動態。專 業化高精度采集、眾包采集和路側采集等多種地圖采集方式的動態信息，依托 5G 網絡實時同步至云端進行加工處理；同時，更新后的高精度地圖及實時信 息從云端對道路上行駛的車輛進行同步更新。

車路協同高速發展，高精度地圖與路側感知體系互相成就。一方面，路側的傳 感器將成為高精地圖更新的有效數據來源。路側感知能力與車端感知能力緊密 結合，增加信息冗余度，互相校驗及融合，為高精地圖提供更為精準豐富的信 息。另一方面，高精度地圖可以賦能路側感知體系。前端感知設備與高精度地 圖結合，實現前端感知數據附帶地理屬性，進而與平臺 GIS 地圖無縫結合且可 支持車路協同數據應用。

成本負擔較高，成本隨精度要求急劇提升。高精度地圖的主要成本分為采集成 本和編譯成本兩部分。其中采集成本包括備成本、采集車輛的行駛耗材、過路 費及人力成本等，僅一輛高精地圖采集車需要配置的設備就包括：激光雷達、 攝像頭、陀螺儀、GPS 接收機、數據存儲和計算設備等；而編譯制作成本主要 是人力成本。

隨著地圖精度要求的提升，集中采集和眾包采集方法在數據收集與更新上的成 本大幅上漲，主要是由于設備成本和人工成本的提升。但隨著 5G 技術的發展 與人工智能算法的進步，相關成本最終會趨于平穩。

圖商從交付轉向服務，云平臺 SaaS 是方向

盈利模式區別于傳統地圖，云平臺 SaaS 模式是未來大方向。區別于傳統地圖 的的 License 授權模式，高精度地圖的主要有按單位時間和按數據量收費兩種收費模式，核心區別在于收費穩定，初期階段基本以服務功能開發費+License 組合為基礎；此外，還存在一種“免費”模式，即圖商向客戶免費提供現有數 據產品，但同時客戶需向圖商提供收集到的數據，地圖的價格即為客戶收集數 據的價值。

由于高精地圖對數據更新的實時性提出很高的要求，從高精度的產品形態和服 務方式角度，通過云服務平臺對實時更新的高精地圖數據進行實時分發是一種 可行的方式，云平臺可以實時收集各車的行駛數據來補充道路情況信息閉環， 增強收集數據密度而降低收集成本。

圖商的角色從交付向服務演變，客戶從 B 端向 C 端擴展。由于高精度地圖需要 實時更新，圖商不再只是交付并收費的模式，而是開始向地理信息數據服務商 轉型。圖商正逐漸成為自動駕駛時代的重要參與者、合作者、服務商。同時， 除了向車廠或者自動駕駛出行服務商提供地理信息數據服務這種 B 端的業務， 在大規模自動駕駛落地的趨勢下，高精度地圖也會向 C 端延伸，但大規模的民 用落地還需根據宏觀政策進行調整。

“GNSS+IMU+高精度地圖”組成多融合車身感知定位系統

高精度是車身感知定位系統的核心。車身感知定位系統的關鍵是高精度，定位 精度越高，自動駕駛的可靠性越高。第一，高精度的車身感知定位系統能夠不 受極端天氣和環境等因素的干擾，能持續穩定地提供的車道級位置感知；第二， 不同的傳感器有不同的工作時鐘和延遲，高精度車身感知定位系統能夠實現感 知信息的時空同步；第三，高精度的車身感知定位系統可以在較少資源下獲得較高的定位精度，從而減少數據運算量，降低系統復雜程度；第四，高精度的 車身感知定位系統能夠讓每一輛車都能夠精確地定出自己的位置，通過車車通 信和車路通信把自己的位置分享給其他車輛，有利于實現 V2X 應用。

根據組合導航模塊的耦合程度不同，多傳感器融合的定位系統主要包括三種結 構：松耦合（Loose Coupling）、緊耦合（Tight Coupling）和深耦合（Deep Coupling）。

松耦合（Loose Coupling）：GNSS 和 INS 獨立工作，GNSS 輸出 RTK 定位結果，INS 輸出慣性數據，兩者將數據送入濾波器內。濾波器通過比 較二者的差值，建立誤差模型以估計 INS 的誤差，并將誤差補償反饋給 INS。優點是易于實現，性能比較穩定。缺點是當衛星數量低于最低數量 時，GNSS 的輸出就會失效。且在信號存在遮擋的場景，定位穩定性、可 靠性不如另外兩種耦合；

緊耦合（Tight Coupling）：GNSS 輸出觀測量（偽距、偽距率）來與 INS 輸出的慣性數據作差，并將差值輸出給濾波器，從而用來進行 INS 誤差的 估計，并將誤差補償通過反饋的方式補償給 INS，經過校正的 INS 慣性數 據輸入到組合導航模塊濾波器，結合 RTK 定位結果最終得到組合導航解。

深耦合（Deep Coupling）：在緊耦合的基礎上，將 INS 的部分數據直接 送到基帶芯片里，INS 的慣性數據作為 GNSS 解算的一部分。通過 INS 準 確的相對多普勒變化信息，輔助信號跟蹤，提高惡劣環境下多普勒的估計 準確度。從而提高惡劣環境下載波相位、偽距等觀測量的精度和連續性， 減少觀測量中斷和跳變，從而有效提高組合導航精度和可靠性。

根據百度 Apollo 研究表明，通過 GNSS-RTK 可實現 65%的綜合場景定位誤差 小于20cm的覆蓋率，GNSS+IMU的衛慣組合則可以實現85%左右的場