计算机行业专题：激光雷达上车，驶向千亿星辰大海

qijiahong@gtjas.com 激光雷达关键词是“光探测”和“测距”。激光雷达通过光探测距离生成数以千万计的数据点生成点云，为机器和计算机提供3D周围环境的准确展示和感知，让“看见”和“看清”赋能新一代汽车。优秀的车载激光雷达需要具备良好的测远能力、精度、高清晰度，高性价比和低功耗。 相关报告 激光雷达终极形态尚不明晰，激光雷达器件演变方向值得关注。按照测距方式可以分为TOF和FMCW两种。目前TOF为市场中最为成熟的激光雷达测距方式，也是商业化激光雷达应用最多的测距方式。通过监测激光发射与回波的时间差，基于光速和测量时间差计算目标距离。TOF的最大优势在于探测精确、性价比高、技术成熟、响应速度快。 计算机《EDA，半导体行业的“七寸”》 2022.07.10 计算机《计算机投资八计》 2022.07.07 计算机《深圳《条例》落地，中国自动驾驶迎来新时代》 缺陷是需要算法抗干扰，并根据反射率判断是否为伪目标，所以对算法有较高的要求。 2022.07.07 FMCW可以根据多普勒效应判断目标移动方向，信息更丰富且对环境强光和其他激光具有很好的抗干扰性能。总体来看测距方式未来将从TOF逐渐向FMCW切换，且两种测距方式将会在不同场景中共存。按扫描方式分可以分为机械式、混合固态、固态激光雷达。机械旋转激光雷达是最早的扫描方式，但零件多、寿命短、价格贵、体积大。混合固态是当前激光雷达最主流的结构，也是未来十年车规量产的最佳路线。固态激光雷达是激光雷达的发展方向，主要包括Flash激光雷达和OPA激光雷达。 计算机《问界M7发布，自动驾驶高景气延续》 2022.07.06 计算机《从特斯拉看汽车智能化趋势》 2022.07.05 激光雷达广泛应用于多领域，车载激光雷达市场成长最快。激光雷达市场规模较大且处于快速发展期。由于其精准的测量优势，广泛应用于自动驾驶汽车、工业、无人机、机器人和3D测绘等终端市场中。在自动化、智能化的大背景下，根据Yole测算，激光雷达整体市场将从2020年1.8亿美元增长到2026年的57亿美元，复合年化增速高达23%。在激光雷达下游应用中车载激光雷达增速最快，从2020年2600万美元增长至2026年23亿美元，复合增速达94%，呈现爆发趋势。 深圳立法支持L3级自动驾驶，意义重大。6月深圳市率先通过了《深圳经济特区智能网联汽车管理条例》，明确责权分配，让高阶自动驾驶合法上路，为自动驾驶产业发展提供了极大支持，激光雷达作为高级自动驾驶必备传感器获得大力支持。从社会角度看，具有高级辅助驾驶功能和自动驾驶功能的汽车广泛受到终端消费者的追捧。从技术进步来看，目前部分激光雷达已满足车规并实现量产上车，极大的提升了车辆安全，推动了自动驾驶的发展。 风险提示：部分技术难题未被完全攻克、疫情对汽车销量的影响长期存在 1.激光雷达是实现自动驾驶的关键 1.1.激光雷达：用光感知世界的传感器 激光雷达（Lidar-Light Detectionand Ranging）关键词是“光探测” 和“测距”。激光雷达通过光探测距离生成数以千万计的数据点生成点 云，为机器和计算机提供3D周围环境的准确展示和感知，让“看见” 和“看清”赋能新一代汽车。 优秀的车载激光雷达需要具备良好的测远能力、精度、高清晰度，高性 价比和低功耗。具体来看，假设高速路段行驶速度为100km/h约合 28m/s，一般情况下100km/h到0km/h制动需要3-4秒左右，所以 高速刹车制动距离为100- 150m 。对于自动驾驶主雷达，为了保证高速 行驶安全，激光雷达探测距离需要在200- 250m 以上较为安全。拥有良 好的测远能力意味着留给系统进行感知和决策的时间越长，安全性更好。 拥有良好的角分辨率使探测器对探测目标物有好清晰度和识别能力。同 时，低功耗在实际应用当中对安全有巨大帮助,更少电能消耗，意味着 获得更多续航里程。 表1:测远能力、角分辨率、视场角范围是衡量车载激光雷达性能的最常见指标 Velodyne创始人David Hall开创了激光雷达新纪元。回顾激光雷达 发展历史，激光测距技术于1960年代出现，激光雷达最早在1970年 代用于地形测绘和测深系统，为全球定位系统和导航系统的发展提高了 准确性。2005年Velodyne创始人David Hall发明了3D实时激光雷 达，开创了激光雷达在无人驾驶领域的新纪元。 图1：Velodyne创始人David Hall开创了激光雷达新纪元 · 近年车载激光雷达的进程可以分为三大阶段： 2007年-2016年是激光雷达商业化探索阶段。从单线扫描到多线 扫描，从机械扫描到混合固态扫描技术探索。科技巨头加入自动驾 驶探索领域，激光雷达被陆续应用于多个自动驾驶项目。 2016年-2020年激光雷达受到主机厂的重点关注。电动化、网联 化、智能化、共享化是未来汽车的发展方向，国内外多家科技企业 纷纷加入，探索激光雷达科技在车载领域的应用，助力智能化发展。 2020年至今激光雷达行业高速发展，并陆续量产上车。2020年是美股激光雷达大批量上市之年，以Velodyne、Luminar为代表的 多家企业通过SPAC迅速上市，但目前美股激光雷达公司尚未扭亏 为盈。海内外科技公司基于对自动驾驶发展路径的不同理解和企业 自身的独特优势，给予市场多类别激光雷达解决方案，这些方案被 广泛应用于车辆、工业、测绘等多个领域。目前国内的激光雷达已 量产上车，为汽车安全性能和智能化保驾护航。 1.2.通常采用测距方式、扫描方式对激光雷达进行分类 激光测距单元由激光源、光学镜头、光电探测器和信号处理器组成。激 光发射器通过光学镜头发射激光，再由光电探测器系统将光转化为电信 号，最后由信号处理单元计算并比较收到信号和发送信号的异同来获取 环境信息。不同的测距原理会有不同的信号处理方法。 图2：激光雷达探测物体并获得物体信息 激光雷达具有很高的产业附加值。激光雷达行业上游是光学及电子元器 件；中游是不同类别的激光雷达；下游是车辆、智能制造、智慧城市等 多场景、多行业应用。 图3：常见TOF测距激光雷达包含发射、接收以及处理模块 激光雷达主要包含发射、接收、信息处理三大模块。发射端的发射光学 系统包括光束控制器、激励源、激光器；不同光源成本差距较大，发射 端是激光雷达重要成本构成，占30%-50%。接收端将光信号转换成电 信号，主要有光电探测器以及处理芯片，最后放大信号并使用芯片进行 处理。光束控制需要扫描系统，不同扫描方式会有不同结构设计。 表2:不同结构激光雷达会有不同的成本构成，整体来看发射和接收端是主要成本 1.2.1.按测距方式分：TOF和FMCW TOF是目前最为成熟和广泛应用的测距方式，根据光反射回的时间测距 离。具体来说是通过用脉冲激光照亮目标并测量反射返回信号的特性来 工作。脉冲光的宽度范围可以从几纳秒到几微秒。TOF激光雷达主要部 件有激光器、放大器、光电转换器等。TOF激光源目前有 905nm 和 1550nm 两种，通常情况下 905nm 探测距离为100- 200m ，由于靠近可见光对人眼有影响，因此难以通过加大功率增加探测距离，导致探测 距离有限。 1550nm 探测距离能达到 250m ，且有更好的安全性，但由 于 1550nm 接收器需要采用铟镓砷光电探测器芯片，导致当前成本较高。 图4：TOF是根据时间飞行时间计算距离的测距方式 FMCW（Frequency Modulated Continuous Wave）是一种对光 进行调频，根据频率差得到物体距离的测距方式。接收器采用相干检测， 可以获得更高的探测距离，抗干扰能力更强，并且能够直接检测物体的 速度，并立即区分静止物体、相向和同向行驶。FMCW激光雷达主要有 激光器、探测器、相干光路和扫描部件（通常为OPA）构成。FMCW 光源一般采用 1550nm 窄线宽激光器。 图5：FMCW激光雷达利用调频连续波技术进行相干探测 可以通过反射信号和发射信号的频率是否相同判断物体是否处于静止状态。对于逐渐靠近的物体，返回信号会产生正向多普勒频移，对于逐 渐远离的物体，返回信号会产生反向多普勒频移，导致频率发生上移或 下移并由此区分物体移动方向。 图6：FMCW可根据多普勒频移测量物体速度/方向图7：FMCW不会被其他FMCW和TOF激光干扰 目前TOF为市场中最为成熟的激光雷达测距方式，也是商业化激光雷达 应用最多的测距方式。通过监测激光发射与回波的时间差，基于光速和 测量时间差计算目标距离。TOF的最大优势在于探测精确、性价比高、 技术成熟、响应速度快。缺陷是需要算法抗干扰，并根据反射率判断是 否为伪目标，所以对算法有较高的要求。FMCW可以根据多普勒效应判 断目标移动方向，信息更丰富且对环境强光和其他激光具有很好的抗干 扰性能。总体来看测距方式未来将从TOF逐渐向FMCW切换，且两种 测距方式将会在不同场景中共存。 表3:目前TOF为市场中最为成熟的激光雷达测距方式 1.2.2.按扫描方式分：机械式、混合固态、固态激光雷达 机械旋转激光雷达是最早的扫描方式，但由于零件多、寿命短、价格贵、 体积大，不适用于量产车辆。机械式激光雷达收发光源、接收器以及扫 描系统坐在圆盘底座上。随着外部电机的转动，收发架构会沿着这个圆 盘进行转动，实现水平空间的360度扫描。优点是外部电机控制技术比 较成熟且能够长时间保持稳定转速；缺点是体积大难以集成到车顶，且 激光雷达价格仍然过高而不符合大规模自动驾驶场景的需求。2005年 Velodyne创始人David Hall发明了3D实时激光雷达，2007年率先 实现量产，推出首款商用量产实时3D雷达，在早期获得多家无人驾驶 公司的青睐。 图8：Velodyne机械激光雷达体积较大 图9：机械激光雷达具有360度FOV 混合固态是当前激光雷达最主流的结构，也是未来十年车规量产的最佳 路线。混合固态系统包含固定光源以及动态扫描系统。相较于机械旋转 激光雷达，半固态激光雷达尽管视场相对较窄，但具有结构更简单、成本更低的优势，适合作为前置主激光雷达量产上车。混合固态激光雷达 的扫描方式可细分为单轴镜扫描、双轴镜扫描、MEMS以及棱镜扫描。 目前从下游车载应用来看 1550nm 和双轴镜扫描方案在探测距离、精度 和上车稳定性方面暂时领先； 905nm 的混合固态方案在量产、产业链 成熟度和成本上暂时领先。 转镜扫描结构有单轴镜和双轴镜，体积小于纯机械式，当前应用广 泛。这种扫描架构的优点是收发系统固定在整个雷达模块里，旋转 模块比较小，能够极大的减少体积，压缩成本。同时由于重量较轻， 电机轴承负荷小，使得运行更加稳定，寿命更长，更容易满足车规 需求。波长方面同时存在 905nm 和 1550nm 技术路径。当下采用 1550nm 和双轴镜扫描方案的主要为Luminar和图达通，均为行 业顶尖高性能激光雷达厂商，产品在10%理想散射的状态下具有 250m 探测距离以及优于0.1度角分辨率的超高性能。图达通高性 能激光雷达已标配上车蔚来部分车型，目前已经交付了近2000辆。 图10：图达通激光雷达前视场效果清晰度高 · MEMS方案是用芯片级别的小镜子取代机械转轴。MEMS是芯片化的组件，摆脱了电机、镜面等机械组件，实现了毫米级的激光雷 达尺寸，从而可以获得更低的成本和更高的集成度。但由于尺寸原 因导致摆动角度和通光口径偏小，测距能力有限且需要更多激光器 拼接多个点云，对算法和稳定性均有较高要求。在车载方面，MEMS 本身属于微振动敏感性器件，易受冲击、振动、温漂的影响，在长 时间车载使用的过程种中会受到一定的挑战。 图11：MEMS方案可实现更高的集成度