2022激光雷达行业研究报告Research Report on Lidar of Photovoltaic in 2022 fxbaogao.com发现报告整理制作摘要过去几年，汽车行业迎来了百年未有的大变革，一方面是电动化，另一方面就是智能化。电动化做为基础，最终目标还是助力实现智能化出行，达到自动驾驶的目的。激光雷达作为目前精度最高的传感器，是实现自动驾驶技术的关键。在各个国家地区纷纷出台相关法律法规及政策支持汽车智能化落地的背景下，激光雷达整体市场预计将呈现高速发展的态势。在车规级和高性能需求下，激光雷达技术快速发展，正从机械旋转式，向混合固态，再到纯固态方向演进。制约激光雷达大范围普及的，除了技术成熟度之外，就是价格。而随着激光雷达车型的持续发布和量产上市，激光雷达产品将迎来显著的规模效应并进入降价通道。其中光电系统占分立式激光雷达总成本近70%，是激光雷达降本增效的主要方向。同时，随着激光雷达产品的成熟，激光雷达厂商也将通过提供软硬件结合的服务方式提升自身竞争力，帮助主机厂实现感知模块的快速应用。 fxbaogao.com发现报告整理制作激光雷达行业概况•激光雷达定义与工作原理•激光雷达发展历程•激光雷达行业发展驱动因素•激光雷达主要技术路径一、行业概况二、产业链分析三、激光雷达未来发展方向四、国内代表性企业分析 fxbaogao.com发现报告整理制作激光雷达的定义与工作原理激光雷达（LiDAR）是激光探测和激光测距系统的简称，由发射系统、接收系统、信息处理系统和扫描系统组成，是一种可以用于进行环境探测、数据处理和传输的智能传感器。按照功能用途、激光发射波形等不同标准，可以分为多种不同类型。工作原理是以激光作为信号源，通过发射与接收激光来探测与目标物之间的距离，再根据目标物表面的反射能量大小、反射波谱幅度、频率和相位等信息，精确绘制出目标物体的三维结构信息。资料来源：沙利文，发现报告整理激光雷达类型功能用途激光发射波形测距方法探测线数扫描方式装载平台激光测距激光测速TOF法FMCW法单线多线机械式混合固态汽车机器人等移动平台脉冲型大气探测跟踪雷达连续性激光成像三角法固态式地面等固定装置其他代表常见类型资料来源：国家知识产权局、必优传感器，发现报告整理激光雷达的不同类型激光雷达基本结构控制器信号处理电路脉冲激光器及其驱动电路准直光学模块光栅板目标物体接收光学元件水平聚光元件线阵APD探测器MEMS微镜驱动及其反馈电路 fxbaogao.com发现报告整理制作关键显性参数是激光雷达的主要评估指标衡量激光雷达性能的指标包括显性参数、实测性能表现以及隐性指标这三方面。但由于实测性能表现和隐性指标缺乏公开资料，测远能力、点频、角分辨率、视场角范围、测距精准度、功耗、集成度（体积及重量）等显性参数被更多用于激光雷达的性能评估。数据来源：禾赛科技招股书，发现报告整理点频测远能力角分辨率视场角范围测距准度测距精度功耗集成度点频越高相同时间内的探测点数越多测远能力越强，距离覆盖范围越广视场角越大说明激光雷达对空间的角度覆盖范围越广准度越高测量的系统误差越小，对物体形状和位置的描述越准确角分辨率越高，对目标物的细节分辨能力越强精度越高测量的随机误差越小，对物体形状和位置的描述越准确功耗越低系统的能量利用率越高，散热负担越小集成度越高搭载于车辆或服务机器人时灵活性更高显性参数实际性能表现指在实际使用激光雷达的过程中所关注的掌测性能，如如实际掌测距离、车辆及行人在不同距离下的点云密度。相比显性参数表中的信息，用户会更加关注实测性能，但激光雷达作为近年来才踊跃于市场的新兴产品，能够参考的公开测试数据有限，也有待进一步积累。实测性能表现隐性指标包含激光雷达产品的可靠性、安全性、使用寿命、成本控制、可量产性等。这些指标更加难以量化，也缺乏公开信息。只能通过产品是否应用于行业领先企业是测试车队或量产项目中得以体现。隐性指标 fxbaogao.com发现报告整理制作激光雷达的发展历程激光雷达诞生于1960年，初期主要用于科研及测绘项目，进行气象探测以及针对海洋、森林、地表的地形测绘。随着激光技术的发展，激光雷达的应用场景也逐渐丰富。1980年代-1990年代，激光雷达商业化起步，开始用于工业探测和早期无人驾驶项目。2000年代初期-2010年代早期，海外激光雷达厂商崛起，高线数激光雷达应用于无人驾驶领域。2019年至今，激光雷达进入高速发展阶段，产品性能持续优化应用领域持续扩展，在无人驾驶、高级辅助驾驶、机器人、车联网、消费电子等领域均有不同程度的应用。数据来源：禾赛科技招股说明书（申报稿），发现报告整理时期激光雷达行业特点主要应用领域标志性事件1960-1970年代随着激光器的发明，基于激光的探测技术开始得到发展。科研及测绘项目1971年阿波罗15号载人登月任务使用激光雷达对月球表面进行测绘。1980-1990年代激光雷达商业化技术起步，单线扫描式激光雷达出现。工业探测及早期无人驾驶项目Sick（西克）与Hokuyo（北洋）等激光雷达厂商推出单线扫描式2D激光雷达产品。2000-2010年代早期高线数激光雷达开始用于无人驾驶的避障和导航，其市场主要是国外厂商。无人驾驶测试项目等DARPA无人驾驶挑战赛推动了高线数激光雷达在无人驾驶中的应用，此后Velodyne深耕高线数激光雷达市场多年。2010年Ibeo与法国Valeo开始合作开发面向量产车的激光雷达产品SCALA。2016-2018国内激光雷达厂商入局，技术水平赶超国外厂商。激光雷达技术方案呈现多样化发展趋势。无人驾驶、高级辅助驾驶、服务机器人等，且下游开始有商用化项目落地采用新型技术方案的激光雷达公司发展迅速，如禾赛科技、基于MEMS方案的Innoviz，基于1550nm波长方案的Luminar等。2019年至今激光雷达技术朝向芯片化、阵列化发展。境外激光雷达公司迎来上市热潮，同时有巨头公司加入激光雷达市场竞争。无人驾驶、高级辅助驾驶、服务机器人、车联网等Ouster推出基于VCSEL和SPAD阵列芯片技术的数字化激光雷达。2020年9月Velodyne完成NASDAQ上市，2020年12月Luminar完成NASDAQ上市。激光雷达发展历史梳理 fxbaogao.com发现报告整理制作汽车智能化是激光雷达发展的主要驱动力过去几年，汽车行业迎来了百年未有的大变革，一方面是电动化，另一方面就是智能化。电动化做为基础，最终目标还是助力实现智能化出行，达到自动驾驶的目的。从自动驾驶的硬件结构来看，可以分为感知层、决策层和控制层三个层次。感知层用以采集周围环境的基本信息，是自动驾驶的前提和基础，包括车载传感器和高精度地图。不同传感器各有优缺点，激光雷达是目前精度最高的传感器，精度达到毫米波雷达的10倍，且相比摄像头受到的环境干扰更小，可以精准地得到外界的环境信息并进行3D建模，是感知层中重要的信息输入来源。数据来源：盖世汽车、艾瑞、Sino-G lavo、Nexperia，发现报告整理参数摄像头超声波雷达毫米波雷达激光雷达测距/测速可测距、精度低高精度纵向精度高、横向精度低高精度感知距离0-100m0.1-10m200-250m200m分辨率/角分辨率差/好差/一般90°20-60cm/1-2°最小1mm/最小1°行人/物体识别通过AI算法识别可识别难以识别3D建模、易识别道路标线/交通信号可识别无法识别无法识别无法识别恶劣天气易受影响不受影响不受影响易受影响光照受影响不受影响不受影响不受影响电磁干扰/屏蔽能力不受影响不受影响易受影响不受影响算法/技术成熟度高高较高一般成本一般（4-200美元）低（30-400美元）较高（30-400美元）高（1000-75000美元）频率->20KHz30GHz-300GHz100000GHz优点能识别道路标线、交通信号价格低、数据处理简单不受天气和夜间影响、探测距离远探测范围广、探测距离/角度精度高缺点易受天气影响、机器学习训练所需样本大、周期长受天气影响、探测距离短行人反射波弱、无法识别物体颜色、对金属表面非常敏感、隧道里效果不佳成本高、易受天气影响功能障碍物识别、车道线识别、辅助定位、道路信息读取、地图构建障碍物探测障碍物探测障碍物探测识别、辅助定位、地图构建应用举例车道偏离预警（LDW）、辅助车道保持（LKA）、预碰预警（PCW）倒车雷达、自动泊车自适应巡航控制（ACC）、盲区监测（BSD）、自主紧急制动（AEB）探测车辆周围交通信息，实现自动驾驶功能自动驾驶传感器参数对比自动驾驶的硬件结构感知层速度传感器角度传感器惯性导航全球定位系统车辆运动摄像头（前视环视、后视等）激光雷达毫米波雷达超声波雷达环境感知摄像头生物电传感器驾驶员监测决策层图像数据输入芯片算法执行层制动转向发动机变速箱车辆控制声音振动警告系统图像 fxbaogao.com发现报告整理制作激光雷达辅助自动驾驶向L3进阶自动驾驶根据自动化程度的不同可以分为L0-L5六个等级，L3级别是分水岭，是进入完全自动驾驶的开始阶段。对于自动驾驶不同的应用等级，感知方案的需求也不相同，等级越高，对于车身周围环境信息感知要求就越高。目前的感知方案主要分为轻硬件重算法的纯视觉方案和以激光雷达为主的多传感器冗余融合方案两种。资料来源：SAE，发现报告整理等级名称转向和加减速执行者对驾驶环境的监控者复杂情况下动态驾驶任务的执行者系统支持的路况和驾驶模式人类驾驶员监控驾驶环境L0非自动化人类驾驶员人类驾驶员人类驾驶员无L1辅助驾驶人类驾驶员和系统人类驾驶员人类驾驶员部分L2部分自动化系统人类驾驶员人类驾驶员部分自动驾驶系统监控驾驶环境L3有条件自动驾驶系统系统人类驾驶员部分L4高度自动化系统系统系统部分L5全自动化系统系统系统全部自动驾驶等级划分 fxbaogao.com发现报告整理制作激光雷达辅助自动驾驶向L3进阶视觉方案的优点在于硬件已经较为成熟、成本低，对硬件传感器要求也不高，一般只需要摄像头和毫米波雷达即可，但对算法要求极高。激光雷达融合方案就是在视觉方案的基础上增加了激光雷达，可以实现远距离、全方位探测，收集到的数据更加全面和立体，因而对于后期算法处理能力要求有明显降低。因此在算力还无法完全弥补硬件感知缺陷的情况下，激光雷达在对信息精度具备苛刻要求的高级别自动驾驶中具备不可替代的优势，是除了特斯拉以外大部分主流车厂的共同选择。资料来源：民生证券，发现报告整理“视觉派”VS 多传感器融合方案视觉派高算法要求+低感知要求摄像头主导+毫米波雷达等辅助优点：低成本缺点：精度、视野和稳定性上的局限性代表厂商：特斯拉多传感器融合方案低算法要求+高感知要求激光雷达、摄像头、毫米波雷达等多传感器融合优点：更高的精确度和可靠性缺点：当前成本高昂代表厂商：其他造车新势力、Waymo等VS fxbaogao.com发现报告整理制作据麦姆斯咨询，L3、L4和L5级别自动驾驶则分别需要搭载1颗、2-3颗与4-6颗激光雷达。当前自动驾驶已经逐步步入L2+、L3阶段，全球高级别自动驾驶渗透率呈上升趋势，随驾驶自动化水平提升单车激光雷达搭载数量将不断增加，2022年车载激光雷达有望迎来放量元年。激光雷达辅助自动驾驶向L3进阶数据来源：ICV Tank ，发现报告整理自动驾驶各级别所需传感器类型及数量（个）自动驾驶级别摄像头数超声波雷达数毫米波雷达数激光雷达数L1261/L2781/L38851L49852-3L59854-6数据来源：麦姆斯咨询、易车，发现报告整理全球各级别智能汽车渗透率43.46%28.54%18.01%13.33%9.05%6.85%5.76%36.34%45.00%45.51%44.84%42.45%37.80%27.27%20.14%26.38%36.25%41.34%47.43%53.99%64.76%0.50%1.07%1.36%2.21%202020212022E2023E2024E2025E2026EL0L1L2L3-L5全球各级别智能汽车销售量2330180