自动驾驶的三大核心要素：传感器、计算平台、数据与算法（上）
智能汽车设计 智能汽车开发者平台
一、传感器：不同定位与功能，优势互补
自动驾驶汽车往往配备了多种传感器，包括摄像头、毫米波雷达、激光雷达。这些传感器各有不同的功能与定位，优势互补；作为一个整体，成为了自动驾驶汽车的眼睛。2021 年以后的新车都配备了大量的传感器，目的是预留冗余硬件，以便后续通过 OTA 的方式实现更多自动驾驶功能。
2021年 1-5月国内新发布车型传感器配置及核心功能
摄像头的作用：主要用于车道线、交通标示牌、红绿灯以及车辆、行人检测，有检测信息全面、价格便宜的特征，但会受到雨雪天气和光照的影响。现代摄像头由镜头、镜头模组、滤光片、CMOS／CCD、ISP、数据传输部分组成。光线经过光学镜头和滤光片后聚焦到传感器上，通过CMOS或 CCD集成电路将光信号转换成电信号，再经过图像处理器（ISP）转换成标准的 RAW，RGB或 YUV等格式的数字图像信号，通过数据传输接口传到计算机端。摄像头可以提供丰富的信息。但是摄像头依赖自然光源，目前视觉传感器的动态做得不是特别宽，在光照不足或者光照剧烈变化的时候视觉画面可能会出现短暂的丢失，并且在雨污状况下功能会受到严重的限制，行业内通常通过计算机视觉的方式克服摄像头的各种缺点。
车载摄像头是高增量市场。车载摄像头的使用量随着自动驾驶功能的不断升级而增加，比如前视普遍需要 1-3 个摄像头、环视需要4-8 个摄像头。预计到2025年全球车载摄像头市场将达 1762.6 亿元，其中中国市场 237.2 亿元。
2015-2025年全球和中国车载摄像头市场规模（亿元）
车载摄像头行业产业链包括上游的镜头组供应商、胶合材料供应商、图像传感器供应商、ISP芯片供应商，以及中游的模组供应商、系统集成商，下游的消费电子企业、自动驾驶 Tier1等。从价值量来看图像传感器（CMOS Image Sensor）占了总成本的 50%，其次为占比 25%的模组封装和占比14%的光学镜头。
摄像头产业链
激光雷达（Lidar）的作用：主要用于探测周边物体的距离和速度。在激光雷达的发射端，由激光半导体产生一种高能量的激光束，激光与周围的目标发生碰撞后，再被反射回来，由激光雷达接收端捕获并进行运算，得到目标的距离和速度。激光雷达具有比毫米波和摄像头更高的探测精度，可探测的探测距离远，往往可以达到 200米以上。激光雷达按其扫描原理分为机械式、转镜式、MEMS和固态激光雷达。根据测距原理可以分为飞行时间测距（ToF）和调频连续波（FMCW）。当前行业处于激光雷达应用的摸索阶段，还没有一个清晰的方向，无法明确哪条技术路线会成为未来主流。
激光雷达市场广阔，中国企业将领先美国。激光雷达市场前景广阔，我们预测到2025 年，中国激光雷达市场将接近 150 亿元，全球市场接近 300 亿元；至 2030 年中国激光雷达市场将接近 350 亿元，全球市场接近 650 亿元，全球市场年化增长率达到 48.3%。美国最大自动驾驶公司特斯拉采用纯视觉方案，其他车企暂无激光雷达上车的具体计划，因此中国成为车载激光雷达的最大潜在市场。2022 年有大量国内整车厂推出搭载激光雷达的产品，预计 2022 年车载激光雷达产品出货量
将达到 20 万台。中国企业更具胜出概率是因为中国企业更加贴近市场，与中国整车厂配合度高，更容易获得市场订单，因此降本速度也会更快，形成良性循环。中国广阔的市场将会协助中国激光雷达企业弥补与国外企业的技术差距。
2022至 2030年中国激光雷达市场展望
激光雷达车型一览表
当前阶段各个技术路线各有优缺点，我们的判断是未来 FMCW 技术将与 TOF 技术并存、1550nm 的激光发射器会优于 905nm，同时市场可能会跳过半固态直接跨越到全固态阶段。
FMCW 技术与 TOF 技术并存：TOF 技术较为成熟，具有响应速度快、探测精度高的优点，但无法直接测量速度；FMCW 可以直接通过多普勒原理测量速度并且灵敏度高（高出 ToF 10 倍以上），抗干扰能力强，可长距离探测，功耗低。未来可能高端产品用 FMCW，低端产品用TOF。
1550nm 优于 905 nm：905nm 属于近红外激光，容易被人体视网膜吸收并造成视网膜损伤，因此 905nm 方案只能维持在低功率下。1550nm的激光，原理可见光谱，同等功率条件下的激光对人眼的损伤更小，探测距离更远，但缺点是需要InGaAs 做发生器，且不能使用硅基探测器。
跳过半固态直接跨越到全固态：现有的半固态方案转镜式、棱角式、MEMS，都存在少量机械部件，车载环境下使用寿命短，难以通过车规认证。固态激光雷达的 VCSEL+SPAD 方案采用芯片级工艺，结构简单，易过车规，成为目前纯固态激光雷达最主流的技术方案。iPhone12 pro 背后的激光雷达用的就是VCSEL +SPAD方案。
激光雷达的技术路线及代表性企业
高精地图存在被颠覆的可能。路线之争在高级地图领域持续，特斯拉提出了不需要提前测绘的高精地图的方案，用摄像头采集到数据为基础，利用人工智能技术构建环境的三维空间，采用众包的思维，由每一辆车提供道路信息，并在云端统一汇总。因此我们需要警惕技术革新对高精地图的颠覆。
部分从业者认为高精度地图对于智能驾驶不可或缺，从视野范围看，高精度地图不受遮挡，不存在距离和视觉的缺陷，在特殊天气条件下，高精度地图依旧可以发挥作用；从误差看，高精度地图可以有效消除部分传感器误差，在部分路况条件下，可以有效对现有传感器系统进行补充修正。此外，高精度地图还可以构建驾驶经验数据库，通过多维时空数据的挖掘，分析危险区域，为驾驶者提供新的驾驶经验数据集。
激光雷达+视觉技术，采集车+众包模式是未来高精地图的主流方案。
高精地图需要平衡精度和速度两个衡量指标。过低的采集精度和过低的更新频率无法满足自动驾驶对高精地图的需求。为解决这一问题高精地图企业采用了一些新方法来应对，比如众包的模式，每一台自动驾驶汽车都作为高精地图的采集设备提供高精动态信息，汇总后分发给其他汽车使用。在这一模式下，领先的头部高精地图企业由于可参与众包的车型数量多，因此可以采集更加精确、快速的高精地图，维持强者恒强的局面。
高德地图融合方案
智能汽车设计 智能汽车开发者平台
一、传感器：不同定位与功能，优势互补
自动驾驶汽车往往配备了多种传感器，包括摄像头、毫米波雷达、激光雷达。这些传感器各有不同的功能与定位，优势互补；作为一个整体，成为了自动驾驶汽车的眼睛。2021 年以后的新车都配备了大量的传感器，目的是预留冗余硬件，以便后续通过 OTA 的方式实现更多自动驾驶功能。
2021年 1-5月国内新发布车型传感器配置及核心功能
摄像头的作用：主要用于车道线、交通标示牌、红绿灯以及车辆、行人检测，有检测信息全面、价格便宜的特征，但会受到雨雪天气和光照的影响。现代摄像头由镜头、镜头模组、滤光片、CMOS／CCD、ISP、数据传输部分组成。光线经过光学镜头和滤光片后聚焦到传感器上，通过CMOS或 CCD集成电路将光信号转换成电信号，再经过图像处理器（ISP）转换成标准的 RAW，RGB或 YUV等格式的数字图像信号，通过数据传输接口传到计算机端。摄像头可以提供丰富的信息。但是摄像头依赖自然光源，目前视觉传感器的动态做得不是特别宽，在光照不足或者光照剧烈变化的时候视觉画面可能会出现短暂的丢失，并且在雨污状况下功能会受到严重的限制，行业内通常通过计算机视觉的方式克服摄像头的各种缺点。
车载摄像头是高增量市场。车载摄像头的使用量随着自动驾驶功能的不断升级而增加，比如前视普遍需要 1-3 个摄像头、环视需要4-8 个摄像头。预计到2025年全球车载摄像头市场将达 1762.6 亿元，其中中国市场 237.2 亿元。
2015-2025年全球和中国车载摄像头市场规模（亿元）
车载摄像头行业产业链包括上游的镜头组供应商、胶合材料供应商、图像传感器供应商、ISP芯片供应商，以及中游的模组供应商、系统集成商，下游的消费电子企业、自动驾驶 Tier1等。从价值量来看图像传感器（CMOS Image Sensor）占了总成本的 50%，其次为占比 25%的模组封装和占比14%的光学镜头。
摄像头产业链
激光雷达（Lidar）的作用：主要用于探测周边物体的距离和速度。在激光雷达的发射端，由激光半导体产生一种高能量的激光束，激光与周围的目标发生碰撞后，再被反射回来，由激光雷达接收端捕获并进行运算，得到目标的距离和速度。激光雷达具有比毫米波和摄像头更高的探测精度，可探测的探测距离远，往往可以达到 200米以上。激光雷达按其扫描原理分为机械式、转镜式、MEMS和固态激光雷达。根据测距原理可以分为飞行时间测距（ToF）和调频连续波（FMCW）。当前行业处于激光雷达应用的摸索阶段，还没有一个清晰的方向，无法明确哪条技术路线会成为未来主流。
激光雷达市场广阔，中国企业将领先美国。激光雷达市场前景广阔，我们预测到2025 年，中国激光雷达市场将接近 150 亿元，全球市场接近 300 亿元；至 2030 年中国激光雷达市场将接近 350 亿元，全球市场接近 650 亿元，全球市场年化增长率达到 48.3%。美国最大自动驾驶公司特斯拉采用纯视觉方案，其他车企暂无激光雷达上车的具体计划，因此中国成为车载激光雷达的最大潜在市场。2022 年有大量国内整车厂推出搭载激光雷达的产品，预计 2022 年车载激光雷达产品出货量
将达到 20 万台。中国企业更具胜出概率是因为中国企业更加贴近市场，与中国整车厂配合度高，更容易获得市场订单，因此降本速度也会更快，形成良性循环。中国广阔的市场将会协助中国激光雷达企业弥补与国外企业的技术差距。
2022至 2030年中国激光雷达市场展望
激光雷达车型一览表
当前阶段各个技术路线各有优缺点，我们的判断是未来 FMCW 技术将与 TOF 技术并存、1550nm 的激光发射器会优于 905nm，同时市场可能会跳过半固态直接跨越到全固态阶段。
FMCW 技术与 TOF 技术并存：TOF 技术较为成熟，具有响应速度快、探测精度高的优点，但无法直接测量速度；FMCW 可以直接通过多普勒原理测量速度并且灵敏度高（高出 ToF 10 倍以上），抗干扰能力强，可长距离探测，功耗低。未来可能高端产品用 FMCW，低端产品用TOF。
1550nm 优于 905 nm：905nm 属于近红外激光，容易被人体视网膜吸收并造成视网膜损伤，因此 905nm 方案只能维持在低功率下。1550nm的激光，原理可见光谱，同等功率条件下的激光对人眼的损伤更小，探测距离更远，但缺点是需要InGaAs 做发生器，且不能使用硅基探测器。
跳过半固态直接跨越到全固态：现有的半固态方案转镜式、棱角式、MEMS，都存在少量机械部件，车载环境下使用寿命短，难以通过车规认证。固态激光雷达的 VCSEL+SPAD 方案采用芯片级工艺，结构简单，易过车规，成为目前纯固态激光雷达最主流的技术方案。iPhone12 pro 背后的激光雷达用的就是VCSEL +SPAD方案。
激光雷达的技术路线及代表性企业
高精地图存在被颠覆的可能。路线之争在高级地图领域持续，特斯拉提出了不需要提前测绘的高精地图的方案，用摄像头采集到数据为基础，利用人工智能技术构建环境的三维空间，采用众包的思维，由每一辆车提供道路信息，并在云端统一汇总。因此我们需要警惕技术革新对高精地图的颠覆。
部分从业者认为高精度地图对于智能驾驶不可或缺，从视野范围看，高精度地图不受遮挡，不存在距离和视觉的缺陷，在特殊天气条件下，高精度地图依旧可以发挥作用；从误差看，高精度地图可以有效消除部分传感器误差，在部分路况条件下，可以有效对现有传感器系统进行补充修正。此外，高精度地图还可以构建驾驶经验数据库，通过多维时空数据的挖掘，分析危险区域，为驾驶者提供新的驾驶经验数据集。
激光雷达+视觉技术，采集车+众包模式是未来高精地图的主流方案。
高精地图需要平衡精度和速度两个衡量指标。过低的采集精度和过低的更新频率无法满足自动驾驶对高精地图的需求。为解决这一问题高精地图企业采用了一些新方法来应对，比如众包的模式，每一台自动驾驶汽车都作为高精地图的采集设备提供高精动态信息，汇总后分发给其他汽车使用。在这一模式下，领先的头部高精地图企业由于可参与众包的车型数量多，因此可以采集更加精确、快速的高精地图，维持强者恒强的局面。
高德地图融合方案
今天和脉脉的朋友聊了一个多小时，一起对我的入行和职业发展做了一些回顾，我曾经是一位非常优秀的汽车电子硬件工程师，并且在2009年在和烟烟去云南度蜜月的前一天开始了我的技术blog之旅，然后开始写公众号，今天和朋友无意中聊起这段过往，曾经的我还是做到了极致的工程设计。从写技术到写各种东西，一种写了快4000篇文章了，13年的时光，一直在奔跑，无需证明自己是否足够努力。
我见证了一个时代，汽车电子在中国落地成长的全过程，接下来我在新的领域，跟随中国智能汽车的大舞台，把优秀的中国汽车电子企业拉到前台来！
我见证了一个时代，汽车电子在中国落地成长的全过程，接下来我在新的领域，跟随中国智能汽车的大舞台，把优秀的中国汽车电子企业拉到前台来！
【理想L9铸铁下摆臂“装”铝合金？李想回应质疑】前段时间，理想L9发布之初，有网友在微博发帖称：理想汽车为了假装车辆下摆臂是铝合金材质，故意喷涂银色，混淆视听。
今日，理想汽车CEO李想对此事也进行了回应，李想称：理想在宣传方面从来没说过下摆臂是铝材料，而这块采用的防腐材料颜色本身就是银色，防腐效果好出两倍以上。
同时，没有人规定铸铁就必须用黑漆涂层，铸铁又不是黑色的。理想L9后五连杆的大横向摆臂采用了贵的多的防腐涂层，防腐效果好200%以上，成本更高。防腐涂层的颜色就是银色，我们也从没说过他是铝的，铝又不是什么高档的东西。
今日，理想汽车CEO李想对此事也进行了回应，李想称：理想在宣传方面从来没说过下摆臂是铝材料，而这块采用的防腐材料颜色本身就是银色，防腐效果好出两倍以上。
同时，没有人规定铸铁就必须用黑漆涂层，铸铁又不是黑色的。理想L9后五连杆的大横向摆臂采用了贵的多的防腐涂层，防腐效果好200%以上，成本更高。防腐涂层的颜色就是银色，我们也从没说过他是铝的，铝又不是什么高档的东西。
✋热门推荐