摘要：自動駕駛是汽車智能化發展的最終方向，傳感器是實現自動駕駛技術的硬件基礎，相關傳感器將隨著自動駕駛市場的發展而迅速爆發。

自動駕駛汽車是依靠人工智能、視覺計算、激光雷達、監控裝置和全球定位系統協同合作，讓電腦可以在沒有人類主動的操作下，自動、安全地操作機動車輛，其主要由環境感知系統、定位導航系統、路徑規劃系統、速度控制系統、運動控制系統、中央處理單元、數據傳輸總線等組成。

自動駕駛汽車在傳統汽車的基礎上擴展了視覺感知功能、實時相對地圖功能、高速規劃與控制功能，增加了全球定位系統天線、工業級計算機、GPS 接收機、雷達等核心軟硬件。感知環節通過各種傳感器采集周圍環境基本信息，是自動駕駛的基礎，主要包括毫米波雷達、激光雷達、超聲波傳感器、圖像傳感器等。

4種傳感器感知范圍示意圖

4種傳感器及其產業鏈介紹

毫米波雷達

ADAS系統(高級輔助駕駛系統)需要雷達傳感器的支持，而雷達也是實現自動駕駛功能的一大功臣。毫米波雷達利用無線電波對物體進行探測和定位。

現在的雷達系統主要有用于中短測距的 24 GHz 雷達和長測距的 77 GHz 雷達 2 種，其中 77 GHz 的優勢主要在于距離和速度測定的準確性，此外其角分辨率也更加精準。毫米波雷達可有效提取景深及速度信息，識別障礙物，有一定的穿透霧、煙和灰塵的能力，但在環境障礙物復雜的情況下，由于毫米波依靠聲波定位，聲波出現漫反射，導致漏檢率和誤差率比較高;

固態雷達芯片系統很常見，體積小，價格低廉。它們具有良好的范圍，但比其他傳感器的分辨率更差。它們在明暗條件下同樣工作良好，77 GHz系統能夠更好地感知霧，雨和雪，這會導致激光雷達和被動視覺系統的挑戰。

雷達無法進行顏色，對比度或光學字符識別。雷達在確定當前實施中的交通相對速度方面非常有效。雖然傳感器尺寸使其更接近近距離探測，但它們在極短距離內的效率低于聲納。

產業鏈

目前，全球毫米波雷達市場主要由博世、大陸、天合汽車集團、法雷奧、海拉、德爾福、電裝、奧托立夫、富士通等廠商主導，其中法雷奧、海拉和博世占據我國 24 GHz 雷達市場 60% 以上的出貨量，德國大陸、博世和德爾福占據我國 77 GHz 雷達市場 80% 以上的出貨量。

中國毫米波雷達技術產業創新加速，24 GHz 毫米波集成電路已實現規模量產。蕪湖森思泰克智能、杭州智波、華域汽車等實現了 24 GHz 毫米波雷達的批量生產，沈陽承泰、湖南納雷、南京隼眼電子、北京行易道、華域汽車、上海保隆汽車、蘇州安智汽車等均完成了 77 GHz 雷達的樣機測試，部分公司有望于 2019-2020 年實現規模量產。

但由于供應鏈與知識產權等限制，國際毫米波雷達芯片商對中國并沒有完全放開 77 GHz 雷達芯片的供應，極大程度地限制了國內 77 GHz 毫米波雷達的研發及產業化。此外，考慮到雷達產品穩定性需要長期、大規模生產經驗的積累，國產技術產業全面突破仍面臨生產工藝等多方面的挑戰。

激光雷達

激光雷達依靠是激光而不是無線電波。除了激光發射器，這套系統還需要一個敏感的接收器。激光雷達系統能探測靜態和動態物體，并提供被探測物的高分辨率的幾何圖像、距離圖像、速度圖像。

激光雷達目前是大而昂貴的系統，必須安裝在車輛外面。分單線和多線激光雷達，多線激光雷達可以獲得極高的速度、距離和角度分辨率，形成精確的 3D 地圖，抗干擾能力強，是智能駕駛汽車發展的最佳技術路線，但是成本較高，也容易受到惡劣天氣和煙霧環境的影響;

目前的實施方案已經基本上從早期的30米范圍到150米到200米改進了范圍，同時分辨率也提高了。

激光雷達在所有光線條件下都能很好地工作，但由于使用了光譜波長，它們開始因空氣中的雪，霧，雨和塵埃顆粒的增加而失效。激光雷達無法檢測顏色或對比度，也無法提供光學字符識別功能。

在汽車行業，激光雷達是個相對較新的系統，正越來越受歡迎。

谷歌的自動駕駛汽車解決方案使用激光雷達作為主要傳感器，但也使用其他傳感器。特斯拉目前的解決方案并未包含激光雷達(雖然姊妹公司SpaceX確實如此)以及過去和現在的聲明表明他們認為自動駕駛汽車不需要。

眼下，激光雷達已經不是什么新鮮玩意，任何人都能從商店抱一臺回家，且精確度能滿足一般需要。不過，想讓它克服一切環境因素(溫度、太陽輻射、黑夜、雨雪天)穩定工作并不容易。此外，車載激光雷達還得能看 300 碼(約合 274 米)遠。最重要的是，這樣的產品必須能以市場可接受的價格和體積進行大規模量產。

激光雷達在工業和軍事領域已經應用。不過，它畢竟是一種擁有 360 度全景視角的復雜機械透鏡系統。由于單個成本高達數萬美元，因此激光雷達暫時還不適合在汽車產業大規模部署。

產業鏈

目前，車載激光雷達產品研發及生產廠商主要集中在國外廠商，美國 Velodyne 激光雷達技術研發及產業化進程相對領先，擁有包括 HDL-64E、HDL-32E 和 VLP-16 3 個系列在內的多條產品線，已經和 25 個無人駕駛汽車項目達成合作協議，客戶覆蓋百度、福特、谷歌、日產、沃爾沃等;其他廠商如美國德爾福、德國大陸、德國英飛凌(Infineon)、以色列 Oryx Vision、美國 Blackmore、美國TetraVue、美國 Cepton、加拿大 Leddartech、美國 Quanergy、以色列 Innoviz 等技術競爭實力相對較強，在不同產品領域均占據一定份額。

國內代表廠商包括北科天繪、禾賽科技、鐳神智能、北醒光子、速騰聚創、光珀智能等，均大力研發布局車載激光雷達產業，以北科天繪為例，擁有 18 年的激光雷達技術積累，采用完全自主研發的芯片和半導體工藝，率先實現高端激光雷達裝備規模量產。

目前，我國激光雷達產業鏈的整體發展水平還存在一定差距，激光雷達主要由激光光源、探測器和信息處理器組成，光源、探測器部分核心部件分別是激光二極管和雪崩二極管，目前國內激光二極管產品基本依賴進口，雪崩二極管有一定產業基礎但對外依存度依然較高。

超聲波傳感器

超聲波傳感器主動發出高于人類聽覺水平的高頻聲音。它們具有非常差的范圍，但是對于非常近距離的三維映射非常好，因為聲波相對較慢，因此可以檢測到一厘米或更小的差異。

無論光照水平如何，由于距離短，它們都可以在雪，霧和雨的條件下同樣良好地工作。與激光雷達和雷達一樣，它們不提供任何顏色，對比度或光學字符識別功能。由于它們的射程短，因此無法用于測量速度。它們小而便宜。

超聲波傳感器主要應用于短距離場景下，如輔助泊車。結構簡單、體積小、成本低是它的優勢。

超聲波傳感器是利用超聲波的特性，將超聲波信號轉換成其它能量信號的傳感器，具有頻率高、波長短、繞射現象小等特點，對液體、固體的穿透性較強，用于自動駕駛汽車可幫助車輛探測外部環境并指導車輛對此做出適當的反應。超聲波傳感器初期主要用于車輛制動輔助系統和倒車雷達，用來檢測障礙物避免碰撞和擦蹭，目前已被研究應用在自動泊車和自動剎車系統。

一是自動泊車輔助系統利用超聲波傳感器提供的停車區信息和車輛位置，控制汽車油門、制動器和轉向，從而完成車庫停車和側方位自動泊車。泊車傳感器通過聲納技術來計算與目標物體的距離或方向，汽車制造商通過在后保險杠上安置 2～4 顆傳感器來部署自動泊車系統，這樣可以確保探測距離在 2～2.5 m 之間，并將測量到的距離用蜂鳴聲傳達給駕駛員。

二是超聲波自動剎車系統是通過松開油門踏板、同時采取制動來避免前側碰撞，放置在汽車車頭的超聲波傳感器會發射超聲波，在接收到前面物體的反射波后確定汽車與物體之間的距離，進而通過伺服電機自動控制汽車制動系統。

產業鏈

車用超聲波傳感器市場較為分散，國際廠商主導地位顯著。目前，全球車用超聲波傳感器市場主要由Bosch，Valeo，Murata和SensorTec等主導，國內尚無具有較強競爭力的大型專業設計和制造廠商。

圖像傳感器(攝像頭)

近年來，相機圖像識別系統變得非常便宜，小巧且高分辨率。它們的顏色，對比度和光學字符識別功能為其提供了一個全新的功能集，完全沒有其他所有傳感器。它們具有最佳的傳感器范圍，但光線條件良好。它們的范圍和性能隨著光線水平變暗而降低，開始依賴于 - 就像人眼一樣 - 依賴于汽車前燈的光線。

通過對采集圖像進行計算機算法分析，車載攝像頭能夠識別行人、自行車、機動車、道路軌跡線、路牌、信號燈等環境信息，進而支撐實現車道保持輔助、車道偏離預警、前向碰撞預警、行人碰撞預警、全景泊車、駕駛員疲勞預警等功能。

產業鏈

我國在車載攝像頭鏡頭、模組等方面具備較好基礎，在圖像傳感器、DSP 方面對外依存度較高：

一是國內擁有以大立光學、舜宇光學、玉晶集團、亞洲光學、利達光電、關東辰美、先進光電、威海世高光電子、深圳市理念光電、江西興邦光電、深圳精龍達光電、東莞新旭光學、水晶光電等為代表的車載攝像頭鏡頭元件提供商，突破了模壓玻璃非球面技術、精密變焦凸輪設計技術、多層寬帶增透鍍膜技術、超低色散光學玻璃技術等高精密加工工藝，技術水平與日本電波、蔡司、三星、LG、夏普等國際廠商基本相當。

二是擁有以同致電子、深圳豪恩、蘇州智華、歐菲光等為代表的模組廠商，可提供車載級安全要求的攝像頭模組產品。

三是擁有格科微、思比科等圖像傳感芯片處理企業，在 CMOS 圖像傳感上具備一定技術基礎，但在高像素演進和單像素尺寸微縮方面與索尼、三星仍存在較大差距，高端產品仍存在嚴重技術依賴。

國際上主要由索尼、Delphi、霍尼韋爾、東芝、Mobileye等國際廠商供貨，國內仍存在較大的提升空間。

多傳感器融合是主要方向

雖然說自動駕駛在全球范圍內已經形成風潮，并有望在2021年實現4級自動駕駛，但是其想要真正走入現實也并非易事。從技術方面而言，目前自動駕駛的痛點在于穩定可靠的感知及認知，包括清晰的視覺、優質的算法、多傳感器融合以及高效強大的運算能力。其中，多傳感器融合是實現自動駕駛的必然發展趨勢。

自動駕駛汽車需要用到多種傳感器

具體而言，多傳感器融合就是將多個傳感器獲取的數據、信息集中在一起綜合分析以便更加準確可靠地描述外界環境，從而提高系統決策的正確性。雖然在原理上看似簡單，但是在自動駕駛場景中則顯得充滿挑戰。多傳感器融合，需要對每個傳感器采集的信息進行快速處理，從而讓高速行駛的汽車及時進行反饋動作，以應對突發的交通情況。由此可見，多傳感器融合并不僅僅是硬件方面的協同配合，還包括決策層的算法和算力支持。

當前，自動駕駛環境感知技術路線主要包括視覺主導和激光雷達主導兩種方案：

一是以特斯拉為代表的「攝像頭 + 毫米波雷達 + 超聲波雷達」多傳感器融合，Autopilot 2.0 硬件由 8 個攝像頭、1 個毫米波雷達和 12個超聲波雷達組成，但攝像頭受環境光照影響較大，目標檢測較不可靠，優勢是成本相對較低;

二是以 Google Waymo 為代表的「低成本激光雷達 + 毫米波雷達 + 超聲波傳感器 + 攝像頭」多傳感融合，激光雷達是主動視覺，目標檢察較為可靠，但缺少顏色和紋理信息且成本較高。

目前，沒有一種解決方案是完美的，每種組合解決方案都有妥協，即使這些妥協的規模或不同方向的意識程度不同。這些傳感器技術將以不同的方式在不同的車輛價格點組合，從而獲得更有效的解決方案。