2022年開年，1月3日，美股激光雷達概念股維視圖像(MVIS.US)漲8.38%，Luminar(LAZR.US)漲超5%，Velodyne(VLDR.US)漲4.95%。
國金證券在《放量在即，激光雷達開啟前裝元年》報告中預測，激光雷達有望通過規模量產+技術進步快速降價，2030年超230億美元，2021-2030 年復合增速近90%，總體前裝滲透率達45%。
2020年開啟激光雷達上市潮，產業龍頭企業Velodyne、Luminar等相繼上市，已宣布的2022年計劃量產激光雷達車型達15款，小鵬、蔚來、上汽、奔馳等車企都相繼對激光雷達新品車型作了預告。
整車廠已宣布搭載激光雷達量產車型價格區間、產量預測（臺）來源：國金證券研究所全球市場研究與戰略咨詢公司Yole Development也在《2021年汽車與工業領域激光雷達應用報告》預測，ADAS（Advanced Driver Assistance Systems，高級駕駛輔助系統）和機器人車輛將推動雷達市場從2020年的18億美元增長到2026年的57億美元。“放眼全球，所有激光雷達廠商都還處于攀升階段。預計大概2035年左右，整車的激光雷達市場將會達到130億到135億美元的區間，”近日，Velodyne首席商務官Sinclair Vass接受澎湃新聞（www.thepaper.cn）采訪時表示。
當下，激光雷達還沒有到大規模量產階段，眾多技術路線仍在探索中，處于百花齊放的狀態。目前激光雷達的技術發展有哪些趨勢？在自動駕駛感知層面上分野的“視覺派”與“激光雷達派”未來會如發展？
激光雷達的不同技術路線：機械式與固態化
激光雷達最早發明于1960年代，早期主要用于太空探測、地形勘測、武器制導等，在1971年激光雷達曾跟隨阿波羅15號完成了月面測繪。此后的2005年，Velodyne在美國 DARPA挑戰賽上首次給自動駕駛車輛搭載激光雷達，2007年Velodyne生產出首臺商用3D動態掃描激光雷達，由此激光雷達的商業化落地進程開始了。目前，激光雷達廣泛應用于自動駕駛、物流運輸、高精地圖、智慧交通、機器人、工業自動化、無人機、測繪等領域。
來源：汽車人參考，國金證券研究所激光雷達利用可見光和近紅外光發射一個信號，經目標反射后被接收系統收集，通過測量反射光的運行時間而確定目標的距離。據國金證券《放量在即，激光雷達開啟前裝元年》報告，較短波長及主動激光技術賦能激光雷達測量分辨率高、探測距離遠、探測角度大、夜間工作能力強、抗干擾能力強等優勢，可直接獲取距離、角度、反射強度、速度等信息。
激光雷達主要顯性參數 來源：禾賽科技招股書激光雷達常以線數區分，線數指激光發射的光源數，如128線產品有128個光源。按掃描方式劃分，激光雷達掃描方式有無機械轉動部件可以分為機械式、半固態、固態。混合固態分為 MEMS、轉鏡，純固態分為相控陣 OPA、Flash。激光雷達在測距原理、激光發射、激光接收、光束操縱及信息處理等五個方面均存在不同技術路線。
來源：國金證券研究所“不同的架構，如機械、MEMS和固態，對于不同的應用有不同的優勢和劣勢。然而，實際上極其重要的是所實現的特定光學設計性能、生產的質量和大規模可行性以及實現有吸引力的價格點的能力。此外，將激光雷達硬件與高性能感知軟件（例如Vella平臺）相結合的能力是一個主要的差異化因素。”Sinclair Vass說道。目前在激光雷達領域已經有一個明顯趨勢，技術成熟、探測性能優秀但高成本、低壽命、大體積的機械式激光雷達向固態激光雷達的方向演進。
據《2021年汽車與工業領域激光雷達應用報告》稱，2020年后，機械式（包括旋轉式、轉鏡式等）激光雷達技術路線將逐漸式微，由于上游元器件的成熟度和成本優勢，MEMS和Flash技術路線將逐漸趨于主流。
機械式指在垂直方向上排布多束激光器、通過電機帶動光電結構360°旋轉，從而化點為線形成三維點云方案。其線數與分辨率成正比，具有高分辨率、高測距的特點，是目前最成熟的方案，產量也最高。但其成本高昂，同時為實現高頻準確轉動，其機械結構復雜，平均失效時間僅1000-3000小時，與車規要求的最低13000小時差距明顯，難以實現前裝量產。
激光雷達定價 來源：產業調研，國金證券研究所固態指指無任何機械運動部件的激光雷達類型，可細分為 OPA、Flash、電子掃描等形式，目前技術成熟度較低。以OPA（光學相控陣技術）舉例，OPA利用電壓調節制造發射陣列間的相位差實現光束偏轉，兼具掃描快、精度高、體積小及強可控、強抗振等優勢，技術突破后成本較低、量產標準化程度高，被部分業界專家認為是激光雷達最終的主流形態。“雖然ADAS（高級駕駛輔助系統）市場需要更長的時間才能實現大規模部署，我相信固態激光雷達將用于許多擁有ADAS應用的高容量市場。”Velodyne首席商務官Sinclair Vass表示。
Velodyne于1983年成立于美國硅谷，最早以音響業務起家，隨后業務拓展至激光雷達等領域，以高線數機械式激光雷達聞名。超半數獲加州DMV自動駕駛路測牌照公司為其客戶。
2007年，Velodyne發布第一款可商用的激光雷達并在地圖行業大量商業應用，這也是激光雷達行業的起點。Velodyne業務涉及工業機器人、智慧城市及ADAS等領域，合作方如百度、阿里巴巴、圖森、小馬智行等。2020 年10月，Velodyne于納斯達克SPAC上市，成為激光雷達第一股。
“我們不想具體評論未來幾年的市場價格趨勢，但在Velodyne，我們認識到這點，一個有吸引力的激光雷達價格將有效促使對其大量應用的快速興起。我們的目標是通過具有吸引力的價格路線圖，使許多終端市場都能用到激光雷達，同時我們強調為客戶提供完整的解決方案，包括感知軟件。”Sinclair Vass說道。
據國金證券研究所報告，短期內，激光雷達將往混合固態發展；長期來看，FMCW、OPA、Flash均有可能成為主導路線。激光雷達上車存在成本及車規兩大阻礙，可通過技術進步、建設流水線解決。
自動駕駛的感知層：“視覺派”與“激光雷達派”
《2021年汽車與工業領域激光雷達應用報告》認為，到2026年，汽車與工業領域應用的激光雷達市場規模預計將達57億美元，在2020年至2026年間的年復合增長率將達到21%。值得注意的是，ADAS（高級駕駛輔助系統）領域在2026年的市場占比率預計將達到41%，成為激光雷達最大的細分市場，而這一數據在2020年僅為1.5%。
自動駕駛基本的三要素是感知-決策-控制。對周圍環境的周密感知是所有決策的基礎，也是自動駕駛汽車的安全保障。在了解周圍環境中物體的位置、速度和方向、路面的性質、路緣石的位置、信號（交通、道路標志）等之后，自動駕駛系統則要開始做計劃和控制：首先是其他移動物體在接下來的短時間會做什么，然后是根據整體計劃（比如規劃的通向目的地路線）計劃自己要做什么，最后就是告訴汽車要做什么。
目前用于感知的傳感器主要包括：激光雷達、攝像頭、毫米波雷達、超聲波雷達等。毫米波雷達存在無法探測行人、靜止物體等弱點，車載攝像頭則存在過度依賴光線環境、訓練樣本等弱點。在智能駕駛系統的感知層中，激光雷達可增強感知系統的冗余性，補充毫米波雷達、攝像頭缺失的場景，與高精地圖配合發揮定位作用。
不同傳感器對比 來源：汽車人參考，中汽中心在高階自動駕駛方案中，激光雷達的點位還可通過和高精地圖數據匹配來實時定位車輛信息。但是，同時存在成本較高、受惡劣天氣影響較大、工作壽命較短等問題，有望通過技術進步、規模量產解決。
隨著自動駕駛級別提高，激光雷達配備數量需求增加。來源：麥姆斯咨詢，國金證券研究所在自動駕駛感知層有一個明確的分野，“視覺派”與“激光雷達派”。這個分野如此被廣為知曉主要因為特斯拉CEO伊隆·馬斯克（Elon Mask）曾在采訪中多次表達“傻瓜才用激光雷達”，并長期堅持利用人工智能和深度學習來構建神經網絡的“純視覺”技術路線，甚至棄用激光雷達。特斯拉是最先實現自動駕駛車輛量產的公司，在當時一輛七萬美元左右的特斯拉幾乎與激光雷達價格差不多。目前特斯拉Model 3的自動駕駛攝像頭成本只需65美元左右。
純視覺派認為單純依靠攝像頭就可以完成自動駕駛所需要的周圍環境感知，青睞純視覺感知方案的如特斯拉、極氪、百度。激光雷達派則以激光雷達為主導，配合毫米波雷達、超聲波傳感器、攝像頭多傳感器融合完成周圍環境感知，商湯AR小巴、文遠知行等使用激光雷達方案。
“‘視覺’能不能實現自動駕駛，我認為是可以的。但是，需要考慮的是實現了自動駕駛以后，對于乘客和道路行人的安全保護到底能夠達到什么程度？對道路行人的安全性到能提升到什么程度？對于乘客來說，是否可以在車內非常舒適地乘坐，且可以同時做其他事情？”Sinclair Vass提出了這樣的思考角度。
Sinclair Vass認為，如果要達到乘客擁有非常好的舒適程度，并且保證道路行人的安全性，那么，車輛能看得更遠、看得更全面，就變成了一個很重要的要求。單純視覺畢竟有局限性，比如說雨雪天氣，光線和不同角度。激光雷達因為其實時性和全方位360度掃描的透視能力，可以讓車看得更遠，看得更全面。
“以視覺為主的自動駕駛技術，無論是硬件還是算法都比較成熟，優缺點以及技術瓶頸都比較了解。總結起來就是技術門檻比較低，價格便宜，但也面臨比較大的瓶頸，想做高級別L3以上自動駕駛的難度會比較高。”Sinclair Vass總結道。
對于自動駕駛的純視覺路線和激光雷達路線問題，商湯智能駕駛研發總監李怡康曾對澎湃新聞（www.thepaper.cn）表示，“無論是純視覺方案還是多傳感器融合的方案最終都是有可能實現L4或L5級別的自動駕駛的，區別在于，引入激光雷達實際上是把問題變簡單了，因為我們引入了很多額外的信息，而且這些信息跟視覺很互補，有些信息，比如深度，它可以估算得很準確。假如最后兩條路徑都能實現L5級自動駕駛，那我相信多傳感器融合這條路線可能會更快一些。當然，感知只是決定自動駕駛是否實現的因素之一。”
轉載請注明出處。
相關文章
熱門資訊
精彩導讀
關注我們
