<meter id="pryje"><nav id="pryje"><delect id="pryje"></delect></nav></meter>
          <label id="pryje"></label>

          新聞中心

          EEPW首頁 > 汽車電子 > 業(yè)界動態(tài) > 馬斯克“被打臉”,剛罵完激光雷達垃圾,卻擋不住國產崛起!

          馬斯克“被打臉”,剛罵完激光雷達垃圾,卻擋不住國產崛起!

          作者: 時間:2022-03-10 來源:馭勢證券 收藏

          2022年初,馬斯克被紐約時報刊文曝光,曾多次指示負責技術研發(fā)的Autopilot團隊,必須放棄雷達,只使用相機!從2021年5月份開始,特斯拉已經取消雷達,不再交付集成支持雷達技術硬件的車型。

          本文引用地址:http://www.ex-cimer.com/article/202203/431853.htm

          作為最成功的企業(yè)特斯拉的掌權者,雖然馬斯克多次在不同場合質疑以為主導的技術,但這也擋不住全球范圍內的強勢崛起,除特斯拉外所有汽車廠商都往技術發(fā)展!

          本文依據2021年底~2022年初的最新數(shù)據,從性能、成本、車規(guī)、量產等各方面全面分析了目前全球激光雷達產業(yè)情況,通過本文就能了解2022年中國激光雷達市場怎樣!全球13家主要激光雷達廠商中,有6家來自中國本土,且裝車規(guī)模排在全球前列。特斯拉也擋不住中國激光雷達企業(yè)在全球范圍內的強勢崛起!


          本文目錄

          1、自動駕駛漸行漸近,激光雷達規(guī)模化裝車前夜已至

          2、技術路徑快速迭代,助力激光雷達裝車前行

          3、產業(yè)鏈日益成熟,國內廠商初露鋒芒

          自動駕駛漸行漸近,激光雷達

          規(guī)?;b車前夜已至

          多方勢力推動,高階

          自動駕駛呼之欲出

          自動駕駛兩種路徑殊途同歸,共同推動高級別自動駕駛加速落地。當前自動駕駛正沿著兩種路徑向我們駛來:

          一種是以造車新勢力領銜,傳統(tǒng)車企緊跟的漸進式發(fā)展路徑,從高級輔助駕駛(ADAS)逐漸實現(xiàn)L3+自動駕駛;

          另一種則是以百度、谷歌等為代表的科技力量,采取跨越式的技術發(fā)展路線,直接研發(fā)L4/L5級別自動駕駛/無人駕駛。

          盡管發(fā)展路徑有所不同,在科技公司、造車新勢力、傳統(tǒng)車企等多方勢力的助推下,自動駕駛硬件和軟件技術愈發(fā)成熟,共同指向高級別自動駕駛落地。

          自動駕駛發(fā)展兩種路徑:

          1646890343999416.png

          漸進式車企普遍實現(xiàn)L2高級別輔助駕駛,向L3級別自動駕駛級別邁進。在歷經幾年的技術積累后,各家智能汽車車型密集發(fā)布并實現(xiàn)交付量產,開始步入收獲期。步入2021年,L3級別自動駕駛能力的蔚來ET7、ET5,小鵬P5相繼發(fā)布,滿足L2-L4級別的華為極狐阿爾法S也于21年4月發(fā)布,行業(yè)開始進入L3+自動駕駛時代。

          造車新勢力車型迭代歷程:

          1646890515533072.png

          傳統(tǒng)車企自動駕駛規(guī)劃:

          1646890531197874.png

          全球自動駕駛市場有望迎來高速增長期。根據IDC,全球具備自動駕駛乘用車的出貨量有望從20年的2774萬輛增長到2024年的5425萬輛,其中L3級別及以上自動駕駛車輛出貨量從20年的3.2萬輛增長到24年的86.3萬輛,20-24年CAGR高達128%。

          全球自動駕駛汽車出貨量及增長率預測(千輛):

          1646890617949658.png

          而在另一邊,無人駕駛技術也愈發(fā)成熟。截至目前共七家企業(yè)獲得加州全無人駕駛牌照,包括中國系的安途、百度、文遠知行和美國系的GMCruise、Nuro、Waymo、Zoox(亞馬遜旗下)。

          根據加州車輛管理局2019年與2020年發(fā)布的《自動駕駛接管報告》,Waymo與GMCruise憑借著極高的總里程數(shù)以及平均每次接管里程數(shù)領先;安途(AutoX)、文遠知行(WeRide)等緊隨其后。對比2019與2020的測試數(shù)據,各家公司的車均接管次數(shù)明顯降低,平均每次接管間的總里程顯著上升。

          自動駕駛車道路測試數(shù)據:

          1646890644184957.png

          自動駕駛商業(yè)化步伐開啟。經歷了多年的無人駕駛技術積累后,自動駕駛已經開始在無人出租車出行服務、無人配送車以及長途貨物運輸?shù)葓鼍奥氏嚷涞貞谩?/p>

          在國內,百度、安途、滴滴、文遠之行、小馬智行等均已推出無人駕駛打車業(yè)務,步入試運營階段,其中百度Apollo無人駕駛Robotaxi成為中國首批“共享無人車”,正式開啟常態(tài)化商業(yè)運營,向公眾全面開放。

          在海外,WaymoRobotaxi早在18年便開啟商業(yè)化運營,車隊規(guī)模不斷擴大。

          自動駕駛車企發(fā)展歷程:

          1646890671270693.png

          盡管自動駕駛仍處初步商業(yè)化階段,離大規(guī)模商業(yè)化仍有一段距離,但隨著Robotaxi從有限的測試場景逐漸走向更多元化的運營場景,從有安全員隨時準備接管向完全無人駕駛演進,從免費體驗發(fā)展到付費運營,自動駕駛在Robotaxi及其他場景下的應用生態(tài)將愈發(fā)成熟。

          多傳感器融合大勢所趨,

          激光雷達必不可少

          攝像頭技術成熟且成本低,成為率先裝車且用量最大的感知硬件。車載攝像頭是ADAS系統(tǒng)的主要視覺傳感器,也是最為成熟的車載傳感器之一。然而由于攝像頭與人眼一樣,屬于被動地接收可見光,因此在逆光或者光影復雜的情況下視覺效果較差,且易受惡劣天氣影響。

          毫米波雷達受天氣環(huán)境的影響最小,全天候性能最佳。毫米波雷達與激光雷達工作原理相似,目前車載領域常用的毫米波雷達頻段為24GHz、77GHz和79GHz,分別對應短、長、中距離雷達。毫米波雷達由于波長夠長,繞物能力好,受天氣環(huán)境的影響最小,但同時由于波長過長,探測精度大大下降。

          激光雷達精度最佳,滿足L3-L5自動駕駛需求:

          激光雷達以激光作為載波,波長比毫米波更短,因此探測精度高、距離遠。激光雷達還能通過回收不同方向激光尺的信息,以點成線,以線成面,形成障礙物3D“點云”圖像。

          受限于技術難度大、成本高,目前還未實現(xiàn)大規(guī)模裝車,隨著未來產業(yè)鏈的日趨成熟,成本下探后,激光雷達產業(yè)或將迎來爆發(fā)。

          感知層傳感器性能比較:

          1646890756225854.png

          感知層傳感器優(yōu)勢比較:

          1646890786352180.png

          多傳感器融合大勢所趨,激光雷達必不可少。在自動駕駛感知技術領域,目前主要形成兩大陣營,以特斯拉為代表的“視覺感知”和以Waymo、蔚來、小鵬等為代表的“3D激光雷達融合感知”解決方案。

          前者“輕感知,重算法”,采用低成本的攝像頭進行環(huán)境感知,輔以高性能計算,對基于視覺的神經網絡算法算力要求較高;

          后者主要依靠激光雷達創(chuàng)建周圍環(huán)境感知的3D環(huán)境圖,形成“攝像頭+毫米波雷達+激光雷達”融合冗余的感知方案。

          自動駕駛感知解決方案對比:

          1646890832177819.png

          盡管純視覺方案具備一定的成本優(yōu)勢,能夠滿足當前L2級別ADAS感知需求,但隨著自動駕駛的逐級演進,感知層數(shù)據量呈指數(shù)級增長,弱感知將對芯片的性能和算力提出更高的要求,增加實現(xiàn)難度。

          此外攝像頭本身性能和識別精度的欠缺(如不能直接給出距離、將三維世界降至二維成像、受制于天氣等)也制約了純視覺感知解決方案在高等級自動駕駛中的發(fā)展普及。

          我們認為為了實現(xiàn)無人駕駛功能性與安全性的全面覆蓋,傳感器的融合與冗余將成為未來的主旋律,而激光雷達作為其中探測精度、分辨率更高的關鍵一環(huán),其技術工藝的不斷迭代成熟,成本的逐漸下探,也將促進其在L3及以上車型的規(guī)?;b車應用。

          各類傳感器需求量逐級提升:

          1646890870334990.png

          首款激光雷達量產車問世,

          拉開規(guī)模化裝車序幕

          Robotaxi是此前激光雷達主戰(zhàn)場。相較于乘用車領域,Robotaxi定位于L4-L5級別無人駕駛,因而對感知層探測性能要求最高。同時由于車輛的所有者無人運營駕駛公司往往是資本實力雄厚的汽車/科技大廠,所以對激光雷達價格及與車身的集成度要求相對較低,多家運營商的Robotaxi均已配置激光雷達,是此前激光雷達的主戰(zhàn)場。

          自動駕駛車激光雷達配置情況:

          1646890920190402.png

          乘用車迎來激光雷達裝車小高潮。L3級別自動駕駛能力的蔚來ET7、ET5,小鵬P5,L2-L4級別的華為極狐阿爾法S等四款車相繼發(fā)布,均配備了激光雷達,其中小鵬P5是全球首款搭載激光雷達的量產車。隨著“漸進式”智能汽車企業(yè)逐步實現(xiàn)從L2輔助駕駛到L3自動駕駛的跨越,激光雷達裝車需求迎來高潮,將步入集中裝車階段,乘用車也將成為激光雷達未來主戰(zhàn)場。

          各家車型搭載激光雷達情況:

          1646890960973765.png

          “漸進式”、“跨越式”雙輪驅動,激光雷達開啟集中裝車,市場規(guī)模高速增長:

          一方面隨著自動駕駛的逐級演進,傳感器的融合與冗余成為解放駕駛員雙手與雙腳并確保其安全性的關鍵所在,激光雷達將成為不可或缺的感知硬件;

          另一方面隨著Robotaxi/Robotruck的商業(yè)化落地,未來該領域的車隊規(guī)模將加速擴大,沙利文研究預計,至2025年新落地車隊規(guī)模將突破60萬輛,給激光雷達的應用帶來廣闊下游空間,二者將共同驅動激光雷達市場迎來繁榮。

          沙利文研究預計,至25年全球激光雷達市場規(guī)模為135億美元,19-25ECAGR65%;其中無人駕駛和ADAS領域市場規(guī)模將分別增至35/46億美元,19-25ECAGR為81%/84%,將占激光雷達總規(guī)模的約6成。

          2017-2025E全球激光雷達市場規(guī)模(單位:億元):

          1646890998157725.png


          2025年激光雷達市場應用分布:

          1646891033582024.png


          技術路徑快速迭代,助力

          激光雷達裝車前行

          激光雷達類型多樣,

          技術發(fā)展日新月異

          激光雷達是利用激光來實現(xiàn)精確測距的傳感器,在廣義上可以認為是帶有3D深度信息的攝像頭,被譽為“機器人的眼睛”。激光雷達產業(yè)自誕生以來,緊跟底層器件的前沿發(fā)展,呈現(xiàn)出了技術水平高的突出特點。

          從在無人駕駛技術中獲得廣泛認可的多線掃描激光雷達,再到技術方案不斷創(chuàng)新的固態(tài)激光雷達、FMCW激光雷達,以及近年來朝向芯片化、陣列化持續(xù)發(fā)展,激光雷達一直以來都是新興技術發(fā)展及應用的代表。

          激光雷達結構精密且復雜,主要由激光系統(tǒng)、接收系統(tǒng)、信號處理單元和掃描模塊四大核心組件構成。激光器以脈沖的方式點亮發(fā)射激光,照射到障礙物后對物體進行3D掃描,反射光線經由鏡頭組匯聚到接收器上。信號處理單元負責控制激光器的發(fā)射,并將接收到的模擬信號轉為數(shù)字信號,最后進入主控芯片進行數(shù)據的處理和計算。

          激光雷達工作原理及構成模塊:

          1646891089634657.png


          由于激光雷達各個功能模塊均有多種技術實現(xiàn)方式,在各個分類依據的不同組合下激光雷達種類繁多,技術路線正處于快速發(fā)展迭代階段。

          激光雷達按照不同依據分類:

          1646891124398120.png


          按測距方式:

          激光雷達可以分為飛行時間(TimeofFlight,ToF)測距法、基于相干探測的調頻連續(xù)波(FMCW)測距法、以及三角測距法等。其中ToF與FMCW能夠實現(xiàn)室外陽光下較遠的測程(100~250m),是車載激光雷達的優(yōu)選方案。

          ToF是目前市場車載中長距激光雷達的主流方案,未來隨著FMCW激光雷達整機和上游產業(yè)鏈的成熟,ToF和FMCW激光雷達或將在市場上并存。

          激光雷達按照不同依據分類:

          1646891162868239.png

          按掃描方式:激光雷達可以分為整體旋轉的機械式激光雷達、收發(fā)模塊靜止的半固態(tài)激光雷達和固態(tài)式激光雷達,區(qū)別在于有無活動組件。

          機械式激光雷達:通過機械旋轉實現(xiàn)激光掃描,在電機驅動下持續(xù)旋轉,豎直面內的激光光束由“線”變成“面”再形成多個激光“面”,從而實現(xiàn)探測區(qū)域內360°3D掃描。

          半固態(tài)方案:包括MEMS、轉鏡式、棱鏡式三種,其特點是收發(fā)單元與掃描部件解耦,收發(fā)單元不再進行機械運動,體積小、成本低,是目前主流選用方案。

          固態(tài)激光雷達:主要包括光學相控陣(OPA)和閃光(Flash)型兩種實現(xiàn)方式,其完全取消了機械掃描結構,內部沒有任何運動部件,水平和垂直方向的激光掃描均通過電子方式實現(xiàn),大幅減少了激光收發(fā)器件,從而降低成本,微型化的結構也提升了性能穩(wěn)定性,未來有望憑借更優(yōu)的性價比占據主導地位。

          激光雷達按掃描方式分類:

          1646891207331708.png

          各類激光雷達產品:

          1646891242625318.png

          掃描模塊:半固態(tài)、

          固態(tài)后來居上

          對于整車廠或方案商而言,車規(guī)級、可量產、成本可控是激光雷達大規(guī)模裝車的主要考量。

          激光雷達技術路線差異大,同源性低,目前來看車載激光雷達正沿著機械式—半固態(tài)—固態(tài)的發(fā)展路徑不斷迭代,機械式激光雷達由于成本高昂,更適用于無人駕駛等研發(fā)測試類項目,在量產車、乘用車領域仍待檢驗,短期內半固態(tài)有望率先上車,主導中遠距離激光雷達,長遠來看,待技術工藝級別最高的固態(tài)Flash、OPA成熟后,或將成為主流技術方向。

          激光雷達性能比較:

          1646891288212332.png

          激光雷達發(fā)展迭代路徑:

          1646891318769683.png

          汽車激光雷達發(fā)展路線圖:

          1646891358278613.png

          機械式激光雷達:高精度伴隨

          高成本、難量產瓶頸

          性能:機械式激光雷達是研發(fā)最早、技術最成熟的產品,憑借其原理簡單、易驅動、易實現(xiàn)水平360°掃描等優(yōu)點成為無人駕駛項目傳感器的首選。

          成本:成本高昂,降價空間小。機械式激光雷達內部結構精密,零件數(shù)多,組裝工藝復雜,尤其對于高線束激光雷達而言,線束越多,需要相應地增加發(fā)射與接收模塊的數(shù)量,疊加后期維護費用,致使成本高居不下,高線束激光雷達成本難低于3000美元。

          車規(guī):較難滿足車規(guī)級。高頻的轉動和復雜的機械結構致使其旋轉部件易磨損,對探測精度產生影響。當前大多產品平均的失效時間僅1000-3000小時,難以達到車規(guī)級設備最低13000小時的要求。

          量產:機械式對于成本不敏感的Robotaxi/無人駕駛企業(yè)來說是可選項,但對于整車廠和方案商而言,大規(guī)模量產有較大難度。領軍企業(yè)Velodyne2007年便推出了64線機械式激光雷達產品,2010年谷歌首測的無人駕駛汽車便采用了Velodyne激光雷達方案,如今產品方案廣泛應用于百度、Uber等自動駕駛的測試車型中。

          機械式激光雷達結構圖:

          1646891423897403.png

          VelodynePuckVLP-1616線BOM約950美元:

          1646891456952286.png

          半固態(tài)激光雷達:率先

          上車,是當下之選

          半固態(tài)式激光雷達收發(fā)模塊靜止、僅掃描器發(fā)生機械運動,由轉鏡、MEMS微振鏡等替代此前機械式當中的旋轉掃描儀。體積更小、集成度更高、成本更低,適合前裝量產車型需求,是當下部分主流車廠的選擇。

          半固態(tài)轉鏡式:一維轉鏡技術向二維發(fā)展,成為主流激光雷達產品。

          性能:轉鏡式激光雷達功耗比較低,散熱難度低,因此可靠性較高,而劣勢在于難以集成化來進一步降低成本,且一維轉鏡掃描線數(shù)較少,掃描角度無法達到360°,通過二維轉鏡實現(xiàn)少發(fā)射器多線束功能。

          成本/價格:以圖達通(Innovusion)即將量產、搭載于蔚來ET7的圖像級超遠距激光雷達獵鷹為例,其大規(guī)模量產后價格約在500-1000美元。

          車規(guī)&量產:法雷奧在2017年量產的第一代SCALA是全球首個通過車規(guī)級認證的激光雷達,同年被首發(fā)搭載在奧迪A8上,因而成為第一個過車規(guī)、成本可控,可滿足車企性能要求,且實現(xiàn)批量供貨的技術方案,SCALA系列目前出貨量已超15萬顆,客戶包括寶馬、奔馳等;20年10月,鐳神智能CH32成為全球第二個獲得車規(guī)認證的激光雷達。21年,華為自研的96線激光雷達也已在極狐阿爾法S華為HI版率先裝車。

          轉鏡式激光雷達結構圖:

          1646891503939869.png


          華為96線中長距離激光雷達:

          1646891535830998.png


          半固態(tài)MEMS微振鏡:已滿足車規(guī)要求,落地進程加速。

          采用半導體“微動”器件代替宏觀機械式掃描器作為激光光束掃描元件,通過控制微小的鏡面平動和扭轉往復運動,改變單個發(fā)射器的發(fā)射角度進行掃描,形成較廣的掃描角度和較大的掃描范圍,從而以超高的掃描速度形成高密度的點云圖。

          性能:體積小,集成度更高。MEMS微振鏡幫助激光雷達擺脫了笨重的馬達、多棱鏡等機械運動裝置,毫米級尺寸的微振鏡大大減少了激光雷達的尺寸,極大的簡化了掃描器結構,使其具有高性能、穩(wěn)定可靠、易于生產制造等優(yōu)點。但MEMS微振鏡激光雷達會出現(xiàn)信噪比低,有效距離短等問題。

          成本/價格:減少激光器和探測器數(shù)量,降低成本。傳統(tǒng)的機械式激光雷達要實現(xiàn)多少線束,就需要多少組發(fā)射模塊與接收模塊。而微振鏡精確控制偏轉角度,通過控制掃描路徑達到等效機械式更多線束激光雷達的覆蓋區(qū)域和點云密度,極大地降低成本。MEMS微振鏡在投影顯示領域商用化應用多年,上游供應鏈相對成熟,Luminar的MEMS半固態(tài)激光雷達將制造成本降低到500-1000美元,使規(guī)模量產成為可能。鐳神智能MEMS激光雷達LS20B系列20年售價$999/$1299。

          車規(guī)&量產:國產品牌率先落地。MEMS激光雷達能夠兼顧車規(guī)量產與高性能的需求,速騰聚創(chuàng)的MEMS激光雷達RS-LiDAR-M1于20年12月批量出貨,成為全球首款批量交付的車規(guī)級MEMS激光雷達,和廣汽埃安、威馬、極氪等11家車企建立合作。海外方面,Luminar全球范圍內已擁有50多位行業(yè)合作伙伴,包括沃爾沃、上汽飛凡汽車、小馬智行等。

          MEMS激光雷達工作原理圖:

          1646891576189997.png


          MEMS微振鏡工作示意圖:

          1646891618249143.png


          半固態(tài)棱鏡:Livox一枝獨秀,自建產能綁定小鵬。

          采用雙楔形棱鏡結構,激光在通過兩個楔形棱鏡后發(fā)生兩次偏轉,只要控制兩面棱鏡的相對轉速便可以控制激光束的掃描形態(tài)。

          性能:點云密度高,可探測距離遠。棱鏡激光雷達掃描軌跡呈花瓣狀,在掃描轉速控制得當?shù)那闆r下,同一位置長時間掃描幾乎可以覆蓋整個區(qū)域,從而避免了傳統(tǒng)旋轉激光雷達的多次校準。

          價格:LivoxHorizon官網定價7199元。

          車規(guī)&量產:Livox自21年起為小鵬量產的新車型提供車規(guī)級激光雷達技術,LivoxHoriz(Horizon定制版)于21年開始在其自有汽車級制造中心量產,年均產能達10萬臺級別,并可基于前裝量產客戶的增長需求在3個月之內實現(xiàn)擴線。新產品HAP已與小鵬汽車和一汽汽車建立合作伙伴關系,于21Q4量產。

          大疆Livox轉鏡式激光雷達結構圖:

          1646891662187511.png


          Livox和小鵬合作量產汽車級激光雷達:

          1646891698371287.png


          固態(tài)激光雷達:技術待

          成熟,是未來之選

          從性能看,固態(tài)激光雷達內部沒有任何移動部件,可靠性有很大提升。同時,因部件可以IC化,能夠進行高度自動化的組裝和調校,相比之下也更容易實現(xiàn)批量化生產,并大幅降低量產成本,因此也被公認為是激光雷達實現(xiàn)大規(guī)模車載化的主流演進路線。

          從技術角度看,固態(tài)激光雷達對零部件要求高,整合制造工藝難度大,目前兩種技術路線Flash和OPA尚不成熟,還需要匹配大功率的激光器、高性能的光電探測器等部件,離真正落地仍有一段差距。

          純固態(tài)Flash:一次閃光全局成像,達成全球首個固態(tài)激光雷達車規(guī)量產合作。

          Flash激光雷達指利用快閃原理達成一次閃光(激光脈沖)成像的激光雷達,在發(fā)射端采用垂直腔面發(fā)射器(VCSEL),短時間發(fā)射出一大片覆蓋探測區(qū)域的面陣激光,再以高度靈敏的接收器,來完成對環(huán)境周圍圖像的繪制。

          性能:瞬時記錄,集成度高,但探測距離近,分辨率低。Flash激光雷達的優(yōu)勢在于沒有掃描器件,能夠快速記錄整個場景,避免了掃描過程中目標或激光雷達自身運動帶來的誤差,并且集成度高,體積小,具有芯片級工藝,適合量產。但是Flash激光雷達的功率密度低,導致其有效距離一般難以超過50米,分辨率也比較低。

          成本:目前Flash技術還不成熟,價格相應較高,未來有下探空間。以Ouster2020年公布的Flash激光雷達ES2為例,其面向車規(guī)量產項目的初始價格將為600美元,目標是降至100美元,計劃于2024年實現(xiàn)大批量生產。

          車規(guī):體積小、高穩(wěn)定,不含任何機械組件,技術成熟后有望滿足高等級車規(guī)要求。

          量產:由于探測距離受限,F(xiàn)lash方案主要用于較低速的無人駕駛車輛,例如無人外賣車、無人物流車等對探測距離要求較低的自動駕駛解決方案中。長城汽車WEY品牌系列下的摩卡車型確定將搭載IBEO的Flash激光雷達IbeoNEXT,成為全球首個純固態(tài)激光雷達的車規(guī)量產合作。

          固態(tài)Flash激光雷達結構圖:

          1646891741296227.png


          大陸Flash激光雷達:

          1646891774778517.png


          純固態(tài)OPA:高系統(tǒng)集成度的光學相控陣技術。

          OPA激光雷達利用相干原理(類似兩圈水波相互疊加后,有的方向會相互抵消,有的會相互增強),采用多個光源組成陣列,通過調節(jié)發(fā)射陣列中每個發(fā)射單元的相位差來改變激光的出射角度,控制各光源發(fā)射的時間差,從而合成角度靈活、精密可控的主光束,實現(xiàn)對不同方向的掃描。

          性能:體積小、掃描速度快、精度高。OPA實現(xiàn)一種無任何機械元件的光束掃描,調控速度可以非???,容易達到MHz甚至GHz的點掃描速度,同時功耗很小。其次,OPA采用陣列光柵收發(fā)結構,避免了后期對準工藝,也可以采用半導體工藝實現(xiàn)探測系統(tǒng)的集成,進一步縮小體積、降低成本。

          技術發(fā)展:加工工藝、掃描角度、距離等問題尚待突破。光束經過光學相控陣器件后的光束合成實際是光波的相互干涉形成的,易形成陣列干擾,使得激光能量被分散(旁瓣效應)。當前OPA激光雷在減小旁瓣效應、加工工藝、探測距離等技術難題上還不成熟。

          成本:當前OPA技術水平壁壘高,未來成本下降空間大。OPA激光雷達前期研發(fā)成本較高,未來技術成熟后將帶動激光雷達產品價格向下。2016年CES展上,Quanergy發(fā)布了“全球第一款OPA固態(tài)激光雷達”S3,尺寸僅為90*60*60mm,體積小、功耗低,成本低,每臺成本僅需200美元,但公司尚未量產。

          車規(guī):體積小、高穩(wěn)定,不含任何機械組件,技術成熟后有望滿足高等級車規(guī)要求。

          量產:技術尚未成熟,量產仍需時日。雖然OPA技術相當先進,但對于相關組件的尺寸和精度要求很高,例如激光雷達的波長在1微米左右,為了弱化旁瓣帶來的影響,陣列相鄰單元間距需要小于500nm,整合制造難度大,預計真正落地還需5年左右。

          OPA激光雷達原理圖:

          1646891809118663.png


          QuanergyS3OPA激光雷達:

          1646891848130461.png


          激光雷達各個技術路線總結:

          1646891888123154.png


          收發(fā)模塊:核心硬件集成化、

          芯片化架構勢在必行

          發(fā)射端平面化,從邊緣發(fā)射到垂直發(fā)射:

          半導體發(fā)射器可分為EEL(邊緣發(fā)射激光器)和VCSEL(垂直腔面發(fā)射激光器)。此前VCSEL激光器存在發(fā)光密度功率低的缺陷,導致只能應用于對測距要求近的場景(通常

          近年來隨著多層結VCSEL激光器的開發(fā),將其發(fā)光功率密度提升了5~10倍,這為應用VCSEL開發(fā)長距激光雷達提供了可能。結合其平面化所帶來的生產成本和產品可靠性方面的收益,VCSEL未來將有望逐漸取代EEL。

          發(fā)射端逐漸采用平面化的激光器器件:

          EEL作為探測光源具有高發(fā)光功率密度的優(yōu)勢,但其發(fā)光面位于半導體晶圓的側面,使用過程中需要進行切割、翻轉、鍍膜、再切割的工藝步驟,往往只能通過單顆一一貼裝的方式和電路板整合,而且每顆激光器需要使用分立的光學器件進行光束發(fā)散角的壓縮和獨立手工裝調,極大地依賴產線工人的手工裝調技術,生產成本高且一致性難以保障。

          VCSEL發(fā)光面與半導體晶圓平行,具有面上發(fā)光的特性,其所形成的激光器陣列易于與平面化的電路芯片鍵合,在精度層面由半導體加工設備保障,無需再進行每個激光器的單獨裝調,且易于和面上工藝的硅材料微型透鏡進行整合,提升光束質量。

          EEL與VCSEL發(fā)光面示意圖:

          1646891947860312.png


          VCSEL光束質量更高:

          1646891967280630.png


          接收端采用CMOS工藝的單光子探測器:

          APD(雪崩式光電二極管)和SPAD(單光子雪崩二極管)是兩種將光能轉換成電流的光電探測器,SPAD陣列化工藝成熟,有望取代APD。和APD相比,SPAD具有單光子探測能力,在生物醫(yī)學的熒光探測領域和核磁影像領域廣泛應用。

          但SPAD因其輸出信號幅值相同,所以無法測量光強,而APD則輸出模擬信號,能夠獲得目標的灰度信息,且動態(tài)范圍較大,導致SPAD在激光雷達接收端的測量靈敏度不及當前在激光雷達中廣泛使用APD。

          近年來,國內外多家探測器公司不斷優(yōu)化單光子器件在近紅外波段的量子效率,在實際探測靈敏度方面已經逐漸超越了APD。此外SPAD的CMOS陣列化工藝則較為成熟且易于配置,APD則由于需要專門的技術較難實現(xiàn)陣列化。未來隨著設計和工藝的進一步優(yōu)化,SPAD對APD性能的優(yōu)勢將越發(fā)明顯。

          SPAD&APD性能比較:

          1646892015953387.png


          汽車激光雷達技術發(fā)展趨勢:

          1646892033609685.png


          硬件集成化、芯片化架構勢在必行,降本增效關鍵所在:

          激光雷達系統(tǒng)中核心的激光器、探測器、控制及處理單元均能從半導體行業(yè)的發(fā)展中受益。目前激光雷達仍存在零部件多、生產成本高、可靠性低等問題。

          收發(fā)單元陣列化以及核心模塊芯片化是未來的發(fā)展趨勢芯片化架構的激光雷達可將數(shù)百個分立器件集成于一顆芯片,在降低物料成本的同時,省去了對每一個激光器進行獨立光學裝調的人力生產成本。

          此外,器件數(shù)量的減少,可以顯著降低因單一器件失效而導致系統(tǒng)失效的概率,提升了可靠性。因此核心硬件和模塊的集成化、芯片化是實現(xiàn)激光雷達小型化、輕量化、滿足車規(guī)要求的關鍵所在,為激光雷達降本增效,大規(guī)模應用帶來質變。

          激光雷達專用芯片及功能模塊示意圖:

          1646892081625851.png


          激光雷達芯片化發(fā)展路線:

          1646892098307297.png


          在發(fā)射端,定制開發(fā)VCESL專用模擬數(shù)字芯片:

          VCSEL多通道驅動芯片通過采用高壓CMOS工藝,可以提供數(shù)十安培的峰值電流以及納秒級的窄脈寬驅動能力,滿足激光雷達探測的需求。

          而且未來通過VCSEL陣列和驅動芯片封裝級別的集成,能夠進一步減小驅動環(huán)路的寄生電感,獲得更窄的脈寬和更高的電光轉換效率,從而進一步提升激光雷達的測距精度和測遠能力。

          在接收端和信息處理單元,實現(xiàn)CMOS工藝下探測器和電路功能模塊的單片集成SoC:

          單光子接收端片上集成SoC芯片,通過片內集成探測器、前端電路、算法處理電路、激光脈沖控制等模塊,能夠直接輸出距離、反射率信息,逐步代替主控芯片F(xiàn)PGA的功能。

          未來隨著線列、面陣規(guī)模的不斷增大,逐步升級CMOS工藝節(jié)點,單光子接收端SoC將實現(xiàn)更強的運算能力、更低的功耗和更高的集成度。

          產業(yè)鏈日益成熟,國內

          廠商初露鋒芒

          上下游共振,激光雷達產業(yè)鏈走向成熟:

          激光雷達產業(yè)鏈上游廠商負責提供激光發(fā)射、激光掃描、激光接收和信息處理所需的光電零部件,由中游廠商進行整合生產,最后應用到自動駕駛、ADAS、地圖勘測等多個領域,形成完整產業(yè)鏈。

          在需求側,下游產業(yè)蓄勢待發(fā)。自動駕駛的快速崛起為激光雷達產業(yè)發(fā)展帶來新的機遇;在供給側,中上游企業(yè)技術不斷發(fā)展。上游光電器件供應商技術工藝不斷迭代升級、中游激光雷達企業(yè)技術路徑快速迭代驅動產業(yè)鏈的日趨成熟,也推動了激光雷達產品的加速落地。

          激光雷達產業(yè)鏈:

          1646892163708449.png


          上游決定產品性能,海外廠商

          領跑國內廠商緊跟

          上游決定產品性能和成本。激光雷達本質是一個由多種光電部件組成的光機電系統(tǒng),包括由光路設計、激光器、探測器、掃描模塊、光學部件、光學驅動芯片及主控芯片等組成的光電系統(tǒng)約占激光雷達整機成本超七成,因此與激光雷達的探測性能、成本及其可靠性都息息相關。

          此外,激光雷達價格昂貴很大部分原因在于校準工作上。多線束激光雷達在生產制造過程中,需要將多塊發(fā)射、接收電路板安裝到精密構造的金屬殼體中,同時在調試過程中,工人需要調試每一束激光的發(fā)射與接收,保證其在不同的測試距離上的測距精準度,因此自動化、高精度的檢測和追溯設備也至關重要。

          海外廠商整體領先,國內企業(yè)初露鋒芒,光學部件國內廠商具有優(yōu)勢。上游精密儀器、芯片等核心元器件廠商,目前基本被國外大廠所壟斷,在技術和客戶群等方面都領先于國內廠商,但在政策以及下游市場環(huán)境的雙重驅動下,國內廠商近年來奮起直追,在細分領域取得突破。

          激光雷達成本分布:

          1646892215735368.png


          禾賽科技2020.01-2020.09原材料采購成本分布:

          1646892232590950.png


          在芯片領域,F(xiàn)PGA主要由Xilinx、英特爾旗下Altera、Lattice三家海外廠商領跑,國內主要的供應商有紫光國芯等。模擬芯片供應商則由亞德諾半導體(ADI)、德州儀器(TI)主導,國內廠商如華潤微、圣邦微電子積極布局,在車規(guī)級產品豐富度和技術水平上追趕。

          激光器和探測器是激光雷達的重要部件,往往需要滿足不同技術路線的定制化需求。激光器由歐美企業(yè)艾麥斯(AMS)、Lumentum等主導,探測器主要公司包括濱松光子、安森美、索尼等,我國則有瑞波光電子(激光器)、芯視界(掃描器)、靈明光子(探測器)等企業(yè)開始嶄露頭角且發(fā)展迅速,產品性能已經基本接近國外供應鏈水平,并已經有通過車規(guī)認證(AEC-Q102)的國產激光器和探測器出現(xiàn),且更具備定制化的靈活性。

          光學部件方面,激光雷達光學部件主要由激光雷達公司自主研發(fā)設計,選擇光學零部件制造公司完成生產和加工工序,或由頭部光學企業(yè)參與相關設計。

          光學部件的車規(guī)化是車規(guī)級激光雷達實現(xiàn)的基礎,目前國內光學部件供應鏈的技術水平已經完全達到或超越國外供應鏈的水準,且我國制造企業(yè)有著天然的貼近下游市場的優(yōu)勢,本身在成本方面也更具競爭力,已經可以完全替代國外供應鏈和滿足產品加工的需求,國內光學技藝沉淀深厚的龍頭企業(yè)如舜宇光學、水晶光電、永新光學等有望長期深度受益。

          中游競爭加劇,國內

          市場百花齊放

          中游競爭加劇,參與企業(yè)多元化。隨著激光雷達產業(yè)的蓬勃發(fā)展,賽道也變得更加繁榮,新進參與者及其技術路線更加多元,海外以Velodyne、IBEO、Quanergy等品牌為代表,國內有禾賽科技、速騰聚創(chuàng)、鐳神智能等知名初創(chuàng)企業(yè),更有華為、大疆等科技企業(yè)跨界入局,國內市場呈現(xiàn)百花齊放之勢。

          激光雷達公司競爭格局:

          1646892286777306.png


          2019全球激光雷達市場地域分布:

          1646892307461106.png


          國外企業(yè)先行,步入上市熱潮。國外激光雷達產業(yè)起步較早,包括老牌廠商Velodyne、法雷奧、IBEO及后起之秀Luminar、Ouster、Innoviz等。

          Velodyne在2005年推出360°旋轉式64線激光雷達后,一躍成為全球領先的激光雷達供應商,其產品被谷歌、百度等無人駕駛領軍企業(yè)廣泛使用,一度占據全球80%以上的激光雷達訂單,近年來也積極布局混合固態(tài)、固態(tài)激光雷達,促進產品落地量產。

          法雷奧是全球最大的汽車零部件供應商之一,19年從四家全球主流車企獲得價值約5億歐元訂單。在近期CES展上發(fā)布了第三代SCALA激光雷達,預計將于24年上市。區(qū)別于前兩代微轉鏡方案,SCALA3開始采用MEMS技術。

          20年以來,Velodyne、Luminar等6家海外知名激光雷達公司通過SPAC合并上市,Quanergy、Cepton也正籌備上市,標志著海外激光雷達產業(yè)有望進入更加成熟的階段。

          2021車載激光雷達市場份額:

          1646892341821541.png

          國內激光雷達企業(yè)嶄露頭角:

          據Yole統(tǒng)計,21年全球車載激光雷達市場中,國內企業(yè)速騰聚創(chuàng)/Livox/華為/禾賽科技/圖達騰分別以10%/7%/3%/3%/3%份額占得一席之地,其中速騰聚創(chuàng)和Livox排名全球第2/4,屬于國內第一梯隊。

          禾賽科技、速騰聚創(chuàng)主要聚焦機械式激光雷達,成功搶占部分Velodyne市場份額的同時,也已開始積極布局半固態(tài)激光雷達路徑。

          華為、大疆跨界入局轉鏡/棱鏡式半固態(tài)方案,且產品已成功量產,科技大廠的加入也有助于我國提升技術水平、豐富技術路線。

          固態(tài)激光雷達領域我國也有研發(fā)實力雄厚的初創(chuàng)企業(yè)如北醒光子(Flash)、洛微科技(OPA)、國科光芯(FMCW)等深耕細作,各方勢力百花齊放,共同推動我國激光雷達產業(yè)持續(xù)繁榮,縮小與國外差距。

          主要汽車激光雷達企業(yè)介紹:

          1646892388660909.png


          參考資料來自:東方證券、馭勢資本研究所

          來源:馭勢證券



          評論


          相關推薦

          技術專區(qū)

          關閉
          看屁屁www成人影院,亚洲人妻成人图片,亚洲精品成人午夜在线,日韩在线 欧美成人 (function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();