智能驾驶激光雷达行业分析报告Word下载.docx
- 文档编号:18466354
- 上传时间:2022-12-16
- 格式:DOCX
- 页数:25
- 大小:1.35MB
智能驾驶激光雷达行业分析报告Word下载.docx
《智能驾驶激光雷达行业分析报告Word下载.docx》由会员分享,可在线阅读,更多相关《智能驾驶激光雷达行业分析报告Word下载.docx(25页珍藏版)》请在冰豆网上搜索。
美国汽车工程师协会(SAE)自动驾驶分级5
图表3:
WAYMO公司在美国凤凰城推出的无司机出租车5
图表4:
XX无人车6
图表5:
VELODYNE公司全新高性能激光雷达VLS-1287
图表6:
INNOVUSION公司300线激光雷达7
图表7:
INNOVUSION公司激光雷达的高清晰成像7
图表8:
LEDDARCORE集成电路逻辑8
图表9:
完全自动驾驶汽车销量预计将在2035年爆发9
图表10:
安装在汽车上的激光雷达对周围物体进行3D测绘10
图表11:
激光雷达的优点、缺点统计10
图表12:
毫米波雷达的优点、缺点统计11
图表13:
近距离物体探测——激光雷达和毫米波雷达对比11
图表14:
超声波声纳的优点、缺点统计12
图表15:
超声波声纳在泊车中用于探测近距离物体12
图表16:
相机图像识别的优点、缺点统计13
图表17:
毫米波雷达、声纳和相机相结合,互相取长补短14
图表18:
激光雷达市场预测15
图表19:
激光雷达的价格下降预测16
图表20:
VELODYNEHDL-64激光雷达17
图表21:
机械旋转式激光雷达原理图17
图表22:
VELODYNE机械式激光雷达产品线18
图表23:
VELODYNEULTRAPUCK(VLP-32C)混合固态激光雷达18
图表24:
基于MEMS扫描镜的混合固态激光雷达原理图19
图表25:
QUANERGY固态激光雷达S319
图表26:
S3采用光学相控阵(OPA)技术19
图表27:
LEDDARTECH公司闪光激光雷达示意图20
图表28:
LEDDARTECH全固态激光雷达架构20
图表29:
LEDDARTECH混合固态激光雷达架构20
图表30:
LEDDARVU固态2D激光雷达21
图表31:
VALEO和IBEO公司联合推出的SCALA激光雷达21
图表32:
全球激光雷达产业链22
1激光雷达(LiDAR)--竞争激烈的前沿科技产品,2018年是量产车使用激光雷达元年
1.12018新款奥迪A8将搭载激光雷达,实现L3级自动辅助驾驶
2017年7月,在巴塞罗那的展会上,奥迪宣布2018新款A8将通过率先搭载激光雷达实现L3等级自动驾驶,标志着激光雷达首次在量产车型上应用。
按照美国汽车工程协会(SAE)的自动驾驶分级标准(见图2),L3意味着驾驶员的双手可以离开汽车方向盘,但是注意力依然需要集中在道路状况。
截至目前,量产车中自动驾驶等级最高的系统为特斯拉配置的Autopilot,驾驶员的手在行驶过程中不可离开方向盘,属于L2辅助驾驶等级。
图表1:
2018新款奥迪A8众多传感器帮助实现L3
图表2:
美国汽车工程师协会(SAE)自动驾驶分级
SAE分级
自动化程度
SAE定义
无自动化
有人类驾驶者全权操作汽车,在行驶过程中可以得到警告和保护系统的辅助。
1
驾驶辅助
通过驾驶环境对方向盘和加减速中的一项操作提供驾驶支援,其他的驾驶动作都由人类驾驶员进行操作。
2
部分自动化
通过驾驶环境对方向盘和加减速中的多项操作提供驾驶支援,其他的驾驶动作都由人类驾驶员进行操作。
3
有条件自动化
由无人驾驶系统完成所有的驾驶操作。
根据系统请求,人类驾驶者提供适当的应答。
4
高度自动化
有无人驾驶系统完成所有的驾驶操作。
根据系统请求,人类驾驶者不一定需要对所有的系统请求做出应答,限定道路和环境条件等。
5
完全自动化
由无人驾驶系统完成所有的人类驾驶者可以完成的操作。
在所有的道路和环境条件下驾驶。
1.2谷歌兄弟公司Waymo即将推出无司机的士服务,搭载激光雷达
2017年11月9日,与谷歌同属于Alphabet公司的Waymo,展示了位于美国亚利桑那州凤凰城的无司机的士项目。
乘客可以通过提前申请来体验无司机的士服务,此外Waymo和打车应用Lyft达成合作协议,无人车的叫车服务指日可待。
该款出租车的车型是克莱斯勒Pacifica,在图中可以看到车顶搭载的激光雷达。
该款激光雷达是Velodyne公司的HDL-64,在激光雷达的帮助下,Waymo出租车实现了L4等级自动驾驶。
图表3:
Waymo公司在美国凤凰城推出的无司机出租车
1.3XX宣布和金龙合作的无人车2018年7月量产
2017年12月3日,第四届世界互联网大会在乌镇开幕,XX公
司董事长兼首席执行官李彦宏在接受采访时表示,明年7月份,XX和金龙的量产无人车就会面世。
此前XX总裁张亚勤在接受福布斯杂志采访时就曾表示,搭载XXApollo系统可以在高速公路上自动驾驶的无人车将在2019年向消费者发售,XX的L4级无人车将在2021年推出。
与Waymo公司无人车一样,目前XX无人车也搭载了Velodyne公司的HDL-64激光雷达。
图表4:
XX无人车
1.4Velodyne2017年11月推出VLS-128TM,设立高性能激光雷达行业标杆
Velodyne公司一直是激光雷达行业的领跑者,在时下新技术频出、量产近在眼前的关键时期,推出一款行业标杆产品意义重大。
新推出的VLS-128TM是128线激光雷达,其探测距离相较于其64
线产品提升了1倍,探测精度提升了10倍,体积却减少了70%。
可以对现有路测无人车的激光雷达实现逐步替代,使得量产车的外观设计在早期就可以实现。
图表5:
Velodyne公司全新高性能激光雷达VLS-128
1.5Innovusion300线激光雷达发布,分辨率可以和相机比拟
2017年12月12日,在硅谷的华人初创企业Innovusion宣布推
出300线激光雷达,在探测清晰度(高分辨率)方面取得重大进展。
高分辨率带来的益处是,可以对车辆前面的行人及障碍物返回更
多扫描点,能够更准确识别被测物体。
高分辨率激光雷达在远距离成像上具备相机不可比拟的优势,有助于高速行驶无人车的应用场景。
图表6:
Innovusion公司300线激光雷达
图表7:
Innovusion公司激光雷达的高清晰成像
1.6业界首款能够量产的3D固态激光雷达芯片LeddarCoreLCA2将在CES2018展出
随着自动驾驶技术走向更高级别,对车载和激光雷达用芯片的需求逐步提高,除了传统芯片厂如英特尔和英伟达加速自动驾驶专用芯片研发,激光雷达等厂商也开始尝试自己研制专用ASIC芯片,以求降低成本和抢占市场领先地位。
加拿大激光雷达厂商LeddarTech将在CES2018(2018年1月9~12日在美国拉斯维加斯)推出LeddarCoreLCA2芯片,将以前激光
雷达使用的多个分立芯片集成到单个芯片里,有助于激光雷达的汽车嵌入式应用,并且大大提升激光雷达系统开发效率以及帮助解决现有的功耗和散热等问题。
应用LeddarCoreLCA2芯片,可以有效控制激光脉冲收发,并且对接收的脉冲信号进行模/数转换。
紧接着的信号处理模块会提高信号的分辨率,并且给出脉冲收发时间和由此计算出的被测物距离。
图表8:
LeddarCORE集成电路逻辑
2激光雷达是高级别自动驾驶(L4和L5)必须装置
2.1无人驾驶技术逐渐成熟,将成为汽车产业业绩爆发点自动驾驶技术在加速来到所有人的身边,并且将多层次的改变众
多人的生活方式。
自动驾驶技术的迅猛发展是诸多因素共同促进的结果。
据世界卫生组织(WHO)估计,2013年世界范围内因车祸造成的意外死亡事故多达125万人,错误驾驶和注意力分散是导致这些事故的主要原因,而自动驾驶技术可以避免这些因素。
自动驾驶技术也将大大节省人们的时间,根据美国人口普查数据,美国人一生平均有500天时间花在上下班的交通上,如果乘坐无人车可以节省下来这些时间。
自动驾驶技术还可以帮助没有驾驶资格的人拥有自己的汽车,比如未成年人、老年人以及行动不便的人。
无人车的大量应用也会降低人们的交通开支,因为整体交通运行将更加有效率,并且共享汽车将大大增加也会进一步降低大众购车成本。
除去这些客观需求,传感器技术的进步和人工智能技术尤其是机器学习的长足进步,使得无人车的实现有了客观的技术可行基础。
时下,99.9%的汽车并没有自动驾驶技术,美国财富杂志预测,以目前发展速度,在2020年之前自动驾驶汽车不会成为路上汽车的主流。
但是杂志同时认为,在2040年时,新生产的汽车中95%也就是
9630万辆将实现自动驾驶——这是一个3.6万亿美元的市场。
波士顿咨询的预测相对保守一些,认为可以完全自动驾驶的无人车(L4、L5等级)将在2025年上路,在2035年有自动驾驶技术的新车占据总销量的25%。
而从业的科技公司非常乐观,提供自动驾驶核心计算芯片的英伟达公司CEO黄仁勋认为2022年,L4或L5等级的无人车将实现量产。
特斯拉的创始人马斯克甚至表示公司的Autopilot系统在2018年就可以实现L4、L5等级自动驾驶。
无人驾驶技术除了带来汽车、半导体和传感器领域的革新,又可以带动保险、货运、共享汽车和停车场服务等领域,这些服务拥有一个巨大的增量市场。
美好的市场前景吸引了高强度的竞争,像上文中讲述的,无论是传统车企还是互联网巨头抑或芯片厂商,都迅速集结资金和人力在无人驾驶技术的研发。
图表9:
完全自动驾驶汽车销量预计将在2035年爆发
2.2无人驾驶技术需要不同种类传感器互相配合
如图表1所示,L3级自动驾驶汽车已经在其四周布置了许多个不同种类传感器,包括激光雷达、毫米波雷达、超声波声纳还有相机,这些传感器共同配合对路况、车辆和行人进行全面检测,来指导自动驾驶系统有效的控制车量。
激光雷达(LightDetectionAndRanging,简称为LiDAR)在短时间内向周围环境发射大量光子,通过测量反射回来光子的飞行时间
(TOF,TimeofFlight),计算与周围物体的距离。
按线束数量的多少,激光雷达又可分为单线束激光雷达与多线束激光雷达。
顾名思义,单线束激光雷达扫描一次只产生一条扫描线,其所获得的数据为2D数据,因此无法区别有关目标物体的3D信息。
多线束激光雷达细分可分为2.5D激光雷达及3D激光雷达。
2.5D激光
雷达与3D激光雷达最大的区别在于激光雷达垂直视野的范围,前者垂直视野范围一般不超过10°
,而后者可达到30°
甚至40°
以上。
图表10:
安装在汽车上的激光雷达对周围物体进行3D测绘
通常激光雷达的角分辨率不低于0.1m,也就是说可以分辨3km距离上相距0.3m的两个目标,并可同时跟踪多个目标;
距离分辨率可达0.1m;
速度分辨率能达到10m/s以内。
如此高的距离和速度分辨率意味着激光雷达可以利用多普勒成像技术获得非常清晰的图像。
激光直线传播、方向性好、光束非常窄,弥散性非常低,因此精度很高。
与微波、毫米波雷达易受自然界广泛存在的电磁波影响的情况不同,自然界中能对激光雷达起干扰作用的信号源不多,因此激光雷达抗有源干扰的能力很强。
激光雷达探测远距离物体有绝对优势,但是不适合超近距离应用。
现在阻碍激光雷达大规模应用的主要因素是价格过于昂贵以及体积过大无法嵌入汽车车身。
图表11:
激光雷达的优点、缺点统计
毫米波是频率在30GHz—300GHz的电磁波,对应波长在10到1毫米因而被称作毫米波。
毫米波雷达的优点是探测距离远、昼夜无差别工作以及对雾雨雪的良好穿透能力。
这些优点再结合其体积小价格低的特点,毫米波雷达从70年代就已经在一些高级车型上使用,在自动驾驶汽车领域更是成为必要的传感装置。
图表12:
毫米波雷达的优点、缺点统计
毫米波雷达分辨率不是很高,在探测距离近的物体时无法准确分辨位置。
如图表13所示,毫米波雷达无法分辨相邻两车道上的汽车,但是激光雷达可以。
图表13:
近距离物体探测——激光雷达和毫米波雷达对比
超声波声纳虽然探测距离非常有限,但是因为对近距离物体的良好分辨率,被广泛应用在倒车雷达系统,它是现在自动泊车系统的重要传感器(如图表15所示)。
作为自动驾驶系统的传感器,声纳同激光雷达和毫米波雷达一样不受气候影响,并且不提供被测物的颜色、对比度和其他光学特征。
图表14:
超声波声纳的优点、缺点统计
图表15:
超声波声纳在泊车中用于探测近距离物体
相机图像识别系统近些年逐渐具备便宜、小巧和高分辨率的特点,结合人工智能算法和机器学习技术,在自动驾驶系统中拥有重要和不可替代的作用。
另外它对颜色和图案信息的识别能力也是其他传感器所不具备的。
在远距离探测能力上相机不及激光雷达,近距离探测能力上不及超声波声纳,另外相机动态范围远远不及人眼,在强光和弱光环境下也难以分辨物体。
相机在机器学习系统的帮助下可以增强速度识别能力,但是依然不如激光雷达和毫米波雷达精确。
图表16:
相机图像识别的优点、缺点统计
2.3激光雷达是无人驾驶必需设备
围绕高级别自动驾驶的解决方案,主要有两类,一类是特斯拉正在使用的Autopilot系统,另一类是Waymo代表使用的无人车方案,两类方案最大的不同点在于是否使用激光雷达。
共同使用的传感器包括毫米波雷达、声纳和相机。
除了激光雷达以外,其他三种传感器都已经可以低成本量产,特斯拉公司研究了这些传感器,认为把毫米波雷达、声纳和相机结合起来,可以不使用激光雷达却依然实现所有需要的功能(如图表17所示)。
特斯拉的Autopilot1.0可以实现L2级自动辅助驾驶,新推出的Autopilot2.0据称可以帮助实现L5级完全自动驾驶。
但是L4和L5自动驾驶级别对系统提出的要求远超人类驾驶水平,这就需要比人眼更优秀的传感器以及传感器冗余度。
图表17:
毫米波雷达、声纳和相机相结合,互相取长补短
基于视觉系统的车道线检测有诸多缺陷。
首先是视觉系统对背景光线很敏感,诸如阳光强烈的林荫道,车道线被光线分割成碎片,致使无法提取出车道线。
其次,视觉系统需要车道线的标识完整,有些年久失修的道路,车道线标记不明显,不完整,有些刚开通几年的道路也是如此。
第三,视觉系统需要车道线的格式统一,这对按照模型库识别车道线的系统尤其重要。
有些车道线格式很奇特,比如蓝颜色的车道线,很窄的车道线,模型库必须走遍全国将这些奇特的车道线一一收录,才能保证顺利检测。
第四,视觉系统无法处理低照度环境,尤其是没有路灯的黑夜。
第五是速度,一般LKW要求时速在72公里以上才启动,原因之一是速度比较高时人不会轻易换道,另一个原因就是比较低的车速意味着视觉系统的取样点不足,拟合的车道线准确度较低。
而激光雷达的有效距离一般是视觉系统的4-5倍,有效的采样点比较多,车速较低时检测准确度远高于视觉系统。
最后,如果车道线表面被水覆盖,视觉系统会完全无效。
激光雷达物体识别的最大优点是可以完全排除光线的干扰,无论
白天还是黑夜,无论是树影斑驳的林荫道,还是光线急剧变化的隧道
出口,都没有问题。
其次,激光雷达可以轻易获得深度信息,而对摄像头系统来说这非常困难。
第三,激光雷达的有效距离远在摄像头之上,更远的有效距离等于加大了安全冗余。
最后,激光雷达也可以识
别颜色和车道线。
本文认为特斯拉作为率先实现L2级辅助自动驾驶的OEM厂商,在激光雷达可以低价量产前不会装配。
另外为了增强消费者对其技术的信心,必须强调Autopilot系统的智能和完善。
有朝一日激光雷达大批量装配其他量产车时,特斯拉会大概率装配激光雷达。
2.4激光雷达应用痛点——价格和体积问题将很快得到解决正如上文指出,激光雷达暂时由于价格高体积大而无法在量产车
上应用,但是各大公司正在积极研发新产品来解决这两个问题,量产前景乐观。
图表18中展示了激光雷达未来5年的市场规模预测,除
了测绘、工业传感和机器人的传统市场会保持快速增长,在2022年,
用于自动驾驶的激光雷达将拥有近2亿美元的市场,占总市场的六分之一。
图表18:
激光雷达市场预测
图表19展示了激光雷达价格的快速下降趋势,从2007年的8万
美元售价,降到了今年的375美元,只用了十年时间价格下降幅度超过99%。
预计未来三年,激光雷达的售价会逐步降到100美元,这将为量产车使用激光雷达铺平道路。
图表19:
激光雷达的价格下降预测
3激光雷达硬件竞争——价格、体积和芯片
现阶段各家激光雷达厂商的竞争集中在成本降低、体积减小和专用集成电路设计。
XX和Waymo测试用的VelodyneHDL-64E激光雷达造价高达75000美元,无法应用在量产车中。
HDL-6412.7kg的重量和30cm的高度,使其只能放置在车顶,无法嵌入在车身中。
另外这款激光雷达的机械旋转部件和其他分立器件,包括控制和检测电路,都需要安装人员手动调试,无法批量生产和安装。
在保持测量精度的前提下解决这三类问题,是现在各家公司竞争的核心。
纵观各家公司产品,激光雷达按有无机械旋转部件,分为机械激光雷达、混合固态和固态激光雷达。
机械激光雷达带有控制激光发射角度的旋转部件,混合固态激光雷达通过MEMS工艺制作控制激光角度的旋转部件,而固态激光雷达则依靠电子部件来控制激光发射角度,无需机械旋转部件。
机械激光雷达在L4和L5级别无人车训练的过程中起到了很重要的作用,但是未来量产车的激光雷达,一定会采用混合固态或者纯固态设计。
自动驾驶等级的提高,对应着系统数据量的大幅提高,这一方面要求机器学习芯片的工艺进步,另一方面对芯片集成或者芯片数量的减少也有更高的要求。
英特尔公司早早进入这个领域,长期和Waymo公司合作,提供无人车计算用芯片,近期更是收购了擅长视频AI处理的Mobileye公司,布局未来自动驾驶芯片市场。
英伟达公司推出自动驾驶专用DRIVEPX平台,发挥其并行计算处理传感器数据的能力。
特斯拉公司Autopilot1.0使用MobileyeEyeQ3芯片,Autopilot2.0改用英伟达DRIVEPX2平台,今年12月马斯克宣布特斯拉在开发全新AI芯片用于自动驾驶。
自动驾驶专用芯片技术门槛低于通用芯片,预计未来这一领域的竞争会加大。
3.1Velodyne作为行业龙头,其机械旋转式激光雷达是无人车研发测试首选
Velodyne公司成立于1983年,最初是一家擅长生产重低音音响的音频公司。
直到2005年公司才涉足激光雷达领域,首创360度机械旋转式激光雷达,这款设计因为其远距离探测和全方位扫描的优点,一直沿用至今。
以其最广泛应用的产品HDL-64激光雷达举例,它有64束脉冲激光束,不同的激光束之间有固定的纵向夹角,64束激光经过反光镜(见图表21)发射出上透镜,以26.9度的纵向角度范围投射在远处物体上,从物体反射回来的激光信号透过下透镜被接收器接收。
于此同时,激光发射和接收端口360度高速旋转,实现对周围环境的3D建模。
HDL-64探测距离为120米,测距精度2厘米,横向和纵向测量精
度分别为0.08度和0.4度,每秒扫描点为220万个,这些特性使得它非常利于无人车在各种环境和速度条件下对周围情况进行3D测绘。
但是一台HDL-64造价高达75000美元,并且重量和体积很大,决定了它只适合用于无人车算法开发,但是无法应用在量产车上。
随着无人车算法和路测数据的逐步完善,Velodyne公司适时地推出了小型化低价产品,包括HDL-32E和VLP-16系列(如图表22)。
这些产品把旋转部件隐藏到设备内部,减小了设备体积并且降低了其损坏风险。
VLP-16的售价低于1000美元,体积仅仅是HDL-64的6%,已经可以被量产车市场接受。
但是体积缩小的代价是探测距离和精度的降低,使得它无法应用在高速行驶的车辆上。
图表20:
VelodyneHDL-64激光雷达
图表21:
机械旋转式激光雷达原理图
图表22:
Velodyne机械式激光雷达产品线
3.2Velodyne混合固态式激光雷达,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 驾驶 激光雷达 行业 分析 报告