点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达引言：
车载摄像头是ADAS 的核心传感器。车载摄像头搭载颗数稳步提升。根据 Yole 数据，2018 年全球平均每辆汽车搭载摄像头数量增长为 1.7 颗，预计 2021 年平均每辆车搭载摄像头数量有望达到 2.5 颗，并将在 2023 年达到每车平均3 颗摄像头。目前我国在2020 年汽车摄像头平均搭载量还仅 1.3 颗，市场发展空间巨大。
来源：海通证券研究所
01
激光雷达被认为是L3 级及以上自动驾驶必备传感器
当前 L2 级自动驾驶感知系统主要由超声波雷达、毫米波雷达、摄像头等车载传感器组成。特斯拉环绕车身共配有8个摄像头，视野范围达360度，对周围环境的监测距离最远可达250米。
12个新版超声波传感器作为整套视觉系统的补充，可探测到柔软或坚硬的物体，传感距离和精确度接近上一代系统的两倍。增强版前置雷达通过发射冗余波长的雷达波，能够穿越雨、雾、灰尘，甚至前车的下方空间进行探测，为视觉系统提供更丰富的数据。
激光雷达被认为是 L3 级及以上自动驾驶必备传感器。激光雷达兼具测距远、角度分辨率优、受环境光照影响小的特点，且无需深度学习算法，可直接获得物体的距离和方位信息。
这些相较于其他传感器的优势，可显著提升自动驾驶系统的可靠性，因而被大多数整车厂、Tier 1认为是L3级及以上自动驾驶（功能开启时责任方为汽车系统）必备的传感器。
1.2 全球L3 级量产车快速开发中，国内激光雷达加速上车
全球范围内L3 级辅助驾驶量产车项目当前处于快速开发之中。BMW预计在2021年推出具有L3级自动驾驶功能的BMW Vision iNEXT；Mercedes-Benz首款L3级自动驾驶系统将于2021年在新款S级车型上推出；
Volvo预计在2022年推出配备激光雷达的自动驾驶量产车型，实现没有人工干预情况下的高速行驶；Honda计划于2021年在其Legend车型上提供L3级自动驾驶系统。
随着成本不断下探且达到车规级要求，激光雷达有望实现高速增长。考虑全球高级辅助驾驶项目的发展进度，2020 年及 2021 年 ADAS 领域激光雷达的销售主要仍由SCALA贡献。随着激光雷达成本下探至数百美元区间且达到车规级要求，未来越来越多高级辅助驾驶量产项目将实现 SOP；
根据Yole的研究报告，至2025 年全球乘用车新车市场L3级自动驾驶的渗透率将达约6%，即每年将近600万辆新车将搭载激光雷达。激光雷达在高级辅助驾驶领域的市场规模将在未来5年里保持高速增长，按照沙利文预计，2025年激光雷达市场规模预计将达到46.1亿美元，2019年至2025年复合增长率达83.7%。
蔚来ET7搭载Innovusion 超远距高精度激光雷达。蔚来ET7搭载33个高性能感知硬件，定义量产车自动驾驶感知系统全新标准，包含11个800万像素高清摄像头、5个毫米波雷达、12个超声波雷达、1个激光雷达、2个高精度定位单元、1个车路协同感知和1个ADMS增强主驾感知。
其中，激光雷达为蔚来与Innovusion合作开发，最远探测距离达500m，水平视角120°，最高分辨率0.06°×0.06°，采用1550nm安全激光，避开了人眼敏感的900nm波长，兼顾性能和他人安全。
小鹏汽车将搭载Livox激光雷达。小鹏汽车宣布与大疆孵化的Livox览沃科技达成合作，将在2021 年推出的全新量产车型上使用其生产的小鹏定制版车规级激光雷达， Livox也正式成为小鹏汽车在激光雷达领域的首家合作伙伴。
在本次合作中，Livox 览沃科技基于浩界 Horiz车规级激光雷达平台为小鹏汽车进行了一系列定制化开发，最终提供的车规级量产版本在量程、FOV、点云密度等多个核心指标上都做到了业内领先水平。
长城将搭载ibeoNEXT激光雷达，欲实现中国首个配置激光雷达的自动驾驶。咖啡智驾搭载的全球首款能够真正量产的车规级高性能固态激光雷达，角分辨率达0.05°*0.07°，性能高出普通无人驾驶车型所采用的机械激光雷达5倍，配合毫米波雷达、摄像头、超声波雷达等配置带来全方位360°双倍无死角覆盖。
02
核心技术解析：发射/接收匹配，扫描多技术方案
2.1 激光雷达结构拆分
激光雷达系统可拆分成激光发射、扫描系统、激光接收和信息处理四个部分。
2.2 激光发射系统：波长影响激光功率，激光器是核心
基本原理：激励源周期性地驱动激光器，发射激光脉冲，激光调制器通过光束控制器控制发射激光的方向和线数，最后通过发射光学系统，将激光发射至目标物体。
激光波长：激光最关键指标在于波长，一般会考量四个因素：人眼安全、与大气相互作用、可选用的激光器以及可选用的光电探测器。目前业内主流采用 905nm 和1550nm 两种波长，905nm 波长适用的光电探测器比1550nm 的更便宜，但1550nm对人眼安全性更高。针对于与大气相互作用，1550nm吸水率比905nm更强，但905nm的光损失更少。
激光器：当前阶段重要有EEL激光器、VCSEL激光器和光纤激光器等。
EEL激光器：EEL作为探测光源具有高发光功率密度的优势，但EEL激光器因为其发光面位于半导体晶圆的侧面，使用过程中需要进行切割、翻转、镀膜、再切割的工艺步骤，往往只能通过单颗一一贴装的方式和电路板整合，而且每颗激光器需要使用分立的光学器件进行光束发散角的压缩和独立手工装调，极大地依赖产线工人的手工装调技术，生产成本高且一致性难以保障。
VCSEL激光器：垂直腔面发射激光器（VCSEL）其发光面与半导体晶圆平行，具有面上发光的特性，其所形成的激光器阵列易于与平面化的电路芯片键合，在精度层面由半导体加工设备保障，无需再进行每个激光器的单独装调，且易于和面上工艺的硅材料微型透镜进行整合，提升光束质量。
传统的VCSEL激光器存在发光密度功率低的缺陷，导致只在对测距要求近的应用领域有相应的激光雷达产品（通常<50m）。近年来国内外多家VCSEL激光器公司纷纷开发了多层结VCSEL激光器，将其发光功率密度提升了5~10倍，这为应用VCSEL开发长距激光雷达提供了可能。
光纤激光器：以掺有激活粒子的光纤为激光介质的激光器，通常以半导体激光器作为能量泵浦源（以半导体激光器发出的光，泵浦光纤增益介质产生光）。
2.3 激光扫描系统：MEMS渐成主力，Flash/OPA纯固态方案值得期待
2.3.1 机械式激光雷达
机械式激光雷达通过电机带动收发阵列进行整体旋转，实现对空间水平360°视场范围的扫描。测距能力在水平360°视场范围内保持一致。
传统机械式激光雷达难以满足车规级要求。传统机械式激光雷达，通过电机带动整个激光头做圆周运动，其扫描方式通常呈360度线式扫描。这种方式带来的直接后果是无论扫描时间多长，线与线之间总会有间隙，存在漏检物体的可能性。
而更为糟糕的是，占整个雷达70%质量的重要部件，包括激光发射、接收等精密的电子器件，都在不停地一边运动，一边工作，这种机械运动以及旋转部件动平衡上的误差带来的磨损、振动等，大大降低了雷达的稳定性和可靠性。
而且多线激光雷达这种转动的工作模式，若采用滑环设计会容易失效，而无线供电的方式则不够稳定，很难满足车规级别的应用场景。
Livox推出棱镜式激光雷达，采用非重复扫描技术。为避免上千个电子部件同时旋转，Livox将所有的发射和接收部件移到稳定的后端，在前端只用两三个棱镜做高速纯光学扫描，在技术上为稳定性提供了可能。此外，Livox的点云特性覆盖率随时间不断增加，并且无需进行重复扫描。
2.3.2 MEMS 激光雷达
MEMS激光雷达通过硅基芯片上微振镜以一定谐波频率的振荡，来反射激光器的光线，从而以超高的扫描速度形成高密度的点云图。由此改变单个发射器的发射角度进行扫描，形成较广的扫描角度和较大的扫描范围。
优点：其核心光束操纵元件为MEMS微振镜，大大减少了激光雷达的尺寸，减少激光器和探测器数量，极大地降低成本，具有高性能、稳定可靠、易于生产制造等优点，兼顾车规量产与高性能的需求。
缺点：MEMS激光雷达并没有完全消除机械，只是将扫描单元变成了MEMS微振镜，仍然存在微振镜的振动，所以它并不能算纯固态激光雷达，而是混合固态雷达（也称类固态/半固态雷达）。
其光路较复杂，微振镜结构会影响整个激光雷达的寿命，激光功率较低，信噪比较低、有效距离较短，并且激光扫描范围受微振镜面积限制，视野相对较窄。
2.3.3 Flash 激光雷达
Flash激光雷达，指一次闪光（激光脉冲）成像的激光雷达，在发射端采用面光源，短时间发射出一大片覆盖探测区域的面阵激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制，它也是目前唯一的非扫描式激光雷达，能够达到最高等级的车规要求。
这种激光雷达的缺点很明显，功率密度太低，导致其有效距离一般难以超过50米，分辨率也比较低。要改善其性能，需要使用功率更大的激光器，或更先进的激光发射阵列，让发光单元按一定模式导通点亮，以取得扫描器的效果。
2.3.4 OPA 激光雷达
OPA激光雷达是运用相干原理，采用多个光源组成阵列，通过调节发射阵列中每个发射单元的相位差来改变激光的出射角度，通过控制各光源发射的时间差，可以合成角度灵活、精密可控的主光束，实现对不同方向的扫描。
优点：这种固态激光雷达有着扫描速度快，精度高，可控性好，抗振性能好，体积小，量产一致性高，成本更低等优点。
缺点：OPA激光雷达仍有易形成旁瓣效应，光信号覆盖有限、环境光干扰、测距较短等问题，而且加工难度较高。
2.4 激光接收系统：光电探测器是关键
探测器指利用光电效应将光信号转化为电信号，实现对光信号进行探测的装置。目前激光雷达领域常用的探测器主要包括APD、SPAD和SiPM等。
APD 是一种具有高速度、高灵敏度的光电二极管，当加有一定的反向偏压后，它就能够对光电流进行雪崩放大。而 APD 的反向偏压被设定为高于击穿电压时，内部电场更强，光电流则会获得 105～106 的增益，这种工作模式就叫 APD 的“盖革模式”。
在盖革模式下，光生载流子通过倍增就会产生一个大的光脉冲，而通过对这个脉冲的检测，就可以检测到单光子。将盖革模式下的 APD 上连接一个淬灭电阻作为 1 个像素，就构成了 SiPM 的基本单元，而它输出的总和也构成了 SiPM 的输出，后则可根据该输出进行光子计数或者信号强度的测量。
2.5 信息处理系统：车载激光雷达的三类应用算法
现有车载激光雷达应用算法都具有不同程度的局限性。首先，算法可靠性和实时性相互制约，二者难以同时满足；其次，算法多为针对某一特定场景开发， 难以保证可移植性和稳定性。
场景的复杂性和多样性使得算法的研究异彩纷呈，呈现出多层次、多角度的多元组合态势。车载激光雷达应用算法可分为三类：点云分割算法、目标跟踪与识别算法、即时定位与地图构建算法（simultaneous localization and mapping，SLAM）。
各类算法的合理选择使用将解决不同场景下的智能驾驶问题，其中点云分割算法是目标跟踪与识别的基础，目标跟踪与识别将实现对汽车周围障碍物运动状态和几何特征的判断，SLAM将实现汽车的精确定位与可通行路径规划。
03
从信噪比看激光雷达技术发展趋势
信噪比，英文名称叫做SNR或S/N（SIGNAL-NOISE RATIO)，又称为讯噪比。是指一个电子设备或者电子系统中信号与噪声的比例。
信噪比的计量单位是dB。对于一张图像来说，计算信噪比可以按照 20lg(信号/噪声) 这个公式来计算，从公式可以看出信噪比应该越高越好。信噪比高，反应在画质上就是画面干净无噪点；信噪比低会使图像粗糙噪声多，画面发灰不通透，对比度不够。
信噪比是激光雷达系统中非常重要的设计指标，对探测距离、测距精度都产生重大影响。根据传感器技术官方微信公众号的介绍，激光雷达系统的信噪比 SNR 计算方程如下：
因此，根据上述公式，要提高激光雷达的信噪比，最简单有效的方法是：1）提高接收信号光功率；2）提高探测器的量子效率；3）采用相干探测方法。
3.1 提高接收信号光功率：1550nm波长+光纤激光器+InGaAs接收器
1550nm波长激光雷达加大信号光功率不会对人眼造成伤害。目前市场上大部分的激光雷达都采用了近红外波段的905nm半导体激光器发射激光脉冲，然后记录反射光来创建汽车周围环境的点云图。
但是，人眼内部对于905nm波长的光相当于是“透明的”，因此采用905nm波长的激光雷达可以直射脆弱的视网膜。但是人眼对于1550nm波长的光则是不透明的，因而该波长的光无法投射到视网膜上，从而可以采用更高功率的激光雷达而不会对人眼造成伤害。
Luminar利用1550nm激光器获得了40倍于905nm激光器的激光脉冲强度。超强的功率使其激光雷达的探测范围扩大了10倍，分辨率提高了50倍。
1550nm 波长激光雷达需要采用光纤激光器，搭配InGaAs接收器。硅基传感器对1550nm波长的激光没有响应，但室温下的铟镓砷（InGaAs）传感器可以。
Luminar在2018年收购了美国芯片设计商Black Forest Engineering，后者一直专注于研究高性能 InGaAs 接收器，可用于探测 Luminar 激光雷达系统所特有的 1550nm波长激光。
3.2 提高探测器的量子效率：SPAD和SiPM探测器
SiPM 和 SPAD 正成为新兴的激光雷达探测器。SiPM 和 SPAD 可探测距离超过200m、5%的低反射率目标，在明亮的阳光下也能工作，分辨率极佳，且尽可能小的光圈和固态设计实现紧凑的系统集成到汽车中，并极具成本优势。
3.3 采用相干探测方法：FMCW调频连续波
FMCW 激光雷达发射调频连续激光，通过回波信号与参考光进行相干拍频得到频率差，从而间接获得飞行时间反推目标物距离，同时也能够根据多普勒频移信息直接测量目标物的速度，其技术发展方向为利用硅基光电子技术实现激光雷达系统的芯片化。
FMCW 激光雷达的高灵敏性体现在它的单光子探测和抗干扰能力。FMCW在系统内预留了一部分激光作为参考激光，用于与目标的回波激光进行混频，通过混频就可实现对目标回波激光的放大，但对自身发出的光信号不存在放大作用。
从相干激光雷达的探测信噪比可以看出，当参考激光功率足够大，FMCW激光雷达就消除了热噪声、暗电流以及太阳背景光或其他光源的噪声影响，使得FMCW激光雷达具备不受背景光干扰的单光子探测能力。
内置的参考激光另外一个优点是使得FMCW激光雷达噪声比较稳定，其内部可控制的噪声使得FMCW激光雷达虚警概率约等于0，即每个点都是真实的目标点，无假目标点。
FMCW激光雷达可使用基于硅光技术的锗硅探测器，成本更低。目前FMCW激光雷达中的接收模块主要还是利用分立的平衡光探测器（Balance Photo Detector，BPD）阵列进行相干探测。
使用基于硅光技术的锗硅探测器能够实现单片集成BPD阵列，在保证接收模块器件一致性的同时，可以和系统中其他硅基器件进行单片集成，显著降低系统的尺寸和成本。
04
激光雷达行业竞争格局梳理
4.1 国内国外齐开花，技术路线各有千秋
行业内主要的激光雷达公司包括美国的Velodyne、Luminar、Aeva、Ouster，以色列的Innoviz，德国的Ibeo，以及国内的速腾聚创。
从技术选择路径和目标市场来看，Luminar、Aeva、Innoviz、Ibeo主要面向无人驾驶和量产乘用车ADAS市场，开发相应的（半）固态激光雷达，其技术特点各有不同。
Luminar选用1550nm 光源和探测器而非市场主流的905nm光源和探测器，Aeva选择FMCW而非市场主流的飞行时间法，Innoviz通过采MEMS二维微振镜来实现激光扫描和接收，通过减少激光器和探测器数量来降低成本，Ibeo则选用VCSEL和SPAD面阵的纯固态激光雷达方案。
4.2 华为大疆入场，加速激光雷达降本趋势
基于场景分析，华为设计、开发了96线中长距激光雷达产品，可以实现城区行人车辆检测覆盖，并兼具高速车辆检测能力，更符合中国复杂路况下的场景。
大视野120°×25°，应对城区、高速等场景的人、车测距诉求。
全视野中，水平、垂直线束均匀分布，不存在拼接、抖动等情况，形成稳定的点云对后端感知算法非常友好。
小体积，适合前装量产车型需求。
Livox 览沃科技与全球知名智能汽车品牌小鹏汽车正式达成合作。Livox 将为小鹏汽车从 2021 年开始量产的全新车型提供车规级激光雷达技术。在本次合作中，Livox基于浩界车载激光雷达平台为小鹏汽车进行一系列定制化开发，最终量产供货版本将实现行业领先的性能指标。
其中，浩界车规版（Horiz）的探测距离将由公开测试版（Horizon）的90米提升至150米（针对10%反射率目标物），助力小鹏XPILOT自动驾驶辅助系统更加游刃有余地应对高速公路、城区道路等场景下远处障碍物的超前检测。
Livox 团队自2016 年成立以来，始终聚焦于可大规模量产的高性价比激光雷达技术方案的研发与产品化，致力于打破激光雷达行业“价格高”、“难量产”、“可靠性低” 三大瓶颈。
Livox团队经过4年潜心研发，在智能硬件制造、全球供应链管理等方面已建立起强大优势，并于2020年推出了一系列车载激光雷达新产品，为激光雷达行业的量产化打开了新局面。Livox 具备了行业领先的制造能力，在实践中积累了激光雷达精密制造面向规模化量产项目的宝贵经验，为车规级前装市场的崛起铺平道路。
觅道Mid-40是Livox研发的高性价比激光雷达，可探测远至260米的物体。独特的非重复采样策略，助其精确探测视场中每个细节。而这一切都蕴含于小巧的机身中，可轻松嵌入各种平台。Mid-40现已实现大规模量产，可立即供货，助力移动机器人、园区物流、车路协同、测绘、安防等领域从小批量测试走向大规模应用。
05
总结
我们认为，以特斯拉为代表的造车新势力在驾驶上给消费者带来了更“智能化”的体验，也将引领汽车行业L3 级及以上自动驾驶的加速落地，而激光雷达被认为是L3级及以上自动驾驶的必备传感器，将深度受益汽车行业自动驾驶发展趋势。
当前阶段激光雷达多技术共同发展，MEMS 激光雷达渐成主力，OPA 和Flash 纯固态方案未来可期，随着激光雷达过车规和降本问题逐渐得到解决，激光雷达上车搭载有望加速。
1）整车：L3 级及以上自动驾驶极大丰富了用户的驾驶体验，自动驾驶选装、软硬件FOTA 给整车企业带来新的利润增长空间，自动驾驶领域布局卡位良好、具备自研能力、响应速度更快的车企具备竞争优势。推荐吉利汽车、长城汽车、上汽集团、广汽集团、长安汽车，建议关注特斯拉、蔚来汽车、小鹏汽车、理想汽车等。
2）激光雷达供应商：激光雷达被认为是L3 级及以上自动驾驶的必备传感器，将深度受益汽车行业自动驾驶发展趋势。建议关注禾赛科技、速腾聚创、镭神智能、华为、Livox 等。
3）激光雷达产业链上游供应商：激光雷达行业的上游产业链主要包括激光器和探测器、FPGA 芯片、模拟芯片供应商，以及光学部件生产和加工商等。建议关注炬光科技、安森美半导体等。
好消息！
小白学视觉知识星球
开始面向外开放啦👇👇👇
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~