智能网联车系列二：眼看四面，耳听八方—电动车的触觉与听觉

01

自动驾驶汽车的感知层负责车身定位、环境监测和车身感知

行车功能产品根据其自动化程度不同分为6级（SAE），划分依据是汽车决策责任方。自动驾驶汽车有感知层、决策层、执行层，感知层的用途主要为定位、环境监测和车身感知。

自动驾驶根据收集到的信息进行自主运算和判断，并将判断传送给驾驶员或系统，由驾驶员或系统来进行执行。感知层的实现方式包括GPS定位、高精地图、各类雷达及摄像头智能传感器以及物理传感器（MEMS）。

02

感知层主流方案采用摄像头+毫米波雷达的融合方案

汽车目前采用的智能传感器包括超声波雷达、摄像头、毫米波雷达、激光雷达等，几种传感器各有优缺点。

超声波雷达只能应用于短距离场景；摄像头技术稳定成熟，但单独使用摄像头无法进行测距，特斯拉则使用算法运算来实现纯视觉路线测距方法。

毫米波雷达较为稳定，有一定穿透雾、烟和灰尘的能力，但是对于环境障碍物复杂的情况下，以及涉及金属目标物的情况下识别能力较弱，且识别仅能反馈平面数据。

激光雷达识别信息可以形成3D点云，拥有识别高度，但容易受到恶劣天气和烟雾环境的影响，成本较高。

随着自动驾驶级别提升，由于毫米波雷达和摄像头成熟度较高，且成本较低，毫米波雷达+摄像头融合方案成为主流感知模块选择。2021年众多激光雷达落地后，车企也在尝试加入激光雷达提供数据冗余。

03

摄像头是主要视觉传感器

相较于毫米波和激光雷达优势在于精度和稳定程度

车载摄像头是自动驾驶汽车的主要视觉传感器，是最为成熟的车载传感器之一。

摄像头按镜头类型分类可分为广角、标准、长焦、变焦、鱼眼等，安装位置不同可分为前视、环视、侧视、后视和内视等，按用途分类可分为智能座舱摄像头、ADAS摄像头和成像摄像头。

相比于毫米波雷达和激光雷达，目前摄像头的主要优势在于识别精度和稳定程度。

普通的3D毫米波雷达仅可以检测到前方是否有障碍物，而无法精准识别障碍物的大小和类别，因此对于各类车道线识别、红绿灯识别以及交通标志识别等，对车辆行驶的安全边界识别等都有所不足。在自动驾驶系统中，激光雷达与摄像头感知作用比较类似，输出的结果均为点云。相比激光雷达，摄像头的其优势在于成本优势及技术成熟度比较高。

目前，特斯拉单纯依靠摄像头+算法作为自动驾驶的感知层解决方案，这种解决方案硬件成本较低，但对算法要求很高。其他车厂则应用多传感器融合的方式。

也有说法是特斯拉并不完全拒绝摄像头以外的传感器，只是现阶段的毫米波雷达无法满足需求。

04

摄像头按用途分类可分为

智能座舱摄像头、ADAS摄像头和成像摄像头

根据YOLE分类，自动驾驶的环境感知包含智能座舱摄像头、ADAS摄像头和成像摄像头。其中智能座舱摄像头用于驾驶员疲劳监控等舱内行为及行车记录。ADAS摄像头用于前视ADAS环境监控和夜视，夜视仪由红外热成像摄像头负责。智能座舱摄像头和ADAS摄像头收集的数据均为自动驾驶软件计算分析使用。成像摄像头则为驾驶员的辅助感知使用，成像摄像头将车身环境情况通过照片的形式反馈给驾驶员，包括电子后视镜，电子屏幕360°环视（含倒车雷达）及后视图等。

ADAS摄像头和成像类摄像头功能不同，成本结构也有差异。ADAS摄像头用于主动安全，需要准确捕捉图像。成像类摄像头用于被动安全，并将所拍摄的图像存储或发送给用户。一般情况下，前视和侧视往往优先搭载感知类摄像头，环视和后视一般为成像类，但随着自动驾驶等级的提升可能升级为感知类摄像头。

根据YOLE数据，成本结构方面，ADAS摄像头对芯片有更高要求，预计2024年算法芯片占60%的成本，摄像头模组占40%。成像类摄像头的成本则以摄像头模组为主，成本占比约70%。

05

摄像头单车搭载量随自动驾驶级别增长

ADAS摄像头将逐渐替代图像摄像头

随自动驾驶级别增长摄像头搭载数量增长，ADAS摄像头为增长点。根据YOLE预测，2013年至2027年摄像头搭载量逐渐提升，其中增长点为ADAS摄像头及舱内摄像头。2021至2023年自动驾驶汽车研发将依旧为L2++级别，自动驾驶市场平均每辆车将搭载3颗摄像头，行业最高搭载量则为12颗摄像头，例如集度首款汽车机器人ROBO-01概念车配备12个自动驾驶摄像头、5个毫米波雷达、12个超声波雷达、2个激光雷达。

Mobileye在CES2020上演示了一辆自动驾驶汽车在12个车载摄像头的帮助下进行纯视觉计算行驶。文远知行WeRideSS5.0采用12个摄像头、7颗固态激光雷达。至2027年自动驾驶L3级别逐渐放量后，平均搭载摄像头将上升至5颗，行业最高搭载量将上升至20颗。随着自动驾驶等级提升，图像摄像头将逐渐升级为ADAS摄像头，带动车载摄像头模组平均单价持续提升。

摄像头按位置分类，为前视、后视、侧视、内视、环视摄像头。

前视摄像头是ADAS的核心摄像头，涵盖测距、物体识别、道路标线等，因此算法复杂，门槛较高。前视摄像头数量并不固定，包括单目、双目和多目类型。特斯拉配置一颗三目摄像头，其中长焦前置摄像头也叫前视主摄像头，最远视距250m；

中距前置摄像头也叫前视窄角摄像头，最远视距150m；广角前置摄像头最远视距60m。后视摄像头位于汽车尾部牌照灯位置，可以实现自动变道辅助ALC、盲点监测、碰撞预警、自动泊车辅助APA等功能。

侧视摄像头分为2颗侧前视摄像头和2颗侧后视摄像头。侧前视摄像头一般位于B柱上（特斯拉）或前后镜下方（小鹏。环视摄像头主要为4-8颗环绕在汽车前后的鱼眼摄像头，用于全景环视功能。内视摄像头则无固定位置，一般集成于智能座舱里，实现驾驶员疲劳监控等功能。

06

摄像头产业链上游为材料供应商

中游为运算芯片及镜头供应商

下游为车厂

车规摄像头主要包括镜头模组及图像传感器，图像传感器中包括CIS芯片和图像信号处理器、串行器、连接器。

镜头模组由光学镜头组成，光学镜头由光学镜片、光学元器件滤光片、保护膜组成，图像传感器多以CIS芯片（CMOS Image Sensor，基于CMOS技术的图像传感器）为主，图像信号处理器以数字处理芯片（DSP/ISP）为主。以摄像头模组为划分，产业链的上游主要由上述零部件及胶合材料组成。产业链中游为雷达组装厂，下游则为整车厂和主机厂。

07

运算芯片是摄像头成本的主要组成

特斯拉摄像头剥离计算后降低60%成本

传统摄像头方案需实现图像采集&视觉处理两大功能，运算芯片是摄像头成本的主要组成。

图像传感器是车载摄像头模组的核心所在，对于整车厂而言，车载摄像头成本主要由BOM（外购物料，约占80%）和模组封装（约占20%）两部分构成。传统方案中，车载摄像头的核心硬件应包括镜头组（由光学镜片、滤光片和保护膜等组成）、图像传感器、图像信号处理器等单元。以采埃孚S-Cam4三目摄像头为例，该款摄像头基于豪威的CMOS图像传感器实现图像采集功能，视觉处理功能则通过Mobileye的EyeQ4处理器实现；此外，摄像头主板上还配置了一个32位的MCU和2个存储器，成本中SoC芯片占26%、图像传感器占22%、封装占20%。

特斯拉的摄像头方案剥离了计算功能，成本相比传统方案下降60%。

随着自动驾驶对于识别能力要求的提高，感知传感器的数量越来越多，自动驾驶控制逐渐向集中化、中央化架构发展，摄像头也从传统的集采集和运算为一体的传感器，逐渐被重新定义为“只采集、不计算”的轻量化传感器设备。

在集中化、中央化架构的演变下，剥离计算模块后CIS芯片和镜头模组成为核心部件，摄像头的硬件成本大幅降低。以特斯拉的三目前视摄像头方案为例，其三个摄像头模块使用安森美的1.2兆像素CMOSAR0136A传感器。与采孚摄像头不同的是，特斯拉的三目摄像头并未配置处理SoC、MCU等计算功能模块，图像处理由Autopilot进行运算。在剥离计算功能的方案下，图像传感器在镜头模组中的成本占比约50%。根据System Plus数据，基于传统方案的采埃孚S-Cam4三目摄像头的总成本约为165美元，特斯拉的三目摄像头总成本约为65美元，相比传统方案减少了约60%。

08

摄像头在像素提升的同时

对于算法能力和模型都提出新要求

从ADAS向AD乃至无人驾驶进发，车载摄像头的需求从单纯的成像镜头向感知镜头转变，镜头的使用场景由单一场景向多方位场景拓展，摄像头的分辨率越来越高，摄像头像素也随之提高。摄像头从30万像素提升至目前的200万像素，部分车规摄像头及车企在最新产品中规划使用800万像素级别的高清像素摄像头，用于对更远距离的目标进行识别和监测。随着像素提升，数据的处理和运算难度也在提升。随着800万像素摄像头在2021款理想One上首次量产应用以及在最新L系列车型推广，800万像素摄像头对算力的需求提升，支持软件与原本的深度学习模型需要更新。

09

车载摄像头出货量上涨

ADAS摄像头上升同时

图像摄像头仍占最大体量

根据Yole数据，2024年车载摄像头销量总量达到3.1亿颗，市场规模将达到83亿美元。照相机模组市场规模将达到64亿美元，图像处理器市场规模达到32亿美元。2021-2027年CAGR达12.5%，据此预测2027年车载摄像头销量将达到4.61亿颗规模，市场规模达到140亿美元。其中按用途分类，图像摄像头占了64%份额，ADAS摄像头占24%，智能座舱摄像头占12%。

10

毫米波雷达是智能车‘听觉’传感器

探测距离远、受特殊天气影响小

但分辨率较低

毫米波雷达对于汽车，就像是蝙蝠的声带与耳朵。Radar是使用毫米级波长电磁波进行探测的技术，毫米波的波长位于1-10mm范围、频率在30-300GHz。毫米波雷达通过发送和接收毫米波的时间差，运用多普勒效应来计算目标参数，最终得到周围物体的相对距离、相对像素、角度及运动方向等物理信息。与其它传感器相比，毫米波雷达具有很强的穿透能力，在夜间、雨、雾、雪等环境下均能正常工作，而摄像头和激光雷达等传感器受环境影响大。同时，毫米波雷达具有探测距离远、可快速获取目标的距离等信息、系统响应快速可靠的优点，非常适用于各种安全预警和事故预防的ADAS功能系统。毫米波的劣势为分辨率较低。

11

国际毫米波研究较中国在时间上提前约40年

中国技术逐步赶上

根据工作机制的不同，毫米波雷达可分为脉冲式毫米波雷达和调频式连续毫米波雷达。

其中调频式又可分为FSK（频移键控）、CW（恒频连续波）、FMCW（调频连续波）等类型。FMCW雷达结构相对简单、尺寸小、重量轻、成本低、可测量多个目标、分辨率高、信号处理难度低、技术成熟，是最常用的车载毫米波雷达类型。

根据探测距离的不同，毫米波雷达可分为短程毫米波雷达（SRR）、中程毫米波雷达（MRR）、远程毫米波雷达（LRR）三种。

一般情况下，SRR的探测距离小于60米，MRR的探测距离在100米左右，LRR的探测距离大于200米。不同探测距离决定了不同类型毫米波雷达的应用场景不同，因此，汽车的自适应巡航系统（ACC）、前向碰撞预警系统（FCW）、自动制动系统（AEB）、盲区监测系统（BSD）等需要不同的雷达选型。

根据波段的不同，主流车载毫米波雷达可分为24GHz、77GHz、79GHz三种。

2021年12月6日，工信部印发《汽车雷达无线电管理暂行规定》指出，为推动汽车智能化技术应用和产业发展，将76-79GHz频段规划用于汽车雷达。该规定2022年3月1日正式实施起，不再受理和审批24.25-26.65GHz频段汽车雷达的无线电发射设备型号核准申请。77-79GHz与24GHz相比价格相近，体积较小。由于带宽的提高，77-79GHz雷达的数据传输能力带动数据精度的提升。根据雷科防务官网，79GHz雷达已能实现1000米以上探测距离。

12

毫米波雷达由前端收发组件、

数字信号处理器、天线、控制电路及算法组成

前端收发组件为关键硬件，决定了信号的收发效率及质量，主要使用MMIC芯片。数字信号处理器中通常使用DSP芯片/FPGA芯片。天线是毫米波雷达发射和接收信号的重要组件，天线阵列需要集成在高频PCB板上，5G与消费电子的积累促进国产高频PCB板发展。控制电路根据信号处理目标信息，并实现对制动系统等硬件的主动控制。控制电路包含报警显示系统和启动制动系统，控制电路整体研发难度较小。后端算法及融合架构对于雷达生态链均有重要意义，有较高的定制化元素，雷达的测量能力受到算法的制约。

13

毫米波雷达产业链以国际厂商为主

国内厂商具有技术实力但市场份额较小

毫米波雷达的产业链上游主要为毫米波雷达的组成元件供应商，包括前端收发组件、基带数字信号处理器、天线等，中游主要为毫米波雷达集成企业，下游主要为毫米波雷达的应用端。

前端收发组件MMIC芯片国际供应商：以恩智浦、英飞凌、安森美、德州仪器、瑞萨电子等为主。国内企业以意行半导体、加特兰微电子、矽杰微电子、清能华波、南京米勒等积极研发。

数字信号处理器供应商：主要由国际供应商占据，FPGA主要供应商为英飞凌、恩智浦、安森美、瑞萨电子、意法半导体、飞思卡尔、赛灵思(被AMD2022年收购)等。国内FPGA企业包括紫光同创、安路科技、复旦微电子等，但市场份额较小。

PCB板供应商：国际主要供应商为罗杰斯、伊弗拉、Isola、施瓦茨、松下等，具有较强的技术实力。国内主要供应商为沪电股份、生益科技、华正新材、南亚新材，由于5G的推进，国内的消费电子品牌在高频PCB板方面技术能力较为充足。

毫米波雷达集成企业：以国际Tier1为主，国内在该领域的初创企业较多，国内企业在量产能力方面仍有不足。

14

MMIC芯片中CMOS工艺将替代硅锗工艺

各企业进发FPGA制造

前端收发器使用MMIC芯片，CMOS芯片将逐渐替代SiGe技术。

MMIC芯片是毫米波雷达系统的核心，MMIC芯片目前以SiGe（硅锗）工艺为主，SiGe有很好的数据导通能力，数据导通可以提升雷达的灵敏度，雷达的速度分辨率和距离分辨率都会有提升。硅锗芯片采用的就是分立式的芯片，从成本、稳定性和价格上有一定优势。MMIC芯片目前在向CMOS发展，首要原因CMOS的集成能力强。CMOS的制造工艺的成熟是来源于摄像头，因为摄像头的传感器现在都是背照式CMOS和堆叠式CMOS。有了摄像头领域丰富的经验，CMOS可以向雷达领域移植。CMOS虽然有很高的集成度，但是对于市场而言还需要时间积累。主流毫米波雷达MMIC芯片生产商已研发出CMOS工艺的产品，且技术积累深厚。英飞凌的车载雷达方案逐步迭代为基于BiCMOS工艺收发器+数字DSP的套片方案。恩智浦已从BiCMOS方案转为RFCMOS收发器+数字DSP方案。德州仪器一直坚持RFCMOS的单芯片技术方案。国内的加特兰、岸达科技等初创企业已研发出CMOS工艺的芯片。

数字信号处理器使用DSP/FPGA芯片，各大国际企业进发FPGA制造。

DSP芯片可快速即时处理复杂的算法，FPGA可完成大规模的大数据底层算法，两种芯片组合使用是现阶段的主流技术方案。FPGA（Field Programmable Gate Array，可编辑阵列）开发周期比较短，满足非标准接口开发的需求，但是对于通用的模块（如处理器等）效率较低。FPGA国际主要供应商为英飞凌、恩智浦、安森美、瑞萨电子、意法半导体、飞思卡尔、赛灵思等。国内主要供应商为紫光同创、安路科技、复旦微电子等。众多处理器公司进入FPGA制造领域。2015年英特尔收购了Altera推进FPGA与英特尔处理器的结合。2022年，AMD收购了赛思灵，AMD成为了全球市场中能够同时提供CPU、GPU和FPGA三种产品的芯片厂商。萨瑞半导体等芯片企业也进入FPGA领域。

进入L2以上自动驾驶后，单一传感器的使用往往存在一定限制，考虑到激光雷达、毫米波雷达、摄像头各有优劣，车厂大多选择了多传感器融合。但多传感器应用又带来新的问题，多传感器方案会出现大量冗余信息，部分信息甚至会产生冲突。

利用计算机技术将来自多传感器或多源的信息和数据进行分析和综合，以便更加准确可靠地描述外界环境，提高系统决策的正确性。这是所有车厂需要解决的问题，也是提升自动驾驶能力的关键。

那么车企以及供应商最终是如何解决多传感器数据处理问题，这些问题的处理又有哪些不同的技术路径？请期待下期《智能网联车系列三》。