（报告出品方/作者：国信证券，熊莉）
1感知篇：环境感知+车身感知+网联感知组成车载感知系统
整个车载感知系统主要包括环境感知、车身感知与网联感知三大部分。其中，（1）环境感知：主要负责车辆从外界获取信息，如附近车辆、车道线、行人、建筑物、障碍物、交通标志、信号灯等，主要包括四大类别的硬件传感器车载摄像头、毫米波雷达、激光雷达、超声波雷达；（2）车身感知：主要负责车辆对自身状态的感知，如车辆位置、行驶速度、姿态方位等，主要包括惯性导航、卫星导航和高精度地图；（3）网联感知：主要负责实现车辆与外界的网联通信以此来获得道路信息、行人信息等，主要包括各类路侧设备、车载终端以及V2X云平台等。
四大硬件传感器是自动驾驶汽车的眼睛，是环境感知的关键。车载传感器主要包括车载摄像头、毫米波雷达、激光雷达、超声波雷达四大类。自动驾驶汽车首先是对环境信息与车内信息的采集、处理与分析，这是实现车辆自主驾驶的基础和前提。环境感知是自动驾驶车辆与外界环境信息交互的关键，车辆通过硬件传感器获取周围的环境信息，环境感知是一个复杂的系统，需要多种传感器实时获取信息，各类硬件传感器是自动驾驶汽车的眼睛。
单车传感器数量倍增，为高阶自动驾驶落地夯实基础
当前自动驾驶正处在L2向L3级别跨越发展的关键阶段。其中，L2级的ADAS是实现高等级自动驾驶的基础，从全球各车企自动驾驶量产时间表来看，L3级别自动驾驶即将迎来大规模地商业化落地。
随着自动驾驶级别的提升，单车传感器的数量呈倍级增加。预计自动驾驶Level1-2级需要10-20个传感器，Level3级需要20-30个传感器，Level4-5级需要40-50个传感器。
Level1-2级别：通常具有1个前置远程雷达和1个摄像头，用于自适应巡航控制，紧急制动辅助和车道偏离警告/辅助。2个向后的中程雷达可实现盲点检测，外加4个摄像头和12个超声波雷达则可实现度视角的泊车辅助功能。预计Level1-2的总传感器数量约为10-20个左右。
Level3级别：在Level1-2配置的基础上，外加1个远程激光雷达，由于主动距离测量，激光雷达还具有高分辨率，广角和高精度的特点，这对于检测和分类对象或跟踪地标以进行定位将是必需的。对于高速公路领航系统（Highwaypilot）应用，通常会额外增加1颗后向的远程激光雷达。预计会使用6-8个摄像头，8-12个超声波雷达和4-8个毫米波雷达，以及1个激光雷达，因此，预计Level3的传感器总数量会在20-30个左右。
Level4-5级别：通常需要多种传感器进行°视角的交叉验证，以消除每种传感器的弱点。预计会使用8-15个摄像头，8-12个超声波雷达和6-12个毫米波雷达，以及1-3个激光雷达，因此，预计用于Level4至5的传感器总数量会在30-40个左右。
从本次广州车展来看，各家新车型均搭配多个激光雷达，以此来提前布局高阶自动驾驶，哪吒S配置了3-6颗混合固态激光雷达，售价在30万以上的新车型普遍搭配了支持L3-L4级自动驾驶所需要的各类传感器（2+颗激光雷达、12颗超声波雷达、7-10颗高清摄像头、5+颗毫米波雷达）。以蔚来ET7为例，共搭载了多达33个高精度传感器，包括1个超远距高精度激光雷达、11个万像素高清摄像头、5个毫米波雷达、12个超声波传感器、2个高精定位单位、1个V2X车路协同感知系统和1个ADMS增强主驾感知，较蔚来ES8的25个传感器还多了8个。
政策指引，助力高阶辅助驾驶ADAS快速落地
各国政策不断刺激，助力高阶辅助驾驶ADAS快速落地。美国在年开始就强制所有轻型商用车和乘用车搭载ESP系统，欧盟从年开始强制安装重型商用车搭载LDW、AEB等功能，日本从年强制要求商用车搭载AEB系统，年欧盟与日本等40国达成草案，将于年起全部轻型商用车和乘用车强制安装AEB系统。中国自年开始出台各项政策，逐步强制商用车搭载LDW、FCW、LKA、AEB等ADAS功能。
各国新车测试标准不断增加对主动安全ADAS功能的权重。NCAP（NewCarAssessmentProgram，新车测试项目）是测试机构对新车型的车辆安全水平进行全面评估，并直接面向公众公布试验结果。NCAP是民间组织，不受政府机构组织控制。碰撞测试成绩则由星级表示，共有五个星级，星级越高表示该车的碰撞安全性能越好。
多传感器融合，定义自动驾驶汽车的“慧眼”
为了使汽车感知系统形成有效互补，多传感器融合已成为众多主机厂来提高自身智能驾驶能力的核心技术之一。为了应对不同的场景和保证车辆的安全保证，多传感器融合成为行业趋势。多传感器融合技术是对信息的多级别、多维度组合导出有用的信息，包含图像信息、点云信息等，不仅可利用不同传感器的优势，还能提高整个系统的智能化。
多传感器信息融合技术的基本原理与人脑综合处理信息的过程相似，在此过程中，智能驾驶汽车要充分地利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势，而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。
多传感器融合技术的主要优势有提升感知系统的准确度，提升感知维度，进而提升系统决策的可靠性和置信度，以及增强环境适应能力。总之，多传感器技术能够利用空间或时间上的冗余或者互补信息，基于优化算法对被观测对象进行更全全面的分析：
提高感知的准确度：多种工作原理的传感器联合互补，可以避免单一传感器的局限性，最大程度上发挥各种传感器的优势，能够同时获取被检测物体多种不同的特征信息，渐少环境、噪声等外界干扰；
提升感知维度，提升系统决策的可靠性：多传感器融合可带来一定的信息冗余度，即使某一个传感器出现故障，系统仍然可以正常工作，具有较高的容错度，增加系统决策的可靠性和置信度；
增强环境适应能力：应用传感器融合技术采集的信息具有明显的特征互补性，对空间和时间的覆盖范围更广，弥补了单一传感器对分辨率和环境的不确定性。
多传感器对于车载系统也提出了新的要求，需要有统一的同步时钟，以此保证传感器信息的时间一致性和正确性；此外，准确的多传感器标定，保证相同时间下不同传感器信息的空间一致性。从多传感体系的融合结构上，主要可以分为分布式、集中式和混合式三种。
2环境感知之一：激光雷达
激光雷达是L3级以上自动驾驶的必备传感器
激光雷达，即（LiDAR,LightDetectionandRanging），是一种通过发射激光束来测量周围环境物体的距离和方位的方法。激光雷达主要由发射模块、处理模块和接收模块组成，其工作原理是向目标发射探测信号（激光束），然后将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较，做适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态及形状等参数，从而对障碍物、移动物体等目标进行探测、追踪和识别。
激光雷达是当下已知的车载雷达中探测距离远，角度测量精度极高的一种。激光雷达可以准确的感知周边环境的三维信息，探测精度在厘米级以内。激光雷达能够准确的识别出障碍物具体轮廓、距离成3D点云，且不会漏判、误判前方出现的障碍物，激光雷达普遍的有效探测距离也更远。与毫米波雷达和摄像头相比，激光雷达具备高分辨率、远距离和视角广阔等特性。
激光雷达诞生于年，起初用于科研及测绘项目，全球首个车规级激光雷达在年实现量产。年美国休斯实验室的西奥多·梅曼发明了人类历史上第一台激光器，随着激光器的发展，激光雷达逐渐发展起来。早期激光雷达主要用于科研及测绘项目，进行气象探测以及针对海洋、森林、地表的地形测绘。年，Neato公司把激光雷达安在了扫地机器人上面，推出了NeatoXV-11，Neato公司将单个激光雷达的成本控制在30美元以内，解决了激光雷达的量产难题，打开了激光雷达在民用市场的空间。
而车载雷达的发展历史可以追溯到21世纪初，在年，美国国防部组织的DARPA无人车挑战赛上，参赛的7只队伍，就有6只安装了Velodyne的激光雷达。年Ibeo公司同法雷奥合作进行车规化激光雷达SCALA的开发，SCALA为基于转镜架构的4线激光雷达，在年成为了全球第一款车规级激光雷达，SCALA并在当年搭载在全新的奥迪A8上。
在测绘之外，智能驾驶、工业及服务机器人都是激光雷达的重要应用场景。在应用场景上，除了传统的测绘测风之外，无人驾驶、高级辅助驾驶等智能驾驶场景正在快速成长。此外，工业及服务机器人如AGV，其应用包括无人配送、无人清扫、无人仓储、无人巡等，都是激光雷达未来重要的应用场景。
智能驾驶将是未来五年激光雷达市场的主要增长动力。根据Yole的预测，年全球激光雷达市场规模约为16亿美金，预计到年全球激光雷达市场规模将达到38亿美金，年复合增长率约为20%。按照各细分应用板块来看，智能驾驶场景未来五年的复合增长率将超过60%，将会为整个激光雷达市场提供18亿美金的增量，预计到年，智能驾驶场景将占到整个激光雷达市场规模的50%，成为激光雷达市场的主要增长动力。此外，各种工业及服务机器人对激光雷达的需求也在快速增长，也将带动整个激光雷达市场规模持续扩大。
目前主流的自动驾驶技术路径主要分两种：（1）以特斯拉为代表的视觉算法为主导的流派。以摄像头主导，搭配毫米波雷达来捕捉周边环境信息，使用先进的计算机视觉算法实现全自动驾驶。这一类方案所需的硬件成熟度较高，成本低，但毫米波雷达探测角度较小，远距离探测能力也不足，需要优异的算法来弥补缺点。典型代表有特斯拉，该技术路径相对小众；（2）以Waymo、部分车企为代表的激光雷达主导的流派。以激光雷达为主，同时搭载毫米波雷达、超声波传感器和摄像头，可以进行远距离、全方位的探测，分辨率较强，但硬件成本较高，典型代表为谷歌Waymo、百度Apollo、文远知行等主流无人驾驶企业。
激光雷达是车载摄像头与毫米波雷达的有效补充，将是L3级及以上自动驾驶的必备传感器。从工作原理来看，激光雷达发射的光波的频率比微波高出2-3个数量级，因此激光雷达具有极高的距离分辨率、角分辨率和速度分辨率，因此测量精度更高，获得信息更为立体，同时，由于激光波长短，可发射发散角非常小的激光束，可探测低空/超低空目标，抗干扰能力强。即便是纯视觉的方案从效果上能够一定程度代替激光雷达的自动驾驶方案，但是对于高阶自动驾驶而言，安全驾驶是其重要的一步，在感知环节的传感器冗余能够有限提升车辆的安全冗余，激光雷达将是L3及以上自动驾驶的必备传感器。
混合固态短期会是主流，固态芯片化是终极形态
激光雷达主要由光束扫描器和探测系统两个维度组成，一个负责成像，一个负责测距。按光束扫描器结构大致可划分为三类：机械式、混合固态和固态激光雷达；按照扫描方式分为机械旋转式、MEMS（微振镜）、微距移动、Flash、OPA（光学相控阵）等。
ToF激光雷达是当前的主流，未来ToF与FMCW会共存。按照探测方式来分，分成了非相干测量（脉冲飞行时间测量法ToF为代表）和相干测量（典型为FMCW调频连续波）。ToF与FMCW能够实现室外阳光下较远的测程（~m），是车载激光雷达的优选方案。ToF是目前市场车载中长距激光雷达的主流方案，未来随着FMCW激光雷达整机和上游产业链的成熟，ToF和FMCW激光雷达将在市场上并存。
混合固态方案作为当前市场的过渡期预计将存在5年以上，终极形态的激光雷达会是低成本、高度芯片化的产品。
固态激光雷达是终极形态，混合固态MEMS等方案短期内会是主流。机械式激光雷达技术本身成熟，但具有成本较高、装配调制困难、生产周期长，且需要持续旋转，机械部件的寿命较短，一般在1-2年，很难应用在规模量产车型上。MEMS混合固态激光雷达一方面具有尺寸小、可靠性高、批量生产后成本低、分辨率较高等优势，另一方面也存在信噪比低、有效距离短、视场角窄、工作寿命较短等缺点。MEMS方案是当下车用激光雷达量产的最优解，但是MEMS微振镜扫描角度小、振动问题与工作温度范围，过车规也存在挑战。固态方案不用受制于机械旋转的速度和精度，可大大压缩雷达的结构和尺寸，提高使用寿命，并降低成本。
芯片化将会是激光雷达的架构趋势。当前大部分ToF激光雷达产品采用分立器件，即发射端使用边发射激光器EEL配合多通道驱动器、接收端使用线性雪崩二极管探测器（APD）配合多通道跨阻放大器（TIA）的方案。但分立器件仍存在零部件多、生产成本高、可靠性低等问题，芯片化架构的激光雷达可将数百个分立器件集成于一颗芯片，在降低物料成本的同时，省去了对每一个激光器进行独立光学装调的人力生产成本。此外，器件数量的减少，可以显著降低因单一器件失效而导致系统失效的概率，提升了可靠性。芯片化架构的激光雷达是未来的发展方向。（报告来源：未来智库）
激光雷达成本拐点来临，大规模商业化落地在即
激光雷达的成本构成。激光雷达本质是一个由多种部件构成的光机电系统，光电系统包括发射模组、接收模组、测时模组（TDC/ADC）和控制模组四部分构成，其中，光电系统成本约占激光雷达整机成本的70%。
激光雷达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。激光器和探测器是激光雷达的重要部件，激光器和探测器的性能、成本、可靠性与激光雷达产品的性能、成本、可靠性密切相关。激光器主流供应商有欧司朗、艾迈斯半导体、鲁门特姆，探测器主流供应商有滨松、安森美、索尼等。FPGA通常被用作激光雷达的主控芯片，主流供应商有赛灵思、英特尔等，除了FPGA之外，也可以选用MCU、DSP等代替。MCU的主流供应商有瑞萨、英飞凌等，DSP的主流供应商有德州仪器、亚德诺半导体等。而在相关光学部件上，国内供应链已经完全实现替代海外，实现自主供应。
从各家的Velodyne的64线机械式激光雷达的售价在7.5万美元，32线的机械式激光雷达售价在4万美元左右，16线的机械式激光雷达售价在美元。而国内厂商，如禾赛科技在年发布的机械式激光雷达售价为美元左右，速腾聚创在年发布的机械式激光雷达售价为美元。
随着相关技术和产业链日益成熟，激光雷达的成本拐点即将来临。Velodyne宣布计划到年将平均单价将下降到美元，华为也宣布未来计划将激光雷达的价格控制在美金以内。随着相关技术逐渐成熟和供应链体系的逐步完善，当前混合固态的激光雷达平均价格约在0美元左右，预计到年左右成本有望下探到美元。随着激光雷达的成本拐点逐步到来，也为大规模商用打造了充分的基础。
年有望成为激光雷达大规模商业的元年。在年，如蔚来ET7、智已L7、极狐阿尔法S、哪吒S、R汽车等都已宣布搭载激光雷达的车型正在量产路上，在前不久的广州车展上，威马M7、广汽埃安AIONLXPlus等均宣布了搭载2~3颗激光雷达，长城最新发布的沙龙机甲龙更是配备4颗激光雷达。这些车型大多在年量产，年有望成为激光雷达大规模商业的元年。
空间测算：预计到年全球市场规模亿元，CAGR%
各家OEM车厂在年搭载激光雷达的车型纷纷量产，带动车规级激光雷达市场持续放量。当前由于激光雷达相对较高，只有L2.5和L3以上的车型才会搭载，预计单车平均搭载数量将从1颗逐渐提升到年有望达到3颗。预计到年全球车规级激光雷达搭载量将超过3万颗，保持高速增长；随着激光雷达的大规模量产，价格有望持续下降，预计将从目前的0元，下降至年元左右；而在市场空间方面，预计到年全球市场规模有望超过亿元，复合增长率%。中国市场方面，预计到年中国激光雷达市场规模有望达到亿元，激光雷达搭载量有望超过1万颗。随着高阶自动驾驶对激光雷达的需求不断提升，带动激光雷达市场快速爆发，车规激光雷达将是未来五年智能传感器市场中弹性最大的子板块。
3环境感知之二：车载摄像头
单车摄像头数量持续增加，天花板不断打开
车载摄像头是环境感知中最常见的传感器之一。摄像头的工作原理即目标物体通过镜头生成光学图像投射到图像传感器上，光信号转变为电信号，再经过A/D（模数转换）后变为数字图像信号，最后送到DSP（数字信号处理芯片）中进行加工处理，由DSP将信号处理成特定格式的图像传输到显示屏上进行显示。视觉是人类驾驶汽车获取环境信息最主要的途径，摄像头获取的信息更为直观，更接近人类的视觉，对于自动驾驶汽车而言，摄像头取代了人类视觉，成为了汽车获取外界信息的重要来源。
车载摄像头的优点十分明显，成本低且技术成熟，采集信息的丰富度较高，最接近人类视觉，但其缺点也十分显著，摄像头受光照、环境影响十分大，难以全天候工作，尤其是在黑夜、雨雪天、大雾等能见度不足的场景下，其识别效率大大降低，此外，车载摄像头缺乏深度信息，三维空间感不足。
图像传感器成本占比超过五成，CMOS为当下主流选择。车载摄像头的硬件结构包括光学镜头（光学镜片、滤光片、保护膜）、图像传感器、图像信号处理器（ISP）、串行器、连接器等器件。成本结构成上，图像传感器成本占比最高，成本占比达到50%，CMOS图像传感器具有读取信息方式简单、输出信息速率快、耗电少、集成度高、价格低等特点，成为目前目前主流的车载图像传感器。
车载镜头舜宇排名第一，联创电子正在快速崛起。根据ICVTank在年的数据显示，舜宇光学全球车载摄像头出货量第一，市占率超过30%，韩国世高光、日本关东辰美、日本富士占绝行业前四名，前四名市占率超过80%。国产方面，除舜宇之外，联创电子是国内唯二具备较强竞争力的厂商，目前已经进入特斯拉、蔚来等产业链，正在快速崛起。
车载CIS呈现寡头格局，韦尔收购豪威科技一跃成为行业第二。车载CIS（CMOSImageSensor）是当下主流的车载摄像头图像传感器方案，其中安森美是绝对的车载CIS龙头，市占率超过六成，豪威科技位列第二，市占率约为20%，索尼和三星作为手机CIS的龙头，进入车载市场较晚，正在快速切入。国产厂商方面，韦尔股份收购豪威科技后，一跃成为车载CIS龙头，正在迅速崛起。
中游模组主要由海外公司主导，国产比例仍然较低。由于车规级摄像头模组的安全性和稳定性要求更高，模组封装工艺更为复杂，在竞争格局方面，主要由海外公司占据主要市场份额，松下、法雷奥、富士通、大陆、麦格纳等占据市场主要地位，国产方面，舜宇光学、联创电子等为代表的摄像头模组企业正在快速布局车载领域。
根据安装位置划分，车载摄像头可以分为五大类：内视摄像头、后视摄像头、前置摄像头、侧视摄像头、环视摄像头等；根据结构划分，车载摄像头可以分为单目摄像头、双目摄像头、广角摄像头等。单目摄像头和双目摄像头主要用于自动驾驶汽车的前视，视角一般为45度左右，负责实现FCW、LDW、PCW、TSR、ACC等功能，而广角摄像头则要用于自动驾驶汽车的后视（后视泊车辅助）、内置（闭眼提醒、DMS）、侧视（盲点检测）、以及环视（全景泊车、LDW）等多个方位多种功能。
各家整车厂新车型的摄像头搭载数量持续上升。从各家最新发布的车型搭载方案来看，造车新势力的单车搭载摄像头数量平均已超过10颗。年最新发布的蔚来ET7共搭载了11颗摄像头，小鹏计划于年量产的G9车型预计将搭载12颗摄像头，极氪更是搭载了15颗摄像头，各家车企不断增加前视、环视、后视和内视等各方位的摄像头，为了高阶辅助驾驶的落地创造了坚实的基础。
特斯拉Model3的感知系统包括了8个摄像头+12个超声波雷达+1个毫米波雷达。该感知系统可以实现在米半径内提供度的视野，可以在一定距离内探测软硬物体，而且精度几乎是以前系统的两倍。包括1个前视窄视野长焦摄像头（FOV25度、最大测距米），1个前视主视野中焦摄像头（FOV50度、最大测距米），1个前视宽视野广角摄像头（FOV度、最大测距60米），2个侧方前视摄像头（最大测距80米）、2个侧方后视摄像头（最大测距米）和1个后视摄像头（最大测距50米）。
Mobileye的纯摄像头ADAS解决方案包括了12颗摄像头的子系统。在CES上，Mobileye也发布12个摄像头组成的纯摄像头解决方案，包括2颗前视摄像头（FOV度），一颗前视窄视野长焦摄像头（FOV28度），1颗后视摄像头（FOV60度），4颗侧视摄像头（FOV度），4颗停车辅助摄像头，1颗DMS内视摄像头。
单车搭载摄像头数量持续增加，预计到23年有望超过平均每台车3颗。根据佐思汽研数据，Q1中国乘用车市场车载摄像头的总安装量为.3万颗，同比增长95.3%，Q1单车的摄像头安装量从Q1的1.颗提升至1.颗，市场对车载摄像头的需求量持续增加。根据Yole预测，年全球汽车平均每台搭载摄像头的数量为1.7颗，预计到年有望增加单车3颗左右，CAGR达12%。而对于高端车的搭载情况，根据Yole数据显示，高端车型的单车摄像头搭载数量从年的5颗提升到年的8颗，预计到年将超过11颗。
此外，根据不同等级自动驾驶的要求，为了实现更准确的识别效果，每一类摄像头会搭载不同焦段2-3只。L1或2级的车辆主要以安装倒车或环视摄像头为主，单车摄像头数量约在3-5颗左右；L3级车辆还会安装前视摄像头，单车摄像头数量约在8颗左右；L4/5级车辆基本会囊括各种类型的摄像头，单车摄像头数量约在10-20颗左右。
各类型车载摄像头快速上车，渗透率不断提升。19-20年我国后视摄像头渗透率占比最高为50%，前视摄像头渗透率30%、侧视摄像头渗透率22%，内置摄像头渗透率7%，仍然有很大的渗透空间。随着IACC、HWA、HWP等各类高级ADAS功能落地，各种摄像头的需求量也在不断上升，驾驶员注意力监测需求上升，DMS摄像头也在快速上车。根据佐思汽研的数据，Q1中国乘用车市场DMS安装量同比增长.5%，是各类车载摄像头中增速最快的，此外环视摄像头同比增速.8%，前视摄像头同比增速.0%，行车记录仪同比增速.2%，后视摄像头同比增速60.6%，各类车载摄像头安装量快速提升。
EEA架构集中化，有望带动摄像头成本下行
特斯拉剥离计算功能，摄像头BOM成本下降六成。以宝马X5采用的采孚三目前视摄像头和特斯拉在Model3中所使用的三目前视摄像头进行成本比较。宝马X5中的采孚S-Cam4三目前视摄像头是由豪威（OmniVision）的CMOS图像传感器实现图像采集，Mobileye的EyeQ4实现视觉处理。而特斯拉在Model3中所使用的三目前视摄像头，其摄像头模块是基于安森美（OnSemiconductor）万像素的CMOS图像处理器，并没有安装计算功能模块，图像处理功能则由Autopilot来实现。
根据SystemPlus测算，特斯拉Model3的三目前视摄像头的BOM成本65美金左右，而采孚ZFS-Cam4三目前视摄像头的BOM成本在美金左右，特斯拉在剥离了计算功能后，摄像头BOM成本下降了约六成。
EEA架构的集中化会促使算力集中化，进而加速传感器的硬件简化。以特斯拉为例，Model3的电子电气架构已经进入准中央架构阶段，由中央计算模块（CCM）、左车身控制模块（BCMLH）、右车身控制模块（BCMRH）三个部分组成，特斯拉的准中央E/E架构已带来了线束革命，ModelS/ModelX整车线束的长度是3公里，Model3整车线束的长度缩短到了1.5公里，ModelY进一步缩短到1公里左右，特斯拉最终的计划是将线束长度缩短至米。整个架构的不断集中化，也带动了整个控制和算力的集中化，也避免了过往各ECU之间的算力冗余，进一步简化边缘端传感器，从而带动边缘段硬件成本的进一步下探。
车内感知需求不断增加，DMS有望成为标配
驾驶员监测系统（DMS，DriverMonitorSystem）是指驾驶员行驶过程中，全天候监测驾驶员的疲劳状态、危险驾驶行为的信息技术系统。在发现驾驶员出现疲劳、打哈欠、眯眼睛及其他错误驾驶状态后，DMS系统将会对此类行为进行及时的分析，并进行语音灯光提示，起到警示驾驶员，纠正错误驾驶行为的作用。DMS一般分为主动式DMS和被动式DMS。被动式DMS基于方向盘转向和行驶轨迹特征来判断驾驶员状态。主动式DMS一般基于摄像头和近红外技术，从眼睑闭合、眨眼、凝视方向、打哈欠和头部运动等，检测驾驶员状态。
主动DMS系统从18年开始逐渐放量，21年1-9月DMS销量同比增长%。自6年起，雷克萨斯LS首次配备主动DMS，随着近年来一系列的安全事故大大提高了DMS在自动辅助驾驶系统尤其是L2/L3功能上的的重要性。从年开始，随着L2和L3系统逐渐量产，主动式DMS系统开始放量。根据佐思汽研数据，年在中国主动DMS系统的乘用车新车安装量为1.02万套，同比增长%。年1-9月中国乘用车新车的DMS系统销量25.15万套，同比增长%，其中合资占比6%，本土占比94%，排名靠前的品牌有长安、小鹏、哈弗、宝马、蔚来等。年中国DMS爆发增长主要原因是本土品牌增加了装配车型力度。年新上市车型DMS装配量9.67万辆，占整体装配量比例38%。
大部分Tier1已推出DMS完整解决方案，包括法雷奥、博世、大陆、电装、现代摩比斯、伟世通、维宁尔等。在中国企业中，百度、商汤科技、中科创达、经纬恒润等公司的DMS产品也已落地在各个品牌车型上。
DMS的核心功能是监测驾驶员的疲劳和注意力分散程度。但是基于更多的传感器，视觉+红外摄像头，甚至毫米波雷达，可以实现更多的功能，譬如人脸识别、年龄性别估计、情绪估计、安全带检测、姿势位置、遗忘检测、座舱异常情况检测、幼儿检测等。通过人脸、性别和表情的识别,实现身份认证，以及更丰富的人车交互。目前DMS的应用仅停留在预警阶段，而一旦与ADAS/AD系统结合，还可以实现个性化车身控制等功能。
空间测算：预计到年全球市场规模近
1亿元，CAGR22%随着高阶辅助驾驶功能渗透率的不断提升，平均单车摄像头的数量也在不断提升。对于L2.5和L3级的单车而言，平均车载摄像头有望从6-7颗提升到年的10颗。随着ADAS摄像头和高清摄像头的渗透率逐渐提升，将会带动单车摄像头价值量的不断提升。根据我们测算，预计到年全球车载摄像头市场规模将达亿元，复合增长率21.9%，全球车载摄像头的搭载量有望突破2.45亿颗，复合增长率19.2%。在中国市场方面，预计到年，中国车载摄像头市场规模将达到亿元，车载摄像头搭载量有望突破9万颗。
4环境感知之三：毫米波雷达
77GHz正在取代24GHz成为主流
毫米波雷达是一种使用天线发射波长1-10mm、频率24-GHz的毫米波（MillimeterWave，MMW）作为放射波的雷达传感器。毫米波雷达根据接收和发射毫米波的时间差，结合毫米波传播速度、载体速度及监测目标速度，可以获得汽车与其他物体相对距离、相对速度、角度及运动方向等物理环境信息。毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点。与激光雷达（LiDAR）相比，目前毫米波雷达技术更加成熟、应用更加广泛、成本更加低廉；与可见光摄像头相比，毫米波雷达的准确性和稳定性更好，价格差距也在不断缩小。尤其是全天候工作无可替代的优势，已成为汽车电子厂商公认的主流选择，拥有巨大的市场需求。
车载毫米波雷达根据毫米波频率可以分为24GHz、77GHz和79GHz毫米波雷达三大种类。目前各个国家对车载毫米波雷达的频段各有不同，除了少数国家（如日本）采用60GHz频段外，主要集中在24GHz和77GHz两个频段。世界无线电通信大会已将77.5~78.0GHz频段划分给无线电定位业务，以促进短距高分辨车用雷达的发展。由于77GHz相对于24GHz的诸多优势，未来全球车载毫米波雷达的频段会趋同于77GHz频段（76-81GHz）。
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。24GHz主要是以SRR和MRR雷达为主，77GHz主要以LRR雷达为主。一般情况下，SRR的探测距离小于60米，MRR的探测距离在米左右，LRR的探测距离大于米。
车载毫米波雷达因具备受天气气候影响程度低、不受前方目标物形状与颜色等干扰等特性，广泛应用于主动安全系统。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，不同高级辅助驾驶功能也需要不同的雷达选型。角雷达通常是SRR短程雷达负责盲点检测（BSD）、变道辅助（LCA）和前后交叉交通警报（F/RCTA）的要求，而前雷达通常是负责自动紧急制动（AEB）和自适应巡航控制（ACC）的MRR和LRR中远程雷达。毫米波雷达是高级辅助驾驶系统（ADAS）的必备传感器。
77GHz车载激光雷达优势显著，正在逐渐替代24GHz成为主流。（1）77GHz雷达的分辨率和精度更高：由于速度分辨率和精度与射频成反比，更高的射频频率导致更好的速度分辨率和精度。77GHz的毫米波雷达比24GHz的速度分辨率和精度提高了3倍；（2）77GHz雷达的体积更小：77GHz天线列阵的间距仅为24GHz的三分之一，因此整个毫米雷达的体积也可以实现其三分之一。
海外厂商正主导市场，国内正起步追赶
国外毫米波雷达发展历史悠久，国产正在逐步追赶。年德国首次出现汽车防撞雷达，欧美大型毫米波雷达制造商已累积近40年的技术经验。早期的毫米波雷达采用高电子迁移晶体管制作集成电路，集成度低且成本高昂，直到年，英飞凌及飞思卡尔成功推出芯片级别的毫米波射频芯片，降低了毫米波波雷达的技术门槛，同时降低其制造成本，推动毫米波雷达在各领域的应用。年，24GHz毫米波雷达产品开始进入中国，年，实现24GHz毫米波雷达国产，但是在77GHz毫米波雷达产品仍未实现大规模国产化，只有少数国内厂商具备77GHz产品的量产能力，国产毫米波雷达仍在持续追赶中。
毫米波雷达的硬件占比约50%，主要由射频前端（MMIC）、数字信号处理器、天线及控制电路等部分构成，软件算法占比约50%。
射频前端（MMIC）：是核心射频部分，占总成本的25%左右。由发射器、接收器、功率放大器、低噪声放大器、混频器、滤波器及压控振荡器组成，起到调制、发射、接收及解调毫米波信号的作用。在技术趋势上，集成度更高、体积更小的高集成趋势下，CMOS工艺有望成为主流。在供应商方面，加特兰微电子、意行半导体、矽杰微电子、矽典微等本土厂商已有能力自行研发生产低频24GHz芯片，且价格较海外有30%以上的优势。但在高频段77GHz芯片方面，主要由恩智浦、英飞凌、德州仪器、意法半导体等供应。
数字信号处理器：通过嵌入不同的信号处理算法，分析前端收集的信号获取目标信息，是保证毫米波雷达稳定性及可靠性的核心部件，主要通过DSP芯片或FPGA芯片实现，占总成本的10%左右。在技术趋势上，DSP芯片在复杂算法处理上具备优势，FPGA在大数据底层算法上具备优势，“DSP+FPGA”融合在实时信号处理系统中的应用逐渐广泛。在供应商方面，高端DSP芯片和FPGA芯片主要被国外企业垄断，DSP芯片供应商有飞思卡尔、英飞凌、亚德诺半导体、意法半导体等，FPGA芯片供应商有赛灵思、阿尔特拉、美高森美、莱迪思等公司。
高频PCB：天线是毫米波雷达发射和接收信号的重要组件，毫米波雷达可通过微带列阵方式将多根天线集成到PCB板上。由于毫米波频率高，对电路尺寸精度要求高，所需印制电路板为高频板材PCB，占总成本的10%。主要供应商为罗杰斯、Isola、施瓦茨为主，国内主要是沪电股份等公司。
博世、大陆、电装、海拉等国外厂商占据全球毫米波雷达的七成市场份额。全球毫米波雷达主要供应商有博世、大陆、电装、海拉、天合、安波福、奥托立夫等。博世、大陆、电装、海拉等国外巨头占据行业73%的市场空间，行业集中度较高。
维宁尔、大陆、海拉占据SRR市场，博世、大陆、电装等占据LRR市场。根据佐斯汽研的数据显示，维宁尔、大陆、海拉、安波福和法雷奥五家企业占据中国短程毫米波雷达（SRR）96.4%的市场空间，其中维宁尔排名第一，市占率32%；博世、大陆、电装和安波福占据长距毫米波雷达（LRR）95.7%的市场空间，博世排名第一，市占率高达40%。
24GHz国产化率较高，77GHz仅少部分国产玩家实现量产。国产厂商已实现24GHz毫米波雷达产品市场化供货，而仅少数玩家具备77GHz毫米波雷达产品的量产能力，其中森思泰克是目前国内乘用车前装77GHz毫米波雷达市场份额排名首位的国产供应商，正在逐渐缩小与海外厂商的差距，其毫米波雷达的定点车型接近个，而德赛西威、华域汽车等公司也已达到77GHz雷达的量产条件。
空间测算：预计到年全球市场规模亿元，CAGR26%
毫米波雷达作为最常用的车载传感器之一，目前L1或L2级一般需要搭载0-3个左右，L3级一般需要搭载3-6个左右，而L4或L5级一般需要6-10个左右，随着高阶辅助驾驶功能的渗透率逐渐提升，也将带动平均单车搭载个数的提升。目前毫米波雷达正在逐渐从24GHz朝着77GHz迁移，24GHz毫米波雷达平均单价元左右，77GHz的在元左右，有望带动平均毫米波雷达的价格提升。根据我们的测算，预计到年全球毫米波雷达市场规模将达到亿元，复合增长率为25.5%，全球毫米波雷达搭载量将达到1.1亿颗，复合增长率为23.7%。在中国市场方面，预计到年，中国毫米波雷达市场规模将达到亿元，中国毫米波雷达搭载量将达到4万颗。（报告来源：未来智库）
5环境感知之四：超声波雷达
成本优势显著，国产化率高，是成熟的车载传感器
超声波雷达是最成熟的车载传感器。超声波雷达，俗称倒车雷达，是一种最常见的传感器，其工作原理是通过超声波发射装置向外发出超声波（机械波而非电磁波），到通过接收器接收到发送过来超声波时的时间差来测算距离。常用的工作频率有40kHz、48kHz和58kHz三种。频率越高，灵敏度越高，但水平与垂直方向的探测角度就越小，故一般采用40kHz的探头。按构造分类，超声波雷达可以分为等方性与异方性，二者的区别在于水平探测角度与垂直探测角度是否相同；按技术方案分类，超声波雷达可以分为模拟式、四线式数位、二线式数位、三线式主动数位，它们的信号抗干扰能力依次提升，技术难度与价格总体递进。
超声波的能量消耗较缓慢，在介质中传播的距离比较远，穿透性强，测距的方法简单，成本低。但是超声波散射角大，方向性较差，在测量较远距离的目标时，其回波信号会比较弱，影响测量精度。但在短距离测量中，超声波测距传感器具有非常大的优势。超声波雷达防水、防尘，即使有少量的泥沙遮挡也不影响，探测范围在0.1-3米之间，而且精度较高，其主要作用是通过蜂鸣器来辅助驾驶员泊车、自动泊车的辅助与微调车辆在行车道的位置，保持与相邻车道车辆的安全距离。
超声波雷达主要用于停车辅助和自动泊车，可以分为UPA和APA超声波雷达两种类型。（1）UPA超声波雷达：超声波驻车辅助传感器（UPA，UltrasonicParkingAssistant），探测距离一般在15~cm之间，感测距离较短，但是频率较高，为58kHz，精度高；（2）APA超声波雷达：自动泊车辅助传感器（APA，AutomaticParkingAssistant），探测距离一般在30~cm之间，感测距离较长，但是频率较低，为40kHz，精度一般。
倒车系统需要4个UPA，而自动泊车系统需要8个UPA+4个APA。一套普通的倒车雷达系统需要配备4个UPA超声波雷达，而自动泊车系统需要在倒车雷达系统基础上，增加4个UPA和4个APA超声波雷达组成12个超声波雷达系统，其中，8个UPA超声波雷达安装于汽车前后保险杠上，用于测量汽车前后障碍物，4个APA超声波雷达安装于汽车两侧，用于测量侧方障碍物距离。
在全球市场竞争格局上，目前超声波雷达主要市场空间由Tier1厂商占据，据统计，年全球超声波雷达市场份额中法雷奥和博世占据市场50%以上份额。截至年5月，汽车之家在售车型有款，配置了倒车雷达的车型有款，渗透率达到79%；其中配置前向雷达车型有款，渗透率达到28%。目前超声波雷达较为成熟，市场渗透率较高，价格下探到较低水平，已有像奥迪威等国产厂商切入到该市场。超声波雷达价格低廉，技术相对成熟。
超声波雷达测距方式简单，产业链成熟，单体价格相对低廉，平均售价元左右。超声波雷达上游主要为芯片和传感器供应商，芯片主要依赖进口，如飞思卡尔（恩智浦NXP收购）等厂商，传感器已经实现国产化。超声波雷达中游为超声波雷达生产商，主要参与者可以分为国际Tier1、国内Tier1以及初创公司。由于超声波雷达技术较为成熟，故国内外玩家之间的差距主要在于传感器实现上的稳定性和可靠性，但整体差异较小。其中国际Tier1主要是博世、法雷奥、大陆，国内Tier1主要是奥迪威、辉创电子、航盛电子、同致电子，初创企业有晟泰克、辅易航（中科创达收购）等。
自动泊车（APA）渗透率快速提升，带来新的增长动能
自动泊车辅助系统（AutoParkingAssist，APA），市值车辆在低速行驶时，可通过车辆周身搭载的传感器测量车身与周围环境之间的距离和角度，收集传感器数据计算出操作流程，同时自动调整方向盘、刹车和油门实现停车入位。
自动泊车系统按技术等级，又可分为半自动泊车（只有自动转向）、全自动泊车（含自动转向和自动前进后退）、自主代客泊车（AVP）等。
通常可将智能泊车技术划分为三大发展阶段：半自动泊车→全自动泊车→自主代客泊车。从全自动泊车发展到自主泊车技术，其最早普及的第一代APA自动泊车，随后出现将泊车与手机结合的第二代RPA（RemoteParkingAsist）远程遥控泊车，再是发展到第三代AI自主学习泊车，最理想的泊车辅助场景是第四代泊车解决方案AVP（AutomatedValetParking）自主代客泊车。
中国乘用车APA装配量快速增长，但装配率仅12.3%，增长空间巨大。根据高工汽车数据显示，年1-7月国内新车搭载APA功能上险量为.55万辆，同比上年同期增长36.4%。其中，融合泊车（基于全景环视+超声波）占比32.83%，同比上年同期呈现数倍增长的势头。据佐思汽研统计，年中国乘用车APA装配量为.8万辆，同比增长46.4%，APA装配率为12.3%，较年全年上升4.28个百分点。APA在奔驰、宝马等中高端车型以及理想、小鹏等造车新势力中装配率较高，但在大多数车型中普及率仍较低，APA未来仍有巨大渗透空间。
当前主机厂推出的自动泊车APA方案基本采用12颗超声波雷达。其中宝马、别克等以纯超声波雷达方案为主，部分主机厂则开始采用超声波雷达+环视摄像头融合方案提高车辆自动泊车系统的泊入/泊出成功率，主要集中在自主品牌如蔚来、小鹏、长安、吉利等。
12颗超声波雷达方案的渗透率将从年的9.6%提升到年的26.1%。根据佐思汽研数据显示，从单车超声波雷达配置方案来看，-年，4颗超声波雷达方案占据大部分市场，主要实现倒车辅助功能。年12颗超声波雷达方案的占比仅为9.6%左右，预计到年12颗超声波雷达方案的渗透率将达到26.1%。随着自动泊车商业化推广，12颗超声波雷达方案占比正在快速攀升，有望成为未来智能汽车的主流。
空间测算：预计到年全球市场规模约亿元，CAGR7.4%
超声波雷达作为倒车雷达拥有比较高的普及率，倒车系统需要4个UPA超声波雷达，随着自动泊车功能的渗透率不断提升，自动泊车系统需要8个UPA+4个APA超声波雷达，单车超声波雷达的搭载个数有望从4个提升到12个。价格上，超声波雷达产品相对成熟，价格相对便宜，平均单价在左右。根据我们的测算，预计到年全球超声波雷达市场规模将达到亿元，复合增长率7.35%，全球车载摄像头的搭载量有望突破4.1亿颗，复合增长率7.35%。而中国市场方面，预计到年，中国车载摄像头市场规模将达到亿元，车载摄像头的搭载量有望突破1.59亿颗。
6车身感知：惯性导航、卫星导航、高精度地图
本章主要针对车身感知定位系统进行介绍，车身感知主要是感知车辆位置、行驶速度、姿态方位等信息，下文分别介了绍惯性导航、卫星导航系统和高精度地图三种主要的定位技术的发展情况，最后对多融合的车身感知定位系统及发展趋势进行介绍。根据技术原理，自动驾驶的定位技术主要可以分为基于信号定位、航位推算和地图匹配三大类：
(1)基于信号的定位：采用飞行时间测距法（TimeofFlight，ToF）获得汽车与卫星的距离，然后使用三球定位原理得到汽车的绝对位置，主要就是通过全球卫星GNSS的卫星信号进行定位，还包括使用WiFi、UWB、FM微波等其他信号获取信息等技术；
(2)航迹递推（DeadReckoning）：依靠惯性传感器获得加速度和角速度信息，根据上一时刻其策划的位置和航向递推出当前的位置和航向；
(3)地图匹配（MapMatching，MM）：基于视觉摄像头（Camera）或激光雷达（LiDAR）采集到的数据特征与高精度地图数据中的特征进行匹配，得到车辆的位置和姿态。
惯性导航：车身感知定位系统的信息融合中心
惯性导航系统（InertialNavigationSystem,INS）是一种不依赖外部信息、也不向外部辐射能量的自助式导航系统。惯性导航系统（INS）是利用惯性传感器（IMU）测量载体的比力及角速度信息，结合给定的初始条件，与GNSS等系统的信息融合，从而进行实时推算速度、位置、姿态等参数的自主式导航系统。惯性导航系统属于一种推算导航方式，即从一已知点的位置根据连续测得的运载体航向角和速度推算出其下一点的位置，因而可连续测出运动体的当前位置。
一个惯性测量单元包括3个相互正交的单轴加速度计（Accelerometer）测量转动运动和3个互相正交的单轴陀螺仪（Gyroscopes）测量平移运动的加速度。自动驾驶所需要的惯性传感器（IMU）主要是加速度计和陀螺仪。（1）加速度计：基于牛顿第二定律，采用电容式、压阻式或热对流原理，通过在加速过程中对质量块对应惯性力的测量来获得加速度值。用来测量运动体坐标系上各轴的加速度；（2）陀螺仪：用于测量载体绕自身三个坐标轴的转动角速度，同时也敏感地球自转的角速度。
按照力学编排实现形式可分为：捷联式惯性导航系统（Strap-downInertialNavigation,SINS）和平台式惯性导航系统（GimbaledInertialSystem,GINS）。平台式惯导的传感器安装在多轴伺服平台上作为反馈元件，控制伺服平台的姿态达到设定，多用于沿地球表面作等速运动的飞行器（如飞机、巡航导弹等），捷联式惯导的传感器和载体一同运动，省去了平台，结构简单、体积小、维护方便，自动驾驶领域主要采用捷联式惯性导航系统。
航迹递推（DeadReckoning，DR）算法是惯性导航系统的主要实现手段。DR算法是指已知上一时刻导航状态（状态、速度和位置），根据传感器观测值推算到下一时刻的导航状态。DR算法包括姿态编排和位置编排两个部分。姿态编排使用的是AHRS（Attitudeandheadingreferencesystem）融合算法，处理后输出车机姿态信息。DR算法可以在无卫星导航信号或弱卫星导航信号的场景，仅靠DR算法也能得到较为可靠的导航信息。
惯性导航系统是车身感知定位系统的信息融合中心，具有不可替代的作用。惯性导航的数据实时存在，永不消失，性能稳定，可以连续Hz高频工作，惯导是三种定位方法中最为可靠的，具有输出信息不间断、不受外界干扰等独特优势，可保证在任何时刻以高频次输出车辆运动参数，同时将视觉传感器、雷达、激光雷达、车身系统信息进行更深层次的融合，为决策层提供精确可靠的连续的车辆位置，姿态的信息，车身感知定位系统的信息融合中心。
卫星导航：RTK助力GNSS实现厘米级的定位
全球导航卫星系统（GlobalNavigationSatelliteSystem，GNSS）是以人造地球卫星为导航台，为全球海陆空的各类军民载体提供位置、速度和时间信息的空基无线电导航定位系统。导航卫星的工作原理主要是通过三球定位原理实现的，由于卫星的位置精确可知，通过卫星到接收机的距离，利用三维坐标中的距离公式，利用3颗卫星，就可以组成3个方程式，解出观测点的位置。考虑到卫星的时钟与接收机时钟之间的误差，实际上有4个未知数，位置的X、Y、Z和钟差，因而需要引入第4颗卫星，形成4个方程式进行求解，从而得到观测点的经纬度和高程。为提高定位精度，普遍采用差分GPS技术，建立基准站（差分台）进行观测，利用已知的基准站精确坐标，与观测值进行比较，从而得出修正数，并对外发布。接收机收到该修正数后，与自身的观测值进行比较，消去大部分误差，得到一个比较准确的位置。
卫星导航系统主要包括全球四大导航卫星系统，以及区域系统和增强系统。全球4大卫星导航系统供应商，包括美国的全球定位系统GPS、俄罗斯的格洛纳斯卫星导航系统（GLONASS）、欧盟的伽利略卫星导航系统（GALILEO）和中国的北斗卫星导航系统（BDS）。除此之外，还有日本、印度等国家的区域卫星导航系统。
使用RTK技术可以帮助GNSS实现厘米级的定位精度。RTK（Real-timekinematic）载波相位差分技术，卫其原理是卫星轨道误差、卫星钟差、电离层延迟、对流层延迟等误差对相距不远的GNSS站影响接近，特定的地理坐标点、卫星接收站等，以该点位为中心的20-40km半径范围内，可以通过站间观测值差分消除，进而实现相位模糊度的快速固定与瞬时厘米级定位。
高精度地图：实现L3及以上自动驾驶的必备基础
高精度地图，即HDMap（HighDefinitionMap）或HADMap（HighlyAutomatedDrivingMap），是指绝对精度和相对精度均在1米以内的高精度、高新鲜度、高丰富度的电子地图。其信息包括道路类型、曲率、车道线位置等道路信息，路边基础设施、障碍物、交通标志等环境对象信息，以及交通流量、红绿灯状态信息等实时动态信息。根据地图信息的不同，高精度地图由底层到上层可以分为四个层级：为静态地图、准静态地图、准动态地图和动态地图。
高精度地图比传统地图优势显著。与传统地图相比，基于自动驾驶系统的需求，高精度地图在保留地图检索、道路规划、渲染、诱导等功能基础上，侧重地图信息丰富性、精度高、提升计算机器或汽车智能化三大方向，以及高频更新、标识横纵向定位、坡度曲率节能应用与舒适性提升等。
行业拥有较高准入门槛，百度、四维图新和高德三足鼎立
高精度地图行业拥有较高的准入门槛，需要有甲级测绘资质。测绘资质方面，我国对企业获得地图测绘与制作资质有严格的要求，并不对国外厂商开放。年出台的《关于加强自动驾驶地图生产测试与应用管理的通知》规定，自动驾驶地图的绘制需由具有导航电子地图制作测绘资质的单位承担，在道路测试过程中要严格限制地图接触的人员范围，对于初创公司来说有一定的门槛要求。截至年12月，仅有28家公司进入国内高精地图甲级测绘资质名单。
国内图商占主要份额，百度、四维图新和高德呈现“三足鼎立”的局面。由于高精度地图涉及国家地理机密，国内高精度地图主要玩家大多是本土公司，根据IDC统计，年国内高精度地图行业市场份额前五名公司为百度、四维图新、高德、易图通以及Here，其中CR3超过65%，呈现“三足鼎立”的局面。
集中采集和众包采集高度整合是未来地图数据采集的主要趋势
高精度地图的制作大致分为数据采集、绘图、更新和验证四部分。其中数据采集提供地理数据的来源，绘图环节通过数据融合及相关算法完成语义识别，将地理数据转换为道路模型，更新环节结合传感器等硬件实现高精度地图的实时更新，验证环节则结合人工与AI算法完成最后的确认。
高精度地图的数据采集成本较高。数据采集消耗成本巨大，仅一辆高精地图采集车需要配置的设备就包括：激光雷达、摄像头、陀螺仪、GPS接收机、数据存储和计算设备等。同时，高精地图精细程度高，传统地图生产方式难以满足其量产应用的需要。采用传统测绘车方式，在成本约束下，测绘效率很难大幅度提高。
数据采集方式有集中采集和众包采集：（1）集中采集：精度高，但更新频率低、采集成本高，高德、百度、Tomtom等公司更多采用专业测绘车集中制图；（2）众包采集：数据鲜度高、成本低，但采集精度低、可靠性和一致性较差，丰田、特斯拉、Here等厂商则选择采用众包采集的模式。未来，以集中采集为建图基础，在海量众包数据中快速提炼符合规范的静态图层变更信息和动态图层实况信息，两者深度结合的技术模式成为主流的方向。
多源数据融合成为需要，自动化绘制起成为发展趋势。高精度地图提供的地图数据不仅包括传统路网信息，还包括高精度车道级及环境信息数据，以及动态感知层和驾驶决策层部分信息，数据绘制的自动化和智能化成为重要的发展趋势。目前常用的绘图方法是将采集环节得到的数据经过清洗、加总建模后借助语义识别模型进行绘图。而借助AI技术完成不同传感器数据自动融合识别，即把GNSS/INS、点云、图像等数据叠加在一起，进行道路标线、路沿、路牌、交通标志等道路元素的识别，从而简化高精地图数据处理流程并不断提高制图效率，对于复杂环境尤为重要。
更新技术面临挑战，5G赋能或成解决方案。高精度地图的更新，考虑到当前的技术水平和成本，季度更新策略最佳。在更新的时候，可以采用小版本部分更新或者是增量更新的方式，大版本采用全部更新的策略。对于高精地图里的动态或准动态部分，一般通过车联网以实时或准实时（秒到小时级别）的频率更新。
未来高精度地图会更多的借助大数据和地图云服务平台进行更新和分发。这其中，5G赋能让高精度地图和云计算结合得更加紧密，更加实时。5G网络带来数据传输速率的大幅提升，让高精度地图的采集与更新变得更加实时动态。专业化高精度采集、众包采集和路侧采集等多种地图采集方式的动态信息，依托5G网络实时同步至云端进行加工处理；同时，更新后的高精度地图及实时信息从云端对道路上行驶的车辆进行同步更新。
车路协同高速发展，高精度地图与路侧感知体系互相成就。一方面，路侧的传感器将成为高精地图更新的有效数据来源。路侧感知能力与车端感知能力紧密结合，增加信息冗余度，互相校验及融合，为高精地图提供更为精准丰富的信息。另一方面，高精度地图可以赋能路侧感知体系。前端感知设备与高精度地图结合，实现前端感知数据附带地理属性，进而与平台GIS地图无缝结合且可支持车路协同数据应用。
成本负担较高，成本随精度要求急剧提升。高精度地图的主要成本分为采集成本和编译成本两部分。其中采集成本包括备成本、采集车辆的行驶耗材、过路费及人力成本等，仅一辆高精地图采集车需要配置的设备就包括：激光雷达、摄像头、陀螺仪、GPS接收机、数据存储和计算设备等；而编译制作成本主要是人力成本。
随着地图精度要求的提升，集中采集和众包采集方法在数据收集与更新上的成本大幅上涨，主要是由于设备成本和人工成本的提升。但随着5G技术的发展与人工智能算法的进步，相关成本最终会趋于平稳。
图商从交付转向服务，云平台SaaS是方向
盈利模式区别于传统地图，云平台SaaS模式是未来大方向。区别于传统地图的的License授权模式，高精度地图的主要有按单位时间和按数据量收费两种收费模式，核心区别在于收费稳定，初期阶段基本以服务功能开发费+License组合为基础；此外，还存在一种“免费”模式，即图商向客户免费提供现有数据产品，但同时客户需向图商提供收集到的数据，地图的价格即为客户收集数据的价值。
由于高精地图对数据更新的实时性提出很高的要求，从高精度的产品形态和服务方式角度，通过云服务平台对实时更新的高精地图数据进行实时分发是一种可行的方式，云平台可以实时收集各车的行驶数据来补充道路情况信息闭环，增强收集数据密度而降低收集成本。
图商的角色从交付向服务演变，客户从B端向C端扩展。由于高精度地图需要实时更新，图商不再只是交付并收费的模式，而是开始向地理信息数据服务商转型。图商正逐渐成为自动驾驶时代的重要参与者、合作者、服务商。同时，除了向车厂或者自动驾驶出行服务商提供地理信息数据服务这种B端的业务，在大规模自动驾驶落地的趋势下，高精度地图也会向C端延伸，但大规模的民用落地还需根据宏观政策进行调整。
“GNSS+IMU+高精度地图”组成多融合车身感知定位系统
高精度是车身感知定位系统的核心。车身感知定位系统的关键是高精度，定位精度越高，自动驾驶的可靠性越高。第一，高精度的车身感知定位系统能够不受极端天气和环境等因素的干扰，能持续稳定地提供的车道级位置感知；第二，不同的传感器有不同的工作时钟和延迟，高精度车身感知定位系统能够实现感知信息的时空同步；第三，高精度的车身感知定位系统可以在较少资源下获得较高的定位精度，从而减少数据运算量，降低系统复杂程度；第四，高精度的车身感知定位系统能够让每一辆车都能够精确地定出自己的位置，通过车车通信和车路通信把自己的位置分享给其他车辆，有利于实现V2X应用。
根据组合导航模块的耦合程度不同，多传感器融合的定位系统主要包括三种结构：松耦合（LooseCoupling）、紧耦合（TightCoupling）和深耦合（DeepCoupling）。
松耦合（LooseCoupling）：GNSS和INS独立工作，GNSS输出RTK定位结果，INS输出惯性数据，两者将数据送入滤波器内。滤波器通过比较二者的差值，建立误差模型以估计INS的误差，并将误差补偿反馈给INS。优点是易于实现，性能比较稳定。缺点是当卫星数量低于最低数量时，GNSS的输出就会失效。且在信号存在遮挡的场景，定位稳定性、可靠性不如另外两种耦合；
紧耦合（TightCoupling）：GNSS输出观测量（伪距、伪距率）来与INS输出的惯性数据作差，并将差值输出给滤波器，从而用来进行INS误差的估计，并将误差补偿通过反馈的方式补偿给INS，经过校正的INS惯性数据输入到组合导航模块滤波器，结合RTK定位结果最终得到组合导航解。
深耦合（DeepCoupling）：在紧耦合的基础上，将INS的部分数据直接送到基带芯片里，INS的惯性数据作为GNSS解算的一部分。通过INS准确的相对多普勒变化信息，辅助信号跟踪，提高恶劣环境下多普勒的估计准确度。从而提高恶劣环境下载波相位、伪距等观测量的精度和连续性，减少观测量中断和跳变，从而有效提高组合导航精度和可靠性。
根据百度Apollo研究表明，通过GNSS-RTK可实现65%的综合场景定位误差小于20cm的覆盖率，GNSS+IMU的卫惯组合则可以实现85%左右的场景覆盖，GNSS+IMU+感知与地图的融合高精度定位系统可以实现97.5%的覆盖率。
常用的GNSS-RTK+IMU组合惯导方案在一些场景的定位精度稳定性仍不能完全满足自动驾驶的要求，如城市楼宇群、地下车库等。GNSS长时间信号微弱的场景下，依靠GNSS信号更新精确定位稳定性不足。在组合惯导中引入并融合激光雷达/视觉传感定位等环境信息进行融合定位，形成GNSS-RTK+IMU航迹推算+感知与高精度地图匹配的定位系统是发展的必然。以百度Apollo的多传感器融合定位系统解决方案为例，惯性导航系统处于定位模块的中心位置，模块将IMU、GNSS、Lidar等定位信息进行融合，通过惯性导航系统解算修正后最终输出满足自动驾驶需求的6个自由度的高精度位置信息。
“GNSS-RTK+IMU+高精度地图”的定位方案逐渐成为高阶智能驾驶汽车的主流选择。
乘用车领域：自年开始，融合定位方案开始逐渐在新车型商落地，广汽的埃安系列成为国内首个采用“GNSS+IMU+高精度地图”高精度定位方案的车型，再如小鹏P5与P7、红旗E-HS9等都采用了“GNSS-RTK+IMU+高精度地图”的方案；
商用车领域：无论运营场景复杂程度如何，“GNSS+IMU”的组合导航系统是绝大部分厂商都会选择的方案，部分厂商选择了在GNSS+IMU的基础上增加了传感器与高精度地图进行融合定位的方案。
厘米级的高精度定位传感器是L3级及以上自动驾驶的标配。高精度定位传感器主要部件包括高精度定位芯片（射频、基带）、IMU、天线、板卡等。成本方面，高精度GNSS定位加天线的成本在百元级，符合精度要求的IMU器件成本将长期保持在千元级。GNSS-RTK+IMU组合的量产价格较高，短期在0美元左右，随着规模化量产以及工艺的成熟，整体价格有望在年下降至美元。
高精度定位芯片：主要包括射频和基带芯片，射频部分对微弱的模拟信号进行接收、滤波、放大、变频；基带部分对码信号进行解算，其中相关器模块实现对码信号的读取；目前北斗芯片已不输于GPS，3米的普通精度车载导航芯片价格不超过6元，几十厘米定位精度的高精度芯片，价格在几十元到数百元不等；
IMU：价格和精度高度正相关，产品竞争核心在于平衡高精度和低成本。主要被海外垄断，目前主要的供应商包括ADI、Honeywell、NorthropGrumman等；
GNSS板卡+天线：高精度板卡是高精度GNSS终端设备的核心，其成本占到终端总成本的60%以上，技术门槛非常高，长期被美国Trimble和加拿大NovAtel垄断，目前国产高精度板卡销量市占率30%左右；我国北斗天线的国产替代率较高，国内市场份额占比超75%。
空间测算：预计到年全球卫惯市场空间亿元，高精度地图市场空间约90亿元
小鹏P5与P7、红旗E-HS9、蔚来ET7等都标配了高精度定位模块。以GNSS-RTK+IMU组合为例，目前，车载惯性导航的单车价值量在0-0元左右，定位精度要求不同，价格有所差异，GNSS-RTK+IMU组合的量产价格目前大约在0美元左右，预计到年有望下降到美元左右，假设到年GNSS-RTK+IMU组合单车价值量约在元左右，假设L3及以上的渗透率为12%，对应年全球卫惯组合的市场规模约为亿元，对应远期年市场空间亿元。而对于高精度地图而言，高精度地图的收费主要分为一次性License费用和后续每年的订阅费，License费用约0元左右，订阅费为元/年。高精度地图作为L3以上车型的标配，对应年全球市场规模约在90亿元左右。（报告来源：未来智库）
7网联感知：车载端、路侧端、云端
“车、路、云”一体化，C-V2X商业化落地进入倒计时
车用无线通信技术（VehicletoEverything,V2X），是实现车与车（V2V）、车与路（V2I）、车与人（V2P）、车与网（V2N）相连接的新一代信息通信技术。V2X通过将人、车、路、云等交通参与要素有机地联系在一起，构建一个智慧的交通体系。整个V2X系统可以分为云端、路侧端与车载端：
云端：V2X云平台，实现大数据及人工智能算法智能分析、交通调度优化、高精度定位、车辆状态管理、车辆在线升级、信息服务等；
路侧端：包括路侧通信单元RSU（RoadSideUnit）、路测计算单元（MEC）,路侧感知单元（雷达、摄像头、交通信号灯与指示牌等环境信息）；
车载端：完成BSM消息的上报、V2X消息的接收与解析、CAN数据的读取与解析、消息的展示与提醒、保障信息安全。
政策为车联网商业化落地的保驾护航。自年以来，国务院、国家发改委、工信部、交通运输部等多部门都陆续印发了支持、规范车联网行业的发展政策。年7月，工信部联合十部门发布《5G应用“扬帆”行动计划（－年）》，强调了5G与车联网融合的重要性，C-V2X技术升级和相关通信模块的部署也是未来三年国家的重要建设方向之一。各主要地区也在纷纷建设智能网联汽车测试示范区，发放自动驾驶道路测试牌照，各个省市也都提出了自己的车联网“十四五”规划。其中，江苏省提出部署RSU车联网道路0公里，河北、江苏、天津、安徽和湖南省也都提出进行先导区建设和核心技术的攻克，重庆和天津均明确提出进行V2X技术升级，C-V2X商业化落地进入倒计时。
全球车联网通信标准主要有DSRC和C-V2X两条技术路线。（1）DSRC：专用短程通信技术（DedicatedShortRangeCommunication）由IEEE提出，主要由欧美主导，发展自上世纪末，经过近二十年的发展，技术已经相对成熟；（2）C-V2X：蜂窝车联网（Cellular-V2X）由3GPP提出，由中国主导，主要有LTE-V2X和5GNR-V2X两种。年11月美国联邦通讯委员会将5.9GHz频段划拨给C-V2X使用，年4月，工信部批准了7个V2X标准，C-V2X逐渐成为车联网的主流。
通过C-V2X车载终端设备及智能路侧设备的多源感知融合，对道路环境实时状况进行感知、分析和决策，在可能发生危险或碰撞的情况下，智能网联汽车进行提前告警，为车辆出行提供更可靠、安全、实时的环境信息获取，从而减少交通事故或降低交通致伤亡率，对于汽车行驶安全有十分重要的意义。
C-V2X产业链主要包括通信芯片、通信模组、终端设备、整车、智能道路、测试验证以及运营与服务环节，参与方包括芯片厂商、设备厂商、主机厂、方案商、电信运营商、交通运营部门和交通管理部门等。
从整个落地时间表来看，在设备方面，19年完成LTE-V2X相关的标准制定，完成大规模测试，20年实现支持LTE-V2X车载终端的量产如4G/5G+LTE-V2X多模终端。21-25年开展5G-V2X相关的标准制定工作，开发支持5G-V2X通信功能的车载终端，开展相关验证测试工作。而在搭载率方面，年，后装C-V2X设备在局部示范区内应用，20-21年开始在新车前装C-V2X，预计到年，C-V2X的新车搭载率将达到50%。
车载端：前装5GC-V2X量产开启，有望成为数字座舱标配
车载终端是指在车内提供无线通信能力的电子设备，是构智能网联的关键节点。目前车载终端主要通过3G/4G/5G蜂窝通信网络与车联网云平台连接，提供车载信息和娱乐服务，满足人们在车内的信息娱乐需求。新一代V2X车载终端将集成C-V2X技术，可以实现车与车、车与路、车与人、车与云平台之间的全方位连接。车载终端主要包括通信芯片、通信模组、OBU（OnBoardUnit）、V2X协议栈及V2X应用软件。行业参与者众多，以华为为例，在C-V2X已推出了C-V2X芯片、网关、T-box、路测单元和端到端全面解决方案。
未来5G-V2X或将成为数字座舱标配。随着芯片算力的提升，数字座舱集成度将快速提升，智能座舱进一步集成ADAS、V2X、云服务等功能。例如高通第三代和第四代骁龙汽车数字座舱平台均集成C-V2X，未来5G-V2X或将成为数字座舱标配。V2X可以与T-BOX融合，也可以与ADAS或自动驾驶平台融合，不同的Tier1、主机厂已在开发相应产品。目前量产车型大多采用V2X与TBOX融合，集成5G+LTE-V2X+WiFi+GNSS功能在一个模组，价格约0元左右，未来有望价格将进一步下降至0-1元左右。具体来看，C-V2X在硬件方面的产品形态包括：
C-V2X+T-BOX：博泰推出了5GC-V2XT-BOX，采用华为MH0模组，C-V2X+T-BOX可以融合4G/5G模块、C-V2X模组、CAN控制器、GNSS等；
整合智能天线：GNSS定位模块+4G/5G+V2X，集成多合一智能天线，年上市的红旗E-HS9搭载了和东软联合研发的C-V2X智能天线；
整合ETC：“ETC+T-BOX+C-V2X”多合一终端，如千方科技在乘用车现有4G/5GT-Box平台上集成车规级ETC模组，C-V2XPC5模组，打通ETC、V2X与车载导航系统、ADAS系统连接；
整合HUD：AR导航和ARHUD技术将进一步增强ADAS、V2V和V2I通信技术的融合，将成为V2X的重要展示界面，长城WEY摩卡搭载了高通座舱芯片、5G+V2X和AR-HUD；
与自动驾驶域控制器融合：C-V2X还可以与自动驾驶域控制器融合，作为自动驾驶的冗余传感器。
在终端量产落地方面，自年福特宣布首款C-V2X车型量产以来，各家OEM车厂都在纷纷布局C-V2X硬件等车联网感知产品的落地。根据佐思汽研的数据显示，年1-8月，国内乘用车新车车联网信息系统装配率达到57.1%，同比增加4.6个百分点，其中自主品牌为59.6%，同比增加1.2个百分点。其中，吉利领克、长城WEY、长城坦克、上汽R汽车、东风岚图、北汽极狐等自主高端品牌车联网信息系统装配率超过98%。自年开始，C-V2X硬件开始在多个量产车型上搭载，如长城摩卡、广汽埃安、高合等，车联网感知产品的商业化进程加速。
路侧端：与单车智能相结合，朝着综合智能网联汽车发展
路侧端设施主要包括路侧通信单元、路测计算单元、路侧感知单元：
路侧通信单元：RSU（RoadSideUnit）集成C-V2X技术，实现路与车、路与人、路与云平台之间的全方位连接，为网联车辆提供交通安全、交通效率和信息服务应用，同时也为交通协同管控、交通运营服务提供有效的手段；
路测计算单元：在设备端有多种实现方式，可以融合到RSU内，本地的MEC（Multi-acessEdgeComputing，多接入边缘计算）单元、区域的计算中心，负责对本地或区域的数据进行处理、存储，以及应用、服务的计算与发布；
路侧感知单元：由一系列路侧感知设备如雷达、摄像头、交通信号灯等与处理设备构成，实现对本地交通环境和状态的实时感知，包括信号灯信息、交通参与者信息、交通事件信息、定位信息等。
路侧单元（RSU）的主要部件包括通信芯片、通信模组、单元设备、V2X协议栈及应用软件。通信芯片、通信模组等模组的供应商与OBU基本相同，目前的RSU供应商主要来大唐、华为、东软、星云互联、金溢科技、千方科技、万集科技等。
对一套完整的车路协同系统而言，路侧感知设备包括摄像头、毫米波雷达、激光雷达等，其利用5GRSU/CPE进行数据收集并通过5G网络回传。为避免发生信号干扰，通常单个点位部署1台5GRSU，实现路口区域的PC5通信，其余杆件设备及信号机则通过5GCPE代替实现5G回传功能。在十字路口，为实现对于四个方向的目标对象的全要素感知，通常部署4套车路协同感知设备。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：。