环境感知报告

激光雷达：2022 年有望迈入量产元年，关注上游放量机遇 随着技术持续迭代驱动成本端下行，以及自动驾驶落地应用场景逐渐明确，车载激光雷达有望于 2022 年迎来量产元年。根据我们的测算，2022 年国内车载激光雷达出货金额有望达 15 亿元，至 2025 年有望提升至 110 亿元，对应 2023~2025 年 CAGR 为 94%。全球来看，中国的工程师红利、完善的汽车上游零部件/光通信产业链为孕育激光雷达产业快速发展奠定基础。目前我国激光雷达上游核心部件如发射端激光芯片、接收端探测器芯片、处

遥感行业应用极其广泛，可类比天空的“海康威视”。我们认为，遥感行业可以按照物联网框架来理解，感知层的传感器从传统的地面摄像头方式转变成了天空的遥感图像、无人机、热红外等方式，经过平台层处理后产生了大量的应用。我们之前已经指出，根据gisgeography总结，遥感行业的应用及其广阔，遍布农业、林业、气候、保险、零售、生物多样性等各个领域，并结合了无人驾驶、5G、激光雷达、无人机、人工智能等技术。 行业仍然处于早期。首先，从硬件端，遥感行业所具备的高分辨率、实时性仍然有提

车载镜头：自动驾驶之眼，长坡厚雪优质赛道。 高成长：2017 年特斯拉推出 model 3、搭载 L2 级自动辅助驾驶、8 颗摄像头，考虑整车厂从车型规划到投产的周期在 3 年以上，我们认为2021 年 L2 级自动辅助驾驶渗透率快速放量，预计未来自动辅助驾驶渗透率曲线将高度拟合智能手机渗透率 S 曲线，实现快速增长。2020 年全球车载摄像头出货量达 1.65 亿颗，单车搭载摄像头数量达 2.1 颗。预计 2025 年单车摄像头数量达 8 颗，全球车载摄像头出货量达 8 亿颗，市场规模达 3

这里有一个在地下矿山扫描和定位的案例。采集完地图之后，再把这个地图放在这辆车上，车开出去的同时进行点云扫描，并与地图进行匹配。这可以达到8-15公分的精度，在相对封闭以及车速较低的场景里面是足够用了，比如说港口、矿山、农业机械、工程机械、机场、工厂等，特别是频繁丢失GNSS信号，需要其他定位辅助的场景。我们现在就在矿山和工厂应用的比较多。 接下来是我演讲的主要内容，天宝量产高精度定位解决方案。我们有一个天宝汽车事业部定位模组，可提供硬件Bison、软件TAPP和RTX增强服务，也就是一站式的高

多传感器融合感知大势所趋，高等级自动驾驶中激光雷达不可或缺 尽管 Tesla 坚持纯视觉自动驾驶方案，但从安全性角度，基于摄像头的视觉方案在暗光、环境大光比以及雨水遮挡的情况下容易失效，且深度学习算法难避免长尾效应。从商业角度，大多数厂商缺乏 Tesla的数据和算法积累，跟随 Tesla 方案难免处于被动境地。目前多传感器融合感知路线已成为绝大多数厂家共识，激光雷达通过发射激光来测量物体与传感器之间精确距离，具有测距远、受环境光照影响小等特点，可弥补摄像头和毫米波雷达的缺陷，显著提升自动驾驶系

5G/5G-A的快速发展催生各种新应用不断涌现，未来6G还将提供更加丰富的业务体验，仅具备光通信属性的承载网络已不能满足应用需求，通信、感知与算力等多系统的深度融合成为技术发展新趋势。

本文件规定了路侧激光雷达与外部设备或系统间的数据接口要求，包括基本要求、数据 接口技术要求和数据接口测试方法。 本文件适用于智能交通领域，路侧激光雷达的软件开发和接口符合性测试。路侧激光雷达 road side lidar安装在路边的激光雷达设备，以发射激光束的方式探测道路环境，用于识别交通参与者、 感知交通事件、统计交通流量。

迈向高阶自动驾驶，汽车之“眼”激光雷达成优中之选 特斯拉引领的电子电气架构、软件架构和通信架构的升级，使得自动驾驶升级由“累加ECU”转向算力和数据模型的迭代升级，边际成本递减推动自动驾驶在L3之后升级加速。华为入局更是推动了国内智能汽车行业的加速发展。感知作为智能汽车之“眼”，其探测精度、广度与速度直接影响行驶安全，目前主要有视觉及激光雷达两种方案。其中，视觉方案所获数据与人眼感知的真实世界更为相似，轻硬件、重软件的特性

毫米波雷达作为自动驾驶系统感知层重要硬件，可以完成测距、测方位角和测速度的功能。毫米波雷达完成了从 3D 到 4D 的升级，实现功能和清晰度的升级。4D 毫米波雷达更加契合自动驾驶系统，伴随价格下探有望实现渗透率的快速提升。4D 毫米波雷达充分解决 3D 毫米波雷达的产品痛点，保证角分辨率提升的同时，扩大了视角并拓展了测试距离。射频芯片方案逐步升级，成本稳步下降，4D 毫米波雷达有望复刻 3D 毫米波雷达成本下探节奏。到 2030 年，4D 毫米波雷达国内市场规模有望超过 200 亿元，毫米波雷

事件：特斯拉 HW4.0 或将配备 Arbe 的 4D 毫米波雷达，4D 毫米波雷达关注度上升。1、行业催化：Tesla 或将重启毫米波雷达，国内外车企&Tier1 布局加速回溯 Tesla 的传感器方案，主要经历了“多传感器融合”、“纯视觉”和“4D 毫米波雷达+视觉”3个阶段，我们认为最终采用 4D 毫米波雷达的原因为 4D 毫米波雷达拥有测量俯仰角能力，分辨率高且成本相对激光雷达低，能够较好弥补纯视觉方案的不足，而一开始采用的雷达还不具备测高能力，性能&成本综合考量下，我们

Ouster数字激光雷达正在改变着城市的基础设施 — 在苏州、武汉等多个城市中，我们的激光雷达被安装于道路和十字路口，为智能交通系统、自动驾驶汽车等提供精准的数据支持，从而实现交通监测、提高道路安全并加速量化基建规划。Ouster解决方案集成了高分辨率的数字激光雷达和可对数据进行实时处理的配套软件。不仅能够对道路上的车辆、行人、自行车等物体进行精准探测，还能够探测到交通标志、错行车辆、路沿等特定场景。

激光雷达：主动控制之眼。激光雷达通过激光器和探测器组成的收发阵列，结合光束扫描，可以对所处环境进行实时感知，获取周围物体的精确距离及轮廓信息，以实现识别和避障功能；同时，结合预先采集的高精地图，机器人在环境中通过激光雷达的定位精度可达厘米量级，以实现自主导航。从功能及结构上可以把激光雷达分为激光器、扫描部分、感光芯片三部分。具有绝对优势，并且难以被替代。在类似于隧道，车库等弱光的环境，激光雷达较摄像头方案具有绝对优势，不可替代。