自动驾驶的两种技术路径选择：

感知层是自动驾驶汽车的?信息输入来源，其具体解决方案主要是以在整车的前、后部及侧围布置摄像头及雷达的不同组合为主。目前主流的技术轮径有两种：

A、以特斯拉为代表的低感知+高数据处理能力的方式。（主要标志为不加入激光雷达）

B、以谷歌为代表的高感知+高数据处理能力的方式。（主要标志为加入激光雷达）

目前自动驾驶技术路径的分化主要不同企业的比较优势与产品、企业属性所决定的。

低感知+高数据处理能力：自我迭代，迎合新趋势

在低感知+高数据处理能力方向，代表企业为特斯拉以及大部分传统车企，该方向的主要标志是在感知层暂不加入激光雷达（原因如上图）。这些企业提供的产品是附加辅助驾驶/自动驾驶功能的乘用车，产品属性本质上来说还是我们一般意义上的乘用车（耐用消费品）。

另外从这些企业利益的角度来看，他们现在已经拥有非常成熟高效的汽车生产线，要将其改造成适应自动驾驶的产线非常困难。而新建产线所面临的不仅是建设成本问题，而且还是长时间烧钱而没有产出所带来的风险。所以在这条路径上自动驾驶发展这些企业选择的是从L2到,L5逐级渐进式发展策略。

高感知+高数据处理能力：合作互补与颠覆性创新

在高感知+高数据处理能力方向，代表企业主要有三类分别是：以算法、数据见长的互联网企业，共享出行企业，以及激进的传统车企。该技术方向主要标志是在自动驾驶的感知层加入激光雷达（原因如上图）。这些企业提供的产品是本质上是人或物地理位置的转移（兼有快速消费品及耐用消费品属性）。

互联网+传统车企：对于互联网企业来说，在自动驾驶领域他们是以算法和数据能力见长，造车并不是他们的强项，他们欠缺的一台开放内部总线接口的汽车。对于传统车企来说，在自动驾驶来出现时他们是极其抗拒的，但自动驾驶趋势的确定性增加，传统车企身在局中最终也不得不顺应时代。于是自2015年开始陆续开始有传统车企开放自己的车辆总线，与有数据，算法优势的互联网企业进行深度合作，互补优劣势。

共享出行：对于共享出行企业来说，他们解决了比拥有一辆汽车更本质的问题，提供了更直接的人或物在空间转移上的解决方案。对这些企业来说，汽车是他们的生产力工具，一次性的购车成本并不那么重要。他们的目前的核心诉求是解决占成本2/3的人力支出，更安全的乘车保障。（这也是共享出行企业是最坚定的激光雷达拥护者的原因）车辆外观的考虑权重会降低，驾驶体验的要求更是被完全取代，毕竟这些车辆外来的最终形态可能是连方向盘，油门，刹车踏板都不存在的。

总的来说在短期的未来，自动驾驶还是以一个辅助形式长期与人类驾驶共存，在特定的环境限制下可能会完全的自动驾驶商用落地。

两种自动驾驶技术路径均有其存在的客观原因，也将长期并存。二者谁将领先则取决于：激光雷达价格降低速度与人工智能算法进化的速度谁能占据上风。

如何让汽车读懂环境：硬件篇

自动驾驶环境传感器是智能汽车的检测系统，是汽车实现自动驾驶的感知端基石。传感器通过将感受到的被测量信息按照特定规则转化为电信号，进而将其传输到汽车的中央控制单元中进行环境监测、车身感知、决策规划，从而协助智能驾驶汽车实现自动驾驶。无论是在ADAS还是高等级自动驾驶技术中心，传感器都扮演了感知端基石的角色，一辆汽车所搭载的传感器数量与质量的水平，也往往直接决定了其智能化水平的高低。目前自动驾驶的核心传感器包括车载摄像头、毫米波雷达、激光雷达，在ADAS系统中主要以摄像头与毫米波雷达为主.

如下图为不同传感器在自动驾驶上的发展趋势，各种传感器能形成良好的优势互补，目前市场上应用最多的传感器是摄像头与毫米波雷达，随着激光雷达技术的进步与成本的降低，多元传感器融合将成为未来的趋势。

如下图为不同级别自动驾驶所需传感器数量

自动驾驶渗透率逐步提升叠加级别持续提升，汽车传感器市场需求旺盛

在智能汽车快速发展的背景下，中国汽车传感器厂商有望弯道超车，在自动驾驶传感器领域占据优势地位。我们预计，未来几年中国汽车传感器行业将望保持快速增长的趋势，并于2023年突破340亿元

ADAS系统渗透率变化趋势如下图

中国汽车传感器市场规模如下图

车载摄像头：

车载摄像头是ADAS（高级辅助驾驶）系统的主要视觉传感器，很大程度上决定了ADAS的发展进程。通过感知车辆周边的道路状况，帮助实现前向碰撞预警、车道偏离预警、行人检测、自动泊车等ADAS功能，实现驾驶安全性的提升。同时，车载摄像头将作为车联网信息处理的重要入口，结合智能座舱和车载信息娱乐系统，实现多层次的人机交互模式，满足未来出现的个性化需求。

如下图为不同种类车载摄像头的需求特性及应用场景

在硬件性能方面，车载摄像头比工业级别摄像头要求更高。1）温度要求：车载摄像头需要应对多种复杂环境，温度范围要求一般在在-40度~80度；2）像素要求：为降低芯片处理的负担，摄像头的像素并不需要非常高，30万-200万像素已经能满足要求。3）探测范围与角度：对于环视和后视，一般采用135度以上的广角镜头，探测距离在10米以内，前置摄像头对视距要求更大，一般采用40-70度的视角范围，视距要求一般在120米以上，双目摄像头视距一般小于单目；4）功耗：车载摄像头功率不宜过大，一般在10W以下。

与传统摄像头不同的是，自动驾驶摄像头产业最重要的部分并非摄像头硬件本身，而是自动驾驶芯片以及基于芯片的视觉系统自动驾驶算法和解决方案。

车载雷达：

根据公式：光速=波长*频率，频率越高，波长越短。波长越短，意味着分辨率越高；而分辨率越高，意味着在距离、速度、角度上的测量精度更高。

测量精度：激光雷达＞毫米波＞超声波

如图为雷达波长与频率图示

毫米波雷达

毫米波雷达，是一种使用天线发射毫米波作为放射波的雷达传感器，通过处理目标反射信号获取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。毫米波雷达可根据所探知的物体信息对目标进行追踪和分类，电子控制单元（ECU）结合车身动态信息进行智能决策，通过声音、光线及触觉等多种传感方式告知驾驶者，或直接进行自动变速、制动处理，从而降低驾驶事故发生的概率。

相较于摄像头和激光雷达等车载传感器，毫米波雷达具有独特的优势。

1）集成度高，受外界环境影响小：毫米波波长介于厘米波及光波之间，兼具微波制导和光电制导的优点，与微波导引头相比，毫米波导引头体积小、重量轻、集成度高，与红外导引头相比，毫米波导引头穿透烟雾，雨点能力强，，可全天候全天时工作，对环境依赖度低；

2）测量精度高：毫米波频率高，多普勒效应显著，距离和速度测量精度高（可达厘米级别），此外，毫米波雷达可在小天线口径下获得窄波束，细节分辨能力强、被截获性低、抗干扰能力强；

3）性价比较高：毫米波雷达探测距离约为200m，相较于激光雷达，毫米波雷达的成本很低，可以在自动驾驶汽车上大规模推广应用

从毫米波雷达的频段分布上看，目前毫米波雷达主要分布在24GHz和77GHz两个频段。其中24GHz主要用于中短距离雷达，探测距离大约在50-70米；77GHz主要用于长距离雷达，探测距离大约在150-250米。24GHz目前大量应用于中短距测量，包括汽车的盲点监测、变道辅助，其雷达安装在车辆的后保险杠内，用于监测车辆后方两侧的车道是否有车、可否进行变道等。

如图为24GHz与77GHz频段毫米波的特点

如图为24Ghz与77Ghz在汽车上的应用

在硬件方面，毫米波雷达主要由天线、射频组件、信号处理模块以及控制电路等部分构成，其中天线和射频组件是最核心的硬件部分。

天线是实现毫米波发射和接收的部件，由于毫米波的波长只有毫米长度，天线可以实现小型化，同时通过设计多根天线可以形成列阵，因此集成在PCB板上成为一种很好的解决方案，占毫米波雷达总成本的10%左右。这种天线PCB板具有体积小、重量轻、低成本、电性能多样化以及易集成等多种优点。射频组件负责毫米波信号调制、发射、接收以及回波信号的解调等，为满足车载雷达小体积、低成本等要求，目前最主流的方案就是将射频组件集成化，即单片微波集成电路（MMIC），占毫米波雷达总成本的25%左右。

在软件方面，毫米波雷达的数字处理算法包含列阵天线的波束形成算法、信号检测、测量算法、分类和跟踪算法，后端算法占整个毫米波雷达总成本的比例为50%，主要包含算法开发过程中的人力及时间成本，主要通过中游企业自主研发实现。毫米波雷达算法的定制属性强，不同距离、不同应用类型的毫米波雷达应用的算法差异大，因而其研发频率大、研发成本高。同时，算法是影响毫米波雷达性能的决定性因素之一，需大量测试数据支撑才可保证算法的精确度，因此，毫米波雷达在软件层面也具有较高的技术壁垒。

中国毫米波雷达现状如下图

如何防止毫米波之间的干扰？

对于5G通信使用的毫米波，目前已有较好的解决方案。使用滤波技术可以对波段外的信号有非常强的带外抑制比例。

毫米波雷达之间的干扰：目前毫米波雷达在现有汽车中渗透率约为5%，造成的影响比较有限，但未来会成为一个痛点问题。现有的解决方案是跳频通讯，当检测到外来毫米波，发射装置会自动跳到另外一个频点，避开在同一个频段内工作。

毫米波雷达未来趋势：

激光雷达

与雷达工作原理类似，激光雷达通过测量激光信号的时间差和相位差来确定距离，但其最大优势在于能够利用多谱勒成像技术，创建出目标清晰的3D图像。激光雷达通过发射和接收激光束，分析激光遇到目标对象后的折返时间，计算出到目标对象的相对距离（图6），并利用此过程中收集到的目标对象表面大量密集的点的三维坐标、反射率和纹理等信息，快速得到出被测目标的三维模型以及线、面、体等各种相关数据，建立三维点云图，绘制出环境地图，以达到环境感知的目的。由于光速非常快，飞行时间可能非常短，因此要求测量设备具备非常高的精度。从效果上来讲，激光雷达维度（线束）越多，测量精度越高，安全性就越高。

如下图为128线激光雷达呈现的点云图

在价格方面，现阶段无人驾驶领域的激光雷达在几万~几十万的区间，价格较为高昂，目前尚未普及。随着技术的不断改进，固态化、小型化及低成本激光雷达将是未来发展趋势

如图下图为激光雷达价格预测，硬件成本下降明显：

激光雷达主要包括激光发射、扫描系统、激光接收和信息处理四大系统，这四个系统相辅相成，形成传感闭环。首先激光发射系统中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；扫描系统负责以稳定的转速旋转起来，实现对所在平面的扫描，并产生实时的平面图信息；激光接收系统中光电探测器接受目标物体反射回来的激光，产生接收信号；信息处理系统中接收信号经过放大处理和数模转换，经由信息处理模块计算，获取目标表面形态、物理属性等特性，最终建立物体模型。

如图为激光雷达的分类情况,激光雷达的各个环节几乎都有不同的执行方式，不同环节的组合构成了激光雷达的多种实现方法。

根据结构，激光雷达分为机械式激光雷达、混合固态激光雷达和固态激光雷达。

机械式激光雷达以一定的速度旋转，在水平方向采用机械360°旋转扫描，在垂直方向采用定向分布式扫描以搜集动态信息；

混合固态激光雷达MEMS（微机电系统）微镜把所有的机械部件集成到单个芯片上，利用半导体工艺生产，不需要机械式旋转电机，而是以电的方式来控制光束；

固态激光雷达分为OPA固态激光雷达和Flash固态激光雷达，其中OPA技术原理与相控阵雷达类似，它由元件阵列组成，通过控制每个元件发射光的相位和振幅来控制光束，无需任何机械部件；Flash面阵式激光雷达不同于以上三种逐点扫描的模式，它利用激光器同时照亮整个场景，对场景进行光覆盖，一次性实现全局成像。

不同扫描方式激光雷达的优劣势比较：

不同扫描方式激光雷达的应用情况及前景：

目前来说在自动驾驶“跨越式”的演变历程中， 机械式雷达率先发展起来，经过不断迭代，目前机械式激光雷达的技术已经趋于成熟，同时高线束的机械式激光雷达能够获得更高的分辨率与测距距离，所以其目前会获得高级自动驾驶商的青睐。但使用传统的机械式激光雷达，也要面临高昂的装车成本问题，和产品低稳定性带来的安全风险和维护成本。

未来固态激光雷达会代替现有的机械式激光雷达，因为固态激光雷达可以很好的解决机械式激光雷达面临的物料成本高+量产成本高的问题。固态激光雷达的优势在于，能够最大程度地减少了例如电机、轴承等可动机械结构带来磨损，同时也消除了光电器件因为机械旋转可能造成故障，其与生俱来的特性使得雷达内部的结构布局更加合理，使整体散热及稳定性相比于机械式激光雷达有质的飞跃。

在固态激光雷达技术演技路线层面，基于MEMS方式的固态激光雷达是最有希望快速落地的成熟方案。

基于OPA的固态激光雷达尽管有着扫描速度快、精度高、可控性好的优点，但其生产难度较高。

Flash雷达虽然稳定性和成本不错，但其探测距离较近，使用场景受限。

总体来说，通过微振镜的方式改变单个发射器的发射角度进行扫描，形成面阵扫描视野的MEMS激光雷达，不仅技术上更容易实现，价格也更加可控，现阶段被普遍看好。