车载激光雷达技术与应用研究报告 (2023年) 中国信息通信研究院技术与标准研究所2023年9月 版权声明 本报告版权属于中国信息通信研究院,并受法律保护。 转载、摘编或利用其它方式使用本报告文字或者观点的,应注明“来源:中国信息通信研究院”。违反上述声明者,本院将追究其相关法律责任 前言 按载荷平台的不同,激光雷达可分为星载激光雷达、机载激光雷达、地基激光雷达、弹载激光雷达和车载激光雷达等。其中,伴随汽车进入智能时代,车载激光雷达引起了业界广泛关注,其可弥补摄像头、毫米波雷达等传统车载环境感知传感器的部分关键缺陷,被业界认为是L3级以上自动驾驶必备传感器。 本报告基于车载激光雷达的应用背景、技术体系、市场空间和产业体系展开研究,分析了车载激光雷达在辅助驾驶和自动驾驶等应用场景的技术需求及发展现状,梳理总结了车载激光雷达的技术路线、产品形态、市场空间和产业链现状,建议技术产业各方在技术攻关、系统研发、产业应用、生态建设、标准及测评体系建设等方面加强协作,共同推动车载激光雷达技术产业发展演进,助力我国智能驾驶持续高质量发展。 目录 一、汽车进入智能时代,激光雷达作用凸显1 (一)政策推动智能驾驶业务规模逐步扩大1 (二)感知传感器是智能驾驶重要应用支撑2 (三)激光雷达助力智能驾驶增强安全保障3 二、技术路线持续演进,集成能力不断增强5 (一)器件选取分支较多,模组集成趋势明显5 (二)应用算法分支繁多,算法路径尚未收敛7 (三)产品形态持续更迭,固态成为未来方向8 三、市场空间逐步提升,投资融资较为活跃10 (一)应用规模不断扩大10 (二)资本市场关注热点12 (三)市场空间增速可观13 四、产业体系相对完备,国内企业积极布局14 (一)国内企业产业链各环节积极布局追赶14 (二)市场份额逐步提升核心专利仍然受限16 (三)国内外标准体系亟需进一步完善构建18 五、总结和建议19 (一)加强关键技术攻关,提升性能降低成本20 (二)逐步收敛技术方案,完善标准规范体系20 (三)强化产业整合能力,引导生态体系建设21 图目录 图1智能驾驶系统架构图3 图2不同传感器之间优劣势互补4 图3采用激光雷达的车企、智能驾驶解决方案供应商及无人驾驶车辆运营商5 图4车载激光雷达技术路线6 图5激光雷达中游产业链视图15 图6激光雷达下游产业链视图16 图7全球车载激光雷达厂商市场份额统计图(2021-2022)17 图8车载激光雷达制造商在自动驾驶领域的专利分布图18 表目录 表1激光雷达光电系统组成分析7 表2车载激光雷达应用算法8 表3混合固态式激光雷达技术方案优劣势对比9 表4固态式激光雷达技术方案对比10 表52017-2023年搭载激光雷达的乘用车型统计11 表62016-2022年部分汽车激光雷达企业融资历史13 一、汽车进入智能时代,激光雷达作用凸显 (一)政策推动智能驾驶业务规模逐步扩大 国家政策及标准规范助推智能驾驶快速发展。“十四五”规划纲要提出提升智能(网联)汽车核心竞争力,加快研发智能(网联)汽车基础技术平台及软硬件系统、线控底盘和智能终端等关键部件;并且明确探索建立无人驾驶等领域的监管框架,完善相关法律法规和伦理审查规则。国家发改委等11部委联合印发《智能汽车创新发展战略》, 在战略愿景中提出,展望2035到2050年,中国智能汽车体系全面建成、更加完善,安全、高效、绿色、文明的汽车强国愿景逐步实现,智能汽车充分满足人民日益增长的美好生活需要。标准规范方面,2021年发布的GB/T40429-2021《汽车驾驶自动化分级》推荐性国家标准对智能驾驶等级进行了划分,为国内智能驾驶的发展提供了基础标准依据。2022年9月,工业和信息化部及相关各方修订形成了《国家车联网产业标准体系建设指南(智能网联汽车)(2022年版)》,确定了智能网联汽车标准体系建设新的原则、目标和发展愿景,提出了体系框架、整体内容及具体标准项目,明确了各项标准在智能网联汽车产业技术体系中的地位和作用。 智能驾驶在乘用车的渗透率持续加深。在国家及地方政府利好政策引领下,智能驾驶市场将迎来蓬勃发展。根据《国家车联网产业标准体系建设指南(智能网联汽车)(2022年版)》(征求意见稿),辅助驾驶是指L0-L2级驾驶自动化功能,自动驾驶是指L3-L5级驾驶自动化功能。我国国家智能网联汽车创新中心(CAICV)发布的《智能 网联汽车技术路线图2.0》对智能驾驶在乘用车的渗透率进行了规划,目标是2020-2025年L2-L3级的智能网联汽车销量占汽车总销量的比例超过50%,在特定场景和限定区域开展L4级车辆商业化应用;2026-2030年,预计L2-L3级的智能网联汽车销量占比超过70%,L4级车辆在高速公路广泛应用,在部分城市道路规模化应用。 (二)感知传感器是智能驾驶重要应用支撑 智能化、网联化与平台化是智能网联汽车与传统汽车的核心区别。智能化即汽车搭载智能摄像头、激光雷达等感知终端及智能操作系统、人工智能芯片,实现超视距数据采集与自动驾驶;网联化即汽车通过车载单元与人、车、路、云全面互联,实现数据互联互通;平台化即交通管理、信息服务等涉车业务的实现逐步向云平台迁移。 感知是智能驾驶的先决条件,其探测的精度、广度与速度直接影响智能驾驶的行驶安全。智能驾驶实现系统分为感知层、决策层、执行层,见图1。感知层通过感知传感器对环境信息和车辆信息进行采集与处理,感知信息数据提供到决策层处理分析后,执行层控制车辆完成动力供给、方向控制等动作,最终实现自动驾驶的目标。感知层包括车辆运动感知和环境感知。车辆运动感知提供车辆行驶中速度、角度及高精度定位等信息,环境感知提供车辆行驶中交通路况和车身环境等信息。运动感知的感知传感器包括自感应传感器和定位传感器。环境感知的感知传感器包括摄像头、毫米波雷达、超声波雷达和激光雷达等。感知层获取的数据可直接影响决策层的判断与执行层的操作。 图1智能驾驶系统架构图 来源:中国信息通信研究院 (三)激光雷达助力智能驾驶增强安全保障 多传感器融合感知是智能驾驶环境感知的关键方案,激光雷达是摄像头、毫米波雷达与超声波雷达的有效补充。智能驾驶感知主要包含纯视觉感知和多传感器融合感知方案。纯视觉感知方案是以摄像头为主导感知外界信息,多传感器融合感知方案是以摄像头、超声波雷达、毫米波雷达及激光雷达等多种传感器协同配合来感知外界信息,不同传感器的优劣势可进行互补(见图2)。激光雷达的环境感知精度高,激光雷达发射的光波频率比微波高出2-3个数量级,具有极高的距离分辨率、角分辨率和速度分辨率。激光雷达可直接获取目标的距离、角度、反射强度、速度等信息,生成目标的三维图像。激光雷达抗干扰能力较强,可弥补摄像头在强光或黑夜等场景下性能劣化的缺陷以及微波雷达对金属物体敏感在人车混杂的场景中不易识别出行人的缺陷。 来源:中国信息通信研究院 图2不同传感器之间优劣势互补 车载激光雷达被认为是L3级以上自动驾驶必备传感器。在积极拥抱智能驾驶技术发展的同时,安全冗余是人们考虑的关键要素,含激光雷达的多传感器融合方案是智能驾驶提速的安全保障。随汽车自动化水平的提升,单车激光雷达搭载数量将不断增加,L3、L4和L5级别自动驾驶或分别需要平均搭载1颗、2-3颗和4-6颗激光雷达。早期车载激光雷达成本高达几万美元,近期已下探至几百美元水平,为车载激光雷达的规模商用奠定了基础。目前,已有部分车企、智能驾驶解决方案供应商及无人驾驶车辆运营商选择含激光雷达的多传感器融合感知作为智能驾驶的核心方案,其中国内车企及无人驾驶运营商数量占优,见图3。据YOLEGroup统计,截止2023年第三季度,已有36家中国车企宣布使用激光雷达,预计国内将有高达106款搭载激光雷达的车型上市,占全球同期预计发布搭载激光雷达新车型总数量近90%,国内激光雷达车企的数量和规模将在未来一段时间 长期领跑。 来源:公开资料整理,中国信息通信研究院 图3采用激光雷达的车企、智能驾驶解决方案供应商及无人驾驶车辆运营商 二、技术路线持续演进,集成能力不断增强 (一)器件选取分支较多,模组集成趋势明显 车载激光雷达可按多种维度进行分类,技术路线众多。从工作原理上看,激光雷达分为时间飞行法(TOF)和调频连续波法(FMCW)两种测距方式;从结构上看,车载激光雷达由四部分组成,即发射激光的发射模块、对特定区域进行扫描的扫描模块、探测回光的接收模块和对点云数据进行处理并反馈的控制模块,其中各部分结构也细分不同的技术方案:发射模块的激光器按结构可分为边发射激光器 (EEL)、垂直腔面发射激光器(VCSEL)及光纤激光器;扫描模块的扫描部件按结构可分为机械式、混合固态式和固态式。当前混合固态式主要有转镜式、棱镜式和MEMS式(振镜式)三种技术方案,固态式主要有扫描式的光学相控阵(OpticalPhasedArrays,OPA)和泛光面阵式(FLASH)两种技术方案;接收模块按探测器类型可分为PIN型光电二极管(PIN)、雪崩光电二极管(APD)、单光子雪崩二极管 (SPAD)和硅光电倍增管(SiPM)等;控制模块的信息处理芯片可分为FPGA、ASIC和SoC等,分类见图4。不同技术路线各有优缺点,技术路径持续拓宽,各厂家对不同技术路线都有布局,技术方案尚未统一。 图4车载激光雷达技术路线 来源:中国信息通信研究院 光学芯片及其配套元器件集成化助推激光雷达降低成本。激光雷达光电系统的成本约占激光雷达整机成本约70%,由激光发射模组、激光接收模组、测时模组(TDC/ADC)和控制模组四部分构成,从表1可知,激光收发模组在成本、体积及重量方面远高于测时模组和控制模组。通过将分立光学芯片及其配套元器件高度集成,可带来产品形态及生产工艺的跃迁、大幅度降低生产成本、快速扩充产能,完成从分立式激光雷达向集成式激光雷达的进化。随着激光雷达线数的增加,光学芯片集成化带来的优势会更加明显。 表1激光雷达光电系统组成分析 激光雷达光电系统组成 激光发射模组 激光接收 模组 测时模组 控制模组 主芯片类型 光学芯片 光学芯片 电学芯片 电学芯片 对应分立器件模组在整机中的占比 成本 ~30% ~30% ~2% ~5% 体积 ~35% ~35% ~2% ~3% 重量 ~35% ~35% ~1% ~1% 来源:公开资料整理,中国信息通信研究院 (二)应用算法分支繁多,算法路径尚未收敛 车载激光雷达算法众多,针对同一功能类别存在多种算法。应用算法按不同功能类别可分为点云分割算法、目标跟踪与识别算法和即时定位与地图构建算法三类,见表2。点云分割算法依据数据点间距和密度等特性将点云划分为独立子集,理想情况下,每个子集均将用于一个实际存在的目标物体,且包含物体的几何与位姿特征。目标跟踪与识别算法是从点云数据中解算出探测目标的尺寸、速度、方向和类别等信息,是智能驾驶汽车进行自主路径规划与安全避障的关键技术。目标跟踪是检测具有特定特征的目标并对其跟踪;目标识别是将具有相似特征的点云归为一类,并根据此特征识别其具体类别。即时定位与地图构建算法是车辆搭载特定传感器的、在未知环境中运动时,同时完成对环境的建模和对自身运动的估计。 表2车载激光雷达应用算法 类别 算法名称 关键技术 点云分割算法 非模型投影法 地面投影法、虚拟像平面投影法 聚类法 K-means、DBSCAN和ISODATA 目标跟踪与识别算法 检测与跟踪 物体级目标检测、栅格单元级目标检测 分类与识别 基于全局特征提取的算法和基于局部特征提取的算法 即时定位与地图 基于滤波器的SLAM 扩展卡尔曼滤波器、FastSLAM等 基于图优化的SLAM 位姿图优化等 来源:公开资料整理,中国信息通信研究院 车载激光雷达应用算法路径尚未收敛,缺乏统一的评判标准。智能驾驶的环境复杂多变,如何从庞杂的点云数据中准确快速地提取有效信息并进行分析判断是激光雷达应用算法开发的目标。为及时准确感知周围环境、跟踪并识别障碍物、完成智能驾驶