暗网下载 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，依据汽车决策责任方，按照其自动化程度差异，被分为6级（SAE），自动驾驶汽车存在感知层、决策层、执行层，感知层的主要用途用于定位、环境监测以及车身感知 。

自主性运算与判断依据所收集之信息而开展，此等运算与判断经自动驾驶完成后，会传送予驾驶员或者系统来实施执行操作。感知层施行方式涵盖GPS定位、高精地图、各类雷达以及那摄像头智能传感受器，还有物理传感受器（MEMS）~。

02

感知层主流方案采用摄像头+毫米波雷达的融合方案

当今汽车所采用的智能传感器涵盖超声波雷达，摄像头，毫米波雷达，激光雷达等，这几种传感器分别具备不同的优点与缺点，。

超声波雷达能够应用的场景仅仅局限于短距离，摄像头这项技术具备稳定且成熟的特性，然而仅仅依靠摄像头单独去使用是没有办法开展测距这项操作的，特斯拉运用算法运算，借助这样的方式达成了纯视觉路线测距的方法 。

毫米波雷达具备一定稳定性，且拥有能穿透雾、 烟以及灰尘的相关能力，然而在环境障碍物复杂的情形下识别能力较弱，并且在涉及金属目标物的状况下识别能力也不强，同时其所提供的识别反馈仅仅是平面数据 。

激光雷达识别信息能形成3D点云，它具备识别高度，然而极易遭受恶劣天气以及烟雾环境的影响，并且成本比较高。

伴随着自动驾驶级别的逐步提高，鉴于毫米波雷达以及摄像头的成熟程度比较高，并且成本相对较低，毫米波雷达与摄像头相互融合的方案，这成为主流形式里的感知模块的选择。在2021年众多激光雷达得以应用之后，汽车企业也在进行尝试，加入激光雷达来提供数据方面的冗余。

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

自动驾驶汽车的主要视觉传感器是车载摄像头，它是最为成熟的车载传感器当中的一个。

依照镜头类型给摄像头分类，能分成广角的、标准的、长焦的、可变焦的、呈鱼眼状的等等，依据安装位置的差异，又能分出前视的、环视的、侧视的、后视的以及内视的等类别，按照用途来分类的话，可以分为智能座舱里配置的摄像头、ADAS相关的摄像头还有用于成像的摄像头。

比起毫米波雷达以及激光雷达，当下摄像头的主要优势之处在于识别精度，还有稳定程度。

平常的3D毫米波雷达仅能够检测到此前方有没有障碍物，却没办法精确识别障碍物的大小以及类别，所以对于各类车道线识别、红绿灯识别以及交通标志识别等，对于车辆行驶的安全边界识别等都存在不足，在自动驾驶系统里，激光雷达跟摄像头感知作用较为相像，输出的结果都是点云，相较于激光雷达，摄像头的优势在于成本优势以及技术成熟度比较高 。

当下，特斯拉单单凭借摄像头加上算法当作自动驾驶的感知层解决办法，这类解决办法硬件成本比较低，然而对算法的要求非常高。另外的车厂却是用多传感器融合的途径 。

还有一种说法是，特斯拉并非全然排斥摄像头以外的传感器，只是在当前阶段，毫米波雷达没办法满足其需求。

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

按照 YOLE 分类，自动驾驶的环境感知涵盖智能座舱摄像头，还有 ADAS 摄像头以及成像摄像头，其中，智能座舱摄像头用于驾驶员疲劳监控等舱内行为以及行车记录，ADAS 摄像头用于前视 ADAS 环境监控与夜视，而夜视仪是由红外热成像摄像头来负责的。智能座舱摄像头和 ADAS 摄像头收集的数据都供自动驾驶软件计算分析使用。用于驾驶员辅助感知的成像摄像头，会把车身环境情况，以照片形式反馈给驾驶员，这其中涵盖电子后视镜，还有电子屏幕360°环视（包含倒车雷达）以及后视图等。

ADAS摄像头跟成像类摄像头，二者功能不一样，成本结构也存在差别。ADAS摄像头是用于主动安全方面的，它得准确地捕捉图像。那些成像类摄像头是用于被动安全的，会把所拍摄的图像存储起来，或者发送给用户。通常状况下，前视以及侧视常常是优先来搭载感知类摄像头的，环视还有后视一般是成像类的，不过随着自动驾驶等级的提高，有可能会升级成为感知类摄像头。

基于YOLE数据，在成本结构这一方面，ADAS摄像头对于芯片有着更高的要求，预计在2024年的时候，算法芯片会占据60%的成本暗网下载，而摄像头模组占据40%。成像类摄像头的成本是以摄像头模组作为主要部分的，成本占比大约为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

摄像头配备数量会随着自动驾驶晋级程度的递增而增加，ADAS摄像头是增长的关键所在。依据YOLE的预估，从2013年开始到2027年，摄像头的搭载数量会逐步上升，增长的重点在于ADAS摄像头以及舱内摄像头。在2021年到2023年期间，自动驾驶汽车的研发会仍旧处于L2++级别，自动驾驶市场里，平均每一辆车会装载3颗摄像头，而行业当中搭载量最高的是12颗摄像头，就像集度的首款汽车机器人ROBO-01概念车，配备了12个用于自动驾驶的摄像头，还有5个毫米波雷达，以及12个超声波雷达，另外还有2个激光雷达。

CES2020上，Mobileye演示了一辆借助12个车载摄像头进行纯视觉计算行驶的自动驾驶汽车。文远知行WeRideSS5.0装载的是12个摄像头，还有7颗固态激光雷达。到2027年，自动驾驶L3级别逐渐放量以后，平均搭载的摄像头将会上升至5颗，行业最高搭载量会上升至20颗。随着自动驾驶等级的提升，图像摄像头会逐渐升级成ADAS摄像头，从而带动车载摄像头模组的平均单价持续提高。

摄像头按位置分类，为前视、后视、侧视、内视、环视摄像头。

用于前方视野的摄像头乃是ADAS的核心摄像头 ，其功能覆盖距离测量 、物体辨识 、道路标线识别等 ，所以算法繁杂 ，进入门槛较高 。前视摄像头的数量并非固定不变 ，存在单目 、双目以及多目等不同类型 。特斯拉配备了一颗属于三目的摄像头 ，其中具备最长焦距的前置摄像头也被称作前视主摄像头 ，具备最远可达250m的视距 。

所谓中距前置摄像头，也就是前视窄角摄像头，其最远视距为150m ，广角前置摄像头最远视距是60m 。汽车尾部牌照灯位置有后视摄像头，它能够达成自动变道辅助ALC 、盲点监测、碰撞预警、自动泊车辅助APA等功能 。

有2颗侧前视摄像头以及2颗侧后视摄像头被称作侧视摄像头呀。其中，侧前视摄像头，在特斯拉的情况下，一般是位于B柱上的；而在小鹏的情况下，是位于前后镜下方的呢。环视摄像头主要是4 - 8颗环绕在汽车前后的鱼眼摄像头，其用途是用于全景环视功能哟。内视摄像头并没有固定的位置，通常是集成于智能座舱里的，凭借此来实现驾驶员疲劳监控等功能啦。

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

车规摄像头主要涵盖镜头模组，以及图像传感器，图像传感器里包含CIS芯片，还有图像信号处理器，以及串行器，还有连接器。

镜头模组是由光学镜头构成的，光学镜头是由光学镜片组成的，是由光学元器件滤光片组成的，是由保护膜组成的，图像传感器大多是以CIS芯片为主的，CIS芯片也就是CMOS Image Sensor，是基于CMOS技术的图像传感器，图像信号处理器则是以数字处理芯片为主的，数字处理芯片也就是DSP/ISP，以摄像头模组作为划分依据，产业链的上游主要是由上述零部件以及胶合材料组成的，产业链中游是雷达组装厂，下游是整车厂和主机厂。

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，要达成图像采集这一功能，还要实现视觉处理这一功能，运算芯片，是摄像头成本当中主要的组成部分。

图像传感器是车载摄像头模组的关键之处，对于整车厂来讲，车载摄像头成本主要由两部分组成，一部分是BOM，也就是外购物料，大概占80%，另一部分是模组封装，大概占20%。在传统方案里，车载摄像头的核心硬件涵盖镜头组，镜头组是由光学镜片、滤光片以及保护膜等构成的，还包括图像传感器、图像信号处理器等单元。以采埃孚S - Cam4三目摄像头作为例子，这款摄像头借助豪威的CMOS图像传感器达成图像采集功能，视觉处理功能经由Mobileye的EyeQ4处理器来实现，另外，摄像头主板上设置了一个32位的MCU以及2个存储器，成本里SoC芯片占26%，图像传感器占22%，封装占20%。

特斯拉所采用的摄像头方案，将计算功能予以剥离，其成本跟传统方案相比较，下降幅度为百分之六十。

因自动驾驶对识别能力需求的提升，感知传感器个数日益增多，自动驾驶控制渐趋朝着集中化、中央化架构演进，摄像头由传统的兼具采集与运算功能的传感器，逐步重新被界定为“仅负责采集，并无计算功能”的轻量化传感器装置。

在集中化以及中央化架构发生演变的情况下，将计算模块剥离之后，CIS芯片与镜头模组变成了核心部件，摄像头的硬件成本大幅度降低。拿特斯拉的三目前视摄像头方案来说，其三个摄像头模块采用的是安森美的1.2兆像素CMOS AR0136A传感器。和采孚摄像头不一样的是，特斯拉的三目摄像头没有配置处理SoC、MCU等具备计算功能的模块，图像处理是由Autopilot来进行运算的。在把计算功能剥离的方案当中，图像传感器在镜头模组里的成本占比是大约50%。根据System Plus数据，采埃孚S - Cam4三目摄像头基于传统方案，其总成本约为165美元，特斯拉的三目摄像头总成本约为65美元，相较于传统方案，成本降低了约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朝着AD乃至无人驾驶迈进，车载摄像头的需求自单纯的成像镜头朝着感知镜头转变，镜头的使用场景由单一的场景朝着多方位的场景扩展，摄像头的分辨率越发高，摄像头像素也跟着提高。摄像头从30万像素提升到如今的200万像素，部分车规摄像头以及车企在最新产品里规划运用800万像素级别的高清像素摄像头，用来对更远距离的目标予以识别和监测。随着像素提升，数据的处理以及运算难度也在提升。伴随800万像素摄像头于2021款理想One上初度实现量产运用，随着其在最新L系列车型之中展开推广，800万像素摄像头对算力的需求呈现提升状况，支撑软件以及原来的深度学习模型需要进行更新。

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

依据Yole数据，在2024年的时候，车载摄像头的销量总量，达成了3.1亿颗，其市场规模会达到83亿美元。照相机模组的市场规模会达到64亿美元，图像处理器的市场规模达到32亿美元。在2021至2027年期间，CAGR达12.5%，基于此来预测，在2027年时，车载摄像头销量能到达4.61亿颗规模，市场规模达到140亿美元。其中按照用途进行分类，图像摄像头占据了64%的份额，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

汽车所具备的毫米波雷达，恰似蝙蝠的声带跟耳朵，Radar乃是运用毫米级波长电磁波予以探测的一项技术，毫米波的波长处在1-10mm范围，其频率处于30-300GHz，毫米波雷达凭借发送以及接收毫米波的时间差，借助多普勒效应去计算目标参数，最终获取周围物体的相对距离、相对像素、角度以及运动方向等物理信息。和别的传感器相比较而言，毫米波雷达有着极强的穿透能力，在夜间环境下能正常工作，在雨环境下能正常工作，在雾环境下能正常工作，在雪环境下也能正常工作，然而摄像头以及激光雷达等传感器受环境影响颇为巨大。与此同时，毫米波雷达具备探测距离远的优点，能够快速获取目标的距离等方面的信息，其系统响应快速且可靠，极为适用于各种安全预警以及事故预防的ADAS功能系统。毫米波存在的劣势是分辨率比较低。

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

按照工作机制存在的差别，毫米波雷达能够被划分成脉冲式毫米波雷达，与其不同的是，还有调频式连续毫米波雷达 。

其中，调频式存在多种类型，这种类型涵盖了有FSK（频移键控）的情况，里面同时包含CW（恒频连续波）的实例，在此基础上还包括FMCW（调频连续波）等类别。FMCW雷达具备这样一些特性，它的结构呈现出相对简单的状况，其尺寸表现为较小的规格，在重量方面是较轻的程度，成本处于较低的水准，它能够对多个目标进行测量，具备分辨率高的特点，信号处理时难度较低，并且该技术已经成熟，它属于最常用的车载毫米波雷达类型。

依据探测距离存在的差异，毫米波雷达能够被划分成三种，分别是短程毫米波雷达，也就是SRR，还有中程毫米波雷达，即MRR，以及远程毫米波雷达，也就是LRR 。

一般情形下，SRR的探测距离小于60米，MRR的探测距离约在100米，LRR的探测距离大于200米。不同探测距离致使不同类型毫米波雷达的应用场景各异，所以，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。

主流车载毫米波雷达，会依据波段的不一样，被划分成三种，分别是24GHz，还有77GHz，以及79GHz 。

2021年12月6日，有这样一件事，工信部印发了《汽车雷达无线电管理暂行规定》，这里面规定内容指出呢，就是为了推动汽车智能化技术应用以及产业发展噢，还要特别说明下，这个推动可不是凭空推动哎，而是把76 - 79GHz频段规划给汽车雷达用的哈。这个规定呢，是从2022年3月1日正式实施开始的哟，实施之后的情况是啥样呢，就不再受理和也不会审批24.25 - 26.65GHz频段汽车雷达的无线电发射设备型号核准申请啦。然后呢还有个不同点要讲一下，77 - 79GHz比起那个24GHz来呀，价格是差不多相近的，而且体积方面呢也比较小哈。另外呢，因为带宽有所提高，所以说77 - 79GHz雷达的数据传输能力，竟然带动了数据精度这方面的提升哦。按雷科防务官网所述，79GHz雷达，已然能够达成超过1000米的探测距离，。

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

前端收发组件作为关键硬件，其决定着信号的收发效率以及质量，且主要运用MMIC芯片。数字信号处理器当中通常会用到DSP芯片或者FPGA芯片。天线乃是毫米波雷达发射以及接收信号的重要组件，天线阵列需要被集成于高频PCB板之上，5G与消费电子的积累推动了国产高频PCB板的发展。控制电路依据信号处理目标信息，进而实现对制动系统等硬件的主动控制。控制电路涵盖报警显示系统还有启动制动系统，控制电路的整体研发难度相对较小。雷达生态链中，后端算法意义重大，融合架构亦是如此，其具备较高定制化元素，而雷达测量能力受算法所制约 。

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

毫米波雷达产业链的上游，主要是毫米波雷达所用组成元件的供应商，这些供应商涵盖前端收发组件、基带数字信号处理器以及天线等，产业链的中游，主要是毫米波雷达集成企业，产业链的下游，主要是毫米波雷达的应用端。

国际上前端收发组件MMIC芯片供应商，主要有以恩智浦、英飞凌、安森美、德州仪器、瑞萨电子等，国内企业中意行半导体、加特兰微电子、矽杰微电子、清能华波、南京米勒等正积极开展研发 。

占据数字信号处理器供应商主要地位的,是国际供应商,FPGA的主要供应商有英飞凌,恩智浦,安森美,瑞萨电子,意法半导体,飞思卡尔,赛灵思(2022年时被AMD收购)等,国内FPGA企业有紫光同创,安路科技,复旦微电子等,不过其市场份额较小。

印制电路板供应商，国际上主要的供应商有罗杰斯、伊弗拉、Isola、施瓦茨、松下等，这些供应商具备较强的技术实力。国内主要的供应商是沪电股份、生益科技、华正新材、南亚新材，鉴于5G的向前推进，国内的消费电子品牌在高频印制电路板方面技术能力比较充足。

毫米波雷达集成企业，其中以国际Tier1为主，国内在这一领域有着较多初创企业，然而国内企业在量产能力方面依旧存在不足 。

14

MMIC芯片中CMOS工艺将替代硅锗工艺

各企业进发FPGA制造

前端收发器运用MMIC芯片，CMOS芯片会逐步取代SiGe技术，。

MMIC芯片此乃毫米波雷达系统之核心，当下MMIC芯片是以SiGe（硅锗）工艺作为主要方式，SiGe具备颇为出色的数据导通能力，数据导通能够使雷达的灵敏度产生提升，进而雷达的速度分辨率以及距离分辨率均会出现提升情况。硅锗芯片所采用的是分立式的芯片，在成本、稳定性以及价格方面存在一定优势。MMIC芯片目前正朝向CMOS发展，首要缘由在于CMOS的集成能力强大。摄像头使得CMOS制造工艺成熟，因为当下摄像头的传感器皆是背照式CMOS以及堆叠式CMOS，因在摄像头领域有丰富的经验，所以CMOS能够向雷达领域移植，CMO虽集成度高，可对市场来说，还需一定的时间进行磨合汇集。主流毫米波雷达MMIC芯片生产商已研制出应用C​MOS工艺的产品，并且技术积累极为深厚，英飞凌的车载雷达方案正逐步演进为基于BiCMOS工艺收发器与数字DSP的套片方案。恩智浦将BiCMOS方案转变为了RFCMOS收发器加上数字DSP方案，德州仪器始终坚持RFCMOS的单芯片技术方案，国内的加特兰、岸达科技初创企业等都想出了CMOS工艺的芯片。

运用DSP/FPGA芯片的数字信号处理器，众多国际大企业朝着FPGA制造领域挺进 。

复杂的算法能被DSP芯片快速即时地处理，大规模的大数据底层算法可由FPGA加以完成，现阶段的主流技术方案是将这两种芯片组合起来使用。FPGA也叫Field Programmable Gate Array，也就是可编辑阵列，其开发周期相对较短，可以满足非标准接口开发的需求，然而对于通用的模块例如处理器等而言，效率比较低。FPGA国际主要的供应商有英飞凌、恩智浦、安森美、瑞萨电子、意法半导体、飞思卡尔、赛灵思等。紫光同创、安路科技、复旦微电子等是国内主要供应商，众多处理器公司进军FPGA制造领域，2015年英特尔收购了Altera以推动FPGA与英特尔处理器相结合，2022年AMD收购了赛思领，使之成为全球市场中可同时供给CPU、GPU和FPGA三种产品的芯片厂商，萨瑞半导体等芯片企业也踏入FPGA领域。

在进入L2以上自动驾驶之后，单一传感器的运用常常存在着一定的限制，鉴于激光雷达、毫米波雷达、摄像头各自都有优点和缺点，汽车制造厂商大多都选择了多传感器融合，然而多传感器的应用又带来了新的问题，多传感器方案会出现大量多余的信息，部分信息甚至还会产生冲突。

运用计算机技术针对多传感器或者多源所提供的信息以及数据予以分析还有综合，目的旨在能够更为精准可靠地对外部环境作出描述状态，达成提升系统决策之正确性。这属于所有车厂都必须直面要去解决处理的难点状况题目，也是实有助于提升增强车之自动驾驶方面能力效果的最为关键性要点层面所在重要要素。

那么，那些从事汽车制造的企业以及提供零部件的供应商，到底最终是通过怎样的方式去解决多传感器之间数据处理这个问题的呢？而对于这些所谓问题的处理，又存在着哪些不一样的技术路径呢？请大家拭目以待下期所精心制作的《智能网联车系列三》节目吧。