自动驾驶加速落地,激光雷达放量可期(上)

1 激光雷达应用广泛,汽车有望成最大催化

        激光雷达(LiDAR)是一种主动遥感技术,通过测定传感器发出的激光在传感器与目标物体之间的传播距离,来分析目标地物表面的反射能量大小、反射波谱的幅度、频率和相位等信息,进而实现对目标物体的精确定位、识别以及一些特性的检测,主要可以用于自动驾驶、智慧城市等领域。
        激光雷达的工作原理是利用激光发射器发射激光束,然后通过接收器接收从目标物体反射回来的激光信号,从而测量出目标物体的距离、方向、高度等信息。激光雷达可以用于自动驾驶、机器人、测绘等领域,具有高精度、高分辨率、高可靠性等优点。

图表1:激光雷达工作原理

        激光雷达按照测距方法可以分为飞行时间(Time of Flight,ToF)测距法、基于相干探测的FMCW 测距法、以及三角测距法等,其中ToF 与FMCW 能够实现室外阳光下较远的测程(100-250m),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。

图表2:激光雷达按测距方法分类

图表3:TOF 激光雷达结构

        根据技术架构的差异,激光雷达主要分为机械式激光雷达、半固态式激光雷达以及固态式激光雷达。

图表4:激光雷达按技术架构分类

        激光雷达自诞生以来,紧跟底层器件的前沿发展,不断引入新的技术架构,从激光器发明之初的单点激光雷达到后来的单线扫描激光雷达,以及在无人驾驶技术中获得广泛认可的多线扫描激光雷达,再到技术方案不断创新的固态式激光雷达、FMCW 激光雷达,技术路径持续创新。

图表5:激光雷达分类

图表6:激光雷达方案技术特点

1.1 机械式激光雷达

        机械旋转式激光雷达通过电机带动收发阵列进行整体旋转,实现对空间水平360°视场范围的扫描。机械旋转式激光雷达的优点是扫描速度快、精度高,适用于远距离探测和高速运动目标的跟踪。但是其结构相对复杂,维护成本高,且需要精确的对准和校准,造成其短期可能无法在乘用车上大批量的使用。

图表7:机械式激光雷达工作原理

1.2 固态激光雷达

        固态激光雷达使用固态激光器,可以输出高质量而稳定的激光束,能够实时捕捉和处理光点数据,有效提高了雷达精度;同时固态激光雷达没有机械运动部件,相比于旋转激光雷达,其寿命更长且故障率更低。
        然而,固态激光雷达也有一些缺点:探测距离相对较短:由于其工作原理的限制,固态激光雷达的探测距离一般较短,可能无法满足远距离探测的需求。固态激光雷达的视场角一般较小,可能无法覆盖较大的角度范围。

        A. Flash 激光雷达:主要通过短时间直接发射出一大片覆盖探测区域的激光,再以高度灵敏的接收器完成对环境周围图像的绘制。其优点在于快速记录整个场景,体积小,缺点主要在于激光功率受限、探测距离较近。

图表8:Flash 激光雷达工作原理

        B.光学相控阵激光雷达:采用光学相控阵天线代替传统的机械扫描系统,可以实现高速度、高精度的三维成像。其利用多个小型激光器并列排列,通过控制每个激光器的发射时间和相位,实现激光束在空间上的合成,形成所需的扫描图案。相比传统的机械扫描激光雷达,光学相控阵激光雷达具有更高的扫描速度和更长的扫描距离。同时具有更高的精度和灵活性。

        然而,光学相控阵激光雷达制造工艺较为复杂,成本较高,同时其性能也受到光源质量、光学元件质量和控制系统精度等因素的影响。

图表9:Quanergy 光学相控阵激光雷达工作原理

1.3 半固态激光雷达

        半固态激光雷达具有一些显著的优点,例如半固态激光雷达利用多个光源组成阵列,实现对不同方向的快速扫描,因此具有较高的扫描速度;通过控制光源的阵列,可以实现对特定方向的光束进行精确合成,从而获得高精度的测量结果。半固态激光雷达由于没有机械运动部件,因此体积较小,可以较好的融入到车的外观中去,但是由于半固态激光雷达扫描的是非结构化数据,因此需要采用更为复杂的算法进行处理,增加了数据处理的难度和计算量。

        A. MEMS 振镜激光雷达:采用MEMS 振镜作为激光光束扫描元件,反射镜以一定谐波频率振荡,由旋转的微振镜来反射激光器的光线,从而实现扫描,具有体积小、宏观结构简单、可靠性高、功耗低等优势,是目前激光雷达实现落地应用的较合适的技术路径。

        B. 转镜方案:采用转镜作为激光光束扫描元件,工作原理是将激光束照射到转镜上,通过转镜的旋转来扫描目标物体,可以实现不同角度的扫描。具有高精度、高分辨率、可靠性高等优点。但是由于转镜方案的制造工艺较为复杂,因此成本相对较高。

1.4 FMCW 激光雷达

        相比传统的基于飞行时间(ToF)的脉冲激光雷达,FMCW 激光雷达基于相干探测方法,通过发出连续的激光束,并控制激光束的频率随着时间变化,形成一定的调频曲线,可以响应目标运动引起的多普勒频移,提供目标的瞬时视向速度,FMCW激光雷达具有更高的精度和分辨率,同时也具有更强的抗干扰能力。

图表10:FMCW 激光雷达工作原理

        FMCW 激光雷达的接收和扫描中也需要用到硅光芯片,由于硅光芯片既能导电又能导光,因此它既具有光电探测器的功能,又具有调制解调的功能,从而使得整个系统集成化、小型化。由中国信息通信研究院技术与标准研究所编撰的《车载激光雷达技术与应用研究报告(2023 年)》统计,截止到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%,中国车企在激光雷达领域将持续引领着行业的创新。

图表11:重点车型激光雷达搭载情况

2 海外巨头跟踪:洗牌加速,新技术持续落地

        行业内主要的激光雷达公司包括美国的 Velodyne、Luminar、Aeva、Ouster,以色列的 Innoviz,德国的 Ibeo,以及国内的速腾聚创、禾赛科技、图达通、华为等。在行业发展早期国外公司为技术主导,但近几年国内激光雷达公司投入大量研发,逐步完成了技术的追赶甚至在一定范围内实现超越。

        根据Yole Intelligence 发布的《2023 年全球车载激光雷达市场与技术报告》,调高了对乘用车和轻型商用车激光雷达市场的中长期预测:到2030 年,乘用车和轻型商用车激光雷达市场将到达53 亿美元,比去年预测的高出10 亿美元。

图表12:激光雷达全球市场空间预测

        从全球激光雷达市场格局来看,2022 年,禾赛以近50%的市场份额连续两年稳居全球车载激光雷达总营收榜首,并且其市场份额从2021 年的42%进一步扩大至47%。图达通则依靠蔚来汽车的持续出货,以15%的市场份额夺得第二名,法雷奥、速腾聚创分别以13%、9%的市场份额位列第三、第四。

图表13:激光雷达全球竞争格局

        随着中国智能驾驶行业快速崛起,ADAS 功能量产规模进一步扩大,国内头部车企对激光雷达的需求猛增,Yole 预测2023 年全球车载激光雷达市占率前五的厂商中,前三名都会是中国企业,分别是禾赛、速腾聚创和图达通。剩下约20%的份额则由法雷奥、大疆览沃、华为、Cepton、Innoviz 等多家公司瓜分

图表14:激光雷达2023 年市场份额预测

2.1 Innoviz:与宝马深入合作,获大众40 亿美元订单

        以色列激光雷达传感器研发商Innoviz 成立于2016 年,由来自以色列国防军情报部队精英技术部门的四位联合创始人创建。该公司专注于研发固态激光雷达(LiDAR)传感器,致力于为自动驾驶和高级驾驶辅助系统(ADAS)市场提供创新的解决方案。

        Innoviz 的激光雷达传感器在市场上具有较高的竞争力,已被多家知名汽车制造商和自动驾驶技术公司选用。2017 年宣布与全球第三大代工厂 Jabil(捷普)合作,2018 年宣布与 Magna(麦格纳)合作宝马项目,并于为宝马2021 年推出的L3 量产车提供激光雷达。2022 年8 月以色列激光雷达公司Innoviz 宣布,将向大众汽车集团旗下的CARIAD 提供激光雷达硬件和配套软件,交易总价达40 亿美元,预计2025 年开始交付。

        Innoviz 旗下共有三大产品线:1)InnovizOne:最远探测距离250 米,适用于L3-L5 级汽车;2)InnovizTwo:成本较InnovizOne 降低了70%以上,同时性能显著提升,主要针对L2+级市场,L3-L4 亦适用,将应用于大众等品牌;3)Innoviz360:性能、成本和耐用性都得到显著提升,最远探测距离300m,主要针对L4/5 级自动驾驶,计划2024 年量产。

2.2 Luminar:加速全球化工厂布局

        Luminar 是一家美国激光雷达公司,由Austin Russell 在2012 年创立,专注于MEMS 混合固态激光雷达领域。该公司在1550nm 波长持续深耕,主要产品为Iris和Hydra。其中,Hydra 是上一代激光雷达产品,主要用于测试和开发;公司最新的车规级产品Iris 于2022 年量产,与沃尔沃达成供应协议,用于 2022 年上市的自动驾驶系统。Luminar 已经与多家汽车制造商合作,包括奔驰、沃尔沃、奥迪、丰田研究院、英特尔的 Mobileye、空客以及上汽集团 和 AV 运营商小马智行等重要客户。

图表17:美国激光雷达公司Luminar

        Luminar 今年三月在投资者日活动推出了新版本的 Iris 传感器,公司称其具有300 米(984 英尺)的检测范围,Luminar 正在与梅赛德斯合作,将Iris Plus 激光雷达集成到其车辆中,预计将于2025 年开始量产。同时Luminar 计划在亚洲开设一家制造工厂以支持生产。墨西哥工厂也于今年第二季度开始上线,Luminar还与合同制造商 Fabrinet 一起扩建泰国的另一家工厂以生产光学组件。

2.3 Velodyne&Ouster:合并经营,竞争格局快速洗牌

        美国Velodyne 是一家位于加州硅谷的技术公司,以激光雷达传感器技术为核心,提供自动驾驶解决方案。公司由David Hall 于1983 年创立,早期以音响业务起家,后来逐渐将业务拓展至激光雷达领域。2021 年全年,Velodyne 出货量达到了15000 多个,其中有2400 多个是固态传感器,大部分为机械激光雷达。根据2022 年Velodyne 官网的合并公告,Ouster 与Velodyne 完成“对等合并”,新公司继续使用Ouster 的名字,合并后的公司将拥有850 多家现有客户、丰富的专利组合。但是后续随着图达通、法雷奥、禾赛科技、速腾、华为等厂商的快速崛起,曾占据全球激光雷达市场80%以上份额的Velodyne 市占率缩水。

2.4 Aeva:FMCW 技术领先者,产品有望后年投产

        Aeva 的激光雷达传感器采用先进的调频连续波(FMCW)技术,可以实现高精度的距离和速度测量,以及高分辨率的点云成像。这使得传感器能够准确检测和识别车辆周围的所有物体,包括行人、车辆和障碍物,最远可以探测到500 米外的物体。2021 年1 月,Avea 与日本电装宣布达成合作协议,双方将共同推进FMCW(调频连续波)激光雷达的量产,目标是满足大众市场的需求。Aeva 联合创始人兼首席执行官表示,公司已拿到全球前十车企的定点,量产车型预计在2025 年投产。

图表24:Mobileye FMCW 激光雷达性能表现

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/717099.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一文扫盲:订单管理系统,订单是公司生命线。

hello,我是贝格前端工场,本期给大家分享订单管理系统的知识点,欢迎老铁们点赞、关注,如有需求可以私信我们。 一、什么是订单管理系统 单管理系统是一种用于管理和处理订单的软件系统。它通常用于企业、电子商务平台、零售店等需…

技术小知识:面向对象和过程的区别 ⑤

一、思想区别 面相对象:始终把所有事情思考归类、抽离封装成对象来调用完成。 面向过程:直接平铺展开按顺序执行完成任务。 面向对象多了很多对象的创建、使用,销毁的过程资源消耗。是一种模块化编程思想。 https://www.cnblogs.com/kuangmen…

网络爬虫弹幕

1.分析网页,获取代码,提取时间 想要提取出弹幕所在的节点,我们要使用 Beautiful Soup 解析模块,需要从 bs4 中导入 BeautifulSoup 模块 创建一个 BeautifulSoup 对象,传入变量 xml 和解析器 lxml,将该对象赋…

2.2 mul、div、and、or乘除指令及所有寄存器英文名

汇编语言 1. mul乘指令 两个相乘的数,要么都是8位,要么都是16位 两个8位数相乘 一个默认放在al中,另一个放在8位reg或内存字节单元中8位乘法,结果默认放在ax中例如:计算100*10 100和10小于255,可以做8位…

信息系统安全与对抗-作业2

目录 1、使用自己姓名拼音创建一个账户, 并使用命令和图形化查看 2、使用自己拼音打头字母创建一个隐藏账户 ,并使用命令和图形化查看 3、使用命令启动 telnet 服务 4、使用命令打开防火墙 23 端口 5、熟悉LINUX系统,使用命令行创建用户…

Spring Cloud Nacos集成Seata2.0 AT模式

Spring Cloud Nacos集成Seata2.0 AT模式 以CentOS 7为例,介绍Spring Cloud Nacos集成Seata2.0 AT模式的流程。分成两个步骤:1.安装配置seata-server、2.项目集成seata-client 一、下载seata-server安装包 根据自己的操作系统选择要下载的安装包格式&a…

2023年第十四届蓝桥杯大赛软件类省赛C/C++大学A组真题

2023年第十四届蓝桥杯大赛软件类省赛C/C大学A组部分真题和题解分享 文章目录 蓝桥杯2023年第十四届省赛真题-平方差思路题解 蓝桥杯2023年第十四届省赛真题-更小的数思路题解 蓝桥杯2023年第十四届省赛真题-颜色平衡树思路题解 蓝桥杯2023年第十四届省赛真题-买瓜思路题解 蓝桥…

05-Linux部署MySQL

Linux部署MySQL 在今后的使用过程中,需要频繁使用Linux系统,所以在Linux上安装软是必不可少的操作 。 前置要求 需要学习前四章知识,初识Linux、Linux基础命令、Linux权限管理、Linux高阶技巧这4个章节。需要开启多态虚拟机,电…

KubeSphere简介,功能介绍,优势,架构说明及应用场景

KubeSphere 是在目前主流容器调度平台 Kubernetes 之上构建的企业级分布式多租户容器平台,提供简单易用的操作界面以及向导式操作方式,在降低用户使用容器调度平台学习成本的同时,极大减轻开发、测试、运维的日常工作的复杂度,旨…

每日一题 — 快乐数

202. 快乐数 - 力扣(LeetCode) 思路: 可以借用判断链表是否有环的思想: 定义快慢指针(两个变量赋值就行)快指针走两次,慢指针走一次快慢指针相遇,看是不是等于一 public int bitSum(…

缓存相关问题:雪崩、穿透、预热、更新、降级的深度解析

✨✨祝屏幕前的小伙伴们每天都有好运相伴左右✨✨ 🎈🎈作者主页: 喔的嘛呀🎈🎈 目录 引言 1. 缓存雪崩 1.1 问题描述 1.2 解决方案 1.2.1 加锁防止并发重建缓存 2. 缓存穿透 2.1 问题描述 2.2 解决方案 2.2.1 …

【解决方案】ArcGIS Engine二次开发时,运行后出现“正尝试在 OS 加载程序锁内执行托管代码。不要尝试在 DllMain...”

我们在做ArcGIS Engine二次开发时,特别是新手,安装好了开发环境,满怀信心的准备将按照教程搭建好的框架在Visual Studio中进行运行。点击运行后,却出现了“正尝试在 OS 加载程序锁内执行托管代码。不要尝试在 DllMain 或映像初始化…

【C语言】内存操作篇---动态内存管理----malloc,realloc,calloc和free的用法【图文详解】

欢迎来CILMY23的博客喔,本篇为【C语言】内存操作篇---动态内存管理----malloc,realloc,calloc和free的用法【图文详解】,感谢观看,支持的可以给个一键三连,点赞关注收藏。 前言 在学完结构体后(…

探索设计模式的魅力:备忘录模式揭秘-实现时光回溯、一键还原、后悔药、历史的守护者和穿越时空隧道

​🌈 个人主页:danci_ 🔥 系列专栏:《设计模式》 💪🏻 制定明确可量化的目标,并且坚持默默的做事。 备忘录模式揭秘-实现时光回溯、一键还原、后悔药和穿越时空隧道 文章目录 一、案例场景&…

数据结构作业复盘1:字符串疑难杂症小汇总(字符串赋值,指针数组...)

学校里开始上数据结构了,一开始是从C语言一些相关的基础开始讲起。第一次作业主要是字符串相关的基础知识以及编程题目。先做了一部分,整理了一下一些字符串隐含的知识和一些易误易混的概念,算是给自己的一个复盘和归纳。 strcpy函数相关 首…

sc-MAVE

Deep-joint-learning analysis model of single cell transcriptome and open chromatin accessibility data单细胞转录组和开放染色质可及性数据的深度联合学习分析模型 在同一个细胞中同时分析转录组和染色质可及性信息为了解细胞状态提供了前所未有的解决方案。然而&#x…

数据结构——基本概念与术语2,抽象数据类型的表示与实现

目录 1.数据类型 2.抽象数据类型 1.抽象数据类型的形式定义 基本操作定义格式说明 2.抽象数据类型定义举例:circle的定义 3.抽象数据类型定义举例:复数的定义 概念小结: 3.抽象数据类型的表示与实现 1.数据类型 2.抽象数据类型 比如一…

游戏框架搭建

使用框架的目标:低耦合,高内聚,表现和数据分离 耦合:对象,类的双向引用,循环引用 内聚:相同类型的代码放在一起 表现和数据分离:需要共享的数据放在Model里 对象之间的交互一般有三…

跨平台指南:在 Windows 和 Linux 上安装 OpenSSL 的完整流程

Windows安装 一:找到安装包,双击即可 https://gitee.com/wake-up-again/installation-package.git 二:按照提示,一步一步来,就可以啦 三:此界面意思是,是否想向创作者捐款,自己视情…

2024最新搭建Mybatis配置教程【超详细】

为什么要学习mybatis 首先要弄清楚什么是mybatis?我们为什么要学mybatis 学习MyBatis可以帮助开发人员更高效地进行数据库操作,提高开发效率,并且可以使得应用程序更具可维护性和性能优势。 我们知道Java程序操作数据库是通过jdbc与数据库进…