（报告出品方/作者：国信证券，熊莉）

1 感知篇：环境感知+车身感知+网联感知组成车载感知系统

整个车载感知系统主要包括环境感知、车身感知与网联感知三大部分。其中， （1）环境感知：主要负责车辆从外界获取信息，如附近车辆、车道线、行人、 建筑物、障碍物、交通标志、信号灯等，主要包括四大类别的硬件传感器车载 摄像头、毫米波雷达、激光雷达、超声波雷达；（2）车身感知：主要负责车身感知定位系统主要由惯性导航、卫星导航系统和高精度地图组成。主要是 以高精地图为依托，通过惯性导航系统和全球定位系统（Global Navigation Satellite System，GNSS）。GNSS 通过导航卫星可以提供全局的定位信息， 惯导系统可以提供不依赖于环境的定位信息，高精地图为车辆环境感知提供辅 助，提供超视距路况信息。三者取长补短、互相配合，共同构成自动驾驶定位 导航系统。车辆 对自身状态的感知，如车辆位置、行驶速度、姿态方位等，主要包括惯性导航、 卫星导航和高精度地图；（3）网联感知：主要负责实现车辆与外界的网联通信 以此来获得道路信息、行人信息等，主要包括各类路侧设备、车载终端以及 V2X 云平台等。

四大硬件传感器是自动驾驶汽车的眼睛，是环境感知的关键。车载传感器主要 包括车载摄像头、毫米波雷达、激光雷达、超声波雷达四大类。自动驾驶汽车 首先是对环境信息与车内信息的采集、处理与分析，这是实现车辆自主驾驶的 基础和前提。环境感知是自动驾驶车辆与外界环境信息交互的关键，车辆通过 硬件传感器获取周围的环境信息，环境感知是一个复杂的系统，需要多种传感 器实时获取信息，各类硬件传感器是自动驾驶汽车的眼睛。

单车传感器数量倍增，为高阶自动驾驶落地夯实基础

当前自动驾驶正处在 L2 向 L3 级别跨越发展的关键阶段。其中，L2 级的 ADAS 是实现高等级自动驾驶的基础，从全球各车企自动驾驶量产时间表来看，L3 级 别自动驾驶即将迎来大规模地商业化落地。

随着自动驾驶级别的提升，单车传感器的数量呈倍级增加。预计自动驾驶 Level 1-2 级需要 10-20 个传感器，Level 3 级需要 20-30 个传感器，Level 4-5 级需要 40-50 个传感器。

Level 1-2 级别：通常具有 1 个前置远程雷达和 1 个摄像头，用于自适应巡航 控制，紧急制动辅助和车道偏离警告/辅助。2 个向后的中程雷达可实现盲点 检测，外加 4 个摄像头和 12 个超声波雷达则可实现 360 度视角的泊车辅助功 能。预计 Level 1-2 的总传感器数量约为 10-20 个左右。

Level 3 级别：在 Level 1-2 配置的基础上，外加 1 个远程激光雷达，由于主 动距离测量，激光雷达还具有高分辨率，广角和高精度的特点，这对于检测 和分类对象或跟踪地标以进行定位将是必需的。对于高速公路领航系统 （Highway pilot）应用，通常会额外增加 1 颗后向的远程激光雷达。预计会 使用 6-8 个摄像头，8-12 个超声波雷达和 4-8 个毫米波雷达，以及 1 个激光 雷达，因此，预计 Level 3 的传感器总数量会在 20-30 个左右。

Level 4-5 级别：通常需要多种传感器进行 360°视角的交叉验证，以消除每 种传感器的弱点。预计会使用 8-15 个摄像头，8-12 个超声波雷达和 6-12 个 毫米波雷达，以及 1-3 个激光雷达，因此，预计用于 Level 4 至 5 的传感器总 数量会在 30-40 个左右。

从本次广州车展来看，各家新车型均搭配多个激光雷达，以此来提前布局高阶 自动驾驶，哪吒 S 配置了 3-6 颗混合固态激光雷达，售价在 30 万以上的新车 型普遍搭配了支持 L3-L4 级自动驾驶所需要的各类传感器（2+颗激光雷达、12 颗超声波雷达、7-10 颗高清摄像头、5+颗毫米波雷达）。以蔚来 ET7 为例， 共搭载了多达 33 个高精度传感器，包括 1 个超远距高精度激光雷达、11 个 800 万像素高清摄像头、5 个毫米波雷达、12 个超声波传感器、2 个高精定位单位、 1 个 V2X 车路协同感知系统和 1 个 ADMS 增强主驾感知，较蔚来 ES8 的 25 个传感器还多了 8 个。

政策指引，助力高阶辅助驾驶 ADAS 快速落地

各国政策不断刺激，助力高阶辅助驾驶 ADAS 快速落地。美国在 2011 年开始 就强制所有轻型商用车和乘用车搭载 ESP 系统，欧盟从 2013 年开始强制安装 重型商用车搭载 LDW、AEB 等功能，日本从 2014 年强制要求商用车搭载 AEB 系统，2019 年欧盟与日本等 40 国达成草案，将于 2020 年起全部轻型商用车 和乘用车强制安装 AEB 系统。中国自 2016 年开始出台各项政策，逐步强制商 用车搭载 LDW、FCW、LKA、AEB 等 ADAS 功能。

各国新车测试标准不断增加对主动安全 ADAS 功能的权重。NCAP（New Car Assessment Program，新车测试项目）是测试机构对新车型的车辆安全水平进行全面评估，并直接面向公众公布试验结果。NCAP 是民间组织，不受政府机 构组织控制。碰撞测试成绩则由星级表示，共有五个星级，星级越高表示该车 的碰撞安全性能越好。

多传感器融合，定义自动驾驶汽车的“慧眼”

为了使汽车感知系统形成有效互补，多传感器融合已成为众多主机厂来提高自 身智能驾驶能力的核心技术之一。 为了应对不同的场景和保证车辆的安全保 证，多传感器融合成为行业趋势。多传感器融合技术是对信息的多级别、多维 度组合导出有用的信息，包含图像信息、点云信息等，不仅可利用不同传感器 的优势，还能提高整个系统的智能化。

多传感器信息融合技术的基本原理与人脑综合处理信息的过程相似，在此过程 中，智能驾驶汽车要充分地利用多源数据进行合理支配与使用，而信息融合的 最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、多方面 组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势，而 且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。

多传感器融合技术的主要优势有提升感知系统的准确度，提升感知维度，进而 提升系统决策的可靠性和置信度，以及增强环境适应能力。总之，多传感器技 术能够利用空间或时间上的冗余或者互补信息，基于优化算法对被观测对象进 行更全全面的分析：

提高感知的准确度：多种工作原理的传感器联合互补，可以避免单一传感器 的局限性，最大程度上发挥各种传感器的优势，能够同时获取被检测物体多 种不同的特征信息，渐少环境、噪声等外界干扰；

提升感知维度，提升系统决策的可靠性：多传感器融合可带来一定的信息冗 余度，即使某一个传感器出现故障，系统仍然可以正常工作，具有较高的容 错度，增加系统决策的可靠性和置信度；

增强环境适应能力：应用传感器融合技术采集的信息具有明显的特征互补性， 对空间和时间的覆盖范围更广，弥补了单一传感器对分辨率和环境的不确定 性。

多传感器对于车载系统也提出了新的要求，需要有统一的同步时钟，以此保证 传感器信息的时间一致性和正确性；此外，准确的多传感器标定，保证相同时 间下不同传感器信息的空间一致性。从多传感体系的融合结构上，主要可以分 为分布式、集中式和混合式三种。

2 环境感知之一：激光雷达

激光雷达是 L3 级以上自动驾驶的必备传感器

激光雷达，即（LiDAR, Light Detection and Ranging），是一种通过发射激 光束来测量周围环境物体的距离和方位的方法。激光雷达主要由发射模块、处 理模块和接收模块组成，其工作原理是向目标发射探测信号（激光束），然后 将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较，做适当 处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态及 形状等参数，从而对障碍物、移动物体等目标进行探测、追踪和识别。

激光雷达是当下已知的车载雷达中探测距离远，角度测量精度极高的一种。激 光雷达可以准确的感知周边环境的三维信息，探测精度在厘米级以内。激光雷 达能够准确的识别出障碍物具体轮廓、距离成 3D 点云，且不会漏判、误判前 方出现的障碍物，激光雷达普遍的有效探测距离也更远。与毫米波雷达和摄像 头相比，激光雷达具备高分辨率、远距离和视角广阔等特性。

激光雷达诞生于 1960 年，起初用于科研及测绘项目，全球首个车规级激光雷 达在 2017 年实现量产。1960 年美国休斯实验室的西奥多·梅曼发明了人类历 史上第一台激光器，随着激光器的发展，激光雷达逐渐发展起来。早期激光雷 达主要用于科研及测绘项目，进行气象探测以及针对海洋、森林、地表的地形 测绘。2010 年，Neato 公司把激光雷达安在了扫地机器人上面，推出了 Neato XV-11，Neato 公司将单个激光雷达的成本控制在 30 美元以内，解决了激光雷 达的量产难题，打开了激光雷达在民用市场的空间。

而车载雷达的发展历史可以追溯到 21 世纪初，在 2007 年，美国国防部组织的 DARPA 无人车挑战赛上，参赛的 7 只队伍，就有 6 只安装了 Velodyne 的激光 雷达。2010 年 Ibeo 公司同法雷奥合作进行车规化激光雷达 SCALA 的开发， SCALA 为基于转镜架构的 4 线激光雷达，在 2017 年成为了全球第一款车规级 激光雷达，SCALA 并在当年搭载在全新的奥迪 A8 上。

在测绘之外，智能驾驶、工业及服务机器人都是激光雷达的重要应用场景。在应用场景上，除了传统的测绘测风之外，无人驾驶、高级辅助驾驶等智能驾驶 场景正在快速成长。此外，工业及服务机器人如 AGV，其应用包括无人配送、 无人清扫、无人仓储、无人巡等，都是激光雷达未来重要的应用场景。

智能驾驶将是未来五年激光雷达市场的主要增长动力。根据 Yole 的预测，2019 年全球激光雷达市场规模约为 16 亿美金，预计到 2025 年全球激光雷达市场规 模将达到 38 亿美金，年复合增长率约为 20%。按照各细分应用板块来看，智 能驾驶场景未来五年的复合增长率将超过 60%，将会为整个激光雷达市场提供 18 亿美金的增量，预计到 2025 年，智能驾驶场景将占到整个激光雷达市场规 模的 50%，成为激光雷达市场的主要增长动力。此外，各种工业及服务机器人 对激光雷达的需求也在快速增长，也将带动整个激光雷达市场规模持续扩大。

目前主流的自动驾驶技术路径主要分两种：（1）以特斯拉为代表的视觉算法为 主导的流派。以摄像头主导，搭配毫米波雷达来捕捉周边环境信息，使用先进 的计算机视觉算法实现全自动驾驶。这一类方案所需的硬件成熟度较高，成本 低，但毫米波雷达探测角度较小，远距离探测能力也不足，需要优异的算法来 弥补缺点。典型代表有特斯拉，该技术路径相对小众；（2）以 Waymo、部分 车企为代表的激光雷达主导的流派。以激光雷达为主， 同时搭载毫米波雷达、 超声波传感器和摄像头，可以进行远距离、全方位的探测，分辨率较强，但硬 件成本较高，典型代表为谷歌 Waymo、百度 Apollo、文远知行等主流无人驾驶企业。

激光雷达是车载摄像头与毫米波雷达的有效补充，将是 L3 级及以上自动驾驶 的必备传感器。从工作原理来看，激光雷达发射的光波的频率比微波高出 2-3 个数量级，因此激光雷达具有极高的距离分辨率、角分辨率和速度分辨率，因 此测量精度更高，获得信息更为立体，同时，由于激光波长短，可发射发散角 非常小的激光束，可探测低空/超低空目标，抗干扰能力强。即便是纯视觉的方 案从效果上能够一定程度代替激光雷达的自动驾驶方案，但是对于高阶自动驾 驶而言，安全驾驶是其重要的一步，在感知环节的传感器冗余能够有限提升车 辆的安全冗余，激光雷达将是 L3 及以上自动驾驶的必备传感器。

混合固态短期会是主流，固态芯片化是终极形态

激光雷达主要由光束扫描器和探测系统两个维度组成，一个负责成像，一个负 责测距。按光束扫描器结构大致可划分为三类：机械式、混合固态和固态激光 雷达；按照扫描方式分为机械旋转式、MEMS（微振镜）、微距移动、Flash、OPA（光学相控阵）等。

ToF 激光雷达是当前的主流，未来 ToF 与 FMCW 会共存。按照探测方式来分， 分成了非相干测量（脉冲飞行时间测量法 ToF 为代表）和相干测量（典型为 FMCW 调频连续波）。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。

混合固态方案作为当前市场的过渡期预计将存在 5 年以上，终极形态的激光雷 达会是低成本、高度芯片化的产品。

固态激光雷达是终极形态，混合固态 MEMS 等方案短期内会是主流。机械式 激光雷达技术本身成熟，但具有成本较高、装配调制困难、生产周期长，且 需要持续旋转，机械部件的寿命较短，一般在 1-2 年，很难应用在规模量产车 型上。MEMS 混合固态激光雷达一方面具有尺寸小、可靠性高、批量生产后 成本低、分辨率较高等优势，另一方面也存在信噪比低、有效距离短、视场 角窄、工作寿命较短等缺点。MEMS 方案是当下车用激光雷达量产的最优解， 但是 MEMS 微振镜扫描角度小、振动问题与工作温度范围，过车规也存在挑 战。固态方案不用受制于机械旋转的速度和精度，可大大压缩雷达的结构和 尺寸，提高使用寿命，并降低成本。

芯片化将会是激光雷达的架构趋势。当前大部分 ToF 激光雷达产品采用分立 器件，即发射端使用边发射激光器 EEL 配合多通道驱动器、接收端使用线性 雪崩二极管探测器（APD）配合多通道跨阻放大器（TIA）的方案。但分立器 件仍存在零部件多、生产成本高、可靠性低等问题，芯片化架构的激光雷达 可将数百个分立器件集成于一颗芯片，在降低物料成本的同时，省去了对每 一个激光器进行独立光学装调的人力生产成本。此外，器件数量的减少，可 以显著降低因单一器件失效而导致系统失效的概率，提升了可靠性。芯片化 架构的激光雷达是未来的发展方向。（报告来源：未来智库）

激光雷达成本拐点来临，大规模商业化落地在即

激光雷达的成本构成。激光雷达本质是一个由多种部件构成的光机电系统，光 电系统包括发射模组、接收模组、测时模组（TDC/ADC）和控制模组四部分构 成，其中，光电系统成本约占激光雷达整机成本的 70%。

激光雷达上游产业链主要包括激光器和探测器、FPGA 芯片、模拟芯片供应商， 以及光学部件生产和加工商。激光器和探测器是激光雷达的重要部件，激光器 和探测器的性能、成本、可靠性与激光雷达产品的性能、成本、可靠性密切相 关。激光器主流供应商有欧司朗、艾迈斯半导体、鲁门特姆，探测器主流供应 商有滨松、安森美、索尼等。FPGA 通常被用作激光雷达的主控芯片，主流供 应商有赛灵思、英特尔等，除了 FPGA 之外，也可以选用 MCU、DSP 等代替。 MCU 的主流供应商有瑞萨、英飞凌等，DSP 的主流供应商有德州仪器、亚德 诺半导体等。而在相关光学部件上，国内供应链已经完全实现替代海外，实现 自主供应。

从各家的 Velodyne 的 64 线机械式激光雷达的售价在 7.5 万美元，32 线的机械 式激光雷达售价在 4 万美元左右，16 线的机械式激光雷达售价在 3999 美元。 而国内厂商，如禾赛科技在 2020 年发布的机械式激光雷达售价为 4999 美元左 右，速腾聚创在 2020 年发布的机械式激光雷达售价为 1898 美元。

随着相关技术和产业链日益成熟，激光雷达的成本拐点即将来临。Velodyne 宣 布计划到 2024 年将平均单价将下降到 600 美元，华为也宣布未来计划将激光 雷达的价格控制在 200 美金以内。随着相关技术逐渐成熟和供应链体系的逐步 完善，当前混合固态的激光雷达平均价格约在 1000 美元左右，预计到 2023 年 左右成本有望下探到 500 美元。随着激光雷达的成本拐点逐步到来，也为大规 模商用打造了充分的基础。

2022 年有望成为激光雷达大规模商业的元年。在 2021 年，如蔚来 ET7、智已 L7、极狐阿尔法 S、哪吒 S、R 汽车等都已宣布搭载激光雷达的车型正在量产路上，在前不久的广州车展上，威马 M7、广汽埃安 AION LX Plus 等均宣布了 搭载 2~3 颗激光雷达，长城最新发布的沙龙机甲龙更是配备 4 颗激光雷达。这 些车型大多在 2022 年量产，2022 年有望成为激光雷达大规模商业的元年。

空间测算：预计到 2025 年全球市场规模 739 亿元，CAGR 107%

各家 OEM 车厂在 2022 年搭载激光雷达的车型纷纷量产，带动车规级激光雷达 市场持续放量。当前由于激光雷达相对较高，只有 L2.5 和 L3 以上的车型才会 搭载，预计单车平均搭载数量将从 1 颗逐渐提升到 2030 年有望达到 3 颗。预 计到 2025 年全球车规级激光雷达搭载量将超过 3100 万颗，保持高速增长；随 着激光雷达的大规模量产，价格有望持续下降，预计将从目前的 6000 元，下 降至 2025 年 3000 元左右；而在市场空间方面，预计到 2025 年全球市场规模 有望超过 739 亿元，复合增长率 107%。中国市场方面，预计到 2025 年中国激 光雷达市场规模有望达到 287 亿元，激光雷达搭载量有望超过 1200 万颗。随 着高阶自动驾驶对激光雷达的需求不断提升，带动激光雷达市场快速爆发，车 规激光雷达将是未来五年智能传感器市场中弹性最大的子板块。

3 环境感知之二：车载摄像头

单车摄像头数量持续增加，天花板不断打开

车载摄像头是环境感知中最常见的传感器之一。摄像头的工作原理即目标物体 通过镜头生成光学图像投射到图像传感器上，光信号转变为电信号，再经过 A/D （模数转换）后变为数字图像信号，最后送到 DSP（数字信号处理芯片）中进 行加工处理，由 DSP 将信号处理成特定格式的图像传输到显示屏上进行显示。 视觉是人类驾驶汽车获取环境信息最主要的途径，摄像头获取的信息更为直观， 更接近人类的视觉，对于自动驾驶汽车而言，摄像头取代了人类视觉，成为了 汽车获取外界信息的重要来源。

车载摄像头的优点十分明显，成本低且技术成熟，采集信息的丰富度较高，最 接近人类视觉，但其缺点也十分显著，摄像头受光照、环境影响十分大，难以 全天候工作，尤其是在黑夜、雨雪天、大雾等能见度不足的场景下，其识别效 率大大降低，此外，车载摄像头缺乏深度信息，三维空间感不足。

图像传感器成本占比超过五成，CMOS 为当下主流选择。车载摄像头的硬件结 构包括光学镜头（光学镜片、滤光片、保护膜）、图像传感器、图像信号处理 器（ISP）、串行器、连接器等器件。成本结构成上，图像传感器成本占比最高， 成本占比达到 50%，CMOS 图像传感器具有读取信息方式简单、输出信息速率 快、耗电少、集成度高、价格低等特点，成为目前目前主流的车载图像传感器。

车载镜头舜宇排名第一，联创电子正在快速崛起。根据 ICVTank 在 2019 年的 数据显示，舜宇光学全球车载摄像头出货量第一，市占率超过 30%，韩国世高 光、日本关东辰美、日本富士占绝行业前四名，前四名市占率超过 80%。国产 方面，除舜宇之外，联创电子是国内唯二具备较强竞争力的厂商，目前已经进 入特斯拉、蔚来等产业链，正在快速崛起。

车载 CIS 呈现寡头格局，韦尔收购豪威科技一跃成为行业第二。车载 CIS （CMOS Image Sensor）是当下主流的车载摄像头图像传感器方案，其中安森 美是绝对的车载 CIS 龙头，市占率超过六成，豪威科技位列第二，市占率约为 20%，索尼和三星作为手机 CIS 的龙头，进入车载市场较晚，正在快速切入。 国产厂商方面，韦尔股份收购豪威科技后，一跃成为车载 CIS 龙头，正在迅速 崛起。

中游模组主要由海外公司主导，国产比例仍然较低。由于车规级摄像头模组的 安全性和稳定性要求更高，模组封装工艺更为复杂，在竞争格局方面，主要由 海外公司占据主要市场份额，松下、法雷奥、富士通、大陆、麦格纳等占据市场主要地位，国产方面，舜宇光学、联创电子等为代表的摄像头模组企业正在 快速布局车载领域。

根据安装位置划分，车载摄像头可以分为五大类：内视摄像头、后视摄像头、 前置摄像头、侧视摄像头、环视摄像头等；根据结构划分，车载摄像头可以分 为单目摄像头、双目摄像头、广角摄像头等。单目摄像头和双目摄像头主要用 于自动驾驶汽车的前视，视角一般为 45 度左右，负责实现 FCW、LDW、PCW、 TSR、ACC 等功能，而广角摄像头则要用于自动驾驶汽车的后视（后视泊车辅 助）、内置（闭眼提醒、DMS）、侧视（盲点检测）、以及环视（全景泊车、 LDW）等多个方位多种功能。

各家整车厂新车型的摄像头搭载数量持续上升。从各家最新发布的车型搭载方 案来看，造车新势力的单车搭载摄像头数量平均已超过 10 颗。2021 年最新发 布的蔚来 ET7 共搭载了 11 颗摄像头，小鹏计划于 2022 年量产的 G9 车型预计 将搭载 12 颗摄像头，极氪 001 更是搭载了 15 颗摄像头，各家车企不断增加前 视、环视、后视和内视等各方位的摄像头，为了高阶辅助驾驶的落地创造了坚 实的基础。

特斯拉 Model 3 的感知系统包括了 8 个摄像头+12 个超声波雷达+1 个毫米波 雷达。该感知系统可以实现在 250 米半径内提供 360 度的视野，可以在一定距 离内探测软硬物体，而且精度几乎是以前系统的两倍。包括 1 个前视窄视野长 焦摄像头（FOV 25 度、最大测距 250 米），1 个前视主视野中焦摄像头（FOV 50 度、最大测距 150 米），1 个前视宽视野广角摄像头（FOV 150 度、最大测 距 60 米），2 个侧方前视摄像头（最大测距 80 米）、2 个侧方后视摄像头（最 大测距 100 米）和 1 个后视摄像头（最大测距 50 米）。

Mobileye 的纯摄像头 ADAS 解决方案包括了 12 颗摄像头的子系统。在 CES 2020 上，Mobileye 也发布 12 个摄像头组成的纯摄像头解决方案，包括 2 颗前视摄像 头（FOV 120 度），一颗前视窄视野长焦摄像头（FOV 28 度），1 颗后视摄 像头（FOV 60 度），4 颗侧视摄像头（FOV 100 度），4 颗停车辅助摄像头， 1 颗 DMS 内视摄像头。

单车搭载摄像头数量持续增加，预计到 23 年有望超过平均每台车 3 颗。根据 佐思汽研数据，2021Q1 中国乘用车市场车载摄像头的总安装量为 922.3 万颗， 同比增长 95.3%，2021Q1 单车的摄像头安装量从 2020Q1 的 1.559 颗提升至 1.779 颗，市场对车载摄像头的需求量持续增加。根据 Yole 预测，2018 年全球 汽车平均每台搭载摄像头的数量为 1.7 颗，预计到 2023 年有望增加单车 3 颗左 右，CAGR 达 12%。而对于高端车的搭载情况，根据 Yole 数据显示，高端车 型的单车摄像头搭载数量从 2014 年的 5 颗提升到 2020 年的 8 颗，预计到 2024 年将超过 11 颗。

此外，根据不同等级自动驾驶的要求，为了实现更准确的识别效果，每一类摄 像头会搭载不同焦段 2-3 只。L1 或 2 级的车辆主要以安装倒车或环视摄像头为 主，单车摄像头数量约在 3-5 颗左右；L3 级车辆还会安装前视摄像头，单车摄 像头数量约在 8 颗左右；L4/5 级车辆基本会囊括各种类型的摄像头，单车摄像 头数量约在 10-20 颗左右。

各类型车载摄像头快速上车，渗透率不断提升。19-20 年我国后视摄像头渗透 率占比最高为 50%，前视摄像头渗透率 30%、侧视摄像头渗透率 22%，内置 摄像头渗透率 7%，仍然有很大的渗透空间。随着 IACC、HWA、HWP 等各类 高级 ADAS 功能落地，各种摄像头的需求量也在不断上升，驾驶员注意力监测 需求上升，DMS 摄像头也在快速上车。根据佐思汽研的数据，2021Q1 中国乘 用车市场 DMS 安装量同比增长 554.5%，是各类车载摄像头中增速最快的，此 外环视摄像头同比增速 120.8%，前视摄像头同比增速 103.0%，行车记录仪同 比增速 102.2%，后视摄像头同比增速 60.6%，各类车载摄像头安装量快速提 升。

EEA 架构集中化，有望带动摄像头成本下行

特斯拉剥离计算功能，摄像头 BOM 成本下降六成。以宝马 X5 采用的采孚三目 前视摄像头和特斯拉在 Model 3 中所使用的三目前视摄像头进行成本比较。宝 马 X5 中的采孚 S-Cam4 三目前视摄像头是由豪威（OmniVision）的 CMOS 图 像传感器实现图像采集，Mobileye 的 EyeQ4 实现视觉处理。而特斯拉在 Model 3 中 所 使 用 的 三 目 前 视 摄 像 头 ， 其 摄 像 头 模 块 是 基 于 安 森 美 （ On Semiconductor）120 万像素的 CMOS 图像处理器，并没有安装计算功能模块， 图像处理功能则由 Autopilot 来实现。

根据 SystemPlus 测算，特斯拉 Model 3 的三目前视摄像头的 BOM 成本 65 美 金左右，而采孚 ZF S-Cam4 三目前视摄像头的 BOM 成本在 165 美金左右，特 斯拉在剥离了计算功能后，摄像头 BOM 成本下降了约六成。

EEA 架构的集中化会促使算力集中化，进而加速传感器的硬件简化。以特斯拉 为例，Model 3 的电子电气架构已经进入准中央架构阶段，由中央计算模块 （CCM）、左车身控制模块（BCMLH）、右车身控制模块（BCMRH）三个部 分组成，特斯拉的准中央 E/E 架构已带来了线束革命，Model S/Model X 整车 线束的长度是 3 公里，Model 3 整车线束的长度缩短到了 1.5 公里，Model Y 进 一步缩短到 1 公里左右，特斯拉最终的计划是将线束长度缩短至 100 米。整个 架构的不断集中化，也带动了整个控制和算力的集中化，也避免了过往各 ECU之间的算力冗余，进一步简化边缘端传感器，从而带动边缘段硬件成本的进一 步下探。

车内感知需求不断增加，DMS 有望成为标配

驾驶员监测系统（DMS，Driver Monitor System）是指驾驶员行驶过程中， 全天候监测驾驶员的疲劳状态、危险驾驶行为的信息技术系统。在发现驾驶员 出现疲劳、打哈欠、眯眼睛及其他错误驾驶状态后，DMS 系统将会对此类行为 进行及时的分析，并进行语音灯光提示，起到警示驾驶员，纠正错误驾驶行为 的作用。DMS 一般分为主动式 DMS 和被动式 DMS。被动式 DMS 基于方向盘 转向和行驶轨迹特征来判断驾驶员状态。主动式 DMS 一般基于摄像头和近红 外技术，从眼睑闭合、眨眼、凝视方向、打哈欠和头部运动等，检测驾驶员状 态。

主动 DMS 系统从 18 年开始逐渐放量，21 年 1-9 月 DMS 销量同比增长 244%。 自 2006 年起，雷克萨斯 LS 460 首次配备主动 DMS，随着近年来一系列的安 全事故大大提高了 DMS 在自动辅助驾驶系统尤其是 L2/L3 功能上的的重要性。 从 2018 年开始，随着 L2 和 L3 系统逐渐量产，主动式 DMS 系统开始放量。根 据佐思汽研数据， 2019 年在中国主动 DMS 系统的乘用车新车安装量为 1.02 万套，同比增长 174%。2021 年 1-9 月中国乘用车新车的 DMS 系统销量 25.15 万套，同比增长 244%，其中合资占比 6%，本土占比 94%，排名靠前的品牌 有长安、小鹏、哈弗、宝马、蔚来等。2021 年中国 DMS 爆发增长主要原因是 本土品牌增加了装配车型力度。2021 年新上市车型 DMS 装配量 9.67 万辆，占 整体装配量比例 38%。

大部分 Tier1 已推出 DMS 完整解决方案，包括法雷奥、博世、大陆、电装、现 代摩比斯、伟世通、维宁尔等。在中国企业中，百度、商汤科技、中科创达、 经纬恒润等公司的 DMS 产品也已落地在各个品牌车型上。

DMS 的核心功能是监测驾驶员的疲劳和注意力分散程度。但是基于更多的传感 器，视觉+红外摄像头，甚至毫米波雷达，可以实现更多的功能，譬如人脸识别、 年龄性别估计、情绪估计、安全带检测、姿势位置、遗忘检测、座舱异常情况 检测、幼儿检测等。通过人脸、性别和表情的识别, 实现身份认证，以及更丰 富的人车交互。目前 DMS 的应用仅停留在预警阶段，而一旦与 ADAS/AD 系统 结合，还可以实现个性化车身控制等功能。

空间测算：预计到 2025 年全球市场规模近

1200 亿元，CAGR 22% 随着高阶辅助驾驶功能渗透率的不断提升，平均单车摄像头的数量也在不断提 升。对于 L2.5 和 L3 级的单车而言，平均车载摄像头有望从 6-7 颗提升到 2030 年的 10 颗。随着 ADAS 摄像头和高清摄像头的渗透率逐渐提升，将会带动单 车摄像头价值量的不断提升。根据我们测算，预计到 2025 年全球车载摄像头 市场规模将达 1178 亿元，复合增长率 21.9%，全球车载摄像头的搭载量有望 突破 2.45 亿颗，复合增长率 19.2%。在中国市场方面，预计到 2025 年，中国 车载摄像头市场规模将达到 457 亿元，车载摄像头搭载量有望突破 9600 万颗。

4 环境感知之三：毫米波雷达

77GHz 正在取代 24GHz 成为主流

毫米波雷达是一种使用天线发射波长 1-10mm、频率 24-300GHz 的毫米波 （Millimeter Wave，MMW）作为放射波的雷达传感器。毫米波雷达根据接收 和发射毫米波的时间差，结合毫米波传播速度、载体速度及监测目标速度，可 以获得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。 毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的 优点。与激光雷达（LiDAR）相比，目前毫米波雷达技术更加成熟、应用更加 广泛、成本更加低廉；与可见光摄像头相比，毫米波雷达的准确性和稳定性更 好，价格差距也在不断缩小。尤其是全天候工作无可替代的优势，已成为汽车 电子厂商公认的主流选择，拥有巨大的市场需求。

车载毫米波雷达根据毫米波频率可以分为 24GHz、77GHz 和 79GHz 毫米波雷 达三大种类。目前各个国家对车载毫米波雷达的频段各有不同，除了少数国家 （如日本）采用 60GHz 频段外，主要集中在 24GHz 和 77GHz 两个频段。世 界无线电通信大会已将 77.5~78.0GHz 频段划分给无线电定位业务，以促进短 距高分辨车用雷达的发展。由于 77GHz 相对于 24GHz 的诸多优势，未来全球 车载毫米波雷达的频段会趋同于 77GHz 频段（76-81GHz）。

根据探测距离的不同，毫米波雷达可分为短程毫米波雷达（SRR）、中程毫米 波雷达（MRR）、远程毫米波雷达（LRR）三种。24GHz 主要是以 SRR 和 MRR 雷达为主，77GHz 主要以 LRR 雷达为主。一般情况下，SRR 的探测距 离小于 60 米，MRR 的探测距离在 100 米左右，LRR 的探测距离大于 200 米。

车载毫米波雷达因具备受天气气候影响程度低、不受前方目标物形状与颜色等 干扰等特性，广泛应用于主动安全系统。不同探测距离决定了不同类型毫米波 雷达的应用场景不同，因此，不同高级辅助驾驶功能也需要不同的雷达选型。 角雷达通常是 SRR 短程雷达负责盲点检测（BSD）、变道辅助（LCA）和前后 交叉交通警报（F/RCTA）的要求，而前雷达通常是负责自动紧急制动（AEB） 和自适应巡航控制（ACC）的 MRR 和 LRR 中远程雷达。毫米波雷达是高级辅 助驾驶系统（ADAS）的必备传感器。

77 GHz 车载激光雷达优势显著，正在逐渐替代 24GHz 成为主流。（1）77GHz 雷达的分辨率和精度更高：由于速度分辨率和精度与射频成反比，更高的射频频 率导致更好的速度分辨率和精度。77GHz 的毫米波雷达比 24GHz 的速度分辨率和 精度提高了 3 倍；（2）77GHz 雷达的体积更小：77GHz 天线列阵的间距仅为 24GHz 的三分之一，因此整个毫米雷达的体积也可以实现其三分之一。

海外厂商正主导市场，国内正起步追赶

国外毫米波雷达发展历史悠久，国产正在逐步追赶。1973 年德国首次出现汽车 防撞雷达，欧美大型毫米波雷达制造商已累积近 40 年的技术经验。早期的毫米 波雷达采用高电子迁移晶体管制作集成电路，集成度低且成本高昂，直到 2012 年，英飞凌及飞思卡尔成功推出芯片级别的毫米波射频芯片，降低了毫米波波 雷达的技术门槛，同时降低其制造成本，推动毫米波雷达在各领域的应用。2013 年，24GHz 毫米波雷达产品开始进入中国，2018 年，实现 24GHz 毫米波雷达 国产，但是在 77GHz 毫米波雷达产品仍未实现大规模国产化，只有少数国内厂 商具备 77GHz 产品的量产能力，国产毫米波雷达仍在持续追赶中。

毫米波雷达的硬件占比约 50%，主要由射频前端（MMIC）、数字信号处理器、 天线及控制电路等部分构成，软件算法占比约 50%。

射频前端（MMIC）：是核心射频部分，占总成本的 25%左右。由发射器、 接收器、功率放大器、低噪声放大器、混频器、滤波器及压控振荡器组成， 起到调制、发射、接收及解调毫米波信号的作用。在技术趋势上，集成度 更高、体积更小的高集成趋势下，CMOS 工艺有望成为主流。在供应商方 面，加特兰微电子、意行半导体、矽杰微电子、矽典微等本土厂商已有能 力自行研发生产低频 24GHz 芯片，且价格较海外有 30%以上的优势。但 在高频段 77GHz 芯片方面，主要由恩智浦、英飞凌、德州仪器、意法半 导体等供应。

数字信号处理器：通过嵌入不同的信号处理算法，分析前端收集的信号获 取目标信息，是保证毫米波雷达稳定性及可靠性的核心部件，主要通过DSP 芯片或 FPGA 芯片实现，占总成本的 10%左右。在技术趋势上，DSP 芯片在复杂算法处理上具备优势，FPGA 在大数据底层算法上具备优势， “DSP+FPGA”融合在实时信号处理系统中的应用逐渐广泛。在供应商方 面，高端 DSP 芯片和 FPGA 芯片主要被国外企业垄断，DSP 芯片供应商 有飞思卡尔、英飞凌、亚德诺半导体、意法半导体等，FPGA 芯片供应商 有赛灵思、阿尔特拉、美高森美、莱迪思等公司。

高频 PCB：天线是毫米波雷达发射和接收信号的重要组件，毫米波雷达可 通过微带列阵方式将多根天线集成到 PCB 板上。由于毫米波频率高，对电 路尺寸精度要求高，所需印制电路板为高频板材 PCB，占总成本的 10%。 主要供应商为罗杰斯、Isola、施瓦茨为主，国内主要是沪电股份等公司。

博世、大陆、电装、海拉等国外厂商占据全球毫米波雷达的七成市场份额。全 球毫米波雷达主要供应商有博世、大陆、电装、海拉、天合、安波福、奥托立 夫等。博世、大陆、电装、海拉等国外巨头占据行业 73%的市场空间，行业集 中度较高。

维宁尔、大陆、海拉占据 SRR 市场，博世、大陆、电装等占据 LRR 市场。根 据佐斯汽研的数据显示，维宁尔、大陆、海拉、安波福和法雷奥五家企业占据 中国短程毫米波雷达（SRR）96.4%的市场空间，其中维宁尔排名第一，市占 率 32%；博世、大陆、电装和安波福占据长距毫米波雷达（LRR）95.7%的市 场空间，博世排名第一，市占率高达 40%。

24GHz 国产化率较高，77GHz 仅少部分国产玩家实现量产。国产厂商已实现 24GHz 毫米波雷达产品市场化供货，而仅少数玩家具备 77GHz 毫米波雷达产 品的量产能力，其中森思泰克是目前国内乘用车前装 77GHz 毫米波雷达市场份 额排名首位的国产供应商，正在逐渐缩小与海外厂商的差距，其毫米波雷达的定点车型接近 100 个，而德赛西威、华域汽车等公司也已达到 77GHz 雷达的 量产条件。

空间测算：预计到 2025 年全球市场规模 380 亿元，CAGR 26%

毫米波雷达作为最常用的车载传感器之一，目前 L1 或 L2 级一般需要搭载 0-3 个左右，L3 级一般需要搭载 3-6 个左右，而 L4 或 L5 级一般需要 6-10 个左右， 随着高阶辅助驾驶功能的渗透率逐渐提升，也将带动平均单车搭载个数的提升。 目前毫米波雷达正在逐渐从 24GHz 朝着 77GHz 迁移，24GHz 毫米波雷达平均 单价 300 元左右，77GHz 的在 400 元左右，有望带动平均毫米波雷达的价格提 升。根据我们的测算，预计到 2025 年全球毫米波雷达市场规模将达到 384 亿 元，复合增长率为 25.5%，全球毫米波雷达搭载量将达到 1.1 亿颗，复合增长 率为 23.7%。在中国市场方面，预计到 2025 年，中国毫米波雷达市场规模将 达到 149 亿元，中国毫米波雷达搭载量将达到 4250 万颗。（报告来源：未来智库）

5 环境感知之四：超声波雷达

成本优势显著，国产化率高，是成熟的车载传感器

超声波雷达是最成熟的车载传感器。超声波雷达，俗称倒车雷达，是一种最常 见的传感器，其工作原理是通过超声波发射装置向外发出超声波（机械波而非 电磁波），到通过接收器接收到发送过来超声波时的时间差来测算距离。常用 的工作频率有 40kHz、48kHz 和 58kHz 三种。频率越高，灵敏度越高，但水平 与垂直方向的探测角度就越小，故一般采用 40kHz 的探头。按构造分类，超声 波雷达可以分为等方性与异方性，二者的区别在于水平探测角度与垂直探测角 度是否相同；按技术方案分类，超声波雷达可以分为模拟式、四线式数位、二 线式数位、三线式主动数位，它们的信号抗干扰能力依次提升，技术难度与价 格总体递进。

超声波的能量消耗较缓慢，在介质中传播的距离比较远，穿透性强，测距的方 法简单，成本低。但是超声波散射角大，方向性较差，在测量较远距离的目标 时，其回波信号会比较弱，影响测量精度。但在短距离测量中，超声波测距传 感器具有非常大的优势。超声波雷达防水、防尘，即使有少量的泥沙遮挡也不 影响，探测范围在 0.1-3 米之间，而且精度较高，其主要作用是通过蜂鸣器来 辅助驾驶员泊车、自动泊车的辅助与微调车辆在行车道的位置，保持与相邻车 道车辆的安全距离。

超声波雷达主要用于停车辅助和自动泊车，可以分为 UPA 和 APA 超声波雷达 两种类型。（1）UPA 超声波雷达：超声波驻车辅助传感器（UPA，Ultrasonic Parking Assistant），探测距离一般在 15~250cm 之间，感测距离较短，但是 频率较高，为 58kHz，精度高；（2）APA 超声波雷达：自动泊车辅助传感器 （APA，Automatic Parking Assistant），探测距离一般在 30~500cm 之间，感 测距离较长，但是频率较低，为 40kHz，精度一般。

倒车系统需要 4 个 UPA，而自动泊车系统需要 8 个 UPA+4 个 APA。一套普通 的倒车雷达系统需要配备 4 个 UPA 超声波雷达，而自动泊车系统需要在倒车雷 达系统基础上，增加 4 个 UPA 和 4 个 APA 超声波雷达组成 12 个超声波雷达系 统，其中，8 个 UPA 超声波雷达安装于汽车前后保险杠上，用于测量汽车前后 障碍物，4 个 APA 超声波雷达安装于汽车两侧，用于测量侧方障碍物距离。

在全球市场竞争格局上，目前超声波雷达主要市场空间由 Tier1 厂商占据，据 统计，2018 年全球超声波雷达市场份额中法雷奥和博世占据市场 50%以上份 额。截至 2021 年 5 月，汽车之家在售车型有 8998 款，配置了倒车雷达的车型 有 7074 款，渗透率达到 79%；其中配置前向雷达车型有 2531 款，渗透率达到 28%。目前超声波雷达较为成熟，市场渗透率较高，价格下探到较低水平，已 有像奥迪威等国产厂商切入到该市场。 超声波雷达价格低廉，技术相对成熟。

超声波雷达测距方式简单，产业链成熟， 单体价格相对低廉，平均售价 100 元左右。超声波雷达上游主要为芯片和传感 器供应商，芯片主要依赖进口，如飞思卡尔（恩智浦 NXP 收购）等厂商，传感 器已经实现国产化。超声波雷达中游为超声波雷达生产商，主要参与者可以分 为国际 Tier1、国内 Tier1 以及初创公司。由于超声波雷达技术较为成熟，故国 内外玩家之间的差距主要在于传感器实现上的稳定性和可靠性，但整体差异较 小。其中国际 Tier1 主要是博世、法雷奥、大陆，国内 Tier1 主要是奥迪威、辉 创电子、航盛电子、同致电子，初创企业有晟泰克、辅易航（中科创达收购） 等。

自动泊车（APA）渗透率快速提升，带来新的增长动能

自动泊车辅助系统（Auto Parking Assist，APA），市值车辆在低速行驶时， 可通过车辆周身搭载的传感器测量车身与周围环境之间的距离和角度，收集传 感器数据计算出操作流程，同时自动调整方向盘、刹车和油门实现停车入位。

自动泊车系统按技术等级，又可分为半自动泊车（只有自动转向）、全自动泊 车（含自动转向和自动前进后退）、自主代客泊车（AVP）等。

通常可将智能泊车技术划分为三大发展阶段：半自动泊车→全自动泊车→自主 代客泊车。从全自动泊车发展到自主泊车技术，其最早普及的第一代 APA 自动 泊车，随后出现将泊车与手机结合的第二代 RPA（Remote Parking Asist）远 程遥控泊车，再是发展到第三代 AI 自主学习泊车，最理想的泊车辅助场景是第 四代泊车解决方案 AVP（Automated Valet Parking）自主代客泊车。

中国乘用车 APA 装配量快速增长，但装配率仅 12.3%，增长空间巨大。根据 高工汽车数据显示，2021 年 1-7 月国内新车搭载 APA 功能上险量为 142.55 万 辆，同比上年同期增长 36.4%。其中，融合泊车（基于全景环视+超声波）占比 32.83%，同比上年同期呈现数倍增长的势头。据佐思汽研统计，2020 年中国 乘用车 APA 装配量为 230.8 万辆，同比增长 46.4%，APA 装配率为 12.3%， 较 2019 年全年上升 4.28 个百分点。APA 在奔驰、宝马等中高端车型以及理想、 小鹏等造车新势力中装配率较高，但在大多数车型中普及率仍较低，APA 未来 仍有巨大渗透空间。

当前主机厂推出的自动泊车 APA 方案基本采用 12 颗超声波雷达。其中宝马、 别克等以纯超声波雷达方案为主，部分主机厂则开始采用超声波雷达+环视摄像 头融合方案提高车辆自动泊车系统的泊入/泊出成功率，主要集中在自主品牌如 蔚来、小鹏、长安、吉利等。

12 颗超声波雷达方案的渗透率将从 2019 年的 9.6%提升到 2025 年的 26.1%。 根据佐思汽研数据显示，从单车超声波雷达配置方案来看，2019-2020 年，4 颗超声波雷达方案占据大部分市场，主要实现倒车辅助功能。2019 年 12 颗超 声波雷达方案的占比仅为 9.6%左右，预计到 2025 年 12 颗超声波雷达方案的 渗透率将达到 26.1%。随着自动泊车商业化推广，12 颗超声波雷达方案占比正 在快速攀升，有望成为未来智能汽车的主流。

空间测算：预计到 2025 年全球市场规模约 390 亿元，CAGR 7.4%

超声波雷达作为倒车雷达拥有比较高的普及率，倒车系统需要 4 个 UPA 超声波 雷达，随着自动泊车功能的渗透率不断提升，自动泊车系统需要 8 个 UPA+4 个 APA 超声波雷达，单车超声波雷达的搭载个数有望从 4 个提升到 12 个。价 格上，超声波雷达产品相对成熟，价格相对便宜，平均单价在 100 左右。根据 我们的测算，预计到 2025 年全球超声波雷达市场规模将达到 390 亿元，复合 增长率 7.35%，全球车载摄像头的搭载量有望突破 4.1 亿颗，复合增长率 7.35%。 而中国市场方面，预计到 2025 年，中国车载摄像头市场规模将达到 151 亿元， 车载摄像头的搭载量有望突破 1.59 亿颗。

6 车身感知：惯性导航、卫星导航、高精度地图

本章主要针对车身感知定位系统进行介绍，车身感知主要是感知车辆位置、行 驶速度、姿态方位等信息，下文分别介了绍惯性导航、卫星导航系统和高精度 地图三种主要的定位技术的发展情况，最后对多融合的车身感知定位系统及发 展趋势进行介绍。根据技术原理，自动驾驶的定位技术主要可以分为基于信号定位、 航位推算和地图匹配三大类：

(1) 基于信号的定位：采用飞行时间测距法（Time of Flight，ToF）获得汽车与卫 星的距离，然后使用三球定位原理得到汽车的绝对位置，主要就是通过全球 卫星 GNSS 的卫星信号进行定位，还包括使用 WiFi、UWB、FM 微波等其他 信号获取信息等技术；

(2) 航迹递推（Dead Reckoning）：依靠惯性传感器获得加速度和角速度信息， 根据上一时刻其策划的位置和航向递推出当前的位置和航向；

(3) 地图匹配（Map Matching，MM）：基于视觉摄像头（Camera）或激光雷 达（LiDAR）采集到的数据特征与高精度地图数据中的特征进行匹配，得到车 辆的位置和姿态。

惯性导航：车身感知定位系统的信息融合中心

惯性导航系统（Inertial Navigation System, INS）是一种不依赖外部信息、 也不向外部辐射能量的自助式导航系统。惯性导航系统（INS）是利用惯性传 感器（IMU）测量载体的比力及角速度信息，结合给定的初始条件，与 GNSS等系统的信息融合，从而进行实时推算速度、位置、姿态等参数的自主式导航 系统。惯性导航系统属于一种推算导航方式，即从一已知点的位置根据连续测 得的运载体航向角和速度推算出其下一点的位置，因而可连续测出运动体的当 前位置。

一个惯性测量单元包括 3 个相互正交的单轴加速度计（Accelerometer）测量 转动运动和 3 个互相正交的单轴陀螺仪（Gyroscopes）测量平移运动的加速 度。自动驾驶所需要的惯性传感器（IMU）主要是加速度计和陀螺仪。（1）加 速度计：基于牛顿第二定律，采用电容式、压阻式或热对流原理，通过在加速 过程中对质量块对应惯性力的测量来获得加速度值。用来测量运动体坐标系上 各轴的加速度；（2）陀螺仪：用于测量载体绕自身三个坐标轴的转动角速度， 同时也敏感地球自转的角速度。

按照力学编排实现形式可分为：捷联式惯性导航系统（Strap-down Inertial Navigation, SINS）和平台式惯性导航系统（Gimbaled Inertial System, GINS）。 平台式惯导的传感器安装在多轴伺服平台上作为反馈元件，控制伺服平台的姿 态达到设定，多用于沿地球表面作等速运动的飞行器（如飞机、巡航导弹等）， 捷联式惯导的传感器和载体一同运动，省去了平台，结构简单、体积小、维护 方便，自动驾驶领域主要采用捷联式惯性导航系统。

航迹递推（Dead Reckoning，DR）算法是惯性导航系统的主要实现手段。DR 算法是指已知上一时刻导航状态（状态、速度和位置），根据传感器观测值推 算到下一时刻的导航状态。DR 算法包括姿态编排和位置编排两个部分。姿态编 排使用的是 AHRS（Attitude and heading reference system）融合算法，处理 后输出车机姿态信息。DR 算法可以在无卫星导航信号或弱卫星导航信号的场 景，仅靠 DR 算法也能得到较为可靠的导航信息。

惯性导航系统是车身感知定位系统的信息融合中心，具有不可替代的作用。惯 性导航的数据实时存在，永不消失，性能稳定，可以连续 100Hz 高频工作，惯 导是三种定位方法中最为可靠的，具有输出信息不间断、不受外界干扰等独特 优势，可保证在任何时刻以高频次输出车辆运动参数，同时将视觉传感器、雷 达、激光雷达、车身系统信息进行更深层次的融合，为决策层提供精确可靠的 连续的车辆位置，姿态的信息，车身感知定位系统的信息融合中心。

卫星导航：RTK 助力 GNSS 实现厘米级的定位

全球导航卫星系统（Global Navigation Satellite System，GNSS）是以人造 地球卫星为导航台，为全球海陆空的各类军民载体提供位置、速度和时间信息 的空基无线电导航定位系统。导航卫星的工作原理主要是通过三球定位原理实 现的，由于卫星的位置精确可知，通过卫星到接收机的距离，利用三维坐标中 的距离公式，利用 3 颗卫星，就可以组成 3 个方程式，解出观测点的位置。考 虑到卫星的时钟与接收机时钟之间的误差，实际上有 4 个未知数，位置的 X、Y、 Z 和钟差，因而需要引入第 4 颗卫星，形成 4 个方程式进行求解，从而得到观 测点的经纬度和高程。为提高定位精度，普遍采用差分 GPS 技术，建立基准站 （差分台）进行观测，利用已知的基准站精确坐标，与观测值进行比较，从而 得出修正数，并对外发布。接收机收到该修正数后，与自身的观测值进行比较， 消去大部分误差，得到一个比较准确的位置。

卫星导航系统主要包括全球四大导航卫星系统，以及区域系统和增强系统。全 球 4 大卫星导航系统供应商，包括美国的全球定位系统 GPS、俄罗斯的格洛纳 斯卫星导航系统（GLONASS）、欧盟的伽利略卫星导航系统（GALILEO）和 中国的北斗卫星导航系统（BDS）。除此之外，还有日本、印度等国家的区域 卫星导航系统。

使用 RTK 技术可以帮助 GNSS 实现厘米级的定位精度。RTK（Real-time kinematic）载波相位差分技术，卫其原理是卫星轨道误差、卫星钟差、电离层 延迟、对流层延迟等误差对相距不远的 GNSS 站影响接近，特定的地理坐标点、 卫星接收站等，以该点位为中心的 20-40km 半径范围内，可以通过站间观测值 差分消除，进而实现相位模糊度的快速固定与瞬时厘米级定位。

高精度地图：实现 L3 及以上自动驾驶的必备基础

高精度地图，即 HD Map（High Definition Map）或 HAD Map（Highly Automated Driving Map），是指绝对精度和相对精度均在 1 米以内的高精度、 高新鲜度、高丰富度的电子地图。其信息包括道路类型、曲率、车道线位置等 道路信息，路边基础设施、障碍物、交通标志等环境对象信息，以及交通流量、 红绿灯状态信息等实时动态信息。根据地图信息的不同，高精度地图由底层到 上层可以分为四个层级：为静态地图、准静态地图、准动态地图和动态地图。

高精度地图比传统地图优势显著。与传统地图相比，基于自动驾驶系统的需求， 高精度地图在保留地图检索、道路规划、渲染、诱导等功能基础上，侧重地图 信息丰富性、精度高、提升计算机器或汽车智能化三大方向，以及高频更新、 标识横纵向定位、坡度曲率节能应用与舒适性提升等。

行业拥有较高准入门槛，百度、四维图新和高德三足鼎立

高精度地图行业拥有较高的准入门槛，需要有甲级测绘资质。测绘资质方面， 我国对企业获得地图测绘与制作资质有严格的要求，并不对国外厂商开放。 2016 年出台的《关于加强自动驾驶地图生产测试与应用管理的通知》规定，自动驾驶地图的绘制需由具有导航电子地图制作测绘资质的单位承担，在道路测 试过程中要严格限制地图接触的人员范围，对于初创公司来说有一定的门槛要 求。截至 2021 年 12 月，仅有 28 家公司进入国内高精地图甲级测绘资质名单。

国内图商占主要份额，百度、四维图新和高德呈现“三足鼎立”的局面。由于 高精度地图涉及国家地理机密，国内高精度地图主要玩家大多是本土公司，根 据 IDC 统计，2020 年国内高精度地图行业市场份额前五名公司为百度、四维图 新、高德、易图通以及 Here，其中 CR3 超过 65%，呈现“三足鼎立”的局面。

集中采集和众包采集高度整合是未来地图数据采集的主要趋势

高精度地图的制作大致分为数据采集、绘图、更新和验证四部分。其中数据采 集提供地理数据的来源，绘图环节通过数据融合及相关算法完成语义识别，将 地理数据转换为道路模型，更新环节结合传感器等硬件实现高精度地图的实时 更新，验证环节则结合人工与 AI 算法完成最后的确认。

高精度地图的数据采集成本较高。数据采集消耗成本巨大，仅一辆高精地图采 集车需要配置的设备就包括：激光雷达、摄像头、陀螺仪、GPS 接收机、数据 存储和计算设备等。同时，高精地图精细程度高，传统地图生产方式难以满足 其量产应用的需要。采用传统测绘车方式，在成本约束下，测绘效率很难大幅 度提高。

数据采集方式有集中采集和众包采集：（1）集中采集：精度高，但更新频率低、 采集成本高，高德、百度、Tomtom 等公司更多采用专业测绘车集中制图；（2） 众包采集：数据鲜度高、成本低，但采集精度低、可靠性和一致性较差，丰田、 特斯拉、Here 等厂商则选择采用众包采集的模式。未来，以集中采集为建图基 础，在海量众包数据中快速提炼符合规范的静态图层变更信息和动态图层实况 信息，两者深度结合的技术模式成为主流的方向。

多源数据融合成为需要，自动化绘制起成为发展趋势。高精度地图提供的地图 数据不仅包括传统路网信息，还包括高精度车道级及环境信息数据，以及动态 感知层和驾驶决策层部分信息，数据绘制的自动化和智能化成为重要的发展趋 势。目前常用的绘图方法是将采集环节得到的数据经过清洗、加总建模后借助 语义识别模型进行绘图。而借助 AI 技术完成不同传感器数据自动融合识别，即 把 GNSS/INS、点云、图像等数据叠加在一起，进行道路标线、路沿、路牌、交通标志等道路元素的识别，从而简化高精地图数据处理流程并不断提高制图 效率，对于复杂环境尤为重要。

更新技术面临挑战，5G 赋能或成解决方案。高精度地图的更新，考虑到当前的 技术水平和成本，季度更新策略最佳。在更新的时候，可以采用小版本部分更 新或者是增量更新的方式，大版本采用全部更新的策略。对于高精地图里的动 态或准动态部分，一般通过车联网以实时或准实时（秒到小时级别）的频率更 新。

未来高精度地图会更多的借助大数据和地图云服务平台进行更新和分发。这其 中，5G 赋能让高精度地图和云计算结合得更加紧密，更加实时。5G 网络带来 数据传输速率的大幅提升，让高精度地图的采集与更新变得更加实时动态。专 业化高精度采集、众包采集和路侧采集等多种地图采集方式的动态信息，依托 5G 网络实时同步至云端进行加工处理；同时，更新后的高精度地图及实时信 息从云端对道路上行驶的车辆进行同步更新。

车路协同高速发展，高精度地图与路侧感知体系互相成就。一方面，路侧的传 感器将成为高精地图更新的有效数据来源。路侧感知能力与车端感知能力紧密 结合，增加信息冗余度，互相校验及融合，为高精地图提供更为精准丰富的信 息。另一方面，高精度地图可以赋能路侧感知体系。前端感知设备与高精度地 图结合，实现前端感知数据附带地理属性，进而与平台 GIS 地图无缝结合且可 支持车路协同数据应用。

成本负担较高，成本随精度要求急剧提升。高精度地图的主要成本分为采集成 本和编译成本两部分。其中采集成本包括备成本、采集车辆的行驶耗材、过路 费及人力成本等，仅一辆高精地图采集车需要配置的设备就包括：激光雷达、 摄像头、陀螺仪、GPS 接收机、数据存储和计算设备等；而编译制作成本主要 是人力成本。

随着地图精度要求的提升，集中采集和众包采集方法在数据收集与更新上的成 本大幅上涨，主要是由于设备成本和人工成本的提升。但随着 5G 技术的发展 与人工智能算法的进步，相关成本最终会趋于平稳。

图商从交付转向服务，云平台 SaaS 是方向

盈利模式区别于传统地图，云平台 SaaS 模式是未来大方向。区别于传统地图 的的 License 授权模式，高精度地图的主要有按单位时间和按数据量收费两种收费模式，核心区别在于收费稳定，初期阶段基本以服务功能开发费+License 组合为基础；此外，还存在一种“免费”模式，即图商向客户免费提供现有数 据产品，但同时客户需向图商提供收集到的数据，地图的价格即为客户收集数 据的价值。

由于高精地图对数据更新的实时性提出很高的要求，从高精度的产品形态和服 务方式角度，通过云服务平台对实时更新的高精地图数据进行实时分发是一种 可行的方式，云平台可以实时收集各车的行驶数据来补充道路情况信息闭环， 增强收集数据密度而降低收集成本。

图商的角色从交付向服务演变，客户从 B 端向 C 端扩展。由于高精度地图需要 实时更新，图商不再只是交付并收费的模式，而是开始向地理信息数据服务商 转型。图商正逐渐成为自动驾驶时代的重要参与者、合作者、服务商。同时， 除了向车厂或者自动驾驶出行服务商提供地理信息数据服务这种 B 端的业务， 在大规模自动驾驶落地的趋势下，高精度地图也会向 C 端延伸，但大规模的民 用落地还需根据宏观政策进行调整。

“GNSS+IMU+高精度地图”组成多融合车身感知定位系统

高精度是车身感知定位系统的核心。车身感知定位系统的关键是高精度，定位 精度越高，自动驾驶的可靠性越高。第一，高精度的车身感知定位系统能够不 受极端天气和环境等因素的干扰，能持续稳定地提供的车道级位置感知；第二， 不同的传感器有不同的工作时钟和延迟，高精度车身感知定位系统能够实现感 知信息的时空同步；第三，高精度的车身感知定位系统可以在较少资源下获得较高的定位精度，从而减少数据运算量，降低系统复杂程度；第四，高精度的 车身感知定位系统能够让每一辆车都能够精确地定出自己的位置，通过车车通 信和车路通信把自己的位置分享给其他车辆，有利于实现 V2X 应用。

根据组合导航模块的耦合程度不同，多传感器融合的定位系统主要包括三种结 构：松耦合（Loose Coupling）、紧耦合（Tight Coupling）和深耦合（Deep Coupling）。

松耦合（Loose Coupling）：GNSS 和 INS 独立工作，GNSS 输出 RTK 定位结果，INS 输出惯性数据，两者将数据送入滤波器内。滤波器通过比 较二者的差值，建立误差模型以估计 INS 的误差，并将误差补偿反馈给 INS。优点是易于实现，性能比较稳定。缺点是当卫星数量低于最低数量 时，GNSS 的输出就会失效。且在信号存在遮挡的场景，定位稳定性、可 靠性不如另外两种耦合；

紧耦合（Tight Coupling）：GNSS 输出观测量（伪距、伪距率）来与 INS 输出的惯性数据作差，并将差值输出给滤波器，从而用来进行 INS 误差的 估计，并将误差补偿通过反馈的方式补偿给 INS，经过校正的 INS 惯性数 据输入到组合导航模块滤波器，结合 RTK 定位结果最终得到组合导航解。

深耦合（Deep Coupling）：在紧耦合的基础上，将 INS 的部分数据直接 送到基带芯片里，INS 的惯性数据作为 GNSS 解算的一部分。通过 INS 准 确的相对多普勒变化信息，辅助信号跟踪，提高恶劣环境下多普勒的估计 准确度。从而提高恶劣环境下载波相位、伪距等观测量的精度和连续性， 减少观测量中断和跳变，从而有效提高组合导航精度和可靠性。

根据百度 Apollo 研究表明，通过 GNSS-RTK 可实现 65%的综合场景定位误差 小于20cm的覆盖率，GNSS+IMU的卫惯组合则可以实现85%左右的场景覆盖， GNSS+IMU+感知与地图的融合高精度定位系统可以实现 97.5%的覆盖率。

常用的 GNSS-RTK+IMU 组合惯导方案在一些场景的定位精度稳定性仍不能完 全满足自动驾驶的要求，如城市楼宇群、地下车库等。GNSS 长时间信号微弱 的场景下，依靠 GNSS 信号更新精确定位稳定性不足。在组合惯导中引入并融 合激光雷达/视觉传感定位等环境信息进行融合定位，形成 GNSS-RTK+IMU 航 迹推算+感知与高精度地图匹配的定位系统是发展的必然。以百度 Apollo 的多 传感器融合定位系统解决方案为例，惯性导航系统处于定位模块的中心位置， 模块将 IMU、GNSS、Lidar 等定位信息进行融合，通过惯性导航系统解算修正 后最终输出满足自动驾驶需求的 6 个自由度的高精度位置信息。

“GNSS-RTK+IMU+高精度地图”的定位方案逐渐成为高阶智能驾驶汽车的主 流选择。

乘用车领域：自 2020 年开始，融合定位方案开始逐渐在新车型商落地， 广汽的埃安系列成为国内首个采用“GNSS+IMU+高精度地图”高精度定 位 方 案 的 车 型 ， 再 如 小 鹏 P5 与 P7 、红旗 E-HS9 等 都 采 用 了 “GNSS-RTK+IMU+高精度地图”的方案；

商用车领域：无论运营场景复杂程度如何，“GNSS+IMU”的组合导航系 统是绝大部分厂商都会选择的方案，部分厂商选择了在 GNSS+IMU 的基 础上增加了传感器与高精度地图进行融合定位的方案。

厘米级的高精度定位传感器是 L3 级及以上自动驾驶的标配。高精度定位传感 器主要部件包括高精度定位芯片（射频、基带）、IMU、天线、板卡等。成本 方面，高精度 GNSS 定位加天线的成本在百元级，符合精度要求的 IMU 器件成 本将长期保持在千元级。GNSS-RTK+IMU 组合的量产价格较高，短期在 1000 美元左右，随着规模化量产以及工艺的成熟，整体价格有望在 2025 年下降至 500 美元。

高精度定位芯片：主要包括射频和基带芯片，射频部分对微弱的模拟信号 进行接收、滤波、放大、变频；基带部分对码信号进行解算，其中相关器 模块实现对码信号的读取；目前北斗芯片已不输于 GPS，3 米的普通精度 车载导航芯片价格不超过 6 元，几十厘米定位精度的高精度芯片，价格在几十元到数百元不等；

IMU：价格和精度高度正相关，产品竞争核心在于平衡高精度和低成本。 主要被海外垄断，目前主要的供应商包括 ADI、Honeywell、Northrop Grumman 等；

GNSS 板卡+天线：高精度板卡是高精度 GNSS 终端设备的核心，其成本 占到终端总成本的 60%以上，技术门槛非常高，长期被美国 Trimble 和加 拿大 NovAtel 垄断，目前国产高精度板卡销量市占率 30%左右；我国北斗 天线的国产替代率较高，国内市场份额占比超 75%。

空间测算：预计到 2025 年全球卫惯市场空间 225 亿元，高精度地图市 场空间约 90 亿元

小鹏 P5 与 P7、红旗 E-HS9、蔚来 ET7 等都标配了高精度定位模块。以 GNSS-RTK+IMU 组合为例，目前，车载惯性导航的单车价值量在 1000-2000 元左右，定位精度要求不同，价格有所差异，GNSS-RTK+IMU 组合的量产价 格目前大约在 1000 美元左右，预计到 2025 年有望下降到 500 美元左右，假设 到 2025 年 GNSS-RTK+IMU 组合单车价值量约在 3000 元左右，假设 L3 及以 上的渗透率为 12%，对应 2025 年全球卫惯组合的市场规模约为 225 亿元，对 应远期 2030 年市场空间 660 亿元。而对于高精度地图而言，高精度地图的收 费主要分为一次性 License 费用和后续每年的订阅费，License 费用约 1000 元 左右，订阅费为 100 元/年。高精度地图作为 L3 以上车型的标配，对应 2025 年全球市场规模约在 90 亿元左右。（报告来源：未来智库）

7 网联感知：车载端、路侧端、云端

“车、路、云”一体化，C-V2X 商业化落地进入倒计时

车用无线通信技术（Vehicle to Everything, V2X），是实现车与车（V2V）、 车与路（V2I）、车与人（V2P）、车与网（V2N）相连接的新一代信息通信技 术。V2X 通过将人、车、路、云等交通参与要素有机地联系在一起，构建一个 智慧的交通体系。整个 V2X 系统可以分为云端、路侧端与车载端：

云端：V2X 云平台，实现大数据及人工智能算法智能分析、交通调度优化、 高精度定位、车辆状态管理、车辆在线升级、信息服务等；

路侧端：包括路侧通信单元 RSU（Road Side Unit）、路测计算单元（MEC）, 路侧感知单元（雷达、摄像头、交通信号灯与指示牌等环境信息）；

车载端：完成 BSM 消息的上报、V2X 消息的接收与解析、CAN 数据的读 取与解析、消息的展示与提醒、保障信息安全。

政策为车联网商业化落地的保驾护航。自 2015 年以来，国务院、国家发改委、 工信部、交通运输部等多部门都陆续印发了支持、规范车联网行业的发展政策。 2021 年 7 月，工信部联合十部门发布《5G 应用“扬帆”行动计划（2021－2023 年）》，强调了 5G 与车联网融合的重要性，C-V2X 技术升级和相关通信模块 的部署也是未来三年国家的重要建设方向之一。各主要地区也在纷纷建设智能 网联汽车测试示范区，发放自动驾驶道路测试牌照，各个省市也都提出了自己 的车联网“十四五”规划。其中，江苏省提出部署 RSU 车联网道路 2000 公里， 河北、江苏、天津、安徽和湖南省也都提出进行先导区建设和核心技术的攻克， 重庆和天津均明确提出进行 V2X 技术升级，C-V2X 商业化落地进入倒计时。

全球车联网通信标准主要有 DSRC 和 C-V2X 两条技术路线。（1）DSRC：专 用短程通信技术（Dedicated Short Range Communication）由 IEEE 提出，主 要由欧美主导，发展自上世纪末，经过近二十年的发展，技术已经相对成熟； （2）C-V2X：蜂窝车联网（Cellular-V2X）由 3GPP 提出，由中国主导，主要 有 LTE-V2X 和 5G NR-V2X 两种。2020 年 11 月美国联邦通讯委员会将 5.9GHz 频段划拨给 C-V2X 使用，2020 年 4 月，工信部批准了 7 个 V2X 标准， C-V2X 逐渐成为车联网的主流。

通过 C-V2X 车载终端设备及智能路侧设备的多源感知融合，对道路环境实时状 况进行感知、分析和决策，在可能发生危险或碰撞 的情况下，智能网联汽车进 行提前告警，为车辆出行提供更可靠、安全、实时的环境信 息获取，从而减少 交通事故或降低交通致伤亡率，对于汽车行驶安全有十分重要的意义。

C-V2X 产业链主要包括通信芯片、通信模组、终端设备、整车、智能道路、测 试验证以及运营与服务环节，参与方包括芯片厂商、设备厂商、主机厂、方案 商、电信运营商、交通运营部门和交通管理部门等。

从整个落地时间表来看，在设备方面，19 年完成 LTE-V2X 相关的标准制定， 完成大规模测试，20 年实现支持 LTE-V2X 车载终端的量产如 4G/5G+LTE-V2X 多模终端。21-25 年开展 5G-V2X 相关的标准制定工作，开发支持 5G-V2X 通 信功能的车载终端，开展相关验证测试工作。而在搭载率方面，2019 年，后装 C-V2X 设备在局部示范区内应用，20-21 年开始在新车前装 C-V2X，预计到 2025 年，C-V2X 的新车搭载率将达到 50%。

车载端：前装 5G C-V2X 量产开启，有望成为数字座舱标配

车载终端是指在车内提供无线通信能力的电子设备，是构智能网联的关键节点。 目前车载终端主要通过 3G/4G/5G 蜂窝通信网络与车联网云平台连接，提供车 载信息和娱乐服务，满足人们在车内的信息娱乐需求。新一代 V2X 车载终端将 集成 C-V2X 技术，可以实现车与车、车与路、车与人、车与云平台之间的全方 位连接。车载终端主要包括通信芯片、通信模组、OBU（On Board Unit）、 V2X 协议栈及 V2X 应用软件。行业参与者众多，以华为为例，在 C-V2X 已推 出了 C-V2X 芯片、网关、T-box、路测单元和端到端全面解决方案。

未来 5G-V2X 或将成为数字座舱标配。随着芯片算力的提升，数字座舱集成度 将快速提升，智能座舱进一步集成 ADAS、V2X、云服务等功能。例如高通第 三代和第四代骁龙汽车数字座舱平台均集成 C-V2X，未来 5G-V2X 或将成为数字座舱标配。V2X 可以与 T-BOX 融合，也可以与 ADAS 或自动驾驶平台融合， 不同的 Tier1、主机厂已在开发相应产品。目前量产车型大多采用 V2X 与 TBOX 融合，集成 5G+LTE-V2X+WiFi+GNSS 功能在一个模组，价格约 2000 元左右， 未来有望价格将进一步下降至 1000-1500 元左右。具体来看，C-V2X 在硬件方 面的产品形态包括：

C-V2X+T-BOX：博泰推出了 5G C-V2X T-BOX，采用华为 MH5000 模组， C-V2X+T-BOX 可以融合 4G/5G 模块、C-V2X 模组、CAN 控制器、GNSS 等；

整合智能天线：GNSS 定位模块+4G/5G+V2X，集成多合一智能天线，2020 年上市的红旗 E-HS9 搭载了和东软联合研发的 C-V2X 智能天线；

整合 ETC：“ETC+T-BOX+C-V2X”多合一终端，如千方科技在乘用车现 有 4G/5G T-Box 平台上集成车规级 ETC 模组，C-V2X PC5 模组，打通 ETC、V2X 与车载导航系统、ADAS 系统连接；

整合 HUD：AR 导航和 AR HUD 技术将进一步增强 ADAS、V2V 和 V2I 通信技术的融合，将成为 V2X 的重要展示界面，长城 WEY 摩卡搭载了高 通 8155 座舱芯片、5G+V2X 和 AR-HUD；

与自动驾驶域控制器融合：C-V2X 还可以与自动驾驶域控制器融合，作为 自动驾驶的冗余传感器。

在终端量产落地方面，自 2019年福特宣布首款 C-V2X车型量产以来，各家 OEM 车厂都在纷纷布局 C-V2X 硬件等车联网感知产品的落地。根据佐思汽研的数据 显示，2021 年 1-8 月，国内乘用车新车车联网信息系统装配率达到 57.1%，同 比增加 4.6 个百分点，其中自主品牌为 59.6%，同比增加 1.2 个百分点。其中， 吉利领克、长城 WEY、长城坦克、上汽 R 汽车、东风岚图、北汽极狐等自主 高端品牌车联网信息系统装配率超过 98%。自 2020 年开始，C-V2X 硬件开始 在多个量产车型上搭载，如长城摩卡、广汽埃安、高合等，车联网感知产品的 商业化进程加速。

路侧端：与单车智能相结合，朝着综合智能网联汽车发展

路侧端设施主要包括路侧通信单元、路测计算单元、路侧感知单元：

路侧通信单元：RSU（Road Side Unit）集成 C-V2X 技术，实现路与车、 路与人、路与云平台之间的全方位连接，为网联车辆提供交通安全、交通 效率和信息服务应用，同时也为交通协同管控、交通运营服务提供有效的 手段；

路测计算单元：在设备端有多种实现方式，可以融合到 RSU 内，本地的 MEC（Multi-acess Edge Computing，多接入边缘计算）单元、区域的计 算中心，负责对本地或区域的数据进行处理、存储， 以及应用、服务的计 算与发布；

路侧感知单元：由一系列路侧感知设备如雷达、摄像头、交通信号灯等与 处理设备构成，实现对本地交通环境和状态的实时感知，包括信号灯信息、 交通参与者信息、交通事件信息、定位信息等。

路侧单元（RSU）的主要部件包括通信芯片、通信模组、单元设备、V2X 协议 栈及应用软件。通信芯片、通信模组等模组的供应商与 OBU 基本相同，目前的 RSU 供应商主要来大唐、华为、东软、星云互联、金溢科技、千方科技、万集 科技等。

对一套完整的车路协同系统而言，路侧感知设备包括摄像头、毫米波雷达、激 光雷达等，其利用 5G RSU/CPE 进行数据收集并通过 5G 网络回传。为避免发 生信号干扰，通常单个点位部署 1 台 5G RSU，实现路口区域的 PC5 通信，其 余杆件设备及信号机则通过 5G CPE 代替实现 5G 回传功能。在十字路口，为 实现对于四个方向的目标对象的全要素感知，通常部署 4 套车路协同感知设备。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】。未来智库 - 官方网站