2022年激光雷达行业研究报告.docx

《2022年激光雷达行业研究报告.docx》由会员分享，可在线阅读，更多相关《2022年激光雷达行业研究报告.docx（24页珍藏版）》请在课桌文档上搜索。

1、2022年激光雷达行业研究报告1、激光雷达(LiDAR)行业概况1.1、什么是激光？什么是激光雷达？应用的历史？激光的发明要追溯到爱因斯坦在1917年创立的受激辐射基础理论。处在高能级的粒子受到某种光子的激发会从高能级跃迁到低能级，同时释放一个与激励光子有着完全相同的频率、相位、传播方向以及偏振状态的光子，受激发射出的光被称为LASER,最早被翻译为镭射，如今我们翻译为激光。激光雷达被称为探测的“眼睛”，是一种通过发射激光来测量物体与传感器之间精确距离的主动测量装置。激光雷达的应用可以分成四个阶段：1960-2000诞生与科研应用阶段：全球第一台激光器诞生于1960年，早期激光雷达主要用于科研

2、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。二十世纪八九十年代，扫描结构的引入扩大了激光雷达的视场范围并拓展了其应用领域，激光雷达商用产品如激光测距仪开始起步。2000-2015商业化与车载应用初期：激光雷达从单线扫描的架构逐渐发展到多线扫描，它对环境3D高精度重建的应用优势被逐渐认可，2004年开始的DARPA大赛推动了无人驾驶技术的快速发展并将激光雷达引入了无人驾驶。2005年Velodyne推出的机械旋转式激光雷达在第二届DARPA挑战赛中得到广泛关注，第三届DARPA完赛的6支队伍中的5支都搭载了Velodyne生产的激光雷达。随后陆续有巨头科技公司及新兴无人驾驶公司投

3、入无人驾驶技术研究，激光雷达被广泛应用于无人驾驶测试项目。2016-2019无人驾驶应用蓬勃发展：国内激光雷达厂商纷纷入局，技术水平赶超国外厂商。激光雷达技术方案呈现多样化发展趋势，开始有无人驾驶车队进行小范围商业化试点，此外激光雷达在高级辅助驾驶(ADAS)和服务机器人领域的应用也得到不断发展。2019年至今技术优化引领上市热潮：技术上，激光雷达朝向芯片化、阵列化发展。2020年，境外激光雷达公司迎来通过SPAC的上市热潮，同时有华为、大疆等巨头公司跨界加入激光雷达市场竞争。SI：激光达产品性能持籍优化，应用续*续拓展，不断吸引科技巨头入局I* 1MO 2000 变（HW应用2000 201

4、5箜牝333用5热N：MnS2019无人M用储2019,今0本N优化。上市批1960o （灌 ffhsyt 送SCAlA他开我. SCALA 9*7Htt*R 01MUIMS2. H2I 0Mi4Qtttf. 2orrasr.MH.M63t%AV90 2016年立tl女 WaymOe遗气出公司日Ilt光达 RSAiQAR 16； 健智囊NI出三角&累 WM;北H天斌康 了中OalI一色皂11光 *WMR】。17n*ta0MtPA4 了无人rooosvs FMCW口”犬论 H*M7W关建，九宓修笊IR az片化.MltWM.”广。泉 SPAC 上 eg，VHodyrw . Iumlnaf 夹成N

5、ASOAC上的.DBAttWftCHWaaBA成力值界第二个IUI车JttJUi0o bco常/IMIR 教父达 忤无人油网三DARFA究费内光速包支UiiM此H天由公司口“&式4USB式,光6ftkeGY001天二JK*BTcraMeMB 尤谪；4月,AWMH 发市光达 PandMO ；无人机主 *M TLMuNlg的一关 塞&年隼力、大、 nmttixA四毫犬送.M9笈P5, 网尔:AsHi、IijkET73款，户寄B上图2：功能层面，激光胃达属于感知层传感器传现日伊四商7感知层决策层执行层温，愤件供网车企/出行服旁商自动H,法 英伟达.安波 靖阳骷、HM2）大陌.安农福日今电IL 博世B

6、BA.大众.丰田、上KHOO. ED.0“汽.长城汽隼.长安汽等 米波达（大0、博世、 tt*fi.华域汽车） 波达（电装、松下 WBi塞的 Wifi- MWff像程货（TF、费克尔、慢高光.富士皎片、电产三）光达斯坡（Velodyne.Lum905nm向1550nm发展激光的产生来自于激光发射器。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。发射端从EEL向VCSEL发展。目前车载激光雷达大多采用半导体激光器，具体分为激光由边缘发出的边发射激光器（EEL）和激光垂直于顶面的垂直腔面发射激光器（Vertic

7、al-CavitySurface-EmittingLaser,简称VCSED。EEL激光器的发光面位于半导体晶圆的侧面，具备高光输出功率、散热性好等优势，但往往生产成本高且一致性难以保障；VCSEL激光器的发光面与半导体晶圆平行，更容易与平面化的电路芯片键合，同时能够提高光调制的效率。与EEL相比，VCSEL具备成本低、效率高、寿命长的优势，传统的VCSEL激光器存在发光密度功率低、测距距离不足50m的缺陷，近年来国内外多家VCSEL激光器公司纷纷开发了多层结VCSEL激光器，将其发光功率密度提升了510倍，这为应用VCSEL开发长距激光雷达提供了可能。图22：VCSEL具备成本低、效率高的优

8、点EELVCSEL发射方向侧视顶视功率密度高中低电光转化效率45%35%光束质量非对称/中发散度对称/低发散度温漂系数0.25nmK0.07nmK光谱宽度3-8nml-2nm切换时间高速（几纳秒）高速（几纳秒）成本较高较低资料来源：陈良惠,杨国文,刘育衔.半导体激光器研究进展J中国激光,2020,47（05）:13-31,光大证券研究所目前主流的激光雷达发射光主要有905nm和1550nm两种波长。其中，905nm激光接收器可以直接选用价格较低的硅材质，成本更加可控,最终产品的尺寸也相对较小，因此成为当下最主流的激光雷达所选用的波长;但是为了避免对人眼造成伤害，其发射功率和探测距离会受到限制（

9、400T400nm波段内激光都可以穿过人眼玻璃体，聚焦在视网膜上，而人眼视网膜温度上升IOC就会造成感光细胞损伤）。1550nm的激光不会对视网膜产生伤害，因此可以发射更大功率，探测距离也更远；同时1550nm的光线远离可见光谱，不容易受到日光干扰。但是，需要使用高价的锢钱碑（InGaAS）作为探测器的衬底材料，生产成本相对较高。目前已经有部分厂商例如Luminars华为、InnOVUSion、北醒（Benewake）图达通等选择1550nm激光，未来有望随着量产的增进进一步降低成本。发射光学系统由扩散片、准直镜、分束器组成，作用不可小觑。由激光器发射的原始激光本身为不均匀的点状光，其存在的“

10、热点”会烧毁被照射的器件和物体，同时存在光斑形状不规则（例如一般是椭圆形或长条形）、发散角不同等缺点，并不能直接发射，而发射光学系统通过扩散片、准直镜、分束器的相互配合，可以将原始激光转化为均匀的光束，作用不可小觑。图24：905nm和155Onm两种波长对比i对比项说明905nm1550nm1安规波长越短，光子能量越高，对人眼伤害越大，安规限制越严格限制大限制小传感器传感器材料决定了光谱响应灵敏度,InGaAS材料价格远高于SiSiInGaAs主要考虑成本、体积、光束质量光源器件和功率，目前光纤激光器的单价干守玲淑斗典光纤激光器约为数万元L6日光干扰地面日光光谱受多个因素影响，影响背景光水平

11、干扰大干扰小大气散射波长越大，穿透能力越强穿透力弱穿透力强代表厂商多数选择Luminar华为等资料来源：LUminar官网，光电信息门户，光大证券研究所2.22、光束操纵：转镜最快上车，Flash、OPA长期方向扫描技术的不同决定关键技术参数，可分为机械式、半固态、固态。激光雷达的扫描系统通过对光束的操纵，实现对所探测目标的扫描，并产生实时的平面图信息。扫描技术直接决定了激光雷达的扫描频率、扫描范围、采集数据量等关键技术参数。根据光束操纵的方式，可分为扫描系统和Flash两种，其中扫描系统又包括机械式、混合固态、固态，也可以根据是否发生机械运动将Flash归为固态方式。（1）机械式：发展最早、

12、技术成熟度最高，但是体积大、成本高、使用寿命短成为上车难题。自动驾驶领域激光雷达的鼻祖Velodyne最早设计出的类型即为旋转机械式激光雷达，其特点是激光发射器竖直排列，通过360旋转对四周环境进行全面的扫描。优点是扫描速度快（5-20圈/秒）、高分辨率、抗光干扰能力强。但是高频转动和复杂机械结构致使其平均的失效时间1000-3000小时难以达到车规级设备最低13000小时的要求；同时面临造型不美观、易受损、制造成本高昂的难题，目前尚没有达到车规并搭载在（准）量产车型的激光雷达问世。据统计,Velodyne生产的16线/32线/64线激光雷达售价分别为4千美元/4万美元/8万美元（对应约为2.

13、6万/26万/52万人民币）；速腾聚创生产的16线/32线雷达售价分别在3万/13万人民币；镭神智能的16线/32线雷达售价分别为1.2万/3万人民币。（2）混合固态：分为转镜、MEMES微振镜、棱镜三种，成本大幅降低，最快上车成共识。转镜是通过一个转动轴带动镜子转动，其在功耗、散热等方面有着更大优势，全球第一个通过车规的法雷奥SCALA就是做转镜出身，目前转镜方案代表品牌包括华为、法雷奥、禾赛、LUminar、InnOVUSiOn等。MEMS微振镜激光雷达通过控制微小的镜面平动和扭转往复运动，将激光管反射到不同的角度完成扫描，激光发生器本身固定不动。优点是运动部件减少，可靠性提升很多；同时微

14、振镜的引入可以减少激光器和探测器数量，成本大幅降低。棱镜扫描技术通过两个楔形棱镜使得激光发生两次偏转，控制两面棱镜的相对转速便可以控制激光束的扫描形态。棱镜方式扫描图案形状状若花朵，而并非一行一列的点云状态，优点在于中心点云密度更高，但是机械结构也相对更加复杂，体积较前两者更难以控制，存在轴承或衬套的磨损等风险，目前发力棱镜激光雷达的主要是大疆旗下的Livox览沃，其将量产激光雷达价格下探至9000元。图27：传统机械扫描方式发展最早，仍为目前主流（66%）7%17%USstMEMSFlash其他资料来源：YoIe（2021.9）,光大证券研究所注：以上比例为截至2021年8月29日LiDAR

15、已获订单按扫描技术拆分的占比（按金额）（3）全固态：所有部件都是固定的，包括OPA光学相控阵激光雷达、FLASH闪光激光雷达。OPA利用光源干涉技术实现光线角度偏转，通过控制阵列中相邻发射光线的相位差实现3D空间的扫描，达到与旋转机械式雷达一样的效果，优点是扫描速度快、精度高，但是该技术对材料和工艺的要求都极为苛刻，目前尚处于实验室前期产品，短期内难以实现商业化。FLASH类似于一个照相机，在短时间内直接向前方发射出一大片覆盖探测区域的激光，通过高度灵敏的接收器实现对环境周围图像的绘制。由于结构简单、尺寸可以做的很小、信息量较大,Flash闪光激光雷达是目前纯固态激光雷达最主流的技术方案。然而

16、由于需要短时间内发射大面积的激光，Flash在探测精度和探测距离上会受到较大的影响，目前主要用于较低速的无人驾驶车辆，例如无人外卖车、无人物流车等，代表品牌包括Ibeo、大陆、Ouster、法雷奥等。机械式-半固态-纯固态演变，行业技术发展的主流趋势。根据SystemplusConsulting对成本测算分拆，可以看到机械式激光雷达中收发模组成本约占整机成本60%,固态激光雷达去掉了大部分/全部的机械部件，是产品迈向小型化、高性能、低成本的重要一环，更是车载激光雷达能否实现商业化量产的关键因素之一。2.2.3、 激光接收：设计工艺逐步进化，SPAD优势越显激光接收系统由接收光学系统和光电探测器

17、两部分组成。激光器发射的激光照射到障碍物以后，通过隙碍物的反射，反射光线会经由镜头组汇聚到接收器上，这里的镜头组即激光雷达接收光学系统，涉及到的结构包括透镜、窄带滤光片、分束器等。透镜：接收光学系统利用凸透镜改变入射光的光路，使之汇聚到探测器以降低光的损耗。窄带滤光片：可以控制接收光束的波长，从而剔除和过滤掉散杂光，确保传感器接收到的光信号准确无误。分束镜：分光器利用光的衍射原理,实现光波能量的分路与合路,将接收的探测光分为多束光纤射入光电探测器阵列。激光探测的核心器件是光电探测器，未来CMOS工艺的单光子探测器的优势将进一步展现。光电探测器是一种利用光电效应将光信号转化为电信号，实现对光信号

18、进行探测的装置，最常用的探测器有PIN光电二极管、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)。由于线性雪崩二极管探测器APD具有高的内部增益、体积小、可靠性好等优点,往往是工程应用中的首选探测器件，但是随着国内外多家探测器公司不断优化单光子器件SPAD在近红外波段的量子效率，SPAD在实际探测灵敏度方面已经逐渐超越了APD0未来几年内，随着设计和工艺的进一步优化，SPAD对APD性能的优势将越发明显。2.2.4、 信息处理：主控芯片FPGA,自研SoC多家布局现阶段主控芯片FPGA为行业主流，远期企业自研SoC有望逐步替代。激光雷达终端信息处理系统的任务是

19、既要完成对各传动器件、激光器、扫描旗舰及各信号处理电路的同步协调与控制，又要对接收端送出的信号进行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。现阶段最常用的主控芯片是FPGA芯片，但随着主流厂商对于性能及整体系统需求的提升，信息处理系统发展逐步向企业自研专用单光子接收端片上集成芯片(SoC)迁移，通过片内集成探测器、前端电路、算法处理电路、激光脉冲控制等模块，能够直接输出距离、反射率信息。目前禾赛科技、MObiIeye、英特尔等已率先布局SoC技术，未来随着线列、面阵规模的不断增大，逐步升级CMOS工艺节点，单光子接收端SoC将实现更强的运算能

20、力、更低的功耗、更高的集成度，同时具备器件自主可控的优势，因此更加适合大规模量产，或将逐步代替主控芯片FPGAo图34：激光雷达专用芯片及功能模块示意1a/伍MAJt理，H刑5职I VWffi. KVttSCK资料来源：禾赛科技招股说明书，光大证券研究所2.3、发展：硬件固态+集成化，软件算法优化通过前文对激光雷达四大技术构成要素的拆解和分析，我们认为，技术革新，即追求性能优化+成本降低是行业发展的主旋律，硬件+软件的发展路径已经清晰，各环节阶段皆可发力，在可靠性提升的基础上逐步实现量产。硬件方面四大系统皆可发力。具体体现为:光束发射和探测环节核心器件的升级（例如EELVCSEL；APDSPA

21、D/SiPD）；扫描环节固态化（旋转机械部件的取消，将减少电机、轴承的损耗，提升寿命）；信息处理环节片上集成化（自研SoC芯片）。总体来说，硬件呈现芯片集成化的趋势，不仅提升系统可靠性、降低装调生产成本，而且更有利于实现关键元器件的自主可控，为大规模量产提供可能。3、行业壁垒：短期性能符合车规，中长期量产降本3.1、 性能通过车规为核心，美观+安全指明方向多个核心参数评价维度,助力行业标准体系的搭建。目前行业主要通过测远距离、点频、角分辨率、视场角范围、测距精度、功耗、集成度七个显性参数来评价一款激光雷达的硬件性能。行业初期,车规标准尚不明晰，隐形指标提出更高要求。相比于消费级电子,“前装量产

22、上车”对车载零部件的安全性、美观性、稳定可靠性、使用寿命、可量产性、抗干扰性等都提出了更高的要求。这些指标更加难以量化，也缺乏公开信息，只能通过产品是否应用于行业领先企业的测试车队或量产项目中得以体现。以2021Q2速腾聚创己车规量产的RS-LiDAR-Ml为例，为了应对如冰雪、泥土、沙尘、大风、阳光暴晒、以及车载电子器件（包含激光雷达，毫米波雷达,远程遥控模块等）干扰等给传感器带来的影响，Ml搭载了完善的配套功能，包括OTA升级、污迹检测、智能清洗、智能加热、性能检测、电源管理、网路管理等。据公司官网的产品介绍，开启Ml的凝视功能，能实现将扫描帧率由IOHz提升到20Hz,对加塞车辆、横向穿

23、行的电动车、行人等障碍物的探测更频繁，帮助驾驶系统更迅速地响应路况变化。图37：相比于消费级电子，车载零部件的性能要求更高资料来源：佐思汽车研究，光大证券研究所3.2、 激光雷达技术壁垒高，产品迭代速度快激光雷达行业具有较高的技术水准与技术壁垒。作为一种新兴的传感器技术，激光雷达系统结构精密且复杂，精细的光机设计和收发对准、微弱信号的灵敏探测和快速响应是实现探测目标的前提。为了实现最优的探测效果，激光雷达不仅在开发过程中需要光、机、电等子模块的高度配合和协同优化，而且还需要在生产过程中具有相匹配的高精度生产制造能力。激光雷达行业技术创新能力强,产品迭代速度快。从最初的单点激光雷达发展到如今机械

24、式、半固态式、固态式、FMCW等多种技术架构，激光雷达技术架构的创新与应用范围的拓展彼此促进。在激光雷达公司持续的大量研发投入之下，激光雷达产品不仅测量范围更远，探测精准度更高，空间分辨能力更强，而且在可靠性、安全性、成本控制等方面也逐渐成熟，产品更新换代速度快。图38：激光雷达行业具有较高的技术水准与技术壁垒技术水准壁垒作为一种新兴的传感器技术，激光雷达系统结构精密且复杂，并且和半导体行业间联系密切，收发单元阵列化以及核心模块芯片化是未来的发展趋势，是激光雷达公司研发投入的重点技术创新壁垒行业涉及新一代激光雷达应用技术，产品创新能力强，需要不断地更新迭代来适应市场的需求与更高的安全应用标准资

25、料来源：禾赛科技招股说明书，光大证券研究所3.3、 规模化量产举足轻重，降本增效长期要义制作工艺尚未成熟，量产需要时间积累，生产把控能力成为关键。激光雷达作为新兴的精密传感器，尚无确定的行业标准和成熟稳定的工艺，生产环节多步,包括针对产品结构、硬件特性、软件算法的精准装调和测试工序；而且量产需要时间，对于车载激光雷达而言，任何新的平台设计均需要几年的时间才能从概念走向真正稳定量产阶段。因此，激光雷达厂商不仅需要对生产环节具有较强的把控能力，而且需要前瞻性布局，抢占先发优势。4、竞争格局：视觉方案一枝独秀，雷达方案百花齐放4.1、 特斯拉引领时代，积极布局摄像视觉方案视觉主导方案“轻感知、重算法

26、”，依靠硬件设备升级提高性能。技术层面,视觉方案简单来说就是“所见即所得”，核心环节是与卷积神经网络配合实现人、动物、车辆、道路标志和各种其它障碍物的识别与匹配，运用AI学习来达到感知分析物体的目的。因此，视觉方案十分依赖强大的芯片算力，从而弥补2D图像信息的短板，回顾特斯拉近年来的硬件配置，我们可以清晰感受到更新迭代的趋势。入局最早、技术成熟，数据+算法实现正反馈机制。（1）数据积累：特斯拉作为最早入局ADAS系统的新能源车品牌，拥有全球最多的一手数据资料，这正是神经网络算法不断优化的基础，截至2020年4月，特斯拉Autopilot累计里程已超33亿英里。（2）算法加持：特斯拉创新推出“影

27、子模式”，这使得车机系统在DS功能未开启时也可以根据人类驾驶者的行为进行图像识别与路径规划，进而实现算法改进。具体来讲，系统的算法在“影子模式”下做持续模拟决策，并且把决策与驾驶员的行为进行对比，一旦两者不一致，该场景便被判定为“极端工况”，进而触发数据回传。数据+算法的双重优势相互促进，达到了正反馈的效果，为特斯拉高高筑起了在自动辅助驾驶视觉方案的壁垒。视觉方案仍有局限性，暂时无法满足L3+要求。一方面，摄像头图像受光线影响较大，在逆光、恶劣天气时候存在失真的可能性，而且只能提供2D信息较难还原自动驾驶所需要的3D规划场景，容易对墙面、桥梁、交通路牌等静止物体产生误报。另一方面，深度学习原理

28、类似黑箱，随着道路交通情况的变化越来越复杂，对芯片算力的需求也越来越高。特斯拉完全自主研发的FSD全自动驾驶芯片，单片单芯片算力230T0PS,已经远超市面上已经量产的其他车载芯片，但若要实现L5级完全自动驾驶，系统整体算力应至少达到500TOPS,芯片研发迭代未来仍面临较大提升空间。4.2、 雷达系尚于成长期，与0EMTierl公司合作紧密激光雷达的产业链较为清晰。上游主要为光学和电子元器件供应商，中游是以Velodyne.Luminar为代表的激光雷达企业，下游客户主要是整车厂（ADAS场景）、出行服务商（Robotaxi/Robobus）和Tierl企业等。4.3、 1、上游：核心元器件海外优势明显，国产自研加速追赶激光雷达的上游组件主要包括激光器和探测器、主控芯片、模拟芯片以及光学部件，海外优势明显。由于起步较早，具备一定先发优势，当前上游核心元器件主要由海外厂商主导，产品可靠性高，技术成熟，客户群体广泛。国内厂商奋起追赶，性能差距逐渐缩小，有望改善上游格局。伴随技术资金和资源的不断投入,近几年国内上