车载成像雷达（车载激光雷达供应商）

汽车智能化变革的出现，让超声波雷达、摄像头、毫米波雷达、激光雷达等环境感知技术有了更大的用武之地。而中国智能汽车产业的快速发展，与本土ADAS供应链的日趋完善有很大的关系，尤其是本土供应商，在此过程中发挥了不可替代的作用。

今天感知芯视界编辑部就对国内车载摄像头、超声波雷达、激光雷达、毫米波雷达超110家知名企业进行盘点（不完全统计），看看都有哪些企业在为智能驾驶“画龙点睛”。

编辑｜感知芯视界

智能驾驶汽车传感器可分为环境监测、车身感知两大类。在一辆汽车所配的传感器中，呈现出环境监测传感器量少价高，而车身感知传感器量多价廉的特点。本期内容，感知芯视界编辑部重点梳理和分析智能驾驶环境监测本土传感器企业。

环境监测传感器用于探测和感知周围环境，是实现自动驾驶所必需的传感器，包括摄像头和雷达两类。

1）摄像头在获取图像数据后，通过图像识别技术，可以实现距离测量、目标识别等功能。

2）雷达利用发射波和反射波之间的时间差、相位差等信息，获得目标物体的位置、移动速度等数据。按所使用的不同类型的波，雷达可以分为超声波雷达、毫米波雷达、激光雷达三类。

01

摄像头

|SensingeWorld|

汽车环境感知中的视觉感知，主要是通过车载摄像头捕捉画面从而识别信息，随着智能驾驶程度的不断提升，其对于车载摄像头的需求逐步从后视向侧视、环视、前视、内视多个方位拓展。

摄像头一般由镜头(Lens)，图像传感器(ImageSensor)，图像信号处理器(ImageSignal Processor, ISP)，串行器发送(Serializer)组成。据了解，一套完整的ADAS系统一般至少包括6个摄像头（一个前视，一个后视，4个环视），而高端智能汽车的摄像头个数可达8个，而当前国产品牌汽车仍停留在L1—L2之间，车载摄像头渗透率极低。

不过，随着5G商用正式开启，未来智能驾驶技术不断成熟，车载摄像头作为ADAS的关键传感器，其市场空间将获得极大拓展。在自动驾驶和安全驾驶的需求推动下，CMOS图像传感器无疑是汽车电子关注的重点。

目前车规级CMOS传感器以索尼、三星、安森美、豪威、SK海力士、ST等国外企业占据市场主要份额。在国内，豪威、格科微、思特威强势入局部署车规级CMOS传感器。当前全球车载摄像头行业市场份额前三为松下、法雷奥和富士通，国内主要玩家包括：信利国际、海康威视、比亚迪、联合光学、德赛西威等。

（图片可放大）

02

超声波雷达

|SensingeWorld|

超声波雷达，测量发射超声波（>20kHz）反射回来的时间，从而判断障碍物的存在和距离。超声波目前的使用场景，基本有三种，一种是实现简单的后向倒车辅助、警告障碍物的预警功能，配置的超声波雷达数量一般是4个；另一种是增加了汽车在前进过程中的预警，配置数量在8个；最后一种就是配置12个，实现水平、垂直、斜向全自动泊车的功能。

在供应商方面，法雷奥、博世、电装、TTE占据主要份额，并且走的是软硬件一体的泊车方案。不过，近年来，国内本土供应商台湾同致电子、深圳航盛电子、深圳豪恩、辉创、上富、奥迪威等也在加紧抢占市场，从低端的倒车辅助到泊车应用。

（图片可放大）

03

激光雷达

|SensingeWorld|

激光雷达是激光技术与雷达技术相结合的产物，由发射机 、天线 、接收机 、跟踪架及信息处理等部分组成，能够测量目标位置（距离和角度）、运动状态（速度、振动和姿态）和形状，已经成为高级辅助驾驶、智能驾驶的必备器件之一。

随着全球汽车智能化、电动化、网联化、共享化快速发展，车载雷达的市场规模正在加速扩大，据Velodyne预测，到2022年全球激光雷达市场规模将达到119亿美元，其中来自汽车领域的应用占比为60%，约72亿美元。面对如此巨大市场，各国拥有先进技术的企业纷纷冲进车规级激光雷达领域。国内企业也加速冲刺。

（图片可放大）

04

毫米波雷达

|SensingeWorld|

毫米波雷达，通过发送电磁波（毫米波），测量反射波从发射到接收的时间，计算车辆到各个目标的距离。雷达的多普勒效应可以用以测量目标速度。

在毫米波这一领域，博世、大陆、电装、海拉等企业长期占据着大量的市场份额。相对于国外企业，国内公司投入较晚，但长势迅猛。从公司类别来看，国内涉足毫米波雷达领域的公司包括传统零部件企业和初创企业两类。传统零部件公司的代表有德赛西威、华域汽车、保隆科技等。初创公司包括森思泰克、行易道、安智杰、安智汽车、承泰科技、楚航科技、川速微波等。

（图片可放大）

05

结语

|SensingeWorld|

以上是不完全盘点国内厂商内容，有缺漏指出欢迎留言指正。整体而言，要实现自动驾驶，高质量智能传感器不可缺少。毋庸置疑，在实现自动驾驶关键技术国产替代方面，本土厂商奋力追赶，已取得阶段性进展。接下来，如何更好地研发出高质量、高性能和低成本的智能感知器件，助力更高级别自动驾驶汽车的规模化落地，是所有厂商亟待思考的问题。