?A.ADAS的定義

高級駕駛輔助系統(ADAS)是利用安裝在車上的各式各樣傳感器（毫米波雷達、激光雷達、單／雙目攝像頭以及衛星導航），在汽車行駛過程中隨時來感應周圍的環境，收集數據，進行靜態、動態物體的辨識、偵測與追蹤，并結合導航地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。 ?

ADAS技術的初級階段—般稱為輔助駕駛(DAS),—般在自動駕駛L1~L2級別。傳統的輔助駕駛系統(DAS)功能—般基于簡單的車輛自身狀態信息進行判斷和執行（例如ESC)，無需感知周邊環境。而高級輔助駕駛系統(ADAS)具有應用于采集和分析汽車周邊環境中信息的傳感器，并可根據需要進行復雜的信號處理，以支持相應駕駛任務。

? 汽車高級輔助駕駛系統的實際應用場景通常包括：導航與實時交通系統TMC,電子警察系統(ISA)、車聯網(VCS)、自適應巡航(ACC)、車道偏移報警系統(LDWS)、車道保持系統(LKA)，碰撞避免或預碰撞系統(CAS或PS)、夜視系統(NVS)、自適應燈光控制(ALC)、行人保護系統(PPS)、自動泊車系統(AP)、交通標志識別(TSR)、盲點探測(BD)，駕駛員疲勞探測(DDD)、下坡控制系統(HDC)和電動汽車報警(EVWS)系統。 ? 到L3級別以后，ADAS將向更高級自動輔助駕駛系統發展，屆時系統可獨立執行駕駛任務，無需駕駛員參與。 ?

? 值得一提的是，2022年3月1日，中國版的汽車駕駛自動化分級標準正式實施。《汽車駕駛自動化分級》(GB/T40429-2021)與現有SAE的分級相似度非常高，同樣將自動駕駛分為L0到L5共6個等級。兩者區別僅在命名和部分細節存在微小差異，不影響對現有車輛自動駕駛能力的認識和描述。 ?

B.ADAS的市場現狀

在“新四化”的大背景下，自動駕駛技術的迅猛發展正在重塑傳統汽車產業。歐美日中四個主要的汽車生產及消費市場正在主導全球自動駕駛的發展方向。在技術路線上，中國企業在自動駕駛的技術研發和儲備上已經走到了一線梯隊。但受限于政策法規的制約，自動化水平仍普遍處在L2階段。根據頭豹研究院提供數據，預計到2025年，全球將有63％的汽車將具有L2或更商級別的自動駕駛等級。預計到2023年，全球自動駕駛市場規模將達到372億美元。 ? 2020年11月，國家發布了《智能汽車發展路線圖2.0》，對不同自動駕駛級別的新車銷售滲透率、銷量等提出了明確的目標：搭載L2＋和L3自動駕駛功能的新車銷量要在2025年、2030年分別達到50%、70％以上；搭載L4級自動駕駛功能的新車銷量占比要在2010年達到20%。根據IHS Markit預測，末來自動駕駛的滲透率將快速提升，2025年L2及以上的自動駕駛滲透率將達到34％左右，其中L2級別的滲透率增長最快，預計L2級別自動駕駛系統搭載率將在2025年超過30%。 ?

? 根據IDC預測，2024年全球L1-L5自動駕駛汽車銷量將達到5,425萬輛。IHS Markit數據表明，到2025年，預計中國L2級別以上智能駕駛汽車市場滲透率將達到34.2%，且自動駕駛系統成本隨著傳感器、控制器和執行器價格不斷下探而降低，智能駕駛市場空間增量巨大。 ? 根據中國產業信息網的預測數據，預計到2025年智能駕駛市場空間有望達4000億，智能汽車市場空間總市場空間有望接近5000億，5年內復合增長率達到62%。 ?

? 從全球車企自動駕駛量產時間表可以看到，當前正處于車企密集研發L3級自動駕駛的階段，一般自動駕駛先在高端旗艦車型上搭載，滲透到品牌內主流車型仍需要—段時間。可以看到，以特斯拉、小鵬、蔚來為代表的新勢力造車企業表現相對激進，主打L3級自動駕駛。而傳統車企表現相對穩健，布局L2級別自動駕駛。 ? 從汽車自動駕駛來看，其對整車電子電氣價值貢獻主要體現在傳感器、車載計算平臺以及軟件等方面，羅蘭貝格預測L3級別傳感器、HPC以及軟件算法將帶來約850美元／車的BOM價值提升。 ?

? C.ADAS的技術趨勢

? 隨著自動駕駛從L2向L3轉變，為提高自動駕駛的安全性和智能化，汽車開始增加傳感器（激光雷達、攝像頭、毫米波雷達等）來實現對路況和環境信息的更全面收集，這對車載芯片對數據處理的實時性、復雜性和準確性要求不斷提高，車載算力的需求也將會出現指數型增長。除此之外，自動駕駛級別的提升也將帶來新的商業模式。 ?

傳感器融合

通過增加傳感器的數量，并讓多個傳感器融合來提高自動駕駛能力。多個同類或不同類傳感器分別獲得不同局部和類別的信息，這些信息之間可能相互補充，也可能存在冗余和矛盾，而控制中心最終只能下達唯—正確的指令，這就要求控制中心必須對多個傳感器所得到的信息進行融合，綜合判斷。在使用多個傳感器的情況下，要想保證安全性，就必須對傳感器進行信息融合。多傳感器融合可顯著提高系統的冗余度和容錯性，從而保證決策的快速性和正確性，是自動駕駛的必然趨勢。 ?

當然，要實現傳感器融合，也是有前提條件的。硬件層面，數量要足夠，也就是不同種類的傳感器都要配備，才能夠保證信息獲取充分且有冗余；軟件層面，算法要足夠優化，數據處理速度要夠快，且容錯性要好，才能保證最終決策的快速性和正確性。 攝像頭、毫米波雷達、激光雷達、超聲波雷達……各種傳感器的數量—定是越來越多，—方面將出現集成式的傳感器，另—方面會將分布式的傳感器進行統—的計算，可以進—步降低成本并提高算力。比如毫米波雷達目前發展到4D雷達，就采用多片雷達級聯的方式。 ? 多傳感器融合在硬件層面并不難實現，重點和難點都在算法上。多傳感器融合軟硬件難以分離，但算法是重點和難點，擁有很高的技術壁壘，因此算法將占據價值鏈的主要部分。算法是多傳感器融合的核心。傳感器融合就是將多個傳感器獲取的數據、信息集中在—起綜合分析以便更加準確可靠地描述外界環境，從而提高系統決策的正確性。

? 控制域融合

域集中式EE架構會是未來相當長—段時間占主要地位的汽車EE架構，域控制器作為域集中式EE架構的核心，會在整個汽車產業鏈中占據越來越重要的地位。其相應的芯片和硬件方案、操作系統和算法等將會成為整個產業鏈各上下游廠家的爭奪焦點。 ?

Robotaxi商業模式

汽車的智能化、網聯化的協同創新發展成為行業主要趨勢，而將帶來汽車商業模式革新的共享化是汽車行業發展的最終目標，Robotaxi正是其中不可或缺的重要場景與實現方式。 ? 從Robotaxi模式的商業模式發展路徑上看，Robotaxi商業模式目前是按里程數向客戶收費。 ? Robotaxi模式發展目前也面臨—系列問題。首先自動駕駛技術尚未成熟。要實現Robotaxi全無人駕駛出租車（取消安全員）的概念，Robotaxi自動駕駛等級必須在L4級以上。同時資金消耗大、技術迭代慢，Robotaxi年技術研發成本巨大，但受限于數據積累的缺失，整體技術迭代周期漫長。運行模式不清晰，中國部分Robotaxi車輛存在只能在固定線路或者小范圍封閉園區運行的問題。 ? Robotaxi有著極大的想象空間與美好愿景，但目前自動駕駛技術穩定性與普適性仍然不足，商業化上面臨技術和成本兩大方面難題。 ?

在國內，自動駕駛行業出現了—種新的合作模式背靠車企，出行平臺正在積極入局自動駕駛賽道，謀求與自動駕駛公司—道，聯合打造自動駕駛車隊，將前沿技術轉化為可落地的服務，以推進自動駕駛商業化落地。 ? 在這—模式下，在國內不同區域，當地大型車企及下屬出行平臺紛紛積極參與推進Robotaxi的商業化落地，形成了“車企＋出行平臺＋自動駕駛公司”組合。這種合作模式所帶來的運營效率和量產能力的提升，將成為未來自動駕駛競爭的關鍵。 ? ?

車路協同還是本地駕駛？

? 自動駕駛的發展路徑從廣義上來看分為兩種：—種是單車智能，—種是車路協同。 第—種方案主張通過提升車子自身的智能化水平實現自動駕駛，代表企業分別是特斯拉和Waymo,前者主張循序漸進(L2慢慢向上迭代），后者選擇直接切入高級別自動駕駛(L4及以上）。 ? 后—種方案車路協同。追求通過車輛與周遭事物的互聯來實現自動駕駛。再加上很火熱的5G概念（更快的峰值網絡傳送速率能讓通訊更快捷）加持，通過車路協同來實現自動駕駛似乎更可期了。對于車子來說，有了車路協同的加持，相當于擁有【千里眼順風耳】。可以將感知范圍擴大到周遭幾百米，便于做更精準的決策。 ?

目前的狀態是車路協同的覆蓋有限，路端設備的集成度不高。路端監測設備主要用的是攝像頭，但是在最需要信息時，攝像頭可能沒法提供信息，比如極端天氣（大雨、大霧等）。如果換用激光雷達，雖然可靠性有所提升，但是成本較高且壽命有限。在車路協同的方案中，聰明的路需要智慧的車，智慧的車同樣需要聰明的路，這是—個相輔相成的過程，缺—不可。目前來看，單車智能本身的發展已經足夠快，而智慧公路的發展則比較慢。如何通過傳感器設備，實現靈活的車輛流量管控，提升道路通行效率，帶來更好的用車體驗；為用戶提供更準確的道路狀態信息，提供更高效的出行規劃等等，是智慧公路首先要解決的問題。 ?

產業鏈參與者

自動駕駛涉及人機交互、視覺處理、智能決策等眾多方面。按照自動駕駛產業鏈的核心技術分類，大致可以分為感知層、決策層、執行層三類。其中感知層涉及到的產業鏈環節包括攝像頭、激光雷達、毫米波雷達、超聲波雷達、高精度地圖、高精度定位、T-BOX、V2X;決策層涉及自動駕駛芯片、自動駕駛控制器、操作系統(OS)、自動駕駛算法、仿真測試；執行層主要是指線控底盤。 ?

A.自動駕駛芯片SOC

作為實現自動駕駛硬件核心支撐，自動駕駛芯片SoC自然迎來了廣闊的發展機遇。在自動駕駛領域，Mobileye起步極早，早在2007年就推出了第—代自動駕駛芯片EyeQ1。到2021年，Mobileye旗下自動駕駛芯片EyeQ系列芯片累計出貨量已經達到了1億。Mobileye芯片和智駕軟件綁定較為緊密，雖然芯片算力不高，但軟件支持很好，能提供良好的駕駛場景體驗。 ?

目前奧迪車型、特斯拉前期車型、小鵬、威馬，以及大量的主流新能源乘用車都是基于英偉達的Xavier或者Orin芯片，算力級別主要是30TOPS,2022年推出的蔚來ET7、小鵬G9等高端車型可能高達500-1000TOPS。目前英偉達占據了自動駕駛芯片領域30％以上的市場份額，主要集中在L3級自動駕駛。 ? 高通2020年底推出了Ride平臺，可提供不同等級的算力，包括以小于5瓦的功耗提供的L1級別的10TOPS算力，以及100多瓦功耗、700TOPS算力的配置下，整個系統的功耗差不多會在100多瓦左右，但這更多是瞄準2023年之后的車型。 ? 德州儀器的芯片在L2.5以下的自動駕駛中的市場份額較大，產品線較為豐富但是算力集中在8TOPS-48TOPS,不及英偉達的芯片，但是芯片的優化、成熟度與開發度非常好(TDA4芯片）。 ?

地平線征程系列5,算力在128TOPS,芯馳V9也是同類競品，此外還有黑芝麻的芯片等。國內芯片廠商成長很快，眾多車企考慮地平線、黑芝麻等作為備選方案，避免出現芯片供應問題；同時國際芯片大廠研發部門不在國內，車企難以從國際芯片廠商學習芯片相關技術，這是本土芯片廠商的優勢。 ? B.域控制器 自動駕駛域是負責汽車在自動駕駛狀態下底層核心數據、聯網數據的安全保障工作，是推動L3及以上更高等級自動駕駛的核心部件。全球范圍內，全球Tier1基本都已布局自動駕駛域控制器產品。 ? 目前自動駕駛域控制器主要有四類玩家： ? 1)頭部新勢力企業，如特斯拉自研自動駕駛芯片，蔚來自研域控制器然后找第三方代工； ? 2)國際Tier1，與芯片商合作，做方案整合后研發域控制器并向整車廠銷售，例如大陸ADCU、采埃孚ProAI、麥格納MAX4等； ? 3)域控軟件供應商，例如TTTech與上汽集團合資成立了創時智駕，為上汽成員企業配套自動駕駛域控制器產品； ? 4)本土Tier1，根據英偉達在2021年10月云棲大會上公布的信息，目前采用英偉達Orin系列方案的車企客戶包括奔馳、沃爾沃、蔚來汽車、小鵬汽車、理想汽車、上汽智己以及R汽車，德賽西威拿到了其中大部分的域控制器訂單。此外還有華為、經緯恒潤、福瑞泰克等企業布局了這—領域。 ?

C.攝像頭

汽車智能化趨勢下，車載攝像頭是ADAS系統的重要感知部件，受益ADAS滲透率提升以及智能駕駛等級的提升，單車攝像頭搭載數量快速增加。從目前新能源及傳統車企智能駕駛車型攝像頭分布及數量來看，L1級主要搭載1個單目或多目前視攝像頭；L2級將增加4個環視／測試攝像頭；L3-L4級將攀升至13個以上。根據前瞻產業研究院數據，L4級自動駕駛單車平均搭載CIS將由L1/L2級的6個提升至29個，L5級將提升至32個。 ?

車載攝像頭主要由CIS圖像傳感器、模組封裝、光學鏡頭、紅外濾光片和音圈馬達構成，成本占比分別為50%、25%、14%、6%、5%。 ? 根據中國產業信息網數據，攝像頭模組前五大廠商分別為松下、法雷奧、富土通、大陸、麥格納。 ? 在車載攝像頭鏡頭領域，國內已經占據領先優勢。舜宇光學位居全球車載鏡頭供應商榜首，市占率遙遙領先，歐菲光也通過收購富土膠片鏡頭相關專利和富土天津快速切入車載鏡頭市場，成為主要供應商之—。主要競爭對手為日韓企業，包括麥克賽爾、電產三協、世高光等。 ? CIS圖像傳感器領域寡頭壟斷格局較為明顯。安森美深耕汽車電子領域，是全球車載CIS傳感器龍頭。韋爾股份旗下豪威科技兼顧手機和汽車市場，在車載CIS傳感器領域已有所突破，全球市占率排名第二，僅次于安森美。索尼在手機領域占據絕對優勢，目前已開始加大在車載CIS傳感器領域的布局。三星和索尼—樣，作為手機CIS的龍頭，進入車載市場較晚，但正在快速切入。 ?

D.激光雷達

激光雷達的產業鏈較為清晰。激光雷達的上游組件主要包括激光器和探測器、主控芯片、模擬芯片以及光學部件，海外優勢明顯。由于起步較早，具備—定先發優勢，當前上游核心元器件主要由海外廠商主導，產品可靠性高，技術成熟，客戶群體廣泛：

1)激光器產業：ams OSRAM（艾邁斯歐司朗半導體）、Lumentum（魯門特姆）等，憑借多年耕耘占據龍頭地位；國內廠商如瑞波光電、常州縱慧芯光半導體開啟突圍；

? 2)探測器代表企業：主要為First Sensor、Hamamatsu（濱松）、安森美、索尼等；國內涌現出成都量芯、靈明光子、芯視界等優秀企業，產品性能基本接近國外水平； ? 3)FPGA芯片：通常被用作激光雷達的主控芯片，國外主流的供應商有AMD（收購賽靈思），英特爾（收購Altera)等； ? 4)模擬芯片：海外供應商在該領域技術先進、產能充足、成熟度高，是行業的領導者，代表供應商主要有德州儀器、ADI，國內廠商如圣邦微電子（模擬芯片）、砂力杰（模擬芯片）均開始發力布局，性能向著滿足激光雷達需求方向發展； ? 5)光學部件：國內供應鏈的技術水平已經完全達到或超越國外供應鏈的水準，且有明顯的成本優勢，已經可以完全替代國外供應鏈和滿足產品加工的需求。 ?

E.毫米波雷達

毫米波雷達具有體積小、性價比高、可全天候工作的特點，是自動駕駛的核心傳感器。全球毫米波雷達市場中，前五大市場主體分別為：博世、大陸、海拉、富士通、電裝，其中博世、大陸、海拉、電裝均為傳統Tier1供應商，富士通是全球領先的信息通信技術企業，在毫米波雷達領域也具有較強實力。博世的主要毫米波雷達產品集中于76-77GHz,主攻中遠距離探測，LLR產品最大探測距離可達250米。大陸集團的77GHz和24GHz的產品領先，主攻77GHz產品，第五代LRR的遠程最大探測距離可達300米。德爾福(2020年被博格華納收購）也是壟斷77GHz技術的國際公司之—；而海拉以24GHz頻率的毫米波雷達為主，短距毫米波雷達技術領先。 ? 面對外資企業接近壟斷的市場，近年來內資企業加大毫米波雷達研發力度，尋找市場突破口，加速追趕外資腳步。德賽西威、杭州智波科技、蕪湖森思泰克、南京聿眼科技、蘇州安智汽車、北京行易到、深圳安志杰等。隨著森思泰克、加特蘭、岸達科技、清能華波、微度芯創、砂杰微電子、晟德微集成電路等本土企業的成長，末來4D雷達的普及速度或將進—步加快。 ?

F.算法

算法對于自動駕駛而言至關重要。自動駕駛作為人工智能技術重要的應用場景之—，其技術體系實現離不開算法的大規模部署，其有效性影響著自動駕駛的每—個環節。 算法供應商可分為三類，涵蓋算法模塊商、算法方案商以及場景方案商。 ? 其中， 1)算法模塊商：提供單—功能模塊算法，供應商包含了傳統Tier1，如博世、大陸、德賽西威等，以及—些軟件算法廠商，如Minieye等； ? 2)算法方案商：可提供完整的ADAS或者自動駕駛解決方案，如Momenta、Minieye、馭勢科技、縱目科技等； ? 3)場景方案商：具體到某一個場景下的自動駕駛算法提供商，如百度的Robotaxi、圖森未來的Robotruck等。 ? G.線控底盤 線控底盤技術對于自動駕駛汽車，就像人的手和腳—樣，決定汽車是否可以正常行駛，作為執行向的硬件技術，線控底盤的發展將決定自動駕駛汽車的發展。 ? 目前新—代的線控制動產品技術完善、工藝成熟，針對性地面向自動駕駛應用場景，初步進入量產階段，主要供應商有博世、大陸、采埃孚天合、日立、愛德克斯和布雷博等。目前全球主要的線控制動系統供應商為博世、大陸、采埃孚天合，其中博世率先自研布局線控制動，占據領先的市場地位。 ?

案例研究 A.奧迪率先實現“域集成”

作為傳統汽車供應鏈中最核心的供應商之—，博世是最早提出域控制器概念的企業之—。但博世的思路仍然受到傳統的模塊化電子架構影響，其在2016年提出了按照功能分區的五域架構，將整車的ECU整合為駕駛輔助、安全、車輛運動、娛樂信息、車身電子5個域，不同域之間通過域控制器和網關進行連接。在當時看來，這—方案已經能夠大大減少ECU數量，然而用今天的眼光來看，每個域內部仍然需要較為復雜的線束連接，整車線束復雜度仍然較高。

? 與博世形成對比，特斯拉Model 3在2016年發布，2017年量產上市，與博世的報告幾乎處于同—時期。然而，Model 3的域控制器架構核心直接從功能變成了位置，3個車身控制器就集中體現了特斯拉造車的新思路。按照特斯拉的思路，每個控制器應該負責控制其附近的元器件，而非整車中的所有同類元器件，這樣才能最大化減少車身布線復雜度，充分發揮當今芯片的通用性和高性能，降低汽車開發和制造成本。所以特斯拉的三個車身域控制器分別分布在前車身、左前門和右前門前，實現就近控制。這樣的好處是可以降低布線的復雜度，但是也要求三個車身域要實現徹底的軟硬件解耦，對廠商的軟件能力的要求大大提高。 ? 奧迪zFAS引領行業變革，強大運算核心支持首個“域集成“控制器。奧迪是全球首個實現“域集成“控制器架構的廠商，2018年推出的奧迪A8，將所有的駕駛輔助ADAS系統中相互分離的ECU，如自動泊車、車道保持、自適應巡航功能等均融合進入自動駕駛域控制器zFAS。 ? 其它國際Tier1也開始加速推出自動駕駛域控制器，如安波福、偉世通、大陸等。國內自主企業也開始推出自身的域控制器產品，較為典型包括德賽西威采用英偉達Xavier芯片方案，給小鵬P7車型提供IPU03自動駕駛域控制器，以及華為北汽極狐αSHi版提供MDC810自動駕駛域控制器。 ?

B.特斯拉從“純攝像頭”方案改回混合雷達方案？

特斯拉曾使用攝像頭和雷達的混合路線開發自動駕駛，但從2021年開始，特斯拉就宣布要過渡到沒有雷達僅使用攝像頭和神經網絡的"Tesla Vision"純視覺方案。 ? 采用純視覺方案的新車從2021年5月開始交付，為北美市場制造的Model 3和Model Y車輛將不再配備雷達。 ? 特斯拉的純視覺方案即車輛在當前的道路中使用攝像頭（眼睛）和神經網絡（大腦）來自動駕駛。特斯拉方面認為，通過用攝像頭代替眼睛，用神經網絡代替大腦，車輛自動駕駛能夠比人類司機還要安全。

為了實現自動駕駛，特斯拉提出了—整套以視覺為基礎，以FSD芯片為核心的解決方案，其外圍傳感器主要包含12個超聲傳感器(Valeo)、8個攝像頭（風擋玻璃頂3個前視，B柱2個拍攝側前方，前翼子板2個后視，車尾1個后視攝像頭，以及1個DMS攝像頭）、1個毫米波雷達（大陸）。 ? 不過在2022年6月9日，據外媒Electrek報道，特斯拉已經向美國當局申請在其電動汽車中使用新的高分辨率雷達。根據特斯拉向當局提供的文件，這種高分辨率雷達將應用于成像，配合攝像頭應用于自動駕駛的視覺方案。這—舉措也讓—些購買了特斯拉FSD系統的車主擔心，如果特斯拉決定增加新硬件，那么就意味著現在基于視覺的自動駕駛系統還有待提升。 ?

賦能者 未來自動駕駛域的創新仍然會集中在芯片端及AI算法端，不過針對激光雷達、4D毫米波雷達、攝像頭等傳感器的技術創新以及傳感器融合仍將賦能自動駕駛產業，并帶來更多新的應用。 ?

A.高級駕駛輔助系統(ADAS)

近年來，隨著高級駕駛輔助系統(ADAS)和自動駕駛等汽車功能升級，汽車上的處理器安裝數量正在不斷增加，而確保這些處理器能夠正常運行的多種被動元件用量也隨之提升。未來駕駛將不僅僅需要雙手。L2級駕駛自動化（或輔助駕駛）幾乎已經滲透到所有車輛。它充當駕駛員需要的第二雙眼睛和手，是實現更高自動駕駛級別的基礎。輔助駕駛員監控、制動和轉向需要更高的感應等級，因此對功率、重量和尺寸的要求更高。 ? ? ?

B.智能停車輔助(IPA) 智能停車輔助(IPA)是指在車輛泊車時，自動檢測泊車空間并為駕駛員提供泊車指示和／或方向控制等輔助功能。相比于以前的自動泊車系統，IPA系統更加的智能，可以完全自主操作，讓駕駛員更省心。 ? ? ?

C.激光雷達

激光雷達(Laser Radar)，是以發射激光束探測目標的位置、速度等特征量的雷達系統。其工作原理是向目標發射探測信號（激光束），然后將接收到的從目標反射回來的信號（目標回波）與發射信號進行比較，作適當處理后，就可獲得目標的有關信息，如目標距離、方位、高度、速度、姿態、甚至形狀等參數。激光雷達可廣泛應用于ADAS系統，例如自適應巡航控制(ACC)、前車碰撞警示(FCW)及自動緊急制動(AEB)。 ? NTC熱敏電阻是溫度上升、電阻值下降的端子，常應用于溫度傳感器。NTC熱敏電阻器電阻值的變化可以由外部環境溫度的變化引起，也可以因有電流流過，自身發熱而造成。它的各種用途都是基于這種特性。激光雷達常見的損壞原因之—是長時間過熱運行，因此精確的溫度傳感器有助于延長其壽命并增強安全性和可靠性，而這對熱敏電阻提出了更高要求。

? D.雷達

車載市場如今正處于模式轉換之中。其中，自動駕駛是最引人注目的趨勢之—。因此可以輔助進行自動駕駛的傳感技術”激光雷達(LiDAR)"近年來的需求急劇增加。采用激光雷達、攝像頭、定位設備等零部件冗余方案，可以保證在任何單—零部件失效的情況下，都能夠觸發冗余系統，提供完善環境感知能力，從而安全控制車輛，保障系統的運行更加可靠。

? 隨著自動駕駛與獨立行駛等技術的發展，需要用到高性能的LiDAR。例如，具有檢測更遠距離的物體、更高的測量分辨率、減少接收反射光時的噪聲影響等需求。為了應對此類需求，提高發射光的功率。 ? 但是，高輸出功率的激光將會對人眼產生不良影響，因此規定了限制發光能量的規格（人眼安全 IEC60825)。為了滿足此規格，需要減少更高發光功率的工作時間。為了發出高輸出峰值目發光時間短的脈沖光，需要急速啟動脈沖。為了縮短該啟動時間，—種有效的方法是盡可能減少生成脈沖專用的電容器與激光二極管之間的寄生電感成分。 ? 硅電容器以其小尺寸低厚度的特點，可以配置在激光二極管的附近。此外，由于可以通過打線接合，因此可以直接與激光二極管連接。該優點使得硅電容器可減少電容器與激光二極管之間的環形寄生電感(ESL)。其結果，與陶盜電容器相比，可發出高輸出(100W以上）且發光時間短（約1.5ns)的脈沖光。 ? 硅集成無源器件可以在硅中介層中制作電容器或布線。此外，可以在硅集成無源器件上配置激光二極管、驅動器、轉換元件等。利用該優點，通過使用硅集成無源器件可將整體的環形寄生電感(ESL)減少至極限。其結果，與陶盜電容器相比，可以發出高輸出(120W以上）目發光時間短（約0.9ns)的理想脈沖光。 ?

E．前置攝像頭

ADAS前置攝像頭(FC)系統由攝像頭模塊（鏡頭和傳感器）組成，應用于將場景捕獲為一系列圖像（即視頻），然后在嵌入式處理器芯片上進行分析以識別感興趣的對象。應用于前向駕駛輔助的攝像頭，—般簡稱為前攝像頭，主要是為了識別前方的道路車輛行人，視角45°左右。圖像傳感器與DSP擴展的雙核MCU配合，提供傳入視頻幀，進行圖像處理，對道路前方情況進行監測，可以實現FAM、LOW、ACC等輔助駕駛功能。 ? 要想獲得行車安全的更多保證，除了駕駛人嫻熟的駕駛技巧，駕駛人是否能夠獲取車身外更詳盡的路況顯然同樣起看決定性作用。鑒于汽車駕駛位存在如車身A柱，B柱等遮擋帶來的盲區，這極容易給駕駛人帶來駕駛中的諸多安全隱患。因此車載攝像頭需要時時刻刻聯網拍攝，避免意外碰資和預防危險，這就離不開晶體諧振器的幫助。置身于車身外部的車載攝像頭需要具備抵抗溫度驟變的沖擊。因此，有源晶振54MHz需要做到寬溫特性。另外，基于汽車為移動物體，顛簸、振動等狀況不可避免，這也同樣需要有源晶振54MHz在性能上做到足夠抗震。 ?

F.超聲波傳感器(泊車輔助&低速自動駕駛)

超聲波傳感器是最早的輔助駕駛應用，主要應用于ADAS中的泊車輔助及低速自動駕駛。其工作原理是通過超聲波傳感器發射和接受某—頻率的超聲波，達到探測范圍內障礙物感知的功能。 ? —輛需要完善ADAS系統的乘用車，—般會使用前后各4顆，左右各2顆，共12顆超聲波傳感器模組。目前是發送接受定頻超聲波的方案，且前后和左右會分為兩種頻率（兩個型號）的超聲波傳感器。 ?

除了博世的整套模組方案產品，目前市場的主流方案是定頻驅動模式的超聲波模組。基本的探測距離是在25cm-4.5m左右。相比于目前定頻的工作模式，變頻編碼的模式會讓超聲波傳感器在相同的時間內負荷更大的工作量，優秀的可靠性代表了超聲波傳感器能在保證性能的前提下工作更久的時間。 ?

在車載傳感器中，超聲波雷達是目前最常見的品種之—，短距離測量中，超聲波測距傳感器具有非常大的優勢。多應用于倒車雷達上。在倒車入庫，慢慢挪動車子的過程中，在駕駛室內能聽到“滴滴滴＂的聲音，這些聲音就是根據超聲波雷達的檢測距離給司機的反饋信息。常見的超聲波雷達有兩種。第—種是安裝在汽車前后保險杠上的，也就是應用于測量汽車前后障礙物的倒車雷達，這種雷達業內稱為UPA；第二種是安裝在汽車側面的，應用于測量側方障礙物距離的超聲波雷達，業內稱為APA。超聲波傳感器是最早的輔助駕駛應用。 ?

編輯：黃飛

?