1、 证券研究报告 请务必阅读正文之后的免责条款 自动驾驶“耳与目自动驾驶“耳与目”毫米波雷达毫米波雷达与摄像头与摄像头 计算机行业“智能网联”系列专题 102020.10.26 中信证券研究部中信证券研究部 核心观点核心观点 杨泽原杨泽原 首席计算机分析师 S02 丁奇丁奇 计算机分析师 S03 张帅张帅 计算机分析师 S04 传感器传感器是是智能汽车的检测系统，扮演着驾驶智能汽车的检测系统，扮演着驾驶周边周边环境探测的作用环境探测的作用，是自动驾驶是自动驾驶 的感知端基石，目前应用最广泛的传感器的感知端基石，目前应用最广泛的传感

2、器主要主要是摄像头与毫米波雷达。受益于是摄像头与毫米波雷达。受益于 自动驾驶高速发展，自动驾驶高速发展，预计预计国内国内摄像头摄像头与与毫米波雷达行业毫米波雷达行业总总规模在规模在 2020 年突破年突破 110 亿元亿元。同时同时，国内企业加速发展，国内企业加速发展，有望有望在未来在未来几年自动几年自动/辅助驾驶的大趋势辅助驾驶的大趋势 中核心受益中核心受益，重点推荐重点推荐德赛西威。德赛西威。 自动驾驶技术自动驾驶技术是未是未来汽车产业发展的重点方向来汽车产业发展的重点方向，国家出台多项，国家出台多项政策和规划促进政策和规划促进 产业发展，产业发展，ADAS 系统以及高级自动驾驶技术加速演

3、进系统以及高级自动驾驶技术加速演进。 传感器作为自动驾驶的 核心硬件，将受益于自动驾驶行业发展，我们预计国内车载传感器市场行业规模 将在 2023 年突破 340 亿元，年均增长率 CAGR 为 13.6%。传感器主要承担了 自动驾驶中环境感知与识别工作，是自动驾驶的感知端核心，目前应用最广泛的 传感器是摄像头与毫米波雷达。 车载摄像头是自动驾驶汽车的主要视觉传感器，也是技术成熟的“汽车之眼”车载摄像头是自动驾驶汽车的主要视觉传感器，也是技术成熟的“汽车之眼”。 根据安装位置，可分为前视、后视和侧视，根据摄像头个数，可分为单目、双目 和多目。在市场方面，受益于自动驾驶行业发展，我国车载摄像头市

4、场规模也保 持高速增长，我们预计 2020 年会超过 42 亿元，CAGR 约为 6.7%。摄像头视觉 系统领域技术壁垒高，行业集中度高。以色列公司 Mobileye 凭借其先进的机器 学习与计算机视觉技术占据自动驾驶视觉领域超过 70%的市场规模，拥有较高 的技术壁垒；国内企业如德赛西威等公司加速追赶，但目前仍有一定距离。 毫米波雷达是自动驾驶传感器的核心，也是自动驾驶的“汽车之耳”。毫米波雷达是自动驾驶传感器的核心，也是自动驾驶的“汽车之耳”。毫米波 雷达具备体积小、精度高、稳定性强、性价比高等优点，可以全天候为智能汽车 提供环境感知。在市场方面，我们预计 2020 年，全球毫米波雷达出货

5、量将接近 7000 万颗，市场空间超过 50 亿美元，CAGR 约为 25%；我国 2020 年毫米波 雷达出货量有望超过 900 万颗，市场规模超 70 亿元，行业高速增长。毫米波雷 达在硬件与软件方面均具有较高的技术壁垒， 全球毫米波雷达市场由博世、 大陆 与海拉等公司主导，根据 Ofweek 统计，行业 CR5 高达 68%；我国产业起步较 晚，国内企业如华域汽车、德赛西威、行易道等公司正在加快研发进度，有望在 未来 1-2 年内实现 77GHz 自主量产。 风险因素：风险因素：乘用车市场景气度不及预期、L3 及以上自动驾驶落地进度不及预期。 投资策略：投资策略：受益于自动/辅助驾驶行业

6、的高速发展，摄像头与毫米波雷达行业发 展较快， 国内相关企业处于高速发展期。 重点推荐在毫米波雷达以及摄像头相关 领域均有布局的德赛西威。 重点公司盈利预测、估值及投资评级重点公司盈利预测、估值及投资评级 简称简称 收盘价收盘价 （元）（元） EPS（元）（元） PE 评级评级 2019 2020E 2021E 2019 2020E 2021E 德赛西威 63.31 0.53 0.73 0.96 119.45 86.73 65.95 买入 资料来源：Wind，中信证券研究部预测 注：股价为 2020 年 10 月 23 日收盘价 计算机计算机 评级评级 强于大市强于大市（维持维持） 计算机行业

7、计算机行业“智能网联智能网联”系列专题系列专题 102020.10.26 请务必阅读正文之后的免责条款部分 目录目录 汽车传感器：自动驾驶的感知层基石汽车传感器：自动驾驶的感知层基石 . 1 自动驾驶高速发展，国内政策积极布局，传感器市场受益 . 1 自动驾驶市场空间广阔，传感器有望高速增长. 2 摄像头：自动驾驶的摄像头：自动驾驶的“汽车之眼汽车之眼” . 4 工作原理：视觉系统如何实现环境感知？ . 4 市场分析：全球车载摄像头市场高速发展，Mobileye 独占鳌头 . 7 感知方案之争：视觉系统能否主导自动驾驶？. 9 毫米波雷达：自动驾驶的毫米波雷达：自动驾驶的“汽车之耳汽车之耳”

8、. 11 工作原理：毫米波雷达如何助力全天候自动驾驶？ . 11 市场分析：毫米波雷达产业高速发展，国外厂商主导市场 . 14 重点厂商研究：国外龙头全面领先，国内企业加速追赶 . 16 风险因素风险因素 . 19 投资建议投资建议 . 19 nMrMmNnNnQrQrOtRqNmMqP8O8QbRoMrRnPmMlOrQmMiNpNqP6MnNyQxNqNmQNZsPwP 计算机行业计算机行业“智能网联智能网联”系列专题系列专题 102020.10.26 请务必阅读正文之后的免责条款部分 插图目录插图目录 图 1：车载传感器特点分析 . 1 图 2：车载传感器性能对比 . 1 图 3：自动驾

9、驶分级标准 . 2 图 4：中国 ADAS 市场规模（亿元） . 3 图 5：ADAS 系统渗透率变化曲线 . 3 图 6：中国汽车传感器市场规模（亿元） . 3 图 7：车载摄像头结构 . 4 图 8：车载摄像头进行环境识别的原理 . 5 图 9：Mobileye 基于神经网络的图像识别. 5 图 10：双目摄像头通过时差测距 . 7 图 11：Mobileye 通过多个摄像头构建立体视觉. 7 图 12：中国车载摄像头市场规模（亿元） . 8 图 13：Mobileye 在视觉识别系统领域市场份额遥遥领先 . 8 图 14：Mobileye 芯片销量逐年增高，CAGR 达到 46% . 8

10、 图 15：Mobileye 解决方案应用于多种主流车辆 . 8 图 16：Mobileye 通过四个独立算法实现图像 3D 化 . 9 图 17：Mobileye 的 Super Vison 框架图 . 9 图 18：未来汽车将主要由 77GHz 毫米波雷达构成 . 12 图 19：FMCW 调制的毫米波雷达测距原理 . 13 图 20：毫米波雷利用多普勒效应测速原理 . 13 图 21：毫米波雷达测量角度原理 . 13 图 22：毫米波雷达结构图 . 14 图 23：毫米波雷达 PCB 板示意图 . 14 图 24：全球毫米波雷达市场规模（亿美元） . 15 图 25：中国毫米波雷达市场规

11、模（亿元） . 15 图 26：全球毫米波雷达市场出货量 . 15 图 27：毫米波雷达重点厂商 . 15 表格目录表格目录 表 1：传感器数量随自动驾驶等级升高 . 2 表 2：部分主流摄像头性能 . 4 表 3：不同类型摄像头在 ADAS 中的应用情况 . 5 表 4：单目、双目、多目摄像头特征对比 . 7 表 5：24GHz 与 77GHz 毫米波雷达对比. 12 表 6：主要厂商毫米波雷达产品对比 . 16 表 7：国内毫米波雷达厂商情况 . 18 计算机行业计算机行业“智能网联智能网联”系列专题系列专题 102020.10.26 请务必阅读正文之后的免责条款部分 1 汽车传感器：自动

12、驾驶的感知层汽车传感器：自动驾驶的感知层基石基石 自动驾驶传感器是智能汽车的检测系统，是汽车实现自动驾驶的感知端基石自动驾驶传感器是智能汽车的检测系统，是汽车实现自动驾驶的感知端基石。传感器 通过将感受到的被测量信息按照特定规则转化为电信号，进而将其传输到汽车的中央控制 单元中进行环境监测、车身感知、决策规划，从而协助智能驾驶汽车实现自动驾驶。无论 是在 ADAS 还是高等级自动驾驶技术中心，传感器都扮演了感知端基石的角色，一辆汽车 所搭载的传感器数量与质量的水平，也往往直接决定了其智能化水平的高低。目目前自动驾前自动驾 驶的核心传感器包括车载摄像头、毫米波雷达、激光雷达驶的核心传感器包括车载

13、摄像头、毫米波雷达、激光雷达，在，在 ADAS 系统中主要以摄像系统中主要以摄像 头与毫米波雷达为主头与毫米波雷达为主。 车载摄像头以图像识别算法为基础，主要负责外部图像环境感知与分析，在自动驾驶 传感器领域有着至关重要的作用， 是自动驾驶 “的汽车之眼” ； 毫米波雷达运用 24-300GHz 的毫米波进行环境感知，可在恶劣天气或光线较暗条件下稳定工作，同时可以有效测量障 碍物距离与方位，在自动驾驶领域应用广阔；激光雷达基于 TOF（Time of Fly）技术，利 用激光束测量距离并形成激光点云，是三维成像及绘制高精度地图最理想的手段之一，但 由于成本较高，目前还未在汽车端普及。从性能来看

14、，三类传感器的探测距离、分辨率、 角分辨率等探测参数各异，对应于物体探测能力、识别分类能力、三维建模、抗恶劣天气 等特性优劣势分明。各种传感器能形成良好的优势互补，各种传感器能形成良好的优势互补，目前市场上应用最多的传感器是目前市场上应用最多的传感器是 摄像头与毫米波雷达，随着激光雷达技术的进步与成本的降低，多元传感器融合将摄像头与毫米波雷达，随着激光雷达技术的进步与成本的降低，多元传感器融合将成为成为未未 来的趋势来的趋势。 图 1：车载传感器特点分析 图 2：车载传感器性能对比 资料来源：自动驾驶技术概论-清华版，中信证券研究部 资料来源：CSDN，中信证券研究部 自动驾驶自动驾驶高速发展

15、，高速发展，国内国内政策积极布局，传感器市场受益政策积极布局，传感器市场受益 随着人工智能技术的蓬勃发展，自动驾驶技术日渐成熟。随着人工智能技术的蓬勃发展，自动驾驶技术日渐成熟。根据 SAE（Society of Automation Engineers，国际自动机工程师协会）在 2014 年发布的关于自动驾驶汽车的 分级标准，自动驾驶技术一共被分为 5 个等级：L1 辅助驾驶、L2 部分自动驾驶、L3 有 条件自动驾驶、L4 高度自动驾驶和 L5 完全自动驾驶。随着级别的升高，自动驾驶的程 度也逐渐增加。 成本 远距离探测能力 夜间工作能力 探测范围 车速测量能力 全天候工作能力 恶劣天气下

16、表现 温度稳定性 摄像头毫米波雷达激光雷达 计算机行业计算机行业“智能网联智能网联”系列专题系列专题 102020.10.26 请务必阅读正文之后的免责条款部分 2 图 3：自动驾驶分级标准 资料来源：自动驾驶技术概论-清华版，中信证券研究部 随着自动驾驶技术及随着自动驾驶技术及 ADAS 系统的渗透率不断提高，自动驾驶传感器的需求量将快系统的渗透率不断提高，自动驾驶传感器的需求量将快 速增长。速增长。自动驾驶传感器是智能汽车的关键基础性零部件，伴随着智能汽车销量的上升， 汽车传感器的市场需求量也会随之上升。同时，自动驾驶技术的快速发展催生传感器需求 量进一步增加，一般来说，自动驾驶的等级越高

17、，所需要的传感器数量与质量要求也就越 高。我们预测，车载传感器市场在未来 5 年内将迎来高速发展期，市场前景广阔。 表 1：传感器数量随自动驾驶等级升高 传感器数量（个）传感器数量（个） L1 L2 L3 L4/L5 摄像头 1 3 6 10 毫米波雷达 1 2 4 8 激光雷达 0 0 1 1 资料来源：自动驾驶技术概论-清华版，中信证券研究部 在政策方面，自动驾驶汽车在政策方面，自动驾驶汽车作为作为未来汽车行业的重点发展方向，国家未来汽车行业的重点发展方向，国家为其为其出台了一系出台了一系 列政策和规划以促进相关产业的发展。列政策和规划以促进相关产业的发展。2015 年国家推出中国制造 2

18、025 计划，对智能网 联汽车的发展做出重要规划，到 2020 年掌握辅助驾驶技术，并初步建立自主研发和生产 体系，到 2025 年掌握自动驾驶总体和关键技术， 并建立完善自主研发和生产体系，完 成汽车行业的转型升级。 在自动驾驶渗透率的规划上，2017 年，中国工业和信息化部、国家发展改革委联合 科技部印发的汽车产业中长期发展规划指出，到 2020 年，安装 L1 级别驾驶辅助的 汽车、 L2 级别部分自动驾驶、 L3 级别有条件驾驶的新车渗透率超过 50%， 到 2025 年， L2 级部分自动驾驶和 L3 级别有条件驾驶的新车渗透率超过 25%， 自动驾驶汽车渗透率 超过 80%。在政策

19、的支持下，智能驾驶辅助功能装机率的提高将带动自动驾驶传感器的 需求激增，进而推动汽车传感器产业的发展。 自动驾驶市场空间广阔，传感器自动驾驶市场空间广阔，传感器有有望高速增长望高速增长 技术演进推动智能汽车行业高速发展， 预计ADAS市场将在未来5年迎来黄金发展期。 随着无人驾驶汽车相关法律法规的放宽以及主要车企及科技公司自动驾驶技术及产品的 不断落地， 我国 ADAS 市场有望高速发展。 根据前瞻产业研究院预测， 2020 年我国 ADAS 计算机行业计算机行业“智能网联智能网联”系列专题系列专题 102020.10.26 请务必阅读正文之后的免责条款部分 3 市场规模有望突破 844.6

20、亿元，到 2023 年，我国 ADAS 市场规模将达到 1321.5 亿元， CAGR 达到 27.5%。在 ADAS 系统渗透率方面，目前，全球 ADAS 系统渗透率不高，市 场成长空间广阔。 我们预计， 截至 2020 年， 中国汽车产业 ADAS 渗透率仅有约 26%左右， 中国自主品牌乘用车ADAS到L3的总渗透率将从2019的20%快速增长至2025年的64%， ADAS 渗透率显著增长并逐渐成为汽车必备单元。其中，芯片、软件系统及传感器将贡献 主要市场增量。 图 4：中国 ADAS 市场规模（亿元） 图 5：ADAS 系统渗透率变化曲线 资料来源：前瞻产业研究院（含预测），中信证券

21、研究部 资料来源：前瞻产业研究院，中信证券研究部（含预测） 目前目前，自动驾驶渗透率逐步提升叠加级别持续提升，预计传感器需求呈指数级增长，自动驾驶渗透率逐步提升叠加级别持续提升，预计传感器需求呈指数级增长。 在我国，伴随着中国经济的快速发展，中国汽车工业市场规模不断扩大，汽车传感器市场 有望在 2023 年突破 340 亿元。 根据头豹产业研究院的统计结果， 2014 年至 2018 年期间， 中国汽车传感器行业市场规模由 2014 年的 106.9 亿元上升至 2018 年的 171.1 亿元， 年复 合增长率为 12.5%。面对市场潜力巨大的汽车传感器行业，中国汽车传感器厂商的制造能 力持

22、续提升。在智能汽车快速发展的背景下，中国汽车传感器厂商有望弯道超车，在自动 驾驶传感器领域占据优势地位。我们预计，未来几年中国汽车传感器行业将望保持快速增 长的趋势，并于 2023 年突破 340 亿元。 图 6：中国汽车传感器市场规模（亿元） 资料来源：头豹产业研究院，中信证券研究部（含预测） 111.3150.8 204 421 556.2 712.3 844.6 1012.8 1146.2 1321.5 0 200 400 600 800 1000 1200 1400 中国ADAS市场规模（亿元） 20.0% 26.0% 31.0% 38.0% 46.0% 54.0% 64.0% 69.

23、5% 75.0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 2019 2020E2021E 2022E 2023E 2024E 2025E2030E L1渗透率L2渗透率 106.9 117.3 139 157.3 171.1 196.2 232.1 263.9 303.8 346.1 9.7% 18.5% 13.2% 8.8% 14.7% 18.3% 13.7% 15.1% 13.9% 0% 2% 4% 6% 8% 10% 12% 14% 16% 18% 20% 0 50 100 150 200 250 300 350 400 2001720

24、182019E2020E2021E2022E2023E 中国传感器市场规模（亿元）同比（%） 计算机行业计算机行业“智能网联智能网联”系列专题系列专题 102020.10.26 请务必阅读正文之后的免责条款部分 4 摄像头：自动驾驶的“汽车之眼”摄像头：自动驾驶的“汽车之眼” 工作工作原理原理：视觉系统如何实现环境感知？：视觉系统如何实现环境感知？ 车载摄像头是自动驾驶汽车的主要视觉传感器，也是技术成熟的“汽车之眼” 。车载摄像头是自动驾驶汽车的主要视觉传感器，也是技术成熟的“汽车之眼” 。车载 摄像头获取图像信息的前端，借由镜头采集图像后，摄像头内的感光组件电路及控制组件 对图像进行处理并转

25、化为电脑能处理的数字信号，随后图像信息在视觉处理芯片上通过算 法进行处理，提取有效信息后进入决策层用于决策判断，从而感知与判断车辆周边的路况 情况。车载摄像头具有目标识别能力，应用图像识别技术让自动驾驶汽车能够精准分辨出 驾驶过程中的行人、车辆、交通标志和障碍物，目前主要应用在 360 全景影像、前向碰撞 预警、车道偏移报警和行人检测等 ADAS 功能中。 自动驾驶摄像头主要包括软件与硬件两个部分。从硬件结构上来看，车载摄像头的主 要组成包括镜头、CMOS 图像传感器、DSP 数字处理芯片等，整体部件通过模组组装而 成。 图 7：车载摄像头结构 资料来源：新材料在线 在在硬件硬件性能方面，车载

26、摄像头比工业级别摄像头要求更高。性能方面，车载摄像头比工业级别摄像头要求更高。1）温度要求：）温度要求：车载摄像 头需要应对多种复杂环境，温度范围要求一般在在-40 度80 度；2）像素要求：）像素要求：为降低芯 片处理的负担，摄像头的像素并不需要非常高，30 万-200 万像素已经能满足要求。3）探）探 测范围与角度：测范围与角度：对于环视和后视，一般采用 135 度以上的广角镜头，探测距离在 10 米以 内，前置摄像头对视距要求更大，一般采用 40-70 度的视角范围，视距要求一般在 120 米 以上，双目摄像头视距一般小于单目；4）功耗：）功耗：车载摄像头功率不宜过大，一般在 10W 以

27、下。 表 2：部分主流摄像头性能 代表产品代表产品 像素像素 探测范围探测范围 探测角度探测角度 适合温度适合温度 功耗功耗 车规等级车规等级 博世 MPC2 120 万 120m 50 度水平，28 度垂直 -40度+85度 5W ASILA 大陆 MFC500 （2021 量产） 800 万 300m 125 度水平， 60 度垂直 -40度+95度 7W ASILD 博世双目 100 万 55m 50 度水平，28 度垂直 -40 度85 度 5.8W ASILA 资料来源： 智车科技， 中信证券研究部 （注： 通常而言， 摄像头的探测范围根据探测的水平角度而定， 大陆 MFC500 的

28、 300m 是指的最远范围） 计算机行业计算机行业“智能网联智能网联”系列专题系列专题 102020.10.26 请务必阅读正文之后的免责条款部分 5 与传统摄像头不同的是，自动驾驶摄像头产业最重要的部分并非摄像与传统摄像头不同的是，自动驾驶摄像头产业最重要的部分并非摄像头硬件头硬件本身，本身，而而 是是自动驾驶芯片以及基于芯片的自动驾驶芯片以及基于芯片的视觉系统视觉系统自动驾驶算法自动驾驶算法和解决方案。和解决方案。 车载摄像头的车载摄像头的算法和算法和解决方案主要依靠解决方案主要依靠于于计算机视觉计算机视觉(Computer Vision)与机器学习。与机器学习。 车载摄像头在图像采集之后

29、，经过图像预处理，将数据传输给无人驾驶系统。无人驾驶系 统通过以深度学习为核心的计算机视觉技术进行目标检测，即对周围的环境、车辆、行人 以及交通基础设施做出精准的分割和目标分类。在图像分割和目标分类完成后，对于不同 的分类对象的特点，无人驾驶感知层系统还需要分别进行针对性的探测和认知，从而通过 有效的图像识别指导指导汽车对周围的环境做出反应。 图 8：车载摄像头进行环境识别的原理 图 9：Mobileye 基于神经网络的图像识别 资料来源：雷锋网，中信证券研究部 资料来源：Mobileye 官网 车载摄像头分类较多车载摄像头分类较多，根据其在自动驾驶汽车上的安装位置，车载摄像头可以分为前根据其

30、在自动驾驶汽车上的安装位置，车载摄像头可以分为前 视、后视和侧视等多种类型。视、后视和侧视等多种类型。 前视摄像头覆盖的 ADAS 功能最多，通过对其获取的图像进行不同的处理之后，可以 实现 LKA 车道保持、LCA 变道辅助、EAB 电子刹车辅助、TSP 交通标志识别、LDW 车 道偏离预警等多项功能；后视摄像头用于探测车身后方的情况，可以实现的功能包括 PA 泊车辅助、 SVP 全景泊车等； 低级别的自动驾驶汽车只安装前后视摄像头， 视野范围有限， 存在视野盲区，为解决这个问题需要安装侧视摄像头，它可以实现的功能包括 BSD 盲点 检测、LCA 变道辅助等。 表 3：不同类型摄像头在 AD

31、AS 中的应用情况 类型类型 实现实现功能功能 摄像头功能描述摄像头功能描述 前视前视 LKA 车道保持、LCA 变道辅助、EBA 电子刹车 辅助、TSP 交通标志识、LDW 车道偏离预警、 SVP 全景泊车、PDS 行人检测系统、PCW 行 人碰撞预警、NVS 夜视系统、FCW 前向碰撞系 统、ACC 自适应巡航、AEB 自动紧急制动 视角一般为 4070，负责实现汽车驾驶 过程中前向环境监测与识别 侧视侧视 LCA 变道辅助、BSD 盲点检测、TSP 交通标志 识别、SVP 全景泊车 多采用广角镜头， 视角一般在 60120， 在车身周围装配多个摄像头进行图像拼接 实现全景图 后视后视 P

32、A 泊车辅助、SVP 全景泊车 多采用广角或鱼眼镜头，视角一般在 70 180+，主要为倒车后视摄像头 资料来源：搜狐号：光与电的世界、中信证券研究部 计算机行业计算机行业“智能网联智能网联”系列专题系列专题 102020.10.26 请务必阅读正文之后的免责条款部分 6 根据镜头个数的不同，摄像头可以分为单目、双目和多目摄像头。根据镜头个数的不同，摄像头可以分为单目、双目和多目摄像头。 单目摄像头通过计算机视觉与人工智能算法对摄像头获取的信息进行分析，获取有用 的信息并做出相应的判断。Mobileye 即是单目摄像头解决方案的领先者。目前。单目摄像 头解决方案已经相对成熟，且成本低廉，广泛搭

33、载于各类汽车上，用于对路况的判断。但 同时，单目摄像头也存在一定的劣势。由于单个摄像头无法获取景深，在测量车辆与障碍 物之间的距时需要根据算法在图像识别匹配目标物体之后，通过其在图像中的大小去估算 目标距离。这一方式对算法水平要求极高，同时需要大量的数据训练保证准确率。同时， 由于车载单目摄像头很难频繁变焦，导致了视觉系统难以采集不同焦距下的环境图像。因 此，Mobileye、特斯拉等厂商逐渐开始倾向于使用双目或多目摄像头来解决不同距离下摄 像头看清、看准的问题。 相比于单目视觉，双目视觉（Stereo Vision）的关键区别在于可以利用双摄像头从不 同角度对同一目标成像，从而获取视差信息，

34、推算目标距离。在 ADAS 应用中，如果采用 单目摄像头，为了识别行人和车辆等目标，通常需要大规模的数据采集和训练来完成机器 学习算法，并且难以识别不规则物体；而利用毫米波雷达和激光雷达进行测距的精度虽然 较高，但是成本和难度亦较高。所以，双目视觉的最大优势在于维持开发成本相对较低的 前提下，保证了一定精度的目标识别和测距。但同时，双目摄像头也存在一定的缺点。首 先，因为增加了一个镜头，带来更多运算量，整个摄像头模组的性能要求和成本都更高， 系统也容易产生更大的误差。其次，在两者都有的标定工作上，双目要比单目更加复杂， 而且选择双目方案依然要需要一个庞大的数据库训练模型从而实现目标识别，因此算

35、法的 开发难度也不低。目前市场上采用双目摄像头系统的主要是斯巴鲁的 Subaru EyeSight 系 统、百度推出的部分 Apollo L4 摆渡车以及欧盟自主泊车项目 V-Charge。整体而言，双目整体而言，双目 摄像头功能更加强大、测度更加精准，但成本比单目摄像头高，因此目前多搭载于高档汽摄像头功能更加强大、测度更加精准，但成本比单目摄像头高，因此目前多搭载于高档汽 车，属于较为车，属于较为常用常用的视觉解决方案。的视觉解决方案。 除了较为多见的单目与双目摄像头方案，多目（三个及以上）摄像头也被一些厂商所 使用， 如蔚来的 ES8 和特斯拉的 Model 3 就采用了三目摄像头， 采用

36、三个不同焦距的前向 摄像头覆盖不同范围的场景，解决了摄像头无法来回切换焦距的问题，也可以通过立体视 觉技术实现三维成像； Mobileye 在最新的方案中则采用了 7 个摄像头采集不同焦距的图像 数据，随后使用 SFM（Structure from Motion）技术将不同焦距与角度的图像拼接在一起 绘制成三维点云，从而构建立体视觉进行环境感知。多目摄像头可以通过不同的摄像头来 覆盖不同范围的场景，并通过摄像头之间的配合实现景深的测量，因此受到越来越多厂商 的关注。然而，多目摄像头单是硬件成本就是单目的 N 倍，而且在算法的复杂度和成本上 也会成倍增加，因此目前只应用于小部分车型中。随着自动驾

37、驶的推进，多目摄像头有望 获得进一步发展。 计算机行业计算机行业“智能网联智能网联”系列专题系列专题 102020.10.26 请务必阅读正文之后的免责条款部分 7 图 10：双目摄像头通过时差测距 图 11：Mobileye 通过多个摄像头构建立体视觉 资料来源：佐思汽车研究 资料来源：佐思汽车研究 目前来看，双目及多目摄像头的方案在成本、制造工艺、可靠性、精确度等综合因素 的制约下，导致其难以在市场上推广，而单目摄像头低成本可靠性的解决方案，搭配毫米 波雷达与超声波雷达，完全可以满足 L1,L2,以及部分 L3 场景下的功能。因此，在现有的因此，在现有的 市场环境下，市场环境下，预计预计未来五年内单目摄像头的解决方案依然会是主流。未来五年内单目摄像头的解决方案依然会是主流。 表 4：单目、双目、多目摄像头特征对比 分类分类 测距原理测距原理 优点优点 缺点缺点 主要应用厂商主要应用厂商