汽车雷达传感器行业科普

中国雷达传感器在汽车行业的应用

在自动驾驶汽车的技术发展过程中，汽车对周边环境的感知与理解，是实现自动驾驶的基本前提。传感器是实现自动驾驶的基础，只有准确及时地感知车辆周围的道路、其它驾驶主体、行人等信息，自动驾驶汽车的驾驶行为才会有可靠的决策依据。

根据国家标准GB7665-87，传感器是能感受规定的被测量并按照一定规律（数学函数法则）转换成可用信号的器件或装置。雷达传感器是为汽车提供环境感知、规划决策的智能传感器，其核心原理为通过发射微波、声波或激光并接受回波来进行物体探测，是自动驾驶的核心传感器，起到无人驾驶汽车“眼睛”的作用，为无人驾驶提供安全保障。其中，用于环境感知的主流雷达传感器包括超声波雷达、毫米波雷达和激光雷达三种。

具体分类对比分析

超声波雷达在近距离探测、成本和尺寸方面具备优势，但远距离探测、分辨范围、探测精度、成像能力及检测速度等性能方面表现较差，适用于泊车场景。

毫米波雷达在各指标的表现均衡，具备全天时全天候工作能力，且价格适中，性比价最高，被广泛应用于盲区检测、自适应巡航等ADAS场景。

激光雷达采用激光测距技术，可实现三维环境建模，在成像能力方面远超出其他两种雷达传感器，但其近距离探测能力和全天候工作能力较差，且存在尺寸巨大、成本高昂的缺陷，多应用于高等级自动驾驶如L4级汽车上。

雷达传感器技术特征

距离探测技术分析

雷达传感器通过发射器发射超声波、毫米波、激光脉冲，当发射波到达探测目标时，由于介电常数（气相、液体或固体表面）的变化而导致阻抗发生变化，发射波被反射。雷达传感器可根据发射波和反射波的发送接收时间差或频率差计算出探测物体的相对位置和距离。

雷达传感器的距离探测技术主要有TOF技术和FMCW技术两种：

超声波雷达和激光雷达多运用TOF技术进行障碍物体距离探测。

探测原理：雷达传感器检测超声波或激光脉冲到达探测物体表面并返回所需要的时间。所得的时间乘上超声波或激光在空气中的传播速度再除以2即可获得探测物体的相对距离。

毫米波雷达多运用FMCW技术进行障碍物体距离探测，部分固态激光雷达也采用该方法。

探测原理：利用发射和回波信号之间的频率差来确定目标的距离。将发射波与反射波的频率进行比较，通过频率之差即可得到毫米波或激光到达探测物体表面的相对距离。

总体而言，FMCW技术抗干扰能力极强，且工作距离超过车载指标，距离探测效果好于TOF技术。

速度、角度探测技术分析

除探测相对距离外，毫米波雷达和激光雷达还可探测物体的相对速度、相对角度。基于探测物体的相对位置、相对速度、相对角度，雷达传感器可在算法和决策平台的辅助下实现如盲点检测、紧急制动等功能。

速度探测：根据多普勒效应，微波的频率变化与其运行速度紧密相关，当传感器发出安全距离警告时，若监测目标出现减速情况，或自身载体出现加速情况时，反射波频率将变高。因此，通过接收时间和频率的变化，毫米波雷达/部分固态激光雷达可检测出与目标之间的相对距离及相对速度。

角度检测：利用天线的方向性，雷达天线将电磁能量汇集在窄波束内，当天线波束对准目标时，回波信号最强，根据接收回波最强时的天线波束指向，就可确定目标的方向。毫米波雷达可根据并列接收天线的几何距离d、同一检测目标反射波相位差b计算出被监测目标的方位角，从而进行角度检测以确定物体具体方位。

三维成像技术分析

激光雷达可形成被探测物体的三维点图，实时感知环境。

激光雷达的扫描装置通过发射多线激光，并控制雷达光轴指向不同方向，依次测量目标上各点的距离，同时记录光束指向的方位-俯仰角，得到目标的距离-角度-角度图像（rang-angle-angle），又称为三维图像。

目前，可用于激光雷达系统的扫描方式中较为成熟的是机械式扫描，主要有摆镜扫描、万向节扫描、转镜扫描、双光楔扫描等类型，通过电机驱动镜面转动，并利用几何光学的原理实现光束的偏转，具有大扫描视场和高扫描效率，是近些年最常见、应用最广泛也是最成熟的成像激光雷达扫描方式。此外，MEMS、OPA等固态扫描方式逐渐兴起，可克服现有激光雷达体积大的缺点，实现系统小型化。

应用规模

汽车是雷达传感器应用占比最大的下游应用领域，各雷达传感器在汽车应用占比均超过80.0%。根据中汽协数据，2014-2018年，中国汽车产量由2,372.5万辆上升至2,781.8万辆，年复合增长率为4.1%，是全球最大的汽车市场。与此同时，消费者对汽车安全性要求和智能驾驶需求的提升，推动雷达传感器需求量上涨。其中，超声波雷达装载量平均增长幅度达到17.7%，毫米波雷达装载量也从2015年的12.3万件激增至2018年的500.7万件，年复合增长率达到244.0%。受益于中国雷达传感器在汽车行业装配数量的提升，2014-2018年，中国雷达传感器在汽车行业应用规模（按销售额统计）从36.1亿元人民币增长至66.8亿元人民币，年复合增长率为16.6%。

其中，受2018年中国汽车销量下跌影响（2018年中国汽车销量为2,808万台，同比下降3.6%），当年雷达传感器在汽车行业应用规模增速有所放缓，由2017年的15.9%下降至2018年的12.1%。

预计2018年至2023年中国雷达传感器在汽车行业的应用规模年复合增长率将达到27.5%，超过2014-2018年年复合增长率，主要原因有下：

（1）在国家政策大力支持下，雷达传感器行业迎来发展良机；

（2）自动驾驶需求上升，拉动雷达传感器在汽车中的渗透率继续上升，其中，毫米波雷达将成为增长主力。两因素叠加推动中国雷达传感器在汽车行业应用规模增长，预计2023年应用规模将达到224.9亿元。

中国雷达传感器在汽车领域的应用市场参与者主要包括雷达模块厂、无人驾驶模块厂、整车厂和互联网企业。其中，整车厂的自动驾驶路线更为稳健，逐步由L2向L3、L4级迈进，更专注于L1-L3级的辅助驾驶，对雷达传感器的技术演化预期平稳，因而整车厂更多使用以毫米波雷达为主的传感器设计方案。互联网公司如华为、阿里、百度对自动驾驶的技术路线较激进，专注于L4-L5自动驾驶，即走跳跃式发展路线，因而将价格昂贵的激光雷达列入其传感器方案。

此外，雷达传感器模块厂的主要市场参与者包括国际Tier1企业、中国Tier1企业和其他小型及初创企业，其中，国际Tier1企业在行业占据绝对优势。以毫米波雷达为例，截至2019年1月，维宁尔、大陆、海拉和安波福占据中国24GHz毫米波雷达出货总量的89.8%以上，博世、大陆和电装占据中国77GHz毫米波雷达总出货量的89.7%。

总体而言，中国从事雷达传感器尤其是超声波雷达生产的企业数量众多，但在技术水平、产品质量上仍无法与国际Tier1企业进行竞争，中国尚未形成具备领先创新开发能力的本土头部企业。

中国雷达传感器在汽车行业典型应用功能分析

现阶段，中国量产的自动驾驶车型多位于L2阶段，L2阶段通过传感器确定周围驾驶环境，进行车路、行人及道路感知，在感知信息的基础上进行警示或制动等动作，辅助驾驶员安全驾驶，因而，雷达传感器为该自动驾驶阶段最核心的组成部分。雷达传感器通过TOF或FMCW技术探测物体的相对位置、相对速度、相对角度，并在算法和决策平 台的辅助下实现如AEB紧急自动制动、FCW前向碰撞预警、BSW盲区监视等十多项功能。

AEB（自动紧急制动）功能

定义：AEB是ADAS系统的重要功能，共分为三个档次：

（1）FCW，当存在潜在的碰撞危险时，AEB系统将会及时通过视觉、听觉和/或触觉报警（例如座椅震动）通知驾驶员；

（2）二级警报，若驾驶员无法应，则出现限速自动提示；

（3）自动介入刹车，必要的情况下由AEB自动控制刹车系统，完成制动操作，从而减轻或避免碰撞伤害，该功能在7-180km范围内均可启动。

根据美国公路安全保险协会数据，AEB系统可将追尾事故发生的概率降低56%

分类：（难度由低→高）

根据事故类型，E-NCAP将AEB系统分为三类：

1.城市专用AEB系统——多发生在交通拥堵的路口，速度慢（＜20km/h），碰撞程度低；

2.高速公路专用AEB系统——多发生于驾驶员疲劳的高速（50-80km/h）驾驶场景；

3.行人保护专用AEB系统——检测行人与自行车，需预测其运算路径，算法复杂。

前两者更适合使用毫米波雷达，而第3种需在前两者的基础上进行图像捕捉，因而需补充摄像头。

工作原理：AEB可通过视觉传感器、毫米波雷达和激光雷达等技术实现，雷达传感器或摄像头传感器测出前车或障碍物距离，数据分析模块将测出距离与安全距离、警报距离进行比较，当距离过小时，AEB系统则会发出碰撞预警，若驾驶员未能及时进行制动操作，AEB系统将对刹车系统发出刹车请求，实现自动制动。

毫米波雷达：具备全天候全天时工作优势，但存在横向辐射盲区。

激光雷达：除探测距离长外，还可测量横向位置，但易受天气影响。

视觉传感器：具备明显成本优势，但识别准确度仍需提升，且受天气影响大。

成本：单摄像头版AEB成本约600元，毫米波雷达版成本约1,500元，激光雷达版本成本则过万。

综合性能和成本情况考虑，AEB系统最佳传感器配置为“毫米波雷达+视觉传感器”组合。

发展现状分析

截至2019年上半年，中国AEB配置的装车渗透率约为9%，主要搭载在20万元及以上的外资品牌车型上，如奔驰Pre-safe、沃尔沃City safety、大众Front Assist、丰田PCS。

随着2018版C-NCAP逐渐实施，未来3年AEB系统在中国市场的需求将迎来爆发式增长。

BSW（盲区监视）功能

定义：BSW系统通过在车辆后部安装两颗毫米波雷达以探测后视镜盲区范围，当探测到盲区内存在障碍物则向驾驶员发出警报，辅助进行变道或减速。BSW系统基本功能包括两项：

（1）BSW盲区监测，使用毫米波雷达进行盲区障碍物监测，并提供视觉、听觉警报服务；

（2）LCA变道辅助，在车辆变道过程中，探测相邻车道是否有车辆快速接近的系统，并发出警告。工作条件：行驶速度>15km/h，或转弯半径>100m。

盲区是汽车设计最大的缺陷之一，根据美国国家公路交通安全管理局数据，每年有80多万起与盲点有关的安全事故发生，其中约300件导致死亡车祸。这也是BSW系统存在的重要原因。

分类（按应用场景划分）

SBSD侧面盲区监测

STBSD转向盲区监测

功能拓展（开发难度由低→高）

1.RCTA在倒车时，实时监测车辆后部横向接近的障碍物，并发出警告。

2.DOW在即将开启车门时，实时检测车辆侧后方障碍物，并发出警告。

3.RCTB在倒车时，实时监测车辆后部横向接近的障碍物，必要时主动进行制动。

发展现状分析

此外，根据2019年9月发布的《美国消费者报告》显示，BSW系统在ADAS辅助安全系统中避险百分比最高，可避免60%的车祸。因而，BSW是ADAS系统中配置率较高的一项功能，截至2019年上半年，其在中国市场的渗透率为17%，其中，价格在40万元以上的汽车车型的渗透率最高，达到56%，BSW选配价格在5,000-7,000元之间。

ACC（自适应巡航）功能

定义：ACC系统是一种智能化的自动控制系统，借助外部传感器（毫米波雷达、摄像头、激光雷达等）检测自车与前方车辆的距离和相对速度，并控制自身车速和前车保持固定的距离。假设前车变道离开，在未识别到新的目标物之前，ACC系统会控制车辆按照设定的车速行驶。

ACC既可适用于低速场景（TJA交通拥堵辅助），也可适用于高速场景（ICA智能巡航辅助）。

应用场景

工作流程分析

ACC系统利用传感器得到行车所需信息，当发现前车减速或出现新目标时，电控单元将发送执行信号给发动机或制动系统，做出保持车距或自动制动等相关动作。若前方没有车辆，则恢复设定车速。

因涉及到汽车的自动制动，ACC系统还需协调发动机管理系统、自动变速箱控制器、电子稳定程序等部件进行工作。

1、最常用的安全距离模型为车间安全时距模型，即跟车距离以时间为单位设置，通常为1-2.5s。

2、需辅助车道识别单元、转向角传感器、横摆率传感器、车轮转速传感器等多部件进行判断。

3、ACC系统的自动制动力为车辆最大制动力的30%-40%，位于0.3-0.4g之间。若系统判定需要急刹（＞最大制动力的40%）时，仪表上将会出现视觉信号并发出蜂鸣警报。

备注：此处的“前方”指毫米波雷达的探测距离，一般为200米

PA（停车辅助）功能

定义与原理：

PA系统通过安装在车身上的超声波雷达及摄像头探测停车位置，绘制停车地图，并实时动态规划泊车路径，将汽车指引或直接自动控制方向盘将汽车驶入停车位置。

工作原理：PA系统通过搜索泊车位、生产泊车路径和运动控制三大功能，实现自动泊车辅助。当汽车行驶速度低于30km/h时，其搜索功能将自动打开，在搜索到合适车位后，ECU将从速度和运动两方面进行泊车轨迹模拟。最后，控制器将对汽车进行横向和纵向控制，从而完成泊车动作。

工作流程分析

分类（按功能）

PA系统目前已发展至第三代，从最开始的驾驶员必须在车内配合挂挡完成泊车（APA系统），发展到驾驶员可以站在车外5米外使用手机遥控泊车（RPA远程遥控泊车），最后到汽车自主学习泊车路线完成固定车位泊车（自学习泊车），未来将出现第四代PA系统，即AVP代客泊车。

LKA（车道保持）功能

定义：LKA系统通过角雷达、多功能摄像头识别本车相对于车道中央的位置，如车辆靠近标识线或偏离车道，则通过方向盘震动或声音来进行警告，必要时通过自动转向干预使车辆回到车道内。

LKA系统包含三项子功能：

（1）LDW，在车道偏离时，通过声音、视觉和震动等方式发出预警；

（2）LDP，在汽车快要驶离车道时，通过施加适当转向干预实现位置修正的系统；

（3）LCC，通过监控汽车与车道中线的相对位置，主动辅助驾驶员保持在车道中线位置，减少驾驶员负担。

产生的必要性

在欧洲，39%的意外交通事故是因偏离车道而产生的，在美国这一比例为44%，而中国这一比例更是高达50%。高交通事故发送概率是催生LKA系统出现的重要原因。

根据2019年9月发布的《美国消费者报告》显示，LKA和LDW的避险指数为31%。截至2019年上半年，中国市场的LKA渗透率为26.4%，LDW的渗透率为44.6%。

工作流程分析

LKA系统可分为感知层、决策层和执行层三部分。其中，感知层用于采集车道信息和车辆信息，决策层用于判断是否需要转道并计算输出力矩，执行层为EPS系统，EPS系统使用虚拟驾驶员转向力矩代替扭矩传感器监测到的驾驶员转向力矩，完成车道保持辅助。

适用条件分析

LKA系统的缺陷：

1.LKA系统是基于视觉传感器辨认车道线的，如果摄像头被遮挡、车道线不清晰、大雨雾霾等恶劣天气、黑夜等情况都会导降低系统判断精度；

2.LKA系统的转向能力有限，如果车辆的横向偏移速度超过ESP设定，车辆就会跑出车道。

使用限定条件：

1.目前量产的LKA主要适用于高速场景的辅助功能，只有当车辆行驶速度＞60km/h才LKA系统才介入工作，并限制该系统在恶劣天气情况下的使用；

2.根据2019年1月颁布的《道路车辆先进驾驶辅助系统（ADAS）术语及定义》的征求意见稿规定，LKA系统激活时引发的车辆横向加速度不大于3m/s2，车辆横向加速度变化率不大于5m/s3。

其他功能

除AEB、FCW、BSW、LCA、SBDS、STBSD、ACC、RCTA、DOW、RCTB、APA、RPA、自学习泊车、AVP、LKA、LDW、LDP及LCC功能外，雷达传感器还可应用在HUD、ROA、RCW、PD、SLA、TJA、ICA及智能驾驶司机上。

功能总结

ADAS功能通过传感层、决策层和执行层三个模块实现，其中传感层通过雷达传感器及视觉传感器对环境进行数据采集，是各种辅助驾驶功能实现的基础。三种雷达传感器性能有所区别，适用的场景也有所不同。其中，超声波雷达能量消耗慢，超声波的穿透性强，但其探测距离短且不适合高速运行，因而只适合自动泊车等低速场景。毫米波 雷达具备全天时全天候的优势，适用于AEB、FCW、BSW、LCA、ACC、LKA等多个应用场景，而激光雷达可360度无死角扫描，从而形成环境三维模型，但其价格昂贵，性价比不高，因而其虽可应用于多个场景，但均未作为最佳选择。

中国雷达传感器在汽车行业应用相关政策法规

智能汽车政策框架

中国政府通过总体规划、道路测试、传感器一系列相关政策，构建了完整的智能汽车政策框架，推动雷达传感器在汽车行业的应用。

标准制定

ADAS作为雷达传感器在汽车领域应用的首个落地点，其相关标准的制定是标准体系建设的工作重点。

顶层设计

《国家车联网产业标准体系建设指南（智能网联汽车）》发布主体：工信部与国家标准委发布时间：2017年12月内容：针对智能网联汽车通用规范、核心技术与关键产品应用，有目的、有计划、有重点地指导车联网产业智能网联汽车标准化工作

标准建立

《道路车辆先进驾驶辅助系统（ADAS）术语及定义》征求意见稿

发布主体：汽标委

发布时间：2019年1月

内容：规定了道路车辆ADAS系统相关的术语及定义

《2019年智能网联汽车标准化工作要点》

发布主体：工信部

发布时间：2019年5月

内容：在年内制定乘用车和商用车AEB、驾驶自动化分级、汽车信息安全通用技术等一系列标准，稳步推动先进ADAS系统标准制定

落地措施

JT/T 1094-2016《营运客车安全技术条件》

发布主体：交通部

发布时间：2017年3月

内容：要求车长超过9米的营运客车驾驶室前面罩需要安装AEBS毫米波雷达或激光雷达装置，即加装LDWS及FCW功能

《营运货车安全技术条件第1部分：载货汽车》

发布主体：交通运输部

发布时间：2018年4月

内容：要求应用自动驾驶辅助系统、TPMS，推动AEB、DMS在重型卡车

中国ADAS标准建设工作已在逐步完善，将在2020年左右形成完整的标准体系。

中国雷达传感器在汽车行业应用发展趋势

专用车将会成为首个商业化落地场景

中国及全球的无人驾驶发展路径主要有两种：

1.稳健发展途径：从L1到L2，再逐步发展至L5级别，适用于非营业乘用车领域，现阶段中国量产的无人驾驶乘用车均处于L2阶段，实质上是辅助驾驶车辆，利用辅助驾驶设备给驾驶员提供建议，或在简单环境下实现明确的操作；

2.跳跃式发展路径：直接切入L4全自动驾驶阶段，适用于商用车、专用车和出租车领域。

根据自动驾驶路线的不同，商用车、专用车、出租车及其他非营业乘用车的雷达传感器方案也各有不同：

•其他非营业乘用车：毫米波雷达为主，其他传感器为辅

•商用车、专用车、出租车：激光雷达为主，其他传感器为辅

这两类不同的发展路径都呈现了足够的可行性（行驶里程数和同时投放车辆数是判断可行性的指标）。

在稳健发展路线中，以特斯拉为例，其行驶里程数已超过10亿公里，积累的路测数据丰富，同时其投放的车辆数早已突破1万辆的门槛，达到了50万辆。

在跳跃式发展路径中，以谷歌Waymo为例，其行驶里程数已超过1千万公里，计划汽车投放超过2万辆。

在考虑自动驾驶技术的落地时间时，市场需求和可预期的安全风险是关键的考量指标。

1.市场需求：商用车、专用车及出租车的客户受益程度高于乘用车，如物流行业中最后一公里场景中，无人驾驶可显著降低其人力成本，并有效提升物流车使用效率，而乘用车自动驾驶带来的收益有限，客户需求量较少，因而跳跃式发展路径将更先落地；

2.可预期的安全风险：自动驾驶在极端失效情况下会造成严重的安全事故，当前的技术手段在低速载物领域最具备优势，其风险承受能力高于乘用车，因而跳跃式发展路径是自动驾驶技术落地场景最合适的一个方向。

此外，跳跃式发展路线中，专用车可在私有道路上行驶，可省去政策发布及落地时间，将是自动驾驶首个商业化落地场景。

多种类型传感器相互融合

从需求、智能化应用、技术发展路线、整车配置、成本等多方面考虑，多类型雷达传感器融合

将成为行业未来发展的主流技术路线

01.需求角度

各雷达传感器均存在不可避免的缺点，如超声波雷达只适合低速驾驶场景，超声波雷达横向测量精度不足，激光雷达无法在极端天气下工作且价格昂贵，因而需要进行功能互补；

02.智能化应用角度

随着自动驾驶等级的提升，汽车对环境感知能力的精确度、实时性也有所提升，单种类传感器无法适应其要求，多传感器融合成为必然趋势；

03.技术发展路线角度

未来技术发展路线将往高集成度方向发展，多传感器的融合除在功能方面融合外，在设计和装配方面也将高度集成，从而降低传感器尺寸和整车控制难度；

04.整车配置角度

各雷达传感器和视觉传感器在系统功能上具有耦合性，联动发展可扩展更多应用场景，同时可降低系统冗余度，提高系统集成度；

05.成本角度

融合可降低生产成本，以超声波雷达和摄像头融合为例，融合产品的综合成本可降低约10%，价格相较分离状态的产品更具竞争力。

三种雷达传感器各有优缺点，单类型的雷达传感器无法适应商用车、专用车及乘用车自动驾驶等级持续上升对环境感知精度、适用场景、反应时间提出的更高要求，融合成为雷达传感器行业发展的重要趋势。商用车、专用车和乘用车的自动驾驶发展路径虽有不同，其主要使用的雷达传感器也略有区别，但均对传感器融合提出了一致要求。

各种类雷达传感器融合，将赋予汽车更多功能将有更广泛的适应性，在高精地图、V2X等设施的辅助下，L2级汽车将升级为更高级别的无人驾驶。