一文解读ADAS的市场现状及技术趋势

 A.ADAS的定义

高级驾驶辅助系统(ADAS)是利用安装在车上的各式各样传感器（毫米波雷达、激光雷达、单／双目摄像头以及卫星导航），在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。  

ADAS技术的初级阶段—般称为辅助驾驶(DAS),—般在自动驾驶L1~L2级别。传统的辅助驾驶系统(DAS)功能—般基于简单的车辆自身状态信息进行判断和执行（例如ESC)，无需感知周边环境。而高级辅助驾驶系统(ADAS)具有应用于采集和分析汽车周边环境中信息的传感器，并可根据需要进行复杂的信号处理，以支持相应驾驶任务。

  汽车高级辅助驾驶系统的实际应用场景通常包括：导航与实时交通系统TMC,电子警察系统(ISA)、车联网(VCS)、自适应巡航(ACC)、车道偏移报警系统(LDWS)、车道保持系统(LKA)，碰撞避免或预碰撞系统(CAS或PS)、夜视系统(NVS)、自适应灯光控制(ALC)、行人保护系统(PPS)、自动泊车系统(AP)、交通标志识别(TSR)、盲点探测(BD)，驾驶员疲劳探测(DDD)、下坡控制系统(HDC)和电动汽车报警(EVWS)系统。   到L3级别以后，ADAS将向更高级自动辅助驾驶系统发展，届时系统可独立执行驾驶任务，无需驾驶员参与。  

  值得一提的是，2022年3月1日，中国版的汽车驾驶自动化分级标准正式实施。《汽车驾驶自动化分级》(GB/T40429-2021)与现有SAE的分级相似度非常高，同样将自动驾驶分为L0到L5共6个等级。两者区别仅在命名和部分细节存在微小差异，不影响对现有车辆自动驾驶能力的认识和描述。  

B.ADAS的市场现状

在“新四化”的大背景下，自动驾驶技术的迅猛发展正在重塑传统汽车产业。欧美日中四个主要的汽车生产及消费市场正在主导全球自动驾驶的发展方向。在技术路线上，中国企业在自动驾驶的技术研发和储备上已经走到了一线梯队。但受限于政策法规的制约，自动化水平仍普遍处在L2阶段。根据头豹研究院提供数据，预计到2025年，全球将有63％的汽车将具有L2或更商级别的自动驾驶等级。预计到2023年，全球自动驾驶市场规模将达到372亿美元。   2020年11月，国家发布了《智能汽车发展路线图2.0》，对不同自动驾驶级别的新车销售渗透率、销量等提出了明确的目标：搭载L2＋和L3自动驾驶功能的新车销量要在2025年、2030年分别达到50%、70％以上；搭载L4级自动驾驶功能的新车销量占比要在2010年达到20%。根据IHS Markit预测，末来自动驾驶的渗透率将快速提升，2025年L2及以上的自动驾驶渗透率将达到34％左右，其中L2级别的渗透率增长最快，预计L2级别自动驾驶系统搭载率将在2025年超过30%。  

  根据IDC预测，2024年全球L1-L5自动驾驶汽车销量将达到5,425万辆。IHS Markit数据表明，到2025年，预计中国L2级别以上智能驾驶汽车市场渗透率将达到34.2%，且自动驾驶系统成本随着传感器、控制器和执行器价格不断下探而降低，智能驾驶市场空间增量巨大。   根据中国产业信息网的预测数据，预计到2025年智能驾驶市场空间有望达4000亿，智能汽车市场空间总市场空间有望接近5000亿，5年内复合增长率达到62%。  

  从全球车企自动驾驶量产时间表可以看到，当前正处于车企密集研发L3级自动驾驶的阶段，一般自动驾驶先在高端旗舰车型上搭载，渗透到品牌内主流车型仍需要—段时间。可以看到，以特斯拉、小鹏、蔚来为代表的新势力造车企业表现相对激进，主打L3级自动驾驶。而传统车企表现相对稳健，布局L2级别自动驾驶。   从汽车自动驾驶来看，其对整车电子电气价值贡献主要体现在传感器、车载计算平台以及软件等方面，罗兰贝格预测L3级别传感器、HPC以及软件算法将带来约850美元／车的BOM价值提升。  

  C.ADAS的技术趋势

  随着自动驾驶从L2向L3转变，为提高自动驾驶的安全性和智能化，汽车开始增加传感器（激光雷达、摄像头、毫米波雷达等）来实现对路况和环境信息的更全面收集，这对车载芯片对数据处理的实时性、复杂性和准确性要求不断提高，车载算力的需求也将会出现指数型增长。除此之外，自动驾驶级别的提升也将带来新的商业模式。  

传感器融合

通过增加传感器的数量，并让多个传感器融合来提高自动驾驶能力。多个同类或不同类传感器分别获得不同局部和类别的信息，这些信息之间可能相互补充，也可能存在冗余和矛盾，而控制中心最终只能下达唯—正确的指令，这就要求控制中心必须对多个传感器所得到的信息进行融合，综合判断。在使用多个传感器的情况下，要想保证安全性，就必须对传感器进行信息融合。多传感器融合可显著提高系统的冗余度和容错性，从而保证决策的快速性和正确性，是自动驾驶的必然趋势。  

当然，要实现传感器融合，也是有前提条件的。硬件层面，数量要足够，也就是不同种类的传感器都要配备，才能够保证信息获取充分且有冗余；软件层面，算法要足够优化，数据处理速度要够快，且容错性要好，才能保证最终决策的快速性和正确性。 摄像头、毫米波雷达、激光雷达、超声波雷达……各种传感器的数量—定是越来越多，—方面将出现集成式的传感器，另—方面会将分布式的传感器进行统—的计算，可以进—步降低成本并提高算力。比如毫米波雷达目前发展到4D雷达，就采用多片雷达级联的方式。   多传感器融合在硬件层面并不难实现，重点和难点都在算法上。多传感器融合软硬件难以分离，但算法是重点和难点，拥有很高的技术壁垒，因此算法将占据价值链的主要部分。算法是多传感器融合的核心。传感器融合就是将多个传感器获取的数据、信息集中在—起综合分析以便更加准确可靠地描述外界环境，从而提高系统决策的正确性。

  控制域融合

域集中式EE架构会是未来相当长—段时间占主要地位的汽车EE架构，域控制器作为域集中式EE架构的核心，会在整个汽车产业链中占据越来越重要的地位。其相应的芯片和硬件方案、操作系统和算法等将会成为整个产业链各上下游厂家的争夺焦点。  

Robotaxi商业模式

汽车的智能化、网联化的协同创新发展成为行业主要趋势，而将带来汽车商业模式革新的共享化是汽车行业发展的最终目标，Robotaxi正是其中不可或缺的重要场景与实现方式。   从Robotaxi模式的商业模式发展路径上看，Robotaxi商业模式目前是按里程数向客户收费。   Robotaxi模式发展目前也面临—系列问题。首先自动驾驶技术尚未成熟。要实现Robotaxi全无人驾驶出租车（取消安全员）的概念，Robotaxi自动驾驶等级必须在L4级以上。同时资金消耗大、技术迭代慢，Robotaxi年技术研发成本巨大，但受限于数据积累的缺失，整体技术迭代周期漫长。运行模式不清晰，中国部分Robotaxi车辆存在只能在固定线路或者小范围封闭园区运行的问题。   Robotaxi有着极大的想象空间与美好愿景，但目前自动驾驶技术稳定性与普适性仍然不足，商业化上面临技术和成本两大方面难题。  

在国内，自动驾驶行业出现了—种新的合作模式背靠车企，出行平台正在积极入局自动驾驶赛道，谋求与自动驾驶公司—道，联合打造自动驾驶车队，将前沿技术转化为可落地的服务，以推进自动驾驶商业化落地。   在这—模式下，在国内不同区域，当地大型车企及下属出行平台纷纷积极参与推进Robotaxi的商业化落地，形成了“车企＋出行平台＋自动驾驶公司”组合。这种合作模式所带来的运营效率和量产能力的提升，将成为未来自动驾驶竞争的关键。    

车路协同还是本地驾驶？

  自动驾驶的发展路径从广义上来看分为两种：—种是单车智能，—种是车路协同。 第—种方案主张通过提升车子自身的智能化水平实现自动驾驶，代表企业分别是特斯拉和Waymo,前者主张循序渐进(L2慢慢向上迭代），后者选择直接切入高级别自动驾驶(L4及以上）。   后—种方案车路协同。追求通过车辆与周遭事物的互联来实现自动驾驶。再加上很火热的5G概念（更快的峰值网络传送速率能让通讯更快捷）加持，通过车路协同来实现自动驾驶似乎更可期了。对于车子来说，有了车路协同的加持，相当于拥有【千里眼顺风耳】。可以将感知范围扩大到周遭几百米，便于做更精准的决策。  

目前的状态是车路协同的覆盖有限，路端设备的集成度不高。路端监测设备主要用的是摄像头，但是在最需要信息时，摄像头可能没法提供信息，比如极端天气（大雨、大雾等）。如果换用激光雷达，虽然可靠性有所提升，但是成本较高且寿命有限。在车路协同的方案中，聪明的路需要智慧的车，智慧的车同样需要聪明的路，这是—个相辅相成的过程，缺—不可。目前来看，单车智能本身的发展已经足够快，而智慧公路的发展则比较慢。如何通过传感器设备，实现灵活的车辆流量管控，提升道路通行效率，带来更好的用车体验；为用户提供更准确的道路状态信息，提供更高效的出行规划等等，是智慧公路首先要解决的问题。  

产业链参与者

自动驾驶涉及人机交互、视觉处理、智能决策等众多方面。按照自动驾驶产业链的核心技术分类，大致可以分为感知层、决策层、执行层三类。其中感知层涉及到的产业链环节包括摄像头、激光雷达、毫米波雷达、超声波雷达、高精度地图、高精度定位、T-BOX、V2X;决策层涉及自动驾驶芯片、自动驾驶控制器、操作系统(OS)、自动驾驶算法、仿真测试；执行层主要是指线控底盘。  

A.自动驾驶芯片SOC

作为实现自动驾驶硬件核心支撑，自动驾驶芯片SoC自然迎来了广阔的发展机遇。在自动驾驶领域，Mobileye起步极早，早在2007年就推出了第—代自动驾驶芯片EyeQ1。到2021年，Mobileye旗下自动驾驶芯片EyeQ系列芯片累计出货量已经达到了1亿。Mobileye芯片和智驾软件绑定较为紧密，虽然芯片算力不高，但软件支持很好，能提供良好的驾驶场景体验。  

目前奥迪车型、特斯拉前期车型、小鹏、威马，以及大量的主流新能源乘用车都是基于英伟达的Xavier或者Orin芯片，算力级别主要是30TOPS,2022年推出的蔚来ET7、小鹏G9等高端车型可能高达500-1000TOPS。目前英伟达占据了自动驾驶芯片领域30％以上的市场份额，主要集中在L3级自动驾驶。   高通2020年底推出了Ride平台，可提供不同等级的算力，包括以小于5瓦的功耗提供的L1级别的10TOPS算力，以及100多瓦功耗、700TOPS算力的配置下，整个系统的功耗差不多会在100多瓦左右，但这更多是瞄准2023年之后的车型。   德州仪器的芯片在L2.5以下的自动驾驶中的市场份额较大，产品线较为丰富但是算力集中在8TOPS-48TOPS,不及英伟达的芯片，但是芯片的优化、成熟度与开发度非常好(TDA4芯片）。  

地平线征程系列5,算力在128TOPS,芯驰V9也是同类竞品，此外还有黑芝麻的芯片等。国内芯片厂商成长很快，众多车企考虑地平线、黑芝麻等作为备选方案，避免出现芯片供应问题；同时国际芯片大厂研发部门不在国内，车企难以从国际芯片厂商学习芯片相关技术，这是本土芯片厂商的优势。   B.域控制器 自动驾驶域是负责汽车在自动驾驶状态下底层核心数据、联网数据的安全保障工作，是推动L3及以上更高等级自动驾驶的核心部件。全球范围内，全球Tier1基本都已布局自动驾驶域控制器产品。   目前自动驾驶域控制器主要有四类玩家：   1)头部新势力企业，如特斯拉自研自动驾驶芯片，蔚来自研域控制器然后找第三方代工；   2)国际Tier1，与芯片商合作，做方案整合后研发域控制器并向整车厂销售，例如大陆ADCU、采埃孚ProAI、麦格纳MAX4等；   3)域控软件供应商，例如TTTech与上汽集团合资成立了创时智驾，为上汽成员企业配套自动驾驶域控制器产品；   4)本土Tier1，根据英伟达在2021年10月云栖大会上公布的信息，目前采用英伟达Orin系列方案的车企客户包括奔驰、沃尔沃、蔚来汽车、小鹏汽车、理想汽车、上汽智己以及R汽车，德赛西威拿到了其中大部分的域控制器订单。此外还有华为、经纬恒润、福瑞泰克等企业布局了这—领域。  

C.摄像头

汽车智能化趋势下，车载摄像头是ADAS系统的重要感知部件，受益ADAS渗透率提升以及智能驾驶等级的提升，单车摄像头搭载数量快速增加。从目前新能源及传统车企智能驾驶车型摄像头分布及数量来看，L1级主要搭载1个单目或多目前视摄像头；L2级将增加4个环视／测试摄像头；L3-L4级将攀升至13个以上。根据前瞻产业研究院数据，L4级自动驾驶单车平均搭载CIS将由L1/L2级的6个提升至29个，L5级将提升至32个。  

车载摄像头主要由CIS图像传感器、模组封装、光学镜头、红外滤光片和音圈马达构成，成本占比分别为50%、25%、14%、6%、5%。   根据中国产业信息网数据，摄像头模组前五大厂商分别为松下、法雷奥、富土通、大陆、麦格纳。   在车载摄像头镜头领域，国内已经占据领先优势。舜宇光学位居全球车载镜头供应商榜首，市占率遥遥领先，欧菲光也通过收购富土胶片镜头相关专利和富土天津快速切入车载镜头市场，成为主要供应商之—。主要竞争对手为日韩企业，包括麦克赛尔、电产三协、世高光等。   CIS图像传感器领域寡头垄断格局较为明显。安森美深耕汽车电子领域，是全球车载CIS传感器龙头。韦尔股份旗下豪威科技兼顾手机和汽车市场，在车载CIS传感器领域已有所突破，全球市占率排名第二，仅次于安森美。索尼在手机领域占据绝对优势，目前已开始加大在车载CIS传感器领域的布局。三星和索尼—样，作为手机CIS的龙头，进入车载市场较晚，但正在快速切入。  

D.激光雷达

激光雷达的产业链较为清晰。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—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：

1)激光器产业：ams OSRAM（艾迈斯欧司朗半导体）、Lumentum（鲁门特姆）等，凭借多年耕耘占据龙头地位；国内厂商如瑞波光电、常州纵慧芯光半导体开启突围；

  2)探测器代表企业：主要为First Sensor、Hamamatsu（滨松）、安森美、索尼等；国内涌现出成都量芯、灵明光子、芯视界等优秀企业，产品性能基本接近国外水平；   3)FPGA芯片：通常被用作激光雷达的主控芯片，国外主流的供应商有AMD（收购赛灵思），英特尔（收购Altera)等；   4)模拟芯片：海外供应商在该领域技术先进、产能充足、成熟度高，是行业的领导者，代表供应商主要有德州仪器、ADI，国内厂商如圣邦微电子（模拟芯片）、砂力杰（模拟芯片）均开始发力布局，性能向着满足激光雷达需求方向发展；   5)光学部件：国内供应链的技术水平已经完全达到或超越国外供应链的水准，且有明显的成本优势，已经可以完全替代国外供应链和满足产品加工的需求。  

E.毫米波雷达

毫米波雷达具有体积小、性价比高、可全天候工作的特点，是自动驾驶的核心传感器。全球毫米波雷达市场中，前五大市场主体分别为：博世、大陆、海拉、富士通、电装，其中博世、大陆、海拉、电装均为传统Tier1供应商，富士通是全球领先的信息通信技术企业，在毫米波雷达领域也具有较强实力。博世的主要毫米波雷达产品集中于76-77GHz,主攻中远距离探测，LLR产品最大探测距离可达250米。大陆集团的77GHz和24GHz的产品领先，主攻77GHz产品，第五代LRR的远程最大探测距离可达300米。德尔福(2020年被博格华纳收购）也是垄断77GHz技术的国际公司之—；而海拉以24GHz频率的毫米波雷达为主，短距毫米波雷达技术领先。   面对外资企业接近垄断的市场，近年来内资企业加大毫米波雷达研发力度，寻找市场突破口，加速追赶外资脚步。德赛西威、杭州智波科技、芜湖森思泰克、南京聿眼科技、苏州安智汽车、北京行易到、深圳安志杰等。随着森思泰克、加特兰、岸达科技、清能华波、微度芯创、砂杰微电子、晟德微集成电路等本土企业的成长，末来4D雷达的普及速度或将进—步加快。  

F.算法

算法对于自动驾驶而言至关重要。自动驾驶作为人工智能技术重要的应用场景之—，其技术体系实现离不开算法的大规模部署，其有效性影响着自动驾驶的每—个环节。 算法供应商可分为三类，涵盖算法模块商、算法方案商以及场景方案商。   其中， 1)算法模块商：提供单—功能模块算法，供应商包含了传统Tier1，如博世、大陆、德赛西威等，以及—些软件算法厂商，如Minieye等；   2)算法方案商：可提供完整的ADAS或者自动驾驶解决方案，如Momenta、Minieye、驭势科技、纵目科技等；   3)场景方案商：具体到某一个场景下的自动驾驶算法提供商，如百度的Robotaxi、图森未来的Robotruck等。   G.线控底盘 线控底盘技术对于自动驾驶汽车，就像人的手和脚—样，决定汽车是否可以正常行驶，作为执行向的硬件技术，线控底盘的发展将决定自动驾驶汽车的发展。   目前新—代的线控制动产品技术完善、工艺成熟，针对性地面向自动驾驶应用场景，初步进入量产阶段，主要供应商有博世、大陆、采埃孚天合、日立、爱德克斯和布雷博等。目前全球主要的线控制动系统供应商为博世、大陆、采埃孚天合，其中博世率先自研布局线控制动，占据领先的市场地位。  

案例研究 A.奥迪率先实现“域集成”

作为传统汽车供应链中最核心的供应商之—，博世是最早提出域控制器概念的企业之—。但博世的思路仍然受到传统的模块化电子架构影响，其在2016年提出了按照功能分区的五域架构，将整车的ECU整合为驾驶辅助、安全、车辆运动、娱乐信息、车身电子5个域，不同域之间通过域控制器和网关进行连接。在当时看来，这—方案已经能够大大减少ECU数量，然而用今天的眼光来看，每个域内部仍然需要较为复杂的线束连接，整车线束复杂度仍然较高。

  与博世形成对比，特斯拉Model 3在2016年发布，2017年量产上市，与博世的报告几乎处于同—时期。然而，Model 3的域控制器架构核心直接从功能变成了位置，3个车身控制器就集中体现了特斯拉造车的新思路。按照特斯拉的思路，每个控制器应该负责控制其附近的元器件，而非整车中的所有同类元器件，这样才能最大化减少车身布线复杂度，充分发挥当今芯片的通用性和高性能，降低汽车开发和制造成本。所以特斯拉的三个车身域控制器分别分布在前车身、左前门和右前门前，实现就近控制。这样的好处是可以降低布线的复杂度，但是也要求三个车身域要实现彻底的软硬件解耦，对厂商的软件能力的要求大大提高。   奥迪zFAS引领行业变革，强大运算核心支持首个“域集成“控制器。奥迪是全球首个实现“域集成“控制器架构的厂商，2018年推出的奥迪A8，将所有的驾驶辅助ADAS系统中相互分离的ECU，如自动泊车、车道保持、自适应巡航功能等均融合进入自动驾驶域控制器zFAS。   其它国际Tier1也开始加速推出自动驾驶域控制器，如安波福、伟世通、大陆等。国内自主企业也开始推出自身的域控制器产品，较为典型包括德赛西威采用英伟达Xavier芯片方案，给小鹏P7车型提供IPU03自动驾驶域控制器，以及华为北汽极狐αSHi版提供MDC810自动驾驶域控制器。  

B.特斯拉从“纯摄像头”方案改回混合雷达方案？

特斯拉曾使用摄像头和雷达的混合路线开发自动驾驶，但从2021年开始，特斯拉就宣布要过渡到没有雷达仅使用摄像头和神经网络的"Tesla Vision"纯视觉方案。   采用纯视觉方案的新车从2021年5月开始交付，为北美市场制造的Model 3和Model Y车辆将不再配备雷达。   特斯拉的纯视觉方案即车辆在当前的道路中使用摄像头（眼睛）和神经网络（大脑）来自动驾驶。特斯拉方面认为，通过用摄像头代替眼睛，用神经网络代替大脑，车辆自动驾驶能够比人类司机还要安全。

为了实现自动驾驶，特斯拉提出了—整套以视觉为基础，以FSD芯片为核心的解决方案，其外围传感器主要包含12个超声传感器(Valeo)、8个摄像头（风挡玻璃顶3个前视，B柱2个拍摄侧前方，前翼子板2个后视，车尾1个后视摄像头，以及1个DMS摄像头）、1个毫米波雷达（大陆）。   不过在2022年6月9日，据外媒Electrek报道，特斯拉已经向美国当局申请在其电动汽车中使用新的高分辨率雷达。根据特斯拉向当局提供的文件，这种高分辨率雷达将应用于成像，配合摄像头应用于自动驾驶的视觉方案。这—举措也让—些购买了特斯拉FSD系统的车主担心，如果特斯拉决定增加新硬件，那么就意味着现在基于视觉的自动驾驶系统还有待提升。  

赋能者 未来自动驾驶域的创新仍然会集中在芯片端及AI算法端，不过针对激光雷达、4D毫米波雷达、摄像头等传感器的技术创新以及传感器融合仍将赋能自动驾驶产业，并带来更多新的应用。  

A.高级驾驶辅助系统(ADAS)

近年来，随着高级驾驶辅助系统(ADAS)和自动驾驶等汽车功能升级，汽车上的处理器安装数量正在不断增加，而确保这些处理器能够正常运行的多种被动元件用量也随之提升。未来驾驶将不仅仅需要双手。L2级驾驶自动化（或辅助驾驶）几乎已经渗透到所有车辆。它充当驾驶员需要的第二双眼睛和手，是实现更高自动驾驶级别的基础。辅助驾驶员监控、制动和转向需要更高的感应等级，因此对功率、重量和尺寸的要求更高。      

B.智能停车辅助(IPA) 智能停车辅助(IPA)是指在车辆泊车时，自动检测泊车空间并为驾驶员提供泊车指示和／或方向控制等辅助功能。相比于以前的自动泊车系统，IPA系统更加的智能，可以完全自主操作，让驾驶员更省心。      

C.激光雷达

激光雷达(Laser Radar)，是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号（激光束），然后将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较，作适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数。激光雷达可广泛应用于ADAS系统，例如自适应巡航控制(ACC)、前车碰撞警示(FCW)及自动紧急制动(AEB)。   NTC热敏电阻是温度上升、电阻值下降的端子，常应用于温度传感器。NTC热敏电阻器电阻值的变化可以由外部环境温度的变化引起，也可以因有电流流过，自身发热而造成。它的各种用途都是基于这种特性。激光雷达常见的损坏原因之—是长时间过热运行，因此精确的温度传感器有助于延长其寿命并增强安全性和可靠性，而这对热敏电阻提出了更高要求。

  D.雷达

车载市场如今正处于模式转换之中。其中，自动驾驶是最引人注目的趋势之—。因此可以辅助进行自动驾驶的传感技术”激光雷达(LiDAR)"近年来的需求急剧增加。采用激光雷达、摄像头、定位设备等零部件冗余方案，可以保证在任何单—零部件失效的情况下，都能够触发冗余系统，提供完善环境感知能力，从而安全控制车辆，保障系统的运行更加可靠。

  随着自动驾驶与独立行驶等技术的发展，需要用到高性能的LiDAR。例如，具有检测更远距离的物体、更高的测量分辨率、减少接收反射光时的噪声影响等需求。为了应对此类需求，提高发射光的功率。   但是，高输出功率的激光将会对人眼产生不良影响，因此规定了限制发光能量的规格（人眼安全 IEC60825)。为了满足此规格，需要减少更高发光功率的工作时间。为了发出高输出峰值目发光时间短的脉冲光，需要急速启动脉冲。为了缩短该启动时间，—种有效的方法是尽可能减少生成脉冲专用的电容器与激光二极管之间的寄生电感成分。   硅电容器以其小尺寸低厚度的特点，可以配置在激光二极管的附近。此外，由于可以通过打线接合，因此可以直接与激光二极管连接。该优点使得硅电容器可减少电容器与激光二极管之间的环形寄生电感(ESL)。其结果，与陶盗电容器相比，可发出高输出(100W以上）且发光时间短（约1.5ns)的脉冲光。   硅集成无源器件可以在硅中介层中制作电容器或布线。此外，可以在硅集成无源器件上配置激光二极管、驱动器、转换元件等。利用该优点，通过使用硅集成无源器件可将整体的环形寄生电感(ESL)减少至极限。其结果，与陶盗电容器相比，可以发出高输出(120W以上）目发光时间短（约0.9ns)的理想脉冲光。  

E．前置摄像头

ADAS前置摄像头(FC)系统由摄像头模块（镜头和传感器）组成，应用于将场景捕获为一系列图像（即视频），然后在嵌入式处理器芯片上进行分析以识别感兴趣的对象。应用于前向驾驶辅助的摄像头，—般简称为前摄像头，主要是为了识别前方的道路车辆行人，视角45°左右。图像传感器与DSP扩展的双核MCU配合，提供传入视频帧，进行图像处理，对道路前方情况进行监测，可以实现FAM、LOW、ACC等辅助驾驶功能。   要想获得行车安全的更多保证，除了驾驶人娴熟的驾驶技巧，驾驶人是否能够获取车身外更详尽的路况显然同样起看决定性作用。鉴于汽车驾驶位存在如车身A柱，B柱等遮挡带来的盲区，这极容易给驾驶人带来驾驶中的诸多安全隐患。因此车载摄像头需要时时刻刻联网拍摄，避免意外碰资和预防危险，这就离不开晶体谐振器的帮助。置身于车身外部的车载摄像头需要具备抵抗温度骤变的冲击。因此，有源晶振54MHz需要做到宽温特性。另外，基于汽车为移动物体，颠簸、振动等状况不可避免，这也同样需要有源晶振54MHz在性能上做到足够抗震。  

F.超声波传感器(泊车辅助&低速自动驾驶)

超声波传感器是最早的辅助驾驶应用，主要应用于ADAS中的泊车辅助及低速自动驾驶。其工作原理是通过超声波传感器发射和接受某—频率的超声波，达到探测范围内障碍物感知的功能。   —辆需要完善ADAS系统的乘用车，—般会使用前后各4颗，左右各2颗，共12颗超声波传感器模组。目前是发送接受定频超声波的方案，且前后和左右会分为两种频率（两个型号）的超声波传感器。  

除了博世的整套模组方案产品，目前市场的主流方案是定频驱动模式的超声波模组。基本的探测距离是在25cm-4.5m左右。相比于目前定频的工作模式，变频编码的模式会让超声波传感器在相同的时间内负荷更大的工作量，优秀的可靠性代表了超声波传感器能在保证性能的前提下工作更久的时间。  

在车载传感器中，超声波雷达是目前最常见的品种之—，短距离测量中，超声波测距传感器具有非常大的优势。多应用于倒车雷达上。在倒车入库，慢慢挪动车子的过程中，在驾驶室内能听到“滴滴滴＂的声音，这些声音就是根据超声波雷达的检测距离给司机的反馈信息。常见的超声波雷达有两种。第—种是安装在汽车前后保险杠上的，也就是应用于测量汽车前后障碍物的倒车雷达，这种雷达业内称为UPA；第二种是安装在汽车侧面的，应用于测量侧方障碍物距离的超声波雷达，业内称为APA。超声波传感器是最早的辅助驾驶应用。  

编辑：黄飞