机器人眼睛-激光雷达（LiDAR）产业研究- 机器人产业生态网

机器人眼睛-激光雷达（LiDAR）产业研究

2022年02月07日 16:22 浏览：145 来源：机器人产业生态网

自动驾驶给激光雷达带来新机遇

激光雷达LiDAR被广泛用于无人驾驶汽车和机器人领域，被誉为广义机器人的“眼睛”，是一种通过发射激光来测量物体与传感器之间精确距离的主动测量装臵。其中广义机器人包括具有无人驾驶功能的汽车，也可称之为轮式机器人，另外还包括实现无人清扫、无人运送等功能的新型服务机器人。除了无人驾驶领域，激光雷达的应用领域也在不断拓展，包括以汽车整车厂、Tier1为代表的前装高级辅助驾驶，以智能服务机器人为代表的避障导航系统，还有随着5G技术逐渐普及而产生的智能交通车路协同应用，都为激光雷达带来了更广阔的市场。

激光雷达原理

激光雷达的工作原理是将电脉冲变成光脉冲发射出去，光接收机再把从目标反射回来的光脉冲还原成电脉冲，通过测量发射脉冲与一个或数个回波脉冲之间的时间差而获得距离以及物体材质和颜色等参数。

具体来看，激光雷达由四个系统组成，分别为激光发射、激光接收、信息处理和扫描系统。激光发射系统中激励源周期性地驱动激光器，发射激光脉冲，激光调制器通过光束控制器控制发射激光的方向和线数，最后通过发射光学系统，将激光发射至目标物体；激光接收系统的工作原理是经接收光学系统，光电探测器接受目标物体反射回来的激光，产生接收信号；信息处理系统是接收信号经过放大处理和数模转换，经由信息处理模块计算，获取目标表面形态、物理属性等特性，最终建立物体模型；扫描系统是以稳定的转速旋转实现对所在平面的扫描，并产生实时的平面图信息。

激光雷达主要技术指标包括视场角、线数、分辨率、探测距离、测量精度、反射率和扫描帧频等。

激光雷达主要技术指标：

视场角

视场角决定了激光雷达能够看到的视野范围，分为水平视场角和垂直视场角，视场角越大，代表视野范围越大，反之则代表视野范围越小。

线数

线数越高，代表单位时间内采样的点就越多，分辨率也就越高，目前无人驾驶车一般采用32线或64线的激光雷达。

分辨率

分辨率和激光光束之间的夹角有关，夹角越小，分辨率越高。固态激光雷达的垂直分辨率和水平分辨率大概相当，约为0.1°，旋转式激光雷达的水平角分辨率为0.08°，垂直角分辨率约为0.4°。

探测距离

激光雷达的最大测量距离。在自动驾驶领域应用的激光雷达的测距范围普遍在100~200m左右。

测量精度

激光雷达的数据手册中的测量精度(Accuracy)常表示为，例如±2cm的形式。精度表示设备测量位臵与实际位臵偏差的范围。

反射率

反射率是指物体反射的辐射能量占总辐射能量的百分比，比如说某物体的反射率是20%，表示物体接收的激光辐射中有20%被反射出去了。不同物体的反射率不同，这主要取决于物体本身的性质（表面状况），如果反射率太低，那么激光雷达收不到反射回来的激光，导致检测不到障碍物。激光雷达一般要求物体表面的反射率在10%以上，用激光雷达采集高精度地图的时候，如果车道线的反射率太低，生成的高精度地图的车道线会不太清晰。

扫描帧频

激光雷达点云数据更新的频率。对于混合固态激光雷达来说，也就是旋转镜每秒钟旋转的圈数，单位Hz。例如，10Hz即旋转镜每秒转10圈，同一方位的数据点更新10次。

激光雷达是车辆安全和智能化的核心高端传感器，激光雷达也是我国智能汽车战略大力发展的关键基础技术之一。国家发改委、科技部、工信部等11部门联合印发的《智能汽车创新发展战略》中首次定义了什么是智能汽车：是指通过搭载先进传感器等装臵，运用人工智能等新技术，具有自动驾驶功能，逐步成为智能移动空间和应用终端的新一代汽车。在这个定义中，“搭载先进传感器”是智能汽车的重要标签。

车载传感器的比较

根据新华网，对比《智能汽车创新发展战略》意见征集稿和正式印发版，在有关核心供应链环节的表述中，意见稿中的“重点推动传感器”被修改为“车载高精度传感器”。这一修改目标更为明确，即培育发展“高精度传感器”。产业方面，发展战略要求推进车载高精度传感器等产品研发与产业化，促进激光/毫米波雷达等自主知识产权军用技术的转化应用。可见，下一步投资建设的落地点，在传感层的机会就在于高精度、高准确度的传感器。

根据新华网，激光雷达、毫米波雷达和摄像头是公认的自动驾驶的三大关键传感器技术。从技术上看，激光雷达与其他两者相比具备强大的空间三维分辨能力。中国汽车工程学会、国汽智联汽车研究院编写的《中国智能网联汽车产业发展报告（2019）》称，当前在人工智能的重要应用场景智能网联汽车的自动驾驶和辅助驾驶领域中，激光雷达是实现环境感知的核心传感器之一。报告认为，在用于道路信息检测的传感器中，激光雷达在探测距离、精准性等方面，相比毫米波雷达具有一定的优势。

无人驾驶汽车的“眼睛”已成为激光雷达的代名词。在复杂场景下，激光雷达有着不可比拟的优势。针对远距小障碍物，毫米波雷达的角分辨率不够，摄像头对远端的通用障碍物识别不够，而这种场景下激光雷达就可能及时识别。对于近距离加塞，这种场景在中国道路上尤其常见，毫米波雷达的角分辨率不够，摄像头通常来说需累计多帧，需要几百毫秒才可以确认加塞，而激光雷达由于精确的角度测量能力和轮廓测量能力，可以2-3帧确认加塞，百毫秒内做出判断。同样的原因，对于近端突出物，毫米波雷达和摄像头相对不足，而激光雷达可以做出快速判断。

在隧道场景下，摄像头在光线亮度发生突然变换的场景有致盲情况发生，而毫米波雷达一般不识别静止物体，如果隧道口刚好有一个静止车辆，这时就需要激光雷达的准确识别能力。此外，十字路口无保护左拐场景对激光雷达的大角度全视场测量能力有很大考验，需要同时满足大视场和远距测量能力。在地库场景，毫米波雷达由于多径反射性能不佳，而光线强弱变化又会影响摄像头的性能，这时激光雷达独特的优势就可以得到发挥。

激光雷达的分类

激光雷达行业具有较高的技术水准与技术壁垒，并同时具有技术创新能力强与产品迭代速度快的特征。其技术发展方向与半导体行业契合度高，激光雷达系统中核心的激光器、探测器、控制及处理单元均能从半导体行业的发展中受益，收发单元阵列化以及核心模块芯片化是未来的发展趋势。

激光雷达可分成一维（1D）激光雷达、二维（2D）扫描激光雷达和三维（3D）扫描激光雷达。1D激光雷达只能用于线性的测距；2D扫描激光雷达只能在平面上扫描，可用于平面面积与平面形状的测绘，如家庭用的扫地机器人；3D扫描激光雷达可进行3D空间扫描，用户户外建筑测绘，它是驾驶辅助和自助式自动驾驶应用的重要车载传感设备。3D激光雷达可进一步分成3D扇形扫描激光雷达和3D旋转式扫描激光雷达。

激光雷达按照测距方法可以分为飞行时间（TimeofFlight，ToF）测距法、基于相干探测FMCW测距法、以及三角测距法等，其中ToF与FMCW能够实现室外阳光下较远的测程（100～250m），是车载激光雷达的优选方案。ToF是目前市场车载中长距激光雷达的主流方案，未来随着FMCW激光雷达整机和上游产业链的成熟，ToF和FMCW激光雷达将在市场上并存。

激光雷达按测距方法分类：

ToF法

通过直接测量发射激光与回波信号的时间差，基于光在空气中的传播速度得到目标物的距离信息，具有响应速度快、探测精度高的优势。

FMCW法

将发射激光的光频进行线性调制，通过回波信号与参考光进行相干拍频得到频率差，从而间接获得飞行时间反推目标物距离。FMCW激光雷达具有可直接测量速度信息以及抗干扰（包括环境光和其他激光雷达）的优势。

按照技术架构可以分为整体旋转的机械式激光雷达、收发模块静止的半固态激光雷达以及固态式激光雷达。相比于半固态式和固态式激光雷达，机械旋转式激光雷达的优势在于可以对周围环境进行360°的水平视场扫描，而半固态式和固态式激光雷达往往最高只能做到120°的水平视场扫描，且在视场范围内测距能力的均匀性差于机械旋转式激光雷达。由于无人驾驶汽车运行环境复杂，需要对周围360°的环境具有同等的感知能力，而机械旋转式激光雷达兼具360°水平视场角和测距能力远的优势，目前主流无人驾驶项目纷纷采用了机械旋转式激光雷达作为主要的感知传感器。

激光雷达按技术架构分类：

机械旋转式激光雷达

通过电机带动收发阵列进行整体旋转，实现对空间水平360°视场范围的扫描。测距能力在水平360°视场范围内保持一致。

半固态式激光雷达

半固态方案的特点是收发单元与扫描部件解耦，收发单元（如激光器、探测器）不再进行机械运动，具体包括微振镜方案、转镜方案等。适用于实现部分视场角（如前向）的探测，体积相较于机械旋转式雷达更紧凑。

固态激光雷达

固态式方案的特点是不再包含任何机械运动部件，具体包括相控阵（OpticalPhased Array,OPA）方案、Flash方案、电子扫描方案等。适用于实现部分视场角（如前向）的探测，因为不含机械扫描器件，其体积相较于其他架构最为紧凑。

激光雷达产业自诞生以来，紧跟底层器件的前沿发展，呈现出了技术水平高的突出特点。激光雷达厂商不断引入新的技术架构，提升探测性能并拓展应用领域：从激光器发明之初的单点激光雷达到后来的单线扫描激光雷达，以及在无人驾驶技术中获得广泛认可的多线扫描激光雷达，再到技术方案不断创新的固态式激光雷达、FMCW激光雷达，以及如今芯片化的发展趋势，激光雷达一直以来都是新兴技术发展及应用的代表。

激光雷达技术分类及特点：

机械式激光雷达：

高线数机械式方案

通过电机带动光机结构整体旋转的机械式激光雷达是激光雷达经典的技术架构，其技术发展的创新点体现在系统通道数目的增加、测距范围的拓展、空间角度分辨率的提高、系统集成度与可靠性的提升等。

半固态式激光雷达：

转镜方案

转镜方案中收发模块保持不动，电机在带动转镜运动的过程中将光束反射至空间的一定范围，从而实现扫描探测。转镜也是较为成熟的激光雷达技术方案，其技术创新体现之处与高线数机械式方案类似。

微振镜方案

微振镜方案采用高速振动的二维振镜实现对空间一定范围的扫描测量。微振镜方案的技术创新体现在开发口径更大、频率更高、可靠性更好振镜，以适用于激光雷达的技术方案。

FMCW激光雷达：

电子扫描方案

电子扫描方案中按照时间顺序通过依次驱动不同视场的收发单元实现扫描，系统内没有机械运动部件，是纯固态激光雷达的一种发展方向。其架构比整体曝光所有收发单元的Flash固态式激光雷达更先进。

连续波调频方案

FMCW目标物距离，同时也激光雷达发射调频连续激光，通过回波信号与参考光能够根据多普勒频移信息直接测量目标物的速度，其技术发展方向为利用硅进行相干拍频得到频率差，从而间接获得飞行时间反推基光电子技术实现激光雷达系统的芯片化。

激光雷达的迭代历史

激光雷达经历了60年左右的发展历程，其技术不断进步并呈现多样化发展趋势，同时随着应用领域的不断拓展丰富，激光雷达逐步迈向商业化，其市场也于近几年迅速扩大，并迎来上市热潮。在汽车产业“电气化、共享化、网联化、智能化”的“新四化”驱动下，2016年后无人驾驶行业高速发展，激光雷达行业也随之进入迅速发展期。2019年后激光雷达行业进入新的发展阶段，从技术方案来看，收发器件面阵化及核心模块芯片化为高性能、低成本、高集成度、高可靠性的激光雷达提供了可靠的发展方向，FMCW原理的激光雷达技术方案受到了市场的关注。

从应用领域来看，激光雷达应用范围进一步得到拓展，“新基建”中的车联网为激光雷达带来了新的应用场景，同时，依据应用领域的不同，激光雷达呈现性能及价格分层的发展趋势。此外，2020年境外激光雷达公司迎来通过特殊目的并购公司（SpecialPurpo seAcquisitionCompany，SPAC）完成上市的热潮，Velodyne、Luminar已完成NASDAQ上市，Aeva、Innoviz预计2021年第一季度完成，Ouster预计2021年上半年完成。

激光雷达行业发展历程：

1960年代~1970年代

激光雷达行业特点：随着激光器的发明，基于激光的探测技术开始得到发展。

主要应用领域：科研及测绘项目。

标志性事件：1971年阿波罗15号载人登月任务使用激光雷达对月球表面进行测绘。

1980年代~1990年代

激光雷达行业特点：激光雷达商业化技术起步，单线扫描式激光雷达出现。

主要应用领域：工业探测及早期无人驾驶项目。

标志性事件：Sick（西克）与Hokuyo（北洋）等激光雷达厂商推出单线扫描式2D激光雷达产品。

2000年代~2010年代早期

激光雷达行业特点：高线数激光雷达开始用于无人驾驶的避障和导航，其市场主要是国外厂商。

主要应用领域：无人驾驶测试项等。

标志性事件：DARPA无人驾驶挑战赛推动了高线数激光雷达在无人驾驶中的应用，此后Velodyne深耕高线数激光雷达市场多年。

Ibeo LUX系列产品包含基于转镜方案的4线及8线激光雷达。基于4线版本，2010年Ibeo与法国Tier 1公司Valeo（法雷奥）开始合作开发面向量产车的激光雷达产品 SCALA。

2016年~2018年

激光雷达行业特点：国内激光雷达厂商入局，技术水平赶超国外厂商。激光雷达技术方案呈现多样化发展趋势。

主要应用领域：无人驾驶、高级辅助驾驶、服务机器人等，且下游开始有商用化项目落地。

标志性事件：2017年4月禾赛科技发布40线激光雷达 Pandar40。采用新型技术方案的激光雷达公司同样发展迅速，如基于MEMS方案的Innoviz，基于1550nm波长方案的Luminar等。

2019年至今

激光雷达行业特点：市场发展迅速，产品性能持续优化，应用领域持续拓展。激光雷达技术朝向芯片化、阵列化发展。境外激光雷达公司迎来上市热潮，同时有巨头公司加入激光雷达市场竞争。

主要应用领域：无人驾驶、高级辅助驾驶、服务机器人、车联网等。

标志性事件：Ouster推出基于VCSEL和SPAD阵列芯片技术的数字化激光雷达。禾赛科技应用自主设计的芯片组（发射芯片和接收芯片）于多线机械转式产品。2020 年9月Velodyne完成NASDAQ上市，2020年12月 Luminar完成NASDAQ上市。

激光雷达核心应用场景

除了无人驾驶，面向乘用车的前装高级辅助驾驶（ADAS）、服务型机器人、车联网（V2X）等领域也是激光雷达当前或者近期的重要市场。因使用场景和搭载激光雷达的载体（无人驾驶汽车、乘用车、机器人等）具有明显差异，这些市场对激光雷达的性能、价格、体积等维度提出了不同的需求。车联网应用起步最新，使用场景具有多样性，对无人驾驶、高级辅助驾驶、机器人领域的激光雷达都会有相应需求。

无人驾驶与高级辅助驾驶领域通常将自动驾驶技术按照国际汽车工程师协会（SAEI nternational）发布的工程建议J3016进行分类。从L0级（纯由驾驶员控制）至L5级（完全自动驾驶），级别越高，车辆的自动化程度越高，动态行驶过程中对驾驶员的参与度需求越低，对车载传感器组成的环境感知系统的依赖性也越强。其中，L3级是自动驾驶等级中的分水岭，其驾驶责任的界定最为复杂：在自动驾驶功能开启的场景中，环境监控主体从驾驶员变成了传感器系统，驾驶决策责任方由驾驶员过渡到了汽车系统。

L4/L5级无人驾驶应用的实现，有赖于激光雷达提供的感知信息。该级别应用需要面对复杂多变的行驶环境，对激光雷达性能水平要求最高，在要求360°水平扫描范围的同时，对于低反射率物体的最远测距能力需要达到200m，且需要更高的线数以及更密的点云分辨率；同时为了减少噪点还需要激光雷达具有抵抗同环境中其他激光雷达干扰的能力。

对于L2/L3级高级辅助驾驶，覆盖前向视场（水平视场角覆盖60°到120°）的激光雷达通常为优选方案，实现自动跟车或者高速自适应巡航等功能，但在测远和角度分辨率等性能上的要求和无人驾驶是一致的；此外，整车厂及Tier1公司更看重激光雷达的形态与尺寸是否容易嵌入车身，保险杠、前挡风玻璃后视镜等易于隐藏的地方是放臵激光雷达的优先选择，这些位臵往往空间狭小因而限制了激光雷达的体积；该领域客户也要求激光雷达通过电磁兼容、可靠性（包括振动及冲击、防水防尘）等一系列严格的车规测试；因为面向消费者的乘用车采购数量大，该领域客户对激光雷达的价格敏感度相较于无人驾驶领域也更高。

机器人应用范围包括无人送货小车、自动清扫车辆、园区内的接驳车、港口或矿区的无人作业车、执行监控或巡线任务的无人机等，这些场景的主要特点是路线相对固定、环境相对简单、行驶速度相对较低（通常不超过30km/h）。因而相比无人驾驶应用，机器人应用对激光雷达测远及分辨率等探测性能的要求相对较低，但对价格更敏感。

车路协同采用先进的无线通信和新一代互联网技术，全方位实施车车、车路动态实时信息交互，并在动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，其主要应用场景包括：盲区预警、多车协同换道、交叉口冲突避免、行人非机动车避撞、紧急车辆优先通行、车速引导、车队控制、车队协同通过信号交叉口等。人、车、路的有效协同需要准确识别和追踪交通参与者，并对其路线进行有效预测，采用基于激光雷达点云数据的目标聚类及追踪算法能够满足这一要求。

激光雷达产业链

激光雷达行业的上游产业链主要包括激光器和探测器、FPGA芯片、模拟芯片供应商，以及光学部件生产和加工商。激光雷达下游产业链按照应用领域主要分为无人驾驶、高级辅助驾驶、服务机器人和车联网行业。

整体而言，激光雷达整个产业链表现出发展速度快、科技水平高、创新能力强、市场前景广的突出特点。从国外产业链与国内产业链比较的角度而言，国外激光雷达上游公司由于起步更早，积累更为深厚，尤其在底层光电器件以及芯片领域。国外激光雷达下游企业在商业化进度方面也更成熟。然而，国内激光雷达行业的上游供应商、下游客户近几年均发展迅速，有望实现逐步赶超。

激光雷达技术的发展催生了新的产业链条。自美国DARPA无人驾驶挑战赛以来，全球范围内的无人驾驶行业进入了高速发展期，无人驾驶技术的实现以及无人驾驶出租车/无人驾驶卡车服务的落地有赖于激光雷达提供的高精度感知信息。此外，激光雷达的环境感知能力能够拓展已有的辅助驾驶功能，提升车辆安全性，为面向整车厂以及Tier1公司的高级辅助驾驶产业提供了重要的支撑。同时，激光雷达技术也促进了服务型机器人产业以及车联网产业的兴起，服务型机器人通过赋予机器人智能感知的能力实现无人配送、无人清扫等功能，车联网通过车与车、车与路、车与云平台等的互联实现更为安全、舒适、智能的交通服务。激光雷达技术促进了新产业的发展，新产业的兴起为社会带来了新的发展点。

激光雷达产业链发展情况：

上游：

激光器和探测器

激光器和探测器是激光雷达的重要部件，激光器和探测器的性能、成本、可靠性与激光雷达产品的性能、成本、可靠性密切相关。而且激光雷达的系统设计会对激光器和探测器的规格提出客制化的需求，与上游供应商深入合作定制激光器和探测器，有助于提升产品的竞争力。国外供应商在激光器和探测器行业耕耘较久，产品的成熟度和可靠性上有更多的实践经验和优势，客户群体也更为广泛。国内供应商近些年发展迅速，产品性能已经基本接近国外供应链水平，并已经有通过车规认证（AEC-Q102）的国产激光器和探测器出现，元器件的车规化是车规级激光雷达实现的基础，国内供应商能够满足这一需求。相比国外供应商，国内供应商在产品的定制化上有较大的灵活性，价格也有一定优势。

企业类别：激光器。

国外企业：OSRAM（欧司朗）、AMS（艾迈斯半导体）、Lumentum（鲁门特姆）等。

国内企业：深圳瑞波光电子有限公司、常州纵慧芯光半导体科技有限公司等。

企业类别：探测器。

国外企业：First Sensor、Hamamatsu（滨松）、ON Semiconductor（安森美半导体）、Sony（索尼）等。

国内企业：成都量芯集成科技有限公司、深圳市灵明光子科技有限公司、南京芯视界微电子科技有限公司等。

FPGA芯片

FPGA芯片通常被用作激光雷达的主控芯片，国外供应商的产品性能相比国内供应商大幅领先，但国内产品的逻辑资源规模和高速接口性能，也能够满足激光雷达的需求。

不过FPGA不是激光雷达主控芯片的唯一选择，也可以选用高性能单片机（Microcontroller Unit，MCU）、数字信号处理单元（Digital Signal Processor，DSP）代替。MCU的国际主流供应商有Renesas（瑞萨）、Infineon（英飞凌）等，DSP的主流供应商有TI（德州仪器）、ADI（亚德诺半导体）等。

国外企业：Xilinx（赛灵思），Intel（英特尔）等。

国内企业：紫光国芯股份有限公司、西安智多晶微电子有限公司等。

模拟芯片

模拟芯片用于搭建激光雷达系统中发光控制、光电信号转换，以及电信号实时处理等关键子系统。国外供应商在该领域积累已久，技术先进、产能充足、成熟度高，是行业的领导者。国内供应商相比国外起步较晚，从产品丰富程度到技术水平还普遍存在着一定差距，尤其车规类产品差距会更大。

国外企业：TI（德州仪器），ADI （亚德诺半导体）等。

国内企业：矽力杰半导体技术有限公司、圣邦微电子（北京）股份有限公司等。

光学部件

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。

激光雷达公司一般为自主研发设计，然后选择行业内的加工公司完成生产和加工工序。

下游：

无人驾驶行业

国外无人驾驶技术研究起步较早，从车队规模、技术水平以及落地速度来看，相比国内仍具有一定的领先优势。国内无人驾驶技术研究发展迅速，不断有应用试点和项目落地，与国外公司的差距在不断缩小。

企业类别：无人驾驶公司。

国外企业：GM Cruise、Ford Argo、Aurora、Zoox （2020年被Amazon收购）、Navya。

国内企业：小马智行、文远知行、Momenta、元戎启行等。

企业类别：无人驾驶公司人工智能科技公司。

国内企业：百度、商汤科技等。

企业类别：出行服务提供商。

国外企业：Uber（优步）、Lyft。

国内企业：滴滴等。

高级辅助驾驶行业

激光雷达用于量产车项目，通常需要激光雷达公司与车厂或Tier 1公司达成长期合作，一般项目的周期较长。

企业类别：世界各地的整车厂、Tier 1公司及新势力造车企业。

服务机器人行业

国内快递和即时配送行业相比国外市场容量大，服务机器人国内技术发展水平与国外相当，从机器人种类的丰富度和落地场景的多样性而言，国内企业更具优势。

企业类别：机器人公司。

国外企业：Nuro、Deka Research、Canvas Build、Unmanned Solution。

国内企业：高仙、智行者、优必选、新石器、白犀牛等。

企业类别：消费服务业巨头。

国内企业：阿里巴巴、美团、京东等。

车联网行业

通过车联网方案提供商将包括激光雷达在内的车辆网服务整合销售给各地政府和科技园区，也存在激光雷达公司政府和科技园区直接对接的情况。得益于“新基建”等国家政策的大力推动，国内车联网领域发展较国外更加迅速。

企业类别：车联网方案提供商。

国内企业：百度、大唐、金溢科技、星云互联、高新兴等。

激光雷达在广义上可以认为是带有3D深度信息的摄像头，被誉为机器人的眼睛，未来20年里随着智能驾驶和服务型机器人的逐渐普及，激光雷达也会像摄像头一样成为生活中的必需品。在摄像头产业链处于头部位臵的公司正逐渐开始围绕着激光雷达进行布局，如图像传感器领域的头部公司日本Sony（索尼）和美国ONSemiconductor（安森美半导体）；在摄像头视觉应用领域的人工智能公司也在基于激光雷达的测量数据开发相应的深度学习算法，如商汤科技、Waymo、百度。随着激光雷达每年出货量和市场份额的扩大，未来会有更多摄像头视觉产业链上的公司（如芯片、器件、镜头、模组、算法）融入激光雷达产业链。