通信行业北斗专题报告系列：自动驾驶渐行渐近，卫惯导航大有可为

【国信通信 ∙ 北斗专题报告系列】自动驾驶渐行渐近，卫惯导航大有可为2021年09月03日证券研究报告证券分析师：马成龙E-MAIL：machenglong@guosen.com.cn证券投资咨询执业资格证书编码：S0980518100002证券分析师：付晓钦E-MAIL：fuxq@guosen.com证券投资咨询执业资格证书编码：S0980520120003证券分析师：陈彤E-MAIL：chentong@guosen.com.cn证券投资咨询执业资格证书编码：S0980520080001投资摘要关键结论与投资建议1、位置信息是自动驾驶实现的关键要素，以位置信息的获取方式为分类依据，目前自动驾驶主要的技术路径出现三种方案，一是以特斯拉为代表的纯视觉方案；二是其余多数车企/科技公司采用的多传感器融合方案；三是车路协同方案。上述技术路径在硬件（传感器）方面，主要采用的包括GNSS、IMU、车载摄像头与车载雷达。从技术对比来看，各类传感器都均有自身局限，但其中GNSS+IMU组合导航能够实现优势互补，其重要性近年来越来越受到重视，已在多款乘用车/商用车中得到应用。展望未来，除纯视觉方案的技术路径外，我们认为卫惯组合导航有望成为自动驾驶车辆的标配硬件。2、卫惯组合系统的优势主要表现在IMU对GNSS定位结果的修正和信号丢失情况下的定位保证。从产品形态角度，目前车载高精度卫惯组合系统主要以定位终端为主，长远来看，基于降低时延提高定位精度以及降成本等考虑，产品集成化为单个的芯片/模组或成为终局形态。从市场规模角度，我们预计2025年组合导航自动驾驶领域全球/中国市场规模可接近150亿元/80亿元；而远期场景下，随着组合导航系统进一步普及以及自动驾驶实现完全推广，市场前景广阔。3、卫惯组合导航系统供应商包括两大阵营：(1)海外传统车载导航芯片/模块供应商如u-blox、ST等，(2)国内新兴定位终端供应商如华测导航、导远科技等。目前，新兴供应商凭借算法等方面的优势相对来说占得先机。新兴供应商中，中短期内，在技术能力、方案协同性和车厂沟通能力上占据优势的供应商能够获得卡位优势；长期来看，在芯片能力上较为突出的厂商有望在集成化趋势下取得领先。4、我们认为卫惯组合导航系统在自动驾驶领域的应用潜力充足，重点推荐华测导航。nMsNqRsOrRzRsRyRoQyQtPbR9RaQoMnNmOqRfQoOzQjMpPrMaQoPsMvPrQoPxNnNnR投资摘要核心假设或逻辑第一，卫惯核心技术不断成熟且成本进一步降低第二，自动驾驶商业化落地顺利，消费者接受度不断提升第三，车厂接受卫惯技术并作为标配与市场预期不同之处第一，通过对位置信息获取方式的对比，梳理了三条自动驾驶发展路径，并认为卫惯组合导航有望成为标配第二，深入提炼了卫惯组合导航的互补属性和技术实现方式，并对产品形态、市场规模等进行梳理第三，通过比较当前主要卫惯组合导航市场的参与者，比较了新老两大供应商阵营的竞争格局核心假设或逻辑的主要风险一 相关技术进展不及预期二 政策法规监管趋紧三 消费者对于自动驾驶技术的适应性不达预期，商业化落地困难一、位置信息是自动驾驶的关键要素二、卫惯组合导航优势互补，市场前景广阔三、竞争格局：新老阵营均有机会四、投资建议目录一、位置信息是自动驾驶的关键要素图 1：自动驾驶和有人驾驶执行过程对比资料来源：高德，国信证券经济研究所整理 位置信息是自动驾驶车辆路径规划和车辆控制的基础，是自动驾驶实现的关键要素 ：对比有人驾驶系统，人通过眼睛和耳朵感知周边环境，对比记忆做出决策，比如方向盘控制、加减速、变道、刹车等等；自动驾驶则通过车载雷达、 摄像头、GNSS/IMU等传感器搜集车辆位置信息，并以位置信息数据为基础，根据高算力的计算中心获取经过优化的驾驶决策，最后自动驾驶系统基于决策层给出的驾驶决策，对制动系统、发机转向等控下达指令，负责驾驶执行。位置信息是自动驾驶实现的关键要素自动驾驶有人驾驶感知地图比对决策执行LiDARRadar摄像头GNSS/IMU云服务深度学习高精度地图路径规划观察、听思考判断车辆控制对比记忆 位置信息具体有两层含义：（1）得到车与周围环境之间的相对位置，即相对定位；（2）得到车的精确经纬度，即绝对定位。 位置信息获取的主要技术方案包括：（1）基于卫星信号的定位：以GNSS系统为主，结合RTK实现厘米级定位；（2）惯性定位：依靠惯性传感器获得加速度和角速度信息，通过推算获得当前的位置和方位的定位技术；（3）环境特征匹配：利用车载摄像头、激光雷达等传感器，感知周边环境（相对定位），用观测到的特征和数据库里的语义地图或特征地图进行匹配，得到车辆的位置和姿态（绝对定位）。位置信息的分类与获取方式图 2：自动驾驶主要传感器分类资料来源：Apollo，国信证券经济研究所整理主要传感器GNSSIMU车载摄像头激光雷达基于卫星信号的定位惯性定位环境特征匹配绝对定位相对定位相对/绝对定位自动驾驶位置信息技术路径分类 自2009年谷歌开始研发Waymo无人驾驶汽车开始，全球自动驾驶产业化便逐渐开启。发展至今，不同厂商之间出现了发展路径上的差异。 根据获取位置信息的技术方法和传感器方案，我们将其主要分类为三大技术路径：一、以特斯拉为代表的纯视觉方案，采用车载摄像头为主要感知设备，结合算法确定车辆位置信息；二、多传感器融合方案，包括摄像头、车载雷达、卫惯组合导航系统等多种感知设备，实现多源融合定位，这是除特斯拉以外的绝大多数车厂（自L2+发展，如奥迪、蔚来等）或科技公司（往往定位L4+，如谷歌Waymo/百度Apollo等）的选择；三、车路协同路线，将车载的部分感知能力转移至路侧，通过V2X实现车辆位置信息的获取和交互。图 3：自动驾驶位置信息技术路线资料来源：德勤，国信证券经济研究所整理单车智能化网联化L2L3L4L54G5G纯视觉方案车路协同多传感器融合纯视觉方案多传感器融合方案车路协同技术路线代表厂商特征特斯拉L2+：奥迪、蔚来等L4：Waymo、Apollo等上汽、东风、奥迪、福特等主机厂车端渗透以摄像头为主要感知设备依赖算法演进车载雷达+摄像头+卫惯组合等多感知设备融合路侧智能替代部分车侧智能，协同感知与决策 具体来看，分别以特斯拉Autopilot和谷歌Waymo两套自动驾驶系统来看前两种方案的演进：特斯拉纯视觉方案，依赖算法演进：业内纯视觉的自动驾驶方案以特斯拉为典型代表，目前特斯拉仍采用车载摄像头为主+毫米波雷达为辅的传感器配置，进一步在下一代自动驾驶套件V9上，特斯拉将移除雷达，完全采用全视觉方案。为了实现这一方案，特斯拉在深度学习算法上投入了相当大的力度，除开先前的影子模式训练（截至2020年已完成超30亿英里），进一步在特斯拉AI Day上，特斯拉公布了在神经网络、数据&数据标注、仿真等层面的持续创新，在Autopilot上进一步优化延迟问题的神经网络编辑器等改进，并发布Dojo用于在数据中心训练神经网络。从Autopilot看纯视觉方案：算法迭代成演进关键表 1：特斯拉Autopiolt演进历史HW1.0HW2.0HW2.5HW3.0推出时间2014.92016.12017.720