自动驾驶专题系列之四：自动驾驶高精度定位——确定性和价值量仍被低估的价值洼地.pdf

敬请参阅最后一页免责声明 -1- 证券研究报告 2019 年 04 月 15 日 中小盘 研究 自动驾驶专题系列之 四： 自动驾驶高精度定位 确定性和价值量仍被低估的价值洼地 中小盘伐谋主题 伐谋 -中小盘主题 孙金钜（分析师） 王宁（联系人） 021-68866881 sunjinjuxsdzq 证书编号： S0280518010002 010-83561000 wangning3xsdzq 证书编号： S0280118060020 高精度地图和定位是 L3 及以上自动驾驶的决策基础 越来越多的产业链消息表明， 2020 年左右落地 L3 自动驾驶成为量产乘用车产业链的共识。 在多家车厂 L3 量产定点的前期， L3 自动驾驶的功能范围、产业链各个环节的技术路线和性能指标已经初见端倪。我们从技术原理、硬件发展现状和车规要求出发，判断单独强调感知能力和机器学习的方案具有很大局限性，基于高精度地图和定位的决策体系是目前自动驾驶行业最可行的技术路线。 高精度导航和定位在自动驾 驶系统中不可替代，致力于高精度地图和定位方向的龙头公司具备明确的市场空间，发展值得期待。 以 GNSS+IMU 的紧耦合为基础，结合环境特征匹配的 方案将成为主流 现有的定位技术手段 包括卫星导航、惯性导航和环境特征匹配。我们认为，随着卫星导航增强系统的不断完善， GNSS 定位的精度将很快提升至分米级乃至厘米级。但车辆行驶的复杂性决定了自动驾驶的高精度定位需要 GNSS和 IMU 信号深度融合，结合环境特征匹配技术，才能较好应对高速、城市、环线、隧道、极端天气等复杂场景。单独依靠任何一种技术都无法满足高级别自动驾驶的性能要求。 车规级高精度定位 技术壁垒和价值量双高，国内企业布局前瞻 车规级高精度定位模块具有一定的特殊性：一方面， 乘用车零部件 导入一般需要 2-3 年，龙头企业具备很强的先发优势 ， 以 u-blox 和 NovAtel 为首的国外龙头企业和以中海达、中电昆辰为代表的国内厂商从 2018 年开始逐步布局自动驾驶的高精度解决方案，我们看好部分国内企业在车规级高精度定位的比拼中实现 量产定点 突破。另一方面， 高精度 产品技术壁垒较高， 集成度较低，器件的制造工艺和成本决定了产品整体的价格较高。 整套高精度定位系统大幅降价的唯一可能来自整套系统的芯片化，有部分领先厂商规划了车规级高精度定位硬件芯片化，但未来两年内 产品正式推出的难度较大 ，考虑汽车零部件的导入周期，我们判断，高精度定位系统的价格短期仍会在 1000美元左右，中期不会低于 500 美元，没有快速下降的可能 。 受益标的 我们认为， 2019 年是传统车企自动驾驶布局的关键之年， 2020 年之后 L3 级自动驾驶汽车开始普及，带动未来五到十年产业链景气度明显向上 。我们看好 A 股上市公司在高精度地图 、 高精度导航、视觉传感器零部件、车载通信设备方向的突破潜力。受益标的包括：中海达、四维图新、联创电子、高新兴、耐威科技、韦尔股份等 。 风险提示： 产业链与车企的合作进展、相关标准和法规的制定低于预期。 相关 报 告 自动驾驶系列专题之三：高速公路自动驾驶有望成为自动驾驶最先落地的“杀手”功能 2019-02-24 自动驾驶专题系列之二：乘用车自动驾驶预计 2020 年落地，特定场景应用方兴未艾 2018-11-05 自动驾驶专题系列之一：技术路线 “智能”与“网联”融合发展成行业大势2018-10-22 孙金钜（分析师）： 021-68866881 证书编号： S0280518010002 任浪（分析师）： 021-68865595-232 证书编号： S0280518010003 黄泽鹏（联系人）： 021-68865595-202 证书编号： S0280118010039 黄麟（联系人）： 0755-82291898 证书编号： S0280118040003 王宁（联系人）： 010-83561000 证书编号： S0280118060020 韩东（联系人）： 021-68865595-208 证书编号： S0280118050022 中小盘研究团队 2019-04-15 中小盘 研究 敬请参阅最后一页免责声明 -2- 证券研究报告 目 录 1、 高精度地图和定位是 L3 及以上自动驾驶的决策基础 . 4 1.1、 2020 年左右落地 L3 自动驾驶成为产业链共识 . 4 1.2、 自动驾驶 Vs.人类驾驶员：为什么高精度地图是自动驾驶系统的决策基础？ . 5 1.3、 高精度地图体系解决了感知和应用层面的两大难题 . 6 1.3.1、 基于卷积神经网络算法的机器视觉体系无法完美解决感知问题 . 6 1.3.2、 自动驾驶系统能感知和处理的信息量仍远远低于人类 . 7 1.3.3、 高 精度地图可以有效应对车辆面临的极端场景 . 8 2、 以 GNSS+IMU 的紧耦合技术为基础，结合环境特征匹配的综合方案将成为主流 . 9 2.1、 GNSS 精度的提升主要依赖于增强系统的建设 . 9 2.2、 惯性导航系统是应对车辆复杂行驶环境的必要补充 . 11 2.2.1、 量产自动驾驶车辆在实际运行的复杂场景 . 12 2.2.2、 GNSS+IMU 紧密耦合方案有望成为定位技术主流 . 13 2.3、 环境特征匹配仍存在无法处理的极端场景 . 14 3、 车规级高精度定位技术壁垒和价值量双高，国内企业布局前瞻 . 16 3.1、 国内外龙头纷纷布局车规级高精度定位方案 . 16 3.1.1、 u-blox： 商用精度导航芯片龙头，率先布局高精度定位技术 . 16 3.1.2、 Trimble： RTX 服务实现量产车应用 . 17 3.1.3、 NovAtel： L4 自动驾驶研发的主流选择 . 17 3.1.4、 中海达：率先开始车规级高精度定位研发 . 18 3.1.5、 华测导航：为限定场景自动驾驶提供服务 . 18 3.1.6、 中电昆辰：为量产车的自动代客泊车提供高精度定位 . 19 3.2、 组合导航产品的技术路线决定了短期内难有低成本解决方案出现 . 19 3.2.1、 以中海达为例分析车载高精度组合导航的系统架构 . 20 3.2.2、 产 业链信息显示组合导航系统成本仍然较高 . 20 4、 受益标的 . 23 图表目录 图 1： 高精度地图是自动驾驶的决策基础 . 5 图 2： 基于视觉的深度学习示例 . 6 图 3： 卷积神经网络算法对于运动物体的小幅图像处理准确性较差 . 7 图 4： 激光雷达的量程末端点云稀疏信息量小 . 8 图 5： 极端天气对感知造成极大挑战 . 8 图 6： 复杂道路的决策以来高精度地图提前标注 . 8 图 7： RTK 技术可以通过多种模式实现信号增强 . 9 图 8： 司南导航的方案为典型的地基增强方案 . 10 图 9： 星基导航方案依赖 GEO 卫星 . 10 图 10： Trimble RTX 系统原理 . 11 图 11： 使用角速度和加速度数据 积分计算物体的位臵、速度和姿态信息 . 11 图 12： 城市环境容易出现多路径问题 . 13 图 13： GNSS+IMU 解决更新频率问题提高稳定性 . 13 图 14： 隧道、高楼、桥底等遮挡所带来的卫星失锁问题 . 13 图 15： 松散耦合方案示例 . 14 图 16： 紧密耦合方案示例 . 14 2019-04-15 中小盘 研究 敬请参阅最后一页免责声明 -3- 证券研究报告 图 17： 组合导航记录的运动轨迹更精确 . 14 图 18： Lidar 数据和高精度地图数据对比得到定位信息 . 15 图 19： 视觉信息 +语义分割后匹配定位 . 15 图 20： 车道线识别是多数 ADAS 方案的基础 . 15 图 21： IMU 可以作为环境特征 匹配的补充 . 15 图 22： u-blox 的 F9 平台是目前最成熟的车规级解决方案 . 17 图 23： Super Cruise 使用 Trimble RTX 服务 . 17 图 24： 中海达发布了 HI-RTP“全球精度 ”定位服务系统 . 18 图 25： 华测导 航高精度定位系统原理 . 19 图 26： 中电昆辰的高精度定位功能率先应用于量产车自动代客泊车 . 19 图 27： 中海达具备板卡级组合导航硬件研发基础 . 20 图 28： 组合导航的性能和价格关系预测 . 20 表 1： 主要车企均计划在 2020 年左右推动中高级别自动驾驶 . 4 表 2： 主流自动驾驶芯片的性能远不能满足完全自动驾驶 . 7 表 3： 不同增强系统的定位原理有较大差异 . 10 表 4： 影响 GNSS 高精度定位 /定向性能的因素 . 12 表 5： 龙头企业普遍从 2018 年左右开始车规级高精度定位布局 . 16 表 6： NovAtel 产品配备的惯导具备极好性能 . 18 表 7： 部分高精度 GNSS 板卡公开报价一览 . 21 表 8： Analog 的各级 IMU 一览 . 21 表 9： 部分主流厂商的 IMU 模块一览 . 22 表 10： 受益标的 . 24 2019-04-15 中小盘 研究 敬请参阅最后一页免责声明 -4- 证券研究报告 1、 高精度地图和定位是 L3 及以上自动驾驶的决策基础 1.1、 2020 年左右落地 L3 自动驾驶成为产业链共识 越来越多的产业链消息表明， 2020 年左右落地 L3 自动驾驶成为量产乘用车产业链的共识。当前的自动驾驶行业仍处于百花齐放的阶段，典型如行业龙头 Waymo、Cruise 和 Pony.ai 集中发力自动驾驶运营，图森未来主攻干线物流， Aurora、西井科技等在加速落地特定场景自动驾驶，百度 Apollo 则定位于技术平台。主流车企的战略较为一致，短期目标集中在量产乘用车的 L3 自动驾驶落地。 表 1： 主要车企均计划在 2020 年左右推动中高级别自动驾驶 企业 进展与计划 戴姆勒 计划于 2020 年实现大部分车型的自动驾驶 计划于 2021 年测试 L4、 L5 级自动驾驶汽车 奥迪 2017 年 7 月搭载 L3 级自动驾驶系统的 A8 量产上市 2017 年 9 月发布 L4 级概念车 Elaine 和 L5 级概念车 Audi Aicon 计划 2019 年量产 L4 级自动驾驶汽车 Elaine 宝马 计划于 2019 年发布可实现 L3 级别自动驾驶的宝马 7 系 计划于 2021 年将 L3 级自动驾驶方案应用于量产车型 iNext 计划于 2021 年发布 L5 级自动驾驶汽车 长安 2018 年 3 月成为中国首家实现 L2 级无人驾驶汽车量产的企业 计划于 2020 年实现 L3 级无人驾驶汽车的量产 计划于 2025 年实现 L4 级无人驾驶汽车的量产 广汽 计划在 2020 年以前实现 L3 级自动驾驶 计划在 2025 年以前实现 L4 级自动驾驶 计划在 2030 年以前实现 L5 级自动驾驶 上汽 计划于 2019 年实现高速公路路况下的自动驾驶 计划于 2020 年实现中心城区最复杂工况下的自动驾驶计划 长城 计划在 2019-2020 年实现 L2+级自动驾驶 计划在 2020-2021 年实现 L3 级自动驾驶 计划于 2023 年实现 L4 级自动驾驶 计划于 2025 年实现 L5 级自动驾驶 吉利 计划于 2018 年实现 L2 级自动驾驶 计划于 2020 年实现 L3 级自动驾驶 Waymo 2009 年起步， 2016 年组建 Waymo 2017 年与克莱斯勒合作的无人驾驶车 Pacifica 上市，预计于 2018 年投入运营。 特斯拉 采取摄像头 +毫米波雷达方案，目前车型具备 L2 级自动驾驶能力 ， 有 10 万辆车能够传回驾驶数据，积累了大量驾驶里程 计划于 2019 年推出覆盖各类驾驶场景的完全自动驾驶汽车 资料来源：各企业官网、赛迪智库、 2018 年全球智能网联汽车产业地图 、新时代证券研究所 如我们在深度报告自动驾驶主题系列之三：高速公路自动驾驶有望成为自动驾驶最先落地的“杀手”功能中所论述，在多家车厂 L3 量产定点的前期， L3 自动驾驶的功能范围、产业链各个环节的技术路线和性能指标已经初见端倪。然而，市场对各种技术路线和背后的产业链 机会仍有争论，如：多传感器融合的技术路线是否有替代方案？基于高精度地图的技术路径是否唯一？在 GNSS 信号增强方案陆续完善的背景下高精度定位传感器的价格能否大幅下降？ 2019-04-15 中小盘 研究 敬请参阅最后一页免责声明 -5- 证券研究报告 我们判断，高精度定位传感器在价值量和确定性两个维度仍然处于被低估的价值洼地。 从技术路线上，基于 GNSS+IMU 的高精度定位传感器会是自动驾驶传感器的长期必选项，满足自动驾驶要求的高精度定位传感器价格在中期内仍会保持在较高水平。 1.2、 自动驾驶 Vs.人类驾驶员：为什么高精度地图是自动驾驶系统的决策基础？ L3 自动驾驶的关键在于系统具备决策能力。目前通行的自动驾驶标准分为 SAE 标准和 NHTSA 标准，两个标准对于 L3 级别的定义是类似的，均要求自动驾驶系统具备驾驶决策能力，即开始由车辆来完成对周边环境境监控的任务并进行驾驶决策，人类驾驶员只需要在紧急情况下接管。 L3 是自动驾驶技术的分水岭， L3 之前的自动驾驶系统仍然为辅助功能， 从 L3 开始，自动驾驶开始接近我们对于自动驾驶的设想，而 L3 到 L4/5 阶段更多的是解决极端场景，提升系统性能的阶段，所谓的代际问题更多是工程问题。 传统的驾驶过程中，人类驾驶员主要思考三个问题：当 前位臵，目标位臵，路线规划。自动驾驶系统的决策也要依赖位臵信息和路线规划信息。在人类驾驶过程中，需要通过视觉和听觉来观测周围环境，利用车载导航系统来做定位和路线规划，驾驶过程中不断比对周边环境与地图信息是否吻合，把控方向盘刹车等设备来对车辆的速度转向等进行调整，最终安全到达目的地。上述过程对照了自动驾驶的核心环节：感知，定位，决策，控制。 图 1： 高精度地图 是自动驾驶的决策基础 资料来源： 浅谈高精度地图的应用 高德导航 谷小丰 ， 新时代证券研究所 主流的自动驾驶方案从现有技术能力出发，通过多传感器的融合尽量扩充感知范围，但仍假设系统无法充分理解外部环境，故将路面信息、驾驶规则、外部场景等信息融合在高精度地图中，以高精度地图为基础去规划驾驶路线，进行驾驶决策。 另一种技术路线则从“第一性原理”出发，理想的自动驾驶只需要通过视觉去认识外界环境和交通规则要求，通过记忆去规划路线；对于人类驾驶员而言，即使处于完全陌生的路面环境，也可以通过感知和经验去完成驾驶动作。这也是以特斯拉Autopilot 为代表的部分自动驾驶系统的设计理念，即以视觉传感器为主，依赖算法去解决剩下的问题。 2019-04-15 中小盘 研究 敬请参阅最后一页免责声明 -6- 证券研究报告 1.3、 高精度地图体系解决了感知和应用层面的两大难题 从目前的产业进展来看，基于高精度地图的技术路线 解决了感知和应用层面的两大难题， 是绝对的主流；高度依赖 机器学习算法 的方案面临原理上的挑战，短期更面临大量 的 感知困境和可靠性问题，是否能成为可行技术路线仍然成疑。 1.3.1、 基于卷积神经网络算法的机器视觉体系无法完美解决感知问题 自动驾驶的感知体系一般为基于卷积神经网络（ Convolutional Neural Networks, CNN）的机器学习体系。在我们过去的观点中，随着算力的提升和网络的深入，CNNs体系可以捕捉到更多的特征值，从而使其识别准确率达到或超过人类的水平。 图 2： 基于视觉的深度学习示例 资料来源： Deep Learning for Self-Driving Cars MIT Lex Fridman， 新时代证券研究所 我们认为，现有的机器学习体系从原理上无法满足自动驾驶对于感知的要求。据Aharon Azulay、 Yair Weiss 研究 发现， 在研究 小幅图像的 运动物体 时 ， CNN 体系的准确率并无显著提升，仅对图像改变几个像素，数据结果就出现了变化 。 Waymo提供的案例中 也展示了类似的缺陷，感知 系统会将行进中的北极熊标记为狒狒、猫鼬或黄鼠狼 ， 网络越深，结果就越不稳定。 2019-04-15 中小盘 研究 敬请参阅最后一页免责声明 -7- 证券研究报告 图 3： 卷积神经网络算法对于运动物体的小幅图像处理准确性较差 资料来源： Why do deep convolutional networks generalize so poorly to small image transformations？ Aharon Azulay、 Yair Weiss， 新时代证券研究所 1.3.2、 自动驾驶系统能感知和处理的信息量仍远远低于人类 以视觉为例： 业界评估，若需要达到全天候、全路况的完全无人驾驶，理想状态下需要达到 1000T 的信息量，才能与人脑算力相当。目前主流的几家芯片公司和车厂推出的计算平台和产品依然存在瓶颈，无法达到自动驾驶中深度学习的要求。以行业领先企业 Mobileye 第四代方案 EyeQ4 为例， EyeQ4 本身具备 2.5TOPS 的算力，可以处理 8 路 1080P*30FPS 的视频数据，对应约 2Gbps 的数据流量，地平线的征程 1.0 芯片具备 1TOPS 算力，英伟达 Xavier 具备 30TOPS 算力，同时也带来了 30W的高功耗。 表 2： 主流自动驾驶芯片的性能远不 能满足完全自动驾驶 公司 Mobileye 地平线科技 英伟达 产品 EyeQ5 EyeQ4 EyeQ3 征程 1.0 Xavier 推出时间 2020 2018 2014 2017 2018 等级 L4/L5 L3 L2 L2 L3/L4 算力 /TOPS 24 2.5 0.256 1 30 功耗 /W 10 3 2.5 1.5 30 2019-04-15 中小盘 研究 敬请参阅最后一页免责声明 -8- 证券研究报告 数据 来源： Mobileye 官网，地平线科技官网，英伟达官网， 新时代证券研究所 以激光雷达为例： 激光雷达易受到雾霾、雨雪天气影响，探测距离和分辨率不足。目前主流的激光雷达产品测距范围在 100至 200米，对于一般的 16线或 32线产品，200 米 量程末端的点云纵向间隔可达到 0.5 至 1 米，无法清晰完整地识别物体。 图 4： 激光雷达的量程末端点云稀疏信息量小 资料来源： 自动驾驶的感知定位与高精地图解决方案 DeepMotion 蔡锐， 新时代证券研究所 1.3.3、 高精度地图可以有效应对 车辆面临的极端场景 高精地图不受恶劣天气的影响，丰富细节，即使处于完全不可视环境，依靠地图和定位也能完成部分自动驾驶功能。对于传感器存在探测距离和分辨率的问题，地图扮演了离线的传感器的角色，不受遮挡、无距离与视觉限制，可将各种道路元素的位臵提前标注好，相当于拥有无限远的数据感知。如果出现传感器 不工作的 情况，高精地图也可以将 大量的交通 位臵信息提供给其他模块，可以帮助 系统 预先判断，补充感知漏洞，同时减少出现急刹急转等情况，提高驾驶的安全性和舒适性。 图 5： 极端天气对感知造成极大挑战 图 6： 复杂道路的决策以来高精度地图提前标注 资料来源： 买车网 ， 新时代证券研究所 资料来源： 如何突破 ADAS 的识别精度 Minieye 刘国清， 新时代证券研究所 2019-04-15 中小盘 研究 敬请参阅最后一页免责声明 -9- 证券研究报告 2、 以 GNSS+IMU 的紧耦合技术为基础，结合环境特征匹配的 综合方案将成为主流 我们认为， L3 级别自动驾驶的定位精度 误差 要 控制 在 30cm 以内。 一方面 ，高精度