20160702-广发证券-智能装备专题系列报告：从特斯拉自动驾驶事故看多传感器融合_11页_1mb

文档总结

核心内容

本报告分析了自动驾驶领域中“辅助驾驶”与“无人驾驶”两条技术路线的差异与挑战，重点探讨了特斯拉自动驾驶事故对技术路径选择的启示。同时，报告还对多传感器融合技术在提升无人驾驶安全性方面的作用进行了深入分析，并提出了相关投资建议与风险提示。

主要观点

1. 特斯拉自动驾驶事故引发思考

   • 事故中，特斯拉Model S在Autopilot模式下未能识别白色拖车侧面，导致撞车事故。
   • 事故凸显了“辅助驾驶”路线的两个主要问题：责任界定不清和可靠性不足。
   • 在“辅助驾驶”中，驾驶者仍需保持警惕，而“无人驾驶”系统则被视为完全责任主体。

2. 两条技术路线的差异

   • 路线1（直接无人驾驶）：由IT企业主导，如谷歌、百度，依赖高精度地图与激光雷达等传感器，通过人工智能算法实现完全自主驾驶。
   • 路线2（ADAS升级）：由传统车企主导，如福特、通用、特斯拉，依靠摄像头、毫米波雷达等实现辅助驾驶功能，逐步向无人驾驶过渡。

3. 技术路径的挑战

   • 路线1面临极端天气下的系统稳定性和高精度地图的依赖性问题。
   • 路线2面临完全无人驾驶的可靠性问题，难以实现100%的识别与测距成功率。

4. 多传感器融合的重要性

   • 无人驾驶系统通常结合激光雷达、摄像头、毫米波雷达、超声波传感器和GPS等多种传感器，以提高环境感知的全面性和准确性。
   • 激光雷达在测量与人的距离方面具有不可替代的优势，但受天气影响较大。
   • 摄像头能识别物体，但依赖样本训练，且对行人识别不稳定。
   • 毫米波雷达适用于测距，但无法探测行人。
   • 超声波传感器适用于短距离探测，常用于辅助驾驶系统。
   • GPS提供全局定位，但无法直接感知周围障碍物。

5. 投资建议

   • 未来自动驾驶技术将呈现“多传感器融合”趋势，激光雷达、摄像头、毫米波雷达等将形成互补。
   • 建议关注在激光雷达领域具备技术优势的企业，如巨星科技。

关键信息

• 责任问题：辅助驾驶要求驾驶员始终警惕，而无人驾驶系统承担全部责任。
• 可靠性问题：辅助驾驶依赖概率算法，无法覆盖所有场景；无人驾驶系统基于点云数据，更稳定。
• 技术路径：路线1依赖高精度地图和激光雷达，路线2依赖ADAS功能升级。
• 传感器对比：

  传感器类型	最远距离	探测人体	探测物体	物体识别	优势	劣势	结论	特征举例
  激光雷达	200米	√	√	-	精度高，能测量大部分物体	受恶劣天气影响	多用于需要高精度测量的智能装备	谷歌、百度、德尔福、福特的无人驾驶汽车
  摄像头	50米	√（不稳定）	√（依赖样本）	√（依赖样本）	唯一能识别物体的传感器	依赖光线、样本、行人识别不稳定	依赖样本训练，无法保障100%稳定性	Mobileye在中国识别超载车辆成功率不足80%
  毫米波雷达	200米	-	√	-	性价比高	无法探测行人	适用于车距保持和倒车	特斯拉在闹市区锁定自动驾驶功能
  超声波传感器	10米	√	√	-	不受外界影响	测量距离有限	适用于短距离避障	大疆无人机、辅助驾驶系统
  GPS	-	-	-	-	全局定位	无法感知障碍物	通常与其它传感器搭配使用	所有辅助驾驶系统、无人驾驶汽车

风险提示

• 自动驾驶技术的路径演化和产业化速度存在不确定性。
• 激光雷达等核心技术的研发进度可能影响行业发展。

投资评级说明

• 买入：预期未来12个月内股价表现强于大盘10%以上。
• 持有：预期未来12个月内股价变动幅度介于-10%～+10%。
• 卖出：预期未来12个月内股价表现弱于大盘10%以上。
• 公司投资评级：
  • 买入：预期股价表现强于大盘15%以上。
  • 谨慎增持：预期股价表现强于大盘5%～15%。
  • 持有：预期股价变动幅度介于-5%～+5%。
  • 卖出：预期股价表现弱于大盘5%以上。

联系方式

• 分析师：
  • 罗立波：S0260513050002，清华大学理学学士和博士，6年证券从业经历。
  • 刘芷君：S0260514030001，英国华威商学院管理学硕士，核物理学学士。
• 联系方式：
  • 罗立波：luolibo@gf.com.cn
  • 刘芷君：liuzhijun@gf.com.cn
  • 电话：021-60750636 / 021-60750802

免责声明

• 本报告仅发送给广发证券重点客户，不对外公开发布。
• 报告内容仅供参考，不构成投资建议。
• 广发证券不对因使用本报告内容而产生的损失承担责任，除非法律法规另有规定。

相关研究