计算机视觉为驾驶保驾护航目录目录2图表目录31. 计算机视觉技术：机器之眼服务智能生活51.1 计算机视觉简介51.2 数据、算力、算法并进驱动计算机视觉发展51.3 我国计算机视觉产业快速成长，应用领域亟待拓宽61.3.1 我国计算机视觉产业正步入快速成长期61.3.2 我国计算机视觉算法先进，但应用领域有待拓宽72. ADAS 视觉方案计算机视觉为驾驶保驾护航92.1 ADAS 为无人驾驶吹响前奏，我国百亿市场蓄势待发92.2 ADAS 视觉系统：利用计算机视觉让汽车感知世界122.2.2 ADAS 视觉系统基本原理132.2.2 视觉方案是适用领域最广且不可替代的ADAS 方案132.2.2 视觉系统相关产业前景可期153. ADAS 视觉产业细分领域解剖163.1 车载摄像头：市场相对成熟，行业潜力巨大163.1.1 车载摄像头种类163.3.2 多重因素激发车载摄像头市场潜力173.3.3 上游产业链市场较为成熟，行业龙头优势明显193.2 核心算法芯片：FPGA 方案符合要求，标杆产品仍未出现223.3 算法：Mobileye 领先地位难以撼动243.3.1 算法水平发展迅猛，实车测试愈发重要243.3.2 Mobileye：ADAS 视觉算法行业翘楚253.3.3 我国算法企业：巨人难以超越，把握后装市场机遇274. 投资建议294.1 短期关注车载摄像头放量，产业链需求释放294.2 长逻辑关注芯片和视觉算法赛道，车规与量产为王304.3 重点关注标的31图表目录图表 1.计算机视觉解决问题5图表 2.工业视觉与计算机视觉区别5图表 3.全球数据储量6图表 4.全球计算机视觉软件、硬件和服务收入6图表 5.我国计算机视觉公司成立数量6图表 6.我国计算机视觉企业融资阶段6图表 7.截至 2018 年 5 月计算机视觉企业融资额7图表 8.人工智能细分领域融资额分布7图表 9.我国计算机视觉产业正步入快速成长期7图表 10.计算机视觉应用领域8图表 11.SAE 自动驾驶分级9图表 12.部分车企自动驾驶发展规划10图表 13.自动驾驶汽车保有量10图表 14.ADAS 分类11图表 15.ADAS 主要搭载在高端车型上11图表 16.全球及中国 ADAS 各项功能市场渗透率11图表 17.近两年我国 ADAS 渗透率明显提升12图表 18.全球ADAS 市场规模预测12图表 19.ADAS 视觉系统基本原理13图表 20.不同传感器优缺点对比13图表 21.市面自动驾驶车型ADAS 传感器数量14图表 22.不同传感器的对不同 ADAS 功能的适用情况14图表 23.ADAS 视觉系统可实现功能14图表 24.2016 年车载传感器市场规模15图表 25.预计 2022 年车载传感器市场规模15图表 26.车载摄像头布局16图表 27.车载摄像头类型16图表 28.双目方案技术原理17图表 29.单目方案和双目方案比较17图表 30.汽车行驶盲区18图表 31.车载摄像头单价19图表 32.车载摄像头产业链19图表 33.全球摄像头镜头厂商及市场份额20图表 34.舜宇光学车载镜头出货量20图表 35.CCD 和 CMOS 区别20图表 36.全球CMOS 市场占有率21图表 37.全球车载CMOS 市场占有率21图表 38.图像处理器 ISP 工作原理22图表 39.全球车载摄像头模组主要封装商及市场份额22图表 40.ASIL 等级评估对照表23图表 41.我国ADAS 视觉算法芯片产品（从左到右：地平线、森国科、寒武纪）23图表 42.视觉识别流程24图表 43.ImageNet 比赛图像识别正确率24图表 44.KITTI 评测平台车辆追踪准确率24图表 45.Mobileye 发展历史25图表 46.Mobileye 研发费用（退市前）26图表 47.Mobileye EyeQ 各代产品26图表 48.Mobileye 营业收入（退市前）27图表 49.EyeQ 出货量27图表 50.我国部分算法公司情况28图表 51.CMOS 图像传感器市场规模（分应用领域）29图表 52.中国国内乘用车市场摄像头装车量29图表 53.全球车载摄像头市场规模29图表 54.车规级基本要求301. 计算机视觉技术：机器之眼服务智能生活1.1 计算机视觉简介计算机视觉（Computer Vision，简称 CV）是指通过计算机及其相关设备模拟人的视觉系统，通过对采集的图片或视频进行处理以获得相应场景的三维信息，以适应、理解外界的环境和控制自身的运动。计算机视觉目的是让机器代替人眼，解决物体识别、物体形状和方位确认以及物体运动判断三大问题。图表1. 计算机视觉解决问题计算机视觉物体识别将不同物体归类、区分和鉴别同类型物体物体形状和方位确认重建视觉三维空间以进行场景分析和判断物体运动判断对场景重建和理解，用于对场景的分析，实现视觉主体和场景的交互资料来源：公开资料整理、广证恒生与目前在半导体、汽车、包装等行业的制造、检测上使用较为广泛的工业视觉相比，计算机视觉更侧重于在智能生活领域的应用。而计算机视觉更多注重（2D, 3D）图像信号本身的研究以及和图像相关的交叉学科研究（医学图像分析，地图导航），通常是“眼睛对着人”。由于应用场景相对复杂，识别物体类型多，缺乏规律性，计算机视觉通常对相机或摄像头要求不高，而对算法往往有更高要求。图表2. 工业视觉与计算机视觉区别机器视觉工业视觉计算机视觉应用领域智能制造智能生活功能目标解决需要人眼进行工件定位、测量、检测等重复性劳动赋予智能机器人视觉，实现对于外界位臵信息、图像信息的识别和判断硬件需求要求较高，需要对工业相机的帧频、分辨率等指标依据需求筛选除特殊情况，大部分对于相机或摄像头的要求并不高算法需求往往侧重于精确度的提高更加复杂，侧重于采用数学逻辑或深度学习进行物体的标定与识别产业成熟度较高，在半导体、包装等行业的测量、检测已有较为广泛的应用总体上初创阶段，初创企业层出不穷资料来源：公开资料整理、广证恒生1.2 数据、算力、算法并进驱动计算机视觉发展计算机视觉产业由技术驱动，而技术的核心在于数据、算力和算法三个方面。21 世纪，随着互联网浪潮兴起，数据储量急剧增加，而深度学习算法的出现恰好能够将数据集归纳出逻辑，实现精准的物体识别和场景识别。而 1999 年，GPU 的出现突破了传统CPU 的算力瓶颈，数据运算速度和处理规模爆发性增长，从而为大数据的分析提供硬件上的支撑。在数据、算力、算法并行驱动下，世界计算机视觉产业得以迅速发展。据美国市场调研机构 Tractica 的最新预测，2025 年全球计算机视觉软件、硬件和服务收入将从 2016 年的 11 亿美元增长到 262 亿美元。单位：ZB单位：百万美元图表3.60全球数据储量图表4.全球计算机视觉软件、硬件和服务收入300002500020000150001000026,20050403021.620500001,100101.80SoftwareServiceHardware资料来源：IDC、广证恒生资料来源：Tractica、广证恒生1.3 我国计算机视觉产业快速成长，应用领域亟待拓宽1.3.1 我国计算机视觉产业正步入快速成长期2011 年是我国计算机视觉发展元年，企业成立数量达 13 家，此后从事计算机视觉领域的企业显著增加，目前初创企业较多，而从融资阶段来看，处于天使轮融资和A 轮融资的企业较多。图表5.我国计算机视觉公司成立数量图表6.我国计算机视觉企业融资阶段2045%40%1535%30%1025%20%515%10%5%2005及以前2006200720082009201020112012201320142015201600%资料来源：36 氪、广证恒生（截至 2016-08）资料来源：36 氪、广证恒生在人工智能领域细分领域，计算机视觉颇受资本青睐，行业 1/4 的融资额流入计算机视觉与图像领域。而在今年市场流动性较为紧张的情况下，在 AI 创投领域计算机视觉概念热度不减。2018 年 4 月，商汤宣布获 6 亿美元 C 轮融资，5 月底，又宣布再获 6.2 亿美元 C+轮融资，估值超过 45 亿美元。6 月中旬，依图宣布完成 2 亿美元 C+轮融资。明星企业得到巨额融资，行业开始呈现马太效应。图表7.截至 2018 年 5 月计算机视觉企业融资额9084.63807060504033.23020107.55.55.53.32.942.62.521.31110.80.30.30.2资料来源：前瞻产业研究院、广证恒生单位：亿元图表8.人工智能细分领域融资额分布图表9.我国计算机视觉产业正步入快速成长期5% 4%2%计算机视觉与图像5%自然语言处理24%自动驾驶/辅助驾驶9%机器学习应用智能机器人15%19%智能无人机语音识别17%技术平台处理器/芯片市场认可我国计算机视觉产正刚步入快速成长期时间初创期成长期成熟期衰退期资料来源：中国产业研究网、广证恒生资料来源：广证恒生1.3.2 我国计算机视觉算法先进，但应用领域有待拓宽经过企业与高校的不懈努力，国内计算机视觉相关算法已达到国际顶尖水平。在 2017 年计算机视觉领域权威评测 ImageNet 大规模图像识别挑战赛（Large Scale Visual Recognition Challenge）上，奇虎和南京信息工程大学团队分别在物体定位和物体检测项目上取得了最佳成绩。国内自动驾驶公司 Momenta 研发团队（WMW）的孙刚和胡杰与来自牛津大学的申丽合作，提出 SE 架构，以 2.3%的识别错误率荣获物体识别冠军