当前位置: 首页 > news >正文

传统巨头生“变”,中国毫米波雷达市场战火再升级

进入2023年,中国车载毫米波雷达市场战火明显升级。

一方面,愈演愈烈的份额抢夺战不仅仅存在于几大传统巨头之间,也快速转移到与国产供应商之间;随着部分外资巨头的本土化战略深入落地,同时对国产供应商造成了压力。

另一方面,智能驾驶进入高阶周期同步引发了传统毫米波雷达产品升级与市场分层。针对不同场景、不同功能对毫米波雷达的需求呈现多元化趋势,与此同时,4D成像雷达正式进入量产周期并将逐步替换传统3D毫米波雷达;4D点云增强角雷达也崭露头角快速量产落地。

高工智能汽车研究院预测数据显示,今年中国市场乘用车前装标配搭载毫米波雷达(含前向、盲区)交付将超过1800万颗,同比增长将超过30%;未来几年,前向与角雷达细分市场仍将保持快速增速。

以上都意味着,竞争态势日益复杂,并且来自技术、产品、成本、合作方案等的全方位竞争将变得更加激烈。无论是传统毫米波雷达赛道市场份额的争夺,还是产品升级周期的抢跑,都在考验每家供应商的速度。尤其是对于传统巨头供应商来说,更是如此。

巨头本土化

本土化,是外资毫米波雷达巨头们当前迫切需要解决的问题。

这不仅是因为面向高速增长的市场,外资巨头们需要解决供货紧缺问题,例如此前博世就爆出对国内多个汽车品牌出现毫米波雷达断供;另一方面,来自中国供应商的本土化优势、开放性以及定制化服务、低成本优势等等的综合竞争,也迫使外资巨头们快速思“变”。

对外资巨头来说,本土化效益不仅仅意味着更高性价比、更短的供货周期,更在于本土化的研发、技术支持,打造出贴近中国市场需求的产品、更为开放灵活的合作方案,以更好的配合车企在全新电子电气架构下的高阶智能驾驶系统开发需求。

2022年6月底,海拉77GHz 雷达产品在海拉全球最大的电子工厂—上海海拉电子工厂正式投产。据悉该雷达产品已经在四家车企项目中实现了量产。

可以说,海拉77GHz雷达在中国投产具有重大意义,这意味着,这家传统毫米波雷达巨头已经面向中国市场做好了全方位的本土化部署。

海拉中国区电子事业部雷达产品中心负责人夏敬初介绍,海拉已经在中国实现了本土化供应链与强大的本土化生产能力,目前上海海拉电子工厂具备五百万只毫米波雷达的年产能,并同步启动了高度自动化雷达产线,预计未来几年产能将快速扩展到千万只级别。

除了以上,海拉还专为针对中国市场进行了产品开发与创新,可为中国客户提供定制化解决方案。

资料显示,在中国投产的77 GHz雷达产品基于RF-CMOS技术和工艺的雷达系统芯片,水平和垂直方向的专业阵列式天线设计和布局,以及MIMO技术的使用,使得水平和垂直方向具备更广的FOV视角和更准确的探测精度。不仅可以识别行驶的货车、汽车、两轮车和行人,而且可以在近距离模式下高精度识别静态障碍物的位置和高度信息,例如路牙、路桩等小目标物体。

在算法方面,海拉针对中国复杂的路况进行了多年的本地化应用开发,并在交通密集和两轮车等复杂路况的场景下进行了大量的雷达性能验证。

例如对诸如人车混杂的混合道路、产生电磁干扰和反射较多的高架桥下道路等典型工况进行了优化和适配,实现了对重要的目标物体稳定追踪与识别等等,以匹配当前中国市场快速发展的高阶智能驾驶系统感知方案需求。

 为了更快更好配合本土客户的需求,海拉在本土化的研发能力已经覆盖了雷达系统应用,底层和应用层软件开发,测试验证,整车集成和电磁仿真,整车性能标定等等与客户密不可分的关键环节。。

“上述系列针对中国市场的本土化策略,海拉可以在量产供货、开发周期等各方面更好的服务本土客户,我们还能够配合客户需求进行产品开发,助力客户提前布局全新一代技术与产品。” 夏敬初表示。

作为全球智能驾驶领域的核心零部件供应商,海拉已经在雷达领域拥有丰富的专业知识和近20年的量产经验,为全球300多个车型生产超过5000万个雷达产品。

中国市场一直是海拉最重要的战略市场之一。伴随着其本土化战略的深入落地,海拉在中国市场的实力还会进一步凸显出来。

传统巨头的新”实力

在去年,搭载采埃孚的Premium 4D成像雷达+4个来自海拉的增强版中距离点云角雷达,上汽旗下子品牌飞凡R7率先在国内掀起「4D环绕成像点云毫米波雷达」感知组合潮流。

基于点云+成像雷达形成完整的360°环绕雷达解决方案,可实现冗余性和数据多样性,同时可实现基于多传感器的前融合和点云融合,从而降低漏检率、误报率等,解决长尾问题时提供更为丰富且可靠的环境感知信息。以L2+为例,4-6个点云雷达实现360度环绕感知,从而替代传统角雷达无法满足AVP的需求

高工智能汽车预计,4D点云增强角雷达将受益NOA、变道辅助、AVP等高阶应用,进入替代升级周期,预计未来几年呈现高速增长态势。

以上都意味着,包括前向雷达角雷达在内的毫米波雷达细分赛道均迎来了新一轮技术革命。而从行业发展的角度来看,基于下一代集中式电子电气架构,主机厂也迫切需求系统供应商、传感器供应商实现底层开放,并从数据层面、底层架构层面深度合作与融合。

这对传感器供应商的软硬件技术能力、合作开发模式等等都提出了新的挑战。这一次,海拉走在了行业前列。

海拉已经实现量产上车的77GHz雷达传感器不仅具备更高的探测性能与目标识别的能力,还可以输出高质量的原始点级、轮廓目标级数据给中央控制器进行融合处理,为整车厂自动驾驶算法的开发和融合提供强大的数据支撑。

 另外据夏敬初介绍,海拉率先践行了模块化、平台化理念,既可以将部分通用功能实现了模块化,以满足智能驾驶系统基本功需求,还可基于同一平台实现不同版本软硬件模块化配置和探测模式的设计,从而快速开发不同性能层级的产品。

例如,其已经基于同一平台拓展5G1、5G3和5G5多个系列的产品,涵盖自动驾驶不同等级系统功能对角雷达的不同需求。

基于以上,海拉还可通过不同配置的硬件进行组合,或者通过软件的配置快速切换,来精准匹配客户基于针对不同自动驾驶级别和应用场景需求,来适配毫米波雷达传感器,从而避免“大马拉小车”的不必要配置。

对海拉来说,基于单一平台能够适配全系列产品实现对车型的360°环绕感知,适用于从L1到L3/L4不同级别的智能驾驶系统,可快速匹配不同细分市场,不同客户的多样化需求。这代表着更低的研发成本,更快的迭代周期,在当前市场升级换代的关键窗口期,将能更快的抢占先机与更好的市场份额。

更重要的还在于,基于这类模块化的平台,海拉将有能力配合系统供应商、主机厂在场景匹配、功能开发、感知系统融合与系统集成等方面深度合作,包括提供原始数据,构建底层架构,匹配域控制器的数据处理等等,快速助力主机厂的功能开发、算法开发与实现软硬件解耦。

综上来看,面向高速发展的中国市场,海拉已经快速做出反应,基于本土化、新一代技术、产品迭代、多元化方案与开放性合作模式等等做出了全方位布局,在接下来的毫米波雷达市场变革中,尽显传统巨头的“新”实力。

相关文章:

传统巨头生“变”,中国毫米波雷达市场战火再升级

进入2023年,中国车载毫米波雷达市场战火明显升级。 一方面,愈演愈烈的份额抢夺战不仅仅存在于几大传统巨头之间,也快速转移到与国产供应商之间;随着部分外资巨头的本土化战略深入落地,同时对国产供应商造成了压力。 …...

26岁曾月薪15K,现已失业3个月,我依然没有拿到offer......

我做测试5年,一线城市薪水拿到15K,中间还修了一个专升本,这个年限不说资深肯定也是配得上经验丰富的。今年行情不好人尽皆知,但我还是对我的薪水不是很满意,于是打算出去面试,希望可以搏一个高薪。 但真到面…...

华为OD机试 - 打印文件 | 机试题算法思路 【2023】

最近更新的博客 华为OD机试 - 简易压缩算法(Python) | 机试题算法思路 【2023】 华为OD机试题 - 获取最大软件版本号(JavaScript) 华为OD机试 - 猜字谜(Python) | 机试题+算法思路 【2023】 华为OD机试 - 删除指定目录(Python) | 机试题算法思路 【2023】 华为OD机试 …...

【前端】浏览器的渲染流程(完整)

本文主要包含以下内容:浏览器渲染整体流程解析 HTML样式计算布局分层生成绘制指令分块光栅化绘制常见面试题浏览器渲染整体流程浏览器,作为用户浏览网页最基本的一个入口,我们似乎认为在地址栏输入 URL 后网页自动就出来了。殊不知在用户输入…...

华为OD机试 - 有效子字符串 | 机试题算法思路 【2023】

最近更新的博客 华为OD机试 - 简易压缩算法(Python) | 机试题算法思路 【2023】 华为OD机试题 - 获取最大软件版本号(JavaScript) 华为OD机试 - 猜字谜(Python) | 机试题+算法思路 【2023】 华为OD机试 - 删除指定目录(Python) | 机试题算法思路 【2023】 华为OD机试 …...

抽象类和接口

抽象类和接口 抽象类和接口的定义 抽象类主要用来抽取子类的通用特性,作为子类的模板,它不能被实例化,只能被用作为子类的超类。 接口是抽象方法的集合,声明了一系列的方法操作,如果一个类实现了某个接口,…...

STM32DSP库汇总

前言 本文仅对stm32的DSP库进行汇总,具体函数使用方式持续更新…… 分类函数名描述 BasicMathFunctions 基础数学函数 abs绝对值add加法dot_prod向量点积mult乘法negate相反数offset 偏置 scale比例缩放shift移位sub减法 ComplexMathFunctions 复数数学函数 conj…...

C++类和对象----思想基础应用

类与对象的思想&基础应用一、类声明1.1、封装类的意义1.1.1、在设计类的时候,属性和行为写在一起,表现事物1.1.2、成员权限1.2、struct和class区别1.3、成员属性设置为私有二、对象的初始化和清理2.1、构造函数&析构函数2.2、构造函数分类方法一…...

​力扣解法汇总1792. 最大平均通过率

目录链接: 力扣编程题-解法汇总_分享记录-CSDN博客 GitHub同步刷题项目: https://github.com/September26/java-algorithms 原题链接:力扣 描述: 一所学校里有一些班级,每个班级里有一些学生,现在每个班…...

动手学深度学习(第二版)学习笔记 第二章

官网:http://zh.d2l.ai/ 视频可以去b站找 记录的是个人觉得不太熟的知识 第二章 预备知识 代码地址:d2l-zh/pytorch/chapter_preliminaries 2.1 数据操作 2.1. 数据操作 — 动手学深度学习 2.0.0 documentation 如果只想知道张量中元素的总数&#…...

CMake构建静态库与动态库以及使用

CMake构建静态库与动态库一、任务二、准备工作三、编译共享库四、ADD_LIBRARY指令五、编译静态库5.1、SET_TARGET_PROPERTIES指令5.2、GET_TARGET_PROPERTY指令六、动态库版本号七、安装共享库和头文件八、使用外部共享库和头文件8.1、准备工作8.2、引入头文件搜索路径8.3、为 …...

Linux 系统目录结构

登录系统后,在当前命令窗口下输入命令: ls / 你会看到如下图所示: 树状目录结构: 以下是对这些目录的解释: /bin: bin 是 Binaries (二进制文件) 的缩写, 这个目录存放着最经常使用的命令。 /boot: 这里…...

stable diffusion webui安装与使用(官方超简单教程)

预备依赖 下载miniconda 教程参考:https://blog.csdn.net/weixin_43828245/article/details/124768518安装git 参考教程:https://blog.csdn.net/weixin_46474921/article/details/127091723 下载sd-webui 官网 https://github.com/AUTOMATIC1111/stab…...

机器学习:学习k-近邻(KNN)模型建立、使用和评价

机器学习:学习k-近邻(KNN)模型建立、使用和评价 文章目录机器学习:学习k-近邻(KNN)模型建立、使用和评价一、实验目的二、实验原理三、实验环境四、实验内容五、实验步骤1.数据读取2.数据理解3.数据准备4.算…...

Hive Sampling 抽样函数:Random随机抽样、Block 基于数据块抽样、Bucket table 基于分桶表抽样

Hive Sampling 抽样函数 文章目录Hive Sampling 抽样函数Random随机抽样Block 基于数据块抽样Bucket table 基于分桶表抽样语法在HQL中,可以通过三种方式采样数据:随机采样,存储桶表采样和块采样。Random随机抽样 随机抽样使用rand()函数确保…...

2023年中职网络安全竞赛跨站脚本渗透解析-1(超详细)

跨站脚本渗透 任务环境说明:需求环境可私信博主! 服务器场景:Server2125(关闭链接)服务器场景操作系统:未知访问服务器网站目录1,根据页面信息完成条件,将获取到弹框信息作为flag提交;访问服务器网站目录2,根据页面信息完成条件,将获取到弹框信息作为flag提交;访问服…...

虚拟 DOM 详解

什么是虚拟 dom? 虚拟 dom 本质上就是一个普通的 JS 对象,用于描述视图的界面结构 在vue中,每个组件都有一个render函数,每个render函数都会返回一个虚拟 dom 树,这也就意味着每个组件都对应一棵虚拟 DOM 树 查看虚拟…...

Delphi Http Https 最好的解决方法(一)

当前文章主要解决Delphi调用http、https的常见报错。 开发工具: Delphi XE 10.1 Berlin版本 可能所需的控件包: QDAC 请自行下载。 1. 接口描述 dll_init 接口初始化,程序启动时调用,主要是对工具类实例的创建 dll_post 发送post请求&am…...

Allegro无法打开10度走线命令的原因和解决办法

Allegro无法打开10度走线命令的原因和解决办法 做PCB设计的时候,10度走线也是较为常见的设计方式,Allegro支持10度走线,如下图 需要10度走线的时候,Options只需要勾选Route offset命令即可 但有时options处会看不到10度走线的命令,如下图...

Frequency Domain Model Augmentation for Adversarial Attack

原文:[2207.05382] Frequency Domain Model Augmentation for Adversarial Attack (arxiv.org)代码:https://github.com/yuyang-long/SSA.黑盒攻击替代模型与受攻击模型之间的差距通常较大,表现为攻击性能脆弱。基于同时攻击不同模型可以提高…...

Linux 文件类型,目录与路径,文件与目录管理

文件类型 后面的字符表示文件类型标志 普通文件:-(纯文本文件,二进制文件,数据格式文件) 如文本文件、图片、程序文件等。 目录文件:d(directory) 用来存放其他文件或子目录。 设备…...

转转集团旗下首家二手多品类循环仓店“超级转转”开业

6月9日,国内领先的循环经济企业转转集团旗下首家二手多品类循环仓店“超级转转”正式开业。 转转集团创始人兼CEO黄炜、转转循环时尚发起人朱珠、转转集团COO兼红布林CEO胡伟琨、王府井集团副总裁祝捷等出席了开业剪彩仪式。 据「TMT星球」了解,“超级…...

Maven 概述、安装、配置、仓库、私服详解

目录 1、Maven 概述 1.1 Maven 的定义 1.2 Maven 解决的问题 1.3 Maven 的核心特性与优势 2、Maven 安装 2.1 下载 Maven 2.2 安装配置 Maven 2.3 测试安装 2.4 修改 Maven 本地仓库的默认路径 3、Maven 配置 3.1 配置本地仓库 3.2 配置 JDK 3.3 IDEA 配置本地 Ma…...

【从零学习JVM|第三篇】类的生命周期(高频面试题)

前言: 在Java编程中,类的生命周期是指类从被加载到内存中开始,到被卸载出内存为止的整个过程。了解类的生命周期对于理解Java程序的运行机制以及性能优化非常重要。本文会深入探寻类的生命周期,让读者对此有深刻印象。 目录 ​…...

StarRocks 全面向量化执行引擎深度解析

StarRocks 全面向量化执行引擎深度解析 StarRocks 的向量化执行引擎是其高性能的核心设计,相比传统行式处理引擎(如MySQL),性能可提升 5-10倍。以下是分层拆解: 1. 向量化 vs 传统行式处理 维度行式处理向量化处理数…...

基于小程序老人监护管理系统源码数据库文档

摘 要 近年来,随着我国人口老龄化问题日益严重,独居和居住养老机构的的老年人数量越来越多。而随着老年人数量的逐步增长,随之而来的是日益突出的老年人问题,尤其是老年人的健康问题,尤其是老年人产生健康问题后&…...

MeanFlow:何凯明新作,单步去噪图像生成新SOTA

1.简介 这篇文章介绍了一种名为MeanFlow的新型生成模型框架,旨在通过单步生成过程高效地将先验分布转换为数据分布。文章的核心创新在于引入了平均速度的概念,这一概念的引入使得模型能够通过单次函数评估完成从先验分布到数据分布的转换,显…...

初级程序员入门指南

初级程序员入门指南 在数字化浪潮中,编程已然成为极具价值的技能。对于渴望踏入程序员行列的新手而言,明晰入门路径与必备知识是开启征程的关键。本文将为初级程序员提供全面的入门指引。 一、明确学习方向 (一)编程语言抉择 编…...

Continue 开源 AI 编程助手框架深度分析

Continue 开源 AI 编程助手框架深度分析 一、项目简介 Continue 是一个模块化、可配置、跨平台的开源 AI 编程助手框架,目标是让开发者能在本地或云端环境中,快速集成和使用自定义的 LLM 编程辅助工具。它通过支持 VS Code 与 JetBrains 等主流 IDE 插件…...

使用高斯朴素贝叶斯算法对鸢尾花数据集进行分类

高斯朴素贝叶斯算法通常用于特征变量是连续变量,符合高素分布的情况。 使用高斯朴素贝叶斯算法对鸢尾花数据集进行分类 """ 使用高斯贝叶斯堆鸢尾花进行分类 """ #导入需要的库 from sklearn.datasets import load_iris from skle…...