据国际数据公司（IDC）发布的《IDC全球智能网联汽车预测报告》显示，未来5年全球智能汽车的年出货量复合增长率将达到16.8%；到2024年，全球智能汽车年出货量将达到约7620万辆，而作为全球最大的消费市场，中国的智能汽车产业如今也以极快的速度扩展，随着智能网联技术的快速发展，智能汽车领域正成为新一轮科技革命和产业革命的战略高地。

根据前瞻研究院预测，到2026年我国智能网联汽车产业规模有望达到5859亿元。

巨大的市场规模和政策的大力支持，除了对整车制造企业具有强大的推动作用外，还将带动汽车产业链上的各个细分行业快速发展。

车载摄像头ADAS的核心传感器，可以弥补雷达在物体识别上的缺陷，也是最接近人类视觉的传感器，其在汽车领域应用广泛，从早期用于行车记录、倒车影像、泊车环视逐步延伸到智能座舱内行为识别和ADAS辅助驾驶。

几年前大部分高端汽车往往也只搭载单颗摄像头，用来实现倒车影像，而随着自动驾驶的逐步实现，车载摄像头数量急剧增加。

一般来说，ADAS系统功能完整实现需要单车搭载至少6个摄像头，随着自动驾驶化程度提升，将促使车载摄像头数量增长。

2016年特斯拉推出Autopilot Hardware 2.0，在该套方案中配置了多达8个摄像头传感器，包括3个前视、3个后视及2个侧视。成为了其汽车智能化方案中的重要硬件支撑，并对行业形成了一定的示范效应。

蔚来ET7一共搭载了11个车载摄像头，像素达800万，包括4个前置（1个单目和1个三目模块），4个环视摄像头和3个其他摄像头，为驾驶者提供了全景影像，以全方位保证车辆行驶安全。

美国高速公路损失数据研究所（HLDI）预测，到2030年接近50%的汽车将配备ADAS技术。据Yole，2025年ADAS摄像头市场规模达81亿美元，是ADAS传感器及计算技术中占比第二大（36.2%）的领域。

车载摄像头按照安装位置分为前视、环视、后视、侧视和内视摄像头等。

目前汽车搭载的摄像头以环视、后视为主，前视数量呈上升趋势，单目摄像头为主流方案。

车载摄像头与消费电子结构类似，将镜头组、CMOS芯片封装为模组，并和DSP集成。其中成本占比较高的是光学镜片、CMOS芯片和DSP。

产业链价值：CMOS>镜头>模组。根据安森美的数据，由于CMOS是决定成像品质的关键元器件，在车载摄像头成本占比最高（50%），模组封装（25%）、光学镜头（25%）。

预计到2025年全球车载摄像头行业市场将成长到270亿美元；国内车载摄像头行业市场规模预计到2025年增长到230亿元。

车载摄像头的工艺需求

目前车上搭载的车载摄像头根据安装位置主要分为车载摄像头主要分为前视摄像头、环视摄像头、后视摄像头、侧视摄像头以及内置摄像头五种类别。

前视摄像头：主要安装在前挡风玻璃上，用于实现行车的视觉感知及识别功能，根据功能又可以分为前视主摄像头、前视窄角摄像头和前视广角摄像头。

前视主摄像头：该摄像头在 L2 的 ADAS 系统中作为主摄像头使用。其视场角的一般为 30°、50°、60°、100°、120°，检测距离一般为 150 - 170 m，摄像头输出的格式为 RCCB 或 RCCC。

前视广角摄像头：该摄像头的作用主要是识别距离较近的物体，主要用于城市道路工况、低速行驶等场景，其视场角在 120° - 150°，检测距离在 50 m 左右。在后续 8MP 镜头大规模装车后，无需该摄像头。

前视窄角摄像头：该摄像头的主要作用是进行红绿灯、行人等目标的识别，一般选用窄角镜头，可选择 30 - 40° 左右的镜头。并且该镜头的像素一般和前视主摄像头的镜头像素一致，该摄像头采用窄角度，具有更高的像素密度和更远的检测距离，一般可达 250 m 甚至可探测更远的距离。

在上了 8MP 摄像头后，前视主摄像头的 FOV 可达 120°，该摄像头可能就不需要了。检测距离在 60 m 左右。

环视摄像头：主要安装在车身四周，一般使用 4 - 8 个摄像头，可分为前向鱼眼摄像头/左侧鱼眼摄像头/右侧鱼眼摄像头/后向鱼眼摄像头。用于全景环视功能的显示，以及融合泊车功能的视觉感知及目标检测；常用色彩矩阵为 RGGB，因为有色彩还原的需求。

后视摄像头：一般安装在后备箱上，主要是实现泊车辅助。视场角在 120 - 140° 之间，探测距离大概 50 m。

侧前视摄像头：安装在 B 柱或者车辆后视镜处，该摄像头的视场角一般为 90° - 100°，探测距离大概在 80 m 左右，这个摄像头的主要作用是检测侧向车辆及自行车。

侧后视摄像头：一般安装在车辆前翼子板处，该摄像头的视场角一般为 90° 左右，探测距离也在 80 m 左右，主要用于车辆变道、汇入其它道路等场景应用。

内置摄像头：主要用于监测司机状态，实现疲劳提醒等功能。

其中，前视摄像头价格相对较高，目前市场价格处在 300 - 500 元水平；其余摄像头价格在 150 - 200 元左右。

主流厂商车载摄像头搭载方案

从方案中我们可以看到，特斯拉的 8 个摄像头均与行车系统有关联，这与其一直宣传的不依靠激光雷达纯视觉的自动驾驶方案是有较大关联的，特斯拉的这一套方案的最大优势就是：高性价比。特斯拉用了成本非常低的自研 1.2MP 摄像机就实现了 L2+ 级别的自动驾驶。

小鹏 P7 使用了多个摄像头，这一套方案的最大优势就是：可拓展性较强。前期方案在设计时需要提高硬件成本，但是在后期 OTA 升级后，其自动驾驶功能具有非常好的兼容性和可拓展性。

通过这套传感器模型，小鹏实现了具有较好体验的 L2+ 级别的自动驾驶功能，包括小鹏极具特色的高速自主导航驾驶（NGP）和停车场记忆泊车功能。

奔驰 S 级是传统主机厂方案的代表，双目立体摄像头方案是奔驰 S 级最大的优势。相比于单目摄像头，双目摄像头可以计算当前检测目标在 X、Y、Z 坐标下的运动情况，判断检测目标的姿态及目标类型，奔驰在 L2 级别的 ADAS 功能的体验效果也比另外两家好一些。

从上文对已经量产车型的摄像头方案分析中，我们发现其都是使用中低像素摄像头来实现自动驾驶功能。

摄像头分辨率越来越高

随着自动驾驶级别的提升，对摄像头的要求也越来越高；车载摄像头最开始的应用是倒车辅助和行车记录，主要是把摄像头拍摄的图像和视频供人察看，几十万像素的分辨率也基本可以满足要求。随着功能和应用场景的扩展，摄像头应用重点转移到了在驾驶过程中辅助系统进行周围环境感知。

系统对摄像头的分辨率要求越来越高，从最开始30万像素升级到100多万像素，又发展到现在的200万像素，并且随着技术的进一步提升以及市场需求的推动，未来的高级别自动驾驶车辆中都在规划应用800万级别的高清像素摄像头，用于对更远距离的目标进行识别和监测。

车企是否应用800万像素摄像头，成本肯定是一方面，另一方面还要看车企是否具备相配套的技术能力。某车企自动驾驶负责人曾说过：“堆砌硬件会给人一种错误的认知，认为传感器越多自动驾驶的能力就越高，但如果测试和算法跟不上，硬件堆砌再多也没用。”

如果每个摄像头都达到800万像素，计算平台处理数据的难度也在增大，整体系统成本必然也会增加。因此不能单看摄像头的成本，还需要从整个系统的角度去看。同时，车载摄像头并不是像手机那样拼像素的能力，还需具备与高分辨率摄像头配套的算法能力。

如果没有与高分辨率摄像头的相匹配的算法和测试能力，那无疑于“小马拉大车”。虽然采用了一个较高的配置，但是性能提升却有限。这种情况下，高分辨率摄像头的性能依然是无法充分发挥出来的。那样的话，800万像素摄像头便成了一个“花瓶”，只是吸引用户的噱头而已。

虽然整体上来讲，算法和测试能力也许还未能跟得上摄像头技术发展的步伐。但是高分辨率摄像头这个未来的应用趋势是毋庸置疑的，它是技术和市场“双轮驱动”的必然结果。

车载摄像头的未来改善需求

摄像头的像素大幅提升，带来的不光光是对芯片算力等性能的要求，还带来了对于功率、热管理等层面的需求。为了实现更好的性能，摄像头需要更大功率的电源，因此摄像头热管理也是一个需要考虑的大问题。传统摄像头基本都是使用内置 ISP，但一些行业也在使用无 ISP 的摄像头模组，数据直接传输到域控制器，由外部 ISP 进行处理。

ISP 是摄像头产生热量和提升功耗的主要元器件，部分公司提出把 ISP 集成到控制器中进行热管理。

例如安波福提出的解决方案是摄像头保留光学镜头和图像传感器部分，将 ISP 移动到相应的控制器主板中，通过以太网来进行数据传输。很多图像传感器制造商在把 ISP 模块从摄像头模组中移除，来限制摄像头的功耗和热量产生。

与此同时，ISP 被集成到专用的视觉处理器（SoC）中，可以提高图像的成像质量，并且可以同时处理多个摄像头的数据，以此来降低成本。

相信未来单个高精度摄像头的成本会出现大幅下降，后续当高精度摄像头成为标配时，整体成本会有比较大的下降空间。

文章来源：乐晴智库，AIoT大数据，ICVS智能汽车产业联盟