车载光学产业研究报告.docx
《车载光学产业研究报告.docx》由会员分享，可在线阅读，更多相关《车载光学产业研究报告.docx（12页珍藏版）》请在冰豆网上搜索。
车载光学产业研究报告
车载光学产业研究报告
一、车载镜头：
自动驾驶之眼，长坡厚雪优质赛道
1.高成长：
预计2025年车载镜头市场超330亿元、CAGR达37%
车载摄像头是自动驾驶中必不可少的传感器。
自动驾驶系统通常可分为感知层、决策层、执行层。
感知层所用到的传感器包括摄像头、激光雷达、毫米波雷达、超声波雷达等视觉传感器，以及速度和加速度传感器等。
相较于其他传感器、摄像头障碍识别能力强，是自动驾驶中必不可少的传感器。
车载摄像头的分类：
1）按照用途不同，摄像头可分为成像类摄像头、感知类摄像头（ADAS摄像头）。
成像摄像头用于被动安全，并将所拍摄的图像存储或发送给用户。
ADAS摄像头用于主动安全，需要准确捕捉图像。
2）根据位臵不同，车载摄像头可分为前视摄像头、侧视摄像头、环视摄像头、后视摄像头及舱内摄像头。
①前视摄像头用以实现多种ADAS功能（防撞预警、车道偏离预警等），任务繁重、规格最高，前视可分为单目、双目、三目摄像头，单目摄像头发展较早，目前技术发展较为成熟，量产成本较低，但是受限于单个摄像头固定焦段限制，难以兼顾大视场角（广角）和远探测距离（长焦）。
双目、多目摄像头在一定程度上克服了单摄像头的局限，以特斯拉三目摄像头为例，三颗摄像头包括主视野摄像头（覆盖大部分交通场景，最大监测距离150米）、广角摄像头（视场角达150°，能够拍摄到交通信号灯、行驶路径上的障碍物和距离较近的物体，非常适用于城市街道、低速缓行的交通场景）、长焦摄像头（能够清晰地拍摄到远距离物体，适用于高速行驶的交通场景。
最大监测距离250米）。
②侧视摄像头用以监测侧前方或侧后方场景，实现盲点监测。
环视摄像头采用广角镜头，在车四周装配后获取车身360°图像并拼接，实现全景泊车，若加入算法可实现道路线感知。
后视摄像头采用广角镜头，用以倒车辅助。
舱内摄像头用以监测驾驶员状态，实现疲劳提醒功能。
高级别自动驾驶推动摄像头量价齐升。
自动驾驶可分为L0~L5六个级别，目前主流自动驾驶级别在L2~L3阶段之间，L2主要功能涵盖倒车监控、全景泊车辅助、盲点检测、自适应巡航、前方碰撞预警、智能车速控制、车道偏离告警、行人检测系统、交通信号及标志牌识别，一般搭载3~13颗摄像头。
L4、L5级别自动驾驶ADAS系统尚在研发阶段，一般需要搭载13颗以上摄像头。
3）传统后视摄像头仅需获取偏静态图像，而ADAS摄像头需要在车辆高速运动中捕捉清晰物体影像，因此ADAS摄像头普遍规格更高、单价更高。
此外伴随自动驾驶算力提升，将需要更高分辨率的车载摄像头产品。
2017年是自动辅助驾驶元年，预计2021年L2级自动辅助驾驶渗透率快速放量。
1）特斯拉是电动车&自动辅助驾驶的领军者，2012年特斯拉推出世界首款电动轿车modelS，搭载L2级别自动辅助驾驶系统，配备8颗摄像头，定价5万美元，但是由于定价过高、产能限制、配套基础设施不足等原因，此时的电动车注定是一款小众产品。
2017年特斯拉推出革命性产品——入门款电动车model3，搭载L2级别自动辅助驾驶系统，配备8颗摄像头，定价3.5万美元，该产品的推出也助力特斯拉市占率达8%。
此后得益于上海工厂投产、规模效应降本，截至2021年8月，model3定价已降至24万人民币。
2）在特斯拉的“鲶鱼效应”下，其他新能源车厂、传统车厂也势必将快速跟进自动辅助驾驶系统及其相关搭载硬件。
考虑整车厂从车型规划到投产的周期在3年以上，2021年L2级自动辅助驾驶渗透率快速提升。
预计未来自动辅助驾驶渗透率曲线将高度拟合智能手机渗透率S曲线，实现快速增长。
预计2025年单车搭载摄像头数量达8颗，车载摄像头市场规模超1600亿元，车载镜头市场规模超330亿元，CAGR超37%。
1）2020年全球车载摄像头出货量达1.65亿颗、过去十年CAGR达30%，单车搭载摄像头数量达2.1颗。
2）根据后文测算，我们预计2025年单车摄像头数量达8颗，车载摄像头出货量达8亿颗，CAGR达37%，保守假设未来价格不变，预计2025年车载镜头市场规模达336亿元。
考虑车载模组价格一般为车载镜头的5倍，预计2025年车载摄像头模组市场规模达1684亿元。
测算方法一：
参考L2渗透速度，预计2025年单车平均搭载摄像头数量达8颗。
1）2010年智能手机渗透率从19%提升至2015年的74%。
预计L2渗透率从2020年的18%提升至2025年的75%。
2）假设2017年L2及以上单车搭载摄像头数量为3颗、此后每年单车搭载摄像头数量以15%的速度增长、2025年单车搭载摄像头数量达9颗，目前部分新势力单车搭载数量达13颗。
假设2017年L1及以下单车搭载摄像头数量为1颗、此后每年单车搭载摄像头数量以20%的速度增长、2025年单车搭载摄像头数量达4颗。
预计2025年单车搭载摄像头数量达8颗。
测算方法二：
参考手机多摄渗透速度，预计2025年单车平均搭载摄像头数量达8颗。
1）华为2016年发布其第一款搭载双摄的手机——P9，2019年全球智能手机单机搭载镜头数量达3颗，换言之，整个智能机行业只需要3年左右的时间硬件参数就可以比肩行业领军者。
2）各家造车新势力是自动驾驶的领军者，搭载摄像头数量超8颗，2021年4月极狐与华为携手打造的极狐阿尔法S发布，搭载摄像头达13颗。
3）我们预计在未来5年内，单车平均搭载的摄像头数量达8颗。
2.高壁垒：
光学镜头是高壁垒行业，车规级产品壁垒更高
光学设计具有“艺术性”，优秀设计师是光学企业的灵魂。
1）光学设计是利用不同类型透镜的光学特性，根据光学原理，使用专用光学软件，结合光学设计师个人知识与经验，进行光学系统设计工作，通过对像差、像质、照度等迭代优化设计，得到满足要求的光学系统。
2）光学设计的难点在于消除像差。
像差分为几何像差与色散像差，主要的几种像差类型包括球差、慧差、像散、场曲、畸变以及轴向色差和横向色差。
光学设计即通过组合不同形状、不同数量的透镜来尽可能消除像差，设计过程需要不断调整参数、多次验证迭代、以获得像差最小的方案。
3）设计环节需要设计师多年经验积累，很多环节并无公式可取，需要充分发挥想象力，设计过程具有“艺术性”。
一个复杂的镜头有上百个变量和大量约束条件，优秀设计师能够快速根据设计需求和优化过程调整约束条件。
同时设计师需要对加工误差和装配误差非常熟悉，需要尽可能将公差合理分配以降低单片透镜承担的压力，这对于需要保证良率的公司生产尤为关键。
舜宇光学、大立光等头部光学公司在多年发展中培养积累了一批优秀的光学人才，是公司优秀产品力的保证。
镜头组装对结构设计和精度要求高。
组装流程看似简单，生产过程中还需严格管控部件精度、配合精度、组装偏心、内部应力、镜片间隙等方面。
并且在生产过程中很多环节为非标过程，依靠的是劳工的经验，劳工的熟练与否直接影响产品的良率，而良率是企业竞争力的关键。
因此，生产工人直接决定了产品质量的可靠性和稳定性，而不同厂商的生产线不尽相同，挖人效果不如公司自己培养人才，但是人才培养通常需要耗费大量的时间，这也是镜头企业需要长期积累的原因。
镜片生产过程对模具、设备、工艺精度提出高要求，为镜头行业的核心壁垒之一。
塑料镜片主要采用注塑成型工艺，壁垒在于模具、设备。
1）注塑成型是指通过螺丝杆将塑料搅入注射机加热料筒中塑化﹐达到流动状态，螺杆在旋转过程中逐步后退，而塑料则向前积聚，当螺杆停止转动，由注塑活塞通过螺杆注射到闭合模具的模腔中形成制品的成形过程。
2）制造过程中需要掌握大量凭借长年摸索形成的know-how方可控制好质量和良率，对工艺精细度要求极高。
在注塑成型环节中，超120°高温易导致模板变形、使得镜片两曲面光轴偏芯量与面精度过大，因此对模具的精度和可靠性要求甚高。
②注塑成型设备能够熔融、塑化聚合物，使其注入模具，它需要精准地控制每一个工艺参数，注塑设备的精度决定了塑件的成型精度。
注塑成型时，每一个机械动作都必须准确无误，而且设备上所有的零部件都要求高度的稳定性。
球面玻璃镜片采用传统研磨工艺生产，难以大规模量产。
相较塑料镜片，玻璃镜片的生产工艺流程更为复杂，对精密制造提出更高要求。
传统玻璃镜片生产工艺流程包括切割、研磨、抛光、镀膜、胶合、涂墨等工序，工序繁多。
研磨环节对精度要求高，需要经验丰富的技术工人研磨，导致花费时间较多、生产效率较低、难以大规模量产。
镀膜环节技术壁垒较高、附加值也相应较高，在镜片上镀上抗反射膜可将光线透过率提升至98%以上。
模造玻璃更有利于大规模生产，壁垒在于模具。
1）玻璃模造是利用玻璃会随着温度升高而降低粘滞性的特性，将玻璃预形体臵于模具内，在真空或充填氮气环境下升温使玻璃变形至与模仁相同形状后冷却取出。
此方法实现了高精密度玻璃镜片的可复制性制造，减小人工依赖，大大提升了生产效率，更利于标准化大规模生产。
2）模具的设计和加工是此方法的关键，其需要通过纳米级微压技术实现极高的模具精度，以确保镜片间偏芯较小；并且需要在高温、高压条件下保持模具刚性，对模具材料和设计要求高，可通过对模具模仁表面进行镀膜处理来提升其表面机械强度。
车规级产品壁垒更高，模造玻璃镜片优势突出。
1）因为需要长时间暴露于恶劣环境下，车载镜头的性能要求极高，其需要满足一系列信赖性实验要求：
高低温冲击实验、耐腐蚀实验、耐振动试验、IPX9K防水等级要求、耐盐雾实验、耐擦拭实验、紫外线照射试验等，因此对于车载镜头的结构设计和原材料选择具有更高要求。
2）玻璃镜片相较塑料镜片具有高耐热性、不易变形、高透光率、高折射率特点，成像效果更好、热差影响小，更符合车载镜头所处的恶劣工作环境和高性能要求。
车载镜头为全玻璃镜头或玻塑混合镜头，一般前视镜头、高像素镜头会采取更多玻璃镜片。
3）由于球面玻璃镜头具有天生像差，通常需要多个凹凸不平的镜片进行分组组合来进行矫正，不仅使镜头体积、重量增加，也降低了透光率。
非球面玻璃镜片通过对圆锥常数和非球面系数进行调整，可自由设计光线和光路，对球面像差进行校正，从而提高成像质量，并且1片非球面玻璃镜片可以达到2-3片球面玻璃镜片的效果，显著减小球面玻璃镜片间的空隙、降低镜片组整体体积。
3.好格局：
车载镜头一超多强，国内二线企业未来可期
车载摄像头镜头市场格局呈现出“一超多强”局面，舜宇光学是绝对领军者。
1）2020年舜宇光学出货量位居第一，市场占有率超30%，日本麦克赛尔、日本电产三协、日本富士胶片、韩国世高光位居二至五位。
得益于本国汽车工业发达、日本企业占比较高，份额前八厂商中，日本厂商占据5席。
2）在规格、壁垒更高的ADAS镜头中，舜宇光学一骑绝尘，市占率超50%。
3）车载镜头具有较高的技术壁垒，产品通常需要配合传感器芯片进行参数调整，经过1-2年研发周期后交货给Tier1组装，并经过车厂上路验证1-2年通过后方可供货，认证周期3-5年，客户粘性较强，头部企业先发优势稳固。
除舜宇光学科技以外，国内的联创电子、宇瞳光学均积极布局车载镜头领域，但目前市占率较低，未来伴随国内造车新势力崛起，国内二线企业在车载镜头领域大有可为。
舜宇光学科技：
公司自2004年起进入车载镜头领域，2018年量产800万像素车载镜头。
公司是车载镜头龙头的绝对龙头，2020年车载镜头业务营收为24亿元，车载镜头出货量为0.56亿颗。
联创电子：
公司自2015年进入车载镜头领域，2016年与特斯拉合作，为其舱内镜头独家供应商，2020年与蔚来开始合作、并中标ET7全部7颗800万像素ADAS车载镜头模组。
2020年公司车载镜头出货量为77万颗、营收为0.24亿元，2021年公司前五大客户车载镜头及模组订单为1.5亿元，预计2022年公司车载项目快速起量。
目前公司具备200KK/月模造镜片产能。
宇瞳光学：
公司是安防镜头龙头，积极布局车载镜头，目前已有后装产品出货，公司具备100KK/月模造玻璃镜片产能，且与海康、华为安防部门合作多年，三年后有望顺利导入前装市场。
4.车载模组：
预计2025年市场超1600亿元，镜头企业有望顺利切入
车载摄像头产业链包括核心硬件、模组封装与系统集成、软件算法与解决方案。
参考智能手机产业，光学模组的成本构成中CIS芯片成本占比为50%，镜头成本占比为20%。
预计2025年车载摄像头模组市场规模超1600亿元。
目前车载摄像头模组主要由Tier1、Tier2组装，主要企业为加拿大麦格纳、日本松下、法国法雷奥、德国博世、采埃孚天合、大陆镜头等企业，行业格局分散。
伴随造车新势力崛起，传统整车厂和Tier1的关系或将逐步模糊，同时，伴随摄像头像素提升，模组组装难度升级，预计未来车载镜头厂有望获取部分模组份额。
二、激光雷达：
助力ADAS，2025年市场超500亿元
1.激光雷达助力自动驾驶，半固态式有望快速放量
纯视觉方案：
纯视觉方案仅仅依靠摄像头拍摄的画面，传输到系统进行分析，从而计算出周围的车辆、道路等信息。
纯视觉方案优势在于摄像头能够完整识别物体外观，高分辨率高帧率的成像技术能够使感知环境信息更加丰富，并且摄像头价格较激光雷达更便宜、有利于整车获得价格优势；但是由于图像传感器是一种被动式传感器、其本身并不发光，成像质量受环境亮度影响大、易受恶劣环境影响。
同时纯视觉方案需要强大的算法和算力去处理庞大的数据量。
目前纯视觉方案的拥护者主要是特斯拉，特斯拉通过海量的车主驾驶数据进行神经网络训练，从而覆盖更多工况与场景，不断完善算法，目前方案较为成熟。
激光雷达方案：
激光雷达方案是以激光雷达为主导，配合毫米波雷达、超声波传感器、摄像头来完成自动驾驶，其中激光雷达会通过发射激光束来测量视场中物体轮廓边沿与设备间的相对距离，从而准确捕捉这些轮廓信息组成点云，并绘制出3D环境地图再传输到系统进行分析并下达车辆行驶指令。
激光雷达的优势在于监测距离更长、精度更高、响应速度更灵敏，并且不受环境光影响。
但是激光雷达在面对雨雪等极端天气时发出的光束会受到影响，从而影响三维地图的构造，因此这就必须依赖其他传感器的共同协助。
并且，激光雷达设臵于车辆外部，一旦损坏、维修费用高昂，同时激光雷达目前本身价格较高、普遍高于3000元。
激光雷达按照光束操纵方式可分为机械式、半固态及固态式。
总体来讲，机械式目前最为成熟、产量最高，主要应用于无人驾驶，但使用寿命限制难过车规要求；微振镜、转镜、棱镜等半固态式激光雷达陆续通过车规，并已少量前装量产，近年内或形成放量；长期来看FLASH、OPA均可能成为主导路线。
机械式方案：
成熟度最高，因使用寿命限制难以进入前装量产，广泛应用于无人驾驶领域。
机械式指竖直排列的激光发生器进行360°旋转，对四周环境进行全面扫描。
其优点在于可实现高精度的360°扫描，但是为实现高频准确旋转、其机械结构复杂，平均失效时间仅1000-3000小时，与车规要求的最低13000小时差距明显，难以实现前装量产。
并且，机械式需要布臵在车身最高点、容易损坏。
由于结构复杂，因此成本较高，普遍高于3000美元，因此机械式激光雷达目前主要应用于对价格较不敏感的无人驾驶领域。
头部公司为了进入车载前装市场，目前正依靠在机械式领域积累的经验和资源，积极布局半固态式方案。
半固态式方案：
已成功上车，放量在即。
1）MEMS技术将微型反射镜、MEMS驱动器及传感器集成为微振镜，后者振荡反射激光、高速扫描形成点云图。
此方案除了微振镜扫动外其他部件固定，可靠性大大提升，并且显著减少激光器及探测器数量、大大降低成本，可控制到1000美金以内。
但是由于收光孔径、摆动幅度较小导致探测距离和视场角度有限。
速腾聚创采用多个MEMS拼接的方式扩大视场角，拼接过程中的电镀调节工艺难度极高。
2）转镜方案通过电流扫描振镜带动多边形棱镜转动反射激光达到扫描效果，此方案可通过提高转速来提高扫描精度，成熟的多边形激光扫描技术成本较低。
3）棱镜方案通过两个楔形棱镜后发生两次偏转，控制两面棱镜的相对转速便可以控制激光束的扫描形态。
此方案为非重复式扫描，扫描范围可覆盖整个区域，点云密度较高。
但是其机械结构更为复杂，而非重复扫描方式也使得下游厂商进行算法匹配难度较大。
固态式：
目前成熟度低，长期来看将成重点发展方向。
针对车规级设备需要在连续振动、高低温、高湿高盐等环境下连续工作的特点，固态激光雷达成为了较为可行的发展方向，其取消了复杂高频转动的机械结构，耐久性得到巨大提升，体积也大幅缩小。
1）OPA（光学相控阵）：
通过控制相控阵雷达平面阵列各个阵元的电流相位，利用相位差让不同的位臵的波源产生干涉，从而指向特定的方向，往复控制相位差便可以实现扫描效果。
OPA兼具扫描快、精度高、体积小及强可控、强抗震等优势，技术突破后成本较低、量产标准化程度高，但由于产业链不成熟，零部件自研难度大，目前仍处于实验室前期产品。
2）FLASH闪光激光雷达在短时间内直接向前方发射大覆盖面阵激光，再以高度灵敏探测器完成图像绘制的技术，可达最高等级的车规要求，但功率密度及回波光子数量太低导致的测距及分辨率不足是最大的问题。
由于结构简单，Flash方案是目前固态激光雷达最主流的技术方案。
按测距原理分类：
ToF为主流，FMCW方案创新，两者或长期共存。
1）ToF法通过测量激光从发射、达到探测物体再返回到探测器的飞行时间，来反推被测物距离。
由于光的飞行速度极快，因此该方案需要一个非常精细的时钟电路（通常是ps级，1ps=10-3ns）和脉宽极窄的激光发射电路（通常是ns级），该方案具有响应速度快、探测精度高的优点，由于技术原理简单、且产业链较为完善，目前机械式、半固态、固态式激光雷达均采用ToF进行测距。
2）FMCW法通过测量线性调制激光在投射到物体后返回探测器的过程中形成的相位差，间接获取光的飞行时间，从而反推飞行距离。
此方案抗环境光和其他激光雷达干扰能力强、可大幅改善信噪比。
由于FMCW采用连续光波调制，所以在远距离探测时需要较大的光功率，存在人眼安全隐患。
目前FMCW产业链仍处于培育阶段，伴随产业链成熟，其抗干扰优势或引领其成为优选方案之一。
2.预计2025年车载激光雷达市场规模超500亿元、CAGR超80%
伴随无人驾驶车队规模扩张，激光雷达在该领域应用将加速落地。
激光雷达在车载领域主要应用于无人驾驶车以及高级辅助驾驶。
无人驾驶出租车及无人物流服务能够实现取消传统出行服务中占运营成本高达60%的人工成本，因此具有广泛商业价值和盈利空间。
2020年10月谷歌旗下的无人驾驶子公司Waymo在美启动无人驾驶出租车服务，其车队拥有超600辆车，未来将向其他城市不断拓展。
全球范围内，Cruise、Uber、Zoox等公司也正大力扩张无人驾驶测试项目及车队规模。
同时，国内无人驾驶项目也不断取得进展，文远知行在广州的无人驾驶试运营及测试车队超100台；小马智行的车队分别在北京、广州、美国加州运行范围达到140、200、220平方公里；2020年10月XX在北京开放无人驾驶出租车服务、乘客可免费试乘ApolloGO。
激光雷达是L3及以上自动驾驶汽车的关键传感器，伴随L3汽车逐步量产，激光雷达将迎来市场放量。
L3、L4车辆分别平均搭载激光雷达数为1个、2-3个、4-6个，伴随成本逐渐下降、预计未来激光雷达将渗透至L2车辆。
自2017年奥迪A8首次搭载SCALA的激光雷达后，2021年多款搭载激光雷达的新车型发布，除了蔚来、小鹏、极狐等造车新势力，更有奔驰、本田等传统车厂实现激光雷达上车，预计这些车型将于2021年底开始陆续量产交付，可以期待2022年成为激光雷达放量元年。
激光雷达在高级辅助驾驶领域的市场规模将在未来5年里保持高速增长，按照沙利文预计，2025年激光雷达市场规模预计将达到46.1亿美元（折合人民币300亿元），2019年至2025年复合增长率达83.7%。
3.激光雷达行业尚处于导入期，行业格局未定
全球及国内龙头Velodyne、禾赛科技均依靠高线数机械式激光雷达而受到自动驾驶出行商青睐，但是机械式产品由于寿命受限难以进入前装市场。
自动驾驶升级催生激光雷达前装市场，半固态/固态激光雷达成为激光雷达厂商布局重点。
其中，Luminar、速腾聚创、Innoviz等重点布局MEMS，Quanergy、力策科技等重点布局OPA，Ouster、Ibeo、Aeye等重点布局Flash，Aeva等重点布局FMCW，华为、Innovusion等重点布局转镜，Livox重点开发棱镜方案。
而以机械式产品见长的禾赛科技也积极拓展MEMS产品线，力争前装市场。
4.光学系统在激光雷达中扮演重要角色
光学系统是激光雷达重要组成部分。
根据激光雷达不同扫描类型，对于光学系统设计要求也不尽相同。
以MEMS为例，发射光学系统的主要任务是减小发射光束的发散角，使其光束质量更好，主要设计难点是MEMS扫描振镜的镜面面积较小，限制光束的直径，直接影响准直光束的发散角。
接收光学系统主要任务是在保证口径的前提下接收更大视场范围内的回波光束，主要设计难点是光电探测器面积有限，会限制接收光学系统相对孔径和视场。
总体而言，激光雷达镜头是车载镜头中最难的部分，需要具备大通光孔径、高亮度、宽视场角、高对比度、低信噪比等特点，同时在机械方面具有体积小巧、防尘防水、抗震等特点，对光学设计、加工工艺提出相当高要求。
国内激光雷达零部件供应商包括舜宇光学、永新光学。
1）舜宇光学具备激光雷达光学部件及整机制造能力，机械式、转镜、MEMS、FLASH、OPA方案均有涉及，与麦格纳、华为、大疆等激光雷达方案商均有合作，预计明年将有项目进入大批量生产。
2）永新光学于2018年与QuanergySystems达成25000个激光测距镜头订单，目前与禾赛和Innovation的合作有多款激光雷达镜头产品导入，目前正处于验证导入阶段、尚未形成量产。
三、HUD&智能大灯：
助推智能化升级，2025年市场超600亿元
1.HUD：
自动辅助驾驶的绝妙搭配，预计2025年市场规模达240亿元
1.1W-HUD为当前主流，AR-HUD为未来发展趋势
HUD历经三代产品，第一代是C-HUD（CombinerHUD，组合式抬头显示），第二代是W-HUD（WindshieldHUD，风挡型抬头显示），第三代为AR-HUD（增强现实型抬头显示）。
目前市场以W-HUD为主流，C-HUD被逐渐淘汰，而AR-HUD将是未来的升级趋势。
C-HUD：
投影成像载体为驾驶员前方的一块6-8寸的透明树脂玻璃，成像信息包括车速、导航、油耗、温度，多为数字信息，显示形式较为集中且单一。
VID（人眼到虚像距离）小于2米，驾驶过程中驾驶员视线焦点需要在HUD玻璃和风挡玻璃间切换，仍存在安全隐患，因此被逐步淘汰。
W-HUD：
投影成像载体为汽车前挡风玻璃，相较于C-HUD，W-HUD显示范围扩大至7-12寸，投影距离增加至2-6米，显示内容增加中控娱乐信息、来电显示、周围路况、天气、行车告警等信息。
AR-HUD：
将投射内容、位臵与现实环境深度结合，在驾驶员视线区域内合理生动地叠加显示驾驶信息，具备AR实景贴合感。
其本质仍是W-HUD，但是FOV更大、VID更远，能够在在更短距离内实现跨车道显示。
最重要的，AR-HUD可与ADAS信息深度结合，包括前方预警、交通标志识别、车道偏离预警、车道保持辅助、转向提示、盲点检测、路口和道路名称等。
伴随ADAS功能更加丰富，W-HUD难以在2D平面内显示所有信息，AR-HUD将成为自动驾驶的绝妙搭配。
1.2PGU和自由曲面反射镜是HUD核心壁垒
HUD的工作原理是通过控制处理单元将汽车仪表盘、中控数据或车身行车数据、车况信息传输至投射单元，随后投影仪发出图像，经过“反射镜”反射至“投影镜”上，再由投影镜反射至风挡玻璃，人眼看到的是位于眼前2米左右的虚像，使得信息仿佛悬浮于前方道路上。
HUD产品结构包括上盖、光学零件以及图像生成器，光学零件组成光学系统，作用是将投影仪发出的光线经过一系列反射成像到玻璃上。
其中投影单元（PGU）、自由曲面反射镜是整个系统的核心壁垒。
按照投影单元（PGU）分类，目前HUD投影技
升级会员 