應(yīng)用于無人機和機器人的傳感器市場報告
光學(xué)傳感器，尤其是可見光攝像頭、激光雷達和3D攝像頭，是無人機和機器人市場爆發(fā)的主要受益者。聲學(xué)和位置傳感器也將享受無人機和機器人市場帶來的紅利——兩位數(shù)年增長率。目前，應(yīng)用于無人機和機器人的傳感器市場為3.51億美元，預(yù)計到2021年將達到7.09億美元。
應(yīng)用于無人機和機器人的傳感器市場強勁增長，2015年達到3.51億美元，預(yù)計2021年將達到7.09億美元，2015~2021年的復(fù)合年增長率為12.4%。
正在來臨的機器人技術(shù)革命將覆蓋廣泛的市場
由于各種應(yīng)用領(lǐng)域的推動，2015~2021年無人機和機器人市場的復(fù)合年增長率為9.4%，預(yù)計2021年將達到460億美元。
當前，我們見證了無人機和機器人市場的新興活力，以及對關(guān)鍵傳感器技術(shù)（如MEMS和圖像傳感器）的需求。目前已經(jīng)開發(fā)成熟的市場（如手機和汽車）正被創(chuàng)新者帶入新興的無人機和機器人領(lǐng)域。由于新的應(yīng)用出現(xiàn)，加強了對傳感器技術(shù)的需求，形成了良性循環(huán)。
2015~2021年無人機和機器人不同市場的營收情況
無人機和機器人最大的兩個市場是國防和工業(yè)，兩者都歸功于美國和中國的政府政策。近年來，東太平洋一側(cè)已經(jīng)在進行大規(guī)模的機器人投資，西太平洋也在機器人制造方面進行類似規(guī)模的投入。在全球范圍內(nèi)，美國通過機器人增強了自身的工業(yè)生產(chǎn)能力，而中國通過最新的機器人技術(shù)還提高了軍事能力。
經(jīng)過深入研究，我們已經(jīng)確定了無人機和機器人的至少十個新應(yīng)用，每年將產(chǎn)生超過10億美元的營收。由于眾多新應(yīng)用覆蓋廣泛的市場，包括消費類無人機、自動駕駛汽車、服務(wù)機器人、外骨骼、遠程監(jiān)控等，無人機和機器人市場將逐步走出軍事和工業(yè)領(lǐng)域。這些新應(yīng)用對未來五年復(fù)合年增長率的貢獻在40%以上。
對于每個市場，多種機器人及其應(yīng)用正受到眾多新興廠商的關(guān)注和探討。多種競爭技術(shù)共存——這是早期市場固有的復(fù)雜性。本報告介紹了這個復(fù)雜的生態(tài)系統(tǒng)，其中一些應(yīng)用市場將引起機器人的“寒武紀生命大爆發(fā)（Cambrian Explosion）”。
無人機和機器人的細分市場
傳感器是新興的機器人技術(shù)革命的關(guān)鍵要素
機器人是一個由執(zhí)行機構(gòu)、驅(qū)動裝置、感測裝置和控制系統(tǒng)和復(fù)雜機械等組成的閉環(huán)裝置。當前工業(yè)革命（工業(yè)4.0）面臨的突出需求——感測裝置（傳感器），工業(yè)界希望把各種傳感器引入工業(yè)生產(chǎn)中，利用它獨有的數(shù)據(jù)采集等優(yōu)勢，打造高度智能化的生產(chǎn)模式。這給傳感器行業(yè)帶來無限發(fā)展機遇。手機和汽車已經(jīng)在聲學(xué)、光學(xué)和位置傳感器方面有了成熟的應(yīng)用經(jīng)驗，而新的傳感器（如觸覺、微波和環(huán)境傳感器）將逐步應(yīng)用于無人機和機器人。
傳感器在機器人的控制中起了非常重要的作用，正因為有了傳感器，機器人才具備了類似人類的知覺功能和反應(yīng)能力。為了檢測作業(yè)對象及環(huán)境或機器人與它們的關(guān)系，在機器人上安裝了視覺傳感器、力覺傳感器、接近覺傳感器、超聲波傳感器和聽覺傳感器等，大大改善了機器人工作狀況，使其能夠更充分地完成復(fù)雜的工作。隨著傳感器技術(shù)的進一步完善，機器人的功能越來越強大，將在許多領(lǐng)域為人類做出更大貢獻。
光學(xué)傳感器，尤其是可見光攝像頭、激光雷達和3D攝像頭，是無人機和機器人市場爆發(fā)的主要受益者。聲學(xué)和位置傳感器也將享受無人機和機器人市場帶來的紅利——兩位數(shù)年增長率。目前，應(yīng)用于無人機和機器人的傳感器市場為3.51億美元，預(yù)計到2021年將達到7.09億美元，復(fù)合年增長率為12.4%。
2010~2021年應(yīng)用于無人機和機器人的傳感器市場營收預(yù)測
在我們研究中，最令人大開眼界的發(fā)現(xiàn)是傳感器的市場營收來自非常多樣的應(yīng)用領(lǐng)域，包括消費、商業(yè)、運輸、醫(yī)療、安防、工業(yè)和國防等。從市場營銷角度來看，這對專注于幾個特殊利基市場的小公司特別有利。無人機和機器人市場是新興傳感技術(shù)的完美目標。
關(guān)鍵技術(shù)正在研發(fā)中，如3D攝像頭、激光雷達和超精密陀螺儀
新興廠商，如Parrot、iRobot和大疆創(chuàng)新（DJI），已經(jīng)能夠從它們的技術(shù)和市場中挖掘出顯著的價值。上述公司是無人機和機器人創(chuàng)新公司的楷模，因為它們有能力從新的傳感子系統(tǒng)中創(chuàng)造新品、挖掘價值，如iRobot的Vision SLAM、Parrot的電子穩(wěn)定攝像頭、大疆創(chuàng)新的陀螺儀穩(wěn)定萬向支架。掌握傳感技術(shù)對于無人機和機器人公司來說，是至關(guān)重要的。
應(yīng)用于無人機和機器人的傳感器發(fā)展路線圖
另一方面，目前正在研發(fā)中的傳感器正經(jīng)歷一個困難時期，公司努力尋找關(guān)鍵的市場應(yīng)用，以維持研發(fā)工作。傳感器公司通常依賴于其它市場或是希望另一方發(fā)展，如物聯(lián)網(wǎng)。因此，系統(tǒng)制造商與傳感器公司行為之間存在一定的不匹配性。在最壞的情況下，傳感器公司可能錯失整個生態(tài)系統(tǒng)的機遇。本報告旨在提供無人機和機器人領(lǐng)域新興的傳感器市場需求，以及潛在的商業(yè)機遇。
一方面，市場上有很多非常合適的技術(shù)。超聲波傳感器、接近傳感器、慣性測量單元、磁性和光學(xué)編碼器，當然，小型攝像頭模組也都可以集成于無人機和機器人。另一方面，新型傳感器正準備改變我們的世界。3D感測（3D攝像頭、聲納、雷達和激光雷達）和其它傳感技術(shù)，如多光譜、紅外成像和氣體感測等，將是機器人革命必備的要素。最后，軟件算法也不能忽視，傳感器融合算法（從慣性傳感器、圖像傳感器到3D成像和測距儀）是保證機器人正常運行的無形因素。無人機和機器人為傳感器和系統(tǒng)制造商帶來了重大機遇，讓我們投身其中吧！
報告目錄：
Report objectives
Methodology
Executive summary
Introduction
> Global market roadmap
> Global technology roadmap
> Robotics revolution
> 2015 drones and robots market landscape
> 2021 drones and robots market landscape
Market forecast
> Market segmentation
> 2010 - 2021 drones and robots volume shipment forecast by market and by application
> 2010 - 2021 ASP
> 2010 - 2021 drones and robots revenue forecast by market and by application
> Sensor segmentation
> 2010 - 2021 sensors volume shipment forecast by sensor type
> 2010 - 2021 sensors volume shipment forecast by sensor type and by technology
> 2010 - 2021 sensors revenue forecast by sensor type, by technology, by market and by application
> Sensors for drones and robots market landscape
Company ecosystem
> Drones and robots players
> Sensor players
Application trends
> Drones
> Consumer robots
> Commercial robots
> Autonomous transport
> Medical robots
> Security robots
> Industrial robots
> Defense robots
Technology focus
> Acoustic sensors
> Optical sensors
> Positional sensors
> Touch sensors
> Electromagnetic sensors
> Environmental sensors
Conclusion and perspectives
Company profiles
編輯：admin 最后修改時間：2017-09-05
