雷锋网按：本文来自清华大学苏州汽车研究院智能汽车技术研究所所长戴一凡及清华大学苏州汽车研究院智能汽车技术研究所副所长吕英超在汽车创新港的微课堂分享，雷锋网已获授权编辑与发布。
自动泊车系统是各自动驾驶或者驾驶辅助功能中民众需求呼声最高的系统。如上图（左），在德国、美国、法国、中国等等调研中都可以发现，自动泊车的功能是最受消费者亲睐的。
右图是欧盟的道路交通研究咨询委员会提出的一个自动驾驶的路线图：乘用车和商用车两个路线图。
从这个图可以看出，自动泊车包括更进一步的代客泊车，这些自动泊车的系统非常受政府重视，也是非常重要的自动驾驶产品。
有机构预测，在2020年左右，自动泊车系统在中国市场的渗透率会达到30%左右，市场规模可能会超过100亿元。
智能泊车分为两部分：一是比较常见的自动泊车，包括半自动、全自动等系统。另一个是代客泊车或自主泊车。
自动泊车阶段的三个等级
自动泊车可以分成三个等级：半自动泊车，这是目前在产品级量产车上见到的功能，基本上只依靠 10 到 12 个超声波雷达，通过探测空间的车位、障碍物来决定一个停车的位置。它只控制转向系统，档位和车速由驾驶员控制。
全自动泊车系统分成两代：第一代只依靠超声波探测空间车位，但是转向系统以及车速控制都由自动驾驶系统来完成；第二代全自动泊车，不仅依赖超声波雷达，同时也用摄像头：通过超声波雷达识别空间的位置信息，摄像头识别车位线。
自主泊车的三代产品
在自主泊车阶段，我们把它简单分成了三代。
第一代自主泊车，针对室外停车场，它的定位比较容易解决，不会出现室内卫星信号遮挡的情况。在室外停车场车位寻找，就是说从停车场门口开始怎么去找到这个车位。
这一过程有两种方法：一种是通过系统自动的分配，如果是智能化停车场，系统通过超声波探头去感知哪个位置是空闲的，然后通过V2X发送给车辆，车辆自动导航到停车位附近，再启动自动泊车系统把车停进去。第二种方式叫有限搜寻，它依靠超声波进行近距离的车位搜寻。
第二代自主泊车，它适合室内停车场环境，而且可能有多层、上下层的停车场环境。它要解决室内定位的问题，也需要有室内的高精度地图等等。同时，它不仅适用于室内，还适用于小区，可能在进停车场大门之前还有一段类似于园区自动驾驶的“封闭园区”环境。
第三代自动泊车，我们认为室内、室外都要适用，适用小区环境同时也要适用开放道路环境：在城市开放道路上，它要能自动驾驶（最后一公里），并兼容这些系统。车位搜寻方式可以是系统分配、有限搜寻和自主搜寻。
两种车位识别技术
（雷锋网注：以下内容来自吕英超的分享）
关于车位识别技术，包括两种：一种是空间车位，利用超声波检测；另一种是线车位，通过摄像头检测。
基于超声波传感器车位识别方面的技术
超声波传感器的功能需求，主要用于前后障碍物的感知和车位识别。这里我们讲的是车位识别，对于车位识别传感器的要求，一个远距离的（5米）。
现在博世、法雷奥的传感器是4.5米，他们要求要有一个小的波束角。前后障碍物感知用的传感器，普通倒车雷达就能满足，它的探测距离是2米，这就要求它有一个大的波束角。
在传感器配置方面，现在关于前后倒车雷达检测，一般是“前4后4”的配置，或者是降成本方案“前3后3”的配置。另外，在垂直泊车的时候，需要用到后两个测向的传感器。
基于超声波传感器的车位识别
当车经过一个空车位的时候，它会出现一个如上图所示的波形。在这个过程中存在一个问题：传感器波束角过大的时，它途中的斜线范围会很大，这会导致检测车位的误差变大。
所以这要求传感器在测距精度要高，在水平方向的波束角要尽量小。
左上图是我们开发的超声波传感器，它可以达到5米的探测范围，水平方向的波束角是85度。我们有自己独特的算法：移动XY算法。通过这个算法我们可以在移动过程中检测车位大小。就具体的效果，红框中表示一个检测出来的车位形状。
上图表格里的部分参数，是上一次国内APA会议提出来的。在平行车位搜索的时候，它的车速要求不高于30公里，垂直车位的要求是不高于20公里。
车的位置、找车位时车行驶的路径、车最终停的位置、和停在周边的车、目标障碍物的角度也有要求，这些要求相对来说都是比较常规的，也是现在一些供应商能够做到的。
基于摄像头的车位识别，目前主要是通过介入360全景系统中的四颗摄像头，或者是采用一颗鹰眼摄像头，只观测前面那部分图像。
这里最主要的技术难点在于图像处理算法，如何把车位有效识别出来，包括白线、黄线，或者虚线、实线、以及不同路面的颜色。
如何把这些有效车位从复杂的图像当中识别出来，这是考验基于摄像头的车位识别的技术难点。
上图体现的就是基于摄像头的车位识别的要求，它的搜寻车位时所需求的车速要比超声波雷达低，平行车位要求低于12公里，垂直车位要低于10公里。
其他的参数要求与超声波传感器识别车位是一样的。再补充一点，标准里对于车位检出的成功率有一个要求——就是要大于90%：10次去检测一个车位，要求9次能够检测出来。
自动泊车系统
上图是自动泊车系统的框图，主要是分为三个部分：环境感知、车位识别、人机交互的控制。
这里要讨论的轨迹规划，如上图（右），输入车的位置、车位的位置，还有一些周边障碍物，这些是约束条件，然后通过轨迹规划的算法，输出泊车的轨迹、泊车动作指令。对半自动泊车来说，主要是方向盘转角的指令。
上图是是关于垂直泊车和平行泊车的一个轨迹规划的示例。垂直泊车通常采用C型泊车，也有采用人字型泊车，更高级的就是结合了这两种轨迹规划方法。
平行泊车轨迹规划原理
泊车过程中的轨迹规划原理现在主要用到的两个，一个是转向的几何学，主要应用的是阿克曼转向的原理；另外一个是转向运动学。
这里最基本的一个就是，车在泊车的过程中是绕着转向中心做圆周运动的。以这个为基础，我们可以通过代数的方法，把车辆四个角周边的坐标在运动过程中的实时轨迹给画出来。
垂直泊车轨迹规划原理
垂直泊车，最主要的是车辆做圆周运动的基础，在轨迹规划之前要先判断一下车与障碍物的距离，就是hmin这个参数。它到底满不满足C型泊车或人字型泊车。最后根据计算可以得到一个轨迹在什么时候做转向操作的轨迹算法。
平行泊车与垂直泊车类似：利用两个最小半圆法还有圆弧切直线的方法，通过方向盘转角折算到轨迹，再折算到所有关键点的转向控制。
泊车的车辆运动控制
关于车辆运动控制，在泊车过程中对车速的要求在5到12公里，这主要考虑到EPS的负载还有行车安全、路径跟踪效果。
在运动控制里，它的输入是一个车身位置、车身姿态、方向盘的转角车速，通过路径更多的算法可以得到转向修正的指令。
如上图，泊车控制器与车身周边的一些控制器，通过CAN网络的信号交互，比如与BCM的交互，它要求温度信息或者是方向转向灯的信息；与EPS交互，它要求能够接受APA控制器传过来的方向盘转角信号，并把这个方向盘转角信号反馈给APA。对ABS的要求，ABS发送车速信号、轮速信号给APA控制器。
这里再提一下对EPS方面的要求：必须具有转角闭环。另一个，转角跟踪的误差要小于1度，转角的跟踪过程不能有超调，对动态最大转向角度要求360度/秒。
上图是平行泊车、垂直泊车在实车上得到的数据。
这里有车身坐标点的轨迹，也有方向盘转角的信号，在右下角的图里，还有包括车身姿态、航向角的车身信号。
（雷锋网注：以下内容来自戴一凡）
关于做自动泊车的过程中，我们需要解决的几个关键问题。
1）如何获取空车位的信息？
系统分配。停车场根据探测到的车位信息，自动分配车位给车辆；
有限搜寻，依靠超声波雷达，在近距离、低车速状态下搜寻车位；
自主搜寻，依靠毫米波雷达/激光雷达，自主规划路径，搜寻车位。
2）如何实现低成本、高精度的定位？
差分GPS/北斗。室外工况，成本控制很关键；
视觉技术（SLAM、车道线、标志识别等）。室内室外工况，技术成熟度问题；
室内定位方案（UWB、WiFi、磁钉），需要停车场智能化改造。
3）自动泊车与自主泊车系统如何高效切换？
车辆停止位置。车辆停止位置与切入自动泊车系统的时机；
车位二次确认。利用超声波、摄像头再次确认车位信息。
我们已经是国内自主零部件品牌中是规模最大的供应商。其中3D立体的全景泊车也是国内首先进行量产的，现在在国内跟多个主流整车厂都是前装。另外移动物体检测、开门提醒、行车影像记录等等附加的功能，为我们以后做全自动泊车里的车位线识别提供了非常好的基础。
第二方面，我们自主研发的超声波雷达（探测距离 5 米到 6 米），它搭载我们自己的超声波雷达泊车辅助系统，现在已经也是前装量产。
我们拥有一些独特的技术优势，比如我们不是通过单个探头单独去识别障碍物的距离和位置，而是通过多探头之间的一个协作配合，配对检测，这样距离测量误差能够控制在非常小的水平。
智能泊车的产业化路径
智能泊车系统一个产业化的路径，全景泊车、倒车辅助我们都是已有的产品级系统。今年我们会推出半自动泊车，以及融合摄像头跟超声波雷达的倒车辅助。
2018年、2019年我们会推出融合摄像头的半自动泊车以及全自动泊车，预计在2019到2020年，我们会推出产品级的自主泊车系统。
推广：觉得戴一凡和吕英超的分享还不够？6 月 9 号到 6 月 10 号"人工智能与自动驾驶 | 专题研讨班”将在苏州开课，人工智能知名研究专家带你深入解析自动驾驶领域的技术布局！课程链接：http://www.mooc.ai/course/91
正在生成分享图...
易思琳