谈了这么久自动驾驶，自动泊车会是个很好的切入口

雷锋网按：本文作者朱玉龙，汽车行业从业工程师，主做汽车电子，领域从新能源汽车过渡到ADAS。

自动泊车不仅是单车智能，随着未来加入对外通信，会产生更多领域间的碰撞。

本文主要从几个方面来谈谈自动泊车技术，第一部分是自动泊车的发展历史，第二部分是自动泊车的内部结构和一些厂家的方案。值得注意的是，在不同的国家，落实不同场景自动化的意愿也不相同，唯一确定的是，大家都不爱停车，确切的说是不爱找车位和停车。这是整个汽车智能化和自动驾驶里面最迫切的需求，也是一个比较容易切入的环节。

图1 各个自动驾驶功能的民众接受度，自动泊车需求呼声很高

第一部分 自动泊车的发展历史

泊车辅助系统可以分三个大的阶段，分为被动式、半自主式泊车辅助、全自动泊车。

1）被动式：在泊车时提醒驾驶员前方或车辆后方障碍。在发展的过程中从只有后方预警，发展成车辆往前运动前方检测也有预警、加入视觉图像、加入辅助线还有周边盲区预警，到现在最复杂的是两种系统结合，包括倒车雷达+360度环视的两种功能。

图2 被动式泊车系统结构

被动式主要利用超声波传感器+蜂鸣器+HMI图标来提示驾驶者外部障碍物情况，防止车辆在倒车时碰撞，一般由下面几个功能构成：

防碰撞声音+图像提示

测量停车位大小的系统

提供转弯角度的提示

提供后视图像和辅助线检测

360度环视图像

被动式是充分考虑了成本的系统，采用低成本的超声传感器来实现倒车时候的障碍物检测，一般距离为1米～1.5米的情况，消费者对此类系统接受度高。

2）半主动式泊车辅助

随着自动化水平的提高，各个汽车公司都想要帮助驾驶者更好地停车，所以开发出不同的系统如Toyota Intelligent Park Assist、BMW Park Assistant、VW/AUDI Parking System Plus with Rear View Camera、Daimler Parktronic with Active Parking Assist和Ford Active Park Assist，这些系统的特点是一般需要驾驶员来负责油门和刹车，车辆帮忙计算轨迹路径，帮助驾驶员入库。

图3 半自动泊车系统的一些对比

图4 法雷奥Park 4U系统

如图4所示法雷奥的Park 4U，其系统构成为：

超声传感器

半自动泊车ECU 控制器

外部传感器：轮速、加速、转弯角度、转矩、车速、变速箱情况

HMI按纽和前后报警蜂鸣器

EPS控制转向系统

对消费者来说，档位需要控制、加速和减速都需要控制，整个过程的责任需要承担。各车企，在HMI、车位大小上面有差异，基本的操作没有差异。J.D. Power的《2015年驾驶员汽车交互体验报告》(2015 Driver Interactive Vehicle Experience (DrIVE) Report)显示，“最没用汽车新技术”榜单上半自动泊车排第三位，1/3车主都不会去尝试这个功能，因为并没有什么用。

3）全自动泊车

从半自动泊车到全自动泊车的进化过程中：

首要点：人是否需要在车内，仅通过手机可以指挥车进行泊车。

档位：在泊车过程中轨迹计算需要调整的时候，出现不成功的情况，系统是否有切换档位、实现前后进退的权限。

加速：系统有没有权限来自己进行加速。

刹车：系统是不是会检测到碰撞之后控制刹车系统。

可以看到这基本上是整个泊车把人的工作全部接盘过去的过程。

图5 从半自动到全自动泊车

我们看到的就是比较酷的人在外面用手机进行操控：

图6 智能手机操控自动泊车

当然这一部分，人还是需要找到车位的。目前正在研究的所谓Valet Parking（停车场自动泊车），就完全是不需要你去找到那个车位的概念了。在某些充电运营的模式中，Valet Parking被赋予更多的意义：

1.停车位的自动搜索：车辆自动地寻找空车位，而且发现空车位。
2.电动车的无线充电：对电池进行无线充电。
3.充电完成之后的停车位分离：充电完成后，系统自动将充电槽释放给其它电动车辆，转而寻找普通停车位。
4.乘客召唤使用车辆：在限定运行的场景出口处，将车辆交还给所有人。

图7 停车场自动泊车（V-Charge）

第二部分 停车场自动泊车的结构

其实从被动辅助停车（L0）→半自动泊车（L1）→全自动泊车（L2）→停车场自动泊车（L3与L4之间），是一步步迭代和改进的过程。停车场自动泊车之所以是L3和L4之间，主要是没人介入了，但需要在特殊场景里面，而且是低速行驶。我们把Valet Parking需要做的事情进行分解：

1.与停车场设施进行通信，获取地图和管理系统分配的可以泊车车位位置和编号信息。
2.进行定位和路径规划，自主决策来确定过去的路径。

2.1 执行低速无人驾驶前往待停车位
2.2 遇到障碍物的时候紧急制动（前后方都需要）

图8  靠近车位路径规划

3.车库位置的自动入位
3.1 检测周边环境、车位的信息，制定入库策略
3.2 自动转弯进入
3.3 如果有紧急情况进行刹车

图9 车辆入库轨迹计划

所以这个故事比较简单，我们可以看到全球几乎所有的车企都在筹划这些方案，比较典型的如V-Charge大众方案、雷诺方案、本田方案。关于传感器、地图等配置以及具体技术路线有两个案例：

案例一——V-Charge方案

摄像头+超声波传感器被安排成360°覆盖周围环境。
12 个超声传感器负责短距离探测。
2个双目立体摄像头。
4个鱼眼摄像头，做360度环视。

连接到远程停车场服务器后，车辆定位会接收到专门设计的地图+停车场的道路网络信息。

本地地图存储了停车场的所有地方，使车辆可以根据摄像的信息来确定自身位置。

不依赖于GPS传感器，从而使导航也是在室内环境中，如地下停车位（GPS不可用时），并完善提供厘米级的精度。

这里配合无线充电，停车场的费用管理，加了不少别的东西进去。

图10 V-Charge方案

案例二——法雷奥方案 

超声传感器：必须短距离测距，前后各6个，12个标配。
视觉传感器：一般用两个双目传感器（前后），视觉是主要解决车位的形状和定位问题的。
激光雷达用的是SCALA 的激光雷达，好处是可靠性更高一些。

这个更加纯粹一些，因为总体而言，它是按照方案来走的，而不是演示项目的概念。

结语

总的来说，未来停车场等基础设施智能化，特别是建立一个局部道路分配的计算云以后，会与路上所有的智能车辆之间通信交互和协同。自动泊车未来会涉及到诸多领域之间碰撞，使智能后台系统和运动终端开始博弈整个智能化的未来。

参考资料：

图1、图3、图4和图5出自法雷奥2015-06 Engaging the Open Source Gear Impact on an Automotive Supplier.

图2出自《Handbook of intelligent vehicle》中31章 Parking Assist和《Handbook of Driver Assistance Systems》.

图6 、图7和图10出自V-Charge  Project Overview.

图8和图9出自Design and Implementation of Parking Control Algorithm for Autonomous Valet Parking.

本文首发车云网，原文：全世界都不爱停车，于是有了自动泊车 。