低速自动驾驶技术：APA

新机器视觉

共 3986字，需浏览 8分钟

· 2022-02-20

点击下方卡片，关注“新机器视觉”公众号

视觉/图像重磅干货，第一时间送达

面有了飞速发展，还出现了智能化的趋势。“自动泊车”就是一个大家非常熟悉的功能，透过它我们能看到汽车智能化发展的缩影。

简介：什么是“自动泊车”？

自动泊车系统简称APA。

搭载有自动泊车功能的汽车可以不需要人工干预，通过车载传感器、处理器和控制系统的帮助就可以实现自动识别车位，并自动完成泊车入位的过程。一般来说，在20万以上的中高端汽车上往往才有搭载，或者作为一项选装功能独立存在。(现在已经下探到15万左右，当然了，一般是自主品牌才敢给出这个极具性价比的配置)

自动泊车系统可以大大简化泊车过程，特别是在极端狭窄的地方，或者是对于新手而言，自动泊车系统可以带来更加智能和便捷的体验。

详细讲义，小笔记走起来：

自动泊车系统

01 定义

自动泊车系统主要是利用遍布车辆自身和周边环境里的传感器，测量车辆自身与周边物体之间的相对距离、速度和角度，然后通过车载计算平台或云计算平台计算出操作流程，并控制车辆的转向和加减速，以实现自动泊入、泊出及部分行驶功能。

整个泊车过程大致可包含以下五大环节：

环境感知

停车位检测与识别

泊车路径规划

泊车路径跟随控制

模拟显示

按照泊车方式，分为三种模式，如图1所示：

平行式泊车

垂直式泊车

斜列式泊车

图1 平行泊车垂直泊车斜列式泊车

按照自动化程度等级，自动泊车可以分为：

半自动泊车

全自动泊车

半自动泊车系统为驾驶员操控车速，计算平台根据车速及周边环境来确定并执行转向，对应于SAE自动驾驶级别中的L1；

全自动泊车为计算平台根据周边环境来确定并执行转向和加减速等全部操作，驾驶员可在车内或车外监控，对应于SAE L2级。

按照所采用传感器的种类，半自动/全自动泊车可以分为：

超声波自动泊车

基于超声波与摄像头的融合式自动泊车

两种传感器的对比如表1所示：

表1

02 原理方案

敲黑板！整个泊车过程是哪几个环节？

环境感知、停车位检测与识别、泊车路径规划、泊车路径跟随控制以及模拟显示五大环节！

下面我们就以最常见的超声波自动泊车系统为例，从五大环节来介绍：

▲环境感知

如图2所示，为一种典型的超声波自动泊车系统的环境感知方案，由12个超声波雷达组成。

图2

■8个超声波雷达：泊车过程中检测车身周边的障碍物，避免剐蹭

■4个超声波雷达：泊车开始前进行车位的探测及在泊车过程中提供侧向障碍物信息

▲停车位检测与识别

自动泊车超声波车位探测系统主要是由布置在车身侧面的超声测距模块构成的，通过超声传感器对车辆侧面的障碍物进行探测，即可完成车位探测及定位。

超声波车位探测的过程如图3 所示。在探测车位时，车辆以某一恒定车速V平行驶向泊车位：

「1」当车辆驶过 1 号车停放的位置时，装在车身侧面的超声波传感器开始测量车辆与 1 号车的横向距离 D。

「2」当车辆通过 1 号车的上边缘时，超声波传感器测量的数值会有一个跳变，记录此时时刻。

「3」车辆继续匀速前进，当行驶在 1 号车与 2号车之间时，处理器可以求得车位的平均宽度W。

「4」当通过 2 号车下边缘时，超声波传感器测量的数值又发生跳变，处理器记录当前时刻，算得最终的车位长度L。

「5」处理器对测量的车位长度 L 和宽度 W 进行分析，判断车位是否符合泊车基本要求并判断车位类型。

图3

▲泊车路径规划

考虑到自动泊车实现原理，泊车路径规划一般尽可能满足以下要求：

a.完成泊车路径所需要的动作必须尽可能少。

因为每个动作的精度误差会传递到下一个动作，动作越多，精度越差。

b.在每个动作的实施过程中，车辆的转向轮（绝大部分为前轮）的角度需要保持一致。

因为系统是通过嵌入式系统实现的，而嵌入式系统的性能有限，转向轮角度保持一致能够将运动轨迹的计算归结为几何问题，

反之需要涉及复杂的积分问题，这对嵌入式系统的性能是一个挑战。

一般平行泊车和垂直泊车采用如图4和5所示路径。

平行泊车分为单次和多次：

单次为如图4所示路径一次泊车完成；

多次则为当车位长度比较小时，可采用多次“揉库”的方法泊车。

图4

图5

▲泊车路径跟随控制

该过程为通过车载传感器不断探测环境，实时估算车辆位置，实际运行路径与理想路径对比，必要时做局部校正。

▲模拟显示

由传感器反馈构建泊车模拟环境，具有提示与交互作用。提示用户处理器意图以及做必要的操作。

另外，路径规划后进行泊车时为了知晓处理器定位和计算路径运行情况，需要将这些处理器信息反馈给用户。

如果处理器获取环境信息或者处理过程中出现重大错误，用户可以及时知晓与停止。

自主泊车系统

01 定义

随着自动驾驶技术的发展，自动泊车逐渐往自主泊车方向演进。

自主泊车又称为代客泊车或一键泊车：

指驾驶员可以在指定地点处召唤停车位上的车辆，或让当前驾驶的车辆停入指定或随机的停车位。

整个过程正常状态下无需人员操作和监管，对应于SAE L3级别。

自主泊车系统包含两个功能，即泊车与唤车：

>>>>泊车功能

是指用户通过车载中控大屏或手机APP选定在园区、住宅区等半封闭区域内的停车位或者选定停车场（有高精地图覆盖）

然后车辆通过获取园区、住宅区等半封闭道路上的车道线、道路交通标志、周围其他车辆等交通环境、参与者信息；

控制车辆的油门、转向、制动来实现安全自动驾驶，并通过自动寻找可用停车位或识别用户选定停车位；

实现自动泊入、自动停车、挂P档、熄火、锁车门，同时防止潜在的碰撞危险的功能。

>>>>唤车功能

是指用户通过手机APP选定园区、住宅区等半封闭区域内的某一唤车点，

然后车辆从停车位自动泊出、低速自动驾驶到达唤车点，

从而实现唤车，同时防止潜在的碰撞危险的功能。

02 原理方案

按主要技术路线，自主泊车系统可分为：

偏车端方案

偏场端方案

车端场端并重方案

偏车端和偏场端的自主泊车方案对比如图6所示：

图6

偏车端自主泊车系统方案：

典型的偏车端自主泊车系统的组成见以下图7和表2：

图7

表2主要传感器信息

偏车端方案的系统逻辑流程图见下图8：

由图可知，偏车端方案主要借助车载传感器对周围环境以及自身状态的感知来决策并执行车辆动作，并在必要时提醒用户进行车内或远程接管操控。

图8

偏场端自主泊车系统方案：

图9为一种偏场端方案的系统示意图：

◤在停车场内布置激光雷达或双目摄像头来实现对车辆状态及周边环境的监控，通过预埋式停车场传感器探测当前占用状态。

所有传感器数据均在数据中心进行汇总分析，根据储存的元信息（如停车位尺寸、费用、诸如残疾人停车位等的特殊情况等）完成匹配。

数据中心根据这所有的信息实时生成停车地图。

驾驶员通过智能手机APP接收所有的信息，从而始终能了解最近可用停车位的概况，以及所有相关详情，如距离和价格。

而车辆只需要具备与停车场设施的通信能力和可控的底盘执行系统，即可在场端的辅助下完成自主泊车。◢

图9

03 自动泊车系统

自动泊车系统组成及功能如表4所示：

表4

04 自主泊车系统

自主泊车系统方案如图11所示，主要采用智能化车端+智能化场端的方式。

车端智能化主要依赖于融合式全自动泊车的传感器配置，外加前视摄像头、V2X设备等实现特定区域内的点到点自动驾驶、自动车位扫描、自动泊入泊出等功能。

车辆自身具备车辆、行人等动态障碍物检测和识别功能，可实现自动紧急制动、避障等决策规划。

场端智能化主要依托摄像头检测技术，实现停车场车位占用情况检测，并上传至停车场服务器，并实现为自主泊车车辆提前分配车位信息。

图11

▲障碍物坐标检测及多目标识别

超声波传感器单纯的距离检测能力在泊车预警辅助场景已可满足使用要求，但是在智能化泊车应用场景、及多传感器融合应用中还远远不够。

为此开发了障碍物坐标检测技术及多目标识别技术，如图12和图13所示：

图12

图13

▲高精度车位检测及车位融合

基于超声波传感器可实现空间车位的探测、360环视摄像头可实现线车位的检测。

同时结合超声波传感器及环视摄像头的障碍物信息检测，对车位进行多层次的融合，实现泊车位的高精度检测，大大提升了泊车场景的覆盖范围。如图14所示：

图14

▲轨迹动态规划技术

泊车过程中有诸多不可控因素，如转向系统执行速度与精度问题、参考障碍物位置变动问题等，导致在泊车过程中出现泊车轨迹偏离路径规划轨迹现象。

为此开发了泊车轨迹动态规划技术，可实现泊车过程中的轨迹实时修正甚至轨迹重规划，如图15所示：

图15

▲室内定位技术

如图16所示，通过采用视觉SLAM+标签辅助定位方式，解决地下停车场无GPS的问题，同时通过多源信息融合，提升定位精度。（划重点，做笔记。）

图16

▲基于视觉的停车场车位状态检测技术

如图17所示，通过停车场安装的监控摄像头，基于深度学习算法，实现车位占用状态的实时检测，并将此信息上传至停车场车位管理后台服务器，为自主泊车车辆提供可泊车位信息。

图17

▲全局与局部路径规划技术

如图18所示，基于A*算法实现任意两点间的全局路径规划，支持路径规划重置、选路以及速度规划功能，同时结合实时环境感知状态，进行局部路径规划，实现紧急制动、跟车巡航以及换道避让、换道超车等自主决策。

图18

总结一下

泊车场景作为用户痛点感受最深，技术实现相对容易，客户最愿买单且最有机会率先落地的场景，是乘用车L4自动驾驶企业兵家必争之地。

之前看过一篇文章，里面列举了汽车十大最没用的配置，自动泊车位列其中。而随着自动泊车从半自动到全自动发展，我们看到了自动泊车作为低速自动驾驶更多的闪光点。自动泊车也逐渐从“鸡肋”变成了“真香”。

来源 | 无人驾驶俱乐部

本文仅做学术分享，如有侵权，请联系删文。

—THE END—

图片

表情

搭建完美的技术写作环境，第1-10章

大家好，我是章北海，《机器学习算法与 Python 实战》和《玩机器学习的章北海》号主，985 统计学硕士，5 年时间撰写了 460 余篇优质原创文章，内容涵盖统计学、数据分析、机器学习、深度学习、Python 实战。毕业之后先后从事数据分析、机器学习工程师、项目管理，这些年积累了很多经验，工作之外

机器学习算法与Python实战

聊一聊我最常关注的9个计算机视觉、自动驾驶、AI方向高质量圈子

随着计算机视觉（2D/3D）、SLAM、自动驾驶、AI技术的快速迭代更新，可落地的技术也成为人们争先学习的重点。这使得从业者对于最前沿技术的获取能力变得至关重要。微信公众号便是一个非常有效的前沿信息分享平台。这里给大家推荐9个最常打开的计算机视觉、自动驾驶、SLAM、机器学习和AI方向的优质公众号平

机器学习初学者

超大规模数据中心网络架构及其技术演变

本文所讲的数据中心网络架构和技术范围是针对典型的大型互联网和云计算公司的超大规模数据中心(Hyperscale Data Center)，不一定适合其他类型的数据中心网络。业界对于什么规模才算是“超大规模(Hyperscale”并没有一个精确的定义。一般来说，一个数据中心网络集群至少有 5000台服

数据中心运维管理

AI智能视觉检测技术在工业级测量领域的创新应用--AMB Tube-Q导管数字化测量系统

技术背景在深度学习算法出来之前，对于视觉算法来说，大致可以分为以下5个步骤：特征感知，图像预处理，特征提取，特征筛选，推理预测与识别。早期的机器学习中，占优势的统计机器学习群体中，对特征是不大关心的。深度学习是机器学习技术的一个方面，由人工神经网络提供支持。深度学习技术的工作原理是教机器通过实例学习

机器视觉

北斗聚焦 | 工信部组织开展2024年5G轻量化贯通行动；2024全球6G技术大会在南京召开；智能制造装备产业规模超三点二万亿元

周报第一百七十四期2024/4/15-2024/4/21△点击页面右上角“…” 选择 “查找页面内容” 搜索【一周快报】，即可跳转到新版块★★ ★ ★★NO.1工信部组织开展2024年5G轻量化贯通行动记者4月16日从工业和信息化部获悉，工业和信息化部近日印发关于开展2024年度5G轻量

今日北斗

L4 自动驾驶是骗局？华为徐直军：我们起点就瞄准L4

图源：“华为智能汽车解决方案”公众号撰文 | 程子筠编辑 | 神璐璐审核 | 刘玉琳封面 | “华为智能汽车解决方案”公众号泰伯网讯，在第21届华为分析师大会上，华为副董事长、轮值董事长徐直军在演讲中提到：“华为智能驾驶的起点就是瞄准L4的架构和L4的目标，其次向下适配不同车型的

泰伯网

2024版，尚硅谷Java学科全套教程（289.1GB），含最新技术

尚硅谷 Java 学科全套视频，很早之前分享过一次，大概是 200G 左右，今天这个是《2024 版尚硅谷 Java 学科全套教程》，新增了 80 多个 GB，里面涵盖了 2023 年、2024 年最新更新的技术，基本上涵盖了 Java 所有的技术，共 289.1GB，文末附网盘地址。目录基础部分

路人甲Java

Neo欢迎两位核心开发者加入，在区块链技术前沿领域持续探索

亲爱的Neo社区：我们很荣幸地宣布，两位区块链资深人士加入Neo核心开发团队：Anna Shaleva（Neo SPCC软件工程师）和vang1ong7ang（Lazynode研究员）。两位开发者是Neo的长期贡献者，并在区块链编程方面表现出了精湛的技术。核心开发者有权管理和更新Neo核心代码库，并

Neo智能经济

搭建完美的技术写作环境，第1-8章

机器学习算法与Python实战

从AIGC到AGI，为什么我们需要更多的“技术信仰派”？丨IDCF

DevOps