自动驾驶的第一桶金，应该怎么挖？

对于有车一族来说，开车是愉快的，但停车往往是件令人痛苦的事儿。停车之难，一是在于车位难找，二即使找到了，停车入位也是烦心事，纵然是老司机也不敢大意，以免发生不愉快的剐蹭。这种痛点，自然也就催生了对“自动泊车（APS）”的需求。 所谓自动泊车，顾名思义就是汽车无需（或者只需尽可能少的）人工干预，通过车载传感器和车载处理器，来实现自动化的车位寻找、车位识别、停车入位等操作。这无疑会了却菜鸟的一块心病，对于老手来说也更省力气。

市场日趋火热

根据盖世汽车的用户调查，72%的用户表示虽然没有使用过自动泊车系统，但有机会的话很愿意尝试，而40%的用户表示有购车计划时，愿意购买配备自动泊车系统的车型，买方的强劲需求由此可见一斑。 从车企和汽车电子开发者这一“卖方”的角度来看，自动泊车也是其在ADAS和自动驾驶领域一个不错的切入点。其原因主要有三点：

第一是技术难度相对较小，停车场虽然属于高复杂度的开放道路，但是由于车速较低、交通参与者较少，安全风险及技术难度相对较小，现有的技术基本可以满足需要。

第二是由于使用场景相对固定和简单，实施起来法律和伦理方面的障碍也比较小。

第三是自动泊车的产品形态比较灵活，既适用于前装市场，成为新车的新卖点，也可以通过后装市场对存量车辆进行升级改造。

因此有分析认为，基于上述的这些因素，自动泊车可以帮助汽车行业玩家在自动驾驶领域掘得第一桶金。佐思产研的研究数据显示，中国乘用车市场自动泊车的装配率已经从2013年的1.34%上升到了2019年的7.7%。而中国汽车技术研究中心的分析也显示，到 2020 年自动泊车系统在狭义乘用车市场的新车装配率将达到20%。很显然，市场已经启动了。

技术分级浅析

不过如果真的想进入自动泊车，上面的分析还是显得比较粗糙。实际上，既然自动泊车是自动驾驶中的一个场景，那么其也和自动驾驶一样是有不同分级的，根据自动泊车自动化程度，其可被分为四类：

自动泊车辅助（APA）：在泊车入位时驾驶员仍然需要在主驾驶位，车辆自动控制泊车的方向和速度，但驾驶员要随时观察周围环境，准备踩刹车等应急操作。

远程泊车辅助（RPA）：它是在APA基础上发展而来的，但与APA不同的是泊车过程中人处于驾驶座舱之外观察环境，随时准备通过遥控器或手机APP进行刹车和控制，这种方案特别适合于停车位狭窄的场合。

自学习泊车（HPA）：也被称为“记忆泊车”，它是依托360°全景影像功能，实现即时定位与地图构建（Simultaneous Localization And Mapping，SLAM），实现在特定场景中固定路线的自主泊车。

自主泊车（AVP）：这实际上就是自动泊车系统的终极目标，它可以像高级酒店的车童一样，帮助车主完成自动寻常车位、停车入围、自动接驾等全流程的泊车自动化操作。

显而易见，上述不同的类型（级别）的自动泊车系统，其技术难度也是不同的，相应地也就需要不同的技术解决方案。

技术架构考量 不过上述所有这些不同级别的自动泊车系统，其基本的技术架构都是相同的，必须包含以下三个部分：

传感器系统：其主要任务是探测环境信息，在寻找车位阶段，可以采集车位的长度和宽度以判断是否合适停车；在泊车阶段，主要是监测汽车相对于目标停车位的位置坐标，以及与周围障碍物相对距离，进而计算出车身角度和转角等信息，确保泊车过程的安全可靠。

计算处理系统：它会根据车位监测传感器系统采集到的信息，计算车位的有效长度和宽度，判断该车位是否可用，以及在停车入位的过程中，根据停车位和汽车的相对位置规划出最佳的泊车路径。可以说，这是自动泊车系统最核心的部分。

执行系统：自动泊车计算控制系统的计算结果，将作为决策指令输入电动助力转向系统以及发动机电控系统，以控制泊车过程中方向盘的角度和汽车油门开度，两个方面的动作相互配合，最终完成泊车的操作。

由此不难看出，自动泊车与其他自动化系统一样，都是包括感知、思考和决策及执行三个环节，而更精准的环境感知、更高效的数据处理，决定了自动泊车方案优劣的关键。

在传感器系统方面，超声波传感器是最成熟的技术，它发射并接收从障碍物反射回来的超声波信号，根据发射和接收信号的时间长短来测算与障碍物的距离。如今，毫米波雷达在一些比较前卫的全自动泊车系统也已经出现了，相较于超声波，它可以提供更高的分辨率、精度及抗干扰能力。虽然有人认为毫米波雷达在低速下的性能优势不突出，且在地库中使用时信噪比不高，但是其不断下降的成本和固有的性能优势还是让人们对其充满了兴趣。

此外，360°环视视觉系统也是自动泊车系统中必不可少的环境传感器，它通过4个广角鱼眼摄像头构成了一个可以对车辆周围进行全方位观察的“上帝视角”，提供更直观的信息和数据。当然，受环境光线的影响以及无法直接测距，是视觉传感方案的短板。可见，各种传感器互有短长，自动泊车系统的感知部分的方案，就是针对特定目标应用，对上述多种类型传感器进行组合，通过传感器融合，以达到一个最优的结果。

在计算处理方面，为了提升数据处理的效率和速度，在视觉处理上选用恩智浦的S32V视觉处理器，其不仅有多核64位Arm Cortex-A53提供充沛的算力，还具有图像信号处理器（ISP）、强大的3D图形处理器单元（GPU）、双APEX-2视觉加速器等专门的视觉处理功能，同时还有可支持机器学习模型部署的工具链。而在传感器、泊车路径规划及跟踪的数据处理上选用意法半导体的SPC564Bxx系列车规级MCU，采用e200z4d处理器核，工作频率高达120MHz，具有可变长度编码（VLE），并满足汽车级的可靠性、功能安全方面的要求……这都会为自动泊车系统未来功能的扩展和性能的提升提供有力的技术支撑。

寻找开发捷径 不过，对自动泊车有了深入的理解，也有了可供使用的产品和技术，但在实际的开发过程中，开发者还是会遇到不少具体的问题，比如核心器件的评估选型、系统的整合、性能参数的实现等等，解决这些问题，都少不了费时费力的摸爬滚打。

编辑：jq