自动驾驶---终极行泊一体

1. 背景

        2023.11.23这一天，华为智界S7的代客泊车视频火遍了全网（华为智界S7无人驾驶代客泊车），目前仅从视频内容来看实现了两大功能：（1）自主停到停车场目标车位；（2）自主从目标车位驶出停车场。之前也体验过问界M5的代客泊车，但那个版本的ADS2.0也只有AVP泊入的功能，并没有泊出停车场的功能。从视频所表现出来的低速巡航能力也比问界M5更强，第一次见自驾领域的 "倒车避让对向来车" 的神级操作，有一点老司机的味道。所以借着这个话题，我们聊一聊行泊一体。

        目前市面上，行和泊是分开独立的，几乎没有点到点一气呵成的，比如从公司回到自家小区停车位的一项功能。从我了解的量产产品来看，仅有蔚来推送的“领航换电”（蔚来PSP高速服务区领航换电）有一点这个味道，自主下匝道，驶入服务区换电站（这个过程可以理解为泊入车位），换完电后能一键泊出换电站并驶入高速，虽然从用户放出的多个视频来看，还存在一些瑕疵，但我想应该是会继续迭代的。其他家暂时还未看到类似的产品，随着城区自动驾驶的不断发展，希望华为，小鹏，蔚来以及大疆等国内自动驾驶头部公司也能够量产此类产品。

2. 何为行泊一体

2.1 概念

        如第一部分所述，目前大部分车型的智能驾驶模块依然是由泊车和行车两套系统组成。行泊一体方案，则是行车和泊车场景都共用一套传感器和域控制器。在整车电子电气架构由分布式架构向域集中式架构升级的过程中，随着行车和泊车传感器和域控制器共用技术的成熟，将进一步加快行泊一体技术方案的量产落地进程。并且因为电动化进程的加快，头部量产的自动驾驶公司均做到了这一点，只是采取的传感器方案略有不同。

2.2 行泊一体的优势

        首先，行泊一体方案是具备低成本的优势。行泊一体域控制器，仅通过一个域控制器可以同时实现行车辅助和泊车辅助功能，这也将大大降低研发成本。

        其次，行泊一体方案将传感器共用，性能也会提升。目前我所了解到的信息（非纯视觉方案），APA泊车使用的传感器包括：USS，Camera，Lidar；而行车使用的传感器包括：Millimeter Wave Radar，Camera，Lidar，可以看到不管是行车还是泊车，传感器来源有着高度的重合。多种传感器的互补，可以增强系统的安全性。

        除了上面描述的两点外，还包括下面三点（1）提高开发效率：行泊一体采用通用化的底层基础软件与标准中间件，适用于不同平台，比起分布式开发，相当于缩短一倍底层软件、中间件的开发周期。（2）数据积累：分布式架构中不同传感器回传的数据是相互割裂的，虽然也能做到数据回传，数据却难以对齐。行泊一体方案能回传各个传感器的实时数据，让数据回传更加清晰，方便。（3）支持OTA升级：行泊一体域控制器基本上都配备有百兆甚至千兆以太网接口，并且有更多的算力支持高级算法模型的部署，因此能够更好地支持功能的OTA升级。

3. 技术方案

        目前的AVP代客泊车，在使用上分两步，第一步应该是停车场路线记忆或者停车场建图，用户需要自主从停车场入口开始泊入并选择路线记忆，然后泊一次目标车位即可；第二步就是下一次来到同一个停车场入口的时候车端会提示可选择使用记忆泊车，那么用户就可以点击使用上述视频中所呈现的产品。从这个角度出发，我们从技术角度对该产品进行解读。

3.1 第一次记忆

        第一次记忆很重要，用户第一次使用需要在停车场入口激活路线记忆，此时会对用户走过的路线周边的障碍物和车位信息做一个建图。这里的建图有两个作用：（1）为下次的记忆泊车提供停车场部分地图；（2）因为有些地下停车场信号并不好，无法用手机导航，所以用户下次选择自己去停车的时候也能为自己导航。

        不同的停车场入口是不兼容的，比如第一次从A口起始录的路线，下次想在B口使用是不支持的，但可以通过多次路线记忆来克服这一问题。

        这一环节的主要重点在于建图，所以定位建图的同学可能更加深入了解底层知识体系，后续有时间，笔者可以简单介绍定位建图模块的一些内容。有了地图，也有了用户自己泊入的轨迹，那么还需要对记忆的轨迹进行后处理，因为存在多次重复走同一段路径的情况，且不一定是最优的，所以在后处理的过程中还要对轨迹进行优化处理（去重，生成参考轨迹）。

3.2 第二次泊入

        第二次进入同一个停车场的同一入口，通过GPS定位和周边环境信息匹配停车场入口信息，就可以开始激活记忆泊车功能，拿到了上述后处理的轨迹，接下来就是巡航和泊入的阶段。

        第二次巡航泊入的过程中，感知融合模块的作用主要是做一些静态障碍物的检测以及动态障碍物的预测，定位模块的作用是提供更加准确的定位信息，接下来主要是PNC模块的部分。经过后处理的第一次泊入轨迹会当作参考线，因此在巡航泊入的过程中需要实时的局部规划（可以使用Lattice 或者QP来进行）来进行避障以及绕行的动作，有点类似城区自动驾驶，但环境相对简单（静态障碍物为主，车速较低）。

        还有一点就是巡航和泊入的切换，在问界M5的AVP中，巡航到目标车位附近，巡航任务完成后需要停车去切换泊入动作的。因为巡航算法（Lattice，QP）和泊入算法（几何方法、Hybrid A*）是两套不同的架构，这一调度是需要采取措施去规避的，尽量让用户无感切换，比如不需要停车，所以在这一点上还是需要改进的，从最新的智界S7上，好像弱化了这一小小的瑕疵。至于Lattice和QP的部分，这两者在高速、城区以及停车场的场景使用较多，还有百度Apollo的珠玉在前，后续我也会针对这两部分进行一个更加深入的讲解。

4. 结束语

        目前华为方案的AVP功能已经很厉害了，“遥遥领先”，同时也希望华为等头部自驾公司的不断研发，在不远的将来实现公司到自家停车位的点对点自动驾驶，那将是从未有过的自动驾驶体验，可谓终极的行泊一体。