自动驾驶之APA(自动泊车)

自动驾驶之APA(自动泊车)

生活中，停车难，难停车是一件让有车一族头疼的事。

今天我们就来聊一聊可以解放双手，并且还可以提高泊车安全性的黑科技——自动泊车。

附赠自动驾驶学习资料和量产经验：链接

自动泊车应用场景

● 垂直泊车

在绝大多数商场、机场、车站、大型办公区域等的地上及地下停车场中，都会提供垂直式停车位。这种车位，资源利用率高，不会有太多的空间浪费。并且对于司机来说，泊车难度也比其他车位的泊车难度要低，能够大幅节省泊车时间、降低泊车失误率。

● 平行泊车

平行车位可以说是都市里比较常见的一种车位，也是相对来说比较简单的一种车位。这种泊车一般都在道路两侧以及狭长的过道单侧等车位紧张的区域。泊车时往往讲究“兵贵神速”，要不然可能会被后方车辆催促。

● 斜型泊车

斜线型车位常常出现在居民小区、企事业单位等待停车辆较多，车位较为紧缺的地方。其主要特点是车位通常比较狭窄，泊车难度较大。

现实生活中，由于每个驾驶员的停车水平、驾驶习惯、车位环境、以及所驾驶车辆的属性（长度、宽度、操纵性）等差异，泊车效果千差万别。可能好不容易停进去车，却发现车门打开的间隙不够，只能从后备箱钻出来。由于盲区的存在，泊车过程中一不小心，容易与邻车发生剐蹭；在平行泊车时，稍不留神，轮胎容易被粗糙的路沿划伤甚至划破。因此， 汽车拥有一个自动泊车的“技能加成”将会是驾驶员们的福音。

现有的自动泊车方案

● 基于超声波雷达的自动泊车

超声波雷达车位的识别方式，主要是根据经典的距离公式s=vt， 记录超声波的收发时间差和超声波在介质中的传播速度，从而测得物体本身与目标的距离。在泊车过程中，汽车会持续使用超声波雷达检测障碍物，从而判断出车位信息相对于自车的空间位置。

● 基于视觉的自动泊车

基于视觉的自动泊车主要利用安装在车辆四周的摄像头采集车辆周围环境信息，通过传统机器视觉算法或深度学习算法，分析这些图片中的像素信息，判断是否存在车位线，从而决策出车辆附近是否具备泊车条件。

● 基于信息融合的自动泊车

在短距离测量中，超声波测距传感器具有非常大的优势，测量精度高；但另一方面，超声波散射角大，方向性较差，在测量较远距离的目标时，其回波信号会比较弱，影响测量精度。而在车位线识别，环境重建，环境可视化方面，摄像头具有独天得厚的优势，但其必须依赖车位要有较为清晰完整的车位线才可发挥功能。并且，由于视觉本身缺乏深度信息，对障碍物的距离检测容易产生误差，造成误判。因此，二者信息的融合可以取长补短，达到更好的泊车效果。基于信息融合的自动泊车系统将会成为未来自动泊车的发展趋势。