自动泊车系统现在发展到什么程度了

自动泊车系统现在发展到什么程度了

迈向端到端

鸟瞰视图（BEV）表示相比于透视表示具有显著优势，因其清晰的物理可解释性和避免透视失真的特性，使得感知系统能够更好地整合来自不同模态的输入并简化下游任务。许多研究采用BEV感知技术，通过特征提取、视点转换等模块，提升了深度估计和3D目标检测的性能。同时，端到端自动驾驶范式在减少累积误差和冗余计算方面展现了显著优势，特别是在城市驾驶和泊车场景中。近年来，端到端网络已被用于泊车场景，相关方法通过多种深度学习架构实现了从图像到轨迹点的预测，尽管面临计算资源需求高和训练挑战等问题，但在实际车辆部署中展示了良好的效果。

附赠自动驾驶最全的学习资料和量产经验：链接

智能驾驶涉及三个主要任务：城市驾驶、高速公路驾驶和泊车操作。自动代客泊车（AVP）和自动泊车辅助（APA）系统作为智能驾驶中的关键泊车任务，显著提升了泊车的安全性和便利性。然而，主流的泊车方法通常是基于规则的，需要将整个泊车过程分解为多个阶段，例如环境感知、地图构建、车位检测、定位和路径规划。由于这些复杂模型结构的复杂性，它们在紧凑的泊车位或复杂场景中更容易遇到困难。

端到端（E2E）自动驾驶算法通过将感知、预测和规划组件整合到一个统一的神经网络中进行联合优化，减轻了跨模块的累积误差。将端到端算法应用于泊车场景有助于减少泊车系统对人工设计特征和规则的依赖，提供了一个综合、全面且用户友好的解决方案。

大部分端到端研究集中在仿真环境中，未验证算法在现实世界中的有效性。与城市环境的复杂性和高速公路驾驶的危险性相比，泊车场景具有低速、空间受限和高可控性的特点。这些特性为在车辆中逐步部署端到端自动驾驶功能提供了可行的路径。

本文介绍的ParkingE2E[1]是一种基于模仿学习的