基于改进逆透视变换的智能车测距技术_自动/自主泊车技术简介

最近自动驾驶落地成了大家关心的话题，而场景变成落地的前提，自动泊车或者自主泊车就是近期看到的落地场景最多的，下面就聊聊这个场景都用了什么技术。

推荐一篇综述文章：“The Future of Parking: A Survey on Automated Valet Parking with an Outlook on High Density Parking“。

这里引用它的一个框图：

是不是有一种“麻雀虽小，五脏俱全”的感觉？所以在泊车这个场景可以是L2-L3-L4都能落地的：）。

传感器方面，基本的是超声波雷达，但这种雷达只能在停车位边上经过才能检测出是否可以停车，而且它也无法确定停车位的倾斜度。摄像头通过图像可以检测识别停车位，甚至可以建视觉泊车场地图，应该是升级的配置。

激光雷达当然可以做超声波雷达和摄像头的工作，成本贵就是了。另外，V2X也会使停车场管理容易，但这需要铺设基础设施，不是车厂的工作。

摄像头做泊车的一般是环视摄像头，鱼眼镜头，放在车的侧身和前后Bumper。其原理是基于摄像头标定得到的镜头内外参数，通过Homography变换，将图像投射到路面，形成360度环视拼接。

注意，这个拼接和我们看到的VR360度环视拼接不一样，那个是拼接在一个中心的柱面（上下俯仰角度小于60度）或者球面。当然这种路面拼接质量差，在拼接处容易出现畸变，特别是运动物体，有“鬼影”效应。

不久前，某某XXX公司发布新车在顶上放了一个环视摄像头，有些记者胡写说是用来做泊车的，怎么可能？周围地面死角那么多。

就看它那个机械旋转的装置，标定都不好做，停车位定位比较困难。据说就是给驾驶员提供一个360度视角的，有多大用途就看以后开发出什么应用吧。

这是一个环视鱼眼镜头的拼接例子：

环视系统标定和一般摄像头类似，也是做标定平面板，比如：

停车位检测识别基本就是一个典型的图像识别问题，见如下的框图为例：

在室内/地下停车场，有时候柱子的信息也可以用。

一旦停车位确定，车辆通过定位到了它附近，就可以用运动规划完成泊车动作，比如下面就是一个平行和垂直泊车的轨迹规划的例子：

没有摄像头的图像信息的话，只能通过motion sensor-based odometry来控制轨迹误差。有摄像头的话，两个信息可以融合。如下图给出一个跟踪停车线的传感器融合方案：

自主泊车（valet parking）是要有地图的，可以实现所谓的“一键停车”。同时，行为规划模型也会多样，比如下图的例子：

谈到自主泊车，就不得不提到欧盟项目V-Charge，这是它的传感器配置：

这个项目基本就是停车场的自动驾驶系统开发，这是建立的一个视觉地图例子（颜色随高度而变）：

前向的双目视觉可以检测障碍物（特别是行人）：

上面的介绍主要是一些论文讨论过的泊车方法，现有的一些高档车都有这类功能。目前一些自动驾驶公司也推出了跟车企合作的泊车解决方案，看演示和传感器配置，基本方法就这些，区别在于L2，L3还是L4级别。