自動泊車視頻演示—大眾自動泊車教程視頻
自動泊車技術是無人駕駛技術的重要組成部分。我們知道：自動駕駛技術從L0到L4分了5個等級，自動泊車技術也同樣分5個等級：
L0：駕駛員完全掌控車輛。
L1：輔助泊車：使用傳感器實現障礙物的探測和聲光提醒；如泊車雷達、泊車攝像頭、360全景可視系統等。
L2：部分自動泊車(高級泊車輔助APA)：使用多個傳感器實現“搜索車位”、“規劃泊車路徑”、“操控轉向系統”等功能，在駕駛員監控環境下實現泊車動作。有些APA系統還需要駕駛員換檔和控制車速。
L3：自動泊車：不需要駕駛員操作，即可獨立完成泊車動作。前提是駕駛員要先把車開到停車場。
L4：全自動遠程控制停車：駕駛員只需要發一個停車指令，汽車會自動找到停車場，自動找到停車位，自動泊車、自動鎖車。 當駕駛員需要時，汽車會自動開到駕駛員身邊。
自動泊車介紹（L2L3L4）
L2級自動泊車介紹
L0和L1技術已經非常成熟且在大量應用，這里就不再說了。自動泊車技術從L2開始說起。目前在國內量產的車型使用的也都是L2技術。L2級自動泊車技術主要有3大功能：搜索泊車位、生成泊車路徑、運動控制。
1、搜索泊車位：
使用安裝在汽車周圍的超聲波雷達和攝像頭，搜索車位。在汽車上安裝12個超聲波傳感器：前方4顆測距1.5米，后方4顆測距1.5米，左右側方各2顆測距5米（或者7米）。側方的5米（或者7米）超聲波雷達對停車位進行掃描；以確定是否有足夠的停車空間可以停車。
超聲波雷達以汽車、墻面、柱子等作為參照物進行車位的掃描和計算，如果沒參照物，只有地面停車線，則無法識別停車位。如大眾CC的Park Assist 2.0（第二代智能泊車輔助系統）、奔馳B級車的PARKTRONIC（主動式泊車輔助系統）。
攝像頭使用光學原理，利用圖像識別技術來識別停車位。如日產奇駿的IPA自動泊車輔助系統。超聲波技術和攝像頭技術各有優缺點，目前市面上以超聲波技術為主流；未來兩種技術會結合、互補。
2、計算泊車軌跡：
找到停車位之后，ECU進行泊車軌跡的模擬運算。基本算法遵循阿克曼轉向原理。
2.1、阿克曼2軸汽車轉向模型：
為使汽車實現無側滑的轉向，整個轉向過程中全部車輪必須圍繞同一瞬時中心相對于地面作圓周滾動。對于下圖所示兩軸轉向情況，前內輪轉角β與前外輪轉角α之間就滿足如下阿克曼轉向特性公式：B/L=cos(α)-cos(β) (1)
2.2、自動泊車實現步驟（以縱向泊車為例）:
對于和車子運動方向平行的縱向泊車位，分成4個階段完成：
- Step0: 向后運動適當距離：當側后方雷達探測到車位時，第0階段結束；進入第1階段Step1。
- Step1:轉向輪F0的偏角為θ0，后輪B0的轉動距離為S0，車身繞圓心的轉動角度為δ0。
- Step2:轉向輪F1的偏角為θ1，后輪B1的轉動距離為S1，車身繞圓心的轉動角度為δ1；備注：δ0＝δ1；θ0＝θ1＝車子最大轉角；此時車身的運動半徑為車子的最小轉彎半徑R(min)。
- Step3:為了讓車子停在車位中間而向前運動適當距離（前后雷達測到的距離基本相等）。
2.3、自動泊車各步驟之間的數字關系（以縱向泊車為例）:
經過Step0~Step3 四步之后，泊車結束，車身應該和泊車之前（Step0）保持平行。下圖是泊車路徑過程中各個重要幾何參數的抽象圖，其中R(min)、R(max)分別是前輪以θ0轉角運動時內向輪轉彎半徑和外向輪轉彎半徑，這是汽車本身的參數。
W(car-park)、W(park)分別是車身與泊車位的橫向距離、泊車位寬度，通過測量得到（在軟件中，也可以設定成一個固定值）。W(s)為泊車后，車身與邊界的安全距離。要完成這個泊車過程，需要計算出直線p0p1長度、δ0角度。
根據Step0,Step1之后車身的橫向位移為W(car-park)+W(park)可以得到下面的等式：
W(car-park)+W(park)=M0Q0+M2Q1
M0Q0=O0M0-O0Q0=R(min)-R(min)*cos(δ0)
M2Q1=W(lr)+(W(car)-W(lr))/2+W(s)
解方程得到：
δ0＝arccos(R(min)/[R(min)+W(s)+(W(car)+W(lr))/2-W(car-park)-W(park)]
由此得到4個階段的運動參數：
Step0階段向后運動的距離：
P0P1＝P0P2－P1P2＝O0M3-P1P2
=O0O1*sin(δ0)-√(R(max)* R(max)- R(min)* R(min))
- Step1階段后輪B0轉動距離：M0M1=δ0*R(min)
- Step2階段后輪B0轉動距離：M1M2=δ0*(R(min)+W(car))
- Step3階段后輪B0轉動距離：L(step3)=(L(min-park)-L(car))/2
3、按照預定泊車軌跡控制方向盤轉角進行自動泊車。檔位和車速由人工控制。
L3級自動泊車介紹：
L3是在L2的基礎上增加了對檔位和車速的控制，此處省略。
L4級自動泊車介紹：
L4級自動泊車功能是在L3級的基礎上，實現V2X功能，即汽車與停車場實時通訊，精準找到車位；然后利用自動駕駛功能，自動無人駕駛進行入停車場、自動泊車。
1、通過設置在停車場的傳感器，實現車位管理。它會將停車場空余車位的情況，提前告訴車內的導航，這樣駕駛者去往目的地的時候就能精準泊車。
2、精準找到車位只是第一步，第二步就是自動泊車。汽車的所有泊車過程，都自動完成，不需要人為干預。駕駛者達到目的地以后下車，操作智能手機，汽車就自己停好了。不但會自己駛入，還會再自動的駛出。這需要系統高度智能，也需要停車場設施的硬件配合。
L4級自動泊車的代表技術有：
1、寶馬7系轎車安裝有全自動遠程控制停車系統(fully automated RemoteValet Parking Assistant)。
此系統能夠在完全不需要駕駛員控制的情況下，自動將車輛停入停車位，即使是大型多層式停車場，系統也能完美執行停車指令。這套停車系統同樣也是通過車輛身上安裝的雷達掃描儀運行，不過特別的是，計算機會將掃描而得的環境數據與建筑物(停車場)本身的結構作綜合判斷，讓車輛可以更輕松找到車位并執行停車任務。
2、特斯拉Summon自動泊車，該功能可以全自動進行泊車操作，而無需真人司機在車內配合控制。
3、沃爾沃全自動停車系統，在路邊或停車場入口就可以接管車輛，來進行車輛的自動停車和鎖閉，并且它還能讓車輛自己從停車位來到你的身邊。
無人駕駛之所以會給汽車行業帶來如此大的變革，是因為無人車帶來的影響是空前的。研究表明，在增強高速公路安全、緩解交通擁堵、減少空氣污染等領域，無人駕駛會帶來顛覆性的改善。
基于超聲波雷達的全自動泊車技術
無人駕駛帶來的商業潛力有多大？從本質上講，無人駕駛和互聯網的共同之處在于：它們都通過去人力化，降低了傳輸成本。互聯網降低的是信息的傳輸成本，而無人駕駛則降低有形的物和人的運輸成本。對比互聯網已經產生的商業影響力，就可以想象無人駕駛的商業潛力。隨著谷歌、百度和特斯拉這樣的公司用事實不斷展示技術上的進步，傳統車廠已經越來越清晰地意識到，無人駕駛技術即將為汽車商業模式帶來顛覆式的改變，這可能是自內燃機發明以來，汽車行業最重大的變化。
自動泊車技術是解決自動駕駛最后一公里的核心技術，根據技術類別不同，細分為以下4類：（1）代客泊車AVP，（2）自學習型泊車HPA，（3）遙控泊車RPA，（4）全自動泊車APA。這里主要介紹基于超聲波雷達的全自動泊車技術。主要包括：搜索停車位、自動泊入、自動泊出等功能（如下表）。
下圖是適用的典型泊車場景
APA系統可以實現的平行泊車
- 平行情形 1
標準情形,側邊停放車輛一致直線擺放。
- 平行情形 2
側邊車輛向外有一個α角度,α角度小于最大允許值為5°。
- 平行情形 3
側邊車輛向內有一個α角度,α角度小于最大允許值為5°。
- 平行情形 4
側邊車輛不在同一水平線上。
dObj1, dObj2中最大的一個的最大允許值為180cm，最小的一個的最小允許值為50cm。
- 平行情形 5
側邊車輛帶有很大的圓角。
- 平行情形 6
側邊車輛帶有很尖銳的圓角
- 平行情形 7
側邊車輛直線停放，且沒有路沿的情形。
- 平行情形8
避車道
側邊車輛停放在避車道內，該情形偵測結果與標準情形相同。
- 平行情形9
凸形彎道，側邊車輛平行于路沿停放。
最小彎道半徑為20m。
- 平行情形10
凹形彎道，側邊車輛平行于路沿停放。
最小彎道半徑為20m。
- 平行情形11
側邊障礙物是圓形管狀物。
管狀物的表面材料必須能夠反射超聲波。
最小直徑ObjDmin + 1.0m = 1.5m 。
最小高度為APA sensor安裝高度+30cm。
- 平行情形12
側邊障礙物是方形柱狀物。
方形柱狀物的表面材料必須能夠反射超聲波。
最小邊長ObjLmin_sq + 0.5m = 1.5m。
最小高度為APA sensor安裝高度+30cm。
- 平行情形13
側邊障礙物是摩托車，且摩托車與路沿平行。
APA系統可以實現的垂直泊車
- 垂直情形1
標準情形,側邊停放車輛一致直線擺放。
- 垂直情形2
側邊車輛向外有一個α角度。
- 垂直情形3
側邊車輛向內有一個α角度。
- 垂直情形4
側邊車輛不在同一水平線上。
dObj1, dObj2中較大的一個的最大允許值為180cm，較小的一個的最小允許值為50cm。
- 垂直情形5
側邊車輛帶有很大的圓角。
- 垂直情形6
側邊車輛帶有很尖銳的圓角。
- 垂直情形7
側邊車輛直線停放，且沒有路沿的情形。
- 垂直情形8
避車道
側邊車輛停放在避車道內，該情形偵測結果與標準情形相同。
- 垂直情形9
側邊停放車輛的停放位置有一定角度，兩輛車停放偏角的方向相同，最小偏角α
- 垂直情形10
停車位目標障礙物是圓形障礙物，至少有可被探測到的最小直徑和最小高度；
兩障礙物的偏移量要小于0.5m （即 X < 0.5m）；
障礙物材質：能反射超聲波；
最小直徑：ObjDmin = 0.5 m
最小高度：Sensor 安裝高度 + 30 cm
- 垂直情形11
側邊障礙物是方形柱狀物。
兩障礙物的偏移量要小于0.5m；
方形柱狀物的表面材料必須能夠反射超聲波。
最小邊長ObjLmin_sq=1.0 m。
最小高度為APA sensor安裝高度+30cm。
- 垂直情形12
側邊障礙物是摩托車，且摩托車與路沿平行，可被探測到，摩托車表面不能太小，否則無法被探測到，且兩障礙物的偏移量要小于0.5m。
整套產品由12個超聲波傳感器和1個控制器組成
其中傳感器包括4顆遠距離傳感器（測距5米）和8顆近距離傳感器（測距1.5米）），分別實現車位掃描和距離偵測的功能。
控制器首先根據傳感器偵測到的距離信息，建立自動泊車的坐標系，確定本車與泊車位及前后車輛、周圍環境的相對位置。然后對泊車行為進行預測，規劃泊車路徑及避障。最后控制汽車的執行系統（如方向盤、油門、剎車等），按照泊車算法預定的泊車路徑進行自動泊車。
1、掃描車位
2、建立坐標系
3、規劃泊車路徑
4、執行泊車動作
自動泊車視頻
未來，全自動泊車技術將會與360全景系統、3D毫米波雷達（或者激光雷達）等多種傳感器融合，同時借助停車場的無線車位ID識別技術（地磁傳感器）、高精度地圖、V2X通信技術等，實現智能化程度更高的自主泊車。
影響自主泊車的因素
目前，自主泊車技術已經接近成熟了，但是實現起來還是有一定的難度。目前影響自主泊車的因素有很多，
基礎環境建設
基礎環境建設是實現自動代客泊車技術和無人駕駛很重要的一步。從技術層面來講，自主泊車需要解決以下問題：
- 定位導航
- 自主收費
- 通道寬度：自動泊車對通道寬度的要求
- 智能車庫：車庫自主停車
- 物聯網、車聯網（V2X）的全面覆蓋：通訊不穩定問題
- 手機APP研發：通過手機APP來操作汽車停車功能
- 超聲波傳感器：全方位監測車輛行駛路徑及周圍環境
- 可用和占用的停車位
- 車位識別：對所需車位的長度和寬度有最小要求
- 道路標記以及行人或其他車輛等障礙物
- 樹葉、廢棄物和冰雪覆蓋、雨季等不可抗因素等
車輛設施
除了對周圍環境有關之外，車輛自身也是非常必要的。比如說：
- 電子換擋
- 車速限制（一般時速低于30km/h）
- 車身長度
- 路徑規劃
- 記憶停車：根據汽車記憶功能一鍵設置每天行車路徑
- 車內控制元件（確保對環境數據及時更新和路徑調整）
- 車輛傳感器
- 車位探測和識別的精準度（難點）
- 等等
成本
到目前為止，這些演示都依賴于昂貴的傳感器，用于停車場建設的智能設備、激光雷達和物聯網等全面覆蓋的成本較高。
安全
隨著車輛的增多，通訊方面的承載量也在逐漸增多。另外，信息安全一直是車廠和國家非常關注的問題。
小鵬汽車：（記憶式）自動泊車方法及系統
發明名稱:
自動泊車方法及系統
摘要:
本發明涉及車輛技術領域，公開一種自動泊車方法及系統，包括：當檢測到車輛處于常用泊車區域時，調用預存儲的常用泊車區域的環境地圖；獲取車輛在環境地圖中的當前位置，以及獲取車輛在環境地圖中的泊車軌跡；根據當前位和泊車軌跡，將車輛泊車至常用停車位。實施本發明實施例，能夠當檢測到車輛進入常用停車區域時，就獲取車輛在該常用停車區域的泊車軌跡，并根據車輛在該常用停車位的當前位置以及泊車軌跡自動將車輛泊入常用停車位，無需車主自行將車輛駕駛至常用停車位附近，從而使自動泊車方法更加智能。
- 一種自動泊車方法，其特征在于，所述方法包括：
- 當檢測到車輛處于常用泊車區域時，調用預存儲的所述常用泊車區域的環境地圖；
- 獲取所述車輛在所述環境地圖中的當前位置，以及獲取所述車輛在所述環境地圖中的泊車軌跡；
- 根據所述當前位置和所述泊車軌跡，將所述車輛泊車至常用停車位。
- 根據權利要求1所述的方法，其特征在于，所述根據所述當前位置和所述泊車軌跡，
- 將所述車輛泊車至常用停車位，包括：
- 確定所述泊車軌跡的起點位置和終點位置，所述終點位置為所述常用停車位的位置；計算所述起點位置和所述當前位置，生成從所述當前位置行駛至所述起點位置的行駛路線；控制所述車輛根據所述行駛路線從所述當前位置行駛至所述起點位置，并控制所述車輛根據所述泊車軌跡從所述起點位置行駛至所述終點位置；將所述車輛泊入與所述終點位置對應的所述常用停車位。
- 根據權利要求1或2所述的方法，其特征在于，所述當檢測到車輛處于常用泊車區域
- 時，調用預存儲的所述常用泊車區域的環境地圖之前，所述方法還包括：
- 獲取車輛的常用停車位的定位信息；將以所述定位信息為圓心、以預設距離為半徑的區域確定為常用泊車區域；
- 根據所述車輛的圖像采集設備采集到的所述常用泊車區域的圖像，構建所述常用泊車區域的環境地圖，并將所述環境地圖與所述常用泊車區域關聯存儲。根據權利要求3所述的方法，其特征在于，所述獲取車輛的常用停車位的定位信息，包括：
- 獲取預存儲的所述車輛泊入過的停車位，并獲取所述停車位的泊入信息，所述泊入信息至少包含泊車次數；從所述停車位中確定所述泊車次數大于預設次數的常用停車位；從所述常用停車位的泊入信息中獲取所述常用停車位的定位信息。
- 根據權利要求4所述的方法，其特征在于，所述獲取所述車輛在所述環境地圖中的當
- 前位置，以及獲取所述車輛在所述環境地圖中的泊車軌跡，包括：
- 獲取所述車輛在所述環境地圖中的當前位置，并獲取所述車輛在所述常用泊車區域中的至少一個行駛軌跡，所述行駛軌跡以所述定位信息為終點；
- 將所述行駛軌跡進行融合，生成所述車輛在所述常用泊車區域中的目標行駛軌跡；
- 將所述目標行駛軌跡與所述環境圖像進行分析，得到所述環境圖像中與所述目標行駛軌跡對應的泊車軌跡。
- 一種自動泊車系統，其特征在于，包括：
- 調用單元，用于當檢測到車輛處于常用泊車區域時，調用預存儲的所述常用泊車區域的環境地圖；第一獲取單元，用于獲取所述車輛在所述環境地圖中的當前位置，以及獲取所述車輛在所述環境地圖中的泊車軌跡；泊車單元，用于根據所述當前位置和所述泊車軌跡，將所述車輛泊車至常用停車位。
- 根據權利要求6所述的自動泊車系統，其特征在于，所述泊車單元包括：第一確定子單元，用于確定所述泊車軌跡的起點位置和終點位置，所述終點位置為所述常用停車位的位置；計算子單元，用于計算所述起點位置和所述當前位置，生成從所述當前位置行駛至所述起點位置的行駛路線；控制子單元，用于控制所述車輛根據所述行駛路線從所述當前位置行駛至所述起點位置，并控制所述車輛根據所述泊車軌跡從所述起點位置行駛至所述終點位置；泊車子單元，用于將所述車輛泊入與所述終點位置對應的所述常用停車位。
- 根據權利要求6或7所述的自動泊車系統，其特征在于，所述自動泊車系統還包括：
- 第二獲取單元，用于在所述調用單元當檢測到車輛處于常用泊車區域時，調用預存儲的所述常用泊車區域的環境地圖之前，獲取所述車輛的常用停車位的定位信息；
- 確定單元，用于將以所述定位信息為圓心、以預設距離為半徑的區域確定為常用泊車區域；構建單元，用于根據所述車輛的圖像采集設備采集到的所述常用泊車區域的圖像，構建所述常用泊車區域的環境地圖，并將所述環境地圖與所述常用泊車區域關聯存儲。
- 根據權利要求8所述的自動泊車系統，其特征在于，所述第二獲取單元包括：
- 第一獲取子單元，用于在所述調用單元當檢測到車輛處于常用泊車區域時，調用預存儲的所述常用泊車區域的環境地圖之前，獲取預存儲的所述車輛泊入過的停車位，并獲取所述停車位的泊入信息，所述泊入信息至少包含泊車次數；第二確定子單元，用于從所述停車位中確定所述泊車次數大于預設次數的常用停車位；所述第一獲取子單元，還用于從所述常用停車位的泊入信息中獲取所述常用停車位的定位信息。
- 根據權利要求9所述的自動泊車系統，其特征在于，所述第一獲取單元包括：
- 第二獲取子單元，用于獲取所述車輛在所述環境地圖中的當前位置，并獲取所述車輛在所述常用泊車區域中的至少一個行駛軌跡，所述行駛軌跡以所述定位信息為終點；融合子單元，用于將所述行駛軌跡進行融合，生成所述車輛在所述常用泊車區域中的目標行駛軌跡；分析子單元，用于將所述目標行駛軌跡與所述環境圖像進行分析，得到所述環境圖像中與所述目標行駛軌跡對應的泊車軌跡。
- 一種車載電子設備，其特征在于，包括：存儲有可執行程序代碼的存儲器；與所述存儲器耦合的處理器；所述處理器調用所述存儲器中存儲的所述可執行程序代碼，執行權利要求1～5任一項所述的自動泊車方法的部分或全部步驟的指令。
- 一種車輛，其特征在于，所述車輛包括權利要求11所述的車載電子設備。
- 一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲了程序代碼，其中，所述程序代碼包括用于執行權利要求1～5任一項所述的自動泊車方法的部分或全部步驟的指令。
- 一種計算機程序產品，其特征在于，當所述計算機程序產品在計算機上運行時，使得所述計算機執行權利要求1～5任一項所述的自動泊車方法的部分或全部步驟。
。
