本文來源：智車科技

泊車場景是自動駕駛落地較早和較廣泛的場景之一，自動泊車功能對于很多車主來說很有用。尤其是對于新手司機來說，在駕駛技術(shù)還尚未純熟的階段，面臨泊車這種相對較困難的駕駛場景時，如果能通過車輛配備的自動泊車功能實現(xiàn)輔助泊車或自動泊車將會大大提高駕駛安全性和效率。因此，這些年自動泊車技術(shù)也飛速發(fā)展，從最開始的半自動到全自動泊車再到近幾年推出的記憶泊車和代客泊車，其自動化程度越來越高，場景適應性越來越強。那么自動泊車技術(shù)都經(jīng)歷的怎樣的發(fā)展階段，又包含哪些關(guān)鍵技術(shù)，現(xiàn)在市面上誰家的自動泊車系統(tǒng)最好用呢？本文將帶大家一起梳理和回答這些“干貨”問題。

發(fā)展歷程

1.1 發(fā)展階段

根據(jù)自動化程度的演進， 自動泊車可分為半自動泊車、全自動泊車、記憶泊車、自主代客泊車四種產(chǎn)品形態(tài)，其中， 根據(jù)搭載傳感器和使用場景的不同，全自動泊車又可分為基于超聲波的全自動泊車、超聲波融合環(huán)視攝像頭的全自動泊車、遙控泊車三種形態(tài)。隨著自動泊車技術(shù)的不斷迭代，自動泊車功能的實用性也越來越強。

自動泊車發(fā)展階段

1.2 功能定義

半自動泊車（S-APA）

半自動泊車(Semi-Automatic Parking Assist，S-APA) 基于車輛的超聲波傳感器實現(xiàn)車位感知， 向駕駛員提供車位信息， 并進行路徑規(guī)劃， 系統(tǒng)自動控制車輛轉(zhuǎn)向系統(tǒng)， 駕駛員僅需按照儀表盤的提示對車輛縱向進行控制。

半自動泊車需要駕駛員實時監(jiān)督，并控制檔位、加速和減速，對應 SAE L1 級.

全自動泊車（F-APA）

與半自動泊車相比，全自動泊車(Full-Automatic Parking Assist，F(xiàn)-APA) 更加智能化。全自動泊車系統(tǒng)可以對車輛進行橫向和縱向的控制， 同時需要駕駛員對車輛進行持續(xù)監(jiān)控和有效接管，以保障泊車安全，屬于 SAE L2 級別的泊車輔助系統(tǒng)。

遙控泊車（RPA）

RPA（Remote Parking Asist）遠程遙控泊車輔助系統(tǒng)是在APA自動泊車技術(shù)的基礎之上發(fā)展而來的，車載傳感器的配置方案與第一代類似。它的誕生解決了停車后難以打開自車車門的尷尬場景，比如在兩邊都停了車的車位，或在比較狹窄的停車房。

遙控泊車RPA允許用戶在車外一定可視范圍內(nèi)使用遙控裝置（手機或鑰匙）控制車輛進行泊入、泊出、直進、直出等功能，整個過程中駕駛員必須始終監(jiān)控車輛狀態(tài)。

與APA相比，遙控泊車RPA最大的區(qū)別就在于泊車過程中駕駛員始終處于車外，如果此時遇到一些安全風險，駕駛員是沒有能力在車內(nèi)及時進行安全處理的。

記憶泊車（HPA）

在全自動泊車基礎上， 記憶泊車(Home-Zone Parking Asist，HPA) 可在相對更遠距離和更復雜環(huán)境中自主完成泊入和泊出操作。記憶泊車建立在 SLAM (Simultaneous Localization and Mapping，即時定位與地圖構(gòu)建)技術(shù)基礎之上，利用車身傳感器，學習、記錄并儲存用戶常用的下車位置、停車地點及泊車行進路徑， 建立常用泊車路徑的環(huán)境特征地圖， 車輛再次經(jīng)過該地點時， 系統(tǒng)將復現(xiàn)用戶的泊車路徑來代替駕駛員完成停車場內(nèi)最后一段距離的低速駕 駛和泊車。在外界環(huán)境發(fā)生較大變化， 記憶泊車功能無法實現(xiàn)時， 記憶泊車系統(tǒng)將要求駕駛員 接管車輛或者返回原來位置，對應 SAE 分級的 L3 級別。

代客泊車（AVP）

 

自主代客泊車是指用戶在指定下客點下車， 通過手機 APP 下達泊車指令， 車輛在接收到指令后可自動行駛到停車場的停車位，不需要用戶操縱與監(jiān)控；用戶通過手機 APP 下達取車指令， 車輛在接收到指令后可以從停車位自動行 駛到指定上客點；若多輛車同時收到泊車指令， 可實現(xiàn)多車動態(tài)的自動等待進入泊車位。車輛 自動行駛過程中應能遵守道路交通規(guī)則，或停車場運營方所制定的場內(nèi)交通規(guī)則。

自動泊車方案演進

系統(tǒng)組成

系統(tǒng)組成

2.1 傳感器

APA傳感器配置有兩種主流方案，一是基于純超聲波雷達的，二是基于全息影像與超聲波雷達融合的感知方案。但是純超聲波的感知方案只有空間信息，僅能識別由邊界車、路緣確定的車位，不支持由車位線確定的車位。在無障礙物的情況下無法檢測到可泊車位。據(jù)不完全統(tǒng)計數(shù)據(jù)顯示，國內(nèi)搭載APA功能的車輛中，基于全息影像與超聲波融合方案占比逐年上升，從2018年的6.8%上升至2022年1-5月的48.4%。隨著計算平臺算力的提升，以及用戶對多場景落地方案的要求，超聲波與視覺融合感知方案將成為市場主流的自動泊車方案。

自動泊車傳感器方案

自動泊車主流車端傳感器配置方案

傳感器對比

2.2 控制器

泊車控制器，負責將感知系統(tǒng)采集到的信息進行處理和分析，得出車輛當前的位置、目標的位置以及周邊的環(huán)境，依據(jù)這些參數(shù)判斷是否具備停車條件，計算最優(yōu)路徑規(guī)劃，生成相應的控制指令，并通過整車網(wǎng)絡將泊車過程中所需的轉(zhuǎn)向力矩、轉(zhuǎn)角信息等信息以電信號形式下發(fā)到相關(guān)執(zhí)行器，同時要把需要向駕駛員顯示的信息按照輸出的邏輯和順序，通知到 HMI 端。

隨著自動泊車級別的提升， 各個方案所需的傳感器的種類和數(shù)目越來越多， 對數(shù)據(jù)處理的需求也越來越高。一般而言，超聲波數(shù)據(jù)使用微處理器(MCU) 處理即可；攝像頭數(shù)據(jù)處理包括傳統(tǒng)的計算機視覺方法和深度學習兩種方法，需要使用到系統(tǒng)級芯片(SoC) 上的中央處理器(CPU)、圖形處理器(GPU) 、數(shù)字信號處理單元(DSP) 、神經(jīng)網(wǎng)絡處理器(NPU) 等處理單元；毫米波雷達和激光雷達數(shù)據(jù)需要算力更強的 SoC 芯片進行處理。

泊車控制器架構(gòu) 圖源：自動泊車行業(yè)發(fā)展藍皮書（2021-2025）-高工智能汽車出品

目前市場上主流的駕駛輔助功能域控設計方案：

自動駕駛域控制器方案

硬件解決方案

兩種主流的硬件解決方案：

1）TC297+TDA2 平臺立足于自動泊車的應用

2）TC397+TDA4 平臺提供更高的算力和更豐富的內(nèi)存資源和接口，立足于代客泊車的應用

TC297+TDA2方案

TC397+TDA4方案

下圖是映馳科技三J3+S32G的方案�？梢钥闯觯阂活wJ3負責8M主相機處理、一顆J3負責周視和后視處理，第三課J3負責環(huán)視處理，最后由S32G中的M7核負責規(guī)控（S32G中有三對M7鎖步核）

軟件解決方案

針對MCU端與SOC端，支持靈活的軟件架構(gòu)方案，以滿足多類傳感器的數(shù)據(jù)解析及傳輸，支持客戶開發(fā)及功能安全要求。

1）MCU端基于Classic Autosar標準架構(gòu)

2）SOC端支持Linux/QNX/VxWorks操作系統(tǒng)，支持Adaptive Autosar架構(gòu)

行泊一體芯片方案

中低端行泊一體芯片：TDA4、J3

中高端行泊一體芯片：OrinX、昇騰610

可以看到，之前泊車系統(tǒng)時有單獨的控制器和傳感器組成的，而現(xiàn)在都在做行泊一體和艙泊一體的方案，把一個泊車和行車的功能集成到一個控制器中開發(fā)實現(xiàn)，或者時將泊車的軟件集成到座艙域控中。以上的兩種做法不僅降低了系統(tǒng)成本，而且提高了系統(tǒng)的集成度。這一趨勢也正是在為即將到來的艙駕一體方案甚至是整車中央控制器架構(gòu)發(fā)展和“靠攏”。

2.3 執(zhí)行器

執(zhí)行器主要由4個部件組成（全部必不可少）：

VCU(整車控制器)：在自動泊車功能中，VCU的主要功能有兩個，響應擋位切換、響應扭矩輸出實現(xiàn)車輛運動；

ESP（電子穩(wěn)定程序）：主要作用為接收減速度信息實現(xiàn)車輛制動。目前Bosch提供的ESP支持兩種制動接口，CDDS與CDDAP。CDDAP為泊車專用接口，通過發(fā)送剩余制動距離、緊急制動等信息可以實現(xiàn)更高精度的制動，其精度一般可以控制在10cm內(nèi)。另外CDDAP也提供了例如二段泄壓的接口用于在坡道上起步。

EPB（電子剎車）：主要作用泊車結(jié)束后使車輛駐車，另外EPB也可以作為制動冗余備份，EPB一般支持在3km/h以下直接響應，可以使車輛剎停。對于鑰匙泊車和手機泊車，制動冗余備份是必要的。有部分車型，因成本考慮會把EPB控制器集成在ESP中，此時ESP出現(xiàn)異常，EPB無法起到制動備份的作用。

EPS(電子轉(zhuǎn)向助力)：主要作用轉(zhuǎn)動方向盤，實現(xiàn)車輛的橫向控制。EPS的接口有兩個，扭矩控制與角度控制。扭矩控制的方式一般用于車道保持系統(tǒng)。泊車主要使用角度控制，角度控制其控制精度更高，響應一致性更好，方便軌跡跟蹤算法的實現(xiàn)。

2.4 其他關(guān)聯(lián)系統(tǒng)

IP(儀表)：主要作用是用于顯示車位信息，并且提示泊車進程。

HUT(導航主機)：主要作用顯示泊車動畫，提供泊車按鈕；

BCM(車身控制器)：提供車輛車門狀態(tài)。當車門開啟時泊車系統(tǒng)應被禁用，車門開啟會影響攝像頭車位識別精度，另外車門開啟，車輛邊界改變，存在一定碰撞風險；

PEPS(無鑰匙進入系統(tǒng))：轉(zhuǎn)發(fā)鑰匙信號，實現(xiàn)鑰匙遙控泊車。

BLE（藍牙模塊）：可以集成在大屏中，但是要滿足一定范圍的連接距離，主要用于手機操控泊車。為了保證系統(tǒng)安全，防止藍牙通道惡意攻擊劫持，可以使用報文加密及時間戳來保證。手機泊車不使用4G或是5G網(wǎng)絡作為連接通道的原因為網(wǎng)絡信號容易受到環(huán)境干擾及網(wǎng)絡延遲。例如，部分地下停車無網(wǎng)絡信號，泊車將無法使用。另外關(guān)于網(wǎng)絡延遲，手機泊車過程中如出現(xiàn)異常，需要保證車輛立即退出泊車。

算法

自動泊車一般分為：環(huán)境感知、停車位檢測與識別、泊車路徑規(guī)劃、泊車路徑跟隨控制以及模擬顯示五個環(huán)節(jié)，因此自動泊車算法模塊可以細化成：傳感器融合、軌跡規(guī)劃、車輛控制、避障模塊、狀態(tài)管理模塊、定位模塊。算法框圖如下：

自動泊車算法框圖

3.1 定位

建圖定位模塊的關(guān)鍵技術(shù)主要包括車輛本身定位和車位地圖掃描兩個部分。該模塊需要完成車輛周圍信息的感知和建模，車輛自身的定位和跟蹤反饋，所建立的地圖和定位信息是自動泊車路徑規(guī)劃和控制決策模塊的根本基礎，也是決定車輛自動泊車質(zhì)量的直接因素。根據(jù)車輛配置的不同，對自動泊車常用的定位技術(shù)總結(jié)介紹如下。

3.1.1 航跡推算定位技術(shù)

基于航跡推算的定位主要采用慣性導航系統(tǒng)和里程計。

慣性導航系統(tǒng)建立在慣性原理的基礎上，由車輛IMU全天候地輸出六自由度的信息，包括x、y、z、roll、pitch和yaw。其基本原理是首先由測量的角速度積分推算姿態(tài)，根據(jù)姿態(tài)信息將測量的加速度投影到導航坐標系，進而對投影后的加速度去除重力后進行積分推算位置[4]，因此系統(tǒng)誤差會隨著時間累計成為慣性導航中最大的問題。

里程計定位是基于車輛輪速傳感器的應用，通過標定的方法獲得單位脈沖的距離，再通過對脈沖計數(shù)計算車輪行駛的距離，進而獲得車輛的航向角和當前位姿。以圖2所示車輛配置傳感器的情況為例，對基于輪脈沖的里程計定位算法介紹如下。

（1）脈沖系數(shù)標定

以輪脈沖傳感器作為定位模塊的主要傳感器，輪脈沖通過標定可以獲取車輛單位脈沖行駛的距離，即脈沖系數(shù)。分別標定車輛驅(qū)動輪左右兩側(cè)脈沖系數(shù)，通過脈沖計數(shù)可獲得車輛行駛距離，如式（1）（2）所示：

式中：SL 、 SR 分別表示左側(cè)驅(qū)動輪、右側(cè)驅(qū)動輪行駛的距離；NL 、 NR 分別表示左、右驅(qū)動輪脈沖系數(shù)；LL 、 LR分別表示左、右驅(qū)動輪脈沖計數(shù)。

（2）車輛EPS轉(zhuǎn)角標定

采用半圓標定法對EPS轉(zhuǎn)角和轉(zhuǎn)彎半徑進行標定，原理如圖4所示。首先將待標定車輛停在標有直線的測試場地，將車輛的后軸中心與直線重合，控制EPS轉(zhuǎn)角為待標定值，將兩后輪外側(cè)對地點標記為 L0L_0 、 R0R_0 ；然后保持EPS轉(zhuǎn)角不變，車輛以較低的速度穩(wěn)定行駛轉(zhuǎn)過180°，將兩后輪外側(cè)對地點標記為 L1L_1 、 R1R_1 ，測量（ L0L_0 ， L1L_1 ）和（ R0R_0 ， R1R_1 ）之間的距離分別為 DLD_L 、 DRD_R ，計算車輛轉(zhuǎn)彎半徑為 R=DL+DR2R=rac{D_L+D_R}{2} 。采用如圖5所示表格對EPS轉(zhuǎn)角和轉(zhuǎn)彎半徑進行記錄，用于定位查表計算。

（3）定位跟蹤計算

以后輪驅(qū)動、前輪轉(zhuǎn)向車輛為例，對車輛定位推算建立如圖6所示模型。

通過對左右兩側(cè)輪脈沖系數(shù)標定得到左右兩側(cè)車輪行駛距離，如式（1）（2）所示，可得車輛后軸中心行駛距離如下：S=SL+SR2 (3)S=rac{S_L+S_R}{2} (3)

利用查表法（圖5）獲取當前EPS轉(zhuǎn)角下的轉(zhuǎn)彎半徑R，由圖6可知：

因此，定位模塊輸出車輛姿態(tài)信息如下：

3.1.2 IMU+輪速融合定位

航跡推算算法適用于短行程車輛位姿定位，但該方法存在一些誤差。所以需要結(jié)合其他方法共同來定位。本方案采用了結(jié)合IMU及車輛動力學模型，通過位置估計算法計算短時內(nèi)高精度位姿變化，通過定位融合算法計算出最終的車輛位姿，其方法流程如下圖所示：

航跡推算流程

3.1.3 環(huán)境特征匹配定位技術(shù)

基于環(huán)境特征匹配的定位技術(shù)最典型的應用是激光雷達技術(shù)。激光雷達以激光為載波，形成點云形式的數(shù)據(jù)，通過發(fā)射信號和反射信號進行測距測速和識別。激光雷達主要由激光發(fā)射器、激光接收器和光學掃描鏡三部分組成，基本工作過程是激光發(fā)射系統(tǒng)將電脈沖轉(zhuǎn)換為光脈沖發(fā)出，激光脈沖在障礙物表面發(fā)生漫反射，部分反射光束會沿著和入射光束一樣的方向返回。在光速已知的情況下，通過測量發(fā)射至接收脈沖的時間差計算出距離。

航跡推算定位不易被外界環(huán)境(光照，環(huán)境復雜度等)干擾， 傳感器成熟且成本較低，計算量也小，實時性較高，雖然其是相對定位方法，會受到累 計誤差的影響，但考慮到對于泊車系統(tǒng)來說，車輛行駛距離較短，因此累積的誤差不會 對系統(tǒng)的運行造成太大的影響。因此，在工程實際中，目前對于低級別的輔助駕駛系統(tǒng)，相對定位方法是采用最多的定位方法。

3.2 感知

自動泊車系統(tǒng)的感知算法主要包括兩部分：停車位識別和障礙物識別。其中障礙物識別與行車場景設計類似，因此主要分析停車位的檢測算法。

3.2.1 基于自由空間方法

基于自由空間方法是通過識別相鄰車輛的周圍環(huán)境并分析車輛周圍的空間結(jié)構(gòu)來實現(xiàn)對可用停車位的檢測。常用的傳感器有超聲波傳感器、激光傳感器、立體相機、深度相機和其他相機。這些傳感器可以感知車輛周圍的環(huán)境，并為停車位檢測提供可靠的參考數(shù)據(jù)。根據(jù)停車位識別方法的不同，基于自由空間的方法可進一步分為基于直接測距的方法、基于概率圖的方法和基于三維重建的方法。下面將分析并介紹這三種方法的特點，如表2所示

基于直接測距的停車位檢測方法

圖2 基于直接測距的方法

基于概率圖的停車位檢測方法

目前，基于直接測距的停車位探測方法存在許多問題。因此，研究人員使用地圖表示方法和數(shù)理統(tǒng)計將環(huán)境劃分為一系列小網(wǎng)格，每個網(wǎng)格都有一個可能的值來表示網(wǎng)格被占用的概率。車輛周圍的停車位由網(wǎng)格占用度來估計。這種方法被稱為基于概率圖的停車位檢測方法。

圖3 占用柵格地圖

基于三維重建的停車位檢測方法

基于3D重建的停車位檢測方法通過重建車輛周圍的三維空間模型來實現(xiàn)停車位的檢測。在傳統(tǒng)的3D重建過程中，存在大量的偽3D點，并且3D點的密度與檢測到的特征數(shù)量呈線性關(guān)系，無法控制，通過提高3D點的跟蹤效率、跟蹤密度和重建障礙物模型，可以提高停車位的檢測精度。

總結(jié)

目前，基于自由空間檢測停車位的方法已成為主流方法，該方法只需在車輛上安裝廉價的測距傳感器，同時，這種方法也存在一定的缺點。該方法的檢測性能完全取決于停車位相鄰位置停放的車輛，當周圍沒有停放的車輛時，此方法將失敗。

3.2.2 基于停車位標記的方法

基于自由空間的停車位檢測方法是最廣泛使用的方法，但其性能取決于相鄰車輛的姿態(tài)和所用傳感器的測量精度。因此，如果沒有相鄰車輛，基于自由空間的停車位檢測方法無法正常工作，無法滿足駕駛員對停車位檢測的需求。因此，研究人員提出了一種基于停車位標記的停車位檢測方法，利用計算機視覺技術(shù)通過從圖像中識別停車位標記來確定停車位的位置。根據(jù)檢測技術(shù)的不同，它可以分為三類：基于直線檢測的方法、基于角點檢測的方法和基于學習的檢測方法。本節(jié)將分析并介紹這三種檢測方法，如表3所示。

基于直線的停車位檢測方法

停車位標記是指特定停車場中由附著在地面上的指南和分隔線組成的停車位。有很多種類型，如矩形停車位、平行四邊形停車位和菱形停車位。由于停車位標記由直線段組成，因此檢測直線對于尋找停車位至關(guān)重要.

基于角點的停車位檢測方法

基于傳統(tǒng)的停車位直線檢測的方法只能檢測一種或兩種類型的停車位，但停車位的類型很多，如菱形或平行四邊形�；�于角點特征的停車位檢測方法可以檢測各種停車位類型并實現(xiàn)各種停車操作。

基于學習的方法

該領域中幾乎所有現(xiàn)有的最先進的方法都基于低級視覺特征，例如線段和角點，并檢測一些低級視覺算法。由于不可重復的環(huán)境變化導致的噪聲、雜波或照明變化，這些特征無法明顯區(qū)分，更糟糕的是，它們是不穩(wěn)定的。因此，如何在復雜多變的環(huán)境中使用視覺方法高效準確地檢測停車位仍然是一個難題。為了解決這一問題，研究人員使用深度學習技術(shù)，通過基于學習的方法構(gòu)建神經(jīng)網(wǎng)絡模型，從大量正樣本和負樣本中訓練模型，并實現(xiàn)停車位的檢測。

總結(jié)：基于停車位標記的方法通過分析道路上的標記來識別停車位，與基于自由空間的方法相反，其性能不取決于相鄰停放車輛的存在和位置。然而，這些方法只能在有停車位標記的停車場中正常工作，并且對于停車位標記被遮擋或模糊的情況不適用。

3.3 規(guī)劃

聚焦到毫米級別的軌跡規(guī)劃根據(jù)輸入的行為決策信息、結(jié)合車輛實時位姿信息、局部環(huán)境信息、全局路徑參考信息等，在“安全、舒適、效率”的精神引領下，規(guī)劃生成一條滿足特定約束條件的平滑軌跡軌跡（包括行駛軌跡、速度、方向等），并輸入給控制執(zhí)行層。

3.3.1 Hybrid A*

Hybrid A*是連續(xù)坐標系下進行啟發(fā)式搜索，基于網(wǎng)格地圖，挑選滿足車輛3d連續(xù)狀態(tài)點并將損失值賦值給該點，即Hybrid A*的搜索空間不僅考慮了x,y方向的拓展，還考慮了航向角方向的探索能夠保證生成的軌跡滿足車輛動力學約束。

Hybrid A*規(guī)劃的軌跡由兩部分組成，一部分是考慮了車輛動力學的探索節(jié)點連接而成的路徑；一部分是使用ReedSheeps曲線連接中間點位姿與目標位姿的路徑。利用ReedSheeps曲線連接當前節(jié)點與目標節(jié)點，并對該軌跡進行碰撞檢測，若無碰撞，則結(jié)束搜索，其規(guī)劃軌跡位當前路徑到目標節(jié)點的path1+當前節(jié)點回溯到起始節(jié)點的路徑path2；若碰撞，則放棄該曲線，并從OpenList中重新尋找節(jié)點，繼續(xù)搜索。

3.3.2 圓弧直線幾何法

給定一個起點（x,y,theta）和一個終點（x,y,theta），利用數(shù)段圓弧-直線將其連接起來，未知量只能有三個。以一段直線+一段圓弧為例，我們?nèi)齻�未知量可分別設為直線長度l，圓弧長度s和圓弧半徑r，聯(lián)立起點終點方程即可求出這三個未知量。

為了方便求解，我們將起點歸一化，這樣可以列出三組方程。

基于圓弧直線的規(guī)劃方法是強烈依賴人類先驗知識的，以倒車入庫為例，一般來說，我們會先嘗試一把泊入。如果不能一把泊入，會開到車位附近并盡量將車擺正，然后往前開，再向后嘗試泊入。對于一把泊入的場景，我們直接使用直線-圓弧或圓弧-直線或直線-圓弧-直線連接，若連接成功且無碰撞，則代表此車位可一把泊入。如果不能一把泊入，可以先嘗試將車開到車位附近，再嘗試泊入。我們在車位附近對位置和角度進行采樣，讓車行駛到采樣點，然后方向盤左打前進一段距離，然后再向后倒泊入。

同樣，我們也可以多次前進后退，再泊入車位。

3.4 控制

3.4.1  車輛運動學模型

基于車輛運動學模型的控制方法主要考慮了 車輛的運動學約束對車輛控制的影響。首先了解一下常見的車輛運動學模型：

平時見到的汽車屬于阿克曼轉(zhuǎn)向，通常可以簡化為兩輪的自行車模型

其假設車輛的前后輪均為剛體，只能沿著車輪滾動的方向前進，無側(cè)向滑動。由上述假設可得自行車模型的運動微分方程如下式：

角速度和角速度的關(guān)系：v=ωr，即 ω=v/r，因此這里

其他的比較簡單，就不加以說明。

3.4.2 橫向控制

后輪反饋式（Rear wheel feedback）是利用 后輪中心的路徑跟蹤偏差量 來進行轉(zhuǎn)向控制量計算的方法

根據(jù)運動學方程(2-1)及車輛后輪與參考路徑的幾何關(guān)系

可推導出參考路徑坐標系 (?, ?)

Ferent 坐標系下 (?, ?, ψ?) 的變化率為：

Frenet坐標系使用道路的中心線作為參考線，使用參考線的切線向量和法線向量 建立坐標系，那么基于參考線的位置，就可以使用縱向距離和橫向距離來描述任意位置，同時縱向和橫向的速度、加速度、加加速度等信息也更便于計算。

對于二次連續(xù)可導的參考線，需要設計車身橫擺角速度?保證在李亞普洛夫方程下局部漸進收斂：

對于李亞普洛夫穩(wěn)定也分為漸進穩(wěn)定和指數(shù)穩(wěn)定。李亞普洛夫穩(wěn)定性理論是從能量的觀點出發(fā)的。系統(tǒng)的能量隨著時間的推移不斷變化（增加or減少），在有限時間內(nèi)，系統(tǒng)趨于穩(wěn)定，能量不再變化。此時，系統(tǒng)的k+1時刻的能量減去k時刻的能量是<0的，即V(k+1)-V(k)<0，V代表能量函數(shù)。漸進穩(wěn)定指對于時變系統(tǒng)，?在條件(1)下獨立于時間t1，指數(shù)穩(wěn)定指收斂率是以指數(shù)下降。對于后輪反饋式算法，為了保證車輛的李亞普洛夫穩(wěn)定性，車身橫擺角速度?可表示為下式：

其中， ?ψ 為橫擺角偏差反饋控制增益， ?e 為橫向位置偏差反饋控制增益

因此，根據(jù)運動學方程，可得到前輪轉(zhuǎn)角?為:

3.4.3 縱向控制

縱向控制主要為速度控制，通過控制剎車、油門、檔位等實現(xiàn)對車速的控制，對于自動擋車輛來說，控制對象其實就是剎車和油門。

縱向控制原理

縱向控制的工作原理如圖所示。它主要由“位移-速度閉環(huán)PID控制器”、“速度-加速度閉環(huán)PID控制器”和“速度-加速度-剎車/油門”開環(huán)控制器構(gòu)成。

行業(yè)現(xiàn)狀

近年來，各大主機廠加大對自動泊車系統(tǒng)的投入力度，紛紛推出搭載自動泊車系統(tǒng)的車型， 國內(nèi)新車自動泊車前裝滲透率持續(xù)上升。數(shù)據(jù)顯示， 2022 年 1-5 月，國內(nèi)新車 APA 搭載量達 95.7 萬輛， APA 滲透率達到13.6%。2021 年，國內(nèi)新車 APA 搭載量達 243.7 萬輛， APA 滲透率達到 11.9%， 同比增長 17.8%。下面將幾家主流主機廠的自動泊車搭載信息進行對比：

主流供應商方案，包括恒潤科技、魔視智能、知行科技、東軟睿智。

展望未來

從APA到AVP，自動泊車技術(shù)在不斷進步，自動駕駛行業(yè)也在不斷發(fā)展，對于自動泊車，或者是對任何的產(chǎn)品而言，創(chuàng)新永遠是這個產(chǎn)品不竭的生命力�；氐轿覀兊闹黝}，對于自動泊車讓我們一起想象一個故事：有一天一個新手司機開車去上班，到停車場后嘗試多次都無法將車停進狹�。�可能并沒那么狹�。┑能囄�，這時他（她）已經(jīng)要遲到了，車內(nèi)突然傳來一聲：你先去上班，我來幫你停車！他（她）淚流滿面對的說了一聲：謝謝！然后立刻下車飛奔電梯口，而車子則自己緩緩的停進了車位。

上面這個故事雖然是我們自己編造的，但這也許就是自動泊車誕生的初衷。言歸正傳，文章開頭提到了自動泊車的技術(shù)演進，其實仔細看更是這項技術(shù)應用場景的不斷創(chuàng)新和迭代。從最開始的僅僅是將車泊入車位，到后面的遙控泊車，再到代客泊車，都在不斷的進行場景創(chuàng)新和擴展從而解決用戶的需求：我無法自己將車停進車位->我將車停到車位但是位置太窄我無法下車->我沒時間去停車……面對這樣一個個的需求，自動泊車的應用場景不斷的創(chuàng)新和增加，用戶的痛點被解決，體驗不斷向好。我們有理由相信在不遠的將來完全自動駕駛系統(tǒng)將會規(guī)模落地，那時將是另一番場景！

免責聲明：

凡本公眾號注明“來源：XXX（非智車科技）”的作品，均轉(zhuǎn)載自其它媒體，轉(zhuǎn)載目的在于傳遞和分享更多信息，并不代表本平臺贊同其觀點和對其真實性負責，版權(quán)歸原作者所有，如有侵權(quán)請聯(lián)系我們刪除。

       原文標題 : 自動泊車技術(shù)大爆發(fā)，一文帶你速覽自動泊車技術(shù)