AVP全称 Automated Valet Parking中文名“自主代客泊车系统”。作为自动驾驶在泊车场景下的应用AVP实现的是全自动代客泊车功能最终目标是取代传统的人工代客泊车帮助用户节省大量的停车时间解决高峰期排队停车的痛点。AVP作为当前泊车场景的功能天花板涉及的细分场景复杂技术难度大并且对保证车辆安全性来说也是巨大的挑战。因此目前我们可以看到行业内已经有一些Demo演示版的AVP出现但还没有量产的产品面世。那么代表当前自动泊车技术最高水平的AVP功能它的原理和背后的关键技术是什么呢难点在哪里本文将给出详细解读揭开AVP的面纱。图1 AVP宣传图1. AVP功能原理典型的AVP功能完整流程是(1) 用户到达停车场入口或附近通过手机端开启 AVP 功能用户可以离开车辆去吃饭、逛街、开会等(2) 车辆接收到AVP功能启用指令自行进入停车场在停车场中找到可用的车位并停在车位上(3) 用户需要用车的时候通过手机端远程发出召唤指定自己需要上车的位置(4) 车辆接收到召唤指令后自行离开停车位驶出停车场到达指定位置用户上车。图 2 AVP功能的全流程图示从功能流程中可以看出AVP的完整功能可以拆解为四项关键子功能一是手机与车辆的互联二是车辆在停车场内寻找车位三是车辆自动泊入车位四是远程召唤车辆。1.1. 机-车互联手机与车辆的互联是AVP功能的基础只有用户能离开车辆并通过手机远程给车发指令AVP 才能真正地给用户带来便捷。要做到这一点并不困难目前很多汽车都具备了手机智能互联与控制的功能并有自家品牌专有的APP作为入口典型案例如手机钥匙、车内温度控制特斯拉的哨兵模式、智能召唤、小鹏的遥控泊车等。那么机-车互联的原理是什么呢手机与汽车互联的系统包括4个部分车载控制器与网关T-BOX后台手机APP。T-BOX是远程信息处理器的简称 (Telematics BOX)主要用于车辆和后台系统及手机 APP 通信实现手机APP的车辆信息显示与控制。当用户通过手机端APP 发送控制指令后手机访问后台一般是云端服务器云端服务器将用户的指令传递到车载T-BOXT-BOX再通过车辆总线 (CAN/Ethemet) 将指令传到对应的车载控制器。对于AVP功能此处特指AVP功能的控制器。从操作层面上手机端通过APP访问云端服务器通过网络模块建立与车辆OBD和控制器的联系从而激活AVP功能控制车辆开始自主代客泊车模式图3 机-车互联系统的组成1.2. 寻找车位进入停车场并在停车场内自动寻找车位是AVP功能的核心。在没有任何控制的情况下车辆如何在停车场内自动、准确地寻找到可停的车位是AVP的重点和难点。目前寻找车位的方案有两种技术路线一种是纯车端路线即让车辆在停车场内边行驶边搜索车位一旦搜索到可用的车位就停下来准备泊入车位另一种是车-场端结合的路线、即停车场内安装设备将可用的车位信息和停车场内其他信息如障碍物等发送给车辆车辆将场端给定的车位作为终点规划好行驶路径直接开到终点。图4 AVP寻找车位车端方案图 5 AVP寻找车位场端方案在寻找车位的过程中涉及到路径规划、车位识别、避障、字符识别等功能。对于纯车端方案路径规划即车辆自行规划搜索车位的前进路线与传统的人工寻找车位思路一样需要结合周边场景边前进边规划对于车-场端结合的方案路径规划指规划从当前位置到目标停车位的路径然后车辆直接按该路径行驶即可。车位识别功能需要车辆能够自主识别各种类型的车位。通常会从不同的维度来划分车位类型维度包括车位方向、车位标线、车位字符等等。避障是指车辆在寻找车位过程中识别出周边所有的障碍物并能及时通过加减速、转向或停车等工作避开障碍物确保安全、高效行驶。障碍物主要包括静态障碍物和动态障碍物在车-场端结合的方案中障碍物还可以由场端的设备.实时传输给车辆提升避障的准确率和效率。表2总结了常见的障碍物类型车辆需要能够识别出这些常规障碍物。字符识别是指车辆能够识别在行驶过程中遇到的标识牌、地面、立柱等标注的字符如直行与转向箭头、道路线、斑马线、车位号、特殊车位标识等车辆需要通过这些字符标识决策自己的行驶动作并确认车位可用性。1.3. 泊入车位寻找并确认车位后开始自动泊入车位这一过程与传统的自动泊车功能一样、通过规划泊入路径并控制车辆按路径倒车.完成泊入车位的工作。1.4. 召唤车辆远程召唤车辆的全过程是车辆自动泊车的相反过程。用户通过手机发出指令后车辆自动从车位驶出到达指定位置完成AVP的全过程。2. AVP关键技术从AVP的基本原理可以看出AVP功能的实现涉及车联网、感知识别、同步定位、规划控制等多个领域其中涉及的关键技术有高精地图、SLAM、融合感知、融合定位、路径规划等。2.1. 高精地图高精地图又称高分辨率地图 (HD Map, High Definition Map)是一种专门为无人驾驶服务的地图。对于AVP功能来说高精地图主要指停车场的高精地图通过格式化存储停车场内的各种交通要素高精地图可以告知车辆完整的、高精度、精细化的停车场内部信息包括高精度的坐标、准确的停车位、通道、立柱、标志牌、地面线等信息。高精地图的绝对精度一般都会在亚米级以高德地图为例绝对精度可以达到10厘米以内而且横向的相对精度往往还要更高。可以说高精地图存储了停车场的所有交通信息是车辆规划行驶路径和定位的基础。目前国内可以提供高精地图的图商主要有高德、百度、四维图新等大厂。图 6 高精地图2.2. SLAMSLAM 全称 SimultaneousLocalization And Mapping即同步定位与建图技术。SLAM是除高精地图外的另一种构建地图方法车辆在一个初次到达的停车场中一边移动一边根据位置和环境感知的结果进行自身定位同时在自身定位的基础上建造增量式地图实现车辆的自主定位和导航。目前的主流 SLAM 主要靠视觉语义实现即通过摄像头识别周围环境经过语义分析确认当前环境并完成定位与建图。但随着激光雷达量产上车激光SLAM或将成为新的主流。2.3. 融合感知毫无疑问环境感知是自动驾驶的重中之重当然也是AVP的重难点。众所周知摄像头、毫米波雷达、激光雷达等不同类别的感知传感器都存在各自的优势与不足因此将多个传感器的感知结果进行融合优势互补可以提升感知的精度和准确度。目前多传感器融合已经成为自动驾驶的发展趋势。通过融合多种摄像头和雷达的感知结果车辆可以更加精确地识别周边环境并实现场景重构。对于AVP来说、前视摄像头、侧视摄像头、环视摄像头、毫米波雷达、激光雷达、超声波雷达等传感器的感知结果都可以进行融合处理。融合后的感知结果将大大提升环境识别的效果。2.4. 融合定位传统车辆的定位主要依赖于GNSS即全球导航卫星系统如GPS、北斗等。但GNSS的定位精度只有米级无法满足自动驾驶的定位需求同时对于 AVP 来说地下车库中无法覆盖卫星信号、传统CNSS定位会失效。因此、GNSSIMUSLAM的融合定位方式是目前 AVP 实现精准定位的不二之选。通过三者的信息融合可以实现厘米级的定位精度并且准确性也能得以保证。另外在车-场端结合的方案中可以利用车-场互联实现车辆在停车场内位置的实时同步更进一步地提升了定位效果。2.5. 路径规划此处的路径规划特指车辆泊入车位时规划泊车路线。泊车路径规划是一个相对复杂的规划问题涉及障碍物和车辆的轨迹预测、可行驶区域选择、局部轨迹规划和车辆控制等内容。不同的规划算法会得到完全不同的自动泊车效果目前各路玩家仍在不断优化自己的泊车路径规划算法以求达到更好的效果。3. AVP的发展现状从上文我们可以看出AVP的愿景是美好的但受限于当前的技术水平距离完全意义上的量产AVP仍有一定的距离。与目前已经量产的自动泊车功能相比AVP是更高级别的自动泊车可以认为当前的自动泊车是AVP的基础。目前的量产车型中大部分车型都可以做到最基础的APA即自动泊入泊出部分新势力车厂也实现了简单的HPA即记忆泊车功能HPA可以理解为AVP功能的过渡版适用于单一、指定的停车场和停车位。表 3 各级自动泊车功能的现状泊车功能自动驾驶等级适用场景发展现状APA 自动泊车L2仅自动泊入车位已基本普及HPA 记忆泊车L3固定停车场和停车位个别玩家实现量产AVP 代客泊车L4任意停车场和可用的停车位Demo阶段无量产虽然 AVP 距离完全落地还有一段较长的路要走但是作为点到点的自动出行中较为关键的起点和终点阶段AVP将是各路玩家的必争之地。从目前行业内的动态来看大家都在为AVP的量产落地而努力着相信随着关键技术的突破与成熟AVP会在不久的将来得到大规模普及和应用。