小鹏自动泊车使用方法（自动泊车与全自动泊车技术）

自动泊车技术是无人驾驶技术的重要组成部分。我们知道：自动驾驶技术从L0到L4分了5个等级，自动泊车技术也同样分5个等级：

L0：驾驶员完全掌控车辆。

L1：辅助泊车：使用传感器实现障碍物的探测和声光提醒；如泊车雷达、泊车摄像头、360全景可视系统等。

L2：部分自动泊车(高级泊车辅助APA)：使用多个传感器实现“搜索车位”、“规划泊车路径”、“操控转向系统”等功能，在驾驶员监控环境下实现泊车动作。有些APA系统还需要驾驶员换档和控制车速。

L3：自动泊车：不需要驾驶员操作，即可独立完成泊车动作。前提是驾驶员要先把车开到停车场。

L4：全自动远程控制停车：驾驶员只需要发一个停车指令，汽车会自动找到停车场，自动找到停车位，自动泊车、自动锁车。 当驾驶员需要时，汽车会自动开到驾驶员身边。

自动泊车介绍（L2L3L4）

L2级自动泊车介绍

L0和L1技术已经非常成熟且在大量应用，这里就不再说了。自动泊车技术从L2开始说起。目前在国内量产的车型使用的也都是L2技术。L2级自动泊车技术主要有3大功能：搜索泊车位、生成泊车路径、运动控制。

1、搜索泊车位：

使用安装在汽车周围的超声波雷达和摄像头，搜索车位。在汽车上安装12个超声波传感器：前方4颗测距1.5米，后方4颗测距1.5米，左右侧方各2颗测距5米（或者7米）。侧方的5米（或者7米）超声波雷达对停车位进行扫描；以确定是否有足够的停车空间可以停车。

超声波雷达以汽车、墙面、柱子等作为参照物进行车位的扫描和计算，如果没参照物，只有地面停车线，则无法识别停车位。如大众CC的park Assist 2.0（第二代智能泊车辅助系统）、奔驰B级车的PARKTRONIC（主动式泊车辅助系统）。

摄像头使用光学原理，利用图像识别技术来识别停车位。如日产奇骏的IPA自动泊车辅助系统。超声波技术和摄像头技术各有优缺点，目前市面上以超声波技术为主流；未来两种技术会结合、互补。

2、计算泊车轨迹：

找到停车位之后，ECU进行泊车轨迹的模拟运算。基本算法遵循阿克曼转向原理。

2.1、阿克曼2轴汽车转向模型：

为使汽车实现无侧滑的转向，整个转向过程中全部车轮必须围绕同一瞬时中心相对于地面作圆周滚动。对于下图所示两轴转向情况，前内轮转角β与前外轮转角α之间就满足如下阿克曼转向特性公式：B/L=cos(α)-cos(β) (1)

2.2、自动泊车实现步骤（以纵向泊车为例）:

对于和车子运动方向平行的纵向泊车位，分成4个阶段完成：

• Step0: 向后运动适当距离：当侧后方雷达探测到车位时，第0阶段结束；进入第1阶段Step1。
• Step1:转向轮F0的偏角为θ0，后轮B0的转动距离为S0，车身绕圆心的转动角度为δ0。
• Step2:转向轮F1的偏角为θ1，后轮B1的转动距离为S1，车身绕圆心的转动角度为δ1；备注：δ0＝δ1；θ0＝θ1＝车子最大转角；此时车身的运动半径为车子的最小转弯半径R(min)。
• Step3:为了让车子停在车位中间而向前运动适当距离（前后雷达测到的距离基本相等）。

2.3、自动泊车各步骤之间的数字关系（以纵向泊车为例）:

经过Step0~Step3 四步之后，泊车结束，车身应该和泊车之前（Step0）保持平行。下图是泊车路径过程中各个重要几何参数的抽象图，其中R(min)、R(max)分别是前轮以θ0转角运动时内向轮转弯半径和外向轮转弯半径，这是汽车本身的参数。

W(car-park)、W(park)分别是车身与泊车位的横向距离、泊车位宽度，通过测量得到（在软件中，也可以设定成一个固定值）。W(s)为泊车后，车身与边界的安全距离。要完成这个泊车过程，需要计算出直线p0p1长度、δ0角度。

根据Step0,Step1之后车身的横向位移为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个阶段的运动参数：

Step0阶段向后运动的距离：

P0P1＝P0P2－P1P2＝O0M3-P1P2

=O0O1*sin(δ0)-√(R(max)* R(max)- R(min)* R(min))

• Step1阶段后轮B0转动距离：M0M1=δ0*R(min)
• Step2阶段后轮B0转动距离：M1M2=δ0*(R(min) W(car))
• Step3阶段后轮B0转动距离：L(step3)=(L(min-park)-L(car))/2

3、按照预定泊车轨迹控制方向盘转角进行自动泊车。档位和车速由人工控制。

L3级自动泊车介绍：

L3是在L2的基础上增加了对档位和车速的控制，此处省略。

L4级自动泊车介绍：

L4级自动泊车功能是在L3级的基础上，实现V2X功能，即汽车与停车场实时通讯，精准找到车位；然后利用自动驾驶功能，自动无人驾驶进行入停车场、自动泊车。

1、通过设置在停车场的传感器，实现车位管理。它会将停车场空余车位的情况，提前告诉车内的导航，这样驾驶者去往目的地的时候就能精准泊车。

2、精准找到车位只是第一步，第二步就是自动泊车。汽车的所有泊车过程，都自动完成，不需要人为干预。驾驶者达到目的地以后下车，操作智能手机，汽车就自己停好了。不但会自己驶入，还会再自动的驶出。这需要系统高度智能，也需要停车场设施的硬件配合。

L4级自动泊车的代表技术有：

1、宝马7系轿车安装有全自动远程控制停车系统(fully automated RemoteValet Parking Assistant)。

此系统能够在完全不需要驾驶员控制的情况下，自动将车辆停入停车位，即使是大型多层式停车场，系统也能完美执行停车指令。这套停车系统同样也是通过车辆身上安装的雷达扫描仪运行，不过特别的是，计算机会将扫描而得的环境数据与建筑物(停车场)本身的结构作综合判断，让车辆可以更轻松找到车位并执行停车任务。

2、特斯拉Summon自动泊车，该功能可以全自动进行泊车操作，而无需真人司机在车内配合控制。

3、沃尔沃全自动停车系统，在路边或停车场入口就可以接管车辆，来进行车辆的自动停车和锁闭，并且它还能让车辆自己从停车位来到你的身边。

无人驾驶之所以会给汽车行业带来如此大的变革，是因为无人车带来的影响是空前的。研究表明，在增强高速公路安全、缓解交通拥堵、减少空气污染等领域，无人驾驶会带来颠覆性的改善。

基于超声波雷达的全自动泊车技术

无人驾驶带来的商业潜力有多大？从本质上讲，无人驾驶和互联网的共同之处在于：它们都通过去人力化，降低了传输成本。互联网降低的是信息的传输成本，而无人驾驶则降低有形的物和人的运输成本。对比互联网已经产生的商业影响力，就可以想象无人驾驶的商业潜力。随着谷歌、百度和特斯拉这样的公司用事实不断展示技术上的进步，传统车厂已经越来越清晰地意识到，无人驾驶技术即将为汽车商业模式带来颠覆式的改变，这可能是自内燃机发明以来，汽车行业最重大的变化。

自动泊车技术是解决自动驾驶最后一公里的核心技术，根据技术类别不同，细分为以下4类：（1）代客泊车AVP，（2）自学习型泊车HPA，（3）遥控泊车RPA，（4）全自动泊车APA。这里主要介绍基于超声波雷达的全自动泊车技术。主要包括：搜索停车位、自动泊入、自动泊出等功能（如下表）。

下图是适用的典型泊车场景

APA系统可以实现的平行泊车

• 平行情形 1

标准情形,侧边停放车辆一致直线摆放。

• 平行情形 2

侧边车辆向外有一个α角度,α角度小于最大允许值为5°。

• 平行情形 3

侧边车辆向内有一个α角度,α角度小于最大允许值为5°。

• 平行情形 4

侧边车辆不在同一水平线上。

dObj1, dObj2中最大的一个的最大允许值为180cm，最小的一个的最小允许值为50cm。

• 平行情形 5

侧边车辆带有很大的圆角。

• 平行情形 6

侧边车辆带有很尖锐的圆角

• 平行情形 7

侧边车辆直线停放，且没有路沿的情形。

• 平行情形8

避车道

侧边车辆停放在避车道内，该情形侦测结果与标准情形相同。

• 平行情形9

凸形弯道，侧边车辆平行于路沿停放。

最小弯道半径为20m。

• 平行情形10

凹形弯道，侧边车辆平行于路沿停放。

最小弯道半径为20m。

• 平行情形11

侧边障碍物是圆形管状物。

管状物的表面材料必须能够反射超声波。

最小直径ObjDmin 1.0m = 1.5m 。

最小高度为APA sensor安装高度 30cm。

• 平行情形12

侧边障碍物是方形柱状物。

方形柱状物的表面材料必须能够反射超声波。

最小边长ObjLmin_sq 0.5m = 1.5m。

最小高度为APA sensor安装高度 30cm。

• 平行情形13

侧边障碍物是摩托车，且摩托车与路沿平行。

APA系统可以实现的垂直泊车

• 垂直情形1

标准情形,侧边停放车辆一致直线摆放。

• 垂直情形2

侧边车辆向外有一个α角度。

• 垂直情形3

侧边车辆向内有一个α角度。

• 垂直情形4

侧边车辆不在同一水平线上。

dObj1, dObj2中较大的一个的最大允许值为180cm，较小的一个的最小允许值为50cm。

• 垂直情形5

侧边车辆带有很大的圆角。

• 垂直情形6

侧边车辆带有很尖锐的圆角。

• 垂直情形7

侧边车辆直线停放，且没有路沿的情形。

• 垂直情形8

避车道

侧边车辆停放在避车道内，该情形侦测结果与标准情形相同。

• 垂直情形9

侧边停放车辆的停放位置有一定角度，两辆车停放偏角的方向相同，最小偏角α

• 垂直情形10

停车位目标障碍物是圆形障碍物，至少有可被探测到的最小直径和最小高度；

两障碍物的偏移量要小于0.5m （即 X < 0.5m）；

障碍物材质：能反射超声波；

最小直径：ObjDmin = 0.5 m

最小高度：Sensor 安装高度 30 cm

• 垂直情形11

侧边障碍物是方形柱状物。

两障碍物的偏移量要小于0.5m；

方形柱状物的表面材料必须能够反射超声波。

最小边长ObjLmin_sq=1.0 m。

最小高度为APA sensor安装高度 30cm。

• 垂直情形12

侧边障碍物是摩托车，且摩托车与路沿平行，可被探测到，摩托车表面不能太小，否则无法被探测到，且两障碍物的偏移量要小于0.5m。

整套产品由12个超声波传感器和1个控制器组成

其中传感器包括4颗远距离传感器（测距5米）和8颗近距离传感器（测距1.5米）），分别实现车位扫描和距离侦测的功能。

控制器首先根据传感器侦测到的距离信息，建立自动泊车的坐标系，确定本车与泊车位及前后车辆、周围环境的相对位置。然后对泊车行为进行预测，规划泊车路径及避障。最后控制汽车的执行系统（如方向盘、油门、刹车等），按照泊车算法预定的泊车路径进行自动泊车。

1、扫描车位

2、建立坐标系

3、规划泊车路径

4、执行泊车动作

自动泊车视频

未来，全自动泊车技术将会与360全景系统、3D毫米波雷达（或者激光雷达）等多种传感器融合，同时借助停车场的无线车位ID识别技术（地磁传感器）、高精度地图、V2X通信技术等，实现智能化程度更高的自主泊车。

影响自主泊车的因素

目前，自主泊车技术已经接近成熟了，但是实现起来还是有一定的难度。目前影响自主泊车的因素有很多，

基础环境建设

基础环境建设是实现自动代客泊车技术和无人驾驶很重要的一步。从技术层面来讲，自主泊车需要解决以下问题：

• 定位导航
• 自主收费
• 通道宽度：自动泊车对通道宽度的要求
• 智能车库：车库自主停车
• 物联网、车联网（V2X）的全面覆盖：通讯不稳定问题
• 手机APP研发：通过手机APP来操作汽车停车功能
• 超声波传感器：全方位监测车辆行驶路径及周围环境
• 可用和占用的停车位
• 车位识别：对所需车位的长度和宽度有最小要求
• 道路标记以及行人或其他车辆等障碍物
• 树叶、废弃物和冰雪覆盖、雨季等不可抗因素等

车辆设施

除了对周围环境有关之外，车辆自身也是非常必要的。比如说：

• 电子换挡
• 车速限制（一般时速低于30km/h）
• 车身长度
• 路径规划
• 记忆停车：根据汽车记忆功能一键设置每天行车路径
• 车内控制元件（确保对环境数据及时更新和路径调整）
• 车辆传感器
• 车位探测和识别的精准度（难点）
• 等等

成本

到目前为止，这些演示都依赖于昂贵的传感器，用于停车场建设的智能设备、激光雷达和物联网等全面覆盖的成本较高。

安全

随着车辆的增多，通讯方面的承载量也在逐渐增多。另外，信息安全一直是车厂和国家非常关注的问题。

---

小鹏汽车：（记忆式）自动泊车方法及系统

发明名称:

自动泊车方法及系统

摘要:

本发明涉及车辆技术领域，公开一种自动泊车方法及系统，包括：当检测到车辆处于常用泊车区域时，调用预存储的常用泊车区域的环境地图；获取车辆在环境地图中的当前位置，以及获取车辆在环境地图中的泊车轨迹；根据当前位和泊车轨迹，将车辆泊车至常用停车位。实施本发明实施例，能够当检测到车辆进入常用停车区域时，就获取车辆在该常用停车区域的泊车轨迹，并根据车辆在该常用停车位的当前位置以及泊车轨迹自动将车辆泊入常用停车位，无需车主自行将车辆驾驶至常用停车位附近，从而使自动泊车方法更加智能。

1. 一种自动泊车方法，其特征在于，所述方法包括：
2. 当检测到车辆处于常用泊车区域时，调用预存储的所述常用泊车区域的环境地图；
3. 获取所述车辆在所述环境地图中的当前位置，以及获取所述车辆在所述环境地图中的泊车轨迹；
4. 根据所述当前位置和所述泊车轨迹，将所述车辆泊车至常用停车位。
5. 根据权利要求1所述的方法，其特征在于，所述根据所述当前位置和所述泊车轨迹，
6. 将所述车辆泊车至常用停车位，包括：
7. 确定所述泊车轨迹的起点位置和终点位置，所述终点位置为所述常用停车位的位置；计算所述起点位置和所述当前位置，生成从所述当前位置行驶至所述起点位置的行驶路线；控制所述车辆根据所述行驶路线从所述当前位置行驶至所述起点位置，并控制所述车辆根据所述泊车轨迹从所述起点位置行驶至所述终点位置；将所述车辆泊入与所述终点位置对应的所述常用停车位。
8. 根据权利要求1或2所述的方法，其特征在于，所述当检测到车辆处于常用泊车区域
9. 时，调用预存储的所述常用泊车区域的环境地图之前，所述方法还包括：
10. 获取车辆的常用停车位的定位信息；将以所述定位信息为圆心、以预设距离为半径的区域确定为常用泊车区域；
11. 根据所述车辆的图像采集设备采集到的所述常用泊车区域的图像，构建所述常用泊车区域的环境地图，并将所述环境地图与所述常用泊车区域关联存储。根据权利要求3所述的方法，其特征在于，所述获取车辆的常用停车位的定位信息，包括：
12. 获取预存储的所述车辆泊入过的停车位，并获取所述停车位的泊入信息，所述泊入信息至少包含泊车次数；从所述停车位中确定所述泊车次数大于预设次数的常用停车位；从所述常用停车位的泊入信息中获取所述常用停车位的定位信息。
13. 根据权利要求4所述的方法，其特征在于，所述获取所述车辆在所述环境地图中的当
14. 前位置，以及获取所述车辆在所述环境地图中的泊车轨迹，包括：
15. 获取所述车辆在所述环境地图中的当前位置，并获取所述车辆在所述常用泊车区域中的至少一个行驶轨迹，所述行驶轨迹以所述定位信息为终点；
16. 将所述行驶轨迹进行融合，生成所述车辆在所述常用泊车区域中的目标行驶轨迹；
17. 将所述目标行驶轨迹与所述环境图像进行分析，得到所述环境图像中与所述目标行驶轨迹对应的泊车轨迹。
18. 一种自动泊车系统，其特征在于，包括：
19. 调用单元，用于当检测到车辆处于常用泊车区域时，调用预存储的所述常用泊车区域的环境地图；第一获取单元，用于获取所述车辆在所述环境地图中的当前位置，以及获取所述车辆在所述环境地图中的泊车轨迹；泊车单元，用于根据所述当前位置和所述泊车轨迹，将所述车辆泊车至常用停车位。
20. 根据权利要求6所述的自动泊车系统，其特征在于，所述泊车单元包括：第一确定子单元，用于确定所述泊车轨迹的起点位置和终点位置，所述终点位置为所述常用停车位的位置；计算子单元，用于计算所述起点位置和所述当前位置，生成从所述当前位置行驶至所述起点位置的行驶路线；控制子单元，用于控制所述车辆根据所述行驶路线从所述当前位置行驶至所述起点位置，并控制所述车辆根据所述泊车轨迹从所述起点位置行驶至所述终点位置；泊车子单元，用于将所述车辆泊入与所述终点位置对应的所述常用停车位。
21. 根据权利要求6或7所述的自动泊车系统，其特征在于，所述自动泊车系统还包括：
22. 第二获取单元，用于在所述调用单元当检测到车辆处于常用泊车区域时，调用预存储的所述常用泊车区域的环境地图之前，获取所述车辆的常用停车位的定位信息；
23. 确定单元，用于将以所述定位信息为圆心、以预设距离为半径的区域确定为常用泊车区域；构建单元，用于根据所述车辆的图像采集设备采集到的所述常用泊车区域的图像，构建所述常用泊车区域的环境地图，并将所述环境地图与所述常用泊车区域关联存储。
24. 根据权利要求8所述的自动泊车系统，其特征在于，所述第二获取单元包括：
25. 第一获取子单元，用于在所述调用单元当检测到车辆处于常用泊车区域时，调用预存储的所述常用泊车区域的环境地图之前，获取预存储的所述车辆泊入过的停车位，并获取所述停车位的泊入信息，所述泊入信息至少包含泊车次数；第二确定子单元，用于从所述停车位中确定所述泊车次数大于预设次数的常用停车位；所述第一获取子单元，还用于从所述常用停车位的泊入信息中获取所述常用停车位的定位信息。
26. 根据权利要求9所述的自动泊车系统，其特征在于，所述第一获取单元包括：
27. 第二获取子单元，用于获取所述车辆在所述环境地图中的当前位置，并获取所述车辆在所述常用泊车区域中的至少一个行驶轨迹，所述行驶轨迹以所述定位信息为终点；融合子单元，用于将所述行驶轨迹进行融合，生成所述车辆在所述常用泊车区域中的目标行驶轨迹；分析子单元，用于将所述目标行驶轨迹与所述环境图像进行分析，得到所述环境图像中与所述目标行驶轨迹对应的泊车轨迹。
28. 一种车载电子设备，其特征在于，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行权利要求1～5任一项所述的自动泊车方法的部分或全部步骤的指令。
29. 一种车辆，其特征在于，所述车辆包括权利要求11所述的车载电子设备。
30. 一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储了程序代码，其中，所述程序代码包括用于执行权利要求1～5任一项所述的自动泊车方法的部分或全部步骤的指令。
31. 一种计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行权利要求1～5任一项所述的自动泊车方法的部分或全部步骤。

。

,