面向室內停車場的自主代客泊車關鍵技術研究

張 微，華一丁，臧 晨，李鑫慧， 唐風敏，郭 蓬

（1.工業和信息化部裝備工業發展中心，北京 100001；2.中汽研 （天津）汽車工程研究院有限公司，天津 300300；3.中國汽車技術研究中心有限公司，天津 300300）

1 概述

隨著汽車保有量的增加，城市交通資源逐漸緊張，停車位空間越來越小，停車難度越來越大，在停車過程中出現交通事故的概率也在逐漸增加，為了降低在泊車過程中發生交通事故的概率，2010年美國要求車輛必須安裝倒車影像系統［1］。隨著車輛電動化以及EPS技術、CCS技術、車輛線控技術、自動駕駛技術的發展，車輛完全可以在不依賴駕駛員的條件下進行一系列包括轉向、制動、油門控制、擋位轉換在內的操作。自主代客泊車系統是一種通過激光雷達、攝像頭、毫米波雷達等車載傳感器進行車輛周圍環境感知，車載計算單元進行數據處理、行為決策、路徑規劃，最后執行單元控制車輛低速自動駕駛至停車位的L3級智能駕駛系統，該系統一般由車輛定位單元、環境感知單元、路徑規劃單元、軌跡跟蹤控制單元4部分構成，可實現“最后一公里”無人駕駛任務，有效解決停車難、停車效率低等問題。

2 自主代客泊車研究現狀

2.1 國外自主泊車研究現狀

2013年法雷奧發布了名為ValetPark4U的自動泊車輔助系統，該系統選用激光雷達、超聲波雷達、攝像頭等硬件傳感器方案，可以完成自動探測停車位、自動泊車入位等功能。駕駛員通過手機APP軟件激活ValetPark4U系統，則可以在特定區域實現停／取車操作。

2015大陸開發并展示了基于360度全景相機的自動泊車系統。Demo車分別在前護柵、車尾、后視鏡底座上安裝了4個魚眼相機，通過圖像拼接技術對車輛周圍圖像畫面進行全景拼接。通過對全景圖像的算法處理，識別并顯示出圖像中的停車位，駕駛員選擇目標停車位并點擊自動泊車，車輛即可在駕駛員無任何操作的前提下完成泊車入位。

2017年，戴姆勒和博世合作研發了具有自主代客泊車技術的智能網聯車輛。如圖1所示，該系統方案對車輛的改造較少，主要將傳感器設備布置在場端，停車場端激光雷達將檢測到的障礙物數據通過云端平臺發送至車端，車輛再進行相應的處理。

圖1 戴姆勒-博世代客泊車技術方案

2018年，大眾集團在德國漢堡機場測試車輛一鍵叫／還車功能，一輛大眾測試車輛在沒有駕駛員指導的情況下駛入車位，同時，在多層停車場安裝簡單的圖示標志，該車輛同樣可以完成泊車任務。大眾計劃在2020年為大眾、奧迪、保時捷等配置自主泊車功能。

2.2 國內自主泊車研究現狀

2017年11月30日，縱目科技演示了針對停車場環境的低速場景自主泊車Demo系統。在取車環節中，駕駛員通過手機App發送取車請求，車輛在接收到手機發出的請求指令后啟動車輛并控制車輛自動駕駛至特定區域。在泊車環節中，用戶到達下車區域后，通過手機APP請求泊車操作，車輛在接收到泊車請求后，自動駛入停車位完成泊車任務。

2018年1月，采埃孚、百度和盼達研發的自主泊車系統在重慶共享汽車自動駕駛示范園區運行。該系統將視覺圖像信息和超聲波測距信息進行深度融合，并結合融合的規則式和深度學習系統，保障駕駛員與行人的安全。

北汽計劃從2019年下半年開始，將實現大部分車型搭載自動泊車系統。

目前，無論國內還是國外，自主代客泊車系統均是各大主機廠、TIER1及造車新勢力的重點研發領域及技術突破方向，但無論哪種技術方案，目前更多處于Demo系統階段，同時，在技術方面，室內定位精度及實時性難以保證，各自算法的可移植性相對較差，無法在市場上普遍推廣。

3 自主代客泊車關鍵技術

3.1 室內定位技術

不同于室外GPS良好的環境，面向室內停車場的代客泊車的實現需要室內高精度定位技術的支持。目前針對代客泊車室內定位實現主要分為3種方法：激光SLAM、視覺SLAM、UWB。

1）激光SLAM即“同步定位與地圖構建”，主要用于解決在未知位置環境中的建圖與定位問題［2］。通過比較不同時刻采集到的3D激光雷達物體點云信息的匹配和對比，從而計算出激光雷達的本體相對位置和姿態變換，通過坐標轉換得到車體的位置和姿態變化，進而實現無人車的定位問題。為提高室內定位精度，常采用與慣導傳感器融合的方案實現無人車室內高精度的定位需求。目前，激光雷達SLAM的定位技術相對成熟，但是測量距離受到Lidar探距離限制，同時在安裝上有一定的結構要求。

2）近年來圖像處理技術得到了快速發展，因為信息量大、適應范圍廣等優點使視覺SLAM得到了廣泛關注。視覺SLAM選用深度相機或單目、魚眼相機作為傳感器，利用多幀圖像來估計自身的位置變化，從而實現自身的定位。圖像處理數據量巨大，需要較強的計算單元，同時視覺傳感器受光線條件限制而無法在黑暗環境中正常工作。

3）UWB超寬帶技術是近年來發展起來的一種無線電技術［3］。UWB的定位原理和衛星導航定位原理相似，首先在室內布置多個UWB定位基站并測量基站的坐標作為已知量，在無人駕駛車上安裝移動基站，移動基站按照一定的頻率發射脈沖，不斷和已知位置的基站進行測距，通過TDOA算法精確地求解出移動站的精確坐標，從而實現無人車自身的定位。UWB超寬帶定位方法可實現室內厘米級的定位精度，同時不需要對車輛進行復雜的結構改造，但是UWB需要在停車場安裝大量的基站，硬件成本較高。

3.2 橫縱向控制技術

考慮到停車場地形因素，在車輛實現泊車過程中會出現較多轉彎和坡道情況，對橫向控制和縱向控制提出了更為嚴格的要求。

橫縱向控制技術主要是通過控制目標車輛的轉向系統和驅動／制動系統從而實現車輛沿著預定路徑行駛［4］。基于最優預瞄理論的軌跡純跟蹤控制方法，通過建立車輛當前位置與預瞄點期望位置的誤差與方向盤轉角之間的函數關系，從而得到方向盤轉角的期望值，實現車輛的橫向控制。該函數關系建立在車輛的幾何運動學模型之上在低速應用場景得到了廣泛的應用。橫向跟蹤控制模型結構示意如圖2所示。

圖2 橫向跟蹤控制模型結構示意圖

如圖2所示，橫向跟蹤算法由預瞄點求解、坐標轉換、跟蹤模型、車輛模型、預瞄距離5部分組成。其中，預瞄距離L的求取可根據當前車速v求得；根據預瞄距離L、車輛坐標 （Xc，Yc）、期望軌跡 （X，Y） 求取預瞄點 （Xp，Yp）；坐標轉換則將大地坐標系下的預瞄點 （Xp，Yp）轉換到車體坐標系下；跟蹤模型根據預瞄點和車輛運動學模型求解出車輛方向盤轉角θ。

縱向跟蹤控制主要研究車輛行駛過程中車輛的實際速度跟蹤期望速度的控制過程。車輛縱向跟蹤控制可分為速度決策模塊和速度跟蹤控制模塊，圖3為自動駕駛縱向跟蹤控制模型結構示意圖。

圖3 縱向跟蹤控制模型結構示意圖

如圖3所示，縱向跟蹤控制算法由車速決策模塊、車速控制模塊、車輛模型3部分組成。車速決策模塊根據當前車速vc、當前道路曲率ρc、車輛當前位置 （Xc，Yc） 以及期望軌跡的位置 （X，Y）和曲率ρ求解出車輛的期望速度，車輛控制模塊根據當前速度vc和期望車速v求解出車輛的制動壓力Bp和油門開度Bo。

3.3 環境感知技術

自動泊車實現在停車位旁泊車入位的功能屬于L2級自動駕駛，自主代客泊車在前者的基礎上增加了從停車場入口到停車位這段距離，屬于L3級無人駕駛。目前環境感知的方案分為車輛車載端感知方案和停車場場端感知方案2種。

1）車端感知方案

車端感知方案將相應的傳感器安裝在無人駕駛車上，場端無需安裝更多的傳感器［5］。通過車端傳感器實現車輛、行人等障礙物檢測等環境感知的任務。

2）場端感知方案

場端感知方案則將感知的任務交給停車場端，通過在停車場端安裝激光雷達、攝像頭等傳感器實時檢測、定位停車場內的車輛、行人等并將檢測得到的結果發送至云端，再從云端發送到車端。場端感知方案的實現可大幅減少對車輛的改造工作和成本。

3.4 路徑規劃技術

3.4.1 全局路徑規劃策略

全局路徑規劃算法根據已構建的室內高精度地圖規劃自主泊車全局路徑，在自動駕駛汽車行駛前，給出下車點和停車場停車位坐標，規劃出一條車輛可以行駛的最優路徑。Dijkstra是常用的全局路徑規劃算法，全局路徑規劃算法流程如圖4所示。

3.4.2 局部路徑規劃策略

在實現代客泊車的過程中，無人駕駛車沿著特定的軌跡行走，當遇到行人或車輛時會根據不同的場景進行相應的路徑規劃。

1）當前方有行駛車輛時。當車輛上搭載的毫米波雷達以及攝像頭探測到車輛前方有行駛的車輛時，本車輛會選擇跟車的決策，具體場景如圖5所示。

2）當前方有靜止車輛時。當車輛上搭載的毫米波雷達以及攝像頭探測到車輛前方有靜止的車輛，并且相鄰車道沒有車輛干擾時，車輛將會繞開前方靜止車輛，并繼續行駛到所設停車位，具體場景如圖6所示。

圖4 全局路徑規劃流程

圖5 當前方有行駛車輛時

3）當前方有行人時。當車輛上搭載的毫米波雷達以及攝像頭探測到車輛前方有行人時，車輛將會跟隨行人，以保證行人安全，具體場景如圖7所示。

圖6 當前方有靜止車輛時

圖7 當前方有行人時

4）當車輛前方突然出現障礙物時 （包括其他車輛從停車位駛出以及突然出現行人時）。當車輛上搭載的激光雷達探測到前方突然出現障礙物時，車輛將會緊急制動，根據前方障礙物的運動變化選擇避障方式，具體場景如圖8所示。

圖8 當車輛前方突然出現障礙物時

4 結束語

隨著自動駕駛和智能網聯汽車行業的發展，自主代客泊車關鍵技術也將日趨成熟，自主代客泊車將成為自動駕駛最早的商業化落地應用場景，給用戶帶來極大的便利。