本文主要从几个方面来谈谈自动泊车的技术，第一部分是自动泊车的发展历史，第二部分是自动泊车的内部结构和一些厂家的方案。值得注意的是，在不同的国家，落实不同场景自动化的意愿也不相同，唯一确定的是，大家都不爱停车，确切的说是不爱找车位和停车。这是整个汽车智能化和自动驾驶里面最迫切的需求，也是一个比较容易切入的环节。
△图1 各个自动驾驶功能的民众接受度，自动泊车需求呼声很高
第一部分 自动泊车的发展历史
泊车辅助系统可以分三个大的阶段，分为被动式、半自主式泊车辅助、全自动泊车。
1)被动式：在泊车时提醒驾驶员前方或车辆后方障碍。在发展的过程中从只有后方预警，发展成车辆往前运动前方检测也有预警、加入视觉图像、加入辅助线还有周边盲区预警，到现在最复杂的是两种系统结合，包括倒车雷达+360度环视的两种功能。
△图2 被动式泊车系统结构
被动式主要利用超声波传感器+蜂鸣器+HMI图标来提示驾驶者外部障碍物情况，防止车辆在倒车时碰撞，一般由下面几个功能构成：
防碰撞声音+图像提示
测量停车位大小的系统
提供转弯角度的提示
提供后视图像和辅助线检测
360度环视图像
被动式是充分考虑了成本的系统，采用低成本的超声传感器来实现倒车时候的障碍物检测，一般距离为1米～1.5米的情况，消费者对此类系统接受度高。
2)半主动式泊车辅助
随着自动化水平的提高，各个汽车公司都想要帮助驾驶者更好地停车，所以开发出来了不同的系统如Toyota Intelligent Park Assist、BMW Park Assistant、VW/AUDI Parking System Plus with Rear View Camera、Daimler Parktronic with Active Parking Assist和Ford Active Park Assist，这些系统的特点是一般需要驾驶员来负责油门和刹车，车辆帮忙计算轨迹路径，帮助驾驶员入库。
△图3 半自动泊车系统的一些对比
△图4 法雷奥Park 4U系统
如图4所示法雷奥的Park 4U，其系统构成为：
超声传感器
半自动泊车ECU 控制器
外部传感器：轮速、加速、转弯角度、转矩、车速、变速箱情况
HMI按纽和前后报警蜂鸣器
EPS控制转向系统
对消费者来说，档位需要控制、加速和减速都需要控制，整个过程中的责任需要承担。各个车企，在HMI、车位大小上面有差异，基本的操作没有差异。J.D. Power 的《2015年驾驶员汽车交互体验报告》(2015 Driver Interactive Vehicle Experience (DrIVE) Report)显示，“最没用汽车新技术”榜单上半自动泊车排第三位，1/3车主都不会去尝试这个功能，因为并没有什么用。
3)全自动泊车
从半自动泊车到全自动泊车的进化过程中：
首要点：人是否需要在车内，仅通过手机可以指挥车进行泊车。
档位：在泊车过程中轨迹计算需要调整的时候，出现不成功的情况，系统是否有切换档位、实现前后进退的权限。
加速：系统有没有权限来自己进行加速。
刹车：系统是不是会检测到碰撞之后控制刹车系统。
可以看到这基本上是整个泊车把人的工作全部接盘过去的过程。
△图5 从半自动到全自动泊车
我们看到的就是比较酷的人在外面用手机进行操控：
△图6 智能手机操控自动泊车
当然这一部分，人还是需要找到车位的。目前正在研究的所谓Valet Parking(停车场自动泊车)，就完全是不需要你去找到那个车位的概念了。在某些充电运营的模式中，Valet Parking被赋予更多的意义：
1.停车位的自动搜索：车辆自动地寻找空车位，而且发现空车位。
2.电动车的无线充电：对电池进行无线充电。
3.充电完成之后的停车位分离：充电完成后，系统自动将充电槽释放给其它电动车辆，转而寻找普通停车位。
4.乘客召唤使用车辆：在限定运行的场景出口处，将车辆交还给所有人。
△图7 停车场自动泊车(V-Charge)
第二部分 停车场自动泊车的结构
其实从被动辅助停车(L0)→半自动泊车(L1)→全自动泊车(L2)→停车场自动泊车(L3与L4之间)，是一步步迭代和改进的过程。停车场自动泊车之所以是L3和L4之间，主要是没人介入了，但需要在特殊场景里面，而且是低速行驶。我们把Valet Parking需要做的事情进行分解：
1.与停车场设施进行通信，获取地图和管理系统分配的可以泊车车位位置和编号信息。
2.进行定位和路径规划，自主决策来确定过去的路径。
2.1 执行低速无人驾驶前往待停车位
2.2 遇到障碍物的时候紧急制动(前后方都需要)
△图8 靠近车位路径规划
3.车库位置的自动入位
3.1 检测周边环境、车位的信息，制定入库策略
3.2 自动转弯进入
3.3 如果有紧急情况进行刹车
△图9 车辆入库轨迹计划
所以这个故事也比较简单，我们可以看到全球几乎所有的车企都在筹划这些方案，比较典型的如V-Charge大众方案、雷诺方案、本田方案。关于传感器、地图等配置以及具体技术路线有两个案例：
案例一——V-Charge方案
摄像头+超声波传感器被安排成360°覆盖周围环境。
12 个超声传感器负责短距离探测。
2个双目立体摄像头。
4个鱼眼摄像头，做360度环视。
连接到远程停车场服务器后，车辆定位会接收到专门设计的地图+停车场的道路网络信息。
本地地图存储了停车场的所有地方，使车辆可以根据摄像的信息来确定自身位置。
不依赖于GPS传感器，从而使导航也是在室内环境中，如地下停车位(GPS不可用时)，并完善提供厘米级的精度。
这里配合无线充电，停车场的费用管理，加了不少别的东西进去。
△图10 V-Charge方案
案例二——法雷奥方案
超声传感器：必须短距离测距，前后各6个，12个标配。
视觉传感器：一般用两个双目传感器(前后)，视觉是主要解决车位的形状和定位问题的。
激光雷达用的是SCALA 的激光雷达，好处是可靠性更高一些。
这个更加纯粹一些，因为总体而言，它是按照方案来走的，而不是演示项目的概念。
小结
总的来说，未来停车场等基础设施智能化，特别是建立一个局部道路分配的计算云以后，会与路上所有的智能车辆之间通信交互和协同。自动泊车未来会涉及到诸多领域之间碰撞，使智能后台系统和运动终端开始博弈整个智能化的未来。