关于智能泊车系统的研究01

HMI车载设计人机交互系统课

3月13日打卡@郝小七的HMI设计圈

1.什么是智能泊车辅助系统？
智能泊车辅助系统是泊车雷达系统的延伸，可以辅助驾驶员将车辆停入经系统识别的停车位。

2.智能泊车系统的演变
◆泊车辅助一代：APA自动泊车
APA（Auto Parking Asist）自动泊车是生活中最常见的泊车辅助系统。泊车辅助系统在汽车低速巡航时，使用超声波雷达感知周围环境，帮助驾驶员找到尺寸合适的空车位，并在驾驶员发送泊车指令后，将汽车泊入车位。

◆泊车辅助二代：RPA远程遥控泊车
RPA（Remote Parking Asist）远程遥控泊车辅助系统是在APA自动泊车技术的基础之上发展而来的，车载传感器的配置方案与第一代类似。它的诞生解决了停车后难以打开自车车门的尴尬场景，比如在两边都停了车的车位，或在比较狭窄的停车房。RPA远程遥控泊车辅助系统常见于特斯拉、宝马7系、奥迪A8等高端车型中。

◆泊车辅助三代：自学习泊车
HPA(Home-zone Parking Asist) 自学习泊车,也被称为“记忆泊车”。主要是针对家庭区域的泊车方案。自学习泊车要实现寻找车库，泊入车库的功能，需要安全地行驶到库位旁，需要提升汽车远距离感知的能力，主要使用SLAM技术。
其主要原理为：在若干固定区域，自学习泊车系统依靠环视摄像头进行周边环境的建图与定位，并据此记忆用户的驾车及泊车操作，在用户下次来到此固定区域时，系统可根据保存的地图信息进行定位，并进行泊车“回放”。

实现AVP还需要引入停车场的高精度地图，再配合SLAM或视觉匹配定位的方法，才能够让汽车知道它现在在哪，应该去哪里寻找停车位。除了自行寻找停车位外，具备AVP功能的汽车还可以配合智能停车场更好地完成自动代客泊车的功能。智能停车场需要在停车场内安装一些必要的基础设施，比如摄像头、地锁等。这些传感器不仅能够获取停车位是否被占用，还能够知道停车场的道路上是否有车等信息。将这些信息建模后发送给汽车，汽车就能够规划出一条更为合理的路径，行驶到空车位处。

3.什么是SLAM?
SLAM 全称Simultaneous Localization and Mapping，中文名“同步定位与地图构建”，主要用于解决机器人在未知环境运动时的定位和地图构建问题。当你身处一个陌生的地方，要准确找到目的地和路线，会打开手机上的地图APP，然后定位、输入目的地、规划路线和导航。机器人也一样。当它们身处未知环境时，同样需要通过以上步骤才能做出正确的运动。只不过，机器人靠的不是手机地图APP，而是SLAM 技术。

4.SLAM的类别
◆第一大类激光雷达
激光雷达能以很高精度测出机器人周围障碍点的角度和距离，而且速度快，计算量也不大，容易做成实时SLAM。许多行业分析师认为，激光雷达是实现全自动驾驶的关键传感器，其产品被以Google、百度为代表的企业认可。

◆第二大类视觉SLAM
视觉SLAM 分3 个子方向：单目、双目（或多目）、RGBD。此外，还有鱼眼、全景等特殊摄像头。

-单目SLAM 只需要一个普通的2D 摄像头，成本优势大。但没有大小和距离信息，通过借助GPU 和惯性测量器件（Inertial Measurement Unit，IMU）确定物体的大小，依靠运动中的三角测量，来求解相机运动并估计像素的空间位置。

-双目SLAM 消除了单目的很多麻烦。双目视觉和人眼类似，通过左右眼图像的差异来计算距离———也就是所谓的立体视觉（Stereo）。但是双目SLAM 的计算量非常大，通常需要用到可编程门阵列FPGA，而且其深度量程也受双目的基线与分辨率限制。

-RGBD SLAM的传感器是深度摄像头，能直接记录深度信息。深度摄像头通过把光投射到物体表面，再测量反射的信息来计算距离，具体原理有两种：结构光或Time-of-Flight。它比传统相机能够提供更丰富的信息，也不必像单目或双目那样费时费力地计算深度。不过，现在多数RGBD 相机还存在测量范围窄、噪声大和视野小等诸多问题。

总结：现在的智能泊车系统在应用方面还是受多方面的条件限制，能让用户完全的放心的让车离开自己的视线，实现真正的自主还需要很长一段时间的技术和设备的积累。

作业点评课总结：要时明确自己做调研的目的很重要，学会分析自己调研的功能的优势和劣势，找到其中的改版点，以及竞品的优点加以借鉴。（和同学们的竞争关系一样一样的）

遇到的问题：确实搜商不太行，各大平台还没弄明白怎么使用，以及应该去哪找自己想要的答案。再就是搜索词相对单一，对车机的功能也还是没那么烂熟于心。