设置
  • 日夜间
    随系统
    浅色
    深色
  • 主题色

自动泊车已过时!记忆泊车上位,新造车抢着上

车东西 2021/7/6 23:33:07 责编:问舟

2021 年,我们终于能教自己的车开车了。

要问今年量产车自动驾驶技术的关键词是什么?答案非记忆泊车莫属。

就在最近两个月,威马 W6 实现了停车场内无人自主学习泊车功能(HAVP),小鹏通过 OTA 更新让 P7 实现了停车场内记忆泊车(VPA),此外还有一汽红旗等更多车企发布或即将推出类似功能。

这类系统简单来说,就是让驾驶员在停车场内教一遍车辆如何泊车入库。学会以后,进入停车场,汽车就会自己开到车位里,全程不需要驾驶员进行任何操作。

自 2018 年以来,以“单车道居中行驶”为核心功能的 L2 自动驾驶开始普及,随后又陆续增加了自动变道、自动导航辅助驾驶(NOA)等高级功能。

到了 2020 年,随着奥迪放弃 L3 级自动驾驶技术研发,量产车的自动驾驶能力似乎已经局限到了 L2 + 变道 + 自动导航辅助的框架之内,业内鲜有新功能推出。

但今年随着威马、小鹏先后推出无人自主学习泊车、记忆泊车系统,量产车的自动驾驶系统终于有了新的突破。

一方面,泊车是用户每天都需要面对的场景,使用率远高于目前以高速公路为主的 L2 系统,能够明显提升用户体验。

另一方面,各大车企都在研发面向城市的 L2 自动驾驶系统,或者城市内点到点的 L2 自动驾驶系统。

想要实现点对点,两头就是泊车场景。随着泊车场景的解决,再加上自动等红灯功能,城市内的连续自动驾驶系统就基本完成。可以说,记忆泊车系统的推出,真正拉开了城市 L2 的大幕。

一场真正能够改变日常驾驶体验的自动驾驶变革,即将上演。

那么目前到底都有哪些记忆泊车类的功能上市了呢?这背后用到了哪些技术?未来又将向着哪些方向发展呢?

泊车技术多年未突破 停车场改造进展缓慢

近几年,L2 级自动驾驶技术快速普及,极大程度上加快了汽车智能化发展。

同时,各大车企正加速拓展量产自动驾驶的边界,例如实现特定场景的 L4 级自动驾驶,或者让 L2 级自动驾驶的功能不断丰富,停车场这个有规律可循,还是低速运行的场景自然就成为了优先选择对象。

2017 年,博世和戴姆勒打造出了全球首个量产的 L4 级无人自主泊车系统,是自动泊车领域的一次重大创新。

当驾驶员开车进入“下车区域”(例如停车场内电梯口),下车即可,车辆会自动驾驶到停车位,并泊车入库。整个过程不需要安全员,只需要驾驶员在手机上确认即可完成。

不过,博世和戴姆勒合作的这套系统是基于停车场“深度定制”的。

从奔驰发布的视频中可以看到,停车场内每隔 3 个车位的距离,就安装了一个激光雷达,分布在车辆行驶道路的左右两侧。这些激光雷达用于辅助车辆感知,内置的 Wi-Fi 模块以及停车场专用的 Wi-Fi 设备能够与车辆实时通信。

▲ 停车场承重柱附近安装有激光雷达传感器

显然,这样的无人自主泊车方案将有超高的成本,最终这套系统仅在奔驰博物馆的停车场内上线,基本告别了大规模普及。

不过,即便如此,奔驰还是没有放弃 AVP 的量产。2020 年,奔驰还将 AVP 硬件前装进入了奔驰 S 级中。

▲ 奔驰 S 级 AVP 功能

奔驰的合作方仍然是博世,不过博世已经意识到激光雷达的成本实在高昂,全部改成了摄像头,安装在停车场顶部。同时,奔驰通过和 Apcoa 的合作,还在手机端简化了支付方式。驾驶员在取车时,就能同时支付停车费用。

▲ 停车场顶部的博世摄像头

虽然这一 AVP 解决方案将激光雷达换成摄像头大幅降低成本,同时还有实用性的提升。

但是,其本质上没有改变“依赖停车场改造”和“增加用车成本”的两大痛点。

或许百万级奔驰 S 级车主不在乎用车成本,但是更广大的家用车车主就是最关心用车成本的那一批人。同时,即便是百万级奔驰 S 级的车主,也不想等待漫长的停车场改造功能。

针对这两个使用痛点,自动驾驶行业开始有了新的探索,其中就包括特斯拉的智能召唤功能。

购买了特斯拉完全自动驾驶能力(FSD)的用户可以在停车场内开启智能召唤功能,车辆可以在无人的状态下被召唤到车主所在位置。“位置”基于车主手机和车辆的 GPS 定位,运行过程中会用上特斯拉的自动驾驶能力,车辆需要保持在用户视线内,且车主需要保持按住召唤按钮,也就是说这套系统本质是 L2 级自动驾驶。

▲ 特斯拉的召唤功能

特斯拉的智能召唤不依赖停车场改造,在购买 FSD 的基础上不增加用户的用车成本。不过,地下停车场没有 GPS 信号怎么办?答案是没办法。

难道停车场的 L2 级自动驾驶就这么难吗?有没有更优秀的解决方案呢?今年,国内的两家车企给出了更优秀的方案。

量产自动驾驶的重大升级 学习泊车实现量产

今年 4 月,威马 W6 上市,成为业内首个搭载无人自主学习泊车功能的车企。今年 6 月,小鹏为 P7 车型推送更新,记忆泊车功能正式上线。

这是量产自动驾驶的一次重大升级,意味着量产自动驾驶的边界正在不断被拓展。威马已经具备 L4 级 AVP 的硬件能力,即将在今年年内完全开放,而小鹏 P7 则是距离城市内“点对点”L2 级自动驾驶又近了一步。

显然,整车企业已经看到,如果依赖停车场改造,覆盖率可能永远达不到 100%,并且现阶段车辆的自动驾驶能力达不到全场景的 L4 级。

既然车辆自己直接上手不会开,不如让驾驶员教车辆应该怎么开。

因此,无论是威马 W6 的无人自主学习泊车还是小鹏 P7 的记忆泊车,本质上都有三个流程:教学 —— 学习 —— 复现,最终能够实现停车场场景的 L2 级自动驾驶,期间允许驾驶员脱手或者下车。

1、小鹏 P7 学一次就会,最远能记一公里

当车辆进入地下停车场,行驶到与车位平层时,在小鹏 P7 车机上的泊车功能模块中,就能让车辆开启泊车学习。

此时,驾驶员需要手动驾驶到停车场内的车位,并挂入 P 档。之后,车机会提醒即将完成学习,只需要驾驶员轻轻一点,整个学习过程就已经完成。

▲ 小鹏 P7

当车辆再次来到与目标车位平层的停车场入口,小鹏 P7 会很贴心地主动提醒,是否需要开始记忆泊车。驾驶员只需要点击确认,记忆泊车就会开始工作。松开制动踏板,车辆会按照学习的路线,行驶到上次学习时停入到的车位,全程不需要驾驶员操作。

小鹏 P7 可以学会最多 100 个停车场的泊车路线信息,每个停车场的最长学习距离达到 1 公里。

2、威马 W6 允许下车,还会召唤

威马 W6 的无人自主学习泊车功能实现方式和小鹏 P7 类似,驾驶员首先要在车机上点击泊车按钮,并在车机屏幕上选择添加路线。

▲ 威马 W6

此后,驾驶员需要以不超过 15km/h 的速度完成泊车或出库动作,车辆会记录下泊车的路线。学习完成后,车辆会将感知的数据上传至 Apollo 云端服务器,学习完成后,再将数据下载至车辆,上传、学习、下载的整个过程需要 1~2 分钟,车里稍加等待就能完成。

如果没有网络怎么办?威马 W6 也可以选择在车端计算,计算时间小于 10 分钟。

相对于小鹏 P7,威马 W6 在学习完成后,允许驾驶员提前下车,用手机操控车辆入库。用手机操控时,需要车主保持按住泊车按键,并且车辆始终在驾驶员视线范围内。如遇紧急情况,松开泊车按键,车辆就会迅速刹停。

▲ 手机 App 控制车辆自动驶入停车位

目前,威马 W6 最多可以学习 5 个车位路线,每条路线 100 米。实际体验中,100 米的学习范围确实小了一些,车东西更加期待未来即将开放的 200 米长的学习路线。

各路传感器全部用上 应对停车场复杂环境

相比于结构化道路,停车场虽然全程低速运行,但是也有更复杂的环境。交通参与者有车辆、行人,甚至宠物,地下停车场没有 GPS 信号,整个建筑也并非规则…… 在这样的环境下,如何完成自动驾驶呢?

实际上,现有的两款量产车在技术路线上存在着比较大的差异。在感知层面,小鹏更注重视觉感知,威马还是依赖传感器融合。

1、小鹏用上全部 14 枚摄像头,毫米波雷达作用被弱化

相比公共道路,地下停车场场景面临最大的困难就是没有地图。因此,必须车辆自己实时建图,从而理解停车场的构造究竟是怎样的。

利用视觉感知和实时构建,同时毫米波雷达辅助,小鹏 P7 就能完成对停车场各类场景的判断。只要是在学习过程中车辆通过的位置,传感器就能记录下周围的场景,包括路面、墙壁、车位等关键信息。

据了解,小鹏 P7 在记忆泊车过程中,会开启车身全部摄像头,包括 10 个高感知摄像头和 4 个环视摄像头。这种操作并不常见,因为环视摄像头在高速场景中作用并不明显,同时由于供应商的限制,融合二者的感知数据其实并不容易。

▲ 小鹏 P7 传感器配置

此前车东西在采访小鹏汽车自动驾驶中心高级产品经理孙红霄时,他表示,环视摄像头和超声波雷达的感知距离大约在 6 米左右的范围。环视摄像头与高感知摄像头的配合,二者配合能够对整个环境进行更精准的建模。

为什么说毫米波雷达的作用被弱化了呢?孙红霄说道:“地下停车场是一个封闭环境,毫米波雷达电磁波的反射会非常杂乱,顶棚、承重柱、金属物体等都会有不同程度的反射。总体来说,毫米波雷达能够帮助追踪动态目标,在停车场内对视觉的依赖相当强。”

2、威马更偏向传感器融合 适用于各种停车场

在感知过程中,威马 W6 也调用了全部传感器,包括 2 个前视摄像头、4 个环视摄像头、1 个驾驶行为检测摄像头、5 个毫米波雷达和 12 个超声波雷达。

其中,覆盖在全车四周的 6 枚摄像头负责以视觉成像形式,帮助车辆感知路况和周身环境。毫米波雷达和超声波雷达在雨、雾、雪天气下表现优秀,露天停车场环境能够发挥出良好效果。

▲ 威马 W6 传感器配置

因此,在感知层面,威马偏向于传感器融合,而非视觉传感器优先。

威马 W6 在支持停车场种类上也更多,包括地下、露天、停车楼…… 只要你能想到的停车场,威马应该都支持学习泊车后完成自主泊车的功能。

3D 建模停车场 还会主动避障

车辆看过一遍驾驶员怎么开到车位上之后,接下来就需要自行学习泊车的过程,并最终能够自己复现。小鹏和威马的技术路线仍有所不同,小鹏是边看边学,威马是看完了再学。

总结来看,在学习过程中,车辆面临最困难的问题是“我在哪”?在复现的过程中,车辆面临最困难的问题是如何避开随时可能出现的障碍物。

1、不依赖 GPS,两种技术路线都能精准定位

在地下停车场,GPS 信号中断,车辆不知道自己所在的位置,无法根据位置变化画出车辆的行驶轨迹。即便在 GPS 信号良好的地面停车场,GPS 定位 10 米的精度也容易产生偏差,狭窄的停车场行车道内,极容易发生事故。

同时,GPS 的定位可以看作是车辆与地球的相对位置,不过记忆泊车并不需要这个位置信息,只需要知道当前的位置与起点的相对位置就完全足够了。

因此,小鹏 P7 通过 IMU 惯性测量单元,精准判断车身姿态和运动方向,实时确认车辆的位置。最终,车辆能够画出一张精准的行车路线图。

▲ 小鹏 P7 空间定位和记忆泊车

此外,小鹏采用语义地图和匹配算法,实现实时厘米级高精度定位。据介绍,语义地图相当于车辆在感知过程中打下无数个坐标形成地图,并且车辆理解每一个坐标代表什么。每走过一次相同的场景,车辆也会验证此前的算法是否正确。也就是说,小鹏 P7 在停车场内走得次数越多,记忆泊车的精度也会越高。

通过这种方式的定位,并不是确定车辆在地球上的某个位置,只需要确定车辆与各个关键点的相对位置。因此,完全不需要依赖 GPS 信号。

威马 W6 的技术路线略有不同。根据威马汽车的介绍,威马 W6 采用了视觉定位的方式完成定位。

威马究竟如何完成定位的,我们并没有获取完整的技术路线。不过,根据视觉定位的原理,我们也能略知一二。

在停车场内,有许多规律可循的场景,例如规则的车位线、停放整齐的车辆,除露天停车场外,还拥有承重柱、墙面等特征物体。并且,这些物体的意义、位置都是恒定不变的。

▲ 威马 W6 视觉定位实现自主学习泊车

最终,计算设备能够一帧一帧拼接出整个感知过程的语义特征图。同时,依靠轮速计推断车辆位置,最终能够画出一张车辆运行的地图。

值得注意的是,小鹏在“看”的过程中就顺便把图建成了,完全依靠小鹏搭载的英伟达 Xavier 自动驾驶芯片,算力能够达到 30TOPS。

威马则是看的时候先记下所有的感知数据,上传到 Apollo 云端服务器,它的云端算力最高能达到 100 万 TOPS 级别,为所有威马 W6 提供云端算力。如果遇到没有网络的情况,威马 W6 能依靠威马和 Apollo 共同合作开发的 ACU-Advanced 车载计算平台完成本地计算。

2、自己跑一遍,还能避开随时出现的障碍物

学习完成后,就需要自己出来跑跑了。

回到起点,点击开始泊车,两辆车都能开始泊车动作。顺利的话,整个驾驶过程和人类驾驶几乎完全相同。实际体验中,威马 W6 同一路线多开两次,操作会越来越顺滑;小鹏 P7 表现始终稳定,严格遵循学习路线驾驶。

不过,如果停车场内突然出现了其他车辆、行人,甚至不知道哪来的障碍物,那应该怎么办呢?

此时,就要用上车辆自身的避障能力了,这又是一大难点。

如果遇到行人,两款车都会主动停车礼让行人,这个习惯好评。

▲ 小鹏 P7 记忆泊车过程主动礼让行人

如果遇到正在行驶的车辆,此时小鹏 P7 的毫米波雷达终于有用武之地了。毫米波雷达能够感知前方车辆的速度、加速度,以及与本车的距离,从而判断等待或者避让。

在最终泊车阶段,也会利用超声波雷达感知近距离的障碍物。

威马 W6 则主要依托摄像头 + 超声波雷达共同识别的方案进行避障。

▲ 威马 HAVP 车内视角

据介绍,针对行人、车辆、锥桶等常见障碍物,威马 W6 会通过视觉方面的特征识别,车辆即可感知障碍物的存在,并进行避让;针对箱子、沙石等不常见的障碍物,威马 W6 依托超声波雷达,感知障碍物。发现障碍物后,车辆会根据障碍物的当前距离进行决策,并在合适的距离自动刹停、避让。

结语:学习泊车有更广阔应用前景

虽然学习泊车是量产自动驾驶技术的一项重大进步,不过目前二者的体验仍有一定局限。例如没有固定车位的情况下这套系统可用性会有所降低,但小鹏会在未来推出非固定车位的记忆泊车,威马预计在今年年底推出无人高精地图泊车(PAVP),解决这一痛点。

而面向未来出行场景,学习泊车功能还有更广阔的应用场景。其中一个是将学习泊车升级为 L4 级 AVP 无人自主泊车,让车辆学习一遍之后,允许驾驶员下车锁门立场,而不是一直看着车倒进车库,这已经被纳入威马学习泊车功能未来发展方向之一。

另一个应用场景则是连接城市道路,在城市内实现真正的点对点 L2 级自动驾驶。目前,特斯拉、蔚来、小鹏、理想、华为等多家车企都宣布了城市道路自动驾驶的规划,量产近在咫尺。

已经实现的结构化道路(高速路 + 城市快速路)自动导航辅助驾驶,即将量产的城市道路自动导航辅助驾驶,加上已经实现的停车场内学习泊车,三者相加就是城市道路点对点 L2 级自动驾驶,相信这也是众多车主所期待的一项 L2 级自动驾驶能力。

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

软媒旗下网站: IT之家 最会买 - 返利返现优惠券 iPhone之家 Win7之家 Win10之家 Win11之家

软媒旗下软件: 软媒手机APP应用 魔方 最会买 要知