每天多睡半小時_解析智能汽車即將標配的“新自動泊車”     DATE: 2022-01-25 07:09:05

不知道你有沒有過我這種體驗,還差幾分鐘就過9點,我還在公司樓下停車場找車位。9點過15分,剛剛好,有個空車位出現。順利停完車,上樓、打卡、喜提本月第四次遲到。那是幾年前的事兒了,那會兒就想要是有個人能幫我把車停了,我去樓上打卡,多棒;幾年過去,這個人依舊沒出現,但釘釘遠程打卡暫時解決了我的痛點。但我的車還得我自己停,不是科技不進步,是我的車沒有"代客泊車"功能。今天聊的話題,隨著越來越多的新車都開始默認"標配"這樣的功能,威馬/WEY等,那什么是5G-AVP,怎么實現的?以后前景怎么樣?拆開看,5G有什么用?這個段落簡單點兒講,4G是移動互聯時代、5G是萬物互聯時代。比起5G-AVP可能大部分人對于5G-V2X更熟悉點兒,關于這個的報告也更全面。不用去百度,5G還是一種移動通信技術,演變到如今已經是第五代,特點是高數據速率、減少延遲、節省能源、降低成本、提高系統容量和大規模設備連接(重點)。那么V2X就是實現車與X(車與車、與人、與路、與服務平臺)之間的網絡連接。是5G在車聯網的垂直應用場景。舉例:盤山路,路口轉向會有盲區,通過V2X技術車與車進行通訊,可以知道對面或某個盲區方向是否有車,然后進行決策如減速、剎車等,減少交通事故的發生機率。其中5G的應用在里面起到了萬物互聯+大規模設備的鏈接+高數據傳輸+減少延遲作用。于V2X一樣,于AVP也一樣的道理。AVP是什么,怎么實現的?自動泊車功能不是一蹴而就的,而是慢慢積累演變而來;在AVP之前,你可能更先接觸到了APA和RPA。APA自動泊車,是生活中最常見的自動泊車輔助功能,汽車低速巡航用超聲波雷達感知周圍環境,幫助駕駛員找到合適的車尾,然后駕駛員發送泊車指令,汽車自動泊車入位。APA這套輔助功能依賴的傳感器不復雜,常見的是8顆UPA超聲波雷達,就是日常頻繁用到的倒車雷達,然后前后各4顆;還有4顆APA超聲波雷達,安裝在車身兩側。兩種雷達屬性不同,分工也不同。APA超聲波雷達探測范圍遠、窄,最遠測距普遍5米左右;UPA超聲波雷達探測范圍近、寬,普遍最遠3米。所以,底層邏輯就是用APA雷達完成車輛低速行駛時的車位尋找和校驗,側前方的APA雷達會先探測到車位,距離會由小變大再變小。這個過程被探測到之后,根據車速信息算清楚空車位的尺寸信息;接著,側后方的APA雷達需要完成的工作,是對前方雷達探測到的信息進行二次檢驗,以免出現錯誤信息。但重點是,駕駛員仍然需要在車內完成整個停車過程。接下來是RPA,遠程遙控泊車。基本邏輯和APA自動泊車相同,傳感器配置也和以上差不多APA雷達+UPA雷達;唯一區別是使用場景,你可以下車并站在5米左右的范圍內,連上藍牙遙控你的車實現"自動泊車",解決的痛點是狹窄空間內停好車你下不來的尷尬。但這個過程始終你仍然需要在場,不是在車里而是在車外,你還是不能沖上樓打卡。最理想的場景,應該是我們把車開到家/公司樓下,我們直接去辦事,找車位和停車的工作交給車輛自己完成,就是代客泊車功能——AVP。簡單分析一下,首先這是一個特定場景下的L4級別無人駕駛功能,它的傳感器配置就必須要加入攝像頭。跟它相似的是"自學習泊車"功能,簡單易懂就是你教汽車怎么停、停在哪兒,記住之后就能自動把車給你停好,這種更適用于有固定車位的場景下,沒有的話你還得自己來。以上"自動學習泊車"功能,配備的傳感器包括了APA、UPA雷達之外,還加入了4顆魚眼攝像頭組成了360度全景影像和停車場高精度圖+SLAM同步定位與建圖技術。相比于以上幾種輔助泊車功能,AVP功能還得解決從駕駛員下車地點低速行駛到車位的問題,必須得保證安全,所以得提升車輛對于遠距離的感知能力,所以也就有了一顆前向攝像頭。為什么不用感知力更好的激光雷達?實現單一功能用高成本的激光雷達沒有性價比可言,激光雷達成本降下來之前應該會一直用視覺感知系統。而且,停車場普遍場景單一,沒有那么多的快速移動物體,對于低速行駛的車輛來說視覺感知可以應對大多數的突發狀況。底層邏輯上面也分析的差不多了,APA雷達和UPA雷達的使用邏輯剛才已經說了,探測車位信息然后進行二次驗證。360度全景影像+前視覺攝像頭配合SLAM技術+停車場高精地圖,構建場景讓車輛知道自己在那兒然后要去哪兒。最后,根據算法完成"代客泊車"功能和"遠程召喚"功能。現在已經有很多產品開始使用或準備使用AVP功能,吉利星越L的5G-AVP1km無人泊車功能、威馬W6無人泊車功能、紅旗E-HS9的AVP等等。AVP的難點不是硬件,AVP前景如何?AVP的應用場景在哪兒?在露天停車場或地下停車庫。那AVP拋除感知硬件之外還需要SLAM同步定位與建圖技術,還有更重要的"支持室內導航的自動駕駛高精地圖"。支持高度自動駕駛的地圖,才是AVP的關鍵瓶頸,尤其是沒有網絡信號的多層停車場;當你在B3層打開地圖導航的時候,你經常能發現,在到路面之前你的路徑可能還要重新計算一次。這于AVP功能一樣,沒有信號致命、沒有高精地圖同樣致命,影響大規模商業化落地。AVP需要在各種條件下的停車場正常工作,尤其是在復雜、多層的停車場。關于停車場制圖的難點,不同停車場結構差異大、場內的標線規劃不統一。當然現在也有第三方在做停車場精度地圖建設,但后續在車企對于AVP系統推向市場之前,還需要針對不同停車場環境進行充分的測試。除了給停車場制作精度地圖之外,還有一種車場協同的方法,但成本相對就高了。一個是改車一個是改停車場,加強車端自身的傳感能力和加強場端通信支持。但成本是一個大問題,博世和戴姆勒曾經展示過用工業級單線激光雷達,平均3個車位就要布置25個激光雷達,平均成本高,還不適用于現階段的場端AVP。未來最先可能大規模實現的是車端AVP低成本方案,一方面降低成本一方面又不會限制AVP只在具備"場端"功能的停車場使用。當然,這個方案的前提是,解決好停車場高精地圖。總結泊車功能逐步發展到現在的AVP,從最初的超聲波雷達到現在的無人自動泊車功能。每一次的迭代都離不開傳感器+融合算法+通信技術的各方面成熟。而且,在5G傳輸、傳感器硬件、基礎建設越來越成熟完善的未來,汽車肯定會更智能;無論是車端還是場端,在接下來的商業化落地上都會提供出更好的解決方案,這只是時間問題。所以,我下一輛車準備換一臺有AVP功能的車,釘釘遠程打卡+AVP,每天能多睡半小時。