停车舆图一样平常包括停车路线和停车位。
根据天生的停车舆图，车辆可以自动按照停车路线行驶并停入对应的停车位，从而实现自动影象停车。

相对付影象行车而言，影象停车 MPA（Memory Parking Assist）可以算作是停车场区域内的一个自动驾驶功能，可帮助用户按影象的路线自动巡航并泊入车位或自动从车位泊出并巡航至泊出点。
如下图表示了影象行车和影象停车在全体事情环境中的场景示意图。

常日情形下，考虑到影象停车实际是一种低速自动驾驶掌握过程，因此须要在影象停车过程中设置一定的设计运行范围才能担保其影象建图和行驶掌握具备可行性。
比如，从掌握逻辑上讲在影象停车掌握中如果碰着前方障碍物的情形，对付影象行车而言，常日是采取刹车避障的办法进行障碍物躲避。
而影象停车则是通过转向绕行的办法进行障碍物躲避，从这一点上讲也是影象停车相对付影象行车来说十分不一样的地方。
此外，从全体静态ODD上看，我们的影象行车常日是不须要考虑太多的极度的要素的。
只要不是传感器本身的限定和遮挡都可以确保影象行车掌握的可行性。
哪怕是类似内部道路、施工路段这类场景也可以不必作为ODD范围外须要考虑的要素，由于系统会根据识别的结果进行应时更新，但匹配上影象行车的行驶路径方案相比拟较单一。

影象停车技能设计要素

自动影象停车是车辆自动驾驶技能的主要运用。
干系技能中，为了实现自动影象停车，一样平常须要师长西席成停车舆图，停车舆图一样平常包括停车路线和停车位。
根据天生的停车舆图，车辆可以自动按照停车路线行驶并停入对应的停车位，从而实现自动影象停车。

影象停车的六个紧张子功能包含影象建图、智能泊入、沿途车位识别、智能泊出、运行过程中故障处理、动静态障碍物处理、***监控等。

其功能核心紧张是在利用智能泊入及智能泊出前利用停车（环视摄像头）或部分行车传感器（前视摄像头）进行影象停车的局部舆图绘制，提前学习并建立智能泊入和智能泊出的路线舆图。
建图完成后，用户须要利用所建立的舆图驱动全体智能泊入、低速巡航及智能泊出掌握。
且全体过程中，用户无需手动掌握车辆，但不能离开座位，全体停车过程须要用户监控系统的运行状态，必要时可对车辆履行制动或转向以接管车辆。
如下图表示了全体影象停车所涵盖的功能范围示意图。

而对付影象停车功能而言，由于考虑到传感器识别能力、系统掌握能力等成分，常日是须要制订比较严格的ODD适用范围，并且全体掌握过程中，驾驶员对付整车掌握是可以随时参与的。
如下图列举了几个关键的ODD要素。

和影象停车系统类似，影象行车实际上是一种针对宿主车辆中预先记录的轨迹进行智能赞助驾驶的掌握过程。
全体过程实际是包含低速巡航和赞助停车的过程场景。
智能停车掌握过程在末了一定的韶光常日是许可用户下车，通过手机短程遥控车辆过自动泊入车位的，这一过程须要从遥控停车模块调动相应的掌握过程。

全体影象停车的软件架构数据流图表示如下：

以范例的停车算法处理芯片为例，全体影象停车处理流程分为两条主线：环视摄像头输入的数据通过TDA4上的VPAC模块进行ISP处理后，可以分两步进行分流，个中一起是通过C66模块中的两个DSP核分别进行前处理和后处理，同时C7x/MMA上完成神经网络的实时处理。

停车建图与重定位事理

数据采集阶段通过对全体停车场进行分层全方位数据采集，并将建图所需的前视***、环视***上传至数据管理中央，通过停车质检标注系统进行预处理天生相应的韶光戳信息、定位信息、传感器标定信息，并结合先前预置舆图信息PreMap（该预置舆图信息可以是由其他车型采集天生后由本车通过云端***）天生两套不同的感知模型信息。
随即天生的摄像头模型数据信息和超声波识别模型信息（分别为停车轨迹信息和车位识别信息），随后进行数据后处理（对所有传感器进行韶光同步、不同物体进行物体关联、停车轨迹领悟改动、车位识别改动等）。
末了将天生的数据输入舆图模型进行有效的数据演习。

个中，在停车建图过程中常日须要云端通过预设的置信度算法对所建立的舆图预设置信度，在停车激活试用阶段，通过将符合预设置信度的停车舆图直接下发至车端，使车端可以直接根据停车舆图进行自动影象停车。
这里须要解释的是，预设停车舆图置信度的算法实际是通过人工质检的办法进行筛选和设置（又称质检），对置信度的程度进行有效的编号。
这类质检过程实际类似于BEV建图过程中的真值标注一样，如果待质检的停车舆图的数量较多，由人工对每一份停车舆图进行质检将产生大量的人力本钱，同时影响质检效率。
因此，考虑自动化的质检办法也显得比较主要。
如上图所示表示了全体影象停车建图至图像质检的全体过程。

如下图表示的是一种范例的停车建图与重定位的示意图。
个中输入端包含4枚环视感知的摄像头，在建图阶段，考虑了多个环视摄像头之间可能产生深度点云可以对其进行间隔估计，并将对应的建图和位置进行优化。
其天生的轨迹进行存储，并把相应的接口暴露出来供其他模块调用。
此外，该四个环视***将作为全体建图的特色提取输入，通过云端接口***已天生的舆图数据，匹配到被演习过的建图轨迹，并进行有效的重定位、且查询到当前位置并调度全体车身姿态。
末了，通过车辆轨迹方案和掌握单元进行整车掌握相应。

把稳，对付这里所建立的舆图并非高精舆图，也非导航舆图。
当然停车建图的间隔相对付行车来说是小很多，由于这类路径须要包含的信息量还是比较大的，且不同车位、泊入泊出过程都须要同步建立不同的舆图。
舆图信息须要重点包括如下一些信息：

①车道标志信息：车辆运行轨迹信息（如x、y、z坐标），车位信息（四个角点x，y，z坐标）这里的Z轴信息紧张是指跨层之间的信息。
此外还有一些停车场的路标信息：如路口、柱子、减速带、坡道；

②车辆定位特色信息：建图起始点和终点GPS信息；

③停车位确认和新增停车位的植入信息：即目标车位以及行驶到目标车位中间可能检测到的对应车位。

停车舆图存储和管理

与影象行车存储办法类似，影象停车的存储单元也是位于智能驾驶域掌握器中，可以在划定的EMMC中，且全体舆图存储过程是在用户完成建图后自动触发存储。
舆图可以同步选择存储在云端，如果考虑车车互联，该舆图也可以作为联网其他车辆的的停车舆图。
当网络旗子暗记良好的情形下，且自车通过定位到自身处于对应的停车场时，便可以启动后台***程序掌握车辆优先从云端***舆图，生产和存储。

之条件到，舆图建立过程中是须要对舆图的张数限定最大值的。
那么超过最大值的情形就须要向提高行舆图覆盖。

建图过程不能均担保建图成功，当建图失落败时，该舆图路线将不能用于停车掌握，这是须要从后台启动日志记录功能，将建图失落败的缘故原由进行详细记录。
同时，系统前台须要通过HMI提示用户建图失落败。

影象停车事情流程事理

为实现智能泊入和智能泊出功能，用户需先在停车场内驾驶车辆进行智能泊入和智能泊出路线学习，智驾车后台系统存储对应影象的舆图路线。

全体建图过程中常日须要对泊入路线、泊出路线、最大许可的倒车间隔提出相应的建图哀求。
比如泊入过程建图时，须要考虑全体停车场支持从不同的停车入口进入，且均可以建立不同停车路线的舆图。
而泊出过程则须要支持统一停车场的不同车位建图。
这个过程须要考虑统一停车场内对不同停车位作为出发点均可建立一张停车路线图。

全体停车流程解释如下：

Step1：智驾车辆驶入停车场内，通过车机系统激活停车类型（按键/语音）为泊入；

Step2：车机系统须要显示影象停车功能界面，用户须要根据提示手动驾驶车辆前往目标车位；

Step3：到达目标车位附近后，用户可以直接拨入车位，并挂入P档。
也可以在车机系统上点击确认识别到车位；

Step4：掌握车辆泊入后，系统通过后台自动验图并保存对应所建立的舆图数据；

Step5：建图成功后，如果驾驶员连续选择停车召唤建图，则进入Step7泊出建图流程。
否则，这次建图结束；

Step6：吸收到驾驶员输入的建图类型为泊出要求时，驾驶员可以手动驾驶汽车前往泊出点；此时系统确认完驾驶员这次泊出过程结束时，系统后台生产并考验此舆图数据。

这里须要把稳的是，智能泊入和泊出须要分开建立不同的两张图，泊入和泊出舆图会由一个属性相互关联。
建图过程需知足建图间隔、车速、以及建图算法匹配的哀求。
常日单程（泊入或泊出）建图间隔不超过一定值（比如2km），建图过程中车机系统可以实时的显示建图间隔，并应时的提醒驾驶员。
此外，如果考虑建图的有效性和性能，常日也对驾驶速率有一定哀求（一样平常小于20kph），如果长期超速超过一定的韶光阈值，则提示驾驶员超速退出。
并且，根据不同的车位信息可以触发建立不同的舆图，这样的舆图数量实际上是有一定的哀求的。
比如最多可以存储10张舆图用于标识10个车位信息。

作者 | Jessie

出品 | 焉知