2021 年，www.maxmaya.com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“单车道居中行使”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，远方的软泥怪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，前线守卫2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，国宝档案之觐天宝匣整车企业已经看到，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，祭天化颜歌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 的毫末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。
