泊车系统基础：自动泊车系统架构、传感器配置与场景分类

大家好，我是你们的老朋友。今天咱们聊聊泊车系统的基础架构。

说实话，我入行那会儿，自动泊车还是个稀罕玩意儿。那时候的泊车系统，说白了就是「倒车雷达+后视摄像头」的简单组合。现在不一样了，一套完整的自动泊车系统，已经是一个多传感器融合、多模块协同的复杂系统了。

一、自动泊车系统架构

我个人习惯把泊车系统分成三层：感知层、决策层、执行层。嗯，这个分层方式在很多自动驾驶架构里都能看到，但泊车系统有它自己的特点。

1. 感知层

感知层负责「看」和「听」。它要回答三个问题：

• 我在哪？——车辆定位
• 周围有什么？——障碍物检测
• 车位在哪？——车位识别

我在项目中遇到过一个问题：某款车的超声波雷达在雨天误报率特别高。后来排查发现，是雷达安装角度和雨滴反射特性没匹配好。你看，感知层的问题往往出在细节上。

2. 决策层

决策层是泊车系统的「大脑」。它接收感知层的数据，然后规划出一条可行的泊车路径。

决策层主要做三件事：

• 路径规划：从当前位置到目标车位的轨迹
• 速度规划：什么时候加速、什么时候减速
• 安全校验：确保路径上不会撞到任何东西

这里有个坑，我曾经踩过——路径规划算法在理想环境下跑得好好的，一到真实停车场就「死机」。为什么？因为真实场景有太多不确定性：行人突然出现、旁边车辆开门、地面有积水反光……所以，决策层一定要有「容错机制」。

3. 执行层

执行层就是「手脚」。它把决策层的指令转化为实际动作：

• 转向系统：控制方向盘转角
• 动力系统：控制油门/刹车
• 档位系统：控制前进/后退

执行层的延迟问题很要命。我记得有一次测试，决策层发出了「停车」指令，但执行层延迟了200毫秒才响应，结果车头蹭到了旁边的柱子。所以，执行层的实时性要求非常高，一般要求延迟在50毫秒以内。

二、传感器配置

泊车系统的传感器配置，说白了就是「超声波+环视摄像头+鱼眼」的组合。为什么是这三样？咱们一个一个说。

1. 超声波雷达

超声波雷达是泊车系统的「老将」了。它的原理很简单：发射超声波，接收回波，根据时间差计算距离。

优点：

• 成本低，一个超声波传感器才几十块钱
• 近距离探测精度高，误差在1-2厘米
• 不受光线影响，晚上也能用

缺点：

• 探测距离短，一般只有0.2-5米
• 容易受天气影响，雨雪天性能下降
• 有盲区，特别是两个传感器之间的区域

我曾经在项目里遇到过超声波雷达「串扰」的问题——多个雷达同时发射信号，互相干扰。解决方案是让它们分时工作，或者用不同的频率。

2. 环视摄像头

环视摄像头一般装4个：前、后、左、右。它们共同拼接成一个360°的鸟瞰图。

环视摄像头的作用：

• 车位线识别：通过图像处理算法检测车位线
• 障碍物识别：检测行人、车辆、锥桶等
• 视觉定位：通过特征点匹配实现车辆定位

这里要注意，环视摄像头的标定非常关键。如果标定不准，拼接出来的鸟瞰图会有「错位」，导致车位识别失败。我建议在量产前做至少3次标定验证。

3. 鱼眼摄像头

鱼眼摄像头是环视摄像头的「升级版」。它的视角更广，一般能达到180°甚至220°。

鱼眼摄像头的优势：

• 视野大，一个鱼眼能覆盖两个普通摄像头的范围
• 近距离畸变严重，但可以通过算法矫正
• 适合狭小空间的泊车场景

鱼眼摄像头的畸变矫正是个技术活。我见过一些项目，矫正后的图像边缘还是「弯」的，导致车位线识别不准。嗯，这里推荐用「棋盘格标定法」，精度比较高。

传感器配置对比

传感器类型	探测距离	精度	成本	主要用途
超声波雷达	0.2-5m	1-2cm	低	近距离障碍物检测
环视摄像头	0.5-20m	像素级	中	车位线识别、视觉定位
鱼眼摄像头	0.3-15m	像素级（需矫正）	中高	广角视野、狭小空间

三、泊车场景分类

泊车场景千变万化，但归纳起来就几种。我按「车位类型」和「泊车方式」两个维度来分类。

1. 按车位类型分类

• 平行车位：车位与道路平行，常见于路边停车
• 垂直车位：车位与道路垂直，常见于停车场
• 斜列车位：车位与道路成一定角度，常见于商场

平行车位是最难的。为什么？因为车辆需要「倒车入库」+「调整方向」两个动作，路径规划复杂。我建议在开发时，先搞定垂直车位，再挑战平行车位。

2. 按泊车方式分类

• 自动泊入：系统自动控制车辆进入车位
• 自动泊出：系统自动控制车辆驶出车位
• 遥控泊车：用户通过手机APP遥控车辆泊车

遥控泊车是个「新物种」。我记得第一次测试遥控泊车时，手机信号延迟导致车辆「一顿一顿」的，用户体验很差。后来优化了通信协议，延迟降到了100毫秒以内，才勉强能用。

3. 按场景复杂度分类

• 简单场景：空旷停车场，车位线清晰，无遮挡
• 中等场景：有少量车辆，车位线部分模糊
• 复杂场景：车辆密集，车位线磨损，有行人/宠物

复杂场景是泊车系统的「试金石」。我见过一个极端案例：停车场地面有积水，环视摄像头把积水反光误识别为车位线，结果系统规划了一条「穿水」的路径。所以，场景分类一定要考虑「环境干扰」因素。

好了，这一章的内容就到这里。下一章咱们聊聊「高精地图在泊车系统中的作用」，这是整个课程的核心，也是我最有心得的部分。到时候见！