自主泊車智能化越來越高 對「停車難」說NO

繼無人超市、無人酒店、無人公交正式上線以後，智能泊車漸漸走進我們的視野並且越來越先進和成熟，能適應更加複雜特殊的地形。停車將毫不費力，也為我們節省大量時間，就是不知道以後能不能應用到立體車庫?

《中國互聯網發展報告2017》藍皮書，其中指出中國的數字經濟規模總量達22.58萬億元，躍居全球第二、佔GDP比重達30.3%。以互聯網為代表的新一輪科技和產業革命形成勢頭，人工智慧等新興技術成為全球創新的新高地。

自動駕駛初創公司Momenta

Momenta成立於2016年9月初，僅僅成立兩月就獲得來自藍湖資本領投的A輪500萬美元融資，該輪融資由創新工場和真格基金跟投的。同時2017年初，獲得順為資本領投的A1輪融資 。Momenta CEO曹旭東畢業於清華大學，他先後任職於微軟亞洲研究院和商湯科技。

該公司一直致力於打造自動駕駛大腦，其核心技術包括基於深度學習的環境感知、高精地圖、駕駛決策，產品則包括不同級別的自動駕駛方案，以及衍生出的大數據產品和服務。之所以稱之為自動駕駛大腦，就是要達到和人腦同等水平的智能程度，雖然這很困難但Momenta一直堅定不移。

智能泊車的廣闊價值

對廣大車主來說，最理想的停車方式是，將車停在電梯口然後車子自己停到停車位上，這樣就可以節約很多時間。無論是在家還是工作場所，智能泊車都會大大節省我們的時間、十分方便。

假設我們一次存取車需要耗費30分鐘(多數超過這個時間)，一天進行兩次操作，一天就可以節省1個小時，一年節省365個小時，相當於45個工作日，對於在一線城市打拚的人來說，這是一個半月的收入。智能泊車解放了雙手和大腦，可以讓工作一整天的車主得到充分的放鬆和休息，不用保持高度的緊張狀態，身體和心理都能得到保護。

激光雷達——量產的自主泊車的關鍵

目前汽車中搭載的比較多的功能是APA(Active Park Assist ，自動停車輔助)。現在，搭載以泊車為主的APA功能的大部分的車型，也會融合超聲波感測器等到AVP(Automated Valet Parking，代客泊車)中，在最後5米進行泊車輔助，給駕駛員提供泊車的引導輔助功能。自主泊車中，最終要做的是Level 4，完全沒有人的自主泊車場景，才能從根本上節省用戶的時間。

自主泊車落地實際上是需要運營的，而運營，需要從低場端依賴出發，向高場端依賴發展。如果住宅和辦公樓有固定的車位，可以有一個用戶指定的起點和終點，進行點到點的行駛，對場端運營待依賴較小。在商場和酒店，雖然車有自主識別車位的功能，但在車場外的時候也需要識別停車場里哪裡有空閑車位或者是否有空閑車位。這就需要將場端車位佔用信息傳到車端，所以在商場和酒店的自主泊車運營是需要有一個的場端聯動的。所以討論自主泊車如何落地的時候，更關注當前的住宅和辦公樓等有固定車位的場景，在這個場景中，從技術依賴來講，自主泊車如果能夠做到方案上不需要依賴場端，其成本和擴展性能都可以提高。我們主要關注基於視覺的技術，因為在停車場場景中，是沒有GPS的。室內定位也有很多種方案，例如藍牙、場端的攝像頭以及其他的通信等。

選擇基於視覺的技術一部分是成本的考量，另一部分主要還是為了確保定位精度。因為在室內場景中，對自主泊車的定位精度，我們評估，是要小於10厘米的，其他的方案很難達到這個精度。最後，要打造可量產的自主泊車產品，感測器也必須是可量產的。現在攝像頭、超聲波雷達、毫米波雷達等都需要考察是否能夠量產。目前，比較不確定的是激光雷達，可以預見激光雷達量產之時就是自主泊車量產的時候。

自主泊車的安全性如何保證?

自動駕駛最核心的問題是解決安全性的問題，人類駕駛員平均駕駛1億公里會出一次事故，如果自動駕駛想要在市面上得到應用，需要有比人類更好的表現。從統計學上來講，如何做里程為1億公里的實驗，1000次實驗可能才會有一個統計上比較有意義的結果，所以也是需要進行1千億公里的驗證。按照目前汽車能夠行使的總里程和汽車的成本，這是不可能完成的。

因此需要模擬測試實際的路測相結合，實際路測中Momenta會先去完善技術，然後在真實的場景裡面進行大量的測試，再把這些測試產生的數據收集回來進行數據分析，不斷地提高技術裡面的性能問題，通過這樣的閉環測試達到實際路測的效果。在地下停車的場景中，是沒有GPS的，第一個要解決的問題就是定位，現在有視覺語音地圖的技術，通過三角的組合計算進行視覺的定位。另外，也要進行障礙物的識別、車位識別、路徑規劃以及路徑跟蹤等。Momenta雖然已經有了Demo，但是自主泊車的落地，還需要和傳統的激光雷達嘗試和主機廠的合作，共同確保自主泊車的安全性。雖然，自主泊車現在沒有完全的智能化和量產能力，但可以預見不久的將來自主泊車會在普通家庭中出現，廣大車主也可大聲對「停車難」說NO!

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！