先来讲讲什么是HPA(Home-ZoneParking),从功能上来说，HPA这一整套系统可以实现按照用户需求自建地图，并在地图生成后按照自建地图规划路径，使用户在经常规律重复行驶场景上可以解放自己，等下次再经过有记忆路线的位置后，系统可以自行开启一段点对点的巡航，找到车位并完成泊入(泊出过程亦是如此)。虽然目前来说，量产的HPA受到法律法规的限制，人还是得呆在车上，但是，首先来说，我觉得技术上的实现已经是一个很大的进步。对于产品经理来说，产品首先是要实现用户价值的，当前阶段，人还在车上，怎么实现用户价值？大家可以往下想想，不干扰各位的思路~~
总的来说，HPA分成以下几个过程：
1.mapping(建图过程：泊入和泊出)，在这个过程中，首先第一步是需要定位，一般都是依靠GPS(GPS有精度的要求，各家需求不一样)，当然也有其他方法，依靠一些特殊的语义，这个过程你可以理解成要告诉系统你在哪？你需要在哪盖个戳？是否进入电子围栏？定位完成后，就可以开始建图的过程，建图的流派很多，主要有依靠视觉VSLAM，视觉融合毫米波点云，超声波点云等，其中视觉也分成两种：1.依靠对柱子/车位/车道线等语义信息识别构建语义地图2.依靠视觉点云构建点云级别的SLAM信息，前者的好处是对算力要求没那么高，但是语义信息重复度较高，系统很难做回环，对于一些缺少语义的场景就很难了，例如甬道，地上停车场。后者的好处是，无需借助外在语义，也能构建地图，并且丰富度和精度更高，但是缺点也是算力要求更高。在建图过程中需要考虑的点，停车场可以分为无遮挡，半遮挡，全遮挡，对于半遮挡，全遮挡停车场无法正常GPS定位，如何建图？这个各家都有相应的方案，在此不表。
2.泊入/泊出(巡航)，完成建图后，在车辆进入记忆路线的电子围栏内，定位成功后，即可进行泊入/泊出巡航，在此过程中，车辆需要按照规划路线的轨迹行驶，并且需要对静止/动态障碍物避障绕行策略进行考虑，这里可以引申到HPA中的感知，HPA的场景比APA复杂很多，对感知的性能也有更高的要求，除了需要识别一些特定的车辆/锥桶/车道线用于车机的虚拟场景重构显示之外，最主要的还是需要处理在巡航阶段的各种复杂工况。在这里可以给个场景库的思路，列出HPA巡航中的各种障碍物类型/障碍物速度/障碍物位置/停车场区域/自车速度/气候进行场景库的构想。另外，对于传感器的要求，也会更高，HPA巡航的速度一般需要超过10kph,当然也会有更高的速度，速度越高，对于感知的范围也有更高的要求，通常毫米波雷达(第五代，3T4R水平)的低速模式感知范围是40m左右，可以满足更高的车速范围，当然，3T4R俯仰角方面的精度误差在地下停车场也是一个噩梦，经常导致误触发。鱼眼相机的感知范围基本在10m以内，并且由于需要畸变拉直，边缘处感知精度误差较大，远处测距不准。
3.沿途车位探扫：需要考虑到泊入车位被占用的情况，在智能泊入的过程中，系统同时搜索周围车位，用户可根据提示，随时刹停车辆，选择搜索到的车位，车辆自动泊入
4.手机泊入(人下车)，这个话题真的很敏感，但是大家都需要面对，目前量产的HPA都不支持人下车，也有支持在最后几十米的情况下可以下车，即意味着：人可以盯着车，随时进行问题的处理，在此过程中需要考虑的是系统的冗余性：传感器冗余，系统冗余，制动冗余，电源冗余等。一旦人真的下车了(不只是最后几十米)，需要考虑的问题就有很多，系统异常如何处理，定义最小风险策略，紧急策略，如何通知用户等等~~
HPA真的落地了么？这真的是用户想要的HPA么？或者作为从业者，更应该扪心自问下，这两年HPA记忆泊车的热度提升很快，也有几个客户项目的落地。当然，demo很早就开花了，但是，还是那句话，POC永远是POC，打通所有泛化场景，才能叫真正的落地量产。什么时候能识别躺倒的行人？什么时候能真正把人从车上解放下来?这些需要我们从业者继续努力去实现，但是我想说，目前我们做的这些是有价值的，是有意义的，没有这些作为基础，自动驾驶将永远不会真正实现！
全部评论 （0）