本文主要是介绍APA技术方案及关键点，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
APA即我们平时用的最多的基础泊车功能(自动泊车辅助)，按照功能来分，有下列子功能：
1.AVM(全景影像)，四路环视鱼眼动态拼接，去畸变，提供给用户车身周围360°的环境图像信息，有2D(单路鱼眼图)，3D(碗状模型，市面上做的都半径八两，受鱼眼超广角影响，近处物体形变较大)，解决3D图像失真是未来AVM迭代的方向。
2.车位搜索，环视相机负责搜索划线车位，超声负责探扫空间车位，两者融合，扫车位过程中也需要判断车位可泊性(是否有障碍物，地锁开合状态等)
3.车位泊入，规划泊车路径，和执行器握手，执行泊入过程，泊入过程需感知周围环境，实时进行避障
4.车位泊出，逻辑同上车位泊入
5.MEB(低速紧急制动)，在非泊车状态下的低速紧急制动(12kph以下)，一般依靠视觉+超声实现
6.循迹倒车，利用DR的记忆进行轨迹规划，依靠传感器进行避障
7.PDC&SDW(扇区碰撞报警)，利用超声波探测的障碍物信息进行实时报警，覆盖车身360°
8.泊车失败辅助&泊车中途辅助，泊车过程中不可恢复中断条件/可回复中断条件的判断和退出机制
总体来说，APA泊车分成两个过程，即：1.车位搜索2.车位泊入，分别细节讲讲这两个功能的逻辑：
1.车位搜索：一般依靠视觉搜索划线车位，四路鱼眼图像进行畸变校正，动态拼接成为俯视BEV图，在此BEV图上进行车位搜索，输出车位及其类型(水平/垂直/斜列)，在车位搜索过程中，通过视觉算法进行障碍物识别，语义分割出路延，freEspace等的轮廓。对于空间车位的探扫，一般用超声波传感器(侧面的APA)，超声波通过多个探头回波产生特征点，进行聚类形成空间车位轮廓并释放，并输出超声探测到的障碍物，最后视觉和超声进行融合。另外，泊入的过程需要足够的路径规划的空间，所以，通道宽度过窄的情况下一般车位也不会被释放。
2.车位泊入：车位得到确认释放以后，先识别车位方向，建立车辆坐标，规划泊车轨迹，和EPS&ESP进行握手执行，在泊入过程中传感器进行实时监控，有障碍物立即刹停。传统的路径规划算法采用边走边判断，规划路径死板，舒适性、安全性不足。目前有些新的算法应用，规划路径灵活，需要的把数较少。
3.泊车场景中难点：1.墙头车位，尤其是有角度倾斜的，一方面探扫车位有难度，另外一方面，需要泊车规划的把数多了，DR以及执行器执行过程中的误差累计也会变大，考验系统实时定位纠正的能力2.立体车位,极窄车位，对于车位释放精度要求很高，各家用视觉可以尝试下，超声就算了，毫米波的话要注意金属多径反射的噪点问题，有钱的话上激光3.障碍物感知以及测距，视觉测距有天生缺陷，鱼眼畸变较大，越远误差越大，还得找接地点，悬空障碍物还得靠点云，所以我觉得还得视觉结合超声靠谱。
技术方案：
1.整车系统架构：一般由泊车域控制器+12超声波传感器+4个鱼眼相机+EPS(转向执行器)+ESP(制动执行器)+HU(中控显示)等组成
这篇关于APA技术方案及关键点的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
