2021 年，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，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。

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，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。

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，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。

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，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。

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。

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。

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。

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。

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。

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。

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。

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。

关键词： 自动泊车 记忆泊车 辅助驾驶 Apollo云端服务器