代客泊车功能怎么用，代客泊车

很多朋友对代客泊车功能怎么用，代客泊车不是很了解，艾巴小编刚好整理了这方面的知识，今天就来带大家一探究竟。

面对停车难、排队缴费等问题，自动代客泊车技术的出现，可以为停车场和车主提供更高效的解决方案。现阶段自动代客泊车实施方案基本分为场站端和车端两种。

本文提出了一种停车场融合方案，既可以降低车场端的成本，又可以在不增加车端成本的情况下，充分利用车端传感器。配置，促进这项技术的快速量产。

随着汽车保有量的激增，车位不足、停车难、缴费排队等问题困扰着车主。自动代客泊车技术的出现，可以为停车场和车主提供更高效的解决方案；经过评估，这项技术还可以减少停车位，增加约20%的停车容量，为车主带来更多便利，也有利于整个停车场基础设施的提供者，包括城市管理者；自动代客泊车技术还可以为车主实现多模式交通的无缝换乘。

目前，自动代客泊车系统解决方案基本分为两种：一种是以博世为代表的场侧解决方案，另一种是以纵目科技为代表的车侧解决方案。其中，博世解决方案侧重于领域端和轻型车端。

场端方案采用激光雷达或双目摄像头，车端不需要传感功能。该方案的缺点是需要对停车场进行改造，场地末端成本和后续设备维护成本非常高，推广难度相对较大。

如果车辆已经具备一定的感知传感器，那么就应该考虑如何使用它们。CN201810245529.8 基于车辆自动驾驶的代客泊车系统及方法，描述了一种基于汽车的解决方案。

该方案车端搭载激光雷达、毫米波雷达、前视环视摄像头、超声波雷达。环境光的变化等问题，都是这项技术推广应用需要解决的问题。

单纯的车端视觉解决方案不具备提前预知危险的能力，无法识别突然闯入的行人、小动物或儿童，也无法识别车速。缺点是速度不够快，安全性不够。

程序说明本方案通过场端与车端协同实现。不仅充分利用了车载端的传感器资源，还与现场端融合，实现车辆精准定位，提升避障能力。

同时，可以实现最终落地和量产。车端解决方案车载端采用视觉定位方案，利用车载传感器、环视摄像头、前视摄像头采集的高精度地图或语义地图。

视觉定位方案采用VSLAM结合高精度地图生成语义地图，通过车端摄像头识别采集VSLAM特征点进行匹配，结合IMU信息实现车辆定位。 VSLAM是现有技术，不再详细描述。

具体的车端传感器配置如图1所示。图1 轿尾定位配置除了在车端加入摄像头，还加入了毫米波和超声波雷达方案，停车和视觉方案一起实现。

车端方案基本成熟，这里不再赘述。2.现场端解决方案采用激光雷达或双目摄像头方案。

采用激光雷达或双目摄像头作为全局视角，可以提前预知危险，达到停车场协同效应。考虑到系统成本，激光雷达只布置在场尾急转弯处，光线极差。

对于停车场出现小动物、儿童或闯入者的地方，汽车本身的摄像头或毫米波雷达无法应对的场景，可以使用场侧激光雷达作为补充，通过场- side 与车辆端进行通信，实现车辆对危险的提前预知，避免事故的发生。场端激光雷达的外形可以是柱状，可以嵌入墙体中，也可以通过结构固定在建筑物上。

最终的实现方式由现场端和实现效果决定。原则是安全可靠、安装简单、实现效果好。

在该方案中，每5到10个中场激光雷达组成一组，每组数据传输到后台服务器。定位，对整个停车场或更复杂路段的人、车、障碍物进行定位，并将处理结果通过WiFi/4G/5G通信传输至自动驾驶车辆控制器，并与车辆的传感器信息进行比对身体本身和IMU 处理信息。

在停车场或更复杂的路段融合并最终输出车辆自定位和障碍物信息，最终实现车辆自定位、避障和路径规划等功能。图2 基于场端激光雷达的定位避障方案这种方案将大量的计算能力放在了后台服务器上。

与自动驾驶相比，后台服务器处理能力更强，成本更低，不需要车规。该方案量产可行性更高，适用于无人车和有人车混合驾驶。

一排停车场。三、设计方案1）如图3所示，在转弯处的场景视觉方案中难以识别接近的车辆、行人或小动物，可能造成危险。

安装在现场末端的激光雷达或摄像头可以很好地预测危险。安装在现场末端的设备将采集到的图像信息以一定的帧率传输到后台服务器。

现场端设备的坐标在安装初期调试确定。相对坐标是固定的。

后台服务器获取车辆相对于激光雷达的距离，计算车辆与激光雷达的相对坐标。图3 对于拐角处突然出现的场景通过一定的算法完成绝对坐标转换后发送到后台服务器。

车辆定位需要3台现场侧设备实现。当有遮挡时，可以获取其他基站的坐标信息，通过算法实现定位。

每个现场侧定位设备都有固定的ID。获取拐角处的障碍物（行人、车辆、小动物等）信息，并传输至后台服务器。

后台服务器处理输出障碍物的种类、大小、坐标、行驶轨迹等信息，并通过无线传输方式传输给车辆。最后的决策模块做出控制决策。

图4是角区定位和避障逻辑图。假设B车为车辆，结合高精度地图和定位结果信息，当车辆处于预警区域外时，车辆通过自身传感器实现障碍物识别和定位。

当车辆提前10m进入预警区域，0~50m)，则预警区域内的所有目标信息将通过车联网系统传输给车辆B，再发送给车辆，其中还包括本车定位信息。基于现场端设备，将警戒区域坐标与高精度地图坐标进行匹配。

同时，根据实际测试结果最终确定面积大小。驶出警戒区域前10m（实际可标定0-50m），切换到车侧传感器为主。

图4 角区目标识别示意图2）对于螺旋楼梯场景，如图5所示，考虑到车辆自身的传感器摄像头或毫米波雷达无法实现检测和准确定位，需要在螺旋上下层布置一定数量的传感器段落。图5 对于螺旋楼梯方案方案一：通过在高精地图中预先采集螺旋楼梯的坐标区域，根据圈定的坐标区域判断车辆是否进入警戒区域。

方案二：利用车载传感器（摄像头或雷达）判断可行驶区域，根据可行驶区域判断是否进入螺旋楼梯场景。当算法识别出的可行驶区域由大变小再由小变大，且Z30cm出现1次时，以上判断为上楼场景，下楼场景则相反，当算法识别的可行驶区域由小变大再由大变小，行驶过程中出现Z30cm的次数1次，车辆避障定位由车侧识别定位转向现场侧激光雷达定位（图6）。

现场判断不正常。例如，车辆2判断有打滑的可能，而车辆1通过现场终端发送的信号，意识到左侧没有对面来车或者与对面车辆距离较远。

车辆1的自动驾驶控制器通过算法进行避障控制，避免危险，如图7所示。图6 激光雷达布局示意图图7 螺旋楼梯场景车场端切换3）鉴于特征点少，很难通过场侧传感器实现精确定位。

如图8所示，现场侧低成本传感器方案采用VSLAM方法，即特征点与预先采集的语义图的匹配度。定位和决心。

图8 特征点少的场景方案一：在特征点少的区域布置场侧传感器（激光雷达或者摄像头或者其他雷达或者UWB基站），在高精度地图中预先采集特征点少的坐标区域，判断车辆是否进入警戒区。方案二：通过车辆传感器（摄像头或雷达）定位，检测速度>0km/h但输出定位信息>1s（实际标定）未更新或输出正确的坐标信息（根据车速、车轮等预期坐标位置） speed)contrast)偏差较大的坐标信息或输出随机坐标信息等或通过算法判断车端位置可靠性。

以上就是关于代客泊车功能怎么用，代客泊车的知识，希望能够帮助到大家！