AVP,即自主代客泊车系统(Automated Valet Parking),是一种先进的自动驾驶技术。它属于低速 L4 级自动驾驶,能够自动完成一系列驾驶任务,包括载客穿梭、超车、倒车、避让行人等,特别是在泊车场景下表现尤为出色。
AVP 的工作原理主要包括四个关键子功能:首先,用户通过手机端开启 AVP 功能,与车辆建立连接,然后车辆根据用户指令,自主进入停车场寻找车位,并将车辆停好。当用户需要用车时,同样通过手机端远程召唤车辆,车辆会自动驶出停车场,到达指定位置。这种功能的实现需要多个系统协同工作,包括车载控制器、网关、TBOX、后台以及手机 APP 等。
在寻找车位的过程中,AVP 有两种技术路线:一种是纯车端方案,车辆通过边行驶边搜索车位的方式找到合适的停车位置;另一种是车场端结合方案,停车场会提供车位信息给车辆,帮助其快速找到车位。这两种方案均涉及路径规划、车位识别、避障、字符识别等多项技术。
此外,AVP 还包括车辆自动泊入车位和远程召唤车辆等子功能。这些功能与传统的自动泊车系统相似,但在技术复杂度和智能化程度上有着显著的提升。
AVP 的关键技术包括高精地图、SLAM(即时定位与地图构建)、融合感知、融合定位、路径规划等。高精地图为车辆提供详细的停车场信息,SLAM 则让车辆在初次到达停车场时自主定位和导航。融合感知通过多个传感器的感知结果进行融合,提升感知精度。融合定位采用 GNSS、IMU 和 SLAM 的方式保证定位精准,而路径规划则要解决泊车时的复杂问题。
虽然 AVP 的发展前景令人期待,但由于技术限制,目前仍处于 Demo 阶段,距离完全量产还有一定距离。当前量产车型中的自动泊车功能大多为 APA 和 HPA,而 AVP 则是各路玩家竞争的重点。随着技术突破,AVP 有望在未来得到大规模普及应用,像威马 W6、恒驰等车型都在 AVP 方面有所探索和进展。
智能车道追踪系统LaneTracking在自动驾驶和辅助驾驶领域展现了其卓越性能。这款基于概率霍夫变换与卡尔曼滤波器的开源项目,利用Python和OpenCV库构建,为智能驾驶系统提供了高效且准确的车道检测与跟踪解决方案。 首先,让我们深入
首先,我们需要明确L4和H4的定义。L4和H4并不是指自动驾驶的级别,而是指汽车四驱系统的两种模式:高速四驱和低速四驱。在汽车行驶过程中,这两种模式可以帮助驾驶员更好地应对各种路况,提供更好的驾驶体验。而L3自动驾驶则代表了一种高级别自动驾
半自动车是指介于自动挡汽车和手动挡汽车之间的一种新型汽车。它不改变手动挡原有的机械设计,但在换挡操作上由电控设备接管。这种控制技术的研究有助于将人们从复杂、危险和繁琐的劳动环境中解放出来,并大大提高控制效率。 半自动控制是工程科学的一个分支