从第一辆真正意义上的汽车发展至今，已近百年时间，汽车不仅实现电气化与自动化，且步入了智能化的队列，自动驾驶逐步得到社会认可推崇，弯道超车、自适应巡航、自动泊车等智能化技术为驾驶员操作带来便利，这其中，自动泊车作为呼声较高的功能，也是自动驾驶发展历程的一个缩影。
什么是自动泊车
通俗讲，自动泊车就是指车子不需要人工控制，系统能够自动将车子停入车位的功能。利用车载传感器、处理器和控制系统的帮助，自动泊车成为了小白驾驶员的福音。
自动驾驶通过遍布全身的传感器，车子可测量自身与周边物体之间的相对距离、角度、速度等， 并将信息传递至车载计算平台或云计算平台计算出操作流程，最后控制车辆转向与加减速，以实现自动泊入、泊出及部分行驶功能。
自动泊车发展至今，已形成完善的理论体系，整个自动泊车过程大致分为五个步骤：
丨环境感知
丨停车位检测与识别
丨泊车路径规划
丨泊车路径跟随控制
丨模拟显示
按照泊车方式，可分为三个类别：
丨平行式泊车
丨垂直式泊车
丨斜列式泊车
根据自动化程度等级，自动泊车又可以分为：
丨自动泊车（APA）
丨辅助远程泊车（RPA）
丨自学习泊车（AVP）
本文将以自动化等级为例，详细阐述。
APA 、AVP与RPA
APA
APA是指手动＋智能的人机协同模式，作为第一代自动泊车技术，它需要驾驶员在车内辅助操作才能完成自动泊车，自动驾驶等级也停留在L2级。
APA是生活中最常见的泊车辅助系统，泊车辅助系统在汽车低速巡航时，使用超声波雷达感知周围环境，帮助驾驶员找到尺寸合适的空车位，并在驾驶员发送泊车指令后，将汽车泊入车位。
其中，超声波雷达共12个，8个安装于汽车前、后的UPA超声波雷达，也就是大家常说的“倒车雷达”，与4个安装于汽车两侧的APA超声波雷达。
RPA
RPA是是基于APA发展而来，拥有与APA同等的传感器，只是在RPA模式下，驾驶员可离开车辆，站在500内使用手机发送泊车指令，目前，手机与汽车连接方式已从蓝牙变成5G模式。
RPA模式常见于高端车型，以解决停车后无法打开车门的尴尬，利用RPA，车主只需挂上倒挡，下车动动手机即可。
AVP
如果说APA与RVP是递进的关系，那么AVP绝对是更上一层楼。在汽车变得越来越聪明后，驾驶员的期望也越来越高。他们希望爱车不仅能自己泊进车库，还能自己泊出，于是AVP诞生了。
为了实现这个功能，鱼眼相机发挥了巨大作用，鱼眼相机可以看到超过180°范围内的东西，在汽车四周各装一个鱼眼相机，即可实现360°的环境感知。
此外，作为自学习泊车辅助系统的核心技术——SLAM（即时定位与地图构建）同样立下了汗马功劳。基于相机实现的SLAM技术，被称为视觉SLAM。视觉SLAM需要从图像中提取特征信息，再配合视觉里程计的技术建立地图。
自学习泊车能够学习驾驶员的泊入和泊出操作，并在以后自主完成这个过程。因此，驾驶员在准备停车前，可以开启“路线学习”模式，随后将汽车泊入固定车位，系统就会自学习该段行驶和泊车路线。泊车路线一旦学习成功，车辆便可达到“过目不忘”。
数据仍是根本
自动驾驶泊车系统的发展不是一蹴而就，而是经过了技术层层更迭洗礼。从最初需要驾驶员在车内实时监控，到利用网络的远程操控，直至现阶段SLAM的引进，车载传感器、摄像头、通信技术及算法的成熟发挥了巨大作用，智能发展离不开大胆的构思、过硬的技术与不懈的坚持。
此外，数据作为自动驾驶的基础层，同样有不可取代的地位。在泊车时经常会遇到“看不见”车位、障碍物识别困难、速度控制差等问题，而数据标注通过将非结构化数据到成品数据的一站式处理，一直为算法提供优质养料，提升机器学习能力。
以曼孚科技为例，曼孚科技作为AI基础架构与智能平台服务商，旗下自研的智能化数据服务平台SEED平台，以异构数据生命周期管理作为核心发展方向，在图像识别、视频识别、语音识别、语义理解等领域，为全球AI企业提供专业、定制化的数据综合服务解决方案。
在未来，自动泊车技术将愈加成熟，人在家中坐，车从库中来已不再是幻想，而曼孚科技也将努力夯实在自动驾驶数据服务中的领先地位，用高质量的训练数据推动AI行业的攀升。