{{detailStore.author.is_follow?'已关注':'关注'}}
首页推荐
管理
揭秘:P7车位识别的迷惑行为
文章

在收集每期车友反馈中发现,P7对车位识别的表现,时常影响着用车体验:

“我的车位在柱子边上,每次识别不到”

“上下层的这种立体车位也是识别不到”

“这个明明是过道,怎么识别成了车位”

今天我带着这些问题,专门请教小鹏汽车自动泊车系统开发方面的高级工程师Leo,和大家一起探索P7车位识别背后的秘密。

 

 一、P7靠什么识别车位?

 

“目前无论是P7还是G3车位识别可以覆盖80%左右的生活场景,算得上是市场很优秀的水平了。但还剩20%左右的场景目前是覆盖不了的”,Leo说。 

也就是说,一般停车场的垂直、斜列车位,路边的平行车位,都能被识别,而那些人看到,系统却没“看到”的20%车位究竟是什么原因被系统忽略了呢? 

Leo解释到,“这得先从P7识别原理说起,我们现在车位识别有两种方式,一种是视觉,一种超声波雷达”。翻译过来就是,P7既可以用它的摄像头(眼睛)去看,也可以用超声波雷达传感器(手)去摸,来探测周围环境。

不过它两也有分工:摄像头对划线车位进行检测,就是对线段的4个角点进行定位和模拟,来判断是否满足成为一个车位的条件,这种方式在车位框清晰时识别是相当精准的,但它受光线,其他混杂线干扰影响。

超声波雷达传感器对空间车位(车与车、柱子,或者墙之间)检测,这也是目前市场上一种主流的检测方式。主要是通过距离判断这个空间深度和宽度是否满足一个车位,但误差会比较大。

二、为什么有些车位识别不到?

 

主要是因为,P7的“眼睛”和“手”有局限性

1、和人眼一样,光线影响摄像头视野

 

Leo谈到,“摄像头其实比较受光线的影响,就是在一些光线比较差的地方的话,它识别率就会比较低”,比如下图,在一些类似昏暗的地库,摄像头就可能患有“夜盲症”;

2、摄像头没有人眼看的多,想的全。

 

Leo提起一个有趣的点,“还有一个就是,大家可能觉得无法理解的,有时候车位划线清晰,但摄像头就是识别不了,其实这个‘清晰’是对人来说的,对系统可不一定”

这其实可以解释,之前车友问到的【柱子旁边车道线清晰的车位不好识别】。对于我们人来说,其实看到车位的一点点,就能猜到这是一个车位了,这是因为人聪明的大脑已经“脑补”了剩下车位样子,但系统只能通过看到车位的角点来判断,从某个角度看过去,柱子挡住角点,就可能以为是某个车在那停着,“脑补”能力就没那么腻害;

3、超声波雷达测量存在较大误差。

 

“因为超声波雷达是市面上一种比较便宜的传感器(都差不多价格),所以相对来说,它去识别一些墙、柱子,测量会出现较大误差”,Leo无奈的说。

那实际能造成多大的误差呢?对空间车位,柱子宽度的测量,本来宽60cm的柱子可能误差高几十厘米,这样判断出来的车位的尺寸窄,自然就不会弹(释放)出来。同样的,对于立体车位(上下层停车),超声波雷达传感器探测四周时会受到链条,道轨等干扰,对识别来说也有难度。

4、超声波探测距离不够长。

 

“超声波受横向的探测距离限制比较大。所以说,靠近车位的一边直着开,找到车位的概率会大一些,离太远了,超过2米,就有些难为传感器了”,Leo边比划,边给大家提供一些找车位的秘诀。

三、为什么一些不是车位,却识别成了车位?

 

1、主要是因为看的和想的不够(和人比)。

 

Leo谈到,“人在停车场前面,一眼看过去就会明白,这是一个【停车场】范围,这里空着的是一个【车位】,这种意识里得到的信息会更全。但是系统目前只能根据局部的,可能也就几米范围,这样一个局部的特征去判定这是不是一个车位”。

就像之前车友反馈的,一些路边直直划了两条线的地方,识别成了一个车位;停车场一个通道宽度和车位差不多,识别成一个车位。其实如果看到更远一点,更广一点的话,系统就会知道,那里肯定不是一个车位了。

对于这种【误判】,Leo特别强调了下,“目前系统还是一个辅助系统,我们尽可能去帮助车主在需要的时候用。但是也希望需要车主去判断一些,比如这明显不是一个车位,希望他还是要再做一个错误的去除”。

 

2、另外就是摄像头被光线/其他线段干扰。

 

同样的,摄像头受光线和其他线段影响。光线比较差的话,或者地面上有一些干扰的线条,比如一些轮胎的痕迹,都有可能产生车位误识别。

四、车位识别不到,误识别问题还被优化吗?怎么优化?

 

对于优化,Leo也具体说了一下计划,目前正在开展和部分也已经完成:

(1)提升摄像头像素。使摄像头看的更加清晰,更准;

(2)采用车上更多摄像头。不仅用车上环视摄像头做拼接,还使用侧前摄像头看到更多角度;

(3)超声波雷达传感器已经是市面上较为成熟的产品了,可供优化的空间十分有限;不过在未来可能采用激光雷达去探测;

(4)开发更好的深度学习模型,让“脑补”能力更像人一样聪明;

(5)强化规划算法。让我们强大的Xaiver平台给每一个有限的车位空间找到一条最优的安全路线。

“这样的话对我们检测这个车位的尺寸,也会更精准,也能够检测出更多的车位,保证我们车主朋友更精准的泊车,更安全的泊车。”Leo对未来,信心满满的回复。

P7虽然是一个又宽又长的轿跑,但是我们的小鹏工程师们依然在努力克服各种难题,为低趴的车身摄像头提供更多的视角,为庞大的体积安全泊入有限车位而任重道远。

总结:

1、P7识别车位有两种方式:一种是摄像头,用来检测划线车位;一种超声波雷达传感器,用来检测空间车位(柱子,车,墙之间的车位)。

2、因硬件局限性,特殊场景的车位识别会有障碍:(1)摄像头在车位框清晰时识别是相当精准的,但受光线和其他线段干扰较大,像昏暗的停车场,地面的胎痕等;(2)超声波雷达传感器通过检测周围物体距离,实时进行空间位置判断,但会因探测距离和角度影响探测精度,建议大家找车位时,可以靠近车位的一边慢开。

3、对于优化,P7会采用车上侧前摄像头增加视角,提升各个摄像头像素保证精准,而对于超声波雷达传感器可优化空间较小,在未来可能采用激光雷达去探测。

 

互动:

最后,在线收集你遇到了哪些车位无法识别?【下方贴图+描述】

会统一收集给到工程师,进行系统学习,说不定下次版本升级,就能识别了呢?期待惊喜!

写评论
积分赞赏
点赞
评论区
  • 编辑
  • {{is_favourite ? '已收藏' : '收藏'}}
  • 举报
  • 加入黑名单
  • 删除
  • 取消置顶
  • 置顶推荐
    • 6小时
    • 12小时
    • 24小时
    • 3天
    • 一周
    • 长期
  • {{digest?'撤销精华':'设为精华'}}
回到顶部
  • 全部评论{{detailStore.commentnum}} 条
  • 只看作者
  • 最热
  • 最新
  • 最早

「待审核」

{{ comment.relativeTime }} 已被赞赏 {{comment.integral}} 积分 回复

暂无相关评论

发表一下个人看法吧