1. 课程导入
记忆泊车（Memory Parking Assist，常被简称为 HAVP 或 L2+ 泊车增强功能）解决的是一个非常具体的问题：车辆第一次由驾驶员手动开入某个停车场并停入固定车位后，系统把这段"人开的路线"和"车位环境"记下来；之后再次来到同一停车场，车辆就能沿着记忆中的路线自动行驶并泊入同一个车位。它不依赖高精地图覆盖，也不要求停车场改造，因此成为量产智能驾驶中落地速度最快的功能之一。
本课程围绕两个核心工程问题展开：建图——如何把一次人工驾驶过程转化为可复用的语义地图与轨迹；轨迹复现——如何在新一次行程中稳定、安全、舒适地重走这条路线并完成泊入。理解这两件事的输入、输出、约束与失效边界，是后续 29 章所有算法与工程细节的基础。
一、核心概念：四个必须分清的对象
初学者最容易混淆的是"地图""轨迹""路径""车位"这几个词。在记忆泊车工程中，它们有明确分工：
- 语义地图（Semantic Map）：描述停车场静态结构，包括车道拓扑、坡度、减速带、立柱、出入口、可行驶区域边界等。它是"环境是什么样"。
- 记忆轨迹（Memorized Trajectory）：建图阶段记录下来的车辆位姿序列，含位置、航向、速度、曲率，是"人当时怎么开的"。
- 规划路径（Planned Path）：复现阶段由规划模块基于语义地图与实时感知重新生成的几何路径，是"系统决定怎么开"。
- 目标车位（Target Slot）：建图时标定的车位位姿与类型（垂直、平行、斜列），是整段记忆的终点锚点。
关键认知：记忆轨迹不是直接回放的"录制脚本"，而是与语义地图、实时感知共同构成约束的参考。直接回放录制轨迹在真实停车场几乎必然失败，因为车辆起点位姿、周围车辆、行人动态每次都不一样。
二、整体框架：从一次建图到多次复现
下图给出记忆泊车系统的整体数据流与模块关系。左侧是建图链路，右侧是复现阶段，中间通过本地存储的地图与轨迹文件衔接。
三、方法流程：一次完整记忆泊车的六个步骤
- 触发建图：车辆进入停车场低速区域，驾驶员通过车机或语音确认"开始记忆泊车"。
- 数据采集与位姿估计：环视相机、IMU、轮速、方向盘转角同步记录，视觉里程计输出连续位姿。
- 语义建图：识别车道线、立柱、减速带、出入口，标定目标车位类型与位姿。
- 轨迹与地图落盘：生成带时间戳的轨迹点序列与语义地图文件，绑定停车场标识。
- 复现触发与定位：再次进入同一停车场，系统重识别并完成初始定位对齐。
- 规划控制与泊入：沿记忆轨迹生成路径，实时避障，最终完成车位泊入并退出。
四、典型应用场景与参数示例
记忆泊车最典型的落地场景是住宅小区与写字楼地库：路线固定、车速低、结构重复度高。工程上通常关注以下参数：
| 参数 | 典型取值 | 工程含义 |
|---|---|---|
| 建图车速 | ≤ 15 km/h | 保证视觉里程计与语义识别精度 |
| 记忆路线长度 | ≤ 1 km | 受存储与定位漂移累积限制 |
| 复现定位误差 | 横向 ≤ 20 cm | 决定能否稳定对准车道与车位 |
| 车位位姿误差 | ≤ 10 cm / 3° | 影响最终泊入姿态与成功率 |
| 建图成功判定 | 闭环误差 < 0.5 m | 否则提示重新建图 |
五、常见误区与复盘要点
误区一：把记忆泊车当成"轨迹回放"。真实系统中，录制轨迹只作为参考，必须结合实时感知与语义地图重新规划，否则遇到临停车辆、行人、施工围挡就会失效。
误区二：忽视建图质量。建图阶段的一次急打方向、一次遮挡、一次车位标定偏差，都会在复现阶段被放大。复盘时应优先检查建图闭环误差与车位标定精度。
误区三：认为"记住一次就永久可用"。停车场环境会变化：车位被占、通道改道、标识更换。工程上需要设计地图版本管理、失效检测与重新建图引导机制。
# 建图结果自检示例（伪代码）
map = load_map("parking_lot_A")
traj = load_trajectory("session_001")
assert map.loop_closure_error < 0.5 # 闭环误差
assert traj.length < 1000 # 轨迹长度(m)
assert map.slot.pose_error < 0.10 # 车位位姿误差(m)
assert map.slot.yaw_error < 3.0 # 车位航向误差(deg)
print("建图质量合格，可用于复现")