1. 课程导入
当你把车慢慢倒进一个两侧都停着车的窄车位时,车辆其实同时在“看”和“听”:鱼眼摄像头从车身四周俯视地面,拼出一张鸟瞰图;超声波雷达则用声波探测近处障碍物的距离。这两套系统各自都有盲区,但融合之后,就能在低速泊车场景中形成互补的感知能力。本课程要讲的,正是如何把这两种传感器从“各自为战”做到“协同决策”,并最终落地为可量产、可标定、可诊断的泊车系统。
一、什么是鱼眼环视与超声波融合泊车
鱼眼环视(Around View Monitor,AVM)利用安装在车头、车尾和左右后视镜下方的 4 颗超广角鱼眼摄像头,采集 180° 以上的视野,经畸变校正、透视变换和图像拼接后,生成一张从车顶向下看的 360° 鸟瞰图。它的优势是“看得广、看得见地面标线和低矮障碍”,但受限于分辨率、光照和镜头脏污,距离精度和近场盲区并不理想。
超声波泊车(Ultrasonic Parking Assist,UPA/APA)依靠前后保险杠上的 8~12 颗超声波传感器,通过发射 40~58 kHz 的声波并测量回波时间来计算障碍物距离。它测距准、成本低、不受光线影响,但探测范围窄、响应慢,且对细杆、斜坡、吸音材料容易漏检。
融合泊车就是把两者的数据在时间、空间和语义上对齐:用超声波提供精确的近场距离,用环视提供目标类别、车位线和可行驶区域,最终输出统一的障碍物栅格、车位位姿和泊车路径。它不是简单叠加,而是互补冗余——一个负责“看得清”,一个负责“量得准”。
核心定义:鱼眼环视与超声波融合泊车,是指在低速(通常 ≤ 15 km/h)工况下,将环视视觉感知与超声波测距感知进行时空同步与信息融合,实现车位识别、障碍物检测、路径规划与自动控制的一体化泊车系统。
二、系统组成:从传感器到执行器
一套完整的融合泊车系统可以拆成五层:感知层、融合层、决策规划层、控制执行层和人机交互层。下图展示了各层之间的数据流与信号关系。
从图中可以看到,感知层输出的是原始图像和回波距离;融合层完成时间戳对齐、坐标系转换和障碍物关联;决策规划层负责“停哪里、怎么停”;控制执行层把路径变成方向盘转角和车速;人机交互层则让驾驶员知道系统在做什么。任何一层出问题,都会表现为泊车失败或误刹。
三、发展历程:从蜂鸣器到融合泊车
泊车辅助的演进大致经历了四个阶段:
- 第一阶段(1990s):后向超声波倒车雷达,仅提供距离蜂鸣,驾驶员完全负责转向和制动。
- 第二阶段(2000s):倒车影像 + 前后超声波,出现简单的距离条显示,仍以提示为主。
- 第三阶段(2010s):4 路鱼眼环视拼接成为中高端车型标配,半自动泊车(APA)开始量产,系统可控制方向盘,但驾驶员需控制挡位和车速。
- 第四阶段(2020s 至今):环视与超声波深度融合,配合域控制器和 AI 芯片,实现全自动泊车(APA)、遥控泊车(RPA)和记忆泊车(HPA),并逐步向行泊一体演进。
推动这一演进的核心,是算力提升、鱼眼标定精度提高和多传感器融合算法成熟。早期环视拼接在 2D 鸟瞰图上误差可达 20 cm 以上,如今通过在线标定和特征对齐,拼接误差可控制在 5 cm 以内,这才让融合泊车具备量产条件。
四、典型应用场景与融合价值
融合泊车并不是所有场景都优于单传感器,它的价值集中在以下几类工况:
| 场景 | 环视作用 | 超声波作用 | 融合收益 |
|---|---|---|---|
| 垂直车位泊入 | 识别车位线、相邻车辆轮廓 | 测量侧向和后方精确距离 | 提高车位位姿估计精度,减少揉库次数 |
| 侧方车位泊入 | 判断前后车位置和路沿 | 探测低矮路桩、护栏 | 避免视觉漏检的细杆类障碍 |
| 窄通道倒车 | 提供后方广角视野 | 实时距离报警 | 降低剐蹭风险,提升通过性 |
| 夜间/强逆光 | 受光照影响大,可能失效 | 不受光线影响 | 超声波兜底,保证基本安全 |
| 雨雪/镜头脏污 | 图像模糊,拼接错位 | 受雨雪衰减影响较小 | 融合置信度下降时降级提示 |
提示:融合系统的设计目标不是“永远全自动”,而是“在不确定时安全降级”。当环视置信度低或超声波回波异常时,系统应主动提示驾驶员接管,而不是强行完成泊车。
五、学习路线与常见误区
本课程后续将沿着“传感器 → 标定 → 融合 → 规划 → 控制 → 测试”的主线展开。建议的学习顺序是:
- 理解鱼眼模型与畸变校正,掌握针孔模型和等距投影的区别;
- 学习环视拼接的透视变换和接缝处理;
- 掌握超声波测距原理、回波特征和串扰抑制;
- 进入时空同步与障碍物融合,理解栅格地图和卡尔曼滤波;
- 学习车位检测、路径规划和横纵向控制;
- 最后通过 HIL 和实车测试验证系统边界。
初学者最容易陷入三个误区:
- 误区一:把环视当成测距传感器。鸟瞰图上的距离是透视投影的结果,近场误差大,不能替代超声波测距。
- 误区二:忽略时间同步。摄像头 30 fps、超声波 20 Hz,若不做时间戳对齐,融合结果会出现“鬼影”障碍物。
- 误区三:只调算法不标定。鱼眼外参标定误差 1°,在 3 m 处就会产生约 5 cm 的拼接偏差,直接导致车位识别失败。
工程提醒:融合泊车是安全相关功能,任何算法改动都必须经过回归测试。建议在开发早期就建立包含典型车位、窄通道、低矮障碍和恶劣光照的测试用例库,避免后期返工。
下面是一段典型的融合泊车系统参数配置示例,供后续章节对照参考:
# parking_fusion_config.yaml
camera:
fisheye_fov: 190 # 鱼眼水平视场角
resolution: 1280x960
frame_rate: 30
calibration_error_max: 0.05 # 拼接误差上限(m)
ultrasonic:
frequency_khz: 48
range_min_m: 0.2
range_max_m: 5.0
update_rate_hz: 20
crosstalk_suppression: true
fusion:
time_sync_tolerance_ms: 20
grid_resolution_m: 0.05
obstacle_confidence_threshold: 0.6
degrade_on_low_confidence: true
planning:
max_speed_kmh: 5
min_turning_radius_m: 4.8
safety_margin_m: 0.3