1. 课程导入与工程全景

泊车辅助是智能驾驶中最先量产、也最容易被用户直接感知的功能之一。从最早的倒车蜂鸣提示，到后向雷达测距，再到今天自动泊车、记忆泊车、遥控泊车，系统形态已经发生了根本变化。理解这一演进脉络，是理解 Bosch 超声波与环视融合方案定位的前提。

早期泊车辅助的核心是超声波测距。车辆后保险杠布置 4 个超声波传感器，工作频率约 40～58 kHz，通过回波飞行时间计算障碍物距离。典型探测范围在 0.2～2.5 m，近距精度可达厘米级，但角度分辨率低、探测距离短，只能回答“后方多远有障碍”，无法回答“障碍是什么形状、车位在哪里”。

随后出现的环视系统用 4 个鱼眼摄像头（前、后、左、右）覆盖车身四周，经去畸变、透视变换后拼接成 360° 俯视图。它提供丰富的语义信息——车位线、路沿、车辆、行人，但单目视觉在深度估计上精度有限，尤其在弱光、逆光、雨雪条件下稳定性下降。

两类传感器的互补性非常清晰：超声波擅长近距离、高精度测距，环视擅长中远距离、语义识别。Bosch 的融合方案正是把二者放在同一感知与决策框架下，用超声波提供可靠的距离约束，用环视提供车位与场景理解，从而支撑从“提示”到“自动泊车”的完整功能链。

从工程全景看，一套完整的融合泊车系统可以拆成五个层次：传感器层、信号处理层、感知融合层、决策规划层、执行控制层。传感器层输出超声波回波与摄像头图像；信号处理层完成滤波、去畸变、特征提取；感知融合层把距离、角度、车位线、可行驶区域统一到车身坐标系；决策规划层生成泊车路径与档位、车速指令；执行控制层通过 EPS、ESP、变速箱完成转向、制动与换挡。

这张全景图里，最值得关注的是感知融合层。它把超声波的距离信息和环视的语义信息统一到车身坐标系，输出车位位姿 (x, y, θ) 和障碍物占据栅格。后续的路径规划、速度控制都建立在这个统一表示之上。如果坐标系定义不一致，比如超声波用后轴中心、环视用后保险杠中心，融合结果就会出现系统性偏差，表现为“车位识别对了但停偏”。

本课程围绕这条链路展开，目标是让学员能够：

• 说清超声波与环视各自的能力边界与互补关系；
• 理解融合泊车从传感器到执行器的完整数据流；
• 掌握车位识别、障碍物融合、路径规划的关键参数与调参方法；
• 能够用日志和可视化工具定位典型问题，如漏检、误检、泊车偏移、中途退出。

实战项目以一个典型的平行车位自动泊车场景为主线。假设车辆轴距 2.7 m，车长 4.6 m，目标车位长度 5.8 m、宽度 2.4 m。系统需要完成：低速巡航搜索车位（车速 ≤ 10 km/h）、识别车位线并估计位姿、规划两段式泊车路径、控制车辆完成入库，最终横向偏差 ≤ 0.15 m、航向偏差 ≤ 3°。这些参数属于教学示例，用于说明工程指标的量级和判断方式，不代表任何具体车型的实测结果。