博世與奔馳在2018年推出第一代全自動代客泊車AVP系統，以場端為核心，第一代AVP系統在地面上部署了幾十個激光雷達，不僅成本高且施工與部署也不太方便。2020年中期，第二代AVP系統用立體雙目取代激光雷達，博世也在歐洲汽車電子雜志ATZ上發表文章Safety and Security Concept for an Automated Parking Service，強調新系統的安全性比激光雷達進一步提高，不過要花35歐元才能瀏覽文章，https://link.springer.com/article/10.1007/s38311-020-0327-5。同時博世、福特與底特律地產開發商Bedrock合作，在Bedrock開發的項目中部署其AVP系統。

無獨有偶，華為于2020年底也申請了以立體雙目為核心的AVP專利，申請公布日是2021年的3月30日。華為也是以場端為核心，基本不在車端做改動。

博世在斯圖加特機場的P6停車場部署了180個立體雙目攝像頭，同時搭建了一套服務器系統，最終達到L4級的AVP。

上圖為斯圖加特機場平面圖，斯圖加特是德國第六大城市兼全國第四大城市聯合體（僅次于魯爾區、萊茵－美因區和柏林）。博世、奔馳和保時捷的總部都在斯圖加特。P6停車場尺寸未知，不過P14（公交停車場）的尺寸是確定的，那就是210米長，37米寬，推測P6停車場大約70米長，20米寬。

博世和奔馳合作提供AVP服務，全程無人操作，包括付款。除了博世和奔馳外，還有一個重要合作伙伴就是Apcoa Parking，這是歐洲最大的停車場運營企業，在13個國家9500個地點擁有150萬個停車位。Apcoa計劃將20%的停車位改造成AVP停車場。

福特、博世和Bedrock在底特律的Corktown打造了一座類似斯圖加特P6的AVP停車場，不過規模要大不少。

這是一座擁有450個車位，建筑面積15000平方米的立體車庫，實際除了這三家，還有一個合作伙伴Rich & Associates，停車庫的設計者。

具備WiFi的車輛到達AVP停車場門口時，車輛與停車場服務器經手機確認連接，然后停車場服務器根據提前存儲的停車場地圖以及立體雙目攝像頭傳遞的車位信息為車輛規劃好停車路徑，服務器接管車輛按規劃好的停車路徑行進，如果探測到4米前有障礙物或行人就會自動剎停，服務器發送到車輛的路徑規劃命令刷新頻率大約5Hz。實際可以看做立體雙目攝像頭將整個停車場做了一個實時動態的3D數學模型，停車場服務器根據數學模型計算出可通行路徑與路徑規劃，而L4車輛是把服務器放在車上而已。

停車服務器有兩個，互相校驗備份，保證高可靠性。

圖片來源：博世

上圖中的2D激光雷達已經換成立體雙目。

博世天花頂立體雙目攝像頭特寫。據說停車場的空間使用率提高了20%。

這種設計需要架設停車場服務器，服務器的初始化技術含量比較高，成本也高。中國企業的做法一般是停車場服務器不搞那么復雜，停車場服務器提供車位信息，將車位信息發送到用戶手機，讓用戶選擇車位，可以提前預約車位，按華為的設想，車位預約后，地鎖自動升起。

圖片來源：華為

華為的AVP自動泊車系統如上圖，華為的道路攝像頭是雙目，車位攝像頭可能是單目，只需要知道車位是否被占用就行。

為什么華為和博世還有大眾和福特要用雙目做AVP系統傳感器的核心，而不像特斯拉那樣用單目或三目。因為三點：一是立體雙目系統不需要識別就可探測障礙物信息；二是立體雙目能夠提供高可靠性的3D空間信息；三是立體雙目U-V視差能夠識別路面凸起變化。簡單來說就是立體雙目安全系數遠高于三目和單目。

以特斯拉為代表的單目和三目系統，對深度學習高度依賴，深度學習視覺感知中目標分類與探測是一體的，無法分割。也就是說，如果無法將目標分類（也可以通俗地說是識別）就無法探測。換句話說，如果無法識別目標就認為目標不存在。車輛會認為前方無障礙物，會不減速直接撞上去。

訓練數據集無法完全覆蓋真實世界的全部目標，能覆蓋10%都已經是很神奇的了，更何況現實世界時時刻刻都會出現新的不規則目標。特斯拉多次事故都是如此，比如在中國兩次在高速公路上追尾掃地車（第一次致人死亡），在美國多次追尾消防車。還有無法識別車輛側面（大部分數據集都只采集車輛尾部圖像而沒有車輛側面圖像）以及無法識別比較小的目標。毫米波雷達可能誤判，特別是靜止目標，如金屬井蓋、金屬天橋、金屬護欄，因此毫米波雷達會自動過濾掉靜止目標。此時需要雙目或激光雷達，這兩類傳感器都無需分類即可探測。

立體雙目的深度信息是通過三角測量法獲得的，在有效距離內，精度可達厘米級，誤差低于5%。當然，激光雷達在某些情況下會比立體雙目更好。單目也可以提供推測的深度信息，單目獲取深度信息有兩種：一種很簡單，深度學習訓練，深度學習幾乎是萬能的，什么地方都能用，但是深度學習是黑盒子，又可以叫調參的藝術，可靠度和準確度很低，精度不會超過亞米級，誤差可能有50%，目前只在研究論文里出現；第二種是SfM（Structure from Motion），需要至少2個攝像頭，運算量很大，可靠度和準確度比深度學習高很多，但跟立體雙目比還是差距很大，典型代表就是Mobileye用在吉利上的SuperVision。

Mobileye有關SfM的專利主要有三個，一個是2014年的Dense Structure from motion，另一個是2017年的Stereo Auto-Calibration From Structure-from-motion，還有一個是2020年的Comfort Responsibility Sensitivity Safety Model（長達197頁），其中雖未提及SfM具體算法，但描述了SfM Stereo Image的處理流程。最終Mobileye還是倒向激光雷達，如果FMCW激光雷達開發成功，SfM顯得性價比很低。

地下停車場通常都是有坡度的，單目和三目是無法識別路面的，特別是有坡度的路面更是完全無法檢測，因為它是純2D平面的傳感器，但立體雙目可以很輕松實現。奔馳的魔毯系統就是用立體雙目檢測道路起伏，提前讓懸掛系統做出調整，也是唯一真正的自適應懸掛。

雙目除了常用的視差圖還有一個U-V視差。它是在原始視差圖上延伸出來的。

上圖為典型的U-V視差圖。U-V視差圖可以判斷路面以及建筑物，準確度遠高于深度學習的方法。

圖片來源：博世

U-V視差也是自動駕駛可行駛空間的關鍵，是導出路面的關鍵。

博世和華為的系統對車輛要求都不高，包括線控制動，電動助力轉向大部分車輛都配備，只有EPB （電子駐車系統），國產車普及率不高，實際就是一套小功率的輪轂內電磁制動系統。國產車有些是電子手剎，只是用電機代替了手扳。

華為依仗龐大的手機族群，又在基礎設施領域耕耘多年，IoT方面具備絕對優勢，在AVP方面優勢很大，博世則在與車企合作方面優勢非常明顯。不過在中國，開發商或停車場業主才是有決定權的一方。

編輯：jq