智能泊车系统的工作原理，可以概括为“感知-决策-执行”的完整闭环：车辆通过超声波雷达、摄像头、激光雷达等多传感器融合感知车位与障碍物，中央处理器结合算法规划最优路径，最后由线控转向、制动和驱动系统精准执行泊入/泊出动作，整个过程无需驾驶员干预。
一、感知层：车辆如何“看见”车位与障碍物
1. 核心传感器阵容
超声波雷达：安装在前后保险杠，探测近距离障碍物（0.2–5米），用于车位边界初筛和碰撞预警。
环视摄像头（鱼眼）：4–6颗覆盖车身四周，识别地面车位线、地锁、锥桶等视觉元素，输出俯视全景影像。
毫米波雷达：部分高阶方案增加侧向雷达，探测远距离动态障碍物（如行人、车辆）。
激光雷达：蔚来、问界等旗舰车型搭载，构建高精度三维点云地图，尤其适用于无划线车位或机械车库。
2. 感知数据融合
多传感器数据经时间同步与空间对齐后，输入感知模型。
深度学习算法（如Transformer）对图像、点云进行语义分割，输出车位角点、障碍物类型、可行驶区域。
部分系统还利用高精地图或记忆建图，在常用停车场提前构建语义地图，实现跨层记忆泊车。
二、决策层：算法如何规划路径与姿态
1. 车位检测与选择
系统实时扫描车辆周围，当检测到有效车位时，在仪表盘或中控屏显示“P”图标。
用户可主动选择目标车位，也可开启“无感唤起”模式——车辆进入停车场后自动激活泊车界面。
2. 轨迹规划：从“能停”到“会停”
传统方法：基于几何模型，计算圆弧–直线–圆弧组合的泊车路径，适用于规则车位。
端到端方法：近年来主流方向。模型直接从感知信息映射出未来轨迹，训练数据来源于真实用户泊车行为（监督学习），但易学到“能停但不好看”的平均水平。
强化学习优化：部分厂商（如蔚来）在监督学习后加入强化学习，通过奖励函数引导模型学习“更平顺”的姿势。奖励函数包含：
泊入起点与车位方向的夹角（越小越好）
车位内曲率摆动幅度（越小越稳）
两侧障碍物距离均衡度
换挡频次、碰撞惩罚等
3. 安全决策与异常处理
系统实时监控传感器置信度。若遇突然出现的障碍物（如行人、轮胎），立即触发紧急制动或暂停泊车。
部分方案（如小鹏、蔚来）在离车泊车场景下，要求用户通过手机APP保持观察，若识别到弱势场景会主动降速或停止。
三、执行层：线控系统如何精准动作
1. 执行机构
线控转向：根据轨迹指令，自动调整方向盘转角，精度可达0.1度。
线控制动：自动控制刹车力度，实现平稳减速与驻车。
线控驱动：自动控制油门/电机扭矩，控制车速在5km/h以内。
自动换挡：根据轨迹规划，自主切换D/R挡位，部分系统可减少换挡次数以提升平滑性。
2. 执行闭环
系统以10–50Hz频率循环执行“感知–决策–控制”闭环。
每一步执行后，对比实际位姿与规划位姿，如有偏差，立即微调路径。
四、高级功能：从辅助泊车到全无人泊车
1. 常见功能分级
- 功能类型
- 典型实现方式
- 适用场景
- 自动泊入用户选择车位，系统全程控制标准车位、侧方、斜列车位
- 遥控泊车用户下车后，通过手机APP操控窄车位，避免上下车困难
- 记忆泊车系统学习用户常用车位并与建图绑定固定车位、地库跨层
- 代客泊车用户下车后车辆自行寻找车位并停放大型停车场，L3+级别
2. 体验优化方向
泊出体验：泊出场景因初始空间受限，更容易出现大幅摆动。蔚来专利将泊出分为两个阶段，分别优化曲率与两侧距离均衡性。
无感交互：比亚迪、极氪等实现“泊车无感唤起”，无需手动点击，系统自动识别车位并弹出界面。
语音控制：智界、蔚来等支持通过语音（如“Nomi，帮我停车”）启动泊车功能。
五、当前挑战与用户关注点
1. 典型痛点
复杂场景识别率：无划线车位、机械车位、地锁、雨夜等场景下，系统可能识别失败或执行异常。
过程稳定性：部分系统在泊入过程中出现大幅转向、频繁修正，让用户感到不安。
事故责任界定：离车泊车或遥控泊车场景下，若发生剐蹭，厂商常以“辅助功能”为由主张用户为第一责任人。
2. 行业应对
比亚迪率先推出智能泊车兜底政策：因系统原因导致的事故，车企承担维修费用且不影响保费。
法规层面，《汽车数据安全管理规定》要求车企向车主提供事故段原始数据，便于责任判定。
六、未来趋势
行泊一体：泊车功能融入智驾域控制器，与行车感知、决策共享算力与传感器，效率更高。
跨域融合：结合5G、V2X实现停车场内多车协同代客泊车、充电桩自动对接。
更接近人的姿态：随着强化学习奖励函数精细化，系统将学会更“老司机”式的平顺、预判性操作，从“功能可用”迈向“体验可信”。
