宝马自动泊车系统在夜间或地下车库的识别成功率并非固定数值，受车位类型、环境光线、传感器视野及算法保守程度影响显著，实际用户反馈显示在常规标线车位成功率较高，但在复杂异形车位或存在立柱、低矮障碍物时可能出现识别失败或不敢执行的情况。
一、夜间与地库场景的核心挑战
1. 环境感知受限
地下车库存在钢筋水泥结构对GNSS卫星信号的完全遮挡、弱光与灯光频闪干扰车载视觉、地面积水反光影响摄像头识别等问题。这些因素会导致纯视觉方案的定位漂移和低矮障碍物漏检，尤其在立柱、墙体造成的物理盲区中更为突出。
2. 车位类型多样性
标准标线车位：在商场、写字楼等有清晰划线的地下车位，宝马系统通常能正常识别并泊入。
无标线或异形车位：老小区、路边随停、柱头突出的独立车位，系统可能因检测不到停车线而直接判定失败。
极端窄车位：左右有车、正前方有横车堵住的“死胡同”车位，系统可能只支持泊入但拒绝泊出。
二、实际用户反馈中的成功率表现
1. 夜间有路灯环境下表现稳定
有用户反馈，在左右停满、前方横车的极限窄车位，即便在雨天或夜晚（有路灯照明），车辆能精准识别车位并稳稳泊入，泊入过程全程流畅。
2. 独立车位可能识别失败
宝马i7车主反映，自己家的独立车位因两侧柱头探出、车位偏窄，系统无法识别，仅能人工停车。
3. 对特定障碍物识别存在盲区
宝马5系自动泊车能识别立柱，但无法识别立柱上的消防箱，存在碰撞风险。
宝马X5的50米自动循迹倒车在倒车过程中无法感知路况实时变化（如新出现的障碍物），可能导致事故。
4. 泊出成功率低于泊入
在极端窄车位中，系统能成功泊入，但泊出时有时直接不给选项，只能人工出库。原因是倒车泊入的容错率高，前出库的碰撞风险更大，算法偏保守。
三、技术原理与优劣分析
1. 感知硬件配置
宝马自动泊车系统通常依赖超声波雷达、摄像头以及部分车型搭载的毫米波雷达，在地库弱光环境下主要依靠超声波和近距摄像头。这些传感器对低矮、薄壁障碍物的识别能力较弱。
2. 算法逻辑特点
泊入优先以倒车为主，车尾雷达和激光雷达对准车位两侧，感知精准，可反复微调。
泊出需要前向行驶，车头活动范围大，安全阈值设定极严，稍有不确定性即拒绝执行。
系统依赖停车线作为参考基准，若线缺失则无法计算泊车区域。
3. 记忆功能的存在与局限
宝马曾推出“记录100米驾驶轨迹”的遥控泊车功能，可复现或倒放驾驶操作，适应固定车位和胡同场景，但该功能并未大规模普及，用户使用率较低。
四、与其他系统的对比参考
1. 纯视觉方案的局限
当前主流高阶泊车方案已开始采用“环境几何推理”替代“标线依赖”，即通过三维建模生成二维俯视图，再由用户辅助框定车位。宝马的传统方案在无标线场景下较难启动。
2. 场端激光雷达方案的潜力
地下车库可部署场端激光雷达，通过车场协同实现厘米级定位和对低矮障碍物的识别，弥补单车感知盲区。宝马目前尚未大规模采用此方案，仍以单车感知为主。
五、综合成功率评估
- 场景
- 典型成功率（非官方）
- 关键影响因素
- 地面有路灯的夜间标线车位较高（约80%-90%）车位标线清晰度、两侧空间裕量
- 地下车库标准标线车位较高（约75%-85%）灯光条件、地面反光、立柱遮挡
- 地下车库无标线车位较低（约30%-50%）系统无法计算泊车区域
- 柱头突出的独立车位低（约10%-30%）传感器视野盲区、车位宽度不足
- 极端窄车位（泊入）较高（约70%-80%）系统算法自信度、传感器覆盖范围
- 极端窄车位（泊出）低（约0%-20%）前向安全阈值极高
六、使用建议
对标准标线车位可放心使用，但仍需留意立柱、消防箱等异常障碍物。
对无标线或异形车位，建议人工操作，避免依赖系统。
夜间或地库使用时，确保照明条件较好，避免积水反光区域。
遇到系统拒绝泊出的情况，主动接管车辆手动出库。
