吕俭的汽车科普圈 今天聊聊车位到车位的3D建模。我昨天去商场停车，我直行，前面车要入侧方库，我便停车等待。原本都是常规操作，但没想到那位车主一直摇车窗，吵我喊什么。我打开窗才听清楚，原来是要我关灯，影响她停车了....你看，停车入库，总有你想不到的需求。所以说嘛，自动泊车这东西还是挺有必要的。但这个自动泊车也挺考究的。因为大部分停车场的光线差、到处都是柱子、地面光滑反光，普通2D图像难以定位，所以必须用3D来理解空间。而且这种模式要实时扫描，所以完全要靠车本身获取数据，不能依赖导航地图、云端数据。这套设计看似简单，实现起来挺复杂。比如车怎么知道停哪里？柱子长得都一样，怎么区分？而且停车场结构单一，白墙、灰地面，柱子都一样，纹理、特征点很少，视觉SLAM容易匹配错，导致地图错位。再来了，车位线往往模糊、断线、被遮挡，经常还能看到两辆车挤得很近，所以车子还要算出真实宽度、倾斜角度、凸点/柱子距离、允许停车的有效空间等。解决这个问题还挺复杂的，它需要多模态融合SLAM +语义理解+实时局部建图。车位到车位的3D建模，需要车子一边走、一边靠自己的感知硬件把整个停车区域实时扫出来。车上所有传感器都会一起上阵：摄像头用来捕捉纹理和车位线，激光雷达或深度视觉负责生成深度信息，毫米波雷达补充金属反射点，超声波负责近场距离，IMU和轮速计则用来校准位姿，车才知道移动了多少。这是解决了看的问题。还得解决理解的问题。系统会把这些不同模态的数据融合成一个SLAM架构，让车在没有GPS的停车场里也能同时完成定位和建图。在这个基础上，AI模型会去理解图像和点云中的语义信息，识别出柱子、墙面、车辆轮廓、车位线这些关键特征，再把它们组合成一个结构化的3D场景。随后，建好的三维模型会不断被实时更新，形成一张局部的小地图，让车辆知道通道在哪、车位真实宽度是多少、哪里有凸点、哪里需要规避。等环境理解清楚了，系统就能基于三维模型去算泊车路线，包括倒车轨迹、转向角度、减速点，以及需要绕过哪些障碍。总之了，现在车越来越大，停车场越来越拥挤，要做好车位到车位的3D建模挺难的。但反过来说，以后恐怕这就是刚需了。
