行业背景：停车不是一个低复杂度的场景
在自动驾驶技术的发展过程中，停车往往被视为“低速、低风险”的场景。由于其相对受控的环境，自动停车长期以来一直被视为自动驾驶的切入点，常常被误解为技术上简单。然而，随着自动化从自动停车系统(APS)发展到家庭区域停车试点(HPP)，并最终发展到自动代客泊车(AVP)，这种看法越来越受到挑战。
工程经验表明，停车环境对感知系统的稳定性、连续性和可靠性要求很高。在完全无人值守的停车场景中，即使是短暂的感知故障也会直接影响车辆安全和系统可用性。因此，感知冗余已经从可选功能转变为核心系统设计原则。
停车环境的工程现实
停车场是高度非结构化且复杂的环境。地下区域往往光照条件不一致，弱光、逆光和人工照明并存。入口和出口区域可能会经历极端的亮度变化。此外，停车场还存在各种障碍物，如地锁、立柱、锥体、悬空管道、行人、运载车辆等。这些物体的形状和大小各不相同，缺乏标准化特征。相邻车辆、墙壁和柱子造成的频繁遮挡进一步挑战了感知系统，感知系统必须在很短的时间内检测、分类和规划路径。
在这种情况下，单一模态感知的局限性被放大。基于相机的视觉在语义理解方面表现出色，但对照明、镜头污染和低纹理表面敏感，这可能会降低深度精度和物体检测可靠性。超声波传感器在短距离防撞方面表现良好，但缺乏空间成像能力，并且无法提供整体环境感知。在无人值守停车场景中，这些限制会直接影响系统可用性。
<小时数据开始=“2486”数据结束=“2489”>自动停车级别和感知要求的演变
随着自动停车从APS发展到HPP，最后发展到AVP，感知系统的责任和要求大幅增加。
APS（自动停车系统）
APS 主要依靠超声波传感器进行近距离障碍物检测，并通过摄像头协助识别停车线。驾驶员留在车内，可以在需要时进行干预，因此对故障的容忍度相对较高。
HPP（家庭区域停车试点）
HPP 使车辆能够自动导航并记住指定区域内的固定路径。感知系统必须在动态环境中持续跟踪目标并保持可靠定位。
AVP（自动代客泊车）
AVP 代表驾驶员不在场的 4 级自动驾驶场景。系统必须在各种环境条件下可靠运行。这需要感知系统在不同的传感模式之间提供冗余，即使一个传感器发生故障也能确保安全运行。
纯视觉停车解决方案的局限性
虽然视觉算法已经取得了重大进展，但仅视觉方法在停车场景中存在固有的局限性。低纹理表面（例如白色墙壁或抛光地板）可能会降低深度估计的准确性。雨水、灰尘和镜头污染会影响相机成像。在低速环境中处理多个高分辨率相机流也会带来巨大的计算负载和延迟挑战。这些因素表明，在没有互补传感器的情况下，纯视觉解决方案无法保证 AVP 场景中的持续可用性。
<小时数据开始=“4179”数据结束=“4182”>4D 毫米波雷达的系统级价值
4D毫米波雷达引入了高程维度，使传感器能够输出更完整的空间信息。其在停车场景中的价值包括：
空间障碍物识别：区分可穿过的物体和真正的障碍物，例如地锁、路缘石和悬挂物体，减少不必要的制动。
密集环境中的目标分离：高角度分辨率可以区分间隔很近的行人、车辆和柱子，为路径规划提供可靠的输入。
全天候物理冗余：毫米波雷达独立于光运行，受雨水、灰尘或烟雾的影响较小，在摄像头受损时仍能保持距离和速度测量。
这些功能使 4D 雷达成为关键的冗余传感器，扩展了无人值守停车系统的操作范围，而无需依赖单个传感器来实现绝对可靠性。
多模态融合和系统可靠性
现代 AVP 架构采用多模态融合。视觉处理语义理解，超声波传感器管理近距离防撞，4D 毫米波雷达覆盖远距离动态和静态障碍物，同时在视力受损时提供冗余。这种异构冗余降低了整体故障概率并提高了现实停车环境中的系统可用性。
未来趋势和核心系统能力
随着 4D 毫米波雷达技术的成熟和成本的下降，其作用正在从补充感知演变为基础系统功能。在地下或GPS无法识别的环境中，雷达点云辅助定位和环境测绘，为自动停车提供高精度感知支持。这一趋势表明雷达的价值超出了避障范围，成为可靠的无人值守停车系统的重要组成部分。
结论
从APS到AVP，自动停车技术的演进已经从“能否实现自动停车”转向“在复杂环境下运行的可靠性如何”。 4D毫米波雷达提供三维空间感知、全天候可靠性和物理冗余，在工程层面支持无人值守停车系统。其价值在于系统级可靠性和多模式协调，使自动停车技术能够在现实条件下安全、持续运行。