行业背景：停车并非低复杂度场景
在自动驾驶技术的发展过程中，泊车通常被视为“低速、低风险”的场景。由于其环境相对可控，自动泊车长期以来被视为自动驾驶的入门级功能，常被误认为技术简单。然而，随着自动化技术从自动泊车系统（APS）发展到家区泊车引导（HPP），最终发展到自动代客泊车（AVP） ，这种看法正日益受到挑战。
工程经验表明，停车环境对感知系统提出了极高的稳定性、连续性和可靠性要求。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。地下区域的照明条件通常不稳定，低光照、逆光和人工照明并存。入口和出口区域的亮度变化可能非常剧烈。此外，停车场内还存在各种障碍物，例如地面锁、立柱、锥形路标、悬空管道、行人以及送货车辆。这些物体的形状和大小各异，缺乏标准化的特征。相邻车辆、墙壁和立柱造成的频繁遮挡进一步增加了感知系统的挑战，该系统必须在极短的时间内检测、分类并规划路径。
在这种情况下，单模态感知的局限性会被放大。基于摄像头的视觉系统在语义理解方面表现出色，但对光照、镜头污染和低纹理表面非常敏感，这些因素可能会降低深度精度和物体检测的可靠性。超声波传感器在短距离避障方面表现良好，但缺乏空间成像能力，无法提供整体环境感知。在无人值守停车场景中，这些局限性会直接影响系统的可用性。
自动停车楼层的演变及感知需求
随着自动泊车从 APS 发展到 HPP，最终发展到 AVP，感知系统的责任和要求也大幅增加。
APS（自动泊车系统）
APS主要依靠超声波传感器进行近距离障碍物检测，摄像头则辅助识别停车线。驾驶员无需下车，必要时可以进行干预，因此该系统的故障容错率相对较高。
HPP（住宅区停车试点项目）
HPP使车辆能够在指定区域内自主导航并记忆固定路径。感知系统必须持续跟踪目标，并在动态环境中保持可靠的定位。
AVP（自动代客泊车）
AVP代表了L4级自动驾驶场景，此时驾驶员不在场。该系统必须在各种环境条件下可靠运行。这就要求感知系统在不同的传感模式下提供冗余，即使某个传感器发生故障也能确保安全运行。
仅视觉停车解决方案的局限性
尽管视觉算法取得了显著进展，但纯视觉方法在停车场景中仍存在固有的局限性。纹理较浅的表面，例如白色墙壁或光滑的地板，会降低深度估计的精度。雨水、灰尘和镜头污染都会影响摄像头成像。在低速环境下处理多个高分辨率摄像头视频流也会带来巨大的计算负担和延迟挑战。这些因素表明，如果没有其他传感器的辅助，纯视觉解决方案无法保证在自动停车监控（AVP）场景中的持续可用性。
4D毫米波雷达的系统级价值
4D毫米波雷达引入了高度维度，使传感器能够输出更完整的空间信息。其在停车场景中的应用价值包括：
空间障碍物识别：区分可通行物体和真正的障碍物（如地面障碍物、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：高角度分辨率能够区分紧密排列的行人、车辆和柱子，为路径规划提供可靠的输入。
全天候物理冗余：毫米波雷达不受光线影响，受雨水、灰尘或烟雾的影响较小，即使摄像头受损，也能保持距离和速度测量。
这些特性使 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运行范围，而无需依赖单个传感器来实现绝对可靠性。
多模态融合与系统可靠性
现代自动停车监控（AVP）架构采用多模态融合技术。视觉系统负责语义理解，超声波传感器负责近距离避障，而4D毫米波雷达则覆盖远距离动态和静态障碍物，并在视觉受损时提供冗余。这种异构冗余降低了整体故障概率，提高了系统在实际停车环境中的可用性。
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，其作用正从辅助感知转变为系统的基础功能。在地下或GPS信号受限的环境中，雷达点云可辅助定位和环境测绘，为自动泊车提供高精度感知支持。这一趋势表明，雷达的价值已超越避障，成为可靠的无人值守泊车系统不可或缺的一部分。
结论
从自动泊车系统（APS）到自动泊车平台（AVP），自动泊车技术的演进重点已从“自动泊车是否可行”转移到“其在复杂环境中运行的可靠性”。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，从工程层面支持无人值守泊车系统。其价值在于系统级可靠性和多模态协调，使自动泊车技术能够在实际环境中安全、持续地运行。