大家好，我是电动小侦探！小鹏即将在X-Mart OS 2.6版本中，给智尊版车主OTA一项全新功能——停车场记忆泊车（简称VPA），据说以后车主在公司和家里地库就不用自己开了，车辆可以完全自主找到固定车位并停好。本着“电动车就是要可劲儿祸祸”的原则，我怎么会轻易放过这个功能的体验机会呢？话不多说，今天咱们就聊聊小鹏的VPA到底稳不稳。
VPA硬件架构&技术路线
解读硬件之前，我先给大家区别一下名字，面得弄混。行业中普遍将停车场高级辅助驾驶叫做“AVP代客泊车”，字母顺序不一样，可不是咱写错了哈。
之前小侦探的文章中写过，行业中AVP的技术路线有3条。一条是改造停车场，给停车场安装传感器，告诉车辆“你该怎么走”，叫场端路线；第二条是不改造停车场，通过车辆自身的摄像头/雷达/定位技术来实现自我决策与控制，叫车端路线；第三条是主机厂与自动驾驶公司合作，通过本地与云端实时沟通的方式帮助车辆做出行为决策，这个叫车场云端。
小鹏VPA采用的是车端技术路线，特点是全栈自研，不依赖供应商，也不依赖停车场改造，但是对主机厂研发能力的要求非常高。敢这么玩儿，主要是P7本身就有非常丰富的传感器硬件做基础，Xavier平台的算力也可以满足VPA对环境构建的需求。
但是，地下停车场是个比较极端的环境，光线、社会车辆、障碍物、行人，都是不确定因素，远比封闭道路要复杂得多。我们通常讲的传感器类别包括摄像头、毫米波雷达、超声波雷达，其中毫米波雷达在地库中由于反射路线复杂，从它那里获得的环境信息基本处于不可用的水平。
因此，小鹏P7调用了全车所有的14颗外置摄像头，参与到环境感知与构建当中。此外还有1颗在方向盘红外线的辅助下，检测驾驶员注意力。外置摄像头也有不同的分工：
前视主摄与长焦摄像头，外加后视主摄，参与50米以外远距离物体的识别；
两颗鱼眼摄像头负责中距离环境感知，覆盖360°，范围3~100米；
4颗360°全景环视摄像头主要用于泊车，探测0~10米的近距离环境信息。
当然还有12颗超声波雷达作为视觉的辅助，可以探测近距离物体。除了我们肉眼能看到的这些传感器以外，小鹏P7还内置了一个成本不低的东西——IMU惯性测量单元。IMU通过检测物体的角速率和加速度，可以实时计算模拟出车辆的位置，准确性很高。地库没有GPS信号，所以车辆的实时定位基本靠IMU来完成。
不少P7车主都有这样的体会：地库中行驶，即便GPS信号已经没了，大屏地图仍然能非常准确地显示车辆实时位置，这就是靠IMU来实现的。我开车下班回家，媳妇儿能用APP看到车辆准确的实时位置，甚至并线时车头的角度变化都能显示出来，妥妥的查岗利器。
实际体验怎么样？
小鹏的停车场记忆泊车目前只开放地下车库，和NGP一样，车主在看完视频并通过测试后方可启用。VPA支持车辆学习100条路径，不过落实到日常生活，使用频率最高的也就是公司和小区那几条。
使用VPA之前，车主需要先自己开一遍停车路线，并人工完成整个泊车过程。VPA的交互完成度很高，车辆在学习过程中就可以在大屏上实时展现学习到的环境和路线，显示效果还挺流畅的。学习一遍之后，车主再把车开出地库，车辆会以GPS信号重新接入作为判断依据，再次回到地库出发点时，VPA就可以正式接管车辆，完成寻位和泊车全过程了。
VPA在后续使用中，车辆会综合IMU与地库标志物，比如立柱、岔口，将这些实时数据与学习来的虚拟空间做重叠比对，从而在失去GPS信号的情况下，实现厘米级的定位。这里小鹏自己还做了一个测试，在路径上摆放两排纸杯，单侧宽度仅超出车轮10厘米左右，VPA行驶的路径误差小到可以不压到纸杯。
这里有几个问题跟大家解释一下。
车辆如何判断地库是B1、B2还是B3？
通过IMU实现的，可以计算出车辆垂直距离下降了多少米，从而判断层数。
为什么不支持跨层寻找车位？露天停车场为什么不行？
跨楼层停车、地面停车场后续会开放，别着急，小鹏会按节奏一步步完成全场景VPA，毕竟还得考虑车主的学习和接受过程。
车内体验VPA，车速要比自己开慢一些，基本不会超过18km/h。由于在学习过程中，车辆通过视觉和IMU把减速带也记下来了，所以再次面对减速带，车辆会稍稍降低车速，避免车内产生严重颠簸。同时，交互仍然是小鹏非常出彩的地方。VPA状态下，语音助手小P会频繁提示司机车辆的状态，如转向、行人、社会车。面对路口，闪远光、打转向灯这些地库规范操作也一个不落。
人肉测试开始！
因为整个VPA体验过程实在太顺，波澜不惊，我决定切换一下角色，从司机变成行人，看看VPA在行人眼中是不是足够安全。下面这个视频强烈建议大家观看，1分钟高能预警，小侦探可是冒着绳命危险在测车啊！
为了模拟地库行人毫无规律的行进路线，我分别尝试了站立不动阻挡路线、跨越护栏横穿、鬼探头等几种不同的突发状况。我用自己完好无损的双腿表示：P7均做到了成功识别行人并刹停。其中最难的要数鬼探头，不过P7仍然在离我不足半米时成功刹停。
大家从上面动图中也能看到，我鬼探头窜出来时速度有多快。系统迅速做出反应，通过语音和大屏提示车主接管车辆。我感觉自己已经没法再“作死”了，要是换成人类司机，绝对会下车暴揍我一顿……
还没完，VPA高度依赖摄像头，于是我决定用泥巴将摄像头弄脏，看看P7在视线受阻的情况下还能不能完成记忆泊车。第一次，我把三目摄像头的玻璃弄脏，效果类似眼镜起雾的感觉。结果开下地库后，VPA仍然可以正常工作，车辆的行为相比清洁状态，似乎没什么差别，依旧稳得一批。
在第一次的基础上，我又把保险杠下方的360°前视摄像头用泥巴糊住，挡掉接近一半的视线。结果在三目摄像头和一颗360°摄像头都受到干扰的情况下，车辆仍然完成了记忆泊车。遗憾的是，我已经没有胆量在这种情况下模拟行人了。个人认为小鹏的VPA在传感器融合、算法以及定位能是比较均衡的，不会过度依赖某一颗传感器，否则摄像头一脏功能就不灵光，也会大大影响车主的使用体验。
目前VPA可以准确识别出车辆、柱子、减速带、行人等重要元素，针对停车场复杂的环境，将来VPA还将支持识别闸机、宠物、三轮车、隔离桩等物体。另外，VPA的学习不是只有一次，在相同路径反复的使用中，车辆还会不断优化路线和决策细节。今后到了车主手上，相信VPA也会是个越用越好用的功能。
总结
虽然代客泊车短期不会成为决定购车的关键因素，但从技术背后可以看出，小鹏NGP正在从单一的高速封闭环境拓展到复杂的低速开放环境。得益于全栈自研路线，小鹏可以在现有传感器的基础上，彻底挖掘传感器和芯片算力，这是VPA拥有稳定体验的基础。
回到一开始代客泊车技术路线，今年我们会看到以小鹏为代表的车端解决方案、以威马&百度为代表的的车场云端方案。我认为，代客泊车技术更大的意义在于，自动驾驶的交互从车辆-驾驶员两者，拓展到了车辆-驾驶员-外界人员三者。当地库里跳广场舞的大妈都知道现在的车可以自己找车位，自动驾驶才真正与大众视野产生交集。也是从现在起，汽车吹响了攻陷“最后1公里”的号角。
