INDUSTRIAL

流动性

用车载传感技术解决驻车烦恼!?什么是自动驻车解决方案?我们采访了车载事业部的员工

September 7,2022

有很多人不擅长停车。索尼半导体解决方案公司(以下称SSS)车载事业部开发的驻车辅助系统或许能帮助您轻松顺利地停车。为提供“自动驻车解决方案——无论在何处都能舒适、安心使用的驻车辅助”这一价值,SSS车载事业部的中川、藤井、加纳积极挑战开发工作。此次,我们向他们了解了这一解决方案的详细内容。

Yui Nakagawa

Sony Semiconductor Solutions Corporation
Automotive Business Division

Hiroshi Fujii

Sony Semiconductor Solutions Corporation
Automotive Business Division

Takamitsu Kano

Sony Semiconductor Solutions Corporation
Automotive Business Division

自动驻车解决方案的开发背景

我们向项目组长加纳了解了SSS车载技术的开发,这也是驻车辅助系统用识别器的开发背景。首先,大约从2018年度起,公司开始向车载行业宣传SSS的图像传感器的强大性能,力争扩大业务规模。当初,通过ADAS(高级驾驶辅助系统)功能使用的前方感应技术、2019年度以后推出的ALCA(自动车道变更辅助/车道变更辅助)使用的后方感应技术以及2020年度以后推出的驻车辅助领域使用的环绕感应技术,扩大了车辆的识别范围。

现有驻车辅助系统的课题

参考图片 放大 放大

现有的驻车辅助系统已通过各种OEM实现了商品化,但仍存在不少课题,例如驻车空间识别精度不高,操作复杂且费时,无法预测车辆动向,障碍物检测精度低等,因此很少有人经常使用驻车辅助系统。我们的目标是解决这些课题,同时,通过提前检测停车场,消除寻找驻车位的麻烦。

自动驻车解决方案的价值与关键技术

参考图片 放大 放大

自动驻车解决方案提供的价值是“无论在何处都能舒适、安心使用的自动驻车辅助”。为实现这一价值,团队利用SSS的传感器技术,即“前方驻车位识别”、“驻车位识别”,开发了3项关键技术。也就是提前识别前方空地的技术(前方驻车位识别)、高精度识别驻车位并且在任何地方都能辅助自动驻车的技术(驻车位识别)、生成最佳驻车路线的技术(自身位置推测、可行驶区域、路线生成)。项目开始之初,大家没有设想“生成最佳驻车路线的技术”,但加纳在回顾当时的开发经历时提到“无论在何处都能舒适、安心使用的自动驻车辅助,这是实际体验后才能感受到的价值。例如,消除为了驻车而多次操作按钮的繁琐,节省自动驻车过程中焦急等待的时间等,这些改善即使利用视频、资料进行说明也无法传达给用户。所以我们还是希望大家能在实际的车辆上体验我们提供的价值,因此,把生成最佳驻车路线的技术(自身位置推测、可行驶区域、路线生产)也加入到开发范围中。”

自动驻车解决方案

参考图片 放大 放大

SSS的自动驻车解决方案提供只需1个动作就能实现从“寻找空车位”到“完成驻车”的UX。

参考图片 放大 放大

上图是与带驻车辅助系统的现有车辆的对比,现有的驻车辅助系统,需要手动操作6~9次(实际次数因车辆而异),操作时车辆停止时间(灰线表示的部分)较长。而SSS的自动驻车辅助解决方案只需手动操作2次,车辆停止时间也大幅缩短。在用现有的带IPA的车辆进行的实验中,我们设想从开始驻车到完成驻车所需时间大约是半分钟。像这样,“操作轻松、时间缩短、又能智能驻车,正是SSS自动驻车解决方案的卖点”。

驻车位识别(精准识别驻车位的技术)

参考图片 放大 放大

驻车位识别技术将以检测车辆前方约10米以内的周边空闲停车位为对象,力争在各种类型的停车场中都能检测出驻车位。开发负责人中川解释说“即使存在检测难点,例如I字、U字(停车场中绘制的白线的种类(参照上图))等各种类型的车位标线,只能看到一部分的隐蔽的驻车区域(有遮挡),但只要使用驻车位识别技术就能识别。与其他公司相比,有着巨大优势”

前方驻车位识别(提前识别前方空地的技术)

参考图片 放大 放大
参考图片 放大 放大

驻车位识别技术以检测车辆周边的空地为对象,而前方驻车位识别技术以检测车辆前方约10米以外的空地为对象。并且,无论上述距离是多少,“前方驻车位识别技术还能应对驻车位识别技术难以识别的绿化停车场、砂石停车场、只设置车辆限位器的停车场等特殊驻车位”,因此,开发构想就是“以前方驻车位识别技术弥补驻车位识别技术的不擅长领域”。

参考图片 放大 放大

中川介绍“这项技术的优势在于它不仅仅依靠车位标线,还能根据车辆、车辆限位器、墙面等要素,检测驻车位”。

今后的目标是进一步推进开发,推出可将如下所示的无明确车位标线的场所识别为驻车位的算法(绿框识别的车位),或者将时间序列信息作为语境信息检测出,然后用于识别移动中车辆的运动情况等。

参考图片 放大 放大

改善识别性能的数据集

最后,是关于改善识别性能的数据集。要提升以Deep learning为基础的识别器的精度,就必须要有高品质的学习数据。在自动驻车解决方案的开发中,大家为获取这一数据,努力收集各种停车场数据和不同环境条件下的数据。承担这一重要职责的是负责数据收集与标注的藤井团队。他们驾驶着搭载机器的试验车辆,跑遍了关东近郊470处地点收集数据。藤井表示“此次我们在晴天白天的条件下,收集了各种类型的停车场数据,但今后还需要雨天、夜间的数据。不过,即使也是晴天也要收集470处地点的数据,这项作业真是又枯燥又辛苦。”

今后的课题与措施

我们还询问了目前自动驻车解决方案存在的课题以及今后的措施。

Nakagawa:现在,精准识别停车位的驻车位识别、提前识别前方空地的前方驻车位识别,都是将获取自相机的图像转换为俯视图像,但受车辆倾斜的影响,有时实际的车位位置与俯视图像间会出现偏差。因此,我们将推进开发,考虑如何在技术上解决这个问题,以及实现在恶劣天气、夜间等各种条件下的准确识别。

Fujii:我认为提升识别精度的关键还是在于数据。最重要的是能收集多少不同类型的数据,以及能否将这些数据用于学习中。现在,在我们收集了470处地点的数据后终于初见成果了,今后,我们要专注于如何高效地收集各种条件的数据。有一次我查看箱根的实况摄像头后,发现起雾了,于是赶紧前往当地收集数据。

加纳:在车载行业,我们起步较晚,因此如果不能达到现有量产车的水平并超越他们,就很难被市场所接受。为此,我们希望构建一个在夜间、恶劣天气等各种条件下都能顺利驻车的强大驻车辅助系统。要实现量产化,卖点还是由驻车位识别技术、前方驻车位识别技术构建的识别系统,我希望向大家演示,我们的产品即使在大雨天也能准确识别,达到了能被客户采用的水平。现在,我们主要针对日本国内市场进行开发,但如果未来要推向海外,还将考虑不同国家驻车方式上的差异等,构建适合当地的系统。

我们在车载开发上起步较晚,同时作为一个部门也很年轻,因此,今后我们要不断积累知识与经验,使自己开发的产品能搭载到量产车上,扩大业务规模,这就是我们项目的未来规划与理想状态。