完全无人自主泊车进入一个崭新的阶段。

部分公司通过PPT演示自主泊车dome之时，自动驾驶技术公司Momenta在苏州办公楼的地下停车场对外体验自主泊车方案 Mpilot Parking。

这是能力也需要勇气。

在看了N家企业N个自主泊车视频后，这周智驾君终于在Momenta苏州总部体验了一把自主泊车方案，Momenta的自主泊车方案 Mpilot Parking方案利用量产传感器，可以在停车场复杂的车流人流环境下，实现单车智能，包括跨层泊车、智能绕行、避让车辆行人、在线寻位、智能召唤等多项功能。

这次体验的Momenta自主泊车方案 Mpilot Parking技术集成在一辆林肯MKZ车型上，从车辆外观看，Momenta团队只对林肯MKZ车型进行了轻微的改动。

具体来看，全车包括4个环视鱼眼摄像头（车头/车尾共2个、左/右后视镜共2个、前挡风玻璃1个前视摄像头、12个超声波雷达（车前保4个（短距）、车后保4个（短距）车眉处4个（长距））以及消费级IMU和GPS。

对于传感器硬件来说，这些都是可量产的传感器组合，价格可控制在千元级别，其中某些具备L2级别的自动驾驶汽车已实现部分硬件标配（包括10万元级别的国产车型）。

林肯MKZ车内则是配置了一个平板电脑作为可视化界面，未来可根据车企的需要将其集成在仪表板中，其显示内容主要有主动刹车强度、油门强度、车速、转向能力等。

对于计算单元，车规量产的芯片往往提供的算力资源有限，一般在深度学习训练服务器上用的算力往往有上百 TFLOPS，而目前较前沿的车规级芯片的性能最多仅为 30 TOPS 左右。

对于如何将多个深度学习模型压缩到一块有限算力的芯片上，Momenta合伙人兼研发总监夏炎谈到，“Momenta 从多个维度对深度学习进行深度优化。”

首先，芯片上往往会有不同的计算单元，需要在这些计算单元上，将深度学习的网络层进行计算优化，如卷积等操作；

其次，针对不同的任务类型，可以对模型结构进行自动搜索，产生高效率、高精度的模型；

再次，对模型进行低比特量化操作，在保证模型精度不损失的同时，使得模型在芯片上发挥出极致性能；

最后，根据特定芯片的特点，从算法角度可以研发更加芯片友好的网络和算法框架。

Momenta的解释是，“会把研发和工程相应地来做解构，在标准的平台上来做极致性能的研发，在把极致的性能集成到量产芯片上，并同时集成Parking和Highway的产品。”

夏炎透露，“Xavier和TI新出的一些量产芯片可以做到适配。”

为了完整体验Momenta的自主泊车功能，这次体验从停车场地面入口开始，据悉Momenta苏州办公室地下约500平米的停车场，为了更直观的感受自主泊车能力，这次我们选择了一个距离停车场入口最远的车位。

首先需要通过手机端选择一个空闲停车位，然后车端会收到自主泊车信息，通过车内平板电脑中选择自主泊车功能，此时，车辆进入完全自动驾驶状态。

值得注意的是，如果被选车位有车辆提前驶入，Momenta Mpilot Parking会选择临近的车位作为停车点。

自动驾驶车辆进入停车场遇到的第一个难点就是应对停车场的上下坡，由于光照角度的不同，此时摄像头很可能会到一定的影响，此场景中，Momenta自动驾驶汽车顺利通过，在环绕进入地下停车场过程中，车辆行驶平稳，未出现急加速、急减速等情况。

进入停车场，智驾君发现Momenta选择的这个停车场并不算是一个场景较简单的停车场，除了有乱堆的杂货还有穿梭推小推车的行人以及乱停放的车辆。

这里面重点说一下试乘时遇到的三种状况：蹲在柱子后面的行人、退货车的行人以及从车位驶出乱停的车辆。

在车辆行进的前方，首先遇到的是蹲在柱子的行人，在距离此人5米的左右时该车已经发现，并且在车内平板中进行了显示。

我们拆开来看这个状况，首先是蹲在地上，也就是遇到孩子是可以及时发现，再者在柱子后面，也就说有行人从障碍物后面跑出时，车辆也可以准确识别。

第二种状况：退货车的行人，此时车辆处于右边状态，车辆右转直角处有行人并且手中的小货已经处在公共道路，在这种情况下车辆能够识别行人并且躲避障碍物（小货车）。

第三种状况：当遇到有从车位驶出的车辆时，此时自动驾驶汽车会提前有一个减速动作，并且会选择在适当位置停车，等待车辆。不巧的的是，这次试乘的时候，遇到的车辆驶出车位后没有直接走掉而是停在公共通道，此时，自动驾驶车辆会进行一个车辆错车及绕行处理。

经过行人穿行、车辆占道、路口错车、突然出车等一系列复杂情况，Momenta自动驾驶汽车准确找到预选车位，并且成功停下。

最后，在驶出停车场时，演示了在远程召唤车辆来到指定地点，驾驶员上车后自主行驶出停车场情况。

这里需要说明的是，为了完美的实现住宅和写字楼高频泊车场景以及在商超、酒店、机场这类对泊车有高需求的公共场所Momenta会通过自建高精以及众包的形式对停车场进行视觉建图。

这是Momenta自主泊车方案 Mpilot Parking规模化可量产的关键，与此同时，每个搭载 Mpilot Parking 的车辆既是高精度地图的使用者，又是贡献者。

相比昂贵的激光雷达建图，Momenta采用视觉为主的方案实现自动化建图，该视觉方案与自动泊车硬件可通用，即：四个路环视鱼眼相机、消费级IMU及轮速等传感器。

在建图过程中，通过深度学习算法提取视觉语义特征，使用SLAM技术自动生成基于语义的高精度地图，整个系统可进行云端和车端自动建图，精度达到10cm级别。

需要强调的是，在现场演示的过程中Momenta在地下停车场跑了130多米的建图数据（停车场一圈），重影误差只有20多厘米。

简单计算一下，单次体验中，Momenta建图车辆绕停车场一圈累计误差只有误差千分之1.6（他们表示结合环境不同，误差值不同），通常情况下，业界误差在千分之5-10之间，如果在进行第二圈建图，可以看到这个累计误差几乎很小。

对于时间成本，按照正常行驶速度，跑完一圈100多米的停车场也就不到3分钟的时间。

智驾君观察到，对于较难的上下坡建图，Momenta建图也可以做到一次建图。

不过，对于视觉建图在黑暗中很难进行建图。

目前来看，Momenta 的建图方案支持量产车辆自主建图，可通过众包实现快速规模化的建图和地图更新。

不过，随着时间的推移，停车场中增加或消失的元素可以通过众包车辆进行地图元素的更新。

因为地图采集系统、建图系统和定位系统是基于同一套平台，车辆在进行定位时，如果发现真实环境和地图无法匹配时，就可以验证地图的准确性并及时进行更新。

对于Momenta高精度建图的优势，夏炎谈到了两点：一个精度，一个是鲜度，精度指的是地图要准，鲜度是要实时更新。

我们知道，只有通过量产的自动驾驶才有可能获得前面提到的海量的数据，感知的数据、地图的数据、驾驶行为的数据和接管的数据。

有了这些数据，数据流向完全的无人驾驶系统，完全的无人驾驶系统才会提升，然后无人的驾驶系统才会反馈给量产的自动驾驶系统更好的技术。更好的技术才能实现更好的功能和更好的性能，使得产品获得更强的竞争力，获得行业的领先性。

为了做到这一点，Momenta公司众包的车辆已经覆盖了中国大部分城市，这样的数据回传回来对Momenta未来的能力有很大的提升。

综合来看，Mpilot Parking 具备智能的规划策略，除了常规的停车让行功能以外，对于车辆等障碍物，通过对周围动态环境的感知，实时的规划出绕行轨迹，避免因自动驾驶车辆无法处理会车、逆行、占道等情况而引起交通拥堵，对于在自主泊车过程遇到的小孩、地锁、锥形桶等细分障碍物可以准确识别。

与此同时，Mpilot Parking 对外展示的是单车智能无需场端改造的技术能力，这也是Momenta自主泊车Mpilot Parking方案的核心竞争力。

最后说一下，Momenta量产自动驾驶方案Mpilot中的Highway方案，Mpilot Highway是高速自动驾驶方案。

这辆具备高速自动驾驶功能的汽车由市面量产在售的MKZ改造，具体改造方案是在原车基础上配置了2个前置摄像头、4个环视鱼眼摄像头、4个侧视摄像头、5个毫米波雷达、1个英伟达PX2计算平台、1个惯导以及Momenta自建的高精度地图。

车内配置可视化界面，主要显示路程进度、车速、感知、控制、定位以及地图。

利用可量产传感器实现自主上下匝道及智能变道的方案已经开始走向前台，在此，智驾君用亲身体验告诉大家Momenta Mpilot Highway方案如何。

Mpilo Highway的整个试乘路程大约43公里，主要路段是位于苏州市北部的中环北线，此路段是包含多个不同类型的匝道高速，车辆需要完成自主变道、驶入匝道以及驶出匝道等操作。

车辆高速自动驾驶开启非常简单，只需要通过原车自带的ACC自适应巡航系统按键可以一键开启。

当系统开启时，Mpilo Highway设计的人车交互系统会通过滴答声音提醒驾驶者系统已经开启，并且可视化界面中的方向盘变为绿色。

不过，根据之前智驾君体验过的具备高速自动驾驶的汽车来对比，个人认为通过语音提示驾驶者系统已开启比滴答提醒声更具有安全感。

在行驶过程中，Momenta安全员将车辆限速调节至最高为80公里每小时，此时，车辆会自动保持车道线内行驶，在遇前方有慢车行驶，车辆会根据周围车辆的情况选择变道超车或者减速跟随，在进入弯道时，车辆会自动减速并且保持车道线内行驶，实际体验车辆的过弯速度约为40公里每小时。

在遇到前方有慢车并且后方无来车时，车辆首先会进行一个打转向灯的操作然后自动发起变道，在变道过程中车辆加速、减速平稳、车辆变道的逻辑也更加接近人类驾驶者的习惯，并不会出现当前方车辆留开空档之后的迅速加速等情况，乘坐舒适度上要好很多，最直接的感受是，车辆在自动驾驶模式下，后排乘客玩手机并未出现晕车等现象，反而要比人类驾驶更为稳重。

这里强调一下Mpilo Highway方案的上下匝道能力，在经过多次不同类型上下匝道后，智驾君对Mpilo Highway系统是信任的，主要在于上下匝道车速合理，变道逻辑强，不会给乘坐人员带来紧张之感，尤其是在上下匝道过程中侧向有车突然变道超车时，系统也能把握车辆的速度并且保证车辆的舒适性。

如果说今年是L2级别自动驾驶普及之年，那么明年或将是自主泊车搭载上车之年。

在百度大会期间威马汽车创始人、董事长、CEO沈晖称，搭载Valet  Parking功能的量产车将在2020年实现量产，对于10万级别的自主品牌车型将搭载自主泊车功能，说明在硬件层面成本将不再是问题。

不过，对于B端C端用户来说，一款好的产品除了极具性价比之外，另一方面就是事故率与可靠性。

当下，大多数企业用PPT演示的方法来说自主泊车方案具备的某些功能已经不具备一定的说服力，一款的好的产品应该是敢于面向大众消费者。