Automated Parking Planning with Vision-Based BEV Approach

自动泊车（AVP）是先进自动驾驶系统的重要组成部分，专注于“人车互动”过程中的终点任务，解决“最后一公里”的挑战。自动泊车算法的感知模块已经从使用超声雷达进行局部感知和全局场景精确地图匹配进行定位发展到高级别的无地图鸟瞰感知解决方案。鸟瞰场景对自动泊车规划任务的实时性能和安全性提出了更高的要求。本文提出了一种基于A *算法的改进自动泊车算法，集成了车辆运动模型、启发式函数优化、双向搜索和Bezier曲线优化，以提高规划算法的计算速度和实时性能。数值优化方法用于生成最终的停车轨迹，确保停车路径的安全性。该方法在常用的工业CARLA-ROS联合仿真环境中进行了实验验证。与传统算法相比，该方法在更具挑战性的碰撞风险测试案例中减少了计算时间，并在舒适性指标方面表现出更好的性能。

该论文旨在解决自动泊车算法中的实时性和安全性问题，提出了一种基于A*算法的改进算法。

该算法结合了车辆运动模型、启发式函数优化、双向搜索和Bezier曲线优化，以提高计算速度和实时性能。同时，使用数值优化方法生成最终停车轨迹，确保停车路径的安全性。

该方法在CARLA-ROS联合仿真环境中进行了实验验证，相比传统算法，该方法在更具挑战性的碰撞风险测试用例中减少了计算时间，并在舒适度指标方面表现出更好的性能。

近期在这个领域中的相关研究包括：'Real-time parking lot detection and occupancy mapping using deep learning and lidar'、'A review of autonomous valet parking: Today and tomorrow'等。