记得前两年滴滴刚崭露头角的时候，不少二、三线城市的出租车司机们感觉自己的利益受到侵害，纷纷联合起来抵制网约车，一款O2O软件就这样成为了出租车行业的公敌。可是，的哥们万万没想到，真正颠覆出租车行业的自动驾驶已经在路上了，人工智能俨然要成为出租车司机们的终结者。
    说到自动驾驶，我们现在讨论的已经不再是能不能实现的问题，而是多久落地的问题。不过，自动驾驶是个很大的话题，我们今天谈一个有望更早实现的技术：自动泊车。
    在自动泊车这件事上，如今分为两派：适应世界的机器视觉派和改造世界的自动化设备派。
机器视觉解决方案
    机器视觉方案最依仗的就是摄像头了，普通摄像头又叫非景深摄像头，原理是通过捕捉图像数据，然后从图像数据推算距离信息。但是非景深摄像头又分为单目摄像头和双目摄像头，单目摄像头是通过图像匹配进行目标识别（各种车型、行人、物体等），再根据图像大小去估算目标距离。
因为存在识别这一步，所以问题也容易出现在这一环节，视觉识别对于数据库和图像质量的要求较高，一旦识别不出来，将导致估算距离的错误。反面案例就是特斯拉撞车事件，在强光的条件下，特斯拉汽车上的摄像头将白色货车判定为云，没有减速行驶，最终酿成惨剧。

    而双目摄像头方案不同于单目的模式，通过两个摄像头分别获得前方图像，然后计算两幅图像的视差得出前方物体的距离信息。这种方案模拟了人眼对于3D信息的获取方式，虽然成本相对高一点，但是精准度提高，也是现在比较常用的解决方案。
    不过，双目摄像头也并非是完美的，因为它毕竟是依靠图像数据来获取距离，所以在强光或阴暗的场景下，双目摄像头表现也不够稳定，这便促使了深度摄像头方案的发展。
    所谓深度摄像头，是在双目摄像头的基础上，加上了一个结构光（激光）发射器，通过激光测算前方物体的距离。不过，深度摄像头用于自动泊车距离商业化还有一段距离。由于技术、成本等因素影响，当前深度摄像头提供的激光强度较弱，工作距离有限，而且依旧会受到太阳光的干扰。但是，在地下车库这种阴暗环境中，安装在自动驾驶汽车上的深度摄像头，可以对周围环境做出更详细的判断，比当前常用的超声波方案的体验感更好。
    但是如果该方案要商用，除了要等待自动驾驶技术的普及，还要消除室外强光的影响。具体的解决方式可以是加大激光强度，但是在商业上由于成本过高，目前还没有最合适的方案落地。这背后其实需要激光雷达行业整体的发展，等成本下降后，深度摄像头的解决方案就可以走进寻常百姓家了。
    总而言之，依靠机器视觉的自动泊车需要配合着自动驾驶技术，双目摄像头和深度摄像头都是给这个过程增加安全性的筹码。在实际应用上，自动泊车并不是单纯依靠某一项技术，往往是多种技术相融合，例如特斯拉最新Autopilot2便是非景深视觉+超声波+传感器。因为机器视觉着重于适应世界，所以对环境改造的需求较少，整体方案的灵活性更强。
自动化设备解决方案
    相比机器视觉方案的行为逻辑，自动化设备方案就截然相反：自身不需要改变，而去改造环境，一劳永逸。
    目前市面上的泊车机器人，使用激光导航，并运用全自动控制技术。定位精准度误差少于5mm，行驶速度最高可达1.5米／秒，平均载重量2.5吨。用户只需要将车停入自动泊车库，接下来便由机器人完成搬运，节省了大量找车位的时间。

    除了机器人，还需要有配套的停车设备，例如垂直升降类立体停车设备、平面移动类立体停车设备等。汽车就像模型一样被“珍藏”进一个个停车空间。

    这种方式既完成自动泊车，还解决了某些区域停车难的问题。据了解，国内城市通常有15%到30%的土地被用来停车，某些区域更是寸土寸金，例如市中心的住宅小区、学校、商城。