在自動泊車這件事上，不同人有了不同的解決方式，一方著重在機器視覺和自動駕駛技術，另一方則看好自動化設備，兩者對比之下孰優孰劣？

記得前兩年滴滴剛嶄露頭角的時候，不少二、三線城市的出租車司機們感覺自己的利益受到侵害，紛紛聯合起來抵制網約車，一款O2O軟件就這樣成為了出租車行業的公敵。可是，的哥們萬萬沒想到，真正顛覆出租車行業的自動駕駛已經在路上了，人工智能儼然要成為出租車司機們的終結者。

說到自動駕駛，我們現在討論的已經不再是能行不行的問題，而是多久落地的問題。不過，自動駕駛是個很大的話題，我們今天談一個有望更早實現的技術：自動泊車。

在談自動泊車之前，先想象一個場景，一個原始人被一條河攔住，但他想去河的對岸，那該怎么做？把這個問題拋給眾人，答案無非兩種：第一種，學會游泳，游過這條河；第二種，造一座橫跨兩岸的橋。

其實這個答案背后折射出不同的行為邏輯：一種是改變自己去適應這個世界，另外一種則是改造世界。在自動泊車這件事上，也分為兩派：適應世界的機器視覺派和改造世界的自動化設備派。

機器視覺解決方案

機器視覺方案最依仗的就是攝像頭了，普通攝像頭又叫非景深攝像頭，原理是通過捕捉圖像數據，然后從圖像數據推算距離信息。但是非景深攝像頭又分為單目攝像頭和雙目攝像頭，單目攝像頭是通過圖像匹配進行目標識別（各種車型、行人、物體等），再根據圖像大小去估算目標距離。

因為存在識別這一步，所以問題也容易出現在這一環節，視覺識別對于數據庫和圖像質量的要求較高，一旦識別不出來，將導致估算距離的錯誤。反面案例就是特斯拉撞車事件，在強光的條件下，特斯拉汽車上的攝像頭將白色貨車判定為云，沒有減速行駛，最終釀成慘劇。

而雙目攝像頭方案不同于單目的模式，通過兩個攝像頭分別獲得前方圖像，然后計算兩幅圖像的視差得出前方物體的距離信息。這種方案模擬了人眼對于3D信息的獲取方式，雖然成本相對高一點，但是精準度提高，也是現在比較常用的解決方案。

在2017年消費者電子展（CES）上，寶馬聯合賽格威推出了一款停車助理機器人。這款機器人配備雙目攝像頭，在汽車前面捕捉距離信息，引導寶馬車的自動駕駛系統緩緩地把車開進停車位。

不過，雙目攝像頭也并非是完美的，因為它畢竟是依靠圖像數據來獲取距離，所以在強光或陰暗的場景下，雙目攝像頭表現也不夠穩定，這便促使了深度攝像頭方案的發展。