车位搜索（Parking Spot Search）是自动驾驶系统为实现自主泊车功能而执行的核心任务之一，指车辆通过传感器感知环境并识别可用停车位的过程。这一过程需要综合处理来自摄像头、激光雷达、超声波雷达等传感器的实时数据，结合高精度地图信息，对停车位类型（如垂直式、平行式、斜列式）、空间尺寸及障碍物分布进行精准识别与评估。不同于传统导航中的路径规划，车位搜索更注重对微观环境的语义理解，需判断车位合法性（如是否禁停区域）及可行性（如空间是否充足），其技术难点在于复杂场景下的实时性与鲁棒性平衡。
在实际产品落地中，车位搜索算法的性能直接影响用户泊车体验。例如在商场地下车库场景，算法需应对低光照、动态障碍物（如行人推车）等干扰；而在路边平行泊车时，则需快速评估前后车距以避免刮蹭。当前主流方案采用深度学习与SLAM技术融合的方式，特斯拉的Occupancy Networks和Waymo的Multi-View 3D Parking Slot Detection均展示了较高实用性。值得注意的是，产品经理需关注不同地域的停车位规格差异，如中国标准的2.5米车位宽度与欧美2.8米标准的适配问题，这直接影响算法的泛化能力。