随着无人驾驶技术的快速发展,自动泊车技术成为智能车辆中不可或缺的一部分。现有的大部分自动泊车辅助系统采用超声波雷达测距原理进行目标车位识别,常常会导致自动泊车失败,车位识别精度不高,且无法识别目标车位两边无障碍物的场景。本文利用车载的鱼眼镜头,对基于机器视觉的自动泊车系统进行研究。首先,基于机器学习算法,提出一种仅依靠视觉信息的车位识别方法,利用类Harr特征和Ada Boost算法训练车位角点分类器,对识别到的车位角点区域进行一系列的操作,提取出车位角点的精确信息。根据两相邻的角点距离,可以提取出车位区域,从而提出一种基于余弦相似度的车位状态判断方法。将车位区域的灰度直方图转换成向量模式,与车位前方子区域灰度直方图的向量模式做比较。计算它们的余弦相似度,从而确定目标车位是否为空。其次,对自动泊车路径规划进行分析,针对不同的泊车场景,分析了不同的泊车轨迹的可行性及其各自的特点。最后以某乘用车为试验平台,对本文提出的车位识别方法进行验证,并进行自动泊车实验。利用CAN-BUS完成车辆与电脑间的通信,并通过发送相应的报文实现对车辆换挡、加速、制动和转弯的控制。利用车辆后轮轮速传感器进行定位,进行了水平泊车和垂直泊车实验。实验结果表明,本文提出的车位识别方法准确率较高,且泊车成功率高,系统可靠性高,验证了车位识别、决策规划策略有效性和精确性。