随着人工智能、大数据等前沿技术的兴起,自动驾驶技术发展迅速,自动泊车系统作为其重要组成部分,已量产于各类车型上,受到了许多用户的青睐。自动泊车系统由感知、路径规划、跟踪控制三大部分组成,其中,感知的目的是正确识别车位,其结果直接决定着泊车的成败;路径规划的目标是根据感知结果及时地生成平滑的规划路径,生成的路径直接影响车辆控制的效果。针对当前自动泊车技术存在的不足,对自动泊车系统的车位识别以及路径规划技术展开了重点研究。本文主要研究工作如下:在车位识别技术方面,分别介绍了YOLOv5s和VIDAR（Vision-IMU based detection and range method）,针对存在未知障碍物的泊车环境下深度学习方法对车位状态识别结果准确率低的问题,提出了基于VIDAR的车位识别方法。基于YOLO v5s方法和Hough变换完成车位检测,基于VIDAR方法进一步对检测车位进行车位状态判定,完成车位识别。实验表明基于VIDAR的车位识别方法可以有效提高车位识别的准确率和鲁棒性。在路径规划技术方面,本文主要对目前最常见的平行泊车、垂直泊车场景展开深入研究。首先在满足自身物理条件约束、避障约束的前提条件下,优化估价函数结构,基于混合A*算法生成车辆起点到过渡节点的路径,并利用Bezier曲线对路径进行平滑处理,获得了曲率连续、变化平缓的泊车路径;然后根据泊车可逆思想,设计过渡节点到终点的入库路径,完成全局路径规划。仿真实验表明,相比传统混合A*算法,本文设计的路径规划算法搜索效率更高、路径轨迹更平顺、入库时安全边际更大,保障了实际泊车运动时规划路径的可通行性。基于Pano Sim与MATLAB/Simulink软件,搭建了平行、垂直车位的仿真场景,在构建的车辆运动学模型的基础上,利用模型预测控制策略对规划的期望路径进行跟踪控制,完成平行、垂直泊车场景下的仿真实验,验证了本文所设计的路径规划算法的可行性和有效性。为进一步验证路径规划算法在实车中的控制效果,通过搭建智能车实验平台,进行了平行、垂直泊车的实车实验,实验表明规划路径满足泊车路径跟踪需求。