随着机动车数量的增加,越来越多的驾驶员被泊车难所困扰。智能汽车中的自动泊车功能,逐渐受到了驾驶员的关注。目前,使用摄像头识别车位的算法在环境信息简单、亮度适中的情况下能探测到车位。如果车位附近有其它复杂形状或与车位线颜色接近的物体,很可能无法探测到车位。现有的自动泊车路径规划研究中,大多数学者在规划路径时没有关注汽车原地转向的问题。为了解决以上的问题,本文设计了深度学习和Open CV结合的车位探测方法,增强了自动泊车感知模块抵抗环境干扰的能力,同时更加精确地找到车位角点的距离坐标位置。通过缓和曲线、多项式撒点法解决了自动泊车路径规划中的原地转向问题。主要的研究内容如下:（1）采集全景俯视图像。安装在汽车上的四个鱼眼摄像头采集原始图像,使用多项式模型和双线性插值校正鱼眼摄像头的畸变。使用灰度世界法平衡四个图像的亮度。通过求解透视变换矩阵将斜视图像转换成俯视图像。使用等比例拼接和加权融合方法得到全景俯视图像。在俯视图像中,把像素坐标转换到实际平面上的距离坐标。（2）识别平行车位和垂直车位。使用实验车拍摄的车位图像、论文数据集、手机摄像头拍摄的车位图像训练深度学习模型识别车位的大致位置。通过灰度化、图像滤波、形态学开运算提取出车位图像的背景、再去除背景、二值化处理后得到车位线。使用多项式拟合竖直和水平两个方向的车位线并找到车位的角点。再把车位图像上的像素坐标转换成全景俯视图像中相对自车的距离坐标。（3）超声波雷达探测障碍物。以飞思卡尔单片机开发板为基础,外接超声波雷达和温度传感器。温度传感器采集温度,补偿声速。超声波雷达通过高电平的持续时间和补偿后的声速得到障碍物的距离。使用串口传送温度和距离信息。（4）传感器结合探测车位。鱼眼摄像头探测车位线并确定车位的角点坐标,同时超声波雷达探测车位内部是否有障碍物。超声波雷达探测障碍物到汽车侧面的垂直距离,并和鱼眼摄像头结合探测障碍物到车位后边线的距离。（5）设计自动泊车的路径。将车位角点的距离坐标输入到路径规划模块并选取合适的角点为泊车坐标系的原点。在车辆低速运动学模型的基础上,使用缓和曲线和多项式撒点等方法在MATLAB中设计了垂直车位、平行车位的泊车路径。