检测目标空车位并获取车体相对车位的距离和角度是实现自动泊车路径规划的前提。对国内外基于机器视觉车位识别与车位线尺寸检测研究现状和基于机器视觉距离、角度检测研究现状分析,以不同小区、超市的地上或地下停车场及江苏大学校园地上停车场的停车位为研究对象,提出基于参考基准的车位线单目距离检测方法,开展完全基于机器视觉空车位和车体相对车位方位参数检测方法研究。主要研究内容和结果如下:（1）鱼眼相机成像原理、参数标定与图像畸变校正:分析鱼眼相机成像原理,建立基于等距投影的鱼眼相机成像模型,对世界坐标系映射到像素坐标系的坐标变换关系进行了理论公式推导;采用张正友标定方法对鱼眼相机参数标定,求出了鱼眼相机参数矩阵;结合坐标变换公式,实现鱼眼相机的图像畸变校正。（2）目标空车位检测方法:首先,采集不同小区、大型超市的地上或地下停车场及江苏大学校园内地上停车场的车位不同时间段的近景图像,采用传统的图像预处理算法对其进行灰度化、透视变换、滤波等处理,获取停车位图像的感兴趣区域（ROI）;然后,针对直线线段检测（Line Segment Detector,LSD）检测结果存在断线的问题,基于车位线尺寸规范对LSD检测算法进行改进,将原LSD算法中的区域生长容忍误差允许值从22.5°减小至12°,再基于车位线带宽尺寸和车位角点数目约束,将满足0.15米距离范围内的交点集合成一个车位角点,结合垂直网格的区域划分算法,实现对目标空车位的车位线、角点识别,以及车位尺寸检测;最后,以相对误差绝对值作为评判指标,对车位线尺寸检测方法改进前后对比试验,分析得出:改进后的车位线尺寸检测的误差均有不同程度的降低,最大相对误差平均值为5.23%,相同时间段内车位线尺寸检测的相对误差变化更小。（3）参考基准方位参数的计算方法及误差分析:针对单目车位近景图像中无法体现鱼眼相机的位置,距离基准缺乏难于实现车体相对车位方位检测的难题,提出了以添加可拍摄进图像中的参照物作为基准的方法,建立参考基准方位参数计算模型。先对图像中参照物位置进行标定,在保留车位近景图中目标空车位信息的前提下,用参考物的中心像素坐标点替代参考物本体;然后基于机器视觉的空间与平面几何转换关系,分别建立参考基准相对相机和车体的方位参数计算模型,以及参考基准方位参数计算的误差公式,通过误差分析,确定参考基准方位参数计算误差极小值存在条件,确定参考基准布局设置方案,为后续试验场景布置中降低参考基准方位参数计算误差提供依据。（4）车体相对车位方位参数检测方法:综合运用参考基准方位参数计算模型,设计了车体相对车位方位参数检测方法,建立了车体相对车位方位参数计算模型及其检测系统,在实际停车场环境下进行了应用试验,结果分析得到:车体相对车位的距离检测相对误差平均值为1.75%,角度检测相对误差平均值为1.90%,能够满足自动泊车对车体相对车位方位检测精度要求。研究结果及结论,为研究实现自动泊车奠定了基础,对促进车辆智能和智能驾驶发展均具有十分重要的理论意义和实用价值。