随着城市人口数量和汽车保有量的不断增加,停车空间变得越来越拥挤,驾驶员经常会面临停车难的问题,因此自动平行泊车等驾驶辅助系统近年来得到广泛的关注与研究。这样的驾驶辅助系统旨在帮助经验较少的驾驶员在泊车空间狭小受限的情况下完成泊车,或减轻驾驶员车辆操作的负担,提高驾驶舒适性和安全性。然而自动泊车技术尚未完全成熟,对识别与速度控制的准确度也有较高的要求。本篇论文针对目前泊车空间拥挤以及平行泊车难的问题,提出了一种基于改进YOLOv3算法和路径规划的AR辅助驾驶员平行泊车的方法,创新性地在无人机摄像头获取的全景俯视影像中实时加入虚拟的泊车路径规划方案,即基于目标检测中识别目标车辆的位置产生的边界框建立坐标系,再将虚拟泊车路径渲染至俯视影像中,指导驾驶员一次性完成侧方进车位的操作。本文研究内容主要包括三个部分:第一,对平行泊车场景的车辆路径规划进行了研究,采用了基于车辆运动学几何约束的泊车路径规划,由车辆的几何参数与最大转向角求出最小转弯半径,随后确定出泊车过程中汽车后轴中心形成的路径由初始位置开始的一段直线段与两段以最小转弯半径扫过的圆弧相接而成。此路径规划方案只需满足车辆初始位置与停车位平行,与车位横向距离大于最小横向位移,且待停车位尺寸大于停车位最小尺寸。第二,对YOLOv3算法进行了深入研究,为了提高车辆目标检测的精度以及保持检测的实时性,对YOLOv3算法进行了优化,通过改进边界损失函数为CIo U Loss,加入通道与空间注意力机制CBAM与SSH结构来提高网络的检测精度,并使用停车场数据集CARPK进行了大量训练,提出了一种改进的YOLO-Car车辆检测模型,本文将YOLO-Car与YOLOv3进行了对比实验,实验结果表明,YOLO-Car的均值平均精度m AP与每秒帧数FPS值分别为86.19%与45.26帧/秒,m AP值较YOLOv3提高了5.57个百分点,FPS值下降了3.23帧/秒,其检测速度比YOLOv3稍低但检测精度更高。第三,通过增强现实技术将规划好的泊车路径绘制、叠加在真实泊车环境的实时视频图像上,将处于初始位置的目标车辆识别边界框作为标志物建立坐标系,计算、记录规划的泊车路径在图像中的位置,使用Open CV完成视频流每一帧中规划路径的渲染,为驾驶员提供泊车过程中关键转向位置点的实时参考。本篇论文为了验证以上研究内容的合理性,基于上述内容进行了平行泊车实验,使用大疆Air 2S无人机获取航拍平行泊车场景俯视视频,通过HDMI USB采集设备将无人机控制器的HDMI接口与笔记本电脑相连,完成对无人机传回视频目标检测、路径规划计算以及实时的渲染,将叠加了虚拟泊车路径后的实时视频显示在电脑屏幕上,驾驶员根据该路径进行泊车。最后本文计算了汽车实际轨迹与规划的泊车路径之间的相关系数,证明本文的路径规划方法能够有效地帮助驾驶员完成平行泊车。