随着汽车产业的转型与升级,车辆智能化正成为汽车工业的发展趋势。自动泊车作为无人驾驶的核心技术之一,受到各大汽车厂商与科研高校的关注。目前市场上的自动泊车系统产品,大多通过超声波传感器获取停车位信息,这种方案高度依赖于相邻车辆及其姿态,并且能够辨识的停车位场景较少;传统倒车影像的可见范围小,无法满足车位识别的技术需求,而环视系统因其视野范围宽广且成本低廉,被广泛应用于泊车辅助系统,因此本文主要针对基于环视系统的停车位识别技术和泊车路径规划及跟踪方法展开研究,主要研究工作包括:（1）针对光照变化导致停车位识别率与稳定性降低的问题,提出一种基于深度学习的停车位识别算法。通过鱼眼相机和整车的标定试验以及设计二维映射表,搭建出车载环视系统,以提供原始训练样本。利用深度学习模型检测出车位角点,结合LSD（Line Segment Detector）直线检测,获取完整停车位。试验结果表明,所提出的方法不仅增加了停车位的识别类型,还提高了车位识别率与稳定性,精确率与召回率分别达到了93.9%,92.5%。（2）针对依靠单一特征判断停车位状态准确率不高的问题,提出一种结合道路特征与车辆特征的综合分类方法。分析停车位空置与占用状态的图像特征,采用区域增长算法与Canny（Canny edge detector）算法分别提取停车位的区域生长率与边缘数量,并结合上述特征信息,基于朴素贝叶斯分类器判断停车位状态。通过对比分析不同场景停车位状态的检测结果,验证了所设计算法的有效性。（3）基于车辆运动学模型和泊车场景要求,设计了平滑且连续的三段式泊车路径并进行仿真。针对外部未知扰动导致泊车路径跟踪实时控制精度不高的问题,建立了车辆跟踪误差模型,并提出了反演滑模自适应路径跟踪控制算法,通过Carsim-Simlink联合仿真,与添加常规反演控制和PID控制进行了对比分析。仿真结果表明,所设计的控制器具有良好的跟踪控制性能,提高了泊车入位的跟踪精度与稳定性。最后,设计了基于视觉传感器的自动泊车系统框架,针对典型的平行泊车场景,进行了实车试验,试验结果验证了所设计的泊车路径跟踪控制算法的有效性。