近年来传感器精度、控制器性能不断提高,环境感知、人工智能和整车控制等相关领域研究的不断深入,为自动驾驶技术的发展提供了良好的软硬件基础。作为自动驾驶中最早进入应用的核心技术之一,自动泊车受到了众多汽车厂商与研究人员的关注。本文分析影响自动泊车性能的非线性因素,研究非线性因素影响下的位姿精确估计、路径跟踪控制方案。通过数据驱动建模,提高多种非线性因素影响下模型的准确度;构建考虑泊车效率、安全性和平稳性的最优路径规划方案,降低由于路径不易跟踪产生的非线性扰动;建立前轮转角观测器,利用泊车模型的输出推算前轮转角,实现前轮转角闭环控制,提高控制律的执行效果。主要内容如下:（1）针对泊车工况下多种非线性因素使得车辆位姿估计准确度降低的问题,设计包含“状态分类-位姿估计-后验修正”三个层次的基于转向状态的分段位姿估计模型。采集实际泊车过程中车辆位姿变化与运动数据,使用长短期记忆神经网络对泊车过程中的转向状态进行分类预测,并对每一个转向状态分别训练混合模型,修正运动学模型的定位误差,提高泊车系统的定位精度,确保后续进行路径跟踪时的跟踪误差模型准确。（2）构建易于跟踪的泊车路径,减少跟踪时非线性扰动的产生。首先基于回旋曲线、圆曲线、直线构建垂直泊车基础路径,然后构造考虑路径约束、泊车效率、安全性与平稳性的适应度函数,使用粒子群算法获得最优泊车路径,最后对泊车起始位姿区域做出限定,并给出了初始位姿调整方案的构思。（3）为提高非线性因素影响下自动泊车系统的控制器抗扰动能力、优化控制律执行效果,设计了前轮转角闭环分层控制方案。首先,基于扩张观测器理论设计前轮等效转角观测器,估计前轮等效转角;其次,搭建了非时间参考的非光滑上层控制器,基于SL坐标系的思想制定连续跟踪目标点选择方案;最后,搭建模糊滑模底层控制器对输入论域进行不均匀划分,以实现较大误差条件下的快速收敛,同时解决在小误差条件下的输出抖振问题。使用Carsim/Simulink联合仿真实验表明所设计分层控制器能够较好地完成泊车路径跟踪任务,同时在较强转向非线性场景下仍能达到良好的路径跟踪效果。（4）对所设计基于转向状态的分段位姿估计模型进行在线测试,验证了其定位准确度与泛化性。通过实车测试对所提出的前轮转角观测器性能进行验证,证明其具有良好的观测精度;在典型垂直泊车场景下对所设计规划控制方案进行实车测试,试验结果证明了其具有良好的性能。