停车难、取车难成为现代城市生活的一大痛点,为改善城市停车难的现状,AVP被人们寄予厚望。纯车端的自主（代客）泊车解决方案包括的关键技术有:车位感知、路径规划、避障等,本文主要对自主泊车的车位感知和路径规划方法进行研究。首先,设计了一种基于车载环视系统和超声波雷达的车位识别方法。该方法利用深度学习的目标检测方法检测得到环视图像中的车位角,利用图像处理技术从车位角中获得车位角点的像素坐标和车位角角度,以及利用车位角点的像素坐标测量得到车位宽度,并根据车位角角度和车位宽度判断车位类型,通过车载超声波雷达检测车位内是否存在障碍物来检测车位占用状态。其次,结合Dubins曲线和Hybrid A*算法的优势,提出了一种基于Dubins曲线加速的Hybrid A*算法的全局路径规划方法。通过对Hybrid A*算法节点扩展、节点代价计算、碰撞检测和路径搜索流程的研究,发现了Hybrid A*算法具有满足车辆运动学约束的优势和路径搜索速度慢的不足。为了弥补其不足,利用Dubins曲线规划速度快的优势提出一种基于Dubins曲线加速的策略,在Hybrid A*算法的路径搜索流程中加入该策略形成了本文提出的全局路径规划方法,并通过全局路径规划仿真对比实验验证了该方法的实时性好。再次,针对现有泊车路径规划方法对不同初始和目标位姿不具有适应性的问题,提出了一种基于位姿收敛算法的泊车路径规划方法。分别通过建立车位平面模型和对泊车过程中的碰撞分析推导得到泊车初始和目标位姿的计算公式,根据车辆运动几何学推导得到位姿收敛算法的计算公式,并通过在多种初始和目标位姿的泊车工况下进行泊车路径规划和泊车仿真实验验证了该方法对不同初始和目标位姿的适应性好。最后,搭建了自主泊车系统的硬件平台与软件框架,通过实车实验验证本文所提出的车位识别和路径规划方法。