泊车作为汽车驾驶环境中最为复杂的操作之一,也是长期困扰广大驾驶员,特别是新手驾驶员的难题,因此利用智能化技术实现自动泊车功能,使人类摆脱繁琐的驾驶操作,同时提升驾驶安全性,具有广泛的市场前景和现实意义。目前,对于自动泊车的研究已成为行业的热点,并取得了阶段性成果,但仍有许多问题有待解决,功能性能还存在着局限性,有待完善。泊车位的选择是自动泊车系统的重要组成部分,目前的技术主要依赖停车场的诱导分配策略,而该策略往往很少考虑泊车过程中的动态障碍物信息,因此很难适应复杂动态变化的停车场环境。在泊车位分配规则上,现有的泊车位分配策略一般较少考虑泊车位属性选择的合理性,往往导致计算复杂化、泊位分配结果不尽合理。本文提出了一种以车辆为主体的泊位优选策略。本文假定车辆通过网络、地图或相机与雷达等车载传感器获取了泊位选择所需信息,分析了影响泊位选择的几种因素;针对停车场的诱导分配策略较少考虑动态障碍物信息的问题,本文利用多段圆弧的预规划方法将障碍物对泊车难度的影响转化为轨迹安全域的大小,并依据阿克曼转向最终转化为前轮的转角裕度,以此作为新的属性考虑进泊位决策;针对挑选的决策属性,本文首先对属性信息进行了因子分析,排除了各属性间的相关关系,保证了后续决策的准确性;基于熵权法挖掘了各属性信息所反映的数据价值,并以此为各属性分配了权重;在评价各泊位优劣程度时,结合权重信息使用“理想点”解法决策出最优泊位;最终,本文设计了典型的停车场场景,验证了该策略对属性权重分配的合理性,泊位优选结果符合预期。对于泊车运动控制,绝大多数研究都将泊车看作稳定的低速运动过程,基于这一假设,将车辆动力学模型简化为刚体稳态运动模型,忽略了车辆动态响应和侧向滑动,特别是忽略了车辆倒车的稳定性问题。这一方法在车辆稳定低速时取得了不错的效果,但对速度的适应性较弱。实际倒车入库过程车速并不稳定,存在车速变化;另一方面,在未来智能化技术普及之后,人类将更少地参与到泊车环境中,在条件允许的宽敞情况下,车辆可以适当提高车速,提升泊车效率,但车速稍做提高,车辆动态响应的稳定性便不可忽视。因此简单的稳态运动假设不能很好地适应相对高速或车速变化较大的场景,也不利于泊车过程中的车速控制。因此,本文在上述考虑的基础上重新建立了泊车动力学模型,较多地反映了车辆倒车的动态响应,解决了相对高速下车辆泊车稳定性控制问题;本文首先通过类比正向行驶,建立了倒车单轨模型,充分比较了正逆向性行驶时车辆动力学的区别,分析得出了倒车时系统的不稳定性结论;利用状态反馈的控制方法将车辆横摆角速度和侧向速度反馈于前轮转角,将系统闭环极点纠正到负半轴,实现了车辆倒车的稳定性;闭环极点的调节也综合考虑了系统响应速度和车辆转向结构限制,最终使得系统不仅稳定,而且趋近实际车辆倒车时的运动特性,保证了车辆倒车轨迹跟随控制所需的系统动态稳定性。最后建立了基于倒车动力学模型的模型预测控制方法。本文将倒车动力学模型带入到模型预测控制,充分考虑了系统的动态特性,提高了泊车系统对车速的适应性,也提高了泊车系统的鲁棒性和平顺性,使得系统在提高车速后仍能保证较好的控制效果。