泊车AGV(自动导引车)是为解决城市发展中的停车问题而设计的一种新型移动机器人。由于它能有效节省泊车空间、提高泊车效率,因此被越来越广泛地应用到了平面停车场和立体车库中。但是,现有的泊车AGV系统需要用户主动调整车辆位姿,将其准确开到指定的机械平台上,这在一定程度上增加了泊车难度和泊车风险,降低了泊车体验,限制了泊车的灵活性。针对这些局限性,本文确定了以全局视觉系统和泊车AGV局部系统组成的车辆位姿检测系统方案。为了确保目标车辆在泊车AGV上传感器的视野范围之内,本文利用全局相机,对目标车辆在泊车缓冲区中的位姿进行了粗估。考虑到泊车的安全性,本文基于混合高斯模型,对泊车缓冲区中的动态物体进行了有效检测。当泊车缓冲区处于静止状态后,对目标车辆的外形轮廓进行了提取,并基于轮廓的中轴线,过滤了后视镜等车身突出轮廓点,拟合了车辆矩形特征。结合泊车缓冲区边框角点和目标车辆矩形角点,完成了对目标车辆位姿的粗估,之后调整泊车AGV的初始位姿,实现了泊车AGV和目标车辆的粗对齐。针对传感器在泊车AGV上的安装高度很低,传统的车辆位姿估计算法无法应用的问题,本文提出了基于车轮点云对称性特征的车辆位姿精确估计方法,并基于二维激光雷达论证了这一方案的可行性。为了获取更高的精度和更稳定的结果,本文利用三维激光雷达作了更进一步的研究。由于目标车辆点云是非地面点云的一部分,本文提出了网格法和SVM(支持向量机)分类器相结合的地面点云分割算法,在分离地面后,利用悬空物提取算法和欧氏聚类算法,对扇形兴趣区域内的车轮点云进行了有效提取,并基于ICP(迭代最近点)算法校正了车轮点云的对称面,完成了对目标车辆位姿的精确估计。同时,采用SAC-IA(采样一致性初始配准)算法和ICP算法结合,将任意位置的车轮点云和零点位置的车轮点云配准,并基于配准的欧氏适应度评分,评估了算法精度。最后,本文搭建了实验平台,进行了实验测试和算法验证,并基于ROS(机器人操作系统)和QT,设计了上位机软件。