随着我国汽车产业化速度的加快，近年来汽车产销量稳居世界第一，与此同时汽车保有量随之逐年增加。由于我国基础设施建设水平与汽车数量增长速度之间的不匹配，汽车数量的爆炸性增长在有限的空间内使公路、街道、停车库变得拥挤不堪，带来的突出问题之一就是停车难。通过对交通事故产生原因的分析和生活中泊车入位经验的积累，泊车难点主要包括：存在驾驶员视野盲区，影响判断；驾驶员操纵车辆多次前后移动容错率低；受车位空间影响，局限性大。

车辆泊车时，后方存在视线盲区，虽然有些车辆装配倒车雷达、倒车影像，但是对于驾驶新手来说，仍需自己操作方向盘，控制刹车、档位，成功停车入位仍是不小的负担与挑战。

而自动泊车系统（AutomaticParking System,APS）作为高级驾驶辅助系统（Advanced Driver Assistance System，ADAS）的重要组成部分，能自动寻找停车位，泊车过程无需驾驶员操纵方向盘、观察周边环境情况，实现无碰撞地成功泊车，为司机尤其是一些驾驶新手节省大量的时间与精力，极大地弥补驾驶员因泊车经验不足而导致的碰撞事故；同时还可以降低汽车燃油消耗，规范泊车也必然会节省停车空间，改善杂乱无章的泊车环境。

在中国的汽车市场中，由于国外技术垄断，配置自动泊车辅助系统的汽车价格较高，因此对自动泊车辅助系统的自主研究具有现实意义。且由泊车导致的大量交通事故和消费者对泊车入库过程中汽车主动安全的诉求，引起了汽车领域的广泛关注，研发一套用于降低泊车难度、提高汽车安全性的自动泊车辅助系统迫在眉睫。

1.2 国内外研究现状

国外对于自动泊车的研究起步较早，领先国内研究十余年的时间，所取得的成果也比较丰硕。目前关于自动泊车的研究主要集中于两大类：

一类是基于智能算法的泊车控制策略，把有经验的驾驶员泊车行为转化为泊车控制器，将车辆的实时车速和相对泊车位的位置作为系统的主要输入量，控制车辆方向盘转角来实现泊车入位。Sugeno M, Murakami K^[1]于1984年基于熟练驾驶员泊车经验设计了模糊逻辑控制器，并利用模型小车成功完成了泊车试验。林瑞焱木等^[2]通过分析不同的泊车情景，在模糊逻辑的隶属度函数和控制规则的设计上考虑了小车泊车过程中的操纵差异，允许小车正向行驶，增加了汽车和车位的级向距离作为模糊逻辑控制器的输入，同时，在转向角的基础上增加了速度作为输出，提高了该模糊逻辑控制器控制能力和精度。Zhao Y N等^[3]针对狭小泊车环境情况，在车辆与车位的位置关系上融合了类车机器人平台上的里程计和16个超声波传感器信息，并依据该信息实现了泊车的模糊逻辑控制器。于伟等^[5]利用遗传算法对输入输出变量的隶属度函数进行优化，实现了基于模糊逻辑控制方法的泊车运动轨迹一定程度上的优化^[4]。杨昔阳等人结合卡车倒车的控制模型，设计了一种基于变论域理论的自适应模糊控制器用于泊车，仿真结果表明该控制器的控制效果灵敏且无超调。Ozkul等^[6]研究出一种基于视觉信息的模糊控制泊车辅助系统，通过模糊控制算法对摄像头输入信息进行处理从而确定泊车过程中车辆的转向角度和车辆的行驶速度。李占江^[7]对三种形式的泊车位的熟练驾驶员经验设计了模糊控制器，并且通过遗传算法对该模糊控制器的参数进行了搜索和优化，自动完成了模糊控制器的设计并实现了仿真。吴冰等^[8]基于RBF网络和模糊神经网络设计了泊车控制器，但其将汽车泊车过程中的速度考虑成匀速，泊车起始的位姿状态考虑成与水平方向上夹角为零的情况。Zhao Liang等^[9]将模糊控制技术用于四段式泊车路径的轨迹跟踪过程中，仿真结果显示该方法比PID控制更加快速、精确。任坤等^[10]利用机器视觉技术，结合人类驾驶经验设计了模糊還辑控制器控制车辆泊车。夏增辉等^[11]提出了一种基于变论域理论的自适应模糊控制器，结果表明该控制器控制效果较为灵敏。董航瑞^[12]将自动泊车分为3个阶段，在不同阶段通过将熟练驾驶员的泊车经验转化为泊车路径，并通过无模型自适应控制对恒速和变速两种泊车情况进行了仿真。

第二类是根据泊车环境建立地图，然后进行路径规划和对路径的跟踪控制，这方面的研究主要根据停车位空间所呈现的几何形状，将运动车辆作为对象，对其建立运动学模型，通过添加运动学参数约束、碰撞等约束，依据一套车辆运动控制算法解算出参考路径控制车辆，最后利用实时的车辆状态反馈信息进行轨迹跟踪控制，使汽车能够按照规划的路径泊车入位。Richard M. Murray等^[13]采用正弦曲线分别在开环和闭环状态下对非完整约束的泊车路径进行了研究。J. A. REEDS等^[14]提出了圆弧与线段平滑相接的泊车路径，并对车辆前进和后退过程中的最优路径进行了规划。J Jiang K等^[15]在汲取人类驾驶员经验的基础上，将车辆进行平行泊车的路径简化为两段圆弧，然后设计了方向盘转角时变函数、速度时变函数将路径时间序列化，最后通过对小车转向电机、驱动电机进行跟踪控制实现平行泊车的模拟。Gomez-Bravo F等^[16]通过用B样条技术，对基于圆弧曲线的泊车路径在不同阶次上进行了平滑，但并未给出选择B样条曲线阶次的原因。Emese Szacute; adeczky-Kardoss等^[17]详细介绍了连续曲线路径规划方法和基于跟踪控制器时域尺度变化的解决方案，在装有EPAS的车辆上有很好的效果。吴锴^[18]将汽车的泊车过程分解为四个阶段，采取模糊逻辑控制对各个阶段进行模拟控制，同时基于遗传算法对其进行了优化，通过Matlab/simulink仿真验证了算法的有效性，但也没有给出到各个阶段之间是如何完成切换以及四个阶段的划分依据。Demirli K等^[19]为了避免泊车过程中需要停车进行原地打方向盘的情况，采用五阶多项式函数设计路径曲线以实现泊车路径曲率的连续性，并通过神经-模糊控制建立的泊车控制器控制车辆按照多项式曲线路径行驶，但作者依旧没有给出选取多项式函数的依据，同时由于五阶多项式曲线局部的相关特性使得这种方法需要较大的泊车空间。李建锋^[20]设计了基于贝塞尔曲线的泊车路径，并且利用PID实现了对泊车位姿状态的跟踪。宋金泽等^[21]针对平行泊车和垂直泊车分别利用两段圆弧和一段圆弧对泊车的避障空间进行了分割，同时融合车辆动力学模型以及约束设计了基于4阶B样条曲线的泊车轨迹，通过选取泊车轨迹曲率作为优化目标，通过非线性规划方法解出了B样条轨迹的参数，完成平行泊车轨迹规划，但送种方法在进行参数求解时，需要对曲线进行时间维度的采样，求解时间对采样和结果精度要求较高。朴昌浩^[22]通过多加入一段曲线解决了车辆初始状态与车位非平行情况下的平行泊车。Kim D. ^[23]在已知Reeds-Shepp路径组成的前提情况下，利用Minkowski Sum技术在生成的无碰撞区域内选取最优路径，但这种方法没有考虑线速度等动力学约束。丁飞^[24]规划了一种四段式泊车轨迹，通过设计了路径的选择规则，减少了车辆位姿的调整，能够满足了大部分起始位置下的泊车。Hélène Vorobieva和Jong Min Kim等^[23-24]采用回旋曲线理论将不连续的几何路径圆弧连接成为平滑的连续曲线，根据车辆初始位置和方向的不同，规划出的路径也各不相同。黄迅^[25]采用了回旋曲线对泊车不同阶段的圆弧曲线连接点进行了平滑，避免了泊车过程中的停车，并且推导出了最小有效车位，同时采用模糊控制器抑制了航迹推算的累积误差。Cheng K等^[26]虽然利用连续曲率的曲线进行狭小范围内的泊车轨迹规划，但是借鉴了先验知识将泊车分解为两个阶段。Zips P等^[27-28]过龙格库塔法将路径离散化，在每一个路径离散点利用序列二次规划方法（SQP）进行非线性规划，虽然能够动态规划实时生成轨迹，但其同样借鉴了人类泊车经验的启发将泊车过程进行两步划分以简化轨迹规划。Hélène Vorobieva等^[29]将回旋螺线应用于泊车路径曲率连续的优化过程中，并用模型车进行试验证明了该路径的可行性。清华大学的YangYi等提出了一个新的曲线元素——“线性转向螺旋”，并在此基础上建立了一个进行平滑路径搜索和优化的路径规划方法，并通过一个闭环控制器来处理系统误差，仿真实验证明了该方法的有效性。

以上两类方法各有优劣：

基于智能算法的泊车控制策略方法，由于没有预先设定车辆泊车轨迹，因此可以在车辆泊车过程当中灵活、实时地调整泊车控制参数，能够及时补偿泊车过程当中由于不稳定因素产生的系统误差，具有较强的稳定性和适应性。但是，如何获得大量的驾驶员倒车数据并将其抽象为可用于自动泊车控制策略的数学方法成为一个难题;对泊车轨迹的实时调控增加了控制器的设计难度，也给该类算法向实际应用中移植产生了难度。