当前汽车智能化技术飞速发展，智能停车系统作为智能汽车的重要组成部分，深受国内外科研机构和工程技术人员的关注。停车位智能化识别作为自动泊车系统的一项关键技术，主要用于识别车位周围环境和车位类型。随着智能停车位系统自动化程度不断提高，对车位识别技术的智能化要求也越来越高。

智能停车位系统的车位识别技术主要有两种

第一种由驾驶员通过按键选择停车位类型，然后系统决策模块按照驾驶员选择的停车位类型，分析环境感知模块探测的停车位空间参数是否满足条件，如法国学者Laugier、韩国学者park、吉林大学尚世亮等通过研究基于超声波传感器的检测算法，来判断车位参数是否满足设定的停车位类型要求。

第二种是在有标准车位线的场景下，系统决策模块依靠摄像头对车位线进行识别和检测，判断停车位类型。如德国学者Daxwanger、英国剑桥大学Ozkul、台湾学者Chao、浙江大学张聪等研究不同的视觉检测车位线算法，通过计算4条车位线包络形成的形状，实现对停车位类型的判断。但上述两种车位识别方法均有局限性，第一种车位识别方法的智能化程度不高，仍需要依靠驾驶员肉眼观测来选择车位类型。第二种车位识别方法的应用场景必须要有标准车位线，在没有标准车位线的情况下，摄像头无法识别出停车位的类型。

智能停车位系统感知技术基本原理

在现实生活中，由于每个驾驶员停车水平和驾驶习惯存在差异，导致停车姿态各不相同，因而经常会出现不规则停车位。在没有标准车位线的辅助下，不规则停车位的边界特征较为复杂，现有的无感停车位识别技术无法识别出停车位类型，使很多不规则停车位资源难以利用，驾驶技术不太好的驾驶员只好通过巡游来寻找规则或宽敞的停车位，从而造成燃油和时间浪费。

近年来，多传感器信息融合技术开始受到自动泊车和移动机器人导航研究人员的关注。台湾学者Hsu等基于摄像头、超声波雷达、惯性导航系统和GPS，通过多传感器信息融合方法实现了对1.5倍车长的停车位识别;浙江大学的王飞文等通过融合摄像头和超声波信息，提出了基于泊车车位模型和泊车位车道线模型的泊车位检测方法;武汉理工大学赵玲利用神经网络算法融合视觉和距离信息，实现了机器人自主巡航。然而，现有技术仍然无法识别非标准或没有车位线的不规则停车位，对不规则停车位的识别方法研究也未见报道。

为了提高智能停车场资源的利用率以及自动泊车系统的智能化程度，通过融合超声波传感器、视觉信息传感器和里程计的实时数据，构建停车位周围环境感知和辨识模型，运用Mamdani模糊推理提出一种自动识别车位类型的方法。他们将自主开发的自动泊车系统搭载于某轿车进行试验，试验结果表明，该泊车系统对规则和不规则车位的自动识别正确率为88%～98%，平均值为92.8%，从而验证了车位智能识别方法的良好效果。通过仿真和实车试验，验证所提出的智能化车位识别技术的有效性。