自动泊车系统使用不同类型的传感器来获取车辆及其周围环境信息，为系统做出泊车策略提供依据。自动泊车系统中，使用视觉传感器可以获取其他传感器无法获取的图像等信息，而目前使用视觉传感器的自动泊车系统较少，国内在这方面的研究也较少。在此基础上，本文进行了应用机器视觉获取车辆位姿算法的研究。使用机器视觉获取空间位置的方法，根据摄像机数量可分为单目视觉、双目视觉和多目视觉。由于单目视觉计算空间位置需要精确的摄像头运动参数，而其获取相对困难，双目视觉与多目视觉均采用固定位置的摄像机。本文使用双目视觉方法进行车辆位姿计算。使用双目视觉进行空间位置计算，首先要获取双目摄像机参数。摄像机标定算法可分为传统标定算法、自标定算法、基于主动视觉的标定算法等。其中，传统标定算法需要标定物，标定过程复杂，但标定精度较高；自标定算法不需标定物，方便灵活，但精度不足、稳定性和鲁棒性不好；主动视觉标定算法基于摄像机运动的主动控制，鲁棒性好。由于本文的双目摄像机位置、焦距等都是固定的，进行一次离线标定即可，因此选择使用传统标定算法获取摄像机参数。传统标定算法有TSAI标定算法、张正友标定算法等多种算法。为了获取适合本文使用的摄像机参数，本文分别使用了上述两种方法进行标定，通过实验验证张正友标定算法的精度较低，而TSAI标定算法需要已知光心位置，其准确度直接影响标定精度。为了获取光心位置，本使用了文献[43]提出的传统标定算法，将其获得的光心位置代入TSAI标定算法重新标定。应用实践表明结合文献[43]的和TSAI的算法可以获得较高的摄像机参数标定精度。获取摄像机参数后，要计算车位空间位置，还需要在双目图像中提取车位特征点。本文取车位特征点为车位的四个角点，由于车位具有明显的形状特征，使用形状特征提取算法提取车位特征，主要步骤包括边缘特征提取、四边形特征提取、直线特征提取。之后根据车位的矩形特征，利用直线相交确定角点。本文运用一种基于相关性的统计算法，能够在存在畸变的图像中从四边形边缘中较完整的提取车位线。实践表明，该方法能够比较准确地提取车位特征点。利用双目视觉模型和车位特征点即可进行车位位置计算。由于车位远近位置不同，导致其在图像上的视差大小不同，特征点三维坐标计算精度也会不同。本文分析了空间点在不同空间位置的三维坐标计算精度。由于摄像机分辨率的限制，当空间点较远时（4m以外）三维坐标计算结果误差较大。为了提高空间点的三维坐标计算精度，本文提出了利用车位几何不变性以车位点成像的矩形特征为目标进行优化以提高车位点三维坐标精度的方法，优化算法采用遗传算法。首先验证车位点三维计算结果是否满足矩形特征约束，若不满足，则在其附近空间区域利用遗传算法搜索满足车位特征约束和图像约束关系的最佳位置。在以上研究的基础上，开展了一系列地面点和车位的机器视觉成像实验。结果表明，利用本文提出的方法可以在车辆中心与车位中心相距5-10m范围内用双目视觉较准确的获取车辆相对于车位的位姿信息，且计算精度随着车辆与车位的接近是收敛的，可以满足自动泊车对车辆位姿获取的要求。