在自动泊车系统中,有许多关键问题亟待解决,如何快速、准确地检测和定位车辆周围带有停车位标识线的空停车位便是其中之一。传统的基于视觉的停车位检测方法具有检测精度不高、检测场景固定、对环境要求高、泛化能力差的缺点,为解决上述问题,将卷积神经网络用于空停车位的检测和定位。首先,采用张正友标定法对四路鱼眼相机进行标定,利用基于鱼眼标定的畸变矫正模型对鱼眼图进行畸变矫正。实验结果表明,标定参数准确,畸变矫正效果良好;研究像素坐标系与车辆坐标系之间的转换关系,实现基于坐标转换的单目相机平面测距,测距误差在5cm以内,达到自动泊车系统要求。针对空停车位检测任务,设计适用于空停车位检测任务的深度卷积神经网络并构建空停车位数据集,该数据集由16000张RGB彩色鱼眼图像组成,包括空停车位、T型车位角、L型车位角三种类别,并进行人工标注。在空停车位数据集上训练空停车位检测模型,并在测试集中进行检测实验。实验结果表明,空停车位检测模型检测的准确率为98.7%,漏检率为0.9%,单张图片的检测速度为19ms,模型具有良好的检测效果。针对车位角中心点定位任务,基于对单个像素点进行回归的思想,提出用于车位角中心点定位的浅层卷积神经网络,并制作车位角中心点数据集。车位角中心点数据集包括10000张彩色图片,并进行人工标注。在车位角中心点数据集上训练车位角中心点检测模型,并进行检测定位实验。实验结果表明,对数平均漏检率为0.40%,单张图片检测速度为18ms,车位角中心点定位误差在2.5cm以内,相对传统的检测方法,车位角中心点检测模型具有更高的检测和定位精度及更快的检测速度。最后将鱼眼图畸变矫正、基于坐标转换的平面测距、空停车位检测模型以及车位角中心点检测模型四个模块融合,提出自动泊车空停车位检测和定位算法,并在实车上开展实验。实验结果验证了自动泊车空停车位检测和定位算法的正确性和可行性。在实车自动泊车过程中,算法可实时地准确检测和定位空停车位,且可以检测和定位不同路面下的停车位,具有很强的泛化能力。