参考采用多个超声波传感器和编码器获取车辆周边障碍物及停车位的信息。考虑到测量的误差、车辆转向角和速度不可突变、转向角不可过大、倒车过程中不可发生碰撞及环境可能发生变化等限制条件，先将车辆停在合适的起始位置，然后按设计好的控制函数对转向角和车速进行控制，将车辆驶入停车位。由于车位尺寸的限制及测量误差的影响，车辆很难通过一步操作就达到目的位置，所以需要通过实施的测量车位信息，经过车辆的向前、向后多次的移位后，才能将车辆位置调整到目的位置。这个方法在LIGIER自主车上进行实验。实验结果表明，LIGIER能动态修正车位长度，并完成泊车操作。
斯的母公司Toyota以及Aisin Seiki合作研发，采用了Dens。公司的超声波传感器和Aisin基于摄像头的图像识别技术。此系统配置了超声感应装置—车头六个感应头，车尾四个，目的是能准确检测车辆位置。图像识别上，其图像采集来自后置摄像头，Aisin通过色彩对比技术增强了该系统的空间识别性能。在开始泊车前，驾驶者需通过触摸屏确定泊车方式以及调整停车位的位置。设置好后，驾驶者按下“OK按钮，把手从方向盘上拿开，由驾驶者控制车辆的倒车速度,自动泊车系统控制车辆的转向，借助后视摄像头、超声传感器以及转向系统中的电子马达。将车驶入停车位。这个过程中，驾驶者可以通过踩刹车或转动方向盘中止自动泊车。
本文中使用的模糊控制方法，在模型小车上实现了自动泊车功能。模型小车与线,配置了三个超声波传感器和一个编码器。整个泊车过程分为四个步骤:首先，车辆前行，检测车位;然后，车辆到达泊车操作的开始
位置，接着，车辆以‘S’形轨迹，倒入车位;最后，车辆调整位置，到达目标停车位。在整个泊车过程中，将人们的泊车经验以模糊规则形式表示出来，构成模糊控制器，以控制车辆完成直线前进和‘S’形倒车操作。
世界汽车工业已有百年历史。在新世纪，随着计算机、通信、控制、传感器技术的发展，新型汽车日益趋向智能化。当前，汽车的智能化成为汽车工业发展的热点之一。对于汽车智能化的研究，主要有以下几个方面内容：
1.智能化的信息系统。为驾驶者提供丰富的交通信息。如GPS导航系统，可为驾驶者提供方位信息，并可给出到达目的地的路径。
负责拍摄停车位前端车辆的图像;另一个摄像头装在车后部，源自文库责拍摄停车位后
端及侧面路肩的图像。图像经过预处理后，得到前后车辆及侧面路肩的边缘信息。
通过计算边缘与参考点的距离(以像素为单位)，估测车辆的位置。使用模糊控制
文中所讨论的问题与实际相似，也是利用摄像头采集的信息将车辆驶入标志线划分的长方形区域中。此文在图像处理时，使用了离散小波变换(DWT,discretewavelet transformation)以减少数据量。使用SOM (self-organizing map)神经网络和模糊控制，实现对车辆的控制。
当今社会有一种利用超声波传感器的测量数据，以网格EM形式表现智能车周边环境信息的方法，并将此方法应用于车辆导航、车辆避障和平行泊车上.网格图以智能车的位置为中心，按与智能车的距离大小，把网格图分成三部分:离车身最近的区域，每个网格面积小，分辨率高;离车身较远的区域，网格面积较大，分辨率较低:离车身最远的区域，网格面积最大，分辨率最低。传感器探测到障碍物，则将网格图相应网格填充，表示此处有障碍物:当智能车运行时,网格图中表示为障碍物的移动。每一个网格中的障碍物有一个生存期，在传感器不能检测到障碍物时，障碍物并不马上在图中消失，而是要经过一段时间后，确定障碍物不再存在，才从图中消失。在讨论平行泊车问题时，使用的是路径规划的方法，倒车的路径由两个圆弧和一段线段组成。
（1）模糊控制不需要被控对象的数学模型。模糊控制是以人对被控对象的控制经验为依据而设计的控制器，故无需知道被控对象的数学模型。
（2）模糊控制是一种反映人类智慧的智能控制方法。模糊控制采用人类思维中的模糊量，如“高”、“中”、“低”、“大”、“小”等，控制量由模糊推理导出。这些模糊量和模糊推理是人类智能活动的体现。
随着过去几十年汽车工业的快速发展，现今的发达国家汽车普及率已非常高了。在发展中国家，近年的汽车市场也增长得非常快。由于车辆的日益普及，现代都市中“停车难”问题逐渐显现，停车车位供不应求。为了缓解这一问题，停车场需要在有限的空间内划分出更多的车位，这样一来，每个车位的空间就相对窄小了。在窄小的空间进行倒车入位操作，对驾驶者来说，是一个不小的挑战。
田(Toyota)公司首先在其Prius混合动力车型上配置了智能泊车系统:2007年,又在新款LS460轿车上使用了自动泊车系统;2006年，本田(Honda)公司宣布在改进款life车型上提供智能泊车辅助系统:2006年，法国的汽车零部件供应商法雷奥( Valeo)公司发布了其第一代自动泊车系统(Park4UlM )，并己在大众(Volkswagen)公司的途安系列车型中应用;BMW也在测试类似的统:SiemensVDO公司正在开发名为Park Mate的自动泊车系统，预计2008至2009年推向市场。
如果在泊车的过程中，有智能系统的协助，将大大降低泊车的难度。自动泊车系统的概念由此而生。一个性能良好的自动泊车系统，可以帮助驾车者安全、快速地完成泊车的操作。节省了时间，减轻了驾车的压力。更重要的是，降低了泊车过程中车辆发生碰撞的可能性。一个低成本、高性能的自动泊车系统拥有良好的市场前景。
本文中所用的方法，用网格图的方式记录车辆周围的环境信息。在控制方法上，使用了模糊控制方法。
本文将模糊控制和滑动模式控制(SMC, sliding mode control)结合，用于车辆的轨迹跟踪控制。并使用模糊增益调度方法(fuzzy gain scheduling)，从典型轨迹集中，生成车辆的参考路径。
据。控制器的设计上，给出了两种控制方法:一种是纯粹使用神经网络控制;另一种是将模糊控制和神经网络控制相结合.
所描述的平行泊车方法相似，也是基于超声波传感器和编码器获取环境信息。此文中选择两个圆弧相切而组成的‘S’形路径作为倒车的轨迹。文中还提出“禁区”( forbidden area)的概念，当车身参考点进入禁区，则表明车身至少有一个部位与障碍物发生了碰撞。所以，车辆倒车的路径，应保证车身参考点不进入禁区。
在自动泊车系统中，停车位的检测是一个重要的问题。文献[16, 17]对这个问题进行了研究，分别使用激光雷达和超声波传感器，实现停车位的检测。
本文对自动泊车系统的整体结构进行了论述。对传感器的选择、方向盘的控制、泊车控制方法、人机界面的设计等问题进行了分析.
在控制方法上，主要分为两类:一种是按参考路径进行泊车;另一种是将驾驶者的倒车经验，以模糊规则的形式表现，设计模糊控制器。随着图像处理、识别技术的发展，有一些学者开始研究图像传感器在自动泊车系统上的应用问题。
现代社会汽车的使用已经相当广泛。而每一个司机都会面对倒车问题，有经验的司机能够快速、准确的将汽车停到指定的位置。然而多数的司机尤其是一些刚刚考到驾照的新手们尤其对停车的问题十分烦恼。在准确性和速度之间往往很难同时满足，设想如果能有个智能装置，根据当前的车速和位置能够自动将车停到合适位置，且又同时满足快速性和准确性。本课题正是基于以上的设想，结合我们最近学习的模糊控制的相关知识以MATLAB为软件平台，搭建一个基于MATLAB的自动倒车模糊控制系统。
2.智能化的安全系统。使驾驶过程更安全，减少交通事故发生的频率，降低事故的危害。如ABS（防抱死刹车系统）和ESP（电子稳定程序），二者结合可使车辆在各种情况下保持最佳的稳定性。
3.智能化的节能系统。实现降低能源消耗、减少环境污染。如混合动力车的出现，有效地提高了能源利用率。
4.智能化的辅助驾驶系统。指导、协助驾驶者完成驾驶任务，进而完全实现车辆的自主驾驶。如ACC（适应型巡航控制）、ICC（智能巡航系统）和国内外一些高校研制的陆地自主车（ALV）。
本文描述了一种模糊控制方法，实现在狭小空间的平行泊车。与所述方法相同的是，把泊车过程分解为扫描车位、到达起始点、倒车入位等步骤:不同的是，每一步的控制又分为若千个子过程，每个子过程只控制车辆的一个状态量，在一个状态量接近目标值时，再控制另一个状态量，使其也接近目标值。
在泊车的过程中，主要有两个状态量:车身偏向角和车辆位置。这两个状态量是相互藕合的，不能完全独立地进行控制。但在一些情况下，对各状态量轮流进行控制，可使各状态量收敛于日标值。文献[10]还考虑到自动泊车模糊控制跟的最优化和可移植性问题。即当车辆的特征参数(车身长度、宽度、轴距等)改变时，如何对模糊控制器的参数进行调整，以获得合适的控制器，达到应用要求。文中提出了一种利用遗传算法对模糊控制器的参数进行优化的方法。在车辆特征参数改变时，可使用此方法获得性能优良的模糊控制器。这种方法主要通过调整隶属度函数和比例因子实现模糊控制器的优化。
现如今专家提出了一种新的基于传感器的智能车位系统结构。智能车可在动态的部分信息可知的环境下，实现自主运动。此文的创新点是，建立一个数据库，管理各种常见的基于传感器的操作规则（SBM，sensor-based maneuver）,SBM以脚本形式保存。对于智能车需要执行的任务，首先分解成若干条SBM，形成参数化运动计划（PMP，parameterized motion plan）;然后由执行机构实现各条SBM，如果在某SBM执行过程中，出现异常情况，如检测到前方有障碍物等，则修改PMP或重选SBM，以适应外界的变化。执行完PMP,就完成一项任务。此文将轨迹跟踪和平行泊车作为SBM的两个例子，通过在自主车上进行的实验结果，说明此体系结构的可行性。这里的自动泊车操作，正是使用了文中所描述的方法。
以往的各种传统控制方法均是建立在被控对象精确数学模型基础上的，然而，随着系统复杂程度的提高，将难以建立系统的精确数学模型。在工程实践中，人们发现，一个复杂的控制系统可由一个操作人员凭着丰富的实践经验得到满意的控制效果。这说明，如果通过模拟人脑的思维方法设计控制器，可实现复杂系统的控制，由此产生了模糊控制。模糊控制是建立在人工经验基础之上的。对于一个熟练的操作人员，他往往凭借丰富的实践经验，采取适当的对策来巧妙地控制一个复杂过程。若能将这些熟练操作员的实践经验加以总结和描述，并用语言表达出来，就会得到一种定性的、不精确的控制规则。如果用模糊数学将其定量化就转化为模糊控制算法，形成模糊控制理论。
技大学等几所高校共同研制开发的7138系统;清华大学的THMR-III和THMR-V
自主车:吉林大学的JUTIV-11系统等[2a1.自动泊车系统可以认为是陆地自主车
（3）模糊控制易于被人们接受。模糊控制的核心是控制规则，模糊规则是用语言来表示的，如“今天气温高，则今天天气暖和”，易于被一般人所接受。
（5）鲁棒性和适应性好。通过专家经验设计的模糊规则可以对复杂的对象进行有效的控制。
