技术目标：（1）研究基于机器视觉和智能计算的车位匹配方法，为当前车辆匹配最合适的空车位，并给出最优的线路规划导航，解决停车难、耗时长的问题，提升停车的时效性，增强行业竞争力。（2）开发相关系统并撰写相关论文3篇。
技术内容：（1）运用机器视觉技术，实现空车位的实时检测，包括车位类型和位置信息，并在系统中进行标注；（2）构建车位匹配模型，提出基于智能计算的车位匹配算法，根据实际场景对车位匹配问题进行建模成序列决策问题，并采用强化学习训练求解该模型；（3）运用路径规划技术，综合考虑路径畅通度，设计并规划合理的行驶路径，提升停车效率。
技术方法和路线：（1）拟运用深度学习中YOLO算法和卷积神经网络实现车位类型和位置的实时识别，并通过无线通信模块上传到上位机；（2）构建一种车位匹配问题模型，车位和车辆均各自具有以下属性：ID、类型、大小和位置，对匹配结果的优化即为对序列的优化，综合考虑空车位与车辆的实际距离以及路径通畅度，寻求一种空车位与车辆的序列配比，使得尽可能降低停车的冲突性；（3）拟运用Astar算法和智能搜索算法相结合，根据车位匹配整体规划构建最优的路径线路导航。