为了解决智能车辆在全球定位系统（Global Positioning System， GPS）信号缺失的地下停车场中的定位与路径规划问题，本文使用双目离线建图、单目在线定位的视觉方法在场景中进行定位，并使用改进的路径规划算法规划全局行驶路线。首先，利用双目相机在地下停车场中的多个节点位置进行场景采集，节点的不同信息分层存储入视觉多层级地图。然后，利用单目相机进行由粗到精的地图匹配和位姿计算实现快速高精度定位。最后，使用改进的路径规划算法在地图中对各路口位置进行检测并生成路口路径图（Intersection Roadmap， IRM），全局可行驶路线根据定位结果和路径图规划得到。实验结果表明：使用单目相机的视觉定位平均误差为1.3 m，平均误差率为7.4%，基于路口路径图的规划算法相比概率路径图（Probabilistic Roadmap， PRM）算法，规划时间由5 s左右缩短至0.2 s以内，路径长度缩短了约9.56%。定位导航系统能够实时准确地实现车辆在停车场环境中的定位与路径规划，具备良好的实用性。

由于室内环境复杂，基于Elman神经网络的可见光位置感知存在收敛速度慢、定位精度低等缺点。论文提出基于麻雀搜索算法（sparrow search algorithm, SSA）优化Elman神经网络，同时融合K-means聚类的一种可见光室内位置感知算法。对采集到的数据建立数据库，利用SSA对Elman的拓扑结构和连接权阈值进行优化，建立训练模型，解决基于Elman神经网络室内位置感知算法易陷入局部最优的问题，提高收敛速度和稳健性；利用K-means对数据库优化分类，将处理好的数据代入模型训练得初步预测结果；将初步预测结果代入子类二次训练得预测点的最终坐标，进一步提高定位精度。基于0.8 m×0.8 m×0.8 m的立体空间进行实验，结果表明：论文算法平均定位误差3.22 cm，定位误差小于6 cm，概率达到90%，相较SSA-Elman算法定位精度提高7.5%；相较Elman网络算法定位精度提高16%。