作为人工智能问题之母的“自动驾驶”一直处在人工智能浪潮的风口浪尖。根据调查显示,目前所有的智能驾驶辅助系统(ADAS)中,自动泊车成为用户最为迫切需要的智能驾驶辅助系统。但目前搭载自动泊车系统的量产车大都以超声波作为车位检测手段,由于超声波检测车位只能识别出两端有车的车位而不能识别出路面上的停车位,因此在应用场景上具有很大的局限性。此外,现有的车位检测算法大都采用传统的图像处理方法,算法精度低且鲁棒性较差,因此至今没有大规模应用到实际场景中去。随着图像处理技术的发展,全景环视系统慢慢成为中高端车型的标配,而以车载环视系统为基础的车位线识别方法应用到自动泊车系统之中渐渐成为未来的发展方向,因此提高基于全景环视系统的车位识别精度对于完善自动泊车系统有着十分重要的意义。首先,本文采用Prescan软件搭建场景并进行算法验证,利用仿真软件设置了四个大广角鱼眼摄像头,搭建了多种复杂的场景来验证环视拼接算法与车位识别算法的效果,并将采集到的数据作为应用深度学习进行感兴趣区域提取的训练样本。其次,本文针对车载环视系统拼接时图像配准流程复杂的问题进行了改进,针对双经度模型算法流程中人工取点易产生精度误差的问题,加入了Harris特征检测的方法自动提取特征点,并使用OpenCV进行标定求解相机内外参数。然后,本文提出了一种全新的感兴趣区域提取方法,利用深度学习中的语义分割方法动态地提取出整幅图像中的单个车位部分,该方法同时输出矩形框与像素级标记。其中矩形框用来提取与车身平行的车位,而像素级的标记用来提取与车身存在一定倾角的车位。最后,本文设计了一套全流程的图像处理方法来检测车位角点,先通过对比度增强方法提高车位与无关背景的对比度。然后,分别利用边缘检测、Hough变换以及无监督学习的方法提取出最后的车位四个角点,实现车位识别的功能。