近年来,随着经济的发展,人民生活水平的不断提高,汽车保有量逐年升高。截至2020年底,我国汽车保有量达2.81亿辆,进一步加剧泊车困难。虽然已经有部分车辆搭载了自动泊车系统,但其泊入成功率低、实用性差。现在自动泊车系统存在的主要问题是其车位检测技术无法同时适用于带有车位标记线的结构化泊车场景和不带车位标记线的非结构化泊车场景。本课题来源于某企业智能物流车研发项目,针对上述问题,展开适用于多场景的车位检测算法的研究与应用。本文提出一种新的车位检测方法,不依赖多传感器融合技术,以车载的4路鱼眼相机的图像作为输入,通过语义分割算法,将自动泊车场景进行分割,根据分割结果进行车位检测。具体研究内容如下:（1）基于机器视觉理论研究车载鱼眼相机的内参标定、图像畸变矫正和外参标定算法,同时研究基于单目鱼眼相机的平面测距算法,并进行车载鱼眼相机标定实验。（2）针对自动泊车场景分割任务,构建自动泊车场景分割数据集,数据集样本中包括自由行驶区域、车位标记线和车辆三个类别。（3）基于Bi Se Net网络和Deep Lab V3＿plus网络设计2组共计8个自动泊车场景分割模型,在构建的数据集上进行训练。对设计的模型进行分割实验,根据评价指标选取性能最优的模型,用做后续车位检测算法的语义分割模型。（4）基于自动泊车场景分割结果,研究基于垂直网格搜索的车位检测算法和基于Radon变换的车位检测算法,并通过车位检测实验,选出较优算法用于实车实验。（5）研究视频流数据压缩算法,探索构建基于Ray分布式架构的端-云协同的计算集群,搭建硬件和软件实车实验平台,进行实车实验,验证本文研究的算法可行性。实验结果表明,该算法具有较强的泊车场景泛化能力,不依赖传感器融合技术就可同时实现结构化泊车场景和非结构化泊车场景的车位检测。