泊车过程中,驾驶员需要通过后视镜观察泊车位及周围车辆等障碍物信息,有限的观察视角不利于驾驶员充分获取周围环境信息,时常导致倒不进库或者泊车过程中与其他车辆发生剐蹭。自动泊车系统中,同样需要搜集车身四周的车道线和车位线信息,以安全顺利地控制车辆按预定路线泊入停车位。全景图像能够采集车辆四周的环境信息,包括行车线、车位线、其他车辆、行人等障碍物,可以直观地帮助驾驶员在泊车过程避开危险,顺利停车。这些信息也可以作为自动泊车系统的输入,经过系统综合判断获得最佳停车路径。然而,鸟瞰图像中的车辆严重失真和不完整,在某些光照不足的环境中,视觉信息变得非常模糊。如果驾驶员看不到周围的环境信息,碰撞的风险就会增加,而在自动泊车系统中,无法全面真实的获取环境信息是更加危险的。为了更好地利用全景图像感知局部环境,我们使用语义分割算法对车载全景图像进行处理,获得车位线、行车线等关键信息,同时基于全景图像分割结果构建了一个虚拟全景监控系统,为驾驶员提供更清晰的感知信息。主要研究内容包括:（1）基于SegNet重新设计了一个轻量级的语义分割网络SegNet＿ds。新的网络模型使用了深监督的学习思想,对编解码器的隐藏层添加了额外的输出分支,使用所有分支来计算训练损失函数,从而全面的监督整个网络层的学习。所有的监督分支与主干网络保持独立,只参与训练过程,不参与推理过程。这使得本模型在不增加推理时间的前提下,提高了分割精度。（2）本文收集和标注了更多的全景图像。为了更好的训练本文提出的模型,自行收集并标注了全景图像数据集,针对全景图像所存在的图像变换环境,设计了相应的图像增强方法。新的数据集和有针对性的图像增强方法进一步的提高了本文模型的泛化性能。（3）针对全景分割结果进行了可视化增强。本文提出的实验模型在公共数据集上与最新全景图像分割方法和最新的轻量化语义分割模型进行了对比,结果显示了本文提出模型在推理速度和分割准确率上达到了比较理想的结果。最后,为了能够更方便的使驾驶员观察到车辆四周的关键路面信息,本文基于分割结果建立了一个基于分割结果得到的全景增强可视化结果。实验证明,与当前最新方法和轻量化语义分割模型相比,本文提出的模型分割效率高,并且可以有效地克服全景系统中的路面标志存在的遮挡、破损、模糊问题,同时具备了一定的实时性性能。