近年来,随着现代智能交通系统的发展,车位识别与位置信息获取成为智能交通的热门研究方向,同时也是智能化泊车的关键技术和难点之一。近几年,随着社会的快速发展,车辆数量在急剧的上升,可用泊车位已经不能满足当下人们的需求,城市中出现了大量的停车区域堵塞问题。本文通过泊车车位的检测,为泊车者推送车位信息,在一定程度上缓解停车困难以及停车区域堵塞问题。本文主要从两个方面来论述车位检测的问题。一个方面,针对基于小场景的传统车位检测,提出了一种基于HSV彩色空间与改进的OTSU算法的车位线检测方法。首先,将RGB图像转化到HSV空间,利用H、S分量的不同性质,结合改进的OTSU算法依次过滤非车位线的信息,初步将车位线分割出来。然后,利用二值形态学处理,先对初步分割的车位线进行间隙与裂痕的预处理,再利用连通分析法、骨干抽取、Hough直线检测以及轮廓检测相结合的方法,对车位区域进行有效识别以及位置的获取。改进的OTSU算法引入了粒子群优化算法,相比传统的OTSU算法,它大大缩短了分割时间。使用该方法对车位线比较单一环境以及相对复杂环境的图像进行实验,结果表明:该算法能够有效的将车位线区域分割出来,人眼识别效果整体上较好,并大大减少了分割时间,具有较强的实用性。另一方面,针对基于大场景的车位检测,提出一种深度学习车位检测方法。利用现有的网络模型进行训练,对停车区域车辆分布进行可视化以及车位的判别,将空车位位置的可视化与有序标注进行设计与实现。运用此方法,利用实际公开的数据及其自采样数据预处理后,分别验证了训练模块停车区域车辆分布可视化、车位的判别以及车位位置有序标注的实用性及可靠性。通过小场景与大场景的户外停车场为研究平台,提出了基于机器视觉的泊车车位检测算法,使车辆泊车的过程更加的方便、可靠和安全,为停车场的智能化管理提供了一个很好的平台,也为后续智能泊车系统准确泊车入位提供了有力的支撑。