随着自动驾驶技术的发展,自主代客泊车作为自动驾驶技术的重要分支,逐渐受到学术和工业界的重视。建图与定位是自主代客泊车系统的重要模块,语义SLAM（Simultaneous Localization and Mapping）是实现该模块的一种新颖技术,但现有的语义SLAM很难提取和跟踪地面的语义特征。考虑到室内停车场中的车位排列规则、颜色鲜明,是稳定且显著的语义特征,本文提出了一种室内停车场语义SLAM算法。该算法通过融合视觉惯性和全景环视中车位信息来生成停车场语义地图,主要的研究内容如下:1.完成了多传感器的联合标定,将前视单目相机、鱼眼相机和IMU（Inertial Measurement Unit）的数据统一到地面坐标系。校正鱼眼相机,获取鱼眼相机的内参与畸变系数,计算校正后图像到地面的转换矩阵,建立原始图像到顶视图的映射表,并对顶视图进行拼接融合,生成全景环视图;校正单目相机,并计算单目相机到地面的转换矩阵;标定IMU,获取其噪声与随机游走,并计算IMU到相机的转换矩阵。各传感器数据转换到同一坐标系下,方便计算与融合。2.选取了性能相对更好的视觉惯性SLAM算法用于车辆定位。利用视觉惯性SLAM技术融合单目相机的图像数据与IMU的运动测量数据,估算车辆位姿。选取了四种成熟的基于不同传感器的视觉SLAM算法进行对比。通过实验验证,选取绝对轨迹误差最小的ORB-SLAM3算法作为基础算法展开后续研究。3.提出了一个停车位关联模型。关联模型基于停车位检测,根据停车位的置信度和几何信息进行数据关联,建立了停车位库,存储每个停车位的信息,并优化停车位坐标。停车位检测的精度直接影响车位关联模型的准确性,选取三种基于全景环视的车位检测算法,利用室内停车场数据集验证,选取表现最好的VPSNet算法用于车位检测。4.提出了室内停车场语义SLAM算法PS-SLAM。ORB-SLAM3结合基于全景的车位检测技术VPS-Net,融合并优化视觉惯性与全景环视信息,搭建车位关联模型,可在车辆的运动过程中实时构建停车场语义地图。完成了算法的验证实验,利用线控底盘搭载鱼眼相机、单目相机与IMU在室内停车场进行测试,结果表明该算法可在车辆运动过程实时生成地图,且定位精度良好。经过研究,本文设计的停车场语义SLAM系统,解决了多传感器的数据融合问题,提出了停车位的数据关联模型,适用于室内停车场的定位与语义地图构建。