Para garantizar la precisión y confiabilidad de los Sistemas Avanzados de Asistencia al Conductor (ADAS), es esencial realizar una calibración fuera de línea antes de que los vehículos salgan de fábrica. Este documento propone un método para reconstruir el sistema de coordenadas del vehículo basado en visión artificial, que puede aplicarse a la calibración fuera de línea de ADAS. Primero, este estudio explica las preparaciones preliminares, como la selección de puntos característicos y la elección del modelo de cámara, combinando escenarios de aplicación reales y requisitos de prueba. Posteriormente, el modelo YOLO se entrena para identificar y obtener regiones características, y se extraen las coordenadas de los puntos característicos de estas regiones utilizando coincidencia de plantillas y ajuste de elipses. Finalmente, se diseña un experimento de validación para evaluar la precisión de este método utilizando métricas como las distancias de desplazamiento lateral y longitudinal del vehículo y el ángulo de guiñada. Los resultados experimentales muestran que, en comparación con las plataformas de alineación de vehículos tradicionales, este método mejora la precisión de la reconstrucción al tiempo que reduce los costos.