辅助驾驶是智能网联汽车的关键技术之一,其360度全景拼接系统为驾驶员提供车身周围的环境信息,以保证复杂交通环境下的安全驾驶,是辅助驾驶中最基本的组成部分。为解决当前全景拼接系统中生成的全景图可视范围小与拼接质量差的问题,本文进行如下研究:首先,研究了全景拼接算法中的预处理及特征检测算法。针对鱼眼图像存在畸变与亮度不一致问题,经实验对比分析,优选了全向相机标定法与基于局部增益补偿的亮度校正法作为本文预处理算法。然后分别研究了SIFT、SURF与ORB三种特征检测算法原理,并在Mikolajczyk数据集上对比分析各算法的数量性、实时性、重复性与准确性,优选SURF作为本文算法的改进对象。其次,提出了全景拼接算法中的特征检测与匹配改进算法。针对SURF特征点空间分布不均匀造成的特征点冗余且无法完整表达图像信息等问题,结合局部非极大值抑制,提出了LNMS-SURF算法。并针对传统特征匹配算法实时性差且正确匹配对少的问题,提出MMF-GMS特征匹配算法,首先融合比率检验、匹配差值阈值化与双向交叉检验3种匹配策略,并辅以KD树实现特征粗匹配,然后采用GMS算法对粗匹配结果提纯。Mikolajczyk数据集实验表明,相较于其他匹配算法,本文算法正确匹配率平均提高19.6%,实时性提升3倍以上。再次,改进了全景拼接算法中的图像配准算法。针对传统算法重叠区域对齐精度低与非重叠区域畸变严重的问题,提出了LLT-GST配准算法。首先采用Moving DLT求解每个图像网格的局部单应矩阵,以提高重叠区域的对齐质量。然后对重叠区域的局部单应矩阵进行线性化处理并外推到非重叠区域,同时在非重叠区域使用全局相似性变换进一步减少畸变。最后将线性化的局部单应矩阵逐渐变化到全局相似性变换以实现两者融合。实验结果表明本文算法配准质量均优于AutoStitch、APAP与SPHP等算法,其均方根误差RMSE为7.149%。最后,分析了基于拼接缝改进的融合算法并搭建辅助驾驶全景拼接系统实验平台。首先为解决移动物体导致的重影及视差引起的模糊问题,采用基于图割的最佳拼接缝搜索算法获取拼接缝,并分析羽化融合与多分辨率融合算法的优劣性。最后,利用实验平台对本文全景拼接算法进行验证,结果表明,本文算法能生成全方位、无死角、清晰度高及视野广的360度全景图。