随着印制电路板（PCB）行业的蓬勃发展,传统的PCB质量检测方法的检测效率已经很难适应现在的PCB生产需求,近年来,基于机器视觉技术的自动光学检测系统（AOI系统）逐渐成为主要的PCB质量检测方法。常见的PCB缺陷分为两类,第一类缺陷包括划痕、异物、元件贴反等2D范围内的缺陷;第二类缺陷包括走线弯曲偏移、走线交叉等3D范围内的缺陷。为了检测第一类缺陷,AOI系统使用高分辨率但视野非常有限的工业相机进行拍照以获取PCB局部图像,然后对采集的图像进行拼接,运用机器视觉理论知识对拼接全景图进行定位检测。对于第二类缺陷,需要实时重建出PCB元件的3D模型并对其进行检测,而点云拼接是3D重建中最关键的步骤。本文针对AOI系统的特殊性,提出了一种新的专门用于实时拼接高分辨率PCB图像的方法（RTStitch）和一种新的实时拼接大型点云的方法（PC-RTStitch）。论文的主要研究内容和创新点如下:（1）提出了对PCB图像进行分类,并采用不同的方法对不同种类的图像进行处理;提出通过余弦相似度计算获取待拼接图像的最大重叠位置,为后续精准配准做准备。部分PCB图像重叠区域内的特征点较少,因此本文提出首先根据图像重叠区域灰度变化程度对图像进行分类,对于重叠区域特征点较少的图像做进一步的处理。使用余弦相似度计算获取最大重叠位置之后,将后续改进的模板匹配算法集中在最大重叠区域中,提高配准的速度和精度。（2）对模板匹配算法进行改进,进一步提高了配准的精度和效率以实现实时拼接高分辨率PCB图像。设定模板图像的选择必须包括最大重叠区域中灰度变化最大的一列,因此模板图像中会包含尽可能多的特征点。实验表明,对于第一类图像,RTStitch较其他三种具有代表性的算法将配准精度提高了2%以上,而对于第二类图像,将配准精度提高了10%以上,此外RTStitch将配准拼接的速度提高了一倍以上。最重要的是RTStitch可以满足AOI系统的高精度和实时性要求。（3）提出检测点云的SIFT关键点,只计算关键点的法线,并使用多核/多线程来计算FPFH特征以节省计算时间。AOI系统中的点云数据量较大,因此使用Voxel Grid滤波器对输入的大型点云进行过滤,并只对检测的SIFT关键点计算法线以节省计算时间。然后根据多线程计算的FPFH特征进行SAC-IA初始配准,为精准配准提供初值。（4）提出使用LM算法对点到面的ICP算法进行改进以实现实时精准拼接点云。实验表明,相比经典ICP算法及其改进的算法,PC-RTStitch在实时拼接大型点云的同时保持较高的配准精度,可以应用于AOI系统中实时拼接大型点云。