在中国过去的几十年里，由于公路运输及私家车的急剧增长，道路交通安全成为社会的一个重要问题，因此，先进辅助驾驶系统（ADAS）得到了越来越多的关注。其中，全景环视系统（AVM）通过为驾驶员提供车身周围360度的视频信息，减少了用户视觉盲区，帮助用户更好地判断车辆周围道路交通状况，从而避免与周围的行人以及车辆发生碰撞，使驾驶过程更加安全便捷。同时，与其他智能驾驶技术的融合是AVM的发展趋势之一，如基于AVM的车道级定位技术、基于AVM的障碍物检测、基于AVM的自动泊车等，然而，此类技术通常依赖于图像的灰度及形状信息。因此，在畸变校正、融合处理等方面对AVM进行改进对于全景环视系统本身、ADAS集成以及基于AVM的各项视觉技术的拓展应用均有重要意义。　　本文以全景环视系统为研究对象，针对已有全景环视系统中鱼眼图像边缘畸变校正不足、图像拼接算法自动化程度低以及各视角图像亮度、色彩以及饱和度不一致等问题，展开了改进研究。本文主要贡献如下：　　1）针对其鱼眼图像去畸变过程中边缘校正效果不佳的问题，研究了基于径向畸变假设的去畸变方法。通过除法模型建立图像坐标系中畸变点与无畸变点之间的映射关系，设计了ideal pattern得到目标优化位置，基于径向畸变假设建立了目标函数，通过梯度下降法进行优化求解，改善了图像边缘去畸变效果。　　2）针对拼接过程中标定布的特征点提取自动化程度低、准确率低的问题，设计了综合特征点检测法自动提取标定布中目标特征点的坐标位置，提高了检测的精度和算法的自动化程度。　　3）针对全景图中各视角图像亮度、色彩以及饱和度不一致的问题，设计了环形融合方法对图像进行融合处理。　　4）为证明算法有效性，本文设计了一个全景环视系统拼接与标定的MATLAB工具箱，并在MATLAB中进行了仿真实验，同时，将算法移植至IMX6Q cortex A9开发板进行动态实测。　　论文研究结果表明，本文提出的径向去畸变方法矫正平均像素误差为1.792，在平行关系和几何形状保持方面均有优势，有效地改善了鱼眼图像边缘去畸变效果。本文提出的综合特征点检测算法与Rufli、Harris等人的算法相比较，在特征点检测准确率及有效率方面有显著优势，均为100%。本文提出的环形融合方法减少了各视角的曝光差异，消除了拼接缝，改善了全景环视图像的视觉效果。