随着无人机的普及,其在人们的日常生活中的应用是越来越广泛。航拍是目前无人机最重要的应用之一,利用无人机可以方便快速地获取实时、高清、俯视视角的图片。在许多应用场景中,需要利用航拍图像拼接算法来将所有图像拼接在一起,以感知整个拍摄场景。按照拼接图像的生成方法不同,可以将航拍拼接算法分为基于图像融合的航拍拼接算法与基于三维重建的航拍拼接算法,本文将从这两种算法入手,提出了一些改进方案,以解决现有拼接算法中的不足。在基于图像融合的航拍拼接算法中,提出了一种利用GPS启发式搜索待匹配图像的算法,用GPS预先排除掉不可能有共视区域的图像,可以加速图像匹配的过程;另外提出了只用旋转矩阵对相机的运动进行描述,可以减少光束平差法中估计参数的个数,减小光束平差法的优化难度;同时提出了一种利用GPS对旋转矩阵进行初始化的算法,该初始化算法可以有效的减轻大规模航拍图像拼接中出现的误差累积现象,提升大规模航拍图像拼接的效果。实验证明,与Pix4D相比,在平原地形的数据集上,本文提出的算法能够获得与Pix4D近似的拼接结果,同时能够很好的对图像边界以及纹理区域进行拼接,也能够减少运动物体带来的影响。此外本文提出的该算法比Pix4D的处理速度快几十倍,能快速的拼接大规模的航拍数据。在基于三维重建的航拍拼接算法中,MVS（Multi View Stereo,多视图立体几何）算法在生成一幅图的深度图时,需要有几十甚至上百张的共视图像来生成稠密的深度图。本文还提出了一种MVS空间正则化的方法,即使只有少量共视图片时,也能合理的生成比较稠密的点云,可以减少无人机拍摄的次数。实验表明,添加了空间正则化约束的MVS能够合理的生成更加稠密的点云,在平原地形的数据集下,点云生成的数量是没有空间正则化的MVS算法的3倍左右。本文提出的算法都能在效果上取得提升,但仍不能达到实时性的要求。另外更好的将航拍拼接与机器学习结合也是一个能大大改进拼接算法的方向。