当今社会,驾驶已经成了人们日常生活的一部分,在我国拥有的汽车数量大概有两亿辆,随着车辆的数量增多,驾驶的事故也是屡见不鲜,因此减少事故发生率成为人们的热切希望。为了减少驾驶事故的发生,减小驾驶的难度也就成了研究的热门。目前部分车辆拥有驾驶辅助系统,但是都忽视了车底的情况。要完成车底的监视难度更大,如果在车底安装摄像头,会存在安装位置过低导致视野狭窄,而且在过障碍物时容易被遮挡的缺点,本文利用图像拼接算法实现了车底的监视,但是普通的拼接算法不能满足高一致性的拼接环境的算法需求,也不能满足车载场景的实时性需求。本文针对这个问题设计了一种基于图像拼接与目标检测的驾驶辅助系统,实现了对车底视觉盲区的监控,同时避免了使用其他方案的各种弊端。本文研究的驾驶辅助系统分为两个模块,底盘透视模块与目标检测模块。本文的主要内容由以下三个部分组成:(1)底盘透视模块。图片初始化时,在一般的拼接算法流程中引入自适应gamma变换,改善图片质量,并利用自适应检测阈值的初始化模块保证了高一致性条件下的特征点检测与描述效果;特征点匹配时设计与实现了特征点位置预测模块,利用同帧特征点之间的位置关系与相邻帧特征点位移连续性特点实现特征点的快速与高准确率匹配;使用改进的FSC算法进行单应性矩阵计算,以提高单应性矩阵计算速度与准确性,同时利用单应性矩阵判断模块保证了拼接的鲁棒性。(2)目标检测模块。本文利用多任务网络在一次运算时完成了目标检测与语义分割两个任务,并且对网络进行了改进,在前端的特征提取模块采用轻量级网络大幅度降低网络运行时间,同时在后端网络再次提取特征,弥补前端特征提取不足的缺点,在牺牲少量精确度的情况下减少了约40%的网络运行时间,使得算法向着实时性方面更进一步。(3)在工程实现时采用异构运算加快运算速度,同时使用多线程充分利用多核处理器性能,最后实现了实时且精确的底盘透视系统。本文最终实现了底盘透视模块的实时运行,在目标检测模块提高了网络的实时性。