在现实生活中，对大型物体进行全景拍摄时，一种方法是增加拍摄物距，但获得的全景图细节信息不够丰富，并且实际拍摄场地可能会限制拍摄。另一种方法是安装广角镜头，但是获得的图像其边缘区域容易产生扭曲变形，需对图像做校正处理才能进一步使用，综合考虑这种方法也不适合普遍应用。图像拼接技术和视频处理技术为解决这一问题提供了一种新的思路。　　课题研究源于一个实际问题：车辆检测部门需检测车辆的外形、尺寸等信息，由于场地狭小，无法直接获取大型车辆的全景图像，本文利用视频采集和图像拼接技术较好地解决了这一难题。课题以大型车辆为例，采集其运动视频，通过运动目标检测提取车辆图像序列，利用特征提取和匹配，进行图像序列拼接和融合，获得了车辆的完整图像，为后续的处理打下了良好的基础。论文主要研究内容如下：　　1．研究利用运动目标检测来提取视频中待拼接图像的方法。分析了三种主要的运动目标检测算法各自的原理和特点，在背景帧差法的基础上，为减少目标畸变，采用选取相机光轴中心窗口区域的方法，提取视频中的待拼接目标。　　2．采用Harris角点检测算法进行待拼接图像特征提取。针对Harris角点检测中产生的伪角点问题，采用伪角点去除算法，能够有效消除角点检测中产生的伪角点，避免由于角点聚集产生的伪匹配问题。　　3．为了提高特征匹配的精度，采用特征粗匹配与匹配提纯相结合的方法。首先提取角点周围的灰度特征块，根据特征块之间的相似性进行特征粗匹配，在此基础上利用RANSAC算法进行匹配提纯，有效解决了图像变换矩阵精度不高的问题。　　4．为了得到畸变较小的全景图像，采用基于重合区域的序列图像镶嵌拼接法。该方法保留相邻初次拼接图像间的重合区域，将相异区域镶嵌在重合区域两侧，从而完成两幅图像的拼接。进而以此类推，完成序列图像的拼接。　　实验结果表明，论文获得了完整的车辆全景图像，畸变较小，细节信息完整，较好的完成了研究任务。