近年来,国内外越来越多的企业开始涉足自动驾驶技术的研发,随着自动驾驶技术变得越来越成熟,对于具有自动驾驶功能的汽车上路前的检测要求也越来越高。为了满足这些严格的检测要求,对自动驾驶功能进行检测时可以采用一种新型的利用远程视觉反馈控制的无人驾驶车辆,这种车辆由驾驶者通过远程驾驶系统进行操控,模拟并制造出各类交通险情来对自动驾驶功能进行安全性测试。远程视觉反馈控制的无人车主要技术包括视觉信息和远程控制指令等信号的传输以及视觉信息的采集等。在进行视觉信息采集的过程中,针对传统单一摄像头无法同时满足高质量和宽视野两个要求,利用图像拼接技术对多个摄像头所采集的街景图像进行拼接从而获取宽视野的高质量街景图像,并在远程系统内驾驶者面前的屏幕上进行实时显示。能够让驾驶者获得更加清晰宽阔的视野以便于更好的进行远程操控。因此,针对无人车街景图像拼接的应用场景研究出一种适用于该场景下的图像拼接方法是具有一定应用价值的。针对无人车街景图像拼接的实际应用场景,本论文选择拼接速度相对较快的ORB（Oriented Fast and Rotated Brief）算法作为基础,并在原算法基础上进行了相应的改进,优化了整个拼接流程,在保持了原算法较快运行速度的前提下,提升了图像的拼接质量,使得拼接后的图像更加贴近于人类的视觉观感从而满足远程驾驶舱内驾驶员对于无人车进行一系列相关操作的需求。本文主要研究内容有以下几点:（1）在特征检测阶段,针对原ORB算法不具有尺度不变性以及检测出的特征点在图像中分布过于集中等问题,使用一种改进的ORB特征提取算法进行特征提取,通过构建简化的图像金字塔并在金字塔的每个不同尺度的图像层上都使用特征检测算法进行检测来使得检测出的特征点具有一定程度的尺度不变性,同时在进行特征检测时采用了结合四叉树算法并具有动态阈值的改进FAST（Features From Accelerated Segment Test）算法,通过这种方法检测出来的特征点不会像原算法一样出现集中在某几处特征密集区域的情况,特征点在图像中的分布更加均匀,所提取出的特征点数量也更多,各个特征点之间的区分度也更高。（2）在特征匹配阶段,先使用结合了双向匹配思想的暴力匹配方法得到一个粗匹配结果,紧接着使用本文改进的特征精匹配算法对粗匹配结果进行优化,筛选出正确的匹配点对,最后通过这些正确匹配点对所包含的信息计算得出更加准确的两张图像间的投影变换矩阵。一系列实验结果显示,本文中算法在维持了原ORB算法较快运行速度的前提下,特征点对的匹配准确率从原ORB算法的68%提升到了90%。（3）在图像融合阶段,针对拼接后的街景图像中存在重影、模糊以及拼接处存在拼接缝隙等问题,本文在最佳缝合线算法的基础上,引入了加权融合算法,在最佳缝合线两侧通过加权融合算法来消除图像拼接结果中产生的拼接缝隙等问题。实验结果表明,本文的融合方法可以有效地消除拼接过程中产生的拼接缝隙以及图像中存在的重影、模糊等问题。（4）最后为了直观的展示本文图像拼接算法的效果,基于PYQT5平台设计并搭建了一个简易的街景图像拼接展示系统,并在该系统上直观地展示了街景图像的拼接效果。