目前计算机视觉技术广泛应用于各种领域,例如谷歌、百度等科技公司深耕的自动驾驶研究领域。在自动驾驶视觉导航系统中,其中一个首要任务就是对车前图像信息的采集。传统的视觉导航系统使用单镜头进行图像信息的采集,但由于单镜头视角较小,采集到图像的信息有限,相比之下,双目视觉更具优势。在双目视觉的应用中,为获取更多视场的图像信息,突破单个图像传感器本身视野的限制,往往需要运用图像拼接技术。而双目视觉镜头在获取复杂场景图像时,存在较大的视差。目前,针对视差图像拼接的问题,仍存在不小的困难。本文分析了当前主流的图像拼接技术后,对双目视觉的图像拼接技术进行研究,提出一种基于内点集合发散分布的优化配准和误差补偿优化对齐的方法。接着,继续研究了一种基于内点集合的优化缝合线查找的算法,实现视差图像的无缝拼接,以提高图像拼接质量。本文主要研究工作:1.通过分析内点集合与投影平面间的关系,提出一种基于内点集合发散分布的全局优化方法。针对双目视觉获取的视差图像拼接的问题,设计了准稠密化特征点的配准误差和全局误差补偿优化对齐策略,一定程度上解决了图像拼接中重影现象。2.在缝合线查找算法的颜色差异和几何结构差异两大特征的基础上,本文提出一种基于内点集合对缝合线的权重约束优化缝合线查找的方法,解决因视差较大导致的重影现象。同时,本文结合稀疏特征点的配准误差值,缩小缝合线搜索范围,一定程度上提高缝合线查找的效率。3.为了验证本文算法在处理视差图像上的性能,本文设计了多组对比实验,分别与AutoStitch、APAP(As-Projective-As-Possible Image Stitching)和最佳缝合线查找算法的拼接效果进行比较。经实验结果表明,本文算法能够有效地解决视差图像拼接中经常出现明显重影和目标错切的问题,具有良好的鲁棒性和适用性。4.视差成像下图像拼接系统设计与实现。在实验室软硬件环境的基础上,设计并实现了一个视差图像拼接系统。该系统主要包含了图像预处理、图像配准、缝合线查找以及对比拼接算法四大功能模块。