货车超限超载治理是目前公路交通领域的突出难题。车辆轴型识别对于准确判定货车载重限值和实施精细化管理具有重要意义。然而目前在测的轴型识别仪在技术成熟度、识别稳定性等方面尚难以满足实际工程需要。货车的轴型分型难以直接从车辆的侧面进行准确判断,另外,从执法角度讲,清晰完整的底盘影像资料是行业管理的必备资源。本文针对上述工程需求,从提升复杂应用条件下货车底盘成像质量和完整性的角度开展技术进行研究,利用生成的货车底盘图像来快速分辨货车的轴型信息。具体研究工作如下:针对货车底盘尺寸大、成像距离短而所导致的成像困难的问题,提出利用鱼眼相机来搭建车辆底盘成像系统的技术思路。并利用货车底盘高度、车宽和车速等先验知识,推算视频的采集帧率,从而设计了视频数据的采集方案。针对传统的鱼眼图像有效区域获取算法的不足,提出利用多点拟合圆的方法来获取车辆底盘鱼眼图像有效区域的方法。该方法利用在鱼眼图像有效区域边界上获取多个点坐标来完成拟合圆的求取,从而获得有效区域的半径和圆心,实验证明该方法有着更好的适应性。利用鱼眼镜头的等距投影模型,并采用反向映射的方法完成车辆底盘鱼眼图像的校正。与柱面投影法和经纬映射法进行对比,分别通过定性和定量的实验分析方式对校正结果进行验证,在定量分析中利用和方差、均方根和确定系数三个参数值针对校正后的图像结果进行评估,实验结果验证了本文算法。针对货车速度不可控对序列图像拼接结果的影响,提出多步分层筛选的图像关键帧提取方法。该方法先利用间隔采样对图像进行快速提取,然后利用图像间重叠度关系对图像进行精筛选。在图像配准过程中,采用ORB配准算法和模板匹配算法相结合的方法,对误匹配点进行有效的剔除,使得配准精度得到明显提高。利用速度变化的小轿车来进行仿真实验,实验结果表明该方法可以有效对图像进行筛选,而且可以消除车辆速度变化对于最终结果的影响。并采用真实的货车的底盘数据进行实验验证,结果表明本文方法可以输出清晰且完整的货车底盘图像。